论文部分内容阅读
摘 要:文章采用GMM模型,利用沪深A股1001只股票的5分钟高频数据来研究沪深A股的磁效应现象。研究发现虽然沪深A股整体不存在磁效应,但是不同股权结构的股票其上下限磁效应现象并不相同。
关键词:股权结构 磁效应 冷却效应 涨跌幅限制
中图分类号:F830.91 文献标识码:A
文章编号:1004-4914(2012)02-095-03
一、磁效应文献综述
所谓涨跌幅限制就是要求当日的资产价格只能在一个指定的范围内波动,凡是超过这个范围的买卖委托指令都不被接受。许多金融市场都有涨跌幅限制的制度安排,如期货和股票市场,但不同国家对不同市场涨跌幅限制的设计不尽相同。我国股市自1996年12月26日起对所有上市股票及基金交易实行10%的涨跌幅限制,其目的是为了“保持市场稳定,保护投资者利益”。此后,沪深证券交易所对ST股票、PT股票的涨跌幅限制又作出了专门的规定,其中PT、ST股票实行5%的涨跌幅限制。
尽管涨跌幅限制在大多数证券市场已被采用,尤其是新兴市场,但是人们对涨跌幅限制是否真的有助于降低股价的波动性存在很多理论上和实证上的分歧。理论和实证研究者们主要朝着四个方面进行研究和实证:波动性溢出效应、干扰交易效应、延迟价格发现效应和磁效应。对于前三个效应,很多学者对国内外的证券市场都作出了相关研究,大致分为两个方面:支持和反对。
而磁效应是指当证券价格越来越接近价格上下限时,证券价格会加速向上下限靠近。对于磁效应,国内外学者均做了一定的研究。Abad 和Pascual采用5分钟高频数据,建立了动态SURE模型,利用广义最小二乘法对西班牙股票市场的涨跌幅限制行为进行回归分析,发现即使股票价格离上(下)限的距离很近,股票价格接下来触碰上(下)限的概率也很小,更多的可能是价格开始逆转或者变化不大。而且,大多数激进的交易员也会在价格将要达到涨跌幅上下限的时候减少交易。Arack 和Cook采用1980-1987年美国国债期货市场数据,研究昨天市场价格大的变动对国债期货市场价格的影响,发现早晨证券的市场价格倾向于反转,并且这种反转效应大部分是由于期货市场的涨跌限制引起的,涨跌幅限制对稳定市场起到了很大的作用。Osler和Tooma采用logit模型对埃及股票市场的磁效应实证研究,发现当股票价格离上(下)限价格越近,价格继续加速趋向上(下)限价格的概率就越大。虽然上下限都具有磁效应,但趋向上限的效应要明显大于趋向下限的效应,这可能是由于埃及股票市场禁止卖空所致。国内学者对中国股市涨跌幅限制的效应分析没有统一的结论,但是涨跌幅限制对股票市场的影响是相当重要的,严重的可能造成价格的严重扭曲,因此,对中国股票市场的涨跌幅效应分析是就显得非常有必要。国内学者对涨跌幅限制的讨论多重于日间效应的讨论,对于日内效应,特别是磁效应已经有一些研究,但是研究结论还不一致。李迅雷采用AR(3)-GARCH(2,2)模型和转移概率分析两种方法,对沪市2001年1月2日~6月29日的5分钟分时数据进行了实证分析,结果表明,股价并不存在磁效应而是存在冷却效应,在排除了反转效应后,结论仍然成立。李超对沪市2001年1月19日~2002年2月8日的日内高频数据分三个交易时段进行了分析,证明在盘中交易阶段,股价在上涨达到9%以前都表现出一些反转现象;当股票达到9.5%时,则出现一定的磁效应,但并不显著;当接近收盘时,则出现与盘中交易阶段相反的结论,不存在涨跌停板的磁效应,而当股价下跌时却存在跌停板的磁效应。方园基于二元回归模型,对2004年1月1日~6月30日上证180指数的样本股从收益率、交易量、波动性三方面进行了实证检验,发现在上海A股市场,存在显著的磁效应,但该效应不对称,涨停板的磁效应大于跌停板的磁效应。陈耕云、李勇、陈耕云从股本规模的视角考察上市公司的磁效应,研究发现,大规模股票趋向下限的磁效应最为明显,中等规模的磁效应在涨跌幅两个方向的强度相对较为平衡,小规模股票跌幅限制方向的磁效应也很显著。
