我国股民过度自信与交易

导语：我国股民过度自信与交易一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

内容提要：本文利用个人交易数据，验证了中国股票市场投资者存在的过度自信及过度交易现象。我们发现，对应着不同的股票持有期，投资者购进的股票的表现劣于他们售出股票的表现，或者说投资者进行了不应该的交易，也即过度交易。这一结论在不同的市场走势下都是成立的。同时，通过对不同性别投资者投资行为的比较，我们发现，虽然男性和女性投资者都存在过度交易现象，但是男性投资者过度交易的程度要高于女性投资者，这在某种程度上说明中国股市投资者过度交易现象是与过度自信相关的。

关键词：过度自信，过度交易，行为金融

一、引言

传统金融理论经历了50余年的发展，以有效市场假说，尤其是关于理性人的假定为基石，形成了一整套的理论体系。这些理论为我们理解和认识现实中的金融市场提供了有效的手段。然而，随着金融市场上各种异常现象的累积，理论与实际的背离让我们感受到传统金融理论在解释某些问题时的无能为力。这当中，人们关注的一个焦点就是我们在金融市场上观察到的交易规模过高的问题。对此，DeBondt和Thaler（1994）曾经指出，金融市场过高的交易规模“可能是唯一令传统金融学最为尴尬的事实。”

金融市场过高的交易规模在中国股市表现的尤其突出。无论是与成熟的证券市场相比还是与新兴的证券市场相比，中国股票市场的年平均换手率都远远高于其他国家。二十世纪九十年代，美国纽约证券交易所（NYSE）的年平均换手率在20％－50％之间，也就是说，股票平均2－5年换手一次。即便到了格林斯潘认为美国股票市场出现了“非理性狂躁（irrationalexuberance）”的1999年，NYSE的年均换手率也只有75％。同年，东京、伦敦、香港、泰国、新加坡的证券市场的换手率分别为49％、57％、51％、78％和75％（见《中国证券期货统计年鉴2001》）。与这些国家相比，在二十世纪九十年代，我国沪市平均换手率最高时达到1134.65％（1994年）；深市平均换手率最高达到1350.35％（1996年）。在我国股票市场交易状况陷入低迷的2002年，深沪市场换手率也分别达到198.8％和214％（见表一）。

表一中国股票市场平均换手率与成交金额单位：（％、亿元）

199419961998199920002001200220033214250.8

深市换手率583.81350.4406.6424.5509.1227.9198.8214.2

数据来源：中国证券期货统计年鉴2004

合理的交易规模是多大？传统金融理论不能很好地回答这个问题。一方面，在经典的Merton模型中，每个投资者购买的股票都是市场投资组合，此时，股票市场应该不会发生任何交易。另一方面，在没有交易成本的连续动态对冲模型中，交易是连续的，此时在任何时间段内的交易量都是无限的。因此，对于这一问题的回答必然要求我们跳出传统金融理论的框架，从新的角度进行研究。对于股票市场上存在的大量交易的现象，经济学家们主要从以下三个角度进行解释：一是引入噪音交易者(noisetrader)或者流动性交易者(liquiditytrader)的概念，这些交易者由于外生于模型的一些因素而进行交易，如个人禀赋的波动等（Shleifer和Summers1990）；二是认为投资者先验信念不同或者投资者诠释公共信息的方法不同（Varian1985，1989）；三是从行为金融的角度通过对投资者过度自信的验证解释过度交易的存在（Odean1998）。

