投資者博彩偏好能否解釋特質性波動率溢價之謎

陳曉輝 葉建華

【摘要】實證研究發現， 股價特質性波動率能負向預測股票收益率， 這與經典財務學假設相悖， 被稱為特質性波動率溢價之謎。本文立足我國A股市場個體投資者眾多、 博彩偏好明顯及短期套利受限背景， 理論分析并實證檢驗投資者博彩偏好對該資產定價異象的解釋力。研究結果表明， 特質性波動率溢價存在于A股市場， 同投資者博彩偏好密切相關的公司信息透明度及投資者風險感知對該資產定價異象具有負向調節作用， 且在投資者風險感知程度較高時期， 公司信息透明度對該資產定價異象的緩解作用減弱。

【關鍵詞】投資者博彩偏好；風險感知；公司信息透明度；特質性波動率溢價之謎

【中圖分類號】F275.5 ? ? ?【文獻標識碼】A ? ? ?【文章編號】1004-0994（2023）16-0146-8

一、 引言

經典公司財務理論假設投資者足夠理性并會在無摩擦市場中構建最充分資產組合分散掉特質性風險。這意味著投資者不用考慮資產特質性風險， 而只需考慮系統性風險， 特質性風險不具有資產定價效應。但越來越多的證據表明， 特質性風險仍具有資產定價效應， 這同投資者能構建充分多元化資產組合的假設相悖。此外， 即使投資者難以構建最充分多元化資產組合并需要承擔特質性風險， 也會對承擔的特質性風險要求正向溢價。但利用不同數據和估計方法， Ang等（2009）研究證明， 高特質性波動率股票會產生較低的收益率。 Guo和Savickas（2010）發現， 高特質性波動率股票的CAPM調整預期收益率較低。上述負向關系同投資者風險規避假設及傳統理性資產定價理論相悖， 被稱為特質性波動率溢價之謎。

后期研究主要圍繞特質性波動率溢價之謎的存在性及其成因展開。近期研究認為特質性波動率溢價之謎的成因包括短期收益率反轉（Huang等，2010）、 極端高收益率偏好（Bali等，2011）、 非對稱性套利（Stambaugh等，2015）、 預期特質性偏度（Boyer和Vorkink，2014）及有限套利（Gu等，2018）。在我國A股市場， 短期收益率反轉、 投資者彩票類偏好以及非對稱性套利等因素均不能完全解釋特質性波動率負向溢價（張華平和曹策遠，2021）。

在我國A股市場中， 自然人投資者眾多、 噪音交易行為普遍、 投資者博彩偏好強烈及短期賣空交易受限， 且與信息透明度密切相關的投資者博彩偏好會導致股價被高估。鑒于此， 本文立足我國A股市場實際， 從投資者風險感知和公司信息透明度影響投資者博彩偏好程度的視角， 探究投資者博彩偏好是否對特質性波動率溢價之謎具有解釋力。本文不僅可豐富有關特質性波動率溢價之謎成因的研究， 還有助于加深對我國A股市場價格形成機制的理解。

二、 文獻綜述

（一）特質性波動率溢價之謎的存在性

近期許多研究致力于探究股價特質性波動率溢價之謎的存在性， 但并未達成共識。特質性波動率與預期收益率之間存在顯著正向關系（Brown和Ferreira，2016）， 或沒有界定任何精確關系（Wang等，2016）， 或存在負向關系（Shi等，2016）。其中， 特質性波動率與預期股票收益率之間存在顯著負向關系被稱為特質性波動率溢價之謎。Gu等（2018）驗證了特質性波動率溢價之謎存在于中國股市， 并發現短期收益率反轉、 彩票類股票偏好以及非對稱性套利等觀點并不能完全解釋該資產定價效應。此后的研究證實了該發現， 但特質性波動率溢價之謎具有狀態依賴性（陸靜和張銀盈，2022）。

（二）特質性波動率溢價之謎的成因

特質性波動率溢價之謎與標準金融理論假設投資者持有充分多元化資產組合及具有風險規避態度相悖， 致使標準金融理論難以解釋這種關系（Merton， 1987）。近些年的研究試圖從不同視角解釋特質性波動率溢價之謎。

第一， 特質性波動率溢價之謎與特質性波動率的指標衡量方法有關。Jiang和Tian（2010）認為， 特質性波動率負向溢價的成因是波動率指標衡量的錯誤。Fu（2009）認為， Ang等（2009）構建的特質性波動率指標不能用于衡量時變的公司特質性風險。Fu（2009）用指數GARCH模型估計預期特質性波動率并發現條件特質性波動率溢價效應為正值。Brockman等（2022）的跨國研究證實， 采用Fu（2009）構建的預期特質性波動率指標產生了類似的結果。但Guo等（2014）利用模擬數據解釋了這種偏差對預期特質性波動率和股票收益率關系的影響， 并發現該偏差能導致這種負向關系。Fink等（2012）及Guo等（2014）利用實際股票收益率數據研究發現， 股票收益率同樣本外條件波動率預測值不存在任何關系。陸靜和張銀盈（2022）研究證明， 特質性波動率負向溢價來源于特質性波動率估計模型差異。

