异质投资者行为与股市异常波动

The interaction between heterogeneous investors is the main factor affecting the dynamic behavior of security prices. With the development of science and technology and the continuous innovation of financial products, the market operating mechanism and investor structure are becoming more and more complicated. Investor classification based on static attribute is inaccurate. This project studies the behavior of heterogeneous investors and its effect on the dynamic of stock market turmoil during 2013 and 2015. Investors are classified into different groups based on their account type or trading behavior in Shenzhen Stock Exchange. Firstly, we classify investors into small individual, big individual, mutual fund, trust, etc. Also, we establish a model to identify leveraged investors based on nonparametric random forests by utilizing a unique, precise, account-level trading dataset. Secondly, we empirically examine the herding behavior, the relation between the investors’ trading and historical stock returns, and study the influential factors of investor behavior from the perspective of market transparency, the dependence on technical analysis, the trading rules and the psychology factors. Lastly, we study the effect of the behavior of heterogeneous investors on stock price distributions, market liquidity, and the price transmission between different stocks. This project helps to understanding the dynamic behavior of security prices in the presence of heterogeneous investors under abnormal fluctuation. In addition, this project intends to develop government’s policy to optimize investor structure of the A-shares to ensure the effectiveness and stability of stock markets in China.

异质投资者交易行为之间的相互作用是影响股价形成机制的重要因素。随着信息技术的发展和金融产品的不断创新，市场运行机制和投资者结构日益复杂化。仅根据账户属性特征等静态指标，无法对投资者进行准确刻画。本文拟在结合投资者静态属性特征和动态交易行为，对投资者进行有效分类的基础上，分析2015年股市异常波动过程中我国各类投资者的行为特征及其市场影响。具体包括：（1）根据账户属性对投资者进行有效细分，结合各类投资者的行为特征和市场影响，为优化我国投资者结构提供实证参考；（2）基于投资者逐笔交易数据，利用人工智能技术，动态刻画和识别股票配资账户。结合异质投资者的行为特征和市场影响，从微观层面分析杠杆工具的引入对股票市场的影响。（3）分析各类投资者在市场缓慢上涨、加速上涨和巨幅波动阶段的交易行为特征及其影响因素，从投资者行为角度对股市异常波动的形成机理进行分析。

异质投资者交易行为之间的相互作用是影响股价形成的重要因素。随着信息技术发展和金融产品不断创新，市场运行机制和投资者结构日益复杂化。本报告以2013年1月至2015年12月为研究区间，根据2015年股市异常波动特征，结合投资者静态属性特征和动态交易行为特征，基于投资者逐笔交易数据和机器学习方法动态刻画和识别投资者，从账户属性特征、杠杆工具使用情况和投资经验三个维度对投资者进行了有效分类，分析股市异常波动中各类投资者的行为及其与股市异常波动的关系。.研究发现：一是中小散户表现出逆势交易特征，在异常波动中充当流动性提供者；超大户在上涨初期和下跌时期采用顺势交易策略，具有一定的择时能力；信托产品的买卖方向与行情走势高度一致，是推动2015年股市暴涨暴跌的重要力量；公募基金表现出一定的择时、选股能力，但其行为受资金流动影响较大；社保基金、保险机构、QFII采取“低买高卖”的投资策略，客观上起到了平抑市场波动的作用。二是不同账户类型的新开户投资者表现出类似的行为特征，是推动股市泡沫形成的主要力量，是市场下跌阶段的流动性提供者；同一账户类型下的存量投资者和增量投资者表现出不同的交易行为。三是杠杆工具使用者的持股和交易行为，随着市场涨跌表现出明显的周期性特征。牛市特征确定后，融资买入金额和场外配资交易金额均快速增加，但在股市大幅上涨后期，场外杠杆资金的入市速度更快、规模更大，融资买入额占深市日均交易金额的比例反而有所下降。伞形配资账户与非伞形配资账户存在显著的行为特征差异，伞形配资账户表现出更显著的“追涨杀跌”等非理性特征，更易导致市场的“暴涨暴跌”。杠杆工具本身是中性的，对场外配资应区分对待，重点关注易造成市场不稳定的伞形配资账户。.从方法上，本项目将机器学习应用于投资者的动态刻画和分类，提供了投资者识别的新方法，有助于提高监管效率；从理论上，本项目为基于投资者行为的股市泡沫模型提供了实证新证据，丰富了对杠杆投资者的行为特征及其市场影响的研究。