国内学者对中国股市的磁效应分析,由于选择样本的大小、采样时段和模型中均值方程中滞后阶数选择的不尽相同,导致了对磁效应研究结果的不一致。Berkman等认为可能是这些研究大都忽略了不同公司的特点及不同涨跌方向对股价行为的影响。因此,本论文想从另一个方面来实证研究中国股市的磁效应,即从不同公司的股本结构方面来研究。将所有沪深A股研究样本按前十大流通股东占流通总股本的比例分为四类:20%、20%~50%、50%~70%、70%,然后对各组进行磁效应分析。来研究不同股权结构的股票其磁效应是否有显著的差别。由于中国股市坐庄和操纵现象比较严重,所以这方面的研究应该具有一定的意义。
二、GMM模型
如果股票之间的跨相关性为零,那么就可以对每只股票的估计系数做简单的联合性检验,但是由于股票之间跨相关性的存在,就需要采用考虑股票收益率之间跨相关的方法。在本文中采用Cho等提出的 GMM方法,用GMM估计来推导要研究的1001只股票收益率的联合分布。为了获得封闭解,这里只研究条件均值方程。如下所示:
Rt:1001支股票5分钟收益率的集合(1001*1矩阵)
Xt:3阶滞后变量(1001*3003矩阵)
Zt:Dct-1和Dft-1数据集合(1001*2002矩阵)
Dct-1=1 在t时刻股价相对于前日收盘的涨幅超过7%0 其它
Dft-1=1 在t时刻股价相对于前日收盘的跌幅超过-7%0 其它
β:AR的系数(3003*1)
γ:磁效应系数(2002*1)
对上述方程,本文采用OLS矩来对GMM进行估计,用OLS矩来估计优势在于可以对每只股票进行逐一估计,而且估计结果是一致的,但是其劣势是估计结果不一定有效。GMM的矩通过以下方程来实现:
gT(b)=ET(ft)=ET(Rt-α-Xtβ-Ztγ)ET[X't(Rt-α-Xtβ-Ztγ)]ET[Z't(Rt-α-Xtβ-Ztγ)]=ETεtX'tεtZ'tεt=0
上面公式的矩可以通过对每个股票进行OLS估计得到。GMM可以估计出上述OLS估计结果的样本分布,估计公式为:
类似地,涨跌幅下限的磁系数也采取上述类似的方法来处理。
三、数据筛选和处理方法
第一,数据选取标准。本论文选取沪深A股为研究对象,样本区间为2007年5月21日到2008年3月14日,正好一个股市周期,共203个交易日,在此区间股市波动率较大,经历了大幅上扬和下挫两个阶段,可以避免股市的单边运动带来的干扰。
第二,数据的筛选处理。
(1)首先剔除ST、PT类股票,因为ST、PT和A股实行不同的涨跌幅限制。
(2)剔除在样本区间新上市股票,因为新上市股票当日的涨跌幅不受限制。
(3)所有样本股在5分钟内必须保证有至少一次交易,因为本论文使用5分钟分时高频数据。
第三,选择的样本尽可能包括各个行业,排除个别行业的干扰。
第四,数据分类。剔除样本期每只股票前十大流通股东占流通总股本的比例变化超过8%的股票,将选择出来的样本按前十大股东的持股比例分四类:占股权比率前0%~20%分为一组,20%~50%分为一组,占比50%~70%为一组,占比70%以上分为一组。
第五,数据的标准化处理。大量国外的高频数据实证研究表明,股票市场的波动率、交易频率、交易量等会在交易日内呈现出“U”型特征,在开盘和收盘时最高。但是,根据对沪深A股日间5分钟高频数据的统计研究表明,中国沪深两市的日内5分钟波动率与国外股市有所差异,即开盘时波动率较高,盘中阶段波动率变化较平稳,而在盘尾阶段,波动率较小。
下图为研究样本日内五分钟平均波动率的走势。沪深两市分两个交易时段共四个小时,每支股票有48个5分钟时段,分别计算各个时段的波动率,然后对所有研究的股票分时段求平均值,得到图1:
在收盘阶段,沪深两市A股的波动率异于国外股票市场的原因可能是中国股票市场的T+1制度,造成收盘阶段交易不活跃,波动率较小。日内股市波动率变化较大,走势不平稳,在高频数据分析中,需要对收益率进行平稳化处理,一般有两种处理方法:一是GARCH模型里引入乘法因子(Anderson和Bollerslev,1997),二是可以用标准差标准化5分钟回报。为了简化分析,我们采用第二种方法。对于每一只股票,任何一个交易日的交易时段可以分成48个五分钟区间,对于每一个五分钟区间就会有一个五分钟收益率,而在样本期我们研究了203个交易日,所以对每一个五分钟收益率就有203个观察值(对于有停牌的时间做相应的调整),利用这203个观察值我们可计算出每一个五分钟收益率相应的标准差,然后把任何一个五分钟收益率与其对应的标准差相除就得到我们需要的经过标准化的五分钟收益率。例如:我们可以利用某一股票在10:00到10:05这一五分钟时段的203个五分钟收益率计算出10:00到10:05的五分钟收益率的标准差,然后所有这些203个五分钟收益率除以这个标准差就得到在10:00到10:05这一时间段的标准化了的五分钟收益率;对其它五分钟时间区间的收益率做相应的处理。经过标准化了的收益率序列,就可以基本消除“L”型日内波动的影响。如下公式为收益率序列标准化处理的方法:
在计算每一交易日第一个5分钟收益率时,我们用9:35的价格相对于集合竞价形成的开盘价相比较得到,而不是与前一交易日的收盘价比较得到,这样做就剔除了隔夜收益的影响,我们也排除价格上下限上的股票收益率,因为股票价格一旦达到价格上下限,要么维持在价格上下限上要么单方向变化,所以消除这种异常的收益率。经过标准化处理的数据,具有平稳性、非自相关的特性,满足模型的要求。
四、结果和分析
采用stata软件对1001只股票进行GMM矩估计,按每只股票前十大流通股股东占其流通总股本的比例进行分类的汇总表格:
其中γ1、γ2、标准误差和t值均为每个类别的平均值。从上表可以看出,γ1系数的符号并不统一,十大流通股东占比20%以下的股票,其γ1系数为0.826,说明其股价达到7%的临界值时,股价趋向涨跌幅上限的磁效应相当大;但是十大流通股东占比20%~50%、50%~70%、70%以上的股票,其γ1系数为负值,说明股价达到7%的临界值时,股价趋向涨跌幅上限没有磁效应,相反当股价达到7%的临界值时,股价具有冷却效应,其中十大流通股占比50%~70%的股票其冷却效应最大。
在所有类别的股票中,γ2系数均为正,说明当股价达到-7%的临界值时,股价不存在继续向下的磁效应,相反股价表现出一定的冷却现象,而这种冷却效应随着每只股票前十大流通股东占其总流通股本的比例的增大,其冷却效应越大。
下面为了更完整地分析所有研究样本股的磁效应系数,将沪深A股1001只股票的γ1和γ2系数以散点图的形式展现出来,如下图所示:
在所有沪深A股1001只股票研究样本中,γ1系数为正的股票数目为291只,为负的有710只。γ1系数为负的股票数目是为正数目的2.43倍,表明从股票数目来说,当股价达到7%的临界值时,多数股票不具有冷却效应相反却有冷却效应。从上图中也可以清晰的看出,多数股票的γ1系数处于零线以下,且多数处于零附近,表明不管是向上具有冷却效应还是具有磁效应,这种效应都不是特别强烈。
在所有沪深A股1001只股票研究样本中,γ2系数为正的股票数目为881只,仅有120只股票的γ2系数为负,说明当股价达到-7%的临界值时,不具有磁效应的股票数目是具有磁效应股票数目的7.34倍。从上图中可以看出,γ2系数多处于零线右边,而且数值较大,说明冷却效应相当明显。
下图为γ1和γ2系数的t值,t值反应了估计系数的显著水平,大于1.5或者小于-1.5,说明系数是显著的。
五、结论和展望
