崔惠颖

(黑龙江大学 经济与工商管理学院，哈尔滨 150080)

内容提要：基于多种常用的博彩型股票识别指标，本文利用马尔科夫区制转移模型和投资者情绪指数，在对中国股市进行“风险-收益”和情绪两种状态划分的基础上，对比考察中国股市博彩型收益的时变性及其原因。研究结果表明：无论是基于“风险-收益”，还是投资者情绪对股市状态进行划分，博彩型收益都表现出明显的时变性，即博彩型收益在牛市和高情绪期之后更为明显，而在熊市和低情绪期之后相对较弱。虽然各指标识别结果有所不同，但均表现出不同“风险-收益”下的博彩型收益与其他类型股票收益的差异要大于不同情绪状态下的收益差。博彩型收益主要源于投资者的非理性所导致的博彩型股票误定价。

一、引言

博彩行为在人们的生活中随处可见，而且在经济活动中尤为明显。譬如，“股市如赌市”这一观点就说明了博彩行为在中国股市中的普遍性。股市中的博彩行为往往表现为参与者热衷于购买那些能够以小概率获取较大收益的股票。由于这类股票具有与彩票相类似的特征而被称为“博彩型股票”。除了收益正偏性之外，国内外研究发现博彩型股票还表现出无法被经典资产定价模型(如CAPM模型、Fama-French三因子模型)所解释的负异常收益，即“博彩型收益”。而博彩型股票的收益行为正是投资者博彩偏好和博彩行为的市场表现。在博彩偏好难以直接刻画的情况下，深入分析博彩型收益的时变特征，探究博彩型收益的变化原因，对理解股市投资者博彩行为具有重要的理论和实践意义。

从理论层面来看，目前有关博彩型收益的研究基本都将重点放在博彩型收益的存在性检验上，而忽略了博彩型收益的时变性问题。传统资产配置理论假定资产收益率的数据生成过程应该服从于线性而稳定的时间序列模型。然而，股市表现出明显的周期性，并在收益率、波动性和投资者情绪等方面存在不同状态的更替。随着市场状态的变化，股票所处风险环境和投资者行为模式，也会表现出不同的特征，进而可能导致博彩型收益的变化。另外，已有研究从风险和行为两个方面对博彩型收益进行解释，但结论不一。因此，有必要对博彩型收益在不同市场环境和不同投资者状态下的表现进行对比分析。从实践层面来看，证实博彩型收益的存在是远远不够的，还需要分析博彩型收益的时变性。这将有助于投资者更充分地认识非理性因素在投资决策中所起到的重要作用，避免博彩行为带来的不利影响；同时，有助于市场监管者更有针对性地引导投资者进行理性投资，减少博彩行为及其收益波动对股市平稳性的影响。

已有一些研究注意到股票博彩特性的时变性。Kumar(2009)[1]的研究证实博彩偏好受到宏观经济环境的影响。郑振龙和孙清泉(2013)[2]验证了这一观点，发现中国投资者的博彩偏好也受宏观经济环境影响，当宏观经济增长放缓，人们对经济信息不足时，投资者倾向于追逐博彩型股票。不过，关于股市周期对博彩特性影响的研究，现有文献只是简单涉及。Green和Hwang(2012)[3]实证发现不同偏度股票的收益率差异在各时期有明显不同。Walkshäusl(2014)[4]发现在欧洲市场，高MAX股票的收益率在2001-2011年间比1990-2000年间更低，并且高MAX与低MAX股票的收益差异在2001-2011年间更大。然而，仅有少数研究对股市周期进行较为详细的划分。江曙霞和陈青(2013)[5]通过比较不同市场状况，发现MAX在牛市和熊市中，对未来收益的影响都十分显著，而在平衡市中影响较弱。崔惠颖(2016)[6]发现中国股市博彩特性具有时变性，在市场状况较差时，股票的博彩特性会更加突出。但这些研究对股市周期的划分方法属于事后根据指数走势划分市场状态的主观划分方法，过于简单。更重要的是，上述研究都没有进一步探讨博彩型收益时变性的原因，只是一种与股市周期的相关性描述。那么，这种时变性是源于风险的变化，还是投资者自身心理模式的变化，还有待探讨。

