浙江省上市企業股價特殊風險的信息特征研究

周 丹

(浙江財經大學金融學院，浙江杭州 310018)

一、引 言

2008年至今仍影響深遠的國際金融危機讓人們意識到，除資本市場系統風險需預警、關注之外，企業特殊風險同樣不容忽視，其也形成了資產價格波動的重要風險來源。同時，特殊風險與系統風險間的相似、相關性，也讓其蘊含的資產(包括資本市場)價格信息頗具研究價值，值得加以提煉與關注。［1］

Campbell et al．(2001)提出，股價風險波動不僅包括市場風險波動，特殊風險這一來自上市企業信息層面的收益波動也越來越顯著的制約著資產價格波動的總水平。［2］基于Campbell et al．(2001)的研究結論，學界已逐漸認同將特殊風險因素納入資產定價公式，而對特殊風險及其信息功能(特征)的展開研究，則是資產定價理論轉向非系統性風險研究的發展趨勢和方向之一。

二、文獻綜述

正如引言所述，對特殊風險和非系統風險的研究已逐漸納入資產定價理論的范疇，其研究也始終在爭辯中不斷吸引著學者們的關注。資本市場的投融資事實表明，投資者無論是個人還是機構都很難(或不可能)真正持有風險完全分散的資產組合(Goetzmann and Kumar，2004);在用APT模型研究資產定價的過程中，Grinblatt and Titman(1983)、Dybvig(1983)也對模型殘差的非平穩性提出過專門質疑。真正對特殊風險與非系統風險給出方法論創新研究的是CLMX(2001)，［3］他們通過波動成分分解的方法，計算得出系統性市場風險只是股價風險總體波動中反映市場信息變動的部分，行業風險和特殊風險則分別代表了行業與企業層面風險信息的動態變化;更重要的是，CLMX(2001)的研究通過波動成分分解將特殊風險從價格整體波動中分解出來，這為進一步的特殊風險定價提供了經驗證據和方法基礎。

接下來，特殊風險吸引了越來越多該領域學者們的關注，他們給出了更多關于特殊風險定價的經驗證據，即從多角度、多方面證明了股票資產(組合)價格中存在較明顯的特殊風險溢酬。比如，Malkiel and Xu(2002)就發現特殊風險會與其它因素共同推動股票價格波動。

Goyal et al．(2003)是借鑒了CLMX(2001)的波動率分解方法，實證檢驗股票特殊風險與資產預期收益率之間的統計關系。他們用股價收益率平均方差代理特殊風險，證明其與收益率指標間存在顯著的正相關關系。較有代表性的還有Malkiel and Xu(2006)、Spiegel and Wang(2006)、Fu(2009)的研究，他們分別使用實際數據驗證了特殊風險形成風險溢酬的理論假說。

那么如何對特殊風險溢酬，對特殊風險與股票(資產)收益率之間的數量關系給出定義和解釋，Ang et al．(2006)和Fu(2009)的理論交鋒比較具有代表性。Ang et al．(2006)指出，特殊風險與資產收益率并非始終呈現正相關關系，即使是在考慮了股票資產規模效應、流動性效應、動量效應和賬面價值等因素后，結果依然如此。Ang et al．就以特殊風險和收益率間的負相關性提出了對特殊風險溢酬及其定價假說的質疑。Fu(2009)對Ang et al．(2006)的質疑給出了解釋，他論證Ang et al．(2006)的研究是建立在股票截面樣本數據的基礎之上的，而如果將時間序列的變化考慮進去，那么Ang et al．(2006)的質疑就能有效解釋而不復存在。

盡管特殊風險溢酬基本已被大多數學者所認可，但是特殊風險與股票收益率正相關關系的影響因素，特殊風險溢酬的形成機制卻仍然沒有定論，仍處于理論發展之中。比如在行為金融和特殊風險信息功能的檢驗上，Hsin(2009)做過類似探索，他實證檢驗了新興市場國家股票市場的特殊風險，從投資者行為、信息功能、資本市場發展特征等角度嘗試解釋了特殊風險受影響的原因。

國內研究方面，對特殊風險的關注始于對投資者異質性及其建模的理論研究，反而從實證檢驗的角度研究特殊風險定價，特殊風險的投資者行為效應的研究較少(周丹，2011)。［2］而特殊風險的理論建模也多局限于兩期，或靜態模型的建模(張圣平(2002)，張維、張永杰(2006))。［4］針對特殊風險和收益率關系，特殊風險和投資者行為效應能反映特殊風險信息功能的動態模型建模則非常少見。比如，張崢、劉力(2006)以中國的股市數據實證檢驗了代表投資者行為效應的換手率指標與代表特殊風險的截面預期股票收益指標間的相關關系(負相關)，張崢、劉力發現，相比流動性指標，特殊風險和投資者異質性更有利于解釋非同步性的股價波動。王鳳榮、趙建(2006)利用機構投資者的交易數據，實證檢驗了股價指數間的Granger和協整關系。熊和平、柳慶原(2008)給出了投資者異質性和資產定價關系的文獻評述，［5］他們的文章認為異質信念是聯系相關問題的關鍵，他們將投資者異質性納入了資產定價的模型、邏輯體系。

