主动权益型基金抱团投资与股价崩盘风险.pdf

2023年3月第36 卷第1 期贵州商学院学报Journal of Guizhou University of CommerceMar.2023Vol.36 No.1主动权益型基金抱团投资与股价崩盘风险牛晓健，魏玮?（1.2.复旦大学经济学院，上海摘要：基于复杂网络理论，研究根据主动权益型基金季度重仓持股数据建立基金共同持股关系网络模型和个股基金子网络关系模型，采用残差平均聚类系数、平均最短路径和残差网络密度实证个股基金子网络基金持股相似度和信息交流效率，发现基金抱团程度越高、信息传递效率越高，个股崩盘风险越低；震荡市中,基金抱团投资对个股崩盘风险影响的分样本和全样本回归结论一致；极端市场行情下,基金抱团对个股崩盘风险影响的有效性降低，甚至失效；牛市中，市场情绪乐观、行情好,基金抱团投资对个股崩盘风险的削弱作用显著降低；熊市中，基金抱团投资对个股崩盘风险的影响不显著。关键词：主动权益型基金；个股崩盘风险；抱团投资；复杂网络中图分类号：F832Research on the Influence of Group Investment of Active Equity Funds onStock Price Crash Risk Based on Complex Network Methods(1.2.School of Ecomomics,Fudan University,Shanghai 200433)Abstract:Based on complex network theory,this study establishes the network model of mutual shareholding relationshipof funds and the sub-network relationship model of individual stock funds based on the quarterly data of heavy stocksholding data of active equity funds,and adopts the residual average clustering coefficient,average shortest path andresidual network density empirical analysis of the similarity of shareholdings of individual stock sub-fund network fundsand the efficiency of information exchange.The empirical results showed that the higher the degree of fund grouping andthe higher the efficiency of information transmission,the lower the risk of individual stock crashes,in a volatile market,the sub-sample and the regression conclusions of the whole sample are consistent;under extreme market conditions,theeffect of fund grouping on crash risk of individual stock is reduced or even invalid;in a bull market,when the marketsentiment is optimistic and market conditions are good,the weakening effect of fund grouping on crash risk of individualstock is significantly reduced;in a bear market,fund grouping investmenthas no significant impact on the crash risk ofindividual stocks.Keywords:active equity funds;individual stock crash risk;group investment;complex network公募基金发展迅速，以公募基金为代表的机构投资者对提高市场定价效率、平抑市场波动的作用有：一是，机构投资者信息交互机制有助于提升信息透明度和稳定市场；二是，机构投资者短视、盲目从众等非理性情绪带来的股价泡沫、集体出逃砸盘等抱团行为导致市场风险集中，容易诱发股票崩盘风险。