社会性学习、从众心理和股市参与决策，本文主要内容关键词为：社会性论文,股市论文,心理论文，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。
个体之间的互相交流影响常常使得个人的股市参与及投资决策呈现较强的相关性①，即通常所谓的羊群效应(herding)。这种相关性可能是由社会性学习(social learning)或者是从众心理(social conformity)导致。社会性学习强调个体从周围人群的行为和收益中搜集相关信息而进行理性决策，其主要方式之一是口口相传式交流(word－of－mouth communication)，即人们能够通过直接的私人交流获取他人投资于股市的收益信息，从而决定自己的最优选择。Ellison,Fudenberg(1995)和Banerjee,Fudenberg(2004)对这类社会性学习进行了经典的理论分析②。不同于公共信息，这种私人交流的影响程度会受到地域等方面的限制，从而也可能导致不同的福利结果。而从众心理(Bernheim,1994)主要假设人们对和周围人群保持一致行动有着天然的偏好，因此投资中所体现出的“羊群效应”并不是理性学习的结果，而更多是盲目跟风的表现。
由于不同渠道下影响投资者行为的因素、投资者的行为模式及其有效性可能存在显著差异，因此在研究中对这两种社会性影响进行区分非常重要。例如，从众心理意味着投资行为会更多地依赖于被动观测其他人的行动，如媒体等，而非基于理性判断做出的选择；相反，口口相传式的交流则有赖于人与人之间积极的沟通，如通过电话手机等，且考虑了他人的投资收益。总而言之，对于上述两种社会性影响渠道的区别探究有助于加深我们对投资者行为的理解。
本文使用省级层面的月度加总股市开户信息来研究这两种社会性影响渠道对中国投资者股市开户决策的各自影响。和世界范围内成熟的股票市场相比，中国的股票市场处于成长阶段，大多数投资者可以说是第一次接触股票市场，因此我们更能完整显著地观测到股市开户行为的各种影响因素。
本文首先建立了理论框架来区分口口相传式交流和从众心理，并导出在不同模型下个人决策在群体层面受到哪些可观测变量的影响。理论模型导出的因变量是每月新开户数占该省尚未开户人数的比例。这种标准化后的新开户比率控制了参与人数随时间变化自然降低的时间趋势。理论模型进一步导出，在从众心理下该因变量的重要影响因素是上一时期该地区总体开户数和总人口的比例(即总开户率)。而反映口口相传式交流的影响变量构造起来则相对复杂，也是本文的核心贡献之一。我们详细阐述如下。
本文用在口口相传的交流之下产生的当期期望市场收益率和其历史最高值之差作为衡量该影响渠道的关键变量。本文的重要贡献之一是提供了量化口口相传后产生的期望市场收益率的方法。观察到个体之间的信息交流通常是困难的，但是我们却可以在合理假设下衡量整个群体中信息交流的强弱程度。例如，我们假设每一个时间段内，之前没有进入股票市场的个体可以随机地和一定比例的投资者交谈并且从中获得有关他们投资收益的信息。如果这个从未在市场中开户的个体遇见了一个有着十年投资经验的老股民，则可以假设这种口口相传式的交流传递出的信息是过去十年股票市场的平均收益。进一步假设未开户的个体对于交谈过的所有人的信息给予相同的权重，则在不同时期赋予投资者的权重应该是该时期所有参与者占总人口的比重。于是本文使用的期望市场收益是从初期到当前时期的股票市场月度回报率的加权平均值，其中权重由对应时期内所有投资者占总人口的比例决定。相比单个投资者的股票回报收益而言，市场整体的回报和我们所要分析的进入市场的投资者决策关联更加紧密。另外对市场整体的关注使得我们不需要过多考虑信息的异质性，因此股票市场的平均收益可以作为市场传递出的信息的一个较好的近似。
