盲目炒作还是慧眼识珠？——基于中国证券投资基金信息挖掘行为的实证分析，本文主要内容关键词为：实证论文,投资基金论文,中国证券论文,盲目论文,慧眼识珠论文，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 一直以来，我国证券监管层普遍相信，以证券投资基金为代表的机构投资者是坚持价值投资和具有信息优势的“知情交易者”①，能在促进市场信息效率的同时为投资者带来合理的回报。因此，近年来我国基金管理行业在政策支持下得到了迅猛的扩张和发展。然而，事实上的实践结果却并不尽如人意。一方面，基金频频参与市场概念炒作——从重组概念到涉矿概念，再到金融改革和手机游戏等等概念，我们都容易在炒作者中发现被寄予厚望的证券投资基金的身影。而另一方面，与基金的题材炒作行为相联系的，还有近几年基金业时常发生的“地雷股”事件，诸如“重庆啤酒”和“广汇能源”一类被长期炒作的股票，一旦公司的经营或者业绩问题暴露，股价会在短时间内急跌，而重仓其中的基金自然也就不可避免会遭受巨大亏损。在这种发展理念与现实市场情况出现背离的情况下，舆论普遍对基金的投资行为和专业能力提出了质疑：在中国还并不成熟的资本市场上，证券投资基金的投资行为到底是基于对基本面信息的深入挖掘，还是仅仅是建立在信息噪音和追逐市场热点之上的投机炒作？进一步地，中国基金又是否真正具备基本面私有信息的挖掘能力，能够通过“慧眼识珠”为投资者带来合理的回报？ 针对这些质疑声，国内许多学者从不同角度进行了研究，例如一些研究者直接从机构投资者行为角度进行了分析(陈卓思等，2008；姚颐等，2011)，另一些则从投资行为产生的市场结果进行了考察(侯宇、叶冬艳，2008；陈国进等，2010)。然而，尽管该领域的研究已经相当丰富，却始终难以得到一致的结论，上述文献中既有支持机构投资者正面作用的观点，也有表明其投机炒作行为的发现。分析产生这种矛盾的原因，我们认为主要是由于这些研究只关注了机构投资者的投资行为及其市场结果，而没有对背后的信息挖掘过程和信息处理机制进行探讨，忽略了机构投资者投资的本质特点和根本逻辑。事实上，基金的投资行为往往是复杂的，并非纯粹的投资或者投机，而更可能是两者的混合。在不同的情况下，其对市场热点和概念的关注，既可能来自于脱离基本面的信息噪音，也可能是基于对公司基本面和未来走向的深入挖掘。因此，仅仅从投资行为或者行为结果角度进行考察，往往只是对基金或者机构投资者某一个侧面的刻画，而不能完整地理解其行为逻辑和市场作用，也容易出现不一致的结论。鉴于此，区别于以往研究，本文不再简单地关注基金的投资行为及其市场结果，而是将着眼点放在了基金的信息挖掘行为和信息获取能力这一常常被忽略的投资前提和投资逻辑上，试图通过对基金投资行为背后原因和机制的验证和分析，来帮助我们在复杂的市场情况下更加清晰地定位以基金为代表的机构投资者的市场性质和专业能力，并为监管当局明确资本市场的发展理念和发展路径提供有价值的参考。 具体地，本文首次将公司信息分为公司特质信息集、公司基本面信息集以及基本面私有信息集三个不断递进的层面，对基金的信息挖掘行为进行了全面的考察。同时，由于考虑到对不同的信息环境和信息特点的上市公司而言，基金的信息挖掘行为可能不同。有别于已有研究，我们还将上市公司区分为信息环境良好、基本面波动小的大市值公司和信息环境较差、基本面波动大的小市值公司两种情况，细致地对基金在不同环境下的信息挖掘行为进行分析与论证。本文的主要贡献在于：(1)拓展了机构投资者信息处理行为问题的研究，通过区分不同特点的上市公司以及不同层面的公司信息，首次较为完整地考察了基金的信息挖掘机制和信息处理过程。(2)区别于从投资行为和市场结果角度出发的对机构投资者的研究，通过分析基金信息挖掘行为的特点，揭示了基金异质行为背后的原因和逻辑，对基金的市场性质和市场作用进行了更加本质性的分析和判断。 本文的结构安排如下：第二部分对相关文献进行回顾；第三部分进行模型设计和构建；第四部分是实证检验与分析；第五部分归纳研究结论。 二、文献回顾 关于基金或者以其为代表的机构投资者的研究，国内外学者已经进行了积极的探索，归纳起来，对这个领域的探讨主要围绕两条主线展开。第一，直接从机构投资者的投资行为角度出发进行分析。