充分认每2 0 0 433)文献标识码：A文章编号：1 6 7 1-9 5 49(2 0 2 3)0 1-0 0 2 3-1 4NIU Xiaojian,WEI Wei?收稿日期：2 0 2 3-0 1-2 2基金项目：国家自然科学基金面上项目“流动性压力、信息交互与价格联动一基于中国股票和债券市场多层复杂网络的风险交叉传播机制与控制修复策略研究”（7 1 8 7 30 39）；国家自然科学基金面上项目“基于耦合网络的企业一银行”系统性风险的传播机制及控制策略研究”(71573051)。作者简介：1.牛晓健（1 9 7 1），男，复旦大学经济学院教授，博士，博士生导师。研究方向：股票投资。2.魏玮（1 9 9 8），女，复旦大学经济学院硕士研究生。研究方向：股票投资。23贵州商学院学报识公募基金抱团投资行为对个股崩盘风险的影响，对完善机构投资者监管、减小资本市场极端风险具有重要现实意义。研究以公募开放式主动权益型基金为研究对象，基于网络信息理论对其抱团投资行为及对个股崩盘风险的影响进行研究。构建基金网络阐释基金间关系,并对网络中基金整体行为特征进行分析。本研究创新有：一是,网络构建方面,研究提高观测频率,构建季频基金网络，以便更好地识别基金抱团行为变化及其影响；二是，核心解释变量上，研究引人残差平均局部聚类系数与平均最短路径，对股票子基金网络中基金抱团行为予以评价；三是，回归模型上，就不同市场行情下（熊市、牛市、震荡市)基金抱团行为对个股崩盘风险的影响进行分样本回归探讨。一、文献综述（一）股价崩盘风险1.股价崩盘风险假说宏观层面，Black“财务杠杆假说”认为股价下跌导致公司财务杠杆与经营风险上升，公司风险报酬提高。Pindyck“波动率反馈假说 认为股价特质波动率和预期风险溢价上升，好消息对股价的利好效应减弱,坏消息对股价的利空效应被放大，这导致股票收益率分布向左偏移,股价暴跌较之股价产生巨大泡沫的情况会更频繁2 。有研究放宽对以上两个假说对有效市场的假设,Miller“异质信念假说 认为，现实中部分投资者的负面情绪无法在短期内被缺乏做空机制的股市吸收，一旦积蓄的负面情绪集中爆发，就会引发崩盘风险3。Blanchard等人“股价泡沫假说 认为完美理性人假设不成立，市场对股价的预期可能较大程度偏离其内在价值并形成股价泡沫，一旦泡沫破裂就会造成股价暴跌4。针对个股崩盘风险,Jin等学者“信息隐藏假说”认为，公司管理层往往有选择地公开公司信息，当被隐藏的坏消息累积至公司隐瞒能力最大阈值时,负面信息便会集中释放,增大个股崩盘风险5 。2.股价崩盘风险影响因素现有研究多以“信息隐藏假说”为理论支撑，对个股崩盘成因从公司内外多角度分析。内部影响因素主要有信息披露质量与效率、高管特征背景与自利行为、股东增减持行为等。Hutton、Kim等学者认为财务报表质量越高，个股崩盘风险越低6-7 。李小荣等人发现在下行市场中,女性CEO较之男性CEO 能更有效地减小个股崩盘风险 。王化成等人发现 A 股市场第一大股东增持行为有助于约束高管自利等不良行为，显著抑制股价暴跌风险9 。外部影响因素主要有高管合谋行为、外部监管、机构投资者参与等。机构投资者凭借专业投研交易团队、规模大、审慎理性等优势可有效稳定股价，Shleifer等人认为机构投资者追逐长期利益，会以监督高管等方式参与公司治理,这会降低股价崩盘概率1 0 1 。An等人将机构投资者划分为长期投资者与短期投资者，长期投资者可从外部更有效地对公司进行控制。Pound 指出，机构投资者为获取更多利益，会选择与公司管理层合谋,纵容其隐藏信息的行为或直接获取内幕消息1 2 。曹丰等人认为我国机构投资者持股越多,内幕交易可能性越大,这增加了信息不透明程度和企业股价暴跌的风险1 3。许年行、孔东民等人基于机构投资者市场行为研究发现，机构投资者间的信息追逐和交易行为一致性对个股股价稳定会产生负面影响1 4-1 5 。（二）复杂网络在基金研究中的应用1.基金网络构建现有研究主要基于基金个体间的信息共享关系、共同持仓关系、业务关系构建基金网络。