论文部分内容阅读
摘 要：为了进一步认识机构持股对于股价信息效率的影响，本文利用中国证券市场2010年九大行业板块内的成分股机构持股比例和日收益数据实证检验了行业内以及跨行业的领先滞后效应存在情况。研究发现机构重仓股的领先效应只存在于能源行业，其他多数行业内有股价交互预测性存在，但机构重仓股没有体现出明显的领先性，且各行业股价调整时间长度有着较大差异；此外还发现能源行业的机构重仓股股价对其他一些行业股价有较显著的领先性，并且在走势相对滞后的行业中，机构低仓股股价的滞后性强于机构重仓股。
关键词：机构投资者；信息调整；领先滞后效应
引言
有效市场理论认为市场效率高低取决于股价能否及时充分地反映抵达市场的信息，即信息资本化的效率，股价的运动本质上就是信息不断融入并调整的过程。在较为成熟的市场中，机构投资者拥有广大中小投资者无可比拟的信息优势，因而能够在股价形成中起到重要的引领作用，引导投资者进行价值投资。
对于中国股票市场而言，目前的投资群体可以分为主要由券商和投资基金为代表的机构投资者和广大个人投资者。机构投资者具有雄厚的资金实力，专业的人才队伍和多样化的渠道，能够通过深入的调研相对准确和全面地获得上市公司的有关信息。个人投资者由于资金有限且高度分散，同时绝大部分都是中小投资者，缺乏足够时间精力去搜集信息、分析行情、判断走势，同时中国上市公司的信息披露质量不高，所以个人投资者往往缺少足够的资料数据去分析上市公司经营情况。于是在投资过程中，个人投资者会参考涉足同类股票的机构投资者的买卖行为进行投资决策（宋逢明，唐俊2002），因此机构持仓比例高的股票走势因为拥有信息优势往往领先于其他股票。而另一方面，由于市场发育不成熟，中国股市中投机氛围浓厚，存在典型的正反馈交易现象：不少掌握内幕的机构投资者会把价格一步一步推高，使市场波动加剧，在高价位大量出售股票给那些不明真相的投资者，而后者只能以低价卖出（谭中明，李庆尊2005）。这种典型的追涨杀跌行为包含着大量的噪声交易，往往会造成股价对信息的过度反应从而会延缓股价对信息的吸收。
那么在中国股票市场上，机构投资者作为信息优势方能否通过其持股行为促进信息在市场中的扩散呢？机构重仓股是否在股价运动中处于领先和引导者地位？为了回答这个问题，本文从股票的机构持股比例这个代表机构对股票关注和认可程度的变量入手，通过构造不同行业中不同机构持股比例的股票组合，运用Granger因果检验和向量自回归（VAR）方法对行业内以及跨行业的领先滞后效应进行检验分析。
研究样本说明
本文的实证检验采用在沪深两市的全部A股作为研究样本，样本期为2010年1月1日到2010年12月31日，并且按照GICS行业分类标准将全部A股分为十大板块，分别为能源（NY），原材料(YCL)，工业(GY)，可选消费(FRC)，日常消费(RC)，通信设备(TX)，金融地产(JR)，公用事业（GS），医疗生物（YL），信息技术（XX），就每个行业板块内成分股日收益之间的交互相关性进行检验。因为通信设备行业的成分股过少，不适于分组取样，所以在研究中剔除了通信设备这个行业样本。所有行业成分股信息和日收益数据来自wind数据库和国泰安CSMAR数据库。
在每个行业板块内，我们通过构造机构持仓比例最高和最低的组合收益进行实证研究。在构造组合时，我们根据机构持仓比例高低对每个行业内的机构重仓股和低仓股体进行划分，具体做法是在每个行业内将成分股汇总，根据2010年上市公司公布的每一季度报告中的机构持仓比例高低进行排序，按从高到低平均分为五档，取最低一档的个股组合成为该季度低仓股，简称L组，最高一档的个股组合成为该季度重仓股，简称H组。组合日收益为每组成分股的平均日收益。在成分股选择中，我们剔除了以下两类成分股，一是该年度内新上市的公司股票，这样可以避免因新股上市造成该行业内股票收益的异常波动；二是该年度内连续五个交易日无交易记录的股票，这是为了消除因非同步交易引起个别股价反应延迟的现象。
