張玉華，宋韞赟，張元慶

(上海師范大學(xué)商學(xué)院,上海，200234)

?

基于空間面板數(shù)據(jù)模型的股票收益率影響因素分析

張玉華，宋韞赟，張元慶

(上海師范大學(xué)商學(xué)院,上海，200234)

本文利用空間面板數(shù)據(jù)模型對股票收益率的影響因素進(jìn)行研究。在S-CAPM理論基礎(chǔ)上，利用2007年第一季度到2015年第三季度的季度數(shù)據(jù)，對影響股票收益率的宏微觀因素進(jìn)行實(shí)證研究。估計結(jié)果表明：股票市場數(shù)據(jù)存在著顯著的空間依賴性，固定效應(yīng)下的空間誤差模型對系數(shù)估計、模型選擇做出了有效解釋。最后分析了各影響因素的傳導(dǎo)效果，并據(jù)此提出了對股票市場投資和政策制定的相關(guān)建議。

空間依賴性；空間面板數(shù)據(jù)模型；股票收益率

一、引言和文獻(xiàn)綜述

近年來，實(shí)體經(jīng)濟(jì)對資本市場的依賴逐漸增強(qiáng)，我國“十三五”規(guī)劃強(qiáng)調(diào)要健康發(fā)展資本市場，提高直接融資比重，降低杠桿率?？梢? 健康發(fā)展資本市場必將成為中國“十三五”期間改革的重要方向。

隨著股票市場規(guī)模的不斷發(fā)展壯大，關(guān)于股票收益率影響因素的研究，也日漸成為學(xué)術(shù)界和金融業(yè)界關(guān)注的焦點(diǎn)。繼著名的資本資產(chǎn)定價模型之后，F(xiàn)ama和French(1992)提出了包含市場風(fēng)險、市值與賬面市值比的三因子模型。在此基礎(chǔ)上，國內(nèi)外學(xué)者不斷拓寬解釋投資回報的市場因素，從宏觀經(jīng)濟(jì)因素、微觀公司層面等多個角度展開了廣泛而深入地研究。

在宏觀經(jīng)濟(jì)因素層面上，學(xué)術(shù)界通過理論推理和實(shí)證研究，對影響股票收益率的宏觀經(jīng)濟(jì)變量進(jìn)行了探討，國內(nèi)生產(chǎn)總值GDP反應(yīng)了一國的經(jīng)濟(jì)景氣情況，投資者會根據(jù)經(jīng)濟(jì)景氣狀況進(jìn)行證券投資評估，當(dāng)一國經(jīng)濟(jì)繁榮時，表現(xiàn)為GDP增長較快，經(jīng)濟(jì)向好，企業(yè)效益增加，發(fā)展有前景，因而股票市場投資活躍。研究表明國內(nèi)生產(chǎn)總值等宏觀經(jīng)濟(jì)變量能夠影響股票市場價格波動(楊蕾，2014)[1]。此外，學(xué)者們還分別對單個宏觀經(jīng)濟(jì)變量對股票收益率的影響進(jìn)行了深入研究，希望據(jù)此為經(jīng)濟(jì)決策提供參考依據(jù)。在貨幣供應(yīng)量方面，根據(jù)古典經(jīng)濟(jì)學(xué)理論，中央銀行通過貨幣政策調(diào)控貨幣供應(yīng)量，國民經(jīng)濟(jì)水平對此做出反應(yīng)，從而貨幣供應(yīng)量通過國民經(jīng)濟(jì)水平間接影響了金融市場資產(chǎn)收益。相關(guān)研究也表明我國股市呈現(xiàn)明顯的“政策市”特征(周暉，2010；王曦、鄒文理，2011)[2-3]，具體表現(xiàn)為，貨幣供應(yīng)量增加，股價上升。而在孫華妤和馬躍(2003)的研究中，構(gòu)建了包含廣義貨幣供應(yīng)量、股價、消費(fèi)價格指數(shù)三者的VAR模型，發(fā)現(xiàn)貨幣供應(yīng)量的變化對股市并沒有影響[4]。在匯率方面，古典經(jīng)濟(jì)學(xué)理論中匯率決定的流量導(dǎo)向理論以及股票導(dǎo)向理論認(rèn)為，匯率與股價之間存在相關(guān)關(guān)系。有學(xué)者根據(jù)協(xié)整理論構(gòu)造了向量誤差修正模型對此進(jìn)行了實(shí)證研究，結(jié)果表明匯率在短期和長期中作用效果不同(張啄，2010)[5]。Grange和Huang(2000)研究亞洲幾個地區(qū)的股市日交易數(shù)據(jù)，發(fā)現(xiàn)匯率與股價之間存在顯著的相關(guān)關(guān)系[6]。在通貨膨脹方面，通脹對股價的影響會隨著我國經(jīng)濟(jì)發(fā)展及股票市場的發(fā)展日漸擴(kuò)大(陸筱葉，2007)[7]。相關(guān)研究從新古典宏觀經(jīng)濟(jì)學(xué)理論的視角出發(fā)，考察了通貨膨脹與股價之間的相關(guān)關(guān)系?，F(xiàn)值貼現(xiàn)模型理論認(rèn)為通貨膨脹率增加會降低股價，即構(gòu)成一種負(fù)相關(guān)關(guān)系。董秀良(2013)指出通貨膨脹率與股價之間呈負(fù)相關(guān)關(guān)系[8]，但同時趙蓉(2000)對美國通脹和紐交所股價指數(shù)做回歸的結(jié)果為1.55，為正相關(guān)[9]。因此通脹與股價之間的關(guān)系并不十分確定。