基于信息共享的基金网络,即基于基金经理社会关系。杨勇基于基金经理同事校友关系发现基金经理在网络中位置越优越，其投资业绩越好1 6 。杜威望等人则构建基金社交关系网络SIR模型进行理论分析1 7 。基于共同持仓的基金网络,即基于资产组合交叠程度。Pareek以基金间交叉持股信息构建基金网络，242023年3月牛晓健，魏玮：主动权益型基金抱团投资与股价崩盘风险并识别基金构成的复杂信息网络1 8 。闫新国等人基于余弦相似度和最小生成树算法构建基金公司网络，发现基金公司更倾向于配置高市值、高成长性的上市公司股票1 9 基于业务关系的基金网络，即利用金融机构间和机构与投资者间的业务关系构建基金网络。Firth等人采用基金公司支付券商的交易费来衡量买卖双方商业关系的紧密程度，并考察卖方分析师荐股、预测等行为对基金持股的影响2 0 2.基金网络、信息交流与投资者行为机构投资者依据公有信息和私有信息进行资产配置。公有信息指财报、可视交易行为等公开透明信息，私有信息指投资者对基本面、风险溢价水平的主观预期等不可公开传播或获取的信息。Bushee等人认为,在与公有信息同量等质前提下,私有信息对投资者的资产配置的影响更大2 1 。网络本质即信息网，在机构投资者网络中，链接是信息传递的有效途径，能帮助私有信息广泛传播。申宇等人建立基金经理校友关系网络，发现网络中普遍存在私有信息交换的现象2 2 。机构投资者网络内信息传递加强其投资行为一致性,Pareek基于共同持股关系构建基金经理信息网络，发现同一网络中基金经理具有极其相似的交易行为1 8 。Colla 等人基于循环网络研究发现联系密切的机构投资者其资产配置行为呈显著正相关,反之则呈显著负相关2 3。陆煊等人发现投资者网络中邻近节点的互动与股票交易量呈显著正相关2 4。刘京军等人采用空间计量方法验证了基金网络结构促进基金交易行为一致性2 5 3.基金网络、资产价格波动与极端市场风险基金网络影响投资者行为，进而影响资产价格。Ozsoylev认为网络中非公共信息变化会导致资产价格波动,波动程度与节点中心性分布均匀程度有关2 6 。Ozsoylev 等人发现网络连通性、度中心性(DegreeCentrality)等特征变化对资产价格、交易量与利润有重要影响2 7 。基金网络关系对极端市场风险的影响研究中,郭白滢等人用网络密度衡量网络中节点信息合作程度，发现机构投资者信息流动能有效削弱股价同步性和降低个股崩盘风险2 8 。陈新春等人发现机构投资者信息传递与重要节点影响力不仅增加个股总体风险与特质风险，还会显著提高个股极端上涨和极端下跌的概率2 9 。田正磊等人认为市场暴跌时,存在关联基金调仓行为重合度较高的情况，这增加了个股尾部风险30 二、理论基础与假设提出机构投资者掌握的私有信息是其重仓持股的重要依据，信息经基金信息网络传递，会导致和强化机构投资者投资交易行为一致性，即复杂网络理论中的“网络传染”，影响资产价格。基金抱团可提高资产定价效率。从信息获取层面看，张宗新等人认为团体内基金交流能帮助基金拓宽信息渠道并验证信息，提升信息全面性与准确性31 。从信息融人股价层面看，基金经理在共同信息下的“伪羊群”行为可推动股价迅速趋于合理，降低个股极端风险。基金抱团可导致信息掩盖与“真羊群”行为。从市场竞争角度看，基金网络内小范围合作会导致团体内竞争性交易降低，股价信息含量下降,增大个股崩盘风险。从市场操纵角度看，基金抱团行为是忽略或放弃私人信息、一味模仿他人的“真羊群”行为，追涨、踩踏等投资行为会增大股价波动。Giesecke等人发现金融机构在市场行情不佳时抛售资产会导致投资相同资产的机构资产价值下跌，引发集体做空和促使风险蔓延32 综上，研究提出以下假设：H。：基金网络中,基金抱团程度越高，个股崩盘风险越高。H：基金网络中,基金抱团程度越高，个股崩盘风险越低。三、研究设计(一)数据说明研究以我国开放式主动权益型公募基金为研究对象，根据Wind数据库对公募基金的分类，选用开放25贵州商学院学报式基金中的普通股票型基金、偏股混合型基金、灵活配置型基金为研究样本。基金持仓明细信息披露制度自2 0 0 5 年相对完善，研究选取2 0 0 5 年1 月至2 0 2 1 年6 月相关数据为研究样本,样本数据均来源于Wind数据库。基金抱团行为更多体现在基金重仓股中,为了更好地观测基金抱团行为动态变化,研究基于基金季报中披露的前十大持股信息构建季频网络。