股票資產波動成分分解及特質風險波動效應研究

摘 要：采用我國股票市場的個股數據，應用波動分解的方法計算并分解出股票資產組合三個層面的波動成分。經過實證檢驗以及對特質風險波動效應的建模分析， 發現股票特質風險是我國股票資產價格非理性波動的主要風險來源，它與資本市場的信息不確定性、投資者行為存在著確實的內在聯系。因此，需根據我國股市的特點以及股票特質風險自身的波動規律，強化信息披露機制，建立上市公司強制分紅制度，并加強對投資者的信息交流與教育引導。

關鍵詞：股票資產組合;波動成分;波動分解;特質風險;波動效應

中圖分類號：F831.5 文獻標識碼：Ａ 文章編號：１００６－３５４４（２０11）０3－００49－06

我國的股票價格除了具有波動劇烈和波動集群的特點外，還經常表現出股價波動的非理性特征。比如在2006年，隨著股權分置改革的逐步展開，我國股市開始了一輪牛市行情，上證綜指最高一度觸及6124點。但很快股指下滑，在受到實體經濟萎靡及國際金融危機的影響下，股市跌至1664點的低點。股價這種非理性的異常波動加強了股票收益率分布的尖峰、厚尾現象，這與有效市場假說所假定的正態分布存在較大區別；同時以EMH（有效市場假說理論）為代表的傳統金融理論對于現實金融市場上廣泛存在的投機泡沫現象也缺乏足夠令人信服的理論解釋，包含理性預期、理性泡沫等在內的理論假說面臨了諸多的質疑和爭論。 隨著研究的深入，人們發現除了股價趨同變化（主要受到投資者行為效應影響）會增加股市價格波動之外， 股票所含的特質風險①同樣會使得股票價格波動劇烈。 為了研究清楚我國股票價格表現出的異常波動現象，我們有理由關注股票資產所包含的不同層面的波動成分，研究它們所具有的波動效應規律。

一、文獻綜述

涉及行業層面波動和股票特質風險的經驗研究已越來越多。一些文章使用分解后的數據來研究“杠桿”效應，即伴隨負的收益之后， 價格波動幅度提高的發展趨向（Black，1976；Christie，1982；Duffee，1995）[1-3] 。Engle and Lee（1993）使用了一個因子ARCH模型來研究一些大盤股所具有的股票特質風險波動持續性 [4] 。有些研究者則利用股票市場的相關數據來檢驗部門間的資源配置（Loungani，Rush，and Tave，1990；Bernard and Steigerwald，1993；Brainard and Cutler，1993），Leahy and Whited（1996）利用了同類數據來探討企業投資及股價波動之間所存在的數量關系 [5-8] 。Roll（1992）和Heston and Rouwenhorst（1994）將國際市場的價格波動分解成行業和國家層面的波動效果，以此來研究在國際間進行分散投資的問題 [9-10] 。Bekaert and Harvey（1997）則從單一企業波動擴散效果的角度研究了新興市場國家股價波動的問題 [11] 。

Hong，Lim and Stein（2000），Diether，Malloy and Scherb-ina（2002），Boehme，Danielson and Socescu（2006）和Zhang （2006） 則逐漸推翻了之前學者認為股票特質風險是股票價格信息性表示的看法，他們認為股票特質風險恰恰反映了上市公司企業層面信息的不確定性 [12] 。

