股票流動性對我國股市效率影響的實證分析

李延軍，劉華堂，葛林潔

（河北工業(yè)大學(xué) 經(jīng)濟管理學(xué)院，天津 300401）

0 引言

West和Tinic（1975）[1]認為，資本市場效率主要是指定價效率，即證券的價格是否能夠依據(jù)市場信息作出及時迅速的反應(yīng)，從而采用最優(yōu)的策略將儲蓄進行配置的效率。具體體現(xiàn)在以下兩個方面：一是價格能根據(jù)有關(guān)市場信息自由地變動；二是在市場中關(guān)于資產(chǎn)的信息可以充分及時地披露、均勻迅速地發(fā)布,市場中所有投資者都可以在相同時間里獲得等質(zhì)等量的信息。

隨著研究的深入，學(xué)者們對市場效率的度量也進行了多方面探索。一般而言，交易者獲取信息的時間和能力代表市場效率的水平，市場參與者需要時間將新信息納入其交易策略并下達交易指令，當(dāng)市場中的買方交易指令合計大于賣方交易指令合計，股票價格就會上漲，反之則下降。Tarun等（2005）[2]在研究中根據(jù)買方與賣方交易指令之間的差額提出了指令不平衡這一概念，并提出可以采用指令不平衡預(yù)測股票的短期回報。Handa等（2003）[3]證實了建立在報價驅(qū)動型市場上的理論模型同樣適用于沒有做市商的指令驅(qū)動型市場。Lee等（2014）[4]、周開國和王海港（2008）[5]、Rastogi等（2013）[6]、Hanke和 Weigerding（2015）[7]、許啟發(fā)等（2016）[8]等分別研究了中國臺灣、中國香港、印度、德國和中國等國家和地區(qū)的指令驅(qū)動型市場上指令不均衡與股票收益之間的關(guān)系。上述以指令驅(qū)動型市場為基礎(chǔ)的研究表明，滯后一期的指令不均衡對股票收益具有一定的解釋能力。在后來的研究中，Tarun等（2008）[9]將短期收益的可預(yù)測性作為市場效率的反向指標(biāo)，并發(fā)現(xiàn)這種指令不平衡對短期收益的預(yù)測能力隨著市場流動性的提高以及紐約證券交易所市場的交易制度的的變化而下滑。同樣，Chung和Hrazdi（l2010）[10]通過對納斯達克股票進行大量抽樣分析發(fā)現(xiàn)，最小報價單位的降低提升了市場的流動性，降低了短期收益率的可預(yù)測性和方差比，從而證實了流動性的改善有助于提高市場效率。

然而，Baker和Stein（2004）的實證發(fā)現(xiàn)卻得到相反的結(jié)果。流動性可能也是投資者情緒的代理變量，投資人情緒很高，流動性水平急劇上升，無論是在個股層面還是市場層面，短期收益率能夠被預(yù)測，這種現(xiàn)象是不符合有效市場假說的。崔婧等（2008）[11]認為不同市場環(huán)境下投資者的行為模式會存在差異,基于行為金融學(xué)理論提出在研究異象時應(yīng)將牛市和熊市區(qū)別對待。陸蓉和徐龍炳（2003）[12]證實了我國股票市場上“好消息”的影響要大于“壞消息”的影響。針對市場效率在不同市場環(huán)境下的不同效應(yīng)，我國資本市場流動性與市場效率之間在不同的市場環(huán)境下的表現(xiàn)如何？這將是本文重點關(guān)注和著力解決的主要問題。

本文借鑒Tarun等（2008）[2]的研究思路，采用資產(chǎn)短期收益可預(yù)測性作為市場效率的反向指標(biāo)，進一步研究資產(chǎn)流動性水平與市場效率的關(guān)系。關(guān)于市場效率指標(biāo)的度量，主要采用短期指令不平衡對股票的短期收益進行預(yù)測，并用短期收益的可預(yù)測性反映市場效率水平（一般而言，短期收益的可預(yù)測性與市場效率成負相關(guān)關(guān)系，即收益的預(yù)測性越好，則市場效率越低；反之，收益可預(yù)測性越差，則市場效率越高），這一方法有效解決了現(xiàn)有研究關(guān)于市場效率水平難以量化的不足。