在理论模型的基础上，通过实证研究我们可以得出口口相传式的交流和从众心理对于股市参与的影响。估计结果显示这两种类型的社会性影响均对股市开户决策存在显著影响。回归模型中的一个重要控制变量是公共信息中所反映的市场收益率。然而，公共信息这一渠道对于股票市场开户行为的影响并不显著。除此之外的，模型中还加入了供给方面的控制变量(如利率、券商个数、新上市公司个数等)，表示月份和省份的虚拟变量以及省份特征相关的变量(包括GDP，CPI，居民可支配收入，失业率，大学入学人数占省内人口比例，第一、二、三产业占GDP比重)。在控制了上述变量之后得到的结果基本没有变化。
在得出两种渠道的对股票开户的影响之后，我们进一步探究了这两种影响渠道对各省影响的异质性，结果发现对大部分的省份口口相传式交流的影响因素更大也更显著，而只有对少部分省份从众心理才有显著影响。同时，受到口口相传式的交流影响更大的省份，其所属上市公司的回报率总体也要较高一些。这两种渠道的影响在月份上也呈现出较大的异质性，总体而言7～9月份的影响要明显高于其他月份。
以往的文献对于社会性影响和投资者的股票市场参与行为及投资行为的关系给予了广泛的关注。很多高质量的文献力图把社会性影响和其他非社会性影响因素(但同样可造成个体行为高度相关)区分开来，比如排除公共信息和个体选择效应的影响。其中的一些研究尽可能地控制了可能与因变量相关的因素，其他的一些研究，如Hong等(2005)，Ivkovi
和Weisbenner(2007)，Shive(2010)，Pool,Stoffman和Yonker(2012)，则运用其他一些社会交互程度来识别自变量对因变量的影响。在Brown,Ivkovic,Smith和Weisbenner(2008)的研究中，作者使用了工具变量以解决识别问题。Feng和Seasholes(2004)以及Engelberg和Parsons(2012)的研究表明个体之间的投资行为之所以表现出相关性，更多是受到了公共信息的影响而不是人们之间的互相影响。另外一些研究却发现了排除了公共信息影响之外仍然存在较为显著的行为相关性。Meng等(2013)区分口口相传式交流和观察性学习对股市开户决策的影响，并着重分析了这两种社会性影响如何受到单向和双向交流渠道的影响。与该文不同的是，本文通过建立从众心理的模型进一步区分口口相传式交流和从众心理，并着重分析不同省份、不同月份之间这两种社会性影响的异质性。
在国内的研究中，李涛(2006a)使用个体数据研究社会互动、信任和资本市场的关系，并发现了社会互动推动了居民的股市参与，并且从“社会互动论”和“信任论”两个方面解释了股市参与的机制。李涛(2006b)在另外一篇文章中对社会互动的内生渠道更细致地划分开来，即分别研究了观察性学习、谈论投资行为以及攀比行为对于股市参与的作用。周铭山，孙磊和刘玉珍(2011)将李涛所定义的第三种内生渠道(攀比行为)概括为相对财富效应，并由此进一步研究。在他们的论文中假设在局部品稀缺的地区或者收入分布集中度高的地区，社会互动推动股市参与的影响更为显著，并且在使用家庭调查数据进行实证研究后得出结论：社会交互推动股市参与的主导机制是通过相对财富关注效应形成的。
本文其余部分的行文结构如下：第一部分中建立理论模型来分析从众心理和口口相传式的交流对股票开户行为的影响。这一部分将为之后的实证检验建立基础。第二部分分析中国股票市场的开户数据，并且分别讨论从众心理、口口相传的信息传递和公众信息对于股市参与决策的影响。第三部分总结全文。
一、理论模型
(一)模型的建立
假设社会群体中总共有I个个体，个体的总数在考察时间内保持不变。令
＝1表示个体i在t时期末在股票市场开户，否则＝0。为了简便，我们假设这个个体一旦在股票市场中开户便不可以退出。事实上，股票市场中关闭账户的数量也确实微不足道。令
表示在t时期初已经在股票市场开户的个体。假设N(0)＞0，换言之我们认为当新事物出现的时候总会有一些人主动地去接触或者参与进去(Young,2009)。给定N(t)，那些还没有在股票市场开户的个体将决定是否在t时期进入(如前面所述，他们的决定用表示)。因此在t时期末，总的开户数由原先的N(t)更新为N(t＋1)。这样的时间划分意味着N(t＋1)没有在t时期而是t＋1期的决策过程中出现的。
