新三板與滬深股市價格時變聯(lián)動關(guān)系的研究

趙朋飛

摘 要：基于滬深股市和新三板市場指數(shù)研究發(fā)現(xiàn)，滬深股市在聯(lián)動關(guān)系中發(fā)揮主導作用，上證綜指和深證成指對三板做市指數(shù)具有顯著的單向價格引導；中小板或創(chuàng)業(yè)板指數(shù)與三板做市指數(shù)之間表現(xiàn)出雙向的長期價格引導。中小板或創(chuàng)業(yè)板相對于新三板市場的價格引導貢獻度受波動率影響顯著，與其自身波動率負相關(guān)，與新三板市場波動率正相關(guān)。作為我國多層次資本市場的重要組成部分，新三板市場定價機制有待進一步發(fā)展和完善。

關(guān)鍵詞：新三板；滬深股市；價格聯(lián)動；公共因子權(quán)重；價格引導貢獻度

中圖分類號：F830.9 文獻標識碼：A 文章編號：1674-2265（2018）08-0078-06

DOI：10.19647/j.cnki.37-1462/f.2018.08.013

一、引言

“新三板”是繼上海和深圳證券交易所后第三個全國性的證券交易所。新三板與滬深股市在掛牌準入條件、交易方式、投資者資格要求等方面存在較大差異。在準入門檻方面，新三板主要服務于創(chuàng)新型、創(chuàng)業(yè)型、成長型的中小微型企業(yè)，其準入門檻遠遠低于滬深股市；在交易制度方面，新三板采取做市交易和協(xié)議轉(zhuǎn)讓交易兩種方式；在投資者資格要求上，新三板主要面向機構(gòu)投資者以及合格投資者，投資門檻較高。近年來，新三板掛牌公司數(shù)量迅速膨脹。萬得資訊統(tǒng)計數(shù)據(jù)顯示，從2015年1月5日到2017年9月29日，在短短不到三年的時間內(nèi)，新三板掛牌公司數(shù)量由1580家增長到13030家，其中做市轉(zhuǎn)讓由122家增長到1436家，成交額由4794.93萬元增長到22957.18萬元；協(xié)議轉(zhuǎn)讓由1458家增長到10158家，成交額由7816.96萬元增長到62017.94萬元。作為我國新興的資本市場，新三板具有較大的發(fā)展空間和發(fā)展?jié)摿Γ浒l(fā)展日益受到關(guān)注。

盡管如此，新三板市場的流動性相對滬深股市還是較差，其制度設計與滬深股市也不同。新三板定價機制是否合理、與滬深股市之間是否具有聯(lián)動關(guān)系等問題都有待深入探討。目前，關(guān)于新三板市場的實證研究還較少。黃艷芳（2016）利用雙變量GARCH模型對滬深股市和新三板之間的波動率效應以及動態(tài)相關(guān)性進行分析，發(fā)現(xiàn)兩者之間主要是單向的滬深股市傳導至新三板市場。陳輝和顧乃康（2017）研究新三板掛牌公司的股票由協(xié)議轉(zhuǎn)讓變更為做市轉(zhuǎn)讓對股票流動性和證券價值的影響，發(fā)現(xiàn)實施了做市轉(zhuǎn)讓的公司具有更高的流動性。

國內(nèi)外對金融市場聯(lián)動關(guān)系的研究非常豐富。Eun和Shim（1989）通過VAR模型研究了9個股市之間的聯(lián)動關(guān)系；Soydemir（2000）通過VAR模型研究了發(fā)達國家和新興市場國家的股市傳遞機制問題；袁超等（2008）、王茵田和文志瑛（2010）、史永東等（2013）分別利用ADCC-GARCH模型、VAR模型和Granger因果檢驗、Copula和GARCH模型相結(jié)合分析我國債券市場和股市之間的動態(tài)相關(guān)性、流動溢出效應和風險溢出效應；Apergis和 Miller（2009）、Fills（2010）、Kang和Ratti（2013）通過VECM模型研究了石油市場和股市的關(guān)聯(lián)性； Kim 和Sun（2017）運用DCC和ADCC模型分析了我國經(jīng)濟領域和S&P; 500指數(shù)之間的動態(tài)條件相關(guān)性；Ghini和Saidi（2017）利用VAR-GARCH模型研究了金融危機期間股市的收益與波動率溢出效應。

