1、50ETF與標的成份股的價格形成過程分析金德環(huán) 丁振華（上海財經(jīng)大學(xué)證券期貨學(xué)院，上海200439）摘要： 本文采用多資產(chǎn)方差分解法分析 50ETF 與標的成份股的價格形成過程。結(jié)果表 明，與西方成熟資本市場相比， 50ETF 在標的成份股的價格形成過程中貢獻并不大。由于 價格形成過程與市場微觀結(jié)構(gòu)緊密聯(lián)系在一起，因此本文從這一角度來進行解釋，從而為 推動我國 ETF 市場的發(fā)展提供參考。關(guān)鍵詞： ETF ；多資產(chǎn)方差分解法；價格形成 作者簡介： 金德環(huán)，上海財經(jīng)大學(xué)金融學(xué)院副院長兼證券期貨學(xué)院院長、教授、博士 生導(dǎo)師。丁振華，上海證券期貨學(xué)院碩士生。中圖分類號： F830.9 文獻標識碼：

2、AAbstract ： Using the multi-asset variance methodology, this paper analyses the price formationprocess of 50ETF and its component stocks. The result shows, compared to the Western mature capitalmarkets, the contribution of 50ETF is not significant. Because the price formation process and themarket m

3、icrostructureare closely interconnected, this paper gives possible reasonsfrom this angle, and makes a reference for the development of ETF market in our country.Key words ： ETF； multi-asset variance methodology； price formation文獻回顧交易所交易基金（ETF）起源于 1990 年的加拿大多倫多證交所推出的TIPs，而 1993年美國證券交易所推出以 S&P500

4、 為標的指數(shù)的 SPDR 后， ETF 逐漸受到市場的重視，全 世界其他國家和地區(qū)紛紛推出各種 ETF 的商品。據(jù) Morgan Stanley 統(tǒng)計，截至 2004 年 6 月 底，全球共有 304只 ETF，總資產(chǎn)規(guī)模達到 2464 億美元。ETF 以某一指數(shù)為標的，對指數(shù)進行完全復(fù)制。它兼有開放式基金和封閉式基金的功 能 , 既能像開放式基金一樣進行申購和贖回，也能像封閉式基金一樣在二級市場上進行交 易。因此 ETF 能夠避免出現(xiàn)封閉式基金的折價現(xiàn)象，同時投資者又能很方便地在二級市場 上交易 ETF,這就給二級市場投資者提供了一種很便利的指數(shù)投資工具，它能比較精確地 跟蹤、反映指數(shù)的價值

5、。ETF 除了兼有開放式基金和封閉式基金的功能外，它的出現(xiàn)往往還能提高市場的交易 效率。國內(nèi)外的相關(guān)文獻已經(jīng)證明了這一點。首先， ETF 的推出能提高股指期貨的定價效率。 Park 和 Switzer （ 1994）用短期銀行 承兌利率為無風險利率，期貨合約選擇到期的合約，并在到期前一周展期至下一個合約。研究發(fā)現(xiàn)，TIPs（加拿大交易所交易基金）推出后期貨平均日價格誤定率顯著下降。Switzer 等（2000）分別用當日交易數(shù)據(jù)和日間交易數(shù)據(jù)計算，發(fā)現(xiàn)SPDRs（美國交易所交易基金）推出后 S&P500 股指期貨的價格誤定率明顯下降，說明由于SPDRs 的推出市場效率得到了改善。Lu

6、和 Marsden（ 2000）利用 GARCH1, 1 ）模型分析 ETF 對股指期貨定價效 率的影響也得出相同的結(jié)論。 Chu 和 Hsieh（ 2002）考慮各種交易成本及現(xiàn)貨市場的賣空限 制，來檢驗發(fā)行 SPDRs 前后偏離均衡期貨價格的次數(shù)及套利效率。其實證結(jié)果顯示，S&P 500 指數(shù)期貨價格與 SPDRs 價格間有相當密切的聯(lián)系。由于SPDRs 不受賣空的限制，使得當 S&P 500 指數(shù)期貨價格比理論價格低時，更容易進行賣SPDRs 的套利交易，期貨價格穿越理論價格下方區(qū)間的次數(shù)在SPDRs 上市后逐漸減少。另外，當交易者觀察到套利機會而以 SPDRs 進行套利

7、交易時，最后結(jié)果往往無法實現(xiàn)套利利潤，甚至會虧損；這表明當 S&P500 指數(shù)期貨與 SPDRs 的相對價格發(fā)生誤差時，都能很快地調(diào)整過來。 Kurov 和 Lasser (2002)研究發(fā)行QQQ 前后 NASDAQ100 指數(shù)期貨市場定價效率是否提高。從事后價格 偏離次數(shù)與事前價格偏離次數(shù)的比較得出， QQQ 上市后確實改善了 NASDAQ100 指數(shù)期貨 市場的定價效率。孫毓徽 (2002)探討DIAMONDs 上市對道瓊工業(yè)平均指數(shù)與期貨兩者間的 價格關(guān)系及道瓊工業(yè)平均指數(shù)期貨定價效率的影響。研究結(jié)論為：DIAMONDs 上市改善了道瓊工業(yè)平均指數(shù)期貨的定價效率； DIAMON