第二， 特質性波動率溢價之謎是公司主動對沖風險的結果。Grullon等（2012）認為， 特質性波動率變化與當前股票收益率正相關是特質性波動率溢價之謎的成因。特質性波動率變化都會增加公司成長期權價值， 但當公司對沖波動率增加時， 公司特質性風險會降低， 預期收益率下降。

第三， 特質性波動率溢價之謎是投資者極端高收益率偏好所致。Hai等（2020）證明， 在考慮最高日收益率資產定價效應后， 特質性波動率溢價之謎依然穩健存在， 說明這兩種資產定價效應相互獨立。Boyer等（2010）認為， 投資者并沒有持有充分多元化的資產組合， 而會優先持有具備某些特征的股票。投資者常偏好持有具備彩票類特征的股票， 如預期破產概率（Ohlson，1980）、 預期失敗概率（Campbell等，2008）、 預期特質性偏度（Boyer等，2010）、 上月份極端正向收益率（Bali等， 2011）以及預測的頭獎概率（Conrad等，2014）。在這些刻畫彩票類特征的代理變量中， Bali等（2011）證明， 在控制變量MAX（個股月度最高日收益率）后特質性波動率溢價之謎會消失。在歐洲， Annaert等（2013）的研究支持上述結果。但在中國股市特質性波動率溢價之謎不受MAX因素影響， 并主要存在于個體投資者持股比例較高的股票中（Fong和Toh，2014）。

第四， 投資者風險容忍度變化能一定程度上解釋特質性波動率溢價。Qadan（2019）研究發現， 投資者風險容忍度提高時， 會從較安全股票轉移至投機性更強的股票， 這對預期收益率與特質性波動率的關系產生強化效應。相反， 風險偏好降低會導致相反的結果。Shi等（2016）認為， 消息及情緒會影響特質性波動率與預期收益率的關系， 并發現控制好壞信息披露后， 特質性波動率溢價大幅下降。

第五， 賣空限制能一定程度上解釋特質性波動率溢價之謎。Jiang等（2014）認為， 投資者過度自信及高套利成本限制使高特質性波動率股票收益率被高估， 導致特質性波動率與未來股票收益率之間呈負向關系。此外， 我國股市中限價交易制度及賣空限制制度可以限制套利者利用這些錯誤定價的機會（張華平和曹策遠， 2021）。

（三）投資者博彩偏好對資產定價效應的影響

投資者博彩偏好具有重要的資產定價效應。投資者在選擇資產時具有明顯的偏好特征， 如本土情結（French和James，1991）、 小市值股偏好（Daniel等，1997）、 社會責任性投資偏好（Hong和Kacperczyk，2009）等。此外， 股市中投資者偏好低概率產生極端高收益率的股票（鄭振龍和孫清泉，2013）， 彩票收益同股票收益具有諸多共同點， 投機行為會體現在股票投資中。Bali等（2011）研究證明， 股市中投資者具有博彩偏好。這意味著， 投資者愿意支付更高的價格購買此類股票。因此， 交易者可能高估彩票類股票， 導致此類股票產生負向未來收益率（Chen等，2019）。

投資者博彩偏好可解釋一系列金融現象（葉建華，2017）。投資者博彩偏好可解釋月度最高日收益率負向預測下月股票收益率現象（Cheon和 Lee，2018）、 REITS市場中的MAX效應（Zhu等，2020）、 A股市場中已實現峰度資產定價之謎（Chen等，2019）及彩票類股票的短期高收益率（葉建華，2017）。

（四）研究述評

綜觀上述文獻可以發現： 第一， 特質性波動率溢價之謎普遍存在于發達及發展中股市， 但對其成因尚未達成共識。第二， 投資者博彩偏好普遍存在， 能解釋多種資產定價異常。第三， 立足我國A股市場特殊背景， 探究投資者博彩偏好能否解釋特質性波動率溢價之謎是重要的研究機會。

