趙宸浩，李坤明，鄭旗山，黃和亮

(福建農(nóng)林大學(xué)經(jīng)濟(jì)學(xué)院，福建 福州350002)

股市風(fēng)險(xiǎn)溢價的非對稱性研究
——基于傳媒行業(yè)指數(shù)的分位數(shù)回歸分析

趙宸浩，李坤明*，鄭旗山，黃和亮

(福建農(nóng)林大學(xué)經(jīng)濟(jì)學(xué)院，福建 福州350002)

運(yùn)用分位數(shù)回歸模型，以傳媒行業(yè)為例，探究行業(yè)指數(shù)在不同市場行情下的風(fēng)險(xiǎn)溢價是否具有非對稱性。研究結(jié)果表明：在傳媒行業(yè)風(fēng)險(xiǎn)溢價較低時，其受大盤風(fēng)險(xiǎn)溢價影響較大；在傳媒行業(yè)風(fēng)險(xiǎn)溢價較高時，其受大盤風(fēng)險(xiǎn)溢價影響有所減??；在傳媒行業(yè)風(fēng)險(xiǎn)溢價極高時，其受大盤風(fēng)險(xiǎn)溢價的影響表現(xiàn)為劇烈的先增后減態(tài)勢?；谝陨蠈?shí)證結(jié)果，提出關(guān)于保護(hù)投資者利益、維護(hù)市場秩序的若干建議。

風(fēng)險(xiǎn)溢價；非對稱性；分位數(shù)回歸；傳媒行業(yè)

我國證券市場從成立之時的8只股票，到如今2900多只股票，股票有效賬戶從1993年的835萬多戶，到2017年1月增加到11831萬多戶[1]?？梢姡覈善笔袌霾粩喟l(fā)展，市場影響力不斷擴(kuò)大。在股市中，股票價格是人們關(guān)注的對象，其決定了投資收益的多少，而市場風(fēng)險(xiǎn)溢價是影響股票價格水平的關(guān)鍵因素。市場風(fēng)險(xiǎn)溢價是資本資產(chǎn)定價模型中重要的參數(shù)之一，通常是指股票資產(chǎn)與無風(fēng)險(xiǎn)資產(chǎn)之間的收益差。風(fēng)險(xiǎn)溢價的大小往往會對投資者的投資決策產(chǎn)生重大影響。影響個股收益的因素較多，且具有較大隨機(jī)性，而從行業(yè)層面分析風(fēng)險(xiǎn)溢價具有平均效應(yīng)，能夠使分析結(jié)果具有更高的可信度和代表性。其中，選擇A股指數(shù)和傳媒行業(yè)指數(shù)為模型樣本主要在于傳媒行業(yè)指數(shù)的變動性較強(qiáng)，價格波動較大，而且包含的股票數(shù)量較多，有較大的資金容量，相對于其他行業(yè)指數(shù)具有更強(qiáng)的代表性，因此，本文以傳媒行業(yè)指數(shù)作為研究對象來分析股市風(fēng)險(xiǎn)溢價的非對稱性[2]。對風(fēng)險(xiǎn)溢價的研究有利于投資者理性選擇投資組合及資產(chǎn)管理方案，有利于促進(jìn)我國股票市場的良性發(fā)展[3]。

