高傳三 蔣月娥

摘要：基于滬深A股不同市場環(huán)境下的交易數(shù)據(jù)，實證分析了股票收益與波動性之間的關系，得出了波動性因子是股票收益行為獨立影響因素的結論，并且，在不同的市場環(huán)境中波動與股票收益之間的關系具有不同的表現(xiàn)形式，牛市中正相關，熊市中負相關。

Abstract： Based on the transaction data of different market environments in Shanghai and Shenzhen Stock Market， the paper empirically analyzes the relationship between stock returns and volatility and draws the conclusion that the volatility is an independent determinants of stocks' return.? Under different market environment， the relationship is different， it is positively correlated in bull market but negatively correlated in bear market.

關鍵詞：收益;波動性;市場環(huán)境

Key words： return;volatility;market environment

中圖分類號：F830.91? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2019）31-0120-03

0? 引言

自世界上首家證券交易所在荷蘭誕生以來，股票的收益問題始終是證券市場上最受關注的話題，而股價的波動性則是這一話題中毋庸置疑的核心。多年來，無論是學界還是業(yè)界，關于股票收益與波動性之間關系的研究數(shù)不勝數(shù)，人們不斷嘗試從各種角度，運用不同的方法描述這種關系，得出了許多有意義的結論，極大地推動了理論研究的深化，并促使全球證券市場日益走向成熟。然而，遺憾的是，這些研究并沒能得出完全一致的結論，關于股票收益與波動之間關系的研究仍處于不斷探索的過程中。

本文即將致力于進一步探索股票收益與波動性之間的關系?；趯χ袊C券市場的觀察，以近年來發(fā)生的兩次牛熊交替行情為背景，運用橫截面回歸法，采用我國滬深股市的行業(yè)日收益率作為研究對象，分析并對比不同市場環(huán)境下股價波動性對股票收益的影響。

1? 實證方案設計

1.1 模型的建立

為考察股票收益與波動性之間的關系，建立模型如（1）式所示：

其中，R為個股或組合的收益率，是模型的被解釋變量;VLA為波動性因子，是模型的解釋變量;rf為無風險收益率，rm為市場收益率，（rm-rf）、PRI和LIQ為控制變量，分別為系統(tǒng)風險因子、名義股價因子和流動性因子。

1.2 樣本選擇

回顧我國證券市場的歷史，最近的兩輪“牛市”行情分別是2006-2007年和2014-2015年。這兩輪行情，所處的時間節(jié)點不同，其發(fā)生時國際國內(nèi)的經(jīng)濟大環(huán)境亦不相同，因此其中包含的交易信息也必然有所不同。為了驗證我們主張的意外沖擊條件下波動性價值及其相關因子對股票收益行為的解釋能力，我們將嘗試分別用這兩輪行情中的交易數(shù)據(jù)來檢驗基于可交易過程的股票波動性價值實證模型。

我們將包含2006-2007年行情及其之前低迷期的時段記為第Ⅰ輪，將包含2014-2015年行情及其之前低迷期的時段記為第Ⅱ輪，同時，在每輪中，均選擇兩段不同市場環(huán)境下的樣本數(shù)據(jù)，并將其中處于低迷狀態(tài)的階段記為A段，處于快速上漲狀態(tài)的階段記為B段。由此，可以得到四段樣本數(shù)據(jù)，分別是：

——ⅠA段。2004年1月1日至12月31日，金融市場表現(xiàn)為股指下降，市場低迷且市場信心受到打擊，此時市場處于“熊市”狀態(tài);

——ⅠB段。2006年10月9日至2007年9月28日，在此階段，市場復蘇高漲，股指快速上升，由此市場信心修復并開始高漲，進而表現(xiàn)為一段“快牛”的行情;

——ⅡA段。2013年6月17日至2014年6月13日，自2008年股市大幅下挫以來，股指持續(xù)低位已經(jīng)多年，市場低迷，雖然從指數(shù)上看，這一時段的股指不僅并沒有明顯下降，反而還略有升高，但總體上仍處于“熊市”的末端。

——ⅡB段。2014年6月16日至2015年6月12日，這一時段中，“快牛”行情再現(xiàn)，市場極度興奮。

對比兩輪行情中的A段和B段，不難發(fā)現(xiàn)A段中市場處于低位運行的狀態(tài)，股指變化較小，成交量極度萎縮，市場所受到的外部沖擊不明顯，而B段中股指迅速上漲，成交量急劇放大，市場及其參與者持續(xù)受到新息的沖擊。因此，我們分別選擇兩輪行情中的A段和B段數(shù)據(jù)研究不同市場環(huán)境下股票收益與波動性之間的關系。

在我國滬深A股主板市場根據(jù)以下原則對上述四個時段的所有個股的日交易數(shù)據(jù)進行篩選：

第一，如果個股在樣本期內(nèi)被特別處理或其他處理，去除被處理個股相關交易日的數(shù)據(jù)，剔除該股恢復正常交易后前5個交易日的數(shù)據(jù)，保證樣本漲跌幅限制的一致性;

第二，去除凈資產(chǎn)小于零的個股，保證與其他有關研究的可比性;

