異質交易行為對市場價格發現能力的動態影響

張 一，劉志東，張永超，李 喆

1 東北大學秦皇島分校 經濟學院，河北 秦皇島 066004 2 中央財經大學 管理科學與工程學院，北京 100081 3 東北大學秦皇島分校 數學與統計學院，河北 秦皇島 066004

引言

在全球金融一體化程度不斷加深、資本市場不斷開放的背景下，企業選擇在多個證券市場上市的行為越來越普遍，從而產生了交叉上市公司這一較為特殊的公司群體。中國也有不少優質公司積極赴境外上市，其中香港市場成為首選之地。香港具有地理位置臨近、文化背景相似的優勢，吸引了很多內地公司前往上市，這既拓展了企業的融資渠道，也對資本市場的繁榮起到促進作用。截止到2017年，中國已有102家企業實現A股與H股交叉上市，主要分布在金融業、采掘業、制造業和交通運輸業。

交叉上市行為引起學術界的普遍關注，關于不同市場價格差別的研究更是其中的熱點問題。雖然是基于同一公司的基本面信息，但很多時候A股與H股股價出現持續和明顯的背離，且很難用市場分割的相關理論進行充分的解釋，給市場管理者和參與者帶來困擾。價格發現是資本市場最主要的功能，如何測量并比較不同市場的價格發現能力對于管理者準確把握市場動態并制定相應的政策具有重要的管理啟示，同時也為公司和投資者的行為決策提供有益的借鑒。

1 相關研究評述

根據有效市場假說，股價應該反映市場上的所有信息并迅速調整至其真實價值[1]。因此可以推斷，由于對應同樣的公司基本面，交叉上市公司的股票價格應滿足“一價定律”。然而現實的情況卻并非如此，市場之間的溢價或折價現象經常發生，為此很多學者基于不同理論進行解釋[2-3]。盡管存在觀點上的差異，但存在一點共識，即價格發現是資本市場最重要的功能之一，離開了價格發現，就無法對資源進行有效的配置。

在理論研究上，將交叉上市公司股票價差的形成機理以及市場具有不同價格發現能力歸因于流動性需求、賣空限制、市場透明度和指令流限制等。①FRIJNS et al.[4]考慮流動性對市場活躍程度的影響，認為越高的流動性代表交易者的內在約束越低，價格蘊含的市場信息就越豐富，因此，流動性代表市場盡快形成有效價格的能力；BROGAARD et al.[5]實證檢驗流動性與市場噪聲之間的負相關關系，發現流動性越高的市場價格發現能力越強，越能體現資產的真實價值；李斌等[6]研究中國股票市場價格發現與流動性之間的關系，發現市場的價格發現能力在流動性較差時變弱。②研究者們普遍認為賣空限制是影響市場價格發現的另一個重要因素。BOEHMER et al.[7]發現當賣空限制時，股票價格更易于受樂觀情緒的影響，從而導致實際價格高于理論均衡價格；FRIJNS et al.[8]分析澳大利亞和新西蘭交叉上市公司的股票價格發現問題，發現賣空成本高的股票有相對更高的估值；LOCKWOOD et al.[9]證實賣空約束嚴重影響市場對負面信息的處理，進而導致真實信息的缺失。③對價格發現能力影響因素的另一個解釋是市場透明度，較高的市場透明度能使交易者更好地提取市場有效信息，促進市場價格發現能力的提升。PLOTT et al.[10]通過實驗金融的方法設定了若干不同市場環境并觀測透明度效應，結果表明相對于不透明市場，半透明和全透明市場處理信息效率更高，價格可以迅速調整至均衡狀態；LAUERMANN et al.[11]對連續競價、集合競價和透明競價等不同交易制度進行比較，發現市場透明度越高，知情交易者交易成本越高。但也有一些學者對此觀點持反對態度，認為市場透明度的提升導致更多噪聲交易者的加入，損害市場的效率。HU et al.[12]把上市公司新增信息披露數量作為市場透明度的代理變量進行實證分析，發現當信息披露增加到一定數量后反而降低價格發現能力；COMERTON-FORDE et al.[13]研究美國市場的暗池交易狀況，結果無法證明暗池交易降低市場價格發現功能，輕微程度的暗池交易反而提升市場效率；張肖飛等[14]以上海證券交易所開盤競價由封閉式轉為開放式為背景，分析股票市場透明度對價格發現的影響，發現市場透明度提高后，市場流動性降低，阻礙了價格發現。以上研究表明市場透明度與價格發現功能之間的關系仍然是一個頗具爭論的議題。④指令流限制的影響，BRANDT et al.[15]研究發現，由于做市商會以不對稱價差應對訂單里不平衡問題，因此，超額的買賣盤導致買賣雙方報價調整了更多信息并更迅速收斂于均衡價格，因此訂單流的變化會影響價格發現能力。類似的觀點也被PASCUAL et al.[16]的研究證實。王春峰等[17]以上證分筆交易數據為對象進行研究，發現訂單流不平衡是買賣報價對價格發現能力差異的顯著影響因素之一。

