不同市場環(huán)境下股票收益與波動(dòng)性的關(guān)系研究

高傳三 蔣月娥

摘要：基于滬深A(yù)股不同市場環(huán)境下的交易數(shù)據(jù)，實(shí)證分析了股票收益與波動(dòng)性之間的關(guān)系，得出了波動(dòng)性因子是股票收益行為獨(dú)立影響因素的結(jié)論，并且，在不同的市場環(huán)境中波動(dòng)與股票收益之間的關(guān)系具有不同的表現(xiàn)形式，牛市中正相關(guān)，熊市中負(fù)相關(guān)。

Abstract： Based on the transaction data of different market environments in Shanghai and Shenzhen Stock Market， the paper empirically analyzes the relationship between stock returns and volatility and draws the conclusion that the volatility is an independent determinants of stocks' return.? Under different market environment， the relationship is different， it is positively correlated in bull market but negatively correlated in bear market.

關(guān)鍵詞：收益;波動(dòng)性;市場環(huán)境

Key words： return;volatility;market environment

中圖分類號(hào)：F830.91? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2019）31-0120-03

0? 引言

自世界上首家證券交易所在荷蘭誕生以來，股票的收益問題始終是證券市場上最受關(guān)注的話題，而股價(jià)的波動(dòng)性則是這一話題中毋庸置疑的核心。多年來，無論是學(xué)界還是業(yè)界，關(guān)于股票收益與波動(dòng)性之間關(guān)系的研究數(shù)不勝數(shù)，人們不斷嘗試從各種角度，運(yùn)用不同的方法描述這種關(guān)系，得出了許多有意義的結(jié)論，極大地推動(dòng)了理論研究的深化，并促使全球證券市場日益走向成熟。然而，遺憾的是，這些研究并沒能得出完全一致的結(jié)論，關(guān)于股票收益與波動(dòng)之間關(guān)系的研究仍處于不斷探索的過程中。

本文即將致力于進(jìn)一步探索股票收益與波動(dòng)性之間的關(guān)系。基于對(duì)中國證券市場的觀察，以近年來發(fā)生的兩次牛熊交替行情為背景，運(yùn)用橫截面回歸法，采用我國滬深股市的行業(yè)日收益率作為研究對(duì)象，分析并對(duì)比不同市場環(huán)境下股價(jià)波動(dòng)性對(duì)股票收益的影響。

1? 實(shí)證方案設(shè)計(jì)

1.1 模型的建立

為考察股票收益與波動(dòng)性之間的關(guān)系，建立模型如（1）式所示：

其中，R為個(gè)股或組合的收益率，是模型的被解釋變量;VLA為波動(dòng)性因子，是模型的解釋變量;rf為無風(fēng)險(xiǎn)收益率，rm為市場收益率，（rm-rf）、PRI和LIQ為控制變量，分別為系統(tǒng)風(fēng)險(xiǎn)因子、名義股價(jià)因子和流動(dòng)性因子。

1.2 樣本選擇

回顧我國證券市場的歷史，最近的兩輪“牛市”行情分別是2006-2007年和2014-2015年。這兩輪行情，所處的時(shí)間節(jié)點(diǎn)不同，其發(fā)生時(shí)國際國內(nèi)的經(jīng)濟(jì)大環(huán)境亦不相同，因此其中包含的交易信息也必然有所不同。為了驗(yàn)證我們主張的意外沖擊條件下波動(dòng)性價(jià)值及其相關(guān)因子對(duì)股票收益行為的解釋能力，我們將嘗試分別用這兩輪行情中的交易數(shù)據(jù)來檢驗(yàn)基于可交易過程的股票波動(dòng)性價(jià)值實(shí)證模型。

我們將包含2006-2007年行情及其之前低迷期的時(shí)段記為第Ⅰ輪，將包含2014-2015年行情及其之前低迷期的時(shí)段記為第Ⅱ輪，同時(shí)，在每輪中，均選擇兩段不同市場環(huán)境下的樣本數(shù)據(jù)，并將其中處于低迷狀態(tài)的階段記為A段，處于快速上漲狀態(tài)的階段記為B段。由此，可以得到四段樣本數(shù)據(jù)，分別是：

——ⅠA段。2004年1月1日至12月31日，金融市場表現(xiàn)為股指下降，市場低迷且市場信心受到打擊，此時(shí)市場處于“熊市”狀態(tài);

——ⅠB段。2006年10月9日至2007年9月28日，在此階段，市場復(fù)蘇高漲，股指快速上升，由此市場信心修復(fù)并開始高漲，進(jìn)而表現(xiàn)為一段“快牛”的行情;

