李延軍　張蒙　劉華堂

摘 要： 基于CAPM模型及三因子模型引入流動性水平效應與敏感效應，以敏感效應度量流動性風險，從流動性水平與風險角度出發(fā)，運用固定GLS面板回歸研究了2002年1月至2017年12月中國A股市場流動性水平效應與敏感效應的具體表現以及產生的流動性溢價效應。研究表明：流動性水平效應、敏感效應與中國股市超額收益率顯著正相關，二者的影響遵循流動性溢價理論;相比較而言，水平效應對我國股市的影響更大，但敏感效應的作用不容忽視，敏感效應呈現出規(guī)模遞減與流動性遞減趨勢;牛熊市下都存在由水平效應與敏感效應引起的流動性溢價效應，但牛市中該現象更加顯著。

關鍵詞：流動性風險;敏感效應;水平效應;流動性溢價;股市行情

中圖分類號：F830.91? ?文獻標志碼：A? ?文章編號：1674-7356（2019）-03-0027-08

流動性影響股票收益率的途徑有兩種：流動性水平與流動性風險。流動性水平指在較短的時間內完成交易的能力，即流動性因素自身;流動性風險指由于流動性水平的變化而產生的不確定性，即流動性水平因素與其他變量的協方差。Amihud和Mendelson（1986）使用買賣價差作為流動水平的測量指標，構建了流動性與收益率的關系[1];Jacoby 、Fowler與Gottesman（2000）推導出了調整后的CAPM模型[2];楊朝軍與王林芝（2011）通過建立新的流動性指標進一步研究了流動性水平溢價效應[3]。上述研究均得出證券市場存在顯著的由流動性水平引起的溢價現象的結論，但也有學者呈相反觀點。Ben-Rephael，Kadan和Wohl（2015）發(fā)現在過去二十年里，美國股票流動性大幅上升，但流動性溢價效應的顯著性下降，頻繁的交易活動雖然促進流動性的上升，但由于預期收益對流動性的敏感度降低，因而流動性溢價效應并不顯著[4]。通常流動性越好，資產預期收益越低，但也有學者得出了相反的結論。Eiesw Arapu與Reinganum（1993）實證研究了資產定價中流動性溢價的季節(jié)性行為，結果表明由于季節(jié)性因素很強，1月存在正流動性溢價現象[5]。

資產定價研究領域對于流動性的研究分為流動性水平與流動性風險兩方面。同國外資產定價研究領域的思路相同，研究初期我國學者便開始關注流動性本身（即流動性水平）對資產預期收益的影響，近幾十年來國內外學者不斷拓展流動性水平指標以及資產定價模型，使得對于流動性水平的研究已經非常成熟，關于流動性風險對資產定價影響的研究正不斷深入展開。Bangia，Diebold與Schuerman（1998）以價差的波動度量了流動性風險，并提出了流動性調整后的VAR模型[6];劉洋和劉善存（2008）將收益率和流動性結合構造出了新的流動性風險指標，使用修正的Fama-French三因子模型分析了流動性與超額收益率的關系[7];劉曉青與楊一文（2015）對流動性進行離散型小波變化分解后，使用了GARCH-VAR模型度量流動性風險[8];張楗炆（2015）在三因子模型基礎上加入由GARCH模型表示的市場收益對市場總流動性的敏感性，結果表明：中國股市存在顯著的市場風險溢價、敏感性風險溢價和波動性風險溢價[9];李延軍和王麗穎（2015）從投資者風險偏好視角研究了流動性風險的具體構成與滬深兩市流動性溢價效應[10]。

本文以水平效應和敏感效應分別度量流動性水平和流動性風險，在F-F三因子模型的基礎上引入流動性風險因素（敏感效應），比較研究流動性溢價效應的兩個渠道——流動性水平和流動性風險在我國A股市場的表現，著重探討不同情境下流動性敏感效應對投資者預期收益率的影響，進而為投資者管理流動性風險提供參考。

