中國銀行業股改對A股銀行股的影響

張力洋

（倫敦政治經濟學院 金融系，英國 倫敦 WC2A 2AE）

一、引 言

在全球化和中國向市場經濟轉型的背景下，中國銀行業的改革已經開展了20余年。盡管所有主要的中國商業銀行都通過改革完成了上市，新生的股份制仍然只是一個形式。大部分的股票是非流通的，它們被掌握在政府或政府控制的法人手中。此外，流通股價格往往是對應非流通股價格的數倍甚至數十倍卻只有與非流通股相同的權利。所以股市看起來像是在用另一種方法為銀行提供準財政補貼（而不是實現資本的有效分配）[1]。股權分置的根源在于政府干預，這影響了銀行按照市場經濟的準則行事①。

非流通股的優勢地位阻礙了中國資本市場持續健康的發展。首先，流通股的持有者通常對管理決策影響甚微；其次，有限允許的自由浮動令國內市場的流動性極為不足，波動率大，為操縱市場和內幕交易提供了溫床；再次，國內市場的效率低下使得許多有價值的中國公司去海外上市，這反過來使得國內的投資者不能投資最好的公司，并且陷入持有表現差的本土公司股票的境地[2]。意識到這個問題的嚴重性后，當局從2005年開始進行了一場旨在減少非流通股的股權結構改革。改革要求非流通股股東與流通股股東協商補償計劃（比如支付對價），使得非流通股可以流通，銀行業也做出了響應。

到目前為止，很少有特定研究銀行業股改影響的實證文獻，卻有一些關于股改影響的研究。Andrea and Bernardo（2006）通過對368家股改的公司研究發現，股改產生了8%的顯著正累積超額收益率（CAR）。孫伶俐（2009）通過EGARCH（1，1）對上證和深證綜指進行分析，得出股改增加了兩個市場的波動性[3]。郭峰和趙民安（2008）研究了中國不同行業股改前后的系統性風險，并且發現在所有行業CAPM中的β系數改革后有所增加，特別是金融行業[4]。

二、模型說明

（一） 累積超額收益率（CAR）

事件的估計窗口通常設為[t0–180，t0–30），考慮到有些銀行上市到股改時隔很短，本文將這些銀行的估計窗口起始點設置為上市日。事件窗口設置為[t0-30，t0+30]。然后用Campbell，Lo and MacKinlay（1997）[5]的方法來研究CAR。

假設股票的收益率是多元聯合正態分布并且在所有時間獨立同分布，基于市場模型（（1）式）和估計窗口的數據估計每個樣本銀行的收益率：

其中，Rit是股票收益率；RMt是市場收益率；εit是殘差。將用最小二乘法估計出的系數分別標記為事件期的異常收益可以通過（2）式估計：

（二）波動率

股票市場一個重要特征就是頻繁和劇烈的股價波動。因此，波動率模型是金融風險管理用到的重要方法之一。本文將檢驗股改對于股票波動率自身的影響。

許多前期的研究表明，金融時間序列數據大多具有三個特征：波動聚集性、尖峰厚尾和多重分形。這些特征表明傳統的同方差假設不能用于分析金融資產的價格和回報率。

Engle（1982）提出的ARCH模型被證明是極為有用的刻畫金融時間序列的方法。ARCH模型認為現時的條件方差取決于以前階段的殘差。假設殘差為εt=σtzt（zt～ i.i.d N(0,1)），ARCH（1）可寫為：=ω+αεt-12[6]。Bollerslev(1986)將這一模型擴展為GARCH模型：GARCH模型在金融建模中被廣泛應用[7]。

本文運用GARCH模型估計股票回報率的波動率。以中行為例，展示如何一步一步簡歷模型。

首先，用Stata描述股票日收益率。從圖1和表1中可以發現數據并不服從正態分布，其具有尖峰厚尾的特性。

進一步描述回歸殘差的波動率（圖2），其顯示出“大波動后容易出現大波動，小波動后出現小波動”[8]，即波動聚集性。一個簡單的檢驗波動聚集性的途徑就是檢驗殘差平方是否自相關。通常有兩種聯合檢驗的方法：Ljung-Box檢驗和ARCH Lagrange Multiplier(ARCH LM)檢驗。本文選擇后者，因為ARCH LM檢驗可用穩健標準誤差來檢驗原假設，即=α0+α1et-12+…+αLet-L2+ut中α1=α2=…=αL=0。而Ljung-Box檢驗基于獨立同分布的假設，這通常是不現實的[9]。ARCH LM的檢測結果見表2：從滯后1階到滯后15階，原假設為真的概率都很低。這一結果強有力地證明了波動聚集性的存在。

