涨跌停板制度下中国A、B股市场波动的动态变化，本文主要内容关键词为：涨跌论文,中国论文,股市论文,制度论文,动态论文，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。
1 研究背景
中国股票市场是通过价格涨跌限制来加强监管的。经过四年多的股票价格涨跌无限制的高波动时期后，1996年12月管理层引入10％的日收益率涨跌停板制度，意在压制过度投机。然而，在国外学术界对涨跌幅限制的实际作用却一直存在着激烈的争论[1～3]。支持者认为，涨跌幅限制可以稳定市场，制止股票市场上的过度投机，减少股价波动，从而有利于证券市场自身的健康发展。而反对者认为，信息只有在连续交易时才能广泛发散和传播，因此涨跌幅限制并不能降低信息的不对称性，相反却会阻碍新信息的扩散过程，从而增加信息的不对称性和噪声交易行为。
国内对涨跌幅限制的研究也开始受到重视，孙培源、施东晖使用沪、深股市的每日成交数据，就涨跌幅限制对价格和波动性的影响进行了实证分析。他们认为，涨跌幅限制并没有降低股价波动性和投资者的过度反应行为，相反却阻碍了均衡价格的实现过程和投资者的正常交易活动，其实际运作绩效与当初预想的目标存在较大偏差[4]。刘晓峰等则通过模拟实际股票市场运作，研究了涨跌停板制度对股市稳定性的影响。发现当市场规模比较小的时候，涨跌幅限制可以起到减少市场价格波动的作用；但是当市场规模比较大的时候，涨跌幅限制不但不能降低市场价格的波动，反而会加剧市场的不稳定[5]。
以上的研究多以统计描述的方式来研究涨跌停制度前后股价变动的差异，广度及深度皆有所不足。市场波动性的变化不仅仅是一个冲击的整体幅度，更关键的是冲击幅度的动态变化，即冲击的持续性是延长还是缩短，这才是效率市场的核心问题，即信息的效率性。故本文将以严格规范的波动率动态模型重新讨论以上问题。
严格地说，价格限制下的指数收益率分布与无限制下的收益率分布的特性是不同的。涨跌停板决定了资产收益率只能在一个有限区域，其对收益分布的影响不能通过截断无限区域的收益分布来获得，就此我们提出了一个基于混合β分布的波动率模型来描述涨跌限制下指数收益的条件分布，该模型也充分考虑了分布的厚尾性。
另外中国股票市场的一个最主要的特点是市场分割。除了不流通的国有股及国有法人股外，还有两种不同类型的股票在两个交易所交易，即A股和B股。A股用人民币计价，只针对国内投资者开放；B股是中国公司发行的境外外资股，以外币认购、买卖，在境内交易所交易。2001年6月1日前仅供境外投资者买卖交易，之后B股市场对国内外汇储蓄存款开放。但是由于人民币不能自由兑换，A、B股市场的投资者仍隶属于两个明显不同的群体，市场还是分割的。这种分割的市场结构产生了很多问题[6]，如B股与A股之间存在明显的价差，两个市场流动性、波动性差异很大，两个市场对一些交易制度安排的反应也不一样等。基于此，本文也将B股市场纳入我们的研究范畴。
2 数据说明
中国上海证券交易所和深圳证券交易所分别于1990年12月和1991年7月开始运作，考虑到市场的波动，早期实施了每日价格变化限制。1992年5月5日，每日1％的价格变化限制突然提高到了5％，至1992年5月20日，又取消了价格涨跌限制，致使许多股票价格在一天之内可以翻番。之后大约四年多的时间里没有任何价格涨跌限制，至1996年12月16日管理层又重新引入了涨跌停板制度。本文分析的数据包括上海A股指数、上海B股指数、深圳A股指数和深圳B股指数。统一数据样本期从1992年10月7日开始至2001年12月31日截止，以1996年12月16日为界划分为两个子样本，旨在比较涨跌限制对A、B股市场波动率的影响。为剔除2001年B股对国内外币储蓄存款开放这一重大事件的影响，涨跌停限制下的B股指数样本期仅取从1996年12月16日至2001年2月19日（2001年2月19日收盘后，发布了B股自2001年6月1日起对国内外币储蓄存款开放的消息）。本文数据来源为国内目前比较权威的学术数据库CASMAR。