在微觀層面上，現(xiàn)有研究表明，公司財務(wù)指標(biāo)與股票價格之間存在相關(guān)關(guān)系。文海濤和倪曉萍(2003)選取了492個公司，并計算了財務(wù)指標(biāo)與股價之間的相關(guān)系數(shù)，結(jié)果表明每股收益與股價的相關(guān)程度最高，資產(chǎn)負(fù)債率與股價之間也存在負(fù)相關(guān)關(guān)系，而凈資產(chǎn)收益率與股價之間的相關(guān)程度較小[10]。在每股收益方面，呂東波(2014)對醫(yī)藥行業(yè)的樣本數(shù)據(jù)進(jìn)行了研究，發(fā)現(xiàn)公司股票價格變動率與每股收益率變動率有顯著的相關(guān)關(guān)系[11]；每股收益反映了企業(yè)的經(jīng)營效果，每股收益越大，企業(yè)效益越好，因而股價上升，投資者回報率越高。在凈資產(chǎn)收益率方面，趙志君(2003)分析了奧爾森剩余收益定價理論，指出股價決定于凈資產(chǎn)收益率、資本成本等[12]；財務(wù)指標(biāo)中凈資產(chǎn)收益率具有很強(qiáng)的綜合性，反映了所有者權(quán)益的回報率，該指標(biāo)值越大，投資有效率越高，股票回報率越高，財務(wù)理論認(rèn)為凈資產(chǎn)收益率與股票收益率具有正相關(guān)關(guān)系。在資產(chǎn)負(fù)債率方面，凈資產(chǎn)負(fù)債率反映了公司的負(fù)債經(jīng)營程度，該值越小，公司的償債壓力越小，因而利用財務(wù)杠桿融資的空間越大，公司總體經(jīng)營效益較高，股票需求上升，股票收益率增加；雒文(2013)以A股面板數(shù)據(jù)為研究對象，分析行業(yè)資產(chǎn)負(fù)債率和股票收益率之間的關(guān)系，發(fā)現(xiàn)它們之間存在顯著的負(fù)相關(guān)關(guān)系[13]。

現(xiàn)有文獻(xiàn)多從時間序列及面板數(shù)據(jù)角度開展研究，解釋相關(guān)自變量對股票收益率的影響，這種研究思路和方法忽視了數(shù)據(jù)的空間依賴性。在研究股票市場時，我們發(fā)現(xiàn)股票價格除了受股票市場外的因素影響外，其市場內(nèi)部的股票與股票之間也呈現(xiàn)一定的相關(guān)性，股票市場會呈現(xiàn)某類股票的整體漲跌，即同一類型下的股票在個別股票的拉動下，會跟隨該個股呈現(xiàn)價格上漲或下跌的趨勢，這說明股票市場存在股票與股票之間的空間依賴性，違反了回歸模型的Gauss-Markov假設(shè)，不能簡單運(yùn)用時間序列進(jìn)行解釋?？臻g計量模型能夠較好地反映股票市場上的這種空間依賴性，在各種空間模型中，空間面板模型由于包含更多變量的同時又減少了變量之間的共線性，因此能夠更好地對空間性質(zhì)進(jìn)行描述。

在運(yùn)用空間計量研究股票的問題上，F(xiàn)ernandez(2011)依據(jù)126個拉美公司的面板數(shù)據(jù)，首先運(yùn)用資產(chǎn)定價S-CAPM模型考察了國際金融市場的空間依賴性[14]。潘榮翠、張鑫和韓躍紅(2012)選取了幾個國家的數(shù)據(jù)進(jìn)行研究，發(fā)現(xiàn)全球不同地區(qū)之間的股票指數(shù)存在顯著的空間相關(guān)性，并通過構(gòu)建空間計量模型研究了宏觀經(jīng)濟(jì)因素對股票指數(shù)的影響[15]。Eckel和Volker(2011)定義了地理空間距離，考慮了在地理距離的作用下股票市場的空間相關(guān)關(guān)系，結(jié)果表明股票市場指數(shù)存在顯著的地域相關(guān)性[16]。Arnold、Stahlberg和Wied(2013)運(yùn)用GMM估計的方法研究了不同模型下的股票市場回報的空間自回歸情況，研究結(jié)果表明，與一般截面和面板模型相比，空間自回歸方法能夠更有效地進(jìn)行估計[17]。Asgharian、Wolfgang和Lu(2013)運(yùn)用空間計量的方法，研究了城市經(jīng)濟(jì)狀況和地理關(guān)系對幾個股票市場價格協(xié)動性的影響，發(fā)現(xiàn)美國、英國、日本這三個地區(qū)單元通過貿(mào)易連接可以對周邊地區(qū)股票市場產(chǎn)生強(qiáng)烈的沖擊作用[18]。

本文依據(jù)股票價格的空間依賴性特征，對股票價格的空間相關(guān)程度進(jìn)行考察，然后以一個空間的資產(chǎn)定價模型(spatial-capital asset pricing model，S-CAPM)為基礎(chǔ)，在綜合考慮影響股票收益率的相關(guān)經(jīng)濟(jì)因素后，構(gòu)造空間面板數(shù)據(jù)模型，對股票收益率的影響因素進(jìn)行了實(shí)證分析。研究結(jié)果對我國“十三五”期間科學(xué)規(guī)劃和完成“加強(qiáng)金融宏觀審慎管理制度建設(shè)、加強(qiáng)統(tǒng)籌協(xié)調(diào)”的任務(wù)，特別是對股價波動預(yù)測、資金投資配置方面，具有一定的指導(dǎo)意義。

二、理論分析與建模

有效市場假說假設(shè)市場是理性的，指出證券市場股票價格能夠準(zhǔn)確且全面地反應(yīng)市場上所有信息，基于這些信息的交易不能獲取經(jīng)濟(jì)利潤。有效市場假說在一定程度上幫助人們更好地理解了證券市場，但作為有效市場假說的前提——理性人基礎(chǔ)的假設(shè)并不總是成立，面對復(fù)雜的投資環(huán)境，投資者在進(jìn)行交易時并非能夠獲得完全的信息，即便在獲取足夠的信息時，由于投資者的知識素養(yǎng)等原因，投資者不能進(jìn)行正確的決定。馬琳、何平和殷切(2015)在研究A股市場定價效率時就曾指出，投資者對股票估值是非理性的，投資情緒不穩(wěn)定，短期定價無效[19]。近些年發(fā)展起來的行為金融學(xué)理論認(rèn)為現(xiàn)實(shí)世界中人是有限理性的，特別地，在我國的金融市場上存在著顯著的“羊群效應(yīng)”——投資者形成的預(yù)期會受到其他人影響，其投資決策往往采取從眾的模式[20-22]。Shiller(1990)對這種現(xiàn)象做出解釋，指出這種受他人影響的從眾行為是一種投機(jī)現(xiàn)象，與投資者的行為特征有關(guān)，他假設(shè)市場上有兩類投資者：“噪聲交易者”和“知情下注交易者”。其中“知情下注交易者”依據(jù)現(xiàn)有信息，判斷股票價值，以此進(jìn)行資產(chǎn)分配和投資；而“噪聲交易者”只觀測市場趨勢，追求市場風(fēng)潮，同時易對可能會影響未來股價的信息做出過度反應(yīng)[23]。而在一段時間內(nèi)，股票的供給是固定的，股票的需求取決于市場里的資金總量、資金走向，供需決定均衡價格。在當(dāng)前金融格局下，例如行業(yè)政策等基本面的協(xié)同變動會引起股票間收益的聯(lián)動，加之“噪聲交易者”在形成自己投資預(yù)期時的從眾行為，使得股價不僅僅受其自身因素影響。具體而言，知情者對個股的某些特質(zhì)了解，進(jìn)而對個股進(jìn)行投資買入。市場上更多的資金會購買該股票，而股票供給有限時，這就導(dǎo)致該股票價格上漲。另外，投資者可能會同樣看好與之相關(guān)股票(例如同行業(yè))的盈利預(yù)期，進(jìn)而追捧相關(guān)股票，通常情況下投資者會對同一行業(yè)板塊內(nèi)股票進(jìn)行買入，而噪聲者會對這種波動迅速做出反應(yīng)，引起追風(fēng)潮現(xiàn)象，在需求增加的情況下直接導(dǎo)致相關(guān)股票的價格飆升，這也即通常所說的“板塊現(xiàn)象”，即在某一時期內(nèi)，與某一事件相關(guān)聯(lián)的股票，其價格漲跌有明顯的一致性，中國股市中具有顯著的“板塊現(xiàn)象”，板塊內(nèi)的股票收益協(xié)同。

