葉 莉， 李伯龍

(河北工業(yè)大學經(jīng)濟管理學院， 天津 300401)

?

股市逆周期波動的形成機理

葉 莉， 李伯龍

(河北工業(yè)大學經(jīng)濟管理學院， 天津 300401)

經(jīng)濟形勢的惡化常伴隨著金融市場的動蕩，不確定性的上升集中表現(xiàn)為市場波動程度的加大。相反，經(jīng)濟環(huán)境的改善則預示著未來發(fā)展的良好前景，而金融市場的波動亦隨之降低。股市波動呈現(xiàn)較為明顯的逆周期特征，這一現(xiàn)象受到了學者們的廣泛關注。文章對股市逆周期波動的國外相關研究進行了梳理和歸納，從投資者認知因素的時變性、市場交易者的異質性及市場約束引致的內生風險等方面對逆周期波動的形成機理進行了闡述。進一步明確股市逆周期波動的形成機制有助于理解金融風險在不利經(jīng)濟環(huán)境下的發(fā)展與作用方式，為投資者交易策略的選擇及決策者穩(wěn)定措施的制定提供依據(jù)。

逆周期波動； 形成機理； 金融風險

近年來，金融危機的頻繁發(fā)生為全球經(jīng)濟的發(fā)展蒙上了一層陰霾，如何控制金融市場風險已成為決策者與研究者們探討的重要課題。作為衡量金融風險的重要指標，波動率更是成為研究的重點。從Sharpe等 (1964)提出的CAPM模型到Black、Scholes和Merton (1973)的期權定價公式 ，再到Engle (1982)和 Bollerslev (1986)的ARCH、GARCH模型以及Cox、Ingersoll和Ross (1985)的隨機利率模型，人們對波動率變化規(guī)律的理解不斷深化，對波動率行為的描述手段日趨多樣。波動率在市場決策中巨大的參考價值使其本身成為一種金融資產(chǎn)，如被稱為“恐慌指數(shù)”的芝加哥期貨交易所市場波動性指數(shù) (VIX)就能夠提供有關市場波動預期的重要信息，因而成為投資者對沖風險的有效工具。

目前，針對波動率的相關研究大多集中在股票市場，股市波動與經(jīng)濟周期的關系受到學者們的廣泛關注，尤其是對波動率呈現(xiàn)明顯的“逆周期性”。學者們普遍認為，這種逆周期性反映了波動率的本質特征，經(jīng)濟衰退導致的不確定性在股票市場得到了體現(xiàn)，那么接下來的問題便是，經(jīng)濟周期的運動是否能充分解釋股市波動率的變化，宏觀經(jīng)濟的不確定性如何傳導至股票市場，以及決策者是否能夠通過相機抉擇手段在經(jīng)濟狀態(tài)復雜多變時維持金融市場的相對穩(wěn)定。事實上，股票市場與宏觀經(jīng)濟的關聯(lián)性一直是學術界關注的重點，國外學者更是對逆周期波動現(xiàn)象進行了較為深入的分析。研究顯示，逆周期波動率的出現(xiàn)不僅受到宏觀經(jīng)濟諸多側面的影響，還與市場結構、信息傳導及交易者特征等微觀因素密不可分，其形成過程可能存在較為復雜的驅動因素。因此，本文試圖對國外股市波動逆周期性的最新研究成果進行梳理，歸納并分析影響逆周期特征形成的微觀機理，以期對逆周期波動現(xiàn)象進行較為全面的解讀，為發(fā)現(xiàn)宏觀經(jīng)濟與金融市場之間更為深刻的內在聯(lián)系提供依據(jù)，為投資策略及政策措施的制定提供參考。

一、宏觀因素與經(jīng)濟周期

學術界對金融市場與宏觀經(jīng)濟聯(lián)系的探討由來已久，股市波動的逆周期 (countercyclical)特征也早為學者們所注意。Officer (1973)[1]對美國股市的早期研究便指出，收益率波動在大蕭條期間表現(xiàn)出明顯的提升。Schwert (1989)[2]對美國市場1857年至1987年間經(jīng)濟數(shù)據(jù)的考察也指出，波動率變化存在顯著的逆周期性。Black (1976)[3]和Christie (1982)[4]將這一現(xiàn)象歸結為杠桿效應 (leverage effect)，認為股票價值的下跌提高了市場的杠桿水平，令風險和波動率上升，但杠桿效應不具有更深層次的經(jīng)濟解釋力，因而逐漸成為一種典型事實 (stylized facts)，能夠被其他理論及模型進一步說明。從權益內在價值系未來現(xiàn)金流的貼現(xiàn)這一角度來看，企業(yè)價值決定于經(jīng)濟狀況的健康程度，若貼現(xiàn)率為常數(shù)，權益價值的條件方差即波動率應該與未來現(xiàn)金流量的條件方差成比例，未來宏觀經(jīng)濟狀況的不確定就會使股市波動成比例變化。因此，學者們將逆周期波動與宏觀經(jīng)濟相聯(lián)系，試圖以基本面因素的變動來解釋股市波動的變化。Schwert (1989)較早從這一角度進行了研究，但所得結論卻不甚理想。實證結果表明，盡管在經(jīng)濟衰退時期，通貨膨脹率、工業(yè)產(chǎn)值等宏觀經(jīng)濟變量波動與股市波動均表現(xiàn)出較大提高，但宏觀經(jīng)濟變量對于股市波動的預測性并不明顯，宏觀經(jīng)濟波動也難以解釋股市波動的逆周期特征。

