流動性信息與資產(chǎn)收益：基于非參數(shù)模型的分析

目錄

摘要.............................................................................................1

1.背景分析...................................................................................1

2.流動性的非參數(shù)求解........................................................................3

3.非參數(shù)建模、估計方法與檢驗...............................................................4

3.1.模型建立與估計.......................................................................4

3.1.1.流動性信息對預期收益沖擊的非參數(shù)定向加權法....................................5

3.1.2.變系數(shù)部分線性模型及估計.......................................................5

3.1.3.變系數(shù)部分線性模型的檢驗.......................................................7

4.數(shù)據(jù)與模型結(jié)果分析........................................................................8

4.1.數(shù)據(jù)說明與描述.......................................................................8

4.2.模型估計結(jié)果及分析...................................................................9

4.2.1,定向加權部分的結(jié)果及分析.......................................................9

4.2.2.變系數(shù)部分線性模型的估計、檢驗和bootstrap模擬................................10

4.3.模型討論.............................................................................13

5.小結(jié)與建議...............................................................................13

參考文獻.......................................................................................15

附錄............................................................................................16

摘要

本文首先從全新的角度給出市場深度指標的求解方法，分別從定向加權和變系數(shù)部分線性

模型的視角檢驗流動性信息的預測能力，并應用于我國股票市場每日收益率的研究，得出四點

判斷：1、通過非參數(shù)方法求解得到的指標值具有顯著的平穩(wěn)性。2、流動性信息的時變性對股

票市場存在顯著的非線性沖擊，而且流動性信息的持續(xù)性變化與收益之間存在負向關系，并發(fā)

現(xiàn)股票收益分布具有多峰性的特點。3、得到和經(jīng)典資產(chǎn)定價模型相同的結(jié)論，即市場綜合指

數(shù)對個股具有顯著的影響。4、模型驗證了流動性信息通過波動性將信息非線性傳導給投資者

的假設，伴隨著流動性信息的時變性，投資者所得到的風險補償也具備時變性，但由于市場不

夠透明、信息不對稱，流動性信息并不能全部傳導給投資者，或者在之前由于信息的外漏，原

本的流動性信息傳導路徑也可能會被誤導。5、通過實際數(shù)據(jù)的驗證，我們所建立的變系數(shù)部

分線性模型能夠較好的解釋流動性信息的傳遞，也為我們以后的實證研究提供了一個估計和檢

驗流動性信息傳導和時變型風險補償?shù)男路椒ā?/p>

關鍵詞：流動性信息市場深度定向加權變系數(shù)部分線性模型波動性

1.背景分析

自從證券市場誕生以來，預測資產(chǎn)回報一直是人們關注的焦點之一。Fama(1970)提出，資產(chǎn)

