基于VNET的我國股票市場流動性影響因素研究

郭鶴楠

(中國人民大學財政金融學院，北京100872)

引言

流動性是股票市場的生命力。如果股票市場缺乏流動性，將增加投資者的交易成本，降低投資者的投資欲望，導致股票市場出現動蕩。股票市場的流動性是市場微觀結構理論的一個重要研究內容，隨著近幾年的流動性研究熱度加深，研究的方法和數據不斷優化，思路也更加開闊。在這種情況下，本文引入了Engle和Lange提出的一個衡量市場深度的方法VNET深度模型，對我國股票市場流動性影響因素進行深入探討。

一、VNET的含義與影響因素模型估計

(一)VNET的含義

VNET是在價格持續期的基礎上建立起來的。為了更好地定義VNET，本文首先來定義價格持續期。價格持續期是價格發生預先設定的數量變化(閾值)所需要的時間。VNET是通過衡量一個價格持續期內市場上的主動性買賣交易量之間的不平衡關系來揭示市場深度。因此，VNET是股票市場流動性深度指標。VNET統計量反映的是價格持續期內發生的某一方向的交易量的和，其表達式可以用公式(1)來表示。

其中，di標志交易發生方向的虛擬變量，當第i筆交易為主動性買入時di=1，當第i筆交易為主動性賣出時di=-1;voli為價格久期期間發生的第i筆交易的交易量大小。

(二)VNET影響因素模型

由于VNET測量價格出現重大調整前發生的具有方向的交易量凈值，它測量了一種現實市場深度。根據Engle和Lange的研究，并考慮我國市場的實際情況，給出了VNET的表達式(2)。

其中，spread為價格持續期期末買賣價格之比的對數值，log(Ask/Bid)，volume為價格久期期間總交易量的對數值;number表示價格久期期間發生交易的筆數的對數值;eptim為條件期望久期;ptime_err為log(ptime/eptime)。

本文采用增加了價格持續期期間買賣價差平均值的WACD模型測量條件期望持續期eptime，見公式(3)。

二、基于VNET模型適用性檢驗

(一)數據選取

本文的樣本是分別從上證50指數和深證成分股指數中選取的。由于VNET值是基于股票交易的超高頻數據而獲取的，即股票交易的實時數據。而股票市場中的特定指數不存在超高頻交易數據，因此本文借鑒國內外學者的研究方法本著科學性和謹慎性原則來選取有代表性的股票作為樣本。我們分別選取上證50指數及深證成指中從2004年1月至2010年12月一直存在且2010年全年不存在停牌的各10只股票作為樣本。為了使數據盡量的完整，本文選取2010年7月1日至2011年8月31日作為本文的數據的時間段，共計48個交易日。

本文所采用的數據取自RDTH(Reuters Datascope Tike History)數據庫，該數據庫最大的優點是提供了股票交易的實時數據，該數據集，包含每一筆交易的詳細信息，包括委賣價、委賣量、委買價、委買量、成交價、成交金額、成交量等。表1給出了所選股票的一個描述。

(二)數據處理

本文是研究持續期等市場微觀結構的特征，市場微觀交易機制對本文的數據具有非常重要的影響。首先，我國股票市場的交易時間分為集中競價和連續競價。其次，國外的交易時間一天為5個連續交易時間段，而我國中午有90分鐘的休息時間。因此本文要對原始觀測數據進行調整，具體調整辦法是:第一步，剔除競價交易時間的交易數據，即滬市9:30之前和深市9:30及14:57之后的交易數據。第二步，剔除隔夜價格持續期(即第一天的最后交易與第二天第一筆交易持續期)和午間價格持續期。

由于VNET值是基于價格持續期的統計量，所以為了能夠對價格持續期有更好的認識，對價格持續期序列數據做如下處理。價格持續期是價格發生預先設定的數量變化(閾值)所需要的時間。基于ACD模型的標記點過程，本文設定閾值為0.05元，即交易價比前一交易價上下變動超過0.05元，就認為發生了一個價格事件，兩個價格事件的時間間隔成為價格持續期(ptime)。而一個價格持續期內的單邊凈交易量即為VNET值。

