套利不對稱性、融資融券制度和波動率效應(yīng)

黃旭成 楊爾稼

【摘要】套利的有限性和不對稱性導(dǎo)致資本市場產(chǎn)生了諸多異象。 基于“套利不對稱性”以及融資融券等制度安排， 檢驗(yàn)“波動率效應(yīng)”的異象特征和變化趨勢。 研究發(fā)現(xiàn)， “波動率效應(yīng)”存在因“套利不對稱性”而導(dǎo)致的異象特征， 即波動率在低估組合中呈現(xiàn)出正效應(yīng)， 在高估組合中呈現(xiàn)出負(fù)效應(yīng)， 且由于負(fù)效應(yīng)顯著大于正效應(yīng)使得波動率最終呈現(xiàn)出整體負(fù)效應(yīng)。 結(jié)合融資融券制度改革的準(zhǔn)自然實(shí)驗(yàn)研究發(fā)現(xiàn)， 相比非兩融樣本， 具有賣空機(jī)制的兩融樣本的“波動率效應(yīng)”明顯變?nèi)酰?該實(shí)驗(yàn)結(jié)果進(jìn)一步增強(qiáng)了結(jié)論的穩(wěn)健性。 上述結(jié)果說明， 有限套利導(dǎo)致的“套利不對稱性”是資本市場上“波動率效應(yīng)”等異象產(chǎn)生的重要原因， 融資融券等制度建設(shè)能有效降低套利成本， 從而提升市場效率。

【關(guān)鍵詞】波動率效應(yīng);套利不對稱性;融資融券

【中圖分類號】F832? ? ? 【文獻(xiàn)標(biāo)識碼】A? ? ? 【文章編號】1004-0994（2021）14-0140-7

一、引言

資本市場的有限套利和投資者非理性， 導(dǎo)致諸多市場異象（Market Anomalies）的產(chǎn)生。 市場異象通常是指基于證券市場橫截面數(shù)據(jù)進(jìn)行實(shí)證得出的、與經(jīng)典的資產(chǎn)定價理論和有效市場理論不相符的收益異?，F(xiàn)象。 學(xué)者們在研究股票市場橫截面收益率時， 發(fā)現(xiàn)了很多與股票未來收益率相關(guān)的因子變量， 根據(jù)這些因子對股票進(jìn)行分組進(jìn)而構(gòu)建的多空組合存在顯著的超額收益。 這些因子或與交易的價量變化有關(guān)， 或與公司的外在特征有關(guān)， 或與公司內(nèi)在經(jīng)營相關(guān)。 其中， “波動率效應(yīng)”（Volatility Effect）指股票整體波動率與股票未來收益之間的負(fù)相關(guān)關(guān)系， 是一種具有代表性的、與交易的價量變化有關(guān)的市場異象。 本文將股票整體波動率定義為股票某交易時間段股價收益率的標(biāo)準(zhǔn)差。

目前學(xué)術(shù)界對“波動率效應(yīng)”的解釋尚未形成普遍認(rèn)可的結(jié)論。 本文借鑒Stambaugh等[1] 、尹玉剛等[2] 針對特質(zhì)波動率異象的研究方法， 對“波動率效應(yīng)”進(jìn)行了實(shí)證檢驗(yàn)， 發(fā)現(xiàn)“波動率效應(yīng)”具備與特質(zhì)波動率異象類似的、因套利不對稱性導(dǎo)致的異象特征。 Stambaugh等[1] 認(rèn)為， 特質(zhì)波動率代表了經(jīng)風(fēng)險調(diào)整的收益的套利風(fēng)險， 特質(zhì)波動率越大的股票， 投資者越難以從套利的角度消除錯誤定價; 與“做多”相比， “做空”面臨更大的障礙和風(fēng)險， 做空困難導(dǎo)致的套利不對稱性可以解釋特質(zhì)波動率之謎。 根據(jù)套利不對稱性理論， “做空”套利比“做多”套利面臨著更多的風(fēng)險和障礙， 套利是不對稱的， 故“特質(zhì)波動率效應(yīng)”呈現(xiàn)出如下特征： 在高估組合中呈現(xiàn)出負(fù)效應(yīng)， 在低估組合中呈現(xiàn)出正效應(yīng)， 高估組合中的負(fù)效應(yīng)顯著大于低估組合中的正效應(yīng)， 并最終導(dǎo)致了整體負(fù)效應(yīng)。

根據(jù)套利不對稱性理論， 特質(zhì)波動率越大則套利風(fēng)險越大， 對于特質(zhì)波動率越大的股票， 投資者越難以從套利的角度消除股票錯誤定價， 要求的套利回報就越高， 并導(dǎo)致特質(zhì)波動率與未來阿爾法收益呈負(fù)相關(guān)關(guān)系; 與之相似， 整體波動率越大則套利風(fēng)險也越大， 投資者越難以從套利的角度消除股票錯誤估值， 要求的套利回報也就越高， 并導(dǎo)致整體波動率與未來股價收益呈負(fù)相關(guān)關(guān)系， 故套利不對稱性理論也應(yīng)適用于“波動率效應(yīng)”的解釋。