关于过度自信，DeBondt和Thaler（1994）在对行为金融的微观基础进行总结的时候曾经说过：“在心理学领域有关个人判断的研究成果中，最强的（robust）结论可能就是人们是过度自信的。”同时，他们还指出“理解交易之谜的关键的行为因素在于过度自信”。大量的心理学研究表明，许多职业的人都存在过度自信的情况，这包括：心理学家，医生和护士，工程师，律师，谈判人员，企业家，管理人员，投资银行家，证券分析师以及经济预测人员（Daniel,Hirshleifer和Subrahmanyam,1998）。对于个人过度自信的表现，Odean（1998）曾经进行过详细的总结，其中最主要的可能体现在以下几个方面：例如人们过高的估计自己知识的准确程度；人们过高的估计自己做好某件事情的能力，而且个人在某项任务中的重要性越高，他对自己能力的高估程度也越大；人们经常对自我的评价过高，大多数人认为自己比平均水平高，而且，大多数人对自己的评价要比别人对他的评价高，等等。

同时，经济学家们的研究发现，与理性人相比，过度自信投资者在投资行为上存在很大差异。其中最显著的一点就是，在股票市场上，过度自信的存在使得股票市场交易量增加。AlexandrosV.Benos(1998)和Odean(1998)的模型证明，过度自信降低了交易者的期望效用，增加了股票市场上期望交易规模；Deaves，Luders和Luo（2003）的试验研究显示，过度自信产生了额外的交易；Glaser和Weber（2003）发现那些认为自己投资技巧或者以往的投资收益表现超过平均水平的人们交易的更多。Kim和Nofsinger（2002）利用日本股票市场的数据再度证实了上述结论，同时，他们还发现与西方国家的文化相比，亚洲的文化使投资者更容易产生过度自信。这些研究从各个方面对金融市场的过度自信问题进行了探讨，并得到了共同的结论，那就是过度自信会导致过度交易。关于过度交易的实证研究，Odean(1999)验证了美国股票市场存在过度交易现象，并发现这种过度交易是与过度自信相关的。

这里的过度交易指的是投资者进行了不应该的交易。换手率的高低本身不是问题的关键，关键在于发生的交易是否合理。中国股市是否存在过度交易与过度自信现象？我们不能因为中国股市的换手率远高于美国股票市场，就断言中国股市一定存在过度交易与过度自信。由于对于不同的投资者来说，其禀赋、信息以及目的等因素的不同，可能会有不同的交易频率要求。因此，是否存在过度交易的检验是很难通过横截面比较来进行，而只能考察投资者的交易是否合理，或者说只能通过对投资者交易时的收益与如果不进行交易投资者能够获得的收益进行比较来判断。

在中国，直接利用股票市场投资者个人交易数据对股民投资行为进行实证研究的文章还比较少，目前在我们掌握的资料范围内仅发现赵学军和王永宏（2001）曾利用中国某证券营业部的近1万个投资者帐户的交易信息，研究了中国股票市场投资者的处置效应问题。此后，深圳证券交易所综合研究所利用了一个类似的数据研究了同样的问题，丰富并深化了赵学军和王永宏（2001）的结论（注）。然而，对于中国股票市场过度交易以及投资者过度自信问题我们尚未发现系统的实证研究文章。

本文利用1999－2003年期间中国某证券营业厅的个人股票交易数据来检验中国股市是否存在过度交易和过度自信。我们认为，任何投资都是有机会成本的。作为一个理性的投资者，用手中现金购进股票或者售出某支股票购进其他股票，其前提必然是在一定的股票持有期内，投资者购进股票的市场回报率高于如果该交易没有发生投资者将资金投向其他项目时能够获得的回报率（其他项目包括将资金存入银行、购买其他股票或者投资在其他领域等）。因此，如果购进的股票在持有期内能够获得的收益低于其机会成本的话，我们就认为这笔交易是不该发生的。

至于过度交易是否由过度自信引起的，直接的检验是困难的。但是如果我们知道某一部分的投资者比另一部分的投资者更加自信，并且发现更自信的投资者具有更严重的过度交易现象，那么在某种程度上我们不能排除过度交易是由过度自信的假设。基于这种考虑，我们比较了男性投资者与女性投资者交易行为的差异并发现男性投资者比女性投资者有更严重的过度交易倾向。

