黃 波

（上海立信會(huì)計(jì)學(xué)院金融學(xué)院，上海201620）

一、引言

20世紀(jì)80年代中期至21世紀(jì)初，歐美國(guó)家出現(xiàn)宏觀(guān)經(jīng)濟(jì)“大緩和”，[1～2]但與此同時(shí)，微觀(guān)層面的公司特質(zhì)波動(dòng)，即剔除系統(tǒng)性因素影響后的產(chǎn)出或個(gè)股收益波動(dòng)，卻呈上升趨勢(shì)。[3～5]宏微觀(guān)經(jīng)濟(jì)波動(dòng)的分化引起了學(xué)界的廣泛關(guān)注，其中:特質(zhì)波動(dòng)上升代表了個(gè)股分化和“優(yōu)勝劣汰”的市場(chǎng)機(jī)制發(fā)揮作用，對(duì)特質(zhì)波動(dòng)的趨勢(shì)與成因分析由此成為一個(gè)重要的研究分支。此外，由于公司實(shí)體經(jīng)濟(jì)波動(dòng)的高頻數(shù)據(jù)難以獲取，相關(guān)研究大多關(guān)注股市特質(zhì)波動(dòng)。

總的來(lái)看，股市特質(zhì)波動(dòng)趨勢(shì)與成因的研究有兩個(gè)重要結(jié)論:其一，特質(zhì)波動(dòng)上升成因的研究認(rèn)為，公司基本面和投資者行為是影響個(gè)股特質(zhì)波動(dòng)的兩大因素。[6]其二，近期研究還發(fā)現(xiàn)，特質(zhì)波動(dòng)并非一直上升，而是表現(xiàn)出階段性趨勢(shì)。以美國(guó)和中國(guó)為例:美國(guó)股市特質(zhì)波動(dòng)于20世紀(jì)30年代經(jīng)濟(jì)大蕭條時(shí)處于高峰，隨后趨于下降，20世紀(jì)50年代到21世紀(jì)初重新上升，2001～2006年再次下降，并因次貸危機(jī)而急速攀升;[7～8]中國(guó)股市特質(zhì)波動(dòng)在20世紀(jì)90年代中期到2010年期間，表現(xiàn)為先降后升，且轉(zhuǎn)折點(diǎn)大致在 2003 年初。[9～10]

本文對(duì)上述結(jié)論進(jìn)行拓展研究，旨在回答兩個(gè)問(wèn)題:其一，盡管?chē)?guó)內(nèi)外股市特質(zhì)波動(dòng)已被認(rèn)為具有階段性特征，但對(duì)中國(guó)股市而言，特質(zhì)波動(dòng)的轉(zhuǎn)折時(shí)點(diǎn)，即趨勢(shì)的結(jié)構(gòu)突變點(diǎn)具體在哪里?其二，在考慮特質(zhì)波動(dòng)趨勢(shì)突變的前提下，如何從宏觀(guān)視角探究市場(chǎng)層面特質(zhì)波動(dòng)的主客觀(guān)成因?特別地，盡管在微觀(guān)層面已證實(shí)了盈利及其波動(dòng)、投資者行為對(duì)個(gè)股特質(zhì)波動(dòng)存在影響，但宏觀(guān)層面的結(jié)論有無(wú)不同，仍需通過(guò)實(shí)證加以檢驗(yàn)。

基于中國(guó)A股和創(chuàng)業(yè)板市場(chǎng)1994年7月至2013年底數(shù)據(jù)，實(shí)證研究發(fā)現(xiàn):（1）按照各種直接和間接分級(jí)法所得特質(zhì)波動(dòng)序列具有很強(qiáng)的相關(guān)性和一致性。（2）按照內(nèi)生結(jié)構(gòu)突變點(diǎn)判別法發(fā)現(xiàn)，自1997年以來(lái)，代表性股市特質(zhì)波動(dòng)序列分別在2000年6月、2003年3月、2006年3月和2009年8月發(fā)生了結(jié)構(gòu)突變，且表現(xiàn)為分階段趨勢(shì)平穩(wěn)（而非單位根序列）。（3）在結(jié)構(gòu)突變點(diǎn)判別基礎(chǔ)上，對(duì)特質(zhì)波動(dòng)序列、表征客觀(guān)因素的宏觀(guān)經(jīng)濟(jì)增長(zhǎng)及其波動(dòng)序列、表征投資者主觀(guān)行為偏差的換手率序列進(jìn)行退勢(shì)，進(jìn)而驗(yàn)證了換手率和宏觀(guān)經(jīng)濟(jì)波動(dòng)分別對(duì)特質(zhì)波動(dòng)具有正效應(yīng)和負(fù)效應(yīng)，且前期經(jīng)濟(jì)增長(zhǎng)及其與當(dāng)期換手率的交互作用對(duì)特質(zhì)波動(dòng)也有助推作用。這一結(jié)論與既有微觀(guān)層面的研究存在差異，如:有學(xué)者認(rèn)為，美國(guó)股市特質(zhì)波動(dòng)上升應(yīng)歸因于前期個(gè)股盈余惡化及其波動(dòng)增大。[11～12]

二、研究設(shè)計(jì)

（一）特質(zhì)波動(dòng)估計(jì)方法的選擇

可以通過(guò)直接分解法和間接分解法來(lái)獲取特質(zhì)波動(dòng)。

直接分解法一般基于日收益數(shù)據(jù)、分月擬合特定的定價(jià)模型，個(gè)股收益殘差的方差即為特質(zhì)波動(dòng)。多選用Fama-French三因子模型，或同時(shí)選用簡(jiǎn)單的 CAPM，[13～15]或其他定價(jià)模型。[16]得到個(gè)股特質(zhì)波動(dòng)之后，可以按照等權(quán)重或市值加權(quán)方法得到市場(chǎng)層面的特質(zhì)波動(dòng)。