在表1中，我们统计汇总了九大行业机构持股重仓组H组和低仓股L组的平均每家上市公司的持股机构家数，机构持股比例与季末流通A股市值，平均每季度的每股收益。统计数据表明每个行业的H组拥有的持股机构数量、持股比例都远远高于L组，并且其组合成分股对应的平均流通市值规模均远大于L组，每股收益也明显大于L组，但公用事业板块除外，该行业的L组和H组的平均每股收益近似，且明显低于其他行业的每股收益。该统计结果与经验分析是一致的，机构投资者青睐于规模大，效益良好的上市公司，另一方面，机构投资者的大量参股有利于改善公司资本结构和治理水平从而促进上市公司扩大规模增加盈利能力。
表1：样本组合相关信息统计表
行业名称组别持股机构家数机构持股比例（%）流通A股市值（万元）每股收益（元）
能源
L85.39306956.350.43
H4685.2311168934.271.16
原材料
L65.46203025.130.23
H2264.531113637.500.38
工业
L64.88195282.100.36
H2567.751120999.200.51
日常消费
L611.16236135.350.20
H4571.262264802.880.96
可选消费
L66.35145304.470.34
H2868.17948472.360.52
金融地产
L1010.53701934.400.27
H5071.189703498.990.68
公用事业
L98.03266322.380.17
H1577.061124787.930.18
医疗生物
L66.4148116.180.26
H4573.981003980.490.66
信息技术
L55.05142541.080.21
H2866.28694572.030.44
在表2中，我们对各行业样本组合的收益率序列进行简单的统计分析，发现多数行业(能源，金融地产行业例外)H组的收益均值都高于L组，收益中位数则没有明显的规律性，表示波动情况的标准差指标在L组和H组之间没有明显的差异性，可见L组和H组面临的风险水平无显著差别，由此可见在2010年，多数行业板块内的机构重仓股表现普遍好于低仓股。从L组和H组的相关性来看，所有行业L组和H组的相关系数都在0.8、0.9的高水平上，说明行业板块的联动性较强，股价对公共信息的反应有较强的一致性。
表2：样本组合收益率的简单统计特征说明表
行业名称组别平均值（%）中位数（%）标准差L与H组收益相关系数
能源
L0.020.181.98
H-0.040.022.430.83
原材料
L-0.040.331.86
H0.200.481.740.90
工业
L0.0030.271.76
H0.060.301.730.96
日常消费
L0.040.311.80
H0.200.271.800.86
可选消费
L0.020.311.74
H0.120.411.730.90
金融地产
L-0.070.051.91
H-0.070.0051.940.91
公用事业
L-0.060.081.82
H-0.020.071.540.91
医疗生物
L0.090.271.93
H0.160.171.970.83
信息技术
L0.040.382.02
H0.220.472.110.92
实证研究结果及分析
为了检验机构重仓股是否在价格走势上具有领先效应，我们首先采用Granger因果检验的方法进行是否有引导作用的判定，然后在Granger因果检验的基础上运用向量自回归（VAR）方法具体分析收益率序列中出现的交互相关性，以此来分析并比较行业的信息调整速度，并根据信息传导理论模型中关于交互相关系数的判定标准进行领先滞后效应的判断。
一、 引导关系检验