博彩型收益的存在性主要可以利用传统金融学的“风险-收益”和行为金融学的投资者行为两种视角来解释。为了清晰地展现中国股市博彩型收益的时变特征及其成因，本文首先分别利用马尔科夫区制转移模型和投资者情绪指数将股市状态进行不同的划分，并在此基础上探讨这些特征究竟源于风险变化，还是投资者情绪的变化。

本文的主要贡献在于：首先，在目前研究已经证实博彩型收益存在性的基础上，进一步深入分析博彩型收益的时变性；其次，利用马尔科夫区制转移模型划分股市不同阶段，而不是使用简单的事后主观划分方法，并且能够更好地体现中国股市的非线性特征，进而更准确地刻画博彩型收益的时变特征；第三，从传统金融学和行为金融学两种理论视角出发，对比探究博彩型收益时变性的原因，为相关理论提供新的经验证据。

二、实证指标与样本数据

(一)博彩型股票的识别指标

根据已有研究，目前常用的博彩型股票识别指标主要有最大日收益率、特质偏度、特质波动率、股票价格、换手率、预期特质偏度，以及两种分别由股价、特质偏度、特质波动率和股价、最大日收益率、换手率构成的复合指标。根据崔惠颖和王志强(2016)[7]的研究发现，对于中国股市而言，最具直观性的最大日收益是最优的博彩型股票识别指标，而分别由股价、特质偏度、特质波动率和股价、最大日收益率、换手率构成的复合指标，以及特质偏度也具有一定的识别能力。因此，本文选择这四种指标作为识别博彩型股票的依据。

它们的具体计算方法如下：

1.最大日收益率(MAX)

国外文献通常将某月内的单日最大日收益率作为MAX，而国内文献通常使用月内3个最大日收益率之和或均值来计算MAX[2，5]。这是因为，我国股市存在涨跌停制度，单日MAX可能无法充分体现股票特征。本文采用上一个月3个最大日收益率的平均值来计算MAX。从理论上看，MAX越大，则股票的博彩特性越强。

2.特质偏度(IS)

它是股票收益偏度的非系统性部分，可以作为单一指标或复合指标的一个维度。行为金融学认为IS会影响股票价格，并且反映了投资者的博彩动机，即IS越大，则股票的博彩特性越强。从经济直觉上，MAX与IS具有一定联系，因为高IS意味着该股票收益具有较大正偏性，人们预测该股票大涨的概率较高，而高MAX正是这一正偏性的直接表征[2]。

为了计算股票的IS，需要先进行式(1)中的Fama-French三因子回归①：

ri,d-rf,d=αi,d+βMKT,d(MKTd-rf,d)+βSMB,dSMBd+βHML,dHMLd+εi,d

(1)

其中，ri,d是股票i在第d日的收益率；rf,d是第d日的无风险利率；αi,d是股票i在第d日的回归常数项；MKTd、SMBd和HMLd分别是第d日的市场投资组合收益率、基于公司规模的投资组合收益率和基于账面市值比的投资组合收益率；βMKT,d、βSMB,d和βHML,d分别是股票收益率对三因子的回归系数；εi,d是股票i在第d日的回归残差项。

已实现的特质波动率IVi,t和特质偏度ISi,t分别按照式(2)和式(3)计算：

(2)

(3)

其中，S(t)表示计算期内的交易日集合，N(t)表示S(t)集合中交易日的天数。本文采用t-6到t-1共6个月的日收益率数据，根据式(2)和式(3)计算t月的特质波动率和特质偏度。

3.复合指标Com1(股价、特质偏度、特质波动率)

