Bound by Profit and Reputation: Mutual Fund Clique and Stock Price Delay

Chunfeng WANG; Tong LI; Shouyu YAO; Zhenming FANG

doi:10.12012/CJoE2024-0033

PDF(491 KB)

China Journal of Econometrics ›› 2024, Vol. 4 ›› Issue (3) : 619-652. DOI: 10.12012/CJoE2024-0033

Bound by Profit and Reputation: Mutual Fund Clique and Stock Price Delay

Author information +

History +

Abstract

Enhancing the value investment guidance of institutional investors can help the capital market give full play to its functions of value discovery and resource allocation. We identify mutual fund cliques from the position network of actively managed mutual funds, and explore the impact of mutual fund cliques on the incorporation of stock price information. The results indicate that mutual fund cliques hinder the integration of stock price information, and the conclusion remains valid after a series of robustness tests. In this study, we find through mechanism examination that, at the level of investor trading behavior, mutual fund clique clustering on one hand causes stock liquidity deterioration by reducing competitive trading among clique members and increasing information asymmetry between the mutual fund clique and other external investors. On the other hand, it attracts collective trading from a large number of institutional and retail investors, thereby hindering the incorporation of stock price information. At the level of corporate governance participation, we find that mutual fund clique clustering weakens the market-based supervisory role of the "exit threat'' mechanism on company management, resulting in a decline in the quality of corporate information disclosure and thus impairing the pricing efficiency of the stock market. Furthermore, we find that the delay in stock price information incorporation caused by mutual fund clique clustering is significantly exacerbated during economic downturns, when mutual funds face greater performance pressure, and when individual stocks receive less attention. Moreover, mutual fund clique clustering can induce stock price valuation bubbles and crash risks, laying hidden dangers for the stable operation of the capital market. Starting from the interest binding and shared progress and retreat characteristics within the mutual fund clique, we reveal how this strong network relationship limitation leads to delays in stock price information incorporation by influencing investor trading behavior and corporate governance participation, deepening the understanding of the complexity of institutional investor network structure and its market consequences, and providing important insights for promoting the high-quality development of the mutual fund industry and capital market.

Key words

mutual fund clique / price efficiency / price delay / information transparency / liquidity

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations

Chunfeng WANG , Tong LI , Shouyu YAO , Zhenming FANG. Bound by Profit and Reputation: Mutual Fund Clique and Stock Price Delay. China Journal of Econometrics, 2024, 4(3): 619-652 https://doi.org/10.12012/CJoE2024-0033

1 引言

2023年7月24日中央政治局会议明确提出“要活跃资本市场, 提振投资者信心”, 从“维持资本市场平稳运行”转变为“活跃资本市场”, 这也是近十年来政府首次提出这样的表述. 推动市场形成长期投资共识, 健全资本市场投资功能是实现“活跃资本市场”目标的重要基础. 然而, 纵观A股市场交易历史, 机构投资者集中抱团持有个别板块的行为模式引人瞩目, 自2007年以来已经出现“金融地产-消费-信息科技-消费”四次大规模机构抱团板块的轮转, 每一轮抱团行情都会导致市场大量资金集中于少数股票, 引发估值泡沫甚至“股灾式上涨”的极端分化行情. 2020年, 作为众多公募基金的头号重仓股, 贵州茅台的股价和估值水平屡创新高. 贵州茅台股价从年初的每股1117元最高上涨至每股2627元, 涨幅高达135%, 其市盈率最高达到70倍以上, 高于白酒行业的平均市盈率约30倍. 这种“抱团股”股价的飞速上涨同样助推了市场的强烈追捧, 助长了股市“强者恒强、弱者恒弱”的极端分化行情. 以2021年开年的前4个交易日为例, 各大综合股票指数均呈现上涨趋势, 但大多数个股却出现普遍下跌. 尤其是在2021年1月7日, 在各大综合股指上涨的背景下, 仅有772支个股的股价上涨(不足20%), 而3282支个股均呈现出下跌状态. 基金抱团持股导致市场资金过度集中于少数热门股, 而忽略了那些基本面良好但被低估的股票, 从而扭曲了资金的合理配置, 增加了市场的不确定性和潜在风险, 为资本市场的长期平稳运行埋下了潜在隐患. 因此, 关注机构投资者抱团行为对于培育机构投资者、助力资本市场高质量发展具有重要意义.

Fama (1970)指出, 市场定价效率是指证券价格可以充分反映所有可用信息的能力. 市场定价效率越高, 股价越能及时地对市场上的各种信息做出反应(Hou and Moskovitz, 2005), 充分发挥价格引导资源合理配置的信号作用, 以更好地服务实体经济的高质量发展. 现有研究表明, 机构投资者之间存在信息交流和互动(Hong et al., 2005; 郭白滢和周任远, 2019), 由此形成的信息网络对于机构投资者的交易决策具有重要影响(肖欣荣等, 2012; 刘京军和苏楚林, 2016; 陈胜蓝和李璟, 2021). 尽管大量研究讨论了机构投资者网络对股价信息效率的影响, 但目前尚未形成一致结论. 一方面, 大多数研究认为, 机构投资者网络便利了机构投资者之间的私有信息共享和信息互动, 加快基本面信息融入股价, 从而促进股价信息效率提升(郭白滢和周任远, 2019; 郭白滢和李瑾, 2019; 吴晓晖等, 2020). 另一方面, 部分研究也发现了机构投资者网络对股价信息效率存在负面影响, 并基于机构投资者的非理性羊群行为进行解释. 黄诒蓉和白羽轩(2021)发现, 基金经理之间的持仓网络传染会显著降低市场定价效率. 向诚和冯丽璇(2022)认为, 基金盲目跟风追逐热点导致了被集中持有的股票价格存在错误定价. 然而, 现有研究尚未充分关注以个体成员充分连接、紧密互动形成的基金团体这一特殊网络结构, 其成员间的信息交流和互动行为与以往研究中相对疏松的网络关系存在显著差异. 具体而言, 在中国A股市场上盛行的基金抱团行为, 是否能够充分发挥网络的信息扩散功能, 促进股价对基本面信息的及时反应? 抑或是由于团体内部利益捆绑而导致成员的自由交易行为受限, 从而延缓了股价信息融入速度, 削弱资本市场的资源配置与价值发现功能?

本文以2005–2021年的沪深A股非金融行业上市公司为研究对象, 基于主动管理类公募基金的持仓网络识别基金团体, 探究基金抱团对股价信息融入的影响. 结果表明, 基金抱团阻碍了股价信息融入, 且该结论在经过一系列稳健性检验后依旧成立. 以基金团体成员之间利益捆绑、共进共退的特征为切入点, 本文在机制检验中发现: 在投资者交易行为层面, 基金抱团一方面通过减少团体内部成员之间的竞争性交易、增加基金团体与外部其他投资者之间的信息不对称, 导致股票交易成本增加、流动性恶化, 从而阻碍了股价信息融入; 另一方面, 本文也发现, 基金抱团吸引了大量机构和散户投资者跟风买入, 集体性交易行为的增多掩盖了真实的价格信息信号, 从而扰乱了价格发现过程, 导致股价信息融入延迟. 除上述投资者交易层面的分析外, 本文也从公司治理层面进行了深入的机制分析. 在机构投资者参与公司治理行为层面, 由于中国上市公司股权相对集中、大股东控制力强的特点以及公募基金的短期业绩压力和委托代理问题等因素, 基金团体直接通过投票参与公司治理的成本过高且收益不明显. 因此, 基金抱团主要通过“退出威胁”机制发挥公司治理作用. 然而, 本文的研究结果显示, 基金团体网络关系制约了成员自由退出持股的行为, 导致“退出威胁”对公司管理层的市场化监督作用减弱, 从而引发公司信息披露质量下降, 损害了股票市场定价效率. 此外, 本文探讨了基金团体与公司管理层潜在的利益勾结, 而实证结果并未发现支持这一假设的可靠证据. 进一步地, 本文发现基金抱团的股价信息延迟影响在经济下行时期、基金业绩压力较高以及个股受关注较低的情况下会显著加剧. 而且, 基金抱团导致股价估值泡沫加剧和股价崩盘风险上升, 也进一步佐证了基金抱团对股票市场定价效率的负面影响.

本文的研究贡献主要有以下两个方面: 一方面, 本文聚焦于机构投资者网络中的合作互动关系, 以网络团体为单位探究基金抱团对股票市场定价效率的影响, 为机构投资者网络如何阻碍股价信息融入提供了新的研究视角. 已有研究中关于机构投资者网络对股价信息效率的影响尚未形成一致结论. 大多数研究认为机构投资者网络会促进信息共享和信息扩散, 提升市场定价效率(郭白滢和周任远, 2019; 郭白滢和李瑾, 2019; 吴晓晖等, 2020). 少数研究认为机构投资者忽略自身所持有的私人信息、盲目跟风追逐热点的羊群行为, 导致了市场定价效率的下降(黄诒蓉和白羽轩, 2021; 向诚和冯丽璇, 2022). 以往研究均是以机构投资者个体作为研究对象, 机构投资者网络被视为机构投资者个体获取和传递信息的渠道, 而不会对其自主决策构成实质性约束. 然而, 本文关注的是机构投资者网络中高度连接、紧密互动所形成的子网络团体, 这种强关系网络限制了基金团体内部成员的竞争性交易行为, 削弱了“退出威胁”机制的公司治理作用, 从而阻碍了股价信息融入. 而且, 本文丰富了基金团体参与公司治理间接影响股票市场定价效率的路径分析, 研究结论排除了基金团体与公司管理层进行利益合谋的可能性. 本研究有助于深化对机构投资者网络复杂性的洞察, 并揭示了不同类型网络关系对投资者交易行为和公司治理参与的差异化影响.

另一方面, 本文拓展了机构投资者抱团行为在股票市场层面的经济后果研究, 并从股票逐笔交易和订单薄数据等微观层面提供了更加直接的机制检验. 现有研究大多从企业层面探究机构抱团的影响(Crane et al., 2019; 郭晓冬等, 2020; 刘新争和高闯, 2021), 目前关注机构抱团对股票市场影响的研究还相对较少. 吴晓晖等(2019)采用Louvain算法识别机构投资者网络中的团体, 研究发现机构投资者抱团通过隐藏坏消息、减少退出威胁的治理作用, 增加了股价崩盘风险. 胡学峰等(2022)采用向量余弦函数测算基金持股相似度以衡量基金抱团程度, 研究发现基金抱团会导致股价大幅下跌, 加剧股市的不稳定性. 现有研究并未对机构抱团影响股票市场定价效率的内在机制进行深入探讨, 尤其是在基金抱团所引发的投资者交易行为变化方面缺乏直接的微观层面证据. 本文基于沪深A股逐笔交易和订单簿数据, 从股票交易流动性和投资者集体性交易行为两个角度, 直接检验了基金抱团影响股票市场定价效率的微观机制. 具体而言, 本文发现基金抱团不仅限制了团体内部成员的交易活跃度, 而且加剧了与其他投资者之间的信息不对称, 导致股票交易流动性恶化, 股价信息融入延迟; 同时, 基金抱团吸引了更多投资者的集体性买入, 掩盖了真实的股价信息信号, 从而延缓了股价信息融入速度.

2 文献回顾与研究假设

2.1 机构投资者网络的文献回顾

经典模型在设定中通常将知情交易者认定为独立同质的个体, 知情交易者根据自身拥有的信息和风险偏好进行交易决策, 而没有考虑到投资者之间的信息交流和互动(Hong et al., 2005; Crawford et al., 2017). 现有大量研究表明, 金融市场上投资者之间存在信息交流行为, 而且会观察和学习他人的交易行为, 从而影响到投资者的交易决策, 为机构投资者网络的存在提供了大量的理论和实证证据(Pareek, 2012; Pool et al., 2015). 刘京军和苏楚林(2016)将机构投资者网络概括为以下三类: 1)社会关系网络, 根据投资者的社会属性进行构建, 比如校友关系(申宇等, 2016)、地理位置邻近(Hong et al., 2005; Pool et al., 2012, 2015); 2)业务关系网络, 根据投资者之间的业务关系构建, 如投资银行与基金公司之间的关系(Reuter, 2006)、金融市场上买方与卖方的关系(Firth et al., 2013)、供应链网络(Cohen and Frazzini, 2008); 3)共同持仓网络, 根据投资者共同持有的投资标的来构建网络(Pareek, 2012; 肖欣荣等, 2012). 由于大数据时代和网络技术的发展, 信息的传播渠道和速度发生了颠覆性的变化, 机构投资者之间的信息交流不可能仅局限于社会关系网络和业务关系网络, 更多隐性的机构投资者信息互动渠道很难被察觉和识别. 而且, 现有理论表明, 投资持仓的相似性与机构投资者之间的互动紧密相关(Hong et al., 2005; Pool et al., 2015), 因此本文主要基于机构投资者共同持有的投资标的构建机构投资者网络.

早期关于机构投资者网络的研究聚焦于网络整体的密度. Pareek (2012)以基金重仓股票为“链接”构建基金关联网络, 使用经过市值调整的残差网络密度描述基金网络特征. 基金网络密度越大, 表明信息流动速度越快, 同时其价格变化也就越快. 随后, 国内很多研究都沿用此方法对基金网络进行衡量, 探究基金之间的关联行为(肖欣荣等, 2012; 刘京军和苏楚林, 2016)、对股票市场极端风险的影响(陈新春等, 2017; 田正磊等, 2019). 进一步地, 后续研究考虑到网络结构并非是均匀对称的, 位于网络中不同位置的个体获取和传递信息的能力存在差异, 位于网络中心位置的机构投资者获取信息能力更强、采取行动更快、对其他投资者决策的影响能力更大(Ozsoylev et al., 2014). 基金层面上, 现有研究发现网络中心度越高的基金, 其投资绩效越高(陈胜蓝和李璟, 2021). 公司层面上, 郭晓冬等(2018)发现, 位于网络中心位置的机构投资者会利用网络隐瞒坏消息, 导致股价崩盘风险升高. 綦好东等(2019)发现基金的网络中心度越高, 会加剧股票市场的错误定价, 导致公司非效率投资行为增加. 这些研究均是以机构投资者个体作为研究对象, 将机构投资者网络视为机构个体获取信息和传递信息的渠道, 从而探究机构投资者个体在网络中的位置和作用如何影响自身的投资决策以及由此引发的经济后果.

不同于上述研究中相对疏松的网络关系, 本文更加关注于机构投资者网络中的个体合作互动行为, 将网络中个体之间高度连接、紧密互动所形成的子网络团体视为研究对象, 探究这一强关系网络对于投资者行为动态以及股票市场定价效率的影响. Crane et al. (2019)以美国上市公司为研究对象, 采用Louvain算法将机构投资者整体大网络中联系更为紧密、个体成员之间互相充分连接的小网络识别为机构投资者团体. 研究发现, 机构投资者团体网络关系可以通过增强机构投资者投票发声的治理作用, 改善公司治理. 随后, 基于Crane et al. (2019)提出的机构投资者团体的识别方法, 国内学者探究了机构抱团对公司治理(刘新争和高闯, 2021)、公司投资效率(郭晓冬等, 2020)、以及股价崩盘风险(吴晓晖等, 2019)的影响. 现有研究主要侧重于探究机构投资者抱团对公司治理与决策行为的影响, 而对其在股票市场中的作用关注较少. 吴晓晖等(2019)一文虽然探讨了机构抱团与股价崩盘风险之间的关系, 但并未直接分析机构抱团行为对于投资者交易以及股票价格发现过程的影响. 本文拓展了这一领域的研究, 丰富了对机构投资者抱团行为机制以及经济后果方面的认识, 为提高资本市场定价效率提供新的视角和证据.