我们以行业为单位，对每一对H组和L组进行Granger因果检验，通过变量之间是否存在引导关系的判定结果分析每个行业中H组和L组收益相互作用的方向和价格信息的预测效力。表3列出了每对样本序列的Granger因果检验结果，滞后阶数的确定参考Eviews6.0给出的信息准则参数。检验结果表明，能源行业内H组对L组有显著的引导作用，而L组并没有表现出对H组的引导作用，所以能源行业的机构重仓股价格走势领先于低仓股；而在原材料、日常消费和金融地产行业则表现相反，H组对L组并没有显著的引导作用，而L组却表现出对H组显著的引导作用，说明这三个行业存在低仓股股价的领先效应；在医疗生物和信息技术行业则出现了H组和L组互为引导的现象且都较为显著，说明在这两大新兴行业内股价之间相互影响作用强烈。另外，工业、可选消费和公用事业这三个行业中并没有表现出任何一种引导关系。由此可见在中国股市上，各个行业板块内机构重仓股和低仓股并没有表现出一致的引导关系，且有很大差异性。
表3：Granger因果关系检验结果
行业名称
H组引导L组L组引导H组
F检验值（P值）引导关系F检验值（P值）引导关系
能源2.115**（0.043）Y1.683（0.114）N
原材料1.137（0.3414）N2.134*（0.062）Y
工业0.254（0.938）N0.400（0.849）N
可选消费1.443（0.189）N0.986（0.442）N
日常消费2.153（0.118）N3.031**（0.050）Y
金融地产0.790（0.455）N3.500**（0.050）Y
公用事业0.825（0.440）N2.017**（0.05）N
医疗生物1.605（0.14）Y5.511***（0.005）Y
信息技术4.602***（0.011）Y4.086**（0.018）Y
注：表中给出了F值，括号内为F统计值的P概率；Y表示有引导关系，N表示没有引导关系，***、**、*分别表示估计参数在1%、5%与10%水平上显著，下表同。
在九大行业板块中，只有能源行业出现了重仓股对低仓股的领先效应，并且能源机构重仓股对其他行业股价走势也有一定的领先效应。表4的Granger因果检验结果说明能源行业的机构重仓股价格对多数行业股价有着显著的引导作用，但在原材料行业内表现地并不明显，原因可以用能源行业与其他行业的基本面联系来解释：能源行业处于经济生产最上游的重要位置，影响能源供应的各种因素会随着生产供销的各个环节转嫁到其他的上中下游行业，于是对整个经济体有着广泛和深远的影响力。而且与能源行业关系越直接越紧密的行业对相关信息的调整速度越快，而与之联系越间接越不紧密的行业，多为经济生产中的中下游行业，这些行业对相关信息的反应存在延迟效应。原材料行业也属
表4：能源行业H组对其他行业各组的Granger因果关系检验结果
行业名称
H组L组
F检验值（P值）引导关系F检验值（P值）引导关系
原材料1.627（0.13）N1.635（0.13）N
工业2.450**（0.02）Y2.099**（0.04）Y
可选消费2.136**(0.04)Y1.930*(0.07)Y
日常消费1.920*（0.07）Y2.106**（0.04）Y
金融地产1.507（0.17）N2.434**（0.02）Y
公用事业1.912*（0.07）Y2.017**（0.05）Y
医疗生物1.426（0.20）N2.283**（0.02）Y
信息技术2.031**（0.05）Y2.051**（0.05）Y
于上游行业，相比较其他行业而言与能源行业的联系更为直接和紧密，所以对相关信息的调整较快，所以引导作用表现并不明显。另外，在表4中我们还发现日常消费、金融地产、工业事业和医疗生物这四个行业的L组表现出的延迟性比H组更有统计意义上的显著性，这在一定程度上体现出这些行业的机构低仓股对公共信息的调整速度慢于重仓股。
二、 交互相关性分析
接下来我们用向量自回归（VAR）方法对通过Granger因果检验判定存在引导关系的六个行业分别进行H组与L组交互相关性的检验分析，回归模型如下：
其中RL,t和RH,t分别为组合L和H在第t期的收益率，k为滞后阶数。若组合H的收益领先于组合L的收益，即组合H的滞后期收益对组合L的收益有显著影响，则可以观察到组合H的滞后期收益项的系数αH,k在一定条件下显著不为0；若组合L的收益领先于组合H，则可以观察到组合L的滞后期收益项的系数βL,k在一定条件下显著不为0。系数的符号若显著为正说明是因变量组合对自变量组合的延迟反应，若显著为负则是因变量组合对自变量组合反应过度后的回调。自变量的滞后阶数根据Eviews6.0给出的信息准则参数。