回或可預測性被分為基于過去回報信息的“弱形式(weakform)"可預測性和基于過去公開信息

的“半強形式(semi-strongfonni"可預測性。其中，弱形式可預測研究探討回報的序列依賴性，

這種序列依賴性也可捕獲期望回報的可預測變化；半強形式可預測研究使用其它公開可得的滯

后變量作為工具(instrument)變量,詳見文獻為0]<,

不過，滯后工具變量的預測能力仍存在爭議，這是因為研究者認為所度量的預測關系可能

是偽關系(spurious)①，為了辨別這些預測關系的真?zhèn)?，在資產(chǎn)回報預測方面，研究者通常采用

條件資產(chǎn)定價檢驗方法，和自回歸條件異方差檢驗(Engle,1987),這兩種方法的優(yōu)點在于，它

們可以解釋條件變量所捕獲的股票回報可預測變化，即解釋條件變量為什么具有預測能力，從

而在條件變量和可預測股票回報之間建立了相依關系。所不同的是，條件資產(chǎn)定價檢驗是針對

預期收益率(一階矩)的角度進行估計和預測，而Engle提出自回歸條件異方差理論以后，突破

了這一局限，將預測拓展到波動性預測(即二階矩)。但上述兩種方法的建模均是參數(shù)模型，對

模型的靈活性有所限制，基于此，本文嘗試將二者的優(yōu)點結(jié)合起來采用更具靈活性的非參數(shù)模

型展開分析，并對模型的有效性進行檢驗。考慮到信息變量在預測中重要性，本文將流動性信

息的滯后變量考慮進模型中，對流動性信息的重要性將在下面簡要分析。

流動性是指能夠以較低的交易成本即時完成交易指令、同時對市場價格影響較小的交易能

①

FcrsonsSarkissian和Simin(2003)指出預測回歸中存在多種統(tǒng)計偏差。

力，如果一種資產(chǎn)和現(xiàn)金能夠以較小的交易成本迅速相互轉(zhuǎn)換，該資產(chǎn)就具有流動性，從流動

性的定義上我們完全有理由認為，流動性信息是市場調(diào)節(jié)機制中重要的影響變量，自從

Amihud(2002)以來，研究者就意識到流動性可以解釋資產(chǎn)回報隨時間的可預測變化,如果今天

的一個沖擊使流動性下降，那么，投資者會預期隨后階段的流動性也較低，這將導致今天的價

格下降，從而使其期望回報升高。因此，流動性的持續(xù)性隱含了回報和流動性之間具有負向關

系。

但到目前為止，研究者仍沒有結(jié)合使用條件資產(chǎn)定價模型和自同歸條件異方差模型檢驗流

動性的預測能力。條件資產(chǎn)定價理論和條件異方差理論實際上都是使用條件矩來描述資產(chǎn)的價

格行為，其實證研究一般依賴理性預期假設，即數(shù)學上的條件期望。而在隨機折現(xiàn)因子框架下，

條件模型和無條件模型的差異主要在于前者考慮了回報條件矩的時變(time-variation),即隨機折

現(xiàn)因子中的參數(shù)將依賴于投資者對未來回報的預測。這意味著研究者所采用的信息集能否代表

投資者預期，是研究者所采用模型好壞的決定因素之一。

在眾多流動性的研究中,關于流動性與資產(chǎn)定價關系的研究是一個重要的分支。在這一領

域最重要的問題就是流動性是否是決定資產(chǎn)價格的一個因子，即流動性是否對資產(chǎn)回報有重要

的影響。國內(nèi)外學者對其已有大量的研究，其中，AmihudandMendelson。986)用買賣報價差(bid-ask

spread)度量流動性研究了1961年至1980年間NYSE(紐約證券交易所)中流動性與股票回報和價

格的關系，發(fā)現(xiàn)流動性與股票回報呈現(xiàn)出顯著的負相關，結(jié)果與流動性溢價理論一致。Datars

Naik和Radcliffe。998)以換手率作為流動性指標，以NYSE非金融類的上市公司作為樣本，利用

1962年7月至1991年12月的數(shù)據(jù),檢驗Amihud和Mendelson。986)模型，結(jié)果表明流動性對股

票收的解釋力起著顯著的作用。Lode?andRoth(2005)用瑞典股票市場的數(shù)據(jù)研究二者的關系時

也支持DalarelaL的觀點，他所用的度量流動性的指標是買賣報價差。

國內(nèi)關于流動性的研究有王春峰等(2002)使用Amihud(2002)的非流動性指標ILLIQ分別在橫

截面和時間序列上檢驗上海股市流動性與收益的關系，結(jié)果表明在橫截面上和時間序列上，當

排除政策影響后，ILLIQ與股票收益顯著正相關，否則兩者沒有任何顯著關系，李一紅和吳世

農(nóng)(2003)的實證研究也得出了類似的結(jié)論，蘇冬蔚、麥元勛(2004)以換手率衡量流動性，運用

橫截面回歸方法證實了我國股市存在顯著的流動性溢價，并旦產(chǎn)生流動性溢價的原因主要是交

易成本。最近的研究中，復旦大學的張曉蓉等(2007)使用超高頻數(shù)據(jù)，并利用流動性深度指標,

研究流動性的動態(tài)特征、影響因素以及檢驗市場微觀結(jié)構理,結(jié)果表明在信息不對稱條件下耐

心交易可以降低交易成本從理論上說，股市存在流動性溢價現(xiàn)象(LiquidityPremium)。

而在上述的眾多流動性與資產(chǎn)定價的研究中，流動性都是被看做是一種系統(tǒng)風險，進而從

截面的角度研究流動性溢價現(xiàn)象，而將流動性做為信息因素并從時間序列的角度檢驗其預測能

力的研究，國內(nèi)外學者尚鮮有研究，國內(nèi)只有閆東鵬(2006)采用條件資產(chǎn)定價模型做了相關的

研究，這也是本文的研究重點。

本文的創(chuàng)新之處在于：1、對Back(l998)的流動性市場深度給出非參數(shù)求解。2、分別從定向

加雙和變系數(shù)部分線性模型的視角檢驗流動性的預測能力。

其余部分的結(jié)構如下：第二部分給出流動性市場深度求解方法；第三部分詳細闡述本文的

經(jīng)驗分析方法，包括構建符合我國股市實際情況的理論假設和實證模型；第四部分給出模型的

估計和檢驗及bootstr叩模擬；最后對全文進行總結(jié)。

2.流動性的非參數(shù)求解

從流動性的定義看出可見，流動性實際包含了四個內(nèi)容:交易成本、交易速度、交易數(shù)量、

價格彈性，由此可引出流動性的四維:交易速度、市場寬度、市場深度、彈性。交易速度指證

券交易的即時性，即投資者的交易愿望得到立即執(zhí)行的程度；市場寬度通常用買賣價差來衡量,

反映了交易者因成交價格偏離真實價格而遭受的損失；市場深度衡量了在特定價格或價格范圍

內(nèi)可以交易的數(shù)量；彈性衡量了大額交易導致價格偏離后，價格恢復到均衡價格的速度。交易

速度越快、買賣價差越小、市場深度越大、以及彈性越大，則市場流動性越好。

張曉蓉(2007)指出，流動性的四維之間可能存在矛盾c如在做市商市場中，常用買賣價差來

度量流動性，但這一指標僅能反映低交易量市場中的寬度，而大額的交易指令則常常不能有效

執(zhí)行。對于市場的重要參與者--機構投資者，因其調(diào)整投資組合的需要，常需進行大額交易，

可能導致對價格產(chǎn)生沖擊，從而被迫承擔大的交易成本。Back(1998)指出，市場的深度是時變的，

且是一個可以預測的變量，那么流動性深度不管對預測機構投資者還是普通投資者的預期就顯

得非常重要。

Back在凱爾(Kyle,1985)的基礎上給出指令驅(qū)動交易機制下的流動性市場深度指標，在布朗運

動等假設成立的前提下，Back推導出：

則市場深度即,)，)可以表示為：即,y)=p(f,y)=lim迎''十/二曲豆.

cy4v->oAy

而關于〃[,)，)的求解，Back給出了市場深度的隱式偏微分方程：

y)=+〃比”,0,4)0(2)

