28股票市场和债券市场的流动性溢出效应研究.do

1股票市场和债券市场的流动性溢出效应研究王茵田文志瑛清华大学经济管理学院2010年3月摘要：股票市场和债券市场变量之间的溢出效应是近来金融学研究的一个重要课题。本文实证研究了我国股票市场和债券市场流动性之间的溢出效应，提供了关于我国股票和债券市场流动性一体化的证据。研究发现：首先，我国股票市场和债券市场流动性之间存在显著领先滞后关系并互为因果关系，符合“flighttoliquidity”；其次，宏观环境的变化对两个市场的流动性会产生显著的影响；更为重要的是，宏观环境对市场流动性的影响很大程度上是通过另一市场的传导而间接的发生作用。关键词：流动性，溢出效应，宏观变量，股票市场，债券市场2一引言在资本自由流动，信息充分的市场中，股市和债市在理论上是可以相互参照定价。因而收益率，波动率和流动性等市场变量应该存在一定的联动性和领先滞后关系，或称溢出效应。股票市场和债券市场间的溢出效应是指两个市场不仅要受过去几期自身变量的制约，而且要收到对方市场显著影响。然而在我国，在经济体制，监管制度等各种因素影响下，两个市场被人为分割开来，社会资金不能自由流动，尤其我国的债券市场发展远远落后于股票市场。这样就决定了我国股市和债市的溢出可能表现出和西方成熟金融市场不同的特征。而了解这些特征能够为投资者提高组合收益，降低组合风险提供帮助，并且为管理者制定政策提供借鉴。目前,我国关于市场溢出效应的研究主要集中在收益率的领先滞后关系上，而很少研究两个市场流动性的溢出效应。流动性是检查证券市场是否健康有序地运行的指标之一，也逐渐成为金融研究领域的重要课题。本篇文章分析了流动性溢出效应的机理。实证研究内容具体包括两个方面：其一，股票市场和债券市场流动性的溢出效应的存在；流动性和其他市场变量之间溢出效应的存在。这类领先滞后关系的发现为投资者提供了动态调整资产组合的依据和指导。其二，本文研究宏观环境的变化对股票和债券市场流动性的影响，并解析了宏观变量的冲击是如何直接和间接的影响到两个市场的流动性的。而了解宏观变量对两个市场的作用过程为管理者制定政策，加强宏观调控的力度，控制调控的节奏提供了理论依据。本文的结构如下安排：第二章是对文献的回顾及分析流动性溢出的原理；第三章是实证研究的设计和研究结果的分析；第四章为结论部分。二文献综述和流动性溢出的机理分析3国外对股票和债券市场变量之前的溢出效应研究比较成熟。对于收益率，波动率和流动性这三个变量之间联动性和溢出效应的研究都比较丰富完善。较具代表性的文献有：Kwan（1996）发现股票市场的收益率领先债券一个星期；O'HaraandOldfield（1986）发现市场的波动率的变化能够影响非流动性；Fleming，Kirby，andOstidiek（1998）发现股票市场和债券市场之间不仅仅波动率有联动性，流动性也具有联动性；Chordia，Roll，andSubrahmanyam（2001）（CRS（2001））与Chordia，Sarkar，andSubrahmanyam（2005）发现股票市场的收益率会影响其自身非流动性，而波动率对非流动性的影响是跨市场的。也就是说，一个市场的波动率会影响到另一个市场的流动性。我国目前的研究主要集中在两市场收益率的溢出效应上。曾志坚和江洲（2007）和王璐和庞皓（2008）都分别使用上海证券交易所的日数据发现两市的收益率存在显著的溢出关系，但溢出效果不强。曾志坚和罗长青（2008）以换手率为流动性变量，利用1997至2005年上交所数据研究了两个市场流动性之间的联动关系。研究发现股票市场和债券市场月度流动性之间不存在领先滞后关系；而债券日度流动性领先股票日度流动性3天。王璐（2008）研究了宏观变量包括利率，通货膨胀，货币供应量等对两个市场收益率相关性的影响，并发现以上变量对股市和债市的收益率相关性确实有显著影响。影响股市和债市溢出效应的原因可以很多。