基金抱团交易的信息网络与股价尾部风险.pdf

129inancialEconomicsResearchSept.20232023年9 月Vol.38,No.5研金融经学第38 卷第5期基金抱团交易的信息网络与股价尾部风险邓鸣茂 阳久祥梅春摘要：金融市场的信息共享、投资者之间的信息交流会影响投资者的偏好与交易行为。以2 0 1 0 一2 0 2 0 年中国公募基金重仓持股数据为研究样本，基于社会网络Louvain算法从基金信息网络中提取出基金抱团交易团体，分析了基金抱团交易的信息网络对股价尾部风险的影响，实证结果表明，基金抱团交易的持股比例越高，股价未来的极端上涨与下跌风险就越大，更换解释变量与被解释变量以及子样本检验，结论依然稳健；基金抱团交易阻碍了信息传递的效率、降低了持股稳定性，从而影响股价尾部风险；越是接近基金信息网络中心位置的股票，抱团交易持股比例越高对股价尾部风险的影响越剧烈。本文的研究不仅为信息网络与机构投资者行为的交叉研究提供理论基础，还对丰富投资交易策略、加强机构投资者抱团交易行为和市场风险的监管有重要意义。关键词：基金抱团交易；信息网络；风险价值；期望损失中图分类号：F830.9文献标识码：A文章编号：2 0 97-1 346(2 0 2 3)0 5-1 2 9-1 6一、引言机构投资者通常拥有相似的决策框架、考核机制、信息渠道、行为模式，导致A股在2007年以后出现过4次非常著名的抱团现象。2 0 2 1 年1 月6 日华宝证券研究团队发布研究报告机构抱团股次年表现如何？指出，2 0 2 0 年机构抱团交易行为更加明显，机构抱团股相对于万德全A胜率均高于非机构抱团股，平均胜率为42%，在次年机构抱团股业绩具有一定的延续性，并未出现明显的反转暴跌现象。2 0 2 0 年1 2 月2 7 日，中信证券研究所发布警惕机构抱团瓦解，布局高性价比品种，指出投机性抱团股票未来将大概率瓦解，引发市场高度关注，发布当天部分机构重仓股直接遭遇跌停。那么以证券投资基金为代表的机构投资者抱团交易是否加剧股价波动的风险？收稿日期：2 0 2 2-1 0-1 3基金项目：教育部人文社会科学青年基金项目（2 1 YJC790020）、上海市2 0 2 2 年“科技创新行动计划”科委软科学研究重点项目（2 2 6 92 1 0 950 0）。作者简介：邓鸣茂，金融学博士，上海对外经贸大学金融管理学院，硕士生导师，研究方向为机构投资者交易行为与资产定价；阳久祥，上海对外经贸大学金融管理学院硕士研究生，研究方向为公司金融；梅春，通讯作者，金融学博士，广东金融学院信用管理学院副教授，研究方向为公司金融、公司治理，。2 0 1 9年7 月4日招商证券研究报告“抱团”启示录：那些年我们一起抱过的团。130.2023年第5期金融经清学研究金融市场的信息共享、投资者之间的相互观察并交流信息以及机构投资者的利益趋同会影响投资者的偏好与交易行为。Pareek(2012）、Bl o c h e r(2 0 1 6)认为机构投资者之间的信息交流会形成特定的社会关系网络。国内学者肖欣荣等（2 0 1 2）认为机构投资者之间的信息交流网络会对基金经理的交易行为产生重要影响。另外，郭晓冬等（2 0 1 8）、郭白滢和李瑾（2 0 1 9）、吴晓晖等（2 0 1 9）的研究发现机构投资者的信息网络特征会影响股价崩盘风险然而，陈新春等（2 0 1 7）认为股价崩盘风险通常与流动性紧缺相关，资产价格的尾部风险要比股价崩盘风险更为普遍，基金重仓持股网络的网络密度会加剧股价极端尾部风险。田正磊等（2 0 1 9）的研究同样发现，同一重仓持股网络的基金之间调仓行为更为一致，在市场极端下跌时，呈现出集体踩踏的特征，会影响个股的系统性尾部风险。尾部风险会对金融体系的流动性、资产定价、信息传导和投融资功能等产生巨大破坏，已成为学界、业界和监管层共同关注的焦点密切的信息网络将导致机构投资者群体无论在买人或卖出个股以及时机选择方面都有着较高的相似性，极易催生抱团交易行为。股票信息网络是所有重仓持有该股票的基金信息网络的集合，其中网络密度反映了信息传递的效率，网络密度值越大，表明信息流动速度越快，同时其价格变化也就越快；特征向量中心度不仅考虑了基金链接的数量，还对基金的中心度加权求和，要比中心度指标能更好地衡量个体在信息网络中的位置。特征向量中心度越高，与其所在网络边缘个体的链接就越强。