(二)样本筛选与网络构建1.样本基金为提升基金信息网络精度，样本基金选取标准有：一是,同一基金包含多个份额的，仅保留其中一类基金份额作为代表；二是，为规避个基建仓期影响,剔除当期期初距离基金成立日未满半年的基金；三是,对灵活配置型基金权益仓位较低的情况予以限制，研究剔除当期股票市值与基金资产规模比值低于5 0%或持股数量低于1 0 只的基金。2.基金网络构建基金间关系的确立是基金网络构建基础。本研究对重仓股定义为：前十大持股中仓位市值与基金资产净值之比不小于5%的股票。若两只基金存在重仓股交叉持股关系，则认为这两只基金节点存在链接，构建季度无向无权基金网络。即基金i,其基金网络N（i)为在t时刻与其存在共同重仓持股关系的所有基金及基金间链接的集合。3.样本股票筛选季度各基金重仓股中剔除下列个股样本：(1)退市、出现ST或*ST的样本股票；（2）上市地为香港联交所的样本股票；(3）根据Wind数据库一级行业分类，属金融行业的样本股票；（4)距当季上市不足一年的样本股票；（5）季度交易日不足30 天的样本股票；(6)相关变量缺省的样本股票。4.构建个股基金子网络从季末获取的全市场基金网络中提取分属个股的子基金网络。对股票j,Fi)为t时刻重仓投资该股票的基金成员集合,其子基金网络 N(i)为F(i)中所有基金对应基金网络的并集。(三)变量设定1.个股崩盘风险指标个股崩盘风险系模型被解释变量，借鉴许年行、郭晓冬等人方法1 4.33，研究采用负收益偏态系数与收益上下波动比率（Thedown-to-upvolatility,DUVOL）衡量个股崩盘风险。各季度样本股满足季度交易日天数不低于30 天,研究利用个股日收益率计算其季度崩盘风险。首先，获取股票特质日收益率：R,.,=Q,+,Rm.-2+,Rm.-1+3Rm.+aRm.+,Rm.+2+8j.其中,Rj,，为股票i在季度t内的交易日的日涨跌幅，Rm，为市场组合在交易日按流通市值加权的日涨跌幅，Rml-2Rm，-1、R m，+1、R m2 分别为市场组合在交易日前后两个交易日按流通市值加权的日m涨跌幅，8 j,为残差。因Wind数据库全A指数以国内上市的全部非金融A股为样本股，与本研究样本股筛选条件最相近,故将Wind数据库全A指数日涨跌幅作为市场组合日回报率。在模型中加人交易日T2023年3月(1)m.T研究将灵活配置型基金纳入样本，是因为它可结合市场实际显著改变投资组合结构，在权益类资产仓位较高时具有主动股票型基金特性。根据Wind数据库定义，即基金全称包含“灵活配置”的基金，或所设定的权益资产仓位上下限之差不低于5 0%，上限大于5 0%、下限低于5 0%的基金。基金季报仅公布前十大持股信息，而半年报与年报披露全部持股信息。3特殊情形下个基权益仓位会低于规定仓位值，或因大量赎回使投资短期内陷于停滞。26(3)牛晓健，魏玮：主动权益型基金抱团投资与股价崩盘风险前后两个交易日的市场收益率,消除股票非同步交易干扰，平滑股票收益率序列。对残差项8 i,，取对数，得到股票j在交易日的特质日收益率，记为Wj.：(2)基于日频W.计算季频个股崩盘风险，负偏态系数ncskewj,计算如下：n.(ni,-1)32ZW.3其中，nj,为季度t内股票j的交易日数。ncskewj,越大,股票j在季度t内收益率分布的左偏的幅度越高，个股崩盘风险越大。计算收益上下波动比率duvolit。首先,根据Wj,于股票j在季度t内所有Wj,均值的大小，将Wj,分为强于期间平均行情的子样本 Wi，和弱于期间平均行情的子样本 Wi，;其次,按下列公式计算收益上下波动比率：(4)(ni.-1)ZWm,)Jju,T其中，nju,，v n i d,分别为股票j在季度t内的日特质收益率Wj,强于、弱于日行情平均值的交易日数。duvoli,越大，表示股票j在季度t内收益率分布发生左偏的概率越高，个股崩盘风险越大。2.网络结构指标（1)残差平均局部聚类系数研究采用个股基金子网络平均局部聚类系数衡量与该股票有关的基金抱团程度和信息交流程度（对于网络中的特定节点,局部聚类系数代表以之为顶点所组成的三角形的密度）。对基金i,其局部聚类系数clu,的计算公式为：(5)其中,i,为N（i)中基金i邻节点间实际存在的边数,由于基金i与其邻节点间必存在连接,ei,在几何上代表N(i)中以基金i为一个顶点的三角形数量;di,为N（i)中基金i邻节点个数,也系基金i度值，ds，（d i，-1)/2 在几何意义上代表N（i)中以基金i为顶点的连通三元组个数。