利用資本資產(chǎn)定價模型CAPM，有：

ri=rf+(rm-rf)βi

(1)

其中ri表示表示一只股票的收益率，βi衡量了系統(tǒng)性風(fēng)險，rf表示無風(fēng)險利率，rm表示市場組合的收益率。

因為：

rm=rf+(rm-rf)

(2)

由式(1)和式(2)得:

ri-rm=(βi-1)(rm-rf)

(3)

對(3)式兩邊取絕對值，同時兩邊加總求和取平均，且由于風(fēng)險溢價的存在，市場組合的收益率大于無風(fēng)險收益率，最終可得：

(rm-rf)

(4)

在(4)式中對rm求一階導(dǎo)數(shù)和二階倒數(shù)得：

(5)

由此可見，由CAPM模型出發(fā)，橫截面絕對偏離度CSAD與rm呈現(xiàn)線性遞增關(guān)系，而當(dāng)存在羊群行為時，股票齊漲同跌，收益率趨同，此時CSAD將會與rm呈非線性關(guān)系：

(6)

通過考察b2顯著為負(fù)，可得知這種造成“板塊現(xiàn)象”的羊群行為是存在的。相關(guān)學(xué)者在這方面也做出較多工作[26-28]，結(jié)果表明我國股票市場存在著羊群行為，股價變化趨同。鑒于股價之間的高度相關(guān)性，本文引入空間計量的思想對股票收益率間的協(xié)同性進(jìn)行分析，空間計量模型能夠較好地反映股票市場上的這種空間依賴性。

圖1　股價之間的MIC值直方圖

在研究資產(chǎn)定價的模型中，因素模型(factor model)反映了風(fēng)險資產(chǎn)對其影響因素變動的敏感程度。市場模型也是一個因素模型，因此，將市場指數(shù)的收益率作為唯一因素來考察風(fēng)險資產(chǎn)收益率。在假設(shè)投資者采用馬科維茨的理論進(jìn)行投資管理的基礎(chǔ)上，資本資產(chǎn)定價模型(capital asset price model, CAPM)闡述了市場均衡狀態(tài)的形成。CAPM模型認(rèn)為一個資產(chǎn)的預(yù)期收益率與衡量該資產(chǎn)風(fēng)險的基準(zhǔn)值之間存在正相關(guān)關(guān)系，因而可以將收益與風(fēng)險表示成線性關(guān)系。由于在實(shí)際應(yīng)用過程中，風(fēng)險資產(chǎn)往往不只受市場指標(biāo)變動的影響，還存在對風(fēng)險資產(chǎn)具有廣泛影響的其他經(jīng)濟(jì)因素，而CAPM模型認(rèn)為所有資產(chǎn)都只與市場組合存在線性關(guān)系。在CAPM的基礎(chǔ)上，逐漸發(fā)展出多因素模型。多因素模型認(rèn)為風(fēng)險資產(chǎn)收益率與多個影響因素相關(guān)，這些因素代表了可能影響風(fēng)險資產(chǎn)收益的一些基本經(jīng)濟(jì)因素，因而在估計股票收益率時，多因素模型比CAPM模型更加有效。

考慮到股票市場資金供求理論下的截面相關(guān)特征，本文采用能夠反映空間依賴性的空間計量模型進(jìn)行分析，空間計量模型包括空間滯后模型(SLM)和空間誤差模型(SEM)。在理論上，已經(jīng)有學(xué)者將空間依賴性引入股票收益率的定價模型，F(xiàn)ernandaz(2011)在CAPM模型的基礎(chǔ)上，提出S-CAPM模型[14]，該模型的假設(shè)條件與傳統(tǒng)的CAPM假設(shè)條件相同，在CAPM模型的基礎(chǔ)上引入空間項。

空間滯后模型(spatial lag model，SLM)用于研究相鄰空間單元之間的作用及其對整個系統(tǒng)產(chǎn)生的影響，即認(rèn)為因變量存在空間依賴性?？臻g滯后的CAPM模型可表示為：

r-rf=ρW(r-rf)+(rm-rf)β+μ

(7)

其中μ是誤差項；r-rf表示超額回報，為列向量；W(r-rf)為自回歸項；β衡量了系統(tǒng)性風(fēng)險。上式表明一個資產(chǎn)的風(fēng)險溢價與其相關(guān)資產(chǎn)的回報率呈線性關(guān)系。

同樣，空間誤差模型(spatial error model，SEM)用于研究鄰近空間單元的誤差項對本單元的沖擊，以及進(jìn)而對因變量產(chǎn)生的影響，即認(rèn)為誤差項存在空間依賴性，空間誤差的CAPM模型為：

r-rf=(rm-rf)β+εε=λWε+μ

(8)

在這樣的定義下，誤差中未預(yù)期到的影響因素同樣受其空間鄰接單元影響。

作為單因素模型的一個特例，S-CAPM是對所有風(fēng)險資產(chǎn)收益率期望值為零的單因素模型。單因素模型將影響收益的因素分解為系統(tǒng)風(fēng)險和公司特有風(fēng)險，這種分析方法不僅過于簡單，而且把系統(tǒng)風(fēng)險限制在單一因素內(nèi)是過于簡化的。實(shí)際上，用市場收益來概括的系統(tǒng)風(fēng)險受多種因素影響，如國內(nèi)生產(chǎn)總值、通貨膨脹、匯率波動等。在應(yīng)用時，通常采用多因素模型的形式，來對風(fēng)險資產(chǎn)的收益率進(jìn)行估計。基于前述分析，由S-CAPM出發(fā)，推廣到多因素模型。

