摘要：本文參照Amihud（2002）的方法，構建非流動(dòng)性指標，利用2006年至2015年間A股每月的截面數據，研究了我國A股市場(chǎng)的非流動(dòng)性與股票回報率的關(guān)系。結果表明，在A(yíng)股市場(chǎng)中非流動(dòng)性與股票回報率呈顯著(zhù)正向關(guān)系，去除存在較大波動(dòng)的第一季度數據后仍然保持顯著(zhù)關(guān)聯(lián)，且隨著(zhù)時(shí)間的推移影響逐漸增強。本文還構建了預期非流動(dòng)性與股票回報率的回歸模型，結果表明A股市場(chǎng)對非預期非流動(dòng)性具有顯著(zhù)反應，但對預期非流動(dòng)性缺少反應。本文的結果證實(shí)成熟市場(chǎng)定價(jià)理論同樣可以用于A(yíng)股市場(chǎng)，對我國股票市場(chǎng)定價(jià)理論的發(fā)展具有重要意義。
關(guān)鍵詞：非流動(dòng)性;A股;自回歸模型
一、綜述
我國的股票交易市場(chǎng)從1990年上海證券交易所的成立開(kāi)始逐步進(jìn)入個(gè)規范化的階段，但相比于歐美的成熟巾.場(chǎng)，仍存在不足與挑戰。自2005年9月我國全面推進(jìn)股權分置改革以來(lái)，我國的A市進(jìn)入了一個(gè)蓬勃發(fā)展的階段，股票交易與融資行為日益為人們所熟知。股票定價(jià)的理論是由股票交易的需求中產(chǎn)生的，國外早已有成體系的研究。對于我國的市場(chǎng)而言，研究我國股票定價(jià)的相關(guān)情況不僅有利于市場(chǎng)的發(fā)展，更能以個(gè)發(fā)展的嚴眼光看待中國市場(chǎng)的進(jìn)步。因此，我們有必要利用國外的股票定價(jià)理論，對我國市場(chǎng)的實(shí)際情況進(jìn)行探索。
紐約大學(xué)Stem商學(xué)院教授Yakov Axnihud在2002年發(fā)表了對股票非流動(dòng)性與股票回報率之間關(guān)系研究的報告，闡述了非流動(dòng)性對于股票超額回報的正向關(guān)系，并通主如寸間序列的分析分離了預期及非預期非流動(dòng)性各自對于股票回報率的關(guān)系。我們認為，這篇淪文的方法司以用于分析我國市場(chǎng)非流動(dòng)性的影響情況，對于我國市場(chǎng)的發(fā)展方向也有.一定的借鑒意義。
本文依照Amihud的方法，具體進(jìn)行兩部分的檢驗。第山部分是截面關(guān)系的檢驗，利用2006-2015年每個(gè)月共計120個(gè)A股的截面數據，加入非流動(dòng)性及Fama & French（1993）論述的三因子作為解釋變量，得出非流動(dòng)性指標對于股票回報率的影響。第二部分是時(shí)間序列關(guān)系的檢驗，利用時(shí)間序列可以分離預期非流動(dòng)勝及非預期非流動(dòng)性指標，并將這兩者與市場(chǎng)的超額回報率做回歸檢驗，得出時(shí)間序列角度的結論。
因此，本文的結構為如下所示：
第一章為綜述，此處不再贅述。
第二至第三章分別從截面關(guān)系和時(shí)間序列關(guān)系兩個(gè)方面檢驗了非流動(dòng)性與股票收益之間的關(guān)系。
第四章為總結與思考。對于上述兩個(gè)方面的檢驗進(jìn)行了總結，并對檢驗方法和數據處理等方面進(jìn)行反思，提出有建設性的意見(jiàn)。
二、非流動(dòng)性與股票回報率間的截面關(guān)系
（1）非流動(dòng)性因子的構建
