周愛(ài)民 葛 琛 遙 遠(yuǎn)

一、引 言

流動(dòng)性是金融資產(chǎn)的重要特征，也是風(fēng)險(xiǎn)的重要來(lái)源。研究表明，流動(dòng)性對(duì)資產(chǎn)價(jià)格存在顯著影響，不可分散的流動(dòng)性風(fēng)險(xiǎn)是系統(tǒng)性風(fēng)險(xiǎn)的重要組成部分。值得注意的是，次貸危機(jī)以來(lái)的眾多研究表明，傳統(tǒng)的流動(dòng)性資產(chǎn)定價(jià)模型存在缺陷。一方面，危機(jī)時(shí)期的資產(chǎn)流動(dòng)性打破了均值回復(fù)性，呈現(xiàn)出自我強(qiáng)化加速下滑的特征。另一方面，投資者存在“驚弓之鳥(niǎo)”的特征，對(duì)可能出現(xiàn)的危機(jī)的恐懼，即使在正常時(shí)期也會(huì)產(chǎn)生風(fēng)險(xiǎn)溢價(jià)。這些特征既會(huì)對(duì)投資實(shí)務(wù)造成重大影響，也表明傳統(tǒng)的流動(dòng)性資產(chǎn)定價(jià)理論仍有進(jìn)一步擴(kuò)展的空間。特別是2015年和2016年中國(guó)股票市場(chǎng)發(fā)生的市場(chǎng)流動(dòng)性枯竭與股市暴跌，更突出了這一問(wèn)題的重要性。

關(guān)于流動(dòng)性風(fēng)險(xiǎn)與資產(chǎn)價(jià)格的關(guān)系問(wèn)題，已有充分的理論和實(shí)證研究。Acharya和Pedersen(2005)建立的LCAPM(liquidity adjusted CAPM)是其中的代表，其將流動(dòng)性成本引入投資者效用函數(shù)，從效用最大化出發(fā)，建立了包含四個(gè) beta值的結(jié)構(gòu)化定價(jià)模型。此后，Liu(2006)簡(jiǎn)化了 LCAPM，建立了包含市場(chǎng)風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)的兩因子模型，發(fā)現(xiàn)其比Fama-French三因子模型有更好的擬合效果和解釋異象的能力。此外，黃峰和楊朝軍(2007)以及周芳和張維(2011)等學(xué)者均認(rèn)為，中國(guó)股票市場(chǎng)有明顯的流動(dòng)性驅(qū)動(dòng)特征，流動(dòng)性資產(chǎn)定價(jià)模型顯著優(yōu)于其他傳統(tǒng)模型。

但若與次貸危機(jī)以來(lái)關(guān)于流動(dòng)性危機(jī)和尾端風(fēng)險(xiǎn)的文獻(xiàn)相結(jié)合，則可發(fā)現(xiàn)傳統(tǒng)的流動(dòng)性資產(chǎn)定價(jià)理論仍有缺陷。

一方面，極端狀況下的流動(dòng)性水平和流動(dòng)性風(fēng)險(xiǎn)，表現(xiàn)出與正常時(shí)期完全不同的特征，而具有均值回復(fù)性的傳統(tǒng)流動(dòng)性因子不足以描述危機(jī)時(shí)的特征，可能在危機(jī)時(shí)期失效。流動(dòng)性風(fēng)險(xiǎn)超過(guò)一定閾值后不再均值回復(fù)而是加速下滑，存在自我強(qiáng)化的機(jī)制，形成“流動(dòng)性黑洞”或“流動(dòng)性螺旋(liquidity spiral)”，最終造成流動(dòng)性危機(jī)。流動(dòng)性負(fù)向的自我強(qiáng)化可能由以下機(jī)制造成。第一，Morris和 Shin(2004)以及郭乃幸和楊朝軍(2011)的“流動(dòng)性黑洞”模型表明，當(dāng)資產(chǎn)價(jià)格下降到短期投資者的止損線(xiàn)時(shí)，就會(huì)發(fā)生大規(guī)模的流動(dòng)性踩踏。投資者的止損拋售造成資產(chǎn)價(jià)格進(jìn)一步下跌，從而觸發(fā)更多投資者的止損操作，出現(xiàn)資產(chǎn)價(jià)格和流動(dòng)性相互影響的負(fù)向螺旋，最終造成流動(dòng)性危機(jī)。第二，Brunnermeier和 Pedersen(2008)發(fā)現(xiàn)，存在融資交易時(shí)，融資流動(dòng)性(funding liquidity)和市場(chǎng)流動(dòng)性會(huì)形成相互強(qiáng)化的負(fù)向螺旋。在融資融券交易實(shí)行后，這一機(jī)制在中國(guó)市場(chǎng)上表現(xiàn)得更為明顯。在該模型中，市場(chǎng)流動(dòng)性下滑，資產(chǎn)價(jià)格下跌時(shí)，投資者的融資能力受限，迫使其賣(mài)出資產(chǎn)，使市場(chǎng)流動(dòng)性進(jìn)一步下滑。第三，Garleanu和 Pedersen(2007)發(fā)現(xiàn)，市場(chǎng)低迷風(fēng)險(xiǎn)激增時(shí)，所有機(jī)構(gòu)同時(shí)采取嚴(yán)格的風(fēng)控措施，會(huì)進(jìn)一步加劇流動(dòng)性緊張。以上三個(gè)理論均表明，均值回復(fù)特征明顯的傳統(tǒng)的流動(dòng)性風(fēng)險(xiǎn)因子在危機(jī)時(shí)期會(huì)失靈。