對于價格發現的測量研究出現兩條平行發展的分支，分別為指標測量法和結構模型測量法。指標測量法最早可追溯至20世紀90年代，具有代表性的是HASBROUCK[18]提出的信息份額指標和FIGUEROLA-FERRETTI et al.[19]提出的因子份額指標。信息份額指標和因子份額指標都是基于誤差修正模型進行分析，但信息份額指標側重于發掘市場的新信息對共同因子方差的貢獻比例，以此測量價格發現能力，而因子份額指標則利用每個市場對共同因子的貢獻定量分析價格發現能力。在實際研究中，學者經常交替使用這兩種方法并比較其實際應用效果。FRIJNS et al.[20]采用因子份額指標對美國-加拿大交叉上市公司進行實證研究，采用系統矩估計方法控制價格發現的持久性和與其決定因素之間的內生性，發現較低的相對價差和更高的相對交易活動增加了交易所對價格發現的貢獻；OZTURK et al.[21]采用信息份額模型，在狀態空間中通過采用極大似然法估計具有時變參數的結構模型，發現宏觀經濟政策發布后，在不同的時間段顯著影響價格發現能力。其他類似的研究還包括BOLLEN et al.[22]和GILBERT et al.[23]，這些學者都對不同市場的價格發現能力進行比較，得出不一致的結論。不少學者也對中國金融市場的價格發現能力進行研究，其中既包括對股票市場期貨和現貨價格發現能力的比較研究[24-26]，也包括對商品市場的研究[27]，結果大多證實了在價格發現上期貨市場對現貨市場具有明顯的引導作用。

利用結構模型研究金融市場的微觀運行機制并測量價格發現能力也越來越得到普遍應用。結構模型構建通過將資產價格分解為反映完全信息的有效價格和反映交易機制摩擦的價格誤差，并從交易者行為、信息不對稱和微觀結構噪聲等因素對價格誤差進行解釋。CHOU et al.[28]以韓國股市為對象進行研究，從信息不平衡的角度分析個人投資決策行為的形成過程，發現個人投資者由于獲取和處理信息的能力有限，導致市場信息的不對稱性進一步加強，在短期加劇了股票的買賣價差；UMUTLU et al.[29]研究個人投資活動對預期收益和波動的影響，發現無論是個人投資者還是機構投資者均受到市場信息不對稱的影響，并導致價差的擴大，但個人投資者受影響程度更為明顯；COULTON et al.[30]通過構建市場微觀結構模型，研究投資者情緒對價格發現能力的影響方式，發現過度樂觀和過度悲觀都會導致股票價格偏離其真實價值，尤其是對個人投資者的影響更為嚴重，從而導致市場價格發現能力的喪失。