關于⑵式的推導詳見文獻⑹，通過⑵式對求解的算法關系到計算量和實際應用的

可行性。一般較常見的方法是用偏微分方程直接去尋找價格關于交易量的可導函數(shù)。但是在價

格與交易量構成的復雜動力系統(tǒng)里，試圖得到一個確定的價格關于交易量的函數(shù)形式，需要附

加許多嚴格的條件，通常資產(chǎn)價值服從布朗運動，誤差項服從正態(tài)假設是不能缺少的。然而這

些假設在實際情況中是很難滿足的，即使這些條件得以滿足，(2)式也只能通過數(shù)值計算給出

求解，這種方法給計算帶來很大的不便①。這樣也就使得Back的指標不能直接應用到實際證券

市場的流動性度量中。

受目前在概率統(tǒng)計理論上尚處于研究前沿的非參數(shù)理論的啟發(fā)，本文采用非參數(shù)估計給出

Rack(1998)推導出市場深度與價格和成交量之間的關系的微分方程表示，但在常規(guī)方法下很難給出數(shù)值解，不文給出非參數(shù)

方法下的求解方法。

價格關于時間和交易量的平滑函數(shù)，而平滑函數(shù)具有連續(xù)可導性的良好性質(zhì)，而以，,），）為價格

對于成交量的一階偏導數(shù)，問題迎刃而解。關于求解，我們采用局部多項式方法（FanandGijbels,

1996）對⑴式進行估計，那么基于交易量上和時間I的股價化的關系可以表示為：

yl）=E（pl=yj+4.（3）

則函數(shù)〃?億》）在為）點的鄰域泰勒展開得:

/、，、、

機?，，）*MG，凡）+wdm。/一。）+——dm（,）',一K）.

OIV

三00+化”一，0）+（）',一兒）

則最小化（3）式的殘差有：

月）

其中，K（*）為核函數(shù)，采用Epanechnikov核，：K（/?）=0.75（1-|人”，4也為平滑窗寬，令

伙Z幾）=?，4?）'，7-兒千,當干，8=由陰（%也），求解⑷

/他I4?2J

式可容易得到：

一—幾）=或3加0,兒）

=.argmin（P-X尸（-））W（P-、￡（"一）

=《3（XWX）-iXWP

其中，看3=（0,0，1）'，x表示一個7x3階矩陣，其第i行為（1用-加％-幾），P=＞，

W=圓雙七（八T。,%,則2&,%）數(shù)值大小刻畫了瞬時交易量引發(fā)瞬時價

格的變化程度，該數(shù)值的絕定值越小，意味著市場流動性越好。

3.非參數(shù)建模、估計方法與檢驗

3.1.模型建立與估計

本部分試圖從兩個角度分析流動性信息與股票收益率之間的關系：第一、從收益分布的視

角，即通過非參數(shù)定向加權方法分析流動性信息對預期收益的沖擊作用；第二、建立變系數(shù)部

1文中非參數(shù)部分核函數(shù)的選擇均采用Epanechnikov核。

分線性模型具體分析二者的非線性關系。

3.1.1.流動性信息對預期收益沖擊的非參數(shù)定向加權法

設Xi，%,...,X”為金融資產(chǎn)收益率的觀測值，則金融資產(chǎn)收益分布核估計的基準模型

(Benchmarkmodel)用5)表不:

x-Xj(5)

h

其中，h為窗寬,K（*）是核函數(shù)。（5）式中收益分布的估計是基于收益的歷史觀測值,

在考慮流動性信息因素后，也就是考慮基于流動性因素的條件收益分布，模型⑸可以改進為52：

]nX—X,LIQ-LIQ，

力(x,X,LIQ)hh

S2:fn(x,X\UQ)=

A（LIQ）AfLIQ-LIQ/

h

LIQ-LIQ,LIQ-LIQ,x-X,

其中：LIQ表示流動性因素，K。K

h=&hh

LIQ-LIQ,

令：例二=一

(LIQ-LIQ\

j=i'〃J

則S,可以表示為:

x—Xj

fn(x，x,。)=力&,X|LIQ)=ZW?TK(6)

~h~

j=l

由（5）和（6）可以計算出在流動性信息加權前后的期望收益差（記為△產(chǎn)）,以表示流動

性信息對預期收益總體的沖擊效果：

1n?_?1n《一q

Ad=）-E（rw）=（.9—XK（—-Js—ZW~Bds(7)

D,=]hph,=jh

其中，石⑵）為基準核密度條件下的期望收益，石仇,）為流動性加權后的期望收益，D和E

均為收益率的取值空間，如果Ad<0則表明，總體上，流動性對預期收益會產(chǎn)生負向的沖擊。

3.1.2.變系數(shù)部分線性模型及估計

結(jié)合條件資產(chǎn)定價模型和自回歸條件異方差模型的結(jié)論，我們考慮如下條件預期方程:

其中，心為第i個資產(chǎn)的預期收益，是投資者用來預測&的條件信息集，研究者不能觀

察到投資者的完備信息集4,但由條件資產(chǎn)定價模型和芻回歸條件異方差模型所得到的結(jié)論,

我們?nèi)菀字?，證券的收益不僅受到該證券過去價格的影響還要受到其他相關證券過去價格的

影響（歸結(jié)為受過去的市場證券組合收益率的影響），以及價格波動性和流動性信息沖擊的影

響，即可以壓縮信息集為：/小片"',/聞,?）.為此我們設：

E匕ilD=EG+W/Jiq；d).