(二)从众心理
在这一部分，我们将分析从众理论。该理论认为，个体在做出关于是否进入的决策的时候，他们关心的是自己的选择是否和周围其他人的行动保持一致。从众行为会给他们带来正的效用，正如Akerlof(1997)和Young(2009)阐述的一样，这种效用偏好可以表示成下面的公式：
给定上述偏好模型，个体i如果选择在t时期开始进入，也即＝1当且仅当有：
为了进一步研究问题，我们做出如下两个假设：
利用假设一和假设二，我们得出了模型中的第一个重要的推论。该命题表明在t－1时期已经在股票市场中开户的总人数越多，意味着之后的t时期新进入的个体数占到当前未开户个体总数的比例会更高。直觉地来看，更多的已开户人群会使得股票市场对于剩余个体具有更强的吸引力，这是因为剩余人群有更强的动机去和周围已经参与股市的人保持一致。自然，随着时间的推进，群体中剩下的未参与者的股市参与成本也相对较高，但是由于风险率函数递增，我们可以证明与周围人群保持一致的动机超过了参与成本的增长，最终会使得更多的人显示出从众行为。
(三)口口相传式交流
以口口相传式的交流为主要表现形式的社会性学习模型阐述人们搜集信息的理性决策过程：人们可以通过口口相传的交流得到先前参与者的收益信息，并据此对市场回报形成一定的预期，从而判断参与市场是否合适。
在建立口口相传式交流的模型之前，我们做如下的简化假设：市场参与者持有市场组合并且获取市场收益率。
由于命题二中并未涉及到投资者个体是如何收集和更新有关股票市场表现的信息，因此上述一般性结论适用于公共信息和口口相传下产生的期望收益。我们对口口相传交流的信息做进一步假设，即假设人们通过与周围人群的交流获得别人的投资收益信息。例如，一个从没有在股票市场中开户交易的人遇见了一个有着十年经验的老股民，那么我们假设他得到的信息是从这位老股民参与股市之日开始到现在十年以来股票市场的平均回报；如果他遇到的是一个也没有在股票市场开过户的人，我们就假设他获得的信息代表股票市场既不会带来损失也不会产生收益④。在社会群体中，某人遇到特定股龄投资者的概率是由这一类人群在总人口中所占比例决定的。通过口口相传式的交谈获得的信息，在经过加工后会形成一个对未来股票市场的期望回报，这个期望在我们的假设下就是从股市开始至今的加权市场回报率，其中每一期的权重是由对应时期股票市场中新加入股市人数占总人数的比例决定的。期望回报的表达式为：
二、实证研究
中国的股票市场在过去的二十年中经历了一个高速发展的黄金时期。和世界上其他成熟的股票市场相比，中国股票市场的高速发展给我们提供了一个良好的契机来分析投资者的开户决策。
(一)数据描述
研究中使用的数据是从2005年1月至2010年12月的各个省、自治区、直辖市的月度面板数据。我们的数据主要由三部分构成：股票市场开户数据、股票市场回报数据以及表示各个地区特征的数据。
(1)股票市场开户数据
研究中使用的面板数据来自中国证券登记结算有限责任公司。数据包含了A股市场各省份每月股票开户数量、闭户数量以及月末剩余账户数。从理论上来说，个体投资者和机构投资者都可以在A股市场中开户交易，但实际上个体投资者在数量上占到了整个A股市场的99.6％。因此我们可以近似地把数据集中的账户数看作是个体投资者在股票市场参与决策的反映。
(2)股票市场回报数据
股票回报的数据来源于SINOFIN数据库和WIND数据库。我们根据SINOFI数据库提供的上海和深圳两地股票市场指数，得出了1993年1月份以来市场的月平均回报。同时，我们利用WIND数据库按照上市注册的省份不同获得了上市公司自2004年1月起的平均月度回报。
(3)各个省区特征数据
各个省份的数据来源于《中国统计年鉴》。其中和我们的研究相关的重要信息是各个省份的常住人口数。通过各个省份的人口数，我们可以得到实证研究的一个因变量，即每一期新开户数占未开户人数的比例。其他的省份特征变量有：GDP，CPI，居民可支配收入，失业率，大学入学人数占省内人口比例，第一、二、三产业占GDP比重等等。