與直接分解法不同，間接分解法不依賴(lài)特定定價(jià)模型，既有文獻(xiàn)涵蓋了4種代表性方法:CLMX（2001）[3]提出的方差分解法，[17～18]Bali，Cakici和 Levy（BCL，2008）[19]基于“組合風(fēng)險(xiǎn)分散”思想提出的總體特質(zhì)波動(dòng)分解法，Goyal和Santa-Clara（GS，2003）[20]提出的用個(gè)股總體波動(dòng)直接替代其特質(zhì)波動(dòng)，Garcia，Mantilla-García 和 Martellini（GMM，2014）[21]提出的運(yùn)用截面方差（CSV:cross-sectional variance）度量市場(chǎng)平均特質(zhì)波動(dòng)。其中:BCL（2008）[19]和 GMM（2014）[21]方法所得直接為市場(chǎng)層面的特質(zhì)波動(dòng)，其余兩種方法均可得到個(gè)股特質(zhì)波動(dòng)并實(shí)現(xiàn)市場(chǎng)層面的合成。

國(guó)內(nèi)學(xué)者也采用上述直接或間接分解法獲取特質(zhì)波動(dòng)，如:有研究采用CAPM或三因子模型、含市場(chǎng)超額收益平方項(xiàng)的定價(jià)模型、或考慮代表性投資者風(fēng)險(xiǎn)偏好的資產(chǎn)定價(jià)模型獲取特質(zhì) 波 動(dòng);[22～25，9]還 有研究采用了CLMX（2001），[3]BCL（2008）[19]以及 GS（2003）[20]的間接分解法來(lái)獲得特質(zhì)波動(dòng)。[26～27，10]

本文分別選取CAPM、三因子模型、考慮代表性投資者風(fēng)險(xiǎn)偏好的資產(chǎn)定價(jià)模型等3種定價(jià)模型來(lái)直接獲取個(gè)股特質(zhì)波動(dòng)，進(jìn)而通過(guò)等權(quán)重和流通市值加權(quán)2種方案獲得市場(chǎng)層面的特質(zhì)波動(dòng)序列;同時(shí)也選取4種間接分解法得到市場(chǎng)層面特質(zhì)波動(dòng)，[19～21，3]每種間接分解法同樣包括了等權(quán)重和流通市值加權(quán)2種方案。

（二）結(jié)構(gòu)突變點(diǎn)判別與特質(zhì)波動(dòng)影響因素的計(jì)量建模

1.判別時(shí)間序列的內(nèi)生結(jié)構(gòu)突變點(diǎn)

選取 Bai和 Perron（1998，2003）[28～29]提出的時(shí)間序列內(nèi)生結(jié)構(gòu)突變點(diǎn)判別法，該方法通過(guò)全局最小化殘差平方和來(lái)得到可能的多個(gè)突變點(diǎn)，然后依據(jù)以下統(tǒng)計(jì)量加以檢驗(yàn):F統(tǒng)計(jì)量的上確界檢驗(yàn)（supTF）、雙極大值檢驗(yàn)（UDmax和WDmax）、序貫檢驗(yàn)（FT（l+1|l））。

該方法同時(shí)存在如下問(wèn)題:其一，當(dāng)樣本容量不大時(shí)，截?cái)鄥?shù)（trimming parameter）選取較小將導(dǎo)致規(guī)模扭曲（size distortion）。其二，序貫統(tǒng)計(jì)量FT（l+1|l）的檢驗(yàn)勢(shì)最高，但存在多個(gè)突變點(diǎn)時(shí)，對(duì)FT（1|0）（即supTF（1））的檢驗(yàn)往往難以拒絕原假設(shè)。因此，在實(shí)際應(yīng)用時(shí)，可考慮如下策略:先用UDmax或WDmax檢驗(yàn)是否至少存在1個(gè)突變點(diǎn)，若是，再用FT（l+1|l）依次檢驗(yàn)是否存在2個(gè)以上突變點(diǎn)，并獲得對(duì)應(yīng)突變點(diǎn)位置。

選取Bai和Perron 的方法[28～29]檢驗(yàn)股市特質(zhì)波動(dòng)及其影響因素的結(jié)構(gòu)突變點(diǎn)，考慮到序列具有明顯的時(shí)間趨勢(shì)和自相關(guān)性，以特質(zhì)波動(dòng)序列{IVt}為例，結(jié)構(gòu)突變點(diǎn)檢驗(yàn)所用模型為IVt=z'tδj+ut，zt={1，t/T，IVt-1};其中:t=Tj-1+1，…，Tj且 j=1，…，m+1，并設(shè)定 T0=0、Tm+1=T。另外，鑒于樣本觀(guān)測(cè)較多，將截?cái)鄥?shù)ε選取為0.15，并設(shè)置最大結(jié)構(gòu)突變點(diǎn)數(shù)目M=5。

2.選取影響特質(zhì)波動(dòng)的主客觀(guān)因素指標(biāo)

為檢驗(yàn)主客觀(guān)宏觀(guān)因素對(duì)股市特質(zhì)波動(dòng)的影響，再做如下符號(hào)定義:（1）選取宏觀(guān)經(jīng)濟(jì)增長(zhǎng)率及其波動(dòng)作為影響股市特質(zhì)波動(dòng)的客觀(guān)因素。鑒于GDP增長(zhǎng)率缺乏月度數(shù)據(jù)，由此選取IPt，即規(guī)模以上工業(yè)增加值的月度同比增長(zhǎng)率來(lái)度量宏觀(guān)經(jīng)濟(jì)增長(zhǎng)，選取ΔIPt=|IPt-IPt-1|度量其波動(dòng)，這兩個(gè)指標(biāo)用于表征影響特質(zhì)波動(dòng)的客觀(guān)因素。（2）選取TOt，即股市月度換手率作為影響特質(zhì)波動(dòng)的主觀(guān)因素變量，用于度量投資者主觀(guān)行為偏差，該指標(biāo)通過(guò)將個(gè)股月度換手率（對(duì)數(shù)值）進(jìn)行流通市值加權(quán)得到。

