基于CSAD模型的“元宇宙”带来的羊群效应实证分析

.引言1.1研究背景和意义“元宇宙”是利用各种科技技术构建与传统物理世界平行和交互的虚拟数字世界，是一个新型的互联网应用和社会形态。2021年3月10日，在线游戏创作平台罗布乐思（Roblox）作为“元宇宙”概念股第一股正式在纽约证券交易所上市。随之而来的是微软、海尔、英伟达、字节跳动、Facebook等互联网巨头相继对“元宇宙”进行投资，掀起了国内外“元宇宙”热潮。中国A股市场“元宇宙”概念从2021年10月到2022年1月大幅度增长，带动了主要三个领域的行业发展：VR领域、游戏概念和NFT概念。在短短3个月时间内，“元宇宙”概念股股价成倍上涨，“元宇宙”概念来势汹汹。在“元宇宙”疯狂增长的背后，有很多问题值得我们深思：产业层面尚没有太多相关公司崛起，凭什么A股市场的公司股价飙升。2021年底，随着“元宇宙”概念的几轮暴涨，行情再度升温，吸引了越来越多的投资者参与。对大多数散户投资者来说，专业能力的不足使得他们随波逐流，在网络平台上通过多方消息来进行判断与投资，当大多数投资者都出现这样的行为，那么股票市场上的羊群效应也就出现了。在市场产生波动时，一些投资者往往会出现从众行为，使股票价格出现不正常的涨跌，扰乱股票市场的运作。另一方面，羊群效应的存在也可能导致庄家操纵股市，使散户成为“韭菜”，影响股票市场的公平。在我国A股市场中，不应存在这种非理性的羊群效应，这种非理性的羊群效应会引起市场发生不正常的波动，从而对市场经济产生影响。本文通过研究我国A股市场“元宇宙”概念带来的羊群效应，给出一些基础建议，对我国股市的长远发展和互联网行业的发展有着重大意义。1.2研究方法、研究内容及研究框架1.2.1研究方法为了达到上述研究目标，本文主要采取了文献研究与实证研究法相结合的研究方法。本文通过文献研究法，对国内外关于“元宇宙”和羊群效应文献进行了整理和分析，结合国内外研究文献对羊群效应的成因及表现加以探讨，并提出相应的解决策略和方法。在此基础上，结合我国股票市场的实际情况分析了羊群效应产生原因及其影响因素。结果表明：我国股票市场存在显著的羊群效应；投资者情绪、市场流动性以及信息不对称是导致羊群效应产生的主要原因。再通过实证研究法，选取了“元宇宙”概念股作为样本，进行了羊群效应的描述性统计、平稳性检验、实证回归和稳健性检验，最终得出了我们的结论。1.2.2研究内容本文基于“元宇宙”这一研究背景，选取了“元宇宙”概念股101支，研究了A股市场中“元宇宙”概念带来的羊群效应。本文主要可以分为以下几个章节：引言。介绍了本论文的研究背景，阐述了研究“元宇宙”概念股在我国A股市场中的羊群效应的意义，阐述了本论文的研究内容和研究方法，描述了本论文的研究框架并阐述了本论文的创新点之处。羊群效应研究理论及文献综述。对羊群效应的定义、羊群效应的分类、几种常用的检验羊群效应的模型以及国内外文献综述开展了深入的剖析。理论模型介绍。对本文运用到的CSAD模型进行了构建。我国A股市场“元宇宙”概念羊群效应实证研究。基于获取的文献资料和数据信息，首先展开了描述性统计分析，然后通过CSAD模型对羊群效应指标进行测度以及模型检验，最终得出结果。结论与建议。得出本文结论，同时对政府机构和个人投资者提出了一些相关建议。图1-1研究框架图1.3研究的创新点本文研究了“元宇宙”概念股在A股市场的羊群效应。有以下创新点：关于羊群效应的研究文献已有很多，但“元宇宙”概念板块作为当下热门比较新颖，已有文献没有“元宇宙”和羊群效应相结合的研究，在研究题材方面比较创新，论文采用的数据也比较新。本文从投资方面也给予了投资者一些建议，希望能减少非理性羊群效应行为，正确的进行投资活动，从而保障了股票市场的稳定性。2.羊群效应研究理论及文献综述2.1羊群效应研究理论2.1.1羊群效应的定义随着时代的发展与科技技术的进步，我国金融市场的逐步开放和发展,金融市场的风险也与日俱增。金融市场一旦发生风险，不管是机构投资者还是个人投资者都将遭受巨大的经济损失。由于市场的信息不对称，投资者无法及时、准确地了解金融市场的所有风险因素，这将导致投资者投资失败和资金损失。因此，在中国股票市场中出现了许多非理性行为，如羊群效应，过度自信等。这些非理性行为对中国金融市场的稳定运行与发展产生了巨大的影响。同时，也不利于中国宏观经济的可持续发展。