辨识百度指数提升

修改说明及答复我们非常感谢审稿专家对我们论文建设性的、专业的审稿意见和建议,使得我们可以进一步修改完善这个研究.
收到修改意见后,我们对论文进行了认真和深入的修改.
以下是修改说明和对审稿意见的答复.
《管理科学学报》审稿意见1建议作者斟酌:1.
表7的交叉分组中认为"从交叉分组的回归结果来看,按照股票名称辨识度进行划分后,在本文选取的六个时间维度上,各小组内部高投资者异常关注度组均低于低投资者异常关注度组的平均收益,且在1%水平上显著.
而按照投资者异常关注度进行分组后,在各个投资者异常关注度组内股票名称高辨识度与低辨识度两组之间的差异均不显著.
以上数据结果说明,股票名称辨识度与投资回报之间的负相关关系可以由投资者关注度来进行解释".
这个做法忽视了一种可能性:也许每一个ASVI分组样本中的辨识度都差不多(假设ASVI和辨识度完全正相关,就会出现这种情况),所以每一个ASVI分组样本中区分辨识度也自然看不出差异.
因此,建议作者根据如下文献的做法,进行所谓的双重排序(double-sorting),这样显得更为合理:Ang,A.
,R.
J.
Hodrick,Y.
Xing,andX.
Zhang.
2006.
TheCross-SectionofVolatilityandExpectedReturns.
JournalofFinance61:259–99.
Ang,A.
,R.
J.
Hodrick,Y.
Xing,andX.
Zhang.
2009.
HighIdiosyncraticVolatilityandLowReturns:InternationalandFurtherU.
S.
Evidence.
JournalofFinancialEconomics91:1–23.
答复:非常感谢审稿专家非常具体的数据处理建议以及提供的非常有参考价值的文献.
原稿中按照股票名称辨识度和投资者异常关注度进行交叉分组,确实会存在由于股票名称辨识度和投资者异常关注度正相关,导致交叉分组内样本量分布不平衡的现象.
根据审稿专家的建议,修改稿根据Ang等(2006)以及Ang等(2009)中的做法,进行了双重排序(doublesorting).
相关结果请见下表.
具体来讲,以下为Ang等(2006)以及Ang等(2009)中使用双重排序的两个例子.
其中,Ang等(2006)为了考察异质波动率对股票超额收益的预测力是否来源于股票的市值大小,进行了如下的双重排序:"Oursecondexaminationoftheinteractionofidiosyncraticvolatilityandsizeusesallfirms.
Wecontrolforsizebyfirstformingquintileportfoliosrankedonmarketcapitalization.
Then,withineachsizequintile,wesortstocksintoquintileportfoliosrankedonidiosyncraticvolatility.
"即,先根据股票市值大小将股票进行分组,然后在每一个市值规模的股票分组里面再按照股票的异质波动率分组.
而Ang等(2009)中为考察特质波动率的滞后项(1,)对于股票超额收益的影响是否来源于其对未来的特质波动率[(,+1)]的预期作用,先将股票根据[(,+1)]分组,然后再根据(1,)分组形成双重排序下的资产组合,从而分析在控制了[(,+1)]的情况下(1,)是否仍然能够预测股票的超额收益.
"…,butwecanseparatetheeffectoflaggedidiosyncraticvolatilityandpredictedidiosyncraticvolatilityinadoubleportfoliosort.
PanelAofTable12firstranksstockson[(,+1)]andthensortstockson(1,)".
鉴于本文进行双重排序的目的在于分析本文股票名称辨识度对股票回报的预测性是否来源于股票的异常关注度,参考Ang等(2006)以及Ang等(2009),我们先按照股票的异常关注度将样本中的股票进行分组,然后在每一个异常关注度分组内再按照股票名称辨识度进行分组,形成双重排序下的资产组合.
结果显示,在控制异常关注度的情况下,高股票名称辨识度的资产组合和低股票名称辨识度的资产组合之间的收益差异不再具有统计显著性.