8、Ds 上市后期貨的平均價格誤差縮小，事前偏 離比例和事后偏離比例都明顯降低。張美媛(2003)探討 SPDRs 推出對 S&P500 指數(shù)期貨定價效率的影響，認為整體而言，SPDRs 在 AMEX 掛牌上市后雖然沒有顯著提高S&P500指數(shù)期貨定價的效率，但 SPDRs 發(fā)行后確實改善了期貨價格低估時的定價效率。其次， ETF 的推出能提高標的指數(shù)的定價效率。 Ackert 和 Tian(2001) 利用邊界條件 (boundarycondition )和買賣平價理論(put-call parity)探討 SPDRs 上市前后 S&P 500 指 數(shù)市場的定價效率。實證

9、結(jié)果顯示在忽略交易成本和賣空限制下，股票指數(shù)的實際價格和 理論價格有很大的偏離，但在賣空條件的限制下則沒有偏離。Boehmer( 2003)、 Erenburg和 Tse( 2002)發(fā)現(xiàn) ETF 在紐約交易所上市后降低了市場的交易成本，并提高了市場的交 易效率。Yu,L.(2003)利用多資產(chǎn)方差分解法 (Multi-asset varianee)研究美國的 ETF 在股票市場中的價格形成和信息效率的功能，結(jié)果表明 ETF 的引入提高了標的成份股的定價效 率。最后，ETF 具有價格發(fā)現(xiàn)功能。 Chu, Hesieh 和 Tse( 1999)利用向量誤差修正模型(VECM )探討三個 S&am

10、p;P500 市場(包括現(xiàn)貨指數(shù)、指數(shù)期貨及SPDRs)的價格發(fā)現(xiàn)關(guān)系。實證結(jié)果發(fā)現(xiàn)，期貨市場是領(lǐng)先市場且最具有價格發(fā)現(xiàn)功能，SPDRs 次之，現(xiàn)貨市場處在最后。Olienyk，Schwebach 和 Zumwalt ( 1999)研究 17 種 WEBS 基金、12 個封閉國家基金及 SPDRs的價格關(guān)聯(lián)性。實證結(jié)果發(fā)現(xiàn)它們之間皆有顯著的長期相關(guān)性。Hasbrouck(2003)利用 VEC 模型考察了 ETF 對標的指數(shù)價格形成過程的影響，結(jié)果顯示：在存在小面額期貨合 約(E-minis )的市場中 ETF 對標的指數(shù)價格形成的貢獻很?。欢诓淮嬖贓-minis 的市場中，ETF 對標的指

11、數(shù)價格形成的貢獻很大。Yu,L.(2003)發(fā)現(xiàn)：標的成份股其價格形成過程中的絕大部分信息來源于 ETF 市場，且它們長期的股價波動是由ETF 的交易所導(dǎo)致。唐婉歲(2003)利用協(xié)整檢驗、誤差修正模型和沖擊反應(yīng)分析等方法探討NASDAQ100 指數(shù)現(xiàn)貨、指數(shù)期貨與 ETFs 三個市場間的價格發(fā)現(xiàn)關(guān)系。得出：所有模型都支持ETF 相對于指數(shù)期貨有較好的價格發(fā)現(xiàn)能力、ETF 相對于指數(shù)現(xiàn)貨有較好的價格發(fā)現(xiàn)能力以及指數(shù)現(xiàn)貨和指數(shù)期貨在價格發(fā)現(xiàn)能力上并沒有明顯差異。本文以 50ETF 及其標的成份股為研究樣本，分析50ETF 和標的成份股的價格形成過程。鑒于中國股票市場是比較典型的新興市場,其股票信

12、息的來源、投資者結(jié)構(gòu)及信息擴散模 式與成熟資本市場相比皆有較大的差異,因此本文所得出的結(jié)論可能與成熟市場所得出的 結(jié)論有所不同。理論基礎(chǔ)價格發(fā)現(xiàn)是效率市場的一種表現(xiàn),是一種市場價格反映新信息而變化的過程,即市場 在接受到新信息的同時,資產(chǎn)價格通過市場機制能夠迅速地調(diào)整至均衡價格。由于處在不 同的市場和具有不同的資產(chǎn)特性,各個資產(chǎn)具有不同的價格發(fā)現(xiàn)能力。若該資產(chǎn)在某市場 的價格變動速度領(lǐng)先其他市場,這個市場就具有價格發(fā)現(xiàn)的特性。國外的理論文獻認為,ETF 市場領(lǐng)先于標的指數(shù)市場，并且ETF 具有價格發(fā)現(xiàn)功能，因此ETF 在標的成份股的價格形成過程中有很大的貢獻。以下為價格發(fā)現(xiàn)原因的探討：1交易成

