金融監管對市場質量和知情交易者的影響

戴曉婷 張捷 蔣勤峰

摘 要：利用一個基于代理的人工股票市場，考察了賣空禁令、漲跌幅限制、交易稅和T+1結算周期對市場質量和知情交易者的影響。通過平行測定幾個市場程式化事實，將系統校準到真實的金融市場后，發現這四種監管都不同程度地降低了市場波動、價格扭曲和交易量。買賣價差在賣空禁令、交易稅和T+1結算周期下增加，但與漲跌幅限制存在非單調關系。當漲跌幅限制政策較為緊時，買賣價差很小，隨著漲跌幅限制的放寬，買賣價差增大。一旦市場上不考慮漲跌幅限制，它仍然會下降。此外，在賣空禁令、漲跌幅限制或T+1結算周期的政策下，知情交易者的交易量比例和財富份額均下降。與之相反，交易稅給出了相反的結論，即在交易稅下，知情交易者的活動百分比增加，他們的盈利能力得到發展。

關鍵詞： 知情交易者;基于代理人的建模;賣空禁令;漲跌幅限制;交易稅;T+1結算周期

中圖分類號：F830.91?? 文獻標識碼： A??? 文章編號：1003-7217（2022）02-0049-09

一、引 言

政策制定者試圖通過改革法規來穩定資本市場。2008年的金融危機使他們更加重視通過獲得政治支持來維穩市場。然而，金融從業者聲稱，實施監管可能會增加資本成本，降低市場流動性。文獻討論了監管對波動性、價格發現和流動性的影響。我們利用人工股票市場擴展了這一方向的研究。通過更全面地整合監管（如賣空禁令、漲跌幅限制、交易稅和不同結算周期）對市場質量的影響，以期對這方面的研究作出一定的貢獻。此外，我們還研究了政策監管對知情交易者行為和盈利能力的影響。

賣空禁令被選為應對2008年金融危機的全球最受歡迎的監管規定。此后，實證文獻強調賣空禁令對波動性、流動性和價格發現的影響。一些研究人員發現，賣空禁令降低了波動性[1-3]。同時，賣空禁令也被認為會延遲價格發現[4]。其他文獻也論證了在賣空禁令的市場中，流動性會較低[5-8]。 很少有文獻討論賣空禁令如何影響知情交易者獲取利潤的能力。究其原因，可能是缺乏各類交易員財富水平的詳細數據。我們試圖用人工股票市場來整合他們的盈利能力，增加這一方面的研究。人工股票市場可以預先充分地設置投資者復雜的微觀特征，包括異質信念和交易策略，然后收集詳細的數據進行事后分析。

關于漲跌幅限制影響的辯論在金融領域由來已久。漲跌幅限制會降低波動性[9]，因為交易員有一個冷卻期來重新評估資產價值。相反，反對者認為漲跌幅限制可能導致價格發現過程的延遲、波動溢出和交易干預[10，11]。從理論的角度來看，對于漲跌幅限制的影響并沒有一致的看法，這可能是因為提出的結果是基于不同的假設，如交易員的合理性[12-14]。從實證的角度來看，它可能會遇到數據獲取的困難，以及難以達到交易者理性的一致性[15，16] 。在考慮了這些限制之后，Yeh和Yang（2010）模擬了一個由許多異質、理性和互動的交易者組成的合理的金融市場[17]。在人為的股票市場中，他們檢驗了限價的有效性，發現限價實施后既有好處也有壞處。基于他們的框架，我們進一步詳細區分了知情交易者和不知情交易者，旨在調查漲跌幅限制對知情交易者的影響。

自Tobin（1978）提出對外匯征稅以減少短期國際資本流動性以來[18]，金融交易稅也成為一種普遍的政策。Stiglitz（1989）、Summers等（1989）研究指出，這樣的稅收可以減少投機交易活動和防止市場崩潰[19，20]。由于得到了學術上的支持，政策制定者，特別是來自歐洲的政策制定者，很有信心在市場中制定這一政策。然而，反對者認為交易稅對市場有負面影響[21-23]。他們認為，金融交易稅弊大于利，比如降低流動性和信息效率。雖然研究基于理論和實證的觀點，但關于金融交易稅如何影響市場質量還沒有共同的理解。我們試圖用另一種方法來檢驗交易稅的影響，即構建一個人工股票市場和設置不同的稅收程度，進一步研究不同交易稅程度如何影響知情交易者，這在文獻中是很少見的。