表5：VAR检验结果
行业名因变量
交互相关系数
t-1t-2t-3t-4t-5t-6t-7R2
能源
RL0.016-0.1250.0100.0420.192**0.0100.274***0.109
RH-0.1410.0640.2180.066-0.272*-0.151-0.2400.104
原材料
RL-0.192-0.139-0.1820.0650.312**0.061
RH0.007 -0.1300.1070.1100.368**0.069
日常消费
RL0.233*-0.1600.031
RH-0.240*0.234*0.037
金融地产
RL0.194-0.0840.008
RH-0.421**0.1270.030
医疗生物
RL0.269**-0.285**0.042
RH-0.340***0.237**0.086
信息技术
RL0.361**-0.360**0.050
RH-0.323*0.401**0.056
表5报告了六大行业内每个行业H组与L组的交互相关系数，结果与Granger因果检验的结论有一致性，只有能源行业RL与RH滞后项的交互相关系数相对显著，特别是滞后5天与7天的系数值都显著，说明能源行业内存在领先滞后效应，且机构持股重仓股的领先期为5~7天左右；原材料行业内RH与RL滞后项的交互相关系数大于RL与RH滞后项的交互相关系数，且符号都为正，说明低仓股的领先效应强于重仓股，调整期为5天左右；日常消费、金融地产、医疗生物和信息技术行业的滞后阶数较短只有2期，说明调整期均在2天左右，快于能源和原材料行业。其中在日常消费和金融地产行业中，存在RH与RL滞后项的交互相关系数比RL与RH滞后项的交互相关系数更为显著的情况，且方向为负，表现出反向调整活跃的特征；医疗生物和信息技术行业内，RH与RL滞后项的交互相关系数和RL与RH滞后项的交互相关系数表现都较为显著，且正负交错，说明在这两个行业内股价的调整过程较为短促，机构持股重仓股与低仓股之间互动性强。另外，整体来看股价调整期长度为2~7天，但行业差别较大，能源行业的调整期最长，为7天左右；原材料行业也较长，为5天左右，信息调整相对较慢；其余行业调整较快，为2天左右。
结论
根据对我国股市分行业进行Granger因果检验和VAR检验，本文发现机构重仓股在中国股票市场上的领先效应有一定的体现但不具有普遍性：只有能源行业有显著的机构重仓股领先现象，医药生物行业和信息技术行业的机构重仓股和低仓股之间互动性明显，重仓股组合无显著领先趋势，而在个别行业如原材料行业出现了机构低仓股对重仓股的引导作用，这说明除了能源行业，在多数行业内我国机构投资者所拥有的信息优势地位还未能通过其持股行为带来股价运动的领先性。在信息调整时间长度上，有着较大的行业差别：能源行业和原材料行业相对较慢，调整期为一周左右；金融地产、消费产品、医疗生物和信息技术等行业则相对较快，调整期为2天。值得注意的是，能源行业不仅自身板块内出现了显著的为期一周左右的领先滞后效应，且能源行业的机构重仓股对其他多个行业的股价也有较为显著的引导作用。总体而言，本文认为在中国股市中，机构持股能够提高市场的信息效率，因此在行业内和行业间会体现出现股价的交互预测性以及部分股价走势的领先效应。
参考文献：
［1］Kewei Hou, Industry information diffusion and the lead-lag effect in stock returns［J］,Review of Financial Studies 2007(20-4):1113-1138.
［2］Menzly, Lior & Ozbas, Oguzhan, Market Segmentation and Cross-predictability of Returns［J］,Journal of Finance 2010(65-4):1555-1580.