例如，一些研究表明机构投资者的交易存在投机的属性(De Long et al.,1990; Abreu & Brunnermeier,2002; Badrinath et al.,2002；陈卓思等，2008)，但另一方面，也有大量文献认可基金和机构投资者是依据企业的会计盈余进行投资的价值投资者(Ke & Petroni,2004; Bartov et al.,2000；姚颐等，2011)。这类研究从行为表象上对机构投资者进行描述，而没有涉及行为背后的信息机制。第二条主线则是关注机构投资者投资行为带来的市场结果，并以其作为评价机构投资者的标准，这类文献一方面关注机构投资者对市场信息效率和市场波动的影响(Xu & Malkiel,2003; Piotroski & Roulstone,2004；侯宇、叶冬艳，2008；王咏梅、王亚平，2011)，另一方面则直接考察机构投资者作为“知情交易者”是否能持续获取超额收益(Carhart,1997; Chen et al.,2000; Kacperczyk et al.,2007)。这类研究直接以结果为导向，实际上是跳过了对机构投资者本身行为逻辑的具体分析。 综上，正如我们在引言部分所分析的，以往的主流文献均对机构投资者具体行为背后的基础逻辑有所忽略，没有关注机构投资者是基于怎样的信息做出的行为决策，进而对市场产生不同的影响的。最近，国外一些学者开始从信息行为角度对机构投资者进行了研究，试图揭示机构投资者的信息处理过程和信息挖掘结果，希望由此更加全面和清晰地理解机构投资者的投资行为和市场作用。例如，从机构投资者的信息挖掘过程出发，Jiang(2010)的研究在将信息分为有形信息和无形信息的基础上，发现了机构投资者在做投资决策时更加偏好使用基本面因素无法解释的无形信息，而对来自基本面价值的有形信息有所忽略；而Campbell et al.(2009)的研究也发现机构投资者在投资行为中表现出更多地对于短期市场信息的关注。而另一方面，从机构投资者的信息挖掘能力和信息挖掘结果来看，Yan & Zhang(2009)的研究则发现短期机构投资者能够比长期机构投资者挖掘到更多的盈余信息；进一步地，Bushee & Goodman(2007)则通过对机构投资者交易与以往业绩表现关系的刻画，更加全面地分析了不同种类的机构投资者的信息挖掘行为和信息挖掘能力。而从国内研究现状来看，对机构投资者信息行为的研究还相对缺乏，仅发现蔡庆丰和杨侃(2013)借鉴Jiang(2010)方法对机构投资者对有形信息和无形信息的偏好进行分析，该研究表明我国的机构投资者在交易过程中实际上对两种信息都有所关注，但受有形信息的影响更大。该研究在国内首次关注了机构投资者的信息处理过程，但是仍有一些问题没有解决：(1)没有对不同情况下机构投资者的信息行为进行区分，实际上，针对不同信息特点的公司，机构投资者的信息挖掘行为和信息挖掘能力都是不同的；(2)该研究从股价中所分解出的有形信息和无形信息都只与已经实现的公司信息相关，而没有体现机构投资者对公司未来信息(即还没有反映在股价中的信息)的挖掘能力；(3)信息偏好仅仅是投资者信息挖掘行为中的一个环节，而从开始的信息挖掘行为到最终的信息挖掘能力的考察都需要进一步的讨论。因此，在这里，我们希望通过对证券投资基金信息行为更加深入和细致的研究来判断机构投资者的市场性质，验证在复杂的投资策略的背后，基金是否始终坚持对基本面信息进行挖掘，并具有“慧眼识珠”的信息挖掘能力。 三、研究设计 Roll(1988)的经典文献“R[2]”为研究证券市场信息流和信息效率提供了一种全新的思路和逻辑，他使用CAPM理论模型的实证形式对美国市场的股票收益率进行回归，发现所得到的拟合优度R[2]偏低，并认为这种股价波动与市场波动的非同步性代表了公司的特质风险，且可能有两种解释：(1)与公司基本面相关的特质信息的融入(包括公开特质信息与私有特质信息)；(2)如噪音等与公司基本面无关的因素的影响。后续学者的研究从不同角度分别对上述两种解释提供了一些经验证据，如Durnev et al.(2001，2003)、Jin & Myers(2006)等研究结果支持第一种解释；West(1988)、Ashbaugh et al.(2005)、Barberis et al.(2005)等研究结果支持第二种解释。因此，从实质上讲，如果将噪音也视作一种信息流，那么R[2]衡量的其实是一个特质信息集合，其涵盖了一切与个股特质风险相关的信息，包括影响资产内在价值的基本面相关信息以及与基本面无关的信息噪音。