基于對數據的觀察和描述，本文假設波動率可以通過GARCH模型描述。因為金融產品日收益率（尤其是股票日收益率）普遍用GARCH（1，1）描述[10]，同先前的許多研究一樣，本文也選用GARCH（1，1）。

為了檢驗股改是否對股票的波動率具有很強的影響，本文在GARCH（1，1）的基礎上引入股改這一事件作為虛擬變量Dt，得到：

當t＜t0（股改前）時令Dt=0，當t≥t0（股改后）時令Dt=1。可以檢驗Dt項系數的顯著性。如果這一系數顯著為負，則意味著股改降低了股票的波動率；如果顯著為正，則股改增加了股票的波動率。

表1 正態分布的偏度/峰度檢測

表2 波動性聚集的ARCH LM檢驗

（三）系統性風險

股票的風險分為兩類：系統性風險和異質性風險。系統性風險，比如利率風險和通脹風險，會影響整個市場。而異質性風險只會對特定的一組證券乃至單獨的證券產生影響。與異質性風險不同，系統性風險不可以通過投資組合而分散。William Sharpe于1964年提出了著名的資本資產定價模型（CAPM）[11]：

其中，E(Ri)是資產i的期望收益率；Rf是無風險收益率；E(Rm)是市場投資組合m的期望收益率；βim(以下記為β)可以表示為描述了資產i相對于市場投資組合的m的波動性。因此，它衡量了資產的波動率中不可以被分散的那一部分。所以根據CAPM，β是衡量系統性風險標準。

為了清楚地展示系統性風險在股改前后的變化，將窗口期[t0–30，t0+30]而不是事件日t0作為分界。無股改事件期通常設為[t0–180，t0-30)。同樣，對于在這段時期之內上市的股票將其上市日調整為事件期起點。股改后期間設置為(t0+30，t0+180]。本文將估計并比較這兩個階段的β系數。

三、數據來源與樣本描述性統計

將每個銀行的股改看成一個事件，運用事件研究法。本文選擇上證A股的12只銀行股作為樣本并且將它們分為兩組：6只國有商業銀行股（以下簡稱國有銀行股）和6只股份制商業銀行股（以下簡稱股份制銀行股）。6家國有銀行為：中國銀行、工商銀行、交通銀行、建設銀行、北京銀行和南京銀行。6家股份制銀行為：中信銀行、招商銀行、民生銀行、浦發銀行、興業銀行和華夏銀行。值得注意的是，本文關注股票的收益率而不是股價，因為收益率被認為是平穩的而價格卻不是②。實際上，本文所有樣本銀行股日收益率都是平穩過程（見表3的ADF檢驗）。參考張晨曦和楊一文（2010）[12]、楊瑾淑（2010）[13]的研究，將第一個非流通股解禁日作為事件日t0。本文中的天數指的是交易日天數，這意味著停牌和休市不計入內。文中所用數據來自銳思數據庫。

表3 對樣本股票收益率的ADF檢驗

四、實證分析

（一）累積超額收益率（CAR）

運用Stata軟件估出每只股票的和（見表4），發現（1）式中的截距項（）大多不顯著，而RMt前的系數（βi）十分顯著。12只股票中，只有4只CAR為負值，其余均為正值。總的來看，股份制銀行比國有銀行在股改期間獲得了更多的異常收益。表5中的J1統計量顯示兩組的CAR均是非常顯著的。

表4 市場模型的估計系數和累積異常收益率（CAR）

表5 國有銀行股組和股份制銀行股組的J1統計量

（二）波動率

利用中國銀行股票的日收益率，估計帶虛擬變量的GARCH(1,1)，得到以下結果：Dt項系數顯著為正，說明股改增加了中行股票的波動率。遵循相同的方法，得到其他銀行股的回歸結果（見表6）。從中可見，模型中的α和β系數都很顯著；α與β之和小于1，表明股票收益率是協方差平穩過程，證明模型具有可預測性。結果也顯示出，股份制銀行股往往比國有銀行股的波動率模型更具有“記憶性”，總的來看，股份制銀行股的波動率模型中的α與β之和更接近于1，說明建立的模型在長期內更具有預測能力。表中虛擬變量的系數在大多數情況下都不顯著，意味著股改并沒有對股票的波動率產生強烈的影響。