本文的贡献在于：首先，对于中国这么一个新兴的证券市场来说，市场中存在的很多问题是西方成熟证券市场中所没有的，在这种市场环境下，投资者的行为会呈现出什么特点是许多人感兴趣的，也是很重要的。通过对中国股票市场个人交易数据的分析，我们可以比较深入的了解中国投资者的投资行为特征。其次，过度交易和过度自信问题是金融学领域一个非常重要的问题。我们的研究为过度交易和过度自信问题的研究提供了中国股票市场的实证结论。此外，本文使用的数据跨越的时间段恰好覆盖中国股票市场从繁荣到萧条的转变过程。通过分时段的研究，我们可以对大市走势不同时投资者的行为进行比较，从而进一步丰富和强化我们的结论。

文章具体安排如下：第二节描述本文使用的数据情况；第三节讨论实证研究的方法；第四节给出实证研究的结论；第四节总结完文。

二、数据描述

本文使用的数据主要有以下三个方面。

一是1999年1月1日到2004年12月31日，DataStream中深沪市场调整后的日股价数据。

二是中国某证券营业厅开户状况数据。本数据包含了1994年以来在该营业厅开户的所有个人的年龄、性别、开户时间和资金帐号（注）。截至2004年12月31日，该营业所共有16577个资金帐户，其中每年新开户数、截至每年年底开户总数以及在该年实际进行了股票买卖交易的帐户数（或者实际活动帐户数）（注）分别如表二所示：

表二1999－2003年营业厅帐户状况描述

年份当年新开户数开户总数实际活动帐户数

1999年以前5826

1999218380094142

20004991130008263

20012136151368765

20021066162026316

2003375165775892

三是1999年1月1日到2003年12月31日期间在该证券营业厅发生的所有股票交易记录。本数据包含交易发生时间、资金帐号、买卖标志、股票代码。在上述时间段内，本数据共包含707239条交易记录。其中，发生的卖出股票的交易共327050笔，买进股票的交易共380189笔。至于每年具体发生买卖的交易情况可见图一：

图一1999－2003年期间每年买卖交易发生笔数

从表二可以看出，每年实际活动帐户数目要低于截至该年底开户总数，也就是说，每一年都会有部分投资者处于非活动状态或者退出股市。一般说来，投资者退出股市的原因有两种：一是投资者投资股票的能力比较差，股票投资长期亏损，因而逐渐从股市退出。二是投资者有比投资股票的期望回报率更高的投资机会，这部分人也会将资金从股市抽走，转向其他投资项目。在这种情况下，投资者退出股市的前提是他们在股票市场期望投资回报率低于其他备选投资项目。而如果给定社会的投资机会，那些在股票市场投资回报率越低的人越容易从股票市场退出转向其他投资项目。因此，无论是第一种情况还是第二种情况，它们都会对样本造成残存偏差（survivorshipbias）。也就是说，对于同一时间进入股市的投资者来说，随着时间的推移，投资能力低的人逐渐从股市退出，而那些能够留在股市中的投资者投资能力相对较高。这样以来，样本就无法准确反映总体的特性。本文消除残存偏差的方法是将整个营业厅每年新开户的所有投资者都包含到样本中，由于每年新开户的投资者中同时包含了投资能力强和投资能力弱的人，这样可以降低由于部分投资能力差的投资者退出股市带来的残存偏差。

三、研究方法计

这里我们首先需要对过度交易概念进行一下澄清。由于不同投资者的需求、风险偏好及禀赋不同，因此，投资者是否属于过度交易并不是用他的交易情况与其他交易者进行对比来判断的。例如，在同样长度的时段内投资者A交易10次，投资者B交易5次，我们并不能因此断定投资者A是过度交易。事实上，我们是通过对投资者发生交易时能够获得的收益与该交易发生需要付出的机会成本进行对比，来判断交易是否应该发生。