另一方面，投資者對(duì)可能出現(xiàn)的危機(jī)的恐懼，是系統(tǒng)性風(fēng)險(xiǎn)的來(lái)源，即使在正常時(shí)期，也存在對(duì)極端風(fēng)險(xiǎn)的溢價(jià)，存在“驚弓之鳥(niǎo)”的特征，而傳統(tǒng)的定價(jià)模型遺漏了這部分系統(tǒng)性風(fēng)險(xiǎn)。該思想源于 Barro(2006)、Bollerslev和 Todorov(2011)以及 Gabaix(2012)對(duì)罕見(jiàn)災(zāi)害(rare disaster)和股權(quán)溢價(jià)之謎的研究，投資者對(duì)難以預(yù)期的極端事件的恐懼造成了過(guò)高的風(fēng)險(xiǎn)溢價(jià)?；谠撍枷?，Bali等(2009，2014)以及Huang等(2012)發(fā)現(xiàn)，由 VaR、Shortfall和極值理論等方法構(gòu)造的尾端風(fēng)險(xiǎn)指標(biāo)，均對(duì)收益率有顯著的影響，這對(duì)傳統(tǒng)的資產(chǎn)定價(jià)模型而言是一種難以解釋的異象。Kelly和 Jiang (2014)是這一問(wèn)題的集大成者，其基于冪律分布(power law distribution)假設(shè)和Hill估計(jì)量構(gòu)造了收益率的尾端風(fēng)險(xiǎn)因子，發(fā)現(xiàn)該因子對(duì)個(gè)股和市場(chǎng)收益率均存在顯著的解釋能力，是不可分散的系統(tǒng)性風(fēng)險(xiǎn)。Kelly和Jiang(2014)以及Van Oordt和Zhou (2016)均認(rèn)為系統(tǒng)性的尾端風(fēng)險(xiǎn)在市場(chǎng)下跌期間對(duì)資產(chǎn)價(jià)格具有重要的解釋能力，相比傳統(tǒng)因子而言顯著增大，加入這些因子可以解決傳統(tǒng)定價(jià)模型在危機(jī)期間失效的問(wèn)題。

綜上所述，傳統(tǒng)的流動(dòng)性資產(chǎn)定價(jià)模型存在兩個(gè)重要缺陷，即難以描述極端情況下的流動(dòng)性風(fēng)險(xiǎn)變化規(guī)律且遺漏了部分風(fēng)險(xiǎn)溢價(jià)，故有必要進(jìn)行修正，以應(yīng)對(duì)類(lèi)似2015年和 2016年中國(guó)股票市場(chǎng)流動(dòng)性枯竭的極端情況。正如趙勝民等(2016)指出，因子模型的有效程度因市場(chǎng)特征和投資理念而異，中國(guó)股票市場(chǎng)有明顯的流動(dòng)性驅(qū)動(dòng)特征，流動(dòng)性波動(dòng)性較大。這表明考慮極端情況的流動(dòng)性資產(chǎn)定價(jià)模型有更好的適用性。

本文將Kelly和Jiang(2014)以及Wu(2017)的框架進(jìn)一步推廣到中國(guó)股票市場(chǎng)的流動(dòng)性問(wèn)題中，基于冪律分布假設(shè)和 Hill估計(jì)量構(gòu)造了極端流動(dòng)性風(fēng)險(xiǎn)因子。相較于傳統(tǒng)的流動(dòng)性因子，本文所構(gòu)造的極端流動(dòng)性風(fēng)險(xiǎn)因子克服了上文所述的兩個(gè)缺陷。在實(shí)證檢驗(yàn)中本文發(fā)現(xiàn)了以下結(jié)論。第一，極端流動(dòng)性風(fēng)險(xiǎn)因子在市場(chǎng)流動(dòng)性恐慌時(shí)期顯著增強(qiáng)，能提前指示2007年到2008年和2015年到2016年的兩次危機(jī)，而傳統(tǒng)的流動(dòng)性因子在危機(jī)時(shí)期并未明顯增強(qiáng)。第二，基于投資組合法和Fama-MacBeth回歸法，本文發(fā)現(xiàn)極端流動(dòng)性風(fēng)險(xiǎn)因子在橫截面上存在顯著的風(fēng)險(xiǎn)溢價(jià)，年化等權(quán)重組合約有9%的超額收益率，且可以消除反轉(zhuǎn)效應(yīng)等傳統(tǒng)定價(jià)模型難以解釋的市場(chǎng)異象。第三，將極端流動(dòng)性風(fēng)險(xiǎn)因子與市場(chǎng)因子相結(jié)合構(gòu)建的兩因子模型，對(duì)橫截面收益率的解釋力高于其他經(jīng)典模型，兼顧了解釋力與簡(jiǎn)潔性。第四，極端流動(dòng)性風(fēng)險(xiǎn)因子對(duì)未來(lái)市場(chǎng)收益率有顯著的解釋力，與 Welch和 Goyal(2008)以及姜富偉等(2011)的市場(chǎng)收益率可預(yù)測(cè)性框架相結(jié)合，極端流動(dòng)性風(fēng)險(xiǎn)因子對(duì)預(yù)測(cè)的貢獻(xiàn)度約為 15%。第五，由于極端流動(dòng)性風(fēng)險(xiǎn)因子反映了投資者的預(yù)期，且股票市場(chǎng)的劇烈波動(dòng)可能對(duì)宏觀經(jīng)濟(jì)造成影響，基于脈沖響應(yīng)圖可發(fā)現(xiàn)極端流動(dòng)性風(fēng)險(xiǎn)因子的沖擊將伴隨著未來(lái)一個(gè)月產(chǎn)出和投資的下滑，并有未來(lái)四個(gè)月的通貨緊縮和資金面緊張。以上結(jié)論表明，本文構(gòu)造的極端流動(dòng)性風(fēng)險(xiǎn)因子在理論上完善了流動(dòng)性資產(chǎn)定價(jià)模型，深化了對(duì)危機(jī)時(shí)期流動(dòng)性特殊性質(zhì)的認(rèn)識(shí)，也對(duì)投資實(shí)務(wù)有一定應(yīng)用價(jià)值。

二、極端流動(dòng)性風(fēng)險(xiǎn)因子的構(gòu)造

（一）極端流動(dòng)性風(fēng)險(xiǎn)因子的基本假設(shè)

