一、引言與文獻回顧

從現有研究文獻角度來看，國內外學者對證券投資基金在資本市場上的作用也是爭論不一：

Schuppli & Bohl（ 2010） 以 2002 年 12 月中國 A 股市場所有權放開前后為“自然實驗”,重點分析國內個人投資者與國外機構投資者“趨勢追逐”現象，發現： 國外機構投資者的存在有利于中國資本市場的穩定； Bohl et al（ 2009） 通過對波蘭機構投資者的研究得出了相同的結論，Barber（ 2003） 、Faugere &Shawky（ 2003） 等學者也認為基金有投資者對資本市場的穩定起到了正面的作用； Kling & Gao（ 2008）對中國機構投資者投資情緒進行了研究，發現： 在短期內機構投資者“動量交易”行為較明顯，股市負收益容易造成投資者自信心下降，加劇了資本市場的波動； Chang & Dong（ 2006） 以 1975 年 1 月至2002 年 12 月日本東京證券交易所上市非金融公司股票交易數據為研究對象，從股票組合（ 整體層面） 和單個股票（ 公司層面） 兩方面進行了實證研究，發現： 機構持股變動與機構羊群效應存在強烈的正相關關系，機構羊群效應與公司收益都與股票特有波動正相關，從而得出機構投資者造成資本市場波動的結論，岳意定、周可峰（ 2009） 、蔡慶峰、宋友勇（ 2010） 等通過研究得出了相同的結論； 此外，以Lakonishok et al（ 1992） 、何佳等（ 2006） 、劉奕均、胡奕明（ 2010） 、Li & Steven Shuye（ 2010） 等為代表的學者認為機構投資者與資本市場波動之間沒有必然的聯系，其對資本市場的影響應該具體分析股市具體情況以及投資者類型而定。在分析方法上，國外學者主要以理論研究為主，數據分析為輔助，國內學者分析大多數為以數據為基礎的實證分析，胡大春和金賽男（ 2007） 開創了面板數據分析該問題的先河，后續學者的對該問題的分析將各類面板數據模型及時間序列模型納入了分析方法范圍。

本文在先前學者研究的基礎上，首先使用動態面板的方法從整體角度研究證券投資基金與資本市場關系，后將“分量回歸”的方法應用于波動性研究，從而能夠更加深入的研究機構投資者對不同波動情況的股票產生的影響，這是本文的最大創新點。

二、變量設計、樣本選取與模型介紹

（ 一） 變量設計

本文主要研究證券投資基金持股與資本市場波動性的相關關系，選取的主要指標有： 證券投資基金季度持股比例（ fund ） ,即所有證券投資基金季度末持有某一支股票市值占該股票流通股市值比例； 股票收益的波動率，即股票日收益（ ri） 的季度標準差。由于每一只股票都處于我國資本市場這個大環境中，其波動受到了來自市場的影響，所以股票的波動即包含其自身的波動，又包含受市場影響所產生的波動?；诖?，在本文中我們將股票的波動分為整體波動（ σr2） 和去掉市場影響的特質性波動（ σu2） ,具體分解過程如下：

此外，還有一些變量同樣對收益的波動率產生影響，本文將其作為控制變量，包括： 換手率（ hsr ） ,某一只股票的成交量占其流通數量的比例； 公司流通股市值對數（ lnMV ） ,即股票日市值數據季度平均數的對數值； 股票季度收益率（ r ） ,即股票日頻率收益率的季度平均值。為了區分在大盤上升和大盤下降的情況下基金持股對資本市場波動的影響程度，本文加入了虛擬變量（ T ） ,若大盤收益為正，T = 1; 大盤收益為負，T = 0.我們選取上證綜指的收益率作為大盤收益率①（ rm） .

（ 二） 樣本選取

為了從微觀角度綜合反映我國資本市場的情況，本文以 2004 年 4 月 1 日至 2012 年 3 月 31 日上證 180 指數與深證 100 指數成分股季度數據以及基金持股季度數據為研究對象對基金持股與股票市場波動性進行研究。所有樣本股票均在 2004 年 3 月份之前上市，剔除只有基金年度持股數據的成分股，最終確定了 218 只股票，32 個季度。本文數據主要來源于 RESSET 金融研究數據庫、國泰安 Csmar數據庫和金融界網站 ,所使用的分析軟件為 stata10. 0.

