经济管理前沿
Frontiers in Economics and Management
- 主办单位:未來中國國際出版集團有限公司
- ISSN:3079-3696（P）
- ISSN:3079-9090（O）
- 期刊分类:经济管理
- 出版周期:月刊
- 投稿量:3
- 浏览量:737
相关文章
暂无数据
政策驱动的情绪牛市：险资持股与股市财富效应
Policy-Driven Sentiment Bull Market: Insurance Fund Holdings and the Stock Market Wealth Effect
引言
2024年9月24日，央行、国家金融监管总局、证监会联合召开新闻发布会，推出一系列金融支持经济高质量发展的政策举措，包括下调存款准备金率、政策利率以释放流动性等。针对资本市场稳定发展，央行首次创设结构性货币政策工具，推出5000亿元首期证券基金保险公司互换便利，同时设立3000亿元首期股票回购、增持专项再贷款，引导银行低利率向上市公司及股东提供贷款，且两类工具均可视市场情况扩容，大幅提升机构资金获取能力与股票增持能力，有效提振市场信心。此外，金融监管总局局长李云泽提及新保险“国十条”，明确保险资金凭借规模大、期限长、来源稳的耐心资本属性，将成为资本市场健康发展的重要支撑力量。受上述系列利好政策影响，2024年9月24日至10月8日上证指数实现六连涨，累计涨幅达24.46%，形成典型的政策驱动型情绪牛市。
险资作为资本市场重要的长期机构投资者，其投资决策受严格风险管理与长期回报目标约束，在情绪牛市中，其持股行为对股价波动可能产生平抑或放大的差异化影响。基于此，本研究聚焦政策驱动的情绪牛市背景，探讨险资持股对股价波动的影响及作用机制。以2024年9月24日至10月8日的情绪牛市为切入点，将研究周期延伸至12月24日，以累计异常收益率为核心指标，实证分析险资持股对股市走势的具体影响，旨在揭示险资作为长期稳定投资者的市场角色，为评估金融政策效果、发挥险资对资本市场的稳定作用提供有价值的参考依据。
一、文献综述
保险资金作为金融市场核心机构投资者，其持股行为对股市整体及上市公司发展具有深远影响。近年来相关研究不断丰富，学者们多从股市波动、市场流动性、企业经营风险、创新活动、股价崩盘风险等维度展开探讨，同时也关注到险资持股与公司绩效间的非线性关系，现有研究成果呈现出险资持股影响效应的多元性与复杂性。
（一）险资持股对股市波动性和流动性存在双重影响
朱毅轩指出，“险资入市”有助于平抑市场波动，降低系统性风险，这对整个股市具有稳定作用。童元松则指出，机构投资者持股虽能减少股市波动，但牛市中会对市场流动性产生显著负面影响。魏龙飞进一步补充，险资持股长期稳市效果显著，但其持股比例的短期变动反而可能加剧市场波动，这也说明险资对股市的影响需具有正反两方面效应。
（二）险资持股对企业经营风险与创新活动的影响
王莉的研究显示，险资持股可以有效降低上市公司的经营风险，增强企业的抗风险能力。这一结论得到了许多实证研究的支持，认为险资作为长期稳定的股东，更倾向于支持稳健的经营策略。相反，赖黎则提出了“过度监督效应”的概念，认为险资的积极介入会限制管理层决策自由度，从而抑制企业的创新能力。这表明险资在追求风险控制的同时，也可能对企业的发展战略构成一定约束。
（三）险资持股与股价崩盘风险的关系
张静辉的研究揭示了一个令人担忧的现象：保险机构持股实际上会增加企业发生股价崩盘的风险。这种现象可能是由于险资在面对不利信息时迅速减持所导致的市场反应放大。因此，尽管险资能够在一定程度上稳定股价，但在极端情况下反而可能成为加剧市场动荡的因素之一。
（四）险资持股对公司绩效的倒U型曲线效应
方明浩通过深入分析发现了险资持股比例与公司绩效之间存在显著的倒U型曲线关系。具体来说，当险资持股处于适度水平时，可以通过优化资源配置和改善治理结构来提升公司价值；然而，一旦持股比例过高，则可能导致代理成本上升，进而削弱公司的竞争力。此外，他还强调了两类代理成本——即大股东与中小股东之间的利益冲突以及管理层与所有者之间的目标差异——是影响险资治理效能的关键因素。
综上，现有研究已证实险资持股对股市和上市公司的影响兼具正负效应，且持股比例对公司绩效的影响存在复杂的非线性特征，但针对政策驱动型情绪牛市这一特定场景，险资持股的角色定位与作用机制尚未有相关研究涉及，这也成为本文的核心研究切入点与可能贡献点。
二、理论分析与研究假设