本文構(gòu)造極端流動(dòng)性風(fēng)險(xiǎn)因子的思路，源于 Kelly和 Jiang(2014)以及 Wu(2017)。Kelly和 Jiang(2014)最早用該思路構(gòu)造了極端收益率風(fēng)險(xiǎn)因子。由于極端事件極少發(fā)生，樣本積累稀少，故估計(jì)時(shí)變的尾端風(fēng)險(xiǎn)是困難的。為解決這一問(wèn)題，Kelly和Jiang(2014)假設(shè)收益率的尾端服從冪律分布，該分布的關(guān)鍵參數(shù)可分為兩部分，一部分由個(gè)股因素決定，另一部分由市場(chǎng)因素決定，此時(shí)便可從日常收益率中獲得大量樣本。據(jù)此，可使用 Hill(1975)的估計(jì)方法，從個(gè)股的尾端分布中計(jì)算由市場(chǎng)因素決定的參數(shù)，定義為極端收益率風(fēng)險(xiǎn)因子。這一方法簡(jiǎn)單便捷，得到了廣泛應(yīng)用。

與此同時(shí)，眾多學(xué)者指出冪律分布是金融變量的普遍特征，不僅收益率的尾端服從冪律分布，流動(dòng)性成本和價(jià)格沖擊的尾端同樣服從冪律分布。Plerou等(2004)發(fā)現(xiàn)，交易的價(jià)格沖擊的尾端服從冪律分布，故傳統(tǒng)的正態(tài)分布假設(shè)無(wú)法很好地描述流動(dòng)性成本的尾端特征。Gabaix等(2003，2006)進(jìn)一步指出，投資者的最優(yōu)化交易行為，特別是大機(jī)構(gòu)的行為，是形成冪律分布特征的原因。陳收等(2008)以及曹宏鐸等(2011)發(fā)現(xiàn)中國(guó)市場(chǎng)的眾多變量也廣泛存在冪律分布特征。據(jù)此，我們可以直接將 Kelly和Jiang(2014)的理論擴(kuò)展到流動(dòng)性問(wèn)題中。

綜上所述，可以假設(shè)流動(dòng)性成本的尾端分布如下：

其中Ci,t表示股票i在t時(shí)刻的流動(dòng)性成本，為某一閾值，要求為信息集，參數(shù)決定了尾端分布的形狀。由于故應(yīng)有保證概率取值在0到1之間。參數(shù)由兩部分構(gòu)成，其中iα由個(gè)股因素決定，tλ由市場(chǎng)因素決定并隨It變化。

（二）極端流動(dòng)性風(fēng)險(xiǎn)因子的估計(jì)方法

定義tλ為市場(chǎng)在t時(shí)刻的極端流動(dòng)性風(fēng)險(xiǎn)，則可使用Hill(1975)提出的分布尾端估計(jì)方法來(lái)估計(jì)tλ，即：

其中Ck,t是超過(guò)閾值的日度流動(dòng)性成本。將每個(gè)月內(nèi)所有股票的日度流動(dòng)性成本帶入式(2)，即可得到該月的極端流動(dòng)性風(fēng)險(xiǎn)因子值，Kt為月內(nèi)符合條件的日觀測(cè)值的數(shù)量。在每個(gè)月內(nèi)，個(gè)股出現(xiàn)極端低的日流動(dòng)性水平的頻率越高，則加總而成的統(tǒng)計(jì)量就越顯著，全市場(chǎng)的極端流動(dòng)性風(fēng)險(xiǎn)就越大。個(gè)股的流動(dòng)性水平是投資者預(yù)期和交易行為的結(jié)果，故式(2)在本質(zhì)上也反映了全市場(chǎng)范圍內(nèi)投資者的預(yù)期和交易行為，這是其解釋能力和預(yù)測(cè)能力的來(lái)源。

由于冪律分布的對(duì)數(shù)服從同參數(shù)的指數(shù)分布，根據(jù)指數(shù)分布的性質(zhì)可知：

三、樣本與指標(biāo)定義

（一）樣本區(qū)間的選擇

本文選取的樣本區(qū)間為2005年1月到2016年12月。由于股權(quán)分置改革對(duì)流動(dòng)性影響較大，且 2005年之前樣本量較少，不利于極端流動(dòng)性風(fēng)險(xiǎn)因子的估計(jì)，故樣本時(shí)間從 2005年開(kāi)始。該區(qū)間包含了中國(guó)股票市場(chǎng)最為標(biāo)志性的兩次暴跌，具有代表性。此外，我們刪除了金融股和當(dāng)年上市的股票樣本，但在穩(wěn)健性檢驗(yàn)中加入這些樣本后并不影響結(jié)論。

（二）極端流動(dòng)性風(fēng)險(xiǎn)因子及其beta值的計(jì)算

基于式(2)可由個(gè)股的日度流動(dòng)性成本計(jì)算出市場(chǎng)的月度極端流動(dòng)性風(fēng)險(xiǎn)因子值。張崢等(2013)比較了各種度量方法在中國(guó)股票市場(chǎng)上的適用性，認(rèn)為 Amihud指標(biāo)適用性最好。該指標(biāo)的計(jì)算方法如式(5)。

其中 daysi為個(gè)股月內(nèi)有效交易天數(shù)。

圖1即為按以上方法計(jì)算所得的極端流動(dòng)性風(fēng)險(xiǎn)因子，陰影區(qū)域表示數(shù)次股災(zāi)，左軸為極端流動(dòng)性因子值和 LCAPM 的傳統(tǒng)流動(dòng)性因子值，右軸為市場(chǎng)收益率。一方面，極端流動(dòng)性風(fēng)險(xiǎn)因子在正常時(shí)期的波動(dòng)率與傳統(tǒng)流動(dòng)性因子相當(dāng)，但在危機(jī)前以及危機(jī)時(shí)期出現(xiàn)劇烈震蕩，幅度遠(yuǎn)超傳統(tǒng)的流動(dòng)性因子。特別是 2015年到 2016年的股災(zāi)表現(xiàn)出明顯的流動(dòng)性枯竭特征，極端流動(dòng)性風(fēng)險(xiǎn)因子的震蕩更加明顯，這說(shuō)明極端流動(dòng)性風(fēng)險(xiǎn)因子能更準(zhǔn)確地描述流動(dòng)性恐慌期的市場(chǎng)特征。另一方面，極端流動(dòng)性風(fēng)險(xiǎn)因子對(duì)于兩次大規(guī)模的股災(zāi)具有一定的提前指示作用，提前期約一個(gè)月。特別是2015年5月出現(xiàn)的劇變，預(yù)示大規(guī)模的流動(dòng)性枯竭即將到來(lái)。