表6 估計的帶虛擬變量的GARCH（1，1）模型

（三） 系統性風險

從表7中，可以看到所有國有銀行股的β值股改后都有所上升，而股份制銀行股中六只有四只股改后β值反而下降。股改前，β值大于1的股票有三只，均為股份制銀行股；股改后，β值大于1的股票增加為四只，其中三只為股份制銀行股，一只為國有銀行股。除了交通銀行，國有銀行股調整后的R平方都在股改后有顯著增加，特別是北京銀行和南京銀行。然而，半數的股份制銀行股調整后的R平方值在股改后有略微下滑，其余的卻在股改后有了大幅上升。

根據CAPM，β＞1意味著股票的波動率高于市場，即當股指上升或者下降，股票價格變動的幅度比股指變動要大。所以，β值大于1的股票適合風險偏好型投資者。總的說來，風險偏好者熱衷于股份制銀行股而風險規避者更愿意選擇國有銀行股的局面在股改后并未得到太大改變。這一結果與兩類銀行的市場定位正好巧合：國有銀行的主要目標為資產的保值和增值；股份制銀行則更傾向于追求利潤的最大化，所以敢于承擔更多的風險。舉例來說，大多數高收益的理財產品是由股份制商業銀行提供而不是國有銀行。而這種定位并未受到股改的很大影響。

調整后的R平方值體現了超額收益中能夠被CAPM解釋的那一部分。改革后，兩組銀行中市場風險占總風險的比例更加接近。總的來說，相對于股份制銀行股，CAPM解釋國有銀行股表現的能力在股改后得到了很大的增強。這種現象可以從銀行與市場的關系的角度來解釋。國有銀行長期以來一直受到政府決策的影響，諸如優先為國有企業提供融資和再融資等。因此，它們不能像理性的市場主體一樣行事，也就更少受到市場因素的影響。股改的影響對于國有銀行中的城市商業銀行比如北京銀行、南京銀行尤為明顯。當一個原本定位于為服務地方經濟的銀行進行股改后，與市場的聯系度得到了極大的增強，自然導致市場風險的比重大幅增加。股份制商業銀行原本就與市場緊密相關，所以股改并未很大程度改變它們受市場風險影響的程度。

表7 股改前后的估計β系數

（四）財務指標

財務指標顯示了一個公司的財務狀況，它的變動能夠直觀地反映出股改對股票表現的影響。本文選用一些通用的財務指標來判斷股票的表現。

市盈率由股票市價除以每股盈余得出。它通常是判斷股價水平是否合理的指標。市盈率將公司的股價與其創造財富的能力相掛鉤。如果一個股票具有高市盈率，則意味著投資者相信公司具有高的盈利增長潛力。為此，他們今天愿意支付相對較高的價格購買股票。然而，這也許會導致對股價的高估，特別當市盈率非常高的時候通常被認為存在股價泡沫。Basu（1977）發現那些具有低市盈率的公司股票具有較高的收益率[14]。從而可以看出，并不能簡單地以市盈率高低判斷股價是否高估或低估。特別是在我國股市尚處于初級階段的背景下，莊家肆意操縱股價可能會導致市盈率偏離其真實值。特別值得一提的是，并沒有標準的“合理的”市盈率之說。就一家公司股票而言，其同行業股票的市盈率對其才有參考價值。

本文分別畫出了兩組銀行在事件窗口期的市盈率，并且將事件日t0設置為橫軸的零點。圖3和圖4展示出以下特點：國有銀行股的市盈率大多在30到40之間而股份制銀行股的市盈率大多在20到35之間；國有銀行股的市盈率分布相對更為集中；盡管市盈率在事件日t0后有小幅增加，在事件窗口期的變化還是比較平穩的。

這些現象可以歸結為投資者對于銀行的態度。因為國有銀行受到政府的有力支持并且在業內處于絕對優勢地位，投資者預計它們將在中國經濟持續發展的情況下在未來會獲得比股份制銀行更高的收益。所以其市盈率相對較高。政府在國有銀行中占有主導地位，這也造成了人們容易對不同的國有銀行產生相似的預期。因此它們的市盈率分布也比較集中。鑒于作為市場主體的廣大中小投資者認為股改只起到了有限的改變作用，股改只帶來了市盈率的緩慢增長而不是大幅變動。