3 条件分布的波动率模型
3.1 条件波动率模型及其扩展
众多实证发现资产收益率是非正态、非独立序列。一个最主要的表现此特征的工具是自回归条件异方差模型（ARCH）及其扩展形式GARCH。
GARCH模型一般由两个方程组成，一个是条件均值方程，另一个是条件方差方程[7]。
参数满足条件ω＞0，a+γ≥0，β≥0。对于γ=0，该模型即为GARCH（p，q）的一特例。当a+β=1，模型被称为方差无穷GARCH（即IGARCH（1，1）），而不带漂移项的IGARCH（1，1）（即ω=0）则为条件方差的指数平滑。
3.2 条件波动率模型中厚尾性的刻画
尽管基于正态残差的GARCH模型能产生非正态的无条件分布，但由条件方差的时变性产生的非正态序列并不能完全刻画日收益率中的高峰厚尾特性，特别是在风险管理中计算VaR时，将会是一个非常严重的问题。因为如果假定收益率的条件分布是正态的话，那么风险管理者往往会低估头寸的风险。为了刻画日收益率的厚尾性，一些学者提出了另外一些分布的模型。Bollerslev提出了一个未知自由度φ的t分布的GARCH模型[9]，自由度φ可以从数据中估计。当4＜φ＜∞时，收益的峰度大于正态分布，当φ→∞，分布收敛于正态。
另一个刻画收益厚尾性的分布是Nelson提出的广义误差分布（GED）。分布密度用形状参数υ来刻画，当υ=2时，分布为正态；υ＜2时，分布高峰厚尾；υ＞2时，分布的尾部比正态薄。
一个涵盖t分布和GED分布的表达式被称为广义t分布，其密度函数为
3.3 基于混合β分布的GJR-GARCH刻画涨跌停板制度下的波动率变化
涨跌停板决定了资产收益率只能在一个有限区域，其对收益分布的影响不能通过截断无限区域的收益分布来获得，特别对于指数而言更是如此，因为不管指数是否达到涨跌停，皆会受到每个达到涨跌停的个股的影响。在高波动率时期，达到涨跌停板的股票比例可能会上升。
为找到一个可行的分布模型（如广义t分布），来近似刻画在价格涨跌限制下的指数收益的分布，我们先考察一下卢分布族的特性（对于一个有取值 区域限制的变量而言，β分布被证明是非常有用的），假定xt服从β分布的标准形式
值和方差。
β分布族包含着不同形状的分布，包括单峰分布（c＞1，d＞1）、U型分布（c＜1，d＜1）、J型分布（（c-1）（d-1）＜0）。但当分布高度不对称时，更准确的说，当μx，t（1-μx，t）≥0.2，β分布的峰度很容易小于3。即用β分布刻画指数收益序列，转换收益条件均值接近0.5时，指数收益的条件分布的峰度低于正态。尽管涨跌停板限制，条件分布模型应该能够满足高峰厚尾的非正态特性。为此我们将简单的卢分布模型推广至两个同均值的β分布的混合模型，这两个夕分布具有不同的形状参数ct，比率为
η=1时，ct等同于公式（7）。总之，混合β分布模型（9）用来刻画涨跌停板制度下指数收益的波动率的步骤如下：给定条件均值
值和方差，转换收益xt的条件分布反过来决定指数收益rt=a+（b-a）xt的条件分布。
4 实证结果
4.1 样本统计的描述性分析
表1是日收益率序列的两个子样本的基本统计量。第一个子样本标注“无限制”，从1992年10月7日至1996年12月13日，期间无任何价格涨跌限制；第二个子样本标注“限制”，A股指数样本期从1996年12月16日至2001年12月31日，而B股指数样本期从1996年12月16日至2001年2月19日。
第二列给出均值和标准差，t检验值表明所有样本期的指数收益率序列皆不显著异于零。第三列给出偏度和峰度及JB统计量，分布呈显著非正态。