所谓的"羊群效应"就是说在一群羊前面放一根木棍，第一个跳起来，第二个和第三个跟着；然后把棍子移开，后面的羊从这边过来，，仍然像前面的羊一样跳起来，人们把这种现象称为“羊群行为”，即羊群总是沿着一条共同的路线向前运动，而不是按照自己的意志前进。但在自然界中，大多数生物都不会主动去学习新知识，而是按照自己固有的方式生活下去。1852年，CharlesMackey（CharlesMckey）通过一系列现实世界实验发现，人类中间存在类似羊群的盲从。人们对羊群效应的看法多种多样。普遍学者认为，羊群效应主要是由集体非理性引起的。其中一些学者强调羊群效应时间的一致性，认为羊群效应集中表现在许多人同时做同样的事情时时间的同一性。也有学者从心理学角度分析羊群效应的原因和作用机制，认为它与心理账户有关。这些学者都从自己的角度解释了羊群效应。本文将结合国内外研究文献对羊群效应的成因及表现加以探讨，并提出相应的解决策略和方法。本文所提到的羊群效应是指股票市场中的羊群行为，指由于股票市场信息不对称和信息不充足导致投资者盲目跟从他人买入或卖出股票的行为。2.1.2羊群效应的分类（1）真羊群效应与假羊群效应由于投资者自己所掌握的信息的利用程度不同，羊群效应可以分为真羊群效应和假羊群效应。这种市场现象被称为真实（故意）羊群效应，即大多数投资者在投资股票的过程中，盲目模仿他人的投资行为，而不考虑正确投资信息。虚虚假（非故意）羊群效应是指大多数投资者根据正确投资信息进行交易，但这些投资者做出的判断完全相同，因为他们拥有同样的信息和同样的投资习惯。那么真正的股票市场就会看起来像真正的真羊群效应。本文以真实股票数据为样本研究了真（有意的，盲目的）羊群效应及其影响因素。真实（故意）羊群效应的区别在于，真实（故意）羊群效应是指在投资者的引导下，不经仔细考虑和运用个人持有的信息，不受控制地模仿和盲目跟风而形成的；而在虚假（无意）羊群效应中，人们可以根据个人持有的信息进行更理性的交易，最终结果与真实的羊群效应一致。（2）理性羊群效应与非理性羊群效应从经济效益的角度来看，真正的真羊群效应也可以分为非理性型和理性型。什么是羊群效应？羊群效应又叫跟风行为。理性羊群效应是指具有信息劣势或利益冲突，故意投资模仿，以获取利益最大化，导致类似行动决策，从而产生羊群效应；非理性羊群效应是指投资者在交易前不理性思考，对市场信息的获取不到位，跟随大众潮流，简单模仿交易，导致羊群效应的产生。如果投资者在交易过程中以自我利益最大化最大化，那么市场的羊群效应就可以被认为是合理的理性羊群效应；如果大部分投资者的决策不是基于合理的考虑，而是完全不受控制的跟随别人的交易行为，则可以被认为是非理性羊群效应。2.2羊群效应的实证研究方法概述目前，国外对羊群效应的实证分析，主要集中在三个方面：一是对市场有效性的检验，二是对羊群行为成因的解释，三是对羊群行为影响因素的探讨。中国也有很多相关的文献。其中，检测市场上的羊群效应主要有三种方式：LSV、CSSD法和CSAD法。2.2.1LSV法Lakonishok、Shleifer和Vishny(1992)提出了LSV方法，其中，羊群效应被定义为资金管理人同时买卖某些特定股票的平均趋势，主要是通过买卖双方交易量的不均衡来衡量羊群行为，实际上是通过特定投资者群体的交易方式与其购买或出售某些类型证券的倾向之间的相关性来衡量的。计算公式为：其中表示在t季度增持i公司股票的机构投资者占持有i公司股票的机构投资者的比例；表示在t季度增持i公司股票的机构投资者占持有i公司股票的机构投资者比例的期望值；然而LSV方法也存在以下4点缺陷：1.如果同一时期股票数目过低，就有可能发生失真；2.在交易中，买方与卖方均不了解对方的机构数目。所使用的数据只是交易双方的机构数量，没有考虑到股票交易数额；3.选择时间间隔也有困难，因为如果机构投资者的交易间隔不足一个季度，季度数据中就无法发现羊群行为。4.机构投资者和个人投资者它们之间是否具有显着的羊群行为？如果有的话，这种羊群行为在不同市场中表现出什么样的差异？由于缺乏关于机构投资者的微观信息，因此难以准确测试其群体的行为。2.2.2CSSD法Christie和Huang（1995）第一个开发出方法，以衡量羊群羊群行为投资回报率分散度多样化。但是他们并没有考虑到市场上存在着大量不对称信息，这使得羊群行为无法实现对股票收益率进行有效预测。