当d.,为0 或1时，记clus.为0。局部聚类系数值介于0 到1之间，对于某个特定节点,局部聚类系数值越大表示与其直接相连的其他节点间的关系越紧密。对于股票j,用平均聚类系数clui,从网络整体层面对N(i)中“小团体”的密度进行刻画：其中,nji,为N(j)中基金个数。cluj,越大,则表明N(j)中存在共同重仓持股关系且联系紧密的“小团体”密度越高，小范围抱团现象越明显，信息交流程度可能因此而更高。股票基金网络平均局部聚类系数与上市公司市值显著负相关。研究参照Hong、许年行、于上尧、黄蓉等人的研究方法 14.3 4-3 5 ,采用股票对应基金网络平均局部聚类系数 clu,对股票上市公司流通市值M.j进行回归,得 N(j)残差聚类系数rcluj,t:(7)rcluj,=8j,(8)(2)残差密度研究采用股票子基金网络密度进行模型稳健性检验。网络密度整体刻画网络（信息）传递性，衡量网络基金抱团程度。对于股票j,其子基金网络N(j)网络密度den,为：Wj,=ln(1+8j,)duwoli,=ln2ei,tclu.=d.(d.-T)1i2clu;cluicluj,=+ln(M,)+ej2小(6)(9)27贵州商学院学报其中,li,为N(i)中实际存在边数，nj,（n j,-1)/2 为N(j)中最大可能边数。当nj,为0 或1时，记denj，为0。网络密度的取值在0 到1之间,den,，越大，意味着网络中各基金重仓股持股相似度越高，信息扩散效率越高。股票基金网络密度与上市公司市值呈显著负相关，本文采用股票基金网络密度denj,对股票上市公司流通市值Mj,进行回归,得N(j)残差网络密度rdenj：(10)rdenj,=8j,t(11)(3）平均最短路径长度此外，研究所构建个股基金子网络均为连通网络，即从网络中任意一个节点出发可以到达其他任意节点，利用各网络平均最短路径长度作为核心变量的替代变量进行模型稳健性检验。较之平均局部聚类系数，平均最短路径长度重在衡量网络节点间距离远近情况,而非网络链接稠密性。对于股票j,对应子基金网络N(i)平均最短路径长度avepath,，的计算公式为：(12)其中,nj,（n j，-1)/2 为N(i)中任意两节点的组合数,即N(i)中连通节点对数。对于基金i和基金k所组成的节点,minpath（i,k)，代表从基金i到基金k的最短路径长度（路径长度用经过的链接数来衡量）。当nj,为1时，记avepathi，为0。股票子基金网络平均最短路径长度越小，说明基金之间关系越密切，抱团程度越高，信息传递效率可能越高。连通网络中，avepathj，与基金抱团紧密程度呈负相关（但avepathi,取O时无意义），以avepath,，替代残差平均局部聚类系数进行回归,在现有样本筛选条件下删去avepathj,为0 的样本。3.控制变量许年行、Bikhchandani、W e r m e r s 等人在研究中引人市场、估值、内外部监管治理三大类控制变量(4.-,控制其他风险因子带来的影响。在此基础上，研究结合 Huton.孔东民、陈珠明等人方法 6.15.3 1,引入市场、估值、内外部监管治理、分析师预测、羊群效应五大类控制变量，并进行时间和行业层面的双固定效应实证，控制变量描述性统计见表1。类别变量名crashrisk股价崩盘风险wstd季度日涨跌幅标准差市场变量turnoverInvolumelnmubmleverageatr估值变量roerevenuegassetgtensharehold内外部监管accontrol治理变量audit282023年3 月denj,=+ln(Mj,)+8j,t2表1变量描述性统计变量含义季度ncskew或duwol季度内所有交易日经调整后的日收益率的标准差季度日均换手率季度内所有交易日换手率/区间交易日数*10 0成交规模季度成交量的自然对数流通市值规模季末流通市值的自然对数账面市值比季末所有者权益/流通市值资产负债率季末负债总额/季末资产总额*10 0总资产周转率季度营业总收人*2/（季初资产总额+季末资产总额）季度归母净利润*2/（季初归母所有者权益+季末归母所净资产收益率有者权益）*10 0营业总收入同比增速（季度营业总收人/去年同期营业总收入1）*10 0总资产同比增速（季末资产总额/去年同期期末资产总额1）*10 0前十大股东持股比例之和季末前十大股东持股比例之和*10 0实际控制人属性虚拟变量，若季末实控人是自然人，则取1,否则取0虚拟变量,若季末披露的审计机构属于四大会计师事务所，审计机构属性则取1,否则取0i变量计算方式牛晓健，魏玮：主动权益型基金抱团投资与股价崩盘风险表1(续)类别分析师预测变量Inanalyst羊群效应变量fundinstquarter固定效应industry数据来源：根据研究实证思路整理而得。