如果套利不對稱性理論也適用于解釋“波動率效應(yīng)”， 那么“波動率效應(yīng)”也應(yīng)該呈現(xiàn)出“特質(zhì)波動率效應(yīng)”的類似特征。 本文的實(shí)證結(jié)果表明， “波動率效應(yīng)”確實(shí)呈現(xiàn)出上述特征， 套利不對稱性理論也適用于解釋“波動率效應(yīng)”。 為了便于比較， 本文還針對“規(guī)模效應(yīng)”和“價值效應(yīng)”進(jìn)行了相同檢驗(yàn)， 發(fā)現(xiàn)這些異象并不具備上述特征， 套利不對稱性理論不能解釋非風(fēng)險因子所導(dǎo)致的異象。 進(jìn)一步的穩(wěn)健性檢驗(yàn)結(jié)果表明， 融資融券制度改革確實(shí)減弱了“波動率效應(yīng)”， 提高了市場效率。

二、文獻(xiàn)綜述和研究假設(shè)

從文獻(xiàn)來看， A股市場存在諸多市場異象， 例如市值異象[3] 、價值異象[3] 、凈資產(chǎn)收益率異象[4] 、波動率效應(yīng)[5，6] 、特質(zhì)波動率效應(yīng)[1，2，7] 、反轉(zhuǎn)異象[6，8] 、換手率異象[9，10] 、總資產(chǎn)增長率異象、“應(yīng)計異象”[6] 等。

在上述異象中， “波動率效應(yīng)”具有一定的代表性， 普遍存在于發(fā)達(dá)市場和新興市場[11] ， 亦存在于A股市場[5，12，13] 。 股票整體波動率通常代表了股票的整體風(fēng)險， “波動率效應(yīng)”意味著證券市場中整體風(fēng)險較高股票的未來收益較低、整體風(fēng)險較低股票的未來收益卻較高， 這對于經(jīng)典金融理論而言是一種挑戰(zhàn)。 該如何解釋“波動率效應(yīng)”呢？ 有學(xué)者認(rèn)為波動率與交易量之間存在正相關(guān)關(guān)系， “波動率效應(yīng)”是由交易產(chǎn)生的; 也有學(xué)者給出了三點(diǎn)解釋， 即杠桿不變、傳統(tǒng)投資決策流程的低效和個人投資者的行為偏差等; 王志強(qiáng)等[5] 指出“波動率效應(yīng)”有別于規(guī)模、價值、動量等異象， 無法用規(guī)模、價值、動量等常見因子來解釋。 但整體而言， 目前對“波動率效應(yīng)”進(jìn)行解釋的文獻(xiàn)并不多， 且尚未形成普遍認(rèn)可的結(jié)論。

與“波動率效應(yīng)”較相似的另一個異象， 即“特質(zhì)波動率效應(yīng)”[14-19] 。 以Stambaugh等[1] 為代表的學(xué)者們提出的“由于做空困難導(dǎo)致的套利不對稱性”理論， 較合理地解釋了特質(zhì)波動率的整體負(fù)效應(yīng)， 并得到了學(xué)者們的廣泛認(rèn)可。 尹玉剛等[2] 基于同樣的思路在A股市場對特質(zhì)波動率進(jìn)行了實(shí)證分析， 也得出了類似結(jié)論。 該理論認(rèn)為， 特質(zhì)波動率代表了套利風(fēng)險， 特質(zhì)波動率越大則套利風(fēng)險越大， 特質(zhì)波動率越大的股票， 投資者越難以從套利的角度消除錯誤定價。 對于高估的股票而言， 套利者通過做空該股票來進(jìn)行套利， 特質(zhì)波動率越大則做空套利者面臨的風(fēng)險越高， 因而要求的套利回報越高， 故在高估的股票組合中特質(zhì)波動率呈現(xiàn)出負(fù)效應(yīng); 對于低估的股票而言， 套利者通過做多該股票來進(jìn)行套利， 特質(zhì)波動率越大則做多套利者面臨的風(fēng)險越高， 因而要求的套利回報越高， 故在低估的股票組合中特質(zhì)波動率呈現(xiàn)出正效應(yīng)。 但做空與做多相比， 做空面臨更大的風(fēng)險和障礙， 這種不對稱性導(dǎo)致做空套利者比做多套利者在同等特質(zhì)波動率下所承擔(dān)的風(fēng)險更高， 因此要求更高的套利回報， 故高估組合中特質(zhì)波動率的負(fù)效應(yīng)將顯著大于低估組合中的正效應(yīng)， 并最終導(dǎo)致特質(zhì)波動率在整體上呈現(xiàn)出顯著的負(fù)效應(yīng)。