圖1 極端流動(dòng)性風(fēng)險(xiǎn)因子圖

極端流動(dòng)性風(fēng)險(xiǎn)因子對(duì)于危機(jī)的提前指示能力，可能源于其在微觀層面捕捉了投資者的預(yù)期和交易行為。當(dāng)市場(chǎng)狂熱接近末期，投資者，特別是理性程度更高的機(jī)構(gòu)投資者，對(duì)于顯著高估的股票的預(yù)期和交易行為逐漸趨同，出現(xiàn)“逃往質(zhì)量(flight to quality)”現(xiàn)象。這種同質(zhì)化的拋售行為使月內(nèi)流動(dòng)性樣本的尾端顯著增厚，從而使極端流動(dòng)性風(fēng)險(xiǎn)因子出現(xiàn)劇變。

為計(jì)算個(gè)股對(duì)極端流動(dòng)性風(fēng)險(xiǎn)因子的beta值，我們用個(gè)股超額收益率與該因子的非預(yù)期變化(unexpected innovation)做了 24個(gè)月的滾動(dòng)回歸。在穩(wěn)健性檢驗(yàn)中我們也嘗試了 60個(gè)月的滾動(dòng)回歸，結(jié)果并無(wú)區(qū)別。求因子非預(yù)期變化的常用方法主要有Pastor和 Stambaugh(2003)以及 Sadka(2006)。我們采用了 Sadka(2006)的 ARIMA模型殘差法。具體而言，我們對(duì)極端流動(dòng)性風(fēng)險(xiǎn)因子序列建立ARIMA模型①基于Box-Jenkins方法最終選擇的最優(yōu)模型為ARIMA(2，1，2)。，取殘差作為極端流動(dòng)性風(fēng)險(xiǎn)因子的非預(yù)期變化，與個(gè)股超額收益率做滾動(dòng)回歸。

（三）其他變量定義

在個(gè)股層面，我們選取的控制變量包括：流通市值(Size)、賬面市值比(Bmratio)、動(dòng)量效應(yīng)(Momentum)、盈利性(Roe)、換手率(Turnover)、流動(dòng)性水平(Liquidity)和波動(dòng)率(Volatility)。在市場(chǎng)層面，我們參考了Welch和Goyal(2008)以及姜富偉等(2011)的市場(chǎng)收益率可預(yù)測(cè)性框架，選擇的控制變量包括：平均市盈率(Peratio_m)、平均賬面市值比(Bmratio_m)、市值變動(dòng)率(Size_delta_m)、平均股利支付率(Dividend_m)、平均換手率(Turnover_m)、平均流動(dòng)性水平(Liquidity_m)、通貨膨脹率(Inflation_m)和貨幣供應(yīng)量(M2_m)。

四、個(gè)股層面的實(shí)證分析

（一）極端流動(dòng)性風(fēng)險(xiǎn)因子的橫截面風(fēng)險(xiǎn)溢價(jià)

為驗(yàn)證本文所構(gòu)造的極端流動(dòng)性風(fēng)險(xiǎn)因子存在顯著的風(fēng)險(xiǎn)溢價(jià)，我們首先使用單變量組合分析法。具體而言，我們?cè)诿總€(gè)月將樣本按極端流動(dòng)性風(fēng)險(xiǎn)因子 beta值從大到小排序，等分為五個(gè)組合，分別計(jì)算各組合持有一定期限后的平均超額收益率，最后求各月各組合的均值。若按順序排列的各組合的平均超額收益率存在一定程度上的遞增關(guān)系，且最高組與最低組的平均超額收益率之差顯著大于零，則可認(rèn)為極端流動(dòng)性風(fēng)險(xiǎn)因子存在顯著的風(fēng)險(xiǎn)溢價(jià)。為確保結(jié)論的穩(wěn)健性，我們采用了多種組合構(gòu)造方法：持有期限包括1個(gè)月、3個(gè)月、6個(gè)月和12個(gè)月；超額收益率包括基于Fama-French三因子和五因子模型調(diào)整的 alpha；加權(quán)方法包括等權(quán)重加權(quán)、流通市值權(quán)重加權(quán)和總市值權(quán)重加權(quán)。計(jì)算結(jié)果見(jiàn)表1。

為更直觀地展示表1的結(jié)果，我們還依據(jù)各組的平均超額收益率繪制了圖2，橫軸為五個(gè)組合，縱軸為加權(quán)平均超額收益率。

表1 極端流動(dòng)性風(fēng)險(xiǎn)因子與個(gè)股收益率的投資組合分析

表1的計(jì)算結(jié)果顯示，在24種不同組合構(gòu)造方式下，最高組與最低組的平均超額收益率之差基本都顯著大于零，表明該因子存在顯著的風(fēng)險(xiǎn)溢價(jià)，且結(jié)果非常穩(wěn)健。從圖2可觀察到，極端流動(dòng)性風(fēng)險(xiǎn)因子beta值與超額收益率之間存在明顯的正向關(guān)系①等權(quán)重的組合下可以保證單調(diào)性，但市值權(quán)重組合下，第4組的超額收益率往往是最高的。這可能是因?yàn)榇笫兄档墓善辈▌?dòng)率相對(duì)較低，從而在加權(quán)后拉低了第5組的加權(quán)平均超額收益率。。

極端流動(dòng)性風(fēng)險(xiǎn)因子存在橫截面的風(fēng)險(xiǎn)溢價(jià)，對(duì)于傳統(tǒng)資產(chǎn)定價(jià)模型而言是一種異象。這種溢價(jià)的來(lái)源，可能是由于投資者對(duì)于流動(dòng)性枯竭出現(xiàn)的恐懼，即使在正常時(shí)期，也會(huì)因恐懼而影響交易行為，存在“驚弓之鳥(niǎo)”的特征。這與 Bali等(2009，2014)、Huang等(2012)、Kelly和 Jiang(2014)、陳國(guó)進(jìn)等(2015)、Van Oordt和 Zhou(2016)、劉圣堯等(2016)以及 Wu(2017)的發(fā)現(xiàn)在邏輯上是一致的，只是這些研究更加關(guān)注收益率的尾端特征及其風(fēng)險(xiǎn)溢價(jià)，而本文則是從流動(dòng)性的角度入手。該思想根源于對(duì)股權(quán)溢價(jià)之謎的研究。Barro(2006)、Bollerslev和 Todorov(2011)以及 Gabaix(2012)認(rèn)為，由于罕見(jiàn)災(zāi)害難等極端事件難以被估計(jì)且危害性巨大，投資者對(duì)這類(lèi)事件的恐懼造成了過(guò)高的風(fēng)險(xiǎn)溢價(jià)，即使在正常時(shí)期這種溢價(jià)依然存在，因此形成了股權(quán)溢價(jià)之謎。該結(jié)論也在一定程度上修正了傳統(tǒng)流動(dòng)性資產(chǎn)定價(jià)模型存在的缺陷，更好地描述了危機(jī)時(shí)期的特征，補(bǔ)充了這部分缺失的風(fēng)險(xiǎn)溢價(jià)。

