顧鋒娟

(1.上海財(cái)經(jīng)大學(xué)金融學(xué)院，上海 200433;2.浙江萬里學(xué)院計(jì)算機(jī)與信息學(xué)院，浙江 寧波 315100)

一、引 言

股票波動(dòng)非對(duì)稱性是指好消息和壞消息對(duì)波動(dòng)的沖擊是不一樣的。如果以前一期非預(yù)期收益率作為信息度量指標(biāo)，以后一期非預(yù)期收益率的條件方差作為波動(dòng)度量指標(biāo)，那么波動(dòng)非對(duì)稱性可以闡述為前一期正非預(yù)期收益率 (好消息)或負(fù)非預(yù)期收益率 (壞消息)對(duì)后一期波動(dòng)的影響是不一樣的。一般而言，股市波動(dòng)非對(duì)稱性特指單位負(fù)的非預(yù)期收益率所引起的波動(dòng)量變化要大于同等幅度的正的非預(yù)期收益率所引起的波動(dòng)量的變化。股市這種波動(dòng)非對(duì)稱性在很多國(guó)家和地區(qū)都存在。目前，常用財(cái)務(wù)杠桿效應(yīng)和風(fēng)險(xiǎn)溢價(jià)效應(yīng)兩種理論對(duì)股市波動(dòng)的非對(duì)稱性加以解釋。財(cái)務(wù)杠桿效應(yīng)理論由Black［1］提出。該假說認(rèn)為，當(dāng)股票價(jià)格下跌時(shí)，短期內(nèi)企業(yè)負(fù)債不會(huì)改變，企業(yè)負(fù)債/權(quán)益比率會(huì)隨之上升，財(cái)務(wù)杠桿變高，進(jìn)而導(dǎo)致股票價(jià)格波動(dòng)加大。該理論得到 Christie［2］和 Schwert［3］經(jīng)驗(yàn)分析的證實(shí)。風(fēng)險(xiǎn)溢價(jià)效應(yīng)理論認(rèn)為，股票市場(chǎng)投資者是風(fēng)險(xiǎn)厭惡的，波動(dòng)增加會(huì)導(dǎo)致期望收益率增加。由于波動(dòng)一般存在集聚現(xiàn)象，當(dāng)前較高的波動(dòng)性往往會(huì)帶來未來幾天較高的波動(dòng)性。因此，當(dāng)前波動(dòng)性意外增加，投資者就會(huì)預(yù)期未來幾天波動(dòng)性仍然較高，這樣股票的風(fēng)險(xiǎn)溢價(jià)就會(huì)增加，投資者要求一個(gè)較高的期望收益率，以補(bǔ)償其承擔(dān)的較高風(fēng)險(xiǎn)。當(dāng)未來期望紅利不變時(shí)，較高的期望收益率則要求當(dāng)前股票價(jià)格下跌。上述兩種理論因果性恰恰相反。前者認(rèn)為股票負(fù)非預(yù)期收益率的沖擊造成了價(jià)格波動(dòng)性的增加;而后者則認(rèn)為條件波動(dòng)性的集聚使得高的股價(jià)波動(dòng)性引發(fā)股票負(fù)非預(yù)期收益率。但是無論哪種理論，波動(dòng)的非對(duì)稱性，都是指股票負(fù)收益率沖擊相比正收益率沖擊給股票帶來更高的波動(dòng)性。