其中，廣為t期的市場組合收益，的:為t期的流動性信息，用第二節(jié)給出的市場深度指標

代替，為方便實證檢驗我們用收益的二階矩代替波動性（。；）,考慮到模型的靈活性和穩(wěn)健性，

對⑼式的計量模型我們采用非參數(shù)模型進行擬合，另外由于（9）式涉及的變量較多，為避免非

參數(shù)模型的“維數(shù)禍根”以及基于市場深度的時變性，另外，流動性信息對資產(chǎn)價格的影響可

能不是直接的，而是通過波動間接影響到產(chǎn)出資產(chǎn)價格的或其本身對資產(chǎn)價格是一種非線性沖

擊，故我們可以建立如下模型：

d=用（/說」）+打心+優(yōu)（間_＞六十四"+==1，…,N）.（10）

而關于模型和變量選擇的有效性我們將在后面給出檢驗，對（10）式的估計采用剖面最小二

乘法（ProfileLeast-Squares）技術，首先對（10）式做移項調(diào)整得：

泊(4)"=1,...,丁

其中x,=（1,△丫，%=也，。=（。°小，。=電,伊，4—

將｛〃（，），，=L-.，2｝在〃（）鄰域泰勒展開得：

的)v?(如)+Pi(%)(〃一%)三q+"(w-w0),i=1.2.

對《和4極小化下面加權核式:

破％,/2)=argniin{J(M0,/?)},

其中,

j（〃o，〃）工日一，｛《+e（勺-〃o）｝x力

由最小二乘理論，我們得到

伙〃。，〃)=(4%%尸%%￡_ZJ)(15)

記M=(/(⑷與…/傷沖》且則模型(10)可以重寫為：

r—Z，=M+c(16)

使用(16)可得M的估計為，

M=S(r-Z0)(17)

將必代入(16)式且利用最G二乘方法得到

0={Z\I-S)\I-S)Z}~1Z\I-S)'(/-S)r.(18)

其中，5=(8，。)，。〃0，〃)=聞/)4(/)，她(%)，柩(旬)]'，」=也向，「=&,..”/%表示一個

7x4階矩陣，且其第i行為(X：,%二&X；),s表示一個7x7階矩陣其第i行為

h

((X；0；)(%%%)%叱“)，叱=必麗{/(%-〃),...陽(叼j)}/，Z=(Z1,...,ZJ,。2是2x1的向量，

/是TxT階單位矩陣，可用交叉核實(Cross-validation)法選取窗寬h①。

3.1.3.變系數(shù)部分線性模型的檢驗

為檢驗模型和變量選擇是否有效，本節(jié)給出檢驗推斷方法。實際檢驗實際上可以轉(zhuǎn)化為檢

驗關于模型(10)的兩個假設：S1、可變系數(shù)部分是否依賴于流動性信息變量的變化；S2、線性

部分系數(shù)是否顯著。為此我們分別建立兩組假設：

”0[用(*)=A，笈(*)=々(19)

尸=00=0(20)

如果(19)式成立，我們有理由認為，流動性信息作為資產(chǎn)收益的預測的信息集的理由是

非充分的，此時，波動性對收益預期只存在線性影響，否則，我們將有理由認為流動性信息通

過波動性對資產(chǎn)收益預期產(chǎn)生非線性的沖擊作用。同理，(20)式的成立與否關系到資產(chǎn)自身

價格與市場價格對預測是否產(chǎn)生影響。

(19)、(20)式的檢驗是半?yún)?shù)對半?yún)?shù)檢驗問題，對于此類檢驗，常用的似然比(likelihood

而⑹檢驗并不適用，主要因為模型(11)中的未知函數(shù)注⑴的非參數(shù)最大似然估計不存在，合理

的檢驗方法是把力(*)的估計放寬至任何合理的非參數(shù)估計，從而再構造檢驗統(tǒng)計量。此類檢

驗統(tǒng)計量的構造由Fan(2001)等提出的廣義似然比檢驗(GLR)求得，記RSS；為零假設條件以下對

應模型的殘差平方和，RSS：為其備擇假設條件下模型的殘差平方和。同樣，記RSS；為零假設

條件從2下對應模型的殘差平方和，RSS：為其備擇假設條件下模型的殘差平方和，則由廣義似

然的定義，分別得到和下所對應的統(tǒng)計量GLR〃和PLR.如下：

文中窗寬的選擇均采用交叉核實(Cross-validation)法。

」(塔)

GL&l°g(21)

"2°RSS：

PLR/log(駕

(22)

"2?RSS；

Fan等認為此類GLR檢驗適用于許多模型及大量的非參數(shù)對非參數(shù)和參數(shù)對非參數(shù)的檢驗

問題，而且在原假設條件下GLR檢驗統(tǒng)計量漸近服從具有尺度常數(shù)(scaleconstant)與自由度獨立

于討厭參數(shù)(nuisanceparameters)的丁?分布，這一現(xiàn)象被稱為Wilks現(xiàn)象，并且方便了GLR檢驗統(tǒng)計

