交易频率与市场效率，本文主要内容关键词为：频率论文,效率论文,市场论文，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
近年来，随着计算机技术的进步以及交易成本的下降，市场参与者的交易频率在不断提高。高频交易不仅成为一些投资者进行交易的主要模式，甚至一度成为证券交易所竞争的重要手段①。然而高频交易是否真正有利于资本市场的发展，人们对此并没有共识。2008年金融危机之后，人们开始“担心一些高频交易容易脱离经济基本面，脱离实体经济”②。本文将从市场的信息功能角度出发，通过理论模型和实证研究，分析更频繁的交易是否能够提高市场的信息效率，为进一步分析高频交易的影响提供借鉴。
直观上看，交易频率的提高允许市场参与者把新的信息更迅速、更准确地反映在价格中，从而提高市场的信息效率。但是考虑到获取信息需要相当的成本和时间，过高的交易频率有可能激励交易者为尽早参与交易而只获取不甚精确的信息，从而使整体市场的信息精度下降。
论文在Kyle(1985)模型的基础上，构建了不对称信息下的多期拍卖模型，研究了交易频率与市场信息效率的关系。不对称信息下的市场微观结构模型一般假设知情交易者获取信息是不需要成本的，或者只需要支付一定的货币成本。而本文明确提出了获取信息的时间成本这一概念，并证明其对市场中的交易行为和价格形成过程有重要的影响。在我们的模型中，信息的甄别与处理不会耗费资金成本，但是需要花费一定的时间，花费的研究时间越长，获取的信息就越精确。考虑到信息优势越大，知情交易者从交易中获取的收益会越大，为获取精确的信息，投资者可能会花更多的时间进行研究而不是急于参与交易。但另一方面，由于交易次数越多，知情交易者就可以更充分的利用其信息优势，获取更大的收益。为增加交易次数，知情交易者会放弃获取更准确的信息，从而导致市场整体信息效率的下降。
在理论模型的基础上，我们进一步以中国股票市场的数据验证了模型的结论：交易频率提高有可能导致股价信息效率下降。实证检验中我们用股价对市场信息的滞后反应指标作为信息效率的度量，结果表明，交易频率对股价信息效率有显著负影响，并且对于市值更小的中小盘股交易频率的负影响更明显。考虑到内生性问题，论文用股票交易的印花税调整作为工具变量，考察了印花税调整前后股票的信息效率的变化：当印花税下调时(投资者的交易频率内生提高)，股票的信息效率显著下降；反之当印花税上调时(投资者的交易频率内生下降)，股票的信息效率显著提高。也与理论模型的结论相符。
如何提升市场信息效率一直是金融领域的重要课题，诸多学者从各个角度出发对此进行了研究。比如在理论上，Holden and Subrahmanyam(1992)拓展了Kyle模型，证明内幕交易者之间的竞争可以提高市场成交量和信息效率。Fishman and Hagerty(1992)则认为内幕交易者可能对其他知情交易有挤出效应，降低市场的信息效率。本文的理论部分从信息处理的时间成本角度出发，讨论了交易频率对股价信息效率的影响，是对现有研究的补充。实证方面的文献则更多，比如Morck et al.(2000)，Li et al.(2004)，Bae et al.(2006)，Jin and Myers(2006)，Beny(2007)，Bris et al.(2007)，Charoenrook and Daouk(2005)以及唐松等人(2011)分别研究了在宏观层面上，投资者产权保护、市场开放程度、金融自由化程度、公司信息透明度、内幕交易的限制强度对股价信息含量的影响，结果表明在金融体制发达，产权保护较好，市场开放程度较高的地区或国家，股价信息含量也越高。Piotroski and Roulstone(2004)从微观的公司层面研究了内部人、机构投资者和分析师的活动对股价信息含量的影响，发现证券分析师跟进行为有利于提高股价中的行业信息含量而机构投资者和内部人交易活动能提升股价中的企业个体信息含量。Brennan et al.(1993)研究了股价对信息的反应速度与分析师活动之间的关系，发现具有较多分析师的股票股价对信息反应较快。Hou and Moskowitz(2005)通过实证研究发现，流动性等市场摩擦会增加股价对信息的滞后反应。Saffi and Sigurdsson(2011)研究了不同股票卖空成本的差异对股价对信息滞后反应的影响，发现卖空成本越高的股票其股价对信息的滞后反应越明显。但目前为止，无论是理论还是实证，学术界对于交易频率对股价信息效率影响的研究仍处于起步阶段。本文的研究有助于完善信息效率方面的文献，对于实践当中是否需要鼓励高频率交易也有一定的参考价值。