从这一角度出发，我们可以将与公司相关的特质信息分解成为三个存在包含关系的信息集合：一是公司特质信息集，包含了基本面特质信息与信息噪音；二是基本面特质信息集，包含了基本面公开信息和基本面私有信息；三是基本面私有信息集，即市场没有预期到的基本面信息。 按照上面信息分解的逻辑，全面地对基金的整个信息挖掘机制进行考察，需要从不同的信息层面对三个不断深入的问题进行检验和回答：(1)基金在复杂的投资策略下是否坚持了对个股相关特质信息的挖掘(这里的特质信息是指一切与股票价格波动相关的个体特质信息集，包括基本面信息与信息噪音)。对特质信息集的挖掘行为是区分理性投资与趋势投资的前提，也是下一步获取基本面信息并成为“知情交易者”的基础。(2)基金在对个股特质信息集挖掘的基础上，是否获取并关注了与价值相关的基本面信息。由于公司特质信息集既包含了基本面信息也包含了信息噪音，因此判断基金对基本面信息的关注程度是区分理性投资和盲目炒作的关键，如果没有对基本面信息的关注，那么投资只能是建立在基于市场噪音基础上的盲目炒作和热点追逐。这一步的检验不对基本面信息的公开性和私有性进行区分，考察的是基金信息挖掘行为的性质而非能力。(3)前两步的检验可以回答基金是否坚持了对公司基本面信息进行挖掘的问题，但其挖掘到的信息很可能早已反映在股价中，基金的信息挖掘实际上并没有创造新的价值，也没有体现出强于一般投资者的专业能力。为此，我们还必须进行第三步检验，对基金的信息挖掘能力进行考察，分析基金是否挖掘到了私有的基本面信息，是真正具有信息优势的“知情交易者”。按照这样的逻辑链条，本文设计了三个层次不断递进的检验对基金的信息挖掘行为进行考察。下面本文先对主要变量进行定义，然后分别对三个步骤的检验进行详细阐述。 (一)主要变量定义 1.公司特质信息集的测度 为表述方便，在此将噪音也视作信息流的一种，将公司特质信息集定义为在市场和行业信息之外，只与个股特质风险相关的公司特有信息，包括基本面信息与信息噪音。正如前文所分析的，股价同步性指标R[2]可以对上述特质信息集进行衡量，股价同步性越低，说明股价中所包含的特质信息越高。借鉴Roll(1988)和Durnev et al.(2001,2003)等学者的方法，我们使用CAPM模型的实证形式对R[2]进行测量，构建股价同步性指标Synch。 首先，通过如下的单因素市场模型对个股收益率进行回归：
2.基本面信息集的测度 基本面信息是指会对公司内在价值产生影响的特质信息，一般可以分为基本面公开信息和基本面私有信息两类，其中前者是指已被市场挖掘并充分反映在价格当中的基本面信息，而后者指的是还未被充分挖掘从而还未反映在价格当中的价值信息。事实上，现实中很难对某种信息是否会对公司价值产生影响进行辨别。然而，只要是会对公司价值产生影响的信息，其最终的落脚点都将体现在公司的会计盈余上，因为一个有价值的公司一定是能够给股东带来盈利的公司。因此，这里我们使用盈余信息作为基本面信息的替代指标。 我们知道，每一期的盈余变化实际上即同时包含了公开盈余信息和私有盈余信息两个部分，因此在第二步检验中，我们将各期的盈余变化作为整体盈余信息集的测度，考察基金信息挖掘的行为的性质，即在基金长期的投资行为中，是否体现出对基本面信息的获取和关注(无论该信息是否已反映在市场预期中)。具体地，我们构建了同比盈余变化CYE：
上式中，
为上市公司t季度实际实现的会计盈余，
表示市场预期的同比盈余变化，而UE代表同比意义上的市场未预期盈余。 进一步地，在判断基金是否对整体基本面信息有所关注的基础上，我们更想知道的是基金是否挖掘到了能够为投资者带来超额收益的基本面私有信息。同样，从盈余信息角度出发，我们使用未预期盈余来对基本面私有信息进行测度。不同于以往国内文献通常采用会计指标来计算未预期盈余的做法(吴世农等，2005；姚颐等，2011)，本文通过计算盈余公告日附近的超额收益率对未预期盈余信息进行测度，其逻辑在于，如果公告的盈余信息超过市场预期，股票价格应当在短期内有直接反应，这代表了市场对该盈余信息的意外程度。具体地，由于我国存在较为严重的盈余信息提前泄露行为，为控制其影响，我们选取每个季度的业绩公告日及公告日前5个交易日为事件窗口，使用市场模型来对超额收益率进行估计，模型的参数估计窗口为事件期之前90天。 3.基金交易行为变量 我们知道，基金的信息挖掘和信息处理行为实际上是无法直接观察得到的，但由于基金的信息行为是基金在市场中进行投资和交易的依据和基础，从而其本身也内涵于基金投资行为当中。因此，同Jiang(2010)、蔡庆丰和杨侃(2013)类似，我们可以通过考察基金的交易行为与一些信息指标之间的关系对基金的信息行为进行研究。这里，我们定义两个衡量基金交易行为的变量：基金交易活跃度与基金持股比例变动，分别用于本部分第一步和第二步的检验。具体地，我们将基金交易活跃度定义为