量的應用。因此統(tǒng)計量中的臨界值(criticalvalue)可以由漸近分布或模擬方法得到，文獻111」給出

了用模擬法得到的結(jié)果更精確的驗證，鑒于此，本文檢驗統(tǒng)計量的p值將通過非參數(shù)條件自助

法模擬(conditionalbootstrap)得到。關于漸進分布的證明見文獻［11］、［12］。

4.數(shù)據(jù)與模型結(jié)果分析

4.1.數(shù)據(jù)說明與描述

通過CCER數(shù)據(jù)庫從滬市非ST股中隨機選取20支股票，時間跨度為2000年12月19日

至2008年12月31H,共1850個觀測值，為方便記錄，后面的分析均采用股票代碼，數(shù)據(jù)處

理時，每支股票的日收益率為：凡-1)x100%,市場收益率的計算采用上證綜指，

定向加權部分的分析采用數(shù)據(jù)金融板塊、交通設施板塊、非金屬板塊的月度數(shù)據(jù)進行實證研究,

數(shù)據(jù)處理時，以每月19日為月底計算股票月度收益率：凡=(p"必--1)x100%。

根據(jù)公式(4)求解出來的流動性市場深度指標的數(shù)值大小刻畫瞬時交易量引發(fā)瞬時價格的

變化程度，該數(shù)值的絕對值越小，意味著市場流動性越好；其符號反映了價格變化的方向，正

號表明瞬時交易量引發(fā)價格向上變動，負號表明瞬時交易量引發(fā)價格向下變動。由于非參數(shù)加

權中的權重不可能為負，對于定向加權部分采用的非參數(shù)市場深度，其數(shù)值的正負僅表示交易

量微小變化所引起股票價格的上下波動，并不影響流動性信息強度的測量，故對市場深度的估

計值取其絕對值后在進行非參數(shù)加權估計。

表1市場深度的計算結(jié)果

股票代碼均值標準差ADF檢驗股票代碼均值標準差ADF檢驗

6006520.0064090.014895平穩(wěn)***600690-0.012180.12314平穩(wěn)***

600643-0.007840.019233平穩(wěn)***600600-0.002920.088267平穩(wěn)***

600801-0.006450.145487平穩(wěn)***600621-0.038070.201572平穩(wěn)*

600856-0.001760.118203平穩(wěn)***6006890.0976281.379051平穩(wěn)***

600854-0.210112.556732平穩(wěn)***6006780.0128260.010856平穩(wěn)*

6006110.0015880.138526平穩(wěn)***6006670.0081390.01448平穩(wěn)***

600655-0.026610.0603平穩(wěn)***6006710.00170.096062平穩(wěn)***

600668-0.002910.045221平穩(wěn)***6006450.0003450.213272平穩(wěn)***

6006170.0015880.138526平穩(wěn)***6006380.0019610.143574平穩(wěn)***

6006180.0290960.047572平穩(wěn)**600675-0.008360.203955平穩(wěn)***

注：ADF檢驗欄中，***表示在1舟水平下顯著，**表示在5舟水平下顯著，*表示在10$水平下顯著。

從表1中可以看出，隨機選的20支股票市場深度的均值在-0.2-0.09之間，其標準差除兩

支大于1外，其余股票的標準差均較小，另外，從單位根檢驗結(jié)果我們?nèi)菀卓闯觯Ч善?/p>

在5%和10%置信水平顯著平穩(wěn)外，其余股票的市場深度值均在1%的置信水平下顯著，不管從

標準差數(shù)值和平穩(wěn)性的結(jié)果來看，我們可以得出所選股票的市場深度在研究區(qū)間內(nèi)沒有顯著波

動，進一步說明，通過出非參數(shù)方法求解得到的指標值具有顯著的平穩(wěn)性。一方面，在指令系

統(tǒng)下，流動性信息和股票收益一樣具有隨機性，但除個別異常值外，并不會出現(xiàn)特別大的波動，

在脫離市場深度均值軌道后在市場的調(diào)整下均可以再次達到正常波動，另一方面，給變系數(shù)部

分線性模型也提供了較好的估計前提。Fan（2005）也證明了變系數(shù)部分線性模型的可變變量在平

穩(wěn)時的模型收斂性質(zhì)最好。

4.2.模型估計結(jié)果及分析

4.2.1.定向加權部分的結(jié)果及分析

圖1-5分別給出了模型（5）和（6）的估計結(jié)果，從圖2可以看出，在考慮流動性沖擊后，

三個板塊的收益分布均發(fā)生變化，也就是說，流動性信息確實對收益產(chǎn)生了沖擊作用，而把三

個板塊的流動性沖擊前后的收益分別考慮，即分別從圖3-圖5可以看出，流動性信息沖擊（加

權）后的收益分布均有左移現(xiàn)象，也就是說從總體上流動性對收益產(chǎn)生了負向沖擊，其中，我

們發(fā)現(xiàn)很有趣的現(xiàn)象，三個板塊的收益在區(qū)間［-0.025,0］所受流動性的負向沖擊最大，結(jié)合

表2我們還可以得出結(jié)論,在考慮滯后的流動性信息的沖擊后，三個板塊的預期收益均有減少,

即三個板塊基于基準核密度函數(shù)計算出來的期望收益分別為：0.5303556、0.1474619、

0.7010826,在考慮流動性信息沖擊后，三者的期望收益均減少，分別降為：0.2035637>

-0.7705757,-0.4279962,也就是說隨著流動性的增加，三個板塊的期望收益分別下降了32.7%、

91.8%.112.9%,其中，非金屬板塊的沖擊作用最大，交通設施板塊其次，金融板塊所受的沖

擊最小，說明在三個板塊中金融板塊在流動性信息沖擊影響下表現(xiàn)最為穩(wěn)健，從Ad和

Lagged（LIQ）行的數(shù)值可以容易看出，，-2的流動性信息對收益的預期均有負向拉動作用，即

存在流動性溢價現(xiàn)象，與理論相符。其他兩個板塊在—I和/-2的流動性產(chǎn)生的溢價現(xiàn)象都顯

著，另外我們還發(fā)現(xiàn)，在流動性沖擊后，交通設施板塊和非金屬板塊的收益分布均出現(xiàn)了雙峰

現(xiàn)象，驗證了收益分布的多峰性。

4.2.2.變系數(shù)部分線性模型的估計、檢驗和bootstrap模擬

首先bootstrap模擬通過以下步驟來實現(xiàn)：

Stcpl.令則由NQG：）模擬產(chǎn)生殘差￡：,然后通過下式構造bootstrap樣本：

<=ZX源（U,）+￡Z瀘j+鞏i=1,...,〃.