指標(biāo)選取依據(jù)如下:首先，按照Baker和Wur-gler（2006）[30]的觀(guān)點(diǎn)，投資者主觀(guān)情緒將導(dǎo)致個(gè)股定價(jià)偏差（樂(lè)觀(guān)和悲觀(guān)分別對(duì)應(yīng)股票被高估和低估），極端情緒導(dǎo)致的行為和定價(jià)偏差趨于增大特質(zhì)波動(dòng)。其次，換手率在國(guó)內(nèi)外的實(shí)證研究中被廣泛用于表征投資者情緒。[30～33]再次，換手率本身也被認(rèn)為和特質(zhì)波動(dòng)具有同步性，[34]可表征投資者異質(zhì)信念，且和股市泡沫對(duì)應(yīng)，[35～38]也是“特質(zhì)波動(dòng)之謎”的重要解釋變量。[39]

3.基于結(jié)構(gòu)突變點(diǎn)判別結(jié)果構(gòu)造影響特質(zhì)波動(dòng)的計(jì)量模型

市場(chǎng)層面特質(zhì)波動(dòng)主客觀(guān)成因的檢驗(yàn)步驟如下:

step1:檢驗(yàn)和識(shí)別{IVt}、{IPt}、{ΔIPt}以及{TOt}等序列的內(nèi)生結(jié)構(gòu)突變點(diǎn)。

step2:對(duì)序列進(jìn)行ADF等常規(guī)單位根性檢驗(yàn)，如果序列皆平穩(wěn)，則結(jié)合step1所得突變點(diǎn)將其退勢(shì)，利用退勢(shì)序列檢驗(yàn)特質(zhì)波動(dòng)的成因，計(jì)量模型采用如下形式:

step3:若序列被判斷為單位根，但退勢(shì)后平穩(wěn)，即表現(xiàn)為分段趨勢(shì)平穩(wěn)，仍可利用退勢(shì)序列，結(jié)合上述計(jì)量模型檢驗(yàn);若單位根序列經(jīng)退勢(shì)后仍不平穩(wěn)，則通過(guò)差分獲得平穩(wěn)序列，仍采用與上述檢驗(yàn)式類(lèi)似的計(jì)量模型進(jìn)行檢驗(yàn)（用差分平穩(wěn)序列替代退勢(shì)平穩(wěn)序列）。

三、數(shù)據(jù)來(lái)源與樣本選擇

樣本區(qū)間為1994年7月1日至2013年12月31日，選取在滬深A(yù)股和創(chuàng)業(yè)板綜合市場(chǎng)上市的公司為樣本，主要指標(biāo)包括:考慮現(xiàn)金紅利再投資的個(gè)股日/月收益率;等權(quán)平均和流通市值平均的綜合市場(chǎng)日/月收益率;個(gè)股月度換手率;用于加權(quán)平均的個(gè)股月流通市值;1年期定期利率等。所有數(shù)據(jù)均來(lái)源于深圳國(guó)泰安公司開(kāi)發(fā)的CSMAR數(shù)據(jù)庫(kù)。

對(duì)上述指標(biāo)數(shù)據(jù)的幾點(diǎn)說(shuō)明:（1）計(jì)算無(wú)風(fēng)險(xiǎn)利率。以整存整取1年定期存款利率為基準(zhǔn)，通過(guò)復(fù)利方法，將年度無(wú)風(fēng)險(xiǎn)利率分別轉(zhuǎn)化為日/月度數(shù)據(jù)。對(duì)月利率而言，若某月內(nèi)出現(xiàn)利率調(diào)整，則以不同利率占當(dāng)月天數(shù)為權(quán)重進(jìn)行加權(quán)平均，得到當(dāng)月無(wú)風(fēng)險(xiǎn)利率;樣本區(qū)間共有26次利率調(diào)整。（2）統(tǒng)一數(shù)據(jù)單位。CSMAR中的利率為百分?jǐn)?shù)，為統(tǒng)一數(shù)據(jù)單位，需將非百分?jǐn)?shù)表示的個(gè)股和市場(chǎng)收益率數(shù)據(jù)轉(zhuǎn)化成百分?jǐn)?shù)。（3）個(gè)股日收益數(shù)據(jù)的處理。其一，中國(guó)股市于1996年12月設(shè)立了10%的漲跌幅限制，為弱化這一制度變化對(duì)收益波動(dòng)的影響，去除個(gè)股日收益絕對(duì)值大于10%的樣本。其二，最低樣本容量要求:個(gè)股日收益數(shù)據(jù)的月內(nèi)最低樣本數(shù)為15，且年內(nèi)樣本數(shù)不低于100，以弱化個(gè)股IPO或因特殊情況停盤(pán)對(duì)收益的影響。

IPt數(shù)據(jù)來(lái)源于Wind咨詢(xún)，經(jīng)以下步驟預(yù)處理:因春節(jié)影響，部分1、2月數(shù)據(jù)值缺失，在此采用SAS軟件EXPAND過(guò)程、通過(guò)三次樣條函數(shù)插值補(bǔ)全缺失值。由于異常點(diǎn)會(huì)影響研究結(jié)論的穩(wěn)健性，利用|IPt-mean|＞k.SD識(shí)別異常值（其中，mean和SD分別為均值和標(biāo)準(zhǔn)差），一般取k=3（符合3σ原則），能保證識(shí)別出的異常值數(shù)量適度。異常點(diǎn)修正:估計(jì)AR（p）-GARCH（1，1）模型，其滯后項(xiàng)階數(shù) p由“t-sig”準(zhǔn)則確定（選擇最大滯后期為6、顯著性水平為5%，從最大滯后階數(shù)開(kāi)始檢驗(yàn)，直到滿(mǎn)足顯著性水平終止，以確定對(duì)應(yīng)滯后項(xiàng)階數(shù)），再用模型所得預(yù)測(cè)值替代異常值。后繼研究均基于異常值修正后的IPt序列進(jìn)行。