隨后，學者們在Schwert (1989)研究的基礎上對波動率及經(jīng)濟周期的描述方式進行了拓展，進而得出了一些不同的結論。Hamilton和Lin (1996)[5]構建了一個雙變量動態(tài)模型以研究股市收益與工業(yè)產(chǎn)值的關系，發(fā)現(xiàn)實際產(chǎn)出增長與股市收益波動受到一個標識經(jīng)濟運行狀態(tài)的不可觀測變量驅動，經(jīng)濟周期因素表現(xiàn)為股市波動變化的主要來源；Diebold和Yilmaz (2008)[6]以實際GDP與實際個人消費水平來描述經(jīng)濟狀態(tài)，在40個國家的橫截面數(shù)據(jù)基礎上考察了周期因素對股市波動的影響，發(fā)現(xiàn)基本面的波動確實引起了股市的波動；Corradi等 (2013)[7]通過無套利模型對這一問題進行了研究，指出宏觀因素能夠解釋波動率變化的75%。另外，Qu和Perron (2013)[8]構建了包含未知時間、規(guī)模與頻率的水平轉換 (level shifts)隨機波動模型，應用貝葉斯分析，對1980—2010年S&P500指數(shù)和NASDAQ的收益情況進行了擬合。其研究發(fā)現(xiàn)，盡管水平轉移發(fā)生頻率相對較低，大約兩年一次，但這一體制對波動率變化起到了主要解釋作用。

在為數(shù)眾多的波動率模型中，較為典型的是成分波動模型。該模型認為，波動率變化并非單一的過程，應該由短期成分與長期因素共同解釋，這一觀點為波動率的解讀提供了全新的視角。Engle和Rangel (2008)[9]最先構建了Spline-GARCH模型來研究波動率隨宏觀經(jīng)濟的變化，將高頻收益波動分解為一個單位GARCH過程和一個由指數(shù)樣條表示的慢速移動過程，其中慢速移動過程為低頻波動率，以包含宏觀經(jīng)濟變量和金融變量的非平衡面板來描述，GARCH過程能夠解釋短期波動，低頻波動部分能夠詮釋長期影響。在這一設定下，波動率呈現(xiàn)明顯的逆周期性，蕭條期間實際經(jīng)濟變量的沖擊引起了股市的長期波動。在此基礎上，Engle等 (2013)[10]又將混合數(shù)據(jù)抽樣 (MIDAS)與GARCH過程結合構建了GARCH-MIDAS模型，從而形成能夠融合不同動態(tài)因素的Spline-GARCH-X模型框架，成為考察經(jīng)濟因素對波動率影響程度的有效方式。Opschoor等 (2014)[11]在Spline-GARCH-X的框架下，以Bloomberg金融狀況指數(shù) (FCI)近似代表金融狀況，對1994—2011年總部位于美國的大型銀行持股公司股票的日收益率進行了分析，發(fā)現(xiàn)股市的波動率水平隨經(jīng)濟環(huán)境的惡化而顯著提高。Conrad和Loch (2015)[12]構建了兩部分GARCH-MIDAS模型對1969—2011年的美國市場數(shù)據(jù)進行了考察，發(fā)現(xiàn)波動率的逆周期特征與模型描述相符，期限溢價、住房開工率、企業(yè)盈利以及失業(yè)率等標識未來經(jīng)濟發(fā)展狀況的經(jīng)濟變量對長期股市波動解釋力較強。

鑒于金融危機常發(fā)端于特定經(jīng)濟領域，Jiang和Lee (2014)[13]就經(jīng)濟周期中特質波動與系統(tǒng)波動的聯(lián)系進行了研究，發(fā)現(xiàn)了二者動態(tài)關聯(lián)的時變性。其向量自回歸(VAR)模型指出，衰退前期特質波動對市場波動存在較強的正向格蘭杰因果作用，這一作用在衰退末期及經(jīng)濟恢復前期消失，顯示了特質波動向市場波動的轉化。在經(jīng)濟擴張前期，市場波動對特質波動存在較強的負向格蘭杰因果作用，表明市場波動能在一定程度上替代特質波動，當經(jīng)濟從衰退中恢復時，市場波動又重新轉化為特質波動。特質波動與市場波動的動態(tài)關聯(lián)反映了特質風險與系統(tǒng)風險在經(jīng)濟危機當中的演化過程，從波動率的角度詮釋了危機由特定領域產(chǎn)生、發(fā)展進而影響整個市場的作用特點。