论文的研究也与最优信息处理频率的文献相关。Abel et al.(2007)证明了获取组合价值信息存在成本时，投资者应当隔一段时间再获取信息。Huang and Liu(2007)则讨论了获取信息频率与组合选择的问题。但这些论文都是从个人最优化的角度出发，而本文对于交易频率的研究是从市场整体福利的角度出发。因此，就推动资本市场的发展而言，本文的研究更有意义。
在论文的余下部分，我们将首先建立理论模型，讨论交易机会的增加会如何影响市场整体信息效率的变化。然后再利用中国股票市场的交易数据来实证检验理论模型的结论。最后是结论和政策建议。
二、模型
(一)基本设定
市场中一共有三种参与者：知情交易者、噪音交易者和做市商，他们都是风险中性的。与Kyle模型相同，知情交易者获取信息不需要付出成本，但与Kyle模型不同，这里假设知情交易者如果想要接收到信号
，就不能参加当期的交易。换言之，知情交易者获取信息需要付出时间成本，因为他们必须延迟交易，放弃了在交易中获利的可能。之所以做这样的假设，是因为市场中充斥着各种相关或不相关的信息，投资者(尤其是机构投资者)为了获得关于各种金融资产价值更准确的信息，需要投入大量的研究时间。而在没有获得相对深入的研究结果之前，谨慎的投资者会选择先不进入市场进行交易。
显然在这样的设定下，知情交易者越晚开始交易，接收到的信号越多，对风险资产真实价值的推断就越准确。
(二)市场均衡的求解
为解出市场均衡，我们先考虑给定知情交易者开始交易的时点，计算出此时市场均衡和知情交易者的预期回报，然后再计算知情交易者最优的交易时点。
假设知情交易者选择从第k+1期开始交易，均衡时知情交易者的交易策略和做市商的定价策略都具有如下的线性形式。
图1 两种交易策略的预期收益之比
三、实证研究
从理论模型的分析中可以看出，高频率交易可能会导致股票信息效率下降。为验证模型的可靠性，我们采用中国股市的数据进行了实证研究，考察股票交易频率的增加是否真会降低市场信息效率。
(一)信息效率的度量
股票价格的信息效率，既表现在股价对股票基本面信息的准确反应，也表现为股价对信息的迅速反应。对于前者，学术界在度量股票价格的信息含量时通常采用股价非同步性指标或者
来衡量(Roll，1988；Durven et al.,2003)，后者则可用股价对信息的反应滞后指标衡量(Hou and Moskowitz，2005)。鉴于目前对于R2指标是否能真正衡量信息效率的问题在国内外都存在争议(王亚平等人，2009；张永任、李晓渝，2010；Chan and Hameed，2006；Ashbaugh-Skaife et al.2006)，本文的实证分析中将采用股价对信息的滞后反应指标(Price Delay)来度量信息效率。Bris et al.(2007)，Hou and Moskowitz(2005)与Saffi and Sigurdsson(2011)在研究卖空限制等市场摩擦因素对股价信息效率的影响时均采用了该指标来度量股价的信息效率。对每只股票，我们使用下面的回归模型来计算其在每个季度的信息效率：
得到的结果与汇报的主要结果是一致的。
(二)数据与实证结果
根据前述算法，我们利用2005年至2010年沪深两市所有股票日收益率数据，计算各只股票在6年共24个季度中的信息效率。为保证可比性，在计算各只股票在每个季度内的信息效率时，我们把在该季度内超过10个交易日没有交易的观测剔除出样本，最后得到我国A股市场上1，803只股票，横跨6年24个季度的非平衡面板数据，共28，402条观测。数据来自锐思(Resset)金融数据库，以下所有计量工作均采用STATA 11.0处理。