根據Amihud（2002）文章中非流動(dòng)性因子的選股標準，我們選取了2006年至2015年A Rxiji場(chǎng)每日股票朔居，剔除了ST、*ST股票以及年平均交易日不足200日的股票。每日開(kāi)盤(pán)價(jià)和收盤(pán)價(jià)以及每日交易總額的數據來(lái)自于國泰安數據庫。
每個(gè)股票每天的非流動(dòng)性因子數值計算如下：
其中，Rimd為第i只股票第m月第d天的收益率，Openimd為第i只股票第m月第d天的開(kāi)盤(pán)價(jià)，Closeid為第i只股票第m月第d天的收盤(pán)價(jià)，VOLDimd為第i只股票第m月第d天的交易金額（單位元）。Dim為第i只股票第m月的交易天數。
股票市場(chǎng)每月的平均非流動(dòng)性因子數值計算如下：
其中，Nm為樣本中第m個(gè)月股票的總數，由于A(yíng)ILLIQim隨著(zhù)月份的變化而變化，因此我們用其均值調整值來(lái)估計每個(gè)股票的月度非流動(dòng)性，計算公式如下：
ILLIQim、AILLIQim和ILLIQMAim等指標的計算，本文主要使用Excel的數據透視表功能完成。2006年至2015年總計得到175676個(gè)有效ILLIQMAim，每個(gè)月符合條件的樣本股票數統計如下圖所示。
（2）實(shí)證方法及變量選擇
1.實(shí)證方法
為避免市場(chǎng)變化帶來(lái)的影響，本文的檢驗選取了中國全部上市A股。測試的流程遵循Fama&Macbeth（1973）的方法。截面模型是以第y年（y=2006，2007，…，2015）第m月（m=1，2，…，12，總計120個(gè)月）的數據來(lái)估計，即每個(gè)月的股票收益率滿(mǎn)足下述股票特征方程：
其中Rimy是第i只股票在第y年第m月的股票回報率，Xji，m-1是以第m-1月數據估計的第i只股票的第j個(gè)特征，此數據在第m月的月初就已被投資者所知。系數kjmy度量了股票特征對股票預期收益的影響，Uimy則為殘差。本文對2006-2015年間120個(gè)月的回歸得出了120組系數（j=0，1，…，J）的估計值，這些估計值將取均值并給出顯著(zhù)性檢驗的統訓結果。
弟y牛弟m月的股票還需滿(mǎn)足下述條件才會(huì )進(jìn)入本文中的回歸估計過(guò)程：
第一，股票需要在第y年有超過(guò)200天的回報率及交易量數據，且在第y-1年末也必須有交易數據;
第二，股票需要在該月末有總市值數據;
第三，股票在該月為非st或*st股票。
以上三點(diǎn)保證本文的結果并不會(huì )受到過(guò)多外界因素的影響。根據上述條件，本文選取了1216至2571只股票作為本文截面檢驗的對象。
2.股票特征
本文參照Amihud（2002）的方法選取了非流動(dòng)性指標，并根據Fama&French（1993）選取了三因子作為前述方程中的股票特征。
第一，流動(dòng)性變量。
為使每種股票每月的非流動(dòng)性之間具有可比性，首先需要對其進(jìn)行歸一化處理，因此每月的市場(chǎng)平均非流動(dòng)性可以按照下述公式計算：
其中N是第m月的股票數量。顯然，每只股票的非流動(dòng)性與每月的市場(chǎng)平均非流動(dòng)性之間的比值具有可比性，因此模型中需要用下述的ILLIQMAim代替前述的ILLIQim：
ILLIQMAim=ILLIQim/AILLIQm
其中市值因素SIZEim由于太大，在回歸式中我們對其取自然對數使之與其他數據的數量級統一。利用Fama&Macheth（1973）的方法，我們對120個(gè)月的截面數據進(jìn)行回歸，得到了120組kjmy系數的估計值并對每個(gè)系數取均值。在中國市場(chǎng)，每年的1-3月數據會(huì )有較大波動(dòng)，這一情況可能使BETAim等因素的影響不顯著(zhù)，因此本文還對除去第一季度后的結果進(jìn)行了估日。最后我們將得到的120個(gè)月的結果平均分成兩部分，每部分為5年，由此檢驗該股票特征影響隨時(shí)間變化的穩定性。最后可以得到結果如下：