另外，經(jīng)濟全球化令金融市場間的聯(lián)系日益密切，而由此產(chǎn)生的波動溢出現(xiàn)象亦能在一定程度上解釋全球波動的逆周期特征。從世界范圍來看，成熟市場的波動能顯著影響新興市場，而成熟市場之間、新興市場之間以及區(qū)域內部同樣存在不同程度的波動溢出效應。Beirne等 (2013)[14]研究了VIX指數(shù)變化對41個新興市場條件波動的影響，指出成熟市場對新興市場的溢出作用在危機過程中增強并提高了市場整體的波動率水平。Bekaert等 (2010)[15]考察了23個發(fā)達國家股票市場的特質波動變化情況，發(fā)現(xiàn)特質波動在危機期間的提高具有一致性，這表明不同市場可能面臨著相同的、難以分散的尾部風險，金融危機可能由國家間的某些共同市場因素驅動。Rejeb等 (2015)[16]分析了新興市場之間、新興市場與成熟市場間波動的關聯(lián)，指出地域因素能顯著影響市場波動，而金融自由化則放大了波動溢出的作用效果。Jiang等 (2012)[17]對美國及歐洲市場的考察強調了預料之外信息沖擊的作用，指出負面意外消息的發(fā)布會增大不確定性，進而令波動溢出增強，這一結論與2007年至2010年危機期間的實際數(shù)據(jù)相符。

二、投資者認知的時變性特征

宏觀經(jīng)濟狀況的變化作用于股市波動率是通過投資者實現(xiàn)的，投資者從經(jīng)濟變量的運動中獲取信息，因而股市波動逆周期性的作用機制與投資者的偏好及行為特征密不可分。建立在典型代理人基礎上的資產(chǎn)價格模型關注經(jīng)濟周期中投資者對信息處理方式的變化，偏好、風險厭惡以及投資者的認知在資產(chǎn)價格決定及逆周期波動形成方面具有關鍵作用。

投資者利用基本面信息判斷經(jīng)濟發(fā)展趨勢的過程可能受到貝葉斯法則的影響，貝葉斯學習作用會導致投資者對市場信號過度反應從而增大股市波動。David和Veronesi (2013)[18]構建了一種現(xiàn)金流貼現(xiàn)框架下的結構學習模型，內生地將波動率衡量為收益和通貨膨脹的加權平均，權重取決于投資者對當期宏觀經(jīng)濟狀況的認知，以及其認知狀態(tài)下偏好決定的對資產(chǎn)價值的主觀評估，投資者對經(jīng)濟狀況的邊際評估會對宏觀經(jīng)濟不確定性引致的波動率產(chǎn)生放大作用。當經(jīng)濟處于較為常見的一般狀態(tài)時，貝葉斯學習令不確定性和波動率下降，而當投資者感知到經(jīng)濟狀態(tài)從常態(tài)偏離時，其對經(jīng)濟進一步向極端情形轉化的主觀概率增加，進而使市場不確定性增強，波動率加大。

由于采用的端部錨具類似于鐓頭錨具，預應力鋼絲繩的下料長度要求較為嚴格，下料長度根據(jù)兩端端部錨具的間距及預應力鋼絲繩的工作應力計算確定。擠壓錨頭為鋁合金雙孔套筒式，鋼絲繩在端部折成雙股后穿入擠壓錨頭內孔。由專門設計的擠壓模具、擠壓機械對擠壓錨頭進行強力擠壓，使擠壓錨頭與鋼絲繩擠壓成一體。

建立在理性預期動態(tài)分析框架下的典型代理人模型，大多采用Lucas (1978)[19]純交換經(jīng)濟模型 (pure-exchange economy)的拓展形式，這類模型能夠通過設定關于投資者特征的不同假設而說明多種經(jīng)濟周期對金融市場的作用機制。Mele (2007)[20]構建了一個交換經(jīng)濟模型對股市波動逆周期性，尤其是波動率在衰退期間增大幅度超過經(jīng)濟復蘇階段波動率的減小幅度的不對稱現(xiàn)象進行了分析。Mele (2007)認為，在理性預期下，投資者要求風險補償對經(jīng)濟條件的不對稱變化是產(chǎn)生逆周期波動的根本原因，風險溢價在經(jīng)濟下滑時的上升超出在經(jīng)濟緩和時的下降，其對波動率的作用通過投資者的主觀貼現(xiàn)率實現(xiàn)。模型假設投資者的風險調整貼現(xiàn)率與某一標識經(jīng)濟狀態(tài)的變量反向非對稱相關，良好經(jīng)濟環(huán)境下投資者不會大幅變動其用以估計未來現(xiàn)金流價值的折現(xiàn)率，股價股利比也不會大幅波動。而在不利經(jīng)濟條件下，投資者的折現(xiàn)率就會對宏觀經(jīng)濟變動極其敏感，股價股利比在此時會劇烈變動，當貼現(xiàn)率不對稱變動足夠顯著時，不對稱波動的現(xiàn)象就會產(chǎn)生。此外，投資者偏好結構的時變性也會影響股市波動，Choi和Giannikos (2014)[21]認為偏好與經(jīng)濟周期相關聯(lián)，能夠對投資者的行為施加影響。當經(jīng)濟繁榮時，投資者決策相對隨意，經(jīng)濟蕭條時則更為急迫，這使其邊際效用的不對稱被放大。當投資者認為經(jīng)濟情況好轉時，會預期到一個持續(xù)的牛市，消費的邊際效用會遞減；相反，衰退時預期消費的邊際效用則會遞增。在這一偏好結構的影響下，投資者會受到周期波動狀態(tài)變量的影響，狀態(tài)變量的波動會轉變?yōu)楣墒胁▌?，效用函?shù)中的波動狀態(tài)變量會被股票市場吸收從而使其波動加大。Hasler和Ornthanalai (2015)[22]則指出，股市波動的逆周期性還來源于投資者對信息關注程度的逆周期性。當市場受到不利沖擊時，投資者對信息的關注程度提高，信息融入市場基本面估計的速度加快，這使均衡折現(xiàn)率的波動加強，市場之間相關性和波動率也隨之提高。模型表明，只有當投資者關注信息且將之利用于未來預期的調整時，這種作用才會發(fā)生。