1 指標(biāo)選取、模型構(gòu)建與數(shù)據(jù)說明

1.1 指標(biāo)選取

（1）市場效率代理指標(biāo)

市場效率可以由股票收益的可預(yù)測性作為反向指標(biāo)量化。文獻研究表明，滯后一期的指令不平衡有較好的股票收益預(yù)測能力：如果滯后一期的指令不平衡（OIB）對股票收益的預(yù)測能力較強，則市場效率較低；否則，市場效率較高?；跍笠黄诘闹噶畈黄胶夤善笔找骖A(yù)測模型如下：

其中，OIB表示指令不平衡、Ret表示收益率、ILD表示由高頻換手率Turnover衡量的一個低流動性虛擬變量。本文采用模型（1）和模型（2）的擬合優(yōu)度R2表示指令不平衡OIB預(yù)測能力的大小，并對兩個模型的擬合效果進行比較，選擇擬合優(yōu)度較好的R2表示市場效率水平。

模型（1）和模型（2）中的數(shù)據(jù)均為每5min的高頻數(shù)據(jù)。首先匯總每只股票的每一個5min的指令不平衡OIB、收益率Ret和換手率Turnover，然后根據(jù)每只股票前一日的流通市值作為權(quán)重將上述三個指標(biāo)作加權(quán)平均。收益指標(biāo)Ret為采用每只股票每五分鐘的收盤價所計算對數(shù)收益率。ILD（illiquid Dummy）作為一個低流動性虛擬變量，采用每5min的換手率Turnover作為衡量標(biāo)準(zhǔn)，如果t時刻換手率低于（t-30min，t+30 min）換手率均值一個標(biāo)準(zhǔn)差，則ILD取1，否則取0。此時，模型的擬合優(yōu)度R2值與市場效率水平呈反向關(guān)系，本文將R2的倒數(shù)作為市場效率數(shù)據(jù)，并進行標(biāo)準(zhǔn)化處理。

指令不均衡的計算方法如下：指令不均衡指在一個特定交易時期中，買方主動的交易量和賣方主動的交易量之間的差額。它能夠同時度量交易絕對數(shù)量和交易方向這兩個維度，不但反映了供需雙方的力量對比，而且可以提供關(guān)于交易更詳細的信息，比傳統(tǒng)的交易量指標(biāo)包含了更多的有用信息來度量交易的活躍程度。本文參照Tarun等（2008）[2]和Chung和Hrazdi（l2010）[10]的做法，采取交易金額法計算指令不平衡（OIB）指標(biāo)。指令不平衡（OIB）計算過程為：

每只股票每筆交易都會被標(biāo)記買方發(fā)起和賣方發(fā)起，通過匯總股票在每個5min內(nèi)買方發(fā)起的總的交易金額和賣方發(fā)起的總的交易金額，然后計算出每只股票的指令不平衡（OIB）數(shù)值。

（2）流動性代理指標(biāo)

根據(jù)Amihud非流動性指標(biāo)，本文將其進行調(diào)整以測度股票市場每天的非流動性水平：

其中，vi表示根據(jù)所有樣本股票前一日的流通市值所計算的權(quán)重，|rit|表示股票i在第t天的對數(shù)收益率的絕對值，Voldit表示股票i在第t日的交易金額。illiquidt所計算的結(jié)果為股票樣本總體的非流動性水平。為便于通過數(shù)據(jù)直接展示數(shù)值所代表的流動性水平，本文將illiquid的倒數(shù)值作為Liquid流動性數(shù)據(jù),并進行標(biāo)準(zhǔn)化處理。

1.2 模型構(gòu)建

借鑒Chung和 Hrazdil（2010）[10]在分析納斯達克市場效率與流動性關(guān)系時的建模思路，本文結(jié)合我國市場特點構(gòu)建如下模型形式：