整體波動率是基于股價收益率計算出來的標(biāo)準(zhǔn)差， 代表股票的整體風(fēng)險; 而特質(zhì)波動率是經(jīng)FF3（Fama-French三因子模型）等調(diào)整后所得殘差的標(biāo)準(zhǔn)差， 代表股票的特質(zhì)風(fēng)險， 整體波動率和特質(zhì)波動率兩者應(yīng)存在較強(qiáng)的正相關(guān)關(guān)系。 本文以FF3模型為例， 對整體波動率和特質(zhì)波動率兩者的正相關(guān)關(guān)系進(jìn)行了分析。 FF三因子回歸模型的表達(dá)式通常如下：

其中， 被解釋變量Rt-Rf 為各股票或者組合的超額收益; MKT、SMB、HML分別代表市場、規(guī)模、價值三因子的因子暴露; α、βMKT、βSMB、βHML、εt分別表示截距項(xiàng)、各因子的回歸系數(shù)及殘差; τ為回歸樣本期數(shù); t=1，2，…，τ。

分別計算式（1）左右兩邊表達(dá)式的方差， 則：

考慮到α、βMKT、βSMB、βHML、βMAX 都為回歸得到的常數(shù)， 無風(fēng)險利率Rf 也通常是常數(shù)， 而εt獨(dú)立于其他解釋變量， 故可以進(jìn)一步變形為：

用v表示整體波動率， ivol代表特質(zhì)波動率， 則最終可得：

由式（4）可以看出整體波動率與特質(zhì)波動率之間存在較強(qiáng)的正相關(guān)關(guān)系。

如果說特質(zhì)波動率代表了經(jīng)風(fēng)險調(diào)整的收益的套利風(fēng)險， 則整體波動率代表了未經(jīng)風(fēng)險調(diào)整的收益的套利風(fēng)險。 根據(jù)套利不對稱性理論， 特質(zhì)波動率越大則經(jīng)定價模型調(diào)整的阿爾法收益的套利風(fēng)險越大， 對于特質(zhì)波動率越大的股票， 投資者越難以從套利的角度消除錯誤定價; 同樣， 整體波動率越大則未經(jīng)定價模型調(diào)整的股價收益的套利風(fēng)險越大， 投資者也越難以從套利的角度消除錯誤估值。 既然套利不對稱性理論可以解釋特質(zhì)波動率與未來阿爾法收益的負(fù)相關(guān)關(guān)系， 那么也應(yīng)該能夠解釋整體波動率與未來股價收益的負(fù)相關(guān)關(guān)系。 所以， “波動率效應(yīng)”也應(yīng)該呈現(xiàn)出“特質(zhì)波動率效應(yīng)”類似的特征， 即整體波動率在低估組合中呈現(xiàn)出正效應(yīng)， 在高估組合中呈現(xiàn)出負(fù)效應(yīng)， 且負(fù)效應(yīng)顯著大于正效應(yīng)。 由此提出本文的第一個研究假設(shè)：

H1： “波動率效應(yīng)”存在與“特質(zhì)波動率效應(yīng)”類似的特征， 即波動率（整體波動率）在低估組合中呈現(xiàn)出正效應(yīng)， 在高估組合中呈現(xiàn)出負(fù)效應(yīng)， 由于負(fù)效應(yīng)顯著大于正效應(yīng)， 波動率最終呈現(xiàn)出整體負(fù)效應(yīng)。

如果“波動率效應(yīng)”源自于做空困難導(dǎo)致的套利不對稱性， 而市場的做空限制隨著證券市場的發(fā)展成熟而逐漸改善， 故“波動率效應(yīng)”也應(yīng)呈現(xiàn)出相應(yīng)的變化趨勢。 我國證券市場正處于快速發(fā)展階段， 隨著各項(xiàng)制度穩(wěn)步出臺， 市場政策日趨完善， 尤其是融資融券制度的有序推進(jìn)， 深刻地影響了市場賣空機(jī)制。 兩融標(biāo)的股票可被賣空， 而非兩融標(biāo)的股票只能做多， 融資融券制度為我們提供了一個檢驗(yàn)“波動率效應(yīng)”的準(zhǔn)自然實(shí)驗(yàn)條件。 理論上而言， 隨著融資融券制度的逐步推進(jìn)， 對于融資融券標(biāo)的樣本， 賣空障礙的緩解及成本的降低將減少套利不對稱性并抑制“波動率效應(yīng)”的產(chǎn)生。 由此提出本文的第二個假設(shè)：