此外，結(jié)構(gòu)突變點(diǎn)檢驗(yàn)借鑒了Bai和Perron（1998，2003）[28～29]的 GAUSS 程序，其他數(shù)據(jù)處理，如特質(zhì)波動(dòng)估計(jì)及其影響因素檢驗(yàn)，均采用SAS9.1軟件實(shí)現(xiàn)。

四、實(shí)證結(jié)果

（一）描述性統(tǒng)計(jì)分析

表1為估計(jì)所得14種特質(zhì)波動(dòng)序列，以及IP、ΔIP和TO序列的描述性統(tǒng)計(jì)結(jié)果。各特質(zhì)波動(dòng)序列的標(biāo)記說(shuō)明:CAPM、TF、BH分別代表CAPM、三因子模型、考慮代表性投資者風(fēng)險(xiǎn)偏好的資產(chǎn)定價(jià)模型，其后下劃線(xiàn)緊跟的ew和vw分別表示按等權(quán)重和流通市值加權(quán)2種方案得到的市場(chǎng)層面特質(zhì)波動(dòng);4種間接分解法所得特質(zhì)波動(dòng)序列可類(lèi)似標(biāo)記。

表1 特質(zhì)波動(dòng)及其影響因素的簡(jiǎn)單描述性統(tǒng)計(jì)

表2 特質(zhì)波動(dòng)及其影響因素的Pearson相關(guān)系數(shù)

由表1可知，就均值而言，（1）3種直接分解法所得6個(gè)特質(zhì)波動(dòng)序列，以及2種間接分解法，即 CLMX（2001）[3]和 BCL（2008）[19]所得 4個(gè)特質(zhì)波動(dòng)序列，均基于個(gè)股日收益數(shù)據(jù)估計(jì)，所得實(shí)際為月內(nèi)的“日波動(dòng)”，可稱(chēng)為“月內(nèi)日特質(zhì)波動(dòng)”，這10種特質(zhì)波動(dòng)的均值比較接近。（2）GS（2003）[20]和 GMM（2014）[21]所得特質(zhì)波動(dòng)序列基于個(gè)股月收益數(shù)據(jù)估計(jì)，可稱(chēng)為“月度特質(zhì)波動(dòng)”，這4個(gè)特質(zhì)波動(dòng)序列的均值相對(duì)較大。（3）GS（2003）[20]直接用個(gè)股波動(dòng)代替特質(zhì)波動(dòng)，未“過(guò)濾”市場(chǎng)波動(dòng)影響，對(duì)應(yīng)的2種特質(zhì)波動(dòng)均值最大。

隨著“互聯(lián)網(wǎng)+”時(shí)代的到來(lái)，護(hù)理專(zhuān)業(yè)以及醫(yī)院護(hù)理崗位的需求也發(fā)生了重大的變化，信息化技術(shù)在護(hù)理行業(yè)的廣泛應(yīng)用提高了對(duì)護(hù)理專(zhuān)業(yè)教學(xué)以及學(xué)生專(zhuān)業(yè)素質(zhì)的要求。利用當(dāng)前的手機(jī)軟件以及線(xiàn)上教學(xué)資源，加強(qiáng)護(hù)理專(zhuān)業(yè)教學(xué)與醫(yī)院護(hù)理崗位的聯(lián)系，可以充分利用現(xiàn)有資源，實(shí)現(xiàn)護(hù)理專(zhuān)業(yè)教學(xué)的信息化，有助于護(hù)理專(zhuān)業(yè)的內(nèi)涵式發(fā)展，提升學(xué)生的護(hù)理專(zhuān)業(yè)能力，緩解當(dāng)前醫(yī)院護(hù)理崗位人員緊缺的現(xiàn)狀。

表2列示了各特質(zhì)波動(dòng)序列及其影響因素之間的Pearson相關(guān)系數(shù)。

由表2中數(shù)據(jù)可知，（1）從第一行相關(guān)系數(shù)來(lái)看，就某種特定方法而言，按等權(quán)重或流通市值權(quán)重方案所得特質(zhì)波動(dòng)序列之間的相關(guān)度非常高（相關(guān)系數(shù)均在0.95以上），且顯著性很強(qiáng)。（2）由上述（1）中結(jié)論可見(jiàn)，某種特定方法所得特質(zhì)波動(dòng)與權(quán)重方案的關(guān)系不大。由此，分別選取特定方法的流通市值權(quán)重方案所得特質(zhì)波動(dòng)，分析其兩兩相關(guān)系數(shù)，結(jié)果發(fā)現(xiàn)，按CAPM、三因子模型、考慮代表性投資者風(fēng)險(xiǎn)偏好的資產(chǎn)定價(jià)模型直接分解所得特質(zhì)波動(dòng)序列，以及按CLMX（2001）[3]和 BCL（2008）[19]間接分解法所得特質(zhì)波動(dòng)序列，其兩兩相關(guān)系數(shù)高達(dá)0.98以上且非常顯著;按 GS（2003）[20]和 GMM（2014）[21]分解所得特質(zhì)波動(dòng)序列和其他特質(zhì)波動(dòng)序列之間的相關(guān)系數(shù)也在0.8以上且同樣顯著。（3）換手率（TO）和各特質(zhì)波動(dòng)序列之間的相關(guān)系數(shù)平均而言也達(dá)到了0.7左右，且同樣非常顯著。這一結(jié)論說(shuō)明投資者主觀(guān)行為偏差和誤定價(jià)可能是影響特質(zhì)波動(dòng)的主要成因，且進(jìn)而導(dǎo)致“特質(zhì)波動(dòng)之謎”，即前期特質(zhì)波動(dòng)和后期個(gè)股收益負(fù)相關(guān)（左浩苗等，2011）。（4）表征宏觀(guān)經(jīng)濟(jì)增長(zhǎng)波動(dòng)的ΔIP與TO之間的相關(guān)系數(shù)為0.17，顯著性水平為0.74%，說(shuō)明影響特質(zhì)波動(dòng)的主客觀(guān)成因之間強(qiáng)相關(guān);ΔIP與各特質(zhì)波動(dòng)序列之間的相關(guān)系數(shù)平均為0.15，顯著性水平平均為3.74%，說(shuō)明宏觀(guān)經(jīng)濟(jì)波動(dòng)（客觀(guān)因素）和股市特質(zhì)波動(dòng)之間也具有較強(qiáng)的正相關(guān)性;但相較于主觀(guān)因素TO，客觀(guān)因素ΔIP與各特質(zhì)波動(dòng)系列的相關(guān)性偏小偏弱。（5）表征宏觀(guān)經(jīng)濟(jì)增長(zhǎng)的IP與各特質(zhì)波動(dòng)序列之間的相關(guān)系數(shù)平均不到0.1，且除了與BCL_vw的顯著性水平在5%以下外，其他的顯著性水平均在10%以上，說(shuō)明IP與各特質(zhì)波動(dòng)序列的相關(guān)性較弱且不甚顯著。IP與ΔIP、TO之間的相關(guān)系數(shù)也不到0.2，但顯著性水平分別達(dá)到了8.87%和0.39%，較為顯著。