——ⅡA段。2013年6月17日至2014年6月13日，自2008年股市大幅下挫以來，股指持續(xù)低位已經(jīng)多年，市場低迷，雖然從指數(shù)上看，這一時(shí)段的股指不僅并沒有明顯下降，反而還略有升高，但總體上仍處于“熊市”的末端。

——ⅡB段。2014年6月16日至2015年6月12日，這一時(shí)段中，“快牛”行情再現(xiàn)，市場極度興奮。

對(duì)比兩輪行情中的A段和B段，不難發(fā)現(xiàn)A段中市場處于低位運(yùn)行的狀態(tài)，股指變化較小，成交量極度萎縮，市場所受到的外部沖擊不明顯，而B段中股指迅速上漲，成交量急劇放大，市場及其參與者持續(xù)受到新息的沖擊。因此，我們分別選擇兩輪行情中的A段和B段數(shù)據(jù)研究不同市場環(huán)境下股票收益與波動(dòng)性之間的關(guān)系。

在我國滬深A(yù)股主板市場根據(jù)以下原則對(duì)上述四個(gè)時(shí)段的所有個(gè)股的日交易數(shù)據(jù)進(jìn)行篩選：

第一，如果個(gè)股在樣本期內(nèi)被特別處理或其他處理，去除被處理個(gè)股相關(guān)交易日的數(shù)據(jù)，剔除該股恢復(fù)正常交易后前5個(gè)交易日的數(shù)據(jù)，保證樣本漲跌幅限制的一致性;

第二，去除凈資產(chǎn)小于零的個(gè)股，保證與其他有關(guān)研究的可比性;

第三，去除新股前20個(gè)交易日的交易數(shù)據(jù)。

同時(shí)，對(duì)上市公司的紅利、配股、拆細(xì)等行為進(jìn)行了相關(guān)調(diào)整。經(jīng)過選擇，在有效樣本中，第Ⅰ輪共有1218支個(gè)股，涉及485個(gè)交易日，其中ⅠA段243個(gè)ⅠB段242個(gè)。第Ⅱ輪涉及2216只個(gè)股，488個(gè)交易日，其中ⅡA段243個(gè)，ⅡB段 245個(gè)。

令ri，t為股票i在第t個(gè)交易日的對(duì)數(shù)收益率，prii，t為收盤價(jià)，liqi，t為換手率，vlai，t為波動(dòng)率，其中i=1，2…3434;t=1，2…973，具體的，i=1，2…1218為第Ⅰ輪時(shí)點(diǎn)，i=1219，1220…3434為第Ⅱ輪時(shí)點(diǎn)，t=1，2…243為ⅠA段數(shù)據(jù)，t=244，245…485為ⅠB段數(shù)據(jù)，t=486，487…728為ⅡA段數(shù)據(jù)，t=729，730…973為ⅡB段數(shù)據(jù)，波動(dòng)率由Garch（1，1）模型計(jì)算得到，記rft和rmt為第t個(gè)交易日的日無風(fēng)險(xiǎn)收益率和流通市值加權(quán)平均市場日收益率。樣本期間停盤股票相關(guān)數(shù)據(jù)記為空值，不參加后續(xù)計(jì)算。

1.3 組合及因子構(gòu)造

根據(jù)證監(jiān)會(huì)行業(yè)分類將所有個(gè)股分成13組，分別是：采掘業(yè);制造業(yè);建筑業(yè);房地產(chǎn)業(yè);農(nóng)、林、牧、漁業(yè);電力、煤氣及水的生產(chǎn)和供應(yīng)業(yè);交通運(yùn)輸及倉儲(chǔ)業(yè);批發(fā)和零售貿(mào)易;金融、保險(xiǎn)業(yè);社會(huì)服務(wù)業(yè);傳播與文化產(chǎn)業(yè);信息技術(shù)業(yè);綜合類。對(duì)每一個(gè)交易日，計(jì)算每個(gè)組合的算術(shù)平均對(duì)數(shù)收益率，記為該組合當(dāng)日的收益率。

參照Fama-French模型的因子構(gòu)造思路，在每個(gè)交易日t（t=2，3…243;245，246…485;487，488…728;730，731…973），將交易的個(gè)股股價(jià)按上一個(gè)交易日從低到高排序，并以大約3：4：3的比例劃分，股價(jià)最低的30%記為LP組、股價(jià)居中的40%記為MP組、股價(jià)最高的30%記為HP組，令M_prit為名義股價(jià)調(diào)整系數(shù)因子的代理指標(biāo)，記為HP組與LP組的日算術(shù)平均收益率之差;在每個(gè)交易日t（t= 2，3…243; 245，246…485;487，488…728;730，731…973），按同樣的方法對(duì)交易個(gè)股的換手率和波動(dòng)率進(jìn)行排序、分組，令M_liqt為流動(dòng)性因子的代理指標(biāo)為高換手率組（HE組）與低換手率組（LE組）的日均收益率之差，M_vlat為波動(dòng)性因子的代理指標(biāo)為高波動(dòng)率組（HV組）的日均收益率與低波動(dòng)率組（LV組）的日均收益率之差。