H2： 相比于非融資融券樣本， 融資融券樣本的“波動率效應(yīng)”將顯著減弱。

三、樣本數(shù)據(jù)選擇及指標(biāo)定義

1. 樣本數(shù)據(jù)。 本文選取A股市場的數(shù)據(jù)來進(jìn)行實(shí)證研究， 所使用的公司財務(wù)數(shù)據(jù)和市場交易數(shù)據(jù)都來自于WIND數(shù)據(jù)庫， CAPM和FF三因子模型的因子數(shù)據(jù)和無風(fēng)險利率數(shù)據(jù)來自于RESSET數(shù)據(jù)庫。 股票樣本為滬深A(yù)股上市股票， 但在每月構(gòu)建股票組合時， 剔除了以下類型的股票： 當(dāng)月為PT及ST類型、當(dāng)月月初上市時間不滿一年、當(dāng)月復(fù)牌且首日不設(shè)漲跌幅限制、當(dāng)月停牌天數(shù)多于2天。 股票的收益率數(shù)據(jù)都已根據(jù)分紅、送股、配股等公司股本變動事項(xiàng)進(jìn)行了調(diào)整。

本文的樣本區(qū)間為2007年1月1日（股權(quán)分置改革基本完成的時間點(diǎn)）至2019年12月31日（采集樣本的時間點(diǎn)）。 其中剔除了2015年4月至2016年3月期間的12個月， 實(shí)際區(qū)間共包含144個月; 剔除原因在于2015年的市場大幅波動和2016年年初的“熔斷”政策曾導(dǎo)致A股市場出現(xiàn)了大范圍停牌、連續(xù)漲跌停、暫停交易等特殊情況， 這會對檢驗(yàn)結(jié)論產(chǎn)生干擾。

本文主要通過計算月度頻率的因子數(shù)值來進(jìn)行研究。 從文獻(xiàn)來看， 學(xué)者們通常使用月度頻率數(shù)據(jù)來研究收益率與各異象因子變量之間的橫截面關(guān)系[20，21] 。 考慮到A股市場個人投資者占比大， 投資周期較短， 很多因子效應(yīng)在長期并不顯著， 故使用月度頻率因子數(shù)值進(jìn)行實(shí)證較為合適。 本文在每月分別計算各相關(guān)因子數(shù)值以及各股票組合的股價收益率， 因子數(shù)值計算方法見表1， 組合收益率以等權(quán)方法計算。 本文還利用Winsorize對每月股票收益率數(shù)據(jù)在1%和99%分位數(shù)進(jìn)行了處理， 以減少收益率異常值帶來的影響。

2. 指標(biāo)定義。 本文按照計算波動率的經(jīng)典方法[1] ， 使用月內(nèi)的日度收益率數(shù)據(jù)來構(gòu)造股票整體波動率， 具體計算公式如下：

式（5）中， Vi，t是某只股票i在t月的波動率， Std（ri）是股票日收益率的標(biāo)準(zhǔn)差， nt則是當(dāng)月的交易天數(shù)。

本文實(shí)證研究中所使用的各因子指標(biāo)的定義如表1所示。

四、“波動率效應(yīng)”的特征

1. A股“波動率效應(yīng)”的顯著性和整體特征。 本文先對A股市場的“波動率效應(yīng)”進(jìn)行了檢驗(yàn)， 并分析“波動率效應(yīng)”的整體特征。 因子分組法是研究“市場異象”的經(jīng)典方法， 例如張崢和劉力[9] 對換手率的研究、Stambaugh等[1] 對特質(zhì)波動率的研究、Liu等[22] 對A股各市場異象的研究， 都采用了該方法， 通?？煞譃橐痪S分組法（單因子）和二維分組法（雙因子）。

本文使用一維分組法對“波動率效應(yīng)”進(jìn)行檢驗(yàn)， 過程如下： ①根據(jù)表1的定義計算出對應(yīng)于各異象的因子在t-1月的值; ②將滿足條件的股票按照因子值（如波動率）由低到高排序， 并等分為5組， 持有這些組合并觀察各組合在t月的收益（股價收益率）表現(xiàn); ③在t月則再次排序分組并觀察組合在t+1月的收益（股價收益率）表現(xiàn)， 如此循環(huán)至樣本區(qū)間結(jié)束; ④做多因子值最高組合、做空因子值最低組合， 并檢驗(yàn)多空組合的收益是否顯著。 表2報告了檢驗(yàn)結(jié)果。

本文同時還對規(guī)模、價值等常見異象進(jìn)行了檢驗(yàn)， 以進(jìn)行比較。 從表2可以看出： A股市場的“波動率效應(yīng)”很顯著， 波動率最低組（組合1）的月平均收益為1.759%， 而波動率最高組（組合5）的月平均收益僅為0.841%， 多空組合收益（5-1）為-0.918， t值為-2.738; A股市場的規(guī)模、價值等常見異象也都非常明顯， 各多空組合收益（5-1）的t檢驗(yàn)值也都很顯著。 價值因子呈現(xiàn)出正效應(yīng)， 波動率因子和規(guī)模因子都呈現(xiàn)出負(fù)效應(yīng)， 這與相關(guān)文獻(xiàn)結(jié)論一致。