一、文獻(xiàn)回顧

國內(nèi)外學(xué)者針對股市風(fēng)險(xiǎn)溢價進(jìn)行了大量的研究。Sharpe于1964年提出了著名的資本資產(chǎn)定價模型，描述了市場風(fēng)險(xiǎn)與資產(chǎn)風(fēng)險(xiǎn)溢價之間的關(guān)系[4]。程兵等利用幾何平均模型、股利貼現(xiàn)模型和盈利增長模型分別計(jì)算A股的風(fēng)險(xiǎn)溢價，認(rèn)為A股真實(shí)風(fēng)險(xiǎn)溢價為負(fù)，我國股票市場存在較大泡沫[5]。謝曙光采用定量分析的方法對我國股市投資收益非對稱性問題進(jìn)行實(shí)證分析，發(fā)現(xiàn)我國股市非流通股股東與流通股股東之間存在投資收益非對稱性[6]。羅登躍等研究發(fā)現(xiàn)，股市的流動性風(fēng)險(xiǎn)溢價主要來源于市場收益與非流動性風(fēng)險(xiǎn)溢價的互相敏感性[7]。李小為從我國股票市場投資者的基本構(gòu)成、市場有效性、心理特點(diǎn)以及羊群效應(yīng)等方面分析了我國股票市場波動非對稱性產(chǎn)生的原因，發(fā)現(xiàn)我國股票市場存在“尖峰厚尾”的特點(diǎn)[8]。鄧可斌等在其研究的2個股市期間均沒有發(fā)現(xiàn)風(fēng)險(xiǎn)溢價的證據(jù)，這一發(fā)現(xiàn)與國內(nèi)大多數(shù)研究結(jié)果不同[9]。何興強(qiáng)等在廣義誤差分布條件下，通過構(gòu)建ANST-GARCH(M)-GED模型考察了不同市場態(tài)勢下股票市場的非對稱性反應(yīng)，發(fā)現(xiàn)牛市、熊市態(tài)勢下股市收益均具有非對稱均值回歸特征，但回歸方式差異明顯[10]。譚治國等采用分位數(shù)回歸模型對股票風(fēng)險(xiǎn)值進(jìn)行了有效估計(jì)，認(rèn)為分位數(shù)回歸模型在經(jīng)濟(jì)學(xué)研究領(lǐng)域中具有現(xiàn)實(shí)的可操作性[11]。佟孟華等認(rèn)為系統(tǒng)流動性風(fēng)險(xiǎn)溢價具有不穩(wěn)定性，在每個時期的表現(xiàn)均不一樣[12]。王茵田等對我國股市風(fēng)險(xiǎn)溢價的截面差異進(jìn)行研究，通過采用Fama-MacBeth兩步回歸法，發(fā)現(xiàn)債市的指標(biāo)能夠顯著影響股市風(fēng)險(xiǎn)溢價，同時資產(chǎn)定價理論中的投資比率和現(xiàn)金流股價比能夠反映我國股市風(fēng)險(xiǎn)溢價[13]。黃芬紅等認(rèn)為利好消息和利空消息對特質(zhì)波動的影響存在非對稱性[14]。

關(guān)于我國股市的研究主要集中在宏觀層面上，研究政策對股市的影響，關(guān)于股市風(fēng)險(xiǎn)溢價方面的研究則較少。已有研究也主要關(guān)注我國股市整體的風(fēng)險(xiǎn)溢價并與外國股市進(jìn)行對比，而對我國股市內(nèi)部及各板塊的風(fēng)險(xiǎn)溢價特征研究較為缺乏。眾多研究表明，行業(yè)因素對投資者的投資決策影響越來越大，股票行業(yè)收益的波動性將直接影響投資者尤其是機(jī)構(gòu)投資者的資產(chǎn)配置狀況[3]。因此，本文選取傳媒行業(yè)的數(shù)據(jù)進(jìn)行分析，同時針對股市收益率“尖峰厚尾”的特征，采用分位數(shù)回歸模型進(jìn)行分析，以此探究某個行業(yè)在不同市場行情下，受大盤的影響是否存在非對稱性特征。

二、研究設(shè)計(jì)

Koenker等于1978年提出了分位數(shù)回歸思想[15]。與最小二乘法相比較，分位數(shù)回歸并非只針對一個分位點(diǎn)進(jìn)行分析，而是對于不同的分位點(diǎn)進(jìn)行分析，用幾個分位函數(shù)來估計(jì)整體模型，從而可以使數(shù)據(jù)分析更加全面。傳統(tǒng)的均值回歸模型是關(guān)于因變量條件期望的回歸，只能夠分析自變量對因變量條件期望的影響，無法考察因變量條件分布在其他位置的信息。而分位數(shù)回歸在進(jìn)行回歸分析時無需對序列的分布作出假設(shè)，因而就整體而言，分位數(shù)回歸的方法更為穩(wěn)妥。本文不僅要研究行業(yè)板塊指數(shù)條件期望的信息，還要考察其在不同分位點(diǎn)的信息，因?yàn)樵诓煌治稽c(diǎn)下自變量系數(shù)的估計(jì)量常常不同，即自變量對不同水平因變量的影響不同。