使用由Price、IS和IV构成的复合指标Com1的理由是，IV大的股票，其市场表现更活跃，更可能出现高收益。另外，投资者往往喜欢进行廉价赌博，所以倾向于购买价格较低且波动较大的收益正偏股票。因此，一般将Price最低、IS最高且IV最高的股票识别为博彩型股票。其中，Price为t-2月末的股票价格，以避免t-1月末股价可能产生的微观结构因素及我国股市涨跌停板对衡量指标的影响[8]。其余各维度指标的计算方法如上文所述。

4.复合指标Com2(股价、最大日收益率、换手率)

使用由Price、MAX、Turn构成复合指标Com2的理由与Com1基本相同，只是使用计算更为简单、更具直观性的MAX、Turn分别替换了计算复杂的IS和IV。因此，一般将Price最低、MAX最高且Turn最高的股票识别为博彩型股票。其中，换手率的计算方法为：换手率=每月的交易股数/每月的流通股数，本文采用上一个月的换手率。

(二)博彩型股票指数(Lottery Stock Index，LIDX)与分组方法

为了便于比较单一指标和复合指标对股票博彩特性的识别结果，本文参照Kumar等[9]构造了博彩型股票指数(LIDX)。该指数的取值标准化为0-1之间，可以更清晰准确地表示各股票博彩特性的强弱。

对于单一指标，以MAX为例，每个月都将所有股票按MAX从低到高进行排序并分为20组，记为R=1，2，…，20。那么，各股票以MAX为识别指标的博彩型股票指数(LIDXMAX)为：

LIDXMAX=(R-1)/(20-1)

(4)

对于复合指标，例如，以Com1为识别指标时，每个月先按照Price从高到低将所有股票排序并分为20组，记为RP=1，2，…，20；再按IS从低到高排序并分为20组，记为RIS=1，2，…，20；最后，按IV从低到高排序并分为20组，记为RIV=1，2，…，20。那么，对于每只股票，按三个维度分别分组后，R=RP+RIS+RIV=3，4，…，60。那么，各股票以Com1为识别指标的博彩型股票指数(LIDXCom1)为：

LIDXCom1=(R-3)/(60-3)

(5)

该指数的取值介于0-1之间，其数值越大，则股票的博彩特质越强，0表示该股票不具有博彩性，而1表示该股票具有最强的博彩特征。本文在具体分析中，每个月均将股票分别按各指标下的LIDX值由小到大分为五组，第一组定义为非博彩型股票(no-Lottery)，第五组为博彩型股票(Lottery)，其余三组为其他股票。

(三)样本选择与数据来源

为避免涨跌停板制度的实施对研究结论的影响，以及由于识别指标的计算需要，本文使用的样本为从1999年3月开始，共计197个月。由于ST、PT、复牌和首日上市股票的涨跌幅限制不同于正常交易的股票，因此，本文剔除了样本期内这四类股票的观测值。另外，本文还剔除了每月交易次数不足15天的数据以及交易月份不足6个月的股票数据，以保证识别指标估计的有效性。

本文还将涉及与投资者情绪相关的数据，如新增A股开户数、消费者信心指数、市场市盈率、市场换手率、宏观经济景气指数等。其中，新增A股开户数、市场市盈率、市场换手率、我国股市流通市值加权的Fama-French三因子数据以及无风险收益率数据来自锐思金融研究数据库(RESSET)。消费者信心指数和宏观经济景气指数取自中经网统计数据库。其余数据均来自国泰安CSMAR系列研究数据库。投资者情绪指标采用Baker和Wurgler(2006)[10]的主成分分析法进行构建。

三、相关模型设定

(一)划分股市“风险-收益”状态的模型设定

1.模型介绍

本文采用两状态(two-state)的马尔科夫区制转移模型。根据Hamilton(1989)[11]的思想，马尔科夫区制转移形式的股市t期收益率模型可以表示为：

(6)

