论文：投资组合驱动的处置效应
An L, Engelberg J, Henriksson M, et al.. The Portfolio-Driven Disposition Effect. The Journal of Finance，2024，79（5）: 3459-3495.
下载地址：
https://doi.org/10.1111/jofi.13378
作者在研究美国和中国的档案数据以及实验中发现了投资组合驱动的处置效应（PDDE），如果投资组合处于盈利状态，对股票的处置效应显著减弱，但当投资组合处于亏损状态时，处置效应很强。PDDE对回归规范中的各种控制具有鲁棒性，并且不能用极端回报、投资组合再平衡、税收因素或投资者异质性来解释。证据表明，投资者在股票和投资组合水平上形成了心理框架，这些框架结合起来产生了PDDE。
原始数据包括1991年1月至1996年11月期间约7.8万个家庭、约15.8万个账户的交易活动，将每次购买股票视为新头寸的开始，在投资者首次出售部分或全部持股的日期视为结束。作者对原始数据集进行了过滤，并做出了几个简化的假设：首先，数据只包含被认定为普通股并出现在证券价格研究中心（CRSP）的证券。其次，删除任何负佣金的账户股票，因为它们可能对应于反向交易。第三，删除卖空交易的账户股票，以避免在投资组合持有的价值加权平均价格（VWAP）中出现任何虚假陈述。第四，排除了没有购买价格信息的头寸，这主要是由于投资者在样本周期开始之前购买了股票。最后，由于作者关注的主要问题是投资组合收益对投资者行为的影响，因此只保留持有至少两只普通股的会计日。完成数据筛选后得到了一个包含110,554,055个（账户、股票和日）观察值的数据集。中国经济数据集从2000年起至2009年，股票价格和分布信息来自中国股票市场和会计研究数据库（CSMAR）。经过与上述同样的数据筛选，结果数据集包含97,000个独立投资者和84,793,767个（账户、股票和日）观察值。注意中国投资者的交易频率远高于美国投资者，投资者的日均卖出概率在1.8%至8.7%之间，而美国投资者的日均卖出概率在0.2%至0.4%之间。![]()
在账户(i)、库存(j)和日期(t)层面进行观察，对于每一个账户-股票日，![]()
是投资者i在第t天之前没有卖出的条件下第t天卖出头寸j的概率，![]()
是基线风险。此外，如果股票回报因为购买（价格/VWAP−1）是严格的正，增益是一个等于1的虚拟变量，否则为零。在这种结构下，风险比exp（β1）衡量的是卖出盈利头寸的概率与卖出亏损头寸的概率之比。以往的许多研究表明，β1为正且具有统计学意义，或者exp（β1）显著大于1，表明投资者更倾向于平掉赢仓而非亏仓。
文章的研究重点在于处置效应与投资者投资组合绩效之间的关系，作者通过下式来分析这种关系：
![]()
Portfolio Gain是一个虚拟变量，表示投资者的股票投资组合是盈利还是亏损。在计算该变量时，首先将投资者当日所有股票仓位的收益/亏损（以美元计）相加。在公式（2）中，我们主要关注的系数是β3，即交互项的系数，它代表了纸张收益投资组合和纸张损失投资组合的处置效应的比率差异。在公式（2）中，exp(β1) 表示纸张损失投资组合的处置效应，而 exp(β1+β3) 表示纸张收益投资组合的处置效应。
