论文部分内容阅读
摘 要：通过建立Engle（2002）提出的动态条件相关多元GARCH模型DCC-MVGARCH来计算时变的市场收益对市场总流动性相对变化的敏感性（协方差），进而建立三因素资产定价模型，从时间序列角度研究市场总流动性风险间的关系。研究结果表明，中国股市存在显著的市场风险溢价、市场收益对总流动性变化的敏感性风险溢价以及流动性相对变化的波动性风险溢价。
关键词：流动性；流动性风险；资产定价
中图分类号：F830.91 文献标志码：A 文章编号：1673-291X（2015）09-0134-04
引言
我们知道，金融市场的两大基本功能是流动性和价格发现。而流动性在市场微观结构研究领域占据了非常重要的位置。二级市场的流动性为投资者提供了转让和买卖证券的机会，也为筹资者提供了筹资的必要前提。其次，流动性还会影响到企业的最佳股权结构，因为股权分散有利于提高流动性，但不利于经营权的集中。最后，高流动性的市场可增强股东监督公司的动力，因为高流动性的市场可以让大股东有效地掩饰其通过监督权所获得的信息优势，从而进行内幕交易获取利润。正是在这些意义上，Amihud & Mendelson[1]指出：“流动性是市场的一切”。从更广泛的意义上看，市场流动性的增加不仅保证了金融市场的正常运转，也促进了资源的有效配置和经济增长。
一、文献回顾
早期大部分学者对流动性与资产定价关系的研究都是针对流动性水平（liquidity level）进行的，大多得出股票流动性与收益负相关的结论。最近的研究则开始关注流动性风险（liquidity risk，用方差或相应变量间的协方差来度量）与资产定价的关系。其中以Pastor&Stambaugh（2003）[2]和Acharya&
Pedersen （2005）[3]的研究为代表。Jacoby，Fowler和 Gottesman（2000，JPG）[4]模型已初步考虑了流动性成本变化对资产收益率的影响，但却未做进一步研究。Pastor & Stambaugh（2003）将推动收益率发生反转的指令流作为市场流动性的一个状态变量，Fujimoto&Watanabe（2006）[5]利用机制转换模型研究了股票中流动性风险—收益关系的时变性并且检验了其对资产定价的含义。孔东民（2006）[6]也利用 LA-CAPM 对中国股市进行了检验，结果表明，我国股市的风险升水在大盘升降区间体现了不同的特征；无论在总区间还是分时段，LACAPM都能更好的拟合资产收益；在控制了公司规模后，结果依然稳健，这表明在我国股市流动性对资产定价有重要影响。
二、研究设计
首先按照Gibson&Mougeot（2004）的思路，基于市场总流动性水平的相对变化进行检验。拟通过建立Engle（2002）提出的动态条件相关多元GARCH模型（DCC-MVGARCH）来计算时变的市场收益对市场总流动性水平其相对变化的敏感性（协方差），进而建立三因素资产定价模型，对市场组合收益与市场总流动性风险间的关系进行研究。
三、模型简介
（一）三因素资产定价模型
由于从理论上讲，如果投资者是风险厌恶的，投资者应该对流动性的波动要求风险溢价。我们将市场总流动性的波动性——条件方差加入市场超额收益的条件均值方程，建立如下三因素资产定价模型：
rM，t=μM+λMσ2M，tλMLσML，t+λLσ2L，t+ε1，t
rL，t=μL+ε2，t
Ht=Ω+Aεt-1εt-1A+BHt-1B
其中Ht=h11，t h12，t
h12，t h22，tεt=ε1，t
ε2，t，Ht为超额市场收益和市场总流动性相对变化的方差—协方差矩阵，A、B、Ω为对称的常数矩阵；λM为单位市场的风险溢价；λML为单位市场收益对市场总流动相对变化的敏感性风险溢价，λL为单位市场总流动性的波动风险溢价。
（二）二元均值GARCH模型