13、本假說。一般而言，投資者會選擇交易成本（包括買賣價差、手續(xù)費）最低的市場進行交易， 在具有相同報酬及其他條件固定的情況下，使得其所獲得的利潤為最大。Stoll 和 Whaley（1990 ）、Chung （ 1991 ）、Abhyankar （ 1995）及 Fleming， Ostdiek，和 Whaley （ 1996）等學(xué)者認為指數(shù)型的衍生性金融商品市場的交易成本比股價指數(shù)現(xiàn)貨市場的交易成本低，投資者會選擇在交易成本低的市場中交易以獲取相對較高的報酬率，因此指數(shù)型的衍生性 金融商品市場領(lǐng)先股價指數(shù)現(xiàn)貨市場?；谝陨系挠懻摚珽TF 市場相對現(xiàn)貨市場應(yīng)該處于領(lǐng)先地位。2交易限制假說。交易限制

14、假說認為相比于現(xiàn)貨市場而言，ETF 市場有較少的交易限制，因此投資者將偏好于在 ETF 市場交易，故 ETF 價格領(lǐng)先于現(xiàn)貨價格。Chu，Hsieh，和 Tse（ 1999）研究S&P500 指數(shù)商品的價格發(fā)現(xiàn)關(guān)系時發(fā)現(xiàn)，由于指數(shù)期貨和SPDRs 的交易限制較少，故指數(shù)期貨和 SPDRs 具有價格發(fā)現(xiàn)的功能。3.市場信息假說。指數(shù)衍生性商品是由多種股票所組成，每種股票的流動性并不一致，且股票指數(shù)的計 算會受到個別采樣股票價格的影響。流動性較低的股票無法在新信息產(chǎn)生時立即反映在股 價上，使得現(xiàn)貨股價指數(shù)也無法立即反映新信息對其應(yīng)有的影響。因此，當市場上出現(xiàn)新 信息時，投資者會偏好以指數(shù)期

15、貨或ETF 進行投機和套利。Subrahmanyam（1991）、Gorton和 Pennacchi（ 1993）、Hegde and McDermott（2003）指出指數(shù)型的衍生性金融商品較能迎合 偏好進行組合投資的投資者，因其逆向選擇的成本遠低于單個股票，而個別股票的風險也 會在投資組合中有效降低或完全分散。下面簡單介紹一下Subrahma nyam 模型：該模型的假設(shè)包括：（1）存在 N 種單個證券和一種一籃子股票（由N 種證券組成），一籃子股票的收益等于所有單個證券的加權(quán)平均；（2）在每個市場中，信息交易者、流動性交易者和做市商都是風險中性者，且做市商按照公平原則定價（即期望利潤為

16、零）；（3 ）市場中存在兩類流動性交易者- 無策略流動性交易者（non discreti on aryliquidity traders）和有策略流動性交易者（ discretionary liquidity traders）。他們之間的區(qū)別 是有策略流動性交易者既可以選擇一籃子股票也可以選擇個股進行交易，而無策略流動性 交易者被限定交易某一證券或一籃子股票；（4）信息交易者的交易策略是利用私人信息獲取利潤，并將利潤最大化。在這個模型中，證券 i 的價值為 Q=S斗+耳ft+備（i=1N），其中S,i是證券 i 在 t 時刻的價值，Pi是共同因素的敏感系數(shù)，是證券 i 在 t 時刻的噪聲。NN

17、N一籃子股票的價值為：SM,t=瓦國tSt4,i+送t幷ft+瓦叫，其中國t是證券 it =1tzit =1在一籃子股票 M 中的權(quán)重。假定信息交易者能在 t-1 時刻擁有ft或魯?shù)乃饺诵畔?。如果交易者擁有的是ft的信 息，則他們在t-1 時刻將觀察到ft- vt，其中var（vt） = ；如果交易者擁有的是；t,j的信 息，則他們在 t-1 時刻將觀察到 備+ut,j，其中vaMutJhBj。Subrahmanyam 基于此建立了一個博弈模型，用于反映知情交易者和不知情交易者(流動性交易者)在一籃子交易中 的特征。在一般情況下，該模型預(yù)測不知情交易者更傾向于選擇交易一籃子股票，并且一 部分擁

