股市流动性与宏观经济_有关中国股市的新证据_王东旋
经济科学·2014年第3期
*股市流动性与宏观经济
——有关中国股市的新证据
王东旋1 张 峥2 殷先军1
(1. 中央财经大学统计与数学学院 北京 100081)
(2. 北京大学光华管理学院 北京 100871)
摘 要:以前的学术研究表明,股市的涨跌幅与宏观经济表现为无序或者不相关的关系。我们通过研究衡量价格冲击的流动性(或非流动性)指标对代表经济总量、通货膨胀和经济景气指标的六个宏观经济变量的回归分析和Granger因果检验,并且采用了衡量市场活跃度的流动性指标进行了稳健性检验,发现中国股市的新证据:股市流动性领先于宏观经济。本文的实证结果表明当投资者预期宏观经济即将发生变动时,会在大类资产(股票和债券)之间、股票资产(价值股和成长股)内部进行配置切换,而且从参与者角度来看,机构投资者的行为会领先于个人投资者,这都表明“Flight-to-Quality”和“Flight-to-Liquidity”现象的存在,一定程度上解释了股市流动性领先于宏观经济的现象。
关键词:股市流动性 宏观经济 领先性
一、引 言
股市是否可以作为宏观经济的晴雨表?这个问题一直是学术界和实务界所关注的重要问题。长期以来,对于这个问题的研究均集中于股票价格是否对于实体经济周期有一定的领先性。然而,Stock和Watson(2003)实证表明这种领先性只是发生在某个国家的某段时期,并不具备普适性和稳定性;同时尽管样本内存在统计上的显著性和可靠性,但是样本外数据却表明结果并不稳定。
股市流动性是反映市场质量最重要的因素之一。按照Amihud和Mendelson(1986)的定义,流动性是在一定时间内完成交易所需要的时间或成本,或者寻找一个理想的价格所需要的时间或成本。2008年金融危机前,资本市场流动性显著下滑,显示了对宏观经济的先导性,引发了有关股市流动性和宏观经济相互关系的研究。Næs, Skjeltorp和Ødegaard(2011)运用美国的数据发现股票市场流动性显著领先于实体经济指标,该研究认为由于股票价格相对受更多因素的影响,流动性可能是更好的宏观经济预测指标,而这一论断需要更多的研究证据。
中国作为新兴市场,股票市场的投机性强、信息不对称程度高、政策干预过度,这使* 感谢国家自然科学基金面上项目“交易制度、市场组织结构与信息有效性”(批准号:71072049)的资助,感谢北京市西城区优秀人才项目和华商基金管理有限公司的资助。
61
得股价欠缺对基本面信息的揭示作用。相关实证研究发现,中国股市股价对于宏观经济不具有领先性。例如,王国刚(2012)认为股市并非国民经济的晴雨表;章华(2008)应用1996-2007年的数据,检验结果发现股票市场发展与经济增长仅为弱相关关系;卢大良(2011)通过趋势分析,也发现上证指数对GDP增长率不存在领先性。那么,中国股市,股市流动性是否领先于宏观经济指标?股市流动性的变化是否在一定程度上能够预测宏观经济状态的变化?这是本文研究的主题。
本文应用中国股市的数据,以反映市场冲击和活跃度的指标作为股票流动性的度量,研究了股票流动性与代表经济总量、通货膨胀和经济景气指标的六个宏观经济变量的领先滞后关系,研究发现中国股市流动性指标对宏观经济变量具有领先性。目前为止,现有的实证文献多关注于宏观经济政策对于股市流动性的影响。例如,邢治斌和仲伟周(2013)利用GARCH模型分别分析了货币政策、财政政策、货币财政政策组合对我国股票市场流动性风险的影响,表明宏观经济政策对股市流动性有一定影响;方舟、倪玉娟和庄金良(2011)引入MS-VAR模型研究货币政策在不同区制下对股市流动性的动态影响,发现货币政策扩张有助于提高市场流动性,且股市处于膨胀期时效应会更明显。因此,本文的发现是中国股市相关领域的新发现。