當然國內學者對于股票市場的行為金融研究已較為常見，但見于對行為金融現象的經驗分析和實證檢驗。如，胡昌生(2001)，宋 軍等(2001)，宋軍、吳沖鋒(2003)［6］，吳世農、吳超鵬(2003)，汪昌云、汪永祥(2004)，唐國興、徐建剛(2005)，史永東(2005)和吳衛星、汪昌勇(2006)等。

可見，對特殊風險信息功能的研究、對其投資者行為效應信息特征的分析都仍缺乏系統性研究。而我國資本市場的實際運行已表明，特殊風險確能影響資產價格波動，在特殊時點風險波動還特別明顯。那么特殊風險的影響機制、信息特征究竟有何驅動因素?如何正確有效的利用特殊風險的信息功能，發揮其積極的價格信號作用?本文即以浙江省上市企業的資本市場數據為樣本，從特殊風險的角度來研究股票價格風險波動的原因，并且利用信息不確定性，以及投資者行為效應分析股價特殊風險的動態變化。通過與系統風險信息特征的比較，找出特殊風險所具有的行為特性規律，最終利用股價特殊風險的信息功能，為浙江經濟的穩定運行及經濟轉型提出理論思考和政策建議。

三、模型設定與數據說明

本節分別針對非系統性風險(特殊風險)與系統風險構建測算模型，以比較兩者間的信息特征差異。

(一)特殊風險的測算模型

本文基于Malkiel and Xu(2002)的方法來測算浙江省上市企業的股價特殊風險。思路是:用股票資產組合的收益對市場收益作回歸分析，用其殘差平方和作為特殊風險的代理變量。回歸方程式可表示為:

其中rt表示浙江上市企業的股價收益率，mt表示市場收益率，εt為殘差。為特殊風險的代理變量。

(二)時變β系數的估計方法

CAPM系列模型表示為:

通常β的變化是較緩慢的，許多實證研究常假定β系數不變。但在特殊風險和投資者交易行為的作用下，β系數也具有明顯時變特征。本文基于三因素模型計算時變條件下的β系數，以反映市場系統風險的變化規律:

式中RM指代市場收益率的變化。

本文樣本期間從2009年1月計算至2013年12月，選取估計月度數據，參照Daniel and Titman(1997)的方法計算SMB和HML指標，將浙江省上市企業股價指數(以浙江企業綜合指數代替)每年六月的流通市值比作為滾動計算期間內的權重系數，并以此權重系數計算SMB和HML指標。

接著以我國同期國債收益率作風險收益率Rf，而利用Ri－Rf和RM－Rf分別計算出浙江上市企業的(股價)超額收益率與股票市場的超額收益率。

最后，將計算獲得的超額收益率指標、SMB和HML指標，代入公式(3)作回歸分析，即可獲得回歸系數βit，即本文需要計算的時變系統風險β系數。

(三)特殊風險與系統風險的理論假設

為對特殊風險與系統風險作對比分析，本文的理論假設為:

特殊風險與系統風險均反映了股價風險波動的信息特征，是基本面不同信息來源及其風險變化的金融度量。CLMX(2001)的研究表明，特殊風險和系統風險都呈現與經濟發展相反的變動規律，均影響金融發展，制約經濟發展的金融支持。

然而作為非系統性風險的特殊風險，其與系統風險可能存在如下不同:

1．系統風險源于資本市場和宏觀經濟增長，其是資本市場的基本風險，不能通過投資組合進行風險分散。而特殊風險反映了上市企業經營(公司)層面信息，但研究發現，其也不能完全實現風險分散。

2．系統風險的影響因素較多，有資本市場，也有實體經濟，甚至可能源于管理者的決策變化。①如證監部門的監管措施與央行的貨幣政策。特殊風險屬非系統風險，Zhang(2006)認為，特殊風險主要源于上市企業公司層面信息及其不確定性。

3．系統風險易于觀察，方便利用資本資產定價模型(如CAPM系列模型)進行計算和度量。相比較，特殊風險不易觀測，計算更為復雜，也更難以掌握其風險變化的規律。

建立在這些假設和認知之上，本文將實證研究特殊風險和系統風險在時序變化中會有怎樣的相互關系與影響，具有怎樣的信息特征。

(四)樣本選取與數據說明

為減少資產組合中協方差因素的干擾，本文以浙江企業綜合指數樣本股指數作為計算收益率變化的基礎，其中共包含正泰電器(601877)、寧波建工(601789)等225家浙江上市企業，涉及“信息技術”、“紡織服裝皮毛”、“機械設備儀表”、“醫藥生物制品”和“批發零售貿易”等17個行業。