表2.1中的結果證實(shí)，中國市場(chǎng)中非流動(dòng)性同樣也具有價(jià)值，與Amihud（2002）中的論斷相同。ILLIQMAim的系數k1my均值為0.595，且在統計上十分顯著(zhù)。在全部k1my系數的枯計值中，60.83%（120項中的73項）為正，與0.5顯著(zhù)相異?？梢缘贸?，ILLIQNIAim對于股票回報率的影響顯著(zhù)為正，這一
第二，風(fēng)險變量。
模型中還選取了股票的β值BETAim作為風(fēng)險變量。在每月末，股票按照其當期急市值排序并等分為10個(gè)股票組合，之后按照賦予每個(gè)股票每天的收益以相等權重的方法日算每布組臺在每個(gè)月的收益，最后我們可以利用下述公式計算每個(gè)月的BETAim，其為第m月中第i只股票所在的股票組合的BETA值：
Rpm=αpm+BETAim×RMtm+epm
其中Rpm是組合p在第m月的收益，RMtm是等權重的市場(chǎng)收益。本文中的該數據來(lái)源于銳思數據庫。
第三，其他變量。
本文中的模型還包括三因子中的市值因素和賬面市值比因素。市值因素S龍百是用月末的收盤(pán)價(jià)乘以股票的總股本數，表示股票的總市值。而賬面市值比因素HMLim則是用每個(gè)月股票的市凈率P/B的倒數來(lái)度量，表示是股票對應公司的賬面價(jià)值與市場(chǎng)價(jià)值間的比例。本文中的上述數據來(lái)源于國泰安數據庫。
（3）截面回歸結果
根據上述的變量選取結果及實(shí)證方法，我們最終可以得出下述的截面回歸方程：
Rimy=k0my+k1my×ILLIQMAim+k2my×BETAim+k3my×HMLim+k4my×ln（SIZEim）+Uimy點(diǎn)在去除第一季度數據后也同樣顯著(zhù)。同時(shí)，在先后兩個(gè)5年的時(shí)間段內，非流動(dòng)性的影響均為正巨均在統計上較為顯著(zhù)。
風(fēng)險變量BETAim的效應為正，其系數k2my的統計結果也較為顯著(zhù)。在全部k2my系數的估計值中，59.17%（120項中71項）為正，與0.5也顯著(zhù)相異。這一點(diǎn)與我們的預期相符。但在去除第一季度的數據后，BETAim的顯著(zhù)性有所下降。這點(diǎn)也與Amihud（2002）中的結果相同。
市值變量SIZEim的效應為負且其系數在統計上十分顯著(zhù)。在全部k3my系數的估計值中，64.17%（120項中的77項）為負，與0.5顯著(zhù)相異。根據Fama&French（1993）的結論，這體現了中國市場(chǎng)中刁訟司效應十分顯著(zhù)，即使是剔除了第季度的數據，該結果仍然有效，此時(shí)顯著(zhù)性有所下降，這與BETAim效應中出現的情況相同。但在前后兩個(gè)5年的時(shí)司段內，這一效應卻存在區別。2006-2010年間SIZEim的效應為正但不顯著(zhù)，2011-2015年間效應同樣為正但十分顯著(zhù)。我們認為，這可能是因為隨著(zhù)市場(chǎng)的發(fā)展，不同公司之間的差距拉大，導致小公司效應逐漸趨于明顯。