2.2 机构投资者团体与股价信息融入

机构投资者拥有更为专业的信息搜集、处理和解读能力, 因此通常被认为是拥有信息优势的知情交易者(Hendershott et al., 2015). 机构投资者通过知情交易促进私有信息更快融入股价, 从而提升市场定价效率(Piotroski and Roulstone, 2004; Boehmer and Kelley, 2009; 孔东民等, 2015). 而且, 社会关系网络有助于私有信息的快速扩散和传播(Ozsoylev et al., 2014; Han and Yang, 2013), 是机构投资者在进行交易决策之前获取信息的重要来源(Hong et al., 2005). 现有研究表明, 机构投资者网络便于机构投资者之间进行私有信息共享, 有助于缓解信息不对称, 推动基本面信息更快融入股价, 从而提升股价信息效率(郭白滢和周任远, 2019; 郭白滢和李瑾, 2019; 吴晓晖等, 2020). 郭白滢和周任远(2019)认为, 机构投资者可以通过信息共享来拓宽信息来源渠道、提供及时反馈以及推动更多机构的一致性交易, 以提升信息的全面性、准确性和及时性, 从而加速股价信息融入、提升市场定价效率. 现有研究将机构投资者网络视为机构投资者个体获取和传递私有信息的渠道, 拥有网络关系更多的机构投资者具有更强的信息优势, 而网络关系对于其交易行为是不存在制约的. 而机构投资者团体是网络中个体之间相互连接、高度聚集的特殊网络结构, 团体中个体之间的互动和交流更为频繁, 更容易促进合作的产生(Marcoux and Lusseau, 2013; Crane et al., 2019). 社会网络理论指出, 紧密型网络具有更强的信息传递能力和更高的合作惩戒效率, 有利于维系网络内部的信任基础和合作关系(Ali and Miller, 2013). 由于机构投资者团体成员之间存在利益捆绑与共进共退的合作关系, 这种强网络关系必然会对团体成员的决策框架和行为模式产生深刻影响. 因此, 本文基于投资者交易行为和公司治理参与两个方面对机构投资者抱团如何影响信息融入股价的作用机理进行深入分析.

2.2.1 投资者交易行为层面

从基金团体内部看, 团体内部成员之间的合作可能会减少成员之间的竞争性交易, 即使基金团体成员拥有抱团股的负面信息, 为了维持合作关系和声誉, 可能会缓慢卖出持仓、减少激进交易行为, 最小化退出持股的价格影响来减少对其他团体成员利益的损害. 因此, 基金团体内部的合作关系限制了基金个体成员利用自身私有信息进行激进知情交易, 竞争性交易减少, 从而降低了被抱团股票的交易活跃度, 阻碍了股价信息融入(Boehmer and Kelley, 2009). 从基金团体外部看, 基金团体因拥有更加强大的信息优势而成为知情交易者, 这可能会导致外部其他投资者出现两种情况: 一方面, 为了规避信息不对称所造成的损失, 一些投资者提供更为保守的买卖订单报价(即在购买股票时设定更低的买入报价, 在卖出股票时设定更高的卖出报价), 致使买卖价差增大(Glosten and Milgrom, 1985), 股价信息融入延迟. 此外, 一些极端厌恶风险的投资者可能选择退出市场, 同样会导致股票流动性恶化, 延缓信息融入股价的速度. 另一方面, 一些投资者可能试图通过跟随基金团体的交易策略以期分享其信息优势, 机构投资者可能出于业绩压力、声誉风险或迎合投资者喜好等动机买入基金抱团股票(许年行等, 2013; 刘京军等, 2018), 散户投资者也可能出于从众心理跟随买入市场主流观点所看好的基金抱团股票(Lakonishok et al., 1992; Venezia et al., 2011). 这些投资者跟风买入行为使得被基金抱团的股票呈现出更强的群体性交易特征, 延缓了新信息在市场中的传播和吸收, 而且大量非理性的噪音交易掩盖了股票价格的真实信息信号, 扰乱了正常的股票价格发现过程, 从而导致股价信息融入速度降低(Hirshleifer and Teoh, 2003; Tan et al., 2008).

基于以上分析, 本文提出如下假设:

假设1 基金抱团使得团体内部成员之间的竞争性交易减少、基金团体与外部其他投资者之间的信息不对称加剧, 从而导致被抱团股票的交易成本显著增加、流动性恶化, 引发股价信息融入延迟.

假设2 基金抱团吸引了更多投资者跟风买入, 投资者的集体性交易掩盖了真实的股价信息信号, 干扰了正常的价格发现过程, 从而导致股价信息融入延迟.

2.2.2 公司治理参与层面

Edmans (2009)指出, 机构投资者通常通过“投票发声”和“退出威胁”两种机制来发挥公司治理作用. 投票发声是指机构投资者利用其股东身份通过投票和提案等方式直接参与公司的重大决策过程(Gillan and Starks, 2000; McCahery et al., 2016). 而基金抱团可以增加机构投资者的集体持股比例, 提高了其在股东大会上的话语权和影响力(Crane et al., 2019), 但在中国资本市场上, 基金团体通过投票发声进行公司治理的实际效力可能并不显著. 一方面, 中国上市公司普遍存在股权相对集中、大股东控制力强的特点(Jiang and Kim, 2020), 在控股股东“一股独大”的格局下, 基金团体很难通过投票发声对公司治理产生实质性改变. 另一方面, 中国公募基金普遍面临较大的短期业绩压力和委托代理问题(孟庆斌等, 2015; 李祥文和吴文锋, 2018), 使得基金经理追逐短期业绩, 回避与管理层的对抗和冲突, 削弱基金管理者参与公司治理的积极性. 同时, 吴晓晖等(2019)也表明, 中国资本市场上机构投资者团体的力量仍然相对薄弱, 无法直接通过“投票发声”发挥积极的公司治理作用.

相较于通过“投票发声”来直接干预公司的经营决策, 中国股票市场上的机构投资者更多是通过“退出威胁”的方式间接发挥公司治理作用(Jiang and Kim, 2015; Firth et al., 2016). 当机构投资者独立行动时, 如果机构投资者不满意公司的经营管理, 可以随时退出持股, 致使公司股价动荡甚至下跌. 这种退出威胁机制可以使机构投资者对公司的经营决策发挥监督作用, 改善公司治理(Edmans, 2009). 然而, 机构团体成员之间的合作关系会限制个体成员的激进交易活动, 这削弱了机构投资者的退出威胁机制对公司决策行为的市场化监督作用(Edmans and Manso, 2011; Crane et al., 2019), 管理层有动机对公司经营情况进行策略性披露, 致使公司信息透明度下降. 公司信息透明度下降使得投资者获取和解读公司基本面信息的成本增加, 市场对新信息的吸收和反应速度变慢(Grossman and Stiglitz, 1980; Kyle, 1985), 从而延缓股价对信息的反应速度.

由于基金团体参与积极公司治理需要投入大量的时间和精力, 而这种投入在短期内很难体现为基金业绩的提升. 在成本收益不对称的情况下, 基金管理人可能选择“搭便车”而非积极参与公司治理, 甚至可能与公司管理层达成合谋, 共同维护既得利益格局. 由于中国资本市场上单个机构投资者持股比例较小且股权较为分散(Jiang and Kim, 2015), 仅依靠自身实力难以与公司管理层达成合谋. 而基金网络团体可以通过整合各成员的资金实力、信息来源等方面资源, 扩大其在资本市场上的影响力, 从而具备了与公司管理层合谋的条件(郭晓冬等, 2020). 当基金团体的持股比例较高且市场影响力足够大时, 为谋求自身利益最大化, 可能会选择与公司管理层勾结进行利益输送, 牺牲公司及其他股东的利益(Schnatterly et al., 2008; 邵剑兵和李娜, 2023). 具体地, 公司管理层可以为基金团体提供信息优势、投资机会、交易便利等好处, 比如提前向基金团体透露公司的重大决策、财务业绩、并购计划等内幕信息, 帮助基金提前布局以实现超额收益和资金规模的增长(Massoud et al., 2011). 而基金团体也可以为管理层提供各种资源和支持, 例如在股东大会上投票支持管理层, 放松对管理层的监督和问责, 帮助管理层巩固控制权、提高薪酬水平、修饰财务报告等(潘越, 戴亦一和魏诗琪, 2011; 刘新民等, 2021). 当基金团体和公司管理层形成“利益同盟”后, 可能会减弱对公司管理层的监督, 甚至协助管理层隐瞒或粉饰不利信息, 导致公司信息透明度降低, 降低了股票市场的定价效率.

基于上述分析, 本文提出如下假设:

假设3 基金抱团削弱了机构投资者“退出威胁”机制的有效性, 放松了对公司管理层的市场化监督, 导致公司信息透明度下降, 从而引发股价信息融入延迟.

假设4 基金抱团增强了机构投资者与公司管理层合谋的动机, 减弱了对公司管理层的监督作用, 导致公司信息透明度下降, 从而引发股价信息融入延迟.

图1 基金抱团与股价信息融入的研究假设分析

Full size|PPT slide

3 研究设计

3.1 样本数据与数据来源

本文基于公募基金的股票持仓明细构建基金持仓网络以识别基金团体, 以2005–2021年的沪深A股非金融行业上市公司为研究对象, 探究基金抱团在信息融入股价过程中的作用. 考虑到2005年之前的公募基金产品数量和种类较少, 并参考现有基金网络研究中关于样本区间的选择(刘京军和苏楚林, 2016; 陈新春等, 2017; 陈胜蓝和李璟, 2021), 本文以2005年作为样本区间的起始年份. 其中, 公募基金的研究样本选取了主动管理类的开放式股票型基金和偏股混合型基金, 剔除指数型、增强指数型基金等被动管理类的公募基金. 同时, 本文剔除了金融行业公司、*ST、ST、PT等特殊处理的风险警示个股、上市后一年以内的样本, 并对所有连续型变量进行了1%和99%的缩尾处理. 上市公司的财务数据、股票交易数据、以及基金的股票持仓明细数据均来源于国泰安数据库(CSMAR)¹.

¹本文的数据和代码参见科学数据银行(ScienceDB)期刊社区, DOI: 10.57760/sciencedb.j00214.00013和CSTR: 31253.11.sciencedb.j00214.00013. 若使用文中数据信息, 请注明引文和数据出处.

3.2 变量定义

3.2.1 基金团体持股

本文参考Crane et al. (2019)的方法构建衡量基金团体持股情况的指标, 具体构建过程如下: 首先, 由于本文关注机构投资者网络团体的交易行为对股票市场定价效率的影响, 故本文只选取主动投资类的机构投资者——公募基金作为研究对象(剔除指数型基金、增强指数型基金等被动型投资基金); 其次, 根据两个基金共同持有某支股票的市值占基金自身净值的5% 以上来确定二者之间存在连接(郭白滢和周任远, 2019), 以此为基础构建基金关系网络; 最后, 利用社会网络分析中经典的Louvain算法从基金网络中识别出个体成员之间充分连接的基金团体. 在识别出基金团体后, 根据公式(1)计算所有属于团体的基金成员在季度t对股票i的持股比例之和, 衡量个股被基金抱团的程度:

\begin{aligned} {C l i q u e O w n}_{i, t} = \underset{j = 1}{\sum^{N}} λ_{i, j, t} \cdot 1 ({C l i q u e F u n d}_{j, t}), \end{aligned}

(1)

其中,

λ_{i, j, t}

表示基金j在第t季度持有股票i的股份与股票i的总流通股份之间的比例.

1 ({C l i q u e F u n d}_{j, t})

表示基金j是否属于任一基金团体的虚拟变量, 如果基金j属于任一基金团体的成员则该变量为1, 否则为0. 因此,

{C l i q u e O w n}_{i, t}

衡量了所有属于基金团体成员的基金对股票i在t季度的持股比例之和.

此外, Crane et al. (2019)还构建了

C l i q u e H_{i, t}

和

C l i q u e T o p 1_{i, t}

两个指标, 从更多角度对个股被机构投资者团体的持有情况进行衡量, 本文将其作为衡量个股被基金抱团程度的替代指标进行稳健性检验. 其中,

C l i q u e H_{i, t}

为所有基金团体对于股票i在t季度持股比例的赫芬达尔指数, 即在t季度持有股票i的每个基金团体持股比例的平方和.

C l i q u e T o p 1_{i, t}

指在t季度持有股票i的所有基金团体中, 持股比例最高的一个基金团体的持股比例.

3.2.2 股价信息延迟

本文选择Hou and Moskowitz (2005)提出的价格延迟指标来衡量股价信息融入速度, 股价信息融入速度越快, 市场的定价效率越高. 参考Busch and Obernberger (2017), 采用股票日度收益根据以下公式估计股价信息延迟的月度指标:

\begin{aligned} r_{i, d} = α_{i} + β_{M}^{0} r_{M, d} + ε_{i, d} (B a s e m o d e l), \end{aligned}

(2)

\begin{aligned} r_{i, d} = α_{i} + β_{M}^{0} r_{M, d} + \sum_{n = 1}^{5} β_{M}^{- n} r_{M, d - n} + ε_{i, d} (E x t e n d e d m a r k e t m o d e l), \end{aligned}

(3)

其中,

r_{i, d}

代表股票i在第d日的回报率,

r_{M, d}

代表股票市场在第d日的综合回报率,

r_{M, d - n}

表示在第

d - n

个交易日的综合股票市场回报率. 如果信息迅速融入股价, 那么滞后的市场回报率系数

β_{M}^{- n}

应当为0. 基于此, 衡量股价信息融入延迟指标的具体计算公式如下:

\begin{aligned} D M r s q_{i, m} = 1 - \frac{R_{b a s e}^{2}}{R_{e x t e n d e d}^{2}}, \end{aligned}

(4)

\begin{aligned} D M s e_{i, m} = \frac{\sum_{n = 1}^{5} n \times \frac{a b s (β_{M}^{- n})}{s e (β_{M}^{- n})}}{\frac{a b s (β_{M}^{0})}{s e (β_{M}^{0})} + \sum_{n = 1}^{5} \frac{a b s (β_{M}^{- n})}{s e (β_{M}^{- n})}} . \end{aligned}

(5)

式(4)利用拟合优度计算了衡量市场层面信息融入速度的价格延迟指标(

D M r s q_{i, m}

). 其中,

R_{b a s e}^{2}

和

R_{e x t e n d e d}^{2}

分别为根据式(2)和式(3)回归得到的拟合优度.

R_{b a s e}^{2}

和

R_{e x t e n d e d}^{2}

之间的差异越小, 即

D M r s q_{i, m}

的值越小, 说明股价信息融入速度越快, 价格延迟越小. 式(5)通过利用回归系数的绝对值除以标准误, 提供了第二种衡量市场层面信息融入速度的价格延迟指标计算方法.

D M s e_{i, m}

的值越小, 信息融入股价的速度越快, 定价效率越高.

考虑到公司层面特有信息, 本文构建如式(6)所示的拓展模型来计算公司层面特有信息的股价融入速度:

\begin{aligned} r_{i, d} = α_{i} + β_{i}^{0} r_{M, d} + \sum_{n = 1}^{5} β_{i}^{- n} R_{i, d - n} + ε_{i, d} (E x t e n d e d f i r m m o d e l), \end{aligned}

(6)

\begin{aligned} D F r s q_{i, m} = 1 - \frac{R_{b a s e}^{2}}{R_{e x t e n d e d - f i r m}^{2}}, \end{aligned}

(7)

\begin{aligned} D F s e_{i, m} = \frac{\sum_{n = 1}^{5} n \times \frac{a b s (β_{i}^{- n})}{s e (β_{i}^{- n})}}{\frac{a b s (β_{M}^{0})}{s e (β_{M}^{0})} + \sum_{n = 1}^{5} \frac{a b s (β_{i}^{- n})}{s e (β_{i}^{- n})}}, \end{aligned}

(8)

其中,

R_{i, d - n}

表示股票i在第

d - n

个交易日的超额收益率, 即股票i的日收益率减去市场日收益率.

r_{i, d}

代表股票i在第d日的回报率,

r_{M, d}

代表股票市场在第d日的综合回报率. 如果信息迅速融入股价, 那么滞后的个股超额收益率系数

β_{i}^{- n}

应当为0.