，其中
为季度t基金在股票i上的持股数量变动，而
则为当季股票i的总交易量。第二步的检验中，我们使用基金持股比例变动作为基金交易行为的衡量，将其定义为
表示股票i在t－1季度末的总股数。 (二)第一步检验：基金是否对个股特质信息进行了挖掘 我们第一步先考察基金是否对个股的特质信息进行了挖掘。本文通过构建以下模型来建立基金交易行为与股价特质信息含量之间的关系，以对基金的信息挖掘行为进行检验：
上述模型中，被解释变量为股价同步性
，衡量的是股价中包含的特质信息集。解释变量为基金交易活跃度
，衡量的是股票的总交易量中由基金驱动的比例。如果基金的交易是建立在对个股特质信息挖掘基础上的，那么这种特质信息应当能够通过基金交易传递到股价中得到反映，从而提升股价当中的特质信息含量，降低股价的同步性。由于基金交易与股价的特质信息含量之间可能存在内生性，即不仅基金交易可能会对股价中的特质信息含量产生影响，由于对信息质量的要求，基金本身也可能会对特质信息含量较多的股票产生偏好。因此借鉴Jayaraman(2011)的方法，进行估计时我们使用上一期的基金交易活跃度指标
作为
的工具变量，使用两阶段最小二乘法(2SLS)对模型进行估计，以对内生性问题进行控制。 另外，考虑到基金的信息挖掘行为可能会受到许多来自市场面因素的影响，尤其是当市场上充满投机情绪时(即市场情绪波动较大时)，基金很可能会对市场情绪进行追逐，减少甚至放弃对个股特质信息的挖掘(Mendal & Shleifer,2012)。因此，本文还引入了市场情绪波动变量
进一步对基金信息挖掘行为的稳健性进行考察，检验基金的信息挖掘行为是否会受到市场投机情绪的干扰。借鉴伍燕然等(2007)的研究结论，我们使用封闭式基金折价率的变动来对市场情绪的波动进行测度和衡量。②具体地，我们在方程(4)的基础上，通过加入市场情绪波动变量
以及其与基金交易的交叉项
构建了方程(5)：
为控制其他变量对股价同步性的影响，参考以往文献的结论，我们在上述两个模型中对一些重要的影响变量进行了控制。首先，股票换手率(Turnover)反映了股票的流动性，换手率越高，公司受关注的程度相对越高，股价反映的信息量就相对越高(顾乃康等，2010)。其次，公司上市时长也是影响股价中包含的特质信息含量的重要变量(Pastor & Veronesi,2003)，这里我们使用公司上市后的年份数作为上市时长的代理变量，记为Age。另一个会影响股价同步性的重要因素是公司的杠杆率，因为通过引入负债杠杆，企业可以放大盈利的波动性，因此也会加大个股的特质风险波动，降低股价的同步性，这里我们使用负债除以总资产来对企业杠杆率Lev进行衡量。此外，Wei & Zhang(2006)发现企业的盈利能力也会影响股票收益的波动，因此我们还引入了净资产收益率ROE作为控制变量。最后，由于许多公司特征都与公司规模相关，为了控制其他公司特征因素可能会对股价中特质信息含量的影响，我们还加入了公司的规模变量TA，用公司总资产的自然对数进行衡量。 (三)第二步检验：基金是否获取并关注了基本面信息 我们上面提到，以市场模型回归计算得出的同步性指标Synch，实际上既包含了与公司价值相关的基本面信息，也包含了与公司价值无关的信息噪音(Ashbaugh et al.,2005; Barberis et al.,2005)。而从现实市场中来看，我们也能够发现，确实不论是体现价值的基本面信息，还是用于市场炒作的信息噪音，都可能在一段时间内引起公司股价与大盘走势的背离。鉴于此，我们在上一步的基础上进行第二步检验，对基金的交易行为进行分解，判断基金的交易行为是否与体现价值的基本面信息相关。Bushee & Goodman(2007)在Kim & Verrecchia(1997)的基础上建立理论模型对投资者的信息挖掘行为进行了刻画，他们的结论认为，投资者对价值信息的获取实际体现在机构交易与不同时点的基本面(盈余)信息指标之间的关系上。如果一个投资者获取了与公司价值相关的基本面信息，那么其交易应当与过去和当期盈余信息负相关或者不相关，而与未来盈余信息正相关。其中，前者的负相关关系反映的是投资者在挖掘到的信息得到公告兑现后“获利了结”的情况(如果存在卖空限制或者投资期限较长，这种相关性可能变得不显著)，而后者的正相关关系则反映出投资者在挖掘到有用信息后的提前布局。如果投资者的交易行为在与未来盈余信息正相关的同时，也与过去和当期盈余信息正相关，那么投资者的交易并不一定是基于对盈余信息的挖掘和关注，而更可能只是在执行动量交易策略——买入盈利的股票、卖出亏损的股票(Bushee & Goodman,2007)。基于此，我们构建了如下的实证模型进行检验：