18、有特定股票信息的交易者也會進行一籃子交易，所以一籃子交易行為就會降低市場 的信息不對稱水平。 Gorton 和Pennacchi( 1993)也建立了一個類似的模型，得到類似的結(jié)果，認為不擁有信息的交易者為了避免與信息交易者交易而引起的損失，他們就會選擇交 易一籃子股票而不是單個股票。另外，Stoll and Whaley(1990)、Chan(1992)及 Shyy, Vijayraghavan, and Scott-Quinn(1996) 指出當市場上有一新信息宣告時，會在衍生性金融商品市場或股價指數(shù)現(xiàn)貨市場上反映，由于指數(shù)型的衍生性商品價格為一個整體性指標，所以可以及時反映新信息。但因為

19、股價 指數(shù)現(xiàn)貨價格是由一大群股票所加權(quán)計算得出，而并非每只股票的交易都很活躍，以至于 股價指數(shù)現(xiàn)貨價格無法及時反映當時市場上所宣告的新信息。因此，市場信息假說會造成 指數(shù)型的衍生性商品市場的反應(yīng)領(lǐng)先股價指數(shù)現(xiàn)貨市場。在本假說下，ETF 市場有較好的價格發(fā)現(xiàn)能力。研究方法在一個完美的市場中，證券的價格(即有效價格)反映了所有的公開信息。當市場出 現(xiàn)新信息時，證券價格也會相應(yīng)地調(diào)整。另外，市場的不完善(如價格的不連續(xù)、價格調(diào) 整的滯后等)也會引起價格的變動并導(dǎo)致市場價格偏離有效價格。由于我們只關(guān)注價格形 成過程中的信息要素，因此可以采用隨機游走分解技術(shù)分離這兩種效應(yīng)。1考慮 N 種可交易證券：證券

20、 i (i=1 , 2,N)在時刻 t 的對數(shù)化價格 Pt由兩個不可觀測的部分組成：R = mitSit( 1),其中 mit服從隨機游走過程。mit=mitj -2 2(2)，其中EWit=0,Ew；wi，且EWitWi=0對所有to對殘差 項 St有：2 2ESt=0,ES,=聽，且 Sit是平穩(wěn)序列(即Elim & StJ =ESJ二0，其中it是證券 i 在 t 時刻的公開信息集)。Wit代表信息沖擊的持續(xù)效應(yīng)，Sit代表由于市場的不完善所導(dǎo)致的短期效應(yīng)。對于證券 i 來說，信息事件 Vt定義為 t-1 時刻關(guān)于證券 i 的所有公開信息集，不僅包括證券 i 市場本身的信息，而且

21、包括其他市場關(guān)于證券i 的信息。wit反映 t 時刻關(guān)于證券 i 的所有新信息。信息事件Vt的沖擊效果等于EwitVt-EVt|(2)，對 Pit的持續(xù)效應(yīng)(Vit)等于EWitVt-EVt(t4)。我們將 Vt的信息含量定義為Var(Vit)/%( 3)2盡管 m,和 S,都是不可測的，但 %卻是可以計算出來的，因為長期的價格波動是由隨機游走部分來決定的。本文通過VAR 模型將二Wi分解為不同的信息事件。以下給出具體的分解程序：(1) 價格變化的信息含量將信息事件定義為價格變化或收益率。收益率可以表示為：rit三APit=Wt +%$住丄(4)由于序列是平穩(wěn)的，因此rit可以表示為移動平均過

22、程( VMAcd=(L)&t= w=Wt+(1 L)St(5 )其中：甲(L)=甲jLjj?o =l。O0.,* i因 為r(L)三(1 ) L(-1L(6)其中：？(L)“i =0QC* *-八 宇j,所以價格變化可以表示為.：pt珂宇(1) - (1-L)V (L)；t( 7)j土卅從等式(5)和(7)中可得巾二宇(1L)弓*(L)；t二W (1-L)s( 8)等式左右兩邊取 L=1，得：T(1)；t( 9)等式(9)表示了；t對 Apt的長期影響，這說明價格的變動將主要由信息沖擊的持續(xù)效應(yīng)影響，因為對平穩(wěn)序列St的差分將消除它的長期影響。wt的協(xié)方差矩陣為瓦w三Ewtwt =E(

23、1用勺0(1)=普(1應(yīng) 糾(1)( 10)根據(jù)等式(5 )及 VMA 的可逆性得：A(L)Pt(11 ),其中KA(L)=IAjLj, e 表示由于基本面變化所導(dǎo)致的對：pt沖擊。j壬我們根據(jù)方程(11)利用 OLS 方法得到 v ?，然后根據(jù)：(1)=I:2.計算出厲，再根據(jù)w=?(1應(yīng)？(1)( 12)計算出瓦w。根據(jù) Cholesky 因子分解法,e = FF。令e =Fet( 13),則等式(12)可以改寫成w=$(1)!?l甫F(14)因此，證券 j 的收益率沖擊對證券 i 的有效價格的信息含量可以表示為:(2)交易量的信息含量(?(1)F?ij)2二.wii(15)由于價格變化所