为了区分噪音交易者和知情交易者，借鉴Fang et al.(2011)的做法，本文采用每笔交易的成交金额来区分。具体做法是：根据日内交易数据，将成交金额在5万元人民币以下的交易笔数加总在一起，得到的总交易次数作为当日噪声交易者(散户)活跃程度的代表变量，用nFreq(i，T)表示股票i在季度T的日均噪声交易次数。将成交金额在30万元人民币以上的交易笔数加总在一起，得到的总交易次数作为当日知情交易者活跃程度的代表变量，用iFreq(i，T)表示股票i在季度T的日均知情交易次数。我们不考虑成交金额在5万到30万人民币之间的交易，这样可以确保小额和大额的交易可以分别代表噪音交易者和知情交易者的行为。
交易频率与股价信息效率的关系可以通过如下的面板数据模型进行考察：
其中，Eff(i，T)表示股票i在季度T的信息效率(D1、D2等指标)，D1、D2越大说明信息滞后越明显，效率越差。iFreq(i，T)表示股票i在季度T的机构投资者交易频率。Size(i，T)是表示股票规模的哑变量，如果股票i在季度T的市值高于10亿元人民币Size(i，T)取1，如果市值低于10亿元人民币Size(i，T)取0。引入交叉项iFreq(i，T)*Size(i，T)的目的是检验交易频率对信息效率的影响是否与股票规模有关。按照理论分析，如果机构投资者追求多次交易带来的更大利润，而忽略了等待搜集信息以获取更准确的判断，那么更高的机构投资者交易频率会造成信息效率的下降，所以我们预计iFreq(i，T)的系数为正。同时，高频率交易对信息效率的影响还与股票初始时刻的信息精度有关。对于中小盘股，因其受关注度不如大市值股票，跟进的分析师数量较少，市场中关于中小盘股的初始信息相对更不准确，如果机构投资者频繁交易而没有投入更多的研究时间分析处理信息，就更有可能造成信息效率的下降，所以我们预计交叉项iFreq(i，T)*Size(i，T)的系数为负。X(i，T)是控制变量，包括：股票i在季度T的散户交易频率nFreq(i，T)，控制噪声交易的影响；流通股股份占总股份的比例Free和日均买卖价差Spread，控制流动性的影响；股票的总市值Mktcap，控制股票规模的影响。Stk(j)是股票j的哑变量，Qtr(s)是季度s的哑变量。表1给出了样本数据的描述性统计⑤：
为了选择较好的估计模型，需要进行模型设定检验。我们首先对模型(16)进行组内固定效应估计，结果如表2所示。根据F统计量的P值，我们拒绝混合截面数据模型。我们对模型(16)进行组内固定效应估计和随机效应估计，Hausman检验的P值均小于0.0001，拒绝随机效应估计，使用固定效应估计。由于篇幅的限制，本文只汇报了固定效应估计的结果，采用随机效应估计系数略有不同，但不改变实证分析的结论。
表2表明，交易频率iFreq的系数为正，并且大部分在1%的水平下显著，表明交易频率的提升并不利于市场信息效率的提升。而交易频率与股票规模的交叉项iFreq*Size显著为负，表明交易频率对信息效率的不利影响，在规模较小的股票上面表现的更为明显。为了进一步检验交易频率对不同市值规模股票信息效率的不同影响，我们将样本分为大市场股票和中小市场股票两部分进行回归分析。表3的第二和第三列列示了市值在10亿元以下的中小盘股的回归结果，第四和第五列给出了市值在10亿元以上的大盘股的回归结果。正如我们所预料的，对于中小市值的股票，在控制散户交易频率nFreq的基础上，机构投资者的交易频率iFreq对信息滞后指标D1、D2的影响仍显著为正，说明更高的交易频率会导致股票信息效率的下降。而对于大市值的股票，机构投资者的交易频率iFreq对信息滞后指标的影响并不明显。这与理论模型的预测是一致的。
为了进一步验证模型的稳健性，我们还进行了其他一些回归分析，从样本中剔除掉ST股后进行回归，得到的结果与表2和表3是一致的，限于篇幅不再列出。
(三)工具变量回归