保险资金因其自身资本的构成结构，有其独特的投资特点和策略，主要有注重资产负债匹配、长期性和稳定性、大规模资金管理、严格监管下的合规性、偏好低波动性和高质量资产和风险管理与内部控制等特点。以下是一些关于险资持股的相关理论：
机构投资者稳定效应理论
根据机构投资者稳定效应理论，大型机构投资者如险资具有较强的资本实力和长期投资策略。它们倾向于在市场波动时保持理性，并通过长期持股来稳定股价。这种行为有助于平抑市场情绪驱动的非理性波动，特别是在情绪牛市期间。险资通常拥有更丰富的信息资源和更强的研究能力，能够更好地识别和应对市场中的不确定性因素。因此，在情绪驱动的市场环境中，险资的存在可以起到“镇定剂”的作用，减少投机性买卖带来的过度反应；
代理成本理论
险资作为重要的股东之一，其参与公司治理可以降低管理层与股东之间的代理成本，促使管理层更加注重企业长远发展而非短期业绩。这不仅有助于提高公司的内在价值，还能增强市场的信心，从而抑制因情绪驱动而导致的股价异常波动；
流动性供给理论
险资的资金规模庞大，能够在市场需要时提供必要的流动性支持。尤其在情绪牛市中，当其他投资者可能因为乐观情绪而频繁交易时，险资的稳健操作可以帮助缓解市场压力，避免价格剧烈波动。
作为长期理性投资者，险资在情绪牛市中通常持股稳定、不追涨杀跌，能够抑制投机行为与泡沫积累，约束短线资金频繁进出，使得险资持股比例较高的股票异常涨幅相对有限。据此提出：
假设1：险资持股可以显著的降低情绪牛市中的上市股票累计异常收益率。
险资长期持股策略有助于平滑股价走势，减少追涨杀跌行为；同时，其积极参与公司治理可提升企业经营确定性，进一步稳定股价。因此，险资持股既可能抑制上涨阶段的过度涨幅，也可能在回撤阶段影响股价调整幅度。据此提出：
假设2：险资持股可以显著降低情绪牛市中个股的持续上涨/回撤幅度。
累计换手率是市场交易活跃度与信息效率的重要体现。险资持股可降低噪音交易、压缩非理性投机，使累计换手率回归合理水平，提升定价效率，进而减少异常收益。这意味着，险资持股很可能通过降低累计换手率间接抑制累计异常收益率。据此提出：
假设3：累计换手率在险资持股降低个股累计异常收益率的过程中发挥中介效应。
三、研究设计
（一）变量选取
1. 被解释变量
本文参考魏玉根的做法，采用累计异常收益率作为被解释变量，累计异常收益率（CAR）是金融学中用来衡量某一特定事件对股票价格影响的一个指标，它反映了在一段时间内，股票的实际收益率与预期正常收益率之间的差异累积值。主要有以下几个步骤：
第一，用2015年1月1日到2024年9月23日的上证指数每日收盘价数据来训练一个最优的ARIMA模型，模型的参数为（4，1，2）；
第二，用训练好的ARIMA模型预测9月24日到12月24日的上证指数预期收益率（E()），用资本资产定价模型计算每个股票的预期收益率，E()=-(E()-)，其中为无风险收益率，为各股票的Beta系数；
第三，用每只股票9月24日到12月24日的实际收益率（）减去预期收益率得到每日异常收益率（AR），=-E()；
第四，对一段时间内的每日异常收益率求和得到累计收益率，CAR=。
本文计算了四个时间段的CAR，分别为CAR0（从2024.9.24-2024.10.8），CAR1（9.24-10.24），CAR2（9.24-11.24），CAR3（9.24-12.24），9月24日到10月8日为上证指数第一波连续大涨的时间段，衡量政策带来的最初影响，其余三个时间段分别为政策发布一个月、两个月和三个月的时间段，可以用来衡量政策对股市不同期限的影响程度，下文所说的四个时间段分别指的是上述说明的时间段。
2. 核心解释变量
参考王莉等的研究，以上市公司是否被险资持股的哑变量、上市公司中保险机构持股比例两个指标作为衡量险资持股情况的代理变量，险资包括社保基金、保险公司和企业年金。
3. 中介变量
险资是天然的长期投资者和耐心资本，相比于短期投资者和投机者，险资更注重长期投资收益，因此买卖操作的频次会更少，因此本文选取上述四个时间段的每个股票累计换手率作为中介变量。
4. 控制变量
为减少遗漏变量缺失导致模型估计结果存在偏误，本文选取流通股占比（Csr）、托宾Q值（Q）、资产负债率（Alr）、总资产（Size）、市盈率（PE）、市净率（PB）和独立董事占比（Ids）作为控制变量。各指标的具体计算方法见表1。
| 变量类型 | 变量名称 | 变量符号 | 计算方法 |
|---|---|---|---|
| 被解释变量 | 累计异常收益率0 | CAR0 | 9.24-10.8的累计异常收益率 |