24、反映的信息包括公開的和私人的，而交易量所反映的信息經(jīng)常被認為是私人的(因為信息交易者根據(jù)他們的信息優(yōu)勢交易并獲利)。這表明如果我們在VMA方程中同時考慮交易量和收益率兩個變量，則可以將私人信息從所有信息中分離出來，同時交易量的信息含量也可以論證信息交易者的存在。于是，我們將有效價格的方差aW2i分解為與交易量有關(guān)的因素和與交易量無關(guān)的因素，具體分解如下：0其中rtj（L）=送口仆*，口訂=I。兩個沖擊向量ut和vt的均值為 o，且互不相關(guān)，Var（ut）=瓦u，Var（w） =Ev，且EutVt =0。由等式（16）得： P二二n（L）Ut二i2（L）V=口11丄）+（1-LR/LMut+Et

25、i2（L）+（1-L）n；2（L）Vt=Wt +（1 -L）s （17）oOoO；k；其中rtj（L）=E些,丄，口仆一 E 口川。k zz0m土 *ut和 Vt對厶Pt的長期影響可以由等式（17）得到：令 L=1 ,二11（1）Ut二12（1）Vt二Wt （18）Wt的協(xié)方差矩陣為：V wQ11（1廣u二11匸12（1產(chǎn)二12（1）一（ 19）根據(jù) Cholesky 因子分解法，v= CC,令Vt-CVt*（ 20）w：11（1）匸11（1）二12（1）CI匚12（1）C（21）研究樣本本文采用的數(shù)據(jù)為 2005 年 2 月 23 日至 2005 年 5 月 23 日期間 50ETF 和 1

26、0 只標的成份 股的每 5 分鐘價格數(shù)據(jù)。數(shù)據(jù)來源于天相數(shù)據(jù)庫。我們先將上證50 指數(shù)所包含的樣本股按Xt）兩個變量的擴展VMA方程為:伽、fnn（L）JT12（L）仙%丿二1B21（L）,ri22（L）W丿則等式（19）可以改寫為因此，證券 j 的交易量對證券2（匚12（gij）.（22）Sj,xwiii 的沖擊所包含的信息含量為:同時包括收益率（二pt）和交易量（16）市值大小排列，然后采取等距抽樣法來抽取這10 只股票。這樣抽取的好處是可以有效地消除規(guī)模和行業(yè)對統(tǒng)計結(jié)果的影響。選取 5 分鐘的價格數(shù)據(jù)作為本文研究對象的原因有二：（1） ETF 對標的指數(shù)的影響一般只有幾分鐘到十幾分鐘，因

27、此如果用日數(shù)據(jù)就不能真實地反映ETF 對標的指數(shù)價格的實際影響情況；（2）由于 50ETF 上市的時間不長，如果采用日數(shù)據(jù)可能會由于樣本數(shù)量過少 而導(dǎo)致統(tǒng)計上的偏差，而采用5 分鐘價格數(shù)據(jù)就不存在這個問題（總共包括2670 個樣本）。50ETF 和標的成份股的基本情況如表1 所示。從表 1 中可以看出，與樣本股相比，50ETF 的方差小于 10 只樣本股，其價格波動率最低，這與Gorton 和 Pennacchi（ 1993）模型得出的結(jié)論一致 J 同時從 J-B 統(tǒng)計值來看，所有的收益率序列都不服從正態(tài)分布。表 1 50ETF 和標的成份股的基本情況樣本股行業(yè)收益率均值3方差J-B 統(tǒng)計值E

28、TF一-0.0000570.001635245460.3*東風汽車（DFQC制造業(yè)-0.0000770.00408738102.73*福建高速（FJGS交通運輸0.0000210.00358123830.47*民生銀行（MSYH金融保險-0.0000940.00517101000000*清華同方（QHTF信息技術(shù)-0.0001150.0059918904990*山東基建（SDJJ）社會服務(wù)0.0000020.003042176111.6*上海貝嶺（SHBL制造業(yè)-0.0001480.00443142445.28*上海石化（SHSH制造業(yè)-0.0000970.0036694707.575*天津港

29、（TJG）交通運輸0.0000030.0037014936.601*武鋼股份（WGGF制造業(yè)-0.0000980.0035282400.539*中國聯(lián)通（ZGLT信息技術(shù)-0.0001020.0032012630.573*注：*表示在 5%的置信度下，收益率序列顯著拒絕服從正態(tài)分布的假設(shè)。實證結(jié)果在這一部分，筆者將利用上一節(jié)所討論的方法來分析50ETF 和標的成份股價格形成過程中的信息要素。為了觀察 ETF 交易如何影響標的成份股的價格，我們必須首先定義信息集。從經(jīng)濟學(xué) 角度來看，投資者的信息集包含不同證券的歷史價格，其中包含公開信息和某些私人信 息。某個證券價格的非預(yù)期變化反映了新信息的到來