圖2 極端流動(dòng)性風(fēng)險(xiǎn)因子與個(gè)股收益率的關(guān)系圖

極端流動(dòng)性風(fēng)險(xiǎn)因子對(duì)收益率的解釋能力是否會(huì)被其他因素覆蓋？為考察這一問(wèn)題，我們進(jìn)一步采用了 Fama-MacBeth回歸方法，以便引入其他控制變量。除上文所述的常規(guī)控制變量外，我們還控制了Kelly和Jiang(2014)構(gòu)造的極端收益率風(fēng)險(xiǎn)因子beta值。具體而言，極端收益率因子(KJ_factor)的計(jì)算方法與上文類(lèi)似，只是將流動(dòng)性成本改為收益率，在每月匯總所有樣本的日收益率，基于同樣的閾值確定尾端，并使用Hill估計(jì)量計(jì)算極端收益率風(fēng)險(xiǎn)因子，并求其beta值。

表2的回歸結(jié)果表明，在加入眾多控制變量后，極端流動(dòng)性風(fēng)險(xiǎn)因子的風(fēng)險(xiǎn)溢價(jià)依舊在1個(gè)月、3個(gè)月和6個(gè)月的持有期限上顯著，這種定價(jià)能力獨(dú)立于極端收益率風(fēng)險(xiǎn)因子和其他因素，是一種全新的效應(yīng)。

表2 極端流動(dòng)性風(fēng)險(xiǎn)因子與個(gè)股收益率的Fama-MacBeth回歸分析

（二）極端流動(dòng)性風(fēng)險(xiǎn)與反轉(zhuǎn)效應(yīng)

能否解釋各類(lèi)市場(chǎng)異象，是評(píng)價(jià)資產(chǎn)定價(jià)模型優(yōu)劣的重要方面。盡管 LCAPM 模型在解釋規(guī)模效應(yīng)和估值效應(yīng)方面取得了良好的效果，但其能否解釋中國(guó)市場(chǎng)上的反轉(zhuǎn)效應(yīng)仍存在爭(zhēng)議。如陳青和李子白(2008)認(rèn)為 LCAPM 模型可以在一定程度上解釋反轉(zhuǎn)效應(yīng)，但李宏等(2016)基于更廣泛的數(shù)據(jù)和更嚴(yán)謹(jǐn)?shù)姆治霭l(fā)現(xiàn)，LCAPM模型對(duì)于反轉(zhuǎn)效應(yīng)的解釋很不充分。根據(jù)李宏等(2016)的定義，可用過(guò)去兩個(gè)月的累計(jì)超額收益率代表短期反轉(zhuǎn)效應(yīng)(Reversal)。本文基于簡(jiǎn)單的方法發(fā)現(xiàn)，在控制極端流動(dòng)性風(fēng)險(xiǎn)因子后，反轉(zhuǎn)效應(yīng)在各期限下均不再顯著，這說(shuō)明極端流動(dòng)性風(fēng)險(xiǎn)因子可以解釋短期反轉(zhuǎn)效應(yīng)，結(jié)果見(jiàn)表3。

表3 極端流動(dòng)性風(fēng)險(xiǎn)因子與反轉(zhuǎn)效應(yīng)的回歸分析

極端流動(dòng)性風(fēng)險(xiǎn)因子對(duì)反轉(zhuǎn)效應(yīng)的解釋能力，可能源于 Avramov等(2006)以及Nagel(2012)的理論。Avramov等(2006)認(rèn)為，反轉(zhuǎn)策略的收益在本質(zhì)上可視為提供流動(dòng)性獲得的補(bǔ)償。當(dāng)投資者在下跌時(shí)買(mǎi)入資產(chǎn)，即提供了流動(dòng)性，并可能獲得反轉(zhuǎn)的收益，以補(bǔ)償其提供流動(dòng)性的交易行為。Nagel(2012)發(fā)現(xiàn)，反轉(zhuǎn)策略的收益是很不穩(wěn)定的，與 VIX指數(shù)高度相關(guān)。市場(chǎng)恐慌時(shí)期的抄底行為是反轉(zhuǎn)策略收益的最主要來(lái)源，因?yàn)榇藭r(shí)提供的流動(dòng)性最為寶貴，風(fēng)險(xiǎn)也最大。綜合這兩種理論即可發(fā)現(xiàn)，極端流動(dòng)性風(fēng)險(xiǎn)因子和反轉(zhuǎn)策略收益率高度相關(guān)，反轉(zhuǎn)策略收益主要源于極端流動(dòng)性風(fēng)險(xiǎn)因子劇變的時(shí)期，因此在控制了極端流動(dòng)性風(fēng)險(xiǎn)因子后，反轉(zhuǎn)效應(yīng)不再顯著。

（三）幾種資產(chǎn)定價(jià)模型的對(duì)比

鑒于極端流動(dòng)性風(fēng)險(xiǎn)因子在描述危機(jī)特征與補(bǔ)充風(fēng)險(xiǎn)溢價(jià)兩個(gè)方面對(duì)傳統(tǒng)流動(dòng)性因子做了改進(jìn)，以下我們嘗試基于該因子構(gòu)造新的定價(jià)模型，并與經(jīng)典的定價(jià)模型進(jìn)行對(duì)比。正如趙勝民等(2016)指出，因子定價(jià)模型的有效程度因市場(chǎng)發(fā)展水平和投資理念而異。中國(guó)股票市場(chǎng)存在明顯的流動(dòng)性驅(qū)動(dòng)特征，且有較大的流動(dòng)性波動(dòng)性，這可能意味著考慮極端情況的流動(dòng)性資產(chǎn)定價(jià)模型有更好的適用性。