三、 理論分析與研究假設

（一）A股市場中特質性波動率溢價之謎的存在性

在我國特殊制度背景下， 特質性波動率溢價之謎存在于A股市場。第一， A股市場中投資者博彩偏好明顯。據統計， 截至2023年6月底， 在A股市場開立賬戶的自然人和非自然人投資者數量分別為21840.54萬戶和50.99萬戶。我國已步入世界彩票銷售大國， 居民博彩心理根深蒂固， 博彩偏好不斷被強化（馮百鳴，2010）。鄭振龍和孫清泉（2013）研究證明， A股市場中投資者具有博彩偏好， 投資基金也如此（向誠和楊俊，2021）。第二， 高特質性波動率股票具有彩票類特征。高特質性波動率股票符合博彩投資者對高收益率的偏好。根據累計前景理論， 投資者對資產收益率的尾部結果賦予較高權重， 高估小概率、 極端高回報率結果產生的概率， 提高此類股票估值（Barberis和Huang，2008）， 且投資者持有彩票類股票時會提高其效用水平并愿意為其支付高價（鄭振龍和孫清泉，2013）。張金清和李建宇（2021）發現， 投資者博彩偏好提高了流動性風險溢價， 影響市場對上市公司未預期盈余的反應（陳文博和陳浪南，2021）。第四， A股市場中賣空限制會延緩資產被高估時的價值回歸速度（吳蕾和部慧，2022）。A股市場中投資者博彩偏好會導致高特質性波動率股票收益率被高估， 并在未來收益率反轉時產生負向溢價?；诖?， 本文提出假設1。

假設1： 在我國A股市場中存在特質性波動率溢價之謎。

（二）投資者博彩偏好影響特質性波動率溢價之謎的理論分析： 基于公司信息透明度視角

高公司信息透明度可增加股價信息含量， 這會削弱投資者極端高收益率偏好對資產價格的影響。Foster（1981）認為， 公司信息透明度體現了市場對公司信息及所在行業信息的掌握程度， 信息透明度提高能增進市場效率。高信息透明度公司更可能引起投資者關注。相反， 不被市場和投資者廣泛認知的股票更可能發生錯誤定價。此外， 在公司信息透明度較低時， 投資者非理性博彩偏好更加強烈（Choi等，2019）。高公司信息質量會減弱股市中盈余宣告后的價格漂移（杜妍和王生年，2021）、 極大日收益率效應（Zhu等，2020）并提高資產定價效率（郝亞絨和董斌，2022）。綜上， 本文認為， 較低的公司信息透明度會加劇投資者博彩偏好， 特質性波動率負向溢價效應更明顯， 反之則較弱。鑒于此， 本文提出假設2。

假設2： 在低信息透明度公司中， 投資者博彩偏好程度更高， 特質性波動率負向溢價效應更加明顯。

（三）投資者博彩偏好影響特質性波動率溢價之謎的理論分析： 基于信息透明度和投資者風險感知雙重視角

高投資者風險感知水平會削弱投資者博彩偏好對資產定價的影響， 并一定程度上替代公司信息透明度對特質性波動率負向溢價的影響。第一， 高投資者風險感知會強化投資者的風險管理政策和標準（Garleanu和Pedersen，2007）， 并加大投資者尤其是機構投資者融資約束（Brunnermeier等，2008）， 降低投資者市場參與度、 市場流動性及股價信息含量（Ma等，2019）。第二， 投資者風險感知會降低其風險承擔水平及股票價格。高投資者感知風險水平的個股常具有更低的交易價格（王宗潤和楊確，2020）及更高的公司資本成本（徐展等，2021）。

綜上， 投資者風險感知水平較高時的風險承擔水平下降， 市場對彩票類資產需求量及估值水平降低。投資者風險感知水平較高時對彩票類資產的偏好減弱， 致使具備彩票類特征的高特質性波動率股票的收益率高估程度降低甚至消失， 特質性波動率負向溢價水平較低。此外， 高投資者風險感知水平會抑制高特質性波動率股票收益率的高估程度， 進而替代公司信息透明度對高特質性波動率股票收益率高估程度的抑制作用。這意味著， 在投資者風險感知水平較高時， 公司信息透明度對特質性波動率負向溢價的削弱作用減弱。因此， 本文提出假設3和假設4。

假設3： 在投資者風險感知水平較高時， A股市場中的特質性波動率負向溢價水平降低。

假設4： 在投資者風險感知水平較高時， 公司信息透明度對特質性波動率負向溢價水平的削弱作用下降。

四、 研究設計

（一）樣本設計

本文以1993 ～ 2021年A股市場所有上市公司為樣本。股票交易數據來源于CSMAR數據庫， 日、 月度三因子數據、 股票融資融券交易數據來源于RESSET金融研究數據庫。剔除金融類公司、 極端值及數據缺失樣本后， 最終有效樣本觀測值數量為341867個。