在理性預期的基礎上，Aydemir (2008)[23]進一步考察了外部習慣形成 (external habit formation)引致的時變有效風險厭惡以及風險分擔在資產(chǎn)價格決定中的作用。其模型表明，隨著經(jīng)濟環(huán)境的惡化，風險市場價值的提高使貼現(xiàn)率的條件波動加大，引起收益率波動的加大，風險分擔機制使經(jīng)濟體聯(lián)系緊密，令波動呈現(xiàn)經(jīng)濟整體層面的提高。因此，波動率的上升與市場之間相關性的提高表現(xiàn)出協(xié)同性，而當經(jīng)濟體間風險分擔消失時，這種協(xié)同性也隨之消失。將外部習慣對投資者偏好的作用引入均衡模型的方法來自Campbell和Cochrane (1999)[24]，Li (2008)[25]也在這方面進行了拓展研究。不同于典型的高風險厭惡代理人模型，Li (2008)試圖將投資者的風險厭惡程度維持在較低水平。在Li (2008)構建的常相對風險厭惡 (CRRA)模型中，投資者具有攀比(catching up with the Joneses)偏好，其效用函數(shù)是相對消費水平的冪函數(shù)，非線性習慣使風險的市場價值和波動率呈現(xiàn)逆周期性，這表明消費基礎上具有非線性習慣和低風險厭惡系數(shù)的代理人模型能夠解釋股票市場價格行為的特征。

一類理論模型以罕見災害 (rare disaster)的時變風險來解釋股市波動率的變化，這類模型由Rietz (1988)[26]應用于股票市場并得到Barro (2006)[27]和Gabaix (2008)[28]等相關研究的拓展。災害模型是一類比索模型 (peso models)，來源于墨西哥比索市場在1976年以前存在超額收益率的現(xiàn)象。比索問題表明，面對未來的不確定時，人們會預測某種不利意外事件的發(fā)生，這種意外事件能夠帶來極大損失，致使人們要求在交易中得到補償。這就是所謂的“災害性事件預期”(catastrophe expectation)。在開放自由的環(huán)境下，災害預期容易擴散并自我強化。Rietz (1988)認為，一個摧毀整個股票市場的大災難發(fā)生概率極小，但對這一災害的預期可能是抑制股票價格的主要原因。Wachter (2013)[29]指出，消費災害即罕見的大規(guī)模消費下滑發(fā)生的可能會對股市造成影響。在其模型中，消費災害的出現(xiàn)概率是隨機且時變的，典型經(jīng)濟人的偏好是遞歸的，有單位跨期替代彈性。在這一框架下，波動率呈現(xiàn)為消費災害發(fā)生概率的遞增凹函數(shù)，當不利的經(jīng)濟狀態(tài)臨近時，消費災害發(fā)生概率升高，股市波動也隨之加大。Tiu和Yoeli (2013)[30]則構建了常相對風險厭惡投資者的單因素災害模型，將資產(chǎn)價格與就業(yè)相聯(lián)系，說明了勞動沖擊的作用方式。良好的經(jīng)濟狀態(tài)下，勞動位于第一部門，表現(xiàn)為就業(yè)狀態(tài)，經(jīng)濟環(huán)境惡化時，勞動從企業(yè)轉移到家庭，形成勞動災害。模型表明，經(jīng)濟周期中產(chǎn)出的降低使股票價格下降，股利待收期間縮短，當災害臨近時，風險厭惡使得定價核降低，股利的較小變動就會導致價格的大幅波動。這一過程中，波動率表現(xiàn)為股價的減函數(shù)，衰退期間股價降低便會使波動率提高。

比索模型中災害發(fā)生概率變化對波動率的影響與實際經(jīng)濟變動過程表現(xiàn)出一致性。Berkman等 (2011)[31]利用1918年至2006年447次全球政治危機數(shù)據(jù)構建了“危機指數(shù)”用以模擬感知下災害發(fā)生概率的變化。研究表明，危機并非一定發(fā)展成災害事件，但其演變?yōu)闉暮Φ臐撛诳赡苄源_實能對投資者信念施加重要影響。在危機發(fā)生時期，股市波動顯著加大，反映了投資者對經(jīng)濟惡化可能性的劇烈反應。從這個角度來看，時變?yōu)暮Πl(fā)生概率對股市的沖擊是系統(tǒng)的，難以為策略投資所分散。

基于投資者認知時變特征的代理人模型能夠對逆周期波動主體因素做出解讀，為策略的選擇和政策的制定提供一定參考，但現(xiàn)實金融市場的復雜性遠超單一要素的描述范疇，經(jīng)濟環(huán)境的變化會導致金融市場結構的變化，各類投資者行為模式之間的差異則隱含更多的可能性。從這些視角考慮股市波動的變化為全面了解逆周期波動的形成機制提供了可能。