本文借鉴信息网络结构这种微观机制，以2 0 1 0 2 0 2 0 年公募基金持股数据为样本，首先建立以重仓股票为链接的基金信息网络；其次，在Pareek(2012）的研究基础上，应用Louvain算法，从基金信息网络中近似提取出基金抱团交易团体，构建基金抱团交易持股指标、信息网络的网络密度以及特征向量中心度；然后实证检验基金抱团持股比例对股价尾部风险的影响；最后，进一步从基金信息网络的网络密度（信息传递的效率）与特征向量中心度（抱团股票所处信息网络中的位置）来研究内在的影响机制。本文的研究不仅为信息网络与机构投资者行为的交叉研究提供理论基础，还对丰富投资交易策略、加强机构投资者抱团行为和市场风险的监管有重要意义。具体体现在以下四个方面：（1)本文基于交互行为的视角，构建基金抱团的信息网络模型，拓展了对机构投资者信息网络的相关研究，为信息网络与机构投资者投资行为的交叉研究提供理论基础；（2)本文在陈新春等（2 0 1 7）、田正磊等（2 0 1 9）检验基金信息网络结构特征对股价尾部风险影响的基础上，利用信息网络提取出基金抱团团体，检验基金抱团交易行为对股价尾部风险的影响，并进一步从信息传递效率、机构持股稳定性以及抱团交易股票所处信息网络的位置三个角度探讨了内在的影响机制，丰富了信息网络对机构投资者交易行为影响的相关文献；（3）在微观层面，为2 0 2 0 年以来机构投资者报团取暖、股价两极分化的现象，提供合理的解释和依据，可以根据此现象，形成“町机构”的投资交易策略；（4）在宏观层面，本文的研究结论能够为监管层如何精准地监管机构投资者抱团交易行为，防止出现极端尾部风险，提供现实依据。L o u v a i n 算法由Blondel etal.（2 0 0 8）开发，是基于模块度的社区发现算法，其优化目标是最大化整个社区网络的模块度。131：基金抱团交易的信与股价尾部风险二、文献回顾与研究假说信息通常分为公共信息和私有信息，公共信息一般指所有投资交易者都能自由获取的信息，而私有信息既包括来自投资者主观信息，又包括来自投资者社会关系网络中的信息。BansheeandGoodman（2 0 0 7）、C o h e n.e t a l.（2 0 0 8）的研究认为私有信息会影响基金经理的持仓交易行为。在金融大数据和网络爬虫技术日趋成熟的背景下，信息的传播速度和扩散力度发生了根本的转变，机构投资者的信息网络可能不再集中于邻近的地域（Hong etal.，2005;Pooletal.,2015；陆煊,2 0 1 4）、相似的教育背景和校友关系（Cohenetal.,2008；申宇等,2 0 1 5）以及基金家族共同持股（陆蓉和刘亚琴，2 0 0 9；屈源育和吴卫星,2 0 1 4；李科等，2015），原来的私有信息可能演变为基金经理间共享的私有信息。机构投资者通过股票信息网络中交流互动、彼此推测并结合自已的心理偏好与理性判断来影响投资决策行为，最终影响市场价格及波动（Hongetal.，2 0 0 5；O z s o y l e v e t a l.，2 0 1 4;St e i n，2 0 0 8；C o h e n e t a l.，2008;Pareek,2012;Blocher,2016)。基金抱团交易的信息网络是否会影响股价的尾部风险呢？基金网络团体成员之间的信息交流与合作会降低基金网络团体成员之间信息竞争的激烈程度，阻碍团体成员的私有信息融人股价，进而加剧股价尾部风险。基金之间的信息共享机制极易导致黑天鹅事件。基金持股的信息网络密度不仅与股价总体和特质风险正相关，还会显著增加股票极端上涨和下跌的概率，尤其加剧股价极端下跌的风险（陈新春等，2 0 1 9）。王典和薛宏刚（2 0 1 8）发现机构投资者网络密度会促进私有信息传播，利用私有信息的套利行为更为活跃，导致公司特质风险上升。田正磊等（2 0 1 9）的研究同样发现，同一重仓持股网络的基金之间买人和卖出行为更为一致。在市场极端下跌时，受到特定网络结构特征的影响，极易导致集体踩踏的现象，从而加剧股价系统性尾部风险。吴晓晖等（2 0 1 9）、郭晓冬等（2 0 1 8）发现机构投资者抱团交易的信息网络，阻碍团体成员的私有信息融人股价，增大公司负面信息被隐藏和集聚的可能性和程度，最后集中释放，从而加剧股价崩盘风险。蒋松和钱燕（2 0 2 1）认为机构投资者抱团行为，降低了股票的流动性，从而加剧公司股价的波动。基于以上分析，本文提出假说la。假说1 a：基金抱团交易持股比例越高，股价未来的尾部风险越大。