r=0

Step2.使用stcpl所產(chǎn)生的bootstrap樣本（（4,XZJ）%構建PLR、GLR檢驗統(tǒng)計量PLH；和GLR：。

Step3.重復stepl和step2分另ljB（本文取1000）次，然后得到PLR；和GLR：統(tǒng)計量。

Slep4.用下面公式計算p值：

/B

其中，7；,和7表示boolsirap統(tǒng)計量和原樣本得到的統(tǒng)計量值，/表為示性函數(shù)。

通過上述的模擬得出的結(jié)果及模型（10）的參數(shù)部分和分參數(shù)部分的估計，對顯著性檢驗

分別通過PLR統(tǒng)計量和GLR統(tǒng)計量進行推斷，表3給出了模型（10）的估計結(jié)果和檢驗統(tǒng)計量

值，考慮到預測變量及信息集的現(xiàn)期不可觀測性，模型中除市場收益率外，其余解釋變量均采

用滯后一期觀測值，流動性信息變量的選擇也一樣。

首先，如表3所示，市場收益的系數(shù)范圍為0.79T.51,且均具有統(tǒng)計顯著性，從數(shù)值和

符號來看，二者均具備經(jīng)典資產(chǎn)定價模型貝塔系數(shù)的性質(zhì)，說明，本文建立的變系數(shù)部分線性

預測模型具備且耍強于經(jīng)典資產(chǎn)定價模型的解釋能力。

其次，也是本文模型分析的重點，對于所選取的20支股票，流動性信息的非線性沖擊部

分，即,估計值的均值中有18支小于零，即平均水平上，流動性的持續(xù)性變化與收益之間存

在負向關系，驗證了我們第一節(jié)分析的結(jié)果，即如果過去的一個沖擊使流動性下降，那么，投

資者會預期隨后階段的流動性也較低，這將導致今天的價格下降，從而使其期望回報升高，即

流動性的持續(xù)性隱含了回報和流動性之間具有負向關系，從診斷檢驗的角度來看17支股票的

非參數(shù)部分在5%和設的置信度水平上顯著，即顯著拒絕原假設/I說明流動性和預期回報之

間的負向關系式顯著的，符合經(jīng)濟學假設。

從流動性信息影響波動性的角度，模型（10）也展現(xiàn)了很好的解釋能力，從資產(chǎn)收益二階矩

的系數(shù)和檢驗可以得出，有18支股票的二階矩系數(shù)大于零，從模型診斷結(jié)果可以看出所選股

票中85%的股票具有統(tǒng)計顯著性，如果除去隨機因素，我們有理由認為股票收益的二階矩即風

險對股票價格具有解釋能力，且除去隨機因素它們的系數(shù)大于零，收益率二階矩的增加導致預

期收益率的增加。從風險的角度，可以認為，高風險對應著高的收益，即風險補償。而且伴隨

著流動性信息的時變性，這種補償也是時變性的風險補償。同時，我們還發(fā)現(xiàn)相對于線性部分，

非參數(shù)部分的檢驗統(tǒng)計量雖大多可以通過顯著性檢驗，但均較小，這些結(jié)果表明模型中加入非

線性部分雖然較線性模型具有良好的解釋能力，但統(tǒng)計意義上這種顯著性并不是非常明顯的，

從經(jīng)濟意義也可以得到解釋：對于一個透明性較好，運作比較規(guī)范，價格完全由市場機制進行

調(diào)節(jié)的股市而言，其價格對信息的反應程度應是非常靈敏的，也即股票價格的波動性在相當程

度上取決于信息到達市場的速度。如果信息到達市場的速度快，價格的波動會立即體現(xiàn)出來;

反之，則價格的波動會逐漸得以釋放，從而不會與信息的到來表現(xiàn)出密切相關性。模型的估計

結(jié)果也正說明了，我國股票市場發(fā)展至今，各方面還不夠規(guī)范，在獲知信息上集中地體現(xiàn)為

—信息的提前泄露。當一條可能引起股價波動的信息尚未完全到達市場時，已有相當一部分

人從各種途徑獲知該信息并做出了反應，由此造成了信息的泄露。這樣，當信息正式到達市場

時，市場已將其基本消化，價格的波動性隨時間已緩慢釋放完畢，從而不會發(fā)生預想程度的波

動，這使得價格與流動性信息的到來不能表現(xiàn)出非常顯著的相關性。這也是市場不夠透明、信

息不對稱的表現(xiàn)。

表2非參數(shù)定向加權處理的數(shù)值結(jié)果

金融交通設施非金屬

產(chǎn)B0.53035560.14746190.7010826

產(chǎn)w0.2035637-0.7705757-0.4279962

A產(chǎn)-0.3267919-0.9180375-1.129079

Lagged(LIQ)222

圖1三個板塊收益率的基準核密度估計圖2三個板塊在流動性加權后的核密度估計

2

&1

圖3金融板塊的收益率在流動性加權前后的分圖4交通設施板塊的收益率在流動性加權前后的分布

圖5有色金屬板塊的收益率在流動性加權前后的分布

表3模型(10)的估計及診斷檢驗

A

股票代碼PAPLR統(tǒng)計量GLR統(tǒng)計量

600652-0.000142.04360.9045-0.01158.354(0.000)***-7.176(0.003)**

6006438.522E-051.10981.0239-0.07482.858(0.000)***-1.257(0.471)

600801-0.000510.1838411.2840.133697.488(0.000)***-6.069(0.003)***

600856-0.001952.90691.02470.067684.46(0.000)***-10.342(0.001)***

600854-0.003120.05921.06170.1147527.26(0.000)***-4.461(0.04)??

600611-0.000590.399720.9980.01442LOO.06(0.000)***-5.57(0.035)*?

6006550.00133-3.22291.5020.0097570.04(0.000)***-14.46(0.0001)**?

