本文在目前取得的行为资产定价模型有关成果的基础上，结合我国学者对我国证券市场的情绪量化指标的研究，针对我国证券市场的噪声交易者风险的实际情况改进了检验模型.在此模型的基础上以上海股市经验数据为研究对象，得出了比资本资产定价模型更贴合我国实际情况的结论，为我国股市需进一步完善改革提供了直接的经验证据。
一、引言
以资本资产定价模型（CAPM）为代表的传统金融学是以理性人假设和有效市场假说为基础发展起来的关于投资者在最优投资组合决策和资本市场均衡状态下各种证券价格如何决定的理论体系，而实际情况是并不是所有的投资者都会以理性的态度做决策。大量的国内外研究也发现投资者的情绪、性格、感觉等主观因素产生的认知偏差在投资过程中有着不可忽视的作用，影响着投资者的决策。尤其是20世纪70年代末以来，金融学家们在标准金融学理论的实践应用中发现大量诸如规模效应、日历效应、羊群效应等现象不能得到合理解释。为了解释这些市场异象，金融学家们将心理学纳入研究当中，提出了行为金融理论，其中一个重要成果就是Shefrin和Statman(1994)提出的行为资本资产定价模型（BAPM）。他们构筑的行为资产定价模型将理性的信息交易者和非理性的噪音交易者在市场上的交互作用同时纳入资产定价框架，两类投资者在市场上相互影响，共同决定资本市场的价格。
既然BAPM更贴近实际，那么在我国的证券市场上BAPM是否更加适用呢？我国的证券市场是否存在噪声呢？这就是本文要解决的问题。本文将通过应用更为合理客观的动量指数（在下文阐述）以我国上海A股股票市场数据为研究对象做尝试性的实证研究，找出我国股票市场噪声交易者风险存在的证据。
二、噪声交易理论
（一）噪声 噪声的概念最早由Black在1986年提出。在其发表的《Noise》一文中，噪声被定义为一切能不同程度地使资产价格偏离资产价值的因素和事件，噪声在行为金融理论里是与信息相对的。根据Black对噪声的定义，金融市场上的噪声可以表述为:金融资产价值偏离资产均衡价值的状态。 B1ack认为市场存在另一类交易者，他们不拥有内部消息并非理性地把噪声当作有效信息进行交易，并把这种交易者称为“噪声交易者”，他认为：噪声交易者占交易者总量的相当大的一个比例，正是噪声交易的存在，才使得高流动性的资本市场得以存在; 噪声交易越多市场的流通性越好。通常噪声交易者都是乐观的，常常高估赢利和低估风险。由于乐观，他们更倾向于购买更多的股票并因此而推动价格上涨。当别人都买进时噪声交易者也买进，当别人都卖出时噪声交易者也卖出，因此通常会看到这种现象，噪声交易者在价格已经很低的时候卖出，而在价格已经很高的时候买进。
（二）噪声交易者风险 证券市场上噪声交易者所承受的额外风险称之为噪声交易者风险，这一概念首先由De Long和Shleifer在1990年提出，指的是证券市场上噪声交易者所承受的额外风险，同时也是噪声交易者施加给市场的风险。它是由于非理性行为的存在而产生的，是同时反作用于证券市场使得噪声交易者也会施加给市场一定的风险。我国的证券市场是个新兴市场，其中的噪声交易者占交易者总量相当大的比例，其势力足以占据市场的主导地位，使得信息交易者的套利行为难以完全消除其对价格的影响，资产价格就会趋近于噪声交易者所估计的基本价值。因此，在我国的证券市场上就会创造出这种额外的系统性风险———噪声交易者风险（Noise Trader Risk，简称NTR）。在数量上即为标准β和行为β的差值，下文有述。
三、噪声实证检验指标动量指数(dynamic volume index)DVI的构建
