基于流動性協動效應的資產定價研究

摘要：流動性協動效應類似系統性市場風險一樣，是不可分散的風險，所以分析流動性協動效應的定價能力有助有了解它對資產定價的貢獻。本文基于流動性協動效應資產定價問題的提出，在傳統資產定價模型的基礎上建立考慮流動協動效應的理論模型，采用一般面板回歸、面板分位數回歸以及面板向量自回歸進行基于流動性協動效應資產定價的實證分析，最后進行小結。

關鍵詞：流動性;協動效應;資產定價

中圖分類號：F830.91;F224?文獻識別碼：A?文章編號：2096-3157（2020）24-0153-05

一、流動性協動效應與資產定價

回顧2008年美國“次債危機”引發的金融危機，我國證券市場正遭遇前所未有的內外流動性沖擊，投資者、市場監管者開始認識到日益突出的流動性問題，市場的實踐和理論研究開始采用流動性指標評價證券市場運行質量，可以說流動性在證券市場中占據越來越重要的地位，流動性對對金融市場的正常運轉和資源的有效配置起到很重要的作用?；仡櫄v史，金融危機爆發的一個重要特征表現是市場流動性的急劇減弱，交易成本增加，資產價格下跌，進而引起市場失靈，金融秩序混亂。隨著金融市場的不斷發展，金融市場研究與參與者也將會越來越重視導致市場矛盾的流動性問題。

我國證券市場屬于一個新興的證券市場，市場規模相對小，存在大量的非流通股，與西方歐美國家市場交易機制存在差異，機制和運行狀況也都不同，對我國市場流動性問題的研究還很欠缺。隨著中國股市不斷發展成熟，已有不少學者對流動性及流動性溢價問題進行研究，但是目前的關于流動性溢價問題主要是分析整體的流動性的定價水平，而流動性可以分為系統性流動性和非系統性流動性，系統性流動性類似于系統性市場風險，是不可分散的風險，所以研究系統性流動性的溢價水平有著更加重要的意義。本文擬采用面板回歸和面板分位數回歸的方法，將流動性協動效應納入到傳統的定價模型中去，來分析流動性協動效應對資產定價的解釋能力。并且通過建立面板向量自回歸模型來分析流動性共性和收益率之間的動態關系。

二、考慮流動性協動效應的風險溢價實證分析

本文考慮了流動性協動效應的定價模型，采用的是F-F模型，數據主要來源于萬德數據庫，其中定價的研究對象沿用了萬得（WIND）Ⅱ個一級行業，收益率是WIND一級行業的對數收益率，無風險利率采用的一個月的活期存款利率，由于WIND行業數據中涉及大部分都是A股的股票，所以市場組合因子、市值因子都從主要包含A股股票的中信指數中采集，市場組合因子采用的是中信A股指數，規模因子和市值借鑒方麗婷等（2012）的方法進行計算，具體計算如式（1）和式（2）所示，流動性協動效應采用流動性時變動相關系數，本文樣本的起始時間是從2007年3月至2019年9月。行業的超額收益率用R表示，市場因子用RM表示，規模因子用GM表示，市值因子用SZ表示，流動性因子用Conliq表示，本文全部計量分析采用Eviews軟件和Stata軟件實現。

1.面板回歸分析

面板回歸最早是出現在Balestra和Nerlove共同發表會議論文，此后面板數據模型的應用得到了快速的發展。面板回歸是指在時間序列上取多個截面，在這些截面上同時選取樣本觀測值構成的樣本數據，并且利用這些樣本數據進行的回歸模型。一般形式如下式子所示：

其中，i=1，K，N;t=1，K，T;xit是第i個截面在t時期的k×1維解釋變量向量，β是k×1系數變量，在該模型中假設αi為截面固定效應，表示未被包括在回歸模型中的但是跟個體變化有關的難以觀測的因素。面板回歸模型可分為三種類型，即變截距模型、變系數模型和不變系數模型三種。變截距模型中個體之間的截距項隨著時間或者個體的不同而不同，變系數模型變量的系數隨著時間或者個體的不同而不同，不變參數模型在不同截面的截距項和參數項上沒有差異。其中變截距模型和變系數模型又可以分為固定效應模型和隨機效應模型兩種。由于面板數據存在著多種假設模型，首先需要對模型進行檢驗，確定回歸模型的種類，然后才能進行后期的分析。一般采用Housheman檢驗和LR檢驗來確定模型的類型，這兩種檢驗都證明了應該采用固定效應模型來建模。按照固定效應模型建模后得到的回歸結果如表1所示。

