湯懷林，李 平，曾 勇，廖靜池

1 電子科技大學 經(jīng)濟與管理學院，成都 611731 2 深圳證券交易所 綜合研究所，廣東 深圳 518038

引言

目前，中國滬深證券交易所均實行10%的漲跌幅限制，即當日的證券價格上漲或下跌不可超過前一交易日收盤價的10%。漲跌幅限制作為證券市場的價格穩(wěn)定機制之一，設置初衷是為了防止市場出現(xiàn)暴漲暴跌，達到“保持市場穩(wěn)定，保護投資者利益”的目的。然而，2015年股災期間，滬深兩市共計發(fā)生了16次“千股跌停”和4次“千股漲?！钡暮币姮F(xiàn)象，對漲跌幅限制制度的合理性提出了新的挑戰(zhàn)，引起市場參與者和學者們對漲跌幅限制的關注和思考。

漲跌幅限制的支持者認為漲跌停具有冷卻效應，通過暫停交易，緩解投資者情緒，促進市場信息傳播，讓投資者有時間重新解讀信息，合理評估股價并做出理性決策，從而能夠降低市場波動，提高市場效率[1]。但已有實證研究卻表明，漲跌幅限制存在波動性溢出、價格發(fā)現(xiàn)延遲、干擾交易和磁吸效應等負面效應[2-4]。其中，磁吸效應是指證券價格在接近漲跌停價格的過程中呈加速趨勢，具體表現(xiàn)為漲跌停觸發(fā)前價格變動加速、交易量和價格波動逐漸增大等特征。

與磁吸效應的研究類似，本研究考察2015年股災期間股票在漲跌停觸發(fā)前的交易活躍度、流動性、波動性和信息不對稱程度等市場微觀結構指標的變動特征，并通過嚴格挑選對照樣本分析這些特征變動是否存在異常以及與是否發(fā)生漲跌停之間的相關性。與已有大多基于市場正常情形下的研究不同，本研究對象是市場異常情形下即股災期間所發(fā)生的漲跌停事件。更為重要地，對于此輪股災較為一致的觀點是：杠桿交易催生了股災之前的“牛市”，也是監(jiān)管層的去杠桿行為引發(fā)了股災[5-7]。由于強制平倉機制的存在，股價下跌引發(fā)爆倉的風險會導致投資者短期內(nèi)對股票流動性需求的急劇增加，而一旦股價觸發(fā)跌停，股票的流動性將受到限制，甚至出現(xiàn)枯竭。此時，出于止損的目的，杠桿投資者在跌停前將會爭相交易。因此，本研究通過選取不同股票、不同時期和股災不同階段的漲跌停樣本對杠桿交易可能存在的影響進行分析，希望研究結果會提高人們對市場異常情形下漲跌停限制、杠桿交易的認識和理解，也為市場監(jiān)管者和股市投資者提供豐富的實證參考依據(jù)。

1 相關研究評述

漲跌幅限制實施以來，其有效性一直飽受爭議。支持者認為漲跌幅限制的兩個屬性能夠降低市場波動，提高市場效率。一是漲跌幅限制限定了交易日內(nèi)證券價格波動的上下限，二是通過漲跌停暫停交易，讓投資者有時間重新評估信息，做出理性決策，從而降低市場價格波動，即漲跌停具有冷卻效應。然而，由于現(xiàn)實中無法獲得完美的控制組樣本，評估漲跌幅限制實施的效果一直較為困難。KIM et al.[1]和劉煜輝等[8]利用中國股市實行漲跌幅限制前后的股票交易數(shù)據(jù)，對漲跌幅限制的有效性進行實證分析，結果發(fā)現(xiàn)漲跌幅限制降低了A股市場的波動性，但中國股市在漲跌幅限制實行前后存在較多變化，市場波動的降低是否真正源于實行漲跌幅限制仍然無法得到準確考證。

已有研究更多地表明漲跌幅限制存在波動性溢出、價格發(fā)現(xiàn)延遲和交易干擾等負面效應。KIM et al.[2]、HENKE et al.[9]、BILDIK et al.[10]和孫培源等[11]基于不同證券交易所的實證研究均驗證了漲跌幅限制存在這3個效應。但由于這些研究選取的控制組樣本(同一交易日價格發(fā)生大幅變動但未觸發(fā)漲跌停的樣本)與事件組樣本之間存在基本面或信息等因素的差異，因此很難準確判斷彼此之間的差異就是由漲跌幅限制引起的。近來，DEB et al.[12]利用東京證券交易所的股票交易數(shù)據(jù)，采用傾向得分匹配技術選取控制組樣本以降低樣本選擇偏差，結果發(fā)現(xiàn)只有漲停限制存在波動性溢出效應。

與此同時，相關學者利用中國A股和H股的交易數(shù)據(jù)對A股市場漲跌幅限制的實施效果進行考察。LI et al.[13]研究發(fā)現(xiàn)A股市場的漲跌幅限制存在波動性溢出效應，但沒有發(fā)現(xiàn)存在價格發(fā)現(xiàn)延遲效應；秦芳等[14]的研究表明A股市場的漲跌幅限制存在價格發(fā)現(xiàn)延遲效應，但不存在交易阻礙效應；張志恒等[15]基于極值理論對A股和H股的極端風險進行測度比較，發(fā)現(xiàn)漲跌幅限制對交易日的極端風險波動起顯著的控制作用；王朝陽等[16]的研究結果表明漲跌幅限制并沒有讓市場變得更加穩(wěn)定，反而是造成A股市場個股股價高波動率的重要原因。這與他們選取2014年至2016年的交易數(shù)據(jù)為研究對象有很大關系，這段時間中國A股正經(jīng)歷著有史以來最強的異常波動，而導致此輪A股異常波動的首要原因就是杠桿交易，但本研究認為漲跌幅限制在其中起到一定的催化作用。

漲跌幅限制的另一負面影響是存在明顯的磁吸效應，即在接近漲跌停價格的過程中，漲跌幅限制的存在使價格變動速度加快、價格波動和交易量增加，股價以加速度的形式觸發(fā)漲跌停。CHO et al.[3]利用臺灣證券交易所的交易數(shù)據(jù)，采用AR-GARCH模型，首次實證驗證了在股市存在磁吸效應，并且漲停的磁吸效應較強，跌停的較弱；DU et al.[4]利用韓國證券交易所交易數(shù)據(jù)，采用不同方法，同樣發(fā)現(xiàn)漲跌幅限制存在磁吸效應；WONG et al.[17]和HSIEH et al.[18]利用臺灣證券交易所的數(shù)據(jù)，研究發(fā)現(xiàn)磁吸效應多由個人投資者或知情交易者引起。

