中国个人投资者股票投资收益表现的结构方程模型分析

中国个人投资者股票投资收益表现的结构方程模型分析

张吉

中南财经政法大学金融学院湖北武汉430073

【摘要】股市能为投资者提供稳定的长期收益，但中国个人投资者股票投资的长期收益不佳。论文运用结构方程模型所作的分析表明，上市公司违规行为、股票交易成本较高、个人投资者交易策略不科学是主要成因。要提高中国个人投资者股票投资的长期收益，就必须加强公司信息披露、股票交易行为等市场监管，优化和降低证券交易成本，引导个人投资者树立价值投资、长期投资理念，借助指数型基金或专业机构获取稳定投资收益，改进投资者教育。

【关键词】股票市场；个人投资者；投资收益；交易成本

改革开放40年以来，中国经济发展和市场机制建设取得举世瞩目的成就，也引发了许多值得反思的论题。在证券市场领域，这类论题之一是为何个人投资者（尤其是俗称“散户”的中小个人投资者）未能从股市中获得稳定的长期收益，甚至难以摆脱“韭菜”的宿命？这个论题可以分解为至少三个子论题：第一，股票市场能为投资者提供稳定的长期收益吗？如果能，则有：第二，个人投资者股票投资的长期收益表现如何？如果股市投资遵循“一赚二平七亏”的铁律，且“被收割的”总是个人投资者，则有：第三，中国个人投资者股票投资的长期收益为何不佳、如何提高。本文试图依托相关文献，结合中国股票市场的经验事实和数据，运用结构方程模型对此进行初步分析。

一、股市能为投资者提供稳定的长期收益

股票投资可以提供稳定的长期收益，而且其投资收益率高于其他大类资产，美国200余年的历史统计证据、中国27年的经验事实均可印证。

（一）美国的历史统计证据

1802—2003年，剔除通货膨胀因素后，美国大类资产投资的实际收益率总指数，股票为59.75万倍，长期债券为1072倍，票据为301倍，黄金为1.39倍[1，p.162-163]。对应的年复合实际收益率，股票为6.8%，长期债券、票据各为3.5%、2.9%，黄金仅为0.16%。由于通货膨胀的巨大累积效应，2003年的1美元仅相当于两个世纪前的7美分[1]（p.162-163）。1964—2007年，美国大类资产的实际投资增值倍率，股票为10.3倍，债券为3.4倍，国库券为1.8倍[2]（p.125-126）；对应的年复合实际收益率依次为5.7%、3.4%、2.4%。故而，在长期内，股市的投资收益能超越其他市场，尤其是固定收益市场。

（二）中国的经验事实证据

1991—2017年，剔除同期295%的物价涨幅后，中国上证综合指数（简称“上证综指”，以2005年12月30日收报的1161点平减为基点1000点）和深证成份股指数（简称“深证成指”，以1994年7月20日收报的1000点为基点）实际分别上涨12.02倍、36.42倍。沪深股指对应的投资回报率，若采用在刻画收益时具有平稳性优势的对数法计算，则年均实际收益率（名义收益率减去通货膨胀率的年均值）分别为9.3%、13.2%；若采用比值法计算，则年复合实际收益率依次为10.0%、14.4%。

1998—2016年，全国35个大中城市商品房平均售价实际上涨2.59倍，年均实际收益率为7.0%。2002—2017年，上海黄金现货AU99.99的价格实际上涨1.02倍，年均实际收益率为4.6%。另据中国债券信息网，以2002年1月4日为基日，待偿期为15年、20年、30年的中债国债收益率分别为3.5%、3.9%、4.5%，远低于股市收益率。1991—2017年，由于物价涨幅为295%，持有现金的总收益率为-66.1%。故而，就年均实际投资收益率而言，沪深股市比房产高出至少30%，比黄金、国债高出至少1倍，是稳定的高收益投资渠道。