美國證券交易委員會對《1934年證券交易法》15c6-1（a）規則進行了修訂，將大多數經紀-交易商交易的結算周期從3個工作日縮短為2個工作日（從T+3到T+2）。中國證券市場也采用T+1結算周期。美國證券交易委員會2017年3月22日發布的新聞稿（SEC 2017）也明確指出，縮短標準結算周期將提高證券市場的交易效率[24]。雖然不同的結算周期在不同的金融市場上實施，但很少有文獻討論不同的結算周期如何影響市場質量。我們試圖通過使用人工股票市場來增加這方面的研究，同時檢測它對知情交易者的影響。

本文基于Yeh和Yang（2010）提出的框架[17]，重新構建了一個基于代理的限價指令人工股票市場。在這個人工股票市場中，創造了兩種類型的理性交易者：知情交易者和不知情交易者。知情交易者可以接收私人信息和公共信息，而不知情交易者只能獲得公共信息。他們的交易策略是通過遺傳編程產生和更新的。本文對復雜網絡的先進人工智能的研究作出了相應的貢獻，可以看作是人工智能在簡化復雜網絡方面的一種方法。基于代理的人工金融工程使我們有可能看到宏觀結果將如何出現，以及可以觀察到大量自主的和異質的代理內生交互關系將如何達到均衡狀態，而非典型的孤立的個體行為。另外，近年來，人工智能作為一種從復雜網絡中提取有價值數據并進一步分析網絡性能的方法被引入，受到了廣泛的關注，在證券市場交易中的應用得到了快速發展和普及，特別是，由于社會中人類因素的減少和自動化程度的提高，更多的研究增加了對人工智能的關注度。人工智能算法能夠捕捉投資者復雜的微觀特征，包括異質信念和交易策略。根據人工智能驅動的方法，我們在開始時就區分了不同類型的交易者，并在開始前構建了復雜的社會網絡。股票市場中的信息是獨立的，由相關交易者分別接收或傳送，復雜的網絡從而得到簡化。因此，我們使用人工智能與遺傳編程，以克服缺乏數據的困難，并通過證明不同金融監管政策對金融市場的影響，擴展研究路線。gzslib202204011447

我們發現，這四種監管措施都不同程度地降低了市場波動性。它們降低了價格發現的速度，也減少了市場交易量。然而，有漲跌幅限制的市場在買賣價差方面表現出復雜的特征。在賣空禁令、交易稅和T+1結算周期下，每個時段的買賣價差都有所增加。漲跌幅限制較緊時，買賣價差很小，隨著漲跌幅限制的放寬，買賣價差增加。一旦取消市場上的漲跌幅限制，價格還會下降。此外，知情的交易者也受到這四條規定的影響。在賣空禁令、漲跌幅限制或T+1結算周期下，知情交易者的交易量比例和財富份額會下降。與之相反，交易稅給出了相反的影響，在交易稅下，知情交易者的活動百分比增加，他們的盈利能力得到提升。

二、實驗設計

（一） 方法

用自下而上的互動代理人對一個人工股票市場進行建模有三個優勢。人工股票市場的第一個優點是，它允許在受控的環境中設置實驗（模擬），以確保結論的準確性。人工股票市場還能夠充分捕捉投資者復雜的微觀特征，包括異質信念和交易策略。由于缺乏數據，很難通過實證研究來追蹤一些交易，而一個人為的股票市場將不再有數據可用性的限制。這個人工股票模型與Yeh和Yang（2010）[17]的框架密切相關，該框架遵循Arthur等（1997） [25] 和Lebaron等（1999） [2]的Santa Fe ASM模型，以及Brock和Hommes（1998）[26] 的研究。然而，本文采用的是訂單驅動的市場，這與Yeh和Yang（2010）[17]提供的模型不同。