對于中國股市的漲跌幅限制，相關實證研究均發(fā)現(xiàn)存在磁吸效應，但漲幅限制和跌幅限制存在不對稱性，漲幅限制具有更明顯的磁吸效應?；跍泄善备哳l數(shù)據(jù)，WONG et al.[19]實證發(fā)現(xiàn)漲跌幅限制存在明顯的磁吸效應。方園等[20]從收益率、交易量和波動性3個方面驗證存在磁吸效應，并發(fā)現(xiàn)漲幅限制的磁吸效應要大于跌幅限制。焦瑞新等[21]通過改進GARCH族模型，也發(fā)現(xiàn)滬市漲幅限制存在磁吸效應，而跌幅限制的磁吸效應卻不甚明顯。同樣，張小濤等[22]通過建立Logit回歸模型的研究結果表明，滬市漲幅限制存在磁吸效應，且股票當日收益率達到8%之后磁吸效應明顯增強；跌幅限制不存在磁吸效應，而是存在冷卻效應。此外，基于滬深市場股票高頻數(shù)據(jù)，程娟等[23]運用二次函數(shù)模型，從收益率和交易量兩個層面，分析股票漲跌停前30分鐘磁吸效應的加速度、加速拐點和加速持續(xù)期3個特征，發(fā)現(xiàn)收益率和交易量漲跌停前的磁吸加速現(xiàn)象顯著存在，且上漲過程交易量磁吸加速度大于下跌過程；陳浩武等[24]提出一個檢驗漲跌幅限制磁吸效應存在性的計量模型，并利用滬深市場交易數(shù)據(jù)進行實證檢驗，發(fā)現(xiàn)在達到漲停過程中磁吸效應存在的證據(jù)，而在跌停過程中磁吸效應并不明顯，因此他們建議適當放寬漲停限制范圍，采用漲停限制和跌停限制不對稱的方法來提高該交易機制的市場作用。

與磁吸效應的研究類似，本研究關注股票在漲跌停觸發(fā)前的交易情況，著重考察股票交易活躍度、流動性、股價波動性和信息不對稱程度等市場微觀結構的變動特征。同時，與已有關于漲跌停的研究不同，本研究以2015年股災期間的漲跌停事件為研究對象。已有關于股災的分析表明，杠桿交易的無序濫用以及監(jiān)管層的去杠桿行為是導致此輪股災發(fā)生的首要原因[5-7]，相關實證研究也發(fā)現(xiàn)杠桿交易與股市異動存在顯著關系[25-26]，而投資者情緒在其中起到推波助瀾的作用[27]。杠桿交易通過提高市場流動性[28-30]，降低股票的流動性風險，正向影響公司價值和股票價格[31-33]。但隨著杠桿的積累，風險也在不斷增大，當市場出現(xiàn)負面沖擊，股價下跌便容易引發(fā)流動性螺旋效應[34-37]。而在股市異常情況下，股價的漲跌停使原本就稀缺的流動性更加惡化，甚至出現(xiàn)流動性枯竭，又由于股票間存在流動性共振現(xiàn)象[38-39]，最終導致股市的暴漲暴跌?？紤]到股災發(fā)生的原因以及漲跌幅限制在其中所起的作用，本研究認為研究股災期間的漲跌停具有重要價值，不僅能提高人們對漲跌幅限制的認識，還能通過考察漲跌停前市場微觀結構的變化特征分析市場異常情況下投資者的交易行為特點。

此外，萬諜等[40]基于深圳300價格指數(shù)中的220只股票的分筆交易數(shù)據(jù)，分析股票暴漲暴跌(股價相對昨日收盤價的漲跌幅超9%)前1天的股價和流動性狀況，探討大幅價格變動與之前交易過程的關系，結果表明暴漲暴跌前1天的收益和流動性與未發(fā)生暴漲暴跌時顯著不同，且異常變動的價格和流動性指標與次日股價的暴漲暴跌概率存在顯著的關聯(lián)性。雖然該研究與本研究相近，但本研究關注的是市場異常情況下股票在漲跌停前相關市場微觀結構的日內(nèi)變化特征，并且出于股災的發(fā)生原因，本研究還進一步考察杠桿交易在其中所起的作用。

2 研究樣本和變量定義

2.1 樣本概況

本研究選取2015年股災期間為研究樣本期，而杠桿交易被認為是此輪股市下跌的罪魁禍首，那么控制研究樣本的杠桿特征對實證結果的影響至關重要。由于所有杠桿交易中只能獲得融資融券(簡稱“兩融”)業(yè)務中融資交易的權威統(tǒng)計數(shù)據(jù)，同時考慮到僅有深市股票的高頻數(shù)據(jù)披露交易筆數(shù)信息，所以本研究以深市A股允許進行融資融券交易的股票為研究對象。此外，僅選取2015年6月15日至9月30日股災期間共計75個交易日中處于正常交易狀態(tài)且交易天數(shù)不少于20天的股票為最終的樣本。經(jīng)過篩選，共獲得樣本股票351只，其中主板153只，中小板147只，創(chuàng)業(yè)板51只。

本研究所用的股票高頻交易數(shù)據(jù)來源于國泰安高頻交易數(shù)據(jù)庫，該數(shù)據(jù)庫的字段包括股票代碼、交易日期、交易時間、昨日收盤價、最新成交價、分筆成交量、成交筆數(shù)、買賣標識、買賣價差等信息，其中買賣標識給出了每條交易記錄的買賣方向。為了選取發(fā)生漲跌停事件的樣本，針對日內(nèi)每條交易記錄進行如下判斷，即

(1)

(2)

其中，Cpi,j為i股票日內(nèi)第j條交易記錄的成交價，Ticksize為最小報價單位(0.010元)，Lastclosei為前一交易日收盤價，0.100為股價漲跌停閾值。如果(1)式成立，表示該條交易記錄以漲停價格成交；如果(2)式成立，表示該條交易記錄以跌停價格成交。

樣本股票在股災期間的交易日內(nèi)若觸發(fā)漲跌停板，則計為漲跌停事件發(fā)生。本研究按板塊、首次觸發(fā)漲跌停板的時間和首次觸發(fā)后的交易情況對事件樣本進行統(tǒng)計，結果見表1。從日內(nèi)時間分布看，首次漲跌停較多發(fā)生在早市開盤前后時段和收盤前時段；從板塊分布看，主板、中小板和創(chuàng)業(yè)板樣本股票分別發(fā)生926次、988次和405次漲停事件，以及2 050次、2 024次和759次跌停事件。基于股票樣本中各個板塊的股票只數(shù)，主板股票在股災期間平均發(fā)生6.052次漲停板事件和13.399次跌停板事件，中小板股票平均發(fā)生6.721次漲停事件和13.769次跌停事件，創(chuàng)業(yè)板股票平均發(fā)生7.941次漲停事件和14.882次跌停事件?？梢姡瑒?chuàng)業(yè)板股票相對其他兩個板塊更易發(fā)生漲跌停。

與此同時，本研究根據(jù)首次觸發(fā)漲跌停后的交易情況，將事件樣本分為3類。一次觸發(fā)，即整個交易日只有一條交易記錄以漲(跌)停價格成交；多次觸發(fā)，即日內(nèi)首次觸發(fā)漲(跌)停后，又有多條交易記錄(并非全部交易記錄)以漲(跌)停價格成交；一直觸發(fā)，即日內(nèi)首次觸發(fā)漲(跌)停后的所有交易記錄均以漲(跌)停價成交。由表1可知，無論是漲停還是跌停，多次觸發(fā)樣本的占比最大，分別為78.525%和94.579%；一直觸發(fā)樣本的占比次之，分別為20.181%和4.138%；一次觸發(fā)樣本的占比分別為1.294%和1.283%。一直觸發(fā)漲停樣本的占比比一直觸發(fā)跌停樣本的占比多出約16個百分點，而多次觸發(fā)漲停樣本的占比比多次觸發(fā)跌停樣本的占比少約16個百分點，說明漲停情形下更易發(fā)生價格封盤現(xiàn)象，跌停情形下交易者存在更多的掙扎。

