中国股市股票推荐效应研究，本文主要内容关键词为：中国论文,效应论文,股市论文,股票推荐论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
对于中国的证券投资者来说，股票推荐是各类媒体常见的栏目。在各种报纸、杂志、广播节目以及电视节目中，名目繁多的荐股栏目随处可见。而中国有着世界上最多的股民，不可否然的是，大部分的投资者并不具备投资专业知识，他们的投资决策很大程度上受各种荐股栏目的影响，收听收看各种荐股栏目，阅读揣摩各种荐股文章成为这些投资者每天乐此不疲的必修课。由此，试想如果有大量的投资者相信这些推荐并按照这些推荐进行交易，那么，这些投资者的交易行为必将对被推荐股票产生影响。于是，一个有趣的问题摆在我们面前，股票推荐对于被推荐股票究竟有没有影响，如果有，有什么样的影响，影响有多大，持续时间又有多长呢？
事实上，就这一问题西方学者利用不同的资料做过很多研究。Black(1973)、Dopeland和Mayers 1982)、Stickel(1985)以及Huberman和Kandel(1987)的研究显示"ValueLine"的股票排名具有预测未来异常收益的能力。Bjerring、Lak Lnishok和Vernaelen(1983)的研究表明如果投资者们遵循占市场领导地位的经纪公司的投资建议，他们将获得异常收益。Lloyd-Davies Canes(1978)和 Liu、Smigth和Syed(1990)通过对华尔街日报的"Heard onthes treet"栏目的研究发现在该栏目的发行当日有正的异常收益率产生。Barber和Loeffler(1993) Mtcalf和Malkiel(1994)以及Wright(1994)的研究则利用华尔街日报的另一个荐股栏目“镖靶”(Dartboard)专栏，证实了在栏目宣布当日异常收益率的存在。
从1988年10月开始，华尔街日报每个月出版一期“镖靶”专栏。在这个专栏中，每期由不同的专家推荐4只股票，同时作为参照的还有道琼斯工业股票平均指数和4只“镖靶股票”，之所以称之为镖靶股票是因为这4只股票是由飞镖扔向特制的列有股票的转盘所决定的，即指这4只股票是随机选择的。每次竞赛过后，无论股票收益是否超过道琼斯工业股票平均指数和4只镖靶股票的收益率，股票的收益列前两位的推荐人继续参加下一轮的比赛，这样不断往复。由于这一栏目数据的确定型和可得性，利用这一栏目资料进行的推荐效应的研究占了很大一部分。很多研究都发现和证实了股票推荐对市场价格和交易量的影响，他们把这种效应称之为“公布效应”(Publicity Effect)或“宣布效应”(Announcement Effect)。Barber和LOeffler(1993)的研究发现了两天平均 4%的异常收益率。Metcalf和Malkiel(1994)报告了一天3%的公布效应，以及Wright(1994)则发现了在镖靶专栏出版后两天的4.59%的异常收益率。
在中国，到目前为止还没有学者对这一问题做过研究。事实上，正如本文开始所设想的那样，中国近5000万股民中，很多人的投资决策很大程度上受各种股票推荐的影响，这些推荐以及这些推荐所引起的市场行为必然会对市场产生一定的影响。基于这样的考虑，本文试图针对这一问题做一实证研究。
二、数据与方法
要研究股票的推荐效应首先要确定研究的样本，即被推荐的股票，而全国各地各种媒体荐股文章数目繁多。仅笔者所在的南京市，几乎每一种日报都有荐股专栏，再加上各电台电视台的午间、晚间荐股栏目，荐股栏目就有几十种之多。南京的情况如此，全国的情况可想而知。本文的研究目的在于专家的推荐对于众多投资者的影响进而对市场的影响，这就要求作为样本的推荐在投资者中有着广泛的影响，并且不能局限于某地而是能影响到全国。基于这样的考虑，本文的研究选择了《中国证券报》的荐股专栏。《中国证券报》是由新华通讯社主办，证监会指定上市公司信息披露报纸，是目前唯一的全国性金融、证券、财经类报纸，在投资者中影响巨大，符合本文研究的要求，因此选择了该报唯一的荐股专栏“潜力股推荐”兰目所推荐的股票作为我们研究的对象。