依據基礎—衍生定價維度的股票資產定價模型， 能夠促成股價異常波動的因素， 要么來自企業未來現金流的變動（可用方差值表示），要么源于資本市場折現率的變動（方差值），或者是這兩者協同變動（二者的協方差）而造成的影響。在這三種風險因素的來源中，無疑企業未來（預期）現金流的變動最能引起股價大幅波動。 比如Vuolteenaho（1999）反對Campbell（1991）提出的是折現率的改變導致了股市波動的觀點，而認為未來（預期）現金流的方差值至少要兩倍于折現率的方差值 [13] 。而基于股票上市公司未來現金流的信息不確定性是促成股票資產價格非理性波動， 特質風險大幅增加的基本原因。對于信息不確定性，可能會有這樣一些因素會改變股票資產特質風險的波動大小。（1） 股票市場的發展，股票發行量的增加，特別是風險投資板塊、創業板塊、中小企業板塊股票交易規模的增加會增加股票資產的特質風險波動性 ① 。（2）股票上市企業杠桿率經營的增加，企業發債規模的增大在一定程度上也會增加上市企業發行股票的信息不確定性 ② 。（3）股票市場信息環境的改善，以及金融創新（特別是金融衍生品市場） 的發展能在較大程度上改善股票市場上市公司的信息質量， 強化股票市場的市場功能作用（周丹、郭萬山，2010），從而能在一定程度上減小股票特質風險的波動水平 ③ 。另外有學者認為，股票市場的系統性風險以及股票市場的投資者行為也可能是構成股票特質風險動態變化的重要決定因素。

按照CAPM定價模型的框架，股票資產系統風險（?茁值）的變化能夠改變資本市場折現率， 進而改變股票資產價格。如果系統風險波動性增強，那么股票資產特質風險的波動性也必然隨之增強。Cho and Engle（1999）針對美國市值最大的9個股票組成的資產組合研究得到了這方面的支持證據 [14] 。

投資者行為方面，Malkiel and Xu（1999）認為機構投資者容易通過羊群效應影響股票市場價格波動[15] ；Gompers and Metrick（1999）也通過研究發現，機構投資者傾向于保持流動性（相對真正企業股東來說），傾向于大規模交易，這些都較容易增強股票資產的波動性 [16] 。中小投資者雖然投資額度相對較小，但作為一個投資群體來講，中小投資者大規模的群體性投機行為，以及他們靈活、頻繁的交投方法，仍然對股票資產，尤其是股票資產的特質風險造成效果明顯的沖擊與影響。

在信息不確定性與投資者行為的關系方面，Hirshleifer（2001） 認為股票基本面的不確定性和缺乏準確的信息反饋會帶來更大的投資者心理偏差 [17] 。Daniel et al. （2001）的研究表明，面臨更大信息不確定性的股票會具有更強的收益可預測性，因為當投資者很難去衡量上市公司的業務發展以及公司本身的基本價值時，投資者會更傾向于對投資者個人或投資群體的過度自信，這導致了投資者行為效應以及股票價格的預期波動性 [18] 。

對信息不確定性條件下股價漂移總體效果的考察，Zhang（2006）做了有代表性的工作 [12] 。他研究了股票價格波動和橫截面股票價格差異中所存在的信息不確定性。通過實證研究發現，當存在更大的信息不確定性的條件下，伴隨著利好消息股價會產生相對更高的預期收益；而伴隨著利空消息股票則會收獲相對更低的預期收益。

國內研究股票特質風險、特質風險波動信息不確定性及其與投資者行為關系的文獻相對比較少。張圣平（2001）、張維與張永杰（2006）通過共同知識和特質風險對資產價格的決定進行了建模，但并未涉及對股票特質風險的經驗研究[19-20] ；施東暉和孫培源（2002）、劉煜輝等（2003）、宋軍等（2003）、王美今和孫建軍（2004）以及李心丹等（2004，2005）則分別從不同角度，揭示了我國股票市場上投資者心理以及投資者行為對股票價格異常波動所產生的影響 [21] 。

本文通過波動分解的方法來獲取有關股票資產各波動成分的方差數據，然后利用計算得出的方差數據對我國股票特質風險進行波動效應的研究分析，以檢驗我國股票特質風險與資本市場投機行為間是否存在聯系。