式(7)和式(8)提供了衡量公司层面特有信息融入的价格延迟指标的计算方法. 与

D M r s q_{i, m}

和

D M s e_{i, m}

的计算方法和含义类似,

D F r s q_{i, m}

和

D F s e_{i, m}

的数值越小, 说明公司层面特有信息的股价融入速度越快, 价格延迟程度越低, 定价效率越高. 将月度频率的价格延迟指标平均为季度频率之后, 本文选择用拟合优度计算的衡量市场层面和公司层面信息融入速度的两个价格延迟指标(

D M r s q_{i, t}

和

D F r s q_{i, t}

)作为主要被解释变量, 将回归系数经标准误调整后计算的两个价格延迟指标(

D M s e_{i, t}

和

D F s e_{i, t}

)作为替换变量进行稳健性检验.

此外, 本文还选择了方差比率(variance ratio)作为替代的股价信息效率指标进行稳健性检验. 有效的股票价格应当遵循随机游走过程, 而随机游走过程的重要特点就是收益方差必须与采样的时间间隔成正比(Lo and MacKinlay, 1988). 参考Cao et al. (2018), 本文采用日内的收益率数据基于如下公式计算方差比率的月度指标:

\begin{aligned} V R = | 1 - \frac{15 σ_{30}^{2}}{30 σ_{15}^{2}} |, \end{aligned}

(9)

其中,

σ_{15}^{2}

和

σ_{30}^{2}

分别代表在15分钟和30分钟区间内的股票收益方差. 根据随机游走假设, 30分钟区间内的收益方差应该为15分钟区间内收益方差的两倍. VR捕捉了长期收益方差和短期收益方差之比与1的偏离程度, 因此该指标数值越大, 意味着股票价格效率越低.

3.2.3 控制变量

本文参考Crane et al. (2019)、Busch and Obernberger (2017)等研究在回归中控制了以下变量: 股票市值(

{S i z e}_{i, t}

)、账面市值比(

{B M}_{i, t}

)、资产负债比(

{L e v}_{i, t}

)、上一季度的股票收益率(

{R e t}_{i, t - 1}

)、股价季度波动率(

{R V o l}_{i, t}

)、换手率(

{T u r n o v e r}_{i, t}

)、Amihud (2002)非流动性(

{I L L I Q}_{i, t}

)、机构持股比例(

{I n s t s h a r e}_{i, t}

)、以及分析师关注度(

{A n a l y s t}_{i, t}

). 本文所采用的主要研究变量的定义如表 1所示.

表1 变量定义

变量名	变量定义
$D M {r s q}_{i, t}$	股票 $i$ 在 $t$ 季度的市场层面信息融入股价的速度, 由 $t$ 季度内的市场信息延迟月度指标( $D M {r s q}_{i, m}$ )平均后得到.
$D F {r s q}_{i, t}$	股票 $i$ 在 $t$ 季度的公司特有信息融入股价的速度, 由 $t$ 季度内的公司信息延迟月度指标( $D F {r s q}_{i, m}$ )平均后得到.
${C l i q u e O w n}_{i, t}$	股票 $i$ 在 $t$ 季度被基金团体持有的比例之和.
${S i z e}_{i, t}$	股票 $i$ 在 $t$ 季度的市值(取自然对数值).
${B M}_{i, t}$	股票 $i$ 在 $t$ 季度的账面市值比.
${L e v}_{i, t}$	股票 $i$ 在 $t$ 季度的资产负债比.
${R e t}_{i, t - 1}$	股票 $i$ 在 $t - 1$ 季度的买入持有收益率.
${R V o l}_{i, t}$	股票 $i$ 在 $t$ 季度的收益波动率, 采用 $t$ 季度内日收益率的标准差衡量.
${T u r n o v e r}_{i, t}$	股票 $i$ 在 $t$ 季度的换手率.
${I L L I Q}_{i, t}$	股票 $i$ 在 $t$ 季度的Amihud (2002)非流动性指标.
${I n s t s h a r e}_{i, t}$	股票 $i$ 在 $t$ 季度的机构持股比例.
${A n a l y s t}_{i, t}$	股票 $i$ 在 $t$ 季度的分析师关注度(关注的分析师人数加1后取自然对数).

3.3 模型设定

为探究基金抱团对股价信息融入速度的影响, 本文构建了如下回归模型进行检验:

\begin{aligned} D M r s q_{i, t} / D F r s q_{i, t} = & β_{0} + β_{1} {C l i q u e O w n}_{i, t} + \sum_{k} γ_{k} {C o n t r o l s}_{k, i, t} + \\ F i r m + Q u a r t e r + ε_{i, t}, \end{aligned}

(10)

其中,

D M r s q_{i, t}

和

D F r s q_{i, t}

分别为衡量股票i在t季度的市场层面信息和公司层面信息融入股价速度的指标,

{C l i q u e O w n}_{i, t}

衡量股票i在t季度被基金团体持有的比例之和.

C o n t r o l s_{k, i, t}

代表回归中需要控制的市值、账面市值比、资产负债比、上一季度股票收益率、股价季度波动率、换手率、Amihud (2002)非流动性、机构持股比例、分析师关注度九个可能影响股价信息效率的变量.

F i r m

和

Q u a r t e r

分别为面板回归模型中控制的公司固定效应和季度固定效应, 且回归中的标准误均进行了稳健性调整.

4 实证分析

4.1 描述性统计

本文首先对主要变量进行描述性统计分析, 结果呈现如表 2所示. 从中可以看到, 基金团体持股比例的均值(3.67%)接近于75%分位数(4.13%), 而远高于中位数(0.49%), 表明基金团体持股比例呈现右偏的分布态势, 股票市场上存在着高度集中的基金抱团持股. 而且, 基金团体对大多数公司的持股比例不超过5%, 这意味着基金团体通过投票渠道直接干预公司事务、对管理层施加压力的能力较为有限, 更可能是通过“退出威胁”这一市场化机制发挥积极的公司治理作用. 衡量价格延迟的

D M r s q_{i, t}

和

D F r s q_{i, t}

的均值分别为0.39和0.37, 与以往文献中的价格延迟指标数值相近(吴晓晖等, 2020), 处于合理范围内.

表2 描述性统计

变量	观测值	平均值	标准差	最小值	p25	中位数	p75	最大值
$D M {r s q}_{i, t}$	81958	0.3881	0.2052	0.0591	0.2227	0.3624	0.5266	0.9302
$D F {r s q}_{i, t}$	81958	0.3703	0.2049	0.0521	0.2043	0.3412	0.5078	0.9219
${C l i q u e O w n}_{i, t}$	81958	0.0367	0.0674	0.0000	0.0000	0.0049	0.0413	0.3362
${S i z e}_{i, t}$	81958	23.0481	1.1764	20.4935	22.2203	22.9182	23.7491	26.3386
${B M}_{i, t}$	81958	0.6423	0.2478	0.1191	0.4526	0.6451	0.8361	1.1670
${L e v}_{i, t}$	81958	0.4633	0.1958	0.0635	0.3150	0.4675	0.6130	0.8966
${R e t}_{i, t - 1}$	81958	0.0484	0.2525	$-$ 0.4201	$-$ 0.1140	0.0020	0.1621	0.9789
${R V o l}_{i, t}$	81958	0.0283	0.0111	0.0101	0.0204	0.0262	0.0341	0.0661
${T u r n o v e r}_{i, t}$	81958	0.0230	0.0195	0.0018	0.0091	0.0170	0.0306	0.1040
${I L L I Q}_{i, t}$	81958	0.0006	0.0013	0.0000	0.0001	0.0003	0.0006	0.0124
${I n s t s h a r e}_{i, t}$	81958	0.4586	0.2500	0.0025	0.2528	0.4917	0.6579	0.9048
${A n a l y s t}_{i, t}$	81958	1.9768	0.9098	0.6931	1.0986	1.9459	2.7081	3.8286

4.2 基准回归

表 3呈现了基金抱团对股价信息延迟影响的实证检验结果. 从中可以看到, 基金团体持股(

{C l i q u e O w n}_{i, t}

)的系数在1%的水平上显著为正, 说明基金抱团会加剧股价信息延迟, 无论是市场层面信息还是公司特有信息的融入都受到了阻碍. 这一结果与本文的理论预期相符, 即基金团体之间的网络关系并没有通过促进私有信息的扩散来加速信息融入股价, 反而降低了股价信息融入效率.

表3 基准回归

	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)
${C l i q u e O w n}_{i, t}$	0.2458***	0.2264***
	(16.6897)	(15.4182)
${S i z e}_{i, t}$	$-$ 0.0118***	$-$ 0.0111***
	( $-$ 4.6148)	( $-$ 4.3703)
${B M}_{i, t}$	$-$ 0.1172***	$-$ 0.1125***
	( $-$ 17.1509)	( $-$ 16.5284)
${L e v}_{i, t}$	0.0625***	0.0592***
	(7.7025)	(7.3112)
${R e t}_{i, t - 1}$	0.1228***	0.1214***
	(36.1710)	(35.1887)
${R V o l}_{i, t}$	3.2698***	3.0210***
	(21.1946)	(19.6199)
${T u r n o v e r}_{i, t}$	0.9772***	0.9417***
	(15.9398)	(15.5867)
${I L L I Q}_{i, t}$	6.8679***	8.3806***
	(7.9995)	(9.7609)
${I n s t s h a r e}_{i, t}$	0.0763***	0.0701***
	(12.3846)	(11.7699)
${A n a l y s t}_{i, t}$	$-$ 0.0028**	$-$ 0.0034**
	( $-$ 2.0162)	( $-$ 2.4540)
截距项	0.5534***	0.5181***
	(9.9726)	(9.4563)
季度固定效应	是	是
公司固定效应	是	是
观测值	81958	81958
调整后的 $R^{2}$	0.4309	0.4326

注: *、 **、 ***分别表示10%、 5%和1%的显著性水平; 括号中为

t

值, 下同.

4.3 稳健性检验

4.3.1 替换基金团体持股情况指标

参考Crane et al. (2019)和吴晓晖等(2020), 本文采用基金团体持股的赫芬达尔指数(

C l i q u e H_{i, t}

)和持股比例最高的基金团体持股比例(

C l i q u e T o p 1_{i, t}

)从不同角度衡量基金团体的持股情况. 由表 4可知, 在替换基金团体持股情况的指标后, 回归结果仍与基准结果保持一致, 即基金抱团会阻碍信息融入股价.

表4 稳健性检验: 替换基金团体持股情况指标

	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)	(3)	(4)
${C l i q u e H}_{i, t}$	1.7589***	1.6582***
	(15.7331)	(15.0768)
$C l i q u e O w n {T o p 1}_{i, t}$			0.4290***	0.3996***
			(16.0045)	(14.9547)
截距项	0.5313***	0.4968***	0.5478***	0.5126***
	(9.5795)	(9.0823)	(9.8705)	(9.3583)
其它控制变量	是	是	是	是
季度固定效应	是	是	是	是
公司固定效应	是	是	是	是
观测值	81958	81958	81958	81958
调整后的 $R^{2}$	0.4302	0.4322	0.4307	0.4325

4.3.2 替换衡量股价信息效率的指标

参考Busch and Obernberger (2016)、Cao et al. (2018), 本文采用经标准误调整后的滞后项系数计算的两个价格延迟指标以及方差比率作为股价信息效率的替代指标. 根据表 5的结果可以发现, 基金团体持股比例(

{C l i q u e O w n}_{i, t}

)的系数均在1%的统计水平上显著为正, 支持了基金抱团阻碍股价信息融入的基本结论.

表5 稳健性检验: 替换衡量股价信息效率的指标

	$D M {s e}_{i, t}$	$D F {s e}_{i, t}$	${V R}_{i, t}$
	(1)	(2)	(3)
${C l i q u e O w n}_{i, t}$	0.4660***	0.4218***	0.0083***
	(15.7574)	(14.3348)	(2.8895)
截距项	2.2761***	2.2354***	0.4061***
	(21.4398)	(21.2407)	(39.2205)
其它控制变量	是	是	是
季度固定效应	是	是	是
公司固定效应	是	是	是
观测值	81814	81814	70201
调整后的 $R^{2}$	0.3632	0.3449	0.1156

4.3.3 更换样本频率及区间

由于公募基金发布的半年报和年报中披露了全部的持仓明细数据, 因此本文选取披露信息更为完备的半年度频率数据进行稳健性检验. 表 6中的列(1)和列(2)显示, 在仅保留半年度频率样本的情况下, 基金团体持股对股价信息融入仍存在显著的延迟作用. 此外, 考虑到股灾极端事件可能会对回归结果产生干扰, 本文在表 6的列(3)和列(4)中展示了剔除2008年和2015年股灾期间样本的回归结果, 基金抱团对股价信息延迟的影响仍在1%的统计水平上显著为正, 表明研究结论具有一定的稳健性.

表6 稳健性检验: 更换样本频率及区间

	半年度频率样本		剔除股灾期间样本
	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)	(3)	(4)
${C l i q u e O w n}_{i, t}$	0.1942***	0.1751***	0.2561***	0.2381***
	(12.3446)	(11.1762)	(15.5350)	(14.5492)
截距项	0.4377***	0.3914***	0.6631***	0.6314***
	(7.0447)	(6.3041)	(11.1615)	(10.8448)
其它控制变量	是	是	是	是
季度固定效应	是	是	是	是
公司固定效应	是	是	是	是
观测值	41715	41715	72840	72840
调整后的 $R^{2}$	0.4416	0.4353	0.4086	0.4088

4.3.4 工具变量法

为缓解潜在的内生性问题对研究结论的影响, 本文参考李杰等(2024)中的做法, 采用同行业同季度其他上市公司被基金团体持股的平均比例作为工具变量. 由于同行业公司面临相似的市场环境和投资者偏好, 其被基金团体持有的比例可能与关注公司的基金团体持股比例具有一定的相关性. 而且, 同行业其他公司的基金团体平均持股比例不太可能直接影响关注公司的股价信息融入速度, 因此满足了作为工具变量的相关性和外生性条件. 基于这一工具变量, 本文采用两阶段最小二乘法(2SLS)和广义矩估计(GMM)对模型进行重新估计.

表 7中展示了使用工具变量法进行内生性检验的结果. 在2SLS模型中, 第一阶段回归结果显示, 同行业同季度其他上市公司被基金团体持股的平均比例(

{I V}_{i, t}

)这一工具变量的回归系数在1%的水平下显著, 说明该工具变量与基金团体持股比例密切相关. 在第二阶段回归中, 基金团体持股的系数在1%的水平下均显著为正, 这意味着在控制了潜在的内生性问题后, 基金抱团对股价信息融入速度的负向影响仍然显著. 类似地, 在进行GMM估计的回归结果中, 基金团体持股的系数在5%的水平下均显著为正, 这进一步支持了本文的研究结论, 即基金抱团阻碍了股价信息融入.