針對(duì)中國(guó)股票市場(chǎng)，不少學(xué)者對(duì)波動(dòng)非對(duì)稱性進(jìn)行研究。有趣的現(xiàn)象是，如果用整個(gè)市場(chǎng)樣本期進(jìn)行分析，中國(guó)股票收益率確實(shí)存在負(fù)向非對(duì)稱性，見陳浪南和黃杰鯤［4］，徐煒［5］等的研究。但是如果對(duì)牛市和熊市中股票的波動(dòng)性單獨(dú)進(jìn)行分析，會(huì)發(fā)現(xiàn)熊市中股票波動(dòng)負(fù)向非對(duì)稱性依然存在，但是牛市中卻呈現(xiàn)出正向非對(duì)稱性［6］。所謂波動(dòng)正向非對(duì)稱性，是指正收益率沖擊相比同等幅度的負(fù)收益率沖擊，對(duì)市場(chǎng)后期造成更大的波動(dòng)。這一現(xiàn)象是跟傳統(tǒng)的波動(dòng)負(fù)向非對(duì)稱性相違背的。張兵［7］，何曉光和朱永軍［8］認(rèn)為中國(guó)股市波動(dòng)不對(duì)稱性與市場(chǎng)成熟度有關(guān)，市場(chǎng)越成熟，則越呈現(xiàn)出負(fù)向非對(duì)稱性。袁懷宇和張宗成［9］認(rèn)為中國(guó)市場(chǎng)缺乏賣空機(jī)制，影響了價(jià)格對(duì)壞消息的吸收，從而產(chǎn)生了正向波動(dòng)非對(duì)稱性。陸蓉和徐龍柄［6］則從投資者的“羊群效應(yīng)”、“散戶心理”和缺乏賣空機(jī)制等角度給予解釋。

關(guān)于牛市波動(dòng)正向非對(duì)稱性的解釋主要停留在定性分析上的猜測(cè)，缺乏嚴(yán)密的定量分析。本文擬從定量角度，對(duì)牛市行情中波動(dòng)正向非對(duì)稱性的原因進(jìn)行研究，既是對(duì)前人工作的補(bǔ)充，也是對(duì)這一問題研究的提升。無論是波動(dòng)的正向非對(duì)稱性還是波動(dòng)的負(fù)向非對(duì)稱性，其實(shí)只是描述信息沖擊和波動(dòng)之間的表象關(guān)系。除了財(cái)務(wù)杠桿效應(yīng)和風(fēng)險(xiǎn)溢價(jià)效應(yīng)以外，不可忽略貫穿信息沖擊和波動(dòng)變化之間另外一個(gè)重要的變量——投資者對(duì)新信息的反應(yīng)。如果把信息沖擊看成是原因的話，那么必須通過投資者的交易行為才會(huì)引起股市波動(dòng)的變化。從這個(gè)意義上來講，無論是從市場(chǎng)成熟度、賣空機(jī)制、“羊群效應(yīng)”還是“散戶心理”來解釋牛市行情中的正向非對(duì)稱性，都應(yīng)歸結(jié)為這些因素如何作用于投資者的交易行為，以及投資者交易行為如何影響股票的波動(dòng)性。中國(guó)一些特有的市場(chǎng)機(jī)制和市場(chǎng)環(huán)境，往往使投資者放大對(duì)好消息的反應(yīng)，同時(shí)削弱對(duì)壞消息的反應(yīng)。如不完善的退市機(jī)制下，上市公司一旦出現(xiàn)問題，其背后母公司、地方政府等提供的隱形擔(dān)保，使得投資者沒有必要擔(dān)心上市公司股票被摘牌，從而不會(huì)導(dǎo)致恐慌性的出售，交易量也不會(huì)大幅萎縮。相反，當(dāng)上市公司出現(xiàn)好消息時(shí)，投資者一味買入，忽視股價(jià)過高而帶來的下跌風(fēng)險(xiǎn)，交易量大幅放大。如果說中國(guó)牛市行情中正向波動(dòng)非對(duì)稱性是由中國(guó)特殊交易機(jī)制和環(huán)境下投資者對(duì)好消息過度反應(yīng)和對(duì)壞消息反應(yīng)不足所導(dǎo)致的，那么應(yīng)該可以觀察到牛市行情中交易行為對(duì)好消息的反應(yīng)要大于熊市行情中交易行為對(duì)壞消息的反應(yīng);而且當(dāng)控制住交易行為因素后，牛市行情中的正向非對(duì)稱性會(huì)消失，并且和熊市行情一樣呈現(xiàn)出傳統(tǒng)意義上的負(fù)向非對(duì)稱性。