鉴于二元均值GARCH模型参数估计的困难，我们分两段建模。第一阶段我们建立市场超额收益与市场总流动性相对变化的动态条件相关二元GARCH模型，进而求得时变的市场收益对总流动性变化的敏感性σML，t；同时对市场总流动性的相对变化建立一元GARCH类模型求得流动性波动的时变值σ2L，t。即：rL，t=μL+εt；条件方差方程按照参数显著的原则采用EGARCH（1，1）模型：log（σ2
t）=ω+βlog（σ2
t-1）+α
+
γ；或GARCH（1，1）模型：σ2t=ω+αε2
t-1+βσ2
t-1。其中εt=etσt，et假定服从广义误差分布GED，起密度函数为：f（et）=，c是一个正的参数，Γ（·）是函数，λ常数，且λ=。当c=2时，et～N（0，1）；当c<2时其密度函数比正态分布有更厚的尾部，其峰态系数大于3时；而当c>2时，其密度函数比正态分布有更薄的尾部。本文中除DCC-MVGARCH模型外，其余模型的误差均假定服从广义误差分布GED。
第二阶段重新对市场超额收益建立三因素模型：
rM，t=μM+λM2M，t+λML2ML，t+λL2L，t+εt
其中εt=etσt，et假定服从广义误差分布GED。
四、实证结果
（一）数据的描述统计分析
本章对市场流动性风险与资产定价的关系进行实证研究，分别采用指数收益率和考虑现金红利再投资的沪深A股综合市场收益率。其中指数选用上证指数、深证指数，时间跨度为2000年1月2日至2013年6月30日，来源于深圳国泰安信息技术有限公司开发的中国股票市场交易数据库（CSMAR）。系统提供用三种方法计算的结果：等权平均法、流通市值加权平均法、总市值加权平均法。指数收益率计算公式为：rt=（pt- pt-1）/pt-1，其中pt、pt-1分别为指数第t日的收盘价。计算超额收益时，无风险收益率采用居民储蓄三个月定期存款利率。
市场流动性状态变量Lt定义为：Lt=，其中Volt为指数或综合市场A股的第t日的成交额，Nt为市场组合第t日所包含的股票数目。市场流动性的相对变化为rL，t=（Lt-Lt-1）/Lt-1。由于相邻两天的市场所包含的股票数目差别不大，即，Nt≈Nt-1；相对变化，即：rL，t=实际上为成交额的日涨幅跌幅。
本章所有的运算结果均通过Eviews6.0计算得到。
下面进行实证分析时，我们将原始市场收益、市场超额收益以及市场总流动性相对变化均扩大100倍，然后对调整后的数据进行分析，以下不再说明。
由表1数据的描述统计分析可看出，市场超额收益与市场总流动性的变化均为非正态分布，并且都是平稳的。Gibson & Mougeot（2004）对S&P500所作的描述分析（如表2所示）。相比而言，中国股市收益低，市场总流动性的相对变化大。
对市场超额收益以及市场总流动性相对变化的ARCH效应检验结果（见下页表3）。检验结果表明，市场超额收益以及市场总流动性相对变化均存在显著的ARCH效应。这与Gibson & Mougeot（2004）的相应检验结果不完全一致，他们的检验结果表明，流动性收益（liquidity returns）不存在ARCH 效应。
我们对市场收益和市场总流动性相对变化建立DCC-MVGARCH模型，进而求得时变的市场收益对市场总流动性相对变化的敏感性时间序列，其相应的描述统计（见表4）。
由表4可见，市场收益对市场总流动性变化的敏感性序列是非正态的、平稳的；并且在绝大多数时期均为正值，这与Gibson&Mougeot（2004）的研究结果基本一致。
这里我们采用市场收益而不是市场超额收益，主要是和Acharya&Pedersen（2005）提出的三种流动性风险相一致；另外，无论采用市场收益还是采用市场超额收益计算市场收益对市场总流动性变化的敏感性（协方差），所得结论没有差异。
（二）三因素资产定价模型实证研究
三因素的资产定价模型为：
rM，t=μM+λM2M，t+λMLCOVt（rM，rL）+λL2L，t+εt
条件方差方程采用EGAECH模型，诸参数均在1%显著性水平下显著，具体估计结果不在给出，仅给出条件均值方程的估计结果（见表5）。
由表5可以看出：
1.市场流动性相对变化的波动性2L，t的加入并没有影响市场风险以及市场收益对市场总流动性相对变化的敏感性风险的表现，存在显著的市场风险溢价以及市场收益对市场总流动性相对变化的敏感性这种流动性风险溢价。