此外，在股票市场中，股票回报率是由多个因素决定的。因此，他们构建了一个横截面回报的标准差度量（CSSD）来度量羊群行为。其计算公式如下：指的是ｔ时刻个股回报率，指的是ｔ时刻组合回报率，ｎ是市场股票数量从资产定价模型来看，当个股收益率低于市场回报率时，投资者就会倾向于持有该公司的股票；反之则不做投资。因此，个股回报率的变化可以看作是羊群行为和非理性情绪共同作用的结果。所以，可通过如下回归模型，检验和的值，来判断是否存在羊群行为：和是虚拟变量，是市场下跌和上涨的衡量指标。根据ｔ时点市场回报率的不同，分别取１或者０值。如果和的值显著为负，那么在上涨和下跌阶段羊群行为都比较明显。2.2.3CSAD法Chang,Cheng,和Khorana(2000)通过深入研究CSSD模型开发了一个CSAD模型，利用与CSAD的绝对横截面偏差来测量离散程度。指的是ｔ时刻个股回报率，指的是ｔ时刻组合回报率，ｎ是市场股票数量。表1-1模型对比模型对比LSV方法CSSD方法CSAD方法数据获取难度困难较简单较简单研究对象机构投资者全部投资者全部投资者检验结果偏差无法判断低估高估假设强度较低较高较高时间选择依赖较高较高较高2.3国内外文献综述Lakonishok、Shleifer和Vishny(1992)创造性地制定了一个羊群效应的LSV评价指标，Werners(1992)在此基础上改进和完善了该指数，形成了LSV方法。但是，由于该指标是基于历史数据而非当前数据，因而无法直接用于分析市场中的羊群现象。Werners（1995）优化了LSV方法的缺点，扩大了羊群行为度量指标，形成了PCM组合变动度量方法，该方法将度量羊群行为的强度和投资者在交易方向上的羊群效应结合在一起，结果更加全面。Christie和Huang（1995）提出了一个CH模型，以CSSD（横截面回报率标准差）作为CH模型的核心指标，研究市场中的羊群行为。在控制其他因素后，CHSD可以有效地识别市场上的羊群现象，在控制其他影响因子后，羊群效应仍然有效。同时也证明了市场的收益率具有明显的非对称性，即股票间收益差异较大且波动性大，表现出高度的同涨同跌特征。个人和组合回报率的回报较不分散，而CSSD与市场回报率呈负相关。当出现羊群行为时，市场参与者会做出不同的决策。个人和组合回报率的回报更为分散，而CSSD则与市场回报率呈正相关利用CH模型，作者通过1995年对美国市场的研究得出结论：在美国市场，羊群行为并不明显。实证结果表明：对于收益率波动性较大的股票,CSSD可以有效地抑制羊群行为。因此,CSSD具有很强的实用性。然而，CH模型有一些缺点，CSSD指标不敏感，容易低估市场中的羊群行为，在波动性较小的市场中很难被发现。胡耀东和陈玲(2009)改进了CCK模型，并使用经修改的CCK模型研究了中国的B股市场，发现中国B股市场也存在明显的羊群行为，深圳B股市场羊群行为强于上海B股市场。阮青松和吕大永(2010)使用CH模型和CCK模型研究了2006712月15日至2008年12月1512沪深300指数的每日交易数据。研究表明，沪深300股指期货在不涨跌幅限制下，具有显着的价格引导功能，而沪深300指数期货市场的信息传导机制与现货市场不同。实证结果表明，我国股票市场在上升过程中呈现轻度羊群行为。这说明我国股市存在着一定程度的"羊群效应",这种现象是由于我国股票市场还处于发展阶段所导致的；同时我们发现沪深300股指期货价格与现货价格之间存在长期协整关系。与传统的混合自回归条件异质模型相比，HAR-MVGARCH类模型在平稳性检验中更为有效，在波动率分析中也得到了同样的结论。在下跌的过程中，我国证券市场羊群行为并不是很明显。3.理论模型介绍Chang、Cheng和Khorana(2000)通过对CSSD模型深入的研究，提出了CSAD模型，利用横截面绝对偏离CSAD来测量离散程度。孙培源和施东辉（2002）以CAPM模型为基础建立了一个更加敏感的模型来检验羊群效应。根据资产定价模型(CAPM):其中，为无风险利率，为股票i的系统风险衡量指标，为市场组合的预期收益率。对上式整理得：对上式求导得：根据资产定价模型，个股收益率的离散程度与市场收益率呈线性关系；但是在实际的投资过程中,CSAD模型会受到投资者心理等因素影响。由于市场信息的不对成以及投资者对股价变化反应不一致，导致其预期偏差，从而产生羊群行为。