［3］刘煜辉，熊鹏.中国市场中股票间的领先一滞后关系的规模与交易量效应［J］.世界经济，2004（8）
［4］宋逢明，唐俊.个股的信息来源与龙头股效应［J］.金融研究，2002（6）
［5］谭中明,李庆尊.正反馈交易模型及机构投资者交易行为的作用［J］.统计研究，2005（12）
［6］王磊,陈国进.机构投资者动量交易与市场效率研究［J］. 证券市场导报，2009（06）
(作者通讯地址： 浙江工商大学金融学 浙江 杭州 310018)
关键词：机构投资者；信息调整；领先滞后效应
引言
有效市场理论认为市场效率高低取决于股价能否及时充分地反映抵达市场的信息，即信息资本化的效率，股价的运动本质上就是信息不断融入并调整的过程。在较为成熟的市场中，机构投资者拥有广大中小投资者无可比拟的信息优势，因而能够在股价形成中起到重要的引领作用，引导投资者进行价值投资。
对于中国股票市场而言，目前的投资群体可以分为主要由券商和投资基金为代表的机构投资者和广大个人投资者。机构投资者具有雄厚的资金实力，专业的人才队伍和多样化的渠道，能够通过深入的调研相对准确和全面地获得上市公司的有关信息。个人投资者由于资金有限且高度分散，同时绝大部分都是中小投资者，缺乏足够时间精力去搜集信息、分析行情、判断走势，同时中国上市公司的信息披露质量不高，所以个人投资者往往缺少足够的资料数据去分析上市公司经营情况。于是在投资过程中，个人投资者会参考涉足同类股票的机构投资者的买卖行为进行投资决策（宋逢明，唐俊2002），因此机构持仓比例高的股票走势因为拥有信息优势往往领先于其他股票。而另一方面，由于市场发育不成熟，中国股市中投机氛围浓厚，存在典型的正反馈交易现象：不少掌握内幕的机构投资者会把价格一步一步推高，使市场波动加剧，在高价位大量出售股票给那些不明真相的投资者，而后者只能以低价卖出（谭中明，李庆尊2005）。这种典型的追涨杀跌行为包含着大量的噪声交易，往往会造成股价对信息的过度反应从而会延缓股价对信息的吸收。
那么在中国股票市场上，机构投资者作为信息优势方能否通过其持股行为促进信息在市场中的扩散呢？机构重仓股是否在股价运动中处于领先和引导者地位？为了回答这个问题，本文从股票的机构持股比例这个代表机构对股票关注和认可程度的变量入手，通过构造不同行业中不同机构持股比例的股票组合，运用Granger因果检验和向量自回归（VAR）方法对行业内以及跨行业的领先滞后效应进行检验分析。
研究样本说明
本文的实证检验采用在沪深两市的全部A股作为研究样本，样本期为2010年1月1日到2010年12月31日，并且按照GICS行业分类标准将全部A股分为十大板块，分别为能源（NY），原材料(YCL)，工业(GY)，可选消费(FRC)，日常消费(RC)，通信设备(TX)，金融地产(JR)，公用事业（GS），医疗生物（YL），信息技术（XX），就每个行业板块内成分股日收益之间的交互相关性进行检验。因为通信设备行业的成分股过少，不适于分组取样，所以在研究中剔除了通信设备这个行业样本。所有行业成分股信息和日收益数据来自wind数据库和国泰安CSMAR数据库。
在每个行业板块内，我们通过构造机构持仓比例最高和最低的组合收益进行实证研究。在构造组合时，我们根据机构持仓比例高低对每个行业内的机构重仓股和低仓股体进行划分，具体做法是在每个行业内将成分股汇总，根据2010年上市公司公布的每一季度报告中的机构持仓比例高低进行排序，按从高到低平均分为五档，取最低一档的个股组合成为该季度低仓股，简称L组，最高一档的个股组合成为该季度重仓股，简称H组。组合日收益为每组成分股的平均日收益。在成分股选择中，我们剔除了以下两类成分股，一是该年度内新上市的公司股票，这样可以避免因新股上市造成该行业内股票收益的异常波动；二是该年度内连续五个交易日无交易记录的股票，这是为了消除因非同步交易引起个别股价反应延迟的现象。
