分享
2023年我国股民过度自信与交易.docx
下载文档

ID:1073463

大小:22.10KB

页数:13页

格式:DOCX

时间:2023-04-17

收藏 分享赚钱
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
2023 我国 股民 过度 自信 交易
我国股民过度自信与交易 的正态性进行了检验,发现无论是偏度还是峰度我们都能在小于0.001的水平上拒绝序列服从正态分布的假设。 为了解决这一问题,我们采用bootstrap的方法。我们知道,要想对统计量的精确性进行衡量我们首先需要确定其样本分布。如果事先知道总体分布,或者先验的对总体分布状况进行了假定,我们就可以从总体中随机抽取n个样本,计算出统计量的值。bootstrap的方法与之不同之处在于,他是利用观测到的样本分布作为真实总体分布的替代。同时,bootstrap产生出一个样本分布的bootstrap分布,利用bootstrap分布,我们可以估计出统计值的标准差以及置信区间等指标。举例来说,假设我们的样本有n个观测值,利用这n个观测值我们可以计算出某个估计量,但是由于我们不清楚样本的分布情况,我们就无法利用t统计量或者其他统计量对的置信区间进行界定。但是,我们可以利用放回抽样的方法随机的从这n个观测值中抽取m个,然后利用这m个值计算出一个估计量。重复上述操作k次,我们可以得到一个序列,利用该序列我们可以估计出的bootstrap分布,然后利用该分布计算出的置信区间等指标。 随着计算机处理数据能力的提高,近些年来,bootstrap的方法得到广泛的应用。尤其当我们遇到样本观测值存在相关性或者说样本存在偏斜分布(skeweddistribution)问题的时候,bootstrap方法为我们提供了一个很好的估计置信区间的方法。kothari和warner(1997)认为,该方法“为一些旨在降低设定错误(misspecification)的替代检验提供了一个很有前景的框架。〞lyon,barber和tsai(1999)验证了这种方法的接受率和拒绝率(acceptanceandrejectionrate),发现对于随机样本来讲,该方法非常有效。在本文中,我们利用统计软件stata提供的软件包直接计算出统计量的偏差矫正(bias-corrected)置信区间。在bootstrap过程中,所有计算的重复操作次数均取为500次,同时,我们利用全部样本进行重复抽样(即m=n)。 四、检验结果 a、根本结论 表三给出了本文的根本结论。其中,panela是1999-2022年期间所有投资者交易股票的市场回报率情况;panelb是所有投资者在1999-2022年间交易股票的市场回报情况;panelc是所有投资者在2022-2022年间交易股票的市场回报情况。 表三:在交易发生之后的t天内交易股票的市场回报率 panela:1999-2022年所有投资者 21个交易日42个交易日84个交易日 买进-0.020238-0.020236-0.0167 卖出0.00450.0040-0.0017 差值-0.0123-0.0146-0.015 差值标准差0.000540.00202330.0020234 95%置信区间(bc)(-0.0134,-0.0112)(-0.0161,-0.0131)(-0.0172,-0.013) panelb:1999-2022年所有投资者 21个交易日42个交易日84个交易日 买-0.0031-0.00650.0301 卖0.0022023.00170.0472 差值-0.0051-0.020232-0.0171 差值标准差0.00050.00060.00112 95%置信区间(bc)(-0.006,-0.004)(-0.020235,-0.020231)(-0.0192,-0.0141) panelc:2022-2022年所有投资者 21个交易日42个交易日84个交易日 买-0.0035-0.02023-0.0622 卖0.0003-0.0019-0.0495 差值-0.0037-0.005-0.0127 差值标准差0.00040.00060.0012023 95%置信区间(bc)(-0.0045,-0.0029)(-0.0061,-0.004)(-0.0150,-0.012023) 注。我们分别计算了每笔交易发生后的t个交易日(t=21、42、84)内该股票的市场回报率,并将每个帐户所有购进和售出股票的市场回报率分别进行平均。利用bootstrap的方法,我们估计出二者之差的分布,并给出了差值95%的置信区间。结论说明,在上述几种情况下,对应着三种持有期,95%置信区间的上限均小于零,因此我们都能够得出,至少在5%的置信水平下,可以拒绝购进和售出股票的平均市场回报率的差值大于等于零的假设。bootstrap过程中,所有计算的重复操作次数均取为500次,同时,我们利用全部样本进行放回抽样(即m=n)。 这里的置信区间是基于bootstrap方法得到的。从上面的结果,我们可以得出如下的结论: 首先,对应着不同的时期,我们都可以得出在三个持有期内,95%置信区间的上限均小于零,这意味着至少在5%的置信水平上都是小于零的。由此我们可以认为,中国股票市场投资者存在过度投资问题。 其次,从panelb和panelc的比较可以看出,虽然这两个时间段内股票市场整体走势不同,但是这两个阶段股票买卖收益的差值均为负值,而且对应着三个持有期,2022-2022年期间差值的绝对值均明显比1999-2022年小,前者仅有后者的74%-60%。这说明,虽然股票市场整体走势的不同并没有改变投资者过度自信的特点,但是在市场陷入低迷期的时候投资者过度自信和过度投资的倾向显然比市场繁荣期低。