| 累计异常收益率1 | CAR1 | 9.24-10.24的累计异常收益率 | |
| 累计异常收益率2 | CAR2 | 9.24-11.24的累计异常收益率 | |
| 累计异常收益率3 | CAR3 | 9.24-12.24的累计异常收益率 | |
| 上涨/回撤幅度1 | CAR1_CAR0 | CAR1-CAR0 | |
| 上涨/回撤幅度2 | CAR2_CAR0 | CAR2-CAR0 | |
| 上涨/回撤幅度3 | CAR3_CAR0 | CAR3-CAR0 | |
| 核心解释变量 | 险资持股 | Isics | 上市公司被险资持股=1，否则=0 |
| 持股比率 | Ticsr | 上市公司被险资持股比率 | |
| 中介变量 | 累计换手率0 | TOR0 | 9.24-10.8的累计换手率 |
| 累计换手率1 | TOR1 | 9.24-10.24的累计换手率 | |
| 累计换手率2 | TOR2 | 9.24-11.24的累计换手率 | |
| 累计换手率3 | TOR3 | 9.24-12.24的累计换手率 | |
| 控制变量 | 流通股占比 | Csr | 流通股占总股本比率 |
| 托宾Q值 | Q | 上市公司市值/总资产 | |
| 资产负债率 | Alr | 负债/资产 | |
| 市盈率 | PE | 每股市值/每股净利润 | |
| 市净率 | PB | 每股市值/每股净资产 | |
| 公司规模 | Size | 公司总资产（万） | |
| 独立董事占比 | Ids | 独立董事人数/董事人数 | |
| 固定效应 | 行业固定 | i.Industry | 行业固定效应 |
（二）数据来源
本文选取的数据来源为同花顺iFind金融终端数据库，剔除金融企业、ST企业和变量数据缺失企业，共获得5166个观测值，行业分类按同花顺分类指标共有30种行业，企业的Beta系数选自同花顺近100周Beta系数。
（三）模型设计
本文对5166个观测者进行了行业固定的F检验，得到固定行业的F值为F(29,5092)=37.87，对应的P值为0.0000。因此本文对模型添加了行业固定效应。模型如下：
其中Y为CAR0、CAR1、CAR2、CAR3、CAR1_CAR0、CAR2_CAR0和CAR3_CAR0，Contrls表示控制变量，、、分别表示常数项、险资持股/持股比率及各控制变量的回归系数，表示随机扰动项；
为进一步检验险资持股对累计异常收益率的作用机制，构建中介效应模型进行检验。
其中M为TOR0、TOR1、TOR2和TOR3，为对应中介变量的系数。
四、实证分析
（一）描述性统计
表2是各时间段累计异常收益率的描述性统计，CAR0均值为0.342，表明在9.24-10.8这段时间里，平均每个股票上涨了34.2%，且中位数为0.311小于均值，表明有超过一半的股票上涨幅度小于34.2%，有较小部分股票涨幅远大于34.2%，Count>0为5122，表明在此时间段内，5166个观测值里有5122只股票上涨，其余的CAR作类似的解释；CAR1-CAR0均值为-0.038，表明在10.8-10.24这段时间内，平均每只股票都回撤幅度为3.8%，Mix为-0.51表明最大回撤的幅度达到了51%，中位数-0.066小于均值表明有超过一半的企业回撤幅度大于3.8%，Count<0为4030表明此时间段内有4030家企业股票出现了回撤，剩下的指标作同样的解释。三个时间段内出现回撤的股票数分别为4030、2832和2346家，这说明，在此次政策驱动的情绪牛下，我国A股先呈现出六个交易日极速上升，之后出现了一段时间的大面积回撤潮，在之后出现了持续上涨和回撤的企业发生了两极分化，有的股票持续上涨有的股票则继续回撤。
| 变量 | Mean | Median | Mix | Max | Count >0 | Count <0 |
|---|---|---|---|---|---|---|
| CAR0 | 0.342 | 0.311 | -0.11 | 3.13 | 5122 | 1 |
| CAR1 | 0.302 | 0.254 | -1.00 | 2.62 | 5100 | 25 |
| CAR2 | 0.373 | 0.307 | -1.20 | 2.54 | 5051 | 74 |
| CAR3 | 0.400 | 0.342 | -1.24 | 2.72 | 5062 | 63 |