特別地，本研究還測算了每個發(fā)生漲跌停的股票在前一交易日收盤時的融資余額占比(融資余額與流通市值的比值)，并針對日內(nèi)每個時段內(nèi)的漲停事件樣本和跌停事件樣本的融資余額占比情況進行簡單描述統(tǒng)計?？梢园l(fā)現(xiàn)，跌停事件的融資余額占比普遍較漲停事件高，且跌停事件的融資余額占比在日內(nèi)呈現(xiàn)一定的遞減趨勢，說明杠桿交易對股票在日內(nèi)發(fā)生跌停具有一定的影響。

2.2 樣本選取

由表1可知，在漲停或跌停的3種類型中，一次觸發(fā)事件的數(shù)量遠低于其他兩類，分別為30次和62次，且一次觸發(fā)具有一定的偶然性，可能無法得到可靠的統(tǒng)計結果。相對于一次觸發(fā)事件，一直觸發(fā)事件雖發(fā)生次數(shù)較多，但大多發(fā)生在開盤前時段。一直漲停事件和一直跌停事件發(fā)生在開盤前的次數(shù)分別為254次和104次，在同類型事件中的占比分別為54.274%和52%。而且，一直觸發(fā)事件通常具有很強的信息導向性，多發(fā)生在重大事件發(fā)生或重要信息公布之后，如股票復牌、公司重大事項、市場宏觀消息的發(fā)布等，對交易者而言，此類信息的不對稱程度較小。所以，本研究僅以多次觸發(fā)事件為研究樣本。

鑒于本研究的主要目的是分析股票價格日內(nèi)首次觸發(fā)漲跌停板之前相關市場微觀結構指標的變化特征，參考已有相關研究[4,19-20]，選擇股價首次漲跌停前的30分鐘為事件窗口，即以首次漲跌停發(fā)生在10:00以后的事件樣本為研究對象。同時，為了避免中午休市對實證結果的影響，剔除首次觸發(fā)發(fā)生在13:00-13:30之間的事件樣本。經(jīng)過初步篩選，共獲得4 074個事件樣本，其中漲停樣本1 136個，跌停樣本2 938個。

進一步，為了控制杠桿交易和股票規(guī)模對本研究實證結果的影響，針對每一個事件樣本，計算同一交易日內(nèi)所有沒有觸發(fā)漲跌停板的股票在前一交易日的融資余額占比和流通市值，并在其中選取與事件樣本股票融資余額占比和流通市值相差都在±10%以內(nèi)的股票日內(nèi)同時段的交易情況作為對照 樣本。如果某一事件樣本找不到對照樣本，則剔除該事件樣本；如果某一事件樣本有多個對照樣本，則選取匹配程度最高(融資余額占比差異最小)的樣本。此外，為了獲得較穩(wěn)健的結果，剔除事件樣本或其對照樣本事件窗口內(nèi)交易記錄少于30條的樣本。經(jīng)過匹配和篩選，共獲得1 947個事件樣本和1 947個對照樣本，其中漲停事件653個，跌停事件1 294個。

表1 事件樣本概況Table 1 Overview on Event Samples

注：表中數(shù)據(jù)不含一個交易日內(nèi)既觸發(fā)漲停又觸發(fā)跌停的樣本；每個交易日最后的集合競價階段(14:57-15:00)數(shù)據(jù)不在統(tǒng)計范圍內(nèi)。

2.3 變量定義

本研究考察股價漲跌停前股票的交易活躍度、流動性、波動性和信息不對稱程度的變動情況，為此，構建5個市場微觀結構指標，即測量交易活躍度的交易筆數(shù)(Trde)和每筆成交量(Vptrd)、測量流動性的相對買賣價差(Rsprd)、測量波動性的已實現(xiàn)波動率(Rv)以及測量信息不對稱程度的知情交易概率(PIN)[41-42]。以5分鐘為間隔，將每個事件樣本和對照樣本的事件窗口(30分鐘)分為6個時段，計算每個時段內(nèi)微觀結構指標值。相對買賣價差、已實現(xiàn)波動率和知情交易概率的計算方法為

(3)

(4)

(5)

其中，Rsprdi,t為i股票日內(nèi)第t個時段內(nèi)的相對買賣價差；Nt為第t個時段內(nèi)交易記錄的總數(shù)；Rsprdi,t,j為i股票日內(nèi)第t個時段內(nèi)第j條交易記錄的相對買賣價差，即最優(yōu)買賣價差與最優(yōu)買賣價差中點的比值；Rvi,t為i股票日內(nèi)第t個時段內(nèi)的已實現(xiàn)波動率；ri,t,j為i股票日內(nèi)第t個時段內(nèi)第j條交易記錄相對前一條交易記錄的、以最優(yōu)買賣價差中點計算的對數(shù)收益率；PINi,t為i股票日內(nèi)第t個時段內(nèi)的知情交易概率；α為信息事件發(fā)生的概率；μ為知情交易者到達市場的概率；ε為不知情交易者到達市場的概率；Si,t為i股票日內(nèi)第t個時段內(nèi)賣方發(fā)起的交易筆數(shù)；Bi,t為i股票日內(nèi)第t個時段內(nèi)買方發(fā)起的交易筆數(shù)。由于相對買賣價差和已實現(xiàn)波動性的計算數(shù)值較小，為了統(tǒng)計方便，本研究分別將(3)式和(4)式乘以1 000。

3 實證設計和結果分析

3.1 微觀結構特征分析

為了分析漲跌停觸發(fā)前股票市場微觀結構的變動特征以及是否存在異常變動，針對觸發(fā)前的每個5分鐘，對于每個微觀結構指標，本研究提取所有事件樣本的指標值構成事件組截面序列，同時提取所有對照樣本相應5分鐘時段的微觀結構指標值構成對照組截面序列，然后分別統(tǒng)計其均值和中位數(shù)，并進行均值t檢驗和中位數(shù)Wilcoxon符號秩檢驗。表2和表3分別給出漲停事件和跌停事件的檢驗結果。

統(tǒng)計結果顯示，漲跌停前的交易筆數(shù)呈明顯的遞增趨勢，相對買賣價差呈遞減趨勢，而知情交易概率則在最后時段大幅提升。對比漲停和跌停可以發(fā)現(xiàn)，漲停前各時段的交易筆數(shù)明顯大于跌停前，已實現(xiàn)波動率在漲停前最后時段明顯大幅提升，但在跌停前未發(fā)現(xiàn)明顯變動趨勢。這些結果在一定程度上說明漲跌停存在明顯的磁吸效應，且漲停板的磁吸效應要大于跌停板，這與已有研究的結論[19-21]一致。