表7 稳健性检验: 工具变量法

	2SLS			GMM
	${C l i q u e O w n}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)	(3)	(4)	(5)
${C l i q u e O w n}_{i, t}$		0.4595***	0.3550**	0.4595***	0.3550**
		(2.7669)	(2.1090)	(2.9670)	(2.2805)
${I V}_{i, t}$	0.1553***
	(12.6300)
截距项	0.0913***	0.5328***	0.5044***
	(3.0013)	(9.3147)	(8.9897)
其它控制变量	是	是	是	是	是
季度固定效应	是	是	是	是	是
公司固定效应	是	是	是	是	是
观测值	81909	81909	81909	81863	81863
调整后的 $R^{2}$	0.3452	0.4563	0.4562	0.4080	0.4117

4.3.5 滞后自变量及修改模型中控制的固定效应

为了缓解潜在的双向因果问题, 本文在表 8的列(1)和列(2)中对所有的自变量滞后一期进行回归, 结果发现基金团体持股的系数在1%的统计水平上显著为正, 研究结论保持不变, 基金抱团阻碍了股价信息融入. 为控制更多难以观测的遗漏因素对回归结果的干扰, 本文在表 8的列(3)和列(4)控制了季度和行业固定效应, 在列(5)和列(6)控制了季度、公司个体和行业固定效应, 所有回归结果均显示基金抱团对股价信息融入存在显著的负面作用, 与基准回归结果保持一致.

表8 稳健性检验: 滞后自变量及修改模型中控制的固定效应

	对所有自变量滞后一期		修改模型中控制的固定效应
	$D M {r s q}_{i, t + 1}$	$D F {r s q}_{i, t + 1}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)	(3)	(4)	(5)	(6)
${C l i q u e O w n}_{i, t}$	0.1992***	0.1907***	0.3139***	0.2874***	0.2449***	0.2253***
	(13.6025)	(13.4143)	(31.6693)	(28.9080)	(16.7227)	(15.4488)
截距项	1.1620***	1.1452***	0.4603***	0.4277***	0.5625***	0.5321***
	(20.8592)	(20.5987)	(23.5988)	(21.8037)	(9.6942)	(9.2537)
其它控制变量	是	是	是	是	是	是
季度固定效应	是	是	是	是	是	是
公司固定效应	是	是	否	否	是	是
行业固定效应	否	否	是	是	是	是
观测值	79314	79314	81958	81958	81958	81958
调整后的 $R^{2}$	0.3713	0.3794	0.4625	0.4612	0.4311	0.4328

4.4 影响机制分析

4.4.1 投资者交易行为层面

1)股票交易流动性

根据假设1的推断, 由于基金团体内部存在利益捆绑、共进共退的合作关系, 这种强网络关系限制使得团体内部成员不能根据其持有信息自由退出持股, 可能会导致股票交易活跃度降低, 流动性下降. 另一方面, 基金抱团加剧了基金团体与其他投资者之间的信息不对称, 团体外部其他投资者可能会提供更为保守的订单报价, 甚至退出交易, 这些行为极大地损害了股票交易流动性, 阻碍了股价信息融入. 因此, 本文采用直接平均和交易量加权计算的相对报价价差和相对有效价差指标衡量个股的流动性水平, 以检验股票流动性在基金抱团阻碍股价信息融入过程中的作用. 其中, 相对报价价差是指最低卖价和最高买价的差值与买卖中点价格之间的比值; 相对有效价差是指成交价格与买卖中点价格之差的绝对值的两倍, 再除以买卖中点价格得到的比值. 本文首先基于个股的3秒快照数据分别计算每个时点的相对报价价差和相对有效价差, 然后使用直接平均和交易量加权平均两种方法, 计算个股的日度相对报价价差和相对有效价差指标, 最后对日度指标在季度内进行平均, 得到季度频率的相对报价价差和相对有效价差指标, 以反映个股的流动性水平.

回归结果如表 9所示, 基金团体持股对相对报价价差和相对有效价差的系数在1%的统计水平下显著为正, 说明基金抱团增加了股票的买卖价差. 随后在基准回归中加入股票流动性指标这一中介变量, 基金团体持股的系数仍在1%的统计水平下显著为正, 实证结果证实了股票流动性作为中介变量的有效性. 这支持了假设1, 基金抱团限制了团体内部成员之间的竞争性交易、加剧了基金团体与外部其他投资者之间的信息不对称, 从而导致被抱团股票的交易成本显著增加, 流动性恶化, 阻碍了股价信息融入.

表9 机制分析: 股票交易流动性

Panel A: 报价价差( ${Q s p_E q u a l}_{i, t}$ 和 ${Q s p_V o l}_{i, t}$ )
	${Q s p_E q u a l}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$	${Q s p_V o l}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)	(3)	(4)	(5)	(6)
${C l i q u e O w n}_{i, t}$	0.0470***	0.2348***	0.2157***	0.0648***	0.2257***	0.2070***
	(6.3153)	(16.6011)	(15.2825)	(8.3175)	(16.1532)	(14.8366)
${Q s p_E q u a l}_{i, t}$		0.2133***	0.2074***
		(10.4710)	(10.7871)
${Q s p_V o l}_{i, t}$					0.2951***	0.2849***
					(15.5614)	(15.8216)
截距项	0.6790***	0.4153***	0.3835***	0.7966***	0.3250***	0.2974***
	(22.7734)	(7.2804)	(6.8238)	(25.8403)	(5.6554)	(5.2483)
其它控制变量	是	是	是	是	是	是
季度固定效应	是	是	是	是	是	是
公司固定效应	是	是	是	是	是	是
观测值	81934	81934	81934	81934	81934	81934
调整后的 $R^{2}$	0.5709	0.4335	0.4351	0.5826	0.4357	0.4370
Panel B: 有效价差( ${E s p_E q u a l}_{i, t}$ 和 ${E s p_V o l}_{i, t}$ )
	${E s p_E q u a l}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$	${E s p_V o l}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)	(3)	(4)	(5)	(6)
${C l i q u e O w n}_{i, t}$	0.0492***	0.2337***	0.2145***	0.0789***	0.2198***	0.2011***
	(6.6740)	(16.5368)	(15.2190)	(9.8998)	(15.6986)	(14.4005)
${E s p_E q u a l}_{i, t}$		0.2269***	0.2214***
		(11.0123)	(11.3786)
${E s p_V o l}_{i, t}$					0.3176***	0.3076***
					(17.3024)	(17.5456)
截距项	0.6613***	0.4101***	0.3780***	0.8174***	0.3005***	0.2729***
	(22.2085)	(7.1952)	(6.7288)	(25.5585)	(5.2276)	(4.8128)
其它控制变量	是	是	是	是	是	是
季度固定效应	是	是	是	是	是	是
公司固定效应	是	是	是	是	是	是
观测值	81934	81934	81934	81934	81934	81934
调整后的 $R^{2}$	0.5703	0.4337	0.4353	0.6056	0.4367	0.4380

2)投资者集体性交易

基金抱团形成的“利好信息”信号可能吸引更多投资者跟随抱团基金的交易决策, 导致投资者交易的趋同性显著上升, 交易行为的同质化程度不断提高, 进而掩盖了股票价格的真实信息信号, 阻碍了股价信息的充分融入. 因此, 本文借鉴Christoffersen and Tang (2010)、朱菲菲等(2019)的方法, 利用股票的日内逐笔订单交易数据构造衡量投资者集体性交易行为的指标(

{C o l l T r a d e}_{i, t}

), 试图检验基金抱团所引发的投资者交易行为变化在股价信息融入过程中的作用. 具体计算公式如下所示:

\begin{aligned} {C o l l T r a d e}_{i, t} = | \frac{B_{i, t}}{B_{i, t} + S_{i, t}} - p_{t} | - {A F}_{i, t}, \end{aligned}

(11)

\begin{aligned} {A F}_{i, t} = \sum_{k = 0}^{N_{i, t}} (\binom{N_{i, t}}{k}) p_{t}^{k} (1 - p_{t})^{N_{i, t} - k} | \frac{k}{N_{i, t}} - p_{t} |, \end{aligned}

(12)

其中,

B (i, t)

为股票i在t季度的所有主动性买入订单数量,

S (i, t)

为股票i在t季度的所有主动性卖出订单数量,

p_{t}

为t季度所有股票的主动性买入订单占其所有交易订单比例的横截面均值.

{A F}_{i, t}

是一个调整项, 即假设投资者独立进行交易时, 个股的主动性买入订单占比与所有股票的主动性买入订单占比横截面均值偏离程度的期望值. 具体地, 在此假设下主动性买入订单服从二项分布

B_{i, t} \sim B (N_{i, t}, p_{t})

, 其中

N_{i, t}

为股票i在t季度的所有订单数量. 此外, 本文将单笔成交金额小于5万元的订单划分为散户投资者交易订单, 将单笔成交金额大于等于100万元的订单划分为机构投资者交易订单, 然后按照上述过程计算机构投资者集体性交易(

{I n s t C o l l T}_{i, t}

)与散户投资者集体性交易(

{R e t a i l C o l l T}_{i, t}

由表 10可以看到, 列(1)中基金团体持股显著增加了投资者的集体交易行为, 表明基金抱团可能吸引更多投资者跟风买卖, 形成群体性的交易行为. 而且, 列(2)和列(3)中在加入投资者集体性交易行为指标后, 基金团体持股的系数在1%的水平上仍显著为正, 表明基金抱团通过增加投资者的集体交易行为延缓了股价信息融入速度, 支持了假设2的推断. 进一步地, 表 11中将投资者集体交易行为细分为机构投资者集体交易和散户投资者集体交易, 回归结果再次印证了假设2: 基金抱团吸引了更多机构投资者和散户投资者的集体性交易, 而这种群体性的非理性交易行为扰乱了股票价格发现过程, 降低了股价信息融入的速度.

表10 机制分析: 投资者集体交易行为

	${C o l l T r a d e}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)	(3)
${C l i q u e O w n}_{i, t}$	0.0112***	0.2369***	0.2174***
	(10.2526)	(16.2909)	(15.0390)
${C o l l T r a d e}_{i, t}$		0.7049***	0.7160***
		(13.1591)	(13.3630)
截距项	0.0004	0.5603***	0.5247***
	(0.0916)	(10.2594)	(9.7256)
其它控制变量	是	是	是
季度固定效应	是	是	是
公司固定效应	是	是	是
观测值	81936	81936	81936
调整后的 $R^{2}$	0.0753	0.4337	0.4354

表11 机制分析: 区分机构投资者和散户投资者的集体交易行为

	机构投资者集体交易行为			散户投资者集体交易行为
	${I n s t C o l l T}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$	${R e t a i l C o l l T}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)	(3)	(4)	(5)	(6)
${C l i q u e O w n}_{i, t}$	0.0099***	0.2391***	0.2196***	0.0171***	0.2266***	0.2063***
	(6.4132)	(16.3227)	(15.0223)	(4.1861)	(15.2256)	(14.0440)
${I n s t C o l l T}_{i, t}$		0.5810***	0.5867***
		(9.3511)	(9.3414)
${R e t a i l C o l l T}_{i, t}$					0.1802***	0.1858***
					(16.1497)	(16.8369)
截距项	$-$ 0.0086*	0.5655***	0.5299***	$-$ 0.3056***	0.6692***	0.6207***
	( $-$ 1.8303)	(10.3236)	(9.7950)	( $-$ 17.1798)	(11.7480)	(11.0302)
其它控制变量	是	是	是	是	是	是
季度固定效应	是	是	是	是	是	是
公司固定效应	是	是	是	是	是	是
观测值	81934	81934	81934	76721	76721	76721
调整后的 $R^{2}$	0.0771	0.4335	0.4352	0.1111	0.4309	0.4336

4.4.2 公司治理参与层面

1) 公司信息透明度

基金抱团除了可以影响投资者交易行为, 也可以通过参与公司治理影响公司信息透明度, 进而间接影响股价信息的融入速度. 前文的研究结论已经证实了基金抱团会显著减缓股价信息融入速度, 这意味着基金抱团通过“投票发声”对公司管理层进行监督, 提高公司信息透明度的可能性已经被排除. 相反, 基金团体内部成员之间存在的合作关系可能限制了其对公司施加“退出威胁”的能力. 在缺乏有效监督的情况下, 公司管理层可能隐瞒负面信息, 导致公司信息披露质量下降, 引发股价信息融入延迟. 因此, 本文参考吴晓晖等(2019)中的做法, 采用可操纵应计利润(

A b s D i s A c c

、

A b s R e s_D D

、

A b s R e s_N o n l i n

)和股价对交易量变动的敏感性(

K V

)衡量公司信息透明度来对假设3进行检验. 其中, 由于上市公司财务数据的限制, 本文所使用的衡量可操纵应计利润的三个指标均为年度频率. 第一个指标是基于Dechow (1995)提出的修正Jones模型计算的可操纵应计利润, 具体的计算过程如下:

\begin{aligned} \frac{{T A}_{i, T}}{A_{i, T - 1}} = β_{0} \frac{1}{A_{i, T - 1}} + β_{1} \frac{Δ R E V_{i, T} - Δ R E C_{i, T}}{A_{i, T - 1}} + β_{2} (\frac{P P E_{i, T}}{A_{i, T - 1}}) + ε_{i, T}, \end{aligned}

(13)

\begin{aligned} \frac{N D A_{i, T}}{A_{i, T - 1}} = {\hat{β}}_{0} \frac{1}{A_{i, T - 1}} + {\hat{β}}_{1} \frac{Δ R E V_{i, T} - Δ R E C_{i, T}}{A_{i, T - 1}} + {\hat{β}}_{2} (\frac{P P E_{i, T}}{A_{i, T - 1}}), \end{aligned}

(14)

\begin{aligned} D A_{i, T} = T A_{i, T} - N D A_{i, T}, \end{aligned}

(15)

其中,

T A_{i, T}

为股票i在第T年的总应计利润, 即营业利润与经营活动现金流净额之差.

A_{i, T - 1}

为股票i在第

T - 1

年的年末总资产,

Δ R E V_{i, T}

为股票i在第T年的营业收入变动额,

Δ R E C_{i, T}

为股票i在第T年的应收账款变动额,

P P E_{i, T}

为股票i在第T年的固定资产净额. 根据公式(13)进行分行业分年度回归, 然后将估计得到的系数代入公式(14)可获得股票i在第T年的非操纵性应计利润(

N D A_{i, T}

). 最后, 将总应计利润减去非操纵性应计利润即可获得操纵性应计利润(

D A_{i, T}

). 为了便于理解, 本文采用操纵性应计利润的绝对值(

A b s D i s A c c_{i, T}

)进行回归,

A b s D i s A c c_{i, T}

越大表明企业的盈余管理空间越大, 会计信息质量越低.

第二个指标是参考Dechow and Dichev (2002)中的做法, 具体的计算公式如下:

\begin{aligned} \frac{W C A_{i, T}}{A_{i, T - 1}} = β_{0} + β_{1} \frac{C F O_{i, T - 1}}{A_{i, T - 1}} + β_{2} \frac{C F O_{i, T}}{A_{i, T - 1}} + β_{3} \frac{C F O_{i, T + 1}}{A_{i, T - 1}} + ε_{i, T}, \end{aligned}

(16)

其中,

W C A_{i, T}

代表股票i在第T年的营运资本变化,

A_{i, T - 1}

为股票i在第

T - 1

年的年末总资产,

C F O_{i, T}

为股票i在第T年的经营活动现金流净额. 回归残差的绝对值(

A b s R e s_D D_{i, T}

)越大, 表明公司的会计信息质量越低.

第三个指标是参考Ball and Shiwakumar (2006)计算的可操纵应计利润, 具体计算公式如下:

\begin{aligned} T A_{i, T} = & α_{0} + α_{1} C F O_{i, T - 1} + α_{2} C F O_{i, T} + α_{3} C F O_{i, T + 1} + \\ α_{4} D C F O_{i, T} + α_{5} D C F O_{i, T} \times C F O_{i, T} + ε_{i, T}, \end{aligned}

(17)

其中,

T A_{i, T}

为股票i在第T年的总应计利润,

C F O_{i, T}

为股票i在第T年的经营活动现金流净额.