固定效應面板數據回歸的結果表明，市場組合因子、規模因子以及市值因子以及流動性協動效應因子在10%的顯著性水平下都是顯著的，從影響的方向上看，市場因子對超額收益率的影響是正向的，這和CAPM的結論是一致的，系統性市場風險具有一定定價能力。規模因子和市值因子對超額的收益率的影響分別是負相關和正相關。流動性協動效應對超額收益率的影響是負相關，說明了流動性協動效應的增強可能會導致收益率下降，投資者的收益可能受到損失。

2.面板分位數回歸分析

為了了解在不同的收益率水平下，各因素特別是流動性共性因子的定價能力是否存在差異性，下文就采用了面板分位數回歸的方法進行分析。具體如表2所示，對于分位點的設置分別取0.1到0.9（間隔0.1）間的分位點來進行分位數回歸，從分位數回歸的結果可以看出，流動性協動效應幾乎在0.5（包括0.5分位點）分位點以下都是顯著（除了0.1分位點）的，而在0.5分位點以上是不顯著的，這說明在收益率水平較低的情況下，流動性協動效應的定價效果較好，而在收益率水平較高的情況時流動性協動效應的定價能力減弱，出現這一現象的主要原因是因為在收益率水平較低的時候，價格的變化可能更多地受到流動性共性的影響，隨著收益率的下降，投資者的融資能力下降，市場的流動性情況可能會急速惡化，甚至陷入流動性黑洞的狀態，流動性特別是流動性協動效應的影響凸顯出來。在0.1的分位點以下不顯著可能是因為此時收益率已經下跌到接近跌停板的附近，所以此時流動性協動效應的效果也有限了。從方向上看，流動性協動效應和收益率之間的關系始終是呈反方向的，即流動性協動效應越高，將導致收益率越低，造成這一結果的主要原因是因為，隨著流動性協動效應的增加，將導致系統性流動性風險增加，系統性流動性風險的增加可能使得收益率降低。

3.面板向量自回歸分析

上文的分析更多地是集中在分析包括流動性協動在內的因素對行業超額收益率的影響，一般的面板回歸和面板分位數回歸大致地分析了流動性協動效應等因素的定價能力，但是無法了解影響因素滯后項對當期收益率的影響，也無法了解這些因素對超額收益率影響的動態關系，比如影響能夠持續多久，在持續的過程中影響的方向是否會發生改變等問題。為了了解這些問題，必須采用面板向量自回歸模型進行分析。在進行 PVAR 建模時，需要確定模型的滯后階數，這是一個十分重要的問題。在對模型進行分析過程中，若選取的滯后階數越大，模型中需要估計的參數就會增多，自由度會相應地減少;若選取的滯后期太小，則無法完整反映所構建模型的全部動態關系信息。因此，需要綜合考慮模型的滯后階數，使其在滿足滯后項長度的要求下，又具有足夠的自由度。根據AIC、HQIC以及SBIC檢驗的結果（如表3所示）可知，AIC、HQIC以及SBIC三個檢驗在滯后階數為2時所對對應的指標值是最小的，所以最優的滯后階數為2，但是對2階的PVAR模型進行穩定性檢驗后發現，還有特征根在單位圓以外，所以結合滯后階檢驗和PVAR模型的穩定性，最后取得的滯后階數為3，3階PVAR模型的特征根檢驗結果如圖1所示，所有的特征根都在單位圓以內，所以建立3階的PVAR模型是穩定的。

面板分位數回歸方程的結果如表4所示，由于主要關心的是四個影響因素滯后期和行業超額收益率之間的動態關系，故只展示行業超額收益率的方程結果，根據表4所示，從回歸結果來看，市場組合因子對超額收益率的影響在滯后的三期都為正;規模因子對超額收益率的影響在滯后的三期也都為負的;市值因子對超額收益率的影響是前兩期是正的，但是第三期轉為負的，不過第三期系數也不顯著;流動性協動效應的影響方向三期都是負數。雖然PVAR 模型同樣存在某些參數估計不顯著的問題，但這種情況并不會對結論造成太多妨礙。

雖然回歸結果能夠大致地看出彼此之間的關系，但是為了更加準確地了解變量之間是否存在Granger因果關系，繼續進行格蘭杰因果檢驗，來了解變量彼此之間是否存在Granger因果關系，Granger回歸的結果如表5所示。在超額收益率方程，所有的變量都是超額收益率的Granger原因，這也驗證了上文回歸的結果，四個因素都對超額收益率有一定的影響。在其他的Granger因果關系中，只有市場因子是流動性共性以及規模因子的Granger原因。