另一方面，基金网络成员之间通过交流共享私有信息，促进了私有信息融人股价。Crane etal.（2 0 1 9）的研究认为，基金抱团交易会促进团体成员之间彼此共享各自所掌握的私有信息，降低信息搜集成本，增强他们的信息优势，能够更好地发挥监督的公司治理效应，抑制管理层隐藏坏消息的行为，从而提高公司的信息透明度。王典和薛宏刚（2 0 1 8）也认为较高的网络密度在加快信息流动的同时抑制噪声交易，间接降低公司特质风险。郭白滢和李瑾（2 0 1 9）认为，机构投资者信息网络会促进信息共享，提升公司的信息透明度，从而降低股价崩盘风险。基于以上分析，本文提出竞争性假说1 b。假说1 b：基金抱团交易持股比例越高，股价未来的尾部风险越小。基金抱团交易的信息网络如何影响股价的尾部风险呢？基金信息网络的网络密度越大意味着网络内各节点之间的连通性越好，网络信息的交流和传递速度越快，信息传递的效率越高。陈新春等（2 0 1 9)认为，基金持股之间的信息网络密度越大，信息传递的效率越高，股票极端下跌和极端上涨的概率就越大。郭白滢和李瑾（2 0 1 9）发现，机构投资者信息132究2023年第5期金融经清学研网络的网络密度与股价崩盘风险之间呈现负相关关系，即信息传递的效率越高，股价崩盘的风险程度越弱。田正磊等（2 0 1 9)认为信息网络密度越高，信息传递的效率越快，能够降低个股的尾部系统风险。Craneetal.（2 0 1 9）、吴晓晖等（2 0 1 9）的研究表明，基金“同进同退”的抱团行为降低了机构投资者个体“退出威胁”的治理效应，阻碍团体成员的私有信息融人股价，会增大公司负面信息被隐藏、累积、集中释放的可能性，从而降低信息传递的效率。基于以上分析，本文提出假说2。假说2：基金抱团交易会降低信息传递的效率，从而加剧尾部风险。机构投资者网络团体成员之间的合作，可以提高机构投资者团体“集体发声”的治理效应(Crane et al.,2019)。然而,Jiang and Kim(2015）、Fi r t h e t a l.（2 0 1 6)、L i n a n d Fu(2 0 1 7)的研究发现，中国上市公司股权集中度较高，大股东持股比例大，单个机构投资者持股比例较低。机构投资者主要通过“退出威胁”和“用脚投票”的方式发挥公司治理作用，往往是短线买卖的投机者，持股时间较短，导致持股的稳定性降低。Scharfstein and Stein（1 990）基于委托代理理论，从追求声誉机制、报酬激励机制的角度探讨了基金的集中持股行为，平庸的基金经理会跟随聪明的基金经理做出一致的投资行为，存在町人策略（徐龙炳和张大方，2017）。C a l l e n a n d Fa n g（2 0 1 3）、A n a n d Zh a n g（2 0 1 3）的研究发现，稳定的机构投资者注重公司长远业绩，积极参与长期公司治理，而以交易为目的的机构投资者则是短线买卖的投机者，导致持股稳定性降低。孔东明和王江元(2 0 1 6)的研究却发现稳定型机构投资者的信息竞争与股价崩盘风险之间的正向关系更显著，更容易导致股价崩盘风险。Deng，Xe t a l.（2 0 1 8）发现，机构投资者的集中持股，会加剧羊群效应，从而导致股价崩盘风险。向诚和冯丽璇（2 0 2 2）发现，基金因盲目“跟风”持有热点个股而抱团交易。此外，申宇等（2 0 1 5）认为校友关系网络在好消息面前有福同享，但在坏消息面前却各自保守信息，说明小团体或者小圈子极不稳定。基金“同进同退”的抱团交易行为，会影响他们持有股票的稳定性。基于以上分析，本文提出假说3。假说3：基金抱团交易会降低持股稳定性，从而加剧尾部风险。另外，基金抱团交易信息网络中的位置有优劣，处于中心位置的个体具有更大的权力、影响力和资源信息。在利益驱动下，基金抱团交易网络中的位置优势与差异，会影响被抱团股票的尾部风险。郭白滢和李瑾（2 0 1 9）、强皓凡（2 0 2 2）的研究发现，信息网络中的位置会影响股价崩盘风险。网络位置优势最强的机构投资者利用网络过滤坏消息或传递噪音等方式隐藏公司坏消息，影响其他机构投资者的信息竞争，阻碍公司特有信息融人股价（郭晓冬等，2 0 1 8）。基于以上分析，本文提出假说4。假说4：越是接近抱团交易网络中心位置的股票，抱团交易持股比例对股价尾部风险的影响越剧烈。三、研究设计（一）样本选择及数据来源本文选取2 0 1 0 2 0 2 0 年中国A股上市公司为研究样本。