三、投資者異質性與市場約束

1.投資者異質性與股市波動

在現(xiàn)代金融理論中，標準的資產(chǎn)定價公式建立在投資者認知同質性假設之上，如廣泛應用的CAPM定價要求所有投資者對收益概率分布的估計具有一致性。然而現(xiàn)實經(jīng)濟環(huán)境并非如此，異質性的客觀存在令同質性假設不能體現(xiàn)市場參與者之間的差異，在描述經(jīng)濟現(xiàn)象時與實證數(shù)據(jù)不符[32]，故在傳統(tǒng)定價模型中加入異質性因素成為定價研究的重要拓展方向。

投資者異質性也可能源于交易環(huán)境的差別，如是否收到交易制約。Hugonnier和Prieto (2015)[35]構建了一個動態(tài)套利均衡模型，將交易者分為3類：受約束、傾向于無風險資產(chǎn)的交易者；只受非負財富約束的交易者和初始財富為零但掌握信用渠道的套利者。其中，信貸使套利者能夠利用由投資約束產(chǎn)生的需求不平衡而內生的套利機會。模型指出，風險套利者在市場繁榮階段提高杠桿、在市場蕭條時降低杠桿的行為會放大基本面的超額沖擊而產(chǎn)生過度波動，內生的超額波動成分與套利者的信貸能力及受約束投資者的消費份額正相關，當經(jīng)濟衰退股價下跌時，波動率趨向升高。

現(xiàn)實市場中異質投資者的典型例子是機構投資者與個人投資者，這兩類投資者的行為已得到廣泛的研究。在對股市波動影響方面，二者存在顯著差異。從異質性的角度來看，機構投資者是知情投資者，信息掌握程度高，投資技術更為專業(yè)，更接近于理性投資者。而個人投資者對信息掌握程度低，容易成為不知情投資者及噪聲交易者。因此，機構投資者面對市場噪音和流行趨勢時更容易做出理性決策，防止股價與基礎價值大規(guī)模偏離，而養(yǎng)老基金等機構投資者遵循的謹慎人規(guī)則也能起到穩(wěn)定市場的作用。此外，Lipson和Puckett (2006)[36]對美國1999年至2003年716家機構投資者的日交易行為進行了研究，發(fā)現(xiàn)他們的投資呈現(xiàn)較強的“同期負向交易”，即股市上漲時賣出，股市下跌時買入，利用這些機會實現(xiàn)廉價資產(chǎn)重構，以提供流動性。Thomas等 (2014)[37]對2000年至2010年34個經(jīng)濟合作組織成員國養(yǎng)老基金投資面板數(shù)據(jù)的考察表明，機構投資者可以減弱股市波動，穩(wěn)定金融市場。

然而，最近一些研究提出了不同的觀點，指出機構投資者的某些交易特征亦能對股市波動的逆周期性起到助推作用。Sias (2004)[38]認為，機構投資者交易中呈現(xiàn)的“羊群效應”和“動量交易”會加大價格波動。Basak和Pavlova (2013)[39]在動態(tài)一般均衡的框架內考察了機構投資者的交易行為，指出當基金經(jīng)理關心其經(jīng)營業(yè)績時，超越基準指數(shù)的激勵使其傾向于選擇基準指數(shù)所包含的高風險股票并利用高杠桿，這導致機構投資者對指數(shù)股票形成過度投資并提高波動率水平。Chichernea等 (2015)[40]利用1980年至2010年美國股市的截面數(shù)據(jù)考察了機構投資者對特質波動的影響，指出機構投資者對特質波動的加大來源于短線投資者的高頻交易與過度自信。Cella等 (2013)[41]考察了雷曼兄弟破產(chǎn)沖擊對機構投資者的影響，指出經(jīng)濟惡化時短線投資者減小損失的最優(yōu)策略是在他人之前賣出，這會引起“恐慌拋售”，放大經(jīng)濟沖擊。而采用“購買并持有”策略的長期投資者則會等待直到危機消失，價格恢復到正常水平。因此，短線投資增加了衰退期間的市場風險。由此可見，機構投資者內部亦存在異質性，資產(chǎn)偏好與投資策略的不同形成了其對股市波動影響方式的差異。

2.市場約束與內生風險

投資者異質可能來源于市場約束，但市場約束對股市波動的作用則有著更為深刻的內涵。從約束形成的來源看，外部約束主要來自政策制定者，而內部約束則源于企業(yè)自身的行為決策。在特定的經(jīng)濟條件下，市場約束能夠引發(fā)交易者行為的趨同，導致波動的放大和擴散。

衰退時期的風險規(guī)避為市場交易施加了天然的資金約束，當經(jīng)濟條件惡化時，交易者承受風險的意愿逐步消失，他們會普遍削減風險頭寸轉而采取保守穩(wěn)健的策略[42]。對積極策略投資者來說，這相當于VaR約束下的決策行為。資產(chǎn)出售、貸款回撤使負向的溢出作用在投資者之間傳染，進而引起穩(wěn)定關系的破裂和信用風險的提升。