（二）主要變量設計

1. 被解釋變量： 個股月度毛收益率。用Ri，t+1表示， 等于i股票在t+1月的實現收益率。

2. 解釋變量： 股價特質性波動率。借鑒Ang等（2009）的方法， 估計t月i股票的特質性波動率（IVOLi，t）。

3. 調節變量。一是公司信息透明度。本文借鑒葉建華（2017）的方法， 在每個t月， 根據t-2月到t月個股日收益率及A股市場綜合日收益率數據， 估計i股票在t月的公司信息透明度。二是投資者風險感知。風險感知對人的活動和決策有重要影響。人通常具有風險規避傾向， 風險感知水平較高時， 其從事風險行為的可能性較低。本文認為， 在A股市場， 市盈率低、 現金股利穩定的價值股風險相對較低， 而市盈率高、 現金股利存在很大不確定性的成長股風險相對較高。價值股資產組合同成長股資產組合間的收益率差異間接體現了投資者風險感知水平差異。鑒于此， 本文以t月價值股資產組合同成長股資產組合間的收益率差異IRPt-1衡量投資者風險感知水平， IRPt-1越大， 說明投資者風險感知水平越高， 反之則越低。衡量各月份投資者風險感知水平的具體計算方法如下： 第一， 基于t月初各股票的權益市賬比從小到大的順序把樣本等分為4組， 并計算各資產組合在t月的收益率， 第1、 4組合的收益率分別用R1t和R4t表示。第二， 在每個t月用第4個組合收益率減去第1個組合收益率衡量t月投資者風險感知水平RPt。 RPt越大（越?。┱f明投資者風險感知水平越低（越高）。第三， 根據RPt把整個樣本期間等分為投資者風險感知水平較低、 適中、 較高三個子樣本期間。

本文控制變量的定義如表1所示。

（三）實證模型設計

本文借鑒Qadan（2019）的研究設計模型（1）， 采用個人股層面數據， 按照Fama和MacBeth（1973）的方法估計模型（1）， 以證明特質性波動率溢價之謎是否存在。

Ri，t+1=β+β1IVOLi，t+β2SIZEi，t+β3PBi，t+

β4Betai，t+β5Revi，t+β6Momi，t+β7ILLIQi，t+β8MAXi，t+

εi，t-1 （1）

在模型（1）的基礎上構建模型（2）檢驗公司信息透明度對特質性波動率負向溢價效應的影響。

Ri，t+1=β+β1Li，t+β2Hi，t+β3Li，t×IVOLi，t+β4Hi，t×IVOLi，t+β5IVOLi，t+β6SIZEi，t+β7PBi，t+β8Betai，t+

β9Revi，t+β10Momi，t+β11ILLIQi，t+β12MAXi，t+εi，t-1

（2）

在t月， 根據公司信息透明度， 將股票等分為低、 中、 高信息透明度三組樣本， 用0、 1虛擬變量H和L分別表示高、 低信息透明度樣本。

（四）描述性統計

為避免異常值對實證結果的影響， 本文對具有較多異常值的變量Ri，t+1和PBi，t進行了1%和99%的縮尾處理。表2列示了主要變量的描述性統計結果。

五、 實證結果及分析

（一）資產組合收益率分析

1. 基于IVOLi，t構建資產組合的收益率分析。第一， 在t月按照IVOLi，t從小到大排序并把樣本等分為10組， IVOLi，t最?。ㄗ畲螅┙M用A1（A10）表示。第二， 計算t+1月各資產組合中個股月度毛收益率、 超額收益率的等權重和流通股市值加權收益率。第三， 計算樣本期間各資產組合在t+1月（共245個月份）的各類收益率的時間序列均值。第四， 用t+1月個股超額收益率對同期市場超額收益率及三因子收益率進行時間序列回歸， 估計截距項（資本資產定價模型調整資產組合風險收益率CAPM_Alpha和三因子調整資產組合風險收益率FF_Alpha）。第五， 對各資產組合間的CAPM_Alpha及FF_Alpha差異進行t檢驗。各資產組合的等權重及流通股市值加權的各類收益率及極端組間收益率差異如表3所示。

表3列示了按照IVOLi，t分組計算的各組的等權重及流通股市值加權的月度毛收益率、 超額收益率、 CAPM_Alpha及FF_Alpha的時間序列均值。從等權重收益率看， A1 ～ A10資產組合的毛收益率時間序列均值整體呈遞減趨勢， 兩個極端資產組合A1和A10毛收益率時間序列均值的差異為3.12且在1%的水平上顯著。A1 ～ A10資產組合的FF_Alpha及CAPM_Alpha均整體呈遞減趨勢， 兩個極端資產組合A1和A10的FF_Alpha和CAPM_Alpha差異為3.68和3.64， 且均在1%的水平上顯著。從流通股市值加權收益率看， A1 ～ A10資產組合的各收益率指標均呈明顯遞增趨勢， 且兩類收益率差異也均為正值并在1%的水平上顯著。