二、波動(dòng)非對(duì)稱性度量模型

波動(dòng)非對(duì)稱性實(shí)質(zhì)上是指前期收益率和后期波動(dòng)之間存在某種不對(duì)稱的相關(guān)關(guān)系，探究這種關(guān)系的一個(gè)簡(jiǎn)單方法是研究平方收益率 (波動(dòng)性)和滯后k期收益率之間的相關(guān)系數(shù)ρk。如果ρk=0，則不存在波動(dòng)非對(duì)稱性;如果ρk＜0，則存在波動(dòng)負(fù)向非對(duì)稱性;反之則存在波動(dòng)正向非對(duì)稱性。更為精確地度量波動(dòng)非對(duì)稱性的方法，是采用非對(duì)稱GARCH族模型，并通過杠桿系數(shù)符號(hào)及顯著性水平來判斷。非對(duì)稱GARCH族模型中，最常用的是Nelson［10］提出的EGARCH(指數(shù)GARCH) 模 型， 是 對(duì) Bollerslev［11］提 出 的GARCH模型的拓展。

其中，γ稱為杠桿系數(shù)。如果γ=0，則表示壞消息和好消息對(duì)波動(dòng)率的影響是對(duì)稱的，均為α1;如果γ＜0，則表示波動(dòng)存在負(fù)向非對(duì)稱性，即壞信息沖擊對(duì)波動(dòng)率的影響α1－γ，大于好消息對(duì)波動(dòng)率的影響α1+γ;如果γ＞0，則表示波動(dòng)存在正向非對(duì)稱性，即好消息對(duì)波動(dòng)率的影響α1+γ，大于壞消息對(duì)波動(dòng)率的影響α－γ。傳統(tǒng)意義上的波動(dòng)非對(duì)稱性僅指負(fù)向波動(dòng)非對(duì)稱性。

三、樣本及研究設(shè)計(jì)

本文以中國(guó)A、B股和創(chuàng)業(yè)板的綜合市場(chǎng)交易 (簡(jiǎn)稱綜合市場(chǎng))數(shù)據(jù)為研究對(duì)象，數(shù)據(jù)包括綜合市場(chǎng)日回報(bào)率、綜合市場(chǎng)交易總股數(shù)。樣本為1996年12月26日—2010年11月12日，數(shù)據(jù)來源于銳思數(shù)據(jù)庫(kù)。

1.牛、熊市劃分

以1996年12月26日為基準(zhǔn)點(diǎn)100點(diǎn)，根據(jù)綜合市場(chǎng)日回報(bào)率數(shù)據(jù)，編制綜合市場(chǎng)每日的收盤指數(shù)。對(duì)該指數(shù)利用Pagan和Sossounov［12］經(jīng)過調(diào)整的BB法，結(jié)合中國(guó)實(shí)際情況進(jìn)行牛市和熊市的劃分。劃分過程如下:首先，不對(duì)該指數(shù)做平滑處理。在時(shí)間t，對(duì)當(dāng)前指數(shù)水平和前后12個(gè)月的指數(shù)水平進(jìn)行比較;如果對(duì)比之后當(dāng)前指數(shù)水平是最高的或最低的，則得到一個(gè)峰點(diǎn)或谷點(diǎn)，令i=1，…，n，依次計(jì)算。在峰點(diǎn)(谷點(diǎn))到谷點(diǎn) (峰點(diǎn))的轉(zhuǎn)換階段，以上辦法可以得到兩個(gè) (或更多)連續(xù)的峰點(diǎn)或谷點(diǎn)，接下來選出其中最高的峰點(diǎn)或最低的谷點(diǎn)。然后，限定峰點(diǎn) (谷點(diǎn))到谷點(diǎn) (峰點(diǎn))的單向運(yùn)行周期最少12個(gè)月。最后，限定一個(gè)完整的股票市場(chǎng)循環(huán)周期為不少于24個(gè)月。除了參考BB法對(duì)周期的長(zhǎng)度進(jìn)行設(shè)定，周期的深度也需要設(shè)定，即從峰點(diǎn)到谷點(diǎn)，至少要下跌1/2;同樣從谷點(diǎn)至峰點(diǎn)，至少要翻一倍。最后結(jié)合中國(guó)的宏觀經(jīng)濟(jì)和調(diào)控政策，將中國(guó)市場(chǎng)從1996年12月26日至2010年11月12日劃分成5個(gè)主要階段，其中3個(gè)牛市，2個(gè)熊市，具體如表1所示。