其中，ρτ(z)=τzI(0,∞)(z)-(1-τ)zI(-∞,0)(z)，函數(shù)I為示性函數(shù)。對于一般線性條件均值函數(shù)E(Y/X=x)=x′β，通過求解β=argminβ得到參數(shù)估計(jì)值。而一般線性條件分位數(shù)函數(shù)為Q(τ|X=x)=x′β(τ)，通過求解β(τ)=argminβ得到參數(shù)估計(jì)值。對于任意的τ(0,1)，β(τ)稱為第τ回歸分位位數(shù)[16]。

(二)分析與模型設(shè)定

1.樣本數(shù)據(jù)。選擇A股指數(shù)的日收盤指數(shù)、傳媒板塊指數(shù)的日收盤指數(shù)，以及上海銀行間同業(yè)拆放利率的隔夜年利率數(shù)據(jù)為樣本數(shù)據(jù)。傳媒行業(yè)指數(shù)包含了滬深兩市所有上市的傳媒企業(yè)，本文選取以滬深兩市中所有上市的傳媒企業(yè)為基礎(chǔ)編制的傳媒行業(yè)指數(shù)，以及滬深兩市上市的A股股票為基礎(chǔ)編制的A股指數(shù)，所有樣本取自2007年8月1日至2016年4月11日。經(jīng)過兩輪大牛市之后，樣本數(shù)據(jù)跨越的時間維度較長、數(shù)據(jù)容量較大，數(shù)據(jù)代表性較強(qiáng)。剔除個別數(shù)據(jù)缺失的樣本，總計(jì)樣本量為2112個，數(shù)據(jù)來源于同花順金融證券數(shù)據(jù)庫及上海銀行間同業(yè)拆放利率官方網(wǎng)站。

3.數(shù)據(jù)的描述性統(tǒng)計(jì)與單位根檢驗(yàn)。通過收集整理傳媒行業(yè)板塊指數(shù)、A股指數(shù)及無風(fēng)險(xiǎn)利率，計(jì)算得出傳媒板塊風(fēng)險(xiǎn)溢價Cr和股市大盤風(fēng)險(xiǎn)溢價Crm的相關(guān)數(shù)據(jù)，各變量的描述性統(tǒng)計(jì)見表1。

在解答問題時，列出正確的函數(shù)關(guān)系式尤其重要。同時學(xué)生可能使用的數(shù)學(xué)知識通常為幾何圖形面積公式、勾股定理以及相似三角形等，應(yīng)在實(shí)際問題解答期間結(jié)合各種數(shù)學(xué)知識背景對問題進(jìn)行解答。如用勾股定理對函數(shù)表達(dá)式進(jìn)行求解時，圖中一定存在直角三角形或通過添輔助線，可以形成直角三角形。在使用相似三角形知識時，問題中通常具有平行線段以及角度相同的角。通常情況下很少直接有利用圖形面積公式對函數(shù)關(guān)系式進(jìn)行明確，通常需要結(jié)合實(shí)際需求進(jìn)行相應(yīng)的割補(bǔ)。

圖1 股市大盤與傳媒板塊風(fēng)險(xiǎn)溢價對比圖

從表1可以看出，rm、r、Crm、Cr這4個變量的標(biāo)準(zhǔn)偏差都大于其平均值，表明數(shù)據(jù)很有可能存在極端異常值，這說明僅依靠均值回歸模型不能完整分析這些數(shù)據(jù)，故采用分位數(shù)回歸模型進(jìn)行分析。為了避免偽回歸，確保估計(jì)結(jié)果的有效性，需要對Cr與Crm進(jìn)行ADF單位根檢驗(yàn)。經(jīng)過檢驗(yàn)，認(rèn)為這2個變量都是平穩(wěn)的(表2)。