以上的估计结果说明十大流通股东占比小于20%的股票其追涨行为相对于股权集中度较高的股票更为明显,但是在股价下跌的过程中,所有这四类股票的投资者均表现出一定的损失规避行为,即继续持有亏损的股票而不是在下跌的过程就将其卖掉止损;股权集中度较高的股票,其投资者的处置效应行为更加显著,即卖出盈利的股票,并继续持有已经亏损的股票。
从上文的回归结果来看,沪深A股整体并不存在趋向上限或者趋向下限的磁效应,相反却存在冷却效应,并且γ1和γ2系数的t值均大于1.5,说明系数是显著的。
虽然本文对沪深A股的磁效应现象进行了比较详细的研究,也得出了一定的结论,但是由于高频数据和微观市场结构理论还处在逐步发展的阶段,还有很多需要继续改进和完善的地方。现总结如下:
第一,对研究结果进行检验,构建投资组合,检验是否具有磁效应的股票组合在去除交易成本以后能够超越大盘的收益。由于中国股市的T+1制度,高频交易现阶段还不能在沪深A股施行,所以对结果检验还需要时间。
第二,研究模型的改进,因为传统的计量经济模型,如GARCH等模型是对日间数据建模,虽然应用到高频数据上可以捕捉到高频数据的尖峰、肥尾等市场特性,但是因为高频数据有其自身的特性,所以采用更为精确的模型才能得出令人更加信服的结论。另外GARCH族模型只能研究市场的一些行为,但是并不能告诉这些市场行为产生的原因,因此将投资者的行为、市场机制和证券价格变化更好地结合起来进行研究才能带来更大的指导意义。
参考文献:
1.李迅雷,田宏伟.涨跌幅限制和股价波动研究:基于日内交易数据的实证检验.上海联合研究计划第三期研究报告.2001
2.李超.中国股市涨跌停板对投资者交易行为的影响[J].中央财经大学学报,2005(9)
3.方园,陈收.涨跌停板制度对上海股市日内价格变动和投资者行为的影响[J].系统工程,2007(11)
4.陈耕云,李勇,李传乐.股本规模、涨跌幅限制与磁石效应——基于沪深A股市场高频数据的实证研究[J].五邑大学学报(社会科学版),2009(11)
5.施东晖,孙培源.市场微观结构—理论与中国经验[M].上海:上海三联书店,2005
(作者单位:上海大学悉尼工商学院 上海 201800)
(责编:贾伟)
关键词:股权结构 磁效应 冷却效应 涨跌幅限制
中图分类号:F830.91 文献标识码:A
文章编号:1004-4914(2012)02-095-03
一、磁效应文献综述
所谓涨跌幅限制就是要求当日的资产价格只能在一个指定的范围内波动,凡是超过这个范围的买卖委托指令都不被接受。许多金融市场都有涨跌幅限制的制度安排,如期货和股票市场,但不同国家对不同市场涨跌幅限制的设计不尽相同。我国股市自1996年12月26日起对所有上市股票及基金交易实行10%的涨跌幅限制,其目的是为了“保持市场稳定,保护投资者利益”。此后,沪深证券交易所对ST股票、PT股票的涨跌幅限制又作出了专门的规定,其中PT、ST股票实行5%的涨跌幅限制。
尽管涨跌幅限制在大多数证券市场已被采用,尤其是新兴市场,但是人们对涨跌幅限制是否真的有助于降低股价的波动性存在很多理论上和实证上的分歧。理论和实证研究者们主要朝着四个方面进行研究和实证:波动性溢出效应、干扰交易效应、延迟价格发现效应和磁效应。对于前三个效应,很多学者对国内外的证券市场都作出了相关研究,大致分为两个方面:支持和反对。
而磁效应是指当证券价格越来越接近价格上下限时,证券价格会加速向上下限靠近。对于磁效应,国内外学者均做了一定的研究。Abad 和Pascual采用5分钟高频数据,建立了动态SURE模型,利用广义最小二乘法对西班牙股票市场的涨跌幅限制行为进行回归分析,发现即使股票价格离上(下)限的距离很近,股票价格接下来触碰上(下)限的概率也很小,更多的可能是价格开始逆转或者变化不大。而且,大多数激进的交易员也会在价格将要达到涨跌幅上下限的时候减少交易。Arack 和Cook采用1980-1987年美国国债期货市场数据,研究昨天市场价格大的变动对国债期货市场价格的影响,发现早晨证券的市场价格倾向于反转,并且这种反转效应大部分是由于期货市场的涨跌限制引起的,涨跌幅限制对稳定市场起到了很大的作用。