Market Stress and Herding

Hwang, S. & Salmon, M. (2004). Market Stress and Herding. CEPR Discussion Paper No. 4340.

一句话总结

本文提出基于因子敏感度 (beta) 截面离散度的状态空间羊群度量方法，用 Kalman 滤波从 S&P500 (1993-2002) 与韩国 KOSPI (657 只股) 月度数据估计潜在羊群参数 $h_{mt}$ ，发现 (1) 真实羊群行为占有偏 beta 截面变异约 40% 且高度持续；(2) 反直觉地，亚洲危机 (1997) 与俄罗斯危机 (1998) 期间羊群行为减少而非加剧——市场压力使投资者回归基本面；(3) 羊群行为在牛市与平静期可能更严重，且独立于宏观与 Fama-French 因子。

研究问题

如何在不依赖个体交易记录的情况下，从公开股价数据中检测并度量金融市场的羊群行为？
如何区分"真正的羊群行为" (投资者压制私人信息、模仿市场共识) 与"伪羊群行为" (基本面共同变动导致的同方向收益)？
市场压力 (金融危机) 是否如直觉所言加剧羊群行为？还是反而减弱？
羊群行为是否可被多因子化——投资者是否同时围绕规模 (SMB)、价值 (HML) 等因子产生信念趋同？
不同市场之间 (美国 vs. 韩国) 的羊群行为是否同步，市场情绪是否跨国传导？

核心贡献

方法论创新：提出从 beta 截面标准差出发、用对数变换嵌入状态空间模型的羊群度量方法，以 Kalman 滤波动态识别 $h_{mt} \in [0,1]$ ，相比 Christie-Huang (1995) 的截面 std + 极值哑变量方法克服了 (a) 仅捕捉极端时期、(b) 无法控制基本面、(c) 截面与时间序列波动率混淆三个核心缺陷。
基本面控制嵌入观测方程：将市场波动率、市场收益率、SMB、HML、宏观变量 (股息价格比、相对国债利率、期限利差、违约利差) 直接放入状态空间观测方程，使估计的 $h_{mt}$ 反映剔除基本面共同变动后的剩余信念趋同。
多因子推广：方法可应用于任意线性因子模型，首次系统估计了对市场、SMB、HML 三类因子的羊群行为，发现 HML 羊群高度持续、市场羊群与 SMB 羊群高峰常重合。
逆向羊群 (adverse herding) 概念化：当 $h_{mt} < 0$ 时，beta 散度反而扩大，高 beta 更高、低 beta 更低，对应韩国 1999 年后表现，提示可量化"过度差异化"现象。
颠覆性实证发现：危机期间羊群行为下降而非上升，纠正了 herding-during-stress 的传统直觉，暗示危机起到"信息回归"作用。
政策与风险管理含义：识别牛市与平静期可能积累的"隐性"羊群风险，为系统性风险预警提供可观测指标。

维度1：数据来源与实证策略

一、核心研究问题与动机

1.1 研究问题

本文提出一种基于因子敏感度(beta)截面离散度来检测和度量金融市场羊群行为(herding)的新方法。核心问题是：

如何将真正的羊群行为(投资者压制私人信息、模仿市场共识)与因基本面变动导致的"伪羊群行为"(spurious herding)区分开来？
市场压力(如金融危机)是否会加剧羊群行为？

1.2 研究动机

传统方法（如 Christie & Huang, 1995）使用收益率的截面标准差配合虚拟变量来检测羊群行为，但存在三个缺陷：(1) 仅关注极端市场收益时期，遗漏了许多重要的羊群行为；(2) 无法控制基本面变动的影响；(3) 截面收益率波动率与时间序列波动率高度正相关，容易混淆。
已有度量方法（如 Lakonishok, Shleifer & Vishny, 1992; Wermers, 1995）需要个体交易记录数据，获取困难。
作者认为需要一种既能自动条件化基本面，又能追踪羊群行为动态演化的方法。