二、計算方法的原理闡述

將普通股票的收益分解成三個部分，即：市場層面收益、行業層面收益和企業層面收益。基于這種收益分解，一只普通股票的總體波動水平也可劃分成相應的三種波動成分。

用下標i來代表股票所處的行業，用下標j代表個股。那么在時期t內屬于i行業的企業 j， 其超額收益可以用Rjit來表示。根據CAPM定價理論，Ｒjit這個超額收益高于國庫券收益率的超額收益值。

讓wjit代表企業j在行業i中所占權重，使用市場價值的比值作為權重的計算方法。行業i在時期t內的超額收益可用公式Rit=∑j∈iwjitRjit進行計算。行業總的超額收益相應在此基礎上進行求和。行業i在整體市場中占到的權重可用wit表示，市場的超額收益可用公式Rmt=∑iwitRit計算獲得。

根據CAPM模型，我們設截距項等于0，于是有行業的收益公式：

三、股票資產樣本選取、計算方法及數據說明

（一）股票資產樣本選取

以我國股票市場作主要研究對象，依據我國股市的行業特點， 并考慮到對我國經濟發展的代表性，本文以制造業，建筑業、交通運輸、倉儲業，信息技術業以及金融、 保險業這五個行業作為選取股票資產組合的來源。同時以上海證券交易所上市股票作為考察研究的對象。

遵循隨機原則，同時也為保證數據時間上的持續性，制造業選取的個股包括武鋼股份（600005）、東風汽車（600036）、青山紙業（600103）；建筑業選取的個股包括葛洲壩（600068）、北京城建（600266）、隧道股份（600820）；交通運輸、倉儲業選取的股票包括上海機場（600009）、天津港（600717）、中儲股份（600787）；信息技術業選入的個股是百科集團（曾用名：國能集團等）（600077）、方正科技（600601）、同方股份（600100）；金融、保險業中的個股則是浦發銀行（600000）、國金證券（600109）、安信信托（600816）。

（二）具體的計算方法

為獲得超額收益（即高于無風險利率的收益）的數據，需首先確定我國證券市場無風險利率的水平。參考宋健（2004）等的研究，本文認為由于我國的高儲蓄率 ② ，多年來形成了以儲蓄抗風險的投資理念 ， 銀行儲蓄率具有較強的抗風險特征，符合了無風險和最低回報的機會成本條件，因此本文將銀行的年定期存款利率作為無風險利率的基準，同時參考了同期的年整存整取銀行利率和國債票面利率的變化。根據復利的計算方法， 可進一步將年度無風險利率轉化成日度、周度和月度數據的多種無風險利率。

我們用S表示收益數據的時間頻率，本文使用S頻率（主要為日度數據）的收益數據來對時間頻率為t的數據估算波動大小；在每個時期t內收益變量的變動反映的正是收益變量的波動幅度。在時期t內股票市場的市場收益波動率用MKTt來表示，其計算公式為：

（三）相關數據說明

考慮各樣本股票上市時間先后有別，為保證資產組合的一致性，將研究的樣本區間確定為從2001年1月1日到2010年3月31日。

資產收益率的確定方法為： 收益率=（本期價格-上期價格）/上期價格。 市價總值本來是指已發行全部普通股按市場價格計算的價值總額，但由于我國股市長期以來存在大量非流通的股票份額，而且即使是在股權分置改革之后，上市公司的股票要真正實現全流通也存在一個逐步推進的過程。鑒于此， 本文將市價總值的計算調整為： 市價總值=股價收盤價×個股的流通股數。 這樣可以保證我們利用市價總值計算出來的加權平均系數具有更強的實際約束作用。另外由于個股停牌的原因，會造成個股在部分月份成交數量減少，這時以個股停牌前最后一個交易日的收盤價所計算出來的價值總額作為該個股在停牌期間每天的市價總值，以避免因個股停牌造成個股當月計算出的加權平均系數下降。

本文的數據來源為國泰安研究服務中心研發提供的CSMAR中國股票市場交易數據庫、中國股票市場衍生指標數據庫、中國債券市場研究數據庫、中國國家統計局網站以及中國人民銀行網站等。

