基于事件研究法的“大小非”解禁關于股票市場風險研究

摘要:通過比較“大小非”解禁事件前后不同時期的風險價值VaR，來評價大小非解禁對證券市場風險的影響。首先針對股票收益率序列具有波動聚集以及尖峰、厚尾的分布形態，應用GARCH類模型計算解禁前后各一段時期內滬深兩市不同解禁量股票的VaR;其次應用多種定性、定量統計方法對所計算的VaR值進行前后分析比較，分析結果表明，采用的方法能夠很好地捕捉到“大小非”解禁事件增大股票市場風險趨勢這一現象。

關鍵詞:事件研究法;VaR;GARCH;股票市場

中圖分類號:F83文獻標志碼:A文章編號:1673-291X(2010)33-0068-06

引言

中國股票市場自建立之初就存在著股權分置的問題，非流通股占去了2/3左右的比例，而流通股卻只占1/3，此問題一直困擾著中國股市的發展。

2005年中國啟動股權分置改革(以下簡稱“股改”)，股改后，原非流通股成為限售股份。現階段，中國證券市場最主要的限售股份是股改前的非流通股，這些股票可以在股改后一段時間獲得流通權，也就是通常所說的“大小非”，“大非”即占總股本5%以上、股改兩年后可上市流通的限售股份，“小非”即占總股本小于5%、股改一年后可上市流通的限售股份[1]。

伴隨著2009年10月份大小非解禁“洪峰”的到來，A股市場迎來了股改以來的限售股解禁最高峰，A股市場的反彈行情也再次面臨考驗。數據顯示，2009年10月份51家上市公司解禁股數將達3 192.39億股，占到了全年解禁股份總量的四成。這也是自股改以來解禁規模最大的月份。天量限售股解禁，加上之前已解禁尚未減持的限售股，無論是心理上還是從實際減持結果看，對市場的壓力都是顯而易見的。伴隨著解禁“洪峰”，市場將會受到解禁限售股怎樣的影響，將成為市場關注的焦點。

本文正是在這種背景下，通過對“大小非”解禁前后股價的變化來研究這一事件是否影響個股和股市風險的變化。由于人們對股改的預期不一致，從而導致人們對股價定位的認識也不一致，所以股價在這一過程中，會出現較大的變化。通過本文的研究結果，市場監管者可以了解不同的解禁量對市場總體風險的影響，從而根據市場的變化以及監管措施可行性完善市場，同時對于減持比例進行控制。而投資機構或個人投資者，則可以預測投資風險、調整投資結構、從而避免風險較大的投資品種，直接減少損失。

“大小非”解禁作為中國資本市場在一定時間內特有的現象，引起了國內一些學者的研究興趣。在實證研究方面，“大小非”解禁對收益的影響得到了廣泛的市場討論。夏清華、李文斌[2]采用事件研究法對“大小非”解禁的市場負異常收益的影響因素進行實證探討。研究表明:“大小非”解禁上市公司的股價在公告日具有顯著的負異常收益表現。黃漢利、佘曉燕[3]使用事件研究法對解禁前后的中期市場反應和短期市場反應分別進行了研究。得出在中期市場反應中，“大小非”解禁樣本存在正的超額收益的結論。“大小非”解禁對于市場的影響、影響因素以及影響程度，不同的研究也有不少不同的看法。張冬云[4]、張剛[5]、劉振華[6]認為，“小非”由于盤面相對較小對市場只是產生一定壓力，并不會帶來太大沖擊;李慧敏 [7]、閔緯國[8]、石建勛[9]則認為，“小非”沖擊影響十分復雜。 對于究竟是“大非”影響大還是“小非”影響大，各篇文獻從規模、基本面、控股權、市場預期等多個角度來考察，進而得出了不同的看法。但這些研究多偏于對現有數據的直觀分析，缺少對問題建模并進行定量分析。“大小非”解禁是中國證券市場無法超越的問題，2009年中國證券市場大量限售股份(大非)將渡過限售期，在當前金融海嘯的前提下，定量判斷大小非解禁對中國證券市場的沖擊，就有了更深刻的意義。