二、理论框架与方法论

2.1 含羊群行为的CAPM模型

在均衡CAPM中，资产i的条件期望超额收益为：
$ $E_t(r_{it}) = \beta_{imt} E_t(r_{mt})$ $

当存在羊群行为时，投资者偏离均衡beta，观测到的"有偏beta"为：
$ $\beta_{imt}^b = \beta_{imt} - h_{mt}(\beta_{imt} - 1)$ $

其中 $h_{mt}$ 为潜在羊群参数（ $0 \leq h_{mt} \leq 1$ ）：

$h_{mt} = 0$ ：无羊群行为，CAPM均衡成立
$h_{mt} = 1$ ：完全羊群行为，所有资产beta趋向1，收益率与市场同步
$h_{mt} < 0$ ：逆向羊群行为(adverse herding)，高beta更高、低beta更低

2.2 羊群度量指标

有偏beta的截面标准差为：
$ $Std_c(\beta_{imt}^b) = Std_c(\beta_{imt})(1 - h_{mt})$ $

关键洞见：当存在羊群行为时，beta的截面离散度会降低（因投资者趋同于市场共识）；该度量自动排除了特异性波动的影响，捕捉的是市场层面的羊群行为。

2.3 状态空间模型

取对数后构建状态空间模型（Model 1）：

观测方程： $\log[Std_c(\beta_{imt}^b)] = \mu_m + H_{mt} + v_{mt}$

状态方程： $H_{mt} = \phi_m H_{mt-1} + \eta_{mt}$

其中 $H_{mt} = \log(1 - h_{mt})$ ，通过Kalman滤波估计。 $\sigma_{m\eta}^2$ 显著非零即表明存在羊群行为。

2.4 四个递进模型

模型	观测方程额外变量	目的
Model 1	无	基准：检验是否存在羊群行为
Model 2	市场波动率 $\log\sigma_{mt}$ 、市场收益率 $r_{mt}$	控制市场状态后检验
Model 3	+ SMB、HML因子	控制Fama-French因子
Model 4	+ 股息价格比、相对国债利率、期限利差、违约利差	控制宏观经济变量

2.5 推广至多因子模型

方法可推广至任意线性因子模型，分别检测对市场指数、SMB（规模因子）、HML（价值因子）等各因子的羊群行为。

三、实证结果与关键发现

3.1 数据

美国市场：S&P500成分股，1993年1月至2002年11月，日度数据
韩国市场：KOSPI指数657只普通股，同期
用月度窗口的日度数据估计OLS beta，构建beta截面标准差的月度时间序列

3.2 美国市场的核心发现

对市场组合的羊群行为：

$H_{mt}$ 高度持续（ $\hat{\phi}_m$ 大且显著），羊群行为解释了 $Std_c(\beta_{imt}^b)$ 总变异的约40%
$\sigma_{m\eta}$ 在所有模型中均显著非零，确认存在显著的市场层面羊群行为
控制市场波动率、收益率、SMB/HML因子、宏观变量后，羊群行为仍然独立且显著存在
宏观因素几乎无法解释羊群模式

五个显著羊群高峰期：

1994年初（美联储意外加息前的牛市羊群）
1996年5月左右
1999年5-9月（互联网泡沫期间）
2000年9月至2001年1月
2002年2月至样本结束（熊市羊群）

反直觉的核心发现：

亚洲危机（1997）和俄罗斯危机（1998）减少了羊群行为，而非加剧
危机充当了羊群行为的"转折点"：投资者在市场压力下回归基本面分析
羊群行为在牛市和熊市中均存在，但近期熊市中的羊群行为更为显著
羊群行为往往在危机前上升，在危机来临前已开始下降

3.3 对规模因子和价值因子的羊群行为

SMB羊群：显著存在但不如市场羊群持续；与市场羊群高峰常重合
HML羊群：高度持续且平滑变化；亚洲危机后显著增加；2001年1月后尤为显著
市场波动率和收益率水平不能解释HML羊群行为

3.4 韩国市场

同样存在显著的市场层面羊群行为，高度持续
1993年8月（实名金融交易制度引入）和1995-1997年初出现高羊群水平
1999年以来出现显著的逆向羊群行为
对SMB和HML也存在显著羊群行为