30、，從而投資者的信息集也隨之更新，其他證券的價格也隨之調(diào)整。從統(tǒng)計學(xué)角度來看，用來預(yù)測未來價格變化的收益率變量應(yīng) 該包含在 VAR 模型中。因此，為了估計 ETF 和標的成份股價格變動的信息含量，等式（11 ）中 VAR 模型中的收益率向量有 11 個組成部分：.:pt=：ptET：p；5tock，其中.-：ptstock是由 10 只標的成份股的收益率向量組成。VAR 模型使用模型中所有當期變量對所有變量的若干滯后變量進行回歸。它用來估計 聯(lián)合內(nèi)生變量的動態(tài)關(guān)系，而不帶有任何事先的約束條件，能夠較好地解決變量內(nèi)生性問 題。在建立 VAR 模型之前應(yīng)該先確定最大滯后期K。4所以，本文在建立 VA

31、R 模型之前，先采用 AIC 統(tǒng)計量來確定 K 值。由于 K=4 時 AIC 統(tǒng)計量最小，因此該滯后變量是VAR 模型的最大滯后變量。在建立 VAR 模型前， 必須先考慮各變量是否平穩(wěn)， 因此我們先對所有變量進行單位根 檢驗。 根據(jù) ADF的檢驗結(jié)果，所有的價格收益率序列都拒絕了單位根過程（因篇幅限制， 圖表略），因此我們可以用VAR 模型來進行回歸。表 2 反映的是 ETF 和 10 只標的成份股的價格變化的信息含量。在10 只樣本股的價格形成過程中：（1） 自身價格變化的信息含量最高，比例都在60%以上， 最高的達到 91.50%， 平均 為 80.62%（對角線的數(shù)據(jù)）。（2） ETF

32、價格變化的信息含量其次，比例在3.65%-27.30%之間，平均比例為 13.56% （第一列的數(shù)據(jù)）。（3）其他標的成份股價格變化的信息含量很少，幾乎可以忽略，即使是同一行業(yè)的標 的成份股也不例外。在 ETF 的價格形成過程中（第一行的數(shù)據(jù)）：（1） 自身價格變化的信息含量最高，比例高達96.97%。（2）標的成份股的價格變化的信息含量很少，幾乎可以忽略，最高的不超過0.8%，且各行業(yè)之間并不存在差異。表 2 價格變化的信息含量Sj(%ETFDFQC FJGSMSYH QHTFSDJJSHBLSHSHTJGWGGF ZGLTETF96.970.160.050.830.130.190.200.

33、490.100.720.17DFQC 7.2791.500.000.170.180.210.030.280.170.180.01FJGS7.650.2690.730.050.030.290.170.510.060.200.06MSYH16.902.030.1180.320.060.030.080.120.180.090.08QHTF3.652.080.684.4588.340.060.160.020.350.200.02SDJJ12.150.201.600.212.4882.680.180.220.030.110.14SHBL15.091.130.114.5111.451.0266.060.4

34、10.170.050.01SHSH27.300.350.140.570.101.190.7869.030.010.480.04TJG11.100.160.250.780.320.980.581.7083.900.120.10WGGF16.610.220.470.150.451.380.521.220.7377.920.33ZGLT17.921.260.101.790.860.420.261.060.120.5175.71從以上的實證結(jié)果可以得出：在標的成份股的價格形成過程中，主要的貢獻來源于自身市場的信息，其次是 ETF 市場的信息，其他標的成份股市場對其影響很小。而在ETF 的價格形成過程中

35、，絕大部分的信息來源于自身市場的價格變化，標的成份股市場對其影響 很小。這說明ETF 在標的成份股價格形成過程中的貢獻較大，而標的成份股在ETF 價格形成過程中的貢獻很小。這一結(jié)論與YU,L. （ 2003）的結(jié)論一致。雖然我國 ETF 在標的成份股價格形成過程中的貢獻較大，但是這一比例卻遠遠低于美國的 SPDR 對其標的成份股價格的影響。YU, L.（2003）在研究美國的 SPDR 和標的成份股價格變化的信息含量時發(fā)現(xiàn)，平均來說，SPDR 對標的成份股價格形成的貢獻率高達50.38%，這一比例遠遠高于我國的13.56%。5為了進一步考察信息對股票價格的影響，我們又在VAR 模型中加入了交易

36、量的變量。表3 反映的是交易量的信息含量。由于篇幅有限，表3 只列出了 50ETF 的交易量在證券 i 的價格形成過程中的貢獻（SETF,x）以及自身的交易量在證券i 的價格形成過程中的貢獻（Si,x）。從表中我們可以看到，我國ETF 成交量所含的信息量很少，最高的也只占0.39%,這一比例同樣低于美國SPDR 交易量的信息含量（平均值為8.97%）。表 3 交易量的信息含量(%)ETFDFQC FJGSMSYH QHTFSDJJSHBLSHSHTJGWGGF ZGLTSETF,x0.300.170.180.190.210.140.300.100.100.190.39Six2.611.542.