將表2的檢驗(yàn)結(jié)果繪制成簇狀柱形圖（見圖1）， 以進(jìn)一步觀察各異象的特征。 可以發(fā)現(xiàn)， 盡管波動率因子、規(guī)模因子和價值因子整體都表現(xiàn)出顯著的因子效應(yīng)， 但呈現(xiàn)出不同的整體特征。 以規(guī)模因子和價值因子分組所得的5個組合的收益率， 是單調(diào)下降或者上升的; 以規(guī)模因子為例， 組合的因子值越大， 則未來收益率就越低， 嚴(yán)格遵循單調(diào)下降的規(guī)律; 價值因子也具備類似特征， 但變動方向相反。 但波動率因子分組卻呈現(xiàn)出另一種規(guī)律， 最高收益的組合位于中間， 開始時組合收益逐步上升， 到后面組合收益快速下降， 最后一組的組合收益則快速降至一個異常低的水平。 為了更清晰地觀察“波動率效應(yīng)”的整體特征， 我們將分組數(shù)增加至10組， 并繪制出相應(yīng)的結(jié)果（見圖2）， 圖2更清晰地展示了上述規(guī)律。

為何“波動率效應(yīng)”會呈現(xiàn)出上述整體特征呢？ 這與套利不對稱性所導(dǎo)致的異象特征有關(guān)， 即“在低估組合中呈現(xiàn)出正效應(yīng)， 在高估組合中呈現(xiàn)出負(fù)效應(yīng)”。 由于波動率因子在整體上呈現(xiàn)出負(fù)效應(yīng)， 因此可以認(rèn)為波動率因子本身就是一個甄別高估股票組合和低估股票組合的指標(biāo)。 波動率較低的股票組合可視作低估組合， 故在前期各組合的收益逐步上升; 波動率較高的股票組合可視作高估組合， 故在后期各組合的收益又逐步下降。

2. “波動率效應(yīng)”在高低估組合中的不同特征。 做空困難導(dǎo)致的套利不對稱性使得特質(zhì)波動率在高低估組合中表現(xiàn)出不同的特征。 接下來將進(jìn)一步檢驗(yàn)“波動率效應(yīng)”是否具有與“特質(zhì)波動率之謎”類似的特征， 即“在低估組合中呈現(xiàn)出正效應(yīng)， 在高估組合中呈現(xiàn)出負(fù)效應(yīng)， 負(fù)效應(yīng)顯著大于正效應(yīng)并最終導(dǎo)致整體負(fù)效應(yīng)”。 本文借鑒Stambaugh等[1] 、尹玉剛等[2] 的研究方法， 對“波動率效應(yīng)”是否具有類似特征進(jìn)行實(shí)證研究。

在開展此實(shí)證檢驗(yàn)之前， 我們需要先構(gòu)建高估或低估組合。 Stambaugh等[1] 使用美國市場上的11種市場異象， 構(gòu)建了一個與股票橫截面相對錯誤定價程度相關(guān)的單變量月度指標(biāo)， 用來區(qū)分高估或者低估組合。 尹玉剛等[2] 也使用了類似方法， 選取在我國市場上的6種市場異象， 構(gòu)造了一個綜合的股票誤定價指標(biāo)來區(qū)分高估或低估組合。 本文的方法與上述文獻(xiàn)類似， 也選取A股市場上的異象來構(gòu)建單變量的誤定價指標(biāo)。 本文選擇“價值異象”“換手率異象”和“反轉(zhuǎn)異象”三種異象來構(gòu)建高估或低估指標(biāo)。 每月根據(jù)這三個異象因子分別對各股票排序， 由于換手率因子和反轉(zhuǎn)因子都具有負(fù)效應(yīng)， 故根據(jù)因子值從小到大排序; 價值因子具有正效應(yīng)， 故根據(jù)因子值從大到小排序; 各股票按排序賦值并加總從而構(gòu)造估值指標(biāo)， 指標(biāo)值越高代表股票越相對被高估; 根據(jù)指標(biāo)值大小， 按照3∶3∶4的比例， 將總樣本劃分為低估、中估、高估三個組合。 依然使用一維分組法， 分別在高估組合和低估組合中對“波動率效應(yīng)”進(jìn)行檢驗(yàn)， 表3報告了檢驗(yàn)結(jié)果， 圖3為依據(jù)表3結(jié)果繪制的簇狀柱形圖。

從表3和圖3中報告的結(jié)果來看， “波動率效應(yīng)”確實(shí)存在與“特質(zhì)波動率之謎”類似的特征。 在低估組合中， 波動率因子呈現(xiàn)出正效應(yīng)， 因子值越大組合收益越高; 在高估組合中， 波動率因子呈現(xiàn)出負(fù)效應(yīng)， 因子值越大組合收益越低; 高估組合中波動率的負(fù)效應(yīng)非常顯著， 低估組合中波動率的正效應(yīng)不夠顯著， 負(fù)效應(yīng)遠(yuǎn)大于正效應(yīng)（負(fù)效應(yīng)的絕對收益為1.180， t值絕對值為3.489， 都遠(yuǎn)遠(yuǎn)高于正效應(yīng)相關(guān)值）， 并最終導(dǎo)致負(fù)效應(yīng)整體顯著。 從圖3中可以清晰地觀察到“波動率效應(yīng)”所呈現(xiàn)出的這種不對稱性、倒U形的特征。