在表1中，我们统计汇总了九大行业机构持股重仓组H组和低仓股L组的平均每家上市公司的持股机构家数，机构持股比例与季末流通A股市值，平均每季度的每股收益。统计数据表明每个行业的H组拥有的持股机构数量、持股比例都远远高于L组，并且其组合成分股对应的平均流通市值规模均远大于L组，每股收益也明显大于L组，但公用事业板块除外，该行业的L组和H组的平均每股收益近似，且明显低于其他行业的每股收益。该统计结果与经验分析是一致的，机构投资者青睐于规模大，效益良好的上市公司，另一方面，机构投资者的大量参股有利于改善公司资本结构和治理水平从而促进上市公司扩大规模增加盈利能力。
表1：样本组合相关信息统计表
行业名称组别持股机构家数机构持股比例（%）流通A股市值（万元）每股收益（元）
能源
L85.39306956.350.43
H4685.2311168934.271.16
原材料
L65.46203025.130.23
H2264.531113637.500.38
工业
L64.88195282.100.36
H2567.751120999.200.51
日常消费
L611.16236135.350.20
H4571.262264802.880.96
可选消费
L66.35145304.470.34
H2868.17948472.360.52
金融地产
L1010.53701934.400.27
H5071.189703498.990.68
公用事业
L98.03266322.380.17
H1577.061124787.930.18
医疗生物
L66.4148116.180.26
H4573.981003980.490.66
信息技术
L55.05142541.080.21
H2866.28694572.030.44
在表2中，我们对各行业样本组合的收益率序列进行简单的统计分析，发现多数行业(能源，金融地产行业例外)H组的收益均值都高于L组，收益中位数则没有明显的规律性，表示波动情况的标准差指标在L组和H组之间没有明显的差异性，可见L组和H组面临的风险水平无显著差别，由此可见在2010年，多数行业板块内的机构重仓股表现普遍好于低仓股。从L组和H组的相关性来看，所有行业L组和H组的相关系数都在0.8、0.9的高水平上，说明行业板块的联动性较强，股价对公共信息的反应有较强的一致性。
表2：样本组合收益率的简单统计特征说明表
行业名称组别平均值（%）中位数（%）标准差L与H组收益相关系数
能源
L0.020.181.98
H-0.040.022.430.83
原材料
L-0.040.331.86
H0.200.481.740.90
工业
L0.0030.271.76
H0.060.301.730.96
日常消费
L0.040.311.80
H0.200.271.800.86
可选消费
L0.020.311.74
H0.120.411.730.90
金融地产
L-0.070.051.91
H-0.070.0051.940.91
公用事业
L-0.060.081.82
H-0.020.071.540.91
医疗生物
L0.090.271.93
H0.160.171.970.83
信息技术
L0.040.382.02
H0.220.472.110.92
实证研究结果及分析
为了检验机构重仓股是否在价格走势上具有领先效应，我们首先采用Granger因果检验的方法进行是否有引导作用的判定，然后在Granger因果检验的基础上运用向量自回归（VAR）方法具体分析收益率序列中出现的交互相关性，以此来分析并比较行业的信息调整速度，并根据信息传导理论模型中关于交互相关系数的判定标准进行领先滞后效应的判断。
一、 引导关系检验
我们以行业为单位，对每一对H组和L组进行Granger因果检验，通过变量之间是否存在引导关系的判定结果分析每个行业中H组和L组收益相互作用的方向和价格信息的预测效力。表3列出了每对样本序列的Granger因果检验结果，滞后阶数的确定参考Eviews6.0给出的信息准则参数。检验结果表明，能源行业内H组对L组有显著的引导作用，而L组并没有表现出对H组的引导作用，所以能源行业的机构重仓股价格走势领先于低仓股；而在原材料、日常消费和金融地产行业则表现相反，H组对L组并没有显著的引导作用，而L组却表现出对H组显著的引导作用，说明这三个行业存在低仓股股价的领先效应；在医疗生物和信息技术行业则出现了H组和L组互为引导的现象且都较为显著，说明在这两大新兴行业内股价之间相互影响作用强烈。另外，工业、可选消费和公用事业这三个行业中并没有表现出任何一种引导关系。由此可见在中国股市上，各个行业板块内机构重仓股和低仓股并没有表现出一致的引导关系，且有很大差异性。