與對照組相比，事件組漲跌停前各時段的交易筆數(shù)和已實現(xiàn)波動率顯著增加。其中，交易筆數(shù)的數(shù)量差異呈明顯上升趨勢，且漲停前的數(shù)量差異明顯大于跌停前；已實現(xiàn)波動率差異在漲停前逐漸擴大，而在跌停前逐漸減小。從每筆交易量看，漲停前各時段的數(shù)量要顯著小于對照組，但在跌停前無顯著差異。此外，知情交易概率在漲跌停前的5分鐘內(nèi)較對照組都有顯著提升，且在漲停前提升幅度更大。對比結果表明，在相同的市場環(huán)境下，股票在漲停前擁有更高的交易活躍度、更劇烈的價格波動，說明市場中投資者追漲行為較盛。同時，與漲停前價格波動的變動特征相比，跌停前的變動特征說明投資者的交易在跌停前具有一定的被動性。這可能是由于股災期間信用賬戶因股價持續(xù)下跌而觸發(fā)平倉線，在無法及時追加保證金的情況下股票將被強制賣出，而在市場整體下跌的行情下，更多的只能選擇被動接受市場價格。

3.2 Logit回歸分析

通過與對照組比較，可以發(fā)現(xiàn)股票的相關市場微觀結構指標在漲跌停前存在明顯的異常變動，為進一步考察這些特征與是否發(fā)生漲跌停的相關關系，本研究以是否發(fā)生漲跌停為被解釋變量，1為發(fā)生漲跌停，0為未發(fā)生漲跌停；并借鑒萬諜等[40]的研究方法，將每個事件樣本和對照樣本5分鐘微觀結構指標值的均值作為解釋變量，建立Logit模型進行回歸分析，即

β4Rvi+β5PINi+ξi

(6)

其中，Pi為漲停或跌停發(fā)生的概率，Trdei為6個5分鐘交易筆數(shù)的平均值，Vptrdi為6個5分鐘每筆交易量的平均值，Rsprdi為6個5分鐘相對買賣價差的平均值，Rvi為6個5分鐘已實現(xiàn)波動率的平均值，PINi為6個5分鐘知情交易概率的平均值，β0為常數(shù)項，β1～β5分別為相應變量對漲停或跌停發(fā)生概率的影響，ξi為殘差項。

表4給出事件組和對照組樣本回歸變量的描述性統(tǒng)計以及均值和中位數(shù)的差異性檢驗結果。由表4可知，漲跌停前的交易筆數(shù)和已實現(xiàn)波動率顯著高于對照組，而其他變量在漲停和跌停前呈現(xiàn)不同的特征。每筆交易量在漲停前顯著低于對照組，在跌停前無顯著差異；相對買賣價差在漲停前顯著低于對照組，在跌停前顯著高于對照組；知情交易概率在漲停前顯著高于對照組，在跌停前顯著低于對照組?；诖耍狙芯款A期交易筆數(shù)、已實現(xiàn)波動率將對漲跌停的發(fā)生存在正向影響。

表2 漲停前的市場微觀結構特征Table 2 Characteristics of Market Microstructures before Upper Hit

注：**為在5%的顯著性水平上顯著，***為在1%的顯著性水平上顯著，下同。

表3 跌停前的市場微觀結構特征Table 3 Characteristics of Market Microstructures before Lower Hit

注：*為在10%的顯著性水平上顯著，下同。

表4 變量描述性統(tǒng)計結果Table 4 Results for Variables Descriptive Statistics

表5給出漲停樣本和跌停樣本的Logit回歸分析結果。由表5可知，交易筆數(shù)、已實現(xiàn)波動率和知情交易概率對漲跌停的發(fā)生存在正向影響，且均在1%的顯著性水平上顯著。每筆交易量和相對買賣價差則對漲跌停的發(fā)生有負向影響，其中相對買賣價差在1%的顯著性水平上顯著。交易筆數(shù)、已實現(xiàn)波動率和知情交易概率對漲停發(fā)生的平均邊際影響分別為0.437、0.486和0.314，對跌停發(fā)生的平均邊際影響分別為0.197、0.189和0.072?？傮w來說，漲跌停之前的交易筆數(shù)和股價的波動性對漲跌停的發(fā)生具有較大且非常顯著的正向影響，且對漲停的平均邊際影響要大于對跌停的影響。

上述分析表明，在市場處于急劇下跌的非正常情況下，漲跌停之前市場上存在嚴重的信息不對稱，并且伴隨著較高的價格波動，預示著價格在短時間內(nèi)發(fā)生劇烈變化。為了減少交易的價格沖擊成本，知情交易者通常會選擇將大額訂單拆分成多筆小額訂單擇機成交，從而導致漲跌停之前交易筆數(shù)顯著增加和每筆交易量減少。此外，變量對漲停和跌停的平均邊際影響以及模型的擬合優(yōu)度系數(shù)的差異性說明，在市場暴跌的過程中，跌停的發(fā)生更可能受到杠桿等其他因素的影響。由于受到杠桿的限制，交易者的交易活動存在一定的被動性，從而導致市場微觀結構指標對發(fā)生跌停影響較小。

3.3 穩(wěn)健性檢驗

(1)不同觸發(fā)時間子樣本檢驗

表1中的統(tǒng)計數(shù)據(jù)表明，漲跌停事件較多發(fā)生在每天收盤前的一段時間，一些研究也表明股票交易存在一定的日內(nèi)模式，交易數(shù)量在收盤前顯著提高。為了檢驗本研究的實證結果是否受漲跌停時間的影響，將事件樣本按照觸發(fā)時間分為兩個子樣本，發(fā)生在10:00-11:30和13:30-14:30之間的事件樣本，其中漲停樣本347個，跌停樣本847個；發(fā)生在14:30-14:57之間的事件樣本，其中漲停樣本306個，跌停樣本447個。并對兩個子樣本分別進行統(tǒng)計分析。

表5 Logit回歸分析結果Table 5 Results for Logit Regression Analysis

注：對解釋變量進行均值-標準差標準化，R2為Logit回歸模型的麥克法登擬合優(yōu)度(McFadden-R2)，下同。

表6給出不同觸發(fā)時間樣本回歸變量的描述性統(tǒng)計結果，結果表明漲跌停前的交易筆數(shù)和已實現(xiàn)波動率顯著高于對照組，漲停前的知情交易概率顯著高于對照組。表7給出不同觸發(fā)時間漲停樣本和跌停樣本的Logit回歸分析結果，可以看出，交易筆數(shù)和已實現(xiàn)波動率對發(fā)生漲跌停存在顯著正向影響，但可以發(fā)現(xiàn)它們對在14:30-14:57之間漲跌停的平均邊際影響有所減弱。在14:30-14:57，漲停和跌停的交易筆數(shù)的平均邊際影響為0.285和0.087，在其他時段則分別為0.584和0.351；漲停和跌停的已實現(xiàn)波動率在14:30-14:57的平均邊際影響為0.227和0.138，在其他時段則分別為0.817和0.201。同時，回歸結果表明，知情交易概率對不同時段的漲停存在顯著的正向影響，而對最后半小時內(nèi)的跌停不存在顯著影響。上述結果說明投資者的交易活動受到日內(nèi)交易時間的影響，在收盤前的半小時已經(jīng)形成的股票價格越來越成為投資者的共識，從而導致相應的微觀結構指標對漲跌停的影響降低。