圖3 股改期間國有銀行股市盈率變化

圖4 股改期間股份制銀行股市盈率變化

換手率是衡量股票在市場上一定時期內交易頻率的指標。它可以由一定時期內股票的交易量占發行股票總量的比例計算得出。換手率衡量了股票的流動性：換手率越高，股票交易越活躍，更多的人愿意購買該股；反之，較低的換手率意味著該股票較少有人關注。值得一提的是，高換手率股票常受到短期投資者和投機者的青睞，易造成股價的震蕩，具有高風險。將換手率與股價走向結合，投資者可以判斷未來的股價。換手率的突然增加或許暗示一些投資者大量買進此股，股價可能迎來增長。如果股價增長了一段時間后，換手率突然增加，這意味著一些持股人變現，會導致股價的下跌。

在大多數情況下，日換手率介于1%～2.5%之間（股票剛上市的情況除外）。大約70%的股票換手率低于3%。換手率在3%～7%之間的股票屬于交易相對活躍，超過7%的屬于高度活躍。

圖5和圖6畫出了兩組銀行在銀行股事件窗口期的日換手率情況。可以看出，大多數銀行股的交投在大多數時候相對活躍。股份制銀行股交投平均比國有銀行股活躍，其換手率的分布也相對分散。在事件日t0附近，國有銀行股出現了比較大的波動，然而，股份制銀行出現這種波動卻是在事件日前。

圖中的信息告訴我們，股改對銀行股的換手率產生了影響。然而，市場對于股份制銀行股的提前反應，暗示股改的信息也許在解禁日前有所泄露。事實上，與國有銀行將股改計劃在解禁日前保密相比，股份制銀行通常在解禁日前就公布股改方案。國有銀行股的換手率分布相對集中，說明鑒于國有銀行更為保守，投資者對于它們的預期趨同；相反，投資者對于各個股份制銀行卻容易形成不同的看法。

圖5 股改期間國有銀行股換手率變化

圖6 股改期間股份制銀行股換手率變化

在展示了一些體現市場對股改反應的日數據的變化指標之后，本文繼續以季度性財務指標來體現銀行股在股改期間的變化。

每股盈余是稅后利潤與股本總數的比率，反映了公司的獲利能力。每股盈余越高，意味著每股創造的稅后利潤越高。然而，僅僅是每股盈余并不能作為衡量一個公司成長的指標。中國的上市公司很少派發現金股息，它們往往以股票股利的方式給股東“送股”，再加上用股票認購權發行、股票增發等途徑給自己融資。這些都會增加總股本，促使每股盈余降低。事件日t0介于兩個季度報告日之間。本文設置后一季度報告日為原點，選擇原點之前和之后的三個季度的數據。一些銀行在上市后不久便進行了股改，所以在這種情況下有些數據則無法獲得。

觀察表8和表9，可以發現股份制銀行股的每股盈余總體要高于國有銀行股。

表8 國有銀行股的每股盈余

這可以歸結為國有銀行的公司治理結構問題：高不良貸款率、創新能力低下、機構臃腫等。從股改前到原點，幾乎所有銀行股的每股盈余都獲得了增長，并且大多數都在原點后保持了增長勢頭。這表明，股改對每股盈余帶來了長期的正面影響。

表9 股份制銀行股的每股盈余

五、結論與建議

通過以上研究，本文得出以下結論：第一，大多數銀行股在股改期間獲得了顯著的正的累積異常收益率，這意味著股改總體上提高了銀行股的回報率；第二，總的而言，銀行股的波動率并未受到股改的嚴重影響；第三，改革使得國有銀行股受到市場影響的強度增加了，而其對股份制銀行股并未有這樣的影響；第四，股改對于一些財務指標具有持續漸進的正面作用，這表明股改確實長期改善了公司治理。此外，股改的信息還導致了股票換手率的波動。

以上基本的結論可以概括為兩點。從改革的角度來看，這場改革是成功的，因為它沒有帶來不穩定性，并且其對銀行，特別是國有銀行，具有長期溫和的積極影響。從投資者的角度來看，本文的研究體現了投資者對于股改持有一個平穩的預期。然而，這并不可以被看作是中國新生的股票市場上理性投資者已經占據多數的信號。事實上，作為投資者主體的中小投資者對股改缺乏信心[15]。