資產組合收益率分析初步說明， 高特質性波動率資產組合未來期間的收益率顯著低于低特質性波動率資產組合未來期間的收益率， A股市場中股票特質性波動率與未來股票收益率之間存在反向變動關系， 即特質性波動率溢價之謎存在于A股市場。

2. 基于公司信息透明度和IVOLi，t構建資產組合的收益率分析。第一， 在每個t月基于股價同步性（SYNi，t）從小到大的順序把所有股票等分為3組。第二， 在t月的每個SYNi，t資產組合中基于IVOLi，t從小到大的順序把該資產組合等分為10組， 這樣構建了3×10個資產組合。第三， 計算每個t+1月各資產組合中個股的等權重及流通股市值加權月度收益率均值， 作為各資產組合在t+1月的收益率。第四， 計算樣本期間各資產組合t+1月等權重及流通股市值加權收益率的時間序列均值。第五， 在整個樣本期間， 分別以t+1月各資產組合等權重收益率和流通股市值加權收益率為被解釋變量， 估計CAPM_Alpha及FF_Alpha。結果如表4所示。

資產組合收益率隨著IVOLi，t增加而呈遞減趨勢。低、 中、 高信息透明度股票中， B1和B10的毛收益率差異分別為3.37、 2.36和1.01， 超額收益率差異分別為3.37、 2.36、 1.01， CAPM_Alpha差異分別為3.43、 2.51、 1.16， FF_Alpha差異分別為3.47、 2.56和1.20。這說明在控制公司信息透明度后， 隨著IVOLi，t的增加， 股票預期收益率呈現遞減趨勢。

在低信息透明度股票中， 隨著IVOLi，t的增加， 各資產組合收益率的遞減趨勢更明顯。B1的毛收益率為3.68， 隨后各資產組合的毛收益率單調遞減， B10的毛收益率為0.31， 兩個極端資產組合B1和B10的毛收益率差異為3.37且在1%的水平上顯著。

在高信息透明度公司中， B1的毛收益率為0.92， 隨后各資產組合的毛收益率并未單調遞減， B10的毛收益率為-0.09， 兩者差異為1.01且在5%的水平上顯著。在低信息透明度公司中， B1、 B10資產組合的超額收益率、 CAPM_Alpha和FF_Alpha的差異均在1%的水平上顯著， 且明顯高于高信息透明度公司中的相應值。這說明， 在信息透明度較低（高）的公司中， 特質性波動率負向溢價效應更加明顯（較弱）。

基于與表4類似的方法， 按照公司信息透明度和IVOLi，t構建各類流通股市值加權月度收益率的時間序列均值及極端組間的差異（限于篇幅結果未列示）。在低信息透明度公司中， B1和B10的毛收益率、 超額收益率、 CAPM_

Alpha及FF_Alpha差異分別為1.81、 1.81、 1.83和3.47， 且分別在5%、 5%、 5%和1%的水平上顯著。在中信息透明度公司中， B1和B10的毛收益率、 超額收益率、 CAPM_Alpha及FF_Alpha差異分別為0.16、 0.16、 0.51和2.56， 且除2.56在1%的水平上顯著外， 其他收益率差異均不顯著。在高信息透明度公司中， B1和B10的毛收益率、 超額收益率、 CAPM_Alpha及FF_Alpha差異分別為-0.24、 -0.24、 0.07和1.20， 且分別在5%、 5%、 5%和1%的水平上顯著。這說明， 特質性波動率負向溢價存在于低信息透明度公司中， 而在高信息透明度公司中并不顯著。

上述分析結果證明特質性波動率負向溢價之謎存在于我國A股市場中， 且在低信息透明度公司中最為顯著， 而在高信息透明度公司中并不顯著。

（二）回歸分析

1. 特質性波動率負向溢價效應存在性。表5列示了整個樣本期間模型（1）的Fama和MacBeth（1973）分步逐月橫截面回歸結果。在第三、 四步回歸結果中， MAXi，t的斜率為-16.54和14.18且均在1%的水平上顯著。這說明A股市場存在Bali等（2011）發現的最高日收益率資產定價效應， 但引入IVOLi，t后， MAX效應被顯著逆轉。這意味著A股市場中， 特質性波動率效應是一種真正的資產定價效應， 而MAX效應只是特質性波動率效應的一種特殊形式。在第三步基礎上引入IVOLi，t后， 模型擬合優度從10.81%增加至11.71%， 說明IVOLi，t對預期股票收益率有非常明顯的解釋力。

上述回歸結果充分說明， 在A股市場中， 控制主要收益率預測變量后， 股價特質性波動率能夠顯著負向預測未來股票收益率， 特質性波動率負向溢價效應存在于A股市場， 且該效應能夠替代MAX效應， MAX效應并非真實的資產定價效應。

