中国股市流动性系统风险的测度

黎克俊，姚洁强，黄 峰，沈豪杰

（1.西安交通大学 经济与金融学院，西安710061；2.浙商银行总行 风险管理部，杭州310006）

0 引言

作为市场之灵魂，流动性构成了市场的最重要的基石，没有流动性便没有了市场。因此对于流动性风险的测度问题就显得非常重要。近年来，针对流动性风险的研究成为了热点问题。然而，我们发现对于流动性风险中个体风险和系统风险组成的问题却鲜有学者关注，而这显然与系统流动性风险的在实践中的意义不对称，特别地，对于投资者来讲，系统风险的大小尤其重要，因为系统风险不可能通过投资组合被分散掉，对于流动性系统风险而言亦是如此。

在国外，Chordia,Roll和 Subrahmanyam、Hasbrouck和Seppi[1]以及Huberman和Halka等学者首次对美国股市个股流动性中系统性风险问题进行了实证研究，然而上述学者的研究对象是坐市商制度下的报价驱动交易市场，和我国股市指令驱动交易市场有着很大的不同，他们的研究方法不能够直接移植到中国股市流动性风险的研究中来，而国内学者宋逢明和谭慧[2]曾利用2001年2月～2002年6月沪深交易所所有A股的高频交易数据，参考选择了绝对买卖价差、相对买卖价差、有效买卖价差的绝对值和相对值、以及报价深度作为个股流动性指标，构建了一个市场测度模型对系统流动性进行了检验。但是，他们的研究局限于流动性系统性之有无，未能计算流动性共性之大小，也未能深入解释影响流动性共性之因素。这就为本文提供了良好的机会，本文旨在构建一种不仅能否测量流动性系统风险有无而且能够精确计算流动性系统风险大小的模型，以便能够从根本意义上回应投资者对流动性系统风险的关注。

1 模型的构建

和以往学者不同，本文采用非流动性指标来测度流动性风险的大小。而宋逢明和谭慧[2]则沿用了Chordia,Roll和Subrahmanyam[3]以及Brockman和Chung[4]的流动性共性检验模型，采用了买卖价差和报价深度指标来测度流动性风险，其中流动性变量是前后交易日的流动性水平的变化率。一般地，当变量的时间序列存在单位根时才有必要进行差分处理，而对一个平稳的变量进行差分处理会造成过度差分，反而有可能使变量产生自相关。包括价差和深度指标的流动性指标一般都是平稳的，因此理论上，简单地前后交易日差分处理是不恰当的。因此，上述计量方法存在很大的缺陷，因此，本文提出了直接利用流动性水平变量进行系统性检验的改进方法。

1.1 非流动性指标的构建

采用日非流动性指标表示每个股票和市场组合每个交易日的流动性水平，该指标由黄峰和杨朝军[5]提出，并在其实证研究中取得了较好效果。非流动性指标的计算方法是单位时间内单位成交金额所引起的价格振动幅度：

其中，illjt表示j证券在第t日的流动性，Vjt表示第t日内所完成的成交金额，是股票j在第t日的价格振幅（即（当日最高价-当日最低价）/当日开盘价），价格振幅是以百分比表示的。从上式可以看出，若t日内、单位成交金额所引起的价格振幅越大，则表示流动性越差，即非流动性越大，所以我们又称该指标为非流动性指标。

市场组合的日非流动性指标是样本股的日非流动性指标的等权重平均：

其中Ntd是第t月内的第d日的样本股个数。

1.2 个股流动性风险的共性占比的测度模型

因为在指定流动性水平的代理指标即非流动性指标之后，用该指标衡量的流动性水平的波动方差是对流动性风险的度量，所以把个股流动性方差分解为与市场组合流动性的方差相关的部分和无关的部分，即系统风险部分和非系统风险部分，就能够估计出其中系统风险部分占比。我国股市绝大部分个股流动性都是与大盘同步运动，所以我们用如下模型对个股流动性与市场流动性之间的关系进行拟合估计：

illj,t表示股票j的非流动性大小，aillt表示市场组合的非流动性大小。cj为截距项，βj为个股非流动性的敏感系数，反映了个股非流动性中随市场整体非流动性变化而变化的系统性部分。假定ej,t的条件均值为零，方差有限，表示与aillt不相关的残差项，因此它将随着投资组合中股票数量的增多和权重的分散而趋于相互抵消掉。对方程两边求方差，则：