这说明,股票名称辨识度对于股票回报的预测性在很大程度上可以被股票名称辨识度和股票的异常关注度之间的正相关关系所解释.
表8股票收益基于股票名称辨识度与个人投资者异常关注度的交叉分组结果Table8StockreturnsbasedontheresultofcrossgroupingofstocknameidentificationandindividualinvestorabnormalattentionIPO后1个月IDENTI(H)IDENTI(M)IDENTI(L)Dif(H-L)ASVI(H)0.
02670.
02380.
02070.
0059ASVI(M)0.
05390.
05830.
05270.
0012ASVI(L)0.
07300.
06670.
07110.
0019IPO后2个月IDENTI(H)IDENTI(M)IDENTI(L)Dif(H-L)ASVI(H)0.
01390.
01030.
01000.
0039ASVI(M)0.
02650.
02740.
02520.
0013ASVI(L)0.
03570.
03380.
0362-0.
0005IPO后3个月IDENTI(H)IDENTI(M)IDENTI(L)Dif(H-L)ASVI(H)0.
00900.
00640.
00640.
0025ASVI(M)0.
01710.
01840.
01670.
0005ASVI(L)0.
02420.
02360.
02410.
0001IPO后6个月IDENTI(H)IDENTI(M)IDENTI(L)Dif(H-L)ASVI(H)0.
00440.
00320.
00270.
0017ASVI(M)0.
00860.
00890.
0090-0.
0004ASVI(L)0.
01140.
01230.
0126-0.
0012IPO后9个月IDENTI(H)IDENTI(M)IDENTI(L)Dif(H-L)ASVI(H)0.
00290.
00190.
00190.
0010ASVI(M)0.
00560.
00540.
0059-0.
0003ASVI(L)0.
00770.
00800.
0083-0.
0006IPO后12个月IDENTI(H)IDENTI(M)IDENTI(L)Dif(H-L)ASVI(H)0.
00200.
00140.
00110.
0009ASVI(M)0.
00390.
00380.
0040-0.
0001ASVI(L)0.
00580.
00570.
0061-0.
00022.
如果名称辨识度可以被投资者有限关注度来解释,那么在回归中加入投资者有限关注变量(交乘项)后,名称辨识度交乘项的系数显著性应该消失,建议作者考虑从这方面提供经验证据.
答复:非常感谢审稿专家提出这条建议,帮助我们更直接地测试中介效应.
本文发现股票名称辨识度可以预测股票未来的投资回报,并通过投资者的有限关注度来发生作用.
如果在回归中加入投资者有限关注变量交乘项后,名称辨识度交乘项的显著性消失,则说明投资者有限关注度是股票名称辨识度作用于股票投资回报的完全中介变量.
根据审稿专家的建议,修改稿中增加了表9,将投资者有限关注度变量(ASVI)与上市时间段(IPOn)的交乘项引进面板回归中.
结果如下表显示,在控制了有限关注度变量交乘项后,名称辨识度交乘项的显著性消失,说明名称辨识度对于股票交易回报的影响确实是通过名称辨识度对于异常关注度的影响发生作用的,证明了异常关注度的完全中介效应.
表9引入投资者异常关注后的股票名称辨识度与股票收益的固定效应回归Table9ThefixedeffectofstocknameidentificationandstockreturnswiththeabnormalattentionofinvestorsIPOn=IPO后1个月IPOn=IPO后2个月IPOn=IPO后3个月IPOn=IPO后6个月IPOn=IPO后9个月IPOn=IPO后12个月VARIABLESRETRETRETRETRETRETIPOn0.
0664***0.
0332***0.
0234***0.
0138***0.
0010***0.
0072***(0.
0016)(0.
0013)(0.
0012)(0.
0009)(0.
0008)(0.
0008)IPOn*IDENTI-0.
001-0.
0004-0.
0005-0.
0005-0.
0004-0.
0001(0.
0009)(0.
0008)(0.
0007)(0.
0005)(0.
0005)(0.
0005)IPOn*ASVI-0.
0297***-0.
0157***-0.
0111***-0.