二、个人投资者股票投资的长期收益表现不佳

（一）不同类型投资者的长期投资收益表现不同

股票市场可为投资者提供稳定的长期收益，但不同类型投资者股票投资的长期回报是不同的。在多数国家的股票市场，仅有5%—10%的个人投资者能在较长时间内获得持续优于市场平均水平的投资收益，投资收益显著低于市场平均水平者的占比高达30%—40%[3，p.6-7]。个人投资者的“少盈重亏”、长期投资收益不佳，与专业机构“少持多盈”、长期收益相对稳定形成鲜明的对比。

（二）“机构赚、个人亏”似为长期投资收益的常态

1995—1999年，在中国台湾股市上，一般法人、自营商、国外投资者、共同基金等机构投资者日均盈利1.78亿台元，扣除佣金0.256亿台元、印花税0.27亿台元，日均净盈利1.254亿台元，折合0.043亿美元。同期个人投资者日均亏损1.78亿台元，加上佣金2.169亿台元、印花税2.284亿台元，日均净亏损6.233亿台元，折合0.216亿美元。在这五年共计1480个交易日中，机构投资者累计盈利约合64.4亿美元，个人投资者累计亏损约合320亿美元；个人投资者每年亏损近3.8%，而同期台湾股市年均收益率为6.9%[4]。

类似的情形亦存在于中国大陆股市。本文以A股流通股东作为中国大陆个人投资者的代表，不考虑资本利得（交易盈亏），用税费（含个人股息所得税）后的现金股利额及股息率进行粗略例证。1991—2016年，个人投资者（流通股东）扣除股息所得税后的现金股利为3.11万亿元，缴纳印花税1.23万亿元，支付佣金及手续费3.52亿元，税费后的现金股利为-1.64万亿元（即投资总亏损）。个人投资者税费后的收益率（股息率）仅在2011—2014年为正，最高不超过1.10%；其余22年为负，最低为-9.10%；26年间的年均收益率（股息率）为-3.2%，而同期沪深股指的年均实际收益率各为9.3%、13.2%。

三、个人投资者股票投资长期收益不佳的成因

个人投资者股票投资长期收益不佳的成因众多，且部分影响因素不可直接观测，本文基于结构方程模型进行定量测算。

（一）结构方程模型基本思想

结构方程模型（StructuralEquationModel，简称“SEM模型”）是研究不可直接观测变量（即潜变量）之间相互关系及其影响的一种验证性因子分析方法，它包含测量模型和结构模型两部分，模型本身依据已有经验或理论事先设定。

1.测量模型。测量模型又称因子模型，用于反映可测变量与潜变量之间的关系。测量模型中的方程被称为测量方程，假设条件为E（）=0，E（）=0，E（）=0，E（）=0；、、和无关；、、和无关，表现形式如式（1）和式（2）。

（1）

（2）

式（1）和式（2）中，X是外生潜变量的可测变量，是X的误差，是（）系数矩阵，由X在上的因子载荷构成；Y是内生潜变量的可测变量，是Y的误差，是（）系数矩阵，由Y在上的因子载荷构成。q是X的变量个数，p是Y的变量个数。

2.结构模型。结构模型又称因果模型，用于反映潜变量与潜变量之间的因果关系。结构模型中的方程为结构方程，假设条件为E（）=0，E（）=0，E（）=0，表现形式如式（3）。