表1 牛熊市劃分

2.信息沖擊度量

嚴(yán)格意義講，正收益率或負(fù)益率并不意味新的信息沖擊，而只有收益率中的非預(yù)期部分才是市場(chǎng)新信息沖擊的結(jié)果。因此需要對(duì)收益率中預(yù)期部分予以剔除。Pagan和 Schwert［13］提出了一種獲得股票非預(yù)期收益率的方法。首先對(duì)收益率序列進(jìn)行周內(nèi)效應(yīng)調(diào)整，然后再用自回歸方法剔除收益率序列中的可預(yù)測(cè)部分，余下部分才是非預(yù)期收益率。根據(jù)這一方法，本文首先對(duì)綜合市場(chǎng)日收益率序列進(jìn)行周內(nèi)效應(yīng)調(diào)整，再用AIC和SIC準(zhǔn)則判定自回歸的階數(shù)，經(jīng)判斷一階自回歸過程基本上能刻畫各個(gè)周期市場(chǎng)收益率過程。剔除周內(nèi)效應(yīng)和自回歸效應(yīng)后，剩余的εt為非預(yù)期收益率，即代表新信息沖擊。如果εt＞0，表示綜合市場(chǎng)指數(shù)有一個(gè)正的非預(yù)期收益，稱為正向沖擊，或好消息;如果εt＜0，表示綜合市場(chǎng)指數(shù)有一個(gè)負(fù)的非預(yù)期收益，稱為負(fù)向沖擊，或壞消息。

3.投資者對(duì)信息反應(yīng)的度量

針對(duì)新信息沖擊，投資者行為必然相應(yīng)發(fā)生變化，這也帶動(dòng)交易量的變化。需要注意的是，新信息沖擊會(huì)影響交易量的變化，但是交易量的變化并不完全是由投資者對(duì)新信息的反應(yīng)所導(dǎo)致的，它還包含前期交易量的延續(xù)部分，即交易量變化中的可預(yù)期部分。因此，需要對(duì)交易量變化中的可預(yù)期部分進(jìn)行剔除。本文參考前述對(duì)收益率進(jìn)行預(yù)期和非預(yù)期的劃分方法，將每日交易量變化劃分為預(yù)期交易量變化和非預(yù)期交易量變化。首先，計(jì)算第t日的交易量變化Δvt，計(jì)算方法如下:

其中，Vt表示第t日的交易量。然后，對(duì)chvt進(jìn)行自回歸建模:

其中，能被自回歸解釋的部分稱為預(yù)期交易量變化Δve

t;不能被自回歸解釋殘差部分稱為非預(yù)期交易量變化Δvut。

4.研究設(shè)計(jì)

本文通過對(duì)收益率序列建立EGARCH模型，并對(duì)比控制非預(yù)期交易量變化前后牛市和熊市波動(dòng)非對(duì)稱性特征的變化，來分析投資者對(duì)信息沖擊反應(yīng)對(duì)牛市和熊市波動(dòng)非對(duì)稱性的影響。并通過分析牛市和熊市投資者對(duì)信息沖擊反應(yīng)的特征分析，來探究牛市和熊市波動(dòng)非對(duì)稱性的深層次原因。