而全文數據的時間范圍均與β指標的計算范圍一致，為2009年1月至2013年12月，數據頻率為月度。而所有的數據來源均來自國泰安“CSMAR數據庫”。

四、實證分析結果

將特殊風險和系統風險分別就投資者行為效應等指標建立回歸分析模型，如公式(4)所示，

公式中的變量均為一階單整變量，并構成協整關系［2］。模型回歸的結果，如表1所示。

表1 特殊風險與系統風險的信息特征對比

在不考慮投資者行為效應的影響下，即在不解釋風險波動信息特征的情況下，模型系數均不顯著，未能通過檢驗。這說明特殊風險和系統風險之間不構成直接的互動關系。

但如果在模型中加入信息特征變量或投資者行為效應等指標，特殊風險和系統風險間的相互關系就顯示的非常清楚。表1中的數據顯示，信息特征變量和投資者行為效應指標使得特殊風險和系統風險具有了顯著性(1%的置信水平)的互動影響關系。其中的機制是信息交易所導致的投資者行為效應使然。

雖然特殊風險與系統性風險間通過信息(交易)機制，存在著顯著的相關關系，但這種關系并不具有Granger意義上的因果聯系。系統風險并不是導致特殊風險的直接原因，但系統風險往往可以通過改變市場貼現率、資本市場平均收益率等外部條件，形成對特殊風險的影響。同樣，在通常情況下①指資本市場運行平穩，不存在明顯的價格異常波動。特殊風險也不必然增加系統性風險，兩者關系的“催化劑”是上市企業的企業層面信息，而“助推器”是投資者的交易行為效應。在信息交易的作用下，上市企業股價特殊風險會與系統風險形成較穩定的均衡變動關系。

當然，特殊風險和系統風險反映出的信息特征是不盡相同的。相比較而言，特殊風險反映的投資者行為效應更明顯，兩者的關系更緊密。投資者對企業信息、經濟形勢的判斷，通過交易行為把這些“信息”很快反映到特殊風險波動上，雖然投資者行為效應具有隨機性，但它與特殊風險的均衡變動關系卻是明確、客觀存在的。系統風險與特殊風險的差異很大程度上也取決于投資者行為效應。投資者對系統風險的信息具有隨機異質性的反應，因而交易行為效應就對系統風險形成了較復雜和更具不確定性的影響。

總之，上市企業股價特殊風險的信息特征是來自企業基本面的各類綜合化的“信息流”，其在資本市場上的直接體現即是投資者“先知先覺”的交易行為效應。而反之，也只要度量、掌握了投資者交易行為效應的變化規律，人們就能從中判斷形勢的變化、也獲取了至關重要的管理特殊風險波動的一項客觀依據。

五、結論與政策建議

近些年來，已有不少金融研究開始著眼提煉金融資產價格的風險溢酬信息，以充分利用市場交易中的價格信息功能。本文也是從上市企業的股價收益序列中分解、提煉出股價特殊風險，用投資者行為效應來判斷其信息特征的變動規律。本文總結的理論含義與政策建議包括三個方面。

其一，是對產生特殊風險的資本市場而言，如何維護其可持續發展。本文認為，從微觀層面講，對蘊含特殊風險的股價波動，市場管理者、機構投資者、生產經營者都需要加強對風險信息特征的識別、度量與判斷，有針對性的去進行金融資源配置。而從宏觀層面說，資本市場的有序發展需要充分保證信息公開和交易自由，不管規范或建設的辦法如何，其最終達成是維護資本市場金融效率的基本條件之一。

其二，浙江經濟作為我國沿海經濟成長的典型代表，極具自身發展特色。在浙江經濟實現經濟轉型和發展模式轉變的當口，充分發掘、利用好包括股價特殊風險在內的資本市場價格的信息功能，發揮信號和資源配置作用，為浙江經濟的平穩運行和轉型升級，可發揮利用好資本市場衍生的金融功能作用。

其三，針對浙江實體經濟以中小、個私經濟為主的特點，本文認為構建中小企業信用擔保體系是彌補資本市場信息功能短板(針對個私經濟比重大的浙江經濟來說)的必要補充手段。完整和健康發展的信用擔保體系不僅為中小企業開拓了更廣闊的投融資平臺，也為浙江不斷改善優化地方金融發展創造出了適宜的金融生態環境。［7］

［1］周 丹，郭萬山．從股價偏差問題看金融研究方法的演進［J］．經濟學家，2010(10):97－104．

［2］周 丹．股價波動特質風險的投資者行為效應研究［D］．遼寧大學2011年博士論文，2011．

［3］Campbell，J．Y．，Lettau，M．，＆ Malkiel，B．G．，et al．Have individual stocks become more volatile?An empirical exploration of idiosyncratic risk［J］．Journal of Finance，2001，56:1 －43．

［4］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．

［5］熊德華，張圣平．市場微觀結構:理論發展與實證分析綜述［J］．管理世界，2006(8):158－167．

［6］宋 軍，吳沖鋒．金融資產定價異常現象研究綜述及其對新資產定價理論的啟示［J］．經濟學(季刊)，2008(1):701－730．

［7］周 丹．對完善浙江省中小企業信用擔保體系的思考［J］．征信，2013(10):61－64．