（二）宏觀(guān)序列的趨勢(shì)分析與結(jié)構(gòu)突變點(diǎn)檢驗(yàn)

由上述結(jié)果可知，各特質(zhì)波動(dòng)序列之間具有很強(qiáng)相關(guān)性，由此選取既有文獻(xiàn)常用的TF_vw作為代表，并選取1997年1月至2013年12月為樣本區(qū)間，以弱化1996年底實(shí)施的漲跌幅設(shè)限這一外在制度對(duì)特質(zhì)波動(dòng)的影響。對(duì)TF_vw進(jìn)行突變點(diǎn)檢驗(yàn)，結(jié)果如表3所示。

表3 內(nèi)生結(jié)構(gòu)突變點(diǎn)判別的統(tǒng)計(jì)量（TF_vw序列）

根據(jù)表3數(shù)據(jù)，按照supF統(tǒng)計(jì)量值，突變點(diǎn)數(shù)目m=1～5在1%顯著性水平下通過(guò)檢驗(yàn);UDmax、WDmax在最大突變點(diǎn)數(shù)目為5時(shí)，也在1%顯著性水平下通過(guò)檢驗(yàn);根據(jù)序貫檢測(cè)結(jié)果，supF（2|1）在1%顯著性水平下通過(guò)檢驗(yàn)，supF（3|2）在10%的水平下通過(guò)檢驗(yàn)。按照信息準(zhǔn)則BIC和LWZ檢驗(yàn)，應(yīng)選取的突變點(diǎn)數(shù)目分別為1和0個(gè)。

由于序貫統(tǒng)計(jì)量檢驗(yàn)效果最好，故在5%顯著性水平下，應(yīng)判別特質(zhì)波動(dòng)序列有2個(gè)結(jié)構(gòu)突變點(diǎn)，分別為2006年3月和2009年8月;在10%顯著性水平下，按照序貫方法可得4個(gè)結(jié)構(gòu)突變點(diǎn)，依次為:2006年3月→2009年8月→2000年6月→2003年3月。

可以結(jié)合同期宏觀(guān)經(jīng)濟(jì)表現(xiàn)，進(jìn)一步分析特質(zhì)波動(dòng)結(jié)構(gòu)突變點(diǎn)的經(jīng)濟(jì)含義:5%顯著性水平下的2個(gè)結(jié)構(gòu)斷點(diǎn)發(fā)生在次貸危機(jī)前后，分別反映了危機(jī)前特質(zhì)波動(dòng)的飆升和危機(jī)后經(jīng)濟(jì)逐漸趨于穩(wěn)定;10%顯著性水平下，其他2個(gè)結(jié)構(gòu)突變點(diǎn)分別在1997年亞洲金融危機(jī)之后（2000年6月）和新一輪經(jīng)濟(jì)增長(zhǎng)筑底反彈之際（2003年3月），也與現(xiàn)實(shí)相符。

按照類(lèi)似方法，進(jìn)一步對(duì)ΔIP、IP與TO序列進(jìn)行內(nèi)生結(jié)構(gòu)突變點(diǎn)檢驗(yàn)，結(jié)果發(fā)現(xiàn):在5%的顯著性水平下，IP分別在2001年11月和2009年4月發(fā)生2次結(jié)構(gòu)突變;ΔIP在2008年6月發(fā)生一次結(jié)構(gòu)突變且在此之后呈現(xiàn)顯著下降趨勢(shì);TO序列在2005年5月發(fā)生一次結(jié)構(gòu)突變（跳躍式上升），在此前后均表現(xiàn)為顯著的下降趨勢(shì)。

（三）特質(zhì)波動(dòng)的影響因素檢驗(yàn)

對(duì)TF_vw、IP、ΔIP與TO序列的原序列進(jìn)行單位根檢驗(yàn)，進(jìn)而結(jié)合上述突變點(diǎn)檢驗(yàn)結(jié)果對(duì)原序列進(jìn)行退勢(shì)，并對(duì)退勢(shì)序列進(jìn)行單位根檢驗(yàn)，如表4所示。

表4 各序列及其退勢(shì)序列的單位根檢驗(yàn)