这可能造成股票价格偏离真实值。因此，本文采用101只沪深A股上市公司的数据进行了实证分析：当股票收益率较低时，CSAD显著上升;当股票收益率中等时，CSAD显著下降。然而，如果投资者在市场压力下羊群行为效应，个股收益率和市场收益率的离散程度不是线性递増关系，而是非线性关系的。也就是说，若市场存在羊群效应，则二次项回归系数将显著为负，二次项回归系数得绝对值越大，则羊群效应越强。4.我国A股市场“元宇宙”概念羊群效应实证研究4.1样本数据选择与处理4.1.1数据选择本文研究的背景为“元宇宙”，所以选取了“元宇宙”概念股101家，数据样本选取时间为2018年3月15日到2022年3月15日以此来研究“元宇宙”概念提出后的A股市场是否出现羊群行为。4.1.2变量的构建本文借鉴了Chang、Cheng和Khorana(2000)改进CSSD模型提出的CSAD模型，CSAD模型以个股收益率对市场收益率的偏离程度为羊群效应的观测变量。在本文中，为适应“元宇宙“概念股板块的特殊性，我们对各个变量做出如下规定：个股收益率指标：CSAD模型对于个股收益率的规定是对数收益率，在本研究中对收益率采用CSAD模型的规定，即上市公司每日收盘价的对数收益率，其计算公式如下：其中，为第t期上市公司i的股价收盘价。市场组合收益率的计算：在对于一般指数的羊群效应研究，如沪深300指数，其市场组合收益率序列都有可直接获得的数据。对于“元宇宙”概念股板块而言，没有可直接获得的“元宇宙”市场组合的收益率数据。因此，在本文中采取常用的流通市值加权收益率为“元宇宙”概念股板块的市场组合收益率，即以各“元宇宙”概念上市公司的流通市值占全部“元宇宙”概念股板块的流通市值为权重。其计算公式为：其中，，第t期上市公司i的流通市值。4.2羊群效应检验4.2.1描述性统计根据上节所述数据处理方式，构造市场组合收益率、市场组合收益率绝对值、市场组合收益率平方以及CSAD四个变量的时间序列，其对应的描述性统计如表1所示：表4-1变量的描述性统计CSAD样本数量972972972972均值0.00020.01500.00040.0171标准差0.01990.01310.00070.0062最小值-0.09390.00000.00000.005925%-0.01140.00490.00000.0125中位数0.00010.01160.00010.015875%0.01190.02150.00050.0203最大值0.06630.09390.00880.0491研究“元宇宙”概念股中羊群效应的关键点，在于厘清“元宇宙”概念的上市公司的收益率对该板块市场组合收益率的偏离程度（CSAD）和市场组合收益率之间的关系。因此，作出CSAD与市场组合收益率的散点图，以便于从图像趋势上判断是否符合模型原假设的趋势。从图1中可以看出，两个变量之间呈现出抛物线的趋势，而非线性关系，从几何上较为符合所建模型。数据点对称分布于市场组合收益率的零轴附近，只存在少量的离群值。图4-1CSAD与市场组合收益率的关系图4.2.2平稳性检验由于本文是由面板数据对横截面进行处理后而得到的时间序列变量，因此需要对每一个回归变量进行平稳性检验。对于不平稳的时间序列，则不能应用于回归，以避免因不平稳而造成“伪回归”现象，即模型中虽然各个解释变量对被解释变量的系数检验显著，但却不能认为解释变量对被解释变量存在的影响。在时间序列的研究与分析中，最常用于检验序列平稳性的是ADF单位根检验，所得结果如表4-2所示。表4-2平稳性检验CSADt-stat-30.3509-5.3558-10.2151-4.3310p-values0.00000.00000.00000.0004根据ADF单位根检验结果可以看出，在1%的置信水平下拒绝有单位根的原假设，即本文所构造的变量数据都显著平稳。1%的置信水平下显著，也意味着本文研究中所选取的“元宇宙”概念股板块数据所构建的样本，在这一个时间范围内具有较强的平稳性。4.2.3实证回归从ADF单位根检验的结果可以看出，三个变量都是零阶单整，因此可以使用OLS对参数进行估计，而不造成“伪回归”。回归结果如表4-3所示：表4-3实证回归结果Includedobservations:972VariableCoefficientStd.Errort-StatisticProb.