3.5 跨市场关系

同一市场内，不同因子的羊群行为之间存在一定相关性
美韩两国之间的羊群行为相关性很低（市场组合羊群相关系数仅0.110）
市场情绪未必会跨国传导

3.6 稳健性检验

对不同子样本（高/低收益股、高/低beta股）的羊群度量几乎无差异，证明对生存偏差和选择偏差稳健
使用市值加权截面标准差的结果也基本一致

四、贡献、局限与启示

4.1 核心贡献

方法论创新：提出基于beta截面离散度的羊群度量方法，可自动条件化基本面变动和时间序列波动率，克服了Christie & Huang (1995)方法的关键缺陷
区分真伪羊群行为：通过在观测方程中纳入市场和宏观变量，将真正的羊群行为（信念趋同/私信息压制）与基本面调整区分开来
动态追踪：利用状态空间模型和Kalman滤波，首次实现羊群行为强度的逐月动态追踪
颠覆性实证发现：危机期间羊群行为减少而非增加，纠正了文献中"市场压力加剧羊群行为"的普遍认知
多因子推广：方法可扩展到任意因子，首次系统分析了对规模和价值因子的羊群行为

4.2 局限性

样本期间仅覆盖1993-2002年，时间跨度有限
使用月度窗口估计beta可能无法捕捉更高频的羊群行为动态
对均衡beta缓慢变化的假设可能在结构性变革时期不成立
状态空间模型假设AR(1)过程，可能过于简化羊群行为的真实动态
仅分析了美国和韩国两个市场，跨市场结论的普适性有待验证

4.3 对信念与行为金融研究的启示

信念异质性与趋同：羊群行为的本质是投资者信念的趋同（beta离散度降低），本文提供了量化信念趋同程度的方法
危机中的理性回归：市场压力可能促使投资者回归基本面分析，这一发现与"市场压力导致非理性"的直觉相悖，暗示危机可能具有"纠偏"功能
牛市的隐性风险：羊群行为在市场平静期和牛市中可能更严重，此时的低波动率可能掩盖了信念过度趋同带来的系统性风险
情绪的本地化：美韩两国羊群行为低相关性表明，市场情绪更多是国内现象而非全球性的

关键参考文献

Christie, W. G. & Huang, R. D. (1995). Following the Pied Piper: Do Individual Returns Herd Around the Market? Financial Analysts Journal, 31-37.
Banerjee, A. (1992). A Simple Model of Herd Behavior. Quarterly Journal of Economics, 107, 797-818.
Bikhchandani, S., Hirshleifer, D. & Welch, I. (1992). A Theory of Fads, Fashion, Custom and Cultural Change as Informational Cascades. Journal of Political Economy, 100, 992-1026.
Avery, C. & Zemsky, P. (1998). Multidimensional Uncertainty and Herd Behaviour in Financial Markets. American Economic Review, 88, 724-748.
Lakonishok, J., Shleifer, A. & Vishny, R. W. (1992). The Impact of Institutional Trading on Stock Prices. Journal of Financial Economics, 32, 23-43.
Fama, E. & French, K. R. (1993). Common Risk factors in the Returns on Stocks and Bonds. Journal of Financial Economics, 33, 3-56.

维度2：理论框架

CAPM均衡基准

E_t(r_{it}) = \beta_{imt} E_t(r_{mt})

每只资产 i 在 t 期的条件期望超额收益由其对市场的 beta 决定，beta 为资产基本面共变性的测度。

羊群行为的引入

引入潜在羊群参数 $h_{mt}$ 后，投资者偏离均衡 beta，观测到的"有偏 beta"为：

\beta_{imt}^b = \beta_{imt} - h_{mt}(\beta_{imt} - 1)

$h_{mt} = 0$ ：无羊群，beta 等于均衡值
$h_{mt} = 1$ ：完全羊群，所有 beta 趋向 1，所有股票与市场同步
$h_{mt} < 0$ ：逆向羊群，beta 散度被放大
$h_{mt} \in [0,1]$ 通过 $H_{mt} = \log(1 - h_{mt})$ 变换嵌入对数空间