(四)模型设计检验个股基金子网络中主动权益型基金抱团投资行为对个股崩盘风险的影响，研究构建以下模型：crashrish,+=+networkj,+ycontrobs,industry,+quarter,+j.(13)实证采用第t+1期因变量对第t期自变量进行回归,以减轻变量互为因果的内生性影响。其中，crashriskij,+1为个股崩盘风险被解释变量，networkj,为个股基金子网络拓扑结构核心解释变量，两者用来表示基金间抱团紧密程度和信息交流程度;controlsj，为控制变量，industry；为行业固定效应，quarter，为季度固定效应。四、研究结果与分析（一)描述性统计与相关性分析1.数据预处理与描述性统计研究样本数据为非平衡面板数据，经筛选后得到19 3 9 3 个有效样本,对数值型变量做缩尾处理（上下1%）以避免极端异常值的干扰。全市场基金网络拓扑结构变动趋势见图1、图2,网络拓扑图演变见图3。总体上，基金网络特征演变迅速。受益于政策设计与监管制度的不断完善、产品创新的持续推进、销售渠道多样化发展、民众可支配财富的增加与理财观念建立等因素，公募基金发展迅速，数量增长快，全市场主动权益型基金网络节点数量增速明显。公募基金投资理念、考核方式相近,并呈现出追逐热门板块及龙头股的倾向，共同持股、抱团投资现象普遍，市场主动权益型基金网络密度与平均局部聚类系数自2 0 15 年以来整体均呈上涨态势。2500200015001000500010-60-5000变量名lnrank分析师评级分析师关注基金持仓占总体机构持仓的比重季度固定效应行业固定效应10-50-200010-60-20010-60-9000-900元变量含义10-60-6002LO-10-60-010-60-0000变量计算方式季度内各机构对该证券投资评级的算数平均值的自然对数，来自Wind中国盈利预测数据库季度内对该证券给出投资评级的机构家数的自然对数,来自Wind中国盈利预测数据库鉴于包括基金在内的机构投资者半年与年度持仓明细披露全面性及一季度与三季度披露有所不同,采用季末基金持该股比例/机构投资者持该股比例*10 0采用申万一级行业分类10-60-7110-60-5EO-0图1全市场基金网络节点数演变图10-60-9110-60-211010-60-61029贵州商学院学报2023年3 月0-60-6102密度一一一平均聚类系数（右）0.500.450.400.350.300.250.200.150.100.050.000.850.800.750.700.650.600.550.5010-60-50020-60-90020-50-2002-20000-800元0-800260-860-8-50-600-6000-01000-60-0102一6026060-950-60-960-0-60-2160-8图2全市场基金网络结构特征演变图2005/12/312006/12/312007/12/312008/12/312009/12/312010/12/312011/12/312012/12/312013/12/312014/12/312015/12/312016/12/312017/12/31个股崩盘风险及基金抱团程度指标各季度中位数变化趋势见图4、图5。不同时点下，ncskew，和duwol，中位数、rclu,、r d e n,和avepath，中位数变化较大，截至2 0 2 1年上半年末均接近历史中位数水平。由表2,评价个股崩盘风险的变量ncskew，和duwol,、表征股票对应子基金网络拓扑结构特征的rclu,、r d e n,、avepath,样本间存在较大差异。