（ 三） 模型介紹

首先，本文以因變量（ 整體波動、特質性波動） 滯后一期的動態面板數據模型為基礎模型，采用“系統 GMM”（ Blundell and Bond 1998） 的方法探究機構投資者在資本市場中所起的作用，并對擾動項差分進行二階差分自相關檢驗，當二階差分自相關檢驗無法通過時我們采用“添加高階滯后項”和“允許擾動項服從低階移動平均”兩類方法對模型予以修正，文中將報告兩類修正后的分析結果。其次，如果通過分析我們發現上述模型因變量的滯后項無法均通過顯著性檢驗，我們將采用考慮殘差項存在“組內異方差、組內自相關、組間截面相關”普通面板分析的方法進行研究。最后，我們考慮到上述模型著重考察基金持股或基金持股變化對股票整體波動與特質性波動條件期望的影響是均值回歸，僅僅代表一個指標，為了更進一步刻畫基金持股對資本市場波動在整個條件分布上的影響，提供二者關系更為完整的計量關系，減少數據異常、數據分布不對稱等因素對計量結果的影響，我們引入了“分量回歸”,進一步對基金持股與資本市場波動進行的分析（ 僅考慮了基金持股與其交叉項） .

三、實證結果

（ 一） 面板數據分析結果

根據上文所述模型，我們首先以滯后一期的動態面板數據模型為基礎對基金投資者與股市的波動性（ 整體波動與特質性波動） 進行研究，所得結果如下表所示：

如上表所示，在以持股比例、持股比例變動對股票整體波動進行擬合時，基礎模型一階滯后項系數在 1%水平上顯著，說明了整體波動序列存在“慣性”,基礎模型一階差分、二階差分檢驗 P 值顯示接受“擾動項無自相關”的原假設，說明了模型建立的合理性。在對整體波動影響因素加以控制之后，我們發現多數解釋變量在 5%水平上顯著，而且持股比例和交叉項的系數均至少在 10% 水平上顯著，持股比例系數為正，交叉項系數為負且絕對值小于持股比例系數。

在以持股比例、持股比例變動對特質性波動進行擬合時，基礎模型無法通過擾動項二階差分自相關檢驗，上表給出了采用兩種修正模型擬合后的分析結果（ 采用“添加高階項”的方法進行修正時，需要添加到滯后 3 項） : 多數解釋變量均在 1%水平上顯著，而且持股比例和交叉項的系數也均在 1% 水平上顯著，持股比例系數為正，交叉項系數為負且絕對值小于持股比例系數。

從對樣本股票整體波動、特質性波動與證券投資基金持股（ 或基金持股變動） 的相互關系研究中，我們得到了相同的分析結論： 無論大盤收益為正（ T = 1） 或為負（ T = 0） ,基金持股比例的增多均會顯著地導致股市波動的增大； 當大盤收益為正（ T = 1） 時，這種加劇資本市場波動的程度會下降。

（ 二） 分位數分析結果

為了更進一步刻劃基金持股對資本市場波動在整個條件分布上的影響，提供二者關系更為完整的計量關系，減少數據異常、數據分布不對稱等因素對計量結果的影響，我們采用分位數模型對該問題進行分析，具體驗證結果如下所示：

上表是相關變量進一步統計性分析的結果，從中我們可以看到： 整體波動、特質性波動、換手率、股票市值對數、收益率、持股比例、交叉項均存在輕微程度右偏的現象，我們采用分位數回歸的方法來尋找變量之間的相關關系是合理的。

在對參數進行估計時，我們選取了 9 個分為點： 分別取值 10%、20% ……80%、90%,在上文的基礎上我們進一步分別分析股票整體波動與特質性波動由低到高處于10%、20%……90%位置時，基金持股比例的影響。下表包含了各控制變量與基金持股變量在各個分為點的估計值，所采取的方法是以自助法（ Bootstrap） 重復400 次所得的結果： 表四是股票整體波動分位數的估計結果，表五是股票特質性波動的估計結果； 進一步，把分位數回歸系數隨著分位數的變化情形以圖形來直觀的表示，我們得到圖 1 整體波動分位數回歸系數變化趨勢圖與圖2 特質性波動分位數回歸系數變化趨勢圖。具體如下：