“大小非”解禁已成為學術界與實務界日益關注的重要事件，本文將運用事件研究法，將首次解禁日視為具體事件，對每只個股分解禁前后進行建模研究。本文采用市場風險統一測量框架——VaR和GARCH類模型對中國A股市場進行研究，具體地說就是選取滬深股市多個行業的一些不同解禁量的股票，以一只股票首次解禁日為事件日，以每事件發生前八個月(約160個交易日)為估計窗，估計GARCH類模型參數，計算其VaR值;再以這些股票首次解禁日后八個月(約160個交易日)為估計窗，同樣在VaR-GARCH框架下建立模型，計算其VaR值。最后，將同一只股票事件前后的風險價值VaR作比較。同時，不同股票之間事件前后風險變化也進行比較，實證結果表明:大小非解禁將使股票市場風險變大。研究中我們發現，本文所采用的比較解禁前后 VaR值的方法能夠很好地捕捉到股票風險的變化，而有些文獻中采用的直接比較解禁前后收益率的方法則無法有效反應股票風險的變化。

一、VaR框架及ARCH類模型

1.VaR的定義

關于VaR的定義本文引述 P.Jorion在其著作中的定義:VaR是給定的置信水平和目標時段下預期的最大損失(或最壞情況下的損失)[10]:

Prob(△p>VaR)=α (1)

其中，△p為資產在持有期內的損失值;α為給定的顯著水平;VaR為置信水平1-α下的風險價值，即可能損失的上限;Prob為概率。也就是說，該資產在未來規定時間內損失(△p)大于VaR的概率為α。

2.GARCH-VaR模型

在通常情況下，金融數據有強烈的ARCH效應，其分布尾部和中間部位集中了大量的數據，比正態分布擁有“厚尾”特性。如果用正態分布刻畫金融數據將損失大量的尾部信息，會造成VaR被低估。鑒于金融時間序列有波動聚集性和分布的尖峰厚尾特性，1982年恩格爾(Engle)提出了著名的ARCH模型。其具體形式為:

rt=μ+εtεt=·vtht=α0+αiε2 t-i(2)

式(2)中rt 收益率序列，μ為收益序列的均值，ht為殘差εt的條件方差，vt為獨立同分布的隨機變量，vt與ht相互獨立，α0 >0，αi≥0(i=1，…，q)保證條件方差的非負性;αi<1保證該過程的平穩性。

隨后，1986年Bollerslev將了殘差方差的滯后項引入ARCH模型的方差方程中，得到了廣義自回歸條件異方差模型(GARCH模型)[11]，即GARCH(p，q)模型。它有如下的條件方差(均值方程不變):

ht=α0+αiε2 t-i+βjht-j (3)

稱序列εt服從GARCH(p，q)過程，其中，α0 >0，αi≥0(i=1，…，q)，βj≥0(j=1，…，p)保證條件方差的非負性;αi+bj<1保證該過程的平穩性。

GARCH模型考慮了異方差本身的自回歸現象，概括能力強，是對ARCH模型的一種拓展。隨后對模型的變形基本都是基于GARCH模型之上的。不過隨著GARCH模型在金融領域的應用，人們也發現一般的GARCH存在兩個問題。第一，以上模型中，對系數參數的非負性約束太強，過度地限制了條件方差的動態性;第二，GARCH模型中條件方差ht是εt - i的對稱函數，它僅取決于εt - i的幅度而與其符號無關。這與實際不符，實際金融價格運動存在杠桿效應(leverage effect)，即證券價格的上升和下降可能非對稱地影響隨后的波動，證券價格的下降比其同樣幅度的上升對隨后的波動有更大的影響。這意味著更好的模型應該對正負兩類殘差做出非對稱的反應。為了解決以上問題，1991年Nelson[12]提出EGARCH(指數條件異方差模型)。現以EGARCH(1，1)說明εt的條件方差方程(均值方程不變):

ln(ht)=α0+r1+α1+β1ln(ht-1)(4)

在GARCH 類模型中vt的分布常用的有:正態(高斯)分布、學生t分布和廣義誤差分布。例如，假設vt服從正態分布，則:

Prob(vt≤-zα)=α (5)

Prob(·vt≤-·zα)=α (6)

Prob(rt≤μ-·zα)=α (7)

其中，zα是正態分布概率為α時刻對應的臨界值，所以，時刻t的VaR值可用下式來估計:

VaRt=-μ+·F-1(α) (8)

在式(8)中，VaRt 的計算只需要估計vt的分布的分位數F-1(·)。其中，α為設定的顯著水平，條件方差序列{ht}由GARCH模型直接生成。

3.VaR值的準確性檢驗

計算VaR值的模型建立之后，有必要對其進行檢驗，其中檢驗方法有多種，本文將采用失敗率檢驗方法。其原理如下:設T代表樣本天數，首先，計算實際損失超過VaR值的失敗天數，將其記為N;其次，計算失敗率p=N/T。如果失敗率p大于計算VaR值時所選擇的顯著水平α，則模型失敗;反之，模型成功。在實際應用中，通常假設VaR值的估計具有時間獨立性，則對失敗的統計次數服從T次貝努里分布，每次失敗的期望概率為p0=α。

假定原假設為H0:p=p0;備擇假設為H1:p≠p0，此時模型的準確性檢驗轉化為對失敗率p是否顯著異于失敗期望概率p0的檢驗。1995年Kupiec[13]提出了對原假設最合適的檢驗是似然比率檢驗:

LR=-2ln[(1-p0)T-Np0N]+2ln[(1-p)T-NpN](9)

在零假設條件成立下，統計量LR服從自由度為1的χ2分布，在95%的置信水平下的臨界值為3.84，如果LR >3.84，則拒絕原假設，說明VaR模型不適合。

二、實證研究

1.樣本選取

因目前滬、深股市A股已達到1 500支左右，為使樣本具有代表性，本文采取分層抽樣的方法，選取滬、深兩市各12支股票進行研究。股票市場收益率rt采用對數收益率。

本文采用事件研究法對股票收益率序列建立模型，計算VaR值，將首次“大小非”解禁視為具體事件，對每只個股均分為解禁前和解禁后進行建模研究，并將首次解禁日前后各八個月(約160個交易日)定為時間窗。數據處理采用Eviews 5軟件。現將本文所選股票及首次“大小非”解禁時間、首次解禁量(如表1所示):

2.實證分析

(1)模型分析。我們利用上面描述的GARCH類模型對表1中的24只股票分別建立兩個模型，即解禁前模型和解禁后模型。從模型估計的參數看，絕大部分參數檢驗的P值小于0.05，也就是說在5%的顯著水平上，基本接受股票收益率的計算模型。

將由GARCH類模型得到條件方差ht代入公式(8)計算各期VaR值，然后和實際損失進行比較，從而得到實際損失超過VaR值的天數，利用此天數，就可利用式(9)給出的LR統計量對模型準確性進行檢驗。針對解禁前和解禁后VaR模型的計算我們發現，LR統計量均小于3.84，所以接受計算VaR值的模型。而且，解禁前后的N/T值在0.01和0.05顯著水平下差異均不顯著，這也進一步說明了，VaR模型對風險的描述是比較準確的。

(2)個股解禁前后市場風險比較。圖1及下頁圖2給出解禁前后兩市股票VaR值隨時間變化的情況，每個圖包括解禁前、解禁后兩部分，以空格隔離開。從圖中可以看出，“大小非”解禁前后風險是有較明顯的變化的，大部分股票VaR值解禁后比接近前大，同時，變化也比較劇烈。

為進一步分析比較解禁前后風險的變化，圖3及下頁圖4分別給出兩市股票 VaR的箱線圖。從圖中我們發現:大部分股票解禁后箱體中位數都有增大趨勢，而且，箱體最大值也有明顯的提升，這就說明股票在解禁后整體VaR值有所增加，即風險水平提高。在給出上述定性分析的同時，本文做了進一步的定量分析，即檢驗解禁前后VaR的均值是否有顯著差異，檢驗結果在下頁表2中給出。從檢驗結果看，絕大多數股票VaR的均值解禁后較之解禁前有顯著差異，風險水平整體提高，這進一步說明“大小非”解禁后風險是有顯著差異的。

通過上述實證分析，發現:解禁后19只風險變大，5只風險變小，分別為“云南白藥”、“高新發展”、“三一重工”、“貴州茅臺”、“四創電子”。所以本文的結論為:“大小非”解禁后將使股票市場風險變大。19只風險變大的股票中只有“金牛能源”、“五洲交通”這兩只股票解禁前后VaR的均值在0.05的顯著水平下差異不顯著，其余17只股票解禁前后VaR的均值的差異均顯著，這進一步說明，用VaR模型對風險變化進行描述是恰當合理的。

