【香樟推文2090】为什么拿不住盈利的股票?损益信息显著性的作用
Frydman, Cary, and Baolian Wang, 2020, The Impact of Salience on Investor Behavior: Evidence from a Natural Experiment, Journal of Finance 75, 229–276.
01
内容概述
本文关注信息展示如何影响投资者行为。在大多数投资者行为的模型中,信息展示的方式对组合选择的影响很小。但是,一些实验室证据表明信息展示的方式会显著影响投资者行为。而在实验室之外的现实环境中,尚不清楚信息展示方式是否显著影响投资者交易决策。作者使用一个来自中国某券商的微观数据和自然实验来检验信息展示形式的变化对个人投资者交易决策的影响。在2004年10月,该券商改变了在线交易显示屏中的内容,使投资损益信息更加醒目。由于这一变动提升了投资损益信息的显著性(salience),作者将这一变动称为显著性冲击(salience shock)。为了评估这对投资者行为的影响,作者关注了处置效应disposition effect),即卖出赢家股票而保留输家股票的倾向。作者预期损益信息的显著性的提升会增强投资者的处置效应。
在实证层面,估计信息展示方式与投资者行为的因果关系主要面临三个挑战。第一,在很多场景下,信息展示的方式和信息内容本身相关。本文以一个与投资损益水平无关的损益信息表现形式的独特变化设置研究场景,从而解决了这个问题。第二,关注信息展示方式变化对“平均的”投资者行为的影响可能将掩盖一些重要的异质性。作者获得了交易者的账户数据,可以估计信息展现形式变化对异质性个体的影响。第三,信息展现形式的改变可能与其他重要但是难以观测的冲击有关,这些冲击可能同时影响交易行为。本文使用了一个自然实验作为研究场景,由于显著性冲击发生在线上,故应该不会影响通过电话交易和亲自到场交易的投资者。
在本文中,作者发现:通过网络交易的投资者的处置效应在显著性冲击后显著提升。进一步地,作者发现处置效应的变化存在异质性。本文关注“顺序效应”(rank effect)这一交易行为偏差,即投资者有卖出高排序股票的倾向。实证结果表明顺序效应在投资者之间的差异与显著性冲击后处置效应的变化相关。
数据和自然数据
02
作者的数据来自一家在中国各地有分支机构、服务50万投资者的券商。这个数据包含三个文件:交易文件、头寸文件、投资者的人口统计学特征文件。样本期间为2003年1月倒2009年12月。交易文件内包括下列信息:交易时间、股票代码、买/卖指令、交易价格、交易数量、交易方式(电话、网络、亲自到场)、佣金、税费。交易方式包括网络下单、电话下单和投资者亲自到分支机构下单。
2004年10月,该券商的一个分支机构改变了客户持仓股票信息的线上展现方式(之后将该分支机构称为“主分支机构”)。在那之前,客户的网上交易屏中只显示持仓信息。而在变更信息展示方式后,网上交易屏新增的展示变量包括:加权成本价、保本价、实现盈亏、浮动盈亏、总盈亏。此外,变更前显示屏内文字均为蓝色;变更后,盈利头寸为红色字体,亏损头寸为蓝色字体。
在展示方式改变前,每个投资者都可以获得自己的交易历史信息,这些信息足以计算出投资损益。因此,信息展示方式的变化使在没有改变信息内容的情况下能够更为便捷地获得损益信息。这种信息展示的变化并非来自投资者的压力也不是来自监管者的要求。作者和券商公司代表就此问题进行了沟通,对方表示此举的目的是为了便利客户对自己账户相关信息的获取。
03
实证结果
作者定义2004年10月之前至少有一次交易通过网络下单的投资者为“网络投资者”;定义2004年10月之前从未通过网络下单的投资者为“非网络投资者”。使用事前的交易行为对投资者进行分组可以避免潜在的选择问题,即,投资者在信息展示方式改变后内生地选择交易方式。作者预期信息展示方式的变化应当只影响通过网络交易的投资者,故设置实验组为网络投资者,对照组为非网络投资者。设置事前窗口为2003年1月到2004年9月;为了保证事前事后窗口长度平衡,设置事后窗口为2004年10月到2006年7月。估计如下模型:
其中,i,j,t分别指示投资者、股票和交易日。Sell为虚拟变量,当投资者在t日卖出股票j时等于1,否则等于0。Internet为虚拟变量,若投资者为网络投资者则等于1,否则为0。Gain为虚拟变量,若在前一交易日获得正回报则为1,否则为0。Post为虚拟变量,若交易日t在2004年10月之后则为1。β5捕捉显著性冲击对投资者卖出股票的因果影响。