表2 單位根檢驗(yàn)結(jié)果

4.模型設(shè)定。資本資產(chǎn)定價模型認(rèn)為，一項(xiàng)投資所要求的必要報(bào)酬率取決于以下3個因素：(1)無風(fēng)險(xiǎn)報(bào)酬率，即將國債投資(或銀行存款)視為無風(fēng)險(xiǎn)投資；(2)市場平均報(bào)酬率，即整個市場的平均報(bào)酬率，如果一項(xiàng)投資所承擔(dān)的風(fēng)險(xiǎn)與市場平均風(fēng)險(xiǎn)程度相同，該項(xiàng)報(bào)酬率與整個市場平均報(bào)酬率相同；(3)投資組合的系統(tǒng)風(fēng)險(xiǎn)系數(shù)，即β系數(shù)，是某一投資組合的風(fēng)險(xiǎn)程度與市場證券組合的風(fēng)險(xiǎn)程度之比。資本資產(chǎn)定價模型說明了單個證券投資組合的期望收益率與相對風(fēng)險(xiǎn)程度間的關(guān)系，即任何資產(chǎn)的期望報(bào)酬一定等于無風(fēng)險(xiǎn)利率加上一個風(fēng)險(xiǎn)調(diào)整后相對于整個市場組合的風(fēng)險(xiǎn)[17]。

資本資產(chǎn)定價模型的數(shù)學(xué)表述如下：

r=rf+(rm-rf)β+ξ

為了考察股市風(fēng)險(xiǎn)溢價的非對稱性，本文以資本資產(chǎn)定價模型為基礎(chǔ)，通過構(gòu)建均值回歸模型及分位數(shù)回歸模型來估計(jì)平均意義上的風(fēng)險(xiǎn)溢價和在不同行情條件下的風(fēng)險(xiǎn)溢價，具體如下所示：

均值回歸模型：r-rf=α+(rm-rf)β+ξ

分位數(shù)回歸模型：Qr-rf(τ/rm-rf)=ατ+βτ(rm-rf)

其中，r-rf為因變量，表示傳媒行業(yè)板塊的風(fēng)險(xiǎn)溢價；Qr-rf(τ/rm-rf)為因變量，表示風(fēng)險(xiǎn)溢價分位數(shù)，rm-rf為自變量，表示A股風(fēng)險(xiǎn)溢價，τ[0,1]，表示分位數(shù)(分別取 1 %,5 %,…,95 %,99 %)。

5.模型參數(shù)估計(jì)。均值回歸模型的估計(jì)結(jié)果見表3。從表3可以看出，Cm的系數(shù)估計(jì)值為1.0717910，并且該系數(shù)T檢驗(yàn)的P值小于1%，說明在1%的顯著性水平上顯著，具有很強(qiáng)的正效應(yīng)，就平均來看，A股風(fēng)險(xiǎn)溢價每增加一個單位，傳媒板塊風(fēng)險(xiǎn)溢價則相應(yīng)增加1.0717910個單位。

利用傳統(tǒng)的均值回歸進(jìn)行分析，只能得到條件分布期望值的信息(表3)。如果分布是對稱的，也就是相當(dāng)于中位數(shù)的回歸，無法得到分布的其他位置的信息。為了檢驗(yàn)在不同行情下風(fēng)險(xiǎn)溢價非對稱性的存在，本文運(yùn)用分位數(shù)回歸方法，以大盤風(fēng)險(xiǎn)溢價為自變量，估計(jì)每一分位點(diǎn)上風(fēng)險(xiǎn)溢價的影響，也就是估計(jì)上述分位數(shù)回歸模型。重要分位點(diǎn)的估計(jì)結(jié)果見表4。