Adrian和Shin (2010)[43]考察了2008年之前一段時期高盛、摩根斯坦利等5家大型投資銀行的資本結構季度變化，發(fā)現(xiàn)這些投資銀行主要通過回購協(xié)議調整資本結構，回購與逆回購數(shù)量能對波動率起到顯著的解釋作用。在VaR約束下，投資銀行的資本調整令杠桿呈順周期性，繁榮時期的信貸超額擴張及衰退時期的迅速收縮加大了市場的波動。從本質上來看，這一作用方式與Hugonnier和Prieto的結論相同，但由于金融中介機構在金融體系中具有獨特地位，投行的順周期行為較風險套利者對市場的影響就更為系統(tǒng)廣泛。同時，經(jīng)濟下滑可能使家庭投資者從金融機構撤資并提前清算，這會對金融機構形成資金約束，阻礙價格機制的實現(xiàn)[44]。在 Albagli的動態(tài)均衡模型中，金融機構作為知情交易者，決定了信息轉化為投資決策的方式，能在市場中起到促進信息流動、完善價格機制的作用。而衰退時期的資金約束令金融機構進行交易時更為謹慎，這會引起價格信號作用的減弱和擴散信息承載力的收縮，進而導致市場不確定性提高。在這種情況下，對風險高額補償?shù)男枨筠D化為較高的預期回報率、大幅的價格波動以及更多的噪聲交易，市場的波動因而得到顯著增強。

時變的市場約束能夠與流動性緊縮相互加強從而形成對價格的沖擊。Brunnermeier和Pederson (2009)[45]構建了聯(lián)系資產(chǎn)市場流動性與交易者資金流動性的競爭均衡模型，指出流動性平衡面對經(jīng)濟沖擊的脆弱性。模型表明，套利者持有的大規(guī)模風險頭寸隱含著流動性干涸的風險，這源于多重均衡轉換的可能性。市場充裕的流動性通過套利行為加強自身而形成良性均衡，一旦流動性缺乏，套利者向市場流動性的提供便受到了限制，流動性的降低便會形成惡性循環(huán)。在這一過程中，保證金要求起到了關鍵性作用，經(jīng)濟環(huán)境惡化對套利者融資造成負面效果，降低其向市場提供流動性的能力，而市場流動性的降低使金融機構提高對保證金的要求，這進一步加大了套利者的融資困難。此外，不利沖擊還使套利者持有的資產(chǎn)縮水，迫使其低價出售資產(chǎn)以維持杠桿，導致資產(chǎn)價值的整體性下滑和資產(chǎn)價值的進一步縮水，這就是所謂的“保證金漩渦 (margin spiral)”與“損失漩渦 (loss spiral)”。當投資者資金結構出現(xiàn)危機時，高風險資產(chǎn)被大規(guī)模拋售，安全資產(chǎn)轉移行為占據(jù)市場，股市波動率迅速提高。

決策者制定交易約束的最初目的是防止過度投機，控制風險以維護市場穩(wěn)定。保證金交易、信貸配給和資本結構要求等措施都屬于此類，VaR約束下的風險管理也是出于同樣的目的，只是風險管理的約束來源于企業(yè)自身。事實上，以上關于交易約束的研究表明，風險規(guī)避行為本身在不利經(jīng)濟條件下蘊含著更大的破壞性，即交易約束加強了參與者風險規(guī)避的意愿從而增大了市場崩潰的可能。這種風險源于交易者自身偏好和行為，因而具有內生性。

金融危機的發(fā)生過程表明，危機能夠從市場參與者的內生響應中為自己汲取動力，如同一場熱帶風暴經(jīng)過溫暖的海洋，在不斷壯大的過程中吸收更多的能量 (Danielsson等，2010)。交易約束在經(jīng)濟穩(wěn)定時是預防風險的良方，在經(jīng)濟衰退時則可能演變成加速市場崩潰的毒劑。Danielsson等指出，“每個人的風險都得到了控制，市場的風險也就得到了控制”，這一邏輯看起來沒什么問題，但事實上對個人資產(chǎn)安全的保護卻可能形成對他人利益的損害。如果制定金融規(guī)范的目的是為了防止金融系統(tǒng)走向崩潰，那么僅僅立足于個人資產(chǎn)安全的角度考慮問題是不夠的，這一內生風險問題或許是未來政策制定的考量方向之一。

四、逆周期波動的現(xiàn)實思考

逆周期波動現(xiàn)象反映了金融市場對外部經(jīng)濟環(huán)境的敏感性，其形成機制蘊含著市場風險生成與擴散的內在規(guī)律。從宏觀上來看，基本面因素能夠直接影響股市波動，而溢出作用則加劇了波動在市場之間的傳導。立足于微觀層面，投資者的稟賦、認知與行為特征表現(xiàn)出不同經(jīng)濟條件下的時變性，形成了導向逆周期波動的不同路徑。盡管本文對逆周期波動成因研究的綜述集中于以上視角，但逆周期波動形成過程涉及到的市場因素并非僅限于此。例如，Acharya等 (2011)[46]指出，股市波動在衰退時期的提高很大程度上來源于市場充斥的負面信息，而負面信息的集聚則產(chǎn)生于企業(yè)的自利行為。事實上，具有自由裁量權的企業(yè)管理者大多傾向于推遲不利消息的發(fā)布，而外部環(huán)境的惡化則為壞消息發(fā)布提供了恰當?shù)臅r機。企業(yè)會利用投資者這樣的心理，既然外在經(jīng)濟環(huán)境是如此惡劣，那么企業(yè)運行不暢也就不足為奇，將壞消息對自身造成的負面影響降至最低，但這樣一來，市場上的負面消息便會大量集聚并加大波動的程度?？傊善眱r格是交易者預期的外在表現(xiàn)形式，逆周期波動成因的復雜性歸根結底源于交易者空間與時間上決策行為的多樣性。表1對近幾年來逆周期波動的代表性研究進行了歸納和總結?？梢姡瑢W者們對逆周期波動現(xiàn)象的探究已愈發(fā)深入到對市場參與者心理及行為的考察，而行為金融學的相關研究無疑能夠為深入剖析這一現(xiàn)象提供參考。