2 数据选择和实证分析

2.1 数据选择

我们从Wind资讯金融数据库选用中国沪深股市的日交易数据进行流动性分析，我们选择的样本期间是1995年1月3日到2010年12月30日，共3886个观测日。首先我们选取了2004年6月以前上市的股票。由于我国股市曾长期存在的操纵、关联交易和庄家对敲等违规交易行为对实证分析市场流动性行为产生阻碍，因此为尽量减小统计误差，我们又对股票按下列标准进行了精心地选择：

（1）研究期间内的股票剔除了特别处理（ST）股、特别转让（PT）股和长期停牌股票，这是为了尽量去除我国股市长期存在操纵、关联交易和庄家对敲等违规行为对实证分析的影响。而且，ST股和PT股的日涨跌幅限制是5%，而其它股票则是10%，剔除这些股票也是为了不让交易规则差异影响我们的分析结果。

（2）我们把被媒体曝光以及曾发生连续三个以上跌停板但当时公司经营状况没有明显变化而且与整个大市走势不相符的股票以庄股对待而剔除掉。

（3）为正确反映本文所涉及的收益率变量，个股收盘价都是对派息、送配股和增发新股等进行复权调整后的价格。

（4）剔除股票刚上市交易第一个月的数据，并且如果在某个月内的交易不足15天则剔除该股票在此月的数据。另外，用非流动性指标表示流动性水平，则须剔除交易全天都封在涨跌停板价格的数据，因为该交易日的非流动性值计算会是零，不能反映实际的流动性水平。

这样处理后，研究期间内历年共有136个代表性股票达到以上条件。这些样本股票代表了研究期间内各时期的整个市场组合，而个股研究对象是上述已选定的1996年以前上市的136个股票，这样能保证每个股票都有足够长的流动性交易数据进行回归分析。

136个股票中50个是深市股票，其余86个为沪市股票，属于沪深300指数成分股的股票有46个。按照MSCI和S&P联合发布的全球行业分类标准（GICS），136个股票分属八个不同的经济部门大类，见表1。

表1 GICS标准下136个样本股票所属的经济部门

这136个股票代表了不同行业和地域的上市公司，尽管样本数量较少，但已经对沪深股市具有一定的代表性。136只个股样本的日非流动性指标数据（共421801个观测值）的基本统计特征见表2。

表2136 只个股样本非流动性指标的日数据基本统计量（1996～2010年）

2.2 实证结果

2.2.1.个股流动性风险系统性占比的经验估计

使用上述的136个股票样本数据来衡量我国股市的个股流动性风险共性占比。按照方程（1）对1996～2010年之间的每个股票分别进行估计的结果见表3。

表3 个股流动性风险中系统性占比的估计结果

表3显示，流动性系统风险的比例平均为0.421，与孙培源和施东晖[6]计算的股票价格波动风险中系统性部分的平均比例（0.392）差不多相等，孙培源和施东晖估计股价的系统性风险时用的方法与本文类似，这也是多数文献采用的基本方法，考虑到方法上的可比性，所以引用孙培源和施东晖的估计结果。由此看，我国股市的个股流动性风险中有接近一半的部分能被市场组合的流动性风险解释。

为了检验上述估计结果的稳定性和考察不同发展阶段的差异，我们把整个样本按时间先后分为前后两个子样本：一个是1996.1.2日到2000.12.30日，另一个是2001.1.2日到2010.12.30日。估计结果见表4和表5。

表4 个股流动性风险中系统性占比的估计结果（子样本：1996.1.2～2000.12.30）

表5 个股流动性风险中系统性占比的估计结果（子样本：2001.1.2～2010.12.30）

对比表4和表5，均值水平由1996～2000年期间的0.495降到了2001～2010年期间的0.297，尽管系统风险比例仍然不小，但下降幅度还是比较明显的。为判断这个下降幅度在统计上是否显著，我们需要求出前后均值水平差值（即14个百分点）的t统计量，计算公式为：

其中，Rj,t0和Rj,t1分别指股票j在前一子样本期间和后一子样本期间的系统风险比例的估计值。

由公式（3）和（4），前后均值差的t统计量为6.739，在双尾1%水平上显著。因此，2001～2010年期间我国股市的流动性系统风险的比例显著地下降了。为了结论的稳健性，笔者还把母样本划分为更多的子样本（子样本要求至少有一年的交易数据）进行同样的回归，结果显示在2001年之前的那些子样本回归取得了一致的估计结果，而2001～2010年期间的子样本回归结果则基本一致，即系统风险比例在2001年之前各子样本基本在40%以上，而在2001～2010年期间各子样本都降到了30%左右。