由表4可知，在5%檢驗(yàn)水平下，TF_vw序列被ADF檢驗(yàn)判別為非平穩(wěn)、被 PP檢驗(yàn)和KPSS檢驗(yàn)判別為平穩(wěn)，其退勢(shì)序列則被3種單位根檢驗(yàn)方法一致判別為平穩(wěn);IP基本上被一致判別為非平穩(wěn)，但其退勢(shì)序列被一致判別為平穩(wěn);ΔIP被一致判別為平穩(wěn)，且其退勢(shì)序列平穩(wěn)性判別的顯著性進(jìn)一步提升;TO序列被ADF檢驗(yàn)和KPSS檢驗(yàn)判別為非平穩(wěn)、被PP檢驗(yàn)判別為平穩(wěn)，且其退勢(shì)序列被一致判別為顯著平穩(wěn)。

由此可見(jiàn)，ΔIP序列為帶一個(gè)突變點(diǎn)的平穩(wěn)序列;TF_vw、IP和TO序列均為帶結(jié)構(gòu)突變點(diǎn)的分段平穩(wěn)序列，即其原序列非平穩(wěn)，但進(jìn)行分段退勢(shì)后則變?yōu)槠椒€(wěn)序列。

基于退勢(shì)序列，檢驗(yàn)IP、ΔIP和TO及其交叉項(xiàng)對(duì)TF_vw的影響（Model 6），為提升檢驗(yàn)結(jié)果的穩(wěn)健性，同時(shí)選取Model1～Model5作為參照，結(jié)果如表5所示。

表6為按照逐步回歸法所得結(jié)果（后向剔除法，顯著性水平為10%），可見(jiàn)與表5一致。

進(jìn)一步根據(jù)表5和表6的結(jié)果，對(duì)檢驗(yàn)式（Model 6）進(jìn)行參數(shù)聯(lián)合估計(jì)，結(jié)果見(jiàn)表7。

由表5和表6中數(shù)據(jù)可知，（1）盡管滯后第3期TO對(duì)特質(zhì)波動(dòng)有負(fù)面影響，但結(jié)合當(dāng)期及滯后一期TO的作用，可知換手率總體上對(duì)特質(zhì)波動(dòng)有大而顯著的正效應(yīng)。（2）滯后2期的ΔIP對(duì)特質(zhì)波動(dòng)有顯著負(fù)效應(yīng)，說(shuō)明特質(zhì)波動(dòng)與宏觀(guān)經(jīng)濟(jì)波動(dòng)存在此消彼長(zhǎng)的關(guān)系。（3）滯后2期的IP對(duì)特質(zhì)波動(dòng)有較顯著的正效應(yīng)，即前期較快經(jīng)濟(jì)增長(zhǎng)推高特質(zhì)波動(dòng)，二者具有動(dòng)態(tài)一致性;滯后2期的IP與當(dāng)期TO的交互作用，對(duì)特質(zhì)波動(dòng)也有較明顯的正效應(yīng)。

表7中數(shù)據(jù)也說(shuō)明，TO和ΔIP總體上對(duì)特質(zhì)波動(dòng)有顯著的正效應(yīng)和負(fù)效應(yīng);盡管前期經(jīng)濟(jì)增長(zhǎng)（或其波動(dòng)）與投資者行為的交互作用在整體上對(duì)特質(zhì)波動(dòng)無(wú)顯著影響，但滯后2期的IP與當(dāng)期TO的交互作用對(duì)特質(zhì)波動(dòng)有明顯的助推作用。

表5 影響股市特質(zhì)波動(dòng)的主客觀(guān)因素檢驗(yàn)（OLS回歸）

表6 影響股市特質(zhì)波動(dòng)的主客觀(guān)因素檢驗(yàn)（逐步回歸）

表7 影響股市特質(zhì)波動(dòng)主客觀(guān)因素的聯(lián)合檢驗(yàn)

五、研究結(jié)論

在估計(jì)市場(chǎng)層面特質(zhì)波動(dòng)的基礎(chǔ)上，對(duì)特質(zhì)波動(dòng)及其主客觀(guān)影響因素進(jìn)行結(jié)構(gòu)突變點(diǎn)判別與平穩(wěn)性檢驗(yàn)，并基于退勢(shì)平穩(wěn)序列對(duì)特質(zhì)波動(dòng)影響因素進(jìn)行實(shí)證研究，主要結(jié)論為:

第一，特質(zhì)波動(dòng)的估計(jì)與相關(guān)性檢驗(yàn)。分別選取3種有代表性的定價(jià)模型直接分解得到6個(gè)特質(zhì)波動(dòng)序列，選用4種間接分解法得到8個(gè)特質(zhì)波動(dòng)序列，相關(guān)性分析表明，所得14個(gè)特質(zhì)波動(dòng)序列的兩兩正相關(guān)系數(shù)大而顯著，因而市場(chǎng)層面特質(zhì)波動(dòng)相關(guān)研究可擇一進(jìn)行。

第二，代表性特質(zhì)波動(dòng)序列的結(jié)構(gòu)突變點(diǎn)判別及其經(jīng)濟(jì)含義。選取基于三因子模型直接分解，經(jīng)流通市值加權(quán)所得特質(zhì)波動(dòng)為代表，運(yùn)用內(nèi)生結(jié)構(gòu)突變點(diǎn)判別法，發(fā)現(xiàn)特質(zhì)波動(dòng)序列在1997年后發(fā)生了4次結(jié)構(gòu)突變（2000年6月、2003年3月、2006年3月和2009年8月），其經(jīng)濟(jì)含義為:1997年初至2000年6月，經(jīng)濟(jì)增長(zhǎng)因亞洲金融危機(jī)影響而震蕩，特質(zhì)波動(dòng)趨于高位運(yùn)行;2000年中至2003年3月，經(jīng)濟(jì)增長(zhǎng)與特質(zhì)波動(dòng)均趨于下行;2003年4月至2006年3月，經(jīng)濟(jì)增長(zhǎng)與特質(zhì)波動(dòng)均趨于上行;2006年4月至2009年8月，因次貸危機(jī)影響，經(jīng)濟(jì)增長(zhǎng)折向且特質(zhì)波動(dòng)趨高;2009年9月之后，經(jīng)濟(jì)增長(zhǎng)和特質(zhì)波動(dòng)均趨緩。