我們分別將極端流動(dòng)性風(fēng)險(xiǎn)因子加入CAPM和LCAPM中，構(gòu)造了新的兩因子模型(包含市場(chǎng)風(fēng)險(xiǎn)因子和極端流動(dòng)性風(fēng)險(xiǎn)因子)和三因子模型(包含市場(chǎng)風(fēng)險(xiǎn)因子、流動(dòng)性風(fēng)險(xiǎn)因子和極端流動(dòng)性風(fēng)險(xiǎn)因子)。隨后根據(jù)流通市值和賬面市值比分組構(gòu)建Fama-French的5×5組合。最后利用這25個(gè)組合，分別計(jì)算這兩個(gè)新模型、LCPAM、Fama-French三因子模型以及 Fama-French五因子模型的 Gibbons統(tǒng)計(jì)量。較大的Gibbons統(tǒng)計(jì)量表明各組合截距項(xiàng)聯(lián)合不等于零，該定價(jià)模型產(chǎn)生的 alpha越高，擬合程度越低，模型越差。該統(tǒng)計(jì)量的定義如下如式(6)：

其中，t為時(shí)間序列期數(shù)，n為組合數(shù)，f為因子個(gè)數(shù)，為各組合截距項(xiàng)的列向量，為殘差的協(xié)方差矩陣的無(wú)偏估計(jì)，為因子的樣本均值的列向量，為因子的協(xié)方差矩陣的無(wú)偏估計(jì)，該統(tǒng)計(jì)量服從自由度為n和t-n-f的F分布。表4為本文所構(gòu)造的兩個(gè)新模型與 CAPM、LCAPM、Fama-French三因子模型和 Fama-French五因子模型的對(duì)比。

基于表4可得到以下結(jié)論。在各種期限下，加入極端流動(dòng)性風(fēng)險(xiǎn)因子的模型都明顯優(yōu)于其他經(jīng)典模型。將極端流動(dòng)性風(fēng)險(xiǎn)因子加入CAPM和LCAPM后各有優(yōu)劣，事實(shí)上極端流動(dòng)性風(fēng)險(xiǎn)因子與傳統(tǒng)流動(dòng)性因子在正常時(shí)期的趨勢(shì)是基本一致的，只有在危機(jī)時(shí)期才出現(xiàn)較大區(qū)別，出于模型簡(jiǎn)潔性的考慮，EL+CAPM 的形式是最優(yōu)的。流動(dòng)性模型的良好表現(xiàn)，說(shuō)明中國(guó)股票市場(chǎng)流動(dòng)性驅(qū)動(dòng)的特征更為明顯。加入極端流動(dòng)性風(fēng)險(xiǎn)因子的新模型不僅符合流動(dòng)性驅(qū)動(dòng)的特征，也更好地描述了危機(jī)時(shí)的規(guī)律，故有更好的實(shí)證效果。

表4 幾類(lèi)資產(chǎn)定價(jià)模型的對(duì)比分析

五、市場(chǎng)層面的實(shí)證分析

（一）極端流動(dòng)性風(fēng)險(xiǎn)因子與市場(chǎng)收益率

上文證實(shí)了極端流動(dòng)性風(fēng)險(xiǎn)因子在橫截面層面存在顯著的風(fēng)險(xiǎn)溢價(jià)，那么該因子在市場(chǎng)層面是否存在同樣的現(xiàn)象？該因子是否可以進(jìn)一步加強(qiáng)對(duì)市場(chǎng)收益率的預(yù)測(cè)能力？下文在市場(chǎng)層面進(jìn)一步展開(kāi)檢驗(yàn)。

Welch和 Goyal(2008)以及姜富偉等(2011)分別研究了美國(guó)和中國(guó)股票市場(chǎng)收益率的可預(yù)測(cè)性，認(rèn)為估值水平、市值變化、股利水平以及通脹和貨幣供應(yīng)量等宏觀變量對(duì)市場(chǎng)收益率有預(yù)測(cè)作用。我們?cè)诮粋サ?2011)所選定的變量基礎(chǔ)上，加入了極端流動(dòng)性風(fēng)險(xiǎn)因子。為了與 Kelly和 Jiang(2014)的結(jié)論進(jìn)行對(duì)比，我們還在其中控制了極端收益率風(fēng)險(xiǎn)因子。

我們用流通市值權(quán)重和等權(quán)重方法重新計(jì)算了樣本范圍內(nèi)的全市場(chǎng)收益率，并取5種不同的期限。結(jié)果顯示，極端流動(dòng)性風(fēng)險(xiǎn)因子對(duì)未來(lái)1個(gè)月到12個(gè)月的市場(chǎng)收益率具有解釋能力；而在 12個(gè)月后，因子的解釋能力逐漸減弱直至消失。此外我們還計(jì)算了極端流動(dòng)性風(fēng)險(xiǎn)因子和極端收益率風(fēng)險(xiǎn)因子對(duì)解釋市場(chǎng)收益率所貢獻(xiàn)的比例。結(jié)果顯示，極端流動(dòng)性風(fēng)險(xiǎn)因子解釋能力的比例約為 10%到 17%，與其他經(jīng)典的預(yù)測(cè)變量基本相當(dāng)，且在絕大多數(shù)形式下都高于 Kelly和 Jiang(2014)的極端收益率因子，說(shuō)明了該因子的重要作用和在中國(guó)市場(chǎng)上的適用性。

表5 極端流動(dòng)性風(fēng)險(xiǎn)因子與市場(chǎng)收益率的回歸分析

續(xù)表5

續(xù)表5

（二）極端流動(dòng)性風(fēng)險(xiǎn)因子與宏觀經(jīng)濟(jì)