一、研究設計

（一）模型構建

本文在Lawrence Kryzanowski（2006）關于流動性溢價效益兩個渠道——水平效應和敏感效應分類和界定的基礎上[11]，遵循在資本資產定價模型（CAPM）基礎上逐步引入流動性水平效應和敏感效應的思路，模型構建過程如下：

1. CAPM模型

式（1）中，ri表示i的月收益率，rf表示無風險收益率，rm表示市場利率，系數表示個股收益率對市場組合收益率的敏感性，也稱基本beta，用以度量個股或投資組合相對市場的波動性，常被用于評估系統性風險。因而本文將預期報酬因納為解釋變量，在CAPM模型的基礎上，本文模型的初步形式為：

2. Fama-French三因子模型

Fama與French（1993）首次提出了包含市場組合因子、規(guī)模因子、賬面市值比因子的模型，三因子模型在CAPM模型的基礎上添加了SMB（規(guī)模因子）與HML（賬面市值因子）[12]。規(guī)模與賬面市值比是影響超額收益的因素，但兩種因子對超額收益的影響程度不同。Fama與French（2015）發(fā)現在美國證券市場中賬面市值因子HML是冗余因素，該因素對預期收益的影響較弱[13];Wang 與Xu （2004）將三因素模型應用到中國股票市場，研究發(fā)現，規(guī)模因子是影響預期收益的重要因素，但賬面市值比因子的影響較弱[14];Hilliard 與Zhang（2015）也發(fā)現了較弱的賬面市值效應[15]。因而本文僅將規(guī)模因素納為解釋變量，該因素由市值的對數ln（vi）表示，在式（2）的基礎上加入規(guī)模因子后可得模型：

3. 引入流動性水平效應與敏感效應的資產定價模型

式（5）為改進后的Fama-French三因子模型，該模型在三因子模型的基礎上添加了流動性因素（L），又稱經流動性調整后的定價模型。流動性影響證券收益率的途徑有兩種：流動性水平與流動性風險，流動性水平指在較短的時間內完成交易的能力，即流動性因素自身;流動性風險指由于流動性水平的變化而產生的不確定性，即流動性水平因素與其他變量的協方差。在此基礎上，Lawrence Kryzanowski（2006）首次提出了流動性的水平效應與敏感效應。水平效應指資產組的流動性水平與市場流動性水平的差值（即L - l ），若流動性指標使用Amihud非流動性值，差值越大則表明資產組的非流動性超過市場非流動性的程度越大，則該資產組需要較高的收益補償。流動性的敏感效應是資產組流動性beta（β）與流動性值（L）之積和市場流動性beta（β）與流動性值（L ）之積的差額（即β L - β L ），差額越大表明該股越易受到市場流動性波動的影響，則該股需要較高的收益補償。流動性的水平效應是資產的一種特性，敏感效應則是一種流動性風險因素。

因而，為更全面的研究中國股票市場中流動性對超額收益的影響，我們將流動性的水平效應與敏感效應兩種因素納為解釋變量。多數研究表明市場流動性是影響超額收益的重要因素，因此，為更有效的解釋超額收益，模型中使用了市場流動性（l ）調整后的超額收益，即R = E（ri） - rf - l 。此外，我們假設該模型在迭代經濟體中運行，以上期各因素對本期超額收益的影響開展研究。因此，在式（4）的基礎上加入流動性的水平效應與敏感效應，可得到加入時間與個體因素后的模型（6），其中i表示個體因素，t表示時間因素。

R = α0 + α1 β + α2? ln（vit-1） + γ0 （l - l ） +

γ1 （βl - βl）（6）

（二）變量選取與說明

1. 股票流動性

本文采用Amihud（2002）提出的非流動性指標度量我國股市的流動性，Amihud指標綜合考慮了交易額與交易量，補充了價格法與交易量法的不足，計算公式如下：

ILLIQim = ?（7）

上式中，ILLIQim表示m期i股票的非流動性比率，rimt與Voldimt表示i股在t月期間交易的收益率與交易額。Dim為股票i在m月的交易天數。非流動性指標越大，表明一定交易量的變動將引起股價更大程度的變動，則股票的流動性越差。本文收集了300只股票的日漲跌幅、日交易金額以及月交易天數，使用上述公式計算出每只股票的月流動性指標，即Amihud指標。