通過以上梳理可以發現，無論是基于技術分析的指標測量還是基于模型的市場微觀結構分析，都對價格發現這一問題作出了大量富有成效的研究，但也存在一定的局限性。價格形成是價格發現的基礎，而資產價格形成過程則是由大量具有不同的利益取向、操作策略和行為偏好的交易者匯聚在一起相互作用形成的結果。只有對交易者的交易行為進行有效的刻畫，并分析其對價格的動態影響，才能更深刻地理解價格發現能力的實現過程。作為行為金融學的代表性理論成果，異質交易者定價模型在解釋資產價格形成和波動方面取得了良好的效果并得到廣泛的應用。該理論由BROCK et al.[31]提出，通過分析基礎交易者和技術交易者的交易行為及相互影響對價格形成過程進行研究。此后，異質交易者定價行為理論被大量應用于資產定價[32-34]、金融序列統計分布特征[35-36]和波動率溢出[37]等研究中。近年來，異質交易理論的應用范圍不斷擴展，尤其是在解釋資產價格的協同運動和金融傳染問題上取得了較好的效果[38-39]。其中有代表性的研究如XIONG et al.[40]考察異質交易策略對股票與債券價格協同運動的影響機理；張一等[41]考慮市場中的交易者具有不同的交易策略和交易期限，構建開放金融環境下異質交易者的資產定價模型，對美國次貸危機期間的金融傳染問題進行研究。由于交叉上市股票對應同樣的公司基本面，其價格的形成及跨市場的協同運動同樣可以在異質交易者定價行為理論框架中尋求合理的解釋和測量，利用異質交易者定價行為理論解釋交叉上市股票價格形成機制并進一步分析其價格發現問題具有較強的可行性。

2 模型方法

2.1 統計套利交易策略

對于在A股與H股交叉上市的公司股票，由于其反映的是同樣標的資產的價格，理論上應趨于一致。但現實中由于交易制度和稅制不同、開放程度不同以及流動性需求差異等原因，A股與H股股價并不完全一致，而是長期存在溢(折)價。很多研究也表明A股與H股之間存在長期較為穩定的協整關系，而一旦這種均衡關系被打破，將促使更多采用統計套利交易策略，從而對價格產生顯著影響[42-43]。

與無風險套利不同，統計套利是一種基于計量經濟學和統計學而設計的套利交易策略，是一種風險套利。統計套利通過觀察行情的歷史數據尋找證券價差的變化規律，進而通過構建模型刻畫并預測其未來走勢以獲取套利利潤。HOGAN et al.[44]最早給出統計套利的定義，認為統計套利必須滿足自融資的初始投資成本為0、經無風險利率折現后具有正的預期收益、可以通過資產組合的調整使長期發生虧損的概率為0等前提假設。統計套利在方法上主要分為兩類：一類是利用證券的收益率序列建模，通過計算日收益率對均衡關系的背離發現其價格變化規律；另一類是利用證券間的協整關系建模，也稱為協整策略。代表性的工作如ALEXANDER et al.[45]實證研究發現，基于協整的統計套利效果顯著優于其他跟蹤誤差方差方法，套利機會增多且風險可控，證明基于協整模型的套利策略具有時效性和高效率等優點；趙勝民等[46]以A股市場開展融資融券業務的股票和指數基金的數據為樣本，分析融資融券標的股票價格與指數基金價格之間收斂關系的動態變化，進而研究統計套利的風險收益關系，結果表明統計套利在中國市場具有一定的可操作性，融資融券標的擴容同時增加了統計套利的風險和收益。除了雙重資產之間可以進行統計套利操作外，多重資產間的統計套利策略也受到研究者們的關注。STUBINGER et al.[47]設計基于vine-copula的多元統計套利策略，并將其應用于標普500指數投資過程，證實其無論在收益獲取還是風險控制上都有明顯的優越性；王良等[48]采用無套利區間分析方法建立指數基金組合的期指套利模型，研究發現中國期指市場存在明顯的正向套利機會。