(2)匹配相同板塊股票的對照樣本

在為每個事件樣本匹配對照樣本時，本研究并沒有區(qū)分對照樣本股票的板塊屬性，也就是說主板股票可能匹配的是中小板或者創(chuàng)業(yè)板股票，而不同板塊的股票在股市異常環(huán)境中的變動存在明顯的差異，例如，平均而言創(chuàng)業(yè)板股票會較頻繁地觸發(fā)漲跌停、股價波動較大等。為了控制不同板塊股票對本研究實證結果的影響，本研究選取事件股票與對照股票同屬一個板塊的樣本進行穩(wěn)健性檢驗。經(jīng)過篩選，共獲得漲停板事件樣本251個，跌停板事件樣本490個。

表8給出板塊篩選所得樣本的解釋變量的描述性統(tǒng)計結果，結果表明事件樣本的交易筆數(shù)和已實現(xiàn)波動率在漲跌停之前依然顯著高于對照組。表9給出相同板塊股票樣本的Logit回歸分析結果，結果同樣表明交易筆數(shù)、已實現(xiàn)波動率和知情交易概率對漲跌停板的發(fā)生仍然存在正向影響，且在至少5%的顯著性水平上顯著。交易筆數(shù)、已實現(xiàn)波動率和知情交易概率對漲停的平均邊際影響為0.471、0.417和0.325，對跌停的平均邊際影響為0.168、0.254和0.061。說明本研究結果具有很好的穩(wěn)健性。

表6 不同觸發(fā)時間樣本回歸變量描述性統(tǒng)計結果Table 6 Regression Variables Descriptive Statistics Results for Samples of Different Hit Times

表7 不同觸發(fā)時間樣本Logit回歸分析結果Table 7 Logit Regression Analysis Results for Samples of Different Hit Times

表8 相同板塊股票樣本回歸變量描述性統(tǒng)計結果Table 8 Regression Variables Descriptive Statistics Results for Samples of the Same Board Stock

表9 相同板塊股票樣本Logit回歸分析結果Table 9 Logit Regression Analysis Resultsfor Samples of the Same Board Stock

(3)選取事件股票正常交易時段為對照樣本

如前文所述，本研究主要以股票前一交易日的融資余額占比和市值規(guī)模為標準，為每個事件樣本匹配對照樣本。盡管這樣能控制股票的杠桿和規(guī)模因素對實證結果的影響，但股票間基本面因素(如行業(yè)因素)的差異仍可能會對實證結果產(chǎn)生影響。因此，為了規(guī)避股票基本面因素的影響，本研究選取事件股票股災期間正常交易日的交易情形為對照樣本進行穩(wěn)健性檢驗。

具體而言，針對最初獲得的4 074個事件樣本中的每一個樣本，選取事件股票在漲跌停發(fā)生日之前的最后一個正常交易日，即無漲跌停發(fā)生的交易日日內(nèi)同一時段(30分鐘)的交易情形為對照樣本。與此同時，要求事件樣本的流通市值和融資余額占比相對正常交易日的流通市值和融資余額占比的變動都在±10%以內(nèi)(這里的流通市值和融資余額占比均指前一交易日收盤時的數(shù)值，后文也如此)。同樣，本研究剔除事件樣本或其對照樣本事件窗口內(nèi)交易記錄少于30條的樣本。經(jīng)過篩選，共獲得2 459個事件樣本和2 459個對照樣本，其中漲停樣本和跌停樣本分別為577個和1 882個。

表10和表11給出樣本回歸變量的描述性統(tǒng)計結果和Logit模型的回歸結果。與前文結果一樣，事件樣本的交易筆數(shù)和知情交易概率顯著高于對照組，即在觸發(fā)漲跌停之前股票的交易筆數(shù)增加，市場中的信息不對稱程度上升。回歸結果表明，交易筆數(shù)、已實現(xiàn)波動率和知情交易概率對漲跌停的發(fā)生具有顯著的正向影響，交易筆數(shù)對漲停和跌停的平均邊 際影響為0.463和0.150，已實現(xiàn)波動率對漲停和跌停的平均邊際影響為0.246和0.501，知情交易概率對漲停和跌停的平均邊際影響為0.560和0.242。此外，本研究還以2分鐘為間隔將事件窗口劃分為15個時段，進行對比和回歸分析，實證結果與5分鐘結果一致。篇幅有限，本研究并未展示具體結果。

表10 同只股票樣本回歸變量描述性統(tǒng)計結果Table 10 Regression Variables Descriptive Statistics Results for Samples of the Same Stock

表11 同只股票樣本Logit回歸分析結果Table 11 Logit Regression Analysis Resultsfor Samples of the Same Stock

綜上所述，本研究發(fā)現(xiàn)漲跌停前的交易筆數(shù)和股價波動顯著提高，且對漲跌停的發(fā)生存在顯著的正向影響。同時，信息不對稱程度在漲跌停前的最后時段顯著提高，對漲跌停的發(fā)生也存在正向影響。然而，本研究發(fā)現(xiàn)市場微觀結構變動在漲停前和跌停前存在差異性，漲停前市場交易表現(xiàn)出更高的活躍度，且市場微觀結構與漲停之間的相關關系比跌停大。這些結果很好地反映了股價不同走勢時投資者的行為差異，同時也側(cè)面體現(xiàn)了股災期間跌停的特殊性，跌停的發(fā)生可能更多地受到杠桿等其他因素的影響。

4 進一步分析

基于股災的發(fā)生背景，本研究的重點是嚴格控制股票的融資杠桿對實證結果的影響，為此本研究著重選取“兩融”股票作為研究樣本，以融資余額占比作為融資杠桿的代理變量，并依此為事件樣本匹配對照樣本。雖然這最大限度地排除了融資杠桿對實證結果的影響，但融資杠桿本身對股票在漲跌停前的市場微觀結構的影響卻未能得到有效說明。為了了解股災期間杠桿交易對漲跌停前的股票交易是否存在影響，本研究選取股災期間非“兩融”股票的漲跌停事件、樣本股票在股市正常波動時期的漲跌停事件，以及股災期間不同階段的跌停事件為研究樣本，進行對比分析。

4.1 “兩融”與非“兩融”股票樣本

與“兩融”股票一樣，本研究選取股災期間非“兩融”股票多次觸發(fā)類型的漲跌停事件為事件樣本，并以事件發(fā)生前最后一個正常交易日日內(nèi)同時段的交易情形作為對照樣本。為了具有可比性，本研究要求事件樣本的流通市值與對照樣本相差在±10%以內(nèi)，并要求事件樣本及其對照樣本事件窗口內(nèi)的交易記錄數(shù)多于30條。經(jīng)過匹配和篩選，獲得8 779個事件樣本和8 779個對照樣本，其中漲停樣本2 470個，跌停樣本6 309個。限于篇幅，未展示非“兩融”股票樣本回歸變量的描述性統(tǒng)計結果，Logit回歸結果見表12，結果表明，與“兩融”股票一樣，事件組樣本的交易筆數(shù)、已實現(xiàn)波動率和知情交易概率在漲跌停前顯著增加，對漲跌停的發(fā)生具有顯著的正向影響。