(三)模型估計

為了能夠證明持續期模型和VNET模型能否很好地適用于我國的股票市場，此節我們選取長江電力2010年7月1日到2010年8月31日的交易數據為樣本來對模型進行測試檢驗。共有48個交易日，107個持續期。

由于VNET模型是基于價格持續期模型設定的，所以首先用ACD模型來刻畫條件期望持續期eptime。為了對樣本進行說明，圖1和圖2對長江電力的價格持續期序列和VNET序列進行了描述性統計。

表1 樣本股票的描述性統計

圖1 價格持續期時間序列圖

圖2 VNET時間序列圖

接下來通過軟件給出價格持續期序列的樣本直方圖(見圖3和圖4)，來更好地了解價格持續期的統計特征，有利于模型的檢驗。

圖3 價格持續期時間序列直方圖

圖4 VNET時間序列直方圖

對于金融時間序列，在模型建立前，要先對序列進行單位根檢驗，以確保序列平穩，采用回歸分析時不會產生偽回歸。常用的檢驗方法是ADF(Augmented Dickry-Fuller)檢驗。對于價格持續期及VNET序列對應的ADF檢驗結果(見表2)。

表2 價格持續期及VNET序列ADF檢驗結果

表2顯示樣本的ADF值都小于顯著性水平1%、5%、10%的臨界值，且對應的p值都為0，說明序列不存在單位根，即序列是平穩的。

為了說明本文中的價格持續期可以用ACD模型來進行刻畫，本文對計算出的價格持續期進行了自相關和偏相關檢驗，圖5給出了滯后階數為20的序列相關圖和Ljung-Box Q統計量。

圖5 價格持續期的序列相關檢驗

由圖5中可以發現，ACF和PACF明顯存在正的相關性，同時Q統計量也拒絕了價格持續期序列不存在自相關現象的原假設。說明價格持續期序列在剔除了時間效應后仍存在相關性，這也就意味著可以通過ACD模型刻畫價格持續期模型來分析流動性。

由于ACD模型表明價格時間的條件持續期是過去條件持續期和過去持續期的函數，價格持續期的自相關性說明ACD模型可以用來預測未來的PTIME。為了預測價格持續期，我們用均值和方差均為1的weibull分布(記為WACD)，利用最小二乘法估計模型參數，估計結果見表3。

表3 條件期望持續期模型的估計結果

參數估計結果顯示，ω、α、β均為正值，且都在1%置信水平上顯著，而spr的參數則略。Spr參數為負值說明買賣價差與價格調整時間之間是負相關的關系。

經過檢驗后，得出價格持續期公式(4)為:

其中括號內是各系數估計的t統計量值。通過這個方程，我們可以通過將 ptime序列導入Gretl軟件做回歸方程，從而得到eptime序列，為接下來的VNET序列做好準備。

基于以上對價格持續期的估計及檢驗，接下來對VNET模型進行估計及檢驗。首先對模型參數進行最小二乘法估計。其估計結果如表4所示

表4 VNET模型參數估計結果

接下來對VNET模型進行殘差檢驗，殘差檢驗結果如圖6。殘差平方相關圖可以用來檢驗殘差序列是否存ARCH效應，如果殘差序列不存在ARCH效應，則殘差在所有的滯后階數上的自相關函數和偏相關函數統計上都不是顯著的異于零的，而且其相應的Q統計量也不顯著，否則說明殘差序列存在ARCH效應。

由圖6可以看出Q統計量均小于30.578，即VNET序列的殘差不存在自相關，不存在ARCH效應，是一個白噪聲，這說明VNET序列很好地抓住了流動性的特征，可以很好地來描述和預測我國股票市場的流動性。

完成上述檢驗后，最后的模型結果為:

其中括號內是各系數估計的t統計量值。通過這個方程我們可以獲得VNET序列。

圖6 價格持續期的序列相關檢驗

三、股票市場流動性影響因素分析

選取20個樣本股票做VNET影響因素模型估計，表5給出了采用最小二乘法(OLS)的參數估計情況。

表5 樣本股票VNET影響因素參數估計結果(滬市)

C1是Spread(修正的價差)的參數，20只樣本股中有15只為負值，且在5%顯著水平上顯著。Spread參數為負的結果與傳統意義上的流動性的研究結果趨同，即在價格即將改變時刻的買賣價差與具有同方向的市場深度VNET具有負相關關系。

C2是價格持續期內的總交易量(Volume)的參數，反映的是交易強度，它反映了在給定水平的VNET下買賣之間的不平衡程度。如果當期的交易量越大，那么市場指令流中的買賣雙方的不均衡程度較低，流動性較好。

C3是Number的參數，Number是一個價格持續期里的交易筆數，它反映了交易的密集度。由表5，我們可以看出大部分的系數為負數，即Number與VNET負相關，由于信息不對稱模型表明一個價格持續期的交易筆數對流動性有負的影響，所以該結果支持信息不對稱模型。

C4是條件期望價格持續期(Eptime)的回歸系數，樣本的估計值中有13個通過了5%顯著水平的檢驗，說明價格持續期對VNET的強烈解釋能力，意味著在我國股票市場中VNET這一衡量流動性的指標更能反映市場中信息不對稱的程度和信息的傳導過程。

C5是Ptime_err的參數，Ptime_err表示的是價格持續期時間長度，由樣本股中Ptime_err的系數為正，表明價格持續期時間長度與VNET正相關。

綜上所述，就檢驗的結果來看，樣本股票VNET序列對我國股票市場的流動性具有非常好的衡量能力。

結論

本文首先對VNET指標進行了介紹，然后對VNET模型進行估計檢驗，得出該模型能夠很好的衡量和預測我國股票市場的流動性。最后通過對20個樣本股票做VNET影響因素模型估計，五個影響因素對股票市場流動性的影響做出分析研究。得出修正的價差指標與流動性負相關，價格持續期內的總交易量與流動性正相關，交易次數與流動性負相關，價格持續期的時間長度與流動性正相關。

［1］DOMINIQUE D.，GABRIEL L.Effects of Securities Transaction Taxes on Depth and Bid-ask Spread ［J］.Economic Theory，2007，(31):393-400.

［2］BRENNAN M.，SUBRAHMANYAM A.Market microstructure and asset pricing:on the compensation for illiquidity in stock returns［J］.Journal of Financial Economics，1996，(3):441-464.

［3］ENGLE R F.，RUSSEL J.Forecasting the frequency of changes in quoted foreign exchange prices with the autoressive conditional duration model［J］.Journal of Empirical Finance，1997，(2):187-212.

［4］方振明，王春峰.交易視角下的中國股市流動性問題［J］.管理工程學報，2009，(3):153-155.

［5］蔣學雷，陳 敏，王國明，吳國富.股票市場流動性度量的動態ACD模型［J］.統計研究，2004，(4):42-44.

［6］MURANAGA J，SHIMIZU T.Expectations and Market Microstructure when Liquidity is Lost［J］.BISworking paper，1999，(5):23-56.

［7］FRANZ D.，RAO R.，TRIPATHY N.Informed trading risking and bid-ask spread changes around open market stock repurchases in the Nasda market［J］.Journal of Financial Research，1998，(18):311-327.

［8］楊朝軍，張志鵬，廖士光.股票市場流動性綜合測度指標研究［J］.上海交通大學學報，2008，(11):1757-1771.

［9］麥元勛.股票流動性的影響因素分析［J］.江蘇商論，2009，(1):168-170.

［10］焦瑞新，張學舉.漲跌幅限制對我國股票市場流動性影響研究［J］.現代管理科學，2010，(6):56-58.