ELLIOTT et al.[49]進一步提出基于統計套利的配對交易方法，并受到追求量化交易的投資者的青睞。配對交易通過反向交易歷史股價走勢相近的股票獲取收益。RUDY et al.[50]采用標普100指數成分股與指數基金進行配對交易，并以布林線作為買賣點依據，表明這種交易策略比直接購買股票得到更高的長期收益；LIU et al.[51]基于雙均值回歸設計日內交易策略，以石油行業股票為對象進行研究，認為商品價格是相關商品市場高峰時期商品生產公司股價的主要驅動力；LAW et al.[52]認為協整關系實際上是一個強弱問題，因而在配對交易中，根據協整關系的強弱進行交易比單純依據信號判斷是否可以進行交易效果更理想。針對不同市場交叉上市的這一特殊的股票群體，由于其股價走勢存在內在的均衡關系，配對交易策略尤為適用。國外一些學者以在美國與加拿大交叉上市的股票為樣本進行配對交易研究，取得較好的效果[53-54]。隨著中國的股票交易機制不斷完善以及A股與H股之間交流程度不斷加深，利用A股與H股之間價差進行統計套利的交易策略開始受到研究者們的關注。宋順林等[55]分析并檢驗交易者行為對交叉上市股票價差的影響，結果表明投資者情緒是影響A股與H股溢價的主導因素，并在此基礎上提出有效的交易策略；LI et al.[56]考察A股與H股市場交叉上市公司股價之間的長期均衡關系，并從短期不均衡價格路徑出發，提出一種簡單的自籌資金交易策略，發現A股與H股之間存在協整和糾錯機制，當對系統風險進行調整時，平均超額回報率約為17.6%；閆紅蕾等[57]以滬港通開通為背景，通過采用基于價差極值服從廣義帕累托分布的VaR模型確定無套利區間的上下界，并設計了提高市場一體化的套利交易策略，該策略能夠獲得顯著的正收益。

以上分析表明，由于A股與H股交叉上市股票之間存在內在的長期均衡關系，從而為交易者的統計套利，尤其是協整套利提供了機會。交易者的套利交易策略也影響兩地交叉上市股票價格的形成過程以及不同市場的價格發現功能。因此，如果從交易者行為的微觀視角對兩地市場的價格形成等問題做出合理解釋，必須考慮統計套利策略的影響。

2.2 構建異質交易者定價模型

與傳統的金融學理論不同，行為金融學考慮到交易者普遍具有有限理性和異質預期的心理行為特征，并在此基礎上建立異質交易者定價模型，成為行為金融學的代表性理論之一。CHIARELLA et al.[58]的研究進一步表明交易者的交易策略選擇和切換在“分鐘”的時間尺度上依然有效，從而證明模型在高頻時間序列上的適用性。動量交易策略是交易者的主要交易策略之一，該類型交易者認為股票的歷史價格可以預測未來，即具有自回歸特征。此外，根據上文分析，統計套利型交易者也在A股與H股交叉上市股票價格的形成過程中起主要作用，故本研究主要考慮這兩類交易者并存時對價格的影響。假設市場中的交易者均是以追求自身利潤最大化為目的在兩種策略之間進行選擇和切換，大量這類異質交易者匯聚起來并相互作用，形成資產的最終價格。

考慮在兩個市場交叉上市的一只股票，pt為(2×1)階向量，表示t時刻在兩個市場的價格?；谕还镜幕久嫘畔ⅲ瑑蓚€市場價格理論上應趨于一致。但如果兩個市場價格出現較為明顯的背離，根據統計套利理論，該價差會被套利者利用且套利者的交易行為會使價格再次趨于同步。從實際看，同一公司股票在不同市場上的價格背離是一種常態，很多學者嘗試從基礎風險、統計套利成本和噪聲交易者行為等角度進行解釋[59-61]。由于本研究針對的是同一公司基本面，因此不包含基礎風險因素，故主要從統計套利成本和噪聲交易者行為角度解釋價格背離現象。統計套利成本主要取決于資產的流動性，可用價差測量；噪聲交易者的影響由動量交易者的交易行為解釋，而動量交易者僅關注其所處的市場表現，其交易行為可能進一步放大價格的背離程度，并導致套利者的損失增加。由此可知，統計套利交易策略的表現取決于兩市股票的買賣差價和誤差修正速度。

對于統計套利交易者，其交易策略取決于兩個市場的股票價差，因此對下一時刻的預期價格的形成過程為

(1)

對于動量交易者，其相信市場具有自回歸特征，因此會根據市場的歷史表現預測未來并形成預測函數，其預期價格的形成過程為

(2)

(3)

(4)

市場價格的條件期望是個人期望的加權平均值，因此有

(5)

由(1)式、(2)式和(5)式可得

(6)

(6)式可簡化為

(7)

其中，Et[Δpi,t+1]為i市場(t+1)時刻的價差。假設交易者對資產的需求和其預期收益一一對應，則可將(7)式改寫為已實現收益率形式，即

(8)