參考 Kelly和 Jiang(2014)以及 Wu(2017)的研究框架，我們進(jìn)一步探討了極端流動(dòng)性風(fēng)險(xiǎn)因子與一些宏觀經(jīng)濟(jì)變量之間的聯(lián)系。我們選擇了總產(chǎn)出、固定資產(chǎn)投資、居民消費(fèi)、通貨膨脹、貨幣供應(yīng)量和經(jīng)濟(jì)景氣指數(shù) 6個(gè)宏觀變量，建立 VAR模型①多數(shù)情況下的最優(yōu)模型為VAR(3)，個(gè)別為VAR(2)。，進(jìn)行Granger檢驗(yàn)，并求這些宏觀變量對(duì)極端流動(dòng)性風(fēng)險(xiǎn)因子沖擊的脈沖響應(yīng)圖(圖3)。

表6的結(jié)果顯示，極端流動(dòng)性因子是總產(chǎn)出、通貨膨脹、貨幣供應(yīng)和經(jīng)濟(jì)景氣指數(shù)的Granger原因，表明極端流動(dòng)性因子對(duì)這些變量有一定的領(lǐng)先和預(yù)測(cè)作用。

表6 極端流動(dòng)性風(fēng)險(xiǎn)因子與宏觀經(jīng)濟(jì)變量的Granger檢驗(yàn)

圖3的結(jié)果顯示，極端流動(dòng)性風(fēng)險(xiǎn)因子的沖擊對(duì)多數(shù)宏觀變量都存在影響②當(dāng)然，這種影響只是單純的領(lǐng)先滯后關(guān)系，并非因果關(guān)系。這種領(lǐng)先滯后關(guān)系反映了投資者的預(yù)期。。首先，極端流動(dòng)性風(fēng)險(xiǎn)因子的沖擊意味著總產(chǎn)出、固定資產(chǎn)投資和經(jīng)濟(jì)景氣指數(shù)在1到2個(gè)月的短期下滑，并在6期之后基本收斂為零。其次，極端流動(dòng)性風(fēng)險(xiǎn)因子沖擊意味著未來(lái) 1到 4個(gè)月存在非常明顯的通貨緊縮和資金面緊張，并在 8期之后基本收斂為零。最后，居民消費(fèi)的結(jié)果較為異常，極端流動(dòng)性風(fēng)險(xiǎn)因子的沖擊意味著未來(lái)1個(gè)月的居民消費(fèi)增長(zhǎng)，并在 3期之后基本收斂為零。我們認(rèn)為，這一異常結(jié)果的可能原因有：從幅度上看對(duì)居民消費(fèi)的沖擊作用很小，且 Granger檢驗(yàn)未通過(guò)，說(shuō)明這種沖擊并不顯著；此外，由于極端流動(dòng)性風(fēng)險(xiǎn)因子對(duì)危機(jī)有提前約1個(gè)月的指示性，此時(shí)市場(chǎng)仍處在最后的上漲期，仍然存在一定的財(cái)富效應(yīng)，故居民消費(fèi)在1個(gè)月后才出現(xiàn)拐點(diǎn)。

圖3 宏觀經(jīng)濟(jì)變量對(duì)極端流動(dòng)性風(fēng)險(xiǎn)因子的脈沖響應(yīng)圖

極端流動(dòng)性風(fēng)險(xiǎn)因子與各宏觀變量之間的領(lǐng)先滯后關(guān)系表明，投資者對(duì)未來(lái)的預(yù)期可能是極端流動(dòng)性出現(xiàn)波動(dòng)并存在風(fēng)險(xiǎn)溢價(jià)的原因。以貨幣供應(yīng)為例，投資者預(yù)期未來(lái)數(shù)月可能會(huì)出現(xiàn)資金面的緊張，對(duì)市場(chǎng)造成影響，故選擇提前賣(mài)出資產(chǎn)。當(dāng)市場(chǎng)狂熱接近末期，投資者間的預(yù)期和交易行為趨同時(shí)，會(huì)優(yōu)先選擇賣(mài)出估值過(guò)高質(zhì)量不佳的資產(chǎn)，出現(xiàn)“逃往質(zhì)量(flight to quality)”現(xiàn)象，月內(nèi)流動(dòng)性觀測(cè)的值的尾端顯著增厚，極端流動(dòng)性風(fēng)險(xiǎn)因子出現(xiàn)劇變。這種對(duì)未來(lái)宏觀形勢(shì)預(yù)期的自我實(shí)現(xiàn)，可能是該因子能夠指示危機(jī)并存在風(fēng)險(xiǎn)溢價(jià)的深層原因。

六、穩(wěn)健性檢驗(yàn)

為進(jìn)一步確保結(jié)論的可靠性，我們還進(jìn)行了以下多組穩(wěn)健性檢驗(yàn)。

我們考慮引入一些與極端流動(dòng)性風(fēng)險(xiǎn)相似的概念，考察極端流動(dòng)性風(fēng)險(xiǎn)因子的解釋力是否能夠獨(dú)立于這些研究。除正文中考慮的Kelly和Jiang(2014)的極端收益率風(fēng)險(xiǎn)指標(biāo)外，我們進(jìn)一步考慮了 Chen等(2001)、Hutton等(2009)、代冰彬和岳衡(2015)以及褚劍和方軍雄(2016)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)指標(biāo)。股價(jià)崩盤(pán)風(fēng)險(xiǎn)同樣反映了出現(xiàn)極端負(fù)收益率的可能性，近年來(lái)在學(xué)術(shù)界和實(shí)務(wù)界對(duì)此有極高的研究頻率。股價(jià)崩盤(pán)風(fēng)險(xiǎn)指標(biāo)的計(jì)算方法可參考 Chen等(2001)的負(fù)偏度系數(shù)(Crash_ns)與收益上下波動(dòng)比率(Crash_ud)。首先應(yīng)根據(jù)Hutton等(2009)的研究，按式(7)計(jì)算特質(zhì)收益率。

其中Rit和Rm,t分別為個(gè)股和市場(chǎng)的日收益率①引入市場(chǎng)收益率的提前和滯后期是為調(diào)整非同步交易的影響。Chen等(2001)以及Hutton等(2009)是基于周度數(shù)據(jù)計(jì)算年度股價(jià)崩盤(pán)風(fēng)險(xiǎn)，而本文的頻率更高，故非同步交易的調(diào)整更為重要。，回歸所得殘差即為特質(zhì)收益率rit。隨后，可根據(jù)式(8)和式(9)計(jì)算負(fù)偏度系數(shù)和收益上下波動(dòng)比率。

