泡沫和危机中的财富再分配（三）

 4000萬A股賬戶的秘密：爲什麼99%的股民一直在虧錢？

李安娜 ​ ​，东楼 ，石东辉 ​ ​

泡沫与崩溃

投资技巧

财富不平等

市场参与

5.投资技能的差异

到目前为止，我们已经研究了家庭在泡沫破裂期间的股市投资决策，以及由此产生的收益和损失。研究结果令人震惊：在 18 个月的时间里，收入最高的 0.5% 的家庭获利，而收入最低的 85% 的家庭亏损超过 2500 亿元人民币，是平静时期的十倍以上。在本节中，我们提供证据表明，我们记录的财富再分配模式与家庭群体之间投资技能的显著差异相一致。（在第 2 部分在线附录中，我们通过简单、风格化的投资组合选择模型对我们的研究结果进行了额外的解释。

5.1市场层面的投资技巧

为了正式检查哪些投资者群体更善于（或更不善于）预测未来的市场回报，我们进行了简单的投资组合分析。具体来说，我们假设 a) 每个家庭群体一开始都将 100% 的金融财富投资于股票市场（换句话说，股票财富等于 2014 年 7 月 1 日的总金融财富），然后他们要么以无风险利率借款以资助进一步投资股票市场，要么将出售股票的收益存入无风险资产中；20b) 投资于股市或从股市撤出的每一元人民币都跟踪市场指数。假设 b) 使我们能够从股票选择中抽象出来。假设 a) 使我们能够通过将股市杠杆投资组合的收益与同期市场收益进行回归来推断市场时机能力；回归中的正（负）alpha 表示正（负）时机能力。

结果显示表 3从面板A可以看出，初始股权财富和市场时机能力之间存在正向单调关系。例如，底层85％的家庭具有显著的负时机alpha值，为每天-2.1个基点（t-统计量=-5.24），而顶层0.5％的家庭具有正时机alpha值，为每天0.5个基点（尽管在统计上不显著）。两者每天2.6个基点的差异（t-统计量=2.47）在统计和经济上都很大：这意味着每年的回报差异为6.5％，在我们的18个月期间接近10％。账户价值和杠杆投资组合的平均beta之间也存在正向单调关系：底层组的平均投资组合beta为0.94，顶层组的平均投资组合beta为1.19，差异为0.25（t-统计量=21.90）。假设我们的样本中资本加权市场累计回报率为 40%，这个贝塔系数差异意味着累计回报率差异约为 10%。21在我们的样本中，富人比穷人拥有更大的股市敞口（尽管在我们的样本开始时，小账户持有风险较高的股票）的一个可能解释是，富人的资本约束较少，因此在繁荣时期可以更容易地将资本转移到股市。总而言之，市场层面的财富再分配大约有一半可以用时机能力的差异来解释，另一半可以用富人对股市的整体敞口更大来解释。

表 3.市场时机：投资组合方法

下表报告了不同家庭财富组别持有的股票市场杠杆投资组合日收益对同期市场收益的回归结果。具体而言，杠杆投资组合的构建假设为：a）每个家庭组别一开始都将100%的资金投资于股票市场（即股票财富等于2014年7月1日的总金融财富），然后以无风险利率借入资金进一步投资股票或将卖出股票的收益存入无风险资产；b）在股票市场投资或从股票市场撤出的每一元人民币都跟踪市场指数。在家庭部门内，投资者根据其总账户价值（上海和深圳证券交易所的股票持有量+现金价值）分为四组；WG1至WG4分别包括总账户价值在<50万、50万至300万、300万至1000万和>1000万范围内的投资者。面板 A 显示了泡沫崩溃时期（201407 年至 201512 年）我们主要样本的结果，面板 B 重复了我们主要样本之前两年半（201201 年至 201406 年）的相同操作，在此期间市场相对平静。括号中显示的 T 统计量是根据标准误差计算的，并采用四个滞后时间的 Newey-West 调整。*、** 和 *** 分别表示在 10%、5% 和 1% 的水平上具有统计显著性。

图 A. 泡沫破灭时期：2014 年 7 月 - 2015 年 12 月。
	杠杆投资组合收益：w股票MktRet t +(1-w股票)R f,t
	工作组1	工作组2	工作组3	WG4	WG4-WG1
市场回流	0.94202***	1.09820***	1.13438***	1.18630***	0.24429***
	[214.29]	[245.74]	[185.44]	[129.55]	[21.90]
阿尔法	-0.00021***	-0.00018***	-0.00006	0.00005	0.00026**
	[-5.24]	[-3.75]	[-0.92]	[0.51]	[2.47]
没有。观察。	370	370	370	370	370
调整 R 2	0.998	0.998	0.998	0.996	0.884

