王靈芝，汪永海

（1.上海工程技術(shù)大學(xué) 管理學(xué)院，上海 201620；2.華東師范大學(xué) 金融與統(tǒng)計學(xué)院，上海 200241；3.東華大學(xué) 理學(xué)院，上海 201620）

基于馬爾可夫區(qū)制轉(zhuǎn)移模型的流動性協(xié)動效應(yīng)研究

王靈芝1,2，汪永海3

（1.上海工程技術(shù)大學(xué) 管理學(xué)院，上海 201620；2.華東師范大學(xué) 金融與統(tǒng)計學(xué)院，上海 200241；3.東華大學(xué) 理學(xué)院，上海 201620）

歷次金融危機(jī)都伴隨著流動性水平的共同下降，流動性協(xié)動效應(yīng)為金融危機(jī)提供潛在的動力。文章旨在研究個股與市場、行業(yè)與市場間的流動性協(xié)動效應(yīng)的狀態(tài)依賴特征；研究方法采用了Markov區(qū)制轉(zhuǎn)移的向量自回歸模型，隨機(jī)選取了30只樣本股與市場流動性水平作為研究對象；研究結(jié)果發(fā)現(xiàn)個股與市場流動性水平的協(xié)動性存在非對稱效應(yīng)，市場下跌時其協(xié)動效應(yīng)更加顯著，并對這一結(jié)果進(jìn)行了穩(wěn)健性檢驗。此外，基于Markov區(qū)制轉(zhuǎn)移模型對行業(yè)間與市場間流動性協(xié)動效應(yīng)進(jìn)行研究，結(jié)果表明，在市場持續(xù)下跌時，行業(yè)與市場間以及行業(yè)之間均存在顯著的流動性協(xié)動效應(yīng)；然而，在非持續(xù)下跌過程中，行業(yè)間卻存在流動性互補關(guān)系，并結(jié)合中國證券市場的實際情況分析了流動性協(xié)動效應(yīng)產(chǎn)生的原因。

流動性協(xié)動；狀態(tài)依賴；Markov轉(zhuǎn)移概率；區(qū)制轉(zhuǎn)移

一、引 言

證券流動性協(xié)動現(xiàn)象是指單個證券與證券之間、證券與整個證券市場之間以及證券與行業(yè)板塊之間的流動性變化存在趨同現(xiàn)象。證券市場中若存在流動性的協(xié)動現(xiàn)象，則在市場出現(xiàn)流動性危機(jī)時，投資者無法通過分散投資來完全化解該類風(fēng)險，即市場上存在著系統(tǒng)的流動性風(fēng)險。經(jīng)典的投資組合理論揭示非系統(tǒng)性風(fēng)險可以通過分散投資相互抵消，然而受市場性因素共同影響的系統(tǒng)性風(fēng)險則無法通過組合投資進(jìn)行分散。國外有學(xué)者研究表明，危機(jī)爆發(fā)時流動性好的股票受到投資者追捧，而流動性差的股票被紛紛拋售，存在顯著的“飛向流動性”效應(yīng)，從而呈現(xiàn)流動性水平的兩極分化。中國股市存在顯著的流動性共性，即當(dāng)流動性好的時候所有股票的流動性都好，而負(fù)面消息沖擊市場時所有股票的流動性共同下跌。這種流動性協(xié)動效應(yīng)增加了投資者的流動性風(fēng)險，而流動性水平的共同下跌會進(jìn)一步影響資產(chǎn)價格的形成。