本文同時也采用相同的方法對比研究了解禁前后收益率的變化，結果發現，解禁前后收益率的均值在0.05顯著水平下沒有顯著差異，而且通過作圖，也看不出明顯的變化。因此，僅從收益率角度，不能有效衡量股市解禁前后風險的變化。而采用市場風險統一測量框架——VaR和GARCH類模型對中國A股市場進行研究，則可以很容易地發現大小非解禁對股市風險的影響。而且，模型的建立更能反映股市的共性，從而發現更為一般的規律。

結論

“大小非”的解禁，是會使股市的風險發生變化的。如果單從收益率角度研究問題，那么，無論是運用定性或是定量方法解禁前后差異均不顯著，所以用收益率變化不能衡量股市解禁前后風險的變化。而采用VaR方法和適合描述尖峰厚尾特征的GARCH類模型對中國A股市場進行定性、定量研究，則可以很容易地發現解禁前后風險是有大的差異的。

本文探討了如何研究“大小非”解禁對于股市風險的影響，即采用的比較解禁前后 VaR值的方法能夠很好地捕捉到股票風險的變化，并且，模型的建立更能反映股市的共性，從而發現更為一般的規律。而大小非解禁如何具體地影響風險不是本文的內容。

“大小非”解禁無疑是一次長期持續的市場擴容，對中國股市影響深遠，從一定意義上可以說是對股市重造的必經之路，所以將它作為研究對象是有意義的。

參考文獻:

[1]楊棟，張建龍，張小濤.“大小非”解禁沖擊了中國證券市場嗎[J].當代經濟，2009，(2):49-55.

[2]夏清華，李文斌.“大小非解禁”對中國A股上市企業股價的影響[J].技術經濟，2009，(5):64-70.

[3]黃漢利，佘曉燕.大小非解禁市場反應實證研究[J].財會通訊，2009，(6):64-67.

[4]張冬云.小非不足懼，大非要提防[J].證券導刊，2007，(29):69-70.

[5]張剛.震蕩市中斗法大非套現[J].證券導刊，2007，(10):61-62.

[6]劉振華.全流通解禁壓力探秘[J].新財經，2006，(7): 94-95.

[7]李慧敏.淺談大小非解禁問題[J].現代商業，2008，(21):27.

[8]閔緯國.2009大小非解禁對股價的影響[J].大眾理財顧問，2009，(4):42-43.

[9]石建勛.大小非減持違規成本必須提高[N].人民日報，2008-05-08.

[10]Jorrion，P.Value at Risk: The New Benchmark for Controlling Market Risk[M]. New York: McGraw-Hill Companies，Inc，1997.

[11]Tim Bollerslev，Generalized autoregressive conditional heteroskedasticity[J].Journal Econ-ometrics，1986，(31):307-327.

[12]Nelson，D.B.，ARCH models as diffusion approximations[J].Journal of Econometrics，1990，(45):7-38.

[13]Kupiec P H.Techniques for Verifying the Accuracy of Risk Measurement Models[J].The Journal of Derivatives，1995，(2):73-84.

Studies on the Risk in Chinese Stock Markets Based on the Method of Event Study

of “the Size of Non-lifting of the Ban”

ZHANG Chen-xi，YANG Yi-wen

(School of Management，Northwestern Polytechnical University，Xi’an 710129，China)

Abstract: This paper evaluates the impact on the risk of the stock market by comparing the different periods of VaR (Value at Risk) before and after the event of \"the size of non-lifting of the ban\".Firstly，considering the return of the stock having volatility clustering，high-peaked and heavy-tailed characteristics，the paper uses the GARCH models to compare the VaR of Hu -Shen stock markets in China before and after non-lifting of the ban.Then，several qualitative and quantitative statistical methods are applied to analyze and compare the VaR.The results shows that the method employed in this paper can well capture the phenomena that “the size of the non-lifting of the ban ”will increase the risk of the stock markets.

Key words: method of event study;VaR;GARCH;stock market

[責任編輯 陳丹丹]