1.4 實(shí)證思路

對(duì)13個(gè)行業(yè)組合的日收益率采用橫截面回歸法進(jìn)行實(shí)證分析：

第一輪對(duì)組合的時(shí)間序列數(shù)據(jù)進(jìn)行回歸，估計(jì)各組合的回歸系數(shù)。將式（1）改寫為：

其中cl為截距項(xiàng)m=ⅠA、ⅠB、ⅡA或ⅡB，l=1，2…13）分別為四段樣本數(shù)據(jù)中13個(gè)組合的波動(dòng)性因子、系統(tǒng)風(fēng)險(xiǎn)因子、名義股價(jià)調(diào)整因子和流動(dòng)性因子的時(shí)間序列影響系數(shù)。根據(jù)式（2）分別對(duì)13個(gè)組合中t= 2，3…238（ⅠA段），t=245，246…480（ⅠB段），t=487，488…723（ⅡA段），t=730，731…968（ⅡB段）的樣本數(shù)據(jù)進(jìn)行時(shí)間序列回歸，可得回歸系數(shù)（m= ⅠA、ⅠB、ⅡA或ⅡB、l=1，2…13）。

第二輪依式（2）對(duì)第一輪回歸中得到的各組合的回歸系數(shù)再次進(jìn)行橫截面回歸：

其中，rl，m-rfm（m=ⅠA、ⅠB、ⅡA或ⅡB、l=1，2…13）為第l組中t=239，240…243（ⅠA段）和t=481，482…485（ⅠB段）、t=724，725…728（ⅡA段）和t=969，970…973（ⅡB段）的樣本數(shù)據(jù)的算術(shù)平均日風(fēng)險(xiǎn)收益率為波動(dòng)性因子、為系統(tǒng)風(fēng)險(xiǎn)因子為名義股價(jià)調(diào)整系數(shù)因子，為流動(dòng)性因子（m=ⅠA、ⅠB、ⅡA或ⅡB）的橫截面回歸影響系數(shù)，表示截距項(xiàng)。

2? 實(shí)證過程及結(jié)果分析

2.1 數(shù)據(jù)描述統(tǒng)計(jì)分析

分別計(jì)算兩輪四段行情中各組合所包含個(gè)股的算術(shù)平均對(duì)數(shù)收益率，13個(gè)行業(yè)組合在兩段樣本區(qū)間內(nèi)的平均日均收益率數(shù)據(jù)的描述統(tǒng)計(jì)分析如表1所示。

可見，股票收益的表現(xiàn)在不同的市場環(huán)境下完全不同。第一輪中，ⅠA段數(shù)據(jù)顯示13個(gè)行業(yè)中有11個(gè)日均收益率平均值為負(fù)，收益率的標(biāo)準(zhǔn)差較小，表明在熊市的市場環(huán)境，股票組合的收益率普遍較低，負(fù)收益股占絕大多數(shù)且個(gè)股間收益的差距較小。ⅠB段數(shù)據(jù)顯示13個(gè)行業(yè)一年內(nèi)平均收益的均值均為正，且日均收益率的中位數(shù)均高于平均數(shù)，收益率標(biāo)準(zhǔn)差相對(duì)較大，表明在牛市的環(huán)境中，大多數(shù)股票可獲得正收益，但收益的差異相對(duì)較大。第二輪中，ⅡB段數(shù)據(jù)的均值和標(biāo)準(zhǔn)差均明顯高于ⅡA段，表明在牛市中較高的收益率水平和較大的收益波動(dòng)。對(duì)比兩輪行情，可以發(fā)現(xiàn)ⅠA段的均值數(shù)據(jù)大多為負(fù)，而ⅡA段卻大多為正，這表明，相對(duì)而言，ⅡA段的熊市特征較ⅠA段弱，結(jié)合指數(shù)數(shù)據(jù)，我們也發(fā)現(xiàn)ⅡA段期間，指數(shù)其實(shí)并未下降，而是略有上升，因此，可以認(rèn)為是出于熊市的尾聲階段。此外，雖然同為牛市輪，絕大多數(shù)組的ⅡB段均值數(shù)據(jù)小于ⅠB段，表明2015年牛市中，市場的收益率不如2007年，這一點(diǎn)，從有關(guān)指數(shù)和典型個(gè)股的漲幅中，也能有所體現(xiàn)。