其中，MktEff為市場效率指標(biāo)，Liquid表示市場流動性，LnMmarketsize表示股票流通市值加權(quán)平均數(shù)的對數(shù)，LnVolume表示股票交易金額的對數(shù)，TradFred表示交易頻率，ε表示隨機擾動項。

在模型（5）的基礎(chǔ)上，將所有數(shù)據(jù)根據(jù)流動性大小進行排列并等分為K組，每組對應(yīng)一個虛擬變量Dk（K=1，2，…，K），同時生成流動性關(guān)聯(lián)變量Liquidity*Dk，進而構(gòu)建模型（6）：

將樣本期劃分為牛市與熊市兩個時期，分別采用模型（5）進行計量分析，可以得到不同市場環(huán)境下，流動性與市場效率之間的變化趨勢。此外，市場處于熊市與牛市的兩個不同時期，二者的流動性水平不同，牛市的市場流動性水平通常高于熊市狀態(tài)。因此，采用分段線性回歸的方法，即模型（6），能夠檢驗在牛市狀態(tài)下，隨著流動性的不斷增大，市場效率是否會出現(xiàn)下降的現(xiàn)象，展現(xiàn)市場不同狀態(tài)下流動性與市場效率之間的更為具體的關(guān)系。

1.3 數(shù)據(jù)說明

本文選擇滬深300指數(shù)成分股作為樣本數(shù)據(jù)（滬深300指數(shù)股票以體量較大，流動性較好著稱，用來計算市場效率的反向指標(biāo)比較具有代表性）。具體的樣本期和樣本選擇過程如下：參照滬深300指數(shù)行情，選取2014/7/1至2015/6/30作為牛市階段、2015/7/1至2017/6/30作為熊市階段，即2014/6/30至2017/6/30時期內(nèi)滬深300指數(shù)成分股票合計3年的數(shù)據(jù)，剔除掉數(shù)據(jù)缺失較為嚴(yán)重的股票29支、停牌時間較長的股票23支，最終選擇剩下的248支作為樣本股票。基礎(chǔ)數(shù)據(jù)來源于同花順（iFinD）和國泰安（CSMAR）高頻交易數(shù)據(jù)庫。

2 實證分析

2.1 描述性統(tǒng)計分析

下頁表1顯示了模型（1）與模型（2）中股票收益Ret、指令不平衡OIB$與低流動性虛擬變量ILD相關(guān)的換手率Turnover三個指標(biāo)的數(shù)據(jù)描述統(tǒng)計。2014/7/1至2017/6/30期間，只有指令不平衡指標(biāo)波動較大，標(biāo)準(zhǔn)差為21.56%，而收益率與換手率指標(biāo)的波動性較小。此外，市場收益率指標(biāo)的均值幾乎為0，說明我國股票市場行情并未為投機者帶來比較客觀的收益，并且我國股票市場的分紅比例較低，與成熟資本市場對投資者的穩(wěn)定回報之間存在一定的差距。

表1 模型（2）相關(guān)變量的描述性統(tǒng)計

表2提供了模型（5）中相關(guān)變量的描述性統(tǒng)計。樣本數(shù)據(jù)劃分為牛市與熊市兩個時期，從表2中可以看出：牛市期間的流動性水平高于熊市期間的流動性水平，此外，牛市市場效率的中位數(shù)大于熊市市場效率的中位數(shù)，說明牛市期間的市場效率比較高。

表2 模型（5）相關(guān)變量的描述性統(tǒng)計

為了更直觀地展現(xiàn)流動性與市場效率之間的關(guān)系，本文計算了月度流動性與市場效率的數(shù)值，如圖1所示。從圖中可以看出，熊市時期流動性與市場效率正向變化；牛市前期，流動性與市場效率正相關(guān)，而在流動性達到一定水平之后，隨著流動性的提高，市場效率開始出現(xiàn)下降。