表3：Granger因果关系检验结果
行业名称
H组引导L组L组引导H组
F检验值（P值）引导关系F检验值（P值）引导关系
能源2.115**（0.043）Y1.683（0.114）N
原材料1.137（0.3414）N2.134*（0.062）Y
工业0.254（0.938）N0.400（0.849）N
可选消费1.443（0.189）N0.986（0.442）N
日常消费2.153（0.118）N3.031**（0.050）Y
金融地产0.790（0.455）N3.500**（0.050）Y
公用事业0.825（0.440）N2.017**（0.05）N
医疗生物1.605（0.14）Y5.511***（0.005）Y
信息技术4.602***（0.011）Y4.086**（0.018）Y
注：表中给出了F值，括号内为F统计值的P概率；Y表示有引导关系，N表示没有引导关系，***、**、*分别表示估计参数在1%、5%与10%水平上显著，下表同。
在九大行业板块中，只有能源行业出现了重仓股对低仓股的领先效应，并且能源机构重仓股对其他行业股价走势也有一定的领先效应。表4的Granger因果检验结果说明能源行业的机构重仓股价格对多数行业股价有着显著的引导作用，但在原材料行业内表现地并不明显，原因可以用能源行业与其他行业的基本面联系来解释：能源行业处于经济生产最上游的重要位置，影响能源供应的各种因素会随着生产供销的各个环节转嫁到其他的上中下游行业，于是对整个经济体有着广泛和深远的影响力。而且与能源行业关系越直接越紧密的行业对相关信息的调整速度越快，而与之联系越间接越不紧密的行业，多为经济生产中的中下游行业，这些行业对相关信息的反应存在延迟效应。原材料行业也属
表4：能源行业H组对其他行业各组的Granger因果关系检验结果
行业名称
H组L组
F检验值（P值）引导关系F检验值（P值）引导关系
原材料1.627（0.13）N1.635（0.13）N
工业2.450**（0.02）Y2.099**（0.04）Y
可选消费2.136**(0.04)Y1.930*(0.07)Y
日常消费1.920*（0.07）Y2.106**（0.04）Y
金融地产1.507（0.17）N2.434**（0.02）Y
公用事业1.912*（0.07）Y2.017**（0.05）Y
医疗生物1.426（0.20）N2.283**（0.02）Y
信息技术2.031**（0.05）Y2.051**（0.05）Y
于上游行业，相比较其他行业而言与能源行业的联系更为直接和紧密，所以对相关信息的调整较快，所以引导作用表现并不明显。另外，在表4中我们还发现日常消费、金融地产、工业事业和医疗生物这四个行业的L组表现出的延迟性比H组更有统计意义上的显著性，这在一定程度上体现出这些行业的机构低仓股对公共信息的调整速度慢于重仓股。
二、 交互相关性分析
接下来我们用向量自回归（VAR）方法对通过Granger因果检验判定存在引导关系的六个行业分别进行H组与L组交互相关性的检验分析，回归模型如下：
其中RL,t和RH,t分别为组合L和H在第t期的收益率，k为滞后阶数。若组合H的收益领先于组合L的收益，即组合H的滞后期收益对组合L的收益有显著影响，则可以观察到组合H的滞后期收益项的系数αH,k在一定条件下显著不为0；若组合L的收益领先于组合H，则可以观察到组合L的滞后期收益项的系数βL,k在一定条件下显著不为0。系数的符号若显著为正说明是因变量组合对自变量组合的延迟反应，若显著为负则是因变量组合对自变量组合反应过度后的回调。自变量的滞后阶数根据Eviews6.0给出的信息准则参数。
表5：VAR检验结果
行业名因变量
交互相关系数
t-1t-2t-3t-4t-5t-6t-7R2
能源
RL0.016-0.1250.0100.0420.192**0.0100.274***0.109
