政策性因素与流动性风险

我国股市的政策市特征与我国的基本国情有关，我国处于社会主义初级阶段，计划经济模式的影响依然存在，无论从社会、经济、个人等角度出发，相信政府已经成为“囚徒博弈”中的一个最优策略。我国股市发展迅速，从融资能力还是成交金额等方面看，我国股市已经跻身于世界前列，然而，我国股市发展尚不完善。我国股市缺乏风险对冲机制，容易形成单边的上涨或单边的下跌，这是“政策市”形成的重要原因。在2010年融资融券信用交易制度和沪深300股指期货引入之前，由于市场缺乏风险对冲机制，当股市过于繁荣或过于疲软的情况下，没有一种反向机制能使其恢复到理性均衡的水平，政府只能通过发表言论或出台相应的政策以防止股市走向极端，从而避免更大的风险。例如，当股票市场低迷时，政府往往制造“托市”舆论或采取政策措施，以防止股市的进一步下跌；而当股票市场出现持续上涨时，又往往制造相反的政策舆论或采取相反的政策措施，去有意“打压”市场。因此，在没有风险对冲机制的情况下，我国股票市场上就形成了一种特殊的市场与政府之间的“博弈”关系和“依赖”关系。一方面，市场始终保持着对政策的警惕性，揣摩着政策意图，当嗅到政府意欲“打压”市场时，往往就会出现恐慌性抛盘，导致股价暴跌；而当嗅到政策的“鼓励”性暗示时，市场又会形成疯狂的投机，导致股价暴涨。另一方面，市场又对政府存在着“政策依赖”，特别是当股票市场出现低迷时，市场就会期待政府“托市”和“救市”，市场低迷持续时间越长，这种政策期待和依赖就越强烈，市场甚至通过各种渠道向政府施加压力，“呼吁”和“催促”政府采取政策措施，拯救市场，而一旦利好政策出台后，市场又演绎出一轮暴涨行情。

由于我国特有的国情，政策性因素在可以预见的将来仍将对我国股市产生巨大影响。宏观经济变量，例如央行基准利率与存款准备金率变化是否对股市表现有所影响，是否对市场的流动性状况等有所影响？ 此外，印花税是股票交易的显性成本，交易成本的变化，对流动性风险有何影响？ 本节将通过实证分析对以上两个问题进行考证。

6.2.1 研究方法

GARCH模型有以下两个方面的优势:①由方差的概念可知，方差应始终大于0，然而在一般的GARCH模型中只有对参数做假定才能满足该条件，而EGARCH模型在不对参数做任何限制的情况下保证了时变方差恒为正。②EGARCH模型可以很好地刻画波动聚集性与杠杆效应。为了考察经济变量对市场流动性风险的影响，本节构建了如下ARMA(p，q)-EGARCH(1，1)模型:

其中，εt=htzt，zt～i.i.d(0，1)

其中，g(zt-1)=([zt-1-Ezt-1]+φzt-1)

其中，式(6-5)是流动性变化率序列DLt的均值方程，参数αi(i=1，2，…， p)，βj(j=1，2，…，q)刻画了流动性变化率序列的短时相依关系，其具体滞后阶数可根据AIC、BIC最小等准则确定，合适的模型滞后阶数应使得扰动项是平稳过程。式(6-6)是条件波动方程，刻画了流动性风险的波动聚集性与杠杠效应；参数λ衡量了t-1期波动对即期波动性的影响，称为“持续性系数”；参数θ是上期波动性信息对即期波动性的影响，称为“信息系数”；参数φ是用来刻画收益率波动对信息的不对称反应，当φ＜0，说明坏消息(或不利消息)对波动的影响要大于好消息。

在实证研究的第一部分，我们将利率和准备金率调整统称为利率政策调整，利用式(6-6)研究利率政策上调与下调对市场流动性风险的非对称效应。需要注意的是，式(6-6)对标准的EGARCH进行了微调:虚拟变量I11、I12分别表示利率或准备金率向上调整前、后五天的窗口。若第0天是调整当天，则I11在第[-1，-5]天时的值取1，否则取值0；而I12在第[0，4]天取值1，否则取值0。类似地，I21、I22分别表示利率或准备金率向下调整前、后五天的窗口。显然，ω11、ω12分别表示利率向上调整前、后对市场流动性风险影响；ω21、ω22分别代表利率向下调整前、后对市场流动性风险的影响。

在实证研究的第二部分，我们还将分别研究利率、准备金率调整对市场流动性风险的影响。为此，需要我们对式(6-6)的符号进行如下调整和界定:

其中，虚拟变量I′11、I′12分别代表利率调整前、后五天的窗口；I′21、I′22分别代表准备金率调整前、后五天的窗口。

印花税代表了股票的交易成本，是影响市场流动性风险的一个重要因素，在实证研究的第三部分，作者还考察了印花税调整对市场流动性风险的影响。对式(6-6)的虚拟变量进行如下调整和界定:

其中，虚拟变量D11、D12分别代表印花税向上调整前、后五天的窗口。若第0天是调整当天，则D11在第[-1，-5]天时的值取1，否则取值0；而D12在第[0，4]天取值1，否则取值0。类似地，D21、D22分别表示印花税向下调整前、后五天的窗口。

仍然以上证指数为考察对象，样本区间为2003年1月2日到2009年6月30日，有关数据的描述性统计请参看6.1节。在此期间，共有基准利率调整13次，其中上调利率9次，下调4次；存款准备金率调整20次，其中，上调19次，下调1次。

6.2.2 利率政策上调与下调的非对称效应研究[1]

我们将利率和准备金率调整统称为利率政策调整，利用式(6-6)研究利率政策上调与下调对市场流动性风险的非对称效应。在此期间，利率政策调整共有33次，其中上调28次，下调5次，并依据此选取虚拟变量Iij，i，j=1，2。在确定了流动性变化率序列与虚拟变量之后，我们按照构建的模型进行参数估计，共有两个方程，分别是均值方程(6 6)，方差方程(6 6)。利用S-plus软件，采用BHHH算法对模型进行最大似然估计(MLE)，在充分捕捉残差自相关和异方差性的基础上，根据BIC最小准则来选择合适的模型滞后阶数。通过对不同模型的拟合效果的比较发现，ARMA(1，1)-EGARCH(1，1)对上证指数流动性变化率序列的拟合是充分的，模型估计与诊断性检验见表6-4。

表6-4 利率政策调整对市场流动性风险影响分析

表6-4中Q统计量与Q2统计量的残差诊断结果也表明，经所建立的模型拟合后，残差序列不再具有条件异方差特性与自相关性。为了充分显示拟合过程的合理性，我们画出了原序列和残差的ACF、QQ图，如图6-1所示。

图6-1(a) 流动性变化率序列的ACF值

图6-1(b) 流动性变化率序列平方的ACF图

图6-1(c) 拟合标准化残差序列的ACF

图6-1(d) 拟合标准化残差序列平方的ACF

图6-1(e) 拟合标准化残差的t分布QQ图

图6-1的结果表明上证指数的流动性变化率序列存在显著的自相关性，经过ARMA(1，1)-EGARCH(1，1)-t拟合后，残差不再具有自相关性和异方差性，且残差QQ图几乎都位于45。线上，说明t分布假设下拟合效果较好。

表6-4的研究结果表明，持续性系数λ和信息系数θ均在1%的置信水平下显著为正，即以前各期波动对即期波动性的影响，且上期波动性信息对即期波动有显著影响。持续性系数λ和信息系数θ两者之和小于1，说明条件方差过程是平稳的。参数φ刻画了流动性变化率的波动对信息的不对称反应，在1%的置信水平下参数φ＜0，说明坏消息(或不利消息)对流动性风险的影响要大于好消息，即利率政策上调对市场流动性风险的影响程度大于利率政策下调所造成的影响。

参数ωij，i，j=1，2可以反映在利率政策上调或下调前后流动性风险的变化情况，估计的结果显示只有ω12的系数显著，且大于0，这说明在利率上调后的一周内市场流动性风险增加了；参数ω22为负，表明在利率政策下调后的一周内，流动性风险降低了，但这种效果并不显著。

利率政策是宏观经济调控的重要手段，它不仅代表了资金的使用成本，也会改变投资者对市场的预期，上述的实证研究表明利率政策调整后市场的流动性风险会有一定的反应，且在利率政策上调过程中这种表现更为明显。由于我国股市缺乏风险对冲机制，当股市过于繁荣或过于疲软的情况下，没有一种反向机制能使其恢复到理性均衡的水平，市场表现依赖与政府政策，负向政策对股市产生作用较快，而正向政策对股市影响存在滞后效应。

6.2.3 利率和准备金率调整对流动性风险的影响研究[2]

在上述的实证研究中，我们将利率和准备金率调整统一视为利率政策调整，这里我们将对利率调整和准备金率调整区别开来，考察它们的调整对市场流动性风险的影响。采用S-plus按照模型(65)和(6 7)对参数进行估计，估计结果如表6-5所示。

表6-5 利率与准备金率调整对市场流动性风险影响分析

表6-5的估计结果显示:条件方差方程具有显著的持续性系数和信息系数，也就是说以前各期波动对即期波动性有影响，且上期波动性信息对即期波动有显著影响。持续性系数λ和信息系数θ两者之和小于1，说明条件方差过程是平稳的。表中Q统计量与Q2统计量的残差诊断结果也表明，经所建立的模型拟合后，残差序列不再具有条件异方差特性与自相关性。参数φ刻画了流动性变化率的波动对信息的不对称反应，这里将利率调整视为坏消息，而准备金率调整视为好消息，φ＜0说明利率调整比准备金率调整对市场影响更为显著。这是因为利率变化不仅影响了市场资金供给，也影响了企业未来利润的现值，而准备金率仅对市场资金供给产生影响。

