流动性风险的模型刻划与中国股市实证分析，本文主要内容关键词为：实证论文,流动性论文,中国论文,模型论文,股市论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
流动性是股票市场中比较重要的概念之一，对它定义很多，简单地说，流动性就是以合理价格迅速成交的能力(Schwartz(1990))（注：例如，O'hara(1995)定义流动性为立即完成交易的价格；Glen(1994)把流动性界定为迅速交易成功且不造成大幅价格波动的能力；Amihud and Mendelson(1989)认为流动性是在一定时间内完成交易所需的成本，或者是寻找一个合理成交价格所需要的时间。）。有关定义在本质上都是一样的，区别仅仅在于刻划的角度不同而已，就好像国际竞争力研究中的“钻石”理论，从不同的侧面都可以反映一个概念的本质。其实反映流动性的角度主要有三个，首先是什么是迅速成交，这指交易的即时性(immediacy)，反映如果投资者有买卖证券的意愿且出价合理，能否可以很快达成交易；第二，如果要求立即交易，那什么是合理的交易价格？这是流动性的市场宽度(market width)含义，一般而言，如果投资者可以接受任意交易价格，那肯定可以立即达成交易，所以流动性越差，交易的价格就越不利。最后是在可接受的交易价格上，能够完成立即交易的证券数量有多少？这是流动性的市场深度(market depth)概念，显然，交易量越大，反映市场流动性越强（注：有的文献认为刻划流动性还有一个角度：弹性，表示一定数量的交易导致价格偏离均衡水平后能够恢复的速度，有时这四个角度也称为流动性的四个维度。Harris(1990)提出流动性应包括这四个维度；Kyle(1985)把流动性分解成密度(tightness)，深度和弹性三个维度。）。
正如Admati and Pfleiderer(1988)所说，“流动性是证券市场的一切”，股票市场上的流动性既为投资者提供了转让和买卖股票的机会，也为筹资者筹集资金提供了必要条件。从更宽泛的意义上说，市场流动性的增加不仅保证了金融市场的正常运作，也促进了整个经济系统中资源的有效配置乃至最终的经济增长。所以我们可以将流动性作为股票市场背后一个经济影响因素，作为一个市场因子，它影响整个市场平均收益，也影响每只股票的市场平均收益。
如果将流动性纳入到因子模型，我们只有寻找其合适的因子替代变量，这些替代变量无疑就是那些刻划流动性的统计指标，目前已有大量文献讨论了如何从上述三个角度去刻划流动性，也提出许多很好的指标。但有意思的是，把这些指标结合因子检验模型考虑的研究却非常少，Amihud and Mendelson(1986),Eleswarapu and Reinganum(1993)、Brennan and Suhrahmanyam(1996)是仅有的几篇具有代表性的文献。他们都在日内数据分析的基础上，利用微结构模型来刻划流动性，再将结果代入适合较低频数据的因子检验模型中分析（注：从计量分析角度来看，这几篇文献也很好地揭示如何将高低频数据进行结合研究，目的这种计量分析方法已经越来越受到重视，如Andersen(2000,2001)讨论了如何不依赖参数模型，直接利用日内数据计算较低频收益率的波动率。）。其实在日或更低频的数据上，完全可以不依赖微结构模型进行流动性刻划，比如各种流动性比率，但日前还没有文献去作这方面指标的分析，可以说，这是一个非常具有研究价值的领域。
一、日内流动性风险溢价计算框架
讨论流动性刻划的文献非常多。刘逊(2002)比较全面地总结了这方面的研究成果（注：尽管文章中对一些模型理解值得商榷，但该文的确非常全面系统地总结了有关流动性方面的研究工作。），讨论流动性的文献几乎都是属于微结构领域，分别从上述三个角度进行研究。Biais et al(2002),Madhavan(2000)是目前较好的两篇有关这个领域的研究综述。
在微结构研究中，由于主要针对美国证券市场，交易制度被设定为做市商制度，这样已有的一些流动性刻划模型就不能直接应用到中国市场。我们使用的模型就是在Hasbrouk-Foster-Viswanathan模型（后面简称HFV模型）的基础上改进而成的（注：我们拓展这个模型是受到Brennan and Subrahmanyan(1996)启发的。），HFV模型首先是由Hasbrouk(1991)提出的，然后由Foster and Viswanathan(1993)年加以拓展形成目前的HFV模型。他们利用交易量和买卖报价数据来定义一个流动性指标λ。具体模型为：
在HFV模型中，系数L就是流动性刻划指标，显然它越大，流动性就越差。由于我们没有报价数据，只有每笔成交数据，再加上中国不是做市商的交易机制，所以严格来说，我们下面的模型是基于HVF对中国股市实际情况的一个调整模型。
首先我们将考察期内的每笔交易数据做一个预处理，即将价格相同的联系交易进行合并，形成一次交易数据，交易时刻取最后一笔交易，交易量取合计交易量。我们这么做的目的在于减少数据病态程度，并有利于构造趋势指示变量。显然调整后的数据依然是不等间隔的。