考虑一种可能的情况：某投资者卖出股票A同时买进股票B，如果我们将投资者售出的股票在未来一段时间（例如，在对股票B的持有期内）的市场收益看作其购进股票B的机会成本，那么这次交易是否应该发生，从事后的角度来看，依赖于在持有期内买进股票的市场回报率是否高于卖出股票的市场回报率。然而，在实际操作中，由于投资者在买进某一股票的同时并不一定卖出另一只股票，他可能用现金购买，也可能是同时卖出多只股票。因此我们无法决定某一次交易是否为应该的交易。但是当样本中的投资者个数足够多并且他们交易足够频繁的时候，平均来看，我们可以用买进的股票的平均回报与卖出的股票的平均回报之差作为判断是否存在过度交易的指标。

根据上述想法，要对投资者过度交易情况进行验证，首先就需要假定一个合理的股票持有期。根据表二中每年实际活动帐户数以及图一所示的交易发生数，我们可以粗略的推算出在1999－2003年期间，样本中的投资者平均每年发生的买进交易次数为11.4次，平均每年发生的卖出交易次数为9.8次，也就是说，样本中的投资者平均每月发生一次换手行为。因此，我们首先将投资组合持有期确定为三个——21个交易日、42个交易日和84个交易日，分别对应着日历时间的一个月、两个月和四个月。

其次，根据个人交易记录表中每笔交易发生的时间，计算出在这笔交易发生的T个交易日（T＝21，42，84）之后该股票的市场回报率。其中，代表第个人的第i次交易的股票，为日股票的价格（注）。接着，我们把每个帐户所有售出股票的市场收益率和所有购进股票的市场收益率分别进行平均，计算出每个帐户所有购进股票市场收益率的平均值以及每个帐户所有售出股票市场收益率的平均值。同时，对应着每个帐户，我们计算出这两个平均值之间的差值。最后我们根据所有帐户的检验其是否在统计意义上大于零。

这里，我们是以帐户为单位，对每个帐户所有买进和卖出的股票的回报率进行加总的，这与Odean（1999）的方法有所不同。在Odean（1999）中，作者是以股票为单位，对每支股票所有买进和卖出交易的回报率进行加总。我们认为，由于研究对象是股票市场中的投资者，因此按照帐户进行加总的方法可能更容易被人们理解。同时，我们按照Odean（1999）的方法对本文的结论重新进行了验证，从结论上看二者之间没有本质的差别。但是，在本文我们仅提供了以帐户为单位进行加总的结论。

最后，在继续本文的研究之前，我们要对部分投资者和全部投资者的问题进行一下解释。由于我们的样本是深沪市场所有投资者的一个子集，有人可能会认为，用股票市场中其余所有投资者进行相同的研究应该得到与我们这里相反的结论。事实上，这种想法是似是而非的。由于我们在计算投资者买卖股票的市场收益率的时候并没有考虑投资者实际买卖的金额，因此，某支股票一笔买进交易可能对应着多笔卖出交易或者一笔卖出交易可能对应着多笔买进交易。这样以来，样本中的投资者所有买进（卖出）交易行为并不一定对应着深沪市场其余投资者所有卖出（买进）交易行为。因而，没有理由认为，用市场其余投资者的交易进行研究，会得到与本文相反的结论。

B、置信区间的估计

本文主要的任务是将所有帐户购进的所有股票在若干个交易日内的市场回报率的平均值与相应的售出股票的市场回报率的平均值进行比较。但是，市场回报率的构造特点给我们随后的显著性检验带来一个问题，那就是由于不同的帐户可能在相近的时期购买（或出售）相同的股票，因此这些帐户购进（或售出）股票的市场回报率就可能存在相关性。举例来说，假设投资者A在t0时期购进股票S，30天后投资者B购进相同的股票。那么在计算42个交易日后A和B各自进行的这笔交易的市场回报率的时候，二者之间就存在12天重叠时间。而在这些重叠日期内股票S的回报率是相关的，这就导致了帐户A和帐户B所有购进股票的市场回报率出现相关性。这样以来，我们就无法使用传统的t统计检验指标来判断样本均值的置信水平。同时，对应着不同的持有期T，我们对每个帐户所有购进股票市场收益率的平均值序列{}以及每个帐户所有售出股票市场收益率的平均值序列{}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、基本结论