表12 非“兩融”股票樣本Logit回歸分析結果Table 12 Logit Regression Analysis Results forSamples of Stocks Margin Trading Not Allowed

為了體現(xiàn)杠桿的作用，本研究利用穩(wěn)健性檢驗(3)中的“兩融”股票樣本與非“兩融”股票樣本進行對比分析。首先，計算“兩融”股票每個事件樣本各 個變量(即6個5分鐘指標值的均值)與其對照樣本的差值；其次，對非“兩融”股票事件樣本進行同樣處理；最后，對獲得的兩個差值序列進行對比分析，結果見表13。其實，在股災過程中，只有股價的下跌才會引發(fā)杠桿的作用，即當信用賬戶因股價下跌而觸發(fā)平倉線，股票被強制賣出，股價繼續(xù)下跌，從而觸發(fā)跌停。所以，本研究主要關注跌停前相關變量的變化。由表13可以看出，“兩融”股票跌停前交易筆數(shù)、每筆交易量和已實現(xiàn)波動率的增加量顯著大于非“兩融”股票，而相對買賣價差和知情交易概率的增值則小于非“兩融”股票。

表13 不同類型股票事件樣本對比分析結果Table 13 Comparison of Analysis Results for Event Samples of Different Types of Stocks

4.2 股災期間與正常時期

本研究以股災期間的漲跌停事件為研究對象，但當市場處于振蕩波動的正常時期，股價也會發(fā)生漲跌停。更重要地，股市在2015年異動之前的正常時期杠桿交易相對較少，股價受杠桿的影響較弱，也不會因為股價的較大波動而存在被強制平倉的威脅，因此，漲跌停前股票的相關特征可能不同于股災期間。本研究選取樣本股票在2013年7月至8月發(fā)生的漲跌停事件為研究樣本，以此驗證本研究的猜想，也能從側(cè)面反映杠桿交易可能存在的影響。樣本的匹配和篩選方法與非“兩融”樣本相同。經(jīng)過匹配和篩選，獲得686個事件樣本和686個對照樣本，其中漲停樣本563個，跌停樣本123個。限于篇幅，正常時期回歸變量的描述性統(tǒng)計結果未展示，Logit回歸結果見表14，結果表明事件樣本的交易筆數(shù)、已實現(xiàn)波動率和知情交易概率依然顯著高于對照組，并對漲跌停的發(fā)生存在顯著的正向影響。

與“兩融”、非“兩融”股票樣本一樣，本研究對股災期間(穩(wěn)健性檢驗(3)中的樣本)和正常時期變量的差值進行對比分析，結果見表15。結果表明，股災期間漲停前的市場微觀結構變量的變動與正常時期存在顯著差異，而跌停前的變動與正常時期比較無顯著差異。

表14 正常時期樣本Logit回歸分析結果Table 14 Logit Regression Analysis Resultsfor Samples of Normal Times

表15 不同時期事件樣本對比分析結果Table 15 Comparison of Analysis Results for Event Samples of Different Times

表16 不同階段跌停樣本融資余額和市值的描述性統(tǒng)計結果Table 16 Descriptive Statistics Results for Financial Balanceand Market Value for Lower Hit Samples of Different Stages

4.3 股災期間不同階段對比分析

股災過程中，隨著杠桿投資者或主動或被動賣出股票，加在股票上的杠桿資金不斷減少，杠桿對股價的影響也在逐漸降低。為了進一步了解杠桿的多少是否對跌停前股票的市場微觀結構存在影響，本研究將股災期間劃分為3個階段，階段1為2015年6月15日至7月8日，階段2為2015年7月9日至8月17日，階段3為2015年8月18日至9月15日，并對不同階段跌停前的市場微觀結構特征進行對比分析。以穩(wěn)健性檢驗(3)中匹配得到的1 882個跌停樣本為總樣本，經(jīng)過劃分，3個階段的跌停樣本分別為682個、413個、770個。

不同階段跌停樣本融資余額和市值規(guī)模的描述性統(tǒng)計結果見表16，結果表明，股災不同階段事件樣本的融資余額占比平均分別為0.091、0.074和0.076，與階段1相比，階段2和階段3分別下降了1.7和1.5個百分點，且在1%的顯著性水平上顯著，而階段2與階段3不存在顯著差異。這說明去杠桿對股市下跌的影響主要集中在階段1，8月份股市的下跌基本不受杠桿交易影響。清華大學國家金融研究院課題組[5]的報告也認為，8月份股市的下跌主要與人民幣貶值和全球資本市場大幅下挫等因素有關，與中國資本市場本身問題相關度不高。

雖然不同階段市場中杠桿資金不同，但回歸變量的描述性結果(限于篇幅未展示)和Logit回歸結果卻顯示，不同階段事件組樣本的交易筆數(shù)、已實現(xiàn)波動率和知情交易概率顯著高于對照組，且對跌停的發(fā)生存在顯著的正向影響，Logit回歸結果見表17。然而，本研究發(fā)現(xiàn)，不同階段事件組樣本的交易筆數(shù)、已實現(xiàn)波動率和知情交易概率對跌停發(fā)生的平均邊際影響存在差異，階段1分別為0.092、0.343、0.186，階段2分別為0.212、0.566、0.216，階段3分別為0.146、0.662、0.324。階段1交易筆數(shù)、已實現(xiàn)波動率和知情交易概率對發(fā)生跌停的影響明顯低于階段2和階段3。同時，回歸模型各個階段的擬合優(yōu)度系數(shù)再次表明，受杠桿交易的影響，市場微觀結構對發(fā)生跌停的影響力明顯降低，這也從側(cè)面反映了杠桿交易對股價跌停前的相關市場變動產(chǎn)生了影響。

5 結論

2015年6月至9月中國股市經(jīng)歷了急速下跌，期間更是多次出現(xiàn)“千股漲?！被颉扒Ч傻！爆F(xiàn)象。本研究選取股災期間深市A股允許融資融券股票發(fā)生的漲跌停為事件樣本，并按照事件股票的融資余額占比和市值規(guī)模嚴格匹配對照樣本，實證分析漲跌停之前股票的交易活躍度、流動性、波動性和信息不對稱程度等市場微觀結構的變化特征，并采用Logit模型回歸分析這些微觀結構特征與是否發(fā)生漲跌停之間的關系。研究結果表明，交易筆數(shù)、已實現(xiàn)波動率和知情交易概率在漲跌停之前顯著提升，對漲跌停的發(fā)生具有較強且顯著的正向影響。然而，市場微觀結構特征對漲停和跌停的影響存在不對稱性，對漲停的影響力度要大于對跌停的影響。進一步，選取股災期間非融資融券股票、股市正常時期以及股災不同階段的漲跌停為事件樣本，同樣發(fā)現(xiàn)交易筆數(shù)、股價波動和信息不對稱程度在觸發(fā)前的顯著提升以及對漲跌停的發(fā)生具有顯著正向影響。除此之外，股災不同階段的對比分析結果表明，杠桿交易削弱了微觀結構特征對跌停產(chǎn)生的影響。