和美国市场流动性系统风险占比21.7%及香港市场流动性系统风险占比23.8%相比，我国的流动性系统风险占比仍然较高，这可能是因为沪深股市特有的“政策市”特点决定了中国股市的波动率较高，特别是我国处于市场建设初期的特殊阶段，很多小市值公司容易被冠以各种题材概念（例如壳资源、资产重组等）而受到过度炒作。但不管怎么讲，系统风险比例的下降也为投资者通过组合投资把流动性风险尽量分散掉的愿望提供了越来越大的可行性。

2.2.2 流动性风险结构改善的原因

沪深股市流动性系统风险的下降可能来自于“飞向流动性”行为的影响，Amihud，mendelson和Wood[7]认为，整个市场流动性变差的时候，投资者将偏好持有流动性相对好的股票，会把投资从流动性差的股票转移到流动性好的股票中去。这将导致流动性相对好的股票在受到系统经济因素影响而流动性下降的同时，还受到相反作用方向的“飞向流动性”行为的影响而缓解了流动性下降趋势。

用136个股票在某段期间内的日非流动性平均值作为各个股票在该段期间内的非流动性衡量值，则在子样本1996～2000年期间里，股票的非流动性大小与股票的流动性系统风险比例之间的Pearson相关系数为-0.008，对应的双尾p值为0.93，Spearman等级相关系数也只有-0.03，对应的双尾p值为0.65。因此，在2001年之前，股票的流动性系统风险占比与自身的流动性好坏、规模大小没有关系，股票的流动性价值体现不出来。

而在子样本2001～2010年期间，股票非流动性大小与股票的流动性系统风险比例之间的Pearson相关系数为0.31，对应的双尾p值为0.000（小数点三位后舍去），Spearman等级相关系数则有0.36，对应的双尾p值为0.000。因此，在2001年以后，股票的流动性系统风险占比已经开始与自身的非流动性水平正相关，流动性越差的股票则流动性系统风险占比倾向于越大，而流动性好的股票则得到投资者青睐而受大市影响程度小，显示出投资者的“飞向流动性”行为。因此，股票的流动性价值已经开始拉开差距。

当把2001年前后两个子样本里每个股票的流动性系统风险比例进行相减，然后计算这些变化量和股票的非流动性大小之间的相关系数，可得Pearson相关系数为-0.33，对应的双尾p值为0.000（小数点三位后舍去），Spearman等级相关系数则有-0.35，对应的双尾p值为0.000。这说明，股票的非流动性越小（流动性越好）则系统风险比例在2001～2010年期间减小的倾向越大，这进一步验证了投资者存在“飞向流动性”的行为。由此得出一个结论：整个市场流动性风险结构的改善更多是来自那些流动性好的股票。

3 结论

对投资者来说，流动性系统风险有多大是一个影响证券投资收益的重要问题。本文针对我国股市的特殊性，修正了Chordia,Roll和Subrahmanyam、Brockman和Chung以及宋逢明和谭慧用于系统性检验的流动性变量处理方法，采用非流动性指标，对比印证了沪深股市存在显著的系统性流动风险，所不同的是，我们的检验简便易行和更为准确，实证结果发现：在沪深股市的个股流动性风险结构中，在1996～2001年期间系统风险占比平均为0.495，而到了2001～2010年期间系统风险占比降到了0.297，流动性系统风险的下降的原因来自于“飞向流动性”行为，流动性越好的股票，其系统风险占比在2001～2010年期间的下降幅度越大，越倾向于具有较小的系统风险比例，显示出投资者“飞向流动性”的行为特征。

[1]Hasbrouck,J.,Seppi,D.Common Factors in Prices,Order Flows and Liquidity[J].Journal of Financial Economics,2001,(59).

[2]宋逢明,谭慧.订单驱动型市场的系统流动性:一个基于中国股市的实证研究[J].财经论丛,2005,(3).

[3]Chordia,T.,Roll,R.,Subrahmanyam.A.Commonality in Liquidity[J].Journal of Financal Economics,2000,(59).

[4]Brockman,P.,Chung,D.Commonality in Liquidity:Evidence from an Order-driven Market Structure[J].Journal of Financial Research,2002,(25).

[5]黄峰,杨朝军.流动性风险与股票定价：来自我国股市的经验证据[J].管理世界,2007,(5).

[6]孙培源,施东晖.基于CAPM的中国股市羊群行为研究——兼与宋军、吴冲锋先生商榷[J].经济研究,2002,(2).

[7]Amihud,Y.,Mendelson H.,Wood R.A.Liquidity and the 1987 Stock Market Crash[J].Portfolio Management,1990,(16).