圖1 流動性與市場效率

2.2 市場效率模型選擇

首先，采用模型（1）和模型（2）對整個樣本數(shù)據(jù)作回歸，然后再對每一個交易日的高頻數(shù)據(jù)進行日回歸，并統(tǒng)計每一個交易日的R2、調(diào)整后的R2以及t統(tǒng)計值的大小。依次比較模型（1）與模型（2）哪一個更能準(zhǔn)確的預(yù)測股票短期收益，進而采用預(yù)測效果較好模型的擬合優(yōu)度值作為市場效率的反向預(yù)測指標(biāo)。而后將擬合優(yōu)度值取倒數(shù)并做標(biāo)準(zhǔn)化處理，所得結(jié)果即代表市場效率的大小，數(shù)值越大，市場效率越高。匯總結(jié)果如表3所示。

從表3中可以看出，滯后一期的指令不平衡與收益之間具有反向的關(guān)系，即若指令不平衡為正，說明主動買入大于主動賣出，則本期的收益率較高，內(nèi)幕信息被消化，下一期就不存在超額收益。另一方面，當(dāng)在模型（1）中加入低流動性虛擬變量之后，模型（2）的解釋力相比模型（1）得到提高。此外，擬合優(yōu)度差值圖（見圖2）顯示，模型（2）與模型（1）的擬合優(yōu)度差值均為正，進一步說明模型（2）的解釋能力均優(yōu)于模型（1）。因此本文選用模型（2）估計的擬合優(yōu)度值作為市場效率的反向指標(biāo)。

表3 市場效率衡量模型比較

圖2 模型（1）與模型（2）解釋力差值圖

2.3 不同行情下流動性對我國股市效率的影響

將模型（2）測算的市場效率量化值，以及流動性、流通市值、成交金額、交易頻率等數(shù)據(jù)代入模型（5），計量分析結(jié)果如表4所示。

表4 模型（5）回歸結(jié)果

回歸1至回歸4中，依次添加新的控制變量，模型的擬合優(yōu)度均有所提高。在熊市中，市場效率與流動性正相關(guān)，即隨著流動性的改善，股票市場的市場效率不斷提高；股票成交金額、流通市值與市場效率正相關(guān)，交易頻率與市場效率負相關(guān)。在整個牛市樣本期中，回歸方程中流動性的系數(shù)值為負數(shù)，即市場效率與流動性反向變化；成交金額與流動性正相關(guān)（回歸2與回歸4）；流通市值與市場效率正相關(guān)（回歸3），交易頻率與市場效率負相關(guān)（回歸4）。

2.4 流動性對我國股市效率的分階段影響

為了更加細致地分析牛市和熊市中流動性與市場效率之間的關(guān)系，本文采用模型（6）對股票市場的兩個時期分別進行分段線性回歸，將流動性按照從小到大的順序排列，依次分為流動性低、中、高三組。分階段回歸結(jié)果如表5所示。

表5 熊市與牛市分段回歸結(jié)果

從表5中可以看出，熊市時期的三段回歸結(jié)果中，流動性系數(shù)均為正值，即隨著流動性的不斷改善，市場效率不斷提高；在牛市時期，第一組和第三組的流動性關(guān)聯(lián)變量的系數(shù)值為正，第三組的流動性關(guān)聯(lián)變量的系數(shù)值為負，且牛市回歸4的結(jié)果比較顯著。說明在牛市初期，隨著流動性的提高，市場效率開始是逐漸上升，而在流動性超過一定水平時，市場效率呈現(xiàn)下降趨勢。原因可能是在牛市初期，投資者比較理性，而當(dāng)市場行情上升到一定程度時，投資者情緒高漲，入市者甚多，從而形成了一波由資金推動的市場又一輪上漲，此時的投資者已經(jīng)不是傳統(tǒng)市場有效理論中的理性人的假設(shè)。此外，這也與我國股票市場的參與者結(jié)構(gòu)有關(guān)，我國股市的參與者中散戶占據(jù)大多數(shù)，散戶的行為通常是追漲殺跌，專業(yè)化程度比較低，羊群效應(yīng)明顯。因此造成了在牛市流動性最高的時期市場效率卻出現(xiàn)下降。