2.指数的市场流动性相对变化的波动性风险溢价λL为正，但不显著；而综合市场流动性相对变化的波动性风险溢价显著λL为正。
结论
本文从市场整体的角度对流动性风险与资产定价的关系进行了实证研究，建立了一个三因素资产定价模型。研究结果表明，中国股市存在显著的市场风险溢价、市场收益对市场总流动性水平（或其相对变化）敏感性风险溢价以及市场总流动性水平（或其相对变化）的波动性风险溢价。
参考文献：
[1] Amihud，Y.，H.Mendelson，Asset pricing and the bid-ask spread，Journal of Financial Economics，1986，（17）：223-249.
[2] Pastor，L.and R.Stambaugh，Liquidity Risk and Expected Stock Returns，Journal of Political Economy，2003，（111）：642-685.
[3] Acharya，V.and L.Pedersen，Asset Pricing with Liquidity Risk，Journal of Financial Economics，2005，（77）：375-410.
[4] Jacoby，G，Fowler，D.J and Gottesman，A，The Capital Asset Pricing Model and the Liquidity Effect：a Theoretical Approach，Journal
of Financial Markets，2000，（3）：69-81.
[5] Fujimoto，A.and M.Watanabe，Time-Varying Liquidity Risk and Asset Pricing，University of Alberta School of Business Working Paper，
2006.
[6] 孔东民.流动性风险与资产定价：来自中国股市的证据[J].南方经济，2006，（3）：91-107.
[责任编辑 吴 迪]
关键词：流动性；流动性风险；资产定价
中图分类号：F830.91 文献标志码：A 文章编号：1673-291X（2015）09-0134-04
引言
我们知道，金融市场的两大基本功能是流动性和价格发现。而流动性在市场微观结构研究领域占据了非常重要的位置。二级市场的流动性为投资者提供了转让和买卖证券的机会，也为筹资者提供了筹资的必要前提。其次，流动性还会影响到企业的最佳股权结构，因为股权分散有利于提高流动性，但不利于经营权的集中。最后，高流动性的市场可增强股东监督公司的动力，因为高流动性的市场可以让大股东有效地掩饰其通过监督权所获得的信息优势，从而进行内幕交易获取利润。正是在这些意义上，Amihud & Mendelson[1]指出：“流动性是市场的一切”。从更广泛的意义上看，市场流动性的增加不仅保证了金融市场的正常运转，也促进了资源的有效配置和经济增长。
一、文献回顾
早期大部分学者对流动性与资产定价关系的研究都是针对流动性水平（liquidity level）进行的，大多得出股票流动性与收益负相关的结论。最近的研究则开始关注流动性风险（liquidity risk，用方差或相应变量间的协方差来度量）与资产定价的关系。其中以Pastor&Stambaugh（2003）[2]和Acharya&
Pedersen （2005）[3]的研究为代表。Jacoby，Fowler和 Gottesman（2000，JPG）[4]模型已初步考虑了流动性成本变化对资产收益率的影响，但却未做进一步研究。Pastor & Stambaugh（2003）将推动收益率发生反转的指令流作为市场流动性的一个状态变量，Fujimoto&Watanabe（2006）[5]利用机制转换模型研究了股票中流动性风险—收益关系的时变性并且检验了其对资产定价的含义。孔东民（2006）[6]也利用 LA-CAPM 对中国股市进行了检验，结果表明，我国股市的风险升水在大盘升降区间体现了不同的特征；无论在总区间还是分时段，LACAPM都能更好的拟合资产收益；在控制了公司规模后，结果依然稳健，这表明在我国股市流动性对资产定价有重要影响。