图1显示的是全国开户率在2005年至2010年的变化趋势。开户率为已经在市场中开户的人数除以该省人口总数⑤。由于每一位个体投资者都只能在每个交易所中申请一个账户，所以潜在的进入股市的总人数应该是每个省份人口数的两倍。在考察时间内，各个省区的人口数只是发生了轻微的变化，因此为了方便起见，我们可以用平均的总人口数来代替。
图1 开户率和时间的散点图(全国范围)
从图中可以看出，在研究初期也就是2005年之前，股票市场的开户率小于3％。2005年之后直到2010年，股票开户比率迅速攀升到了10％。其中在2007年上升最快，但在2008年趋于平稳增长。
(二)对影响渠道的综合估计
我们在模型中提出的命题一和命题二为研究从众心理、公共信息和口口相传等渠道提供了很好的理论框架。在这一部分，我们将综合分析所有影响方式的强度和显著性。
理论模型指出合适的因变量是当期新开户数占未开户数的比例。在命题一中，上一期中参与到股票市场的总人数可作为反映从众程度的一个关键变量。出于使回归简便的考虑，我们把这个变量进行了标准化，即使用前面定义过的开户率来描述这一变量。命题2表明了股票市场的开户决策具体是如何受到市场回报率期望的影响。这种预期既可以来自于公共渠道的市场回报信息，也可以来自于口口相传式交流过程中的信息。实际上，公共信息的传播也会造成个体行为的相关性，只是这种相关性和社会性学习或者从众心理无关。我们观察个体投资者是否会从那些公开的市场历史回报中去挖掘信息。我们假设尚未开户的投资者简单地把从1993年1月开始到上一时期为止的月度市场回报取平均值，作为当期市场回报的期望值并且根据这个期望值做出决策。我们也尝试使用最近3个月，6个月或者12个月的平均市场回报作为投资者的期望回报率，结果并没有显著差别。
检验口口相传式交流下的社会性学习和检验公共信息的方法十分相近，只不过这两种信息传递的方式是建立在不同的假设之上。口口相传式交流并不是指从社会上的公共资源获得信息，也不是将等权股票市场的历史表现作为预期值。如理论部分所示，我们假设当个体投资者透过口口相传获得信息的时候，他们实际上是在日常生活中和居住在同一地区的其他人打交道，分享自己在参与股市期间的股市回报率。而遇到不同时期参与股市的个体的概率由在不同时期参与股市的人数占总人口的比例决定。因此，人们所形成的市场回报预期即历史市场回报率的加权平均，但是权重由相应期开户数占总人口比例决定。
由于我们拥有的开户数据起始时间是2005年，我们缺少之前时期的精确数据。为了使之前的假设依然能够适用于口口相传式的信息渠道，我们假设1993年至2004年这12年间，每年新进入股票市场的人数是相等的，即每年新加入的人数就是2005年初已有的开户数量除以12。但我们的结论不依赖于这个方便的假设，稳健的估计表明，在假设进入概率是随时间逐渐增加的情景下，得到的结论也是基本一致的。
可以看出为了简化在口口相传模型下对股票市场表现的期望收益的计算，我们做出了一些假设。但是我们认为这些假设对于最后得出结论都不是至关重要的。首先，回归中最为重要的变量是当期期望市场回报和其历史最高期望回报的差值。关于2005年以前参股人数的分布情况等假设即便能影响期望市场回报的取值，也不大可能会影响与历史最高期望回报的差值。第二，期望市场回报的变化很大程度上取决于历史开户决策的模式和2005年至2010年期间股票回报率的变化，而不是取决于以上假设。第三，我们的假设虽然没有指明某个特定的未开户个体在不同时期所持有的对于市场回报的信念是如何更新的，即如何从t－1时期演化到时期的，但是由于每一个股市参与者不断地积累起历史的交易回报数据，这种更新过程就在学习其他参与者经验的过程中隐含实现。