本文同時還對規(guī)模、價值等常見異象進(jìn)行了相同檢驗(yàn)以進(jìn)行比較， 表3和圖3也報告了相關(guān)檢驗(yàn)結(jié)果。 顯然， 規(guī)模異象和價值異象并未呈現(xiàn)出類似特征， 無論是在高估組合還是在低估組合中， 市值因子都呈現(xiàn)出顯著的負(fù)效應(yīng); 規(guī)模因子都呈現(xiàn)出正效應(yīng)， 但不夠顯著。 這說明， 并不是所有的市場異象都具備套利不對稱性所導(dǎo)致的這種不對稱性、倒U形的特征。

上述檢驗(yàn)結(jié)果證實(shí)了本文的H1， 即“波動率效應(yīng)”確實(shí)存在與“特質(zhì)波動率效應(yīng)”類似的特征， 波動率（整體波動率）在低估組合中呈現(xiàn)出正效應(yīng)， 在高估組合中呈現(xiàn)出負(fù)效應(yīng)， 由于負(fù)效應(yīng)顯著大于正效應(yīng)， 故波動率最終呈現(xiàn)出整體負(fù)效應(yīng)。

五、“波動率效應(yīng)”特征的穩(wěn)健性檢驗(yàn)

1. A股“波動率效應(yīng)”整體顯著性的穩(wěn)健性檢驗(yàn)。 表4報告了對“波動率效應(yīng)”整體顯著性進(jìn)行Fama-MacBeth回歸檢驗(yàn)的結(jié)果。 同時也對規(guī)模、價值等異象進(jìn)行了相同檢驗(yàn)， 以進(jìn)行比較。 觀察表4可以發(fā)現(xiàn)： ①波動率因子的回歸系數(shù)都是非常顯著的， “波動率效應(yīng)”呈現(xiàn)出整體顯著性; ②價值異象和股價異象也是顯著的; ③波動率因子和規(guī)模因子呈現(xiàn)出負(fù)效應(yīng)， 價值因子呈現(xiàn)出正效應(yīng)。 表4中的Fama-MacBeth回歸分析的結(jié)果與表2中一維分組檢驗(yàn)的結(jié)果是一致的。

2. “波動率效應(yīng)”在高低估組合中的不同特征的穩(wěn)健性檢驗(yàn)。 接下來在上文所劃分的高估、低估兩類組合中， 分別使用Fama-MacBeth回歸分析對“波動率效應(yīng)”進(jìn)行檢驗(yàn)， 同樣也對規(guī)模和價值兩個異象進(jìn)行了相同檢驗(yàn)以進(jìn)行比較。 表5報告了檢驗(yàn)結(jié)果。 根據(jù)表5中的檢驗(yàn)結(jié)果可以發(fā)現(xiàn)， Fama-MacBeth回歸分析的結(jié)果與表3的結(jié)果是一致的。

在低估組合中， 波動率因子呈現(xiàn)出正效應(yīng)， 但不夠顯著; 在高估組合中， 波動率因子呈現(xiàn)出負(fù)效應(yīng)， 且非常顯著; 高估組合中異象因子的負(fù)效應(yīng)（系數(shù)為-0.126， t值為-3.803）遠(yuǎn)遠(yuǎn)大于低估組合中的正效應(yīng)（系數(shù)為0.029， t值為1.237）。 而無論是在高估組合還是在低估組合中， 市值因子都呈現(xiàn)出顯著的負(fù)效應(yīng); 規(guī)模因子都呈現(xiàn)出正效應(yīng)， 但不夠顯著， 都不具備套利不對稱性所導(dǎo)致的特征。

六、進(jìn)一步檢驗(yàn)： 融資融券對“波動率效應(yīng)”的影響

A股市場于2010年3月正式實(shí)施融資融券制度。 兩融標(biāo)的股票可被賣空， 而非兩融標(biāo)的股票只能做多， 融資融券制度為本文提供了一個檢驗(yàn)“套利不對稱性”影響“波動率效應(yīng)”的準(zhǔn)自然實(shí)驗(yàn)條件，? 同時也可對上文的研究結(jié)論的穩(wěn)健性開展進(jìn)一步檢驗(yàn)。 隨著融資融券制度的逐步推廣， 兩融標(biāo)的股票的賣空障礙及賣空成本將降低， 從而減少了“套利不對稱性”的程度， 并對兩融標(biāo)的股票的“波動率效應(yīng)”產(chǎn)生抑制作用。