马尔科夫区制转移模型与一般虚拟状态变量回归不同，前者将状态变量视为无法观测的，不能事先设定，而是假设状态的变化服从一阶马尔科夫链，更具客观性；后者则将不同时期的虚拟变量取值进行了事先设定。由状态转移概率pij=P(St=j|St-1=i)来表示从时刻t-1的状态i转移到时刻t的状态j的概率。不同状态之间的转移概率可以用转移概率矩阵P表示：

(7)

同时，根据转移概率，可以计算各区制的持续期(duration)，即各区制持续的时间长度。具体计算方法为：

D(St)=1/(1-pij),fori=j(i,j=1,2)

(8)

2.模型参数的估计

本文旨在利用马尔科夫区制转移模型划分中国股市的市场周期，而划分的依据是市场的收益率和波动性表现。因此，本文对上证综指的月度收益率序列rt进行两状态的马尔科夫区制转移模型的估计，而未包含解释变量Xt。于是，上述模型简化为：

(9)

本文对系数的估计采用Hamilton的极大似然估计法，模型(9)的对数似然函数为：

(10)

(11)

即为各状态似然函数的加权平均，权重为状态概率。根据Hamilton的思想，每个状态的滤子概率可以基于已有信息进行计算。给定初始值和t-1期信息，每个状态的滤子概率(filter probabilities)可以通过迭代计算得到：

(12)

其中，pji是状态转移概率，已包含在t-1期信息中。利用新信息通过贝叶斯法则得到区制转移的滤子概率为：

P(St=j|It)=

(13)

进而可以计算模型的对数似然函数：

(14)

最大化式(14)即可得到模型的参数估计值。

除上述滤子概率之外，区制转移概率还包括平滑概率(smoothed probabilities)。滤子概率值使用了同期信息，而平滑概率可以改善估计效果，这是因为平滑概率使用了全部时期的信息。平滑概率的计算公式为：

(15)

本文将使用平滑概率对中国股市的周期转换进行刻画。

(二)划分情绪状态的模型设定

1.投资者情绪指数的构建

本文沿用Baker和Wurgler(2006)[10]、易志高和茅宁(2009)[12]等研究的思想，构建投资者情绪的月度复合指标。不过，易志高和茅宁(2009)[12]选取的单一指标存在一些局限性，如IPO发行量和首日收益率数据不具有连续性，个别年份连续多月没有数据。又如，很多研究发现封闭式基金折价并不是合适的投资者情绪指标[13-15]。综合考虑多种指标的适用性、有效性和可得性，最终选择了新增A股开户数、消费者信心指数、市场市盈率和市场换手率等四个单一指标来构建复合情绪指标。

(1)新增A股开户数。该指标体现了场外人群的市场情绪。由于本文的样本主要针对A股市场，故选择新增A 股开户数。该指标越大表示市场情绪越高。

(2)消费者信心指数。虽然从理论上来说，投资者信心指数应该比该指标更好地反映资本市场投资者的情绪变化，但其数据发布较晚[12]。另外，很多研究表明消费者信心指数也能够较好地衡量投资者情绪[12，15-16]，因此本文选用了消费者信心指数。

(3)市场市盈率。该指标体现了市场估值水平的高低，也间接地反映了投资者情绪的变化。因此，本文将A股平均市盈率作为投资者情绪的指标之一。

(4)市场换手率。与新增开户数相对应，市场换手率是场内投资者情绪的体现。该指标越大，说明股市交易越频繁，市场情绪水平越高。本文使用的是A股市场流通市场加权的月度换手率。

在上述四种单一指标的基础上，采用主成分分析法构建复合情绪指标，具体方法如下：

(1)由于不同单一指标对投资者情绪的反映可能存在时间上的“提前”与“滞后”关系[10]，本文对4个指标及其滞后变量进行主成分分析，初步构建一个含有8个变量的投资者情绪指数sent0t。主成分分析严格遵守累计方差解释至少达到85%的标准。结果显示前3个主成分的累计方差为87.27%，超过了85%。因此选取前3个主成分进行加权平均得到情绪指数sent0t。