本研究的創(chuàng)新和貢獻在于：①選取2015年股災期間的漲跌停事件作為研究樣本，而非正常交易情況下的漲跌停事件，這為市場特殊情況下的漲跌幅限制的表現(xiàn)提供了新的認識。②以日內(nèi)首次觸發(fā)漲跌停板前的30分鐘作為考察時期，比萬諜等[40]選取前一交易日進行分析更具時效性，避免了隔夜信息的 干擾。③本研究結果表明交易筆數(shù)在市場異常時將成為更好的信號傳遞指標，這對市場參與者來說具有較強的現(xiàn)實意義，監(jiān)管者可以更多關注股票交易賬戶的日內(nèi)交易頻率，重點監(jiān)測存在多次小額交易行為的交易賬戶；投資者在選擇交易時機時也應將交易筆數(shù)納入?yún)⒖贾笜耍垣@得更好的交易優(yōu)勢。

表17 不同階段跌停樣本Logit回歸分析結果Table 17 Logit Regression Analysis Results for Lower Hit Samples of Different Stages

本研究在為漲跌停樣本匹配對照樣本時，僅依照股票的融資余額占比和流通市值兩個維度進行，實證結果可能存在一定的樣本選擇性問題。同時，本研究考察的市場微觀結構指標可能并未反映市場的全部情況，如投資者情緒在市場異常情況下將起到重要作用[27]，但本研究并未將其包含在考察范圍內(nèi)。進一步的研究可選取更多股票作為研究樣本，構建更有意義、更符合市場的微觀結構指標，并設計更有效的研究方法對相關問題(特別是杠桿交易)的影響進行深入探討。

[1]KIM K A,LIU H,YANG J J.Reconsidering price limit effectiveness.TheJournalofFinancialResearch,2013,36(4):493-518.

[2]KIM K A,RHEE S G.Price limit performance:evidence from the Tokyo stock exchange.TheJournalofFinance,1997,52(2):885-901.

[3]CHO D D,RUSSELL J,TIAO G C,et al.The magnet effect of price limits:evidence from high-frequency data on Taiwan stock exchange.JournalofEmpiricalFinance,2003,10(1/2):133-168.

[4]DU D Y,LIU Q,RHEE S G.An analysis of the magnet effect under price limits.InternationalReviewofFinance,2009,9(1/2):83-110.

[5]吳曉靈,李劍閣,王忠民,等.完善制度設計,提升市場信心,建設長期健康穩(wěn)定發(fā)展的資本市場.清華金融評論,2015(12):14-23.

WU Xiaoling,LI Jiange,WANG Zhongmin,et al.Improving system design,enhancing market confidence,and building a long-term,healthy and stable capital market.TsinghuaFinancialReview,2015(12):14-23.(in Chinese)

[6]赫鳳杰.A股市場杠桿交易與監(jiān)管.財經(jīng)科學,2015(11):12-22.

HE Fengjie.Leverage trading and supervision of A-share market.Finance&Economics,2015(11):12-22.(in Chinese)

[7]劉燕,夏戴樂.股災中杠桿機制的法律分析:系統(tǒng)性風險的視角.證券法律評論,2016:107-131.

LIU Yan,XIA Daile.Legal analysis of leverage mechanism in the stock market crash:from the perspective of systematic risk.SecuritiesLawReview,2016:107-131.(in Chinese)

[8]劉煜輝,賀菊煌,沈可挺.漲跌停板制度下中國A、B股市場波動的動態(tài)變化.管理科學,2003,16(5):48-53.

LIU Yuhui,HE Juhuang,SHEN Keting.Evidence for China stock market:changing volatility under a price limit regime.JournalofManagementScience,2003,16(5):48-53.(in Chinese)

[9]HENKE H,VORONKOVA S.Price limits on a call auction market:evidence from the Warsaw stock exchange.InternationalReviewofEconomics&Finance,2005,14(4):439-453.

[10] BILDIK R,GüLAY G.Are price limits effective?Evidence from the Istanbul stock exchange.TheJournalofFinancialResearch,2006,29(3):383-403.

[11] 孫培源,施東暉.漲跌幅限制降低了股價波動嗎？來自中國股票市場的證據(jù).證券市場導報,2001(11):12-18.

SUN Peiyuan,SHI Donghui.Do price limits reduce the stock price volatility:evidence from Chinese stock market.SecuritiesMarketHerald,2001(11):12-18.(in Chinese)

[12] DEB S S,KALEV P S,MARISETTY V B.Price limits and volatility.Pacific-BasinFinanceJournal,2017,45:142-156.

[13] LI H,ZHENG D,CHEN J.Effectiveness,cause and impact of price limit:evidence from China′s cross-listed stocks.JournalofInternationalFinancialMarkets,Institutions&Money,2014,29:217-241.

[14] 秦芳,吳昱,何勤英,等.漲跌幅限制、價格和流動性:基于A+H股日交易數(shù)據(jù)的研究.投資研究,2014,33(4):120-136.

QIN Fang,WU Yu,HE Qinying,et al.Price limits,price and liquidity:evidence from daily transaction data of A+H shares.ReviewofInvestmentStudies,2014,33(4):120-136.(in Chinese)

[15] 張志恒,肖智,花擁軍.漲跌停板制度對股市極端風險的影響:基于滬深A股與港H股的比較研究.系統(tǒng)工程,2015,33(7):65-72.

ZHANG Zhiheng,XIAO Zhi,HUA Yongjun.Influence of price limits on the extreme risk in stock market:based on comparative analysis of Chinese A and H shares.SystemsEngineering,2015,33(7):65-72.(in Chinese)

[16] 王朝陽,王振霞.漲跌停、融資融券與股價波動率:基于AH股的比較研究.經(jīng)濟研究,2017,52(4):151-165.

WANG Chaoyang,WANG Zhenxia.Price limit,margin trading,and stock price volatility:a comparative study between A-shares and H-shares.EconomicResearchJournal,2017,52(4):151-165.(in Chinese)

[17] WONG W K,CHANG M C,TU A H.Are magnet effects caused by uninformed traders?Evidence from Taiwan stock exchange.Pacific-BasinFinanceJournal,2009,17(1):28-40.

[18] HSIEH P H,KIM Y H,YANG J J.The magnet effect of price limits:a logit approach.JournalofEmpiricalFinance,2009,16(5):830-837.

[19] WONG W K,LIU B,ZENG Y.Can price limits help when the price is falling?Evidence from transactions data on the Shanghai stock exchange.ChinaEconomicReview,2009,20(1):91-102.

[20] 方園,陳收.漲跌停板制度對上海股市日內(nèi)價格變動和投資者行為的影響.系統(tǒng)工程,2007,25(11):48-53.

FANG Yuan,CHEN Shou.Effect of price limits on interday price fluctuation and investors′ behavior:evidence from Shanghai A-share market.SystemsEngineering,2007,25(11):48-53.(in Chinese)

[21] 焦瑞新,孫學舉.中國股市漲跌停限制對投資者交易行為的影響:基于磁吸效應檢驗的實證研究.現(xiàn)代管理科學,2010(7):57-59.