B 组平静期：2012 年 1 月 - 2014 年 6 月。
	杠杆投资组合收益：w股票MktRet t +(1-w股票)R f,t
	工作组1	工作组2	工作组3	WG4	WG4-WG1
市场回流	1.42182***	1.00087***	0.97825***	0.95033***	-0.47149***
	[65.54]	[742.97]	[703.70]	[392.01]	[-21.19]
阿尔法	-0.00002	-0.00001	-0.00001	-0.00001	0.00001
	[-0.20]	[-1.39]	[-1.29]	[-0.74]	[0.12]
没有。观察。	600	600	600	600	600
调整 R 2	0.966	1.000	1.000	0.999	0.757

在线附录表 A3 中，我们将所有家庭账户分为 2014 年 7 月之前存在的账户和 2014 年 7 月之后的新进入者。我们再次观察到投资组合 alpha 和账户价值之间以及市场 beta 和账户价值之间的单调关系。一个有趣的观察是，对于 2014 年 7 月之前存在的账户，所有财富组都具有正的时机 alpha；例如，初始股权财富高于 1000 万元人民币截止值的现有账户的每日 alpha 为 2.3 基点（t-统计量 = 1.74）。相比之下，在繁荣-萧条时期开设的账户都具有负的时机 alpha（包括最大的账户）；例如，初始股权财富低于 50 万元人民币的新进入者的每日 alpha 为负 -7.9 基点（t-统计量 = -3.40），或年度 alpha 为 -19.9%。

在面板 B 中表 3我们使用 2014 年 6 月之前两年半的数据进行了同样的回报归因分析，当时市场相对平静。从面板中可以看出，在这段平静时期，所有财富组的投资组合时机 alpha 与 0 几乎无区别，顶部和底部家庭组之间的 alpha 差异为 0.1 bps（t统计量 = 0.12），比面板 A（2.6 bps）小一个数量级。

5.2股票层面的投资技巧

接下来我们来谈谈股票层面的家庭交易活动。首先，我们根据可观察的股票特征总结了家庭交易情况。更具体地说，我们根据一组股票特征对每个家庭组每周流入个股的资本进行 Fama-MacBeth 回归分析：市场贝塔系数、公司规模、账面市值比、不同时间段的过去回报（过去一、二、三和四周，以及两到六个月和七到十二个月），以及一个表示股票是否在可融资名单中的虚拟变量。22因变量（每个家庭组的股票水平资本流动）通过同一周开始和结束时该组的平均投资组合价值进行标准化。

结果如表 A4 所示。面板 A 展示的是繁荣时期的回归结果，面板 B 展示的是萧条时期的回归结果。从面板 A 可以看出，从最小的家庭组到最富裕的家庭组，贝塔系数单调递增：系数范围从 -0.055（t -统计量 = -2.30）到 0.053（t -统计量 = 4.18），0.108（ t -统计量 = 3.61）的差值具有高度的统计显著性。换句话说，在繁荣时期，较富裕的群体倾向于持有高贝塔值的股票，而较小的群体则远离高贝塔值的公司。有趣的是，如面板 B 所示，这种关系在萧条时期完全逆转：较富裕的群体现在通过撤出高贝塔值的股票来减少其市场风险，而较小的群体则增加了其在高贝塔值的股票中的持股。

图 A3 绘制了最高和最低家庭组的平均投资组合贝塔值随时间的变化。为了使投资组合贝塔值在不同时间具有可比性，我们每周从每个组的投资组合贝塔值中减去整个家庭部门的财富加权平均贝塔值。从图中可以看出，最富有的群体（投资组合贝塔值最低）在繁荣时期的早期开始增加其市场敞口，并在市场高峰后不久大幅减少其市场敞口。所有其他三个家庭组都表现出相反的交易模式。作为参考，我们还绘制了最高和最低家庭组的估算杠杆率（基于第 2 部分在线附录）。毫不奇怪，家庭组合投资组合的估算杠杆率和投资组合中股票的平均贝塔系数之间存在很强的相关性。

在继续讨论家庭交易的回报可预测性之前，我们希望强调表 A4 中的几个额外观察结果——股票交易与其他公司特征之间的关系。首先，在繁荣时期，最大的家庭是大盘股、价值股和可保证金股票的净买家，而最小的家庭则是这三者的净卖家；第一组和第四组之间的系数差异具有高度统计显著性。有趣的是，在萧条时期，不同财富水平的家庭有类似的出售大盘股、价值股、可保证金股票的倾向。其次，在我们的整个样本中，最富有的家庭押注短期股票回报（因此押注短期逆转），而其他三组则追逐短期股票回报。由于短期反向策略在我们的样本期间表现良好，这部分解释了为什么顶级家庭组的表现优于其他三组。