其中空間滯后的多因素模型表示為：

r=ρWr+βF+μ

(9)

其中μ是誤差項，r表示風(fēng)險資產(chǎn)收益率，Wr為自回歸項；F表示影響風(fēng)險資產(chǎn)收益率的因素，β衡量了風(fēng)險資產(chǎn)收益率對這組因素的敏感程度。式(9)表明風(fēng)險資產(chǎn)的收益率與影響其的各因素呈線性關(guān)系。

同樣，空間誤差的多因素模型表示為：

r=βF+εε=λWε+μ

(10)

根據(jù)前述分析，我們認(rèn)為不同股票之間的價格在宏觀經(jīng)濟(jì)條件和公司財務(wù)因素下存在著相互影響，進(jìn)一步考慮到變量的時間序列特征，結(jié)合多因素空間截面模型，選取多個個體不同時期的數(shù)據(jù)，進(jìn)行面板數(shù)據(jù)分析，從空間計量的角度進(jìn)行建模，構(gòu)造多因素空間面板數(shù)據(jù)模型：

空間面板滯后的多因素模型表示為：

rt=ρWrt+βFt+μt

(11)

其中μt是每期誤差項，rt表示每期風(fēng)險資產(chǎn)收益率，Wrt為自回歸項；Ft表示影響風(fēng)險資產(chǎn)收益率的因素，β衡量了風(fēng)險資產(chǎn)收益率對這組因素的敏感程度。該模型假設(shè)條件與套利定價理論(arbitragepricingtheory,APT)相同。

同樣，空間面板誤差的多因素模型表示為：

rt=βFt+εtεt=λWεt+μt

(12)

三、空間計量實(shí)證分析

1.模型建立與數(shù)據(jù)的獲取

基于上述分析，本文構(gòu)建了空間面板數(shù)據(jù)模型。其中，多因素空間面板滯后模型：

(13)

多因素空間面板誤差模型：

retit=β1gdpit+β2exrit+β3cpiit+β4bmrit

+β5epsit+β6roeit+β7darit+μi+εit

(14)

其中被解釋變量為股票的對數(shù)收益率ret，解釋變量為國內(nèi)生產(chǎn)總值gdp、直接匯率exr、環(huán)比通貨膨脹率cpi、環(huán)比廣義貨幣供應(yīng)量增長率bmr、每股收益eps、凈資產(chǎn)收益率roe、資產(chǎn)負(fù)債率dar。

面板數(shù)據(jù)包括時間序列和截面樣本兩個維度：個體(N)和時間(T)。本文選取微觀面板的研究視角，微觀面板的特點(diǎn)是個體數(shù)N較大，而時期數(shù)T較小，主要針對個體進(jìn)行研究。在樣本選取上，本文選取滬深300指數(shù)中中長期較穩(wěn)定的300只股票，并根據(jù)證監(jiān)會上市公司行業(yè)二級分類標(biāo)準(zhǔn)對選取的樣本進(jìn)行分類，共43類，諸如房地產(chǎn)業(yè)、農(nóng)業(yè)、貨幣金融服務(wù)業(yè)、航空運(yùn)輸業(yè)、汽車制造業(yè)、醫(yī)藥制造業(yè)等；在時間維度上，本文數(shù)據(jù)選取自2007年1月1日到2015年9月30日，考慮到宏微觀變量數(shù)據(jù)獲取上的條件限制，本文以季度為分析單位，共35個季度。本文數(shù)據(jù)來自Wind數(shù)據(jù)庫及中國證監(jiān)會。

2.空間權(quán)重矩陣的設(shè)定

進(jìn)行空間分析的第一步是要設(shè)定空間相關(guān)矩陣W。在研究空間計量經(jīng)濟(jì)學(xué)的早期文獻(xiàn)中，空間權(quán)重矩陣設(shè)定多從地理學(xué)的角度出發(fā)進(jìn)行設(shè)定，對地理距離做一定形式的變換來定義空間影響權(quán)重，如Lottmann(2012)在研究失業(yè)率差異的時候，定義了空間矩陣元素采用地理距離衰減的指數(shù)形式[29]。隨著空間計量經(jīng)濟(jì)學(xué)研究的深入，許多學(xué)者開始從“經(jīng)濟(jì)距離”的角度考察地理學(xué)第一定律(即地理事物或?qū)傩栽诳臻g分布上互為相關(guān))在經(jīng)濟(jì)學(xué)上的應(yīng)用，逐步發(fā)展出經(jīng)濟(jì)距離權(quán)重矩陣。例如林光平和吳梅(2005)在研究經(jīng)濟(jì)增長時，以地區(qū)之間人均收入差距的倒數(shù)作為空間權(quán)重矩陣中的元素[30]。Fernandez、Montero和Orlove(2012)通過FDI定義了不同地區(qū)的經(jīng)濟(jì)聯(lián)系程度來研究股票市場之間的協(xié)動性[31]。本文即從經(jīng)濟(jì)學(xué)的角度來定義空間距離，設(shè)定權(quán)重。在空間權(quán)重矩陣的設(shè)定上，本文首先對股票進(jìn)行行業(yè)分類，再按照如下方法設(shè)定權(quán)重值：

(15)

i,j=1,…,300

按照上述方法，設(shè)立空間權(quán)重矩陣，并進(jìn)行標(biāo)準(zhǔn)化，最終得到一個300×300的空間相關(guān)矩陣。

3.空間相關(guān)性度量

空間相關(guān)性反映的是變量的某一屬性值與其空間相鄰單元的變量同一屬性值的相關(guān)程度，在實(shí)證研究中，可以通過Moran’sI指數(shù)進(jìn)行相關(guān)程度大小判斷。Moran’sI定義如下：

(16)

(17)

如果Moran’sI的正態(tài)統(tǒng)計量的Z值大于0.05水平下的臨界值1.65，表明股票收益率在給定的空間關(guān)系下具有顯著的相關(guān)性，即同一類目下的股票收益率具有顯著的空間依賴性。

根據(jù)Moran’sI指數(shù)模型，我們測算了樣本區(qū)間的35個季度的收益率空間相關(guān)性，并進(jìn)行顯著性檢驗。限于篇幅，本文只列出前8個季度的Moran’I指數(shù)，如表1。在所有時期的空間相關(guān)性檢驗中，除第1期及第2期外，其他33期數(shù)據(jù)均顯著。