JIAO Ruixin,SUN Xueju.The effect of price limits on investors′ behavior in Chinese stock market:empirical research on magnet effect.ModernManagementScience,2010(7):57-59.(in Chinese)

[22] 張小濤,祝濤.針對高頻數(shù)據(jù)的中國股市磁吸效應研究.重慶理工大學學報(自然科學),2014,28(1):123-127.

ZHANG Xiaotao,ZHU Tao.Magnet effect in the Chinese stock market based on high frequency data.JournalofChongqingUniversityofTechnology(NaturalScience),2014,28(1):123-127.(in Chinese)

[23] 程娟,甘小芳.漲跌停限制磁性效應加速特征研究:基于中國A股市場高頻交易數(shù)據(jù)挖掘.金融經(jīng)濟學研究,2010,25(4):109-116.

CHENG Juan,GAN Xiaofang.The acceleration characters of the magnet effect on price limit:research based on Chinese stock market high frequency data.FinancialEconomicsResearch,2010,25(4):109-116.(in Chinese)

[24] 陳浩武,楊朝軍,范利民.中國證券市場漲跌幅限制的磁力效應研究:兼論適當放寬漲停限制的合理性.管理科學學報,2008,11(5):120-128.

CHEN Haowu,YANG Chaojun,FAN Limin.Magnet effect of price limit in China stock market:a proposal to lift the upper price limit appropriately.JournalofManagementSciencesinChina,2008,11(5):120-128.(in Chinese)

[25] 李政,梁琪,涂曉楓.融資交易、杠桿牛市與股災危機.統(tǒng)計研究,2016,33(11):42-48.

LI Zheng,LIANG Qi,TU Xiaofeng.Margin trading,leveraged bull market and stock market crash.StatisticalResearch,2016,33(11):42-48.(in Chinese)

[26] 魯璐,項后軍,彭亞香.杠桿效應與股市的波動行為研究.科技與管理,2016,18(2):91-97,116.

LU Lu,XIANG Houjun,PENG Yaxiang.Research on the volatility of the leverage effect and the stock market.Science-TechnologyandManagement,2016,18(2):91-97,116.(in Chinese)

[27] 王健俊,殷林森,葉文靖.投資者情緒、杠桿資金與股票價格:兼論2015～2016年股災成因.金融經(jīng)濟學研究,2017,32(1):85-98.

WANG Jianjun,YIN Linsen,YE Wenjing.Investor sentiment,leveraged fund and stock price:reflection on the cause of stock crash in 2015～2016.FinancialEconomicsResearch,2017,32(1):85-98.(in Chinese)

[28] GROMB D,VAYANOS D.Equilibrium and welfare in markets with financially constrained arbitrageurs.JournalofFinancialEconomics,2002,66(2/3):361-407.

[29] GEANAKOPLOS J.The leverage cycle∥NBERMacroeconomicsAnnual.Chicago:University of Chicage Press,2010:1-65.

[30] KAHRAMAN B,TOOKES H E.Trader leverage and liquidity.TheJournalofFinance,2017,72(4):1567-1610.

[31] 陳輝,顧乃康,萬小勇.股票流動性、股權分置改革與公司價值.管理科學,2011,24(3):43-55.

CHEN Hui,GU Naikang,WAN Xiaoyong.Stock liquidity,non-tradable shares reform and firm value.JournalofManagementScience,2011,24(3):43-55.(in Chinese)

[32] AMIHUD Y,MENDELSON H.The pricing of illiquidity as a characteristic and as risk.MultinationalFinanceJournal,2015,19(3):149-168.

[33] AMIHUD Y,HAMEED A,KANG W,et al.The illiquidity premium:international evidence.JournalofFinancialEconomics,2015,117(2):350-368.

[34] BRUNNERMEIER M K,PEDERSEN L H.Market liquidity and funding liquidity.TheReviewofFinancialStudies,2009,22(6):2201-2238.

[35] 孫彬,楊朝軍,于靜.融資流動性與市場流動性.管理科學,2010,23(1):81-87.

SUN Bin,YANG Chaojun,YU Jing.Funding liquidity and market liquidity.JournalofManagementScience,2010,23(1):81-87.(in Chinese)

[36] FLORACKIS C,KONTONIKAS A,KOSTAKIS A.Stock market liquidity and macro-liquidity shocks:evidence from the 2007-2009 financial crisis.JournalofInternationalMoneyandFinance,2014,44:97-117.

[37] 林采宜.A股杠桿交易的風險傳導機制.21世紀經(jīng)濟報道,2015-07-08(10).

LIN Caiyi.The risk transmission mechanism of leverage trading in A-share market.21stCenturyBusinessHerald,2015-07-08(10).(in Chinese)

[38] CHORDIA T,ROLL R,SUBRAHMANYAM A.Commonality in liquidity.JournalofFinancialEconomics,2000,56(1):3-28.

[39] KOCH A,RUENZI S,STARKS L.Commonality in liquidity:a demand-side explanation.TheReviewofFinancialStudies,2016,29(8):1943-1974.

[40] 萬諜,王軍波,楊曉光.中國股市暴漲暴跌前有跡象嗎.系統(tǒng)工程學報,2016,31(5):643-656.

WAN Die,WANG Junbo,YANG Xiaoguang.Are there any clues before large price changes in Chinese stock markets?.JournalofSystemsEngineering,2016,31(5):643-656.(in Chinese)

[41] EASLEY D,KIEFER N M,O′HARA M,et al.Liquidity,information,and infrequently traded stocks.TheJournalofFinance,1996,51(4):1405-1436.

[42] EASLEY D,ENGLE R F,O′HARA M,et al.Time-varying arrival rates of informed and uninformed trades.JournalofFinancialEconometrics,2008,6(2):171-207.

FundedProject:Supported by the National Natural Science Foundation of China(71301019,71501018) and the Culture Expert and Four-Batch Talents Project

Biography:TANG Huailin is a Ph.D candidate in the School of Management and Economics at University of Electronic Science and Technology of China. His research interest focuses on market microstructure. His representative paper titled “The intraday effect of nature disaster and production safety accident announcement based on high-frequency data from China′s stock markets” was published in theChinaFinanceReviewInternational(Vol 5, 2015). E-mail：huailintang@foxmail.com

LI Ping, doctor in management, is a professor in the School of Management and Economics at University of Electronic Science and Technology of China. His research interests cover market microstructure, high-frequency trade and internet finance. His representative monograph titled “Researchonthesuspensionsystemofsecuritymarket” was published by Science Press in March, 2016. E-mail：lip@uestc.edu.cn

ZENG Yong, doctor in management, is a professor in the School of Management and Economics at University of Electronic Science and Technology of China. His research interests include capital market and corporate finance. His representative monograph titled “Researchonsecuritymarketmicrostructure” was published by Science Press in June, 2008. E-mail：zengy@uestc.edu.cn

LIAO Jingchi, doctor in management, is a researcher in the Shenzhen Stock Exchange. His research interests include market microstructure and corporate finance. His representative paper titled “A case study on the effect of the enforcement of the system of trading halt on China′s stock markets” was published in theManagementWorld(Issue 2, 2009). E-mail：jcliao@szse.cn