D C F O_{i, T}

为一个虚拟变量, 如果股票i在第T年的经营活动现金流净额小于其第

T - 1

年的经营活动现金流净额, 则该变量为1, 否则为0. 回归残差的绝对值(

A b s R e s_B S_{i, T}

)越大, 表明公司的会计信息质量越低.

此外, 为了更及时地反映信息披露质量的变化, 本文参考周开国等(2011), 计算股价对交易量变动的敏感性(

K V

)作为公司信息透明度的衡量, 具体公式如下:

\begin{aligned} \ln | \frac{Δ P_{i, d}}{P_{i, d - 1}} | = α + β (V o l_{i, d} - {\bar{V o l}}_{i, t}) + μ_{i, d}, \end{aligned}

(18)

\begin{aligned} K V_{i, t} = 10000 \times β, \end{aligned}

(19)

其中,

Δ P_{i, d}

为股票i在第d个交易日的收盘价(

P_{i, d}

)与前一个交易日的收盘价(

P_{i, d - 1}

)之差.

V o l_{i, d}

为股票i在第d个交易日的交易量,

{\bar{V o l}}_{i, t}

为股票i在t季度内所有交易日的平均日交易量.

β

衡量了公司股价对交易量的反应程度, 该系数值越大, 说明投资者对交易量信息的依赖程度越高, 即公司的信息披露不够充分. 因此,

K V_{i, t}

越大, 表明公司的信息披露质量越低.

从表 12中可以看到, 列(1)和列(4)的基金团体持股(

{C l i q u e O w n}_{i, t}

)的系数均在1%的统计水平上显著为正, 基金抱团显著降低了公司信息披露质量. 随后, 在基准回归中加入公司信息披露质量这一中介变量之后, 基金团体持股对股价信息融入速度的抑制作用仍在1%的水平上显著. 研究结果支持了假设3, 基金抱团削弱了机构投资者“退出威胁”的积极治理作用, 导致公司管理层受到的监督约束减弱, 这使得公司管理层操纵公司信息披露的动机增强, 从而引发公司信息透明度下降, 延缓了股价对基本面信息的反应速度, 损害了股票价格效率. 同时, 这一结论也在一定程度上排除了基金抱团通过“投票发声”渠道直接参与公司治理的可能性, 即如果基金团体能够有效运用手中的投票权对公司管理层施加压力, 那么理论上应当观察到公司信息披露质量和股价效率的提升, 而非恶化. 这一发现与基金抱团持股比例整体偏低的特征相吻合, 即大多数基金团体可能难以单独依靠投票权对公司治理产生实质影响.

表12 机制分析:公司信息透明度

Panel A: ${A b s D i s A c c}_{i, T}$ 和 ${A b s R e s_D D}_{i, T}$
	${A b s D i s A c c}_{i, T}$	$D M {r s q}_{i, T}$	$D F {r s q}_{i, T}$	${A b s R e s_D D}_{i, T}$	$D M {r s q}_{i, T}$	$D F {r s q}_{i, T}$
	(1)	(2)	(3)	(4)	(5)	(6)
${C l i q u e O w n}_{i, T}$	0.0440***	0.1754***	0.1590***	0.0553***	0.1950***	0.1783***
	(4.4262)	(8.7374)	(7.8695)	(3.3846)	(9.1558)	(8.3756)
${A b s D i s A c c}_{i, T}$		0.0092	$-$ 0.0054
		(0.5717)	( $-$ 0.3237)
${A b s R e s_D D}_{i, T}$					0.0319***	0.0324***
					(3.0413)	(2.9977)
截距项	0.0689	0.4663***	0.4394***	$-$ 0.0403	0.3750***	0.3589***
	(1.5399)	(6.0964)	(5.8533)	( $-$ 0.6110)	(4.7087)	(4.6020)
其它控制变量	是	是	是	是	是	是
年度固定效应	是	是	是	是	是	是
公司固定效应	是	是	是	是	是	是
观测值	20796	20796	20796	19136	19136	19136
调整后的 $R^{2}$	0.0436	0.4566	0.4486	0.0464	0.4302	0.4254
Panel B: ${A b s R e s_B S}_{i, T}$ 和 ${K V}_{i, t}$
	${A b s R e s_B S}_{i, T}$	$D M {r s q}_{i, T}$	$D F {r s q}_{i, T}$	${K V}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)	(3)	(4)	(5)	(6)
${C l i q u e O w n}_{i, T}$	0.0207***	0.1877***	0.1734***
	(3.4729)	(9.0718)	(8.3791)
${A b s R e s_B S}_{i, T}$		$-$ 0.0095	$-$ 0.0258
		( $-$ 0.3145)	( $-$ 0.8497)
${C l i q u e O w n}_{i, t}$				33.8828***	0.2320***	0.2120***
				(12.6124)	(16.1155)	(14.8310)
${K V}_{i, t}$					0.0001***	0.0001***
					(3.9106)	(4.0968)
截距项	0.0824***	0.3925***	0.3819***	174.1963***	0.6136***	0.5814***
	(3.3269)	(5.0116)	(4.9738)	(19.0169)	(11.2306)	(10.8253)
其它控制变量	是	是	是	是	是	是
年度固定效应	是	是	是	否	否	否
季度固定效应	否	否	否	是	是	是
公司固定效应	是	是	是	是	是	是
观测值	19729	19729	19729	81093	81093	81093
调整后的 $R^{2}$	0.0259	0.4345	0.4303	0.2229	0.4398	0.4418

2) 基金团体与公司管理层合谋

然而, 基金团体与其他投资者的利益并非总是保持一致. 当基金通过抱团聚集足够多的持股比例、获得足够大的市场影响力时, 他们就具备了与公司管理层达成“利益同盟”的条件. 为谋求自身利益最大化, 基金团体可能会选择与公司管理层勾结进行利益输送, 这一行为同样导致公司信息披露质量下降, 从而损害股票市场定价效率. 因此, 为了检验基金团体与上市公司管理层之间是否存在潜在的利益输送和合谋行为, 本文引入了三种衡量管理层行为的指标: 业绩预告偏差、语调操纵和代理成本. 具体而言, 一方面, 如果基金团体在减持前与公司管理层进行了私下“串通”, 要求公司管理层提前释放利好消息以获取更高的减持收益, 那么我们可能观察到以下现象: 1)公司管理层发布的业绩预告偏差更大, 通过乐观言论渲染利好预期; 2)公司管理层在财务报告中使用更多正面词汇, 操纵语调以美化公司业绩和前景. 另一方面, 如果基金团体与公司管理层“沆瀣一气”, 共同谋求私利, 那么公司管理层可能会在基金团体的支持和庇护下做出一些损害公司利益的行为, 如增加非必要的开支、过度职务消费等, 从而导致代理成本的上升. 通过这些实证检验, 可以从侧面判断基金团体与上市公司管理层之间是否存在合谋的可能性.

具体地, 本文采用公司i在第T年的基金团体持股比例减去第

T - 1

年的基金团体持股比例得到的差值取负数, 以衡量基金团体的减持情况(

D e c C l i q u e O w n_{i, T}

). 该指标越大, 表示公司i在第T年被基金团体减持的程度越高. 关于管理层业绩预告偏差的度量, 本文参考王玉涛和段梦然(2019)、李晓溪等(2019)中的方法, 采用预告净利润区间中值与实际净利润之差占实际营业收入的比例衡量业绩预告的乐观程度(

O p t B i a s_{i, T}

), 采用预告净利润的上限与下限之差占实际营业收入的比例衡量业绩预告的准确度(

P r e c i s i o n_{i, T}

). 关于股东与管理层之间代理成本的度量, 本文参考罗进辉等(2017)采用经营费用率(

A g e n c y C o s t_{i, t}

)进行衡量, 即管理费用与销售费用之和占主营业务收入的比例. 经营费用率主要反映了公司管理层在经营活动中可能出现的低效率支出和自利行为所导致的额外成本, 该比率越高, 表明管理层越有可能从事损害股东利益的机会主义行为. 关于管理层语调操纵的度量, 本文参考王华杰和王克敏(2018)中的方法, 基于年报文本中的管理层讨论与分析内容(MD&A)进行计算, 具体公式如下所示:

\begin{aligned} {T O N E}_{i, T} = & β_{0} + β_{1} {E A R N}_{i, T} + β_{2} {R E T}_{i, T} + β_{3} {S I Z E}_{i, T} + β_{4} {B T M}_{i, T} + \\ β_{5} {S T D_R E T}_{i, T} + β_{6} {S T D_E A R N}_{i, T} + β_{7} {A G E}_{i, T} + \\ β_{8} {L O S S}_{i, T} + β_{9} {D E A R N}_{i, T} + ε_{i, T}, \end{aligned}

(20)

\begin{aligned} {T O N E}_{i, T} = & β_{0} + β_{1} {E A R N}_{i, T} + β_{2} {R E T}_{i, T} + β_{3} {S I Z E}_{i, T} + β_{4} {B T M}_{i, T} + \\ β_{5} {S T D_R E T}_{i, T} + β_{6} {S T D_E A R N}_{i, T} + β_{7} {A G E}_{i, T} + \\ β_{8} {L O S S}_{i, T} + β_{9} {D E A R N}_{i, T} + β_{10} {E A R N}_{i, T + 1} + ε_{i, T}, \end{aligned}

(21)

其中,

E A R N_{i, T}

是指公司i在第T年的业绩, 即第T年的净利润与第

T - 1

年的总资产之间的比值.

R E T_{i, T}

为股票i在第T年的持有到期收益率,

S I Z E_{i, T}

为公司i在第T年年末总市值的自然对数值,

R T M_{i, T}

为公司i在第T年的账面市值比,

S T D_R E T_{i, T}

为股票i在第T年的月度收益率的标准差,

S T D_E A R N_{i, T}

为过去五年公司业绩的标准差,

A G E_{i, T}

为公司上市年份的自然对数值,

D E A R N_{i, T}

是公司i在第T年的业绩与第

T - 1

年的业绩之差.

L O S S_{i, T}

为公司i在第T年是否亏损的虚拟变量, 如果公司当年亏损即为1, 否则为0. 考虑到年报中可能包含管理层对公司未来业绩的预期, 式(21)中增加了公司的未来业绩(

E A R N_{i, T + 1}

). 回归模型中的残差代表管理层的异常语调(

A B T O N E_{i, T}

和

A B T O N E_F E_{i, T}

), 该值越大, 表明管理层语调操纵的程度越高.

表 13中的列(1)和列(2)分别展示了管理层业绩预告的乐观程度(

{O p t B i a s}_{i, T}

)与准确度(

{P r e c i s i o n}_{i, T}

)对基金团体减持程度的影响, 列(3)和列(4)展示了管理层年报语调操纵程度(

A B T O N E_{i, T}

和

A B T O N E_F E_{i, T}

)对基金团体减持程度的影响. 结果发现, 管理层业绩预告偏差和年报语调操纵的回归系数均不显著, 这意味着没有证据表明在基金团体持股比例较高的公司中, 管理层会通过操纵公司信息披露来掩盖真实业绩, 迎合基金团体的利益诉求, 与假设4的预期不符. 而且, 列(5)中展示了基金团体持股对公司经营费用率的影响, 结果同样表明在基金团体持股比例较高的公司中, 管理层的代理成本并没有出现显著上升. 这进一步否定了基金团体与管理层合谋的可能性, 因为如果二者之间存在合谋, 那么管理层代理成本应当出现升高的情形. 综合这些检验结果, 本文没有发现明确的证据支持假设4的推断, 基金团体与管理层之间存在利益勾结的合谋行为没有得到有效验证.

表13 机制检验: 基金团体与管理层是否存在合谋?

	管理层业绩预告偏差		管理层语调操纵		管理层代理成本
	${D e c C l i q u e O w n}_{i, T}$		${D e c C l i q u e O w n}_{i, T}$		${A g e n c y C o s t}_{i, t}$
	(1)	(2)	(3)	(4)	(5)
${O p t B i a s}_{i, T}$	0.0025
	(0.4388)
${P r e c i s i o n}_{i, T}$		0.0024
		(0.7940)
${A B T O N E}_{i, T}$			0.0027
			(0.4189)
${A B T O N E_F E}_{i, T}$				0.0054
				(0.7938)
${C l i q u e O w n}_{i, t}$					$-$ 2.8880
					( $-$ 0.9946)
截距项	$-$ 0.3137***	$-$ 0.3137***	$-$ 0.3447***	$-$ 0.3561***	12.7374
	( $-$ 4.5477)	( $-$ 4.5394)	( $-$ 8.8142)	( $-$ 7.9069)	(1.0564)
其他控制变量	是	是	是	是	是
年度固定效应	是	是	是	是	否
季度固定效应	否	否	否	否	是
公司固定效应	是	是	是	是	是
观测值	8483	8483	17259	15938	81050
调整后的 $R^{2}$	0.0655	0.0655	0.1280	0.1595	0.0001

4.5 进一步分析

4.5.1 宏观经济环境的影响

参考尹海员和朱旭(2022), 根据股票市场所有个股年度的流通市值加权平均超额回报率以及上证综指的年度超额回报率的正负来划分熊市和牛市状态. 如果该年度股票市场经流通市值加权平均后的超额回报率(上证综合指数的超额回报率)为正数, 则

U P 1_{T}

(

U P 2_{T}

)取值为1, 表明本年度股票市场处于上行时期. 由表 14中可以看到, 基金抱团与牛市指标的交乘项均在1%的水平上显著为负, 这说明基金抱团对股价信息融入的阻碍作用在熊市时期更为明显. 这可能是由于在经济下行和市场低迷时期, 基金经理面临更大的业绩压力和职业忧虑, 担心个人投资决策失误或业绩表现不佳可能影响未来的职业前景. 在这种心理驱动下, 基金经理可能更倾向于参与抱团, 与其他基金保持一致的投资决策以分散责任和风险, 从而加剧了基金团体对负面信息的隐瞒和披露延迟, 阻碍了股价信息融入速度. 同时, 由于市场信心不足, 股票流动性和价格普遍下降, 在熊市中基金团体可能面临更大的抛售压力和退出障碍, 更难以通过“退出威胁”机制对上市公司施加有效监督, 导致公司信息透明度下降, 加剧了股价信息融入延迟.

表14 宏观经济环境的影响

	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)	(3)	(4)
${C l i q u e O w n}_{i, t} \times U P 1_{T}$	$-$ 0.0898***	$-$ 0.0928***
	( $-$ 4.8464)	( $-$ 5.0343)
$U P 1_{T}$	0.2670***	0.2703***
	(25.5961)	(25.2904)
${C l i q u e O w n}_{i, t} \times U P 2_{T}$			$-$ 0.1424***	$-$ 0.1428***
			( $-$ 6.8481)	( $-$ 7.1249)
$U P 2_{T}$			0.2686***	0.2717***
			(25.7483)	(25.4620)
${C l i q u e O w n}_{i, t}$	0.2928***	0.2750***	0.3085***	0.2892***
	(16.9515)	(16.1347)	(17.9350)	(17.2294)
截距项	0.5450***	0.5094***	0.5384***	0.5030***
	(9.8640)	(9.3417)	(9.7962)	(9.2715)
其它控制变量	是	是	是	是
季度固定效应	是	是	是	是
公司固定效应	是	是	是	是
观测值	81958	81958	81958	81958
调整后的 $R^{2}$	0.4311	0.4328	0.4314	0.4331

4.5.2 基金业绩压力的影响

由于中国公募基金市场上的投资者以中小散户为主, 其投资行为较为短期化和非理性化, 经常根据基金的短期业绩表现进行频繁的申购或赎回(Jun et al., 2014). 这加剧了基金资金流动的波动性, 使得中国基金经理面临显著的基金规模不稳定性, 基金净流量的变化会对其产生直接且显著的业绩压力. 因此, 本文借鉴向诚和杨俊(2021)中的做法, 以基金当季的净流量来衡量其所面临的业绩压力, 探究其对基金抱团行为以及股价信息延迟的影响. 基金净流量(

I n F l o w_{j, t}

)的计算公式如下:

\begin{aligned} F R e t_{j, t} = \frac{N A V_{j, t} + D i v i d e n d_{j, t} - N A V_{j, t - 1}}{N A V_{j, t - 1}}, \end{aligned}

(22)

\begin{aligned} I n F l o w_{j, t} = \frac{T N A_{j, t} - (1 + F R e t_{j, t}) T N A_{j, t - 1}}{T N A_{j, t - 1}}, \end{aligned}

(23)

其中,

N A V_{j, t}

表示基金j在t季度的基金单位净值,

D i v i d e n d_{j, t}

代表基金j在t季度的分红收益.