0067***-0.
0051***-0.
0043***(0.
0011)(0.
0009)(0.
0008)(0.
0006)(0.
0006)(0.
0005)控制变量是是是是是是观测数值5,6575,6575,6575,6575,6575,657R20.
3980.
1850.
1260.
070.
0460.
031股票数2412412412412412413.
论文目前缺乏对可检验假设的说明,建议增加研究假设部分,这样可以使得本文实证检验部分的内容更具条理.
答复:非常感谢审稿专家的这条建议,帮助本文提高内容的条理性.
根据审稿专家的建议,本文在第二部分增加了可供检验的三条假设.
相关的修改如下.
1.
2基本假设如前所述,已有文献关于股票名称的分析多是以股票更名事件为背景,研究股票更名公告发布后股票价格,成交量等因素的变化.
与英文等表音文字不同,汉字作为表意文字,在理解和认知上更为复杂难懂,更多地体现出信息载体的功能.
即使不依据股票更名事件,我国股票名称本身也具有较高的研究意义.
然而,国内学者对于股票名称的研究尚显匮乏,除了对股票更名事件的研究外,多是从股票名称的某个特征出发,如含有特定字眼或者相似行业信息、地域信息等进行研究.
刘亚琴[6]曾尝试从较为宽泛的信息角度对股票名称进行量化,但其采用的问卷调查方法容易受到样本量及样本特征的影响,大大降低了问卷结果的有效性.
为此,本文以心理捷径理论为研究基础,对股票名称进行评价与量化,通过实证检验来证明股票名称影响股票投资回报现象的现实存在.
此外,已知心理捷径是个人投资者客观存在的行为特征,由此而引发的决策判断较少依赖于真实的公司表现与客观的市场环境,我们认为心理捷径作用下以股票名称作为选股依据并不会为个人投资者带来较为理想的投资回报.
随着时间的推移,IPO股票的客观数据可得性增加,心理捷径带来的选股效应会渐渐被交易数据和财务信息所削弱.
据此,本文提出如下假设.
假设1:股票名称辨识度会显著影响股票的投资回报,且这种影响随着时间的推移会逐渐减弱.
个人投资者采取心理捷径决策方式往往伴随着有限关注行为,甚至可以说是以有限关注为背景条件.
由于人们处理信息的时间和精力均是有限的,投资者关注度被视为一种稀缺的认知资源[1,38-39].
Rosa和Durand[40]通过实验研究发现,被试在进行投资决策时,倾向于利用那些容易引起他们注意的信息,而那些更具价值但不太显著的信息则通常会被投资者所忽略.
对于股票名称而言,由于其自身结构简单且缺乏改变,虽然具有传递信息的能力但所传递信息的丰富程度以及影响力均远远不够.
故此,我们认为股票名称作为信息载体对投资者以及股票价格的影响主要是通过关注度效应而非信息效应来实现的.
Engelberg等[41]认为股票价格的巨大变化似乎是由投资者关注度单独驱动的,而孙书娜和孙谦[42]采用较高频率的日内分时数据也证明了投资者关注度对股票价格的驱动作用.
由此我们可以看到,投资者关注度可以驱动股票价格发生改变,而股票名称又是投资者关注度的前置决定因素,从信息的发出到投资者接收再到股票价格变化,三者之间形成了一条完整而紧密的作用链条.
据此,本文提出如下假设.
假设2:股票名称辨识度高的股票可以吸引大量的个人投资者关注.
股票名称对股票投资回报的影响是通过个人投资者关注度的作用而实现的.
作为衡量个人投资者行为的重要参照指标,关于投资者关注度的研究比较丰富,但多集中于二级交易市场上投资者关注度与股票收益关系的讨论,提出在我国卖空限制的背景下,投资者关注度在短期内与股票投资回报成正相关,但由于缺少基本面价值的支撑,股票价格随后则会发生反转.
虽然以关注效应为代表的研究得到了较为一致的结果,认为关注度与投资回报之间存在反转关系,但少有文献对该反转关系发生的原因做出解释.