常数C0.0142640.00036439.174300.00000.2306530.0336276.8592440.0000-1.5888960.588227-2.7011600.0070R-squared0.103630

Meandependentvar0.017091AdjustedR-squared0.101780

S.D.dependentvar0.006245S.E.ofregression0.005919

Akaikeinfocriterion-7.418332Sumsquaredresid0.033945

Schwarzcriterion-7.403272Loglikelihood3608.309

Hannan-Quinncriter.-7.412600F-statistic56.01343

Durbin-Watsonstat1.423359Prob(F-statistic)0.000000从结果中可以看出，虽然回归的各个变量的p值都小于0.01，但是DW统计量为1.423359，不在其临界值内，这意味着CSAD模型的残差序列存在着一阶自相关。对CSAD模型的残差序列利用EViews软件进行LW检验，LW检验的辅助方程回归结果如表4-4所示：表4-4LW辅助方程回归结果Includedobservations:916afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

常数C0.0004480.0003541.2641520.2065-0.0557550.035513-1.5699790.11680.7980410.6870421.1615620.2457E(-1)0.2166860.0319106.7904520.0000E(-2)0.2539060.0315448.0491950.0000R-squared0.143925

Meandependentvar-8.56E-05AdjustedR-squared0.140166

S.D.dependentvar0.005810S.E.ofregression0.005387

Akaikeinfocriterion-7.604204Sumsquaredresid0.026437

Schwarzcriterion-7.577894Loglikelihood3487.725

Hannan-Quinncriter.-7.594162F-statistic38.28981

Durbin-Watsonstat2.041318Prob(F-statistic)0.000000其中，E(-1)表示残差序列滞后一阶。R-squared和样本量的乘积为130.988，而远大于自由度为2的卡方分布值，而且从辅助方程滞后项的p值远小于0.05，因而可以判断残差序列存在二阶自相关性。以此类推，分别再对3阶和4阶自相关进行LW检验，经过检验发现，残差序列存在四阶自相关性。利用广义差分法，对回归方程进行修正，所得结果如下：表4-5剔除自相关性回归结果VariableCoefficientStd.Errort-StatisticProb.

常数C0.0147860.00059125.028280.00000.1948870.0278127.0074050.0000-1.4129380.483588-2.9217820.0036AR(1)0.1863290.0294326.3307250.0000AR(2)0.2222440.0316677.0180710.0000AR(3)0.0859330.0367672.3372370.0196AR(4)0.0852390.0329122.5898870.0097R-squared0.248828