由于在上述研究中，均采用日數(shù)據(jù)進行分析，而在熊市期間的部分天數(shù)流動性大于牛市時期的流動性，單純根據(jù)時間劃分不同的流動性水平可能導(dǎo)致不太科學(xué)的結(jié)果。因此，本文進一步對整個樣本期間的數(shù)據(jù)根據(jù)流動性的大小從小到大進行排序，并等分為5組，然后通過模型（6）進行分段線性回歸。這樣做可以將在熊市期間流動性奇高的交易日納入高流動性分組進行分析，從而得到更加準(zhǔn)確的結(jié)果。回歸結(jié)果如表6所示。

表6 整體分段線性回歸結(jié)果

圖3 流動性與市場效率

從全樣本期看，依次加入新控制變量，擬合優(yōu)度均優(yōu)于模型（3）。此外，在流動性水平從高到低的前四組來看，均大于0，流動性與市場效率之間均存在正向的變化，而在第五組中，系數(shù)值β15<0，流動性在上升到一定水平時開始出現(xiàn)下降。根據(jù)表6中每一組流動性關(guān)聯(lián)變量的系數(shù)值，流動性與市場效率關(guān)系如下頁圖3所示：在L1至L2期間，我國股市效率隨流動性的改善逐漸上升，而當(dāng)流動性水平急速上升超過L2時，市場效率出現(xiàn)下降。

不同行情下，熊市時期，流動性水平較低，隨著流動性的不斷改善，市場效率逐漸提高；牛市時期，投資者情緒高漲，大量資金涌入，市場流動性急速上升引起股票價格持續(xù)上漲，此時采用指令不平衡數(shù)據(jù)能夠?qū)善笔找孢M行很好的預(yù)測，從而導(dǎo)致了在高流動性時市場效率出現(xiàn)拐點。

3 總結(jié)與建議

流動性是衡量股票市場的重要指標(biāo)，是證券市場的生命力所在。從理論上說,流動性與市場效率是密切相關(guān)的：資產(chǎn)流動性小,買賣信息傳播慢,供求難以達到平衡,交易成本大,投資者的期望收益也就高，交易就越不活躍，投資者可以通過指令不平衡（OIB）對股票收益進行預(yù)測，股票市場效率比較低。本文基于流動性水平選擇滬深300作為樣本數(shù)據(jù)進行實證分析，結(jié)果表明：流通市值、成交金額與市場效率之間存在正相關(guān)關(guān)系；熊市期間，流動性與市場效率正向變化；牛市期間，隨著流動性上升，市場效率呈現(xiàn)先上升后下降的變化趨勢。在合并牛市與熊市樣本數(shù)據(jù)對整體進行分段回歸的結(jié)果表明：我國股市現(xiàn)行條件水平下，市場效率隨著流動性的提高逐漸上升，而在流動性超過一定水平時，市場效率呈現(xiàn)出略微的下降趨勢。這可能與我國股票市場的參與者結(jié)構(gòu)有關(guān)，我國股市的參與者中散戶占據(jù)大多數(shù)，散戶的行為通常是追漲殺跌，專業(yè)化程度比較低，羊群效應(yīng)明顯。

綜上所述，為了防止流動性水平快速上升而導(dǎo)致市場效率下降的情況出現(xiàn)，市場監(jiān)管部門需注意：首先，針對我國股市投資者結(jié)構(gòu)，應(yīng)適當(dāng)提高市場投資者的準(zhǔn)入門檻，剔除風(fēng)險承受能力較差以及投資水平較低的客戶，并加強對投資者進行繼續(xù)教育；其次，在牛市行情中，應(yīng)加強對股票市場流動性水平進行實時監(jiān)測；最后，從宏觀層面及時采取合理的措施引導(dǎo)資金流向，對股票市場進行降溫，防止投資者情緒高漲、跟風(fēng)炒作所導(dǎo)致的市場過熱引發(fā)市場效率下降，資源配置扭曲現(xiàn)象的出現(xiàn)。