选取我国开放式基金中的本文以机构投资者抱团交易为研究背景，借鉴国泰君安证券2 0 2 1 年1 2 月3日的研究报告公募基金经理抱团行为研究一一基金配置研究系列之三，选择2 0 1 0 年作为起始研究样本。133基金抱团交易的信与股价尾部风险股票型、偏股型混合以及平衡混合型基金，数据来源于万德（Wind）。股票的收益率数据以及其他财务相关控制变量数据来源于国泰安（CSMAR）研究数据库。本文在构建相关变量后，对样本进一步处理：（1）剔除金融类以及ST类公司样本；（2）对连续变量进行上下1%的Winsorize缩尾处理以避免极端异常值对研究结果的影响；（3）剔除相关变量缺失的观测值，最后得到1 46 2 1 个样本。（二）基基金交易信息网络的构建田正磊等（2 0 1 9）、罗荣华等（2 0 2 0）认为，机构投资者信息网络的构建大致分为三类：基于投资者社会属性（教育背景、工作背景等）、基于投资者的所处的地理位置、基于投资标的来构建。但是，大数据时代，信息传播速度和扩散力度发生了根本的转变，机构投资者的信息网络可能不再集中于邻近的地域和投资者的社会属性背景。Pareek（2 0 1 2）、陆艺升等(2022)认为，基于基金重仓股构建的信息网络更能够体现信息交流的内涵，并且基金重仓持仓数据方便易得。因此，本文利用投资标的来构建基金交易的信息网络，进而探讨基金的信息网络对股价尾部风险的影响。基金持股关系在在不同时间节点上会发生变化且具体数据每季度公布，因此借鉴Pa-reek(2012）、肖欣荣等（2 0 1 2）的方法，本文主要根据基金持股数据，每季度构建一张基金交易的信息网络。首先，筛选持股市值占基金资产净值5%以上的股票作为重仓股；然后，根据基金重仓持股信息构建该季度基金持股的二维矩阵Nmxn，表示m只基金持有n只股票，若基金持有某只股票，则矩阵中元素为1，否则取值为0；最后，通过Pajek软件将得到的二维持股矩阵经映射转化得到基金的一维邻接矩阵Mmxm，若两只基金同时持有同一只重仓股，则认为这两只基金在信息网络中彼此关联，取值为1,否则取值为0，此m行m列邻接矩阵即为某季度基金交易的信息网络。nln12niinin0m12mijm1m121n22n2i12nm210m2im2mNM二mxnmxmn2n.jnmjlm;20m.jmnm2nminmlnmnm.mm2m.0mlmj图1 左图是根据基金2 0 2 0 年第1 季度季报得出的博时文体娱乐基金（0 0 2 42 4）的信息网络，博时文体娱乐基金重仓持有8 只股票，其中股票三七互娱（0 0 2 555.SZ）同时还被其他37只基金重仓持有。某一只股票被两只基金分别重仓持有，同时这两只基金又有自已的信息网络，该股票的信息网络为所有基金投资者信息网络的集合。图1 右图是根据基金2020年第1 季度季报得出的南极电商（0 0 2 1 2 7.SZ）股票的信息网络，由直接重仓持有南极电商的基金以及各基金的信息网络构成（图中外层圆圈），具体包括汇添富成长焦点混合（51 90 6 8）、汇添富蓝筹稳健混合（51 90 6 6）、华夏成长混合（0 0 0 0 0 1）、华宝宝康消费品（2 40 0 0 1）、华宝事件驱动混合A（0 0 1 1 1 8）、南方品质优选混合A（0 0 2 8 51）、汇添富外延增长主题股票A（0 0 0 92 5）、南方天元新产业股票（1 6 0 1 33）、南方隆元产业主题混合（2 0 2 0 0 7）、广发制造业精选混合A（2 7 0 0 2 8）等十只基金（图中圆点）。134.2023年第5期金融经清学研究基金2基金6基金31基金7基金2 9基金：30基金4基金8519068519066;基金51基金2 8基金3基金9三七互娱股票002555股票B基金1 6基金1 1博时文体娱乐基金1 0基金2 7基金1 2240001主题基金0 0 2 42 42024907股票基金1 3南极电商基金2 6股票G10pi2127001118基金5基金1 41股票F股票D6011基金2 5股票E基金1 719基金1 8002851基金2 41基金2 3基金2 2基金1 9基金2 0基金2 1图1基金的信息网络与股票的信息网络（三）研究变量的选择1尾部风险。借鉴Atilganetal.（2 0 2 0）、陈守东等（2 0 0 7）方法，尾部风险Tailrisk，表示股票i在t期的尾部风险，用在险价值（ValueatRisk，Va R）和期望损失（ExpectedShort-fall,ES)度量，并进一步分为左尾风险与右尾风险。