参数γ11和γ12可以反映在利率调整前后流动性风险的变化情况，估计的结果显示γ12的系数显著，且大于0，这说明在利率调整后的一周内市场流动性风险增加了；参数γ21和γ22可以反映在准备金率调整前后流动性风险的变化情况，参数γ22在10%的显著性水平下为正，表明在准备金率调整后的一周内，市场的流动性风险增加了。不论是利率调整还是准备金率调整，市场的流动性风险均没有提前反映这一预期的变化。

为了证明上述估计过程的合理性，我们对经所建立模型拟合后的标准化残差进行了检验，图6-2(a)是标准化残差的ACF图，图6-2(b)是标准化残差平方的ACF图，这两个图的结果表明，残差序列不再具有自相关性和异方差性，这就是说所构建的模型可以很好地捕捉原流动性变化率序列的特征，图6-2(c)是标准化残差的t-分布QQ图，序列几乎都位于45。线上，说明t-分布的假设合理。

图6-2(a) 标准化残差序列的ACF图

图6-2(b) 标准化残差序列平方的ACF图

图6-2(c) 标准化残差序列的t分布QQ图

6.2.4 印花税调整对流动性风险的影响[3]

印花税代表了股票交易的显性成本，这里仍然选用上证指数为研究对象，样本区间是2003年1月2日到2009年6月30日，在此期间，印花税共调整了4次，其中有1次上调，3次下调，为了考察印花税调整对股票市场流动性风险的影响，我们选用构建的模型式(6-5)和式(6-8)进行估计。我们按照虚拟变量D11、D12的含义，确定研究变量，然后利用S-plus对数据进行处理，采用最大似然法对参数确定，并得到了如下的研究结果，见表6-6。

表6-6 印花税调整对市场流动性风险影响分析

(续表)

表6-6的估计结果显示:条件方差方程具有显著的持续性系数和信息系数，且持续性系数λ和信息系数θ两者之和小于1，说明条件方差过程是平稳的。前期波动对即期波动性有影响，且上期波动性所导致的新信息对即期波动有显著影响。表6-6中Q统计量与Q2统计量的残差诊断结果也表明，经所建立的模型拟合后，残差序列不再具有条件异方差特性与自相关性。

表6-6中参数φ刻画了流动性变化率的波动对信息的不对称反应，φ＜0说明坏消息对市场流动性风险的影响更为显著，这里也说明印花税上调对流动性风险的影响较印花税下调所带来的影响要更为显著。研究样本期间共有4次印花税变动，2007年5月30日，印花税有0.1%上调至0.3%，市场连续五天成交量萎缩，个股普遍跌停，市场中充斥着大量的卖盘，买方却很少，市场的流动性风险显著增加，个股甚至出现了流动性黑洞。2008年9月19日，证券交易印花税由双边征收改为单边征收，即仅由出让方按1‰税率缴纳，这一消息公布引起了市场的“井喷”行情，所有股票几乎全线涨停，同时股票的交易量并不是很大，买方远远多于卖方，市场的流动性并不是很好，可以说买方的流动性风险增加了，然而这种状况也仅仅持续了一天时间。上述两个例子也印证了我们的研究结果，即印花税的上调与下调对市场流动性风险，有非对称效应，且印花税上调对市场流动性风险的影响更为显著。

参数δ11和δ12可以反映在印花税上调前后流动性风险的变化情况，估计的结果显示δ12的系数在1%的置信水平下显著，且大于0，这说明在印花税上调后的一周内市场流动性风险显著增加了；参数δ21和δ22可以反映在印花税下调前后流动性风险的变化情况，参数δ22在1%的显著性水平下显著为正，表明在印花税下调后的一周内，市场的流动性风险增加了。不论是印花税上调还是下调，市场的流动性风险均没有提前反应这一预期的变化。

为了证明上述估计过程的合理性，我们对经所建立模型拟合后的标准化残差，进行了检验，图6-3(a)是标准化残差的ACF图，图6-3(b)是标准化残差平方的ACF图，这两个图的结果表明，残差序列不再具有自相关性和异方差性，这就是说所构建的模型可以很好地捕捉原流动性变化率序列的特征，图6-3(c)是标准化残差的t-分布QQ图，序列几乎都位于45。线上，说明t-分布的假设合理。

图6-3(a) 标准化残差序列的ACF图

图6-3(b) 标准化残差序列平方的ACF图

图6-3(c) 标准化残差t分布的QQ图

[1] 这部分内容摘自国家自然科学基金项目“证券市场流动性价值理论与实证分析技术”(编号:70773075)的研究成果。

[2] 这部分内容摘自国家自然科学基金项目“证券市场流动性价值理论与实证分析技术”(编号:70773075)的研究成果。

[3] 这部分内容摘自国家自然科学基金项目“证券市场流动性价值理论与实证分析技术”(编号:70773075)的研究成果。