中国证券市场A股和B股价格发现效率的实证研究，本文主要内容关键词为：股价论文,中国证券市场论文,效率论文,实证研究论文,发现论文，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。
一、引言
证券交易机制是指证券价格的形成过程，其主要功能在于将投资者的潜在需求转化为现实的价值和成交量；在这一转化过程中，价格发现，即找出市场出清价格的过程是关键。不同的交易机制在价格发现过程中所起的作用是不同的。下面简单介绍一下世界金融市场上主要采用的交易机制。
一般地，对交易机制分为连续交易系统(Continuous Trading System)和定期交易系统(Periodic Trading System)。在连续交易系统中，投资者的交易指令在提交后就可能马上被执行，其特点是可能在不同的价格上发生一系列的双边交易。连续交易系统又可进一步细分为撮合系统(Matched System)和交易商系统(DeaIership System)。而在定期交易系统中，投资者的交易指令被收集起来，等待在预先给定的时间同时执行。定期交易系统的特点是在同一价格上发生一组多边的交易。因此，定期交易也被称为集合竞价(Call Auction)或批量市场(BatchMarket)。定期交易系统又可进一步分为公开叫价系统、书面指令系统、连续市场的开市批量交易系统。对交易机制的另外一种有效划分为报价驱动系统(Quotation-drivenSystem)和指令驱动系统(Order-driven System)。
目前，我国证券交易所的A股和B股市场开盘都采用集合竞价，之后进入指令驱动型的电子撮合(Electronic Matched)交易制度。该交易制度的特征概括为：(1)交易的连续性；(2)限价指定簿(Limit Order Book)汇集所有投资者递交的指令和交易活动；(3)自动电子撮合。在该制度下，投资者在我国证券市场上通过指令买卖证券时，必须要找到准备买入或卖出的交易对方，而且数量和价格必须合适，才能成交。在电子撮合系统下，没有指定的专门的流动性提供者而是通过投资者所递交的限价指令来提供的。我国B股市场的设立初衷是向境外公民开放(Foreign-only Share)，但在2001年2月19日后，B股也对本国公民开放。
本文就是研究这种限价指令下的股票价格发现机制。我们考察同时在上海证券交易所上市的A股和B股两类股票，来分析他们的价格发现效率(Efficiency of Price Discovery)。
二、方法
我们要用的实证检验方法是建立在下面的理论模型基础上。这个模型最早由Amihud和Mendelson(1987)提出来的，本文在Amihud-Mendelson模型的基础上，给出了一个实证检验的模型。下面我们简单阐述一下这个模型。
1.噪声交易和对新信息的调整
Amihud和Mendelson(1987)提出了下面的价格行为模型，即
Pt=γV[,t]+(1-γ)P[,t-1]+u[,t] (1)
公式(1)中，Pt代表证券在时间f的观测价格，Vt代表证券在时间t的内在价值。这里Pt和Vt都取对数形式。γ为调整系数。｛U[,t]｝为白噪声序列，均值为0，方差为σ[2,u]。从公式(1)中可以看到，在t时刻的观测价值P[,t]是t时刻的内在价值V[,t]和，t-1时刻观测价格P[,t-1]的一个权重平均。当γ=1时，表明价格完全调整，即 P[,t]=V[,t]+u[,t]
当，γ=0时，表明价格没有对价值作出调整，即价格的对数形式服从一个随机游走过程，
P[,t]=P[,t-1]+u[,t]
按照传统的观点，内在价值｛V[,t]｝服从一个带漂移(Drift)的随机游走过程，即
V[,t]=m+V[,t-1]+e[,t]