第三，特質(zhì)波動(dòng)及其主客觀(guān)影響因素的相關(guān)性分析。以工業(yè)增加值月度同比增長(zhǎng)率（及其波動(dòng)）代表宏觀(guān)經(jīng)濟(jì)增長(zhǎng)（及其波動(dòng)），以換手率代表投資者主觀(guān)行為偏差與誤定價(jià)，這些因素與特質(zhì)波動(dòng)序列的相互關(guān)系分析表明:換手率與特質(zhì)波動(dòng)的相關(guān)系數(shù)大而顯著，宏觀(guān)經(jīng)濟(jì)波動(dòng)與特質(zhì)波動(dòng)具有一定相關(guān)性且同樣顯著，宏觀(guān)經(jīng)濟(jì)增長(zhǎng)與特質(zhì)波動(dòng)之間鮮有相關(guān)性;此外，換手率與宏觀(guān)經(jīng)濟(jì)增長(zhǎng)及其波動(dòng)的相關(guān)性不大但同樣顯著。

由此可以初步判斷，影響特質(zhì)波動(dòng)的因素可能是（按強(qiáng)度大?。?換手率代表的主觀(guān)行為偏差?宏觀(guān)經(jīng)濟(jì)波動(dòng)?換手率與宏觀(guān)經(jīng)濟(jì)增長(zhǎng)及其波動(dòng)的交互作用?宏觀(guān)經(jīng)濟(jì)增長(zhǎng)。

第四，特質(zhì)波動(dòng)影響因素的計(jì)量檢驗(yàn)。分析表明，宏觀(guān)經(jīng)濟(jì)增長(zhǎng)及其波動(dòng)表征的客觀(guān)因素、換手率所代表的投資者主觀(guān)行為偏差，均對(duì)市場(chǎng)特質(zhì)波動(dòng)產(chǎn)生影響。具體為:其一，換手率總體上與特質(zhì)波動(dòng)正相關(guān)，可解釋為投資者行為偏差導(dǎo)致的誤定價(jià)推高了市場(chǎng)特質(zhì)波動(dòng)。其二，宏觀(guān)經(jīng)濟(jì)增長(zhǎng)波動(dòng)總體上與特質(zhì)波動(dòng)負(fù)相關(guān)，對(duì)此可進(jìn)行兩方面的解釋:一方面，從客觀(guān)風(fēng)險(xiǎn)角度，當(dāng)經(jīng)濟(jì)下行時(shí)，系統(tǒng)性不確定性（宏觀(guān)波動(dòng)）升高，企業(yè)壓力普遍增大，特質(zhì)波動(dòng)隨之下降;與之相反，經(jīng)濟(jì)平穩(wěn)與繁榮將導(dǎo)致個(gè)股分化和特質(zhì)波動(dòng)上行。另一方面，從主觀(guān)風(fēng)險(xiǎn)角度，當(dāng)前期宏觀(guān)經(jīng)濟(jì)波動(dòng)上升時(shí)，投資者對(duì)后市也會(huì)有相對(duì)悲觀(guān)的預(yù)期，其行為偏差導(dǎo)致的特質(zhì)波動(dòng)增加也會(huì)得到抑制。其三，前期宏觀(guān)經(jīng)濟(jì)增長(zhǎng)及其與換手率的交叉項(xiàng)與特質(zhì)波動(dòng)正相關(guān)，說(shuō)明前期宏觀(guān)經(jīng)濟(jì)較快增長(zhǎng)將帶來(lái)投資者的樂(lè)觀(guān)預(yù)期，會(huì)“助漲”市場(chǎng)層面特質(zhì)波動(dòng)。

[1]Kim C J，C R Nelson.Has the U.S.Economy Become More Stable?A Bayesian Approach Based on A Markov-Switching Model of the Business Cycle[J].Review of Economics and Statistics，1999，81（4）:608-616.

[2]McConnell M M，G Perez-Quiros.Output Fluctuations in the United States:What Has Changed since the Early 1980's?[J].American Economic Review，2000，90（5）:1464-1476.

[3]Campbell，J Y，M Lettau，B G Malkiel，Y Xu.Have Individual Stocks Become More Volatile?An Empirical Exploration of Idiosyncratic Risk[J].Journal of Finance，2001，56（1）:1-43.

[4]Comin D，S Mulani.Diverging Trends in Aggregate and Firm Volatility[J].Review of Economics and Statistics，2006，88（2）:374-383.

[5]Comin D，S Mulani.A Theory of Growth and Volatility at the Aggregate and Firm Level[J].Journal of Monetary Economics，2009，56（8）:1023-1042.

[6]黃波.公司特質(zhì)波動(dòng)的全球趨勢(shì)及其影響因素研究述評(píng)[J].會(huì)計(jì)與經(jīng)濟(jì)研究，2013，（3）:82-89.

[7]Fink J D，K E Fink，G Grullon，J P Weston.What Drove the Increase in Idiosyncratic Volatility during the Internet Boom?[J].Journal of Financial and Quantitative Analysis，2010，45（5）:1253-1278.

[8]Chen C，A G Huang，R Jha.Idiosyncratic Return Volatility and the Information Quality Underlying Managerial Discretion[J].Journal of Financial and Quantitative Analysis，2012，47（4）:873-899.

[9]黃波，李湛，顧孟迪.基于風(fēng)險(xiǎn)偏好資產(chǎn)定價(jià)模型的公司特質(zhì)風(fēng)險(xiǎn)研究[J].管理世界，2006，（11）:119-127.