综上,研究选取指标描述样本特征具有一定代表性与区分度,控制变量描述性统计与已有研究也基本一致。.30.2018/12/312019/12/31图3 全市场基金网络拓扑结构演变图2020/12/312021/6/30牛晓健，魏玮：主动权益型基金抱团投资与股价崩盘风险Ncskew0.40.20.0-0.2-0.4-0.6-0.80.40.30.20.10.0-0.1-0.2.Duvol(右）10-60500210-60-900010-60-900210-0-90010-60-900010-50-2000-60-2-200-800-800元0.40.20.0-0.2-0.4-0.6-0.810-60-200210-60-80020-60020-600一图4个股股价崩盘风险指标中位数变化趋势图rclurden0-60-60010-60-160-80-60-60-60-1160-01E0-10-60-911一0-60-81010-60-81010-50-6110-60-61一-60-9160-260-21avepath（右）10-60-910-60-21006101.81.71.61.51.41.31.21.11.00.90.8图5个股基金子网络中基金抱团程度指标中位数变化趋势图表2 变量描述性统计指标名称平均值ncshew.+1-0.332duwol.+-0.285rclu,0.042rden,0.000avepath,1.528ncskew,-0.371duwol,-0.323wstd,0.022turnover,1.796lnvolume,10.800lnm,5.094bmt0.325leverage,42.690标准差0.4990.3810.0960.1970.2850.4780.3720.0071.1620.9680.8070.20017.077最小值下四分位数中位数上四分位数最大值-1.1280.7200.8730.594-0.1130.037-0.2600.1601.0001.338-1.139-0.7410.897-0.6240.0130.0160.4940.8329.31410.0063.9524.4060.1040.16217.10027.7820.327-0.2900.042-0.0341.5660.363-0.3250.0211.44810.7825.0220.26542.7150.0570.0220.1220.1341.7430.0060.0250.0272.54511.5905.7180.44057.2870.4620.3170.1900.3671.9320.3830.2640.0334.07812.3196.4630.73168.69931贵州商学院学报表2(续）指标名称atr,roe,revenueg,assetg.tensharehold,accontrol,audit,Irank,Inanalyst,fundinst,数据来源：根据研究实证结果整理而得。2.相关性分析被解释变量和关键解释变量Pearson相关系数矩阵和显著性水平见表3。个股崩盘风险指标ncskewt+1和duvol,+1相关系数为0.8 8 9 且在1%显著性水平下显著，两者对个股崩盘风险的衡量也较为一致。三个基金抱团程度指标中,残差平均聚类系数rclu，与残差网络密度rden,越大，表示抱团程度越高；平均最短路径长度avepath，越小，表示抱团程度越高。rclu，和rden，相关系数为0.5 8 4 且在1%显著性水平下显著，rclu,和avepath，的相关系数为-0.3 5 4 且在1%的显著性水平下显著，说明rden，和avepath，在表征基金抱团程度上与rclu,具有显著相关性。rclu,与因变量的相关系数分别为-0.0 8 3 和-0.0 7 6；rden，与因变量的相关系数分别为-0.0 7 1和-0.069；a v e p a t h，与因变量的相关系数分别为0.0 5 8 和0.0 5 9,均在1%显著性水平下显著，表明基金子网络中基金抱团程度与个股崩盘风险呈显著负相关。其余自变量间相关系数绝对值均在0.7 以下，表明模型不存在严重的多重共线性。表3被解释变量和关键解释变量的Pearson相关系数矩阵序号名称1ncskew+12duwol.+13rclu,4rden,5avepath,6ncskew,7duwol,数据来源：根据研究实证结果整理而得。注*p0.10,*p0.05,*p0.01。(二)回归分析与稳健性检验控制变量后,采用非平衡面板固定效应模型就个股基金子网络残差平均局部聚类系数rclu，对个股崩盘风险的影响进行实证检验。由表4 列（1）、列（2），rclu，回归系数均为负数且在1%显著性水平下显著。研究用残差网络密度rden，与平均最短路径长度avepath，替换核心解释变量进行模型稳健性检验。