Meandependentvar0.017091AdjustedR-squared0.243374

S.D.dependentvar0.006245S.E.ofregression0.005432

Akaikeinfocriterion-7.579489Sumsquaredresid0.028446

Schwarzcriterion-7.539330Loglikelihood3691.632

Hannan-Quinncriter.-7.564204F-statistic45.61839

Durbin-Watsonstat1.991120Prob(F-statistic)0.000000通过广义差分法对CASD方程的残差序列自相关性进行修正，R-squared为0.2488，Durbin-Watson统计量为1.9911，位于DW检验分布表的临界值范围内，故可认定CASD方程已经剔除了残差项自相关的影响。同时从回归方程的系数结果来看，在1%的显著性水平下，项的系数为0.1948，显著小于1，项的系数为-1.4129。这表明，一方面，随着市场组合收益率的增大，CSAD也将随之增大；另一方面，随着市场组合收益的增大，CSAD的变化幅度表现出逐渐减小的趋势。CSAD的增幅是减小的，投资者有追逐“元宇宙”概念市场组合收益的行为，“元宇宙”概念板块中个股收益率向该市场组合收益率靠拢，也就表明了“元宇宙”概念板块中存在着显著的羊群效应。4.2.4上涨市场与下跌市场的实证比较在4.2.3小节中，对于“元宇宙”概念板块所进行的羊群效应检验，是在对市场整体上的检验，表明了在整体上“元宇宙”概念股板块中存在着显著的羊群效应。但当面临着市场组合收益率上行或下行时，投资者也会选择不同的投资策略，从而也将引发不同的市场行为。在上行市场中，由于投资者预期未来收益率会逐步上升，从而选择较为激进的入市策略，以免错过上涨的行情；而在下行市场中，由于中国股市对做空机制的限制，出现投资损失而套牢的投资者将不会急于随市场趋势而卖出仓位，而会预留出一定的观察期，再另行决定是否卖出仓位。因而，在上行市场和下行市中，羊群效应的强弱将会表现出不一样的强度。因此，在本小节中，将从上涨市场和下跌市场两个方面，对“元宇宙”概念股板块进行羊群效应的检验与比较。参照上证指数月度K线走势，大致以2018年03月15日到2019年12月31日为股市下跌市场；以2020年01月01日到2022年03月15日的时间区间为股市上涨市场。表4-6下跌市场回归结果Includedobservations:476VariableCoefficientStd.Errort-StatisticProb.

常数C0.0146870.00073419.998050.00000.0882590.0287803.0667170.0023-0.3392400.409575-0.8282740.4079AR(1)0.2723930.0371647.3295230.0000AR(2)0.2938570.0381037.7122000.0000SIGMASQ2.47E-051.30E-0619.051940.0000R-squared0.273116

Meandependentvar0.015858AdjustedR-squared0.266031

S.D.dependentvar0.005838S.E.ofregression0.005001

Akaikeinfocriterion-7.739399Sumsquaredresid0.012831

Schwarzcriterion-7.690244Loglikelihood2014.374

Hannan-Quinncriter.-7.720142F-statistic38.55037

Durbin-Watsonstat2.017585Prob(F-statistic)0.000000表4-7上涨市场回归结果Includedobservations:496VariableCoefficientStd.Errort-StatisticProb.

常数C0.0147510.00053127.753720.00000.3207140.0555235.7762730.0000-2.7847401.119415-2.4876740.0132R-squared0.149901