2. 其他變量說明

根據模型（7），本文選取基本β、公司規(guī)模（lnvi）、流動性水平效應（L - l ）、流動性敏感效應（β L - β L ）作為解釋變量，選取經流動性調整后的超額收益（ R ?= E（ri） - rf - l ）作為被解釋變量，相關變量及說明如表1所示：

（三）數據與樣本

無論規(guī)模還是交易額，A股市場都是中國股市的代表，因此本文選取滬深A股所有股票作為研究對象。研究區(qū)間為2002年1月至2017年12月，共包含192個月。樣本的選擇基于以下原因：一方面，2002—2017年包含了中國股市的多種市場行情狀態(tài)，2007年至2014年間中國股市處于低迷期，而2015年中國股市呈高漲趨勢，因而選擇2002—2017年作為研究區(qū)間可以觀測到不同市場行情下的中國股市。另一方面，2000年前中國股票交易制度還不夠完善，民眾對中國股市還沒有建立起足夠的信心，因而2000年前的時間段不能有效解釋中國股市的表現。此外，為保證研究結果的有效性，我們剔除了ST股、PT股、長期停盤、交易天數少于10天、以及數據缺失的股票，最終選取300只滬深A股作為研究樣本。本文數據源于WIND、同花順（iFinD）、銳思（RESSET）等金融數據庫，數據的整理在EXCEL中完成，數據處理采用Matlab與Eviews軟件。

二、實證結果分析

（一）描述性統計分析

本文將選取的300只樣本股票按以下方式分組：首先按市值大小將300只股票平均分為5組，每組分得60只股票，然后分別將5組股票各按照流動性大小再分為5組，由此共得到25（5 × 5）個資產組，每個資產組具有不同的規(guī)模與流動性特征。因此，模型（7）中i的取值為1-25，表示25個資產組，t為2002.01—2017.12。表2描述了將300只股票交叉分組后，25個資產組的解釋變量（基本beta β、規(guī)模因子lnvit-1、流動性值L和敏感性水平βl）時間序列平均值。結果表明，基于規(guī)模與流動性進行分組后，不同資產組之間呈現出明顯的規(guī)模差異與流動性差異。具體表現為：公司規(guī)模（lnvi）越大，資產組流動性越好;資產組對市場波動的敏感度（βl）呈現出規(guī)模遞減趨勢，例如，處于低流動水平時，敏感性值隨公司規(guī)模的增大從13.1655降低為1.7115，這表明比起大規(guī)模上市公司，小規(guī)模上市公司對股票市場的波動更加敏感;此外，敏感因素還表現出了流動性水平遞減效應，例如，將規(guī)模固定為小規(guī)模時，敏感性值隨流動性的增加從13.165 5降低為2.075 5，說明流動性水平低的股票對市場的波動更加敏感。美國股市中個股流動性對市場波動的敏感度也呈現出規(guī)模遞減與流動性遞減效應，Chordia，Roll和Subrahmanyam（2000）認為這是“投資者飛向流動性”的結果[16]。

（二）變量相關性分析

表3描述了各解釋變量的相關性，結果表明，各解釋變量與被解釋變量相關性較高，但各解釋變量間相關性較小。R與β的相關系數為0.145，說明資產組與市場收益率的共變程度越大，該資產組所獲得的超額收益越大;R與L ?- l 的相關系數為0.761，說明資產組的非流動性水平與風險溢價呈正向關系，資產組的非流動性大于市場非流動性時，該資產組將獲得收益補償，即符合假設H1;Rβ L - β L 的相關性為0.637，表明流動性敏感效應與超額收益顯著正相關，資產組受市場波動越敏感，則該資產組獲得的收益補償越大，符合假設H2。lnvi與R的相關系數為-0.565，可見規(guī)模效應與超額收益的相關性也較大，兩者的負向關系同Fama French（1992）對美國股票市場的研究結果，即規(guī)模越大，其超額收益率越小。綜上，初步可以判斷出中國股市存在流動性水平效應與敏感效應，但仍需進一步進行面板研究。