上式中，被解释变量为持股比例变动
，作为基金交易行为的衡量。而解释变量中我们则主要对各个时点的盈余信息进行了考察(正如在变量定义部分所提到的，盈余信息是与公司基本面最直接相关的信息)，考虑到这一步检验主要是考察基金是否挖掘到了基本面信息，而非其挖掘私有基本面信息的能力，因此本文使用盈余同比变化CYE作为盈余信息的衡量指标。我们在模型中纳入了上一季盈余同比变化
、当季盈余同比变化
、下一季盈余变化
以及一年后的盈余变化
，分别对过去的盈余信息、当前的盈余信息以及未来盈余信息(进一步分为短期和中长期)进行衡量。然后，我们加入了上一期的基金持股比例和时间哑变量，对其他影响基金交易的因素以及时间效应进行控制。 另外，考虑到Chen et al.(2000)的研究发现基金会对具有某些特征的股票产生明显的偏好，而基金交易与盈余信息的相关性可能来源于特征偏好而非对盈余信息的关注，因此借鉴其研究结论，我们进一步在解释变量之外加入了代表股票基本面特征的指标账面市值比BM(衡量股票成长性)和代表市场特征的指标换手率Turnover(衡量股票流动性)，得到方程(7)以检验在考虑基金交易的特征偏好后，基金是否仍然显示出对盈余信息的关注：
(四)第三步检验：基金是否挖掘到了私有的基本面信息 通过前面两个步骤的检验，我们可以初步对两个问题做出判断：第一，基金是否进行了对个股特质信息的挖掘；第二，在对特质信息挖掘的过程中，基金是否获取并关注了与公司价值相关的盈余信息。但是上述两个问题的答案仍不足以对基金的信息挖掘机制进行完整的解释，因为即使基金坚持了对个股特质信息以及盈余信息的挖掘，但这些信息也可能已经反映在了股价当中，从而基金没有体现出有别于一般投资者的信息挖掘和价值辨别能力。因此，我们还必须进一步分析基金是否能够通过信息挖掘行为挖掘到基本面私有信息。 与以往文献不同，这里我们参考Baker et al.(2010)和Yan & Zhang(2009)的研究，使用非参数组别检验方法，通过计算和比较盈余公告日附近基金买入和卖出组合的累积超额收益率来对基金的盈余信息优势进行考察。具体而言，我们将每一季度基金交易涉及的股票按持股比例变化的大小依次等距分为5组，Q5为基金增仓最多的股票组合(买入组合)，Q1为基金减仓最多的股票组合(卖出组合)。在此，我们选取每个季度的业绩公告日及公告日前5个交易日为事件窗口，计算组合形成后1—4季度的事件期超额收益率之和，然后检验买入组合的平均累积超额收益率是否显著高于卖出组合的平均累积超额收益率。如果是，则说明基金凭借盈余信息优势在盈余公告日附近获得了信息溢价，基金相比市场普通投资者而言是具有信息优势的。 四、实证结果与分析 (一)研究样本与数据来源 本文选取了2006年第一季度到2011年第四季度共计24个季度的基金重仓股③作为研究样本，样本数据类型为非平衡面板数据。④另外，为分析对具有不同信息环境和信息特点的上市公司而言，基金的信息挖掘行为有何不同，参考Bushee & Goodman(2007)和Yan & Zhang(2009)的做法，我们利用上市公司规模对其信息环境和信息特征进行控制，进一步将全样本划分为大公司和小公司两个子样本进行考察。最后，我们还对以下几类样本数据进行了剔除：(1)在样本期间被ST的股票；(2)当年进行IPO的股票；(3)金融类上市公司的股票(因为资产负债表的特殊性)；(4)数据缺失的股票。本研究的数据来自WIND金融数据库和CSMAR国泰安数据库。主要指标的描述性统计如表1所示。