2. 公司信息透明度對特質性波動率溢價之謎的影響。表6列示了整個樣本期間模型（2）的Fama和MacBeth（1973）分步逐月橫截面回歸結果。

從表6可以看出， 各步回歸結果中L（H）的斜率均顯著為正（負）。這說明低信息透明度公司股票的預期收益率顯著高于高信息透明度公司， A股市場中可能存在與信息透明度相關的風險溢價。第一步回歸結果中， L×IVOLi，t的斜率為-0.28且在5%的水平上顯著， IVOLi，t的斜率為-1.23且在1%的水平上顯著。第二步回歸結果中， H×IVOLi，t的斜率為0.28且在5%的水平上顯著， IVOLi，t的斜率為-1.36且在1%的水平上顯著。第三步回歸結果中， L×IVOLi，t的斜率為-0.15但不顯著， H×IVOLi，t的斜率為0.34且在1%的水平上顯著， IVOLi，t的斜率為-1.70且在1%的水平上顯著。這些證據表明， 同高信息透明度公司相比， 特質性波動率負向溢價效應顯著存在且在信息透明度較低的公司中更顯著。

回歸結果證明， 特質性波動率溢價之謎存在于我國A股市場， 且該資產定價效應在低（高）信息透明度公司中更明顯（偏弱）。因此， 樣本整體的回歸結果再次證實了假設1和假設2。

3. 投資者風險感知、 信息透明度對特質性波動率負向溢價的影響。在投資者風險感知水平較低、 適中及較高樣本期間， 按照表6的分步回歸步驟估計模型（2）的Fama和MacBeth（1973）橫截面回歸結果（限于篇幅，估計結果未列示）。結果表明， 在投資者風險感知水平低、 中、 高子樣本期間， 第三步回歸結果中H的斜率分別為-2.67、 -1.47和-1.56且均在1%的水平上顯著， L的斜率分別1.17、 0.60和1.87， 且1.17和1.87分別在5%和1%的水平上顯著。上述結果說明， 在投資者風險感知水平較低（較高）的樣本期間， 高信息透明度公司的預期收益率較低（低信息透明度公司的預期收益率較高）。這意味著， 在投資者風險感知水平較低（較高）時， 投資者會降低（提高）對承擔信息透明度風險要求的收益率補償。

在投資者風險感知水平低、 中、 高子樣本期間， 第三步回歸結果中， IVOLi，t的斜率分別為-1.97、 -1.45和-1.72且均在1%的水平上顯著， 這說明投資者風險感知水平較低及較高的樣本期間， 特質性波動率負向溢價效應更加明顯， 這意味著在投資者風險感知水平較低及較高時， 投資者對特質性波動率相關的極端高收益率的偏好均可能更強， 極端的投資者風險偏好水平會加劇特質性波動率的負向溢價效應。這些證據部分證明了假設3。

在投資者風險感知較低期間， H×IVOLi，t的斜率分別為0.25和0.67且均在5%的水平上顯著， 在其他期間， H×IVOLi，t的斜率均為正值但不顯著。這說明， 高信息透明度整體上減弱了特質性波動率負向溢價效應， 并且這種減弱作用在投資者風險感知水平較低期間最為明顯， 在投資者風險感知水平較高期間偏弱， 這證明了假設2和假設4。

在投資者風險感知水平較低、 適中和較高期間， 第二步回歸結果中L×IVOLi，t的斜率分別為-0.37（在10%的水平上顯著）、 -0.07（不顯著）和-0.40（在1%的水平上顯著）， 第二步回歸結果中L×IVOLi，t的斜率均不顯著。這說明， 低公司信息透明度整體上強化了特質性波動率負向溢價效應， 且這種效應在投資者風險感知較高（較低）期間更明顯（較弱）， 這也證明了假設2和假設4。

綜上所述， 在投資者風險感知水平較低（較高）時， 投資者對承擔信息透明度風險要求的收益率補償較低（較高）。較高和較低的投資者風險感知水平均會強化投資者極端高收益率偏好， 特質性波動率負向溢價效應更加明顯。較高的信息透明度整體上會減弱特質性波動率負向溢價效應， 并且這種影響在投資者風險感知水平較低期間最為明顯。

六、 結語

本文以我國A股上市公司為樣本， 采用資產組合收益率分析和回歸分析方法， 實證檢驗了特質性波動率溢價之謎的存在性及與投資者博彩偏好相關的信息透明度和投資者風險感知是否對該資產定價異象具有解釋力。實證結果表明： 特質性波動率溢價之謎存在于我國A股市場。低（高）信息透明度公司的博彩偏好更強烈（較弱）， 特質性波動率負向溢價效應更顯著（較弱）。投資者風險感知水平較低時博彩偏好更強， 特質性波動率負向溢價效應更明顯。投資者風險感知對特質性波動率溢價的抑制作用一定程度上替代了信息透明度對該資產定價異象的抑制作用。本研究從公司信息透明度和投資者風險感知視角， 間接證明了投資者博彩偏好對特質性波動率溢價之謎具有一定解釋力， 提供了投資者博彩偏好影響資產定價的確鑿證據， 豐富了有關特質性波動率溢價之謎存在性及成因研究， 為破解行為財務學研究中投資者認知、 心理及行為偏差不易識別和衡量的難題提供了新的思路和方法。