本文还进一步探究了股市流动性领先宏观经济的原因,实证证据显示该领先作用可能是由于投资者预期宏观经济变化,而采取资产配置转换策略(“Flight-to-Quality”和“Flight-to-Liquidity”的现象)的结果。“Flight-to-Quality”和“Flight-to-Liquidity”的主要表现形式为风险资产的转移,主要指从高风险的权益类资产中转移到低风险的固定收益类资产;以及流动性资产的转移,主要指从市值较小、流动性较低的成长型股票转移到市值较大、流动性较好的价值型股票。中国股市的流动性由所有投资者提供,投资者的参与度决定了市场流动性的大小。当预期宏观经济即将变坏时,部分市场参与者退出股票市场,从而减少了流动性的提供;相反如果市场盈利效应很好,股市会聚集大量提供流动性的投资者,进而活跃了整个市场。因此投资者在预期宏观经济即将发生变动时,采取资产配置策略的转换,使得从数据上体现了股市流动性领先于宏观经济。
本文实证发现了这种资产配置的变化,以及对宏观经济的领先性。实证结果显示股票资产和债券资产的流动性具有负相关关系,且对于宏观经济的领先性是相反的,证实了“Flight-to-Quality”现象的存在性,即投资者在宏观经济变化之前会进行股票资产和权益资产的配置转换。另外,权益类资产中的成长型股票和价值型股票的流动性虽然正相关,但是成长股对宏观经济的领先性要早于价值股,而且显著性更高,也证实了“Flight-to-Liquidity”现象的存在性,投资者也会在权益资产内部进行转换配置。
从投资者结构来看,由于机构投资者具备专业技术和信息优势,对宏观经济的预测会强于个人投资者,因此“Flight-to-Quality”和“Flight-to-Liquidity”的行为会发生从机构投资者到个人投资者的传导。本文通过机构持仓占比和基金对股票的控制力筛选的股票来区分投资者类型,分别采用机构重仓股的流动性和非机构重仓股的流动性对宏观经济变量进行分析,发现机构重仓股的流动性对宏观经济的领先性和显著性要明显高于非机构重仓股,证实了这种传导机制的存在,同时也说明了机构重仓股对宏观经济的领先性更强,符合机构投资者具备对宏观经济预测优势的特点。
本文的结构组织如下:第二节定义本文选取的股市流动性指标和宏观经济指标;第三节应用了衡量价格冲击的流动性指标对宏观经济指标的回归解释模型,并且检验它们相互62
间的Granger因果关系;第四节通过三种方式分析股市流动性作为宏观经济领先指标的可行的解释原因;最后一节是本文的结论。
二、流动性度量和宏观经济指标
(一)流动性度量指标
Black(1971)、Kyle(1985)和Harris(1990)对流动性的性质进行了改进和完善,将其归纳为四个特征:宽度(tightness)、深度(depth)、弹性(resiliency)和即时性(instance)。针对以上四个性质,学者们对流动性进行了多种量化度量。尽管很多流动性度量指标需要日内高频数据,但是由于我们考虑的周期较长,且Goyenko、Holden和Trzcika (2009)通过实证数据表明低频度的流动性度量指标在衡量价差成本和价格冲击时,与高频率的流动性度量指标相似。张峥等(2013)应用1999-2009年中国股市交易数据从“间接指标与直接指标的相关系数”和“买卖价差指标与信息不对称指标的近似程度”来比较流动性指标的实用性,发现Amihud(2002)指标要明显优于其他低频指标,因此在实证过程中我们选取了Amihud(2002)衡量价格冲击的非流动性指标(Amihud)。为了证实流动性的度量指标并不是决定本文结论的关键因素,我们采用Liu(2006)衡量市场活跃度的非流动性度量指标(Liu)进行了稳健性检验。
1. Amihud指标
Amihud(2002)遵循Kyle(1975)非流动性的概念——订单造成的价格冲击,进行了修正和扩展,将非流动性定义为单位交易量所引起的价格绝对涨跌幅。对于单只个股i第t个月的Amihud指标和市场在第t月的Amihud指标定义为: AmihuditTDt
j1TDtRitjAmountitjAmihudit (1) (2) Amihudtti
其中TDt 为个股i在第t月的实际交易天数,Ritj为个股i在第t月的第j个交易日的收益率绝对值,Amountitj为个股i在第t月的第j个交易日的成交金额,Nt为在第t月市场中计算流动性的有效个股的数量。
2. Liu指标