四、波動(dòng)非對(duì)稱性特征及原因分析

1.未考慮預(yù)期交易量變化和非預(yù)期交易量變化的牛市和熊市波動(dòng)非對(duì)稱性特征

對(duì)上文計(jì)算出來的綜合市場(chǎng)非預(yù)期收益率的平方項(xiàng)取對(duì)數(shù)后進(jìn)行ARCH檢驗(yàn)，結(jié)果顯示無論是牛市還是熊市綜合市場(chǎng)非預(yù)期收益率序列均存在EGARCH效應(yīng)。一般而言，一階EGARCH模型基本上可以描述證券市場(chǎng)的波動(dòng)行為，因此，本文估計(jì)的是一階EGARCH模型。估計(jì)結(jié)果表明，牛市行情中波動(dòng)呈現(xiàn)出正向非對(duì)稱性，熊市行情中波動(dòng)呈現(xiàn)出負(fù)向非對(duì)稱性。除第三個(gè)牛市行情中杠桿系數(shù)γ不顯著之外，其他四個(gè)階段的γ值都非常顯著，這和陸蓉和徐龍柄［6］研究結(jié)果一致。

2.考慮預(yù)期交易量變化和非預(yù)期交易量變化的牛市和熊市波動(dòng)非對(duì)稱性特征

如果預(yù)期交易量變化或者非預(yù)期交易量變化能夠解釋牛市行情中正向波動(dòng)非對(duì)稱性，那么在加入這些變量后，γ應(yīng)該顯著地從正數(shù)轉(zhuǎn)變成負(fù)數(shù)?？紤]到預(yù)期交易量變化chvet和非預(yù)期交易量變化chvu

t除對(duì)收益率序列的二階矩 (波動(dòng)性)有影響外，還可能對(duì)收益率序列的一階矩產(chǎn)生影響，因此將這兩個(gè)變量同時(shí)加入到均值方程和方差方程中，如 (4a)和 (4b)。

對(duì)3個(gè)牛市和2個(gè)熊市分別進(jìn)行估計(jì)，結(jié)果如表2所示。

表2 含預(yù)期交易量和非預(yù)期交易量的EGARCH模型結(jié)果

從表2可以看出，在均值方程中非預(yù)期交易量的系數(shù)是顯著為正，預(yù)期交易量變化的系數(shù)不顯著，說明交易量增加導(dǎo)致股票價(jià)格上漲的主要原因在于非預(yù)期交易量變化而不是預(yù)期交易量變化。在方差方程中，預(yù)期交易量增加和非預(yù)期交易量增加均導(dǎo)致波動(dòng)增加，但在方差方程中同時(shí)加入預(yù)期交易量變化和非預(yù)期交易量變化后，牛市波動(dòng)正向非對(duì)稱性減弱，其中有兩個(gè)牛市階段的波動(dòng)非對(duì)稱性變得不顯著，一個(gè)牛市階段呈現(xiàn)出波動(dòng)負(fù)向非對(duì)稱性;而熊市階段仍然保持波動(dòng)負(fù)向非對(duì)稱性。

為便于區(qū)分預(yù)期交易量變化和非預(yù)期交易量變化對(duì)波動(dòng)非對(duì)稱性的影響，對(duì)方差方程分四種情形進(jìn)行處理:只包含預(yù)期交易量變化、只包含非預(yù)期交易量變化、同時(shí)包含這兩種交易量變化以及不包含任何一種交易變化。均值方程依然包含周內(nèi)效應(yīng)、自回歸項(xiàng)以及預(yù)期交易量變化和非預(yù)期交易量變化。表3列出四種情形下杠桿系數(shù)γ估計(jì)結(jié)果。

從表3可以看出，在不加入任何交易量變化情形下，波動(dòng)非對(duì)稱性與眾多國(guó)內(nèi)學(xué)者發(fā)現(xiàn)的狀況一致，即牛市行情中波動(dòng)正向非對(duì)稱性，熊市行情中波動(dòng)負(fù)向非對(duì)稱性;當(dāng)加入預(yù)期交易量變化后，牛市和熊市依然表現(xiàn)出原先的正向非對(duì)稱性和負(fù)向非對(duì)稱性;在加入非預(yù)期交易量變化后，牛市中波動(dòng)正向非對(duì)稱性消失，無論是牛市還是熊市均表現(xiàn)出傳統(tǒng)意義上的波動(dòng)負(fù)向非對(duì)稱性。這一結(jié)果說明，牛市行情中波動(dòng)正向非對(duì)稱性主要是因?yàn)榉穷A(yù)期交易量變化在起作用，這一結(jié)論與本文的預(yù)想相一致。