（一）动量指数 噪声检验的前提就是要构建一个合理的动量指数。在传统金融学的研究范畴内，一般采用整个证券市场的所有证券作为市场组合，如标准-普尔500指数的收益率代表市场收益率。由于行为资产定价模型是考虑了市场上噪声交易者的影响，因此需要构建一个反映噪声交易者过度交易的新的市场指数来计算行为资产定价模型中的行为β。两位澳大利亚金融经济学家Vikash Bora Ramiah和Sinclair Davidson对BAPM中行为β的估算做了一定的研究，提出了行为资产定价模型的实证检验方法。为了估算行为β提出了动量指数的概念，并用澳大利亚股票市场的数据进行了实证检验，他们的BAPM采用行为市场组合即动量指数DVI的收益率代替了CAPM中的传统市场组合，使得BAPM用行为贝塔代替了CAPM中的传统贝塔。所做的研究表明澳大利亚的证券市场存在一定的噪声，行为贝塔的值大多低于传统贝塔。Vikash Bora Ramiah和Sinclair Davidson认为构建的动量指数要反映投资者情绪，交易量反映了不同投资者对某种证券未来价格的不同看法，交易量在平均值以上的证券被认为是被交易者偏好的，存在噪声交易者的可能性也更大。因此建立了以交易量为基础的动量指数，但由于市场上“流行”可能每日有所变化，动量指数所包含的证券也必须每日调整。DVI指数的计算公式为：
其中
和
分别表示ｔ时刻与0时刻按交易量标准选入构建DVI证券i的发行在外的数量，
分别表示ｔ时刻与0时刻证券i的价格，
是一个调整乘子。DVI指数以一个向量的形式出现，它构成一个时间序列。由于BAPM在估计的过程中用考虑了噪声交易者风险的DVI来描述风险即行为β，DVI指数已经反映出投资者的情感（即噪声），从而稀释了部分系统风险，相应贝塔值就下降了。如同DVI指数一样，行为贝塔是一个动态的概念，因此BAPM的估价是不再含有噪声的，只会反映一个剔除了NTR的较低的风险，得到的行为贝塔就应当小于传统贝塔，反映出来的差值即为噪声交易者风险NTR。
（二）用换手率构建动量指数 澳大利亚金融经济学家Vikash Bora Ramiah和Sinclair Davidson对BAPM中行为β的估算只是简单的以原始交易量的大小来作为选择标准，而原始交易量是由噪声交易量和信息交易量两部分构成的，所以分离出与噪声交易有关的部分，该部分的变化才能更好地描述市场中噪声交易状况，体现噪声交易者风险的大小，从而使BAPM的回归分析更合理、有效。因此本文将构建相对合理的动量指数来反映投资者的情绪以更好地分离噪声和信息。
在《中国股市噪音成分及影响因素检验》一文中作者认为信息不对称程度、公司规模、换手率、市场情绪和交易成本都和噪音成分有显著的正向关系，作为流动性测度的换手率则说明随着股票交易或流动性的增加,会有更多的噪音交易成分。在《投资者情绪指数及中国股市的实证》一文中作者通过投资者情绪指标（换手率、封闭式墓金折价率、A股新开户比率）的主成分分析得到：换手率的贡献率已达77%，已能很好地反应3个指标的总体变动情况，换手率可以作为反映投资者情绪的指数，因此本文将考虑用换手率这个变量构造DVI，用基于DVI的收益取代市场指数收益。一般来说，投资者情绪越高，投机性需求驱动投资者去追逐看起来容易快速获利的股票，因而市场交易越活跃，股票换手越频繁;反之，投资者情绪低迷时，投资者的投机性需求大大降低，其交易行为会趋于保守。.可见证券市场的流动性指标——股票市场的流通股换手率反映市场投机性需求的强弱，是投资者情绪度量的重要指标，可以作为衡量市场噪声交易程度的指标。因此本文拟采用换手率作为行为市场的动量指数。
四、噪声交易者风险检验模型
（一）样本数据的选取及处理 具体如下：（1）实证数据选取2002.1.1——2002.5.31平均换手率排名前50且于2002.6.1——2007.6.1期间流通的上海A股股票的月度数据，数据来源于国泰君安证券交易软件和上海证券交易所。对于个别股票在个别交易日内停牌，为了处理方便，本文中将这些天该股票的当日收盘价与前一日的股票收盘价相同。（2）由于上海股市对ST和PT公司实行5%的涨跌限制,为保证股票日收益率指标的一致,将这些公司予以删除。（3）考虑到公司配股、增发新股、送股和派息等因素的影响,在计算股票日收益率时对数据进行了调整,以充分反映股价的真实收益状况。（4）无风险利率是投资者能够按此利率进行无风险借贷的利率，由于我国国债大多是中长期，而且国债的回购交易大多是机构投资者，因此国债利率和国债回购利率不能作为无风险利率。上海股市中相当部分是个人投资者，对于个人投资者来说，投资机会主要有储蓄、买股票和买国债。其中储蓄的比重相当大，由于样本期间内央行几次调息，因此选择短期的3月定期存款利率按存续期间加权得到的数值为无风险利率，计算得1.734%。