表1 逆周期波動形成機理的相關研究

續(xù)表1

逆周期波動形成機理的研究將市場參與者與經(jīng)濟環(huán)境特征聯(lián)系起來，在關注外生經(jīng)濟沖擊的同時注重探討市場內部的反映機制，形成了對新古典主義經(jīng)濟學研究領域的重要拓展。從諸多學者的研究結論中不難發(fā)現(xiàn)，市場風險不僅來自外生沖擊，更源于交易者、制度與市場結構在特定經(jīng)濟環(huán)境中的內生性互動。盡管上述研究成果均立足于國外市場，但同樣能引起關于我國現(xiàn)實情況的一些思考。作為新興市場，我國金融業(yè)偶爾出現(xiàn)波動實屬必然，市場波動的來源也并未超出學者們的探討范疇，但在全球經(jīng)濟風險加劇的大環(huán)境下，交易者結構失衡與金融體系不完善引起的市場脆弱性問題便格外引人擔憂。從短期來看，保持穩(wěn)健發(fā)展，重塑投資者信心是當下政策的落腳點，而建立一個公正有序、高效合理的金融市場則始終是我國金融體系改革的長期目標，實現(xiàn)這一目標無疑需要全體社會成員的共同努力。

[1] Officer R R.The variability of the market factor of the New York stock exchange[J].JournalofBusiness, 1973, 46(3):434-453.

[2] Schwert W.Why does stock market volatility change over time?[J].JournalofFinance, 1989, 44(5):1115-1153.

[3] Black F.Studies of stock price volatilitychanges[EB/OL].https://www.researchgate.net, 2016-04-20.

[4] Christie A.The stochastic behavior of common stock variances : Value, leverage and interest rate effects[J].JournalofFinancialEconomics, 1982, 10(4):407-432.

[5] Hamilton J D, Lin G.Stock market volatilityandthebusinesscycle.[J].JournalofAppliedEconometrics, 1996, 11(5):573-593.

[6] Diebold F X, Yilmaz K.Macroeconomic volatility and stock market volatility, world-wide[J].SsrnElectronicJournal, 2008, 89(5):2339-2345.

[7] Corradi V, Distaso W, Mele A.Macroeconomic determinants of stock volatility and volatility premiums[J].JournalofMonetaryEconomics, 2013, 60(2):203-220.

[8] Qu Z, Perron P.A stochastic volatility model with random level shifts and its applications to S&P 500 and NASDAQ return indices[J].EconometricsJournal, 2013, 16(3):309-339.

[9] Engle R F, Rangel J G.The spline-GARCH model for low-frequency volatility and its global macroeconomic causes[J].ReviewofFinancialStudies, 2008, 21(21):1187-1222.

[10] Engle R F, Ghysels E, Sohn B.Stock market volatility and macroeconomic fundamentals[J].ReviewofEconomicsandStatistics, 2013, 95(3):776-797.

[11] Opschoor A, Dijk D V, Wel M V D.Predicting volatility and correlations with Financial Conditions Indexes[J].JournalofEmpiricalFinance, 2014, 29(C):435-447.

[12] Conrad C, Loch K.Anticipating long-term stock market volatility[J].JournalofAppliedEconometrics, 2015, 30(7):1090-1114.

[13] Jiang X, Lee B S.The dynamic relations between market returns and two types of risk with business cycles[J].FinancialReview, 2014, 49(3):593-618.

[14] Beirne J, Caporale G M, Spagnolo N, et al.Volatility spillovers and contagion from mature to emerging stock markets[J].ReviewofInternationalEconomics, 2013, 21(5):1060-1075.

[15] Bekaert G, Hodrick R J, Zhang X.Aggregate idiosyncratic volatility[J].JournalofFinancial&QuantitativeAnalysis, 2010, 47(16058):1155-1185.

[16] Rejeb A B, Boughrara A.Financial integration in emerging market economies: Effects on volatility transmission and contagion[J].BorsaIstanbulReview, 2015, 15(3):161-179.

[17] Jiang G J, Konstantinidi E, Skiadopoulos G.Volatility spillovers and the effect of news announcements[J].JournalofBankingandFinance, 2012, 36(8):2260-2273.

[18] David A, Veronesi P.What ties return volatilities to price valuations and fundamentals?[J].SocialScienceElectronicPublishing, 2013, 121(4):682-746.

[19] Lucas R E.Asset prices in anexchangeeconomy[J].Econometrica, 1978, 46(6):1429-1445.

[20] Mele A.Asymmetric stock market volatility and the cyclical behavior of expected returns[J].JournalofFinancialEconomics, 2007, 86(2):446-478.