表3 不同情形下杠桿系數(shù)γ的估計(jì)

3.牛市和熊市中投資者對(duì)信息沖擊反應(yīng)分析

本文以全樣本 (1996年12月26日—2010年11月12日)為研究對(duì)象，建立以非預(yù)期交易量變化率為被解釋變量，前一期非預(yù)期收益率、牛熊市虛擬變量以及牛熊市虛擬變量與前一期非預(yù)期收益率的乘積項(xiàng)為解釋變量的回歸方程，如(5)所示。

其中，market=1為牛市;market=0為熊市，c3為牛市相比熊市非預(yù)期交易量對(duì)前期信息沖擊反應(yīng)差異。牛市中非預(yù)期交易量對(duì)前期信息沖擊的反應(yīng)為c2+c3，熊市中非預(yù)期交易量對(duì)前期信息沖擊的反應(yīng)為c2。如果c3＞0且顯著，則牛市相比熊市投資者對(duì)信息沖擊的交易反應(yīng)更大;反之亦然。

表4是方程 (5)估計(jì)結(jié)果，可以看出，無論是牛市還是熊市，非預(yù)期收益率均會(huì)導(dǎo)致同向的非預(yù)期交易量變化;但是牛市行情中非預(yù)期收益率所導(dǎo)致的非預(yù)期交易量變化要顯著大于熊市行情中同等幅度的非預(yù)期收益率所帶來的非預(yù)期交易量變化。

表4 牛熊市投資者對(duì)信息沖擊的反應(yīng)

4.牛市波動(dòng)正向非對(duì)稱性的原因分析

既然知道非預(yù)期交易量變化是導(dǎo)致中國(guó)市場(chǎng)牛市正向非對(duì)稱的重要原因，而中國(guó)證券市場(chǎng)具有自身特有的發(fā)展階段和發(fā)展水平，因此，可以從市場(chǎng)結(jié)構(gòu)角度解釋投資者行為如何引起交易量變化以及這些變化如何造成牛市正向非對(duì)稱性。

第一，中國(guó)缺乏做市商制度和保證金交易制度。Hameed等［14］認(rèn)為和波動(dòng)性一樣，流動(dòng)性也存在非對(duì)稱性。他們認(rèn)為股票大幅下跌后，市場(chǎng)流動(dòng)性會(huì)顯著降低;而股票大幅上漲所帶來的流動(dòng)性增加的幅度則有限。Brunnermeier和Pedersen［15］的研究成果很好地解釋了流動(dòng)性非對(duì)稱性現(xiàn)象。他們認(rèn)為，由于做市商制度大多都采取保證金交易方式，股價(jià)大幅下跌會(huì)導(dǎo)致做市商的流動(dòng)性受到約束。中國(guó)2010年之前缺乏做市商制度和保證金制度，股票下跌過程中市場(chǎng)流動(dòng)性壓力要小很多。中國(guó)投資理財(cái)產(chǎn)品單一，股票價(jià)格上漲所帶來的財(cái)富效應(yīng)，往往會(huì)導(dǎo)致大量的散戶涌入股市，伴隨的是銀行存款大搬家，股市流動(dòng)性劇增。這也是為什么在中國(guó)市場(chǎng)上，牛市相比熊市交易量對(duì)信息沖擊反應(yīng)更大。此外，由于缺乏保證金制度，投資者只能從單邊上漲行情中獲得收益，因此相對(duì)于熊市，牛市的投資熱情要高漲很多，交易量和風(fēng)險(xiǎn)也相對(duì)大一些。