（3）

式（3）和式（4）中，是残差，B是的系数矩阵，是的系数矩阵，m是的变量个数，n是的变量个数。

3．结构方程模型基本形式。结构方程模型是测量模型与结构模型的组合式，基本形式如式（4）。

（4）

（二）影响因素结构与指标体系设计

综合现有文献，主要从政府部门、监管机构、上市公司、证券公司、个人投资者五个维度，考察个人投资者股市投资表现不佳的影响因素，其结构方程模型指标变量选取见表1。

表1个人投资者投资收益影响因素的结构方程模型指标变量

潜变量可测变量指标名称

个人投资者投资表现是否发生亏损

政府部门印花税额

监管机构结案率

上市公司虚假陈述行为占比

操纵市场行为占比

内幕交易行为占比

证券公司手续费及佣金

个人投资者换手率

本科及以上文化者占比

男性比例

40岁以下投资者占比

个人投资者股市投资表现以“是否发生亏损”测度，“0”表示不发生亏损，“1”表示发生亏损。政府部门行为以“印花税额”来测度。监管机构的监管有效性以中国证监会受理各类违法违规案件的结案率（简称“结案率”）来测度。上市公司的行为以“虚假陈述行为占比”“操纵市场行为占比”和“内幕交易行为占比”来测度。证券公司以“手续费及佣金”来测度。个人投资者的投资行为通过“换手率”“本科及以上文化者占比”“男性比例”和“40岁以下投资者占比”进行测度。

（三）结构方程模型设定及估计

1.描述性统计。本文以中国1991—2016年的年度数据为研究样本，所用原始数据来源于国家统计局、中国证监会、《中国统计年鉴》、《中国金融年鉴》和Wind资讯，各指标变量的描述性统计如表2。

表2指标变量的描述性统计

变量名称平均值标准差偏度峰度

统计量标准误统计量标准误

印花税额（亿元）474.314622.8682.2950.4565.2870.887

结案率0.5280.173-0.2310.687-0.5331.334

虚假陈述行为占比0.2560.07061.1020.6873.6561.334

操纵市场行为占比0.1140.03660.8260.6871.1011.334

内幕交易行为占比0.3110.1350.7480.6870.9251.334

手续费及佣金（亿元）1355.2301851.6321.9280.4564.5990.887

换手率4.5982.2021.1010.4640.7410.902

本科及以上文化者占比0.1780.0500.9510.5640.7991.091

男性比例0.5500.0052.2040.5643.9471.091

40岁以下投资者占比0.6500.034-0.1860.564-1.8381.091

表4第二、三列给出的平均值和标准差均存在量纲差异。直接使用这组数据进行拟合，将降低参数估计值的精确度。为了消除量纲产生的偏差，对数据进行归一处理，计算公式如式（5）。

（5）

处理后的数据取值范围在（0，1）之间，成为标量，不具有实际意义。

偏度值是对数据分布偏斜方向和程度的度量，峰度值是对概率密度分布曲线在平均值处峰值高低的特征数。“印花税额”变量的偏度值临界值的绝对值为5.033，峰度值临界值的绝对值为5.961，均大于1.96，表示其偏度值和峰度值均显著不为0，变量不服从正态分布。由于样本数据不满足多变量正态性的假设条件，故而选用广义最小二乘法进行参数估计更为合适。

2.模型设定。根据现有理论和经验事实，利用AMOS19.0软件构建出各个变量之间的因果关系路径（见图1）。其中，椭圆表示潜变量，长方形表示可测变量，连接两个变量之间的单向直线箭头表示假定存在的因果关系，单向箭头指向变量表示残差。同时，为保证结构方程模型参数的可估计性，将残差e1—e15、内幕交易行为占比等路径系数设定为1。

图1个人投资者投资收益影响因素的结构方程模型

3.模型适配指数。由表3、4、5可知，p值为0.142，大于0.05，接受假设模型；绝对适配指数、增值适配指数和简约适配指数都满足适配条件，说明个人投资者投资收益影响因素的结构方程模型具有较强的解释能力，与真实模型较为接近。

表3绝对适配指数

统计检验量适配的临界值检验数据结果模型适配判断

p值0.050.142是

GFI0.900.957是

AGFI（调整后）0.900.917是

RMR<0.050.007是

表4增值适配指数

统计检验量适配的临界值检验数据结果模型适配判断

NFI0.900.936是

IFI0.900.937是

TFI0.900.916是

表5简约适配指数

统计检验量适配的临界值检验数据结果模型适配判断

PNFI0.500.579是

PGFI0.500.667是

4.参数估计。结构方程模型的参数估计方法主要有极大似然估计法、广义最小二乘法等。本文根据描述性统计结果，选用广义最小二乘法，得出非标准化和标准化参数估计及参数检验结果。