关于价格涨跌限制对市场波动的影响，结果是混合的。从日收益率的标准差我们发现A股指数的波动率在涨跌停限制后明显降低，而B股指数的波动率在涨跌停限制时期反而升高。
在表1的最后一列Ljung-Box统计量检验了序列的自相关性。除了无限制样本期的深圳A股指数外，其它所有情况都拒绝收益率是白噪声的零假设，意味着中国股市中续涨与续跌的现象非常明显。引入涨跌停板制度后，深圳A股收益率的1至18期的Ljung-Box统计量皆不能在通常水平拒绝自相关性的假设，与无限制时期相比较，涨跌停板似乎在某种程度反而增强了其收益率的惯性（Momentum）和反向（Contrarian）效应。而其他指数情况恰恰相反，与无限制时期相比较，收益率的自相关性有所减弱，尽管仍不能拒绝检验假设。
表1 指数日收益率序列的统计检验
4.2 分割市场中的波动率动态变化
本文重点在于考察价格涨跌限制对A、B股市场波动率的动态影响。对无限制样本期采用基于广义t分布的GJR模型，考虑涨跌停板对收益率取值的限制，对有限制样本期采用基于混合β分布的GJR模型。参数估计的结果分别在表2（广义t分布）和表3（混合β分布）给出。
表2 股价无限制时期基于广义t分布的GJR-GARCH模型参数估
表3 涨跌停板制度下基于混合β分布的GJR-GARCH模型参数估计
GJR模型的α和β的估计量对所有样本期的市场皆高度显著，可以确认自相关条件异方差（ARCH效应）在所有序列中存在，不管分布假定如何，结果皆显著。
成熟市场中所发现的波动率对好坏消息的不对称反应（即坏消息引起更大的波动）仅仅在价格涨跌限制时期的A股指数中显著，其他情况并不显著。在无价格限制时期的深圳B股指数，其参数γ甚至显著为负，即利好消息可能引起更大的波动。以上结果意味着引入涨跌停制度后，中国股市对利空信息的敏感度明显增强。
就对称分布模型而言，预测条件方差
4％的时间。
混合β分布的GJR模型的高波动率成分权重的估计值1-λ从0.05至0.25，且在1％水平显著。η的估计值从0.06至0.13，也显著异于1，说明两个成分显著不同。与A股指数比，B股指数高波动率成分（厚尾的主要贡献成分）的权重要大的多，这与表1的结论是一致的。引入涨跌停制度后，B股市场的波动加剧了，并显著大于A股市场。
表4是预测的波动率序列的统计。最后一列是收益率残差的平方ε[2][，t]标准差以及条件方差估计值σ[2][，t]的标准差。对所有的A股指数而言，波动率的分位点以及均值、最大值、最小值都表明价格限制对减小风险的有效性。无论是对波动率水平，还是对方差预测值的可变性，此结论皆成立。但是对B股指数而言，尽管价格限制，但波动率水平上升，进一步证实了前面的结果。
表4 波动率序列统计
5 结论
本文旨在从更深层次考察中国股市中引入价格涨跌停制度后市场波动性的动态变化。考虑到涨跌停板制度下收益率取值区间的限制对其分布形态的影响，不能通过截断无限区域的收益分布来替代，我们将GJR-GRACH模型扩展至混合β分布，以此来度量涨跌停板限制后的市场波动的动态特性。
中国股票市场是分割的，有A股与B股之分。值得关注的实证结果如下。
就波动幅度而言，引入价格涨跌限制后两个分割市场中存在相反效应。在无价格限制时期，B股市场的波动要大大低于A股市场，可能归因于股市初期国内个人投资者的投机行为。引入涨跌停板制度后，A股市场的波动率大大降低了，实现了管理层的初衷。但另一方面在涨跌停板制度下B股市场的波动率显著提高了，甚至还高于A股市场，多角度的实证结果均支持此结论。
就波动率对好坏消息的不对称反应而言，涨跌停板制度显著增强了市场对利空信息的反应敏感性。
就波动冲击的持续性而言，涨跌停制度皆显著地缩短了市场对冲击的反应时间，从这个角度讲，市场的效率性提高了。
总之，涨跌停板制度对市场波动性的影响是多方面综合性的，仅从任何一个角度得出的结论皆缺乏普遍适用性。