賬面市值比變量HMLim的效應為負且其系數在統計上十分顯著(zhù)。在全部k4my系數的估計值中，所有系數項均為負。這一點(diǎn)與Fama&French（1993）的結論實(shí)際上是相悖的，因為賬面市值比小表明公司處于增長(cháng)期，相比于賬面市值比大的公司，其必要回報率較小。張勰檉（2012）的研究認為，這一現象是由于我國市場(chǎng)中多數公司賬面幣值比較低，這一點(diǎn)導致了負的HML系數。我們認為，在研究的10年中，前后兩個(gè)5年時(shí)間段內我國的A股市場(chǎng)均經(jīng)歷了一波較大的牛市，使得絕大多數公司的市值大于其賬面價(jià)值，上述的論斷應當符合我們的研究結果。
三、市場(chǎng)非流動(dòng)性對股票回報率的時(shí)間效應
（1）估計過(guò)程。市場(chǎng)非流動(dòng)性對股票超額回報率的事前影響可以以下述模型表示：
E（RMm-Rfm|ln AILLIQmE）=f0+f1lnAILLIQmE
其中RMm是第m月的月度市場(chǎng)回報率，Rfm是第m月的無(wú)風(fēng)險收益率，ln AILLIQmE是以第m-1月數據估計的第m月的預期市場(chǎng)非流動(dòng)性。此處的假設為f1>0。
AILLIQm度量了第m月的市場(chǎng)非流動(dòng)性，我們同樣選取了2006-2015年間的120個(gè)月作為研究樣本，因此共有120個(gè)AILLIQm值。假設投資者都是以第m-1月數據來(lái)估計第m月的市壕非流動(dòng)性，并以此估計右第m月能產(chǎn)生它要預期回報率的股票價(jià)格。因此，市場(chǎng)非流動(dòng)性可以假設為服從下述自回歸模型：
In AILLIQm=c0+c1ln AILLIQm-1+vm
其中C0及C0為系數，vm為殘差。此處可以假設c1>0。
在第m月月初，投資者需要根據上個(gè)月的數據決定本月的預期非流動(dòng)性，即有：
ln AILLIQm=c0+c1lnAILLIQm-1
可以看到，系數g1為正但并不顯著(zhù)，系數92為負且十
分顯著(zhù)。兩者的正負號鈞合我們之前的假設。針又引卜預期非流動(dòng)性，我國的股票市場(chǎng)給出了符合預期的情況，但并未對預期非流動(dòng)性做出較為明顯的反應。我們認為，這可能是因為我國的股票市場(chǎng)并不成熟，預期非流動(dòng)性因素無(wú)法完全反映到價(jià)格當中，存在一定的滯后性，但其系數為正的事實(shí)還是反映出了符合預期的趨勢。而非預期非流動(dòng)性作為一種當期的沖擊，對于股票市場(chǎng)的影響必然較為明顯，同樣也反映在了超額收益上。
四、總結與思考
（1）結果總結
本文從截面和時(shí)間序列兩方面椒金了非流動(dòng)勝與股票收益之間的關(guān)系。在截面方面我們發(fā)現，中國市場(chǎng)對于非流動(dòng)性也有著(zhù)相同的定價(jià)關(guān)系，賦予其正向的價(jià)值。同時(shí)針對股票的風(fēng)險也給出了正向反饋。而對于市值因素，隨著(zhù)市場(chǎng)的發(fā)展，中國市場(chǎng)的小公司效益逐漸趁于顯著(zhù)，市場(chǎng)賦予其負向的價(jià)值。最后是賬面市值比因素，我國市場(chǎng)的該因素并未按照Fama&French（1993）那樣給出正向反饋，而是全部為負。我有獄為這可能因為我國多數公司賬面市值比偏低，導致負的HML值。
在時(shí)間序列方面我們發(fā)現，非預朗非流動(dòng)性在中國市場(chǎng)中十分顯著(zhù)，對于這種負向沖擊市場(chǎng)及時(shí)給出了反饋，同時(shí)也荷合其與市場(chǎng)超額收益負相關(guān)的預期。預期非流動(dòng)性雖然在影響方面與初始正向相關(guān)的預期相符，但在市場(chǎng)中并未表現出顯著(zhù)的特征。我們認為這可能是由于我國市場(chǎng)還不太成熟，預期非流動(dòng)性因素無(wú)法完全反映到價(jià)格之中，存在一定的滯后性。