由表6的检验P值可知，在1%的显著性水平下，模型系数估计结果均拒绝参数为零的原假设，说明参数校验均是显著的。

表6个人投资者投资收益影响因素的非标准化估计

被解释变量因果路径解释变量参数估计值P值

个人投资者投资表现政府部门-0.0280.000

个人投资者投资表现监管机构0.3880.001

个人投资者投资表现上市公司-0.0850.000

个人投资者投资表现证券公司-0.2860.000

个人投资者投资表现个人投资者0.0540.000

操纵市场行为占比上市公司-0.5060.000

内幕交易行为占比上市公司-0.4410.000

手续费及佣金证券公司-0.2220.001

换手率个人投资者0.3540.000

本科及以上文化者占比个人投资者0.3000.000

40岁以下投资者占比个人投资者-0.5220.000

表7个人投资者投资收益影响因素的标准化估计

被解释变量因果路径解释变量参数估计值

个人投资者投资表现政府部门-0.147

个人投资者投资表现监管机构0.098

个人投资者投资表现上市公司-0.213

个人投资者投资表现证券公司-0.197

个人投资者投资表现个人投资者0.398

操纵市场行为占比上市公司-0.618

内幕交易行为占比上市公司-0.448

手续费及佣金证券公司-0.376

换手率个人投资者0.218

本科及以上文化者占比个人投资者0.125

40岁以下投资者占比个人投资者-0.210

（四）模型估计结果及解释

非标准化参数估计依赖于变量基础和单位，致使无法根据路径系数的大小直接比较变量的作用程度；采用标准化系数，可以解决直接比较的问题。鉴于此，利用表7的标准化参数解析对个人投资者投资收益表现的结构方程模型。

1.上市公司违规行为是主因。个人投资者的信息相较于上市公司具有滞后性、同质化。最直观体现是噪音交易，即个人投资者通常入市于股指高点、上市公司估值最高时，撤出于两者的“双低点”。此类异象频现于牛市或熊市。根据实证结果可知，操纵市场行为占比、内幕交易行为占比对个人投资者投资表现的路径系数分别为-0.618、-0.448，总效应为-1.066。这说明，在其他条件不变时，操纵市场行为和内幕交易行为每上升1个百分点，个人投资者的投资收益减少1.066个百分点。

2.交易成本较高是关键因子。前述台湾个人投资者的投资业绩不佳，主要导因于过高的券商佣金和政府税费等高交易成本。在中国A股市场，个人投资者的交易成本（印花税、佣金及手续费、个人股息所得税）在牛市期间陡增，2015年更是创下10951.64亿元的峰值，其中券商佣金及手续费约占80%。上述实证分析表明，手续费及佣金对个人投资者投资表现的总效应为-0.376。换言之，若其他条件不变，手续费及佣金每上升1个百分点，个人投资者的投资收益减少0.376个百分点。

3.缺乏科学策略是重要内因。第一，股票投资组合不分散。绝大多数个人投资者对股票投资的数量、公司属地配置，缺乏必要的分散技巧与策略。例如，日本、美国、英国分别有98%、94%、82%的投资者仅购买本国公司的股票[5]，瑞典等发达国家的多数投资者将大笔资金投资在单只股票上，仅将少数资金投资公募基金。类似地，中国近17%的上海投资者不曾投资过深圳证券交易所上市股票，19%的深圳投资者从未投资过上海证券交易所上市股票；而且，他们的投资业绩均不及大盘或另一交易所的指数表现[6]。第二，过度自信或盲目轻信倾向。实证结果表明，大学本科及以上文化者占比对个人投资者投资表现的路径系数为0.125；这说明，若其他条件不变，前者每增加1个百分点，则投资收益增加0.125个百分点。但个人投资者对掌握私有信息的准确性与判断能力存在盲目自信，从而过分重视利己信息，自动“屏蔽”损己信息，而且大多不愿正视决策失误，进而滋生非理性投资行为。第三，存在处置效应或“售盈持亏”行为。中国个人投资者整体上存在处置效应，其售盈概率约2倍于持亏概率[7]。股价连续下跌时的平均持有期为5.7个月，显著地长于连续上涨时的平均持有期2.9个月。对于“套牢”股票，年轻的个人投资者选择“长期持有，直到解套”者为数最多，选择“不断补仓拉低价位”者的数量次之，而选择“忍痛割肉”者最少。实证结果表明，40岁以下投资者占比对个人投资者投资表现的路径系数为-0.210，说明在其他条件不变时，前者每上升1个百分点，个人投资者的投资收益下降0.210个百分点。