（三）面板回歸結果及分析

單位根檢驗結果表明，各變量的時間序列較為穩(wěn)定;F檢驗結果表明，相對于混合回歸模型，本文更適合使用固定效應模型，鑒于文章篇幅，單位根與F檢驗結果不再贅述。因而本文采用的計量方法為固定GLS面板回歸，共檢測了25個橫截面（i=1-25）及192個時間序列（t=2002.01-2017.12），分別從規(guī)模因素、基本beta因素、流動性水平效應與敏感效應四個方面展開研究。

1. 流動性水平效應分析

表4中回歸1、2分別表示基本beta、規(guī)模因子對超額收益的影響。回歸1、2的結果顯示：β與R正相關，即資產組合收益對市場收益的敏感性越強，則該組合的超額收益率越高;ln（vit-1）與R負相關，再次說明規(guī)模越大則該資產組獲得的超額收益越小;回歸1與2中變量的顯著性水平較高，但模型的擬合優(yōu)度較小，此外，回歸1、2、3的常數項在0.05%的水平下顯著不為0，說明僅考慮基本beta、規(guī)模因子兩種因素不足以解釋超額收益率，需要對影響因素作進一步研究。

表4中，回歸3、4、6分別表示在基本beta、規(guī)模因素的基礎上加入水平效應后對超額收益的影響。結果顯示：首先，正γ0（水平效應的系數）同變量相關系數表得出的結果一致，表明當資產組非流動性大于市場非流動性時，該資產組獲得較大的收益補償;其次，水平效應具有的較高的顯著性水平，可見流動性水平是影響超額收益的重要因素。最后，加入流動性水平效應后，回歸6的擬合優(yōu)度由0.281增長為0.585，常數項α0由22.472降低為2.147，顯著性明顯降低，可見增加流動性水平的模型增強了對超額收益的解釋。

2. 流動性敏感效應分析

表5中，回歸1、2如上，回歸3、4、6分別表示在基本beta、規(guī)模因素的基礎上加入了流動性敏感效應。結果顯示：同相關系數表的結論一致，γ1（敏感效應的系數值）大于0再次說明資產組合流動性受市場波動越敏感，則該資產組獲得的超額收益補償越大。各回歸模型中敏感效應的顯著水平都較高，可見敏感效應也是影響超額收益的重要因素，說明我國A股市場存在顯著的流動性風險溢價現象。在回歸5的基礎上增加敏感效應變量后，其擬合優(yōu)度值大幅度上升，因此敏感效應提升了模型對超額收益的解釋能力。此外，表5中其他變量也具有較高的顯著水平，但均低于敏感效應因素，可見投資者進行組合投資時，不僅應當關注公司規(guī)模與β因素，更應關注該資產組合流動性對市場的敏感程度。

3. 流動性水平效應與敏感效應的綜合分析

表6中，回歸1、2、 4分別表示在基本beta、規(guī)模因素的基礎上同時加入了流動性水平效應與敏感效應（綜合效應）。結果顯示：在回歸3 的基礎上同時加入水平效應與敏感效應后，擬合值大幅度上升，且增長幅度大于兩種效應單獨存在時的幅度，可見兩種效應的綜合作用不僅增加了對收益率的解釋力度，且其解釋能力大于兩者單獨存在時對超額收益的影響。對比水平效應與敏感效應可知：水平效應的系數小于敏感效應的系數，可見水平效應對超額收益率的影響大于敏感效應的影響。該結論不同于國外學者的研究結果，原因在于，較國外股市，中國A股市場較為穩(wěn)定，因此資產組合對市場波動的敏感性較弱，因而資產組合獲得的收益補償主要源于自身流動性水平的匱乏，而非對市場波動的敏感性。