為進(jìn)一步探討收益率的空間相關(guān)性，圖2給出了前8個季度的Moran散點(diǎn)圖，其中第一象限表示高收益率被同是高收益率包圍，這種集聚稱為高-高集聚，與之相應(yīng)的是第三象限的低-低集聚。由圖可以看出大多數(shù)點(diǎn)均落在一三象限內(nèi)，即同一板塊內(nèi)股票數(shù)據(jù)受其同類股票影響，Moran’sI指數(shù)為正，呈現(xiàn)正向的空間依賴性。

以上分析表明滬深300各成分股股價之間存在顯著的空間依賴特征。且Moran’sI指數(shù)值均大于零，可見股票收益率在同一類目下正相關(guān)。因此我們可以對股票收益率數(shù)據(jù)進(jìn)行空間建模估計。

4.參數(shù)估計結(jié)果

Elhorst(2003)對空間面板模型的估計進(jìn)行研究，提出的極大似然法(MLE)[32]。本文采用MLE方法對建模進(jìn)行估計，其結(jié)果表2。

表1　Moran’s I指數(shù)

注：**表示在1%的顯著性水平下顯著。

圖2　前8季度股票收益率Moran散點(diǎn)圖

變量FixedSLMRandomSLMFixedSEMRandomSEMIntercept-86.377561***-202.825033***ρ0.595896***0.574234***\λ\0.596257***0.574667***exr10.006833***10.484869***25.021126***24.972871***cpi0.711918**0.779727***1.904673***1.929330***gdp1.198303***1.295812***2.995715***3.022536***bmr14.801453***15.619000***37.573713***36.584824***eps4.546955***2.688899**4.589674***2.635486**roe0.129583***0.163489***0.131393***0.164754***dar0.0846650**0.0138130.071949**0.199334

注：***，**，*表示在0.1%，1%，5%的顯著性水平下顯著。

從估計結(jié)果來看，四個模型中，總體上各因素顯著性水平均較高，同時，在作用效果上，與之前假設(shè)的正負(fù)向預(yù)期差別不大，可見在考慮空間依賴性后，進(jìn)行空間建模的估計結(jié)果較好。

5.空間滯后模型與空間誤差模型的選擇

Burridge(1980)、Anselin(1988)以及Elhorst(2010)在模型的選擇和檢驗中做出了大量的貢獻(xiàn)，提出了LM-error、LM-lag準(zhǔn)則和robustLM-error、robustLM-lag準(zhǔn)則[33-35]。在模型選擇上，首先進(jìn)行空間面板的LM-error檢驗和LM-lag檢驗，在檢驗結(jié)果均顯著的情況下，再做robustLM-error和robustLM-lag檢驗，同時結(jié)合實(shí)際研究問題進(jìn)行分析，進(jìn)行模型選擇，以更好的對模型進(jìn)行估計。為進(jìn)一步驗證是否有必要建立空間模型，我們進(jìn)一步做相關(guān)檢驗——通過LM檢驗和相應(yīng)的robustLM檢驗來確定是建立空間面板滯后模型還是空間面板誤差模型。檢驗結(jié)果表3。

表3　LM及robust LM檢驗結(jié)果

可見在模型選擇上，LM-error與LM-lag更加顯著，同時較之robustLM-lag，robustLM-error更加顯著，因此空間面板誤差模型SEM為更加恰當(dāng)?shù)哪Ｐ托问健?/p>

6.固定效應(yīng)和隨機(jī)效應(yīng)

在固定效應(yīng)和隨機(jī)效應(yīng)選擇上，目前相關(guān)文獻(xiàn)有兩種方法，第一種基于Hsiao(2003)、Wooldridge(2000)研究的理論原則：如果用樣本數(shù)據(jù)對總體進(jìn)行推理估計，即從一個很大的總體中隨機(jī)抽樣，則應(yīng)采用隨機(jī)效應(yīng)模型；如果樣本以本身進(jìn)行推理估計，即樣本容量接近整個總體，則宜采用固定效應(yīng)模型[36-37]。第二種，先對普通面板數(shù)據(jù)模型進(jìn)行選擇，在此基礎(chǔ)上再進(jìn)行空間面板分析。如駱永民(2010)在用空間面板模型研究城際基礎(chǔ)設(shè)施差距的時，首先對普通面板進(jìn)行了Hausman檢驗選擇了固定效應(yīng)，接著再進(jìn)行了空間面板的數(shù)據(jù)分析工作[38]。

根據(jù)Elhost(2010)的最新研究，在對模型的隨機(jī)效應(yīng)和固定效應(yīng)選擇問題上，利用R語言，對空間面板誤差模型進(jìn)行空間Hausman檢驗，其中原假設(shè)為模型選用隨機(jī)效應(yīng)。結(jié)果見表4：

表4　Hausman檢驗結(jié)果

從LM檢驗來看，存在空間效應(yīng)；從robustLM檢驗來看，空間面板誤差模型更為合適；從Hausman檢驗來看，選擇固定效應(yīng)而不選擇隨機(jī)效應(yīng)，同時本文對滬深300指數(shù)的全部300只股票對股票收益率進(jìn)行估測，從理論上亦應(yīng)選用固定效應(yīng)模型。

四、結(jié)果分析與相關(guān)建議

1.研究結(jié)論

本文根據(jù)27個季度的股票交易數(shù)據(jù)，基于經(jīng)濟(jì)理論分析推測股票之間存在較強(qiáng)的空間相關(guān)性，通過Moran’sI指數(shù)檢驗進(jìn)一步表明在相同分類下股票收益率之間存在高度空間依賴性，且表現(xiàn)為正相關(guān)性，即當(dāng)同一分類下某只股票的價格上漲或下跌，會帶動同一分類下其他股票價格的上漲或下跌，具有顯著的板塊聯(lián)動現(xiàn)象。我們進(jìn)一步從微觀面板出發(fā)，選用季度因素數(shù)據(jù)，通過建立隨機(jī)效應(yīng)和固定效應(yīng)下的空間面板滯后模型以及空間面板誤差模型，分析了匯率、環(huán)比通貨膨脹率、GDP增長率、貨幣供應(yīng)量增長率、每股收益、凈資產(chǎn)回報率及資產(chǎn)負(fù)債率七個宏微觀經(jīng)濟(jì)因素對股票收益率的影響。在計量實(shí)證上，通過四種模型的估計結(jié)果比較以及LM檢驗、Hausman檢驗，空間面板誤差模型的固定效應(yīng)估計系數(shù)在百分之九十五的水平均顯著。理論上本次研究在解釋變量選取上可能存在其他我們未考慮到的股票收益率因素，誤差項中存在未完全解釋的空間依賴性，同時，當(dāng)研究樣本較大時，理論上亦應(yīng)構(gòu)造固定效應(yīng)下的空間面板誤差模型。通過實(shí)證模型估計檢驗和結(jié)果理論分析，我們發(fā)現(xiàn)固定效應(yīng)下的空間面板誤差模型在分析股票收益率影響因素問題上更為有效。