(二)第一步检验：基金是否对个股特质信息进行了挖掘 第一步检验中的回归结果在表2中进行了列示。其中表2最后两行列示了2SLS回归中第一阶段回归的一些关键指标，我们看到，弱IV检验统计量均显著大于10，说明在一定程度上工具变量的选择是恰当的。从第二阶段的回归结果来看，在未考虑市场情绪因素的影响之前，模型1的检验结果显示基金交易的活跃度能够在1％的显著性水平上降低股价与市场波动的同步性，亦即增加股价中所包含的个股特质信息含量，说明基金的交易行为是建立在对与个股相关的特质信息进行深入挖掘的基础上的。该结果与大多数之前文献的研究结论一致(Piotroski & Roulstone,2004；侯宇、叶冬艳，2006)，区别在于，前者大多数将股价同步性为市场信息效率的测度指标，直接从该结果判断基金的投资行为改进了市场的信息效率；而我们这里则是将该指标作为与个股相关的特质信息集的测度，用于对基金信息挖掘行为的考察。在模型2中我们加入了对市场情绪的考量，在回归结果中发现，市场情绪的剧烈波动确实会降低股价中所包含的特质信息含量，这体现为市场情绪Senti与股价同步性在l％的水平上显著正相关。同时，从基金交易活跃度Trd与交叉项Senti*Trd两个变量的回归结果来看，与Mendal & Shleifer(2012)的理论分析结果较为一致，我们发现中国基金对个股特质信息的挖掘行为会受到市场情绪的干扰：在考虑市场情绪波动的影响后，尽管Trd的回归系数依然显著为负，但交叉项Senti*Trd的回归系数显著为正。其经济含义是，尽管整体来看基金仍然挖掘到了与个股特质风险相关的信息，但当市场情绪波动较大时，其挖掘到的特质信息会有所减少，这体现在基金交易活跃度对股价非同步性贡献的降低。
其他几个控制变量的回归结果都与之前文献的研究结论比较一致，股票换手率Turnover与股价同步性负相关，杠杆率Lev回归系数也为负。值得注意的是，回归结果显示出，只有在小公司子样本中上市时间Age与股价同步性负相关，但在大公司样本中，上市时间Age与股价同步性呈现正相关关系。这可能是由于上市时间较长的大市值股票更多地被纳入指数基金(如ETF)成分中，从而同步性有所提高。 大公司和小公司两个子样本的回归结果在表2中的第3至第6列中进行了列示。从对大公司子样本的回归结果来看，基金交易活跃度Trd的回归系数依然显著为负，说明基金对在大公司股票上的交易行为提升了股价中的特质信息含量，体现了基金对股票特质信息的挖掘。在加入市场情绪波动的影响后，上述结果依然显著，且交叉项Senti*Trd的系数同样显著为正，说明基金的信息挖掘行为会受到市场情绪的影响，但整体保持稳健。而对于小公司子样本的回归结果而言，在两个模型中，尽管Trd的回归系数依然为负，但显著性有所降低(t值分别为－2.73和－2.64)，这可能由两个原因造成：第一，由于基金偏好大公司股票，小公司股票样本数量较少；第二，由于小公司信息环境较差，信息挖掘成本高，基金对小公司的信息挖掘能力相对较弱，挖掘到的特质信息较少(尤其是特质信息集中的基本面相关信息)。对比两个子样本的回归结果我们可以发现，不论是对于大市值公司还是小市值公司，基金在投资过程中均坚持了对个股特质信息的挖掘，但这种信息挖掘行为在大市值公司中表现得更加显著，这与杨墨竹(2008)的理论分析相一致，一定程度上反映了出于信息挖掘成本的考虑，基金投资会偏好对信息环境和信息披露质量较好的大市值上市公司进行信息挖掘，其信息挖掘能力也相对小公司更强；同时，这也从侧面说明了我国上市公司的总体信息环境依然较差，中小上市公司的信息环境亟待改善。 (三)第二步检验：基金是否获取并关注了基本面信息 个股特质信息集包含基本面信息集和信息噪音两个部分，在前一步检验的基础上，我们感兴趣的是基金是否在挖掘个股特质信息时坚持了对基本面信息集的关注。全样本的回归结果在表3中的第1列和第2列进行了列示，模型3和模型4分别对应方程(6)和方程(7)。从回归结果来看，过去盈余信息
的回归系数为负，但统计上并不显著，而当季的盈余信息
与基金持股比例变化也没有显著关系；另一方面，尽管下一季的盈余同比变化
与基金持股比例变化也不存在显著的相关性，但一年后的盈余同比变化
则与基金持股比例变化在1％的水平上显著正相关。依据Bushee & Goodman(2006)基于的理论模型和我们前文的分析，这一结果说明基金实际上获取并关注了盈余信息，是基于基本面信息在进行交易，这也与Jiang(2010)基于有形信息和无形信息的研究结果相一致。
另外，模型4的回归结果显示，与Chen et al.(2000)的研究结论相一致，基金持股变动Chng与BM和Turnover均显著正相关显示基金具有对价值型股票和流动性高的股票的偏好，但是在考虑这种偏好后，持股比列变动Chng仍然与一年后的盈余同比变化