外国学者Cornelli等[43]和Derrien等[44]发现个人投资者表现出来的情绪会对发行人和承销商的定价行为产生影响.
Bajo等[45]则认为投资者关注度在一定程度上反应了个体投资者对新股的需求量信息,发行人和承销商能够观测到这一信息并倾向与抬高发行价格区间的上下限.
虽然我国股票市场与外国股票市场交易制度有所不同,但受此启发,我们认为有限关注度作为个人投资者行为的代表性特征,容易被机构投资者所捕捉并加以利用.
投资者关注度与股票收益之间的反转关系,很有可能是个人投资者与利用个人投资者交易模式获利的机构投资者之间交易博弈的结果.
据此,本文提出如下假设.
假设3:机构投资者会利用个人投资者有限关注行为与其进行交易博弈.
当个人投资者购买名称辨识度较高的股票时,机构投资者则会选择卖出辨识度较高的股票进行反向操作.
《管理科学学报》审稿意见2主要问题:文章提出的主要观点是,股票名称影响投资者关注,投资者关注造成IPO首日收益率过度反应,进而在未来逐渐反转.
可是现有研究已经存在大量的文献证实了后续的观点,也就是关注度与IPO首日收益的关联.
因此文章若希望能做出贡献,应关注于第一点,也就是投资者关注的确是由于股票名称引起的,且存在显著的影响.
可是文章的表7表明,似乎投资者关注是对IPO收益回复更为稳健的解释,且更重要的是,名称的辨识度在控制了异常关注之后,其对股票持续收益的影响就消失了.
因此,文章需要更多的证据证明正是由于股票名称的辨识度带来了这种异常关注.
否则似乎直接度量异常关注度则是更好的度量投资者关注度的方法.
答复:非常感谢审稿专家这条意见,帮助本文完善讨论的逻辑链条.
本文发现股票名称辨识度可以预测股票的未来收益,并通过投资者有限关注进行解释.
其中,投资者有限关注通过异常关注度变量进行衡量.
当我们控制了异常关注之后,名称辨识度对于股票持续收益的影响就消失了,这说明异常关注具有完全中介效应.
感谢审稿专家的建议,提醒我们在测试中介效应的时候,需要增加股票名称辨识度如何影响异常关注度的检验.
根据审稿专家的建议,修改稿中增加了异常关注对于股票名称辨识度的回归(如下表所示).
我们发现,股票名称辨识度越高,则股票的异常关注度越高.
鉴于股票名称辨识度是前置变量,即股票名称辨识度与上市后的异常关注度存在时间上的先后顺序差异,上市后的异常关注度决定股票辨识度的可能性不大,因此股票辨识度与上市后的异常关注度之间的正相关关系说明,股票名称辨识度是股票异常关注度的决定因素.
根据审稿专家的建议,修改稿在建立了这种因果关系后,再进一步讨论异常关注度的完全中介效应,这样讨论的逻辑链确实变得更加完整了.
在文章贡献方面,之前的研究证明了投资者关注跟股票收益之间的关系,但对于什么引起了IPO股票的异常关注度研究较少.
本文从股票名称辨识度这一前置变量入手,证实股票名称辨识度对股票未来收益的影响与异常关注度的影响一致,并证实了异常关注度的中介效应.
根据审稿专家的建议,修改稿补充了股票名称辨识度引起股票异常关注度的实证证据,指出了股票异常关注度的来源,从异常关注度的决定因素方面补充了现有文献对投资者有限关注的研究.
此外,以往文献发现股票关注度对股票收益的影响不能被规模、换手率和账面价值解释,本文发现机构投资者和个人投资者会基于股票名称辨识度进行反向交易操作,从机构投资者和个人投资者之间的交易博弈这一角度为投资者有限关注如何影响股票收益提供了交易操作层面的解释.
表7股票名称辨识度与投资者异常关注度Table7Stocknameidentificationsandinvestors'abnormalattentionVARIABLESASVIASVIASVIASVIIDENTI0.
136***0.
135***0.
0850*0.