三、牛熊市行情下流動性水平效應與敏感效應分析

不同股市行情中流動性溢價效應會出現不同的特征差異，為保證上述結果的穩(wěn)健性，我們將研究區(qū)間劃分為牛熊市。對于牛熊市的劃分并沒有完全統一的評定標準，一般情況下，熊市的典型特征是：股指連續(xù)下跌、成交量下降、市場信心不足等，反之，隨著股指上漲、股市交易逐漸活躍、市場參與者逐漸增多則可判定牛市即將來臨。整體來看，中國股市在2007年10月達到6 124.04點之后，就逐漸進入了長達7年的熊市，這期間，股指連續(xù)下跌，成交量下降，市場信心嚴重不足，中間雖然有幾次短暫的反彈行情，但由于動能不足，最終依舊在低位處徘徊。2008年至2011年間伴隨著幾輪短暫的牛熊市更迭，但由于金融危機的影響，市場情緒仍然處于一片恐慌之中，因此這期間的數據不具備代表性。鑒于此，本文選取2007年到2014年間熊市中的2011年11月至2014年6月作為分析熊市的數據區(qū)間。另一方面，2014年7月，隨著滬港通、央行寬松政策對利好預期的刺激，上證股指開始上升，中國股市經歷了長達11個月的牛市，具體來看，2014年7月23日起，上證綜指日成交量超過了千億，市場參與者大量增加，上證綜指于2015年6月12日攀升到了5 178.19點，滬深兩市的交易量也都突破了萬億，然而2015年下半年后股指迅速下降，股災爆發(fā)。因此，本文選取2014年7月至2015年6月作為分析牛市的數據區(qū)間。不同行情下檢驗結果如表6所示。

表7、表8的結果顯示：在牛熊市行情下，β、ln（vit-1 ）、水平效應、流敏感效應對超額收益呈現不同程度的相關性：

第一，就基本beta而言，牛市中β與超額收益呈弱正相關，而熊市則呈顯著負相關。這表明在熊市行情下，資產組合收益率與市場收益率共性越強，則該資產組的超額收益率越低，而該現象在牛市中則相反?？梢?，市場行情是影響基本beta與超額收益關系的重要因素。

第二，較熊市行情，牛市中規(guī)模因子ln（vit-1）對超額收益的影響更為顯著，說明股市交易活躍的行情下，小規(guī)模公司股票獲得較大超額收益的現象更為明顯。

第三，牛、熊市行情下都存在由水平效應與敏感效應引起的流動性溢價，但相比熊市，牛市下水平效應與敏感效應的顯著性水平更高。這說明，在股指上漲、成交量增加、股市交易活躍的行情下，流動性溢價水平效應更加突出，且受市場波動影響較大的資產組獲得的收益補償更大。但該結論有悖于其他學者的研究，一些學者認為牛市行情下，成交量增加、股市交易活躍，因而股票流動性較強，且股票間流動性差異較小，因而流動性不再視為風險因子，熊市則相反。

四、結論

主要研究結論如下：

一方面，中國A股市場中大規(guī)模公司股票流動性較好，該類股票不易受到股市波動的影響，因而獲得的超額收益補償較小;小規(guī)模公司股票流動性對股市的波動更加敏感，因此獲得的超額收益補償較大，可得出對于追求高收益的投資者在構建投資組合時更偏向于規(guī)模較小的公司股票，并且規(guī)模效應在牛市中更為顯著;A股市場中資產組合呈現出顯著正beta效應，表明資產組合收益率與市場收益共性越強，則該組合的超額收益率越高。但在熊市行情下，我們得到了顯著的負beta效應，因此beta效應具有市場行情異質性。

另一方面，中國A股市場存在影響流動性溢價的水平效應與敏感效應，二者對超額收益的影響十分顯著，且影響程度遠大于規(guī)模因素與beta因素;資產組合的非流動性大于市場非流動性時，該資產組會獲得較大的收益補償;資產組合的流動性對市場波動越敏感，該資產組獲得的超額收益補償越大;同敏感效應相比，水平效應對超額收益的影響更大，但敏感效應的影響不容忽視，敏感效應呈現出規(guī)模遞減與流動性遞減趨勢，即小規(guī)模上市公司與流動性水平低的公司股票對股市波動更加敏感;牛熊市下都存在由水平效應與敏感效應引起的流動性溢價效應，但牛市中更加顯著，但該結論異于其他學者的研究，因而本文還需從其他流動性度量指標以及更精確劃分牛熊市角度出發(fā)，進一步開展研究。

[參考文獻]

[1]? Amihud Y，Mendelson H. Asset pricing and the bid-ask spread[J]. Journal of Financial Economics，2006，17（2）： 223-249.