表 4 和圖 1 分別代表股票整體波動分位數回歸結果與系數變化趨勢圖，我們可以看出： 股票整體波動分位數回歸結果中，基金持股比例系數在各個分位數上均為正且顯著，交叉項的系數在各個分位數上均為負、顯著且其絕對值小于相同分為點上基金持股比例的系數值，這與上文分析得出的結論是一致的： 無論大盤收益為正（ T = 1） 或為負（ T = 0） 時，基金持股比例的增多均會顯著地導致股票整體波動的增大，當大盤收益為負時，基金造成的波動較為劇烈； 當大盤收益為正時，基金持股造成資本市場波動的程度下降。

從表 4 與圖 1（ 第二行第一列） 中我們進一步可以看出，隨著分位數的增加，持股比例的分位數回歸系數呈上升后下降的趨勢，這表明持股比例對股票整體波動的條件分布左端的影響較小，對股票整體波動的條件分布右端的影響較大，就是說基金持股比例的增加對于整體波動低的股票產生的影響較小，對整體波動性高的股票產生的影響較大，產生的最大影響約在 85%分位數左右。

交叉項的分位數回歸系數呈先下降后略微上升的趨勢，這表明交叉項對股票整體波動的條件分布的右端影響較小，左端影響較大，就是說交叉項數額的增大對于整體波動低的股票影響較大，對整體波動性高的股票影響較小，產生的最小影響約在 90%分位數上。

表 5 和圖 2 分別代表股票特質性波動分位數回歸結果與系數變化趨勢圖，從表中我們可以看出：

股票特質性波動分位數回歸結果中，基金持股比例系數在各個分位數上均為正且顯著，交叉項的系數除了 10%分位數外的其他分位數上均為負且顯著； 在 10% 到 60% 分位數上，交叉項的絕對值小于相同分為點上基金持股比例的系數值，這說明無論大盤收益為正或為負時，基金持股比例的增多均會顯著地導致股票整體波動的增大，當大盤收益為負時，基金造成的波動較為劇烈； 當大盤收益為正時，基金持股造成資本市場波動的程度下降，這與以上的分析結果是相同的。

值得一提的是： 在 70%、80%、90%分位數上，交叉項的絕對值大于相同分為點上基金持股比例的系數值，并且差距有逐漸放大的趨勢，這說明在此分位數上大盤收益為負時，基金加劇了股市的波動，而在大盤收益為正時，基金持股有助于資本市場的穩定，該結論與上文研究所得出的結果是不同的。

我們認為剔除了市場的影響之后股票的特質性波動代表了股票自身的特性，具有較大波動性的股票一方面存在較大的風險，另一方面也為基金投資者帶來了更多的獲取高額收益的機會。對于此類股票，基金投資者對其反應較為敏感，在大盤收益為負時，此類股票的損失要大于波動性較小的股票，基金投資者會立即大幅度拋售，避免損失的擴大，這也體現在其持股比例項的系數要遠大于對整體波動進行分位數回歸所得的系數； 而當基本面形勢大好，大盤收益為正時，此類股票又能夠獲得高于其他股票的收益，基金投資者希望能夠鎖定這種收益，最好的方法莫過于保持該類股票的穩定，降低其收益的波動程度，故而起到了穩定股市的作用。

進一步我們把分位數回歸系數隨分為數變化情形以圖形來直觀表示，從圖 2（ 第二行第一列） 中我們可以看出，隨著分位數的增加，持股比例的分位數回歸系數呈先上升后下降的趨勢，持股比例對股票特質性波動的條件分布兩端影響較小，對條件分布中間部分的影響較大，就是說基金持股比例的增加對于特質性波動低的股票與特質性波動性高的股票產生的影響較小，對特質性波動處于中間位置的股票產生的影響較大，產生的最大影響約在 85%分位數左右； 交叉項的分位數回歸系數呈先下降后略微上升的趨勢，這表明交叉項對股票特質性波動的條件分布的右的影響較小，左端的影響較大，交叉項數額的增大對于特質性波動低的股票影響較大，對特質性波動高的股票影響較小，產生的最小影響約在 85%分位數上，隨著分位數的增加。股票特質性波動分位數回歸圖顯示系數變化趨勢與整體波動分位數回歸系數變化的趨勢是相類似的，不同點在于系數變動幅度大幅度增加。