5.2.1预测横截面的股票收益

我们的证据第 4.2 节已经表明富裕家庭比不富裕家庭更善于选股。具体而言，与仅考虑市场水平流动带来的收益和损失相比，考虑到投资组合构成的异质性，底层 85% 和顶层 0.5% 家庭之间的财富再分配幅度增加了一倍以上。

A. 基线结果

为了正式检验投资者的选股技巧，我们对四个家庭组别的未来股票收益与股票特定资本流进行了 Fama-MacBeth 预测回归分析，控制了已知可以预测股票收益的股票特征。面板 A1表4报告了以每个家庭组的标准化资本流动作为唯一解释变量的回归结果。回归结果表明，排名垫底的两个家庭组的资本流动显著且负面地预测了下一周的股票收益（我们使用下个月的收益获得了类似的结果）。另一方面，最大的家庭组的资本流动显著且正面地预测了未来的股票收益。23面板 A2 重复了这一过程，进一步控制了表 A4 中的股票特征集。在所有规范中，面板 A2 中流量系数的幅度最多比面板 A1 中的相应估计值小 15%。换句话说，除了可观察到的公司特征所反映的内容之外，富裕家庭比不太富裕的家庭拥有更好的选股技巧。

表 4.流量和日历时间投资组合的回报可预测性

下表分析了泡沫破灭时期不同家庭财富群体交易的回报可预测性。面板A1和A2报告了Fama-MacBeth回归结果，其中因变量是未来一周的股票回报。主要关注的独立变量Flow计算为特定一周的股票层面资本流量，并按该投资者群体在同一周开始和结束时的平均投资组合价值缩放。为了便于比较，我们根据每个投资者群体的标准差对Flow进行标准化。面板A1显示了单变量回归结果，面板A2进一步控制了一系列股票特征，包括贝塔系数、公司规模（size）、账面市值比（bm）、表示股票是否具有保证金的虚拟变量（margin）以及不同时期的过去回报（过去一、二、三、四周，以及2至6个月和7至12个月）。面板 B 显示了不同家庭财富组持有的日历时间投资组合的风险调整后日收益，这些收益基于 CAPM、Fama-French 三因子模型以及 DGTW 调整后的收益（控制规模、价值和贝塔系数）。我们只考虑样本期间家庭交易产生的头寸，因此忽略了他们的初始持股。在家庭部门，投资者根据其总账户价值（上海和深圳证券交易所的股票持有量 + 现金价值）分为四组；WG1 至 WG4 分别包括总账户价值在 <500K、500K-3M、3M-10M 和 >10M 范围内的投资者。括号中显示的 T 统计量是根据具有四个滞后 Newey-West 调整的标准误差计算得出的。*、** 和 *** 分别表示在 10%、5% 和 1% 的水平上具有统计显著性。

面板 A1. 资金流回报的可预测性：单变量 FM 回归
	退休1 周
	工作组1	工作组2	工作组3	WG4	WG4-WG1
流动	-0.394***	-0.259***	-0.022	0.397***	0.791***
	[-4.40]	[-3.83]	[-0.28]	[5.45]	[8.18]
调整 R 2	0.013	0.014	0.013	0.011
周数	78	78	78	78

图 A2. 流量的回报可预测性：带控制的 FM 回归
	退休1 周
	工作组1	工作组2	工作组3	WG4	WG4-WG1
流动	-0.564***	-0.433***	-0.143***	0.338***	0.902***
	[-9.71]	[-8.98]	[-2.91]	[8.81]	[13.85]
测试版	-0.156	-0.147	-0.142	-0.147	0.008
	[-0.97]	[-0.91]	[-0.88]	[-0.90]	[0.98]
尺寸	-0.128	-0.112	-0.122	-0.141	-0.0132
	[-0.60]	[-0.53]	[-0.58]	[-0.64]	[-0.65]
马来亚	0.398	0.432	0.452	0.421	0.023
	[0.90]	[0.98]	[1.03]	[0.96]	[1.16]
利润	-0.096	-0.097	-0.096	-0.096	0.00
	[-1.10]	[-1.10]	[-1.10]	[-1.11]	[-0.03]
过往回报	是的	是的	是的	是的
调整 R 2	0.143	0.141	0.138	0.139
周数	78	78	78	78