37、521.900.842.702.082.661.493.512.29原因分析1由于我國 ETF 上市時間不長，大部分投資者(特別是中小投資者)對ETF 的認識還不是十分清楚；同時證券市場的投機氣氛濃厚，短線投機的中小投資者占絕大多數(shù)，對于 ETF 這樣的指數(shù)基金興趣不大；另外50ETF 推出后股市長期處于熊市，從而導(dǎo)致投資50ETF的收益率不高，這些因素導(dǎo)致ETF 的交易并不活躍。我們從圖1 便可以很清楚地看出這一點。這說明 ETF 并沒有將投資者從標的成份個股的交易轉(zhuǎn)移到ETF 的交易上。根據(jù)Subrahmanyam 模型，無策略流動性交易者越多地參與一籃子股票交易，一籃子股票的逆向 選擇風

38、險就會越低，標的股票的總逆向選擇風險就會越大；反之，如果無策略流動性交易 者越多地交易標的股票而不是一籃子股票，則一籃子股票的低逆向選擇風險的優(yōu)勢就會消 失。由于 ETF 交易的不活躍，從而導(dǎo)致 ETF在標的成份股價格形成過程中的貢獻較小。62. 從套利角度來看，由于套利成本的存在(主要包括交易成本、沖擊成本和延時成本)，市場上的套利機會并不多(這在我們目前的市場中就已經(jīng)得到驗證7),從而導(dǎo)致 ETF 對標的指數(shù)價格的影響大打折扣。同時我們也看到，ETF 上市以來多數(shù)時期都處于溢價狀態(tài)(見圖 2),也就是說投資者可行的套利方式是投資者先買進一籃子與標的指數(shù)成份股幾乎相同的股票在一級市場換取ET

39、F 份額，然后在二級市場以高于份額凈值的價格賣出所換取的 ETF 份額，賺取差價。長期只存在這種單邊的套利方式，也會影響ETF 的價格發(fā)現(xiàn)功能。83. 我國證券市場沒有相應(yīng)的股指期貨交易。Chu, Q.C(2002)在研究 S&P500 指數(shù)市場的價格發(fā)現(xiàn)功能時發(fā)現(xiàn)股指期貨承擔了主要的價格發(fā)現(xiàn)功能。Hasbrouck (2003)和Yu,L.(2003)研究美國的 ETF 發(fā)現(xiàn)：在沒有股指期貨相對應(yīng)的行業(yè)SPDRs( Sector SPDRs )的市場中，SPDR 對標的成份股的價格形成過程貢獻很小。由于我國的股指期貨交易還沒有推出，可能將影響到 ETF 的價格發(fā)現(xiàn)功能。至于 ETF

40、股指期貨和標的指數(shù)之間的影響機制， 目前還沒有系統(tǒng)的理論，有待于進一步的研究。4. 從交易制度來看，美國的 SPDR 實行的是做市商制度，而我國的ETF 實行的是競價交易制度。前者也稱為報價驅(qū)動制度” ( quote-drive n )，是指證券交易的買賣價格由做 市商給出，買賣雙方的委托不直接配對成交，而是從市場上的專門的做市商手中買進或賣 出證券。后者也被稱為“委托驅(qū)動制度” ( order-driven ),其根本特征是證券交易價格的 形成是由買賣雙方直接決定的，投資者交易的對象是其他投資者，無需通過中介者介入。與競價交易制度相比，ETF 的做市商負有提供和維持市場流動性的責任和義務(wù)，同

41、時他們可 以利用自己的信息優(yōu)勢進行交易。由于做市商在市場中的特殊地位而享有一定的信息優(yōu)先 權(quán)，如掌握著未成交委托單的報價和數(shù)量，全面享有買賣盤記錄，了解止損委托的數(shù)量和 價格等等，從而擁有了估計證券需求狀況及價格走勢的一個重要信息來源。這使得美國 SPDRs 的成交量在其標的成份股的價格形成過程中貢獻較大。圖 1 50ETF 的日成交額(元)及換手率(%5 0 5 0 5 01200000000100000000080000000060000000040000000020000000092 -52 -22 -1Z -7 -5 -39.37.33.3成交額 換手率圖 2 50ETF 的折溢價率注