2.3 價格發現能力的測量方法

市場價格發現能力的測量方法主要包括因子份額模型和信息份額模型，前者主要基于對價格波動趨勢的分解，后者則側重于分析市場新出現信息對價格影響的途徑，進而作為市場價格發現能力的判斷依據。從計算便捷的角度出發并考慮前文所構建模型的適用性，本研究選擇因子份額模型作為價格發現能力的測量方法，將價格pt表示為

pt=Σ1ft+Σ2zt

(9)

其中，Σ1和Σ2為載荷矩陣，ft為影響價格的永久因子，zt為影響價格的暫時因子。(8)式構建的異質定價模型實際上是具有向量誤差修正模型的一般形式，因此為因子份額模型的應用提供了直接的便利。利用因子份額法測量i市場的價格發現能力，即

(10)

3 數據選擇

本研究以中國內地和香港交叉上市的公司股票1分鐘高頻數據為對象進行實證研究，樣本區間為2017年1月4日至2018年6月30日。剔除以下情況的上市公司數據：①在該時間段內發生停牌的股票；②日內交易頻率低于400次的股票；③數據發生缺失的股票。篩選后，共41家樣本公司納入研究范圍。A股數據來自Resset數據庫，H股數據來自香港聯合證券交易所。由于香港股市和內地股市在交易日內的開盤和收盤時間不同，故數據區間選擇兩個市場共同交易時間，即每日10:00-11:30和14:30-15:00。根據已有研究經驗，將每個交易日開盤后5分鐘和收盤前5分鐘的數據過濾掉，以避免價格過度波動給研究結果造成的影響。因此，實際選擇的數據區間為每日10:05-11:30和14:30-14:55。

實證模型要求數據在時間尺度上匹配，但兩地市場發生的交易行為不可能完全同步，因此需要盡量找到共同的交易時間。為避免市場微觀噪聲對結果可能產生的干擾，以市場在該時間區間內所有成交價格的平均值作為交易執行價格。如果1分鐘內沒有發生交易，則采用傳統的固定時間間隔方法近似確定執行價格。人民幣兌港幣的匯率也按上述方法同步處理。

表1給出樣本橫截面數據的描述性統計分析結果，分別對篩選出的41家上市公司A股、H股和H股與A股股票價差1分鐘高頻時間序列對數數據的統計學特征進行分析。H股與A股股票價差的統計分析表明，在低分位上H股相對于A股具有明顯的折價，而在高分位上H股相對于A股具有明顯的溢價，表明H股在樣本區間內的表現整體上比A股波動范圍更大。

表1 樣本數據的描述性統計分析結果Table 1 Descriptive Statistic Analysis Results for Sample Data

4 單樣本分析

首先，選取在A股與H股市場交叉上市的代表性股票中國石化作為對象進行實證分析，對模型的有效性和價格發現能力進行初步檢驗。由于在高頻時間尺度上樣本序列存在非連續性，采用全信息極大似然估計法按(8)式對每一天內數據進行實證分析，對結果取平均值，以此作為模型的初始參數設置。

考慮不存在轉換機制的情況下，即以λ=0的模型靜態估計結果作為初始條件，進而對引入轉化機制的模型進行動態評估，觀測市場的動態演化過程。

4.1 模型參數估計結果

在具體運用模型進行計算前對單位根情況、數據序列平穩性和雙重價格序列間的協整關系進行檢驗。中國石化(A股)和中國石化(H股)價格序列的ADF檢驗結果分別為-1.271和-1.201，因此拒絕序列不含單位根的原假設。ADF檢驗結果還表明，序列均為一階單整平穩序列。Johansen跡統計量檢驗結果在1%水平上顯著，表明雙重序列之間存在協整關系。

根據赤池信息準則(AIC)和施瓦茨信息準則(SIC)選擇最優滯后期，并對(8)式進行估計，確定最優滯后期數為1期。

表2 對中國石化的估計結果Table 2 Estimation Results for China Petrochemical Corporation

無條件Gonzalo-Granger因子份額貢獻度的平均結果表明中國石化(A股)明顯大于中國石化(H股)，分別為0.785和0.215，意味著對于中國石化，A股市場的價格發現能力明顯強于H股市場。

以靜態估計結果為初始條件，引入轉換機制對模型進行動態估計，結果見表2的第4列。LLR的結果為158.214且在1%水平上顯著，說明在引入轉換機制后模型的解釋能力顯著提升，交易者行為得到更好的刻畫，同時更有效地揭示了股價的動力學特征。