从2000年1月5日开始，“潜力股推荐”栏目刊登在每个星期的二，三，四，五的《中国证券报》第3版上。与华尔街日报的“镖靶”专栏一样，该栏目也是以投资竞赛的形式来荐股的。竞赛分3种类型，分别为短线（7天），中线（1个月）和长线（半年）。每期由专业人士自由推荐股票，分别注明参加何种竞赛，到期总结比赛结果。与华尔街日报的“镖靶”专栏不同的是该专栏不限制推荐股票个数和参赛人数，在总结中只列出前3名而不淘汰推荐股票业绩靠后的推荐人。这样的设计虽然减少了竞争性和直观性，但并不影响本文的分析。
每期的“潜力股推荐”专栏平均推荐4～5只股票，有时多达7～8只，以短线和中线推荐为主。本文的取样区间为2000年1月5日到2000年8月30日。这样共有大约 1000只股票得到了推荐。考虑到中国股市投机性较强，受外界因素影响较大，在长达1个月或半年的时间内，很难确认哪些变动是由推荐引起的，因此本文的研究略去了推荐的中线和长线股票，只针对短期推荐的股票来进行实证计算。同时，推荐的股票包括沪市和深市的股票，而这两个市场没有什么本质区别，为了简化计算又不失分析的准确性，本文的研究也略去了推荐的深股，而只对沪市股票进行研究。这样样本得到了简化。
本文的目的是研究中国股市的推荐效应，事实上，推荐对于市场的影响肯定有着多方面的表现，比如对被推荐股票价格及交易量的影响，对市场深度，紧度和弹性的影响，对市场交易成本的影响以及对市场流动性的影响等等。但是，由于中国证券市场资料的缺乏以及考虑到文章的紧凑和研究的计算量，本文的研究主要集中于对被推荐股票价格和交易量的影响。
我们把“潜力股推荐”栏目出版日看成在当天该栏目上被推荐股票的推荐日，设为第0天记为t=0。同时把推荐日前10个交易日和后10个交易日定为推荐期（t=-10到 t=10），我们的研究主要集中在这段时期内的数据变化。对此，我们采用两个不同的模型和检验方法来研究价格影响和交易量影响，下面分别介绍。
对于价格影响，我们假设个股的收益率是市场指数受益率的一元函数，于是采用了传统的市场单因素模型来描述这种函数关系，公式如下：
其中，R[,it]是股票i在第t天的收益率，Rmt是第t天市场指数收益率，ε[,it]而是股票i在第t天的收益率的随机误差。
我们利用推荐日前125天(t=-125)到前26天(t=-26)的市场和个股数据回归出α[,i]和β[,i]得到被推荐股票的收益率函数关系。然后把该股推荐日前后10天的市场数据代入上述函数，该股在这段时间内的正常收益率用(2)式计算得到。
由于研究样本众多，我们不可能把每个股票的异常收益率都一一列出，如果把样本数据看成是一个证券组合的话，最后呈现在论文中的是这个组合的平均异常收益率。如(4)式所示：
由于我们利用这种算法得出的收益率是利用同一市场模型和同一市场指数回归出的，因此可能产生序列相关性，为此，我们采用Mikkelson和Partch在1988检验同类问题时所采用的Z检验的办法来对我们算出的异常收益率进行检验。Z统计变量的表达式见公式(5)：
对于交易量影响，我们同样假设个股的交易量是市场交易量的一元函数。我们采用Greene和Smart在1999年研究股票市场流动性的交易量模型来表达这种函数关系。该模型认为个股交易量加1的对数和市场交易量的对数之间构成线性关系，公式如(7)式所示。
我们用被推荐股票在推荐期内当天的实际交易量减去算出的正常交易量就得到了异常交易量。由于每只股票的交易量受股票发行规模，股票价格等多种因素影响，单纯比较异常交易量的绝对量没有实际意义，因此异常交易量在本文中是以异常交易量占正常交易量的百分比形式出现的，公式如(9)所示。
我们利用t验对平均异常交易量进行检验。
至此，本文的研究思路和方法介绍完毕，简要概括如下：我们首先假设个股的收益率是市场收益率的函数，个股成交量也是市场成交量的函数并设定推荐栏目出版日为推荐日。然后利用推荐日前125天到前26天的市场和个股数据回归出个股收益率函数和交易量函数的各个系数。再代入推荐日前10天到后10天的市场数据到上述函数中得到个股在这一段推荐期的正常收益率和正常交易量。接下来分别比较个股实际受益率、交易量和它们的正常值就可得到被推荐股票在推荐期的异常收益率和异常交易量。最后对异常值进行显著性检验。