VECM模型通過脈沖響應函數(shù)和方差分解來計算價格貢獻度，但該結(jié)果對變量次序非常敏感。Schlusche（2009）通過公共因子權(quán)重方法計算價格貢獻度，從流動性和波動性兩方面研究德國ETF和DAX期貨合約之間的價格引導關(guān)系，發(fā)現(xiàn)波動性是價格引導過程中的主導性因素。Theissen（2012）對期權(quán)期貨市場之間的價格發(fā)現(xiàn)功能研究發(fā)現(xiàn)，以公共因子權(quán)重衡量的價格引導關(guān)系與相對成交量正相關(guān)。借鑒以上研究，本文首先基于VECM模型研究兩個市場之間的聯(lián)動關(guān)系，然后采用公共因子權(quán)重方法計算價格引導貢獻度，并從流動性和波動性兩方面研究價格引導過程的影響因素。本文的研究不僅能為新三板市場價格發(fā)現(xiàn)和做市商制度的完善提供參考，對于分析新三板市場在我國股票市場中的地位，進一步發(fā)展和完善其定價機制也具有重要的理論和現(xiàn)實意義。

二、模型與數(shù)據(jù)

（一）模型

1. 向量誤差修正模型（VECM）。如果兩個時間序列變量之間存在協(xié)整關(guān)系，那么兩個變量之間就存在一種長期均衡穩(wěn)定關(guān)系，任何短期偏離都會受到長期均衡關(guān)系的修正。因此，實證研究中經(jīng)常采用向量誤差修正模型來刻畫金融市場兩個變量之間的價格關(guān)系。本文所采用的模型如下：

2. 價格引導貢獻度的度量：公共因子權(quán)重（CFW）。傳統(tǒng)的脈沖響應函數(shù)與方差分解的結(jié)果對于變量次序極為敏感，改變變量次序，甚至會得到相反的結(jié)果。Schlusche（2009）采用的公共因子模型將兩個市場的共同變化趨勢定義為公共因子，用來反映兩個市場共同有效信息在價格中的永久性成分，在研究中也得到廣泛應用。因此，為了度量兩個市場對于價格引導的貢獻度，本文在估計向量誤差修正模型的基礎上進一步計算各個市場的公共因子權(quán)重，計算公式為：

（二）數(shù)據(jù)

2014年8月25日，新三板市場正式實施做市交易，做市商制度的實施進一步增強了市場的流動性。陳輝和顧乃康（2017）研究表明，實施了做市轉(zhuǎn)讓的公司具有更高的流動性，并且做市商制度對股票流動性和證券價值有正面影響。因此，本文選擇三板做市指數(shù)①作為新三板市場的代理變量，選擇上證綜指、深證成指分別來表示滬深股市的整體情況，選用中小板指數(shù)和創(chuàng)業(yè)板指數(shù)作為中小企業(yè)的代理變量。由于新三板市場早期掛牌和交易公司數(shù)量較少，2015年以來掛牌企業(yè)數(shù)量和總市值持續(xù)增加，本文選擇2015年1月5日至2017年9月30日的日交易數(shù)據(jù)，有效樣本為669個。其中新三板市場指數(shù)數(shù)據(jù)來自萬得資訊，滬深股市指數(shù)數(shù)據(jù)來自國泰安數(shù)據(jù)庫。

圖1是各指數(shù)收盤價的時序圖。雖然這5個指數(shù)的收盤價是不平穩(wěn)的，但是三板做市指數(shù)與滬深股市的4個指數(shù)呈現(xiàn)出高度關(guān)聯(lián)性和一致性波動。表1分別給出了各指數(shù)收益率的描述性統(tǒng)計。三板做市指數(shù)的平均收益率僅次于創(chuàng)業(yè)板指數(shù)和中小板指數(shù)，高于上證綜指和深證成指。三板做市指數(shù)收益率的標準差低于滬深股市的四個指數(shù)，從風險角度說明新三板具有一定的投資價值。