截面标准差方程

Std_c(\beta_{imt}^b) = Std_c(\beta_{imt}) (1 - h_{mt})

羊群行为通过缩小有偏 beta 的截面散度而被识别，且自动剔除特异波动 (idiosyncratic)。

状态空间模型 (Model 1)

观测方程： $\log[Std_c(\beta_{imt}^b)] = \mu_m + H_{mt} + v_{mt}$

状态方程： $H_{mt} = \phi_m H_{mt-1} + \eta_{mt}$

$\phi_m$ ：羊群行为的持续性参数 (越接近 1 越持续)
$\sigma_{m\eta}^2$ ：羊群冲击的方差，显著非零证明羊群存在
用 Kalman 滤波从月度数据估计 $H_{mt}$ 时间序列

四个递进模型

Model 1：基准
Model 2：加入市场波动率 $\log\sigma_{mt}$ 与收益率 $r_{mt}$ — 控制市场状态
Model 3：再加 SMB、HML — 控制 Fama-French 因子
Model 4：再加宏观变量 (股息价格比、相对国债利率、期限利差、违约利差) — 控制宏观经济

双加工与信念趋同的解释

本文的羊群参数 $h_{mt}$ 可被解释为投资者信念在因子层面的趋同强度——高 $h_{mt}$ 对应私人信息被压制、市场共识被复制。该度量与 Banerjee (1992)、Bikhchandani-Hirshleifer-Welch (1992) 的信息级联理论一致，但聚焦于均衡层面的可观测后果而非微观决策机制。

维度3：核心发现

美国市场对市场组合的羊群行为

$\hat{\phi}_m$ 大且显著 (>0.9)，羊群行为高度持续
羊群行为解释 $Std_c(\beta_{imt}^b)$ 总变异约 40%
$\sigma_{m\eta}$ 在 Model 1-4 中均显著非零；控制波动率、收益率、SMB/HML、宏观变量后仍显著独立存在

五个显著羊群高峰期 (美国)

1994 年初：美联储意外加息前的牛市羊群
1996 年 5 月左右
1999 年 5-9 月：互联网泡沫期间
2000 年 9 月至 2001 年 1 月
2002 年 2 月至样本结束：熊市羊群

反直觉的核心发现

亚洲危机 (1997)、俄罗斯危机 (1998) 减少了羊群行为而非加剧
危机充当"转折点"：投资者在压力下回归基本面分析
牛市与熊市均存在羊群，但近期熊市更显著
羊群往往在危机来临前已开始下降，呈"先升后降"型

多因子羊群行为

SMB 羊群：显著但不及市场羊群持续，与市场羊群高峰常重合
HML 羊群：高度持续且平滑变化；亚洲危机后显著增加；2001 年 1 月后尤其显著
市场波动率与收益率水平不能解释 HML 羊群

韩国市场

同样显著的市场层面羊群，高度持续
1993 年 8 月 (实名金融交易制度引入)、1995-1997 年初出现高羊群水平
1999 年以来出现显著的逆向羊群 ( $h_{mt} < 0$ )
对 SMB、HML 同样存在显著羊群

跨市场关系

同一市场内不同因子羊群行为存在一定相关性
美韩两国市场组合羊群相关系数仅 0.110
市场情绪未必跨国传导，更多是国内现象

稳健性

不同子样本 (高/低收益、高/低 beta) 估计几乎无差异
市值加权截面标准差结果一致

维度4：关键变量概览

状态变量与潜在过程

$h_{mt}$ ：潜在羊群参数 (核心被识别变量)，约束在 $[0,1]$ 内 (允许 $<0$ 表示逆向羊群)
$H_{mt} = \log(1 - h_{mt})$ ：对数变换后的状态变量，AR(1) 演化
$\phi_m$ ：状态方程持续性
$\sigma_{m\eta}^2$ ：状态扰动方差

观测变量

$\beta_{imt}$ ：用每月窗口内日度数据 OLS 估计的资产 beta
$Std_c(\beta_{imt}^b)$ ：beta 的月度截面标准差 (主因变量)
$r_{mt}$ ：市场月度收益率
$\sigma_{mt}$ ：市场波动率