本研究的現實啟迪意義體現在三個方面。第一， 有助于非理性投資者糾正博彩偏好及聰明投資者利用這種錯誤定價機會， 提高投資者投資收益及股市定價效率。第二， 上市公司提高信息透明度有助于抑制投資者博彩偏好， 進而降低公司外部融資成本及提高企業價值。第三， 監管機構不僅需要注重對上市公司信息披露的監管， 還應注重對市場投資者風險觀念的正確引導， 這有助于提高資本市場定價效率和降低資本市場系統性風險。

【 主 要 參 考 文 獻 】

陳文博，陳浪南．股市投資者對盈余公告的反應 —— 基于博彩偏好的視角［ J］．中國管理科學，2021（9）：1 ～ 11．

杜妍，王生年．提高會計信息可比性緩解了股價漂移嗎？［ J］．管理學刊，2021（1）：81 ～ 98．

馮百鳴．彩票消費與宏觀經濟相關性的實證研究［ J］．經濟經緯，2010（4）：25 ～ 29．

郝亞絨，董斌．A股納入MSCI指數改善中國資本市場定價效率了嗎？［ J］．世界經濟研究，2022（7）：76 ～ 89+136 ～ 137．

陸靜，張銀盈．“特質波動率之謎”與估計模型有關嗎？［ J］．中國管理科學，2022（9）：36 ～ 48．

吳蕾，部慧．賣空機制效率評價：基于金融系統工程視角的狀態空間方法［ J］．管理評論，2020（7）：326 ～ 336．

王宗潤，楊確．性別和風險感知對投資行為的影響 —— 基于行為實驗室實驗的數據［ J］．湘潭大學學報（哲學社會科學版），2020（3）：123 ～ 130．

向誠，楊?。l在市場中賭博？基金博彩行為研究［ J］．中國管理科學，2021（11）：224 ～ 236．

徐展，盛思思，顧奮玲．關鍵審計事項、風險感知與權益資本成本［ J］．金融經濟學研究，2021（5）：133 ～ 147．

葉建華．投資者情緒、公司信息透明度與股市極大日收益率效應 —— 基于中國A股市場的經驗證據［ J］．投資研究，2017（7）：113 ～ 126．

張華平，曹策遠．有限套利是否影響股價特質性波動率的資產定價效應［ J］．管理科學，2021（4）：149 ～ 160．

張金清，李建宇．博彩性投機行為會影響流動性風險溢價嗎？［ J］．東南大學學報（哲學社會科學版），2021（3）：53 ～ 64+147．

鄭振龍，孫清泉．彩票類股票交易行為分析：來自中國A股市場的證據［ J］．經濟研究，2013（5）：128 ～ 140．

Ang A.， Hodrick R. J.， Xing Y.， et al.. High idiosyncratic volatility and low returns：International and further U.S. evidence［ J］．Journal of Financial Economics，2009（1）：1 ～ 23．

Annaert J.， Ceuster M. D.， Verstegen K.. Are extreme returns priced in the stock market？ European evidence［ J］．Journal of Banking & Finance，2013（9）：3401 ～ 3411．

Bali T. G.， Cakici N.， Whitelaw R. F.. Maxing out：Stocks as lotteries and the cross-section of expected returns［ J］．Journal of Financial Economics，2011（2）：427 ～ 446．

Barberis N.， Huang M.. Stocks as lotteries： The implications of probability weighting for security prices［ J］．American Economic Review，2008（5）：2066 ～ 2100．

Boyer B. H.， Vorkink K.. Stock options as lotteries［ J］．The Journal of Finance，2014（4）：1485 ～ 1527．

Brockman P.， ?Guo T.， ?Vivero M. G.， Yu W.. Is idiosyncratic risk priced？ The international evidence［ J］．Journal of Empirical Finance，2022（66）：121 ～ 136．

Brown D. P.， Ferreira M. A.. Idiosyncratic volatility of small public firms and entrepreneurial risk［ J］．Quarterly Journal of Finance，2016（1）：1 ～ 59．

Brunnermeier M. K.， Nagel S.， Pedersen L. H.. Carry trades and currency crashes［ J］．NBER Macroeconomics Annual，2008（1）：313 ～ 348．