其中nu和nd分別為月內(nèi)上漲和下跌的天數(shù)。

我們引入 Crash_ns以及 Crash_ud指標(biāo)重復(fù)了表2的回歸。表7的回歸結(jié)果顯示，控制這些變量并不影響極端流動(dòng)性風(fēng)險(xiǎn)因子的顯著性。

表7 加入類(lèi)似指標(biāo)后極端流動(dòng)性風(fēng)險(xiǎn)因子beta與個(gè)股收益率的Fama-MacBeth回歸分析

此外，我們還嘗試了不同的極端流動(dòng)性風(fēng)險(xiǎn)因子 beta值的計(jì)算方法。首先，我們采用滾動(dòng)60期計(jì)算beta，此時(shí)得到的beta值更為穩(wěn)定，但也包含了更多的陳舊信息。其次，我們提高了流動(dòng)性尾端的閾值標(biāo)準(zhǔn)，將其設(shè)定為 99%，并重新計(jì)算極端流動(dòng)性風(fēng)險(xiǎn)因子與其beta值。最后，我們?cè)赽eta計(jì)算時(shí)與Fama-French三因子同時(shí)進(jìn)行多元回歸。表8的結(jié)果顯示，各類(lèi)beta值的計(jì)算方法基本不影響本文的結(jié)果。

表8 其他beta計(jì)算方法下極端流動(dòng)性風(fēng)險(xiǎn)因子beta與個(gè)股收益率的Fama-MacBeth回歸分析

七、結(jié) 論

2015年到 2016年中國(guó)股票市場(chǎng)的流動(dòng)性枯竭，給學(xué)術(shù)界和實(shí)務(wù)界都帶來(lái)了深刻的沖擊。然而，傳統(tǒng)理論中的流動(dòng)性資產(chǎn)定價(jià)模型并不能很好地預(yù)測(cè)和解釋這次大規(guī)模的流動(dòng)性恐慌。本文基于這一出發(fā)點(diǎn)，結(jié)合次貸危機(jī)以來(lái)的最新研究成果，認(rèn)為傳統(tǒng)的流動(dòng)性因子存在兩個(gè)缺陷。一方面，危機(jī)時(shí)期的流動(dòng)性打破了均值回復(fù)性，呈現(xiàn)出自我強(qiáng)化加速下滑的特征，傳統(tǒng)的流動(dòng)性因子無(wú)法描述危機(jī)時(shí)期的特殊性質(zhì)。另一方面，投資者存在“驚弓之鳥(niǎo)”的特征，對(duì)危機(jī)可能出現(xiàn)的恐懼，即使在正常時(shí)期也存在顯著的風(fēng)險(xiǎn)溢價(jià)，傳統(tǒng)的流動(dòng)性因子遺漏了這部分風(fēng)險(xiǎn)溢價(jià)。為解決以上問(wèn)題，本文將Kelly和 Jiang(2014)以及 Wu(2017)的框架進(jìn)一步推廣到了中國(guó)股票市場(chǎng)流動(dòng)性中，基于冪律分布假設(shè)和 Hill估計(jì)量，構(gòu)造了極端流動(dòng)性風(fēng)險(xiǎn)因子，在以上兩個(gè)方面擴(kuò)展了傳統(tǒng)的流動(dòng)性資產(chǎn)定價(jià)模型。

在實(shí)證檢驗(yàn)中，本文得到了以下結(jié)論。第一，極端流動(dòng)性風(fēng)險(xiǎn)因子相較于傳統(tǒng)的流動(dòng)性因子在市場(chǎng)流動(dòng)性恐慌期顯著增大，且有約一個(gè)月的提前期，對(duì)重大的危機(jī)具有提前指示作用。第二，極端流動(dòng)性風(fēng)險(xiǎn)因子在橫截面上存在顯著的風(fēng)險(xiǎn)溢價(jià)，且可以消除傳統(tǒng)資產(chǎn)定價(jià)模型難以消除的反轉(zhuǎn)效應(yīng)異象。第三，將極端流動(dòng)性風(fēng)險(xiǎn)因子與CAPM 的市場(chǎng)因子相結(jié)合構(gòu)建的兩因子定價(jià)模型，解釋能力顯著高于其他經(jīng)典模型。第四，極端流動(dòng)性風(fēng)險(xiǎn)因子對(duì)未來(lái)市場(chǎng)收益率有顯著的預(yù)測(cè)能力，并對(duì)經(jīng)典的市場(chǎng)收益率可預(yù)測(cè)性框架提供了補(bǔ)充。第五，極端流動(dòng)性風(fēng)險(xiǎn)因子對(duì)未來(lái)宏觀經(jīng)濟(jì)變量具有一定指示作用，極端流動(dòng)性的沖擊預(yù)示著未來(lái) 1個(gè)月的產(chǎn)出、投資和經(jīng)濟(jì)景氣指數(shù)的下滑以及未來(lái) 4個(gè)月的通貨緊縮和資金面緊張。這些結(jié)論表明，本文所構(gòu)造的極端流動(dòng)性風(fēng)險(xiǎn)因子在理論上擴(kuò)展了流動(dòng)性資產(chǎn)定價(jià)模型，深化了對(duì)危機(jī)時(shí)期流動(dòng)性特殊性質(zhì)的認(rèn)識(shí)，也對(duì)投資實(shí)務(wù)有一定應(yīng)用價(jià)值。

正如前文所言，資產(chǎn)定價(jià)模型的適用性取決于市場(chǎng)特征與投資風(fēng)格。從本質(zhì)上講，中國(guó)股票市場(chǎng)上明顯的流動(dòng)性驅(qū)動(dòng)特征和劇烈的流動(dòng)性波動(dòng)性，起源于明顯的投機(jī)性特征，劇烈的股價(jià)波動(dòng)并非由基本面引起，而是由短期投機(jī)性的資金流動(dòng)引起。因此，定價(jià)模型的構(gòu)建應(yīng)充分考慮市場(chǎng)與投資者的特征，并非放之四海皆準(zhǔn)，這也是本文結(jié)論有效的重要原因。