Fleming,KirbyandOstdiek（1998）将影响因素归为两类：共同信息和只作用于单一市场的信息。共同信息包括宏观变量或市场环境的改变；单一市场信息则是市场内部的信息。我们在本文里则从另一个角度来对信息进行划分。因为不论哪种信息，其对市场的流动性或者其他变量的影响都可以分为直接作用和间接作用。首先，当新信息或者冲击发生时，一个市场内部的收益率，波动率和流动性等市场变量会发生相应的改变，这种作用可以称为新信息的直接作用。国外有很多这方面的实证研究。FlemingandRemolona（1997）发现宏观变量显著影响国债市场的流动性。其次，如果影响资产定价的风险因子发生变化，市场的预期收益率亦会改变，从而投资者为收益最大化重新调整其资产组合。而这种跨市场的套期保值行为会导致供给和需求的产生从4而影响到对方市场的流动性。这种作用可称为新信息的间接作用，是由一个市场传导到另一市场上的，也就是“溢出”的产生。总之，溢出效应都是通过投资者的交易实现的。这种溢出效应的产生机理也可以非常简单的概括为“flight-to-quality”或者“flight-to-liquidity”，也称“跷跷板效应”。比如，股价的激增会吸引债券市场的资金进入股市，而当股市重挫时，恐慌的投资者会抛售股票而购买风险性更低的政府债券。GoetzmannandMassa（2002）发现投资者根据每天的信息和风险的变化来进行股市和债市之间资金的流转。Longstaff（2004）发现债券的流动性溢价和股票市场与债券市场之间资金流动的变化相关。这意味着流动性和投资者的跨市场交易行为有很大关系。GoyenkoandUkhov（2009）在此基础上使用美国联邦政府债券和CRSP的NYSE/AMEX加值平均市场指数，发现两个市场的流动性存在显著溢出现象，符合“flight-to-liquidity”；并发现货币政策显著影响市场流动性，其影响通过债券市场传导至股票市场。根据以上分析，当一个宏观变量发生改变时，我们可以从直接和间接两方面来分析其对市场流动性（或其他市场变量）的影响。我们知道债券价格取决于折现率或者利息率；股票价格取决于折现率和对未来现金流的预期。因而宏观变量对债券价格的影响有一个渠道，而对股票价格的影响有两个渠道。宽松的货币政策即可以直接导致市场资金的增加，鼓励交易，从而升高流动性；也可以改变投资者对未来价格的预期从而导致对投资组合的调整，这会间接影响到股票和债券市场的流动性。当利息率变化时，一方面由于贴现率的改变股票和债券的价格发生变化，这会导致跨市场交易，间接影响到两个市场的流动性；由利息率变化引发的货币供应量的变化也会直接影响两个市场的流动性。通货膨胀会影响投资者对股票市场未来现金流的预期从而导致股票价格和流动性直接发生变化；另一方面，在通货膨胀的风险下，资金会从债券市场流向股票市场以求避险，从而间接的影响了两个市场的流动性。总之，直接和间接两方面的作用是相辅相成，动态交互发生的。两种影响对流动性可以是同方向的也可以是反方向的，综合作用的结果取决于两种方向的力量对比。5三实证研究设计从上节中的分析可以看出，两个市场的流动性受到宏观环境或市场内部环境变化时的直接影响，也受到由于跨市场交易导致的来自另一个市场的间接影响，或者产生溢出效应。因而，两个变量之间没有清晰绝对的内生和外生关系。所以，我们采用VAR模型来进行分析。理论上，如果两个市场存在流动性溢出或领先滞后关系，那么重要的市场变量如收益率和波动率也会对流动性产生溢出影响。因此除了两个市场的流动性指标，我们还选取两个市场的收益率和波动率作为控制变量。并期待这些变量的加入会带来新的发现。我们将进行两次VAR的分析。首先在模型中只考虑流动性和市场变量。这样做是为了单纯的研究两个市场是否存在流动性的溢出效应。我们随后再引入宏观变量，着重分析当宏观变量发生变化时，两个市场的流动性是如何改变并溢出的。我们先建立了六个等式的VAR模型，包括以下六个变量：债券非流动性，债券收益率，债券波动率，股票非流动性，股票收益率以及股票波动率。