这也意味着投资者进行交易时更为谨慎。 最后,我们用表三panela中的结论与odean(1999)中相应的结论进行比较可以发现,对应于84个交易日的持有期,中美两国投资者购进股票和售出股票的市场回报率之间的差值并无显著差异。这就意味着,虽然中国股票市场的换手率远远高于美国,但是两国投资者过度交易程度并无显著的差异。这一结论是可以理解的,因为,如同我们不能因为投资者a的交易次数超过投资者b就断定投资者a是过度交易一样,我们也不能因为中国投资者的交易次数超过美国投资者就断定中国投资者的过度交易(或者过度自信)程度就超过美国投资者。 b、交易频率 前面我们已经进行了说明,投资者是否是过度交易判断的依据不是投资者的交易次数或者交易频率,而且,对于不同投资者,由于其投资需求以及风险偏好各不相同,因此也不能以投资者交易频率的差异作为投资者是否过度投资的判断依据。但是,毕竟过度投资讨论的也是交易频率的问题。那么究竟投资者的过度投资与其交易频率之间是否有关系,在进行研究之前我们并没有确切的结论。这一节,我们按照投资者的交易频率将其进行分类,并研究不同交易频率的投资者是否都存在过度交易问题。 首先,我们先找出投资者在样本期内第一次和最后一次发生交易的时间,并计算出二者之间的时间长度tr。接着,我们计算出投资者交易发生的总次数tn。投资者平均年交易频率tf=252×tn/tr。接着,按照交易频率,我们将投资者分成两局部,第一局部是交易频率在前2023%的投资者,其余的归为第二局部。最后,我们分析了不同交易频率投资者购进和售出股票的市场回报率,以及二者之间的差值。结论见表四paneld和e: 表四不同交易频率投资者投资收益状况比较 paneld:1999-2022年交易频率在前2023%投资者 21个交易日42个交易日84个交易日 买-0.000370.00164-0.00412 卖0.00520230.0202320.006558 差值-0.00544-0.00653-0.0202368 标准差0.0012023.00170.0022023 95%置信区间(bc)(-0.020236,-0.003)(-0.01,-0.0032)(-0.01485,-0.00645) panele:1999-2022年交易频率在后90%投资者 21个交易日42个交易日84个交易日 买-0.0202367-0.012-0.0182023 卖0.004450.0035-0.00266 差值-0.01312-0.0155-0.01542 标准差0.00060.0020230.0020231 95%置信区间(bc)(-0.0143,-0.0119)(-0.0169,-0.0138)(-0.0178,-0.0136) 注:我们按照投资者的交易频率将投资者分为两组:交易频率在前2023%的投资者和交易频率在后90%的投资者,然后分别计算了每组投资者购进和售出股票在交易发生后的t个交易日(t=21、42、84)内的市场回报率,以及二者之间的差值。利用bootstrap的方法,我们估计出二者之差的分布,并给出了差值95%的置信区间。结论说明,无论是对于交易频率高的投资者还是交易频率低的投资者,95%置信区间的上限小于零,因此我们都能够得出,至少在5%的置信水平下,我们可以认为两组投资者均存在过度交易问题。bootstrap过程中,所有计算的重复操作次数均取为500次,同时,我们利用全部样本进行放回抽样(即m=n)。 比照paneld和e我们可以发现,对应着不同交易频率的投资者,买卖股票的市场回报率之差均小于零。这进一步证实了过度交易行为的存在并未因投资者交易频率的不同而发生变化。同时,我们还可以看到,对应着三个不同的持有期,交易频率在前2023%的投资者购进股票的平均市场收益率均高于交易频率在后90%的投资者。这说明,在我们考察的这三个持有期内,交易频率高的投资者选择购进的股票收益情况要优于交易频率低的投资者选择的股票。这一现象看似与我们前面的结论有所矛盾。对此,我们认为可能的解释是:首先,由于我们研究的是市场收益率而不是个人真实获得的收益率,因此,这一结论并不能说明交易频率高的投资者在股票市场上实际获得的收益率高于交易频率低的投资者,而只是意味着交易频率高的投资者选择股票的能力比较强。事实上,barber(2022)对不同交易频率投资者的真实收益率的研究发现,虽然在不考虑交易本钱的情况下各种交易频率投资者真实的毛收益率差异很小,但是考虑到交易本钱之后那些交易频繁投资者的真实收益比交易不频繁投资者低7.1个百分点(换算成年率的结果)。其次,我们认为造成两种投资者选择股票能力出现差异的原因有可能是因为他们在股票市场中的经验不同。由于对这一解释的验证比较复杂,限于篇幅,具体的验证我们将在另一篇文章中单独进行。 c、性别、过度交易和过度自信 以上,我们用bootstrap的方法验证了投资者过度交易的问题。然而,某种程度上讲,上述的研究仅仅证实了投资者过度交易的存在,并没有从根本上证实投资者的过度交易是由过度自信导致的。事实上,正如odean(2022)所说,“对过度自信是否导致市场出现过度交易的另一种检验方法就是将投资者分为两类,一类是过度自信程度较高的投资者,另一类是过度自信程度较低的投资者。〞进而,通过比较过度自信程度不同的两类投资者的过度交易情况,考察过度自信是否导致了交易量的增加。 心理学的研究说明,虽然男性和女性都存在过度自信问题,但是男性过度自信的程度要高于女性(lundeberg,fox和puncochar1994),而在处理金融问题的时候男性倾向于认为自己比女性更有能力(prince1993)。正是基于这些研究成果,我们按照性别将投资

此文档下载收益归作者所有

下载文档
你可能关注的文档
收起
展开