表三给出了本文的基本结论。其中，PanelA是1999－2003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1999－2000年间交易股票的市场回报情况；PanelC是所有投资者在2001－2003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：1999－2003年所有投资者

21个交易日42个交易日84个交易日

买进-0.0078-0.0106-0.0167

卖出0.00450.0040-0.0017

差值-0.0123-0.0146-0.015

差值标准差0.000540.000730.00104

95％置信区间（BC）(-0.0134,-0.0112)(-0.0161,-0.0131)(-0.0172,-0.013)

PanelB：1999－2000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0.00210.00170.0472

差值-0.0051-0.0082-0.0171

差值标准差0.00050.00060.00112

95％置信区间（BC）(-0.006,-0.004)(-0.0095,-0.0071)(-0.0192,-0.0141)

PanelC：2001－2003年所有投资者

21个交易日42个交易日84个交易日

买-0.0035-0.007-0.0622

卖0.0003-0.0019-0.0495

差值-0.0037-0.005-0.0127

差值标准差0.00040.00060.00109

95％置信区间（BC）(-0.0045,-0.0029)(-0.0061,-0.004)(-0.0150,-0.0108)

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。结论表明，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，2001－2003年期间差值的绝对值均明显比1999－2000年小，前者仅有后者的74％－60％。这表明，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部分，第一部分是交易频率在前10％的投资者，其余的归为第二部分。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：1999－2003年交易频率在前10％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0.005070.00820.006558

差值-0.00544-0.00653-0.01068

标准差0.00110.00170.00208

95％置信区间（BC）(-0.0076,-0.003)(-0.01,-0.0032)(-0.01485,-0.00645)

PanelE：1999－2003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-0.00867-0.012-0.01808

卖0.004450.0035-0.00266

差值-0.01312-0.0155-0.01542

标准差0.00060.00080.00101

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10％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。结论表明，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）。

对比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10％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（2000）对不同交易频率投资者的真实收益率的研究发现，虽然在不考虑交易成本的情况下各种交易频率投资者真实的毛收益率差异很小，但是考虑到交易成本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（2001）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。

心理学的研究表明，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者分为两类。然后分别考察男性和女性投资者在交易频率以及投资回报率方面的差异。我们认为，如果男性投资者比女性投资者过度自信程度更高，而过度自信又会导致交易量增加，那么我们就应该能够看到两个现象：一方面男性投资者的交易频率要比女性投资者高，另一方面由于过度交易程度更高，男性投资者购进和售出股票的市场回报率差值会比女性投资者更大。

在我们的样本中，男性投资者共6252个，女性投资者共5609个。用交易频率对性别虚拟变量进行回归，我们发现女性投资者每年要比男性投资者少交易2.9次，而且在5％的水平上，这种差异是显著的。同时，我们用投资者买卖股票的市场回报率差值对性别虚拟变量进行回归也得出，对应着三个持有期，女性投资者买卖股票的市场回报率差值都要高于男性投资者。而且，对应着三个不同的持有期，这种差异在5％的水平上都是显著的。具体结果见表五：

表五市场回报率差值对性别的回归结果

21个交易日42个交易日84个交易日

性别虚拟变量0.00340.00320.0058

95％置信区间(BC)(0.0011,0.0053)(0.0006,0.0063)（0.0027，0.0097）

注：性别虚拟变量的取值男性等于0，女性等于1。对于三个不同的持有期，95％的置信区间的下限都大于零，这就意味着在5％置信水平上性别差异都是显著的。Bootstrap过程中，所有计算的重复操作次数均取为500次，我们利用全部样本放回重复抽样。