歷次金融危機(jī)都伴隨著流動性水平的共同下降，流動性協(xié)動效應(yīng)為金融危機(jī)提供潛在的動力。例如1987年10月美國股災(zāi)關(guān)鍵的特征是整個市場的流動性一起迅速“蒸發(fā)”；還有1997年的亞洲金融危機(jī)、1998年的固定收益?zhèn)袌鲈庥龅牧鲃有晕C(jī)所導(dǎo)致的長期資本管理公司LTCM破產(chǎn)等問題的根源都是流動性共同降低；爆發(fā)于2007年的美國次貸危機(jī)演變成全球的金融危機(jī)，全球貨幣市場流動性緊縮，證券市場流動性水平共同下跌。金融危機(jī)是極端流動性共性行為的結(jié)果，研究日常流動性的協(xié)動性對厘清市場危機(jī)的形成機(jī)理有一定的幫助，同時為確立金融危機(jī)的預(yù)警系統(tǒng)構(gòu)建理論基礎(chǔ)。此外，研究證券市場中流動性協(xié)動效應(yīng)對通過組合投資分散流動性風(fēng)險的研究有著重要意義。本文將通過實證研究分析我國股市中是否存在“飛向流動性”與“流動性協(xié)動”效應(yīng)，并考察結(jié)論的狀態(tài)依賴特征。以下是本文的行為結(jié)構(gòu)：第二部分是國內(nèi)外相關(guān)研究綜述，第三部分是所選用的研究方法，接下來是實證研究部分，最后對文中得到的結(jié)論進(jìn)行分析。

二、文獻(xiàn)綜述

證券市場的流動性是現(xiàn)代微觀金融領(lǐng)域研究的重要內(nèi)容，流動性普遍定義為在不改變價格或價格微小變動的情況下迅速完成大規(guī)模交易的能力。但股票市場的流動性不是固定不變的，投資者在買賣股票時有可能面臨因市場缺少流動性而引致的交易困難和交易成本的上升，甚至在市場面臨負(fù)面信息沖擊的時候，大量股票會共同面臨流動性下降的問題。國內(nèi)外學(xué)者對此進(jìn)行了廣泛的研究。

Chordia、Roll&Subrahmanyam（2000）[1]利用NYSE上市的1169家公司數(shù)據(jù)研究了流動性的協(xié)動性，研究結(jié)果表明個股流動性和市場流動性之間存在顯著的共同運動趨勢，且在控制了波動性、成交量和價格水平后這種流動性共性依然顯著，此外個股流動性對市場流動性的敏感性與市值成正比。Huberman&Halka（2001）[2]用1996年利用TAQ（Trades and Automated Quotations）數(shù)據(jù)庫研究流動性代理變量的時間序列性質(zhì)，發(fā)現(xiàn)存在系統(tǒng)流動性。Hasbrouck&Seppi（2000）[3]利用主成分分析和典型相關(guān)分析研究了流動性代理變量的共同影響因素。Brockman&Chung等（2002）[4]采用與Chordia同樣的方法對中國香港股票市場進(jìn)行了相應(yīng)的研究，結(jié)果表明在沒有做市商的香港股市同樣存在著廣泛的流動性協(xié)動現(xiàn)象。Fernando（2003）[5]將流動性沖擊分為系統(tǒng)部分和特性部分，流動性沖擊的系統(tǒng)部分不會導(dǎo)致交易量的共性，交易量與系統(tǒng)流動性風(fēng)險相獨立。然而，流動性沖擊中的特性部分導(dǎo)致交易量和流動性需求增加，投資者可以通過分散化消除該類風(fēng)險。交易量的波動增加會導(dǎo)致流動性沖擊中的非系統(tǒng)部分增加，而價格波動的增加會導(dǎo)致系統(tǒng)和非系統(tǒng)流動性風(fēng)險同時增加。當(dāng)資產(chǎn)收益不相關(guān)時，不存在流動性在這些資產(chǎn)間的轉(zhuǎn)移，流動性共性的根本原因是異質(zhì)投資者共同作用的結(jié)果而不是流動性共同沖擊。