二、研究设计
首先按照Gibson&Mougeot（2004）的思路，基于市场总流动性水平的相对变化进行检验。拟通过建立Engle（2002）提出的动态条件相关多元GARCH模型（DCC-MVGARCH）来计算时变的市场收益对市场总流动性水平其相对变化的敏感性（协方差），进而建立三因素资产定价模型，对市场组合收益与市场总流动性风险间的关系进行研究。
三、模型简介
（一）三因素资产定价模型
由于从理论上讲，如果投资者是风险厌恶的，投资者应该对流动性的波动要求风险溢价。我们将市场总流动性的波动性——条件方差加入市场超额收益的条件均值方程，建立如下三因素资产定价模型：
rM，t=μM+λMσ2M，tλMLσML，t+λLσ2L，t+ε1，t
rL，t=μL+ε2，t
Ht=Ω+Aεt-1εt-1A+BHt-1B
其中Ht=h11，t h12，t
h12，t h22，tεt=ε1，t
ε2，t，Ht为超额市场收益和市场总流动性相对变化的方差—协方差矩阵，A、B、Ω为对称的常数矩阵；λM为单位市场的风险溢价；λML为单位市场收益对市场总流动相对变化的敏感性风险溢价，λL为单位市场总流动性的波动风险溢价。
（二）二元均值GARCH模型
鉴于二元均值GARCH模型参数估计的困难，我们分两段建模。第一阶段我们建立市场超额收益与市场总流动性相对变化的动态条件相关二元GARCH模型，进而求得时变的市场收益对总流动性变化的敏感性σML，t；同时对市场总流动性的相对变化建立一元GARCH类模型求得流动性波动的时变值σ2L，t。即：rL，t=μL+εt；条件方差方程按照参数显著的原则采用EGARCH（1，1）模型：log（σ2
t）=ω+βlog（σ2
t-1）+α
+
γ；或GARCH（1，1）模型：σ2t=ω+αε2
t-1+βσ2
t-1。其中εt=etσt，et假定服从广义误差分布GED，起密度函数为：f（et）=，c是一个正的参数，Γ（·）是函数，λ常数，且λ=。当c=2时，et～N（0，1）；当c<2时其密度函数比正态分布有更厚的尾部，其峰态系数大于3时；而当c>2时，其密度函数比正态分布有更薄的尾部。本文中除DCC-MVGARCH模型外，其余模型的误差均假定服从广义误差分布GED。
第二阶段重新对市场超额收益建立三因素模型：
rM，t=μM+λM2M，t+λML2ML，t+λL2L，t+εt
其中εt=etσt，et假定服从广义误差分布GED。
四、实证结果
（一）数据的描述统计分析
本章对市场流动性风险与资产定价的关系进行实证研究，分别采用指数收益率和考虑现金红利再投资的沪深A股综合市场收益率。其中指数选用上证指数、深证指数，时间跨度为2000年1月2日至2013年6月30日，来源于深圳国泰安信息技术有限公司开发的中国股票市场交易数据库（CSMAR）。系统提供用三种方法计算的结果：等权平均法、流通市值加权平均法、总市值加权平均法。指数收益率计算公式为：rt=（pt- pt-1）/pt-1，其中pt、pt-1分别为指数第t日的收盘价。计算超额收益时，无风险收益率采用居民储蓄三个月定期存款利率。
市场流动性状态变量Lt定义为：Lt=，其中Volt为指数或综合市场A股的第t日的成交额，Nt为市场组合第t日所包含的股票数目。市场流动性的相对变化为rL，t=（Lt-Lt-1）/Lt-1。由于相邻两天的市场所包含的股票数目差别不大，即，Nt≈Nt-1；相对变化，即：rL，t=实际上为成交额的日涨幅跌幅。
本章所有的运算结果均通过Eviews6.0计算得到。
下面进行实证分析时，我们将原始市场收益、市场超额收益以及市场总流动性相对变化均扩大100倍，然后对调整后的数据进行分析，以下不再说明。