RH-0.1410.0640.2180.066-0.272*-0.151-0.2400.104
原材料
RL-0.192-0.139-0.1820.0650.312**0.061
RH0.007 -0.1300.1070.1100.368**0.069
日常消费
RL0.233*-0.1600.031
RH-0.240*0.234*0.037
金融地产
RL0.194-0.0840.008
RH-0.421**0.1270.030
医疗生物
RL0.269**-0.285**0.042
RH-0.340***0.237**0.086
信息技术
RL0.361**-0.360**0.050
RH-0.323*0.401**0.056
表5报告了六大行业内每个行业H组与L组的交互相关系数，结果与Granger因果检验的结论有一致性，只有能源行业RL与RH滞后项的交互相关系数相对显著，特别是滞后5天与7天的系数值都显著，说明能源行业内存在领先滞后效应，且机构持股重仓股的领先期为5~7天左右；原材料行业内RH与RL滞后项的交互相关系数大于RL与RH滞后项的交互相关系数，且符号都为正，说明低仓股的领先效应强于重仓股，调整期为5天左右；日常消费、金融地产、医疗生物和信息技术行业的滞后阶数较短只有2期，说明调整期均在2天左右，快于能源和原材料行业。其中在日常消费和金融地产行业中，存在RH与RL滞后项的交互相关系数比RL与RH滞后项的交互相关系数更为显著的情况，且方向为负，表现出反向调整活跃的特征；医疗生物和信息技术行业内，RH与RL滞后项的交互相关系数和RL与RH滞后项的交互相关系数表现都较为显著，且正负交错，说明在这两个行业内股价的调整过程较为短促，机构持股重仓股与低仓股之间互动性强。另外，整体来看股价调整期长度为2~7天，但行业差别较大，能源行业的调整期最长，为7天左右；原材料行业也较长，为5天左右，信息调整相对较慢；其余行业调整较快，为2天左右。
结论
根据对我国股市分行业进行Granger因果检验和VAR检验，本文发现机构重仓股在中国股票市场上的领先效应有一定的体现但不具有普遍性：只有能源行业有显著的机构重仓股领先现象，医药生物行业和信息技术行业的机构重仓股和低仓股之间互动性明显，重仓股组合无显著领先趋势，而在个别行业如原材料行业出现了机构低仓股对重仓股的引导作用，这说明除了能源行业，在多数行业内我国机构投资者所拥有的信息优势地位还未能通过其持股行为带来股价运动的领先性。在信息调整时间长度上，有着较大的行业差别：能源行业和原材料行业相对较慢，调整期为一周左右；金融地产、消费产品、医疗生物和信息技术等行业则相对较快，调整期为2天。值得注意的是，能源行业不仅自身板块内出现了显著的为期一周左右的领先滞后效应，且能源行业的机构重仓股对其他多个行业的股价也有较为显著的引导作用。总体而言，本文认为在中国股市中，机构持股能够提高市场的信息效率，因此在行业内和行业间会体现出现股价的交互预测性以及部分股价走势的领先效应。
参考文献：
［1］Kewei Hou, Industry information diffusion and the lead-lag effect in stock returns［J］,Review of Financial Studies 2007(20-4):1113-1138.
［2］Menzly, Lior & Ozbas, Oguzhan, Market Segmentation and Cross-predictability of Returns［J］,Journal of Finance 2010(65-4):1555-1580.
［3］刘煜辉，熊鹏.中国市场中股票间的领先一滞后关系的规模与交易量效应［J］.世界经济，2004（8）
［4］宋逢明，唐俊.个股的信息来源与龙头股效应［J］.金融研究，2002（6）
［5］谭中明,李庆尊.正反馈交易模型及机构投资者交易行为的作用［J］.统计研究，2005（12）
［6］王磊,陈国进.机构投资者动量交易与市场效率研究［J］. 证券市场导报，2009（06）
(作者通讯地址： 浙江工商大学金融学 浙江 杭州 310018)