(2)分析情绪指数sent0t与4个变量及其滞后变量的相关性。根据各变量与sent0t的相关性大小，筛选出每对当期变量与滞后变量中相关性较大的一个，作为构建复合情绪指标的最终单一指标。sent0t与4个变量及其滞后变量的相关系数如表1所示，最终选出的4个单一指标是Opent-1、CCIt-1、Turnt-1、PEt。

表1 sent0t与8个变量的相关性分析结果

(3)鉴于股票市场中的这些变量可能会受到宏观经济的影响，本文在构建最终的投资者情绪时，需要剔除这一影响。有些研究选取的宏观经济变量包括消费价格指数、工业品出厂价格指数、工业增加值和宏观经济景气指数，并对这些变量进行正交化处理。不过，从指标含义来看，宏观经济景气指数的计算中已经考虑了生产和消费的影响[15，17]。因此，本文采用宏观经济一致景气指数作为经济基本因素的代理变量。将所选取的4个变量分别对宏观经济一致景气指数进行回归，再对所得到的残差序列进行主成分分析，最终得到投资者情绪指标sentt。根据主成分分析结果，前3个主成分的累计方差解释已经达到90.38%，超过了85%。因此，选取前3个主成分进行加权平均得到情绪指标sentt。

2.不同情绪期经Fama-French三因子调整的异常收益

为了获得不同情绪期下博彩型股票、非博彩型股票和其他股票的异常收益率，本文使用的变量是原始收益率经Fama-French三因子调整后得到的估计值α：

Ri,t-Rf,t=αHdsentt+αL(1-dsentt)+βRM-Rf(RM,t-Rf,t)+βSMBSMBt+βHMLHMLt+εi,t

(16)

本文将sentt大于样本期内情绪指数中位数的月份定义为“高投资者情绪时期”，将其余时期定义为“低投资者情绪时期”。由虚拟变量dsentt表示，在高情绪期，dsentt等于1，在低情绪期，dsentt等于0。

四、实证结果分析

(一)不同股市“风险-收益”状态下的博彩型收益

对上证综指的月收益率序列进行了不包含解释变量Xt的两状态马尔科夫区制转移模型估计，结果如表2所示。从表2可以得到如下几点结论：(1)均值μst的估计值表示了各区制的平均收益率，区制1和区制2的值分别为0.0327、-0.0013。这说明区制1的平均收益率为正，区制2的平均收益率为负。因此，区制1与股市牛市相对应，而区制2与股市熊市相对应。(2)从模型残差的波动率σst来看，区制1的波动率为0.1178，区制2的波动率为0.0559，前者高于后者。结合区制1和区制2分别对应着牛市和熊市，可见在中国股市中，牛市的收益波动高于熊市的收益波动。这一结论与朱钧钧和谢识予(2010)[18]、黄芬红(2015)[19]的研究一致。(3)区制1的持续期短于区制2的持续期，再次验证中国股市“牛短熊长”的特点。(4)两个区制的维持概率均在95%以上，这说明两个市场状态都具有较高的稳定性。

表2 市场收益的马尔科夫区制转移模型估计结果

据此，本文将整个样本区间划分为两部分，分别对应牛市和熊市，并在此基础上，对比分析博彩型收益的强弱程度。具体分析结果见表3。

依据博彩型收益的定义，表3是按4种指标识别出博彩型股票、非博彩型股票和其他股票之后，计算了各类股票经过Fama-French三因子调整后的异常收益率表现。可以发现：(1)无论在何种指标下，无论在区制1还是区制2，博彩型投资组合均获得负异常收益，非博彩型投资组合均获得正异常收益，且多空投资组合(T1-T5)获得正异常收益。(除IS指标下的区制1和Com1下的区制1存在不显著情况外。)(2)在4种识别指标下，博彩型投资组合在熊市中的异常收益低于其在牛市中的表现。同时，多空投资组合(T1-T5)在熊市获得更高的正异常收益。可见，从异常收益的角度，博彩型股票在熊市中具有更强的博彩特性。(3)不同指标下，不同区制中的异常收益差存在一定差异。具体而言，MAX和Com2识别出的不同区制之间的异常收益差异更为明显。这说明从异常收益的角度看，MAX和Com2识别出的股票博彩特性对市场情况的变化更为敏感。