Bauer（2004）[6]利用SWX（瑞士股票交易所）數(shù)據(jù)研究了指令驅(qū)動市場中流動性共性現(xiàn)象，探討了影響流動性共性的影響因素，并發(fā)現(xiàn)流動性需求受這些共同因素影響比流動性供給所受影響大。Domowitz，Hansch和Wang（2005）[7]認(rèn)為之所以存在流動性的共性是由于交易過程中指令類型（分限價指令和市價指令兩種）在股票之間的趨同，他們利用澳大利亞股市（ASX）的交易數(shù)據(jù)驗證了其觀點。Brochman& Chung（2006）[8]使用按新型市場指數(shù)劃分的六大地區(qū)38個國家、47個證券市場的日內(nèi)寬度和深度數(shù)據(jù)，發(fā)現(xiàn)流動性協(xié)動現(xiàn)象在全球證券市場內(nèi)普遍存在，新興的亞洲市場比拉丁美洲市場流動性協(xié)動現(xiàn)象更普遍也更強(qiáng)烈。Kang&Yeo（2006）[9]發(fā)現(xiàn)限價指令交易者的策略被一些市場水平的共同因素所影響，例如市場收益率和預(yù)期的隱含波動率，這些研究顯示受共同決定因素影響的不同股票的交易者的交易行為會導(dǎo)致流動性共性。Kang&Zhang（2007）[10]發(fā)現(xiàn)限價指令簿是流動性共性的一個根源，在指令驅(qū)動交易機(jī)制中，沒有專門的流動性提供者——做市商，指令簿為市場提供流動性。

在國內(nèi)，宋逢明和譚慧（2005）[11]曾利用2001年2月到2002年6月滬深股市所有A股的日內(nèi)高頻交易數(shù)據(jù)，實證認(rèn)為我國股市存在著流動性共性。王春峰、董向征（2006）[12]以買賣報價差、報價深度、非流動性指標(biāo)以及換手率作為流動性四維的替代指標(biāo)，對滬市流動性的協(xié)動性進(jìn)行了實證研究。結(jié)果表明，滬市存在顯著的流動性協(xié)動現(xiàn)象，且該現(xiàn)象具有一定的規(guī)模效應(yīng)、板塊效應(yīng)。黃峰（2007）[13]利用非流動性指標(biāo)研究了個股流動性與市場流動性之間的協(xié)動現(xiàn)象，并估計了個股流動性風(fēng)險中系統(tǒng)部分所占的比重。游達(dá)明等（2008）[14]以交易量、交易金額、持倉量、平均深度、有效交易量以及非流動性指標(biāo)作為流動性度量指標(biāo)對中國期貨市場流動性協(xié)動進(jìn)行了實證研究。結(jié)果表明，中國期貨市場存在顯著的流動性協(xié)動現(xiàn)象，日內(nèi)交易者易受市場流動性變化的影響，并且該現(xiàn)象具有顯著的行業(yè)效應(yīng)、地域效應(yīng)以及組合效應(yīng)?，F(xiàn)有對中國股市流動性共性的研究普遍認(rèn)為流動性協(xié)動存在于我國股市，然而，這種協(xié)動性是否依賴于股市的狀態(tài)，例如牛市和熊市階段流動性共性是否有顯著差異，本文將對此進(jìn)行研究。

三、計量模型

（一）MS-VAR模型介紹

向量自回歸（VAR）常用于預(yù)測相互聯(lián)系的時間序列以及分析隨即擾動對變量系統(tǒng)的動態(tài)影響。VAR方法通過把系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)來構(gòu)造模型。令Yt=(y1t,y2t,.…,ynt)'表示一個(n×1)維時間序列向量，滯后p階的自回歸方程VAR（p）的數(shù)學(xué)形式如下：

其中，Πi是（n×n)系數(shù)矩陣且εt是（n×1)不可觀測的0均值白噪聲向量過程。

向量自回歸（VAR）方法可以用來檢驗不同市場或個股間流動性水平的協(xié)動性，然而股市的不同階段，例如在“牛市”和“熊市”中流動性水平的協(xié)動性可能存在一定的差異。本文選用Markov區(qū)制轉(zhuǎn)移模型，該方法可以反映流動性協(xié)動性依賴于外部環(huán)境的“門限性質(zhì)”，研究了在股市的不同區(qū)制下個股與市場流動性以及個股流動性之間的協(xié)動效應(yīng)。

可以使用Hamilton的精確極大似然估計法，或者Kim和Nelson的近似極大似然估計法來估計模型MS-VAR中的參數(shù)，通過估計區(qū)制變量St的取值概率來劃分經(jīng)濟(jì)周期的主要階段。