我國的融資融券制度在上證50及滬深300成分股范圍的藍(lán)籌股內(nèi)先開始推廣， 然后逐步推廣至其他普通股票。 但上述藍(lán)籌股普遍具備高市值、高價值的特征， 為了控制市值和價值等因子的影響， 本文將中證500指數(shù)成分股作為本次實(shí)證檢驗(yàn)的樣本。 中證500指數(shù)是中證指數(shù)有限公司所開發(fā)的、綜合反映我國A股市場中一批中小市值公司的股票價格表現(xiàn)的指數(shù)， 其成分股具備類似的規(guī)模特征和價值特征， 以中證500成分股作為實(shí)證檢驗(yàn)的樣本， 能有效地避免市值和價值等因子對實(shí)證結(jié)果的影響。 將中證500成分股分為兩類， 即兩融標(biāo)的股票和非兩融標(biāo)的股票， 考慮到兩融標(biāo)的范圍持續(xù)變化， 在每月都相應(yīng)地對兩類樣本進(jìn)行調(diào)整。 基于上述兩類樣本， 本文分別對“波動率效應(yīng)”進(jìn)行了檢驗(yàn)， 表6報告了檢驗(yàn)結(jié)果。

表6中， 中證500全樣本呈現(xiàn)出了顯著的“波動率效應(yīng)”， 多空組合收益（5-1）為-0.572， t值為

-1.752。 非兩融標(biāo)的樣本不受融券賣空的約束， 故非兩融標(biāo)的樣本也應(yīng)呈現(xiàn)出顯著的“波動率效應(yīng)”。 表6所報告的檢驗(yàn)結(jié)果驗(yàn)證了本文的推測， 非兩融樣本的多空組合收益（5-1）為-0.790、t值為

-2.374， 結(jié)果比中證500全樣本更為顯著。 對于兩融標(biāo)的樣本而言， 賣空障礙及賣空成本的降低將減少“套利不對稱性”， 故兩融標(biāo)的樣本的“波動率效應(yīng)”將會明顯減弱。 檢驗(yàn)結(jié)果再次驗(yàn)證了本文的推測， 兩融標(biāo)的樣本的“波動率效應(yīng)”不再顯著， 多空組合收益（5-1）僅為-0.409、t值僅為-1.003。 這證實(shí)了H2， 即相比于非融資融券樣本， 融資融券樣本的“波動率效應(yīng)”將顯著減弱。

七、結(jié)論和啟示

本文基于套利不對稱性理論對“波動率效應(yīng)”進(jìn)行了解釋， 認(rèn)為特質(zhì)波動率代表了經(jīng)風(fēng)險調(diào)整的收益（阿爾法收益）的套利風(fēng)險， 整體波動率則代表了未經(jīng)風(fēng)險調(diào)整的收益（股價收益）的套利風(fēng)險。 套利不對稱性理論可以解釋特質(zhì)波動率與未來阿爾法收益的負(fù)相關(guān)關(guān)系， 也可以解釋整體波動率與未來股價收益的負(fù)相關(guān)關(guān)系。 本文的實(shí)證研究結(jié)果表明， 套利不對稱性理論確實(shí)能對“波動率效應(yīng)”進(jìn)行解釋。

本文從一個新的角度詮釋了“波動率效應(yīng)”產(chǎn)生的內(nèi)在原因， 有效地拓展了“波動率效應(yīng)”的解釋理論。 進(jìn)一步研究發(fā)現(xiàn)， “波動率效應(yīng)”與“特質(zhì)波動率效應(yīng)”具備異象特征， 區(qū)別于規(guī)模、價值等其他常見異象， 套利不對稱性理論只能解釋代表了套利風(fēng)險的因子所導(dǎo)致的異象， 而無法解釋其他原因所導(dǎo)致的異象。 事實(shí)上， 投資界早已意識到了“波動率效應(yīng)”的投資參考價值， 市場上也已存在很多基于“波動率效應(yīng)”的策略指數(shù)。 鑒于波動率因子的負(fù)效應(yīng)， 各策略指數(shù)通常更傾向于持有更低波動率的股票。 但從本文的研究結(jié)論來看， 如果持有波動率居中偏低的股票組合， 效果可能會更好。

融資融券制度構(gòu)建的賣空機(jī)制能緩解“套利不對稱性”， 并為本文提供一個檢驗(yàn)“套利不對稱性”影響“波動率效應(yīng)”的準(zhǔn)自然實(shí)驗(yàn)條件。 實(shí)驗(yàn)結(jié)果表明， 融資融券制度改革有效地減弱了“波動率效應(yīng)”。 故證券市場政策制度的完善能減少市場異象的產(chǎn)生， 從而提升A股市場的有效性。 但必須看到， 目前我國資本市場政策效應(yīng)還未完全顯現(xiàn)， 相關(guān)制度存在進(jìn)一步完善的空間。 例如， 目前兩融標(biāo)的更多集中于規(guī)模較大的上市公司， 大部分中小公司尚無相關(guān)資質(zhì)， 缺乏做空約束， 從而這些公司存在估值過高、波動率過大的風(fēng)險。 監(jiān)管部門可考慮進(jìn)一步降低入選兩融標(biāo)的范圍的門檻（或考慮只可融券不可融資的非對稱兩融機(jī)制）， 增加做空標(biāo)的、提升做空便利， 進(jìn)一步提升市場效率。

【 主 要 參 考 文 獻(xiàn) 】

[1] Stambaugh R. F.， Yu J. F.， Yuan Y.. Arbitrage asymmetry and the idiosyncratic volatility puzzle[ J].Journal of Finance，2015（5）：1903 ～ 1948.