上述结论说明当市场状况较差时，博彩型收益会更加突出。由此可见，中国股市的博彩型收益具有时变性，并且与市场走势相反。由于本文所分析的是博彩型股票的未来一期的收益率情况，因此，这意味着在前一期为市场状况较好的情况时，投资者更热衷于追求收益正偏的博彩型股票。这加剧了博彩型股票价格被高估的程度，从而导致博彩型股票在后期获得更低的异常收益。

表3 博彩型收益在两个区制中的强弱表现

(二)不同情绪状态下的博彩型收益

在划分不同的股市“风险-收益”状态之后，本文继续划分不同的股市情绪状态，进而分析不同情绪状态下博彩型收益的强弱程度。依据博彩型收益的定义，表4是按4种指标识别出博彩型股票、非博彩型股票和其他股票之后，计算了各类股票经过Fama-French三因子调整后的异常收益率表现。鉴于各指标的识别效果，此处只列示了识别指标为MAX和IS的结果。

由表4可以发现：(1)无论是博彩型股票、非博彩型股票，还是其他股票，它们在高情绪期之后的异常收益率普遍低于低情绪之后的异常收益率。以MAX指标为例，从全部样本股票来看，也是如此。在低情绪期之后，股票在样本期内获得了0.30%的正异常收益；在高情绪期之后，股票在样本期内获得了-0.10%的负异常收益。这是因为，若前期情绪高涨时，投资者对股市普遍持有乐观预期。投资者的乐观情绪将激发股票价格的上涨，当情绪需求下降之后，股票收益也会下降。若前期投资者情绪较低，则股票收益会有相反的变化。

(2)第3列和第7列显示，无论在何种情绪期之后，博彩型股票都获得负异常收益，而非博彩型股票都获得正异常收益。另外，对比“T1-T5”在不同情绪期之后的表现可知，在高情绪期之后，博彩型股票与非博彩型股票的收益率差异更大。

(3)考察不同情绪期后，各类股票的收益变化情况。以最优识别指标MAX为例，非博彩型股票在不同情绪时期的异常收益率变化很小，分别为0.59%和0.60%，差异并不显著。与非博彩型股票相比，博彩型股票在不同情绪时期的异常收益率变化较大，博彩型股票在高情绪之后的收益率远远小于低情绪期之后的收益率。博彩型股票在高低情绪期之后的异常收益率分别为-1.12%和-0.59%，差异达到0.53%，十分显著。这表明博彩型收益在高情绪期之后更加明显。

表4 投资者情绪与组合异常收益率

(三)对比分析

本文基于股市的“风险-收益”和情绪状态，对博彩型收益进行了时变性分析。对比表3和表4，可以得到如下特点：

第一，无论是基于“风险-收益”，还是投资者情绪对股市状态进行划分，都发现博彩型收益具有明显的时变性。具体而言，博彩型收益在牛市和高情绪期之后更为明显，而在熊市和低情绪期之后相对较弱。初步来看，博彩型收益的时变性可能源于投资者理性预期的变化，也可能源于投资者的非理性情绪需求的变化。当然，也有研究认为股市牛熊市的变换本身也在一定程度上反映了投资者情绪的变化[12]，因此两种之间的博彩型收益变化有相似的趋势有一定的合理性。

第二，使用不同指标所识别出的博彩型收益，在各“风险-收益”状态和投资者情绪状态下的差异也有所不同。对比指标MAX的表现，不同“风险-收益”下的博彩型收益与其他类型股票收益的差异要远大于不同情绪状态下的收益差。这意味着，虽然股市牛熊市变换与投资者情绪变化有一定的联动性，但对投资者博彩行为和收益的影响还是有本质区别的。虽然指标IS的表现则没有MAX如此明显，但也依然具有相同的规律。