三、實證分析結(jié)果

（一）平穩(wěn)性檢驗

由于協(xié)整關(guān)系是建立在兩個序列均為單位根過程的假設下，本文首先對各指數(shù)的對數(shù)收盤價以及對數(shù)收益率序列進行單位根檢驗，結(jié)果如表2所示。各指數(shù)對數(shù)收盤價序列均接受存在單位根的零假設，即各指數(shù)對數(shù)收盤價格序列都不是平穩(wěn)序列。各指數(shù)對數(shù)收益率的檢驗拒絕存在單位根的零假設，說明他們各自的一階差分序列是平穩(wěn)的，所以這5個指數(shù)對數(shù)收益率序列均是一階單整。

為了更好地說明兩個變量之間是否存在協(xié)整關(guān)系，進一步采用Johansen檢驗法來檢驗協(xié)整關(guān)系，結(jié)果如表3所示。無論是跡檢驗法還是極大特征值法，三板做市指數(shù)與滬深股市4個指數(shù)均只存在一個協(xié)整關(guān)系。

（二）參數(shù)估計結(jié)果

表4給出對整個樣本的VECM模型估計結(jié)果，依據(jù)SIC準則可以確定上證綜指、深證成指、中小板指數(shù)和創(chuàng)業(yè)板指數(shù)與三板做市指數(shù)之間估計時的最優(yōu)滯后階數(shù)分別為3、3、4和4。

在誤差修正模型中，三板做市指數(shù)與上證綜指和深證成指的誤差修正項系數(shù)在1%的顯著性水平下均顯著不為零，調(diào)整系數(shù)分別為-0.0198和-0.0229。這表明三板做市指數(shù)受深證成指的影響最大，其次受上證綜指的影響較大；但是，上證綜指和深證成指不受三板做市指數(shù)影響。這可能是由于新三板市場流動性和市場活躍度相對于主板整個市場要低很多，對信息反應不夠敏感，而主板股市對信息反應更快，引導新三板市場的價格變化。

相比之下，三板做市指數(shù)受中小板指數(shù)和創(chuàng)業(yè)板指數(shù)影響較小，調(diào)整系數(shù)分別為-0.0026和-0.0015；中小板指數(shù)和創(chuàng)業(yè)板指數(shù)受三板做市指數(shù)影響顯著，調(diào)整系數(shù)分別為0.0022和0.0013。三板做市指數(shù)與創(chuàng)業(yè)板指數(shù)和中小板指數(shù)之間這種雙向的長期均衡關(guān)系可能是由于新三板市場主要服務于創(chuàng)新型、創(chuàng)業(yè)型和成長型的中小微型企業(yè)。

在短期內(nèi)，三板做市指數(shù)會受到自身以及滬深股市的4個指數(shù)滯后期的影響；但上證綜指、深證成指、中小板指數(shù)和創(chuàng)業(yè)板指數(shù)不受它們自身以及三板做市指數(shù)滯后期的影響。

（三）價格引導貢獻度（CFW）

為了具體度量兩個市場在價格引導過程中的貢獻，利用表4得到的估計結(jié)果，計算出兩個市場對價格引導的貢獻度。由于上證綜指和深證成指與三板做市指數(shù)只具有顯著的單向價格引導作用，而中小板指數(shù)和創(chuàng)業(yè)板指數(shù)與三板做市指數(shù)之間具有雙向長期價格引導關(guān)系，因此，本文只計算三板做市指數(shù)與中小板指數(shù)和創(chuàng)業(yè)板指數(shù)對兩個市場價格引導的貢獻度（CFW）。

1. 三板做市指數(shù)和中小板指數(shù)。

2.三板做市指數(shù)和創(chuàng)業(yè)板指數(shù)。

從結(jié)果來看，在新三板市場與滬深股市之間的價格引導過程中，三板做市指數(shù)和中小板指數(shù)對于價格引導的貢獻度分別為[45.83%、54.17%]，三板做市指數(shù)和創(chuàng)業(yè)板指數(shù)對于價格引導的貢獻度分別為[46.43%、53.57%]。新三板市場相對于中小板或創(chuàng)業(yè)板在價格引導過程中的貢獻度相對較小，說明新三板市場對信息的反應、處理以及傳遞比中小板和創(chuàng)業(yè)板稍慢。