计算左尾风险时，股票对数日收益率左侧分布的基础上取绝对值，用VaRsi.t,ESsi.度量，数值越大，表示极端下跌风险越大；右尾风险则用右侧分布的原值进行测算，用VaRgsi.，ES9s i.来度量，数值越大，表示极端上涨风险越大。2.股票的基金抱团交易指标。已有研究表明，高度聚集的团体支持合作（Assenza etal.,2008；M a r c o u x a n d L u s s e a u,2 0 1 3）。基金交易的信息网络规模较大，复杂程度较高，无法准确地识别出抱团交易团体。娄清青等（2 0 2 0)认为，基金信息网络中行为者交流信息的范围越广,形成小团体的可能性越大。聚类系数可以反映信息网络中行为者的聚集程度，聚集程度越高，聚类系数越大。Blondel etal.（2 0 0 8）开发的Louvain算法是针对网络节点聚类的方法之一。社区内节点的连接边数与随机情况下的边数之差，来度量链接的紧密程度，根据链接的紧密程度对基金进行分组，同一组内基金之间连接的紧密程度高于与组外的其他基金之间的链接，自动将某个机构投资者分配到特定的团体中，进行优化整个信息网络的模块度，进一步从基金信息网络中近似估计提取出团体。本文借鉴Craneetal.（2 0 1 9）、吴晓晖等（2 0 1 9）的研究，利用Pajek软件中的Louvain算法提取出股票的基金抱团交易团体后，根据式(1)计算股票的基金抱团交易持股比例Cliqueshareit。Cliqueshare;=入j*1(Cliquefund,)(1)其中，入,表示基金j在t季度持有股票i的股份占股票i流通股的比例，Cliquefund,是虚拟变量，如果基金j属于任意某个基金抱团团体的成员，则取值为1，否则取值为0；另外计算基金抱团团体中每个成员持股比例的平方之和，即基金抱团持股比例的赫芬达尔指数，用CliqueH,表示。基金抱团团体成员中持股比例最大成员的持股比例，用CliqueTopi表示，来度量基金抱团持股的集中度。3.控制变量。借鉴陈新春等（2 0 1 7）、吴晓晖等（2 0 1 9）的研究，设定了影响股价尾部风险的系列控制变量，在回归中还控制了季度和行业固定效应。各变量的具体定义如表1所示。135基金抱团交易的信与股价尾部风险表1 各各变量定义变量名称变量符号变量定义左尾风险1VaRs某季度股票日回报率升序排列，第5%分位数绝对值数的绝对值左尾风险2ESs小于或者等于5%分位数回报率均值的绝对值右尾风险1VaRos某季度股票日回报率升序排列，第95%分位数绝对值右尾风险2ES95大于或者等于95%分位数回报率均值的绝对值大幅下跌次数Down某季度股票下跌超过7%（5%）的次数大幅上涨次数Up某季度股票下跌超过7%（5%）的次数抱团持股比例Cliqueshare基金抱团团体持股比例之和抱团持股比例的赫芬达指数CliqueH基金抱团团体成员中每个成员持股比例的平方之和抱团持股比例最大值CliqueTop基金抱团团体成员中持股比例最大成员的持股比例网络密度Density基金抱团交易信息网络的网络密度特征向量中心度Eigen_Center基金抱团交易网络邻接矩阵特征值的最大值持股稳定性Std_Insholds近3年机构季度持股比例的标准差公司规模Lnmarket上市公司流通市值，取自然对数总资产收益率RoA净利润与总资产之比总资产增长率AAsset_r上市公司总资产同比增长率主营业收人增长率ASrgr上市公司主营业务收人同比增长率主营业务比率Mbr主营业务利润与总利润之比表示主营业务利润率Mom主营业务利润与主营业务收人之比表示总资产周转率Tat营业总收入/（期初总资产+期末总资产）/2】总资产负债率Lev上市公司的负债总额除以资产总额超额换手率ExHsl当季度平均换手率减去上季度平均换手率市净率Pb每股价格除以每股净资产非流动性Nliquidity日回报率与日成交额比值取平均值代理成本AC管理费用与营业总收人的比值股权集中度S1_S2上市公司的第一大股东与第二大股东持股比例之差(四）研究模型为检验假说1 4，本文建立回归方程如式（2）所示。首先检验基金抱团交易持股比例是否对股价尾部风险产生影响，然后进一步检验内在的影响机制。Tailrisk,=。+,CliqueshareligueHeop:.)