（二）參數(shù)估計

這里以n=2，p=1，m=3為例，闡述用MLE參數(shù)的估計過程，這里假設(shè)ε1和ε2都服從白噪聲過程。

區(qū)制變量st是不可觀測的，只能根據(jù)yt的值推測st的值，且ξjt=P(st=j|Ωt;θ)，j=1,2,3。其中，Ωt={yt,yt-1,…,y1,y0}代表到時刻t為止的所有觀測值的集合，θ=(σ1,σ2,C1,C2,A1,A2,pij,i,j=1,2,3)為模型的待估參數(shù)向量。pij(i,j=1,2,3)代表所研究的時間序列在時刻t-1處于制度i(St-1=i)狀態(tài)的條件下，時刻t處于制度j(St=j)狀態(tài)的轉(zhuǎn)移概率。其中，∑ipij=1，馬爾科夫轉(zhuǎn)移概率決定了每個區(qū)制的持續(xù)時間。

在正態(tài)分布的假設(shè)下，y1t的條件分布密度可以表示為：

在得到參數(shù)θ的估計值后，我們可以計算濾子概率Pr(st=j|Ωt,θ)的值，它代表基于當(dāng)前的樣本信息判斷處于狀態(tài)j的概率，與之相對應(yīng)，平滑概率Pr(st=j|ΩT,θ)是基于全部樣本信息的。對于平滑概率的推斷，以t=T-1為起點，逐步向前推斷，得到各期中的平滑概率。對于特定時期t，若在第i區(qū)制中的平滑概率大于其他區(qū)制中的平滑概率，則可斷定，時間序列y在t時刻處于第i區(qū)制（詳細(xì)估計過程可參看Hamilton（1989）[15]）。

四、實證分析

（一）數(shù)據(jù)說明與流動性指標(biāo)

本文首先研究了個股與市場間的流動性協(xié)動效應(yīng)，按照MSCI和S&P聯(lián)合發(fā)布的全球行業(yè)分類標(biāo)準(zhǔn)（GICS），從10個經(jīng)濟(jì)部門中分別隨機(jī)抽取3只股票作為研究對象，共30只。此外，本文還考察了行業(yè)與市場間的流動性協(xié)動效應(yīng)，選取醫(yī)藥、銀行類兩個板塊指數(shù)及上證綜合指數(shù)為研究對象，樣本區(qū)間為2003年1月3日至2010年6月30日。通過回歸分析對流動性協(xié)動效應(yīng)進(jìn)行研究，在做回歸分析時，必須保證交易日的對應(yīng)，因此，僅取它們有相同交易日的交易數(shù)據(jù)為研究對象，共1542個有效交易日，數(shù)據(jù)來源于港澳資訊度量衡。

采用杜海濤（2002）[17]的流動性測度指標(biāo)：

其中，Li表示股票i的流動性，V(Pi,Qi)表示股票i的成交金額，相比與Amihud（2002）[18]的指標(biāo)該指標(biāo)剔除了非交易時間新信息到來導(dǎo)致的股價變化。然而當(dāng)最高價與最低價相等時，該指標(biāo)分母將等于0，此時分母用前一天的收盤價和當(dāng)天的收盤價來計算。

該指標(biāo)與成交金額相關(guān)，計算出的實際結(jié)果數(shù)量級較大，為便于處理我們按照（5）式計算流動性水平變化率，接下來的實證過程便對流動性水平的變化率DLt建模：

（二）描述性統(tǒng)計

表1給出了30只樣本股流動性水平的描述統(tǒng)計，流動性指標(biāo)均值的中位數(shù)與均值相差很大，流動性（用“L”表示）均值是有偏的；而流動性水平變化率（用“DL”表示）的中位數(shù)與均值非常接近，說明偏度不大。表2是行業(yè)指數(shù)與上證指數(shù)的描述性統(tǒng)計，JB（Jarque-Bera）統(tǒng)計量用于判斷流動性水平變化率是否服從正態(tài)分布假設(shè)，ADF值用于判斷序列的平穩(wěn)性。為便于直觀上認(rèn)識銀行指數(shù)、醫(yī)藥與上證指數(shù)的流動性相關(guān)性，圖1還給出了三者周數(shù)據(jù)的動態(tài)相關(guān)系數(shù)圖，從該圖可以看出，三者流動性水平變化率之間有時呈正相關(guān)關(guān)系，有時呈負(fù)相關(guān)關(guān)系，三者之間并不總是呈現(xiàn)流動性協(xié)動，這進(jìn)一步說明了研究不同區(qū)制狀態(tài)下流動性協(xié)動的必要性。