分位數回歸分析的結果一方面作為前文分析的補充，得到了與前文分析大體一致的結論，結果比較穩健，說明了基金投資者整體來講沒有起到穩定資本市場的作用，反而增大的資本市場波動，尤其是在大盤收益為負時更為明顯； 另一方面又通過分析基金持股對資本市場波動在整個條件分布上的影響，提供二者關系更為完整的計量關系，并通過圖形形象、直觀的說明了隨著分位數變動持股比例及交叉項系數的變動趨勢； 更重要的是，通過分位數回歸分析進一步深入的挖掘出了前文沒有得出的結論： “在股票特質性波動高分位數處，當大盤收益為正時，基金投資者起到了穩定股市的作用”,盡管從文中分析這個結論僅適用于特質性波動較大的股票，也僅適用于大盤收益為正的情況，無法影響全局的分析結論，但是我們仍然能夠慶幸通過分位數回歸鎖定了這樣的股票與基金持股的特殊相關關系。

四、結 論

動態面板模型的結果表明： 無論以股市整體波動還是特質性波動作為研究對象，無論大盤是上升還是下降，證券投資基金都會加劇資本市場的波動，本文對基金投資者穩定股市的作用提出質疑； 更進一步，我們分析了大盤上下行時，其作用的差異，發現在大盤處于下降狀態時，證券投資基金對資本市場造成的波動更為劇烈。

分位數回歸模型的結果表明： 以股市整體波動作為研究對象時，其結論與動態面板模型結果相同； 以特質性波動作為研究對象時，我們發現： 股票特質性波動性高分位數處且大盤收益為正時，基金投資者確實起到了穩定股市的作用。

主要參考文獻：
[1] Barber B. M. ,Odean T. . 2003. All that Glitters,the Effect of Attention and News on the Buying Behavior of Individualand Institutional Investors [J]. Review of Financial Studies,21（ 2） : 785-818.
[2] Bohl M. T. ,Brzeszczynski J. ,Wilfling B. . 2009. Institutional investors and stock returns volatility: Empirical evidencefrom a natural experiment[J]. Journal of Financial Stability,5（ 2） : 170-182.
[3] Chang E. C. ,Dong S. . 2006. Idiosyncratic Volatility,Fundamentals and Institutional Herding: Evidence from the Japa-nese Stock Market[J]. Pacific-Basin Finance Journal,14（ 2） : 135-154.
[4] Faugere C. ,Shawky H. A. 2003. Volatility and Institutional Investor Holdings in a Declining Market: A Study of Nasdaqduring the year 2000[J]. Journal of Applied Finance,5（ 2） : 32-42.
[5] Kling G. ,Gao L. 2008. Chinese institutional investors' sentiment[J]. Journal of Institutional Financial Markets,Institu-tions and Money,18（ 4） : 374-387.
[6] Lakonishok J. ,Shleifer A. ,Vishny R. W. . 1992. The impact of institutional trading on stock prices[J]. Journal of Fi-nancial Economics,32（ 2） : 23-43.
[7] Schuppli M. ,Bohl M. T. . 2010. Do Foreign Institutional Investors Destabilize China's A-Share Markets? [J]. Journalof International Financial Markets,Institutions and Money,20（ 1） : 36-50.
[8] Wei L,Steven S W . 2010. Daily Institutional Trades and Stock Price Volatility in a Retail Investor Dominated EmergingMarket[J]. Journal of Financial Market,13（ 4） : 448-474.
[9] 蔡慶豐，宋友勇。 2010. . 超常規發展的機構投資者能穩定市場嗎？ ----對我國基金業跨越式發展的反思[J].經濟研究，（ 1） : 90-101.
[10] 胡大春，金賽男。 2007. 基金持股比例與 A 股市場收益波動率的實證分析[J]. 金融研究，（ 4） : 129-142[11] 何佳，何基報，王霞等。 2007. 機構投資者一定能夠穩定股市嗎？ ----來自中國的經驗證據[J]. 管理世界，（ 8） : 35-42.
[12] 劉奕均，胡奕明。 2010. 機構投資者類型與股票市場波動實證研究[J]. 軟科學，（ 6） : 111-114.
[13] 岳意定，周可峰。 2009. 機構投資者對證券市場價格波動性的影響-基于 Topview 數據的實證研究[J]. 中國工業經濟，（ 3） : 140-148.