F R e t_{j, t}

为基金j在t季度的收益率, 即收益计算期间基金单位净值(NAV)的变动加上基金单位分红收益(Dividend)后, 相对于

t - 1

季度基金单位净值的变动幅度.

I n F l o w_{j, t}

表示基金j在t季度的资金净流入, 即为扣除基金收益后基金净资产(TNA)的相对变动. 最后, 将t季度所有持有股票i的基金团体成员的资金净流入进行平均后得到

I n f l o w_{i, t}

, 该指标越大, 表明基金团体成员的平均业绩压力越小.

由表 15中可以看到, 基金团体持股比例与所有基金团体成员平均净流量的交乘项系数均在5%的水平上显著为负, 表明基金净流量的减少显著加剧了基金抱团对股价信息融入的负面影响. 这说明当基金团体成员面临更大的赎回压力和业绩压力(即基金净流量更低)时, 他们更倾向于采取抱团策略, 集中持有某些股票来提升收益或分散风险. 然而, 这种抱团行为虽然可能暂时缓解了基金自身的业绩压力, 但却加剧了股价信息融入延迟, 极大地损害了股票市场定价效率.

表15 基金业绩压力的影响

	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)
${C l i q u e O w n}_{i, t} \times {I n f l o w}_{i, t}$	$-$ 0.2007**	$-$ 0.2095**
	( $-$ 2.1446)	( $-$ 2.1381)
${I n f l o w}_{i, t}$	$-$ 0.0009	$-$ 0.0030
	( $-$ 0.2135)	( $-$ 0.6932)
${C l i q u e O w n}_{i, t}$	0.2400***	0.2224***
	(15.5101)	(14.5503)
截距项	0.6939***	0.6443***
	(10.7808)	(10.2172)
其他控制变量	是	是
季度固定效应	是	是
公司固定效应	是	是
观测值	61727	61727
调整后的 $R^{2}$	0.4246	0.4250

4.5.3 个股关注度的影响

本文采用百度搜索指数和股吧发帖量来衡量个股的受关注程度, 其中

l n S V I_{i, t}

为股票i的上市代码、公司全称和简称在t季度的百度搜索总量加1后取自然对数值,

l n T o t a l P o s t s_{i, t}

为投资者于t季度在东方财富论坛上关于股票i的总发帖量加1后取自然对数值. 根据表 16中基金团体持股与个股关注度的交乘项系数可知, 更高的个股关注度有助于缓解基金抱团对股价信息融入的阻碍作用. 当个股受到投资者的广泛关注和讨论后, 可以为股票交易提供较为充足的流动性, 有利于基本面信息快速融入股价. 而且, 个股关注度的提高意味着公司面临着来自市场的更多监督和讨论. 在这种压力下, 公司管理层可能更加审慎地进行信息披露和决策, 减少其隐瞒负面信息的动机和空间, 从而提高了股价信息融入速度.

表16 个股关注度的影响

	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$	$D M {r s q}_{i, t}$	$D F {r s q}_{i, t}$
	(1)	(2)	(3)	(4)
${C l i q u e O w n}_{i, t} \times {l n S V I}_{i, t}$	$-$ 0.0616***	$-$ 0.0857***
	( $-$ 2.5878)	( $-$ 3.7461)
${l n S V I}_{i, t}$	$-$ 0.0088***	$-$ 0.0096***
	( $-$ 2.7488)	( $-$ 2.9960)
${C l i q u e O w n}_{i, t} \times {l n T o t a l P o s t s}_{i, t}$			$-$ 0.0780***	$-$ 0.0750***
			( $-$ 7.1512)	( $-$ 7.0774)
${l n T o t a l P o s t s}_{i, t}$			0.0020	0.0027
			(1.1937)	(1.5544)
${C l i q u e O w n}_{i, t}$	0.9186***	1.1873***	0.4385***	0.4275***
	(3.4156)	(4.5907)	(6.4656)	(6.3816)
截距项	0.6482***	0.6414***	1.0517***	0.8952***
	(8.4068)	(8.5372)	(5.8532)	(6.1667)
其它控制变量	是	是	是	是
季度固定效应	是	是	是	是
公司固定效应	是	是	是	是
观测值	60159	60159	26715	26715
调整后的 $R^{2}$	0.4290	0.4329	0.4660	0.4599

4.5.4 经济后果分析

为了更进一步讨论基金抱团阻碍股价信息效率融入的经济后果, 本文探究了基金抱团对股价泡沫和股价崩盘风险的影响. 本文参考潘越, 戴亦一和陈梅婷(2011)中的做法, 将所有股票的市净率和市销率在每个季度进行从高到低排序. 如果个股的市净率(市销率)排名在前20%, 则定义为高估值泡沫股票, 即

P B B u b b l e S t o c k_{i, t} (P S B u b b l e S t o c k_{i, t}

)的取值为1, 否则为0. 随后, 基于吴晓晖等(2019)的方法将样本根据公司规模和基金团体持股比例从小到大分成15组, 检验不同分组间基金抱团股是否为泡沫股票概率的差异. 分组检验结果如表 17所示, 在相同公司规模的条件下, 基金团体的持股比例越高, 股票成为泡沫股票的可能性就越大. 同时, 本文通过表 18的回归检验发现, 基金团体持股对股价估值泡沫的系数在1%的统计水平上显著为正. 这意味着, 当一只股票被更多基金团体集中持有时, 其价格相对于基本面价值的高估程度更大, 成为泡沫股票的概率也更高. 这可能是因为, 基金抱团持股向市场发出了一个强烈信号, 即被集中持有的股票可能存在投资价值或良好的市场前景, 从而吸引了更多投资者跟风买入, 推高了股票价格, 致使股价脱离真实的基本面价值, 助推了泡沫的形成和膨胀. 同时, 基金团体通过集中持股获得的垄断地位, 也可能削弱了市场对股票价格有效性的调节能力, 使得泡沫得以持续累积. 这一结果表明, 基金抱团行为可能对其他投资者的决策产生误导, 引发非理性投资行为, 进而引发价格扭曲和资产泡沫, 损害投资者利益.

表17 根据公司规模和基金团体持股比例分组比较成为泡沫股票的概率差异

PBBubbleStock					PSBubbleStock
	$C l i q u e O w n$					$C l i q u e O w n$
$S i z e$	(1)	(2)	(3)	Difference (3) – (1)	$S i z e$	(1)	(2)	(3)	Difference (3) – (1)
(1)	0.2345	0.2644	0.3242	0.0897***	(1)	0.2682	0.3149	0.3088	0.0407***
(2)	0.1868	0.2133	0.3037	0.1169***	(2)	0.2143	0.2303	0.2643	0.0500***
(3)	0.1391	0.1496	0.2658	0.1268***	(3)	0.1791	0.1915	0.2227	0.0436***
(4)	0.0960	0.1334	0.2685	0.1725***	(4)	0.1388	0.1521	0.1901	0.0513***
(5)	0.0414	0.0650	0.2646	0.2231***	(5)	0.0722	0.0862	0.1742	0.1020***

表18 基金抱团的经济后果分析

	对股价泡沫的影响		对股价崩盘风险的影响
	${P B B u b b l e S t o c k}_{i, t}$	${P S B u b b l e S t o c k}_{i, t}$	${N C S K E W}_{i, t}$	${D U V O L}_{i, t}$
	(1)	(2)	(3)	(4)
${C l i q u e O w n}_{i, t}$	0.8245***	0.3535***	0.2189***	0.6666***
	(18.5260)	(9.0192)	(18.4175)	(20.5145)
截距项	1.3608***	$-$ 0.2190	$-$ 0.0687	0.4565***
	(8.8709)	( $-$ 1.2899)	( $-$ 1.6404)	(4.0106)
其它控制变量	是	是	是	是
季度固定效应	是	是	是	是
公司固定效应	是	是	是	是
观测值	81908	81941	81124	81124
调整后的 $R^{2}$	0.2600	0.1048	0.1719	0.1649

为探究基金抱团对股价崩盘风险的影响, 本文参考陈海强等(2023)中的做法计算了股价崩盘风险的季度衡量指标(

{N C S K E W}_{i, t}

和

{D U V O L}_{i, t}

). 首先, 计算经市场收益调整后的个股特有收益率. 为排除个股与市场之间非同步性的影响, 回归方程中加入了市场收益的领先与滞后项, 具体方程如下所示:

\begin{aligned} r_{i, d} = α + β_{1} r_{M, d - 2} + β_{2} r_{M, d - 1} + β_{3} r_{M, d} + β_{4} r_{M, d + 1} + β_{5} r_{M, d + 2} + ε_{i, d}, \end{aligned}

(24)

其中,

r_{i, d}

为股票i在第d日考虑现金红利再投资的收益率,

r_{M, d}

为第d日经流通市值加权平均后的股票市场收益率. 对式(24)回归后的残差(

{\hat{ε}}_{i, d}

)加1后取自然对数, 得到经市场收益调整后的个股特有收益率(

W_{i, d}

). 随后, 基于个股特有收益率(

W_{i, d}

)计算负收益偏态系数(

N C S K E W_{i, t}

)和收益上下波动比率(

D U V O L_{i, t}

)来对个股的股价崩盘风险进行度量. 具体计算公式如下所示:

\begin{aligned} N C S K E W_{i, t} = - \frac{{[n (n - 1)]}^{\frac{3}{2}} \sum W_{i, d}^{3}}{(n - 1) (n - 2) {(\sum W_{i, d}^{2})}^{\frac{1}{2}}}, \end{aligned}

(25)

\begin{aligned} D U V O L_{i, t} = \ln [\frac{(n_{U} - 1) \sum_{D o w n} {W_{i, d}}^{2}}{(n_{D} - 1) \sum_{U p} W_{i, d}^{2}}], \end{aligned}

(26)

其中, n为股票i在t季度内的交易日数量,

n_{U}

为股票i在t季度内的个股特有收益率(

W_{i, d}

)高于本季度平均收益率的交易日数量,

n_{D}

为股票i在t季度内的个股特有收益率(

W_{i, d}

)低于本季度平均收益率的交易日数量. 个股的负收益偏态系数(

N C S K E W_{i, t}

)越大, 即个股的收益率分布倾向于左偏, 表明个股的股价崩盘风险越高. 收益上下波动比率(

D U V O L_{i, t}

)度量了个股股价在上升阶段与下降阶段的波动率差异, 其数值越大, 表明股价在下降阶段的波动更加剧烈, 股价崩盘风险更高.

通过表 18的列(3)和列(4)可以看到, 基金团体持股的系数在1%的水平上显著为正, 表明基金抱团引发了股价崩盘风险的显著上升. 一方面, 基金团体内部存在着较强的信息交流和协作交易, 使得成员在面对负面冲击时更倾向于采取一致行动, 集中抛售问题股票, 从而引发股价的剧烈波动. 同时, 基金团体的集中抛售容易诱发市场上其他投资者的群体性恐慌和羊群行为, 导致股价崩盘风险急剧上升, 甚至引发系统性风险. 另一方面, 基金团体的“退出威胁”治理作用减弱, 也可能使得管理层可以隐藏更多坏消息, 一旦积累的坏消息集中释放, 就可能引发股价暴跌. 因此, 基金抱团不仅损害了股票定价效率, 还可能会对资本市场的平稳运行构成潜在威胁.

5 结论与政策建议

本文选取2005–2021年的沪深A股非金融行业上市公司作为研究样本, 基于主动管理类公募基金的持仓网络识别基金团体, 探究基金抱团对股价信息融入的影响. 结果表明, 基金抱团阻碍了股价信息融入, 且该结论在经过一系列稳健性检验后依旧成立. 本文在机制检验中发现: 在投资者交易行为层面, 基金抱团通过两种途径阻碍了股价信息融入. 一是基金抱团通过减少团体内部成员之间的竞争性交易、增加基金团体与外部其他投资者之间的信息不对称引发股票流动性恶化, 从而阻碍了股价信息融入. 二是基金抱团吸引了大量机构和散户投资者跟风买入, 集体性交易行为的增多掩盖了真实的价格信息信号, 扰乱了价格发现过程, 从而延缓了股价信息融入速度. 在机构投资者参与公司治理层面, 基金抱团主要通过“退出威胁”机制发挥公司治理作用. 然而, 基金团体内部的网络关系制约了成员自由退出持股的交易行为, 降低了“退出威胁”对公司管理层的市场化监督作用, 造成公司信息披露质量下降, 进而损害股票市场定价效率. 此外, 本文还探讨了基金团体与公司管理层潜在的利益勾结, 但实证结果并未发现支持这一假设的可靠证据. 进一步地, 本文发现基金抱团对股价信息融入的负面影响在经济下行时期、基金业绩压力较大以及个股受关注较低的情况下会显著加剧. 而且, 基金抱团导致股价估值泡沫加剧和股价崩盘风险上升, 也进一步佐证了基金抱团对股票市场定价效率的负面影响.

基于以上研究结论, 本文提出如下政策建议: 第一, 本文的研究揭示了基金抱团对于股票市场定价效率的负面影响, 为政府部门加强对基金抱团行为的监管提供了理论支撑和经验证据. 建议监管部门出台相关政策有效遏制公募基金抱团持仓行为, 加强对基金持股集中度的监测和信息披露, 并对过度集中持股的基金提出警示, 引导基金管理人分散投资风险. 第二, 建议公募基金行业完善基金长期考核激励机制, 将更多长期业绩指标纳入考核范围, 鼓励基金经理坚持价值投资、长期投资, 充分发挥公募基金领头羊和压舱石的作用. 同时, 建议优化上市公司股权结构和治理机制, 为公募基金等机构投资者参与公司治理创造条件, 更好地发挥其专业投资优势和“看门人”职责. 第三, 相关部门和行业持续积极开展投资者教育活动, 培育广大中小投资者理性专业的投资理念和投资技能, 提高其风险意识和自我保护能力, 助力资本市场高质量发展. 本文的研究表明, 当个股被充分关注和讨论后, 一定程度上可以缓解基金抱团对股价信息融入的阻碍作用, 肯定了散户投资者在提高资本市场资源配置效率中的重要作用. 最后, 建议大力培育多元化的机构投资者队伍, 完善金融基础设施和交易机制, 引导形成市场化的制衡机制, 减少基金抱团的必要性. 只有多管齐下, 建立健全的基金监管和市场约束机制, 才能更好地发挥机构投资者的专业优势, 抑制过度的基金抱团行为, 维护资本市场定价效率, 促进中国资本市场长期稳定健康发展.