0852*(0.
0472)(0.
0463)(0.
05)(0.
0461)PB0.
0492***0.
000433(0.
0154)(0.
0176)MV0.
245***0.
244***(0.
0420)(0.
0506)行业固定效应是是是是常数项0.
921***0.
649***-4.
762***-4.
745***(0.
0837)(0.
1050)(0.
9680)(1.
1230)观测数值241241241241R20.
0460.
1020.
190.
19其他问题:1)文章样本期覆盖了中国证券市场起始(1990)至2018年的数据,可知中国上市公司至2018年年底已超过3500家,可文章使用的IPO数据仅为1444余家.
文章需要更多的解释为何数量区别如此之大.
答复:非常感谢审稿专家的意见.
本文选取的IPO样本来源于上海证券交易所上市的A股市场股票.
鉴于上海证券交易上市的企业和深圳证券交易所上市的企业在企业规模和企业性质上的差异(上交所上市的企业的规模相对较大,以央企、国企为主;而深交所民营企业相对更多),为了保证样本之间的可比性,本文选择上证A股市场股票作为样本股票,因此样本企业为1444家.
修改稿中相关的说明如下.
本文样本选自上海证券交易所A股市场股票.
上证A股市场作为国内主板市场,具有较高的入市标准,对发行人的资本规模及盈利能力都有较为严格的约束.
同时,主板市场具有整体规模大,业务多的特点,所拥有的较大基数的个人投资者,可以为本文提供更加可靠有效的研究样本.
本文的样本期为1990年到2018年,并采用日度数据使得样本从截面上和时间序列上均可得到足够数量的样本观测值.
截止样本统计时间共有上证A股首发上市股票1444支,根据股票名称辨识度构建条件剔除股票160支,共得到1284支样本股票.
2)文章在鲁棒性检验中也提到,在不同时期中国股票市场对IPO首日收益率限价不同,因此用不同时期IPO数据横向不可比.
建议利用IPO后首次未封涨停板作为IPO首日收益率的代理变量.
答复:非常感谢审稿专家这条关于IPO首日收益率计算的意见.
根据审稿人的意见,我们将IPO后首次未封涨停板作为IPO首日收益的代理变量,并更新了修改稿中的表格(请见下表).
使用新的代理变量后,修改稿中的结果与原稿的结论一致,即股票名称辨识度高的股票更容易受到个人投资者的追捧.
股票名称辨识度高的股票的IPO首日收益率,无论均值还是中值,都显著高于股票名称辨识度低的股票的IPO收益收益率.
表3股票名称辨识度与股票IPO首日收益率Table3StocknameidentificationsandIPOfirst-dayreturns全部样本H组M组L组Dif(H-L)观测值均值[中位数]观测值均值[中位数]观测值均值[中位数]观测值均值[中位数]t检验P值秩检验P值1,2841.
35414281.
54954281.
48254281.
03030.
00040.
0069[0.
5849][0.
7345][0.
6530][0.
5844]3)表4中的FAMA-FRENCH三因子回归中,市场beta的估计过度不显著.
大部分股票,特别是股票组合的市场beta应该在1左右,即使再不相关,其量级应该也在0.
1的水平上,不知道出于何种原因会取得表4的结果,需要更进一步的解释.
答复:非常感谢审稿专家的这一洞见.
原稿中使用的FAMA-FRENCH三因子为作者手动构建的.
可能由于三因子构建时的精度问题,导致回归中的beta值过小.
在修改稿中,我们将三因子更换为国泰安数据库(CSMAR)提供的FAMA-FRENCH三因子,对股票收益重新进行分析.
使用更新后的三因子后,市场beta的量级得到了显著提高,最低值为0.
202,最高值为0.
936(接近1).
更新数据后的结果与原稿一致,上市初期,股票的超额收益(alpha)均随辨识度由高到低组的顺序呈现出反向递增趋势,高辨识度组股票的超额收益(alpha)小于低辨识度组.
随着时间推移,这种反向递增趋势逐渐减弱.