三、计算与结果
我们按照上述方法，首先利用股票收益率模型（公式1）和交易量模型（公式7）以及被推荐股票推荐日前125天到前25天的资料计算出模型的参数。由于一些股票在被推荐时刚刚上市不久，无法满足我们计算所要求的长达100天的时间跨度，所以这些样本被我们剔除。同时，为了保证我们接下来所作计算和研究的可靠性和有效性，凡是系数回归后t值较小，显著性小于75%的样本也被剔除。由于样本数量众多，表1只列出了2000年7月合格样本的收益率和交易量的回归情况，表中每个指标后面的t值为该指标的t检验结果。从该表可以看出，回归的显著性比较大、特别是β、δ值，几乎都呈95%以上的显著性。
接着，我们利用公式(3)、(4)、(9)、(10)计算出样本总体的异常收益率和异常交易量，并把结果列在表2中。表2中的天数序列是指推荐日前后第几天，正数为推荐后第几天，负数为推荐前第几天。Z检验和t检验两栏中的值分别是对统计量作Z检验和t检验的结果。
我们先来考察异常收益率(AR)的情况。从表2可以看出，在推荐当日(t=0)，异常收益率并不显著，仅为0.34%，但是在接下来的两天里被推荐股票出现了显著的异常收益率。推荐后第一天(t-l)，异常收益率为1.44%，显著性在95%以上(Z=2.96)，推荐后第2天(t=2)，异常收益率达1.34%，显著性也在95%以上(Z=4.47)。我们还看到，在推荐后第3天开始，异常收益率即出现负值，除了第5天(AR=0.2%)和第7天(AR=0.02%)异常收益率为微小正值外，其余时间异常收益率均为负值，且显著性开始下降。由此，我们可以得出初步结论，当股票被推荐时，在推荐日后两天内出现了平均为1.39%显著性在95%以上的异常收益率，推荐效应确实存在，而在推荐日3天后异常收益率出现负值，价格开始下降，并且显著性也下降。我们再来考察异常交易量的情况。从表2可以看出，在推荐当日即出现了显著的高达260.92%的异常交易量，在接下来的两天里被推荐股票同样显示了高显著性的异常交易量，分别为146.97%和93.81%。从推荐后第3天开始，虽然还存在着较高显著性的异常交易量，但已经开始减少，波动幅度已小于50%。到了第7天，异常交易量在10%左右徘徊，且出现负值，显著性也已大大减小，可以认为交易量几乎已经恢复正常水平。由此，我们同样可以得出结论，当股票被推荐后，从推荐当日到推荐后第2天的3天时间内交易量出现了高显著性（95%以上）大幅上升（平均为157.23%），这从市场交易量角度证实了推荐效应的存在。与此同时，我们还看到推荐后第3天开始，交易量的增加就逐步放慢，直到第8天开始下降。
从我们的计算结果看，还有一个值得注意的现象：无论是异常收益率结果或是异常交易量结果，在推荐日前2～3天内都出现了较为显著的正值。推荐前3天异常收益率分别为0.26%、1.76%、3.29%，且显著性都达到了95%以上。而推荐前2天的异常交易量分别为42.2%、132.07%，显著性也都在95%以上。这一点在柱状图上表现明显，0点以后2～3天内，因为存在推荐效应，所以数值明显，而0点以前2～3天内，即推荐前2～3天，数值也很明显。这意味着，在推荐前2～3天内，股票价格和交易量就已经出现异动，开始上升。
四、解释与说明
我们有两种假说来解释异常收益率的产生。一种是价格压力假说，另一种为信息假说。价格压力假说认为许多并不具有专业知识和内幕消息的投资者相信了这些推荐并按此进行交易，从而引起的大量买方压力造成了推荐股票价格的显著反应和异常收益率的产生。信息假说则认为推荐这些股票的专家们了解到能够影响股票价格的信息，他们的推荐实际上释放了这些信息，为广大投资者所知晓，这样市场就会对这些股票重新估价，从而引起了价格变动，新的价格应包含了先前专家们所了解到的信息。
如果信息假说是正确的，并且把市场看成是信息完全和完全竞争的话，专家推荐股票时就释放了其中包含的能够影响股票价格的信息，从而会引起股票基本均衡价值的变化，而且这种价值的变化是永久的，而不是暂时的。但是，我们的计算结果表明，从推荐日后第3天开始，献出现了显著的负的异常收益率，为-0.83%(Z=-1.07)，股票价格开始回落。在随后的几天里，除了第 5天(AR=0.2%)和第7天(AR=0.02%)异常收益率为微小正值外，其余时间异常收益率均为负值，推荐所引起的价格变化明显不是永久的变化，而是暂时的变化。这就否定了信息假说。