由表4 列（3）至列（6），rden，回归系数均为负值，avepath，回归系数均为正值，且都在1%显著性水平下显著，与原始模型实证结论一致，即股票子基金网络中基金抱团程度越高、关系越密切、信息交流程度322023年3 月平均值标准差0.4120.2698.1255.82223.86523.68022.89518.92961.51811.7530.5690.4950.1380.3450.3770.1552.2960.69231.49826.722120.889*-0.083*-0.071*0.058*0.094*0.087*最小值下四分位数中位数上四分位数最大值0.0990.1791.1053.035-7.7105.3161.2867.99642.96051.9400.0000.0000.0000.0000.1540.2511.0991.7923.5038.6763-0.076*-0.069*0.059*0.089*0.087*0.3476.83119.51517.52461.8101.0000.0000.3602.39821.52040.584*-0.354*-0.064*-0.055*0.59012.38938.71233.30271.3201.0000.0000.4932.89051.5985-0.742*-0.046*-0.036*0.92818.84969.03861.73979.3201.0001.0000.6513.21981.27060.046*0.037*0.883*牛晓健，魏玮：主动权益型基金抱团投资与股价崩盘风险越高，个股崩盘风险越低。较之吴晓晖等人研究 3 9 ,本研究与其研究结论不同的主要原因有：其一,样本不同。本研究样本是2005年1月至2 0 2 1年6 月的季度数据，吴晓晖等人采用的是19 9 9 年至2 0 16 年A股年度数据，而本研究样本涵盖时间区间更长、数据颗粒度更细、准确度更高。其二,研究假说上，吴晓晖等人的核心结论与本研究的不同，但他们也提出与本研究实证结果一致的理论假说。其三,研究对象存在差异，本研究是对主动权益型基金抱团行为的研究,吴晓晖等人则是对机构投资者抱团行为研究。表4 子基金网络中基金抱团行为对个股崩盘风险的影响(1)(2)变量名称ncskew,+1rclu-0.157*(-4.24)rdentavepath,ncskew,duwol,wstd,turnover,lnvolume,lnm,bmleverage,atr,roe,revenue,assetg,tensharehold,accontrol,audit,(3)duwol+1ncskewi+1-0.090 4*(3.23)0.039 0*(5.14)8.713*(10.70)-0.000 113(-0.02)-0.025 7*(-3.95)0.034 8*(4.40)-0.183*(-6.62)-0.000 383(-1.58)-0.025 0(1.23)-0.000 600(0.63)0.000 059 1(0.34)-0.000 297(-1.36)-0.001 21*(-3.32)0.004 53(-0.54)-0.025 0*(-2.21)(4)duwol+1-0.087 4*-0.059 3*(-4.60)(-4.14)0.039 3*(5.17)0.041 4*(5.62)6.128*(9.99)0.000 867(-0.23)-0.027 9*(-5.65)0.031 1*(5.20)-0.132*(6.37)-0.000 380*(-2.07)0.009 37(0.61)-0.001 31*(-1.83)0.000 026 0(0.20)-0.000 247(-1.49)-0.001 02*(-3.71)0.007 60(-1.19)0.009 17(-1.08)(5)ncskew,+10.067 0*(3.93)0.038 6*(4.96)0.041 6*(5.65)8.552*5.997*(10.47)(9.75)0.001 00-0.000 036 9(0.20)(-0.01)-0.025 4*-0.027 6*(-3.90)(-5.59)0.038 1*0.032.9*(4.86)(5.53)-0.182*-0.131*(-6.58)(-6.31)0.000 387-0.000 384*(-1.59)(-2.09)0.025