表1给出了从众心理、公共信息和口口相传式交流三种影响渠道对当期新开户数占未开户数比例的影响的估计值。表中的每一列我们都加入了省份和月份的虚拟变量来控制省际异质性和动态时间变化。列1中，我们只引入反应三种影响渠道的解释变量。列2新加入了当期券商个数和利率作为控制变量。列3中还加入了和省份特征相关的变量，如GDP，CPI，居民可支配收入，失业率，大学入学人数占省内人口比例，第一、二、三产业占GDP比重。由于这些变量会随着时间的变化而变化，所以不便用省份的虚拟变量来刻画其特点。可以清楚地看到，这些控制变量的加入没有对自变量的估计产生太大的影响，这一点足以证明我们的结果是稳健的。
从列3中我们发现，公共信息下的期望回报冲击并没有表现出显著性，而口口相传交流下的期望回报冲击在计量上和经济意义上都十分显著的：通过口口相传交流模型构建出的当期市场回报预期和历史最高回报预期之间的差值每增加1个单位，股票新开户占未开户人数的比值平均会增加0.701个单位。与此同时，代表从众程度的上一期总开户比率也表现出了一致的、显著的影响：在其他变量保持不变的情况下，上一期总开户比率如果增加1个单位，股票新开户占未开户人数的比值平均会增加0.104个单位。由于每个变量的单位不同，我们没有办法把后两种渠道放在一起比较其大小强度。但是后面的分省回归发现，口口相传式的交流比从众心理的影响程度在省级层面更为稳健和显著。总的来说，当我们把三种渠道的影响放在一起考察时，只有从众和口口相传式的私有信息渠道对于开户行为会有显著影响。
(三)异质性讨论
我们使用每个省单独的数据进行了表格1中所展示的回归，同时控制三种渠道的影响，得出了从众心理、公共信息和口口相传式交流的信息对开户行为的影响系数，并且分别计算了各省的上市公司在2005年至2010年的平均回报率。为展示方便，图2画出了不同省的从众心理和口口相传式交流的影响系数与该省上市公司平均回报之间的关系。为简单起见，我们没有报告公共信息的影响系数，而它们也均不显著。为了不影响展示效果，图中没有包含北京和上海的数据，因为这两个城市不论是上市公司平均回报还是从众心理和口口相传式交流的影响系数都比较大且均显著(均位于图2的右上方)。
图2中实心点表示从众心理影响的系数在10％水平上亦不显著，即p值大于0.1，而十字符号代表该估计系数的p值小于0.05。图2中的左图表明，几乎所有图中所示的省份(北京和上海并未包含)的从众心理系数均不显著异于0，而唯一显著的是山东省。这可能和分省回归导致的样本数下降有一定关系。图2中的右图表明，在大部分省区中口口相传式的交流的影响程度是非常显著的。在所有p值小于0.1的省份中，依p值从小到大，即显著性从大到小而论分别是：重庆、吉林、湖南、湖北、河南、山西、陕西、甘肃、四川、新疆、江西、广东、黑龙江和海南。总体来说，虽然在全国统一回归中所观测到的结论是从众心理和口口相传式的交流都同时显著，分省回归表明口口相传式的交流在省级层面有着更为稳健和广泛的影响。
图2的另外一个特点是把两种影响渠道的估计值和该省上市公司在同期内的平均回报联系起来。如果仅作一些描述性阐述，我们可以发现本省平均回报和从众心理的影响强度呈现一定负相关关系，而和口口相传式的交流的影响显示出明显的正相关关系。当然，因为这些关系很可能是由省级层面的某些不可观测因素造成，我们并没有办法做出严谨的因果关系分析。然而，我们可以做一些假设对可能的原因进行探讨。其中一种可能是，如果出于信息、熟悉程度和偏好等原因该省的投资者更愿意购买本省上市公司的股票，那么相对来说口口相传式的交流产生的投资决策有可能比简单从众心理产生的决策要更有影响，因此产生更大的回报。这是因为口口相传式的交流是一种社会性学习的结果，它包含了信息搜集、分析和理性决策的过程，而从众心理很可能就是简单的偏好。
图2 各省上市公司平均股市回报与从众心理(左图)和口口相传式交流(右图)的关系