表4 分位數(shù)模型的系數(shù)估計(jì)結(jié)果

我國股市指數(shù)變化在不同時間段波動較大，股市風(fēng)險(xiǎn)溢價離散程度較高，因此，表4中列出了20個分位點(diǎn)，這樣使信息不至于缺失，保證了信息的完整性。從表4可以看出，回歸系數(shù)βτ的估計(jì)值均在置信區(qū)間內(nèi)，說明βτ對風(fēng)險(xiǎn)溢價的影響是顯著的。

三、模型估計(jì)結(jié)果的分析

當(dāng)前，我國股票市場中個人投資者數(shù)量占據(jù)比例較高，股票市場的波動幅度較為劇烈，常常表現(xiàn)為暴漲暴跌，從2008年和2015年的2次股市異動中可以明顯看出，大盤指數(shù)的風(fēng)險(xiǎn)溢價與行業(yè)板塊的風(fēng)險(xiǎn)溢價呈現(xiàn)非對稱性。一方面，由于存在信息的非對稱性，個人投資者在獲取信息方面的能力較弱，更依賴于公開的信息載體和傳播媒介，而大盤指數(shù)作為股市信息的綜合表現(xiàn)，在一定程度上能夠給個人投資者提供參考意義，因此，行業(yè)的指數(shù)波動經(jīng)常跟隨大盤指數(shù)的波動，但在不同行情階段，投資者對大盤的參考程度有差異。在較為低迷時期，個人投資者參與積極性不高，多為跟隨大盤操作，此時的行業(yè)風(fēng)險(xiǎn)溢價與大盤風(fēng)險(xiǎn)溢價關(guān)聯(lián)性較高；在行情較為高漲時期，投資者情緒高漲，參與積極性高，操作上不一定跟隨大盤走勢而采取更為激進(jìn)方式，此時行業(yè)的風(fēng)險(xiǎn)溢價與大盤的風(fēng)險(xiǎn)溢價相關(guān)性降低。另一方面，個人投資者存在“羊群效應(yīng)”，即個人投資者會根據(jù)其他投資者的行為而選擇自己的投資行為，如在行情低迷時期，參與程度低，而在行情高漲時期，參與積極性大幅提高，進(jìn)一步加大了行業(yè)風(fēng)險(xiǎn)溢價與大盤風(fēng)險(xiǎn)溢價的非對稱性。

將表4中回歸系數(shù)βτ的估計(jì)值和截距項(xiàng)的估計(jì)值整理制作成折線圖(圖2)。從圖2中的右圖可以看出，估計(jì)值的縱坐標(biāo)基本上在1的上方，可見βτ的估計(jì)值幾乎都大于1，可以判斷傳媒板塊指數(shù)風(fēng)險(xiǎn)溢價與大盤指數(shù)風(fēng)險(xiǎn)溢價具有很強(qiáng)的相關(guān)性，但系數(shù)的估計(jì)值并不平穩(wěn)，體現(xiàn)了傳媒板塊風(fēng)險(xiǎn)溢價受大盤風(fēng)險(xiǎn)溢價的影響程度不盡相同，顯示了其非對稱性質(zhì)。

圖2 分位數(shù)回歸參數(shù)-分位點(diǎn)圖

根據(jù)分位數(shù)回歸模型的特點(diǎn)，可以看出分位數(shù)回歸模型的分位點(diǎn)代表因變量的分布位置，而根據(jù)本文的研究內(nèi)容，即收益率的分布位置，低分位點(diǎn)代表低收益率，高分位點(diǎn)代表高收益率。結(jié)合我國股市的特點(diǎn)，在行情較為低迷時期，股市收益率較低，在行情較為高漲時期，股市收益率較高，因此可以推測，在低分位點(diǎn)對應(yīng)股市的熊市，在高分位點(diǎn)對應(yīng)股市的牛市。