表1 30只樣本股流動性水平的統(tǒng)計特征

表2 各指數(shù)流動性水平的統(tǒng)計特征

圖1 流動性變化率的動態(tài)相關(guān)系數(shù)

（三）個股與指數(shù)間的流動性協(xié)動效應(yīng)

Acharya&Pedersen（2005）[19]研究表明，危機(jī)爆發(fā)時流動性好的股票受到投資者追捧，而流動性差的股票被紛紛拋售，存在顯著的“飛向流動性”效應(yīng)，王春峰&董向征（2006）[14]研究表明我國股市存在顯著的流動性協(xié)動效應(yīng)。為了研究我國股市中“飛向流動性”與“流動性協(xié)動”效應(yīng)的顯著性，以及其狀態(tài)依賴特征，我們構(gòu)建如下回歸模型并引入了狀態(tài)變量Rt，Rt是用上證綜合指數(shù)計算的股市收益率。同時我們引入虛擬變量Dt，若收益率Rt≥0，則虛擬變量Dt=0，若虛擬變量Rt＜0，則虛擬變量Dt=1。模型如下：

βi1與βi4用于判斷個股與市場流動性變化率的相關(guān)性，若βi1顯著大于0，說明流動性協(xié)動效應(yīng)普遍存在；若βi4顯著大于0，則說明當(dāng)股市下跌時比股市上漲時流動性協(xié)動性更為顯著。βi5用于判斷是否存在“飛向流動性”效應(yīng)，若βi5顯著大于0，說明市場下跌時流動性水平的正自相關(guān)性增加，原來流動性好的股票會具有更高的流動性。實證結(jié)果如表3所示。

表3 個股與市場間流動性協(xié)動效應(yīng)的狀態(tài)依賴性檢驗

由表3實證結(jié)果可知，β4顯著大于0說明個股與市場流動性水平的共變性存在非對稱效應(yīng)，即當(dāng)市場下跌的時候個股與上證指數(shù)的流動性協(xié)動性更加顯著，實證結(jié)果中β3和β5均顯著小于0，表明個股流動性存在負(fù)自相關(guān)性，且市場下跌時這種負(fù)自相關(guān)性更顯著，也就是說我國股市中不存在“飛向流動性”效應(yīng)。

（四）穩(wěn)健性檢驗——基于MS-VaR的個股與指數(shù)間的流動性協(xié)動效應(yīng)

基于模型（6）的實證分析表明，在我國股票市場中，個股與市場的流動性水平之間存在協(xié)動效應(yīng)，且這種共變性在市場下跌階段更為顯著。下面將基于MS-VaR模型對這一結(jié)論的穩(wěn)健性進(jìn)行考察。隨機(jī)選取幾只樣本股，因篇幅所限，本文選取寶鋼股份（Bggf）、上海機(jī)場（Shjc）、招商地產(chǎn)（Zsdc）三只股票為研究對象，考察個股與上證指數(shù)（Szzs）間的流動性協(xié)動效應(yīng)，其流動性指標(biāo)和流動性變化率分別按照（4）式和（5）式計算。構(gòu)造帶有Markov區(qū)制轉(zhuǎn)移的向量自回歸方程，滯后階數(shù)為1，方程如下：

其中，pij(i,j=1,2)代表所研究的時間序列在時刻t-1處于制度i(St-1=i)狀態(tài)的條件下，時刻t處于制度j(St=j)狀態(tài)的轉(zhuǎn)移概率。其中，∑ipij=1，馬爾科夫轉(zhuǎn)移概率決定了每個區(qū)制的持續(xù)時間。矩陣A中元素分別代表了上證指數(shù)與個股間流動性變化率的相關(guān)系數(shù)，這里假設(shè)殘差εi～N(0,),且εi與εj相互獨立。利用Matlab 7.0，可以計算濾子概率和平滑概率的值，濾子概率是基于當(dāng)前狀態(tài)信息判斷的所處狀態(tài)情況概率，平滑概率是基于全部已知信息判斷的所處狀態(tài)概率。在平滑概率圖中，當(dāng)處于狀態(tài)1的概率顯著高于處于狀態(tài)2的概率時，可以判斷股市處于狀態(tài)1，即處于下跌狀態(tài)。具體參數(shù)估計結(jié)果如表4與表5所示。