[21] Choi S B, Giannikos C I.A note on the interrelation of volatility puzzle, equity premium puzzle,and mean reversion through state dependent preferences[EB/OL].http://ssrn.com/abstract=2377120, 2014-01-09.

[22] Hasler M, Ornthanalai C.Fluctuating attention and contagion: Theory and evidence from the U.S.equity market[EB/OL].http://ssrn.com/abstract=2551085, 2015-02-19.

[23] Aydemir A C.Risk sharing and counter-cyclical variation in market correlations[J].JournalofEconomicDynamicsandControl, 2008, 32(10):3084-3112.

[24] Campbell J Y, Cochrane J H.By force of habit: A consumption-based explanation of aggregate stock market behavior[J].JournalofPoliticalEconomy, 1999, 107(2):205-251.

[25] Li G .Aggregate stock market behavior and investors' low risk aversion[J].JournalofEconomicDynamicsandControl, 2008, 32(7):2349-2369.

[26] Rietz T A.The equity risk premium a solution[J].JournalofMonetaryEconomics, 1988, 22(1):117-131.

[27] Barro R J.Rare disasters and asset markets in the twentieth century[J].QuarterlyJournalofEconomics, 2006, 121(3):823-866.

[28] Gabaix X.Variable rare disasters: An exactly solved framework for ten puzzles in macro-finance[J].QuarterlyJournalofEconomics, 2008, 127(2):645-700(56).

[29] Wachter J.Can time-varying risk of rare disasters explain aggregate stock market volatility?[J].JournalofFinance, 2013, 68(3):987-1035.

[30] Tiu C, Yoeli U.Asset pricing with endogenous disasters[J].ReviewofFinancialStudies, 2013, 26(11): 2916-2960.

[31] Berkman H, Jacobsen B, Lee J B.Time-varying rare disaster risk and stock returns[J].JournalofFinancialEconomics, 2010, 101(2):313-332.

[32] Kandel E, Pearson N D.Differential interpretation of public signals and trade in speculative markets[J].JournalofPoliticalEconomy, 1995, 103(4):831-872.

[33] Li T.Heterogeneous beliefs, asset prices, and volatility in a pure exchange economy[J].JournalofEconomicDynamicsandControl, 2007, 31(5):1697-1727.

[34] Xiouros C.Disagreement, habit and the dynamic relation between volume and prices[EB/OL].http://ssrn.com/abstract=1744082, 2011-03-10.

[35] Hugonnier J, Prieto R.Asset pricing with arbitrage activity[J].JournalofFinancialEconomics, 2015, 115(2):411-428.

[36] Lipson M, Puckett A.Volatile markets and institutionaltrading[EB/OL].http://www.researchgate.net, 2016-04-20.

[37] Thomas A, Spataro L, Mathew N.Pension funds and stock market volatility: An empirical analysis of OECD countries[J].JournalofFinancialStability, 2014, 11(2):92-103.

[38] Sias R W.Institutional herding[J].ReviewofFinancialStudies, 2004, 17(1):165-206.

[39] Basak S, Pavlova A.Asset prices and institutional investors[J].AmericanEconomicReview, 2013, 103(5):1728-1758.

[40] Chichernea D C, Petkevich A, Reca B B.Idiosyncratic volatility, institutional ownership, and investment horizon[J].EuropeanFinancialManagement, 2015, 21(4):613-645.

[41] Cella C, Ellul A, Giannetti M.Investors' horizons and the amplification of market shocks[EB/OL].http://ssrn.com/abstract=1678021, 2016-04-20.

[42] Danielsson J, Shin H S, Zigrand J P.Risk appetite and endogenous risk[EB/OL].http://ideas.repec.org, 2016-04-20.

[43] Adrian T, Shin H S.Liquidity and leverage[J].SsrnElectronicJournal, 2010, 19(3):418-437.

[44] Albagli E.Amplification of uncertainty in illiquid markets[EB/OL].http://ssrn.com/abstract=1788216, 2011-11-03.

[45] Brunnermeier M K, Pedersen L H.Market liquidity and funding liquidity[J].ReviewofFinancialStudies, 2009, 22(6):2201-2238.

[46] Acharya V V, Kremer I.Endogenous information flows and the clustering of announcements[J].AmericanEconomicReview, 2011, 101(7):2955-2979(25).

The Formation Mechanism of Countercyclical Stock Market Volatility

Ye Li， Li Bolong

(School of Economics and Management， Hebei University of Technology， Tianjin 300401， China)

The deterioration of economic condition is usually followed by the turmoil of financial markets, with higher market volatility indicating the increasing uncertainty; conversely, the recovery of economy means a better prospect of development, reducing uncertainty and making market less volatile.The phenomenon that stock market volatility is countercyclical has drawn researchers’ attention widely.This paper gives a review of foreign literature on countercyclical stock market volatility, shedding light on the effects of time-varying investor perception, investor heterogeneity and endogenous risk induced by market constraints.Making out the formation mechanism of countercyclical volatility can help to understand the evolution of financial risk as well as its impacts, and will give empirical reference for investment strategy building and policy making.

countercyclical volatility； formation mechanism； financial risk

2016-05-08.

國家社會科學基金資助項目(11BJL048).

葉 莉(1963— )，女，博士，教授.

李伯龍，libolong2014@outlook.com.

F831.5

A

1008-4339(2016)06-514-08