（2）進(jìn)一步的思考
從結論來(lái)看，我們可以清楚地知道，中國市場(chǎng)實(shí)際t也是
那么，投資者可以據此設定市場(chǎng)價(jià)格，估計模型為：（RM-Rf）m=f0+f1ln AILLIQmE+um=g0+g1ln AILLIQm-1+um其中g(shù)0=f0+f1c0，g1=f1c1。非預期超額回報率以殘差um表示，此處假設為g1>0。而非預期市場(chǎng)非流動(dòng)性對于當期的非預期股票收益的影響應當為負面的，因此我們的最終模型應為下述公式表示：
（RM-Rf）m=g0+g1ln AILLIQm-1+g2ln AILLIQmU+wm
其中ln AILLIQmU表示第m月的非預期非流動(dòng)性，ln AILLIQmE=wm。因此我們對此估計式有下述兩條假設：g1>0和g2<0。
（2）估計結果。為估計最終模型，我們首先需要估計ln AILLIQmU，這一數值來(lái)自于自回歸模型的殘差。對120個(gè)月的數據進(jìn)行回歸后，我們可以得到下述結果：
ln AILLIQm=0.252+0.850ln AILLIQm-1+residualm（t=）（2.61）（18.33）R2=0.740，D-W=1.95
上式中各項系數均十分顯著(zhù)，同時(shí)Durbln-Watson值也證實(shí)該式不存在一階自相關(guān)。將上述估計式中的殘差帶入最終模型中，我們得到如下結果：
（RM-Rf）m=0.00408+0.00632ln AILLIQm-1-0.129 ln AILLIQmU+residuam"
（t=）（0.23）（0.75）（-7.70）R2=0.3387，D-W=1.91符合Fama&French的三因子模型以及Amihud構建的非流動(dòng)性與市場(chǎng)回報率之間關(guān)系的。這二點(diǎn)也說(shuō)明，多數情況下，外國成熟市場(chǎng)中使用的定價(jià)方法，某種程度上在我國的股票市場(chǎng)中也是適用的。但我們的結論中也同樣提到，分析中與原假設之間存在的不同點(diǎn)說(shuō)明了我國市場(chǎng)的特殊性和不成熟性。單純地以初始的定價(jià)利用套用中國市場(chǎng)的情況必然會(huì )出現一定的問(wèn)題，需要根據具體情況進(jìn)行修正并給出合理的解釋。
另一方面，這些占論理合伐們些思考.的空間。我們的股票市場(chǎng)起瑟磷交晚，相比于歐美市場(chǎng)顯然還有許多亟待完善的地方。就本例而言，我們發(fā)現的小公司效應的日趨明顯和市場(chǎng)信自的不對稱(chēng)都是阻礙我國股票市場(chǎng)健康發(fā)展的不安定因素。這些可能是由于投資者的不理智、羊群效應，抑或是存在監管方面的問(wèn)題。無(wú)論如何，我國A股市場(chǎng)的發(fā)展還有很長(cháng)的一段路要走。
參考文獻
[1]Amihud Y.Illiquidity and stock returns：cross-section andtime-series effects[J]Journal of financial markets，2002，5（1）：31-56.
[2]Fama E F，French K R.Common risk factors in the returnson stocks and bonds[J]Journal of financial economics，1993，33（1）：3-56.
[3]張勰檉.三因子模型在滬深A股市場(chǎng)的實(shí)證研究[D]復旦大學(xué)，2012.