（二）传统资本资产定价模型（CAPM）的回归 个股β系数采用下列模型：
其中
是证券i在时刻t的收益率，
是上证A股证券市场指数在时刻t的收益率，
是证券i在时刻t的标准β，
是时刻t的无风险利率，
是残差项。
（三）行为资本资产定价模型(BAPM)的回归 和CAPM中的标准贝塔一样，行为贝塔也是反映投资者面临的系统风险的。因此在估计行为贝塔时，可以用和CAPM中估计标准贝塔一样的统计回归方法得出。BAPM的实证形式如下：
其中是证券i在t时刻的收益率，
是前述构建的动量指数DVI在t时刻的收益率，
是证券i的行为β，是无风险利率，是残差项。
五、噪声交易者风险的检验结果：
（一）噪声值NTR检验 具体如下：
（1）计算出的标准β和行为β的直观比较如下：
|
如图所示，行为β均位于传统β的下方，正如前BAPM对噪声交易者风险的预期，即样本股的行为β值小于传统β值。这在一方面说明我国股票市场普遍存在噪声交易，另一方面也说明我国股票市场受到噪声交易者的影响程度极高。
（2）样本股的噪声即可计算出来见表1：
|
|
股票代码 |
噪声NTR |
股票代码 |
噪声NTR |
|
600616 |
0.931947 |
600567 |
0.911595 |
|
600373 |
0.912761 |
600873 |
0.679227 |
|
600725 |
0.626881 |
600127 |
0.84933 |
|
600069 |
1.084453 |
600612 |
0.610853 |
|
600377 |
0.426079 |
600165 |
0.75771 |
|
600748 |
1.040466 |
600622 |
1.195237 |
|
600071 |
0.956595 |
600735 |
0.684494 |
|
600388 |
0.669938 |
600170 |
1.12501 |
|
600765 |
0.049773 |
600675 |
0.676814 |
|
600072 |
1.181109 |
600258 |
1.1268 |
|
600391 |
0.547839 |
600644 |
0.625359 |
|
600801 |
0.698607 |
600303 |
0.751983 |
|
600073 |
0.6583 |
600658 |
1.169079 |
|
600456 |
0.626881 |
600317 |
0.58127 |
|
600816 |
1.041495 |
600667 |
0.624863 |
|
600086 |
1.048669 |
600350 |
1.7501 |
|
600508 |
0.61483 |
600671 |
0.539328 |
|
600841 |
0.478056 |
600687 |
0.849832 |
|
600088 |
0.5799 |
600362 |
0.557282 |
|
600520 |
0.690516 |
600689 |
1.007676 |
|
600853 |
0.990025 |
600753 |
0.812372 |
|
600099 |
0.98919 |
600685 |
0.949946 |
|
600523 |
0.643988 |
600359 |
0.024798 |
|
600871 |
0.752823 |
600733 |