由表1数据的描述统计分析可看出，市场超额收益与市场总流动性的变化均为非正态分布，并且都是平稳的。Gibson & Mougeot（2004）对S&P500所作的描述分析（如表2所示）。相比而言，中国股市收益低，市场总流动性的相对变化大。
对市场超额收益以及市场总流动性相对变化的ARCH效应检验结果（见下页表3）。检验结果表明，市场超额收益以及市场总流动性相对变化均存在显著的ARCH效应。这与Gibson & Mougeot（2004）的相应检验结果不完全一致，他们的检验结果表明，流动性收益（liquidity returns）不存在ARCH 效应。
我们对市场收益和市场总流动性相对变化建立DCC-MVGARCH模型，进而求得时变的市场收益对市场总流动性相对变化的敏感性时间序列，其相应的描述统计（见表4）。
由表4可见，市场收益对市场总流动性变化的敏感性序列是非正态的、平稳的；并且在绝大多数时期均为正值，这与Gibson&Mougeot（2004）的研究结果基本一致。
这里我们采用市场收益而不是市场超额收益，主要是和Acharya&Pedersen（2005）提出的三种流动性风险相一致；另外，无论采用市场收益还是采用市场超额收益计算市场收益对市场总流动性变化的敏感性（协方差），所得结论没有差异。
（二）三因素资产定价模型实证研究
三因素的资产定价模型为：
rM，t=μM+λM2M，t+λMLCOVt（rM，rL）+λL2L，t+εt
条件方差方程采用EGAECH模型，诸参数均在1%显著性水平下显著，具体估计结果不在给出，仅给出条件均值方程的估计结果（见表5）。
由表5可以看出：
1.市场流动性相对变化的波动性2L，t的加入并没有影响市场风险以及市场收益对市场总流动性相对变化的敏感性风险的表现，存在显著的市场风险溢价以及市场收益对市场总流动性相对变化的敏感性这种流动性风险溢价。
2.指数的市场流动性相对变化的波动性风险溢价λL为正，但不显著；而综合市场流动性相对变化的波动性风险溢价显著λL为正。
结论
本文从市场整体的角度对流动性风险与资产定价的关系进行了实证研究，建立了一个三因素资产定价模型。研究结果表明，中国股市存在显著的市场风险溢价、市场收益对市场总流动性水平（或其相对变化）敏感性风险溢价以及市场总流动性水平（或其相对变化）的波动性风险溢价。
参考文献：
[1] Amihud，Y.，H.Mendelson，Asset pricing and the bid-ask spread，Journal of Financial Economics，1986，（17）：223-249.
[2] Pastor，L.and R.Stambaugh，Liquidity Risk and Expected Stock Returns，Journal of Political Economy，2003，（111）：642-685.
[3] Acharya，V.and L.Pedersen，Asset Pricing with Liquidity Risk，Journal of Financial Economics，2005，（77）：375-410.
[4] Jacoby，G，Fowler，D.J and Gottesman，A，The Capital Asset Pricing Model and the Liquidity Effect：a Theoretical Approach，Journal
of Financial Markets，2000，（3）：69-81.
[5] Fujimoto，A.and M.Watanabe，Time-Varying Liquidity Risk and Asset Pricing，University of Alberta School of Business Working Paper，
2006.
[6] 孔东民.流动性风险与资产定价：来自中国股市的证据[J].南方经济，2006，（3）：91-107.
[责任编辑 吴 迪]