600668-0.00070.25721.110490.01128104.47(0.000)***-3.667(0.457)

600617-0.9910.0010281.38460.040750.176(0.000)*?*-6.79(0.027)?**

600618-0.004790.338191.34070.170444.759(0.000)?**-8.597(0.002)***

600690-0.00079-0.084020.804-0.0333.0816(0.000)***-10.098(0.001)***

600600-0.002980.35120.91580.0144246.146(0.000)*?*-5.9833(0.032)**

600621-0.002310.149950.92930.046821.175(0.000)*?*0.996(0.536)

600689-0.006080.42341.51190.169866.191(0.000)***-11.735(0.001)***

600678-0.01021.73491.1304-0.00959,226(0.000)***-10.7629(0.001)***

600667-0.001062.13791.18360.086975,954(0.000)*?*-8.592(0.002)*?*

600671-0.00012-1.49121.236-0.077101.805(0.000)***-5.876(0.034)**

600645-0.000931.13960.49513-0.533673.081(0.000)***-6.56(0.003)***

600638-2.02310.009571.152-0.077171.0126(0.000)***-6.157(0.003)***

600675-0.009340.08460.9791-0.09578.475(0.000)***-7.127(0.003)*?*

注：無和耳均為可變系數(shù)氐、?估計值的均值，診斷檢驗中，PLR列和GLR列括號里的數(shù)值為中檢驗統(tǒng)計量的P值：

*、**、***分別表示參數(shù)在10%.5%和1%水平下顯著。

4.3.模型討論

本文通過對經(jīng)濟現(xiàn)象和股票市場流動性的傳導方式與路徑的分析建立了靈活的半?yún)?shù)模

型，從全新的視角考慮了流動性信息（即文中采用的市場深度指標）的時變性，進一步建立定

向加權非參數(shù)模型和變系數(shù)部分線性模型，在模型設定上，本文采用的變系數(shù)部分線性模型比

經(jīng)典的資產(chǎn)定價模型具有更強的解釋能力，同時考慮了自回歸條件異方差所討論的時變波動性,

非定向加權分析，從收益分布的角度的分析更加放寬了模型設定的靈活性。木文在建立半?yún)?shù)

模型時也考慮了波動性因素，通過對模型的相關參數(shù)的顯著性檢驗，我們得出，除個別股票外，

其他股票均能通過變參數(shù)非線性的檢驗，進一步驗證了流動性信息通過非線性路徑傳導給投資

者進一步影響波動性和資產(chǎn)收益的假設，但由于篇幅和估計的復雜性，本文沒有考慮信息集滯

后多期的情況，另外，本文采用的模型屬于非參數(shù)回歸模型，其結(jié)果不適于做外延預測和分析，

因此，在進行預測時需要和哪些模型搭配使用，都需要今后做進一步的研究。

5.小結(jié)與建議

流動性反映資產(chǎn)的交易能力和變現(xiàn)速度，是證券市場的生命力所在，也是衡量一國股市發(fā)

展水平的重要指標。從理論上說，流動性與資產(chǎn)定價是密切相關的：資產(chǎn)流動性小，買賣信息

傳潘慢，供求難以達到平衡，交易成本大，投資者的期望收益也就高。從實證上看，使用不同

的計量方法或樣本數(shù)據(jù)驗證流動性溢價理論所得到的結(jié)果不同。

本文應用非參數(shù)定向加權和變系數(shù)部分線性模型的方法于我國股票市場每日收益率的研

究，得到如下一些結(jié)論:

1、無論是從圖形上還是從數(shù)值結(jié)果上分析，預期收益與市場深度（倒數(shù)處理后）都呈明

顯的負相關，結(jié)論和變系數(shù)模型的分析結(jié)果，表明流動性是資產(chǎn)定價的因素之一，從股票收益

分布的角度分析發(fā)現(xiàn)收益分布具有多峰性的特點。

2、提出市場深度新的求解方法，通過計算得出非參數(shù)方法求解得到的指標值具有顯著的

平穩(wěn)性。一方面說明，在指令系統(tǒng)下，流動性信息和股票收益一樣具有隨機性，但除個別異常

值外，并不會出現(xiàn)特別大的波動，在脫離市場深度均值軌道后在市場的調(diào)整下均可以再次達到

正常波動，另一方面，給變系數(shù)部分線性模型也提供了較好的估計前提。

3、流動性信息的時變性對股票市場存在顯著的非線性沖擊，而且流動性信息的持續(xù)性變

化與收益之間存在負向關系。

4、得到和經(jīng)典資產(chǎn)定價模型相同的結(jié)論，即市場綜合指數(shù)對個股具有顯著的影響。

5、模型驗證了第一節(jié)關于流動性信息通過波動性將信息非線性傳導給投資者的假設，伴

隨著流動性信息的時變性，投資者所得到的風險補償也具備時變性，但由于市場不夠透明、信

息不對稱，流動性信息并不能全部傳導給投資者，或者在之前由于信息的外漏，原本的流動性

信息傳導路徑也可能會被誤導。

6、從模型的角度，通過實際數(shù)據(jù)的驗證，我們所建立的變系數(shù)部分線性模型能夠較好的

解釋流動性信息的傳遞，也為我們以后的實證研究提供了一個估計和檢驗流動性信息傳導和時

變型風險補償?shù)男路椒ā?/p>

從以上的結(jié)論中可以體會到，我國股票市場的發(fā)展還很不健全，噪音偏多，各種各樣非市

場的因素往往左右著市場的整個走勢，這在一個成熟市場是不應該出現(xiàn)的，從而充分地說明了

我國股市還存在很多弊端，要走上健康規(guī)范的軌道還有一段很長的道路，因此迫切需要社會各

界人士的共同努力。對政府而言，仍要大力加強法制法規(guī)的建設，加強市場監(jiān)管，按照市場經(jīng)

