公司治理和特质性波动率的信息含量:中国证券市场的证据

■张宇飞

一、引言

Ang等[1]发现的“特质性波动率之谜”，即滞后特质性波动率的实现值和预期收益之间呈负相关关系现象，是近年来实证金融领域备受瞩目的一项研究成果。称这一实证研究结果为“谜”主要基于以下两点考虑:首先，传统资产定价理论认为在完美市场的条件下，只有系统性风险需要定价，而特质性风险不被定价因此不会影响股票收益率;其次，即便市场存在信息不对称等摩擦因素，基于“风险越高，收益越大”的基本投资逻辑，特质性风险应当和股票收益率呈正相关而非负相关关系。

针对这一发现，学者们开始探究其可能的理论原因，主要以Miller和Merton的两种理论研究为代表。Miller[2]认为现实市场的卖空限制使得抱有悲观预期的投资者不能利用做空机制增加证券供给，所以抱有乐观预期的投资者更容易将其情绪反映到股票价格中，造成当前股票价格偏高，未来收益率则相应偏低。因此，Miller认为股票收益率和投资者意见分歧呈负相关关系，而他又主张利用股票特质性波动率作为意见分歧的度量指标，这样便得出特质性波动率和股票收益呈负相关关系的结论。与之结论相反的是Merton[3]，Merton主要从风险的角度考虑了特质性波动率的影响，如果特质性波动率是特质性风险的度量指标，那么当市场上存在信息不对称等摩擦因素时，这些摩擦因素会使投资者不能持有真正意义上的市场组合以分散化特质性风险，投资者则会为其对特质性风险的风险暴露要求回报，因此Merton得出了特质性波动率和收益率正相关的结论。两个模型相反的结论是否意味着其中一个存在错误?对此，Boehme等[4]认为Miller模型和Merton模型本质上并不冲突，两个模型都是对现实资本市场运行某一侧面的刻画，而特质性波动率和股票收益率之间最终体现出何种关系，取决于两个模型中谁的影响占据主导作用。

有效市场理论认为价格反映信息。特质性波动率能够影响股票收益率这一现实情况是否意味着特质性波动率本身蕴含信息?而特质性波动率对股票价格的影响，是否仅仅由于特质性波动率中的信息逐渐被股票收益率反映所致?Jiang、Xu和Yao[5]对这两个问题做出了回答，他们发现公司特质性波动率对未来的盈余冲击有较好的预测作用，且他们发现当控制住特质性波动率中包含的盈余冲击信息后，特质性波动率对股票收益率的预测能力就消失了，这一发现为特质性波动率之谜现象提供了一个可能的解释。

对我国证券市场特质性波动率之谜现象的研究相对较少，但现有研究普遍发现中国证券市场也存在这一现象(杨华蔚和韩立岩[6]，左浩苗、郑鸣和张翼[7]等)。同时这些研究还发现换手率对中国证券市场的特质性波动率之谜有很大影响，但控制住换手率并不能完全消除特质性波动率之谜现象，这表明对于特质性波动率之谜现象还需要进行进一步的解释和研究工作。

本文主要考察公司治理对特质性波动率信息含量的影响。如果特质性波动率中蕴含的信息是公司选择性信息披露的结果，则对于信息披露度高的公司，其股票特质性波动率的信息含量较低，对未来盈利指标的预测能力较弱。同时，公司治理好的企业往往具有更加健全的监督和信息披露机制，因此，我们认为对于公司治理好的企业，其股票特质性波动率中所蕴含的信息较少，实证研究支持这一结论。