對于A股和H股，λ的估計結果皆為正且均在1%水平上顯著，表明兩個市場的交易者均有較大的傾向選擇上一期表現較為占優的交易策略，且中國石化(A股)的選擇強度要更高一些。導致這種現象的原因可在一定程度上由α和γ的估計結果得到解釋，中國石化(H股)的α和γ估計值整體而言比中國石化(A股)更大且更顯著，說明H股的兩種交易策略相對于A股均可以得到相對更高的收益，因此對交易策略的選擇相對比較穩定。

(a)A股統計套利交易者權重

為了更清晰地展示交易者權重的變化過程，圖1給出統計套利交易者權重隨A股與H股價格收益差的變化過程。由圖1可知，相對于H股，A股市場的統計套利交易者權重隨收益差的增加而急劇變化，說明A股市場的統計套利交易者行為更為活躍，其交易行為對市場變化的調整速度更迅速。

圖2給出統計套利交易者權重隨時間演變的過程，可以看出，A股市場確實經歷著較為強烈的策略切換過程。

圖2 A股市場統計套利交易者權重隨時間演變過程Figure 2 Time-varying Process of Statistical Arbitrage Trader Weight for the A-share Market

4.2 價格發現的動態過程

圖3給出整個樣本區間內中國石化(A股)的因子份額變化過程，可以看出其值一直在0～1之間，且保持較高的水平，進一步證明對中國石化股票而言，A股市場對其價格發現能力起主導作用。價格發現能力的日內效應是另一個值得關注的問題，很多學者都在研究中指出股票市場的價格發現能力具有較為明顯的日內效應，即在交易的不同時間段內，尤其是開盤和收盤階段，價格發現能力出現急增或急降的現象[62-63]。

圖3 A股市場價格發現能力的時變貢獻度Figure 3 Time-varying of Contribution to Price Discovery Capacity for the A-share Market

圖4給出中國石化(A股)市場日內價格發現能力的變化過程。由圖4可知，中國石化(A股)市場的價格發現能力在每個交易日的后半階段，尤其是接近收盤時出現明顯的上升。表明在這期間中國石化(A股)市場的信息處理能力較強，表現出明顯的日內效應特征。

圖4 目標證券的日內價格發現能力Figure 4 Intraday Price Discovery Capacity of the Target Stock

5 全樣本分析

本研究對篩選出的41只股票進行全樣本分析，并通過選擇不同的滯后期數對模型的穩定性進行檢驗，然后對價格發現能力進行動態評估。

5.1 模型估計結果和價格發現能力

在模型估計前，對每只股票仍需進行單位根檢驗和協整檢驗。為了從更為嚴苛的角度對模型的實際應用效果進行檢驗，僅保留包含1個協整向量的數據進行實證研究。將沒有通過單位根檢驗和協整檢驗的數據排除，得到41只符合要求的股票。

表3 靜態模型估計結果Table 3 Estimation Results for Static Models

價格發現能力的計算結果與前文中單樣本分析的結果類似，A股市場的因子份額貢獻度明顯大于H股市場，表明在絕大多數情況下A股市場主導了股票的價格發現能力。該結論也與其他研究者的結論相符合，如聶思玥等[64]和陳學勝等[65]的研究，盡管基于不同的角度分析，但他們也認為A股市場的價值發現能力更強。

以上對靜態模型的分析結果再次證實異質交易行為對兩地市場價格產生實際影響，且A股與H股的價格動力學特征具有明顯的差別。下面引入轉換機制，進一步分析交易者的交易策略可以自由切換時對市場的動態影響過程。

表4給出全部41只股票樣本的分析結果。由LLR的估計結果可知，在引入交易轉換機制后可以更好地解釋股價變動的動力學行為，模型的擬合優度得到進一步提升。然而λ的檢驗結果并不是全部顯著，41只樣本股票中有26只的λ1和λ2估計結果顯著，說明雖然引入轉化機制可以提升股價變動的解釋能力，但不少交易者的選擇過程并非那么強烈，其對原交易策略還是具有相當的黏性。