基于Fama-French三因子模型计算的的超额回报率Rm,t-Rf,tSMBHMLalphaR2上市后1个月的三因子超额收益分析Group1(H)0.
225***0.
0542-0.
0752-0.
0206***0.
048(0.
0257)(0.
0502)(0.
0724)(0.
0007)Group2(M)0.
202***0.
0511-0.
0389-0.
0190***0.
036(0.
0264)(0.
0516)(0.
0744)(0.
0007)Group3(L)0.
228***0.
128**0.
045-0.
0181***0.
047(0.
0281)(0.
0549)(0.
0793)(0.
0008)上市后2个月的三因子超额收益分析Group1(H)0.
936***-0.
270***0.
0953-0.
0217***0.
099(0.
0489)(0.
0936)(0.
1010)(0.
0014)Group2(M)0.
805***-0.
180**0.
115-0.
0215***0.
106(0.
0409)(0.
0783)(0.
0847)(0.
0012)Group3(L)0.
721***-0.
155**0.
0186-0.
0208***0.
110(0.
0359)(0.
0687)(0.
0743)(0.
0010)上市后3个月的三因子超额收益分析Group1(H)0.
902***-0.
130*-0.
0138-0.
0221***0.
118(0.
0397)(0.
0755)(0.
0768)(0.
0012)Group2(M)0.
788***-0.
0301-0.
00827-0.
0219***0.
128(0.
0335)(0.
0638)(0.
0649)(0.
0010)Group3(L)0.
713***-0.
0451-0.
0699-0.
0214***0.
135(0.
0294)(0.
0559)(0.
0569)(0.
0009)上市后6个月的三因子超额收益分析Group1(H)0.
825***-0.
114*-0.
0494-0.
0223***0.
114(0.
0336)(0.
0634)(0.
0678)(0.
0010)Group2(M)0.
593***0.
0288-0.
0547-0.
0224***0.
16(0.
0204)(0.
0385)(0.
0411)(0.
0006)Group3(L)0.
668***-0.
0253-0.
0956*-0.
0216***0.
136(0.
0250)(0.
0472)(0.
0504)(0.
0007)上市后9个月的三因子超额收益分析Group1(H)0.
795***-0.
0888-0.
0578-0.
0233***0.
113(0.
0308)(0.
0593)(0.
0640)(0.
0009)Group2(M)0.
590***0.
0422-0.
0637-0.
0233***0.
167(0.
0188)(0.
0361)(0.
0390)(0.
0005)Group3(L)0.
675***-0.
023-0.
0998**-0.
0227***0.
145(0.
0230)(0.
0443)(0.
0478)(0.
0007)上市后12个月的三因子超额收益分析Group1(H)0.
761***-0.
0622-0.
0654-0.
0235***0.
111(0.
0291)(0.
0567)(0.
0618)(0.
0008)Group2(M)0.
570***0.
0518-0.
0629*-0.
0234***0.
166(0.
0177)(0.
0345)(0.
0376)(0.
0005)Group3(L)0.
652***-0.
000313-0.
114**-0.
0229***0.
145(0.
0217)(0.
0423)(0.
0461)(0.
0006)4)表5中控制变量MV(市值)回归系数为正,众所周知市值因子在中国市场,特别是早期均显著,也就是MV较小的公司收益率较高,因此MV的回归系数应该是负数.
需要给出进一步的解释.
答复:非常感谢审稿专家指出这一数据问题.
我们核查了回归编码后发现,在面板回归的基准回归(原稿表5)中,控制变量BV/MV的数据存在数据匹配的错误,从而导致MV和BV/MV的系数估计出现了错误.
修改稿更正了这个数据匹配错误后,MV的系数符号转为负,符合MV较小的公司收益率较高的经验证据.
以下为更新后的结果.
(其他表格经检查无误.
)表5面板数据固定效应回归Table5PaneldatafixedeffectregressionIPOn=IPO后1个月IPOn=IPO后2个月IPOn=IPO后3个月IPOn=IPO后6个月IPOn=IPO后9个月IPOn=IPO后12个月VARIABLESRETRETRETRETRETRETIPOn0.