PDDE可以用简单的图1来说明。处置效应可以看作是绿色条（获利卖出的概率）和红色条（亏损卖出的概率）之间的差异，黑条（代表所有股票）显示加权平均值。为了说明PDDE，作者在两种不同的情况下重现这些概率：投资者的投资组合盈利（标记为“>0”）和投资者的投资组合亏损（标记为“≤0”）。PDDE指的是处置效应在投资者的投资组合亏损的情况下比盈利时强得多。在面板A中，卖出给定股票的无条件概率约为0.24%，如果再加上某只股票的收益为正（绿柱）这一条件，投资者卖出的概率就会增加到 0.27%。获利卖出与亏损卖出的概率之比（差）约为 1.42（8 个基点），换句话说，投资者卖出收益的概率比卖出亏损的概率高出约 42%（0.27%/0.19% - 1）。如上所述，中国样本投资者的交易频率要高得多：无条件卖出某只股票的概率约为3.62%，是美国样本的15倍以上。然而，中国投资者卖出获利与亏损的概率之比约为3.73（5.77%）。换句话说，投资者获利卖出的可能性约为273%(7.88%/2.11%−1)，这表明中国数据中存在很强的处置效应。PDDE在中国样本中也很强：收益投资组合的处置效应比下降到约1.73(3.69%)，亏损投资组合的处置效应比（差异）增长到约3.56（4.71%）。这些处置效应比率表明，当投资者的投资组合出现账面亏损（盈利）时，他卖出获利的可能性比卖出亏损的可能性高256%（73%）。在所有规格中，交互项（增益*投资组合增益）的系数在美国数据中为- 0.58至- 0.86，在中国数据中为- 0.15至- 0.44。这些系数表明，当投资组合处于盈利状态时，处置效应相对于投资组合处于亏损状态时显著下降。例如，在首选的账户分层规范（列(4)）中，增益系数表明，当投资组合处于亏损状态时，已实现收益比例（PGR）与已实现损失比例（PLR）之比为2.64 。当投资组合处于盈利状态时，PGR/PLR降至1.17 。在相同规格的中国数据中，PGR/PLR从亏损投资组合的2.11下降到盈利投资组合的1.36。从图2中观察到配置效应，两个面板的右半部分趋向于红色，这表明销售活动增加，而左半部分趋向于蓝色，这表明销售活动减少。处置效应的具体模式在两个样本中是不同的——在美国样本中有一个v形的销售时间表，而在中国样本中有一个反v形的销售活动，销售活动的增加接近于零。当我们向下移动图2的每个面板（表明投资组合的表现有所改善）时，我们看到卖出输家（每个面板的左半部分）的相对概率显著增加。相反，投资组合的表现对卖出获胜股票的倾向的影响要弱得多（每个面板的右半部分）。这种模式出现在美国和中国的样本中，表明当我们控制未观察到的账户异质性时，PDDE似乎是由投资组合回报对出售亏损头寸倾向的影响所驱动的。这部分将研究PDDE如何随个人和投资组合的特征而变化。对于投资者特征，我们研究了年龄、性别和交易频率。投资者被分为三个年龄段：1至40岁、41至55岁和55岁以上。交易频率计算为投资者在整个样本期内的无条件卖出倾向，把所有的投资者分成两个交易频率组：高于和低于中位数的。对于投资组合特征，我们测试了持有期对PDDE的影响。我们研究了最大持有期限的两种变化，20天和250天。表三得出了几点看法。首先，我们发现投资组合收益的调节效应在不同年龄和性别群体中是相似的，但在美国（中国）样本中，高（低）交易频率投资者的调节效应略大其次，在美国和中国样本中，持有期越长，PDDE越大。最后，在所有子样本中，投资组合收益对配置效应的调节作用仍然很强，美国样本的负交互系数为- 0.501至- 0.849 (t统计量为- 9.64至- 41.64)，中国样本的负交互系数为- 0.274至- 0.606 （t统计量为- 47.66至- 91.48）。在匹配分析中，作者通过比较不同投资者拥有的相同头寸来近似理想实验。具体来说就是保持股票和购买日期相同，并关注投资者之间的投资组合回报差异。在表4的(1)和(2)列中发现，无论是按账户分层还是按股票购买日期分层，相互作用项的系数都是负的，并且非常显著。对中国样品重复上述分析，相互作用项的系数保持为负且高度显著这六种规格的结果大致相似。增益和增益投资组合增益项的相对大小与表2中的基线估计相似，这表明PDDE不是由与投资组合的收益/损失状态相关的未观察到的股票水平特征驱动的。