Meandependentvar0.018406AdjustedR-squared0.146453

S.D.dependentvar0.006334S.E.ofregression0.005852

Akaikeinfocriterion-7.438105Sumsquaredresid0.016882

Schwarzcriterion-7.412662Loglikelihood1847.650

Hannan-Quinncriter.-7.428118F-statistic43.46629

Durbin-Watsonstat1.760445Prob(F-statistic)0.000000从回归结果来看，在上涨市场中，各回归变量均5%的置信水平上显著。项系数为正，而系数为负，这表明上涨市场中“元宇宙”概念股板块中的羊群效应十分显著。同时，在下跌市场中，虽然项系数也为正且系数为负，但是系数缺不显著，这说明不足以解释CSAD的变化，即不能说明在下跌市场中存在羊群效应。综上所述，在“元宇宙”概念股板块中，当市场行情上涨时，羊群效应较为显著，投资者对市场组合收益率较为敏感；而在市场行情下跌时，羊群效应较弱，投资者对市场组合收益率较为迟钝。4.3稳健性检验4.3.1中小盘股和大盘股对比在“元宇宙”概念股板块中，不同上市公司之间流通股本之间存在着显著的差异。在本文研究中，“元宇宙”概念股板块中流通股本最小的是山水比德（300844）6.11亿股，而最大的则是新湖中宝（600208）249.3亿股（截至2022年3月15日）。而中小盘股与大盘股之间，由于自由流通股本量级的不同，因而其个股收益率、投资市场行为等方面也会表现出不同的特征。对此，我们将从中小盘股和大盘股的角度，对“元宇宙”概念股板块的羊群效应进行检验与对比。如果检验中小盘股和大盘股都存在羊群效应，则能在一定程度上验证本文中回归模型的稳健性。在本小节中，将在实证回归数据的基础之上，按照个股自由流通股本数的中位数将元宇宙概念股板块划分为中小盘股和大盘股。其中，中小盘股是指自由流通股数量低于所有个股自由流通股数中位数的部分；大盘股是指自由流通股数量高于所有个股自由流通股数中位数的部分。表4-9大盘股与中小盘股回归变量平稳性检验大盘股中小盘股CSADCSADt-stat-30.436-6.011-10.173-4.433-29.702-5.157-15.840-5.394p-values0.00000.00000.00000.00030.00000.00000.00000.0000首先，对中小盘股和大盘股进行ADF单位根检验，由不同变量的p值我们可以看出，在1%的显著性水平下，我们可以拒绝原假设，而接受备选假设，即大盘股和中小盘股的回归变量都是平稳序列，因而这些变量可以直接用于回归。由于各个变量都是零阶单整，因而在此基础之上，我们再用4.2节同一个回归模型，利用此数据集进行检验，所得结果如表4-10和4-11所示。表4-10大盘股实证回归结果Includedobservations:972VariableCoefficientStd.Errort-StatisticProb.

C0.0143230.00059624.020120.00000.2055070.0304376.7518590.0000-1.4505990.545420-2.6595980.0080AR(1)0.1785790.0279016.4004900.0000AR(2)0.1948480.0299206.5122830.0000AR(3)0.0732840.0370761.9765930.0484AR(4)0.0987510.0315823.1268210.0018SIGMASQ3.13E-051.24E-0625.229030.0000R-squared0.235402

Meandependentvar0.016842AdjustedR-squared0.229850

S.D.dependentvar0.006406S.E.ofregression0.005622

Akaikeinfocriterion-7.515858Sumsquaredresid0.030467

Schwarzcriterion-7.475699Loglikelihood3660.707

Hannan-Quinncriter.-7.500574F-statistic42.39912

Durbin-Watsonstat2.006644Prob(F-statistic)0.000000表4-11中小盘股实证回归结果Includedobservations:972VariableCoefficientStd.Errort-StatisticProb.

C0.0152350.00085217.889220.00000.2016040.0330666.0969880.0000-1.0908410.371534-2.9360490.0034AR(1)0.1858830.0256017.2606790.0000AR(2)0.1700870.0313355.4279750.0000AR(3)0.1131120.0344883.2797480.0011AR(4)0.1081520.0301783.5837920.0004SIGMASQ5.96E-051.70E-0635.097300.0000R-squared0.218395

Meandependentvar0.018089AdjustedR-squared0.212720

S.D.dependentvar0.008736S.E.ofregression0.007751

Akaikeinfocriterion-6.873510Sumsquaredresid0.057914

Schwarzcriterion-6.833351Loglikelihood3348.526

Hannan-Quinncriter.-6.858226F-statistic38.47999

Durbin-Watsonstat2.006991Prob(F-statistic)0.000000从大盘股和中小盘股的实证回归结果中，可以看出大盘股和中小盘股的项的系数都为正值，在0.20附近；项的系数都为负值，其中大盘股的在-1.4505，中小盘股的为-1.090。大盘股项系数的绝对值较中小盘股项系数的绝对值大，这表明相对于中小盘股而言，大盘股中羊群效应较为显著。之所以存在这种非对称的差异，其中一个重要的原因就是因为大盘股具有较大的“交易纵深”，其市场股价调整的背后都是与政府政策、公司重大事项调整这些基本面信息相关，因而具有较大的“模糊地带”，在这方面较为容易出现“从众”现象。从整体上看，中小盘股和大盘股都显著存在羊群效应，因而与整体样本的检验具有一致性，回归方程的有效也得到进一步检验。4.3.2改变时间区间除了按照不同量级股本数的划分方法来检验回归模型的稳健性外，还可以通过改变样本的时间窗口来检验回归方程的有效性。因而，在本小节中，从延长样本的时间窗口，增加样本数量的角度来检验回归方程的稳健性。我们选取从2016年03月15日至2022年03月15日作为检验区间，共计1461个交易日，按照4.2节的分析过程，对回归方程进行稳健性检验。其中，ADF检验结果如下表4-12所示：表4-12改变时间区间后回归变量平稳性检验CSADt-stat-37.041-6.164-8.729-4.606p-values0.00000.00000.00000.0001由不同变量的p值我们可以看出，在1%的显著性水平下，我们可以拒绝原假设，而接受备选假设，即改变时间区间后的回归变量都是平稳序列，因而这些变量可以直接用于回归，而不至于出现“伪回归”现象。按照4.2节步骤，对改变时间区间后的回归变量进行回归，其回归结果如表4-13所示：表4-13改变时间区间的实证回归结果Includedobservations:1461VariableCoefficientStd.Errort-StatisticProb.