Osler和Tooma采用logit模型对埃及股票市场的磁效应实证研究,发现当股票价格离上(下)限价格越近,价格继续加速趋向上(下)限价格的概率就越大。虽然上下限都具有磁效应,但趋向上限的效应要明显大于趋向下限的效应,这可能是由于埃及股票市场禁止卖空所致。国内学者对中国股市涨跌幅限制的效应分析没有统一的结论,但是涨跌幅限制对股票市场的影响是相当重要的,严重的可能造成价格的严重扭曲,因此,对中国股票市场的涨跌幅效应分析是就显得非常有必要。国内学者对涨跌幅限制的讨论多重于日间效应的讨论,对于日内效应,特别是磁效应已经有一些研究,但是研究结论还不一致。李迅雷采用AR(3)-GARCH(2,2)模型和转移概率分析两种方法,对沪市2001年1月2日~6月29日的5分钟分时数据进行了实证分析,结果表明,股价并不存在磁效应而是存在冷却效应,在排除了反转效应后,结论仍然成立。李超对沪市2001年1月19日~2002年2月8日的日内高频数据分三个交易时段进行了分析,证明在盘中交易阶段,股价在上涨达到9%以前都表现出一些反转现象;当股票达到9.5%时,则出现一定的磁效应,但并不显著;当接近收盘时,则出现与盘中交易阶段相反的结论,不存在涨跌停板的磁效应,而当股价下跌时却存在跌停板的磁效应。方园基于二元回归模型,对2004年1月1日~6月30日上证180指数的样本股从收益率、交易量、波动性三方面进行了实证检验,发现在上海A股市场,存在显著的磁效应,但该效应不对称,涨停板的磁效应大于跌停板的磁效应。陈耕云、李勇、陈耕云从股本规模的视角考察上市公司的磁效应,研究发现,大规模股票趋向下限的磁效应最为明显,中等规模的磁效应在涨跌幅两个方向的强度相对较为平衡,小规模股票跌幅限制方向的磁效应也很显著。
国内学者对中国股市的磁效应分析,由于选择样本的大小、采样时段和模型中均值方程中滞后阶数选择的不尽相同,导致了对磁效应研究结果的不一致。Berkman等认为可能是这些研究大都忽略了不同公司的特点及不同涨跌方向对股价行为的影响。因此,本论文想从另一个方面来实证研究中国股市的磁效应,即从不同公司的股本结构方面来研究。将所有沪深A股研究样本按前十大流通股东占流通总股本的比例分为四类:20%、20%~50%、50%~70%、70%,然后对各组进行磁效应分析。来研究不同股权结构的股票其磁效应是否有显著的差别。由于中国股市坐庄和操纵现象比较严重,所以这方面的研究应该具有一定的意义。
二、GMM模型
如果股票之间的跨相关性为零,那么就可以对每只股票的估计系数做简单的联合性检验,但是由于股票之间跨相关性的存在,就需要采用考虑股票收益率之间跨相关的方法。在本文中采用Cho等提出的 GMM方法,用GMM估计来推导要研究的1001只股票收益率的联合分布。为了获得封闭解,这里只研究条件均值方程。如下所示:
Rt:1001支股票5分钟收益率的集合(1001*1矩阵)
Xt:3阶滞后变量(1001*3003矩阵)
Zt:Dct-1和Dft-1数据集合(1001*2002矩阵)
Dct-1=1 在t时刻股价相对于前日收盘的涨幅超过7%0 其它
Dft-1=1 在t时刻股价相对于前日收盘的跌幅超过-7%0 其它
β:AR的系数(3003*1)
γ:磁效应系数(2002*1)
对上述方程,本文采用OLS矩来对GMM进行估计,用OLS矩来估计优势在于可以对每只股票进行逐一估计,而且估计结果是一致的,但是其劣势是估计结果不一定有效。GMM的矩通过以下方程来实现:
gT(b)=ET(ft)=ET(Rt-α-Xtβ-Ztγ)ET[X't(Rt-α-Xtβ-Ztγ)]ET[Z't(Rt-α-Xtβ-Ztγ)]=ETεtX'tεtZ'tεt=0