四、股票特質風險的波動效應分析

（一）股票資產市場層面波動的模型描述及特質風險的趨勢性分析

基于各波動成分的計算結果，我們考察市場波動的隨機性和行業、企業波動的趨勢變化特征。

表1給出了各層面波動的自相關系數。 從表中的數據能夠看到， 各波動成分均表現出了很強的序列自相關性。這也說明各波動成分存在非平穩時間序列及含有單位根的可能性很大。我們首先對市場波動MKT進行具體考察。

1. 市場波動MKT的平穩性及其AR（2）模型描述

假設畫出市場波動MKT的自相關和偏自相關分析圖，則可以看到，市場波動MKT的自相關系數在各階間呈現出拖尾現象，而偏自相關系數在二階處截尾，市場波動MKT表現出平穩時間序列所具有的特征。因為對于AR（p）模型其偏自相關系數?漬k，k的最高階數為p，AR（p）也即模型的偏自相關系數為p階截尾。因而我們可以判斷市場波動MKT滿足一個AR（2）過程。對其進行建模，其模型公式為：

圖1清楚地表明：AR（2）模型較好地擬合了市場波動MKT的變化，模型回歸的殘差序列從圖形上看基本是圍繞零均值隨機上下波動的平穩時間序列。對式（15）進行 ?字2檢驗（ ?字2檢驗的相伴概率值為0.117，不能拒絕原假設）也可證明市場波動的模型殘差已基本相互獨立，AR（2）模型較好地擬合了市場波動MKT的變動規律。

2. 行業波動IND和企業波動FIRM的單位根檢驗及其趨勢變動分析

采用ADF檢驗法來對各波動序列進行單位根檢驗，考察行業波動IND和企業波動FIRM是否具有趨勢變化特征。結果如表2所示。

表2中各波動成分的單位根檢驗結果表明， 確如上文推斷和模型描述，市場波動MKT是零階單整時間序列，股票資產市場層面波動不具有明顯的趨勢變化特征。 而行業波動IND及企業波動FIRM均為一階單整時間序列， 其原序列的水平值在5%的顯著性水平之內均存在單位根。這一單位根的檢驗結論說明， 在我國股市范圍內股票資產組合的行業波動以及股票特質風險（企業層面波動）都具有很明顯的趨勢變化特征。這種趨勢變動規律啟示我們，股票特質風險具有波動變化的持續性， 這種持續性已超出了傳統金融理論（以EMH理論為代表）對股價變化規律所能給出的合理解釋， 而和投資者行為效應有很大相似性（Hirshleifer，2001） [17] 。

（二）股票特質風險的波動效應分析

本文對股票特質風險波動效應的分析基于特質風險的隨機游走（random walk）模型進行展開。隨機游走模型是股價序列常用的一種特殊單位根過程， 其最早被Pearson K.和Rayleigh L.于1905年在《自然（Nature）》雜志第72卷上首次使用。股票特質風險隨機游走模型的形式為：

FIRMt=FIRMt-1+ut（16）

1. 特質風險波動的ARCH效應檢驗

3. 特質風險的GARCH模型估計及其結果分析

（1）股票特質風險GARCH模型估計結果

利用基于GARCH-M和TARCH模型的GARCH（1，1）模型對股票特質風險進行建模，其模型回歸的結果如表4所示。

同時通過對模型回歸的殘差序列進行ARCH效應的LM檢驗， 可以判定表4所得到的模型回歸結果其殘差序列已不存在ARCH效應，特質風險的GARCH（1，1）模型消除了式（15）中殘差序列的條件異方差性。