第二，信息不透明加劇了“羊群效應(yīng)”。市場(chǎng)投資者主要包括兩類，一類是具有資金和信息優(yōu)勢(shì)的機(jī)構(gòu)投資者，一類是資金量相對(duì)較小，信息缺乏優(yōu)勢(shì)的中小投資者。上市公司報(bào)表不真實(shí)、內(nèi)幕交易和虛假消息的存在，使得原本就缺乏信息優(yōu)勢(shì)的中小投資者無法及時(shí)準(zhǔn)確地獲得信息，因此，中小投資者的最優(yōu)策略就是盡量跟進(jìn)機(jī)構(gòu)投資者，而一些機(jī)構(gòu)投資者看準(zhǔn)中小投資者這一心理，人為制造虛假成交量或甚至發(fā)布虛假消息，誘使投資者跟風(fēng)。其結(jié)果導(dǎo)致大量中小投資者跟風(fēng)進(jìn)入，交易量大增，股價(jià)不斷攀升，市場(chǎng)風(fēng)險(xiǎn)加大。

第三，中國(guó)退市制度不嚴(yán)格，弱化了財(cái)務(wù)杠桿效應(yīng)和風(fēng)險(xiǎn)溢價(jià)效應(yīng)。根據(jù)Dahiya和Klapper，1994—2003年全球股票市場(chǎng)年平均退市率為4.21%，其中澳大利亞、加拿大、法國(guó)、德國(guó)、英國(guó)和美國(guó)的退市率分別是3.45%、3.39%、4.57%、2.85%、5.65%和6.78%。而同時(shí)期中國(guó)平均退市率僅為0.4%。中國(guó)股票的低退市率與地方政府保持經(jīng)濟(jì)發(fā)展、增加就業(yè)的政策以及母子公司之間不獨(dú)立等不無關(guān)系。一旦上市公司出現(xiàn)問題，地方政府和母公司會(huì)通過各種措施力保其不退市。這種情形下，股票下跌所導(dǎo)致的公司財(cái)務(wù)杠桿效應(yīng)和風(fēng)險(xiǎn)溢價(jià)效應(yīng)被弱化;同時(shí)也相當(dāng)于賦予投資者看跌期權(quán)，使得投資者容易忽視股票高估風(fēng)險(xiǎn)，一味買進(jìn)，推高股價(jià)。

五、結(jié) 論

牛市波動(dòng)正向非對(duì)稱性是中國(guó)證券市場(chǎng)重要的異常特征之一。本文從非預(yù)期交易量角度對(duì)其進(jìn)行解釋，在描述股市波動(dòng)的EGARCH模型中加入非預(yù)期交易量變化后，發(fā)現(xiàn)牛市波動(dòng)正向非對(duì)稱性消失，呈現(xiàn)出和熊市一樣的負(fù)向非對(duì)稱性。這一研究結(jié)果表明，非預(yù)期交易量變化作為投資者對(duì)信息沖擊的重要反應(yīng)，對(duì)牛市波動(dòng)正向非對(duì)稱性的形成起到關(guān)鍵作用。在實(shí)證分析的基礎(chǔ)上，本文對(duì)賣空限制、信息不對(duì)稱、財(cái)務(wù)杠桿效應(yīng)和風(fēng)險(xiǎn)溢價(jià)效應(yīng)等因素如何影響投資者交易行為以及如何造成股市波動(dòng)正向非對(duì)稱性進(jìn)行解釋，較好地論證了非預(yù)期交易量與牛市波動(dòng)正向非對(duì)稱性之間的相關(guān)關(guān)系。這一研究結(jié)果提示:

第一，投資者過度交易是造成股價(jià)波動(dòng)的重要因素。在牛市行情中，投資者熱情高漲，成交量大增，市場(chǎng)波動(dòng)加大。因此，政府部門在對(duì)市場(chǎng)風(fēng)險(xiǎn)監(jiān)控過程中，不僅要關(guān)注股票下跌市場(chǎng)帶來的問題，還要對(duì)股票大漲加以適度控制，以防止未來股價(jià)過度波動(dòng)。