Campbell J. Y.， Hilscher J.， Szilagyi J.. In search of distress risk［ J］．The Journal of Finance，2008（6）：2899 ～ 2939．

Chen G.， Ding J.， Zhao X.. A lottery-preference-based explanation of realized kurtosis puzzle in Chinese stock market［ J］．Applied Economics，2019（50）：5466 ～ 5481．

Cheon Y. H.， Lee K. H.. Maxing out globally： Individualism， investor attention， and the cross section of expected stock returns［ J］．Management Science， 2018（12）：5807 ～ 5831．

Conrad J.， Kapadia N.， Xing Y.. Death and jackpot： Why do individual investors hold overpriced stocks？［ J］．Journal of Financial Economics，2014（3）：455 ～ 475．

Daniel K.， Grinblatt M.， Titman S.， Wermers R.. Measuring mutual fund performance with characteristic-based benchmarks［ J］．The Journal of Finance， 1997（3）：1035 ～ 1058．

Fama E. F.， MacBeth J. D.. Risk， return， and equilibrium： Empirical tests［ J］．Journal of Political Economy，1973（3）：607 ～ 636．

Fink J. D.， Fink K. E.， He H.. Expected idiosyncratic volatility measures and expected returns［ J］．Financial Management，2012（3）：519 ～ 553．

Fong W. M.， Toh B.. Investor sentiment and the MAX effect［ J］．Journal of Banking and Finance，2014（46）：190 ～ 201．

Foster G.. Intra-industry information transfers associated with earnings releases［ J］．Journal of Accounting and Economics，1981（3）：201 ～ 232．

French K. R.， James M P.. Investor diversification and international equity markets［ J］．American Economic Review，1991（2）：222 ～ 226．

Fu F.. Idiosyncratic risk and the cross-section of expected stock returns［ J］． Journal of Financial Economics，2009（1）：24 ～ 37．

Garleanu N.， Pedersen L. H.. Liquidity and risk management［ J］．American Economic Review，2007（2）：193 ～ 197．

Grullon G.， Lyandres E.， Zhdanov A.. Real options， volatility， and stock returns［ J］．The Journal of Finance，2012（4）：1499 ～ 1537．

Gu M.， Kang W.， Xu B.. Limits of arbitrage and idiosyncratic volatility： Evidence from China stock market［ J］．Bank Finance，2018（86）：240 ～ 258．

Guo H.， Kassa H.， Ferguson M. F.. On the relation between EGARCH idiosyncratic volatility and expected stock returns［ J］．Journal of Financial and Quantitative Analysis，2014（1）：271 ～ 296．

Guo H.， Savickas R.. Relation between time-series and cross-sectional effects of idiosyncratic variance on stock returns［ J］．Journal of Banking and Finance，2010（7）：1637 ～ 1649．

Hong H.， Kacperczyk M.. The price of sin： The effects of social norms on markets［ J］．Journal of Financial Economics，2009（1）：15 ～ 36．

Huang W.， Liu Q.， Rhee S. G.， Liang Z.. Return reversals， idiosyncratic risk， and expected returns［ J］．The Review of Financial Studies，2010（1）：147 ～ 168．

Jiang D.， Peterson D. R.， Doran J. S.. Short-sale constraints and the idiosyncratic volatility puzzle： An event study approach［ J］．Journal of Empirical Finance，2014（28）：36 ～ 59．

Jiang G. J.， ?Tian Y. S.. Misreaction or misspecification？ A re-examination of volatility anomalies［ J］．Journal of Banking and Finance，2010（10）：2358～2369．

Merton R. C.. A simple model of capital market equilibrium with incomplete information［ J］．The Journal of Finance，1987（3）：483 ～ 510．

Ohlson J. A.. Financial ratios and the probabilistic prediction of bankruptcy［ J］．Journal of Accounting Research，1980（18）：109 ～ 131．

Qadan M.. Risk appetite， idiosyncratic volatility and expected returns［ J］．International Review of Financial Analysis，2019（65）：101372．

Shi Y.， Liu W. M.， Ho K. Y.. Public news arrival and the idiosyncratic volatility puzzle［ J］．Journal of Empirical Finance，2016（37）：159 ～ 172．

Stambaugh R. F.， Yu J.， Yuan Y.. Arbitrage asymmetry and the idiosyncratic volatility puzzle［ J］．Journal of Finance，2015 （5）：1903 ～ 1948．

Wang L. H.， Lin C. H.， Kang J. H.， Fung H. G.. Idiosyncratic volatility and excess return： Evidence from the greater China region［ J］．Finance Research Letters，2016（19）：126 ～ 129．

Zhu Z.， Harrison D. M.， Seiler M. J.. Preference for lottery features in real estate investment trusts［ J］．International Review of Economics and Finance，2020（69）：599 ～ 613．