0096***0.
0050***0.
0034***0.
0024***0.
0019***0.
0012***(0.
0006)(0.
0003)(0.
0003)(0.
0002)(0.
0002)(0.
0002)IPOn*IDENTI-0.
0021***-0.
0011***-0.
0006***-0.
0003**-0.
00010.
0001(0.
0004)(0.
0002)(0.
0002)(0.
0001)(0.
0001)(0.
0001)MV-0.
0003-0.
0006**-0.
0007***-0.
0005*-0.
0006**-0.
0009***(0.
0002)(0.
0002)(0.
0002)(0.
0002)(0.
0002)(0.
0002)BV/MV-0.
0006-0.
0009-0.
00100.
00060.
0006-0.
0016**(0.
0006)(0.
0007)(0.
0007)(0.
0008)(0.
0008)(0.
0007)常数项0.
0099**0.
0157***0.
0174***0.
0130**0.
0149***0.
0231***(0.
0049)(0.
0050)(0.
0052)(0.
0055)(0.
0055)(0.
0054)观测数值29,72329,72329,72329,72329,72329,723R20.
0830.
0450.
0320.
0270.
0240.
019股票数1,2841,2841,2841,2841,2841,2845)其他写作问题:例如文章在组合分析中为明确所使用的指标是事前指标还是同期指标.
另外由于百度指数起始于2008年,文章同样未提及上市早于此时的数据在一系列的分析中是如何进行的.
另外,文章正文中对表序号的引用存在错误,建议重新检查并梳理.
答复:非常感谢审稿专家的意见.
文章在组合分析中使用的分别是股票名称辨识度指标和上市后的一周内的异常关注度,均为不变的事前指标.
感谢审稿人指出这一表述上不清楚的地方.
修改稿对此增加了脚注5进行说明,"⑤本文构建的双重排序资产组合的分组指标本别为股票名称辨识度和上市后一周内的异常关注度,均为不变的事前指标.
".
由于百度指数的初始时间晚于样本的起始时间,在分析有限关注度时,样本量有所缩减.
原稿中的说明如下:"需要说明的是,百度指数平台的建立开始于2006年,同时由于一些上市股票的名称未被列入百度搜索词条,造成了与关注度相关的样本量大幅减少.
在全部1284只股票中,2006年后上市股票共532只,其中未收录股票266只,数据缺失股票25只,剩余关注度相关样本股241只.
"为了保证研究结论的可靠性,本文对缩减后的样本股票名称辨识度与投资回报之间的关系进行了补充验证,分别分析了不同名称辨识度组股票的IPO首日收益率大小,持有期超额收益率(BHAR)大小、采用Fama-French三因子模型得到的异常收益率大小和固定效应模型中股票名称辨识度与股票收益率之间的关系,并对股票名称辨识度与ROA之间的关系也进行了检验.
该部分结果虽因样本数量减少显著性有所下降,但整体结果与大样本基本一致,高辨识度组股票的持有超额收益(BHAR)和采用Fama-French模型回归得到的异常收益率均小于低辨识度组.
在股票名称辨识度与股票收益率的面板数据回归中,股票名称辨识度与股票收益均呈显著负相关关系,随着时间的增长,这种负相关关系逐渐减弱,且显著性也逐渐降低.
不同股票名称辨识度分组之间的ROA并没有显著差异,说明股票名称辨识度与投资回报之间的显著关系与公司经营表现无关.
相关的说明请见稳健性分析"4.
1个人投资者关注度小样本检验",附录一为相关表格.
感谢审稿人指出的表序号的引用错误.
修改稿中我们再三核对了表号和正文的对应关系,以避免此类错误的发生.
最后,我们再次感谢审稿专家们提出的宝贵意见.
在修改稿中,我们根据审稿专家们的意见对文章作了很大的修改.
这些修改确实都使得我们文章结论的严谨性和可靠性都获得了很大提高.
我们也希望修改结果能够让审稿专家满意.