[10]花馮濤.我國(guó)證券市場(chǎng)公司特質(zhì)波動(dòng)能夠被定價(jià)嗎——基于“非資產(chǎn)定價(jià)模型分解法”的測(cè)度與檢驗(yàn)[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2011，（11）:26-35.

[11]Wei S X，C Zhang.Why Did Individual Stocks Become More Volatile?[J].Journal of Business，2006，79（1）:259-292.

[12]Zhang C.A Reexamination of the Causes of Time-Varying Stock Return Volatilities[J].Journal of Financial and Quantitative Analysis，2010，45（3）:663-684.

[13]Xu Y，B G Malkiel.Investigating the Behavior of Idiosyncratic Volatility[J].Journal of Business，2003，76（4）:613-644.

[14]Ang A，R J Hodrick，Y Xing，X Zhang.The Cross-Section of Volatility and Expected Returns[J].Journal of Finance，2006，61（1）:259-299.

[15]Ang A，R J Hodrick，Y Xing，X Zhang.High Idiosyncratic Volatility and Low Returns:International and Further U.S.Evidence[J].Journal of Financial Economics，2009，91（1）:1-23.

[16]Fink J D，K E Fink，H He.Expected Idiosyncratic Volatility Measures and Expected Returns[J].Financial Management，2012，41（3）:519-553.

[17]金曉斌，高道德，石建民，張志強(qiáng).中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)結(jié)構(gòu)實(shí)證研究:1995-2002[R].上海:海通證券股份有限公司，2003.

[18]Kearney C，V Potì.Have European Stocks become More Volatile?An Empirical Investigation of Idiosyncratic and Market Risk in the Euro Area[J].European Financial Management，2008，14（3）:419-444.

[19]Bali T G，N Cakici，H Levy.A Model-Independent Measure of Aggregate Idiosyncratic Risk[J].Journal of Empirical Finance，2008，15（5）:878-896.

[20]Goyal A，P Santa-Clara.Idiosyncratic Risk Matters![J].Journal of Finance，2003，58（3）:975-1007.

[21]Garcia R，D Mantilla-García，L Martellini.A Model-Free Measure of Aggregate Idiosyncratic Volatility and the Prediction of Market Returns[J].Journal of Financial and Quantitative Analysis，2014，forthcoming.

[22]楊華蔚，韓立巖.中國(guó)股票市場(chǎng)特質(zhì)波動(dòng)率與橫截面收益研究[J].北京航空航天大學(xué)學(xué)報(bào):社會(huì)科學(xué)版，2009，（1）:6-10.

[23]朱紅軍，汪輝.公平信息披露的經(jīng)濟(jì)后果——基于收益波動(dòng)性、信息泄露及寒風(fēng)效應(yīng)的實(shí)證研究[J].管理世界，2009，（2）:23-36.

[24]廖士光.中國(guó)股票市場(chǎng)定價(jià)效率研究——基于個(gè)股特有信息含量的視角[J].財(cái)經(jīng)研究，2010，（8）:68-77.

[25]徐小君.公司特質(zhì)風(fēng)險(xiǎn)與股票收益——中國(guó)股市投機(jī)行為研究[J].經(jīng)濟(jì)管理，2010，（12）:127-136.

[26]陳健.中國(guó)股市非系統(tǒng)風(fēng)險(xiǎn)被定價(jià)的實(shí)證研究[J].南方經(jīng)濟(jì)，2010，（7）:41-49.

[27]史永東，李鳳羽，楊云鵬.特質(zhì)風(fēng)險(xiǎn)與市場(chǎng)收益動(dòng)態(tài)關(guān)系的實(shí)證研究[J].投資研究，2012，（9）:6-19.

[28]Bai J，P Perron.Estimating and Testing Linear Models with Multiple Structural Changes[J].Econometrica，1998，66（1）:47-78.

[29]Bai J，P Perron.Computation and Analysis of Multiple Structural Change Models[J].Journal of Applied E-conometrics，2003，18（1）:1-22.

[30]Baker M，J Wurgler.Investor Sentiment and the Cross-Section of Stock Returns[J].Journal of Finance，2006，61（4）:1645-1680.

[31]Baker M，J Wurgler，Y Yuan.Global，Local，and Contagious Investor Sentiment[J].Journal of Financial E-conomics，2012，104（2）:272-287.

[32]張強(qiáng)，楊淑娥.噪音交易、投資者情緒波動(dòng)與股票收益[J].系統(tǒng)工程理論與實(shí)踐，2009，（3）:40-47.

[33]蔣玉梅，王明照.投資者情緒與股票收益:總體效應(yīng)與橫截面效應(yīng)的實(shí)證研究[J].南開(kāi)管理評(píng)論，2010，（3）:150-160.

[34]Hamao Y，J Mei，Y Xu.Unique Symptoms of Japanese Stagnation:An Equity Market Perspective[J].Journal of Money，Credit and Banking，2007，39（4）:901-923.

[35]Hong H，J A Scheinkman，W Xiong.Asset Float and Speculative Bubbles[J].Journal of Finance，2006，61（3）:1073-1117.

[36]Chen C R，P P Lung，F(xiàn) A Wang.Stock Market Mispricing:Money Illusion or Resale Option?[J].Journal of Financial and Quantitative Analysis，2009，44（5）:1125-1147.

[37]陳國(guó)進(jìn)，張貽軍，王景.再售期權(quán)、通脹幻覺(jué)與中國(guó)股市泡沫的影響因素分析[J].經(jīng)濟(jì)研究，2009，（5）:106-117.

[38]Xiong W，J Yu.The Chinese Warrants Bubble[J].A-merican Economic Review，2011，101（6）:2723-2753.

[39]左浩苗，鄭鳴，張翼.股票特質(zhì)波動(dòng)率與橫截面收益:對(duì)中國(guó)股市“特質(zhì)波動(dòng)率之謎”的解釋[J].世界經(jīng)濟(jì)，2011，（5）:117-135.