[2] 尹玉剛，譚濱，陳威.套利非對稱性、誤定價與股票特質(zhì)波動[ J].經(jīng)濟(jì)學(xué)（季刊），2018（3）：368 ～ 391.

[3] Hu G. X.， Chen C.， Shao Y.， Wang J.. Fama-French in China： Size and value factors in Chinese stock returns[ J].International Review Finance，2019（19）：3 ～ 44.

[4] Guo B.， Zhang W.， Zhang Y.， Zhang H.. The five-factor asset pricing model tests for the Chinese stock market[ J].Pacific-Basin Finance，2017（43）：84 ～ 106.

[5] 王志強(qiáng)，吳風(fēng)博，黃芬紅.中國股市波動率效應(yīng)的存在性、持續(xù)性和差異性[ J]. 財經(jīng)問題研究，2014（9）：45 ～ 53.

[6] Hsu J.， Viswanathan V.， Wang M.， Wool P.. Anomalies in Chinese A-shares[Z].Social Science Electronic Publishing，2018（44）：108 ～ 123.

[7] 左浩苗，鄭鳴，張翼.股票特質(zhì)波動率與橫截面收益：對中國股市“特質(zhì)波動率之謎”的解釋[ J].世界經(jīng)濟(jì)，2011（5）：132 ～ 133.

[8] Cakici N.， Chan K.， Topyan K.. Cross-sectional stock return pre-dictability in China[ J].The European Journal of Finance， 2015（7）：581 ～ 605.

[9] 張崢，劉力.換手率與股票收益：流動性溢價還是投機(jī)性泡沫？[ J].經(jīng)濟(jì)學(xué)（季刊），2006（3）：871 ～ 892.

[10] 林虎，孫博，劉力.異常交易量、轉(zhuǎn)售期權(quán)與股票橫截面收益率[ J].金融研究，2013（12）：181 ～ 193.

[11] Ang A.， Hodrick R. J.， Xing Y.， Zhang X.. The cross-section of volatility and expected returns[ J].Journal of Finance，2006（1）：259 ～ 299.

[12] 馬永亮，葉昕，姜國華.價格波動性與股票預(yù)期回報——基于中國市場的初步證據(jù)[ J].上海立信會計學(xué)院學(xué)報，2011（1）：57 ～ 66.

[13] 羅衛(wèi)星，齊玉錄.機(jī)構(gòu)持股、彩票型股票與低波動率效應(yīng)[ J].東北財經(jīng)大學(xué)學(xué)報，2016（6）：74 ～ 80.

[14] Jiang G. J.， Xu D.， Yao T.. The Information content of idiosyncratic volatility[ J].Journal of Financial and Quantitative Analysis，2009（44）：1 ～ 28.

[15] Fu F.. Idiosyncratic risk and the cross-section of expected stock returns[ J].Journal of Financial Economics，2009（91）：24 ～ 37.

[16] Huang W.， Liu Q.， Rhee S. G.， Zhang L.. Return reversals， idiosyncratic risk and expected returns[ J].Review of Financial Studies，2010（23）：147 ～ 168.

[17] Bali T. G.， Cakici N.. Idiosyncratic volatility and the cross section of expected returns[ J].Journal of Financial and Quantitative Analysis，2008（43）：29 ～ 58.

[18] Chen Z.， Petkovaz R.. Does idiosyncratic volatility proxy for risk exposure？[ J].The Review of Financial Studies，2012（9）：2745 ～ 2787.

[19] 黃波，李湛，顧孟迪.基于風(fēng)險偏好資產(chǎn)定價模型的公司特質(zhì)風(fēng)險研究[ J].管理世界，2006（11）：119 ～ 127.

[20] 鄭振龍，孫清泉.彩票類股票交易行為分析——來自中國A 股市場的證據(jù)[ J].經(jīng)濟(jì)研究，2013（5）：128 ～ 140.

[21] Zhong A.， Gray P.. The MAX effect： An exploration of risk and mispricing explanations[ J].Journal of Banking & Finance， 2016（65）：76 ～ 90.

[22] Liu J.， Stambaugh R. F.， Yuan Y.. Size and value in China[ J].Journal of Financial Economics，2019（134）：48 ～ 69.