第二，上市公司與投資者之間、機(jī)構(gòu)投資者與中小投資者之間的信息不對(duì)稱是引發(fā)中小投資者跟風(fēng)和投資者“羊群效應(yīng)”的重要原因，其加劇了牛市行情中投資者過度交易，并造成股市風(fēng)險(xiǎn)增加。因此，需要進(jìn)一步完善上市公司的信息披露機(jī)制，加強(qiáng)內(nèi)幕交易監(jiān)管。

第三，退市制度的缺乏弱化了財(cái)務(wù)杠桿效應(yīng)和風(fēng)險(xiǎn)溢價(jià)效應(yīng)，增大了股市投機(jī)風(fēng)險(xiǎn)。因此，政府部門應(yīng)完善退市制度，激勵(lì)上市公司提高公司業(yè)績(jī)，促進(jìn)市場(chǎng)健康發(fā)展。

［1］Black，F(xiàn).Studies of Stock Price Volatility Changes［R］. Proceedingsofthe 1976 Meetingofthe American Statistical Association，Business and Economics Statistics Section，1976.177－181.

［2］Christie，A.The Stochastic Behavior of Stock Return Variances:Value，Leverage and Interest Rate Effects［J］.Journal of Financial Economics，1982，(10):407－432.

［3］Schwert，G.Why does Stock Market Volatility Change over Time?［J］.Journal of Finance，1989，44(5):1115－1153.

［4］陳浪南，黃杰鯤.中國(guó)股票市場(chǎng)波動(dòng)非對(duì)稱性的實(shí)證研究［J］. 金融研究，2003，(7):70－76.

［5］徐煒，黃炎龍，宋伶俐.股市收益波動(dòng)的非對(duì)稱性研究［J］. 財(cái)會(huì)通訊，2007，(9):68－73.

［6］陸蓉，徐龍柄.“牛市”和“熊市”對(duì)信息的不平衡性反應(yīng)研究［J］. 經(jīng)濟(jì)研究，2004，(3):65－72.

［7］張兵.證券市場(chǎng)波動(dòng)不對(duì)稱性的動(dòng)態(tài)研究［J］.管理學(xué)報(bào)，2006，(3):366－370.

［8］何曉光，朱永軍.中國(guó)A股市場(chǎng)收益波動(dòng)的非對(duì)稱性研究［J］.數(shù)理統(tǒng)計(jì)與管理，2007，(1):164－171.

［9］袁懷宇，張宗成.賣空限制對(duì)股票市場(chǎng)收益非對(duì)稱性的影響——基于上海和香港的實(shí)證比較研究［J］.管理學(xué)報(bào)，2009，(8):1098－1103.

［10］Nelson，D.B.Conditional Heteroskedasticity in Asset Returns:A New Approach［J］.Econometrica，1991，59(2):347－370.

［11］Bollerslev，T.Generalized Autoregressive Conditional Heteroskedasticity ［J］.JournalofEconometrics，1986，31(3):307－327.

［12］Pagan，A.R.，Sossounov，K.A.A Simple Framework for Analysing Bull and Bear Markets［J］.Journal of Applied Econometrics，2003，18(1):23－46.

［13］Pagan，A.R.，Schwert，G.W.Alternative Models for Conditional Stock Volatility ［J］. Journal of Econometrics，1990，45(1－2):267－290.

［14］Hameed，A.，Kang，W.Viswanathan，S.Stock Market Declines and Liquidity ［J］.Journal of Finance，2010，65(1):257－293.

［15］Brunnermeier，M.K.，Pedersen，L.H. Predatory Trading［J］.Journal of Finance，2005，60(4):1825－1863.

［16］宋飛，李明.中國(guó)證券市場(chǎng)噪聲交易的影響因素研究［J］. 貴州財(cái)經(jīng)學(xué)院學(xué)報(bào)，2011，(2).

(責(zé)任編輯:孟 耀)