而按照价格压力假说，专家的推荐影响了许多普通投资者，他们购买股票的决定形成了大量的买单，从而形成了所谓的买方压力，正是这种买方压力推动着股票价格在短期内有了异常的上升，异常收益率呈现正值。而随着时间的推移，这种不影响股票均衡价值的信息对市场的影响就会逐渐消退，买方压力逐渐减少，价格逐渐回归，异常收益率就转为负值。令人兴奋的是，我们的计算结果完全支持了这种推论。价格压力假说成为一个合理的解释。
事实上，中国股票市场和投资者的现状也可从另一个侧面提供佐证。众所周知，我国有着世界上数量最多的股票投资者，其中的绝大多数并不具备投资专业知识，更没有渠道获得内幕消息，他们的投资决定很大程度上受各种所谓“消息”的影响。这种投资者在投资时，并不知道作为他们投资依据的“消息”的真伪，他们只是相信这些消息是真的从而进行交易。这种投资者在金融理论中被称为噪声交易者(Noise Trader)，由他们所形成的交易叫做噪声交易(NoiseTrading)。当一只股票被专家在中国最权威的证券报刊《中国证券报》上被推荐，市场上的噪声交易者们会把这种推荐当成是一个重要消息，并按此进行交易，从而在推荐后短期内导致了价格的异常上升，出现了我们所看到的结果。由此，我们把推荐日后两天正异常收益率的产生归因于价格压力假说，而正是市场上的噪声交易者以及他们所引起的噪声交易造成了这种价格压力。
表1 2000年7月合格样本回归情况表
＊为显著性在95%以上。
股票市场上价格和交易量从来都是密切相关的，异常交易量的计算结果只不过从另一方面证明了我们的结论。在推荐日当天，由于许多噪声交易者相信了专家们的推荐，并按此进行交易，被推荐股票的交易量迅速上升，出现显著的异常交易量(AV=260.92%,f=4.55)。在随后的两天内，推荐效应继续发挥作用，异常交易量分别达到146.97%(f=3.98)和93.81%(f=2.78)。从第3天开始，推荐的效应逐渐减弱，交易量虽然还有所增加，但幅度已越来越小，只到第8天交易量开始减少。因此，推荐后交易量的情况也能用噪声交易者的存在来解释。至此，我们得出结论，市场上大量噪声交易者的存在以及他们所引起的噪声交易造成了上述的推荐效应与异常收益率在推荐期内变化的情况相比较，异常交易量的变化在总趋势上与前者是完全一致的，这是因为推荐引起了噪声交易。但在变化的程度和时点上，这两者有所不同。异常收益率在推荐后两天内有明显的推荐效应，而从第3天开始献出现负值，股票价格开始下降。而异常交易量在推荐后两天内也有明显的推荐效应，从第3天也开始大幅下降，但并没有立即出现负值，即交易量还是在上升的，只到第8天交易量才开始下降。可以认为交易量相对价格变化存在着一定的滞后。其实引起这种情况的原因也不难理解，在推荐刚开始，许多噪声交易者按此推荐进行交易，引起了被推荐股票价格和交易量的迅速上升，在随后的时间里，投资者包括噪声交易者会根据该股票的行情和业绩来重新考虑他们的投资决策。被推荐股票在推荐后两日内的价格上升会引致已购买该股票的投资者的追加投资以及还没有购买该股票投资者的新的投资，这样交易量必然表现为继续上升，只是上升幅度没有刚开始那么大而已。同时，由于我们选取的股票样本是被推荐的短线股票，根据《中国证券报》该栏目的说明，短线推荐为一周内的行情，估计很多投资者也相信该股票在本周内应该有行情，于是尽管价格已经开始有所回落，他们还是选择入市，只到一周后看到还未有预期的行情出现，倒是股票价格回归正常，很多投资者于是开始退出。这应该是对于交易量直到推荐后第8天才开始下降的一个合理解释。
表2样本推荐内异常收益率和异常交易量
＊为显著性在95%以上。
至于为何在推荐前2～3天被推荐股票价格和交易量就已经开始上升的问题，一个可能的原因是该股票被推荐的消息在事先就被泄漏了。这样，某些自以为得到内幕消息的噪声交易者就会在推荐前购买该股票，从而形成了一定的买方压力，结果引起了该股票价格和交易量在推荐前就出现异动的情况。