根據(jù)模型的估計結(jié)果進(jìn)行分析，在宏觀經(jīng)濟(jì)層面，匯率、貨幣供應(yīng)量增長率、通貨膨脹率以及國內(nèi)生產(chǎn)總值增長率均正向影響股票收益率?？紤]到時間跨度的問題，我們認(rèn)為匯率的流量導(dǎo)向模型對股價影響程度較小，而從存量導(dǎo)向模型來看，當(dāng)前中國市場經(jīng)濟(jì)正在逐步成熟，人民幣匯率制度正在逐步完善，股市更加趨向市場化、自由化。雖然中國的資本市場沒有完全開放，但在政府管制的范圍內(nèi)，外資仍舊可以通過相關(guān)渠道進(jìn)入中國資本市場，進(jìn)而影響股票價格。匯率的動態(tài)波動是對資本進(jìn)出的反映，短期內(nèi)，可認(rèn)為其由市場供需決定，股價的上升會吸引更多的外國投資者，資本流入增加，本幣需求上升，本國貨幣供給相對減少，導(dǎo)致股票需求減少，而股票供給不變，股價下跌，股票收益率下降。本文中選用直接匯率數(shù)據(jù)(即單位美元兌人民幣數(shù)量)進(jìn)行估計，則人民幣升值，股票收益率下降，表現(xiàn)為直接匯率下降，股票收益率下降，即匯率與股票收益率之間正相關(guān)。在本文研究時間段內(nèi)，中國經(jīng)濟(jì)在世界經(jīng)濟(jì)危機(jī)背景下一枝獨(dú)秀，實(shí)體經(jīng)濟(jì)產(chǎn)出水平較高，國民消費(fèi)需求也在增加，作為實(shí)體經(jīng)濟(jì)的反映，通貨膨脹上升動力較強(qiáng)，其結(jié)果導(dǎo)致股票收益與通貨膨脹正相關(guān)，本結(jié)果同韓再紅(2008)等研究結(jié)果相同[39]。在GDP方面，股票市場作為實(shí)體經(jīng)濟(jì)的“晴雨表”，國民經(jīng)濟(jì)向好，股市收益也會增加，本文在考慮到股票收益率的空間相關(guān)性后，研究結(jié)果依然表明股票收益率與國內(nèi)生產(chǎn)總值增長率之間正相關(guān)。在貨幣供應(yīng)量的方面，從預(yù)期效應(yīng)上分析，貨幣供應(yīng)量增加時，投資者預(yù)期股票市場的資金供給增加，因而會推動股價上漲；從投資組合效應(yīng)上分析，多余的貨幣供應(yīng)部分會進(jìn)入股票市場，導(dǎo)致股票需求增加，在供給一定時，推高股價；從股票的內(nèi)在價值效應(yīng)上分析，貨幣供應(yīng)增加，導(dǎo)致利率水平下降，價值貼現(xiàn)，同樣使股價升高。

在微觀公司層面上，當(dāng)上市公司處在相同宏觀經(jīng)濟(jì)環(huán)境中時，每股收益越高，表明股票回報越高，因而每股收益與股票收益率呈正相關(guān)關(guān)系；凈資產(chǎn)收益率表明投資效率，當(dāng)投資報酬越高時，即導(dǎo)致市場投資者看好個股走勢，供給一定的情況下，需求上升推升股價上漲，反應(yīng)了凈資產(chǎn)收益率與股票收益率之間的正相關(guān)關(guān)系。本文研究中，資產(chǎn)負(fù)債率的系數(shù)為正，這是與傳統(tǒng)的經(jīng)濟(jì)學(xué)理論和財務(wù)理論的觀點(diǎn)——資產(chǎn)負(fù)債率負(fù)向影響股票收益，是不同的。在對本文的樣本數(shù)據(jù)進(jìn)行研究發(fā)現(xiàn)，大多公司的資產(chǎn)負(fù)債率很高，諸如銀行業(yè)更是在80%以上，根據(jù)《巴塞爾協(xié)議》，資產(chǎn)負(fù)債率在92%以下是一個正常的水平，但在數(shù)據(jù)研究上，并不能反映這一點(diǎn)，因此可能導(dǎo)致資產(chǎn)負(fù)債與股票收益率的正相關(guān)關(guān)系。另外考慮到投資者的素質(zhì)水平，結(jié)合中國股票市場的特殊性，資產(chǎn)負(fù)債率并不能很好地提醒市場投資者進(jìn)行有效投資，例如市場上的“莊家”行為以及“ST”股的暴漲現(xiàn)象，認(rèn)為并不能純粹地根據(jù)本文研究結(jié)果推測資產(chǎn)負(fù)債率與股票收益率的關(guān)系。另外相關(guān)研究也指出，當(dāng)前中國股市應(yīng)進(jìn)一步加強(qiáng)監(jiān)管，建立完善的內(nèi)控制度，增加信息透明度以向投資人傳遞良好信息，規(guī)范市場投資行為(王藝霖、王愛群，2014；鐘凱、程小可、姚立杰，2014)[40-41]?？梢?，應(yīng)進(jìn)一步加強(qiáng)公平公開的市場環(huán)境建設(shè)，確保投資者能合理合時地運(yùn)用公司的財務(wù)信息對股票價值進(jìn)行估值。

2.理論貢獻(xiàn)

雖然目前已有許多文獻(xiàn)解釋了相關(guān)自變量對股票收益率的影響，但大多簡單從時間序列及面板數(shù)據(jù)角度展開，且多為研究股票市場外的影響因素，幾乎都忽視了股票與股票之間價格漲跌的空間依賴性，這種研究思路和方法由于違反了回歸模型的Gauss-Markov假設(shè)，其研究結(jié)論的準(zhǔn)確性自然需要進(jìn)一步驗證。因此，本文的研究價值之一在于用實(shí)證的方法驗證了股票價格除了受股票市場外的因素影響外，還存在股票與股票之間的空間依賴性，并在客觀考慮這種空間依賴性的前提下，重新解釋了相關(guān)自變量對股票收益率的影響。這為我國“十三五”期間健康發(fā)展資本市場，特別是為金融宏觀管理制度建設(shè)、統(tǒng)籌協(xié)調(diào)精準(zhǔn)決策和調(diào)控，提供科學(xué)的、符合客觀實(shí)際的理論依據(jù)。