表4 配对样品分析
![]()
![]()
在前一节中，我们比较了投资组合处于盈利和亏损状态的投资者在同一时间点对同一只股票的卖出决策。这在档案环境中是最接近理想的，而我们可以在一个实验中更接近理想的环境，在这个实验中，我们可以做一些在档案环境中不可能做的事情：(i)让同一交易者在同一天面对投资组合的收益和损失，并观察其在这些条件下的不同行为；（ii）告知每个交易者股票数据生成过程，以尽量减少交易者之间的信息差异；（iii）控制向交易者显示信息。实验招募来自中国的大学本科生和来自MTurk的志愿者（“MTurkers”），交易数据有四种虚构的股票，分别标为A、B、C和D，它们的价格随机变化。每个交易游戏持续12轮。在前两轮中，受试者只是观察股票价格，不能进行交易。在第3轮到第12轮中，受试者可以使用他们的实验现金使用“购买”按钮购买股票，如果他们拥有股票，他们可以使用“出售”按钮出售股票。每个受试者玩这个12轮股票交易游戏共四次。受试者不得借现金或做空。股票价格每一轮的演变都遵循以下两个独立的过程：股票价格的上涨或下跌是随机决定的，价格变化的不同幅度概率是相等的。价格变化的幅度与价格是上涨还是下跌无关。表5第(1)列至第(3)列中增益的正系数表明在实验环境中存在着强烈的处置效应。在每种规格中交互作用的系数都是负的，并且在统计上是显著的，这与受试者表现出的 PDDE 是一致的。这些结果提供了PDDE在一个控制良好的环境中成立的证据，在这个环境中，通过同一个人在同一天暴露于投资组合收益和投资组合损失，可以观察到她表现出处置效应的不同倾向。论文验证了PDDE不是前期研究的各种可能机制的一种表现，包括了等级效应、税收因素、投资组合再平衡和处置效应的投资者异质性。在本节中，我们提供的证据表明，投资者在做决策时同时使用两个独立的框架——股票层面和投资组合层面，从而产生了PDDE。
投资组合中其他资产的相似程度决定了该组合中的重点资产。如果投资组合层面的框架驱动着 PDDE，那么相似性就可以直接预测：与核心股票最相似的资产，即最有可能与核心股票处于同一心理账户中的资产，应该对 PDDE 有最大的贡献。有鉴于此，我们进行了两项基于相似性的测试。
一个家庭在美国折扣经纪公司可以拥有多个账户，同一个账户中的两只股票比不同账户中的两只股票更有可能被考虑在同一个投资组合中，即使多个账户中的所有股票都对家庭财富有贡献。我们将家庭收益分解为与重点股票在同一账户的股票和与重点股票在同一家庭不同账户持有的股票，将方程(2)修改如下：
![]()
是与焦点股票j在同一账户的其他股票的收益，![]()
是所有家庭股票的收益，不包括与焦点股票j在同一账户中的股票。β3衡量了股票组合绩效对来自与重点股票相同账户绩效的配置效应的调节作用，而β5则捕捉了来自其他账户的家庭收益的调节作用。
为了分解家庭收益，我们将每个账户内的资本收益相加，并将其归一化为整个家庭的成本基础之和。因此，一个家庭的账户收益之和等于整个家庭的收益。此外，跨账户积累的资本收益具有可比性，因为β3和β5都捕获了相同金额的家庭回报的边际效应。对于这些测试，我们要求一个家庭至少有两个账户。最后的样本有大约5000万个账户股票日期观察值。
表6 其他家庭账户对投资组合绩效的影响
![]()