References

Publishing order | Descend order by publishing year | Descend order by cited within

陈海强, 赵潇洋, 李东旭, 股权质押渠道与金融市场稳定——基于股价崩盘风险的视角[J]. 管理科学学报, 2023, 26(6): 81- 95.

https://www.cnki.com.cn/Article/CJFDTOTAL-JCYJ202306005.htm

Chen

H Q

, Zhao

X Y

, Li

D X

, Share Pledging Venues and Financial Market Stability: From the Perspective of Stock Price Crash Risk[J]. Journal of Management Sciences in China, 2023, 26(6): 81- 95.

https://www.cnki.com.cn/Article/CJFDTOTAL-JCYJ202306005.htm

Cited in this article [1]

陈胜蓝, 李璟, 基金网络能够提高投资绩效吗?[J]. 金融研究, 2021,(6): 170- 188.

https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ202106010.htm

Chen

S L

, Li

, Can Fund Networks Improve Investment Performance?[J]. Journal of Financial Research, 2021,(6): 170- 188.

https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ202106010.htm

Cited in this article [3]

陈新春, 刘阳, 罗荣华, 机构投资者信息共享会引来黑天鹅吗?——基金信息网络与极端市场风险[J]. 金融研究, 2017,(7): 140- 155.

https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201707010.htm

Chen

X C

, Liu

, Luo

R H

, Will Institutional Investors Information Sharing Draw Black Swan? Fund Information Network and Extreme Market Risk[J]. Journal of Financial Research, 2017,(7): 140- 155.

https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201707010.htm

Cited in this article [2]

郭白滢, 李瑾, 机构投资者信息共享与股价崩盘风险——基于社会关系网络的分析[J]. 经济管理, 2019, 41(7): 171- 189.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU201907012.htm

Guo

B Y

, Li

, Institutional Investors Information-sharing and Stock Crash Risk[J]. Business and Management Journal, 2019, 41(7): 171- 189.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU201907012.htm

郭白滢, 周任远, 信息互动、投资决策与股票价格——基于机构投资者信息网络的分析[J]. 金融研究, 2019,(10): 188- 206.

https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201910011.htm

Guo

B Y

, Zhou

R Y

, Information Interaction, Investment Decisions, and Stock Prices: Analysis Based on Institutional Investor Information Networks[J]. Journal of Financial Research, 2019,(10): 188- 206.

https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201910011.htm

Cited in this article [9]

郭晓冬, 柯艳蓉, 吴晓晖, 坏消息的掩盖与揭露: 机构投资者网络中心性与股价崩盘风险[J]. 经济管理, 2018, 40(4): 152- 169.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU201804011.htm

Guo

X D

, Ke

Y R

, Wu

X H

, The Cover-up and Disclosure of Bad News: Institutional Investor Network Centrality and Stock Price Crash Risk[J]. Business and Management Journal, 2018, 40(4): 152- 169.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU201804011.htm

Cited in this article [1]

郭晓冬, 王攀, 吴晓晖, 机构投资者网络团体与公司非效率投资[J]. 世界经济, 2020, 43(4): 169- 192.

https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ202004009.htm

Guo

X D

, Wang

, Wu

X H

, Institutional Investor Network Cliques and Inefficient Corporate Investment[J]. The Journal of World Economy, 2020, 43(4): 169- 192.

https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ202004009.htm

Cited in this article [3]

胡学峰, 许荣, 徐一泽, 抱团投资与股市稳定——基于集中资产抛售视角的机制研究[J]. 国际金融研究, 2022,(11): 86- 94.

https://www.cnki.com.cn/Article/CJFDTOTAL-GJJR202211008.htm

X F

, Xu

Y Z

, Clustered Investing and Stock Market Stability -- A Mechanism Research Focused on the Impact of Common Sales[J]. Studies of International Finance, 2022,(11): 86- 94.

https://www.cnki.com.cn/Article/CJFDTOTAL-GJJR202211008.htm

Cited in this article [1]

黄诒蓉, 白羽轩, 网络传染是"真羊群"还是"伪羊群"?——网络传染程度对资本市场定价效率的影响[J]. 中国管理科学, 2021, 29(9): 12- 24.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK202109002.htm

Huang

Y R

, Bai

Y X

, Is It "Intentional Herding" or "Spurious Herding"? The Influence of Network Contagion Degree on the Pricing Efficiency of Capital Market[J]. Chinese Journal of Management Science, 2021, 29(9): 12- 24.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK202109002.htm

Cited in this article [2]

孔东民, 孔高文, 刘莎莎, 机构投资者、流动性与信息效率[J]. 管理科学学报, 2015, 18(3): 1- 15.

https://www.cnki.com.cn/Article/CJFDTOTAL-JCYJ201503001.htm

Kong

D M

, Kong

G W

, Liu

S S

, Institutional Investors, Liquidity, and Information Efficiency[J]. Journal of Management Sciences in China, 2015, 18(3): 1- 15.

https://www.cnki.com.cn/Article/CJFDTOTAL-JCYJ201503001.htm

Cited in this article [1]

李杰, 张永杰, 熊熊, (2024). 非控股大股东信息交互的公司治理效应: 投资效率的视角[J/OL]. 经济管理: 1–23.

Li J, Zhang Y J, Xiong X, (2024). The Corporate Governance Effect of Information Interaction among Non‑Controlling Majority Shareholders: A Perspective on Investment Efficiency[J/OL]. Business and Management Journal: 1–23.

Cited in this article [1]

李祥文, 吴文锋, 基金业绩排名与期末业绩拉升[J]. 管理世界, 2018, 34(9): 33- 45.

X W

, Wu

W F

, Fund Performance Ranking and Portfolio Pumping[J]. Journal of Management World, 2018, 34(9): 33- 45.

Cited in this article [1]

李晓溪, 饶品贵, 岳衡, 年报问询函与管理层业绩预告[J]. 管理世界, 2019, 35(8): 173- 188.

https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201908015.htm

X X

, Rao

P G

, Yue

, Stock Exchange Comment Letters and Management Earnings Forecast[J]. Journal of Management World, 2019, 35(8): 173- 188.

https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201908015.htm

Cited in this article [1]

刘京军, 刘彦初, 熊和平, 基金竞争与泡沫资产配置的模仿行为研究[J]. 管理科学学报, 2018, 21(2): 114- 126.

https://www.cnki.com.cn/Article/CJFDTOTAL-JCYJ201802009.htm

Liu

J J

, Liu

Y C

, Xiong

H P

, Competition among Mutual Funds and Their Imitation Behavior on Bubble Assets Allocations[J]. Journal of Management Sciences in China, 2018, 21(2): 114- 126.

https://www.cnki.com.cn/Article/CJFDTOTAL-JCYJ201802009.htm

Cited in this article [1]

刘京军, 苏楚林, 传染的资金: 基于网络结构的基金资金流量及业绩影响研究[J]. 管理世界, 2016,(1): 54- 65.

https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201601008.htm

Liu

J J

, Su

C L

, Contagious Money: A Study of the Impact of Fund Flows and Performance Based on Network Structure[J]. Journal of Management World, 2016,(1): 54- 65.

https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201601008.htm

Cited in this article [4]

刘新民, 沙一凡, 王垒, 康旺霖, 机构投资者抱团与高管超额薪酬[J]. 财经论丛, 2021,(7): 90- 100.

https://www.cnki.com.cn/Article/CJFDTOTAL-CJLC202107009.htm

Liu

X M

, Sha

Y F

, Wang

, Kang

W L

, Institutional Investors Clique and Executives' Excess Compensation[J]. Collected Essays on Finance and Economics, 2021,(7): 90- 100.

https://www.cnki.com.cn/Article/CJFDTOTAL-CJLC202107009.htm

Cited in this article [1]

刘新争, 高闯, 机构投资者抱团能抑制控股股东私利行为吗?——基于社会网络视角的分析[J]. 南开管理评论, 2021, 24(4): 141- 154.

https://www.cnki.com.cn/Article/CJFDTOTAL-LKGP202104014.htm

Liu

X Z

, Gao

, Can Institutional Investors' Clique Restrain the Self-interested Behavior of Controlling Shareholders: Analysis from Social Network[J]. Nankai Business Review, 2021, 24(4): 141- 154.

https://www.cnki.com.cn/Article/CJFDTOTAL-LKGP202104014.htm

Cited in this article [2]

罗进辉, 黄泽悦, 朱军, 独立董事地理距离对公司代理成本的影响[J]. 中国工业经济, 2017,(8): 100- 119.

https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201708006.htm

Luo

J H

, Huang

Z Y

, Zhu

, Influence of Independent Directors' Geographic Distance on Corporate Agency Costs[J]. China Industrial Economics, 2017,(8): 100- 119.

https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201708006.htm

Cited in this article [1]

孟庆斌, 吴卫星, 于上尧, 基金经理职业忧虑与其投资风格[J]. 经济研究, 2015, 50(3): 115- 130.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201503010.htm

Meng

Q B

, Wu

W X

, Yu

S R

, Fund Managers' Career Concern and Their Investment Style[J]. Economic Research Journal, 2015, 50(3): 115- 130.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201503010.htm

Cited in this article [1]

潘越, 戴亦一, 陈梅婷, 基金经理的投资经验、交易行为与股市泡沫[J]. 中国工业经济, 2011,(1): 120- 129.

https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201101013.htm

Pan

, Dai

Y Y

, Chen

M T

, Fund Manager's Investment Experiences, Trading Behavior and Stock Bubble[J]. China Industrial Economics, 2011,(1): 120- 129.

https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201101013.htm

潘越, 戴亦一, 魏诗琪, 机构投资者与上市公司"合谋"了吗: 基于高管非自愿变更与继任选择事件的分析[J]. 南开管理评论, 2011, 14(2): 69- 81.

https://www.cnki.com.cn/Article/CJFDTOTAL-LKGP201102009.htm

Pan

, Dai

Y Y

, Wei

S Q

, Do Institutional Investors Collude with Listed Companies: Analysis Based on Non-voluntary Management Turnover and Selection of Succession[J]. Nankai Business Review, 2011, 14(2): 69- 81.

https://www.cnki.com.cn/Article/CJFDTOTAL-LKGP201102009.htm

Cited in this article [2]

綦好东, 乔琳, 曹伟, 基金网络关系强度与公司非效率投资[J]. 财贸经济, 2019, 40(5): 66- 82.

https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ201905005.htm

H D

, Qiao

, Cao

, Fund Network Relationship Strength and Companies' Non-efficiency Investment[J]. Finance & Trade Economics, 2019, 40(5): 66- 82.

https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ201905005.htm

Cited in this article [1]

邵剑兵, 李娜, 机构投资者抱团与企业金融资产动态配置: "监督"抑或"合谋"?[J]. 经济管理, 2023, 45(9): 122- 144.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU202309007.htm

Shao

J B

, Li

, Institutional Investor Group and Dynamic Allocation of Corporate Financial Assets: "Supervision" or "Collusion"?[J]. Business and Management Journal, 2023, 45(9): 122- 144.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU202309007.htm

Cited in this article [1]

申宇, 赵静梅, 何欣, 校友关系网络、基金投资业绩与"小圈子"效应[J]. 经济学(季刊), 2016, 15(1): 403- 428.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201601017.htm

Shen

, Zhao

J M

, He

, Alumni Networks, Funds' Performance and "Small World" Effect[J]. China Economic Quarterly, 2016, 15(1): 403- 428.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201601017.htm

Cited in this article [1]

田正磊, 罗荣华, 刘阳, 信息传递、集体踩踏与系统性尾部风险[J]. 经济学(季刊), 2019, 18(3): 897- 918.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201903008.htm

Tian

Z L

, Luo

R H

, Liu

, Information Transmission, Collective Stampede and Systematic Tail Risk[J]. China Economic Quarterly, 2019, 18(3): 897- 918.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201903008.htm

Cited in this article [1]

王华杰, 王克敏, 应计操纵与年报文本信息语气操纵研究[J]. 会计研究, 2018,(4): 45- 51.

https://www.cnki.com.cn/Article/CJFDTOTAL-KJYJ201804006.htm

Wang

H J

, Wang

K M

, Accrual Management and Tone Management[J]. Accounting Research, 2018,(4): 45- 51.

https://www.cnki.com.cn/Article/CJFDTOTAL-KJYJ201804006.htm

Cited in this article [1]

王玉涛, 段梦然, 企业战略影响管理层业绩预告行为吗?[J]. 管理评论, 2019, 31(2): 200- 213.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZWGD201902126.htm

Wang

Y T

, Duan

M R

, Does Business Strategy Impact a Firm's Management Earnings Forecasts?[J]. Management Review, 2019, 31(2): 200- 213.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZWGD201902126.htm

Cited in this article [1]

吴晓晖, 郭晓冬, 乔政, 机构投资者抱团与股价崩盘风险[J]. 中国工业经济, 2019,(2): 117- 135.

https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201902008.htm

X H

, Guo

X D

, Qiao

, Institutional Investor Clique and Stock Price Crash Risk[J]. China Industrial Economics, 2019,(2): 117- 135.

https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201902008.htm

Cited in this article [6]

吴晓晖, 郭晓冬, 乔政, 机构投资者网络中心性与股票市场信息效率[J]. 经济管理, 2020, 42(6): 153- 171.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU202006010.htm

X H

, Guo

X D

, Qiao

, Institutional Investor Network Centrality and Stock Market Information Efficiency[J]. Business and Management Journal, 2020, 42(6): 153- 171.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU202006010.htm

Cited in this article [5]

向诚, 冯丽璇, 基金抱团是价值投资还是盲目跟风?——基于个股收益影响的研究[J]. 投资研究, 2022, 41(12): 67- 90.

https://www.cnki.com.cn/Article/CJFDTOTAL-TZYJ202212004.htm

Xiang

, Feng

L X

, Is Fund Clustering Caused by Funds' Value-investing or Blind Imitation? -- The Perspective of Stock Return Patterns[J]. Review of Investment Studies, 2022, 41(12): 67- 90.

https://www.cnki.com.cn/Article/CJFDTOTAL-TZYJ202212004.htm

Cited in this article [2]

向诚, 杨俊, 谁在市场中赌博? 基金博彩行为研究[J]. 中国管理科学, 2021, 29(11): 224- 236.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK202111021.htm

Xiang

, Yang

, Who Gambles in the Market? A Study on Mutual Funds' Preferences for Lottery-like Stocks[J]. Chinese Journal of Management Science, 2021, 29(11): 224- 236.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK202111021.htm

Cited in this article [1]

肖欣荣, 刘健, 赵海健, 机构投资者行为的传染——基于投资者网络视角[J]. 管理世界, 2012,(12): 35- 45.

https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201212005.htm

Xiao

X R

, Liu

, Zhao

H J

, The Contagion of Institutional Investor Behavior -- Based on the Perspective of Investor Networks[J]. Journal of Management World, 2012,(12): 35- 45.

https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201212005.htm

Cited in this article [3]

许年行, 于上尧, 伊志宏, 机构投资者羊群行为与股价崩盘风险[J]. 管理世界, 2013,(7): 31- 43.

https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201307006.htm

N H

, Yu

S Y

, Yin

Z H

, Institutional Investor Herd Behavior and Stock Price Crash Risk[J]. Journal of Management World, 2013,(7): 31- 43.

https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201307006.htm

Cited in this article [1]

尹海员, 朱旭, 机构投资者信息挖掘、羊群行为与股价崩盘风险[J]. 管理科学学报, 2022, 25(2): 69- 88.

https://www.cnki.com.cn/Article/CJFDTOTAL-JCYJ202202004.htm

Yin

H Y

, Zhu

, Information Mining Capabilities of Institutional Investors, Herd Behavior and Stock Price Crash Risk[J]. Journal of Management Sciences in China, 2022, 25(2): 69- 88.

https://www.cnki.com.cn/Article/CJFDTOTAL-JCYJ202202004.htm

Cited in this article [1]

周开国, 李涛, 张燕, 董事会秘书与信息披露质量[J]. 金融研究, 2011,(7): 167- 181.

https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201107015.htm

Zhou

K G

, Li

, Zhang

, Board Secretary and the Quality of Information Disclosure[J]. Journal of Financial Research, 2011,(7): 167- 181.

https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201107015.htm

Cited in this article [1]

朱菲菲, 李惠璇, 徐建国, 李宏泰, 短期羊群行为的影响因素与价格效应——基于高频数据的实证检验[J]. 金融研究, 2019,(7): 191- 206.

https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201907011.htm

Zhu

F F

, Li

H X

, Xu

J G

, Li

H T

, Determinants and Pricing Effects of Short-term Herd Behavior: An Empirical Test Based on High-frequency Data[J]. Journal of Financial Research, 2019,(7): 191- 206.

https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201907011.htm

Cited in this article [1]

Ali S N, Miller D A, (2013). Enforcing Cooperation in Networked Societies[R]. Working Paper.