由表4的估計系數(shù)矩陣可以看出，在市場處于狀態(tài)1時，即股市處于下跌狀態(tài)時，矩陣A中第一行和第一列的元素均顯著為正，說明個股與上證指數(shù)之間存在顯著的流動性同向協(xié)動；A中非對角線上元素的均為正，這表明，在市場下跌的過程中，不同股票之間存在一定的流動性協(xié)動效應(yīng)；在區(qū)制“1”下，A的對角元素正負(fù)不確定，這表明我國股市不存在“飛向流動性”效應(yīng)，即在市場下跌的時候，原來流動性好的股票會受到追捧，流動性更好。在市場處于狀態(tài)2時，即股市處于上漲或盤整狀態(tài)時，四者之間不存在穩(wěn)定的相關(guān)關(guān)系，個股與指數(shù)流動性水平間的協(xié)動效應(yīng)并不顯著。

表4 相關(guān)系數(shù)矩陣估計值

表5 區(qū)制轉(zhuǎn)移概率矩陣及區(qū)制的持續(xù)期

表6 相關(guān)系數(shù)矩陣估計值

（五）行業(yè)與市場間的流動性協(xié)動效應(yīng)

為研究行業(yè)與市場間的流動性變化之間的關(guān)系，選取上證指數(shù)（以“Sz”）作為市場的代表，以銀行類指數(shù)（“Yh”）和醫(yī)藥（“Yy”）兩個行業(yè)為例，闡述實證過程。構(gòu)造帶有Markov區(qū)制轉(zhuǎn)移的向量自回歸方程，滯后階數(shù)為1，方程如下：

利用Matlab7.0，參數(shù)估計結(jié)果如表6與表7所示。

表7 區(qū)制轉(zhuǎn)移概率矩陣及區(qū)制的持續(xù)期

由表4的估計系數(shù)矩陣可以看出，在市場處于狀態(tài)1時，即股市處于下跌狀態(tài)時，各相關(guān)系數(shù)顯著為正，說明三者之間存在顯著的流動性同向協(xié)動，即行業(yè)與指數(shù)之間存在顯著的流動性共變性，行業(yè)與行業(yè)之間也存在流動性共變性。在市場處于狀態(tài)2時，即股市處于上漲或盤整狀態(tài)時，三者之間不存在穩(wěn)定的相關(guān)關(guān)系，行業(yè)與指數(shù)流動性水平間存在同向變動關(guān)系，而行業(yè)與行業(yè)之間卻是流動性互補的。

上述實證研究表明中國股市個股與市場流動性之間存在共變性，尤其是當(dāng)市場下跌時這種流動性協(xié)動的現(xiàn)象更為顯著。

五、結(jié)論分析

證券市場的流動性協(xié)動效應(yīng)在金融危機(jī)形成過程中扮演了重要的角色，現(xiàn)有對中國股市流動性共性的研究普遍認(rèn)為流動性協(xié)動效應(yīng)存在于我國股市，然而，這種協(xié)動性是否依賴于股市的狀態(tài)，例如牛市和熊市階段流動性共性是否有顯著差異？本文構(gòu)建了Markov區(qū)制轉(zhuǎn)移向量自回歸模型，研究發(fā)現(xiàn)，在股市下跌時，三者之間存在顯著的流動性同向協(xié)動，即個股與指數(shù)之間存在顯著的流動性共變性，個股與個股之間也存在流動性協(xié)動效應(yīng)。然而，在股市的非下跌狀態(tài)時，個股和指數(shù)之間依然存在流動性協(xié)動效應(yīng)，但個股與個股之間卻存在流動性互補關(guān)系。本文從以下幾個方面闡述流動性共變性顯著存在于我國股市的原因：