m代表预期的价值收益，｛e[,t]｝是均值为0，方差为σ[2,e]的随机变量，独立于。由(1)和(2)式，我们得到 V[,t]-P[,t]=(1-γ)m+(1-γ)(V[,t-1]-P[,t-1])+(1-γ)e[,t]-u[,t] (3)
对(3)式利用回归递推得：
从公式(5)中可以看到：0＜γ＜1时，P[,t]＜V[,t]股价低估了内在价值γ=1时，pt=Vt，股价对内在价值完全调整；1＜γ＜2时，P[,t]＜V[,t]，股价对内在价值过度反应，高估价值。
在公式(1)和(2)的基础上，如果将观测收益定义为：
R[,t]=P[,t]-P[,t-1]=γ(V[,t]-P[,t-1])+U[,t]
=γ(V[,t-1]-P[,t-1])+γm+γe[,t]+u[,t]
将公式(4)代入上式等号右边，得：
对公式(7)的两边取期望和方差，得： E(R[,t])=m
当=1时，γ=σ[2]=σ[2,e]+2σ[2,u]+2，即为公式(10)中的前两项，表明价格完全调整。当γ≠1时，σ[2,r]存在偏差，即为公式(10)中的最后两项，他们的产生是由1引起的。我们对调整系数的估计建立在三个假设之上：(1)V[,t]是i.i.d（独立同分布），服从随机游走；(2) 和 是独立的；(3)调整系统在研究时段内是一致的。这样，我们得到在交易间隔j下的收益方差为：
三、样本选取和数据处理
为了研究我国指令驱动交易机制下的股票价格行为的差别，我们从上海证券交易所上市交易的577只（截止2001年2月19日）A股中抽取30只既在A股上市又在B股上市的证券，作为样本进行研究。由于篇幅的限制，我们只列出5只个股的数据。我们选取的交易区间为1997年1月2日到2001年2月19日，共991个交易日。在后文的实证研究中，我们取的样本数据是上海证券交易所的收盘价（close-to-close，最后一笔成交价格），对于有除权情况的股票的收益，我们用下面的计算公式修正：
R[,i,]t=log((1+N[,i,]s+N[,i,p])P[,i,]t+C-N[,i,]p×P[,i])-log(P[,i,t-1])
其中，N表示股票i每股的送红股及公积金转赠股本数；N为股票i每股的配股数；Pi为配股价，C为每股派发现金额。
这样，我们得到了五个证券的A股和B股收盘收益序列，它们包含相同的交易期间。显然，改变样本股票价值的信息均被反映的R中。由于这两类股票均在相同的交易机制下进行交易，那么它们之间的差异同我们选取的样本有关系。我们就是要利用上述给出的模型来实证检验这种差异，当然这些差异也有可能反映了不同投资者下单策略的差异。
表1 两类股票收益的简单统计量
log Return %
Firm
Mean
Var
Skewness
Kurtosis
A[,1] 0.157 3.080
0.05 2.52
B[,1] 0.072 2.350 -0.04 1.42
A[,2] 0.175 2.540
0.25 2.52
B[,2] 0.182 2.290 -0.13 2.72
A[,3] 0.139 3.452
0.23 2.13
B[,3] 0.155 2.580 -1.02 10.01
A[,4] 0.001 3.779
0.03 0.57
B[,4] 0.002 2.480 -0.23 5.90
A[,5] 0.213 4.369
0.26 1.20
B[,5] 0.208 3.150 -0.17 0.86
注：Ai(i=1,2,…,5)表示为A股的产本股票，Bi(i=1,2,…,5)表示B股的样本股票。Mean和Var分别表示样本收益的均值方差。Skewness和Kurtosia分别为估计的偏度和峰度。
四、实证比较
从本文第二部分的分析可以看出，股票收益的随机特征受几个因素的影响：(1)新信息到达的影响，新信息会导致股票的内在价值的变化。从上文的公式(2)可以看到，随机变量充当了这一角色。(2)噪声交易和价格对价值的调整系数，也会对股票的收益产生影响。这个因素我们可以从公式(1)中明显看到，本文中用噪声交易序列ul和调整系数不表示。我们利用SPSS软件对股票进行了收益的计算，见表1。