從表4可以看出，在0.01分位點(diǎn)至0.25分位點(diǎn)，回歸系數(shù)β的估計(jì)值呈增加趨勢，表明在低分位點(diǎn)時，傳媒行業(yè)風(fēng)險(xiǎn)溢價受大盤風(fēng)險(xiǎn)溢價的影響逐漸增大，可能是因?yàn)樵诜治粩?shù)較低的區(qū)間內(nèi)，股票市場的行情為熊市，在熊市中大盤表現(xiàn)低迷，而傳媒企業(yè)在熊市時對大盤的解讀和信息的傳播一般會給投資者造成消極影響，導(dǎo)致多數(shù)投資者參與積極性降低，以目前手中持有股票為基礎(chǔ)減少操作，甚至不進(jìn)行操作，持有股票也表現(xiàn)為跟隨大盤的波動而變動，因此大盤低迷行情影響了傳媒企業(yè)的表現(xiàn)，使得在這個分布區(qū)間內(nèi)傳媒行業(yè)風(fēng)險(xiǎn)溢價較低，故在此時傳媒板塊的風(fēng)險(xiǎn)溢價與大盤風(fēng)險(xiǎn)溢價相關(guān)性高，且受其影響較大。

在0.25分位點(diǎn)至0.5分位點(diǎn)，回歸系數(shù)β的估計(jì)值呈下降趨勢；在0.50分位點(diǎn)至0.70分位點(diǎn)，回歸系數(shù)β的估計(jì)值雖呈上升趨勢但幅度不大；在0.70分位點(diǎn)至0.90分位點(diǎn)，回歸系數(shù)β的估計(jì)值先降后升然后又降，但每次幅度都較小。從總體來看，在0.25分位點(diǎn)至0.90分位點(diǎn)，回歸系數(shù)β的估計(jì)值整體呈現(xiàn)下降趨勢，表明傳媒行業(yè)風(fēng)險(xiǎn)溢價受大盤風(fēng)險(xiǎn)溢價影響有所減緩，這種現(xiàn)象可能是由于大盤行情開始趨于穩(wěn)定，呈現(xiàn)出由熊市轉(zhuǎn)牛市的過渡行情，在此期間，傳媒企業(yè)在察覺到行情扭轉(zhuǎn)的趨勢后，會對市場的表現(xiàn)及時作出反應(yīng)，不再表現(xiàn)為跟隨大盤的波動而變化，因此，傳媒板塊風(fēng)險(xiǎn)溢價受大盤風(fēng)險(xiǎn)溢價的影響逐漸減小。

在0.90分位點(diǎn)至0.99分位點(diǎn)，回歸系數(shù)β的估計(jì)值呈現(xiàn)出先急劇上升后急速下降的趨勢。此時大盤的波動較為劇烈，再加上當(dāng)前傳媒板塊風(fēng)險(xiǎn)溢價處于高分位區(qū)間，板塊收益率較高，可以推測市場進(jìn)入大牛市階段。傳媒行業(yè)由于行業(yè)特點(diǎn)，對信息的獲取能力和解讀能力比其他企業(yè)稍強(qiáng)，當(dāng)市場進(jìn)入牛市預(yù)期時，最先反應(yīng)的是傳媒行業(yè)，而上市傳媒企業(yè)作為受益者之一，股票自然而然也受到投資者關(guān)注，因此，其股價的漲幅較大，波動幅度甚至?xí)^大盤波動幅度，此時表現(xiàn)為傳媒板塊風(fēng)險(xiǎn)溢價受大盤風(fēng)險(xiǎn)溢價的影響急速增大。但當(dāng)這種高位狀態(tài)保持一定時間后，由于漲幅過大，投資者會擔(dān)心大盤和個股的風(fēng)險(xiǎn)問題，而且我國股市在牛市期間，一直存在板塊輪動效應(yīng)，作為率先啟動的傳媒行業(yè)板塊在經(jīng)歷了一定幅度的增長之后，自然而然地讓位于其他漲幅較小的板塊補(bǔ)漲，此時表現(xiàn)為傳媒板塊風(fēng)險(xiǎn)溢價受大盤風(fēng)險(xiǎn)溢價的影響急劇下降。