二、研究假设和研究样本及变量

影响特质性波动率的因素很多，有的学者认为特质性波动率主要反映信息，也有学者认为特质性波动率主要反映噪声交易程度[8]。当公司面临一个负面经营冲击时，管理层倾向于推迟负面信息的公布，这样可能使得特质性波动率增大，于是特质性波动率高的公司更有可能在未来面临一个负的业绩冲击[9]。但即使在基本面没有发生任何变化的情况下，投资者之间的意见分歧也可能造成单个股票的价格波动。Jiang、Xu和Yao[5]发现特质性波动率对未来的ROE和EPS等盈利指标具有预测能力，据此他们认为特质性波动率中含有信息。综合上述观点，和Campbell等[10]一样，我们认为特质性波动率中既有被信息驱动的一面也有被噪声交易驱动的一面。当特质性波动率被信息驱动时，则它和未来业绩指标呈负相关关系;当其被噪声交易驱动时，则它和未来业绩指标之间不存在相关性。同时，公司治理结构完善的企业往往具有更好的信息披露制度，因此对于公司治理完善的企业，其股票特质性波动率中的信息含量应当较低，对未来业绩的预测能力也相应较弱。综合上述分析，我们提出如下研究假设:特质性波动率和未来盈利指标呈负相关关系，且这一关系随着公司治理结构改善而逐渐减弱。

针对研究假设我们选取沪深两市非金融类A股为样本，时间跨度为2004年1月至2011年9月，共计2016家上市公司。其中股票价格相关数据和财务相关数据来源于CSMAR数据库，三因子数据来源于锐思数据库，机构持股数据来源于Wind资讯。其中机构持股比例数据来源于上市公司季报中对于机构持股的披露，由于Wind提供的机构持股比例为机构持股数量占总流通股的比例，因而会有极少一部分样本(不到1%)由于机构持有非流通股而导致持股比例大于100%的情况。和Jiang、Xu和Yao[5]一样，我们选取的一般控制变量包括规模(LN_MV)、账面市值比(LN_BM)、动量效应控制变量(PrRet12)。由于大部分的国内研究均发现换手率对特质性波动率之谜有很大影响，我们还控制了换手率(TURN)的影响。公司治理指标包括机构投资者持股比例 (IO)，两职合一虚拟变量 (ONEP)，董事会规模(NDIREC)、独立董事规模 (NINDIREC)、监事会规模(SUPV)。研究变量、代码和定义见表1。

三、研究方法

同Ang等[1]一样，我们利用FF三因子模型来估计特质性波动率。在每个季度，我们对每只股票进行如下回归:

其中，i代表第i支股票，d代表日，m代表季度，Ri、Rf和Rmkt分别代表第i支股票的收益率、无风险收益率和市场组合收益率，SMB和HML的定义同Fama和French[11]。特质性波动率被定义为回归残差的标准差，为避免在一些月份内某些股票长期停牌造成的回归偏误，本文剔除了一个月内交易日数不满15日的回归结果。最后，我们对特质性波动率进行月度化处理，得到了代表特质性波动率的解释变量IVOL。

实证回归采用Fama－MacBeth回归方法。每个季度内，我们进行如下截面回归:

其中，i代表第i家公司，q代表数据所对应的季度，IVOL为特质性波动率，X为一般控制变量，G为公司治理控制变量，IVOL×G为特质性波动率和公司治理控制变量的交叉项。我们计算各截面回归系数γ的时序平均值作为系数的估计值，同时为了降低异方差和序列相关的影响，我计算了相应的Newey－West Tj统计量。

四、实证结果

表2汇报了各盈利指标对特质性波动率及控制变量的Fama－Macbeth回归结果。其中被解释变量中的ROE、ROE1和ROE4分别代表本季度、下一季度和未来四季度累计的净资产收益率。同样EPS和EPS1分别代表本季度和下一季度的每股收益。

表2 Fama－MacBeth回归结果

从模型1至模型5的回归结果发现，在控制住规模、账面市值比、动量效应以及相应被解释变量的滞后项后，特质性波动率(IVOL)对各盈利指标均有显著预测能力，除了模型2外，均在5%的置信水平下显著。这一回归结果对实证研究假设的前半部分提供了证据支持。