（四）價格引導的主導因素

本文進一步從流動性和波動性兩個主要因素入手，研究這兩個板塊在價格引導過程中的主導因素。一般來說，波動性可能是價格引導過程中的一個主導因素。一個市場的價格呈現(xiàn)出越大的波動性，可能越容易引起兩個市場的定價不平衡，兩者之間將會相互調(diào)節(jié)回到長期均衡關(guān)系上，這本身就是一個價格引導的過程。對于波動率的計算，本文通過計算已實現(xiàn)波動率來表示，方法如下：

其中RV代表波動率，n是兩個月的交易天數(shù)，[pti]是自然對數(shù)收盤價。另一方面，投資者更傾向于在交易成本低或者流動性高的市場參與交易，所以流動性也可能是價格引導過程中的一個主導因素。本文以滬深股市和新三板市場的相對成交量來表示流動性。

本文從2015年1月開始，以兩個月的日數(shù)據(jù)為基礎估計VECM模型，依次往后遞推一個月做滾動估計，得到兩個市場時變的價格引導貢獻度；同時計算出兩個月的相對成交量②作為流動性的代理變量，兩個月的已實現(xiàn)波動率代表市場波動率。圖2、圖3和圖4分別是[CWFH]、相對成交量和波動率的折線圖，圖中橫軸數(shù)字2代表2015年2月—3月的公共因子權(quán)重、相對成交量和波動率，數(shù)字3代表2015年3月—4月的公共因子權(quán)重、相對成交量和波動率，以此類推?？梢钥闯?，[CWFH]、相對成交量和波動率都表現(xiàn)出較大的波動性和時變性。

進一步采用以下回歸模型探討波動性或流動性對價格引導貢獻度的影響：

其中[CFWHt]表示滬深股市兩個月的公共因子權(quán)重，[RTHt]表示滬深股市兩個月成交量相比于新三板市場兩個月成交量的相對成交量，[RVHt]表示滬深股市兩個月的波動率，[RVNt]表示新三板市場兩個月的波動率。估計結(jié)果見表5③。

可以發(fā)現(xiàn)，系數(shù)[β1]都不具有統(tǒng)計顯著性，這足以說明兩個市場的價格引導貢獻度不受相對成交量的影響。在模型（1）和（3）中，系數(shù)[β2]均顯著為負，表明中小板和創(chuàng)業(yè)板價格發(fā)現(xiàn)貢獻度與其自身的波動率是負相關(guān)的，這兩個市場波動越大其價格引導貢獻度越低；系數(shù)[β3]均顯著為正，表明新三板市場價格波動越大，中小板和創(chuàng)業(yè)板價格引導貢獻度越高。

為了進一步驗證波動率是中小板（創(chuàng)業(yè)板）與新三板市場之間價格引導貢獻度的主導因素之一，本文將中小板（創(chuàng)業(yè)板）和新三板市場劃分為高波動和低波動時期。根據(jù)Schlusche （2009）的方法，分別將[μ+σ和μ-σ]作為區(qū)分高波動和低波動的邊界值，計算并比較這兩個時期的平均成交量、平均相對成交量和平均價格引導貢獻度，[μ]和[σ]分別是[RVt]的樣本均值和標準差，結(jié)果如表6所示。

由表6可得，無論是中小板指數(shù)還是創(chuàng)業(yè)板指數(shù)，在高波動時期均表現(xiàn)出較高的相對成交量，交易活動更為活躍；在新三板市場結(jié)果亦是如此。滬深股市由低波動時期轉(zhuǎn)變?yōu)楦卟▌訒r期，中小板市場價格引導貢獻度由64.82%減少為57.28%，創(chuàng)業(yè)板市場價格引導的貢獻度由62.59%減少為55.11%；新三板市場由低波動時期轉(zhuǎn)變?yōu)楦卟▌訒r期，中小板市場價格引導貢獻度由51.49%增加為58.46%，創(chuàng)業(yè)板市場價格引導貢獻度由51.05%增加為59.37%，這與上述回歸分析的結(jié)果一致。