上面公式的矩可以通过对每个股票进行OLS估计得到。GMM可以估计出上述OLS估计结果的样本分布,估计公式为:
类似地,涨跌幅下限的磁系数也采取上述类似的方法来处理。
三、数据筛选和处理方法
第一,数据选取标准。本论文选取沪深A股为研究对象,样本区间为2007年5月21日到2008年3月14日,正好一个股市周期,共203个交易日,在此区间股市波动率较大,经历了大幅上扬和下挫两个阶段,可以避免股市的单边运动带来的干扰。
第二,数据的筛选处理。
(1)首先剔除ST、PT类股票,因为ST、PT和A股实行不同的涨跌幅限制。
(2)剔除在样本区间新上市股票,因为新上市股票当日的涨跌幅不受限制。
(3)所有样本股在5分钟内必须保证有至少一次交易,因为本论文使用5分钟分时高频数据。
第三,选择的样本尽可能包括各个行业,排除个别行业的干扰。
第四,数据分类。剔除样本期每只股票前十大流通股东占流通总股本的比例变化超过8%的股票,将选择出来的样本按前十大股东的持股比例分四类:占股权比率前0%~20%分为一组,20%~50%分为一组,占比50%~70%为一组,占比70%以上分为一组。
第五,数据的标准化处理。大量国外的高频数据实证研究表明,股票市场的波动率、交易频率、交易量等会在交易日内呈现出“U”型特征,在开盘和收盘时最高。但是,根据对沪深A股日间5分钟高频数据的统计研究表明,中国沪深两市的日内5分钟波动率与国外股市有所差异,即开盘时波动率较高,盘中阶段波动率变化较平稳,而在盘尾阶段,波动率较小。
下图为研究样本日内五分钟平均波动率的走势。沪深两市分两个交易时段共四个小时,每支股票有48个5分钟时段,分别计算各个时段的波动率,然后对所有研究的股票分时段求平均值,得到图1:
在收盘阶段,沪深两市A股的波动率异于国外股票市场的原因可能是中国股票市场的T+1制度,造成收盘阶段交易不活跃,波动率较小。日内股市波动率变化较大,走势不平稳,在高频数据分析中,需要对收益率进行平稳化处理,一般有两种处理方法:一是GARCH模型里引入乘法因子(Anderson和Bollerslev,1997),二是可以用标准差标准化5分钟回报。为了简化分析,我们采用第二种方法。对于每一只股票,任何一个交易日的交易时段可以分成48个五分钟区间,对于每一个五分钟区间就会有一个五分钟收益率,而在样本期我们研究了203个交易日,所以对每一个五分钟收益率就有203个观察值(对于有停牌的时间做相应的调整),利用这203个观察值我们可计算出每一个五分钟收益率相应的标准差,然后把任何一个五分钟收益率与其对应的标准差相除就得到我们需要的经过标准化的五分钟收益率。例如:我们可以利用某一股票在10:00到10:05这一五分钟时段的203个五分钟收益率计算出10:00到10:05的五分钟收益率的标准差,然后所有这些203个五分钟收益率除以这个标准差就得到在10:00到10:05这一时间段的标准化了的五分钟收益率;对其它五分钟时间区间的收益率做相应的处理。经过标准化了的收益率序列,就可以基本消除“L”型日内波动的影响。如下公式为收益率序列标准化处理的方法:
在计算每一交易日第一个5分钟收益率时,我们用9:35的价格相对于集合竞价形成的开盘价相比较得到,而不是与前一交易日的收盘价比较得到,这样做就剔除了隔夜收益的影响,我们也排除价格上下限上的股票收益率,因为股票价格一旦达到价格上下限,要么维持在价格上下限上要么单方向变化,所以消除这种异常的收益率。经过标准化处理的数据,具有平稳性、非自相关的特性,满足模型的要求。
四、结果和分析
采用stata软件对1001只股票进行GMM矩估计,按每只股票前十大流通股股东占其流通总股本的比例进行分类的汇总表格:
其中γ1、γ2、标准误差和t值均为每个类别的平均值。从上表可以看出,γ1系数的符号并不统一,十大流通股东占比20%以下的股票,其γ1系数为0.826,说明其股价达到7%的临界值时,股价趋向涨跌幅上限的磁效应相当大;但是十大流通股东占比20%~50%、50%~70%、70%以上的股票,其γ1系数为负值,说明股价达到7%的临界值时,股价趋向涨跌幅上限没有磁效应,相反当股价达到7%的临界值时,股价具有冷却效应,其中十大流通股占比50%~70%的股票其冷却效应最大。
在所有类别的股票中,γ2系数均为正,说明当股价达到-7%的临界值时,股价不存在继续向下的磁效应,相反股价表现出一定的冷却现象,而这种冷却效应随着每只股票前十大流通股东占其总流通股本的比例的增大,其冷却效应越大。
下面为了更完整地分析所有研究样本股的磁效应系数,将沪深A股1001只股票的γ1和γ2系数以散点图的形式展现出来,如下图所示:
在所有沪深A股1001只股票研究样本中,γ1系数为正的股票数目为291只,为负的有710只。γ1系数为负的股票数目是为正数目的2.43倍,表明从股票数目来说,当股价达到7%的临界值时,多数股票不具有冷却效应相反却有冷却效应。从上图中也可以清晰的看出,多数股票的γ1系数处于零线以下,且多数处于零附近,表明不管是向上具有冷却效应还是具有磁效应,这种效应都不是特别强烈。
在所有沪深A股1001只股票研究样本中,γ2系数为正的股票数目为881只,仅有120只股票的γ2系数为负,说明当股价达到-7%的临界值时,不具有磁效应的股票数目是具有磁效应股票数目的7.34倍。从上图中可以看出,γ2系数多处于零线右边,而且数值较大,说明冷却效应相当明显。
下图为γ1和γ2系数的t值,t值反应了估计系数的显著水平,大于1.5或者小于-1.5,说明系数是显著的。
五、结论和展望
以上的估计结果说明十大流通股东占比小于20%的股票其追涨行为相对于股权集中度较高的股票更为明显,但是在股价下跌的过程中,所有这四类股票的投资者均表现出一定的损失规避行为,即继续持有亏损的股票而不是在下跌的过程就将其卖掉止损;股权集中度较高的股票,其投资者的处置效应行为更加显著,即卖出盈利的股票,并继续持有已经亏损的股票。
从上文的回归结果来看,沪深A股整体并不存在趋向上限或者趋向下限的磁效应,相反却存在冷却效应,并且γ1和γ2系数的t值均大于1.5,说明系数是显著的。
虽然本文对沪深A股的磁效应现象进行了比较详细的研究,也得出了一定的结论,但是由于高频数据和微观市场结构理论还处在逐步发展的阶段,还有很多需要继续改进和完善的地方。现总结如下:
第一,对研究结果进行检验,构建投资组合,检验是否具有磁效应的股票组合在去除交易成本以后能够超越大盘的收益。由于中国股市的T+1制度,高频交易现阶段还不能在沪深A股施行,所以对结果检验还需要时间。
第二,研究模型的改进,因为传统的计量经济模型,如GARCH等模型是对日间数据建模,虽然应用到高频数据上可以捕捉到高频数据的尖峰、肥尾等市场特性,但是因为高频数据有其自身的特性,所以采用更为精确的模型才能得出令人更加信服的结论。另外GARCH族模型只能研究市场的一些行为,但是并不能告诉这些市场行为产生的原因,因此将投资者的行为、市场机制和证券价格变化更好地结合起来进行研究才能带来更大的指导意义。
参考文献:
1.李迅雷,田宏伟.涨跌幅限制和股价波动研究:基于日内交易数据的实证检验.上海联合研究计划第三期研究报告.2001
2.李超.中国股市涨跌停板对投资者交易行为的影响[J].中央财经大学学报,2005(9)
3.方园,陈收.涨跌停板制度对上海股市日内价格变动和投资者行为的影响[J].系统工程,2007(11)
4.陈耕云,李勇,李传乐.股本规模、涨跌幅限制与磁石效应——基于沪深A股市场高频数据的实证研究[J].五邑大学学报(社会科学版),2009(11)
5.施东晖,孙培源.市场微观结构—理论与中国经验[M].上海:上海三联书店,2005
(作者单位:上海大学悉尼工商学院 上海 201800)
(责编:贾伟)