第三，去除新股前20個交易日的交易數(shù)據(jù)。

同時，對上市公司的紅利、配股、拆細等行為進行了相關調(diào)整。經(jīng)過選擇，在有效樣本中，第Ⅰ輪共有1218支個股，涉及485個交易日，其中ⅠA段243個ⅠB段242個。第Ⅱ輪涉及2216只個股，488個交易日，其中ⅡA段243個，ⅡB段 245個。

令ri，t為股票i在第t個交易日的對數(shù)收益率，prii，t為收盤價，liqi，t為換手率，vlai，t為波動率，其中i=1，2…3434;t=1，2…973，具體的，i=1，2…1218為第Ⅰ輪時點，i=1219，1220…3434為第Ⅱ輪時點，t=1，2…243為ⅠA段數(shù)據(jù)，t=244，245…485為ⅠB段數(shù)據(jù)，t=486，487…728為ⅡA段數(shù)據(jù)，t=729，730…973為ⅡB段數(shù)據(jù)，波動率由Garch（1，1）模型計算得到，記rft和rmt為第t個交易日的日無風險收益率和流通市值加權平均市場日收益率。樣本期間停盤股票相關數(shù)據(jù)記為空值，不參加后續(xù)計算。

1.3 組合及因子構造

根據(jù)證監(jiān)會行業(yè)分類將所有個股分成13組，分別是：采掘業(yè);制造業(yè);建筑業(yè);房地產(chǎn)業(yè);農(nóng)、林、牧、漁業(yè);電力、煤氣及水的生產(chǎn)和供應業(yè);交通運輸及倉儲業(yè);批發(fā)和零售貿(mào)易;金融、保險業(yè);社會服務業(yè);傳播與文化產(chǎn)業(yè);信息技術業(yè);綜合類。對每一個交易日，計算每個組合的算術平均對數(shù)收益率，記為該組合當日的收益率。

參照Fama-French模型的因子構造思路，在每個交易日t（t=2，3…243;245，246…485;487，488…728;730，731…973），將交易的個股股價按上一個交易日從低到高排序，并以大約3：4：3的比例劃分，股價最低的30%記為LP組、股價居中的40%記為MP組、股價最高的30%記為HP組，令M_prit為名義股價調(diào)整系數(shù)因子的代理指標，記為HP組與LP組的日算術平均收益率之差;在每個交易日t（t= 2，3…243; 245，246…485;487，488…728;730，731…973），按同樣的方法對交易個股的換手率和波動率進行排序、分組，令M_liqt為流動性因子的代理指標為高換手率組（HE組）與低換手率組（LE組）的日均收益率之差，M_vlat為波動性因子的代理指標為高波動率組（HV組）的日均收益率與低波動率組（LV組）的日均收益率之差。

1.4 實證思路

對13個行業(yè)組合的日收益率采用橫截面回歸法進行實證分析：

第一輪對組合的時間序列數(shù)據(jù)進行回歸，估計各組合的回歸系數(shù)。將式（1）改寫為：

其中cl為截距項m=ⅠA、ⅠB、ⅡA或ⅡB，l=1，2…13）分別為四段樣本數(shù)據(jù)中13個組合的波動性因子、系統(tǒng)風險因子、名義股價調(diào)整因子和流動性因子的時間序列影響系數(shù)。根據(jù)式（2）分別對13個組合中t= 2，3…238（ⅠA段），t=245，246…480（ⅠB段），t=487，488…723（ⅡA段），t=730，731…968（ⅡB段）的樣本數(shù)據(jù)進行時間序列回歸，可得回歸系數(shù)（m= ⅠA、ⅠB、ⅡA或ⅡB、l=1，2…13）。

第二輪依式（2）對第一輪回歸中得到的各組合的回歸系數(shù)再次進行橫截面回歸：

其中，rl，m-rfm（m=ⅠA、ⅠB、ⅡA或ⅡB、l=1，2…13）為第l組中t=239，240…243（ⅠA段）和t=481，482…485（ⅠB段）、t=724，725…728（ⅡA段）和t=969，970…973（ⅡB段）的樣本數(shù)據(jù)的算術平均日風險收益率為波動性因子、為系統(tǒng)風險因子為名義股價調(diào)整系數(shù)因子，為流動性因子（m=ⅠA、ⅠB、ⅡA或ⅡB）的橫截面回歸影響系數(shù)，表示截距項。

2? 實證過程及結果分析

2.1 數(shù)據(jù)描述統(tǒng)計分析

分別計算兩輪四段行情中各組合所包含個股的算術平均對數(shù)收益率，13個行業(yè)組合在兩段樣本區(qū)間內(nèi)的平均日均收益率數(shù)據(jù)的描述統(tǒng)計分析如表1所示。