表2报告了模型的估计结果。其中,列1报告了基于网络投资者的结果,列2报告了基于非网络投资者的结果,列3基于报告了全部投资者的结果。Gain的系数在两组投资者样本中均显著为正,这表明在显著性冲击前处置效应在两组投资者中均存在,即投资者更有可能卖出赢家股票而持有输家股票。Gain和Post的交乘项系数显著性在两组投资者中存在差异:在网络投资者中,该系数显著为正,表明显著性冲击提升了网络投资者在事后的处置效应;而在非网络投资者中,该系数则不显著。这说明显著性冲击对处置效应的提升仅存在于网络投资者中。列3报告了基于全部投资者样本的完整的模型估计结果,三重交乘项的系数(即β5)显著为正,表明显著性冲击显著提升了网络投资者事后的处置效应。在表2的列4到列6中,作者加入了更多控制变量,得到了一致的结果。
合理的DID估计量需满足一个关键前提:在没有显著性冲击的区间内,处置效应的变动趋势在处理组和对照组中是相同的。为了检验这一假设,作者估计了如下模型:
其中,Dq是一个虚拟变量,若观测落在季度q中,则取值为1。Internet为虚拟变量,若投资者为网络投资者,则取值为1。NonInternet为虚拟变量,若投资者不是网络投资者,则取值为1。图2标示了这些系数的取值及其95%置信区间。网络投资者和非网络投资者的处置效应在显著性冲击前没有明显差异,但在2004年第三季度的显著性冲击后立即出现明显的差异。
然而,图2中的一个担忧是两组投资者的差异可能来自对照组处置效应的下降。虽然这并未违背差分估计量合理性的前提,但引发了一个担忧:处置效应变化可能是其他组内冲击的结果,这些组内冲击可能和信息展示方式变化的冲击重合。为了解决这种担忧,作者加入了其他两个分支机构考察是否同样出现处置效应的下降。
作者使用和主分支机构同城且同属一家券商的另一家分支机构作为第二家分支机构。在第二家分支机构的数据中,作者没有关于交易者是否通过网络下单的信息,故无法区分这些投资者是否为网络投资者。在整个样本期间里,这个分支机构的网络交易屏均显示了投资者所持有股票的损益信息。作者估计了第二家分支机构投资者的处置效应的时间序列变化,并将系数估计值标记在图4的Panel A的上方的图中,并将使用主分支机构数据估计的相关系数也标记在同一图中。由该图可知,在2004年10月主分支机构的显著性冲击发生后,第二家分支机构的投资者也出现了处置效应的下降。作者将主分支机构的两组投资者中的处置效应均减去第二个分支机构的投资者中观测到的处置效应变动,并标记在图4的Panel A下方的图中。由该图可见,直到显著性冲击前,两组投资者的处置效应没有明显差异;在显著性冲击发生后,两组投资者间处置效应变化的差异主要由实验组的处置效应提升而驱动的。
作者还加入了第三家分支机构的数据进行讨论。这一分支机构来自于另一家券商,该分支机构的数据中包含投资者的交易方式。第三家分支机构的网络交易屏中在整个样本期间内均展示投资者持股的损益信息。图4的Panel B上方的图中同时标示了主分支机构和第三家分支机构的网络投资者和非网络投资者的处置效应变化。由该图可知,在第三家分支机构中,网络投资者和非网络投资者的处置效应在2004年三季度均出现了下降。在图4的Panel B下方的图中,作者分别标示了主分支机构和第三家分支机构的网络投资者之间和非网络投资者之间的处置效应差异。由该图可见,主分支机构和第三分支机构的网络投资者之间的处置效应差异在显著性冲击发生后明显上升。
总之,加入另外两家分支机构的数据缓解了由不可观测的组内冲击驱动结果的担忧。基于第二家分支机构数据进行的讨论有助于解决单一券商内部的某些特定冲击对投资者的影响,基于第三家分支机构数据进行的讨论有助于解决针对网络投资者的某些特定冲击对投资者的影响。
处置效应在不同的投资者之间可能存在异质性。作者进一步讨论了个体异质性对结论的影响。为此,对每一个投资者,在显著性冲击发生前和发生后分别估计下式:
于是,对于每一个投资者,都可以得到两对系数,即(αi,pre,γi,pre)和(αi,post,γi,post)。其中,系数γ表示处置效应,以DEpre和DEpost表示。在这一部分中,在事前和事后均要求每个投资者至少有50个“股票-交易日”观测。
图6标示了网络投资者(Panel A)和非网络投资者(Panel B)的DEpre和DEpost的对比。如果一个投资者的处置效应在显著性冲击前后无显著变化,则观测点应大多落在45°线上。在图6中,有两个特点值得注意。其一,大多数的观测点都落在了第一象限,表明大多数的投资者在显著性冲击的前后均表现出了处置效应。其二,两个变量具有很强的正相关关系,表明处置效应具有持续性。那么此时需要关心的问题就是:网络投资者的事后处置效应是否更强,即是否显著地集中于45°以上区域。
为了提供一个正式的检验,作者估计下式:
其中,被解释变量为之前估计得到的处置效应,μ为投资者固定效应,主要关注双重差分估计量θ2。估计结果报告于表6的Panel A。当限制标准为事前事后同一个投资者需有至少50个“股票-交易日”观测时估计效果最好,交乘项的系数显著为正。