面板 B：日历时间投资组合（每日回报）
	工作组1	工作组2	工作组3	WG4	WG4-WG1
资本资产定价模型阿尔法	-0.132***	-0.087***	-0.021	0.068***	0.200***
	[-5.01]	[-3.17]	[-0.82]	[2.75]	[4.75]
FF3 阿尔法	-0.124***	-0.089***	-0.025	0.059**	0.183***
	[-4.69]	[-3.22]	[-1.00]	[2.47]	[4.43]
DGTW 调整	-0.049***	0.001	0.027	0.077***	0.126***
	[-3.07]	[0.03]	[1.09]	[4.09]	[6.62]

我们通过日历时间投资组合方法（即跟踪每个家庭组股票投资组合的每日回报）进一步证明超级富豪的卓越选股能力。24如图 B 面板所示表4相对于CAPM模型，在我们的 18 个月样本中，底层 85% 的家庭每天赚取的 alpha 值为 -13.2 bps（t-统计量 = -5.01），而顶层 0.5% 的家庭每天赚取的 alpha 值为 6.8 bps（ t-统计量 = 2.75）。两者之间的差异为 20.0 bps（t-统计量 = 4.75），或每年超过 50%，具有高度统计意义，可以解释上一节记录的大部分财富再分配。进一步控制中国市场的规模和价值因素（如下Liu 等人，2019 年) 或使用 DGTW 调整 (基于贝塔系数、规模和账面市值比进行匹配) 对我们的结果影响不大。换句话说，我们记录的财富再分配不是由家庭对共同风险因素的差异性敞口驱动的，而是由他们预测公司特定回报的能力的异质性驱动的。

在附录表 A5 中，我们重复了表4面板 A 考察机构投资者和企业投资者交易的回报可预测性。从表 A5 中两个面板的最后两列可以看出，机构投资者在股票层面的交易是下周股票回报的强有力正向预测因素；相比之下，企业投资者的交易并不能预测未来个股的回报。

B. 平静期与极端期

表 5重复练习表4针对另外三个时期：2014 年 10 月至 2015 年 12 月（泡沫破灭期，面板 A）、2014 年 7 月至 2014 年 10 月（温和增长期，面板 B）和 2012 年 1 月至 2014 年 6 月（平静期，面板 C）。如面板 A 所示，泡沫破灭期底层家庭组交易的回报可预测性（流量标准差）为 -0.484（t统计量 = -4.80），顶层家庭组交易的回报可预测性为 0.444（t统计量 = 6.20），差异为 0.928（t统计量 = 7.94）。面板 B 对温和增长期进行了同样的操作。同样，按照流量的标准差，这一时期底层家庭组的交易回报可预测性为 -0.222（t-统计量 = -4.45），顶层家庭组的交易回报可预测性为 0.180（t-统计量 = 5.83），差异为 0.401（t-统计量 = 4.06）。面板 C 显示了平静期的结果。平静期底层家庭组的交易回报可预测性为 -0.118（t-统计量 = -5.24），顶层家庭组的交易回报可预测性为 0.075（t-统计量 = 3.69），差异为 0.193（t-统计量 = 6.35）。

表 5.平静期和波动期资金流回报可预测性

下表报告了 Fama-MacBeth 回报回归分析，其中因变量是未来一周的股票回报。我们感兴趣的主要自变量Flow计算为给定一周的股票层面资本流量，并根据该投资者组在同一周开始和结束时的平均投资组合价值进行缩放。为了便于比较，我们根据每个投资者组的标准差对Flow进行了标准化。面板 A 显示的是在波动较大时期（20141027-20151231）的结果，面板 B 显示的是在温和上涨时期（20140701-20141024）的结果，面板 C 显示的是我们主要样本之前两年半（201201-201406）各家庭财富群体的回归结果，在此期间市场相对平静。在家庭部门内，投资者根据其账户总价值（上海和深圳证券交易所的股票持有量 + 现金价值）分为四组； WG1 至 WG4 包括总账户价值分别位于 <500K、500K-3M、3M-10M 和 >10M 范围内的投资者。括号中显示的 T 统计量是根据标准误差计算的，并采用四个滞后的 Newey-West 调整。*、** 和 *** 分别表示在 10%、5% 和 1% 水平上的统计显著性。

面板 A. 单变量 FM 回归：波动性较大的时期（2014 年 10 月至 2015 年 12 月）
	退休1 周
	工作组1	工作组2	工作组3	WG4	WG4-WG1
流动	-0.484***	-0.311***	-0.003	0.444***	0.928***
	[-4.80]	[-3.93]	[-0.03]	[6.20]	[7.94]
调整 R 2	0.015	0.016	0.015	0.013
周数	62	62	62	62