（1）受共同宏觀環(huán)境影響，政策效應(yīng)顯著。投資者受共同宏觀經(jīng)濟(jì)狀況、政策因素等影響容易產(chǎn)生類似的決策行為，面對經(jīng)濟(jì)信息一體化，網(wǎng)絡(luò)技術(shù)的高度發(fā)展，影響一個投資者決策的信息會很快的傳遞給其他的投資者，國內(nèi)外經(jīng)濟(jì)政治環(huán)境，匯率、利率政策等信息開放程度越來越高，市場透明度增加，信息不對稱程度降低，受共同的公開信息所驅(qū)動，個股之間存在流動性共性也是必然。

此外，我國股市的政策效應(yīng)顯著，由于沒有風(fēng)險對沖機(jī)制，當(dāng)股市過于繁榮或過于疲軟的情況下，沒有一種反向機(jī)制能使其恢復(fù)到理性均衡的水平，政府只能通過發(fā)表言論或出臺相應(yīng)的政策以防止股市走向極端，從而避免更大的風(fēng)險。長期以來，受政策影響的投資者已經(jīng)形成了一定的思維慣式，在決策上依賴于政府的政策，投資者按照類似的策略去交易，很容易造成流動性共變性。

（2）投機(jī)為主的散戶交易過多，市場差異性較低。我國股市的投資者結(jié)構(gòu)特點是個人投資者（即散戶）居多和機(jī)構(gòu)投資者內(nèi)部結(jié)構(gòu)不盡合理。散戶不代表投資決策和交易行為的分散性，審計委員會的財務(wù)金融專家的存在降低了通過轉(zhuǎn)讓價格操縱

［7］Chen G M，F(xiàn)irth M，Gao D，et al.Ownership structure，corpo?他們之間真正意義上的獨立性并不夠，因為散戶在信息的獲取和信息的處理能力以及投資知識和決策能力等方面非常薄弱，決策中受外界輿論、媒體、股評和其他投資者交易行為等的影響非常大，決策時的獨立性并不強(qiáng)。散戶投資者多以投機(jī)為交易目的，他們具有相同的風(fēng)險偏好，相同的投資期限，甚至相同的投資策略。投機(jī)者通常采用正反饋交易策略，追漲殺跌，這將使得股市容易形成單邊上漲或單邊下跌的趨勢。我國證券市場投資者結(jié)構(gòu)，以及散戶的正反饋策略和羊群行為，促成了個股流動性共變性的存在。

（3）投資者情緒。市場流動性與交易者的行為密切相關(guān)，市場投資者情緒的變動直接影響了投資者買賣股票的積極性和交易的活躍性，進(jìn)一步影響了股票的流動性。當(dāng)投資者情緒是樂觀時，投資者選擇進(jìn)入市場，投資者數(shù)量顯著增加的同時導(dǎo)致了對資金的超額供給，最終導(dǎo)致了證券市場流動性的上升；反之則反是。投資者情緒的相互傳染，會導(dǎo)致投資者之間差異性的縮小，而投資者偏好、信念的極端一致性會造成市場流動性的大幅上升或下降，并形成系統(tǒng)流動性風(fēng)險。

［1］Chordia T，Roll R，Subrahmanyam A.Commonality in liquidity［J］.Journal of Financial Economics，2000，（56）：3-28.

［2］Huberman G，Halka D.Systematic Liquidity［J］.The Journal of Financial Research，2001，（24）：161-178.

［3］Hasbrouck J，D J Seppi.Common Factor in Prices，Order Flows and Liquidity［J］.Journal of Financial Economics，2001，（59）：383-411.

［4］Brockman P，Chung D Y.Commonality in liquidity：evidence from an order—driven market structure［J］.Journal of Finan?cial Research，2002，25：521-539.

［5］Fernando C S.Commonality in liquidity:transmission of li?quidity shocks across investors and securities［J］.Journal of Financial Intermediation，2003，（12）：233-254.

［6］Bauer W.Commonality in Liquidity in Pure Order-Driven Markets［R］.Working Paper，2004.

［7］Domowitz I，Hansch O，Wang X.Liquidity commonality and return co-movement［J］.Journal of Financial Markets，2005，（8）：351-376.