+,Controlit-1+Industry_FE+Yearq_FE+8it(2)其中Tailrisk,是被解释变量，表示股票i在t期的尾部风险，左尾风险用VaRsi.t，ESs i,度量，右尾风险用VaRgsi,t，ESs i.度量；Cliqueshareit、C l i q u e H i t、C l i q u e T o p i 是核心解释变量，分别为基金抱团交易持股比例、基金抱团持股比例的赫芬达尔指数、基金抱团持股的集中度；Control是控制变量集;Industry_FE为行业固定效应；Yearq_FE为年份季度固定效应；为回归系数；8 为随机扰动项。136二）基2023年第5期全融经清学研究四、实证结果分析（一）变量的描述性统计以2 0 1 0 一2 0 2 0 年公募基金持股数据和上市公司数据为对象进行变量的描述性统计和相关性分析可知，股价左尾风险VaRsi、ESs.的均值分别为4.7 2 1%、5.7 0 6%，右尾风险VaRgsi.ESs;的均值分别为4.6 0 6%、5.8 2%。从基金抱团交易持股比例Cliquesharei.t1来看，团体整体持股占流通股比例的均值为2.4%，最大值为32.2%基金抱团交易持股比例Cliqueshareit-1、基金抱团交易持股比例的赫芬达指数CliqueHi-1、最大团体持股比例CliqueTopit-都与股价尾部风险指标显著正相关。金抱团交易对股价尾部风险的回归结果分析基金抱团交易的持股比例对股价尾部风险影响的回归分析，其结果如表2 所示。根据表2 可见，调整R分别达到0.6 1 6、0.547、0.48 1、0.443，表明回归模型的拟合程度较高。根据回归结果，抱团交易的持股比例对股价左尾（下跌）与右尾（上涨）风险的回归系数在1%的显著性水平下都显著为正，假说1 a得以验证，即基金抱团交易持股比例越高，股价未来的尾部风险越大。回归结果表明基金抱团交易的持股比例越大，股价未来的暴涨暴跌风险会越高，基金抱团交易会加剧股价尾部风险。表2基金抱团交易持股比例对股价尾部风险的回归结果5%左尾风险95%右尾风险变量(1)(2)(3)(4)VaRsi.ESsi.VaRosi.tES.si.2.777*2.615*3.325*3.162*Cliquesharei,t-1(7.666)(6.608)(7.950)(7.091)-0.259*-0.296*-0.252*-0.297*Lnmarketi,t-1(-23.786)(-24.815)(20.046)(-22.154)RoAi,-1-2.451*-2.192*1.431*1.407*(4.622)(3.784)(2.338)(2.156)ExHsl;,t-10.174*0.179*0.167*0.157*(13.123)(12.320)(10.919)(9.584)3.83e-3*4.53e-3*1.28e-31.12e-3Pbi.t-1(5.266)(5.701)(1.524)(1.256)0.162*0.184*0.04540.0915*AAsset_li,t-1(5.377)(5.589)(1.309)(2.473)0.259*0.318*0.440*0.446*ASrgri,t-1(7.767)(8.710)(11.418)(10.852)0.055*0.060*0.0600.060ACi.t-1(1.715)(1.700)(1.626)(1.517)-0.177*-0.254*-0.130*0.233*Mbri,-1(2.699)(3.546)(1.713)(-2.890)0.460*-0.490*-0.385*-0.343*Momi,t-1(-5.037)(4.913)(3.653)(-3.051)由于篇幅限制，变量的描述性统计和相关性分析表格，读者若有需要，可向作者索取。137.基金抱团交易的信与股价尾部风险续表2-0.161*-0.186*-0.102*-0.070*Tati.t-1(-4.870)(-5.148)(-2.667)(1.699)-0.310*-0.244*0.1330.235*Levi,t-1(4.173)(-3.014)(1.557)(2.570)6.81e-42.71e-46.88e-4-2.75e-4Nliquidityi.t-1(0.261)(0.095)(0.228)(-0.085)S1_S2i,t-1-0.314*-0.385*-0.201*0.233*(-4.913)(-5.512)(-2.716)(2.961)5.515*6.511*5.745*7.139*常数项(30.954)(33.443)(27.928)(32.555)年份季度YESYESYESYES行业YESYESYESYES观测值14,62114,62114,62114,621调整R?0.6160.5470.4810.443注：*、*和*分别表示在1%、5%和1 0%水平上显著相关；括弧中为T值；表3 表1 2 同（三）排除内生性问题基金抱团交易持股比例与股价尾部风险之间可能存在潜在内生关系，主要原因有以下两点。