2.2 回歸結(jié)果分析

依據(jù)式（2）和式（3）進(jìn)行兩輪回歸后，結(jié)果如表2所示。

總體上，兩輪四段數(shù)據(jù)中模型的F統(tǒng)計(jì)量均在0.01顯著性水平下顯著，表明模型正確;調(diào)整后R2的結(jié)果表明模型的擬合程度較好;■在0.1顯著性水平下不顯著，可以認(rèn)為回歸方程截距項(xiàng)為0，模型能夠比較全面地解釋我國滬深A(yù)股的行業(yè)橫截面日均收益率。

作為模型的解釋變量，波動(dòng)性因子在兩輪四段數(shù)據(jù)中都是顯著的，且在不同市場環(huán)境中回歸系數(shù)的方向不同。在代表熊市的ⅠA和ⅡA段數(shù)據(jù)中，波動(dòng)與股票收益之間呈現(xiàn)負(fù)相關(guān)關(guān)系，即波動(dòng)越大，收益越小;而在ⅠB和ⅡB段數(shù)據(jù)中，二者卻呈現(xiàn)正相關(guān)關(guān)系，波動(dòng)越大，收益越大。這樣的結(jié)果證明，波動(dòng)性是股票收益行為的獨(dú)立影響因素之一，在不同的市場環(huán)境下，波動(dòng)性對(duì)股票風(fēng)險(xiǎn)收益的影響還可以具有不同的表現(xiàn)。

作為控制變量的三個(gè)因子中，首先，系統(tǒng)風(fēng)險(xiǎn)因子在三段數(shù)據(jù)中是顯著的，表明在一定的市場環(huán)境中，傳統(tǒng)CAPM模型提出的系統(tǒng)風(fēng)險(xiǎn)因子，總體上對(duì)股票收益是具有解釋能力的。其次，名義股價(jià)調(diào)整因子在ⅠA和ⅡA段數(shù)據(jù)中顯著為正，但在ⅠB和ⅡB段中并不顯著。表明在市場整體比較低迷的時(shí)候，名義股價(jià)可能會(huì)是市場參與者考慮的眾多因素之一，但市場處于急速上升的大好行情中時(shí)，市場參與者可能便不再過多關(guān)注名義股價(jià)了。最后，流動(dòng)性因子在兩輪四段行情中顯然都是顯著的，且顯著性水平都還比較高，這表明無論如何，流動(dòng)性都是股票風(fēng)險(xiǎn)收益的重要影響因素，無論波動(dòng)性是否被獨(dú)立檢驗(yàn)，流動(dòng)性的影響都客觀存在。

3? 結(jié)論

通過對(duì)我國滬深市場2007年和2015年前后兩輪牛熊交替行情的分析，本文重新審視了不同市場環(huán)境下股票收益與波動(dòng)性之間的關(guān)系，得出了波動(dòng)性因子是股票收益的獨(dú)立影響因子，且二者的關(guān)系將隨著市場環(huán)境的變化表現(xiàn)出不同的特征的結(jié)論，即市場環(huán)境相對(duì)低迷時(shí)，波動(dòng)水平與市場收益負(fù)相關(guān)，而當(dāng)市場環(huán)境積極向上時(shí)，波動(dòng)性水平卻與市場收益正相關(guān)。表明在熊市中，波動(dòng)不被市場參與者所歡迎，但在牛市中，卻可能正好相反。

參考文獻(xiàn)：

[1]鄭振龍，湯文玉.波動(dòng)率風(fēng)險(xiǎn)及風(fēng)險(xiǎn)價(jià)格——來自中國A股市場的證據(jù) [J].金融研究，2011（4）：143-157.

[2]HO H C， LIN C C. Influence of Heterogeneous Beliefs on Volatility when Agents Degree of Confidence Differs [J]. Applied Economics Letters， 2011， 18（10）：955-959.

[3]陳煒，袁子甲，何基報(bào).異質(zhì)投資者行為與價(jià)格形成機(jī)制研究[J].經(jīng)濟(jì)研究，2013（4）：43-54.

[4]史永東，蔣賢鋒.內(nèi)幕交易、股價(jià)波動(dòng)與信息不對(duì)稱：基于中國股票市場的經(jīng)驗(yàn)研究[J].世界經(jīng)濟(jì)，2004（12）：54-64.

[5]文鳳華，龔旭，黃創(chuàng)霞，陳曉紅，楊曉光.股市信息流對(duì)收益率及其波動(dòng)的影響研究[J].管理科學(xué)學(xué)報(bào)，2013（11）：69-80.

[6]張普，陳亮，張名譽(yù).現(xiàn)金股利、多層次資本市場體系與股票價(jià)格波動(dòng)[J].統(tǒng)計(jì)與決策，2018，34（12）：168-172.

[7]AN H， ZHANG T. Stock Price Synchronicity， Crash Risk， and Institutional Investors [J]. Journal of Corporate Finance， 2013， 21（1） ：1-15.