[2]? Jacoby G，Fowler D J，Gottesman A A. The capital asset pricing model and the liquidity effect： A theoretical approach[J]. Journal of Financial Markets，2004，3（1）： 69-81.

[3]? 楊朝軍，王靈芝. 流動性水平、流動性風險對資產收益的影響——來自滬深股市的經驗證據[J]. 系統管理學報，2011，20（4）： 456-461.

[4]? Ben-Rephael，A，Kadan，O. and Wohl，A. The Diminishing Liquidity Premium[J]. Journal of Financial and Quantitative Analysis，2015，50（1-2）： 197-229.

[5]? Eleswarapu V R，Reinganum M R. The seasonal behavior of the liquidity premium in asset pricing[J]. Journal of Financial Economics，1993，34（3）：373-386.

[6]? Bangia A，Diebold F X，Schuermann T，et al. Modeling Liquidity Risk，with Implications for Traditional Market Risk Measurement and Management[M]. Risk Management： The State of the Art. Springer US，2001： 3-13.

[7]? 劉洋，劉善存. 上海股票市場系統流動性風險溢價研究[J]. 管理學報，2008，（2）： 263-268.

[8]? 劉曉青，楊一文. 基于GARCH-VaR模型的股票流動性風險度量[J]. 計算機工程與應用，2015，（1）： 223-227.

[9]? 張楗炆. 流動性風險與資產定價能力研究基于我國股市的實證研究[J]. 經濟研究導刊，2015，（9）： 134-139

[10]? 李延軍，王麗穎. 股市流動性與資產定價——基于我國A股市場的實證研究[J]. 金融發(fā)展研究，2015，（7）： 9-15.

[11]? Zhongzhi（Lawrence） He，Lawrence Kryzanowski. The Cross Section of Expected Returns and Amortized Spreads[J]. Review of Pacific Basin Financial Markets & Policies，2006，9（04）：597-638.

[12]? Fama E F，French K R. Common Risk Factors in Returns on Stocks and Bonds[J]. Journal of Financial Economics，1993，33（1）： 3-56.

[13]? Fama E F，French K R. A five-factor asset pricing model[J]. Journal of Financial Economics，2015，116（1）： 1-22.

[14]? Wang Fenghua，Xu Yexiao. What Determines Chinese Stock Returns？[J]. Financial Analysts Journal，2006，60（6）： 65-77.

[15]? Hilliard J，Zhang H. Size and price-to-book effects： Evidence from the Chinese stock markets[J]. Pacific-Basin Finance Journal，2015， 32： 40-55.

[16]? Chordia T，Roll R，Subrahmanyam A. Commonality in liquidity[J]. Journal of Financial Economics，2000，56（1）： 3-28.

Liquidity Risk、Level Effect and Sensitive Effect

—— Empirical Test Based on Liquidity Premium

LI Yanjun， ZHANG Meng， LIU Huatang

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

Abstract： This paper introduces the level effect and incremental sensitive effect on the basis of the capital asset pricing model（CAPM） and the three-factor model， considers the sensitive effect as a proxy for liquidity risk， and uses a fixed GLS panel regression method to study the specific performance and influence of these two factors on liquidity premium from January 2002 to December 2017 of China′s A-share market. Studies show that level and sensitive effect have a significant positive effect on the stock′s excess return， which follows the liquidity premium theory. In comparison， the level effect has a greater impact on China′s stock market， but the sensitive effect shows a decreasing trend of size and liquidity， which cannot be ignored. The effect of liquidity premium caused by level and sensitive effects are presented in both the bullish and bear market， but this phenomenon is more pronounced in the bull market.

Key words： liquidity risk; sensitive effect; level effect; liquidity premium; market condition