控制 (因子与宏观) 变量

SMB、HML：Fama-French 规模与价值因子
股息价格比 (D/P)
相对国债利率 (相对历史均值)
期限利差 (term spread)
违约利差 (default spread)

数据来源

美国：S&P500 成分股，1993.01-2002.11，日度
韩国：KOSPI 657 只普通股，同期
月度窗口估计 beta，构造月度 beta 截面 std 时间序列

参数估计与诊断

估计方法：Kalman 滤波 + 极大似然
诊断：状态平滑序列、 $\sigma_{m\eta}^2$ 显著性 (Wald)、AR(1) 持续性 $\phi_m$
多因子推广：将 $h_{mt}$ 替换为对应因子下的 beta 散度，分别估计市场/SMB/HML 羊群

维度5：局限性

样本期间有限：1993-2002 共 10 年，不含 2008 全球金融危机、2020 疫情冲击，限制了对极端危机模式的检验。
频率限制：用月度窗口估计 beta，可能遗漏更高频的羊群动态 (如日内、周度)；高频交易时代下显得粗糙。
均衡 beta 缓变假设： $\beta_{imt}$ 假定缓慢变化，结构性变革 (如行业变迁、并购、政策冲击) 期可能不成立，导致部分估计的 $h_{mt}$ 反映 beta 真实跳变而非羊群。
AR(1) 状态过程过于简化：羊群可能呈非线性、跳跃或马尔可夫切换动态，AR(1) 可能拟合不足。
仅美韩两市：跨市场推广有限；新兴市场、欧洲市场、加密资产等未覆盖。
OLS beta 估计噪音：用一个月日度数据估计 beta 噪声大，截面 std 可能受估计误差污染；未做 GMM 或贝叶斯收缩调整。
未识别羊群动机：方法识别"信念趋同的均衡后果"，但无法区分理性 (信息级联、声誉考量) 与非理性 (情绪、社会模仿) 羊群机制。
双向因果：宏观/因子变量可能同时影响 $h_{mt}$ 与 $Std_c(\beta_{imt}^b)$ ，状态空间模型并未严格识别因果方向。
逆向羊群解释模糊： $h_{mt} < 0$ 在韩国 1999 后出现，但作者未深入识别其经济驱动 (是去管制、外资进入还是国内特异冲击)。
未直接连接信念数据：方法基于价格推断信念趋同，未与投资者调查 (如 Hoffmann_2016_InvestorConfidence_Trading) 或交易数据直接对应。

维度6：与其他文献的关系

学科领域

行为金融 / 资产定价 / 信息级联与羊群行为 / 状态空间建模

关键前驱文献

Christie & Huang (1995) — 截面收益率离散度方法的原型，本文方法的直接对照与改进
Lakonishok, Shleifer & Vishny (1992)；Wermers (1995, 1999) — 基于持仓数据的机构羊群度量，本文与之互补
Banerjee (1992)；Bikhchandani, Hirshleifer & Welch (1992) — 信息级联理论基础
Avery & Zemsky (1998) — 多维不确定性下金融市场羊群理论
Fama & French (1993) — 因子模型基础
Christie & Huang (1995)、Chang, Cheng & Khorana (2000) — 截面收益率离散度的早期方法

后续影响与扩展

为后续 Spyrou (2013) 综述、加密资产羊群 (Raimundo Júnior et al. 2020)、跨国机构羊群 (Choi & Sias 2009) 等研究提供方法基础
本文方法被 Caglayan_2021_HedgeFundIndustryHerding 类研究在对冲基金行业羊群中借鉴
与 Anderson_Holt_1997_InformationCascades (实验室级联) 对应：本文是市场层面、状态空间识别；后者是实验室、个体决策识别

在信念形成文献中的位置

信念趋同 = 羊群的微观基础；本文给出可观测的均衡后果度量
与 Brock_Hommes_1998_HeterogeneousBeliefs_Chaos 异质信念市场动态模型对话：本文为信念趋同提供经验测度，可作为该理论的实证对应
与 Hoffmann_2016_InvestorConfidence_Trading 互补：后者从微观调查识别个人信心-交易链条；本文从市场聚合识别信念趋同