表4 全樣本數據動態分析結果Table 4 Dynamic Analysis Results for Full Sample Data

續表4

因子份額貢獻度的計算結果進一步證實，對于A股與H股交叉上市的股票，A股市場在絕大多數情況下主導股票的價格發現能力，表現為A股市場的因子份額貢獻度顯著大于H股市場的因子份額貢獻度。

5.2 穩定性檢驗

在前文實證研究中選擇的交易策略轉化滯后期數L和動量交易者滯后期數J均為一階。為了檢驗模型的穩定性，考察當滯后期數為其他數值時對結果的影響，選擇L和J分別取值為5、10和30，觀察結果是否依然顯著。

表5給出不同L和J下模型的LLR統計量結果。由表5可知，LLR統計量在所有情況下均高度顯著，但似然比率隨著L的增加而減小，表明模型對L有較強的穩定性，也表明交易者在進行策略切換時會更多考慮近期的表現。J取值不同時模型結果同樣均高度顯著，但LLR統計量隨著J的增加而增加，表明動量交易者在形成預期價格時的參考周期更長。

表5 穩定性檢驗結果Table 5 Stability Test Results

5.3 脈沖響應分析

表6 脈沖響應分析結果Table 6 Impulse Response Analysis Results

在大多數情況下，A股市場統計套利交易者權重沖擊導致兩市價差減少，并使兩市統計套利交易者所占比例增加；而H股統計套利交易者權重沖擊的影響結果則相反，會導致價差擴大并使套利交易者比例減少。綜合來看，A股市場套利交易行為的增加會引起H股市場套利交易者的增加，并使兩市價差變小，因此A股市場交易者掌握了更多的信息，并在價格發現過程中起主導作用，H股市場交易者的行為對A股市場交易者的影響則不明顯。

6 結論

從交易者具有異質性的微觀視角，結合交叉上市公司股票的實際交易特點，本研究考慮統計套利交易者和動量交易者對交叉上市股票價格的影響途徑和方式，構建兩類異質交易者并存時的股票定價模型。進一步考慮當交易者可以在不同交易策略之間切換選擇的條件下，將模型拓展為具有動態時變權重系數的向量誤差修正模型的一般形式。采用因子份額模型作為價格發現的定量分析手段，結合構建的異質交易者定價模型動態刻畫不同市場的價格發現功能演變過程。以A股與H股交叉上市公司股票高頻交易數據為對象進行實證研究，得出的主要結果如下。

(1)包含有統計套利交易者和動量交易者的異質交易者定價模型能夠較好地解釋交叉上市公司股票價格的形成機理，尤其在引入選擇轉換機制后可以進一步提升模型的解釋能力。相對而言，A股市場中基于兩市價差的統計套利交易者所占比重更大，H股則主要由本地市場的正反饋交易者占據主導地位。

(2)本研究構建的異質交易者定價模型具有向量誤差修正模型的一般形式，可以通過結合因子份額模型測量不同市場的價格發現能力，并且系數具有時變性，可以動態地刻畫市場的價格發現能力，其中統計套利交易者的權重是影響價格發現的主要因素。實證結果表明，大多數情況下，A股市場的價格發現能力更強，價格發現能力具有明顯的日內效應，A股市場在接近收盤的時間段價格發現能力顯著提升。

(3)當選擇不同的滯后期數和動量交易者趨勢滯后期數時，模型保持很好的穩定性。通過脈沖響應分析當不同變量受到外生沖擊時對其他變量的影響，結果表明A股市場統計套利交易行為的增加引起H股市場統計套利交易者的增加，并使兩市價差變小。因此，A股市場交易者掌握了更多的信息，并在價格發現過程中起主導作用，H股市場交易者的行為對A股市場交易者的影響則不明顯。

本研究嘗試將異質交易者定價理論應用于交叉上市股票價格發現問題的研究中，取得了較好的效果。一方面拓展了異質交易理論的應用，另一方面為價格發現這一問題的研究提供了新角度。在測量價格發現能力時除經典的因子份額分析法和信息份額法外，目前已有更為先進的評價方法被開發并應用于實際研究中。因此，未來研究可以進一步創新和完善對價格發現能力的定量刻畫，使其能夠更好地與異質交易理論相結合，為金融市場的微觀結構領域研究做出新的拓展。