第一是不可观测的异质性，表现为不可观测的公司特定因素可能会同时影响基金抱团交易持股和股价尾部风险，比如某个公司可能处于市场热点，或者某个利好政策导致基金抱团交易和股价极端波动，本文在回归分析中考虑了公司个体固定效应，以减轻非时变不可观测的异质性问题,其结果如表3所示。根据表3可见，Cliquesharei,t-1的回归系数为正,且在1%水平下显著，表明在控制了不可观测的非时变因素的情况下，基金抱团交易持股比例对股价左尾（下跌）与右尾（上涨）风险的影响依然显著为正。表3基金抱团交易持股比例对股价尾部风险的回归结果（考虑公司个体固定效应）5%左尾风险95%右尾风险变量(1)(2)(3)(4)VaRsi.tESsi.VaRgi.tES95i.Cliquesharei.t-11.727*1.214*1.479*1.131*(4.138)(2.674)(2.975)(2.139)控制变量YESYESYESYES年份季度YESYESYESYES观测值14,62114,62114,62114,621调整R20.6310.5590.4500.404第二是基金抱团交易持股比例与股价尾部风险的正相关关系也可能是由高基金抱团交易持股比例公司与低基金抱团交易持股比例公司之间的系统性差异所引起，比如，高基金抱团交易持股比例公司的某些特征能够提高股价尾部风险。为此，本文构造倾向得分匹配样本进行估计，以减轻变量系统性偏差导致的内生性问题。具体地，首先估计第一阶段的Logistic模型,以预测公司属于高基金抱团交易持股比例公司的概率。其中，被解释变量HighCliqueshare是一个虚拟变量，当Cliqueshare在某季度大于行业第一四分位数时，取值138.2023年第5期金融经学研为1,否则为0,控制变量是等式（2）中所有的控制变量。第一阶段回归得到HighClique-share的拟合值是公司属于高基金抱团交易持股比例公司的概率值，即倾向得分值。下一步，基于倾向得分在高基金抱团交易持股比例公司和低高基金抱团交易持股比例公司之间进行1 对1 无放回最邻近匹配。通过倾向得分匹配，能够在第二阶段模型中设计出一个拟随机样本，此时公司股价尾部风险的差异是由基金抱团交易持股比例引起，而不是由公司特征等变量引起。第二阶段模型的回归结果如表4所示，Cliquesharei,t-1的回归系数均为正，且在1%水平下显著，表明在控制了公司之间系统性偏差导致的内生性问题的情况下，基金抱团交易持股比例对股价左尾（下跌）与右尾（上涨）风险的影响依然显著为正。表4基金抱团交易持股比例对股价尾部风险的回归结果（基于倾向得分匹配方法）5%左尾风险95%右尾风险变量(1)(2)(3)(4)VaRsi.tESsi.VaRosi.tES9si.Cliquesharei,t-12.245*2.168*2.884*2.6482*(5.438)(4.997)(5.852)(5.530)控制变量YESYESYESYES年份季度YESYESYESYES观测值7,2567,2567,2567,256调整R20.5980.5250.4390.414（四）稳健性检验1更换解释变量与被解释变量。在研究设计过程中，股价尾部风险不仅选择了在险价值指标VaR,而且考虑了期望损失指标ES,研究结果具有一定的稳健性。为了更进一步的稳健性检验，借鉴吴晓晖等（2 0 1 9）、孔东明和王江元（2 0 1 6）的研究，采用基金抱团团体的持股集中度赫芬达指数CliqueHit-1与基金抱团团体中的持股比例最大团体成员的持股比例CliqueTopi,t-1作为基金报团交易持股比例的代理变量。本文更换解释变量回归结果如表5、表6 所示。根据表5、表6 可见，基金抱团交易对股价尾部风险的影响依然显著为正。进一步更换被解释变量，采用股价涨跌幅超过5%、7%的次数作为股价尾部风险的代理指标，回归结果如表7 所示。