可見，股票收益的表現(xiàn)在不同的市場環(huán)境下完全不同。第一輪中，ⅠA段數(shù)據(jù)顯示13個行業(yè)中有11個日均收益率平均值為負，收益率的標準差較小，表明在熊市的市場環(huán)境，股票組合的收益率普遍較低，負收益股占絕大多數(shù)且個股間收益的差距較小。ⅠB段數(shù)據(jù)顯示13個行業(yè)一年內(nèi)平均收益的均值均為正，且日均收益率的中位數(shù)均高于平均數(shù)，收益率標準差相對較大，表明在牛市的環(huán)境中，大多數(shù)股票可獲得正收益，但收益的差異相對較大。第二輪中，ⅡB段數(shù)據(jù)的均值和標準差均明顯高于ⅡA段，表明在牛市中較高的收益率水平和較大的收益波動。對比兩輪行情，可以發(fā)現(xiàn)ⅠA段的均值數(shù)據(jù)大多為負，而ⅡA段卻大多為正，這表明，相對而言，ⅡA段的熊市特征較ⅠA段弱，結合指數(shù)數(shù)據(jù)，我們也發(fā)現(xiàn)ⅡA段期間，指數(shù)其實并未下降，而是略有上升，因此，可以認為是出于熊市的尾聲階段。此外，雖然同為牛市輪，絕大多數(shù)組的ⅡB段均值數(shù)據(jù)小于ⅠB段，表明2015年牛市中，市場的收益率不如2007年，這一點，從有關指數(shù)和典型個股的漲幅中，也能有所體現(xiàn)。

2.2 回歸結果分析

依據(jù)式（2）和式（3）進行兩輪回歸后，結果如表2所示。

總體上，兩輪四段數(shù)據(jù)中模型的F統(tǒng)計量均在0.01顯著性水平下顯著，表明模型正確;調(diào)整后R2的結果表明模型的擬合程度較好;■在0.1顯著性水平下不顯著，可以認為回歸方程截距項為0，模型能夠比較全面地解釋我國滬深A股的行業(yè)橫截面日均收益率。

作為模型的解釋變量，波動性因子在兩輪四段數(shù)據(jù)中都是顯著的，且在不同市場環(huán)境中回歸系數(shù)的方向不同。在代表熊市的ⅠA和ⅡA段數(shù)據(jù)中，波動與股票收益之間呈現(xiàn)負相關關系，即波動越大，收益越小;而在ⅠB和ⅡB段數(shù)據(jù)中，二者卻呈現(xiàn)正相關關系，波動越大，收益越大。這樣的結果證明，波動性是股票收益行為的獨立影響因素之一，在不同的市場環(huán)境下，波動性對股票風險收益的影響還可以具有不同的表現(xiàn)。

作為控制變量的三個因子中，首先，系統(tǒng)風險因子在三段數(shù)據(jù)中是顯著的，表明在一定的市場環(huán)境中，傳統(tǒng)CAPM模型提出的系統(tǒng)風險因子，總體上對股票收益是具有解釋能力的。其次，名義股價調(diào)整因子在ⅠA和ⅡA段數(shù)據(jù)中顯著為正，但在ⅠB和ⅡB段中并不顯著。表明在市場整體比較低迷的時候，名義股價可能會是市場參與者考慮的眾多因素之一，但市場處于急速上升的大好行情中時，市場參與者可能便不再過多關注名義股價了。最后，流動性因子在兩輪四段行情中顯然都是顯著的，且顯著性水平都還比較高，這表明無論如何，流動性都是股票風險收益的重要影響因素，無論波動性是否被獨立檢驗，流動性的影響都客觀存在。

3? 結論

通過對我國滬深市場2007年和2015年前后兩輪牛熊交替行情的分析，本文重新審視了不同市場環(huán)境下股票收益與波動性之間的關系，得出了波動性因子是股票收益的獨立影響因子，且二者的關系將隨著市場環(huán)境的變化表現(xiàn)出不同的特征的結論，即市場環(huán)境相對低迷時，波動水平與市場收益負相關，而當市場環(huán)境積極向上時，波動性水平卻與市場收益正相關。表明在熊市中，波動不被市場參與者所歡迎，但在牛市中，卻可能正好相反。

參考文獻：

[1]鄭振龍，湯文玉.波動率風險及風險價格——來自中國A股市場的證據(jù) [J].金融研究，2011（4）：143-157.

[2]HO H C， LIN C C. Influence of Heterogeneous Beliefs on Volatility when Agents Degree of Confidence Differs [J]. Applied Economics Letters， 2011， 18（10）：955-959.

[3]陳煒，袁子甲，何基報.異質投資者行為與價格形成機制研究[J].經(jīng)濟研究，2013（4）：43-54.

[4]史永東，蔣賢鋒.內(nèi)幕交易、股價波動與信息不對稱：基于中國股票市場的經(jīng)驗研究[J].世界經(jīng)濟，2004（12）：54-64.

[5]文鳳華，龔旭，黃創(chuàng)霞，陳曉紅，楊曉光.股市信息流對收益率及其波動的影響研究[J].管理科學學報，2013（11）：69-80.

[6]張普，陳亮，張名譽.現(xiàn)金股利、多層次資本市場體系與股票價格波動[J].統(tǒng)計與決策，2018，34（12）：168-172.

[7]AN H， ZHANG T. Stock Price Synchronicity， Crash Risk， and Institutional Investors [J]. Journal of Corporate Finance， 2013， 21（1） ：1-15.