（二） 市場結構

1.資產。在這個市場上有兩種資產。一種是按固定利率支付利息的無風險資產（現金）。無風險資產的一個時期的總收益率為R=1+rf，其中rf為無風險利率。第二種資產是一種風險資產（股票），支付隨機紅利，假設是一個AR（1）（一階自回歸）過程：

Dt+1=D+ρDt-D+μt+1（1）

其中，D是長期的平均股息。ρ是一個表明股息值接近平均值的速度的系數。μ為正白噪聲，μt～N（0，σ2μ）。紅利的設置來源于Lebaron 等（1999）[2]。這一過程有助于避免派息過程過于接近非平穩派息過程。

2.財富。交易者在t時刻的財富 Wt 可表示為：

Wt=RWi，t-1+（Pt+1+Dt+1-RPt）hi，t （2）

其中，Pt為當前每股股票價格，hi，t為交易者i在t時刻持有的股票份額。

3.交易者。

在這個市場中，我們考慮兩種類型的交易者，知情交易者和不知情交易者。他們都是市場中的理性交易者。所有交易者通過一個學習系統，即遺傳編程，通過更新的交易策略，產生對未來股票價格的預期。這兩類交易者的區別是信息集，知情交易者（例如，機構投資者）可以接收到私人信息，即當期股息和風險資產的基本價值，而不知情交易者（例如，流動性提供者或對沖基金）不會收到任何私人信息，因此他們只使用公開信息來更新對股票的預期。私人信息定義為t時段的基本價值 Pf。公開信息是過去5個時期的股息和股價，以及上一個時期的基本價值 Pt-1。

市場上共有50名交易者。我們保持10%的交易者，也就是5個交易者，作為市場中的知情交易者。在PIN（Probability of informed trading）模型的文獻中，如Yan和Zhang（2011）[27]解釋了PIN平均在10%-20%之間。然而，Chiarella等（2015） [28]表明知情交易者可能比不知情交易者進行更多的交易，因此知情交易者的比例可能低于PIN級別。在這種情況下，我們采用市場中知情交易者的比例為10%。

4.學習系統和交易者的信念。在這個人工股票市場中，所有交易者通過遺傳編程學習信息并更新他們的交易策略。遺傳編程是一種技術，計算機程序被編碼為一組基因，利用進化算法進化。Langdon和Poli（2002）[29]對遺傳編程的技術問題進行了詳細的說明。函數集、終止集，以及復制、交叉、變異概率如表1所示。

所有交易者在隨機選擇的5到95個周期內都有不同的學習頻率。我們參考Yeh和Yang（2010）[17]的設計來設置交易員對未來股價和股息的預期：

Ei，tPt+1+Dt+1=（Pt+Dt）1+θ0tanhln1+fi，tω，? 若fi，t≥0，（Pt+Dt）1-θ0tanhln-1+fi，tω， 若fi，t<0（3）

其中，fi，t是通過遺傳編程估算的， θ0和ω在表1中可以找到。

第t時段的愿付價格（PiR）表示買方（賣方）愿意支付（出售）股票的最高（最低）價格，如式（4）所示：

PiR=Pt，Ei，t（Pt+1+Dt+1）1+r，若Ei，t（Pt+1+Dt+1）≥Pt，Ei，t（Pt+1+Dt+1）1+r，Pt，若Ei，tPt+1+Dt+1

根據Yeh和Yang（2010）[17]的設計，假設所有交易者遵循相同的恒定絕對風險規避（CARA）效用函數，交易者i使單周期效用函數最大化，則t時段的最優持股份額 h*i，t為：

h*i，t=Ei，tPt+1+Dt+1-（1+rf）Pt1+rf（5）

每個交易者將持有 h*i，t的最優股票份額與他在t時段所持有的 hi，t的確切股票數量進行比較，則交易者i對股票的需求數量如式（6）所示：

demdi，t=h*i，t-hi，t（6）

5.價格確定。