| CAR1-CAR0 | -0.038 | -0.066 | -0.51 | 1.67 | 1093 | 4030 |
| CAR2-CAR0 | 0.031 | -0.017 | -0.59 | 1.65 | 2291 | 2832 |
| CAR3-CAR0 | 0.058 | 0.013 | -0.52 | 1.45 | 2777 | 2346 |
表3是其余变量的描述性统计，Isics的均值为0.21表明有21%的上市公司被险资持有，TOR0的均值为0.32表明9.24-10.8这段时间内，平均每只股票累计有32%的流通股被交易，这显然是很高的转化率，其余时间段作同样的解释，TOR3的均值为3.06表明3个月的时间里，平均每只股票累计有超过3倍流通股的股票成交。
| 变量 | mean | sd | min | max |
|---|---|---|---|---|
| Ticsr | 0.0053 | 0.017 | 0.00 | 0.331 |
| Isics | 0.21 | 0.41 | 0.00 | 1.00 |
| Ids | 0.38 | 0.06 | 0.00 | 0.82 |
| TOR0 | 0.32 | 0.29 | 0.00 | 3.53 |
| TOR1 | 0.92 | 0.88 | 0.00 | 8.43 |
| TOR2 | 2.05 | 1.78 | 0.00 | 12.47 |
| TOR3 | 3.06 | 2.54 | 0.08 | 19.22 |
（二）基准回归
从表4回归结果1中可以看出，列（1）、（3）、（5）、（7）中Isics的系数都为负数，且都在1%的水平上显著，列（2）、（4）、（6）、（8）则是在添加控制变量后的回归结果，相比于未加控制变量其标准误更小了，说明在添加控制变量后模型更加显著，Isics系数同样在1%的水平上显著为负，其表明在这四个时间段里，被险资持股的股票，平均累计异常收益率会分别下降1.3%、4.3%、9.1%和7.8%。验证了假设H1成立。
| (1) (2) (3) (4) (5) (6) (7) (8) |
|---|
| CAR0 CAR0 CAR1 CAR1 CAR2 CAR2 CAR3 CAR3 |
| Isics -0.023*** -0.013*** -0.052*** -0.043*** -0.105*** -0.091*** -0.089*** -0.078*** |
| (0.005) (0.004) (0.006) (0.006) (0.009) (0.009) (0.009) (0.009) |
| Contrls NO YES NO YES NO YES NO YES |
| 行业固定效应 YES YES YES YES YES YES YES YES |
| Constant0.347***0.446***0.314***0.386***0.395***0.526***0.419***0.497*** |
| (0.002) (0.014) (0.003) (0.021) (0.004) (0.028) (0.004) (0.027) |
| Observations51165116511651165116511651165116 |
| R-squared0.1830.2470.1450.1790.1130.1360.1370.153 |
注：‘***’、‘**’、‘*’分别表示1%、5%、10%的显著性水平，括号中代表标准误，下同。
| (1) (2) (3) (4) (5) (6) (7) (8) |
|---|
| CAR0 CAR0 CAR1 CAR1 CAR2 CAR2 CAR3 CAR3 |
| Ticsr -0.002** -0.002* -0.007*** -0.006*** -0.014*** -0.013*** -0.011*** -0.011*** |
| (0.001) (0.001) (0.001) (0.001) (0.002) (0.002) (0.002) (0.002) |
| Contrls NO YES NO YES NO YES NO YES |
| 行业固定效应 YES YES YES YES YES YES YES YES |
| Constant0.343***0.447***0.306***0.388***0.380***0.530***0.406***0.501*** |