［8］Brockman P，Chung Y D，Perignon C.Commonality in liquidi?ty：a global perspective［J］.Journal of Financial and Quantita?tive Analysis，2009，44（6）：851-882.

［9］Kang W，W Yeo.Liquidity Beyond the Best Quotes:A Study of the NYSE Limit Order Book［R］.Working Paper，National University of Singapore，2006.

［10］Kang W，Zhang H.Limit Order Book and Commonality in Li?quidity［R］.Working Paper，National University of Singa?pore，2007.

［11］宋逢明，譚慧.訂單驅(qū)動型市場的系統(tǒng)流動性：一個基于中國股市的實證研究［J］.財經(jīng)論叢，2005，（3）：63-69.

［12］王春峰，董向征.關(guān)于股市流動性的協(xié)動性——基于滬市的實證檢驗［J］.北京航空航天大學(xué)學(xué)報（社會科學(xué)版），2006，（4）：13-17.

［13］黃峰.中國股票市場的流動性風(fēng)險及其溢價效應(yīng)研究［D］.上海：上海交通大學(xué)，2007.

［14］游達(dá)明，魯小東，曾薇，等.中國期貨市場流動性協(xié)動現(xiàn)象實證研究［J］.系統(tǒng)工程，2008，（9）：74-79.

［15］Hamilton J D.A new approach to the economic analysis of nonstationary time series and the business cycle［J］.Econo?metrica，1989，57（2）：357-384.

［16］Hamilton J D.Susmel R.Autogressive conditional heteroske?dasticity and changes in regime［J］.Journal of Econometrics，1994，（64）:307-333.

［17］杜海濤.中國股市流動性風(fēng)險測度研究［J］.證券市場導(dǎo)報，2002，（11）：38-43.

［18］Amihud Y.Illiquidity and stock returns:Cross-section and time series effects［J］.Journal of Financial Markets，2002，（5）：31-56.

［19］Acharya V V，Pedersen L H.Asset Pricing with Liquidity Risk［J］.Journal of Financial Economics，2005，77：375-410.

Study on Liquidity Co-movement Effect Based on Markov Regime Switching Model

WANG Ling-zhi1，2，WANG Yong-hai3
（1.College of Management，Shanghai University of Engineering Science，Shanghai 201620，China；2.College of Finance and Statistics，East China Normal University，Shanghai 200241，China；3.College of Science，Donghua University，Shanghai 201620，China）

Financial crisis always companied with the liquidity level fall together in the whole stock market，liquidity co-move?ment effect offer potential energy to the crisis.This paper constructs property model(MS-VAR)to study the states dependence of the liquidity co-movement among stocks blocks and markets，and chooses liquidity lever and 30 sample stocks of Shanghai Stock Exchange Market，the result shows that the liquidity co-movement effect increases as the index goes down，and con?ducts a robust test.Then，the paper studies the liquidity co-movement among blocks and markets by Markov regime switching model，the result shows that there is a notable liquidity co-movement effect among the stock index and two block indexes when the stock market goes down continually.However，there is liquidity co-movement relationship among the industries in the pro?cess of continued decreasing.Finally，the paper analyzes the reason of liquidity co-movement effect.

liquidity co-movement；state dependence；Markov Transition probability；regime switching

F272.9

A

1007—5097（2012）08—0079—05

10.3969/j.issn.1007-5097.2012.08.019

2011—11—20

上海工程技術(shù)大學(xué)?；穑ˋ-0501-11-016）；上海高校選拔培養(yǎng)優(yōu)秀青年教師科研專項基金（shgcjs008）；上海高校青年骨干教師國內(nèi)訪問學(xué)者計劃

王靈芝（1980—），女，河北隆堯人，上海工程技術(shù)大學(xué)講師，博士，華東師范大學(xué)訪問學(xué)者，中國保險精算師（準(zhǔn)），研究方向:證券投資分析，風(fēng)險管理；汪永海（1980—），男，滿族，遼寧撫順人，講師，理學(xué)博士，研究方向：應(yīng)用數(shù)學(xué)。

余志虎］

●財經(jīng)透視