四结论

本文利用1999－2003年中国股票市场个人交易数据，通过对投资者过度自信的验证解释了股票市场过度交易现象。我们发现，对应着三个不同的股票持有期，投资者购进股票和售出股票的市场回报率之差不但无法弥补其交易成本，而且在5％的水平上前者显著地低于后者。这一结论在1999－2000年以及2001－2003年两个大市走势孑然不同的时期都是成立的。而且，通过构造日历时间投资组合，在消除了观测值在横截面角度的相关性之后，我们也得到了相同的结论。对不同交易频率投资者的研究发现，无论是交易频率高的投资者还是交易频率低的投资者，均存在过度交易问题。同时，我们还发现，随着投资者延长其股票持有期，购进股票与售出股票的市场回报率之差在增大。最后，我们研究了不同性别投资者投资行为的差别。我们发现，虽然男性和女性投资者都存在过度自信问题，但是男性投资者过度自信的程度要高于女性投资者。这一方面导致了男性投资者交易频率高于女性投资者；另一方面导致了男性投资者购进股票与售出股票的市场回报率之差低于女性投资者。

参考文献：

赵学军,王永宏,2001,《中国股市“处置效应”的实证分析》,《金融研究》，第七期。

BarberBradM.andOdeanTerrance,2000,“TradingisHazardoustoYourWealth:TheCommonStockInvestmentPerformanceofIndividualInvestors”,JournalofFinance,April,pp.773-806

BarberBradM.andOdeanTerrance,2001,“BoysWillbeBoys:Gender,Overconfidence,andCommonStockInvestment”,QuarterlyJournalofEconomics,February,pp.261-292

DanielKent,HirshleiferDavidandSubrahmanyamAvanidhar,1998“InvestorPsychologyandSecurityMarketUnder-andOver-reactions”,withDavidHirshleiferandAvanidharSubrahmanyam.JournalofFinance,53(5),December1998,pp.1839-1886.

DeBondt,WernerF.M.,andRichardH.Thaler,1994,“FinancialDecision-makinginMarketsandFirms:ABehavioralPerspective”,NBERWorkingPaper#4777.

DeavesRichard,LudersErikandLuoGuoYing,2003,“AnExperimentalTestoftheImpactofOverconfidenceandGenderonTradingActivity”,WorkingPaper.

GlaserMarkusandWeberMartin,2003,“OverconfidenceandTradingVolume”,WorkingPaper.

Kim,KennethA.,andJohnR.Nofsinger,2002,“TheBehaviorandPerformanceofIndividualInvestorsinJapan”,WorkingPaper.

Kothari,S.P.,andWarner,JeroldB.,1997,“MeasuringLong-HorizonSecurityPricePerformance”,JournalofFinancialEconomics,vol.43,pp.301-340.

Lundeberg,MaryA.,PaulW.Fox,JudithPunccohar,1994,“HighlyConfidentbutWrong:GenderDifferencesandSimilaritiesinConfidenceJudgments,”JournalofEducationalPsychology,LXXXVI,pp.114–121.

Lyon,JohnD.,Barber,BradM.andTsai,Chih-Ling,1999,“ImprovedMethodsforTestsofLong-RunAbnormalStockReturns”,JournalofFinance,Vol.LIV,No.1,pp.165-201.

OdeanTerrance,1998,“Volume,Volatility,Price,andProfitWhenallTradersareAboveAverage”,JournalofFinance,vol.LIII,No.6,December1998,pp.1887-1916.

OdeanTerrance,1999,“DoInvestorsTradetooMarch?”,AmericanEconomicReview,vol.89,No.5,December1999,pp.1279-1298.

Prince,Melvin,1993,“Women,Men,andMoneyStyles,”JournalofEconomicPsychology,XIV,pp.175–182.

Shleifer,Andrei,andLawrenceH.Summers,1990,“Thenoisetraderapproachinfinance”,JournalofEconomicPerspectives4,pp.19–33.

Varian,HalR.,1985,“DivergenceofOpinioninCompleteMarkets:ANote”,JournalofFinanceVol.40,pp.309–317.