显著正相关，说明基金交易行为与盈余的相关性并非来自基金对某种市场特征股票的偏好，而是确实来自于基金对盈余信息的挖掘和关注。 这里我们同样将全样本分为了大公司和小公司两个子样本进行考察，结果在表3中的第3列到第6列进行了列示。结果显示，大公司样本的回归结果与全样本基本一致，说明基金对于大公司的投资是基于挖掘到的基本面信息进行的。当然，由于以上模型使用的盈余信息指标CYE实际上包含了基本面公开信息和基本面私有信息两个部分，基金是否挖掘到了具有真正投资价值的私有信息还有待进一步考察和检验。 另一方面，对于小公司样本而言，
～
与Chng均不存在显著相关性，这说明基金在对小市值公司进行投资时，实际上并没有挖掘到真正的基本面信息，或者说并没有对基本面信息进行关注。与第一步中的检验结果进行比较，我们可以发现这样的事实，即对于信息环境较差且基本面波动较大的小市值公司而言，基金在投资过程中显示出了对个股特质信息的挖掘，但并没有显示出对盈余信息的关注，这一定程度上说明基金对小市值公司的投资更多是基于信息噪音在进行。而这反映在现实中，即基金对于小盘股的投资更多的是对一些空穴来风的概念进行炒作，而非真正获取并关注了有价值的基本面信息。 (四)第三步检验：基金是否挖掘到了私有的基本面信息 使用组别检验方法，我们在该部分对基金在盈余信息上的信息优势进行了检验。投资组合形成后四个季度中事件期累积超额收益率之和的统计和检验结果在表4中进行列示。与Yan & Zhang(2009)、Baker(2010)的检验结果相一致，表4的统计结果显示，从全样本来看，基金买入最多的股票组合Q5此后四个季度在业绩公告日附近获得的超额收益率之和为正，即0.1％。尽管绝对数量不高，但显著高于基金卖出最多的股票组合Q1的超额收益率－0.62％，t检验也显示两者之差显著大于零。这说明总体而言基金比市场其他投资者挖掘到了更多的盈余信息，具有信息优势，并获得了在业绩公告期间的信息溢价，从而能够通过交易使市场信息水平在边际上有所提高，促进市场的信息效率。而进一步对子样本考察可以发现，对大公司股票而言，与全样本时的情况一样，基金买入最多的股票组合Q5此后四个季度在业绩公告日附近获得的超额收益率依然为正(0.41％)，且高于全样本时的水平，同时Q5获得的累积超额收益率仍显著高于Q1。但在小公司股票样本中，即使是基金买入最多的股票组合Q5，其公告日附近的超额收益率也依然为负，同时与卖出组合Q1的差别也并不显著。这说明，与前面的检验结果较为一致，基金只是对大公司股票具有盈余信息的优势，对小公司而言则没有表现出较好的基本面信息挖掘能力。从逻辑上来讲，如果基金对基本面信息挖掘的能力足够强，那么其对于私有信息更加丰富(信息透明度不高)的小公司应当具有更强的信息挖掘能力，如Bushee & Goodman(2007)以及Yan & Zhang(2009)的研究结果均发现，在美国机构投资者对小公司的基本面信息挖掘能力要强于大公司，能够挖掘到更多的私有信息。对比而言，本文发现这一现象在中国并不存在，中国基金虽然能够在大公司中获取私有信息，但没有体现出对小公司基本面信息的获取和关注。结合中国的微观市场情况，我们认为这可能存在两个方面的经济含义：第一，尽管中国基金可能存在一定的信息挖掘能力，但这种能力并不强。中国证券投资基金的发展历史较短，专业人才缺乏，研究能力也不强，这使得其在面对信息环境较差和基本面波动较大的小公司时，很难挖掘到有价值的基本面信息。第二，基金没有对小公司进行基本面信息挖掘的动力。这是因为我国投资者结构并不合理，中小投资者仍然数量众多⑤，而基金与中小投资者之间在信息占有上极为不对称，这在小公司身上体现得尤为严重。Barber & Odean(2008)的研究发现，处于信息劣势的中小投资者会通过关注热门股票来降低自身的信息挖掘成本，这导致面对信息挖掘成本高昂的小公司，基金更愿意利用中小投资者的这一特点，通过基于信息噪音的热门题材炒作获取收益，而非坚持对基本面信息进行深度挖掘。 (五)稳健性检验 在前文的基础上，我们进行了如下的稳健性检验：(1)由于不同的股价同步性估计方法可能带来不同的回归结果，因此我们还借鉴Durnev et al.(2001,2003)的方法，使用包含行业收益的扩展市场模型对股价同步性进行计算并进行了重新检验，估计结果与前文基本一致。(2)股票之间存在交易活跃性的差异，这对计算基金的交易活跃度会产生影响，因此我们对个股交易活跃度进行了控制，进行分组重新检验，发现结果基本一致。(3)衡量盈余信息的盈余变化是本文的关键变量，因此我们还计算了环比盈余变化，并对模型3和模型4进行重新估计，估计结果也与前文基本一致。(4)由于对盈余公告日附近累积超额收益率的计算参数估计受到估计期窗口选择的影响，因此，我们将市场模型的估计期调整为事件期之前120天和150天再重新进行了第三步检验，结果同样与前面基本相同。(5)实证结果一般对样本区间的选择比较敏感，我们将原本的样本周期分成了2006年第一季度到2008年第四季度和2009年第一季度到2011年第四季度两个时间段进行了重新检验，以保证结果的稳健性，结果与全样本时的结果基本保持一致。⑥