根据表7 可见，基金抱团交易对股价极端尾部风险的影响仍然显著为正表5稳健性检验：更换解释变量（抱团持股的赫芬达指数CliqueH,-1)5%左尾风险95%右尾风险变量(1)(2)(3)(4)VaRsi.ESsi.VaRosi.tES5i.CliqueH,t-10.259*0.192*0.273*0.249*(3.698)(2.513)(3.386)(2.898)控制变量YESYESYESYES年份季度YESYESYESYES行业YESYESYESYES观测值14,62114,62114,62114,621调整R?0.6150.5450.4790.441139.基金抱团交易的信与股价尾部风险表6稳健性检验：更换解释变量（抱团团体的最大持股比例CliqueTopit-1）5%左尾风险95%右尾风险变量(1)(2)(3)(4)VaRsi.tESsi.VaRosi.tES95i.2.7455*2.232*3.630*3.529CliqueTopi,t-1*(3.904)(2.906)(4.472)(4.080)控制变量YESYESYESYES年份季度YESYESYESYES行业YESYESYESYES观测值14,62114,62114,62114,621调整R20.6150.5460.4790.441表7稳健性检验：更换被解释变量（股价大幅涨跌次数）5%左尾风险95%右尾风险变量(1)(2)(3)(4)Downsi,tDown7i.tUpsi.tUp7i.Cliquesharei,t-14.037*2.726*5.108*2.910*(8.163)(7.670)(7.721)(6.326)控制变量YESYESYESYES年份季度YESYESYESYES行业YESYESYESYES观测值14,62114,62114,62114,621调整R20.6990.7410.4980.4882.子样本检验。2 0 1 5年市场的特殊交易机制如场内融资、场外配资、上市公司股权质押和强平机制等共同诱发了当年的股市暴涨暴跌，也触发了系统性流动性危机，无论是极端上涨还是极端下跌的风险值都显著高于其他年份（陈新春等，2 0 1 7）。另外，在2 0 2 0 年，机构投资者抱团交易现象更为突出，因此本文选择2 0 1 5年与2 0 2 0 年两个年度的研究样本，控制股票流动性指标，进一步探讨基金抱团交易的持股比例对股价尾部风险的影响，回归结果如表8、9所示。根据表8、9可见，2 0 1 5年基金的抱团交易对股票极端上涨风险的影响要大于对极端下跌风险的影响。与全样本比较，对2 0 1 5年的极端下跌风险的影响系数从数值上来看，并不存在显著差异，主要原因在于2 0 1 5年股市极端下跌风险源于流动性紧缺导致的股价崩盘。另外，在2 0 2 0 年，从回归系数来看，基金的抱团交易对股价尾部风险的影响系数更高，对股价极端上涨风险的影响也要大于股价极端下跌风险。子样本检验的回归结果表明，基金抱团交易行为对股价极端尾部风险的影响显著为正的结论依然稳健。表：稳健性检验：子样本的回归结果（2 0 1 5年四个季度样本）5%左尾风险95%右尾风险变量(1)(2)(3)(4)VaRsi.1ESsi.VaRosi.1ES9i.Cliquesharei,t-12.535*2.320*6.169*5.106*(2.740)(2.704)(5.054)(5.010)控制变量YESYESYESYES140.2023年第5期金融经清学研究续表：年份季度YESYESYESYES行业YESYESYESYES观测值1,8221,8221,8221,822调整R20.7820.7310.5200.481表9稳健性检验：子样本的回归结果（2 0 2 0 年四个季度样本）5%左尾风险95%右尾风险变量(1)(2)(3)(4)VaRsi.ESs.VaRosi.tESo5i.tCliquesharei,t-16.325*6.736*8.747*8.875*(4.847)(4.522)(5.217)(4.994)控制变量YESYESYESYES年份季度YESYESYESYES行业YESYESYESYES观测值2,1622,1622,1622,162调整R20.4000.3960.1990.218五、影响机制分析本文主要从信息传递效率、持股稳定性以及被抱团股票所处信息网络的位置三个角度来探讨内在的影响机制分析。（一）信息传递效率的影响机制借鉴Pareek(2