在表6中，我们将家庭收益分解为与重点股票在同一账户中的股票和在不同账户中持有的股票。与投资组合水平框架的预测一致，PDDE在差异后趋于缓和。在前一节中，我们衡量了同一家庭中不同账户的股票相似性。本节利用单个经纪账户中单个资产的特征，探讨不同资产类别的投资组合收益是否以相同的方式影响美国股票的配置效应。为了进行资产类别相似性分析，我们将式(2)中的基线模型修改为：m表示以月为单位的时间，![]()
是来自美国普通股，不包括焦点股票j的账户i的投资组合收益，![]()
是账户i从另一类资产类别的投资组合收益。β3衡量美国普通股投资组合绩效对配置效应的调节作用，β5衡量不同资产类别投资组合收益的调节作用。数据把投资者的资产分为美国普通股、外国股票（主要是加拿大股票和美国存托凭证）、开放式共同基金、期权和其他股票类证券（主要是封闭式共同基金、有限合伙企业和优先股），通过将资产类别内的资本收益相加并通过整个投资组合的成本基础将其正常化来计算所有资产类别的回报，以便所有资产类别回报的总和等于整体投资组合回报。数据使用所有资产类别证券持仓文件中的月度价格信息，限定投资者在一个月内至少持有两只普通股以及任何其他资产类别的证券，最后的样本包含了大约70万个账户-股票-月份观测值。表7 不同资产类别对投资组合表现的影响
![]()
在表7中，我们分解了整体投资组合的回报，并将美国普通股的资本收益与其他四个类别的资本收益逐一进行比较，观察到美国普通股投资组合（不包括焦点股票）的调节效应在所有规范中都具有高度统计显著性。此外，其他资产类别产生的资本利得的调节作用明显小于美国普通股，这表明β5的幅度小于β3。从经济上讲，投资组合中其他美国普通股产生的每单位资本收益的调节效应比外国股票高25%(83.0%/66.5%−1)，比其他股票型证券高24%（84.9%/68.5%−1）。这些发现为投资组合水平框架提供了额外的证据：当资产相似时更有可能与焦点股票处于相同的心理账户中，这些资产比不相似的资产产生更强的PDDE。综上所述，结果表明PDDE在资产和账户相似性方面都在增加，投资者不仅在股票层面也在投资组合层面构建框架，这两个框架的结合产生了PDDE。处置效应是一种存量级现象。但个人很少持有单一股票，他们通常持有投资组合。本文的目的探究股票水平配置效应是否取决于他们所持有的投资组合。作者在四个独立的环境中找到了一致的答案：78,000个美国家庭在一家大型折扣经纪公司，97,000个投资者在一家大型折扣经纪公司中国券商，2300名美国参与者参与了“MTurk”交易游戏实验，还有800名中国大学的实验参与者。在每一种情况下，投资者的处置效应在其投资组合亏损时很大，在其投资组合盈利时明显较小。
该PDDE对各种控制具有鲁棒性，并且不是先前记录的有关处置效应研究的重新包装。本文的直接证据表明，PDDE是投资者在做出投资决策时使用额外的投资组合框架的副产品。
因此，PDDE 有助于理解人们如何制定财务决策框架。最初，研究人员假定投资者使用的框架是相当静态和固定的，但最近的研究表明，框架是更加多变和细微的：个人有时会在投资组合内进行相对评估，而有时，他们会在不同的交易中使用框架。本文的证据表明，投资者在做出交易决策时会在多个层面（股票层面和投资组合层面）进行取舍。
组合驱动的处置效应对金融市场和政策制定有何启示？例如，金融机构和监管机构是否可以通过教育和宣传来帮助投资者更好地理解和应对这种效应？对于投资者个人而言，如何根据这种效应来调整自己的投资策略和风险管理措施？
如果有好的建议，请留言给我们。
"大于研究"是华南理工大学经济与金融学院、金融工程研究中心于老师和学生对外分享研究成果和学习的心得的公众号。
对我们的研究感兴趣的可以联系fofscut@163.com