濟的規(guī)律扶植培育股票市場；對廣大投資者而言，要努刀提高自身素質(zhì)，減少對股票的盲目僥

幸認識，培養(yǎng)起應有的投資意識；對股市的研究人員，應該敞開門路，積極吸收西方發(fā)達國家

成熟股市的先進經(jīng)驗和理論，運用于我國股票市場，以起到理論帶動實踐發(fā)展的作用。

參考文獻

[l]Amihud,Y.,&Mendelson,H.(1986),Assetpricingandthebid-askspread.JournalofFinancial

Economics,17,210-249

⑵Datar,V.T.,Naik,N.Y.,RadclifTeR.:Liquidityandstockreturns:Analternativetest.JFinancMark1,

205-219(1998)

[3]Brennan,M.J.,Subrahmanyam,A.:Marketmicrostructureandassetpricing:Onthe

compensationforilliquidityinstockreturns.JFinancEcon41,441-464(1996)

[4]Bekaert,G.,C.HarveyandC.Lundblad,2003,"LiquidityandExpectedReturns:Lessonsfrom

EmergingMarkets,“DukeUniversityWorkingPaper.

Loderer,C.?Roth,L.:Thepricingdiscountforlimitedliquidity:evidencefromSWXSwiss

ExchangeandtheNasdaq.JEmpirFinance12,239-268(2005)

[5]Rouwenhorst,K.G.,1999JLocalReturnFactorsandTurnoverinEmergingMarkets,^Journalof

Finance54:1439-1464.

[6]BackK,PedersonH.Long-livedinformationandintradaypatterns,JournalofFinancialMarket,

1998,1(3),385-402(1998)

[7]FranciscoJIGoerlichGisbert,Weightedsamples,kerneldensityestimatorsandconvergence[J],

EmpiricalEconomics,28:335-3511(2003)

[8]Fan,Jianquing,Yao,Qiwei,NonlinearTimeSeries.Nonpa[M],148-155(2003)

[9]Korajczyk,R.,&Sadka,R.Pricingthecommonalityacrossalternativemeasuresofliquidity.Journal

ofFinancialEconomics,87,45-72.(2008)

[10]Fan,J.andGijbels,1.LocalPolynomialModelinganditsApplications[MJ.London：Chapman

andHall,1996.

[1l]Fan,J,etal.Generalizedlikelihoodteststatisticandwilksphenomenon[J].Annstatists

2001.153-193.

[12]Fan,J,Huang.Profilelikelihoodinferencesonsemiparametricvaryingcoefficientpartially

linearmodels[J].Annstatist,2005.

[13]許冰，2006,《一種可選擇的新方法：加權人均GDP》，《數(shù)量經(jīng)濟技術經(jīng)濟研究》第7期.

[14]許冰,2005(12),《金融數(shù)據(jù)多峰性的刻畫：基于交易量加權的非參數(shù)估計》,《統(tǒng)計研究》.

[15]王春峰等，2002(24),《流動性與股票回報：基于上海股市的實證研究》，《公司理財與上

市公司》.

[16]李一紅、吳世農(nóng)，2003,《中國股市流動性溢價的實證研究》，《金融管理》第11期.

[17]蘇東威、麥元勛，2004,《流動性與資產(chǎn)定價：基于我國股市資產(chǎn)換手率與預期收益的實

證研究》，《經(jīng)濟研究》第2期.

[18]張曉蓉、徐劍剛、邱世梁2007(2),《時變流動性深度模型》，《復旦大學學報》.

[19]范劍請、姚琦偉，2005,《非線性時間序列》，《高等教育出版社》.

[20]閆東鵬、吳貴生，2006(12),《流動性和可預測股票回報：一個實證檢驗》，《統(tǒng)計研究》.

編號：

時間：2021年X月X日書山有路勤為徑，學海無涯苦作舟頁碼：第16頁共26頁

附錄

市場深度算法及模型估計與檢驗程序(R、SAS9.1.3軟件)

市場深度的計算

libnamestat'D:\path\data_code';

%macros(m,data);

procsortdata=&data;

bytime;run;

procsortdata=a980001;

bytime;

run;

dataa&m;

mergea980001(in=h)&data(in=l);

bytime;

ifhand1;

keeptimetot_rclopturnovercompname;

run;

data<i&m;

seta&m;

t=_n_;

ift>200thendelete;

trd=log(turnover);run;

如end;

%s(l,a600600);

%s(2,a600611);

%s(3,a600617);

%s(4,a600618);

%s(5,a600621);

%s(6,a600645);

%s(7,a600638);

%s(8,a600652);

%s(9,a600667);

%s(10,a600668);

%s(ll,a600671);

羯(12,a600675);

第16頁共26頁

編號：

時間：2021年X月X日書山有路勤為徑，學海無涯苦作舟頁碼：第17頁共26頁

%s(13,a600678)

%s(14,a600689)

%s(15,a600690)

%s(16,a600643)

%s(17,a600801)

%s(18,a600854)

%s(19,a600855)

%s(20,a600856)

%letdata=a7;

prociml;

use&data;

readallintopvarfclo_p}:

readallintotrdvar{trd);

readallintotvar{t};

close&data;

sort&dataout=depthlbytrd;

usedepthl;

readallintotrdlvar{trd);

N=nrow(p);

/?initializations*/

H=j(n,1,1);

cv=j(3,1,1);

phat=j(n,1,1);

il=j(n,1,1);

b=j(n,1,0);

/*endinitializations*/

"DEFINEKERNELFUNCTION*/

startkde(o);

kernel=0.