第三，博彩型收益应主要源于投资者的非理性所导致的博彩型股票误定价。由于指标MAX和IS的检验结果均显示博彩型收益在经过情绪调整后的变化明显降低。这说明投资者情绪可以解释大部分的博彩型收益，博彩型收益主要源于投资者的非理性因素，而非股市风险的变化。特别是从最优识别指标MAX来看，这一结论更加显著。从行为金融学角度解释博彩型收益的两篇经典文献分别是Brunnermeier等(2007)[20]、Barberis和Huang(2008)[21]。前者认为投资者的乐观信念导致了其对正偏性资产的偏好。由于偏度偏好，投资者高估具有收益正偏性特征的博彩型股票，最终导致博彩型股票获得负异常收益。后者认为人们高估小概率事件发生的可能性，这导致人们热衷于追求小概率的巨额收益，从而表现出偏度偏好和博彩行为，并导致博彩型股票获得负异常收益。而投资者情绪既可以反映Brunnermeier等(2007)[20]所分析的投资者的乐观信念，也会影响Barberis和Huang(2008)[21]所论述的投资者对小概率事件发生可能性的主观估计。也就是说，投资者情绪可以表征产生偏度偏好的投资者心理和行为偏差。而本文的结果也表明投资者情绪会影响博彩型股票价格被高估的程度，进而影响博彩型收益的产生。

五、结论与讨论

本文采用马尔科夫区制转移模型和投资者情绪指数划分不同市场状态，考察中国股市博彩型收益的时变性。结果表明，博彩型收益具有明显的时变性，在牛市和高情绪期之后的博彩型收益更为明显，而在熊市和低情绪期之后相对较弱。指标MAX的检验结果比IS的结果更为明显。同时发现，博彩型收益应主要源于投资者的非理性所导致的博彩型股票误定价，而非市场风险状态的变化。

鉴于中国股市的自身特点，本文认为中国股市博彩型收益具有如上特征的时变性，主要源于以下几个原因：(1)根据已有研究，MAX是适用于中国股市的最优博彩型股票识别指标，因此应该MAX的检验结果更具有说服力，更能够体现中国股市博彩型收益的时变特征。而本文也发现MAX的检验结果更为明显。这也再次说明，相比于发达市场投资者，中国股市投资者更偏好短线操作，数据分析能力有限，博彩偏好更强。由前文可知，指标IS的计算非常复杂，缺乏操作直观性，需要较大样本量。这也可能导致了在IS指标下，情绪状态与“风险-收益”状态下的收益差不明显。而MAX更符合中古投资者博彩心理和选股习惯。(2)博彩型收益具有明显的时变性反映出中国股市投资者的投资观点和行为具有较大的波动性，非理性特征明显。这也能够用以解释已有研究所发现的中国股市博彩型股票的持续性弱于欧美发达市场[6]。(3)中国股市错误定价现象明显。虽然中国股市已经开始引入一些卖空机制，但投资者的卖空机会依然很少。这就导致股票价格更多地反映了乐观投资者的信念，而无法体现投资者的悲观态度。同时，机构投资者占比仍有待提高，其稳定市场的能力也有待提升。在这样的背景下，投资者的博彩偏好很容易导致股票的错误定价，其时变性也将加剧股市的波动性。

综上所述，中国股市博彩型收益的存在性和时变性应引起学术界和实践者的关注。针对中国股市和投资者自身的特殊性，应更准确地研究和缓解中国股市的博彩行为，提高市场有效性，降低股市风险。

注释：

① 根据吴世农和许年行(2004)等研究表明，Fama-French三因素模型比CAPM模型可以更好地解释我国市场股票横截面收益的变化，而Fama-French四因素模型中的动量因子期限还存在一定争议，故本文最终选择Fama-French三因素模型。