| (0.002) (0.014) (0.003) (0.021) (0.004) (0.028) (0.004) (0.027) |
| Observations51165116511651165116511651165116 |
| R-squared0.1790.2460.1370.1750.0960.1250.1240.144 |
从表6的回归结果可以看出，险资持股（Isics）对三个时间段的累计异常收益率变动回归系数都在1%的水平上显著为负，这表明在10.8-10.24、10.8-11.24、10.8-12.4这三个时间段里，若股票是持续上涨的，则险资持股会降低其上涨的幅度，分别降低3%、7.8%和6.5%，若股票发生回撤，险资持股则会加大其回撤幅度。
| (1) (2) (3) (4) (5) (6) |
|---|
| CAR1_CAR0 CAR1_CAR0 CAR2_CAR0 CAR2_CAR0 CAR3_CAR0 CAR3_CAR0 |
| Isics -0.029*** -0.030*** -0.082*** -0.078*** -0.066*** -0.065*** |
| (0.004) (0.004) (0.007) (0.007) (0.007) (0.007) |
| Contrls NO YES NO YES NO YES |
| 行业固定效应 YES YES YES YES YES YES |
| Constant -0.033*** -0.056***0.048***0.084***0.073***0.056** |
| (0.002) (0.014) (0.003) (0.022) (0.003) (0.022) |
| Observations511651165116511651165116 |
| R-squared0.0440.0500.0630.0680.0870.090 |
| (1) (2) (3) (4) (5) (6) |
|---|
| CAR3_CAR0 CAR1_CAR0 CAR2_CAR0 CAR2_CAR0 CAR3_CAR0 CAR3_CAR0 |
| Ticsr -0.009*** -0.004*** -0.012*** -0.011*** -0.009*** -0.009*** |
| (0.002) (0.001) (0.002) (0.002) (0.002) (0.002) |
| Contrls NO YES NO YES NO YES |
| 行业固定效应 YES YES YES YES YES YES |
| Constant0.064*** -0.055***0.037***0.088***0.064***0.059*** |
| (0.003) (0.014) (0.003) (0.022) (0.003) (0.022) |
| Observations511651165116511651165116 |
| R-squared0.0760.0450.0460.0530.0760.080 |
（三）累计换手率的中介效应检验
本文分别选择四个时间的股票累计换手率作为中介变量，下表8以CAR0为例检验中介效应，其余三个时间段同样显著本文不再列出。从表8第（1）列中可以得出Isics的系数显著为负，第（2）列中Isics的系数也显著为负，第（3）列中TOR0的系数也显著为负，因此验证了中介效应的存在，且为直接中介效应。从第（2）、（4）、（5）、（6）表明在这四个时间段里，险资持股会降低累计换手率8.9%、27.8%、67.9%和109%，因此验证研究假设3。
| (1) (2) (3) (4) (5) (6) |
|---|
| CAR0 TOR0 CAR0 TOR1 TOR2 TOR3 |
| Isics -0.013*** -0.089*** -0.003 -0.278*** -0.679*** -1.099*** |
| (0.004) (0.009) (0.004) (0.026) (0.053) (0.076) |
| TOR00.119*** |
| （-0.007） |
| Contrls YES YES YES YES YES YES |
| 行业固定效应 YES YES YES YES YES YES |
| Constant0.446***0.530***0.383***1.559***3.547***5.075*** |