鑒于以上結論，本文提出以下相關建議：

第一，在股改前后，銀行股票的流動性變化很大，這暗示著大多數投資者主要關注股改中對價支付帶來的收益，并且認為股改只不過是一次性的短暫事件。實際上，股改帶來的遠不止此，其更重要的意義在于糾正股權分置的結構和改善公司的治理結構。因此，本文建議證券監管部門大力宣傳股改的意義，引導投資者理性投資。此舉也可緩解中國股票市場上長期普遍存在的投機性需求占比過大的問題。

第二，盡管股改帶來了銀行公司治理的改善，大多數投資者并不認為他們能夠從股改中獲利。其原因在于中小投資者的利益未能夠得到很好的保護，這也是長期存在的一個問題。盡管政府已經頒布法律和實施政策來保護他們的利益，大股東侵蝕公司資產和中小股東權益的情況屢見不鮮。由于獨立董事的任命、雇傭和薪資都取決于大股東，他們不可避免地成了大股東的代言人。具體到股改而言，股改方案需要得到大股東的認可方可實施，甚至股改的前提就是大股東提出對價支付方案，這導致了中小投資者對于股改失去了信心，所以銀行股改時應當重視中小投資者的利益。政府和證券監管部門應當加強法律系統的完善，確保投資者的權益，比如加大對侵犯中小投資者合法利益行為的懲罰力度，并且確保中小投資者在合法權益受損時能夠得到補償。

本文通過實證研究發現，銀行業的股改總的說來是成功的。銀行股在股改之后的表現變好了，因為它們的回報率水平提高了，也與市場有了更緊密的關系，并且改革并沒有對波動率產生大的沖擊。此外，銀行股的一些財務指標也有所改善。然而，研究也反映出一些股改中存在的問題，中小投資者沒有意識到股改的真正意義，他們的權益在股改中遭受損害。所以證券監管部門應當讓更多的投資者全面地認識到改革的益處，銀行、證券監管部門和政府應當采取措施切實保護投資者的合法利益并提高股市的信心。

注 釋：①政府干預導致的問題在La Porta，Lopez-De-Silanes and Sh?

leifer(2002)和Sapienza(2004)的文獻中有過充分的討論。②本文使用對數收益率。對數收益率公式為：

rt=log( )1+Rt=log(Pt/Pt-1)。

[1]Goodhart C，Zeng X.China’s Banking Reform:Problems and Potential Solutions[J].Journal of Chinese Economics and Business Studies，2006，4（3）：185-198.

[2]Beltratti A，Bortolotti B.The Nontradable Share Reform in the Chinese Stock Market[R].FEEM Working Paper No.131.06，2006.

[3]孫伶俐.股權分置改革對我國證券市場波動性的實證分析[J].稅務與經濟，2009（1）：49-53.

[4]郭峰，趙民安.股權分置改革前后我國資本市場效率的對比分析——基于CAPM模型的實證研究[J].山東社會科學，2008（10）：108-111.

[5]Campbell J，Lo A，MacKinlay A.The Econometrics of Finan?cial Markets[M].Princeton：Princeton University Press，1997：156-162.

[6]Engle R F.Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of UK Inflation[J].Econo?metrica,1982，50：987-1008.

[7]Bollerslev T.Generalized Autoregressive Conditional Hetero?skedasticity[J].Journal of Econometrics，1986，31：307-327.

[8]Mandelbrot B.The Variation of Certain Speculative Prices[J].Journal of Business，1963，36（4）：394-419.

[9]Danielsson J.Financial Risk Forecasting:The Theory and Practice of Forecasting Market Risk with Implementation in R and Matlab[M].Chichester:Wiley-Blackwell，2011：216.

[10]Ashley R，Patterson D.A Test of the GARCH(1,1)Specifi?cation for Daily Stock Returns[J].Macroeconomic Dynam?ics，2010，14（S1）：137-144.

[11]Sharpe W.Capital Asset Prices:A Theory of Market Equi?librium under Conditions of Risk[J].The Journal of Fi?nance，1964，19（3）：425-442.

[12]張晨曦，楊一文.基于事件研究法的“大小非”解禁關于股票市場風險研究[J].經濟研究導刊，2010（33）：68-73.

[13]楊瑾淑.基于單一指數模型的銀行業系統風險實證研究[J].會計之友，2010（8）：51-54.

[14]Basu S.Price-Earnings Ratios:A Test of the Eff i cient Mar?ket Hypothesis[J].The Journal of Finance,1977，32（3）：663-682.

[15]李翠翠.中小投資者對上市公司股改方案信任度的實證研究[J].內蒙古科技與經濟，2007（2），20-22.