为了检验两种渠道的影响因素在不同月份是否存在异质性，我们使用同样的回归方法对一年中的十二个月份分别进行了回归，并把两种渠道的回归系数和月份的关系展示在图3中。从图3左图可以看出，从众心理在所有月份的估计值都在5％的水平上显著异于0，并且这些估计值呈现出明显而规律的季节性。在8月、9月、10月这几个夏季的季节中从众心理的影响明显增大，而到冬季慢慢下降直到2月份达到低谷。这很有可能与人们在夏天相较于冬天有更多的社会交往有关。当然，股票市场的季节性变化也应该在某种程度上影响了这些决策。图3右图中显示的口口相传式的交流影响在每个月都在1％的水平上显著，同时也呈现出与从众心理类似的季节性变化。总体来说，相对于公共信息的影响，从众心理和口口相传式社会性交流的影响都呈现出很强的季节性因素，即在夏季影响较大而冬季影响较小。这个结论比较符合直觉，因为人们通常在夏天更容易从事更多社会交往，而在冬天则更愿意闭门蛰伏。因此，分月度的异质性和牛市熊市的异质性一样，均从某一个侧面反映了我们的估计方法能够较为准确地衡量社会交往程度的变化。
图3 月份与从众心理(左图)和口口相传式交流(右图)的关系
三、结论
很多实证研究发现，社会群体的相互影响会造成个人投资决策的相关性，即通常所说的“羊群效应”。本文重点考虑了在以往研究中没有明显区分出来的两种社会性影响渠道，分别是从众心理和口口相传式的社会性学习。从众心理主要假设投资者存在和周围大多数人保持一致的偏好，而口口相传式的交流强调的是人与人之间的主动交流会传递出有关于周围人群股票收益的信息，从而影响投资决策。
从省、直辖市、自治区的股票市场月度开户数的合计数据中，我们构造出能反映从众心理和口口相传式的交流程度的自变量。实证结果表明，以上两种渠道对于股市参与决策的影响都是显著的。当我们向模型中依次加入等权市场平均回报率(作为公共信息的控制因素)，利率，供给方面变量(券商个数)，各省GDP，CPI，居民可支配收入，失业率，大学入学人数占省内人口比例，第一、二、三产业占GDP比重等变量后上述结论依然保持稳健。对各个渠道的影响强度进行分省估计后表明，口口相传式的交流在大部分省的影响均是显著的，而从众心理只在极少数省显著，表现出前者是更为重要的一种社会性影响方式。我们同时看到，对于口口相传式交流的影响程度越强的省份，其该省上市公司的平均回报率也更高。同时，这两种社会性因素的影响强度也显示出较强的季节性，即在夏天的影响比冬天更大。而公共信息的影响却没有这样的模式。这种发现与人们在夏天比冬天更容易从事社会交往的直觉是吻合的。
本文采用的方法成功地将从众心理和口口相传式的交谈这两种社会性影响渠道区分开来，并且表明了不同的影响渠道和回报率之间有一定的关系，为今后深入研究社会群体相互作用和资本市场之间的关系提供了一种新的视角。
作者感谢Jimmy Chan,Bing Han,Robert Shiller,Sheridan Titman,Xiong Wei,Xi Weng和Hongjun Yan提供的意见和建议。
收稿日期：2013－05－20
注释：
①相关文献参见Hong and Stein(2004),Hong et al.(2005),Brown,et.al.(2008),Shive (2010),Cohen et al.(2008,2010),Massa and Simonov(2011)。
②另一类经典的社会性学习方式是观察性学习(observational learning)。Banerjee(1992)和Bikhchandani,Hirshleifer,Welch(1992)假设个体通过观察、学习社会中其他人的行动(而不是行动所带来的收益)来反推其他人的私人信息，从而进行最终决策。这些文章的一个经典结论是，这种社会性观察在一定时间以后可能会产生信息瀑布(information cascade)，从而无法反映后来人群的私人信息，进而导致无效的“羊群效应”。在本文研究的股市参与问题中，观察性学习和从众心理对行为的预测是一致的。因此我们主要关注口口相传式交流。
③命题一、命题二证明详见网络附录A。地址：https://sites.google.com/site/juanjuanmeng/。
④此时假设股市收益是某一个正的常数不会影响本文的结论。
⑤我们也尝试在总人口中排除青少年和老年人，但是这对估计结果基本没有影响。