与"危机加剧偏差"传统认知的关系

直觉认为危机使投资者更加恐慌从而过度模仿，但本文与 Brown_2016_BankRun_Contagion 等系统性风险研究形成对话：危机有时反而推动信息揭示与基本面回归
与 Hoffmann_2010_BehavioralPortfolio_IndividualInvestors 危机期投资者行为研究形成宏微观对照

政策与系统性风险含义

牛市低波动期可能积累隐性羊群，为系统性风险预警提供新指标
监管者可基于 $h_{mt}$ 识别"信念过度趋同"风险窗口，独立于波动率指标 (VIX)

维度7：可拓展的研究方向

延长样本至危机周期：将方法应用到 2008 金融危机、2020 疫情冲击、2022 通胀危机，检验"危机减少羊群"是否在更广泛危机中成立。
高频羊群度量：用日内或周度 beta 估计 (如 realized beta 方法) 重构状态空间模型，捕捉算法交易时代的高频信念动态。
跨更多市场比较：扩展到欧洲、新兴亚洲、拉美、加密市场，研究全球羊群联动与本地化结构。
非线性与机制切换状态过程：用马尔可夫切换、非线性状态空间、机器学习状态推断替代 AR(1)。
结合微观调查/交易数据：用券商微观面板 (如 Hoffmann_2016_InvestorConfidence_Trading 的数据结构) 验证 $h_{mt}$ 上升期是否对应散户信念趋同。
羊群的因果解析：用外生事件 (政策冲击、ETF 引入) 作为工具变量识别羊群行为对资产价格的因果影响。
与情绪指数的关系：将 $h_{mt}$ 与投资者情绪 (Baker-Wurgler、新闻情绪、Stocktwits 情绪) 对比，识别信念趋同 vs. 情绪共振的差异。
逆向羊群机制研究：深入解析韩国 1999 年后逆向羊群的经济驱动；与"反向投资"、外资进入、被动投资增长联系。
被动投资/ETF 时代的影响：被动 ETF 资金占比上升使得 beta 趋向 1 的强度增强，本文方法是否仍能区分真伪羊群？
机构 vs. 散户羊群：将 $h_{mt}$ 分解到机构与散户层面 (用持仓数据)，识别两类投资者羊群行为的不同动态。
与 ESG/气候风险因子结合：构造对 ESG 因子、气候 beta 的羊群度量，研究可持续投资浪潮中的信念趋同。
与系统性风险预警结合：将 $h_{mt}$ 加入早期预警指标体系，检验其相对 VIX、SRISK 的增量信息含量。

关键结论

方法论核心：基于 beta 截面标准差的状态空间羊群度量自动控制特异波动与基本面共变，能在不需要持仓数据的情况下从公开股价识别市场层面羊群行为，并通过 Kalman 滤波动态追踪。
羊群行为普遍且持续存在：美国 S&P500 与韩国 KOSPI 1993-2002 数据中 $\hat{\phi}_m$ 显著高 (>0.9)， $\sigma_{m\eta}^2$ 显著非零，羊群行为解释 beta 截面变异约 40%；控制 Fama-French 与宏观因子后仍显著独立。
危机减少而非加剧羊群：亚洲危机 (1997) 与俄罗斯危机 (1998) 期间 $h_{mt}$ 下降，投资者回归基本面；羊群更多积累在牛市与平静期，并在危机来临前开始下降。
多因子羊群：HML (价值因子) 羊群高度持续且亚洲危机后增加；SMB 羊群与市场羊群高峰重合；不同因子的羊群存在一定相关性。
逆向羊群可识别：韩国 1999 年后 $h_{mt} < 0$ ，beta 散度被放大，提示市场可能进入"过度差异化"阶段。
市场情绪本地化：美韩羊群相关性仅 0.110，市场情绪未必跨国传导，国家-specific 因素主导。
风险管理与监管含义：羊群行为提供独立于波动率的系统性风险预警维度；牛市平静期的低波动可能掩盖了信念过度趋同带来的脆弱性。

Hwang_2004_MarketStress_Herding