四、結(jié)論

本文基于向量誤差修正模型以及公共因子權(quán)重方法研究滬深股市與新三板市場之間的價格聯(lián)動關(guān)系及影響因素。研究發(fā)現(xiàn)，代表滬市的上證綜指以及代表深市的深證成指對三板做市指數(shù)具有顯著單向引導作用；創(chuàng)業(yè)板指數(shù)和中小板指數(shù)與三板做市指數(shù)之間具有雙向長期價格引導關(guān)系，這與新三板主要服務于創(chuàng)新型、創(chuàng)業(yè)型和成長型的中小微型企業(yè)相符合。中小板和創(chuàng)業(yè)板相對新三板市場的價格引導貢獻度要大些，波動率是中小板或創(chuàng)業(yè)板與新三板市場之間價格引導過程的主導因素，中小板或創(chuàng)業(yè)板的價格引導貢獻度與其波動率顯著負相關(guān)，與新三板市場的波動率顯著正相關(guān)。

綜上，盡管新三板掛牌公司數(shù)量和成交量增加迅速，但這并不是推動新三板市場發(fā)展壯大、走向成熟的手段。在注重新三板服務于中小微企業(yè)的同時，應當更加注重完善新三板市場的制度層面，才能更有效地發(fā)揮價格發(fā)現(xiàn)功能，提高其在資本市場中的地位，將其打造成差別化、有投資價值的證券市場。

注：

①中證指數(shù)有限公司基于新三板市場數(shù)據(jù)編制了三板成指和三板做市指數(shù)。

②相對成交量=滬深股市的成交量/新三板市場的成交量，由于相對成交量的計算結(jié)果比較大，因此在其基礎上統(tǒng)一除以50，方便表示。

③由于CFW、RT和RV不在一個數(shù)量級，在做回歸前對它們進行了標準化處理。

參考文獻：

[1]Eun C S，Shim S. 1989. International Transmission of Stock Market Movements[J].Journal of International Financial and quantitative Analysis，（24）.

[2]Soydemir G. 2000. International transmission mechanism of stock market movements： evidence from emerging equity markets[J].Journal of Forecasting，（19）.

[3]Apergis N，Miller S M. 2009. Do structural oil-market shocks affect stock prices？[J].Energy Economics，（56）.

[4]Fills G. 2010. Macro economy，stock market and oil prices：Do meaningful relationships exist among their cyclical fluctuations？[J].Energy Economics，（32）.

[5]Kang W，Ratti R A. 2013. Oil shocks，policy uncertainty and stock market return[J].Journal of International Financial Markets，Institutions and Money，（26）.

[6]Kim M H，Sun L. 2017. Dynamic conditional correlations between Chinese sector returns and S&P; 500 index： An interpretation based on investment shocks[J].International Review of Economics and Finance，（48）.

[7]Ghini A E，Saidi Y. 2017. Return and volatility spillovers in the Moroccan stock market during the fianacial crisis[J].Empirical Economics，（52）.

[8]Schlusche B. 2009. Price formation in spot and futures markets：exchange traded funds versus index funds[J].Journal of Derivatives，（17）.

[9]Theissen E. 2012. Price discovery in spot and futures markets：a reconsideration[J]. European Journal of Finance，18 （10）.

[10]陳輝，顧乃康.新三板做市商制度、股票流動性與證券價值[J].金融研究，2017，（4）.

[11]袁超，張兵，汪慧建.債券市場與股票市場的動態(tài)相關(guān)性研究[J].金融研究，2008，（1）.

[12]王茵田，文志瑛.股票市場和債券市場的流動性溢出效應研究[J].金融研究，2010，（3）.

[13]史永東，丁偉，袁紹鋒.市場互聯(lián)、風險溢出與金融穩(wěn)定——基于股票市場與債券市場溢出效應分析的視角[J].金融研究，2013，（3）.