鉴于股价的信息效率与交易频率存在着一定的内生性问题，即机构投资者可能系统性的集中于对信息效率高或低的股票进行操作，我们引入印花税的调整作为工具变量。它既与交易频率高度相关，因为股票交易印花税的提高会导致交易成本增加从而降低交易频率，同时作为外生的官方政策，又与股票的信息效率没有直接联系。表4列出了中国自1997年以来的7次印花税调整的基本情况。
按照印花税调整前后的税率高低，论文引入印花税调整的哑变量TaxAdj。如果印花税上调，调整前TaxAdj=0，调整后TaxAdj=1。如果印花税下调，调整前TaxAdj=1，调整后TaxAdj=0。我们预期TaxAdj前的系数应该为负，因为印花税上调会导致交易成本的提高从而降低交易频率，交易频率的下降会激励投资者更注重对信息的搜集与分析，从而降低价格对信息的反应滞后。在这7次印花税调整的前后三个月内，论文计算了各个股票在各时间段的信息效率作为被解释变量。我们把在各个时段内超过10个交易日没有交易的观测剔除出样本，最后得到我国A股市场上1，598只股票，横跨14个时段⑥的非平衡面板数据，共15，315条观测。我们通过如下回归模型考察印花税调整即交易频率对信息效率的影响：
其中Yr是年份哑变量，用来控制所有股票在印花税调整前后3个月内受到的来自经济和市场层面的整体影响，具体地说，前5次印花税调整发生在5个不同的年份，所以共有4个哑变量，最后2次印花税调整都发生在2008年，所以再引入1个哑变量。此外，因为无法取得2005年之前的股市买卖价差数据，这里使用日均换手率Turnover作为流动性控制变量，其他控制变量包括已上市流通股占比、总市值，以及个股因素的固定影响。表5列出了工具变量回归部分的变量描述性统计，回归结果见表6：
回归结果显示，印花税调整虚拟变量对信息滞后指标的影响显著为负，意味着上调印花税导致价格对信息的滞后反应减弱，信息效率提高，而下调印花税导致价格对信息的滞后反应增强，信息效率下降。由于印花税的下调会导致交易成本的下降，从而内生的增加交易频率，表6的结果再次验证论文理论模型的预测：当投资者面对更高频率的交易机会时(比方说交易成本下降，或者交易制度由T+1转到T+0)，有可能会为了追求多次交易带来的更大利润，而忽略了等待搜集信息以获取更准确的判断，进而造成市场信息效率的下降。
四、总结
提高交易频率是否可以提高市场信息效率，高频交易是否真正有利于资本市场的发展，人们对此还有很多争论。论文通过模型分析和实证研究讨论了交易频率对股票信息效率的影响。通过构建信息不对称下的交易模型，论文阐述了如下直觉：具有相对信息优势的知情交易者为了追求更大的收益而提高交易频率，可能会忽略对基本面信息的研究，导致他们的交易行为无法将更准确的信息反映到价格中。对中国股市的实证研究支持了模型的结论。
论文的研究不仅有助于我们了解高频交易可能产生的影响，也为监管部门如何限制高频率交易提供了有益的借鉴。比如，通过税收等手段对过于高频的金融交易进行限制，可以引导市场参与者将注意力从对短期价格趋势的关注转移到对公司基本面价值的关注，从而提高市场的信息效率，达到提高金融市场对资源的配置效率的目的。
当然，由于目前中国市场上的高频交易仍处在起步阶段，证券公司、期货公司等只开展小规模的“次高频”交易，而美国股票市场近60%的交易额是由高频交易完成的。因此，尽管对国内市场的实证研究证明了交易频率确实会影响市场信息效率，我们仍需要通过对海外市场的进一步研究，以更全面的探索高频交易与信息效率之间的关系。
注释：
①《金融时报》Lex专栏,2010年10月14日。高频交易通常是指从短暂市场变化中寻求获利的程序化交易，主要特征是持仓时间很短，交易次数很多。
②《金融业要注重支持实体经济》，周小川,2011。
③为了计算简便假定θ和｛θ[，n]｝均值为零，允许均值非零不会影响论文的分析和结论。
④根据前一节的模型设定，这里所定义的高频率交易的主要特征是交易频率高，在交易中只利用市场信息而非更全面的信息来进行交易决策，可以看成是对现实中的高频交易的一种简化和抽象。
⑤机构和散户交易频率的单位是千次，总市值的单位是千万元。
⑥“时段”是指印花税调整前或后的三个月。
⑦表5的样本是在7次印花税调整前后3个月的面板数据，包括1，598只股票，横跨14个时段。