模型6为加入换手率作为控制变量的回归结果。我们发现，额外控制住换手率并不能消除特质性波动率对未来盈利的预测能力，其预测能力虽然有所下降，但仍在10%的置信水平下显著。

模型7至模型11为加入公司治理控制变量及其交叉项的回归结果。基于所提出的研究假设，我们主要观察交叉项的影响。从模型7中发现，特质性波动率和机构持股比例交叉项的回归系数为正，且在1%的置信水平下显著。这表明当机构持股比例上升时，特质性波动率对ROE的预测能力将减弱。从模型9和模型10中我们发现了类似结论，特质性波动率和董事会规模交叉项、特质性波动率和独立董事规模交叉项的系数都为正，且都在5%的置信水平下显著，表明随着董事人数和独立董事人数的上升，特质性波动率对未来盈利的预测能力有所减弱。但两职合一虚拟变量、监事会规模和特质性波动率交叉项的回归系数缺乏统计显著性。综上，我们发现部分公司治理代理变量的改善会降低特质性波动率对未来盈利的预测能力;部分公司治理代理变量对这一关系没有影响，但不存在公司治理代理变量的改善会增强特质性波动率对未来盈利预测效果的情况。这一实证研究结果支持研究假设的后半部分。

五、结论

本文利用2004年1月至2011年9月沪深两市非金融类A股数据验证了中国市场上市公司治理状况对于特质性波动率信息含量的影响，研究采用了Fama－Mac-Beth回归方法。我们发现中国证券市场的特质性波动率对于未来盈利水平具有一定预测能力，本期特质性波动率较高的股票未来业绩相对较差。和Jiang、Xu和Yao[5]一样，我们认为这一现象主要是上市公司进行选择性信息披露的结果。由于公司治理较好的企业往往有完善的信息披露和监督机制，选择性信息披露的空间相对较小。从这一分析出发，我们考察了公司治理情况对这一预测能力的影响。实证结果和前述观点一致，我们发现公司治理结构相对较好的企业，特质性波动率对未来盈利水平的预测能力有减弱的趋势。

[1]Ang， A．，Hodrick，R．J．， Xing， Y．， Zhang，X．TheCross－sectionof VolatilityandExpectedReturns．The Journal of Finance，2006 ，61(1)．

[2]Miller， E．M．Risk，Uncertainty，and Divergence of Opinion．The Journal of finance，1977，32(4)．

[3]Merton， R．C．A Simple Model of Capital Market Equilibrium with Incomplete Information．The Journal of Finance， 1987，42(3)．

[4]Boehme， R．D．，Danielsen， B．R．，Kumar， P．，Sorescu， S．M．Idiosyncratic Risk and the Cross－section of Stock Returns:Merton(1987)Meets Miller(1977)．Journal of Financial Markets， 2009，12(3)．

[5]Jiang， G．J．， Xu，D．，Yao，T．The Information Content of Idiosyncratic Volatility．Journal of Financial and Quantitative Analysis，2009，44(1)．

[6]杨华蔚，韩立岩．中国股票市场特质波动率与横截面收益研究[J]．北京航空航天大学学报(社会科学版)，2009，(1)．

[7]左浩苗，郑鸣，张翼．股票特质波动率与横截面收益:对中国股市“特质波动率之谜”的解释[J]．世界经济，2011，(5)．

[8]West，K．D．Dividend Innovations and Stock Price Volatility．Econometrica，1988，56(1)．

[9]Kelly，P．J．Information Efficiency and Firm－Specific Return Variation．Arizona State University working paper， 2005．

[10]Campbell， J．Y．， Lettau， M．， Malkiel， B．G．，Xu， Y．Have Individual Stocks Become More Volatile？An Empirical Exploration of Idiosyncratic Risk．The Journal of Finance， 2001，56(2)．

[11]Fama，E．F．，French，K．R．Common Risk Factors in the Returns on Stocks and Bonds．Journal of Financial E-conomics， 1993，33(1)．