C0.0145350.00040935.550360.00000.1720260.0179769.5696500.0000-0.8889650.309795-2.8695300.0042AR(1)0.2295460.0239949.5666690.0000AR(2)0.2198620.0240859.1285720.0000AR(3)0.1095450.0272414.0213240.0001AR(4)0.0826620.0249173.3174900.0009SIGMASQ1.80E-055.39E-0733.470000.0000R-squared0.345128

Meandependentvar0.016522AdjustedR-squared0.341973

S.D.dependentvar0.005249S.E.ofregression0.004258

Akaikeinfocriterion-8.074469Sumsquaredresid0.026339

Schwarzcriterion-8.045519Loglikelihood5906.399

Hannan-Quinncriter.-8.063670F-statistic109.3935

Durbin-Watsonstat2.012957Prob(F-statistic)0.000000如表4-10改变时间区间回归结果所示，在1%的显著性水平上，项的系数为正，且项的系数为负，表明在该时间区间内，元宇宙概念板块出现了显著的羊群效应。但在该区间内，项的系数绝对值较4.2节中的时间区间低，表明在延长样本时间区间后，羊群效应较为平缓。这其中的原因主要是因为在2015年后我国股市出现了一段较为长期的下行区间，而在4.2.4中的研究表明在下行市场中的羊群效应较上行市场中的羊群效应弱，所以出现了延长时间区间后羊群效应较为平缓的现象。结论与建议5.1研究结论本文基于CSAD模型研究了偏离度指标与市场收益率之间的相关性,验证了我国A股市场的羊群效应。然后以中国A股市场“元宇宙”概念股的实际数据为基础，对A股市场的羊群行为进行了研究。最后，针对政府机构和个人投资者提出完善我国股票市场建设的政策建议。本文以文献研究和实证分析为主要手段，对我国A股市场是否存在明显的羊群效应进行了探讨，并从不同角度论证了我国A股市场具有较强的有效性。通过理论与实践的结合，得出以下结论：第一，投资者有追逐“元宇宙”概念市场组合收益的行为，“元宇宙”概念板块中个股收益率向该市场组合收益率靠拢，也就表明了“元宇宙”概念板块中存在着显著的羊群效应；第二，在“元宇宙”概念股板块中，当市场行情上涨时，羊群效应较为显著，投资者对市场组合收益率较为敏感；而在市场行情下跌时，羊群效应较弱，投资者对市场组合收益率较为迟钝。因此，投资者需要提高信息获取和完善自身投资理财的能力，正确判断投资的时机，精准选取投资对象，并建议相关上市公司加强信息的披露，使其公开、完整、透明、有效。5.2.对监管者的建议5.2.1加大信息披露监督力度发生羊群效应的原因之一就是市场信息不对称，许多投资者由于无法及时获得有效信息，选择盲目跟随行为。投资者只有在掌握了及时有效的信息时，才能减少盲目从众的行为，结合市场情况准确的进行判断，自主决定是否跟随，而不是因为信息的缺乏而成为盲目跟随的羊。5.2.1加强对投资者的投资理财教育只有提高了投资者的投资素质，整个市场的质量才能提高。对于大多数散户而言，投资理念的匮乏导致了自身投资败多胜少，我认为提升散户投资素养应充分利用互联网教育，在短视频平台，微信公众号，社交平台等网络平台充分宣传投资理财知识和证券相关基础理论。5.3对投