四、基本结论及启示

本文依据文献研究结果、中国股市的经验事实和数据，初步解答中国个人投资者股票投资长期收益不佳的成因，由此得到三点基本结论及启示。

第一，股市能为投资者提供稳定的长期收益，且其收益高于其他大类资产。1802—2003年、1964—2007年，美国大类资产投资（采用比值法计算）的年复合实际收益率，股票分别为6.8%、5.7%，债券分别为3.5%、3.4%，票据（1802—2003）为2.9%，国库券（1964—2007）为2.4%。1991—2017年间，上证综指、深证成指（采用对数法计算）的年均实际收益率9.3%、13.2%，高于在此期间35个大中城市商品房投资的7.0%、国债投资的3.5%—4.5%、黄金投资的4.6%。因此，立足长期投资理念，借助指数型基金来分享股市的高投资收益，是中国个人投资者的理智选择之一。第二，中国个人投资者股票投资的长期收益不佳。与专业机构“少持多盈”、收益相对稳定不同，个人投资者的投资收益显著低于市场平均水平。1995—1999年中国台湾个人投资者股票投资年均收益率为-3.8%，同期台湾股市的年均收益率达6.9%。1991—2016年中国大陆个人投资者（流通股东）股市投资的总收益为-1.64万亿元，年均税费后收益率（股息率）为-3.2%。因此，在审慎评判专业机构和客观对待风险—收益组合的基础上，投资于券商、基金公司等专业机构创设的基金类、理财类产品，是个人投资者借助专业机构的规模经济、稳健投资等综合优势，实现相对稳定的股市投资收益的重要途径之一。第三，提高个人投资者股票投资的长期收益必须多策并举。本文运用结构方程模型所作的分析表明，中国个人投资者股票投资的长期收益不佳，上市公司违规行为、交易成本较高是主要成因，个人投资者缺乏科学的交易策略、理性的投资行为也是重要原因。因此，必须加强对上市公司信息披露的监管和问责，严惩内幕交易、市场操纵等违规违法行为；优化交易税费安排，降低证券交易成本；加强个人投资者教育，完善投资者适当性管理。个人投资者应切实树立、践行价值投资理念，避免追涨杀跌、全仓全时（“不淡定的择时，不理智的选股”）[3，第4章]、过度自信、售盈持亏、盲目跟风等非理性行为。

参考文献：

[1]杰里米•J.西格尔.投资者的未来[M].李月平译.北京：机械工业出版社，2007.

[2]NiallFerguson,TheAscentofMoney：AFinancialHistoryoftheWorld[M],ThePenguinPress,2008.

[3]朱宁.投资者的敌人[M].北京：中信出版社，2014.

[4]BradM.Barber,Yi-TsungLee,Yu-JaneLiu,TerranceOdean.JustHowMuchDoInpidualInvestorsLosebyTrading?[J].ReviewofFinancialStudies,2009,22(2)：609-632.

[5]French,K.andJ.Poterba,InvestorpersificationandInternationalEquityMarkets[J],AmericanEconomicReview,1991,81(2)：222-226.

[6]ZhishengLi,LiLiao,WeiqiangZhang,andNingZhu,DoestheLocationofStockExchangeMatter?AWithin-CountryAnalysis[J].Pacific-BasinFinanceJournal,2012,20(4)：561-582.

[7]赵学军，王永宏.中国股市“处置效应”的实证分析[J].金融研究，2001（7）：92-97.