3.實(shí)踐意義與相關(guān)建議

當(dāng)前中國股市中散戶參與較多，市場上資金分散，因而噪聲交易者較多，投機(jī)現(xiàn)象普遍，市場仍處于非理性發(fā)展階段。由于某些股票價格之間存在高度空間依賴性，當(dāng)少數(shù)公司股票價格上漲時，必將引起噪聲交易者的盲目跟進(jìn)，造成顯著的板塊聯(lián)動，而形成板塊聯(lián)動后又必將進(jìn)一步導(dǎo)致交易者的追漲殺跌，必然會加劇市場的非理性。2015年6月期間，A股市場次新股板塊的幾輪暴跌就是這種市場非理性的惡果。為了資本市場的健康發(fā)展，我們建議如下：

(1)監(jiān)管機(jī)構(gòu)在加強(qiáng)對投資者的教育、減少盲目跟風(fēng)噪聲交易、優(yōu)化投資者結(jié)構(gòu)的同時，應(yīng)從大局出發(fā)，高度關(guān)注板塊聯(lián)動效應(yīng)的風(fēng)險防范，制定板塊聯(lián)動效應(yīng)風(fēng)險管控標(biāo)準(zhǔn)和管控機(jī)制，將板塊聯(lián)動效應(yīng)控制在合理范圍之內(nèi)。一旦超過標(biāo)準(zhǔn)，應(yīng)及時利用板塊聯(lián)動效應(yīng)進(jìn)行科學(xué)調(diào)控，及時有效管控市場，防止股市暴跌釀成股災(zāi)。

(2)“十三五”規(guī)劃強(qiáng)調(diào)要提高直接融資比重，降低杠桿率，這從2015年5月份A股市場的“股災(zāi)”后采取的措施中可見一斑——暫停配資。在中國股市漲跌幅限制下，高杠桿引起資金在板塊間流動，杠桿加聯(lián)動會導(dǎo)致金融市場的巨大波動，從而會影響實(shí)體經(jīng)濟(jì)發(fā)展。政策制定者應(yīng)清醒認(rèn)識股票市場這種股票之間的聯(lián)動效應(yīng)，在制定相關(guān)政策時，充分考慮到股票價格之間存在的這種空間依賴性使政策工具運(yùn)用效果加劇的趨勢，謹(jǐn)慎制定政策。特別是在當(dāng)前，國際金融危機(jī)持續(xù)影響，我國市場經(jīng)濟(jì)尚不完善，經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)的情況下，更應(yīng)謹(jǐn)防金融市場的非理性繁榮及繁榮之后的損失，綜合空間集聚的板塊聯(lián)動因素，考慮運(yùn)用貨幣供給、利率、匯率等多項對股票收益率有影響的工具，更具針對性、更加有效地調(diào)控市場，從而提高金融服務(wù)實(shí)體經(jīng)濟(jì)的效率，推動我國經(jīng)濟(jì)的轉(zhuǎn)型。

(3)對投資者而言，應(yīng)杜絕噪聲投機(jī)現(xiàn)象，合理進(jìn)行價值投資，綜合考慮當(dāng)前我國政策導(dǎo)向——“十三五”期間提出的“制造業(yè)2025”、“互聯(lián)網(wǎng)+”、“國企改革”等概念，研究板塊因素，前瞻投資機(jī)會，早做伏筆。即便某些個股效益較好但暫無投資機(jī)會時，仍可考慮在板塊聯(lián)動的相關(guān)效應(yīng)下，對相關(guān)聯(lián)的股票進(jìn)行分析和關(guān)注，同樣會獲得較高的收益。

(4)當(dāng)前部分企業(yè)產(chǎn)能過剩，企業(yè)效益較差，產(chǎn)業(yè)優(yōu)化、轉(zhuǎn)型迫在眉睫。我國“十三五”期間要拓展產(chǎn)業(yè)發(fā)展空間，支持節(jié)能環(huán)保、生物技術(shù)、信息技術(shù)、智能制造、高端設(shè)備、新能源等新興產(chǎn)業(yè)發(fā)展，支持傳統(tǒng)產(chǎn)業(yè)優(yōu)化升級，推廣新型孵化模式。這些新興產(chǎn)業(yè)相關(guān)企業(yè)應(yīng)同時把握時機(jī)，發(fā)揮政策優(yōu)勢，合理充分利用股票市場這種空間集聚的板塊聯(lián)動特征，加大直接融資力度，快速發(fā)展與創(chuàng)新。

[1]楊蕾. 證券市場波動：GDP指標(biāo)傳導(dǎo)與微觀響應(yīng)[D]. 上海：上海交通大學(xué)，2014.

[2]周暉. 貨幣政策、股票資產(chǎn)價格與經(jīng)濟(jì)增長[J]. 金融研究, 2010(2): 91-101.

[3]王曦,鄒文理. 貨幣政策對股票市場的沖擊[J]. 統(tǒng)計研究, 2011(12): 55-65.

[4]孫華妤,馬躍.中國貨幣政策與股票市場的關(guān)系[J]. 經(jīng)濟(jì)研究, 2003(7): 44-53.

[5]張琢. 人民幣匯率波動與中國A股價格的關(guān)系[D]. 廣州：暨南大學(xué), 2010.

[6]GrangerWJC,HuangBN,YangCW.Abivariatecausalitybetweenstockpricesandexchangerates:EvidencefromrecentAsianflu[J].TheQuarterlyReviewofEconomicsandFinance. 2000, 40(00) : 337-354.

[7]陸筱葉. 我國股票價格與通貨膨脹相關(guān)關(guān)系研究[D]. 杭州: 浙江大學(xué), 2007.

[8]董秀良, 吳仁水, 張婷. 通貨膨脹率與股票收益率關(guān)系——基于門檻回歸模型的再檢驗[J]. 數(shù)理統(tǒng)計與管理, 2013(1): 155-165.

[9]趙蓉. 試論中國股票市場失衡及其與宏觀經(jīng)濟(jì)運(yùn)行態(tài)勢的背離[J]. 南開管理評論, 2000(6): 48-56.

[10]文海濤,倪曉萍. 我國上市公司財務(wù)指標(biāo)與股價相關(guān)性實(shí)證研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2003(11): 118-122.

[11]呂東波. 基于股票價值評估的每股收益變動與股票價格變動相關(guān)性研究——以醫(yī)藥行業(yè)為例[D]. 北京: 北京郵電大學(xué), 2014.

[12]趙志君. 股票價格對內(nèi)在價值的偏離度分析[J]. 經(jīng)濟(jì)研究, 2003(10): 66-75.