其次定义一个趋势指示变量
，来反映连续增长或下跌趋势，引入这个指示变量主要在于刻划价格变动中自相关作用。当然可以直接用AR项来刻划，但实证效果不好。
我们的模型与HFV模型的区别是明显的，最重要的一点就是我们利用了量价关系和交易间隔两个角度来刻划流动性，实际上这个模型已经全部包含了流动性的三个维度因素。
这里我们需要对指标L略加解释，L越大，反映流动性越差，因为每个单位交易量和交易间隔带来的价格变动就越大。如果我们以每天交易作为一个考察期（注：即使我们对数据进行合并处理，一般每天合并后交易数据也足够可以计算上述模型的参数了。），这样就可以计算出每天的L，从而形成一个时间序列
，将所有市场股票的流动性等权平均，则形成了市场流动性序列
，后面我们将利用这个序列进行计算。
二、中国股市的实证结果分析
在相关研究中（注：可参见郭兴义(1993)。），我们针对中国股市的实证研究，提出了相应的四因子时序回归模型，这里我们直接利用这类模型进行流动性风险溢价的研究。
因子时序回归模型：
稍微谈一下这两个模型的估计方法问题。因子时序回归模型一般都是用OLS估计，不过一般用Newey-West统计量来调整估计标准差。由于我们用于计算流动性的交易数据有限，这里不可能使用SUR估计，本文将使用GMM方法来估计所有的模型。
首先，我们有目的挑选了40只不同交易活跃程度的股票进行实证研究，并且尽量使得它们的行业分类和流动盘比率分散。首先我们对2001年这40只股票的全年交易数据进行合并整理，然后分别计算每天的每只股票的流动性指标L，再利用上述的因子模型进行计算流动性风险溢价
。
限于文章篇幅，这里我们只给出两个实证结果。第一，用2000年7月3日～2000年12月29日半年日内交易数据，计算出40只股票的日流动性指标L，再按照平均L值大小，对40只股票进行排序，划分成5个股票群。然后分别对这5个股票群进行2001年的实证分析，将2001年以7月2日为界划分成2个时间段，我们知道这两端基本上是两种不同形态的走势，前者是振荡上行，后段直线下降。通过计算这5个股票群的L值，CAPM和四因子模型的参数，来检验L指标的稳健性和相应的定价性质。具体结果列入表1（表略，见原文，下同）。
表1中反映的内容非常丰富、这里仅讨论一些主要论点。首先我们知道2001年的前面半年基本上是两种不同趋势市场，从2月22日到6月29日，上证综指从1907点一直上行至2218点，而从7月1日到11月13日大盘逆转直下，从2205点下挫到1615点，跌幅之大令人咋舌！这两段行情给我们研究流动性风险提供了绝好的市场数据。
从流动性指标L来看，2001年上半年依然延续前后分组的流动性大小顺序，也就是说，流动性好的股票市场表现依然良好，而差的股票基本上还是流动性很差，重要原因在于2001年上半年行情继续延续了以前的市场走势。但下半年的情况就大不相同了，L已经全部为负值，而且绝对值也都大于上半年的L值，说明整个市场流动性变得非常坏了，个股流动性在小跌行情中也呈现分化趋势，比如股票群3变成了最没有流动性的股票群，L值为-5.89。其次四因子模型明显可以消除CAPM模型的定价误差。从两段行情的拟合效果来看，四因子模型中α值全部通过检验，而CAPM模型中α值都还是显著的（注：值得指出的是，本文这里的α值检验仅仅是回归模型中参数估计的t检验，由于我们只用了40只样本股票，所以不可能进行全市场的定价检验（如GRS检验等），但t检验还是可以反映我们引入因子的定价作用，当然这种作用也可以通过其相应的β值加以表示，限于篇幅，本文从略。）。最后从流动性指标的β值来看，有两个特征：一是随着L值的增大，其流动性风险暴露头寸β也不断增大；二是下跌行情中的β比上升行情更大，反映下跌行情中股票更易受到流动性风险的影响。
第二，因为只用到了40只股票，我们仅能给出一个全市场流动性风险溢价的初步估计，但这个估计已经具有较强的经济含义了。表2（表略）给出估计的结果。
从表2中可以看出，不同涨跌态势下的市场流动性风险经济意义明显不同，特别在2001年下半年市场大跌情况下，流动性风险成为市场主要的风险形式，这段时间内市场交易量没有特别放量，只有8个交易日成交量超过100亿，其中2个交易日超过150亿，分别在第一次下行探底的10月23日和24日。
从日收益角度来看，如果用CAPM模型计算市场流动性风险溢价，2001年上半年为0.021%，下半年为-0.045%，如果用四因子模型计算的话，两者的绝对值都有所降低，2001年上半年为0.018%，而下半年为-0.042%，如果考察不同股票群之间的流动计风险收益情况，我们用流动性最差和最好的股票群之间进行比较，发现两者存在显著差别。最后我们考察一下流动性收益在总收益中比例，发现上涨市场时，大约为20%，并不太多，但到了下跌行情时，比例达到40%左右，说明这是影响股票收益最重要风险之一就是流动性风险，这就给投资者提出了如何防范流动性风险的课题，特别在中国市场，由于没有衍生对冲产品，市场只有做多才能获利，这样如何金融创新进行流动性风险防范就更有意义了。