具体模型为：1111KKtjtjjtjtjjXaXbYu2211KKtjtjjtjtjjYaXbYvX和Y分别是债券和股票市场里代表非流动性，收益率和波动率的向量，维度为[3×1]。（一）流动性的度量流动性可以定义为投资者根据市场的基本供给和需求状况，以合理价格迅速交易一定数量资产的能力。因而，流动性是一个由交易时间，交易成本，交易数量和交易弹性来反应的综合性的变量。目前，国内有限的相关文献是以债券换手率或成交量作为流动性的衡量指标（曾志坚（2008））。但从市场微观结构理论的发展6演变的历史看，市场流动性的最重要指标是买卖价差，如果买卖价差越小，则表示立即执行交易的成本越小，市场流动性也越好。我们用买卖价差来衡量债券市场的流动性。上海证券交易所的债券交易系统分别揭示三个（从2003年12月8日之后为五个）买入价量和三个最佳卖出价量，并根据每笔成交即时更新成交价，成交额，最高价，最低价等相关指标。假设某时点t时债权的三个最佳买价分别为321,,bbbPPP（321bbbPPP），对应的委托量分别为321,,bbbQQQ，那么根据目前的公开信息，可以认为平均买价为332211bbbbbbbbbbPQQPQQPQQP，其中321bbbbQQQQ，类似可以定义平均卖价aP。我们选取在上海证券交易所进行交易的国债。剔除无效数据后，共有12支国债。尽管我国银行间市场是债券交易的主要场所，然而由于交易机制的不同导致交易频率较低，因而不存在真正意义上的高频数据，所以在本文中我们只将交易所市场的国债作为研究对象。根据CRS（2001），我们采用比例报价价差（Proportionalquotedspread）：2()_ababPPILLIQBPP由于买卖价差和市场的流动性成反向运动，所以我们对此指标命名为“债券非流动性”。我们计算每一支国债在每一交易时点上的非流动性，并将一个交易日内所有国债的非流动性进行平均得到日流动性指标。周（月）度非流动性则是将一个周（月）内的日非流动性指标进行平均。为方便起见，我们对该指标乘以100。对于股票市场的流动性，我们采用Amihud（2002）和Hasbrouck（2006）构建的基于价格影响的流动性衡量方法。11_itiDAYStditiidttdRILLIQSDAYSV该指标衡量股票i在第t周（月）内的非流动性。itdR和itdV分别是股票i在第d天的收益率和成交金额（单位百万），itDAYS是在第t周（月）内有效交易日的个数。该指标的经济含义是：如果一支股票有较低的流动性（高数值的7itSILLIQ_），相对于小的交易量，他的价格会有较大的波动。我们对该指标命名为“股票非流动性”。其明显的优点是避免了高频数据。并且将i选为上证指数可以避免对所有的股票求非流动性，极大的简化了计算强度。为计算的方便，我们给该指标乘以10⁵。（二）变量的选择与数据来源我们选取中信标普指数来计算债券日收益率（RETB），选用上证指数来计算股票日收益率（RETS）。并分别计算周平均值和月平均值。VOLB和VOLS代表两个市场的波动率，是日收益率的周（月）标准差。我们对股票市场使用Amihud（2002）的非流动性，对债券市场使用比例报价价差。我们的样本期间是从2003年3月至2008年12月。剔除节假日后共有310个周观察值和70个月观察值。所有的数据来源于锐思数据库。根据AIC和SchwarzBayesianInformationCriterion，VAR模型的滞后阶数K=1。VAR模型的稳定性的充分必要条件是参数矩阵所有特征根的绝对值小于1。我们采用这个检验并发现模型满足稳定条件。图1展示了两组非流动性周数据在样本期间内的走势。可以看到，两个市场的非流动性有着较为明显的负相关性。在股票市场较为低迷的2003年－2005年，与股票市场的低流动性（高非流动性）相反，债券市场有较好的流动性（低非流动性）；而在股票