[13]雒文. 行業(yè)因素對股票收益率影響力的研究——基于A股制造業(yè)面板數(shù)據(jù)[D]. 上海: 上海師范大學(xué), 2013.

[14]FernandezV.Spatiallinkagesininternationalfinancialmarkets[J].QuantitativeFinance. 2011, 11(2): 237-245.

[15]潘榮翠,張鑫,韓躍紅. 基于空間計量分析的全球股票價格指數(shù)宏觀影響因素[J]. 云南師范大學(xué)學(xué)報(哲學(xué)社會科學(xué)版), 2012(1): 135-144.

[16]EckelS,LofflerG,MaurerA,VolkerS.Measuringtheeffectsofgeographicaldistanceonstockmarketcorrelation[J].JournalofEmpiricalFinance, 2011, 18(2): 237-247.

[17]ArnoldM,StahlbergS,WiedD.Modelingdifferentkindsofspatialdependenceinstockreturns[J].EmpiricalEconomics, 2013, 44(2): 761-774.

[18]AsgharianH,WolfgangH,LuL.ASpatialsnalysisofinternationalstockmarketlinkages[J].JournalofBanking&Finance, 2013, 37(12): 4738-4754.

[19]馬琳, 何平, 殷切. 中國A股市場短期與長期定價效率研究[J]. 中國軟科學(xué), 2015(3): 182-192.

[20]溫凱迪. 我國證券市場板塊聯(lián)動效應(yīng)研究[D]. 合肥: 安徽大學(xué), 2013.

[21]周鑫. 我國股票市場板塊效應(yīng)實(shí)證研究[D]. 西安：西南交通大學(xué)，2012.

[22]宋軍, 吳沖鋒. 基于分散度的金融市場的羊群行為研究[J]. 經(jīng)濟(jì)研究，2001(11): 21-27.

[23]DeLong,BAShleifer,LSummers,etal.Noisetraderriskinfinancialmarkets[J].JournalofPoliticalEconomy, 1990, 98(4): 703-738.

[24]ReshefDN,HKFinucane,SRGrossman.Detectingnovelassociationsinlargedatasets[J].Science, 2011, 334(6062): 1518-1524.

[25]SandersD,SHIrwin.Detectingnoisetrader,marketsentiment,andpricebehavior[R].WorkingPaperofOhioStateUniversity, 1997.

[26]王軍. 中國證券市場與投資者羊群行為實(shí)證研究[D]. 大連：東北財經(jīng)大學(xué), 2007.

[27]孫培源, 施東暉. 基于CAPM的中國股市羊群行為研究分[J]. 經(jīng)濟(jì)研究, 2002(2): 64-94.

[28]蔣學(xué)雷, 陳敏, 吳國富. 中國股市的羊群效應(yīng)的ARCH檢驗?zāi)Ｐ团c實(shí)證分析[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識, 2003(3): 56-63.

[29]LottmannF.ExplainingregionalunemploymentdifferencesinGermany:Aspatialpaneldataanalysis[C]. //SFB649DiscussionPaper.Berlin:HumboldtUniversity, 2012: 1-53.

[30]林光平,龍志和,吳梅. 我國地區(qū)經(jīng)濟(jì)收斂的空間計量實(shí)證分析：1978-2002年[J]. 經(jīng)濟(jì)學(xué), 2005(S1): 67-82.

[31]FernandezAG,MonteroMJ,OrloveAG.SpatialmodelingofstockmarketComovements[J].FinanceResearchLetters, 2012, 9(4): 202-212.

[32]ElhorstJP.Specificationandestimationofspatialpaneldatamodels[J].InternationalRegionalScienceReview, 2003, 26(3): 244-268.

[33]BurridgeP.Onthecliff-ordtestforspatialautocorrelation[J].JournaloftheRoyalStatisticalSociety,SeriesB, 1980, 42: 107-108.

[34]AnselinL.Spatialeconometrics:Methodsandmodels[M].Dordrecht:KluwerAcademicPublishers, 1988.

[35]ElhorstJP.SpatialPanelDataModels[C]. //FischerMM,GetisA.HandbookofAppliedSpatialAnalysis.Berlin,Heidelberg,NewYork:Springer, 2010: 377-407.

[36]HsiaoC.AnalysisofPanelData[M]. 2nded.CambridgeUniversityPress, 2003.

[37]WooldridgeJM.EconometricAnalysisofCrossSectionandPanelData[M].Carbridge,Massachusettes,London:

TheMITPress, 2000.

[38]駱永民. 中國城鄉(xiāng)基礎(chǔ)設(shè)施差距的經(jīng)濟(jì)效應(yīng)分析——基于空間面板計量模型[J]. 中國農(nóng)村經(jīng)濟(jì), 2010(3): 60-73.

[39] 韓再紅,鄭妍妍,伍超明. 對我國股票收益率與通貨膨脹率關(guān)系的解釋：1992-2007[J]. 金融研究, 2008(4): 21-36.

[40]王藝霖,王愛群. 內(nèi)控缺陷披露、內(nèi)控審計與債務(wù)資本成本——來自滬市A股上市公司的經(jīng)驗數(shù)據(jù)[J]. 中國軟科學(xué), 2014(2): 150-160.

[41]鐘凱,程小可,姚立杰. 內(nèi)部控制信息披露與控股股東掏空——中國版“薩班斯”法案的實(shí)施效果[J]. 中國軟科學(xué), 2014(9): 104-117.

(本文責(zé)編：辛城)

Analysis of the Factors that Influence Stock Return Based on Spatial Panel Data Model

ZHANG Yu-hua , SONG Yun-yun , ZHANG Yuan-qing

(SchoolofFinanceandBusiness,ShanghaiNormalUniversity，Shanghai200234，China)

This paper applied the spatial panel data model to study the factors that influence stock return. we use quarterly data from the first quarter in 2007 to the third quarter in 2015 to conduct the empirical Study about the Macro and Micro factors that influence stock return based on the theory S-CAPM. The empirical results show that it is obviously that there exist spatial dependence in stock market data; in this research, Spatial error model with fixed effect give the effective interpretation in model choosing and coefficient estimating; finally we analysis the effect of each factors, and put forward some suggestion about the investment on stock market and making policy.

spatial dependence; spatial panel data model; stock return

2015-09-22

2016-03-25

國家自然科學(xué)基金項目“我國上市公司透明度空間分布的非均衡性及其‘傳染性’問題研究”(71573178)。

張玉華(1968-)，男，湖北荊州人，上海師范大學(xué)商學(xué)院教授，博士，研究方向：投資經(jīng)濟(jì)學(xué)、管理學(xué)。

F830.9

A

1002-9753(2016)05-0172-12