Cited in this article [1]

Amihud

, Illiquidity and Stock Returns: Cross-section and Time-series Effects[J]. Journal of Financial Markets, 2002, 5(1): 31- 56.

https://doi.org/10.1016/S1386-4181(01)00024-6

Cited in this article [3]

Ball

, Shivakumar

, The Role of Accruals in Asymmetrically Timely Gain and Loss Recognition[J]. Journal of Accounting Research, 2006, 44(2): 207- 242.

https://doi.org/10.1111/j.1475-679X.2006.00198.x

Cited in this article [1]

Boehmer

, Kelley

E K

, Institutional Investors and the Informational Efficiency of Prices[J]. The Review of Financial Studies, 2009, 22(9): 3563- 3594.

https://doi.org/10.1093/rfs/hhp028

Cited in this article [2]

Busch

, Obernberger

, Actual Share Repurchases, Price Efficiency, and the Information Content of Stock Prices[J]. The Review of Financial Studies, 2017, 30(1): 324- 362.

https://doi.org/10.1093/rfs/hhw071

Cited in this article [3]

Cao

, Liang

, Lo

A W

, Petrasek

, Hedge Fund Holdings and Stock Market Efficiency[J]. The Review of Asset Pricing Studies, 2018, 8(1): 77- 116.

https://doi.org/10.1093/rapstu/rax015

Cited in this article [2]

Christoffersen S K, Tang Y, (2010). Institutional Herding and Information Cascades: Evidence from Daily Trades[J/OL]. Available at SSRN: 1572726.

Cited in this article [1]

Cohen

, Frazzini

, Economic Links and Predictable Returns[J]. The Journal of Finance, 2008, 63(4): 1977- 2011.

https://doi.org/10.1111/j.1540-6261.2008.01379.x

Cited in this article [1]

Crane

A D

, Koch

, Michenaud

, Institutional Investor Cliques and Governance[J]. Journal of Financial Economics, 2019, 133(1): 175- 197.

https://doi.org/10.1016/j.jfineco.2018.11.012

Cited in this article [10]

Crawford

S S

, Gray

W R

, Kern

A E

, Why Do Fund Managers Identify and Share Profitable Ideas?[J]. Journal of Financial and Quantitative Analysis, 2017, 52(5): 1903- 1926.

https://doi.org/10.1017/S0022109017000588

Cited in this article [1]

Dechow

P M

, Dichev

I D

, The Quality of Accruals and Earnings: The Role of Accrual Estimation Errors[J]. The Accounting Review, 2002, 77(s–1): 35- 59.

Cited in this article [1]

Dechow

P M

, Sloan

R G

, Sweeney

A P

, Detecting Earnings Management[J]. The Accounting Review, 1995, 70(2): 193- 225.

Cited in this article [1]

Edmans

, Blockholder Trading, Market Efficiency, and Managerial Myopia[J]. The Journal of Finance, 2009, 64(6): 2481- 2513.

https://doi.org/10.1111/j.1540-6261.2009.01508.x

Cited in this article [2]

Edmans

, Manso

, Governance through Trading and Intervention: A Theory of Multiple Blockholders[J]. The Review of Financial Studies, 2011, 24(7): 2395- 2428.

https://doi.org/10.1093/rfs/hhq145

Cited in this article [1]

Fama

E F

, Efficient Capital Markets: A Review of Theory and Empirical Work[J]. The Journal of Finance, 1970, 25(2): 383- 417.

Cited in this article [1]

Firth

, Gao

, Shen

, Zhang

, Institutional Stock Ownership and Firms' Cash Dividend Policies: Evidence from China[J]. Journal of Banking & Finance, 2016, 65, 91- 107.

Cited in this article [1]

Firth

, Lin

, Liu

, Xuan

, The Client Is King: Do Mutual Fund Relationships Bias Analyst Recommendations?[J]. Journal of Accounting Research, 2013, 51(1): 165- 200.

https://doi.org/10.1111/j.1475-679X.2012.00469.x

Cited in this article [1]

Gillan

S L

, Starks

L T

, Corporate Governance Proposals and Shareholder Activism: The Role of Institutional Investors[J]. Journal of Financial Economics, 2000, 57(2): 275- 305.

https://doi.org/10.1016/S0304-405X(00)00058-1

Cited in this article [1]

Glosten

L R

, Milgrom

P R

, Bid, Ask and Transaction Prices in a Specialist Market with Heterogeneously Informed Traders[J]. Journal of Financial Economics, 1985, 14(1): 71- 100.

https://doi.org/10.1016/0304-405X(85)90044-3

Cited in this article [1]

Grossman

S J

, Stiglitz

J E

, On the Impossibility of Informationally Efficient Markets[J]. The American Economic Review, 1980, 70(3): 393- 408.

Cited in this article [1]

Han

, Yang

, Social Networks, Information Acquisition, and Asset Prices[J]. Management Science, 2013, 59(6): 1444- 1457.

https://doi.org/10.1287/mnsc.1120.1678

Cited in this article [1]

Hendershott

, Livdan

, Schürhoff

, Are Institutions Informed about News?[J]. Journal of Financial Economics, 2015, 117(2): 249- 287.

https://doi.org/10.1016/j.jfineco.2015.03.007

Cited in this article [1]

Hirshleifer

, Teoh

S H

, Herd Behaviour and Cascading in Capital Markets: A Review and Synthesis[J]. European Financial Management, 2003, 9(1): 25- 66.

https://doi.org/10.1111/1468-036X.00207

Cited in this article [1]

Hong

, Kubik

J D

, Stein

J C

, Thy Neighbor's Portfolio: Word-of-mouth Effects in the Holdings and Trades of Money Managers[J]. The Journal of Finance, 2005, 60(6): 2801- 2824.

https://doi.org/10.1111/j.1540-6261.2005.00817.x

Cited in this article [5]

Hou

, Moskowitz

T J

, Market Frictions, Price Delay, and the Cross-section of Expected Returns[J]. The Review of Financial Studies, 2005, 18(3): 981- 1020.

https://doi.org/10.1093/rfs/hhi023

Cited in this article [2]

Jiang

, Kim

K A

, Corporate Governance in China: A Modern Perspective[J]. Journal of Corporate Finance, 2015, 32, 190- 216.

https://doi.org/10.1016/j.jcorpfin.2014.10.010

Cited in this article [2]

Jiang

, Kim

K A

, Corporate Governance in China: A survey[J]. Review of Finance, 2020, 24(4): 733- 772.

https://doi.org/10.1093/rof/rfaa012

Cited in this article [1]

Jun

, Li

, Shi

, Volatile Market Condition and Investor Clientele Effects on Mutual Fund Flow Performance Relationship[J]. Pacific-Basin Finance Journal, 2014, 29, 310- 334.

https://doi.org/10.1016/j.pacfin.2014.05.002

Cited in this article [1]

Kyle

A S

, Continuous Auctions and Insider Trading[J]. Econometrica: Journal of the Econometric Society, 1985, 53(6): 1315- 1335.

https://doi.org/10.2307/1913210

Cited in this article [1]

Lakonishok

, Shleifer

, Vishny

R W

, The Impact of Institutional Trading on Stock Prices[J]. Journal of Financial Economics, 1992, 32(1): 23- 43.

https://doi.org/10.1016/0304-405X(92)90023-Q

Cited in this article [1]

A W

, Mackinlay

A C

, Stock Market Prices Do Not Follow Random Walks: Evidence from a Simple Specification Test[J]. The Review of Financial Studies, 1988, 1(1): 41- 66.

https://doi.org/10.1093/rfs/1.1.41

Cited in this article [1]

Marcoux

, Lusseau

, Network Modularity Promotes Cooperation[J]. Journal of Theoretical Biology, 2013, 324, 103- 108.

https://doi.org/10.1016/j.jtbi.2012.12.012

Cited in this article [1]

Massoud

, Nandy

, Saunders

, Song

, Do Hedge Funds Trade on Private Information? Evidence from Syndicated Lending and Short-selling[J]. Journal of Financial Economics, 2011, 99(3): 477- 499.

https://doi.org/10.1016/j.jfineco.2010.10.002

Cited in this article [1]

Mccahery

J A

, Sautner

, Starks

L T

, Behind the Scenes: The Corporate Governance Preferences of Institutional Investors[J]. The Journal of Finance, 2016, 71(6): 2905- 2932.

https://doi.org/10.1111/jofi.12393

Cited in this article [1]

Ozsoylev

H N

, Walden

, Yavuz

M D

, Bildik

, Investor Networks in the Stock Market[J]. The Review of Financial Studies, 2014, 27(5): 1323- 1366.

https://doi.org/10.1093/rfs/hht065

Cited in this article [2]

Pareek A, (2012). Information Networks: Implications for Mutual Fund Trading Behavior and Stock Returns[C]// AFA 2010 Atlanta Meetings Paper.

Cited in this article [3]

Piotroski

J D

, Roulstone

D T

, The Influence of Analysts, Institutional Investors, and Insiders on the Incorporation of Market, Industry, and Firm-specific Information into Stock Prices[J]. The Accounting Review, 2004, 79(4): 1119- 1151.

https://doi.org/10.2308/accr.2004.79.4.1119

Cited in this article [1]

Pool

V K

, Stoffman

, Yonker

S E

, No Place like Home: Familiarity in Mutual Fund Manager Portfolio Choice[J]. The Review of Financial Studies, 2012, 25(8): 2563- 2599.

https://doi.org/10.1093/rfs/hhs075

Cited in this article [1]

Pool

V K

, Stoffman

, Yonker

S E

, The People in Your Neighborhood: Social Interactions and Mutual Fund Portfolios[J]. The Journal of Finance, 2015, 70(6): 2679- 2732.

https://doi.org/10.1111/jofi.12208

Cited in this article [3]

Reuter

, Are IPO Allocations for Sale? Evidence from Mutual Funds[J]. The Journal of Finance, 2006, 61(5): 2289- 2324.

https://doi.org/10.1111/j.1540-6261.2006.01058.x

Cited in this article [1]

Schnatterly

, Shaw

K W

, Jennings

W W

, Information Advantages of Large Institutional Owners[J]. Strategic Management Journal, 2008, 29(2): 219- 227.

https://doi.org/10.1002/smj.654

Cited in this article [1]

Tan

, Chiang

T C

, Mason

J R

, Nelling

, Herding Behavior in Chinese Stock Markets: An Examination of A and B Shares[J]. Pacific-Basin Finance Journal, 2008, 16(1-2): 61- 77.

https://doi.org/10.1016/j.pacfin.2007.04.004

Cited in this article [1]

Venezia

, Nashikkar

, Shapira

, Firm Specific and Macro Herding by Professional and Amateur Investors and Their Effects on Market Volatility[J]. Journal of Banking & Finance, 2011, 35(7): 1599- 1609.

Cited in this article [1]

Funding

National Natural Science Foundation of China(72073101)

RIGHTS & PERMISSIONS

PDF(491 KB)

1085

Accesses

Citation

Detail

Sections

Recommended

Abstract
Key words
Cite this article
1 引言
2 文献回顾与研究假设
2.1 机构投资者网络的文献回顾
2.2 机构投资者团体与股价信息融入
2.2.1 投资者交易行为层面
2.2.2 公司治理参与层面
图1 基金抱团与股价信息融入的研究假设分析
3 研究设计
3.1 样本数据与数据来源
3.2 变量定义
3.2.1 基金团体持股
3.2.2 股价信息延迟
3.2.3 控制变量
表1 变量定义
3.3 模型设定
4 实证分析
4.1 描述性统计
表2 描述性统计
4.2 基准回归
表3 基准回归
4.3 稳健性检验
4.3.1 替换基金团体持股情况指标
表4 稳健性检验: 替换基金团体持股情况指标
4.3.2 替换衡量股价信息效率的指标
表5 稳健性检验: 替换衡量股价信息效率的指标
4.3.3 更换样本频率及区间
表6 稳健性检验: 更换样本频率及区间
4.3.4 工具变量法
表7 稳健性检验: 工具变量法
4.3.5 滞后自变量及修改模型中控制的固定效应
表8 稳健性检验: 滞后自变量及修改模型中控制的固定效应
4.4 影响机制分析
4.4.1 投资者交易行为层面
表9 机制分析: 股票交易流动性
表10 机制分析: 投资者集体交易行为
表11 机制分析: 区分机构投资者和散户投资者的集体交易行为
4.4.2 公司治理参与层面
表12 机制分析:公司信息透明度
表13 机制检验: 基金团体与管理层是否存在合谋?
4.5 进一步分析
4.5.1 宏观经济环境的影响
表14 宏观经济环境的影响
4.5.2 基金业绩压力的影响
表15 基金业绩压力的影响
4.5.3 个股关注度的影响
表16 个股关注度的影响
4.5.4 经济后果分析
表17 根据公司规模和基金团体持股比例分组比较成为泡沫股票的概率差异
表18 基金抱团的经济后果分析
5 结论与政策建议
References
Funding
RIGHTS & PERMISSIONS

Received	Published
2024-02-06	2024-05-27
Issue Date
2024-05-30

模态框（Modal）标题

Please choose a citation manager

Content to export

Abstract

Key words

Cite this article

1 引言

2 文献回顾与研究假设

2.1 机构投资者网络的文献回顾

2.2 机构投资者团体与股价信息融入

2.2.1 投资者交易行为层面

2.2.2 公司治理参与层面

图1 基金抱团与股价信息融入的研究假设分析

3 研究设计

3.1 样本数据与数据来源

3.2 变量定义

3.2.1 基金团体持股

3.2.2 股价信息延迟

3.2.3 控制变量

表1 变量定义

3.3 模型设定

4 实证分析

4.1 描述性统计

表2 描述性统计

4.2 基准回归

表3 基准回归

4.3 稳健性检验

4.3.1 替换基金团体持股情况指标

表4 稳健性检验: 替换基金团体持股情况指标

4.3.2 替换衡量股价信息效率的指标

表5 稳健性检验: 替换衡量股价信息效率的指标

4.3.3 更换样本频率及区间

表6 稳健性检验: 更换样本频率及区间

4.3.4 工具变量法

表7 稳健性检验: 工具变量法

4.3.5 滞后自变量及修改模型中控制的固定效应

表8 稳健性检验: 滞后自变量及修改模型中控制的固定效应

4.4 影响机制分析

4.4.1 投资者交易行为层面

表9 机制分析: 股票交易流动性

表10 机制分析: 投资者集体交易行为

表11 机制分析: 区分机构投资者和散户投资者的集体交易行为

4.4.2 公司治理参与层面

表12 机制分析:公司信息透明度

表13 机制检验: 基金团体与管理层是否存在合谋?

4.5 进一步分析

4.5.1 宏观经济环境的影响

表14 宏观经济环境的影响

4.5.2 基金业绩压力的影响

表15 基金业绩压力的影响

4.5.3 个股关注度的影响

表16 个股关注度的影响

4.5.4 经济后果分析

表17 根据公司规模和基金团体持股比例分组比较成为泡沫股票的概率差异

表18 基金抱团的经济后果分析

5 结论与政策建议

{{custom_sec.title}}

{{custom_sec.title}}

References

{{custom_fnGroup.title_en}}

Footnotes

Funding

RIGHTS & PERMISSIONS