图 B. 单变量 FM 回归：温和上升期（2014 年 7 月至 2014 年 10 月）
	退休1 周
	工作组1	工作组2	工作组3	WG4	WG4-WG1
流动	-0.222***	-0.186***	-0.165***	0.180***	0.401***
	[-4.45]	[-4.47]	[-3.56]	[5.83]	[4.06]
调整 R 2	0.005	0.006	0.004	0.003
周数	16	16	16	16

图 C. 单变量 FM 回归：平静期（2012 年 1 月至 2014 年 6 月）
	退休1 周
	工作组1	工作组2	工作组3	WG4	WG4-WG1
流动	-0.118***	-0.124***	-0.081***	0.075***	0.193***
	[-5.24]	[-4.18]	[-3.34]	[3.69]	[6.35]
调整 R 2	0.005	0.007	0.005	0.003
周数	123	123	123	123

换言之，在泡沫破灭时期，财富最上层和最底层家庭群体之间的流动回报可预测性差异比温和增长时期大两倍多，比平静时期大四倍多。在未列出结果中，我们进一步控制了大量股票特征，并继续观察到极端价格波动时期的流动回报关系比相对平静时期大两到四倍。这些结果与以下观点一致：在市场波动和交易量都异常高的时期，股票选择能力的异质性对家庭财富不平等的影响被大大放大。

C.预测盈利公告回报

如果最富有的 0.5% 的家庭确实具有卓越的选股能力，无论是因为他们享有获取非公开信号的特权，还是他们对公开信息的解读更为准确/精确，那么我们预计，当他们的私人知识被公开时（例如在公司季度收益公告前后），回报的可预测性会更高。为此，我们在表4但现在只关注季度收益公告。公告日收益定义为公告日t前后三天窗口内的累计收益。主要独立变量是公告公司每个家庭组在t -7 至t -3 天内的交易情况。我们还在回归中加入了一组已知可以预测股票收益的控制变量。

结果见在线附录表 A6，其中因变量是三因素调整后的收益公告日回报。从表中可以看出，底层 85% 家庭的交易对未来收益公告日回报有负面预测，而顶层 0.5% 家庭的交易对公告日回报有正面预测。重要的是，流量对每日回报的经济影响比表4。这些结果进一步证明，表 4和5不太可能是对系统性风险敞口的补偿，而是超级富豪相对于其他市场参与者更出色的选股能力的证据。

6.结论​

在本文中，我们以普通人（投资者、养老金领取者、储蓄者）的视角，研究金融市场社会影响的一个新方面：金融泡沫和崩溃对财富再分配的作用。我们的研究背景是 2014 年 7 月至 2015 年 12 月之间的中国股市，在此期间，市场指数上涨超过 150%，之后暴跌 40%。我们的管理数据包括上海证券交易所所有账户的每日交易和持股情况，这使我们能够研究整个投资者群体的财富再分配情况。

我们的分析显示，最大的家庭账户，即股票财富分布中前 0.5% 的家庭账户，在泡沫时期的早期阶段积极增加其市场敞口——通过流入股市和倾向于高贝塔值股票。然后在市场高峰后不久，他们迅速减少其市场敞口。低于 85% 的家庭账户表现出完全相反的交易行为。在这 18 个月期间，前 0.5% 的家庭获利，而后 85% 的家庭亏损超过 2500 亿元人民币，约占两组初始账户价值的 30%。相比之下，在 2014 年 6 月之前的两年半时间里，当市场相对平静时，四个家庭财富群体经历的收益和损失要小一个数量级。通过风格化的投资组合选择模型的视角，我们表明，这种财富再分配不太可能由投资者的再平衡或追逐趋势的交易所驱动，而是更多地反映了家庭投资技能的异质性（以及可能的资本限制）。

我们发现，在繁荣与萧条时期，最大的 0.5% 家庭比底层 85% 家庭获得的收益要多得多，这对政策制定者具有重要意义。人们普遍认为，更多地参与股市是实现繁荣和平等的途径，尤其是在金融知识和市场参与度普遍较低的发展中国家。然而，如果金融知识水平较低的穷人最终积极投资于容易出现泡沫和崩盘的金融市场，这种参与可能会损害他们的财富。鉴于最近的一项研究发现，早期的显著经历可能会对个人几十年后的经济决策产生长期影响，这一点尤其令人担忧。因此，虽然更多地参与股市可以改善福利，但必须强调的是，积极投资可能会产生完全相反的结果。

利益竞争声明

没有任何。

附录.补充材料

下载：下载Word文档（1MB）

参考