从表1可以看到，A股的样本股票和B股的样本股票的收益均值无显著差异（用t-分布检验）。但对收益方差来说，则存在显著差异（用F-分布检验），A股的收益方差明显大于B股的收益方差。这表明A股的收益波动性要强于B股的收益波动性。这一点，在我们下面的讨论中还将进一步看到。另外，在表1中这两类股票收益的峰度3，表明它们的收益呈现“胖尾”的特征。而从收益的偏度来看，他们都偏离正态分布。A股证券的偏度SO，表明它右偏。B股证券的偏度S0，表明它左偏。
2.调整系数的实证检验
市场微观结构研究表明，价格偏差(Pricing Errors)的引起是由于交易价格的不连续、即时的流动性和噪声交易等因素导致的(Hasbrouck,1993)。表2就是利用我们上文给出的模型来分析这种价格偏差，我们用公式(13)来估计新信息的调整速度以及对收益波动性的影响。由表2我们看到B股的价格调整速度比A股速度快，这表明在我国这种指令驱动交易制度下，B股的价格发现效率是较高的。我们看到在我们选取的样本中，B股的价格调整系均值为1、073，而A股的价格调整的系数值为1、268，由于，表明这两类证券都对新住处的到来作出了过度反映(Overr-eact)，但是，B股证券的过度反映比A股要弱。
五、结论
表2 两类股票的价格偏差检验
Firm
Price AdjustmentPrice Adjustment Effect
Coefficientγ1on Return Volatility
A[,1]
1.204 2.52
B[,1]
1.109 0.238
A[,2]
1.069 0.282
B[,2]
1.007 0.235
A[,3]
1.205 0.551
B[,3]
1.427 0.525
A[,4]
1.070 0.002
B[,4]
1.436 0.263
A[,5]
1.122 0.778
B[,5]
3.94 5.77
注：表2的统计方法按照Amihud-Mendelson的理论模型和本文的实证模型（公式(13)），我们用调整系数γ来检验证券的内在价值和观测价格的差异，其中，0＜γ＜2，Ai,Bi(i=1,2,…,5)的定义见表。从公式(5)中看到，当γ=1时，价格对新信息完全调整，γ＞1时，价格对信息过度反应。我们遵循公式(10)对收益方差分解为四项：
其中，j=1,2,k,R,t和分别是交易间隔j和k的收益，γ为一天的调整系数。在这里我们设k=15。Kruskal-Wallis统计是非参数假设检验。从表中最后一行的统计检验来看，在显著性水平5%的情况下，两类股价对新信息都过度反应，并且A股比B股更显著。在显著性水平2%的情况下，两类股票的价格调整对收益方差的影响都显著，并且A股表现得更明显。
本文检验了我国证券市场上两类股票在指令驱动交易机制下的价格发现效率。研究表明，B股的价格发现效率比较好。通过比较这两类股票的收益分布，得到它们都表现为偏离正态分布，且有“胖尾”特征。进一步检验得出：由价格偏差而导致两类股票的收益波动性有显著差异，A股明显强于B股。这些结果表明，交易不活跃的股票在我国这种指令驱动的交易机制下，价格的波动程度比较小，有比较准确的价格定位功能。因此，我们的观点认为，我国现有的交易更适合于交易不活跃的股票。这类股票的价格发现效率比较高。从本文的实证研究表明，市场微观结构对金融资产价格的变动有着十分重要的影响。针对上文结果。我们建议对于活跃程度不同的股票，应该采以不同的交易机制。对交易活跃的股票，我们可以考虑借鉴美国MASDAQ的做市商交易制度，引进做市商。这样做市商能够提供一个有效的信息加工、传递和价格发现机制，从而减少价格的波动必性。
标签：股票论文; b股论文; 价格发现论文; 证券论文; 股票收益率论文; 中国证券市场论文; 样本方差论文; 方差公式论文; 投资论文;