由图6还可知,不同投资者在显著性冲击后的处置效应变化存在差异。换言之,当损益信息更为显著时,一些投资者会展现出更强的处置效应,另一些投资者的行为却未发生明显变化。作者尝试从“顺序效应”的角度解释这种差异。顺序效应是指,当将持股头寸按持有收益排序时,投资者倾向于卖出位于首位或者末位的股票,即他们收益最好的或者是最糟糕的股票。即便以公司名称按照字母序进行排列,顺序效应依然存在。这是Hartzmark (2015)发现的一种有趣的交易行为偏差。
作者认为顺序效应更强的投资者可能是相对不成熟的投资者,他们对对信息显著性变化更敏感,故可能在显著性冲击后展现出更强的处置效应。为了检验这一预期,作者基于持有收益估计了每一个投资者的顺序效应,并将投资者分为顺序效应较强和顺序效应较弱两组,检验二者的处置效应在显著性冲击后是否出现明显的差异。表6的Panel B报告了回归结果,三重交乘项的系数在各种样本限制条件下均显著为正。这与作者的预期一致,即高顺序效应的投资者在显著性冲击后处置效应的提升更为明显。
然而,这种顺序效应和处置效应的估计误差可能具有相关性,由此导致了两种效应的无意义相关。为了缓解这种担忧,作者参考Hartzmark (2015)基于公司名排序重新估计了顺序效应,此时持有收益对两种效应的共同驱动力较弱。相关的检验结果报告于表6的Panel C,三重交乘项的系数在大部分的样本中显著为正,即在显著性冲击后顺序效应更强的投资者处置效应的上升程度更为明显。这表明即使以名称进行排序,顺序效应对处置效应变化依然具有一定的解释力。
最后作者尝试讨论了显著性冲击后投资者处置效应提升的影响机制。作者主要探讨了四种可能性。其一,注意力分配,即投资者的注意力外生地分配给了具有显著性特征的信息,使这些信息占有更高的决策权重。其二,投资者可能将信息展示方式的变化解读为来自券商的交易建议,这种机制与不成熟的投资者尤其相关。其三,有限理性和信息搜寻成本的影响,即,原先的信息展示方式导致部分投资者获取投资收益信息的成本过高,从而限制他们的交易行为,而信息展示方式的变化则降低了这部分成本。其四,字体颜色变更的影响,即,将获利头寸的字体从蓝色转变为红色提升了获益信息的显著性,从而刺激了投资者交易。
总结和讨论
04
本文是一篇典型的脱离实验室环境而使用真实世界数据讨论行为偏差的研究。实证检验真实世界中的行为偏差常常面临一个挑战:如何将由行为因素驱动的效应从理性决策效应中剥离出来。本文的可取之处在于作者巧妙地使用了线上交易屏信息展示方式的变化作为研究场景。在原有的信息展示方式中,交易者可以获得计算损益的必要信息,故信息展示方式的改变并未提供增量信息,只是提升了损益信息的显著性。这一场景为作者讨论信息显著性变化对处置效应的影响提供了便利。总之,本文提供了在真实的高风险交易环境中信息展示方式影响投资者行为的证据。除此之外,本文还发现信息展示方式对投资者行为的影响在不同的投资者之间还存在异质性,这也补充了相关的行为金融文献。最后,本文对注意力分配和经济选择的文献亦有贡献。本文的结论表明,注意力和经济行为之间的关联在实验室之外的现实环境中依然存在。
参考文献
Hartzmark, Samuel M., 2015, The worst, the best, ignoring all the rest: The rank effect and trading behavior, Review of Financial Studies 28, 1024–1059.
Abstract
We test whether the display of information causally affects investor behavior in a high-stakes trading environment. Using investor-level brokerage data from China and a natural experiment, we estimate the impact of a shock that increased the salience of a stock’s purchase price but did not change the investor’s information set. We employ a difference-in-differences approach and find that the salience shock causally increased the disposition effect by 17%. We use microdata to document substantial heterogeneity across investors in the treatment effect. A previously documented trading pattern, the “rank effect,” explains heterogeneity in the change in the disposition effect.
香樟经济学术圈征稿
香樟经济学术圈
本期小编:崔士林