四、結(jié)論與政策建議

(一)結(jié)論

本文利用分位數(shù)回歸模型實(shí)證檢驗(yàn)了傳媒行業(yè)股票指數(shù)風(fēng)險(xiǎn)溢價的非對稱性，結(jié)論如下：(1)在低分位點(diǎn)時，傳媒板塊指數(shù)風(fēng)險(xiǎn)溢價與大盤指數(shù)風(fēng)險(xiǎn)溢價有較強(qiáng)的相關(guān)性，表明此時受大盤熊市影響較為突出。(2)在中間分位點(diǎn)時，兩者的相關(guān)性有所降低，表明在該分位區(qū)間內(nèi)，大盤行情開始趨于穩(wěn)定，傳媒板塊指數(shù)風(fēng)險(xiǎn)溢價受大盤指數(shù)風(fēng)險(xiǎn)溢價影響逐漸減小。(3)在高分位點(diǎn)時，回歸系數(shù)的估計(jì)值表現(xiàn)出較為極端的走勢，劇烈地先升后降，表明傳媒板塊開始時受大盤行情影響很大，隨后這種影響急劇下降。隨著牛市的到來，大盤指數(shù)對傳媒板塊的影響先增后減，此時大盤處于一個比較高的位置，同時傳媒行業(yè)的風(fēng)險(xiǎn)溢價也達(dá)到最大。

(二)政策建議

1．完善股票市場信息渠道建設(shè)。股票市場風(fēng)險(xiǎn)溢價的非對稱性是信息非對稱性的一種體現(xiàn)，個人投資者獲取信息的渠道單一，導(dǎo)致信息傳播不及時、不準(zhǔn)確，從而對個人投資者的投資決策產(chǎn)生一定誤導(dǎo)，引發(fā)市場劇烈波動。為了避免較大的市場風(fēng)險(xiǎn)和波動幅度，引導(dǎo)投資者理性投資，監(jiān)管機(jī)構(gòu)應(yīng)加強(qiáng)股票市場信息渠道的建設(shè)，充分利用當(dāng)下大數(shù)據(jù)、云計(jì)算等新型互聯(lián)網(wǎng)信息技術(shù)，保障信息傳播的及時性和準(zhǔn)確性。

2．規(guī)范上市公司的信息披露制度。股票市場信息不對稱的另外一種表現(xiàn)在于上市公司的信息披露不充分，股票價格往往是投資者依據(jù)已獲得的股票信息并通過集合競價與連續(xù)競價形成。上市公司信息披露的充分性是促進(jìn)市場形成合理價格、維護(hù)廣大個人投資者利益的重要手段。我國監(jiān)管部門應(yīng)完善相關(guān)的法律法規(guī)，規(guī)范上市公司的信息披露，以保證信息的完整性。

3．加大對證券中介機(jī)構(gòu)的監(jiān)管。證券中介機(jī)構(gòu)作為專業(yè)化程度較高的服務(wù)機(jī)構(gòu)，能夠?yàn)閭€人投資者提供比較合理的投資建議，因此受到越來越多的個人投資者的青睞。相關(guān)監(jiān)管部門要加大對證券中介機(jī)構(gòu)的監(jiān)管，使其能更好地為中小投資者服務(wù)。

4．嚴(yán)厲處罰股票市場違法交易行為。“公開、公平、公正”是證券市場監(jiān)管的3個基本原則，股票價格操縱與內(nèi)幕交易等行為無疑違反了上述原則。這些行為使得股價不能反映股票的真實(shí)價值，不利于投資者進(jìn)行投資判斷，危害了投資者的利益，一定程度上擾亂了正常的市場交易秩序。監(jiān)管部門應(yīng)制定嚴(yán)格的法律法規(guī)，對上述行為進(jìn)行嚴(yán)厲處罰，保證我國股票市場的平穩(wěn)運(yùn)行。

[1]中國證券登記結(jié)算有限責(zé)任公司.中國股票賬戶統(tǒng)計(jì)表[EB/OL]. [2017-01-06]. http://data.eastmoney.com/cjsj/yzgptjnew.html.

[2]方麗婷,李坤明.上證行業(yè)指數(shù)收益率的影響因素——基于三因素模型的分位數(shù)回歸分析[J].金融理論與實(shí)踐,2012(10):8-9.