PVAR 模型的重要用途之一就是進行脈沖響應分析。脈沖響應的原理是在現有模型的基礎上，一個方程的隨機擾動項發生一個標準差的變動后，模型中其他內生變量受到沖擊后在未來各期的響應情況。滯后期20可以得到脈沖效應的結果，具體結果如圖2至圖5所示，由于主要關心的是各影響因素滯后期對超額收益率的影響，所以根據脈沖響應函數的結果只顯示各影響因素對行業超額收益率的影響圖，根據脈沖響應圖可知，四個因素對行業超額收益率的影響的時間長短是不一樣的，組合市場因子、規模因子和市值因子的影響時間比較短，大約在第10期左右就降為0，而流動性共性的影響時間持續的比較久，大約持續了20期。從沖擊的方向看，市場因子對超額收益率的影響一致都是正向沖擊。規模因子對超額收益率的先是產生負向沖擊，但是在沖擊影響消散歸之前，對超額收益率的影響方向曾經改變。同樣，市值因子對超額收益率的影響也是如此，沖擊方向先是正向的，但是在影響完全消除之前，對超額收益率的影響曾經變為負的又轉為正向。流動性協動效應對超額收益率的影響方向一直都是負值，說明當超額收益率受到流動性協動效應一個正向沖擊的后，將會出現持續下降的情況，這也進一步說明了流動性協動效應不僅可能帶來流動性風險還可能影響到市場風險。

PVAR模型方差分解的基本思想是把系統中每一個內生變量的變動按其成因分解為與各方程新信息相關聯的組成部分，從而了解各新信息對模型內生變量的相對重要性。它考察了隨著時間的推移源于某個特定新信息所引起的方差占總方差百分比的變動情況，以此測算出各個沖擊項自身對被解釋變量獨立的“貢獻度”。利用方差分解技術分析了市場組合因子，規模因子，市值因子以及流動性共性因子對超額收益率的影響。方差分解的結果見表6所示，根據方差分解的結果可知，在期數較低的時候，超額收益率的方差主要是隨著自身變動而導致，隨著期數的增加，超額收益率方差的變動不再是自身占主導，四個變量的影響開始增加，期數大約到達15階至20階之間的時候，所有變量對超額收益率的影響開始穩定下來，市場組合的影響大約保持在30%，規模因子的影響大約保持在10%左右，市值因子的影響大約保持6%左右，流動性共性的影響則保持在14%左右。

三、小結

本文在傳統定價模型三因子模型的基礎上建立了一個考慮流動性協動效應的定價模型，首先，采用一般面板回歸和面板分位數回歸的方法考查了流動性協動效應的定價能力。研究結果總體而言表明流動性協動效應具有一定的定價能力，但是在不同的收益率水平下流動性協動效應的定價能力存在差異，收益率水平越低流動性協動效應的定價能力越高。其次，建立了一個面板向量自回歸模型來考查流動性協動效應等因子對超額收益率之間的動態關系。Granger因果關系檢驗表明，包括流動性協動效應在內的所有影響因子都是超額收益率的Granger原因;脈沖響應圖說明，流動性共性對超額收益率具有負沖擊，而且沖擊的持續時間較長;方差分解的結論表明，流動性協動效應對超額收益率的方差解釋能力隨著期數的增加而增強，大約在18期左右達到峰值，并保持基本穩定，流動性共性對超額收益率方差變化的解釋能力最高可以達到14%。

參考文獻：

[1]鄒小芃，黃峰，楊朝軍.流動性風險、投資者流動性需求與資產定價[J].管理科學學報，2009，12（06）：139～149.

[2]周芳，張維，周兵.基于流動性風險的資本資產定價模型[J].中國管理科學，2013，21（05）：1～7.

[3]劉睿智.基于改進Fama-French模型的市場流動性定價實證檢驗[J].統計與決策，2015，（11）：152～155.

[4]]張美玲.我國股市流動性溢價與流動性定價的研究[D].山西大學，2015.

[5]林靖，黃偉，董志勇.滯后流動性因子的定價偏差[J].經濟科學，2016，（01）：102～113.

[6]傅國榮.非流動性、投資者情緒與股票定價[D].重慶：重慶大學，2016.

[7]萬孝園，楊朝軍.流動性風險定價研究綜述[J].投資研究，2017，36（02）：101～110.

[7]蔣樂.流動性調整資產定價模型在中國股票市場中的實證分析[D].鎮江：江蘇大學，2017.

[9]韓金曉，吳衛星.流動性與資產定價——基于一個新的價差類流動性度量指標的實證研究[J].上海金融，2017，（12）：51～57.

[10]黃鑫銘.交易稀薄資產的流動性與定價研究綜述[J].現代管理科學，2019，（02）：9～11.[注]

課題支持：2019年福建省中青年教師教育科研項目（社科類）：“基于Copula模型的中國股市流動性協動效應研究”（項目編號：JAS19213）;2019年福建江夏學院科研人才培育項目（社科類）：“中國股市流動性協動效應的測度、成因及風險管理研究”（項目編號：JXS2019009）

作者簡介：

周熙雯，福建江夏學院金融學院講師，碩士;研究方向：金融風險管理，金融資產定價。