| (0.014) (0.028) (0.014) (0.083) (0.169) (0.241) |
| Observations511651195116511951195119 |
| R-squared0.2470.2630.2910.2960.2940.294 |
（四）稳健性检验
1.截尾处理（上下1%截尾）
本文对所有变量进行了1%的截尾，得到了剩余的5016个观测值，将截尾后的数据重新进行回归，结果如表9所示，除了（1）列在10%的水平上显著，其余的依旧在1%的水平上显著，这证明了模型的稳健性。
| (1) (2) (3) (4) |
|---|
| CAR0 CAR1 CAR2 CAR3 |
| Isics -0.007* -0.031*** -0.077*** -0.068*** |
| (0.004) (0.005) (0.008) (0.008) |
| Contrls YES YES YES YES |
| 行业固定效应 YES YES YES YES |
| Constant0.426***0.360***0.462***0.447*** |
| (0.012) (0.017) (0.024) (0.024) |
| Observations5016501650165016 |
| R-squared0.2570.1860.1340.155 |
2.替解释变量
将险资持股比率替换成机构持股比率（Isr），回归结果如下表10所示。
四个时间段的系数都在1%的水平上显著，这也证明了模型的稳健性。
| (1) (2) (3) (4) |
|---|
| CAR0 CAR1 CAR2 CAR3 |
| Isr -0.000*** -0.001*** -0.002*** -0.002*** |
| (0.000) (0.000) (0.000) (0.000) |
| Contrls YES YES YES YES |
| 行业固定效应 YES YES YES YES |
| Constant0.429***0.367***0.474***0.458*** |
| (0.012) (0.017) (0.024) (0.024) |
| Observations5116511651165116 |
| R-squared0.2610.1920.1390.160 |
五、结论与建议
（一）研究结论
本文以2015-2024年9月23日A股数据为样本，通过ARIMA模型测算股票预期收益率并计算累计异常收益率，结合固定效应模型实证检验险资持股的影响及机制。研究发现：其一，险资持股能显著降低情绪牛市中股票的累计异常收益率，累计换手率在此过程中发挥中介作用，体现出险资持股股票的交易活跃度更低；其二，险资持股对股价波动存在差异化影响，会抑制持续上涨股票的涨幅，同时放大回撤股票的调整幅度。
（二）建议
监管机构：优化险资入市政策，适度放宽投资比例限制，同时强化险资投资行为的信息披露；加强投资者教育，引导理性投资与价值投资，遏制情绪投机。
保险公司：坚守长期稳健投资策略，完善风控与多元资产配置，深化被投企业治理；动态监控市场，灵活调整投资组合，平衡收益与风险，做好极端行情对冲。
广大投资者：将险资持仓作为选股参考，学习其价值投资逻辑；深耕个股基本面，培养独立研判能力，保持理性心态，坚持长期投资原则。
参考文献：
- [1] 朱毅轩. “险资入市”对股票市场风险的影响研究[D]. 广东财经大学,2023.
- [2] 童元松.机构投资者行为对股市的影响研究[D]. 苏州大学,2016.
- [3] 王莉, 王国军. 险资持股与上市公司经营风险[J].保险研究,2024(06):43-54.
- [4] 赖黎,玄宇豪, 巩亚林. 险资入市促进了公司创新吗[J]. 财贸经济,2022,43(02):128-145.
- [5] 张静辉.保险机构投资者对股价崩盘风险影响研究——基于经济政策不确定性与产品市场竞争视角[J]. 财会通讯,2021(19):54-57.
- [6] 方明浩,许荣,赵昶. 险资股权投资的结构性改革研究——基于险资投资的倒U型效应分析[J].经济理论与经济管理,2021,41(03):40-57.
- [7] 魏龙飞, 刘璐,朱颜萃. 险资持股对上市公司股价波动的影响研究——基于机构投资者异质性视角[J]. 财经理论与实践,2021,42(01):55-61.
- [8] 魏玉根. 政策干预上海股市行为的统计分析[J].统计研究,2001(02):52-55.