五、结论与建议 多年来，中国证券监管层一直希望通过“超常规发展机构投资者”来改善投资者结构，促进资本市场的理性和效率，但效果却并不理想。区别于以往直接从机构投资者行为及其市场结果角度的机构投资者行为研究，本文对中国证券投资基金的信息挖掘行为进行实证分析，从全新视角考察和解释了基金投资行为特点和行为逻辑，并对其专业能力进行了检验。以2006—2011年基金重仓股的季度数据作为研究样本，本文进行三个层次不断递进的检验，考察基金在不同层面上的信息挖掘行为，实证结果表明：(1)中国基金总体上显现出一定的信息挖掘能力，但其信息挖掘行为存在结构性差异；(2)对于信息环境较好和基本面波动较小的大市值公司样本而言，基金挖掘并关注了与公司价值相关的基本面信息，并通过较强的信息挖掘能力获取了私有信息，是真正能够慧眼识珠的“知情交易者”；(3)但对小市值公司而言，尽管基金对公司特质信息进行了挖掘，但并没有体现出对基本面信息的关注，说明基金对小市值公司的投资更多是基于信息噪音的市场炒作；(4)中国基金信息挖掘行为存在结构性差异，基金的信息挖掘能力整体偏低，有待进一步的提高。 基于以上结论，本文提出以下建议：第一，从总体上肯定以基金为代表的机构投资者的投资行为和专业能力，在新《基金法》的基础上，继续支持我国基金管理行业的探索和创新，引导我国机构投资者进一步发展壮大。第二，完善信息披露制度，提高基金投研能力。一方面，我国资本市场信息环境总体较差，基金信息挖掘不具备良好的外部条件，不同类型投资者之间的信息不对称性明显，进而助长了基金进行市场炒作的动机；另一方面，我国基金的信息挖掘能力还不强，有待进一步提高。因此，从上市公司层面来说，应积极改善我国股市的市场信息环境，规范中小公司的信息披露，在已有法律法规的基础上进一步充分考虑投资者需求，构建透明高效的信息披露规则体系，为机构投资者的信息挖掘行为提供良好的市场环境；从基金和机构投资者角度而言，则应坚持“放松管制，加强监管”的监管政策，逐渐放松对牌照的审批，深化市场化改革，通过市场竞争进一步提高机构投资者的投研能力。第三，有重点地对市场炒作行为进行监管。由于我国基金盈余信息挖掘机制相对缺失，其对小盘股的投资行为可能更多的是基于信息噪音的市场炒作，而这与长期以来“小盘股炒作”在我国股市颇为盛行情况相符。因此，我国监管层有必要进一步规范基金对小盘股的投资行为，加大对市场操纵行为的处罚力度，有的放矢地对市场行为进行有效监管。 注释： ①“知情交易者”分为两类：一类通过较强的专业分析能力获取私有信息，而另一类则通过内幕信息获取私有信息，本文并不着重对信息来源区分，而是主要考察基金挖掘到的信息类型及其信息挖掘能力。 ②考虑到封闭式基金折价率呈现的时间趋势，我们先使用时间项作为自变量对原折价率变量进行线性回归，得到线性估计方程，然后用原值减去估计值，得到新的已去除时间趋势的封闭式基金折价率序列。 ③基金在年报和半年报中会披露所有股票的投资组合，而在一季报和三季报中仅披露前十大持股。由于使用半年间隔会使研究频率过低，不能及时抓取基金交易所反映的信息挖掘行为，因此本文借鉴国内外较为常见的研究方法，选取基金前十大持仓股定义为基金重仓股作为研究样本。 ④本文样本的数据结构为短面板数据，即各个时间上的截面成员N远远大于时间数T，因此并不对数据的平稳性做出要求，但为保证结果的稳健性，我们这里也对主要变量的平稳性进行了检验，结果显示主要变量均通过了平稳性检验。检验结果可向作者索要。 ⑤根据深交所网站的报告，2007—2012年，个人投资者交易金额占比下降很缓慢，仅从87.4％略降至85.6％。 ⑥限于篇幅，本文未列出稳健性检验结果，读者可向作者索要。
标签：机构投资者论文; 基本面论文; 股票论文; 基本面分析论文; 股票分析论文; 基金交易论文; 能力模型论文; 盈余质量论文; 投资论文; 实证分析论文; 基金公司论文;