1.451025 |
|
600102 |
0.79225 |
600202 |
0.649889 |
由表1可以看出50个股票样本的NTR均为正值，所有的股票都受到了噪声交易者的影响。正如前文所述，由于BAPM的估价已经考虑了噪声干扰，反映系统风险的行为β值当然比没考虑噪声的CAPM的标准β值要低。此结果说明我国股票市场普遍存在大量的噪声交易者，可见我国股票市场受到噪声交易者的影响程度极高。
（二）噪声与股票超额收益率的相关性检验 既然噪声普遍存在于股市，那么噪声对投资者的投资行为到底有什么样的影响呢，有多大的影响呢？这是投资者普遍关心的问题。下面我们就用表一中得到的噪声对60个月50个样本股的超额收益率进行回归检验，检验形式如下：
结果见表2。
表2
|
时间 |
截距a值 |
NTR斜率b值 |
T值 |
|
2002.6—2003.5 |
-0.06964 |
-0.13697 |
-0.02841 |
|
2003.6—2004.5 |
-0.0262 |
-0.01438 |
-0.43514 |
|
2004.6—2005.5 |
-0.03895 |
-0.0145 |
-0.3763 |
|
2005.6—2006.5 |
0.098142 |
-0.11024 |
-0.47782 |
|
2006.6—2007.5 |
0.081381 |
0.008669 |
0.074888 |
从以上的回归结果来看，斜率值除了最后12个月的均值是正值之外其他年度12个月均为负值，也就是说上海股票市场噪声和股票的超额收益率主要是呈负相关的，说明噪声交易者风险的存在给投资者带来损失的几率比带来收益的几率更高，这个结论在2007年末已经得到了验证，比较符合中国证券市场的实际情况。
综上所述，我们可以得出这样的结论：在我国的证券交易市场上，存在着大量的噪声交易者，他们由于认知偏差使得资产定价偏离实际价值，因此也就不难解释羊群效应、日历效应等股市异象了。噪声交易者的存在必然增加了我国股票市场的波动性，鉴于这一实际情况， BAPM更加贴合研究我国股票市场行为。这并不是说CAPM是错的，当市场有效，噪声交易者不占据主导地位，理性投资者可以通过套利使得资产价格趋于理性价格，用CAPM就是适当的；而如果市场无效或者效率低下时，对于投资者来说BAPM是更好的选择，这主要取决于市场上是否存在噪声交易者。
我国股市上的噪声和效率低下主要是来自于行政管理下导致的信息失真，因此要想减轻中国股市上噪声的危害，仅仅去关注市场上的信息失真是不够的，更应该从行政管理体制上入手，才能切实地解决这一问题。希望随着我国股市制度的完善，投资者整体素质的提高，我国股市能早日发挥出它真正的作用。
参考文献
[1]Shefrin.H.and L.Statman.Behavioral Capital Asset Pricing Theory.Journal of Finance and Quantitive Analysis, 1994,29.
[2]Black.Fisher. Noise.Journal of Finance，1986，(41):529一543.
[3]De Long，J.Bradford:Shleifer，Andrei:Summers，Laureuce. H.:Waldman，Robert.J.Noise trader risk in financial Markets.Journa lof Political Eeonomy，1990，98:703一738.
[4]饶育蕾、刘达锋：《行为金融学》，上海财经大学出版社2003年版。
[5]卫东：《行为资产定价模型与实证检验》，《生产力研究》2003年第5期。
[6]孔东民：《中国股市噪音成分及影响因素检验》，《南方经济》2007年第1期。
[7]黄德龙、文凤华、杨晓光：《投资者情绪指数及中国股市的实证》，《系统科学与数学》2009年第1期。