[3]郭沛.我國股票市場行業(yè)指數(shù)波動非對稱性與持續(xù)性的計(jì)量檢驗(yàn)[D].長春:吉林大學(xué),2011.

[4]SHARPE W F. Capital asset prices: a theory of market equilibrium under conditions of risk[J]. The Journal of Finance,1964,19(3):425-442.

[5]程兵,張曉軍.中國股票市場的風(fēng)險(xiǎn)溢價[J].中國科學(xué)院,2004(2):23-26.

[6]謝曙光.中國股市投資收益非對稱及其治理研究[D].上海:復(fù)旦大學(xué),2003.

[7]羅登躍,王春峰,房振明,等.基于時間序列的上海股市系統(tǒng)風(fēng)險(xiǎn)流動性風(fēng)險(xiǎn)溢價實(shí)證研究[J].系統(tǒng)工程,2005,23(7):49-54.

[8]李小為.我國股票市場波動非對稱性的實(shí)證研究[D].長沙:中南大學(xué),2006.

[9]鄧可斌,唐珺.股權(quán)規(guī)模、風(fēng)險(xiǎn)溢價與投資者理性——基于中國股市的經(jīng)驗(yàn)研究[J].當(dāng)代財(cái)經(jīng),2006(2):32-37.

[10]何興強(qiáng),李濤.不同市場態(tài)勢下股票市場的非對稱反應(yīng)——基于中國上證股市的實(shí)證分析[J].金融研究,2007(8):131-139.

[11]譚治國,蔡乙萍.分位數(shù)回歸在風(fēng)險(xiǎn)管理中的應(yīng)用[J].統(tǒng)計(jì)與決策,2006(17):23-24.

[12]佟孟華,余世奎,HAN S.股市系統(tǒng)流動性風(fēng)險(xiǎn)溢價動態(tài)實(shí)證研究[J].財(cái)經(jīng)問題研究,2010(1):58-63.

[13]王茵田,朱英姿.中國股票市場風(fēng)險(xiǎn)溢價研究[J].金融研究,2011(7):152-166.

[14]黃芬紅,王志強(qiáng).中國股市價值溢價與時變特質(zhì)風(fēng)險(xiǎn)：基于GJR-GARCH-M模型的分析[J].金融經(jīng)濟(jì)學(xué)研究,2015,30(2):40-50.

[15]KOENKER R, BASSETT G. Regression quantiles[J]. Econometrica,1978,46(1):33-50.

[16]陳建寶.分位數(shù)回歸技術(shù)綜述[J].統(tǒng)計(jì)與信息論壇,2008(3):89-96.

[17]趙佳妮.淺談CAPM模型中β的作用與局限性[J].學(xué)理論,2012(20):141-142.

(責(zé)任編輯： 何曉麗)

Asymmetry of stock market risk premium— Based on the quantile regression analysis of the media industry index

ZHAO Chen-hao, LI Kun-ming*, ZHENG Qi-shan, HUANG He-liang

(CollegeofEconomics,FujianAgricultureandForestryUniversity,Fuzhou,Fujian350002,China)

This article uses quantile regression model and takes the media industry as an example, explores whether the risk premium of the industry index in different markets is not symmetrical. The results show that when the risk premium is low in the media industry, it is affected by the broader market risk premium. When the risk premium is higher, its impact on the broader market risk premium has been reduced to some extent. But when the media industry risk premium is high, and its impact by the broader market risk premium shows a sharp increase in the trend after the decrease. Based on the above empirical results, this paper puts forward some suggestions on protecting the interests of investors and maintaining the market in order.

risk premium; asymmetry; quantile regression； media industry

2017-03-05

國家社會科學(xué)基金項(xiàng)目 (16BTJ018)；福建省中青年教師教育科研項(xiàng)目(JAS150251)。

趙宸浩(1992-)，男，碩士研究生。研究方向：金融計(jì)量與金融產(chǎn)品定價。*為通信作者。

F830.91

A

1671-6922(2017)04-0072-06

10.13322/j.cnki.fjsk.2017.04.012