經檢驗，特質風險GARCH（1，1）模型殘差序列的自相關和偏自相關系數已都近似為零，相應的Q統計量也不顯著，模型回歸的效果較為理想。

（2）對特質風險GARCH模型的結果分析

以上估計出的結果用方程形式表示為：

均值方程：

FIRMt=0.626324FIRMt-1-（7.38E-0.5）×LOG（GARCH）+ut

（19）

z= （7.513438）（-5.539537）

條件方差方程：

z=（2.409202） （2.893635） （-3.697007）（3.577859）

對數似然值=575.6445AIC值=-10.35717SC值=-10.20987

均值方程中LOG（GARCH）項的存在，說明我國股票特質風險具有典型的金融資產收益風險特征，這實際上也為資本市場資產定價理論的研究提供了實證依據。值得注意的是，與通常金融資產的收益—風險關系不同，股票特質風險的波動與風險因素LOG（GARCH）之間的變動關系是負向相關的。 這說明其中存在的機制不再限定于金融資產風險與收益間的風險溢酬關系（通常具有正向變動關系），而恰恰是隱含了特質風險與信息不確定性、投資者行為效應所可能存在的內在聯系。LOG（GARCH）的風險系數則顯示出了它們之間所具有的互動影響關系。

在條件方差等式中，系數C（4）+C（6）=0.928416<1，滿足GARCH模型參數約束的條件。但由于這個ARCH項和GARCH項的系數之和已較接近于1， 這也說明了特質風險波動所具有的集群性以及特質風險波動的持續性，這一特性除了符合一般高頻金融時間序列的特征外，它的變動特點也非常符合投資者行為對股價波動所形成的作用影響。

五、結論與對策建議

（一）結論

本文通過對股票資產總體波動水平的分析，分解和計算出三個層面的收益波動成分。使用我國股票市場的數據，對包括股票特質風險在內的各波動成分進行了實證檢驗和波動效應分析。總結這些有關特質風險的實證研究，得出結論：

1. 在我國股票市場上，股票資產的市場層面波動其時間序列表現平穩，呈現出隨機波動的特征，并且可以使用一個均值不為零的AR（2）自回歸模型描述其波動變化規律。同時，股票資產行業層面和企業層面波動則表現為非平穩時間序列， 在行業和企業層面的股價波動變化中存在著趨勢變動、波動持續性等特點。

2. 股票資產企業層面波動是各波動成分中波動幅度最大的風險變化因素，企業層面波動所代表的股票特質風險是股票資產價格非隨機、非理性波動的主要風險來源。

3. 股票特質風險具有明顯的一般金融資產波動集群的特點。股票特質風險與風險因素（如波動效應的條件方差、股市信息等）呈現負向變動的關系。這種負向變動的關系說明了股票特質風險一貫受到股市投機性交易行為的影響，在特質風險與信息不確定性、投資者行為效應之間存在著確實的內在聯系。

4. 通過對我國股票市場數據的實證分析，發現通過增加持有股票資產數量而進行的分散投資并不能有效地降低股票特質風險的波動水平。 這一現象用傳統的CAPM系列模型難以做出合理解釋。基于APT模型的思想，本文認為必須為股票資產企業層面的波動成分（股票特質風險）尋找新的 ② 、具有解釋能力的風險因素。

（二）對策建議

我國股票特質風險的主要來源是股票收益企業層面的信息不確定性以及由此而引起并衍生出的投資者行為效應。根據我國股市的發展特點以及股票特質風險自身的波動規律，本文給出對策建議：

1. 強化信息披露機制。我國應進一步加強對上市公司信息披露制度的監管，上市公司的信息披露必須做到及時、全面、正確和公平；對內幕人員建立嚴格的持股報告制度，即對于上市公司、證券公司、律師和會計師事務所等相關內幕人員（包括持股達到5%以上的大股東），嚴格要求其如實申報自身持股情況（包括持股種類、持股數量及持股變化等）。

2. 建立上市公司強制分紅制度。分紅制度的規范化會形成對股市投資收益的準確預期，投資者心理偏差便不容易產生。在這種制度影響下，投資者會更愿意進行長期投資，也有利于股市中價值投資理念的形成。

3. 加強對投資者的信息交流與教育引導。投資者間的信息不完全是促發投機行為的重要因素，作為市場管理者應利用多種手段和渠道加強與廣大投資者（以及促進投資者之間）的信息交流，特別是對于有關市場各層基本面信息的發布、共享。由于我國投資者群體的特殊性，管理者還應繼續加強對投資者的教育和引導，倡導投資者注重股票內在價值的變化，形成理性投資的觀念。

參考文獻：

［1］Black，Fischer. Studies of Stock Price Volatility Changes［C］//. American Statistical Association Proc-eedings of the 1976 Meetings of the Business and Economic Statistics Section，1976，177-181.