42、釋1本文采用的是 Hasbrouck (1995)所提出的價格發(fā)現(xiàn)方法(Price discovery methodology )-多資產(chǎn)方差分解法。2該模型認為，ETF 作為一種組合證券，其方差小于標的成分股的方差，因而將增加流動性交易者的預(yù)期 福利。3如果某時刻某只股票沒有發(fā)生交易而別的股票發(fā)生了交易，則令該只股票該時刻的收益率和成交額為0。4因為如果 K 太小，誤差項的自相關(guān)有時很嚴重，會導(dǎo)致被估系數(shù)的非一致性，所以增加K 來消除誤差項中存在的自相關(guān)。但是，K 又不能太大，因為 K 太大會導(dǎo)致自由度減少，并直接影響被估參數(shù)的有效性(張曉峒,2000)。5為了檢驗結(jié)果的可靠性，筆者又采用了

43、每1 分鐘和每 10 分鐘的價格數(shù)據(jù)，并重復(fù)以上的過程，發(fā)現(xiàn)結(jié)果并沒有多大的差異?！?Yu, L.通過研究美國的 ETF 發(fā)現(xiàn)，交易活躍的 ETF 在標的成份股價格形成過程中的貢獻很大，但交易不 活躍的 ETF 在標的成份股價格形成過程中卻沒有多大貢獻。7圖 2 是 50ETF 的折溢價率，50ETF 上市以來的近 12 周中的最高折溢價率為 0.73%，最低折溢價率為- 0.75%，平均折溢價率為0.098871% ;高頻數(shù)據(jù)顯示， 50ETF的實時折溢價率基本維持在土 0.5%以內(nèi)， 測算 的26681個折溢價率中有98.37%的比例處于該區(qū)間。而在SPDR 勺折溢價率歷史數(shù)據(jù)中，只有4%

44、的數(shù)據(jù)超過了 35 個基點(Poterba 和 Shoven，2002); DIAMAN和 QQQ 勺折溢價率也很小，大部分在20 個基點以內(nèi)(Engle 和 Sarkar，2002)。與國外的 ETF 相比較，50ETF 較高的折溢價率說明套利機制并沒有有效地 發(fā)揮作用。8從國外成熟市場的發(fā)展來看，ETF 的折溢價現(xiàn)象是共存的，不存在單邊折價或單邊溢價市場。參考文獻：1 Ackert,L.F. and Y .S.Tian.(2001) ,Efficiency in Index Options Markets and Trading in Stock Baskets,Journal of Ba

45、nking and Finance ,25,1607-16342 Boehmer, Ekkehart, and Beatrice Boehmer, 2003, Tradi ng your n eighbors ETFs: competiti on offragmentation? Journal of Banking and Finance , forthcoming.3 Bollerslev, 1986, Gen eralized Autoregressive Con diti onal Heteroscedasticity. Journal of Econometrics, 33,307-

46、327.4 Bollerslev, T., Chou, R.Y., and Kroner, K. F.,1992, ARCH Modeling in Finance: A Review of the Theoryand Empirical Evide nee, Journal of Econo metrics , 52,5-59.Brown, Warner, 1985, Using Daily Returns, Journal of Financial Economics , 14:3-316Chou, R.Y., 1988, Volatility persistence and stock

47、valuations: Some empirical evidence usingGARCH, Journal of Applied Econometrics , 52, 1-2, 201-2047 Cha ng, E., Chou, R.Y. and Nelli ng, E., 2000, Market Volatility and the Dema nd for Hedgi ngin Stock Index Futures, Journal of Futures Markets , Volume 20, 2, 105-1258 Chu, Que ntin C., Wen-lia ng Go

48、rd on Hsieh, and Yiuma n Tse, 2002, Price discovery on the S&P 500in dex markets: An an alysis of spot in dex, in dex futures and SPDRs, Intern ati onal Review of FinancialAnalysis 8, 21-34.9 Eren burg, Grigori, and Yiuma n Tse, 2002, Competiti on for order flow, market quality, and pricediscove

49、ry in the Nasdaq-100 In dex Track ing Stock, Worki ng paper, Uni versity of Texas.10 French , Roll,1986, Stock Retur n Varia nces: The Arrival of In formation and the Reaction of Traders,Journal of Financial Economics ,17:5-2611 Hasbrouck, Joel, 2003, In traday price formati on in the market for U.S

50、. equity in dexes, Journal ofFinance , forthcoming.12 Harris, Lawre nee E., George Sofia nos, and James E. Shapiro, 1994, Program tradi ng andintraday volatility, Review of Financial Studies 7, 653-85.13 Kawaller, Ira G., Paul D. Koch, and Timothy W. Koch, 1987, The temporal relatio nship between S&

51、amp;P500 futures and the S&P 500 index, Journal of Finance 42, 1309-1329.14 Kurov A.A. and D.J. Lasser(2002), The Effect of the In troduction of Cube on the Nasdaq-100Index Spot-Futures Pricing Relationship, ” Journal of Futures Markets, 22(3),197-21815 Lo, A. and A. MacKi nlay, 1988, Stock Market Pr