［2］Christie，Andrew. The Stochastic Behavior of Common Stock Vari-ances：Value，Leverage，and Interest Rate Effects［J］. Journal of Financial Economics，1982（10）：407-432.

［3］Duffee，Gregory R. Stock Returns and Volatility：A Firm-level Analysis［J］. Journal of Financial Economics，1995（37）：399-420.

［4］Engle，Robert F.，and G. G. J. Lee. Long Run Volatility Forecasting for Individual Stocks in a One Factor Model［J］. Working Paper，1993，University of California at San Diego.

［5］Loungani，Prakash，Mark Rush，and W. Tave. Stock Market Dispersion and Unemployment［J］. Journal of Monetary Economics，1990（25）：367-388.

［6］Bernard，Andrew B.，and Douglas G. Steigerwald. Cleansing Recess-ions：Evidence from Stock Prices［J］. Working Paper，1993，MIT and University of California at Santa Barbara.

［7］Brainard，S. Lael，and David M. Cutler. Sectoral Shifts and Cyclical Unemployment Reconsidered［J］. Quarterly Journal of Economics，1993（108）：219-243.

［8］Leahy，John V.，and Toni M. Whited. The Effect of Uncertainty on Investment：Some Stylized Facts［J］. Journal of Money，Credit，and Banking，1996（28）：64-83.

［9］Roll，Richard. Industrial Structure and the Comparative Behavior of International Stock Market Indices［J］. Journal of Finance，1992（47）：3-42.

［10］Heston，Steven L.，and K. Geert Rouwenhorst. Does Industrial Structure Explain the Benifits of International Diversification?［J］. Journal of Financial Economics，1994（36）：3-27.

［11］Bekaert，Geert，and Campbell R. Harvey. Emerging Equity Market Volatility［J］. Journal of Financial Economics，1997（43）：29-77.

［12］Zhang，X. Information Uncertainty and Stock Returns［J］. Journal of Finance，2006（61）：105-137.

［13］Vuolteenaho，Tuomo. What Drives Firm-level Stock Returns?［J］. Working Paper，1999，Graduate School of Business，University of Chicago.

［14］Cho，Young-Hye，and Robert F. Engle. Time-varying Betas and Asymmetric Effects of News：Empirical Analysis of Blue Chip Stocks［J］. 1999，NBER Working Paper 7330.

［15］Malkiel，Burton G.，and Yexiao Xu. The Structure of Stock Market Volatility［J］. Working Paper，1999，Princeton University.

［16］Gompers，Paul A.，and Andrew Metrick. Institutional Investors and Equity Prices［J］. Working Paper，1999，Harvard University.

［17］Hirshleifer，David. Investor Psychology and Asset Pricing［J］. Journal of Finance，2001（56）：1533-1596.

［18］Daniel，Kent，David Hirshleifer，and Avanidhar Subrahmanyam. Overconfidence，Arbitrage，and Equilibrium Asset Pricing［J］. Journal of Finance，2001（56）：921-965.

［19］張圣平. 證券市場分析中的共同知識假定［J］.北京大學學報（哲學社會科學版），2001（5）：135-145.

［20］張維，張永杰. 異質信念、賣空限制與風險資產價格［J］.管理科學學報，2006（8）：58-64.

［21］王美今，孫建軍. 中國股市收益、收益波動與投資者情緒［J］.經濟研究，2004（10）：75-83.

（責任編輯、校對：李丹）