Liu(2006)衡量了流动性的多个维度,重点强调了很多流动性指标所忽略的交易速度问题。首先,考虑零交易量的天数保证交易的连续性和存在的交易延后;其次对换手率进行调整在一定程度上考虑了成交的质量;再者,其考虑到了流动性的交易成本维度;最重要的是实证表明该流动性度量与传统的流动性度量——买卖价差和换手率高度相关。
i,x21xLiuiNoOTDi,x+ DeflatorNoTDxVoli,xTurnOveri,xMoveSharei,x (3) 63
其中NoOTDi,x为在考察期间x个月内个股i零交易量的天数(包含在市场交易日的停牌和当天未发生交易的交易日),TurnOveri,x为在考察期间x个月内个股i的换手率,NoTDx为市场在x个月内的实际交易天数,Deflator为调整因子,Liu(2006)定义如果考察期间为6个月及以上则为11000,若为一个月则是480000,Voli,x为考察期间x个月内个股i的总交易量,MoveSharei,x为考察期间x个月内个股i发行在外的平均流通股数。
我们对此稍作调整,以符合现有A股市场的情形。对于单只个股i第t个月的Liu指标和市场在第t月的Liu指标定义为:
it21 LiuitNoOTDitDeflator1+DeflatorNoTD2tLiutLiuit ti(4) (5)
其中Deflator1为调整因子,取值11000,Deflator2为调整因子,取值480000,Nt为在第t月市场中计算流动性的有效个股的数量。
(二)流动性度量的指标数据
依据之前所定义的流动性指标,计算流动性度量指标所需要的数据均为交易数据,我们选取了中国最具代表性的上海证券交易所全部主板A股2000年01月至2013年06月的数据,计入计算流动性指标的时间至少要求上市半年,而且一个月内至少有10个交易日。
表1展示了流动性指标的描述性统计,Amihud指标和Liu指标的波动性均比较大,且Amihud指标显示出了近年来下降的趋势,而Liu指标却不明显。
表1 流动性指标的描述性统计
流动性
变量
Liu* 观测 数 均值 中位 数 标准差 2000-2004 2005-2009 2010-2013 观测值均值观测值 均值 观测值 均值35654 0.04635654 0.00446651 0.033 36656 0.00646651 0.005 36656 0.005Amihud* 118961 0.028 0.009 0.223118961 0.005 0.001 0.010
*注:由于Amihud和Liu的数值较小,因此给其放大100倍,不影响分析。
表2为流动性变量的相关系数,Amihud指标和Liu指标为微弱的正相关,而近年来相关性在减弱,从个股的流动性来看,差异性和波动性较大,我们的结果与Goyenko、Holden和Trzcinka(2009)的结果相似,由于我们选取的两个变量衡量流动性的不同性质,因此相关性较弱,差异会较大。
表2 流动性指标的相关系数
总区间 2000-2004最小值2005-2009 2010-2013
0.081 最大值 均值 标准差 0.071 0.126 0.093 -0.466 0.987 0.110 0.181
注:所列示的相关系数为相应区间内所有个股对应的流动性指标相关系数的简单平均。
(三)宏观经济指标
我们研究的宏观经济指标主要包含经济总量指标、通货膨胀指标和经济景气指标。总量指标为实际国内生产总值当季同比增长率(PGDP),规模以上企业的工业增加值的当月64
同比增长率(PIAV)反应经济的发展情况,通胀指标包括消费者物价指数(CPI)和生产者物价指数(PPI)反应经济运行质量,经济景气指标包括宏观经济的预警指数(MWI)和中国制造业采购经理指数(PMI)反应经济的总量、质量和预先指标。
(四)时间序列数据处理
我们采用了增强的Dickey-Fuller(ADF)检验和Phillips-Perron(PP)检验,发现流动性变量均具备季节性,因此我们对流动性变量进行了对数差分,即获取同比增长率,重新检验发现这几个变量具备平稳性。同时我们对其他变量的检验也发现为非平稳序列,具有单位根,而差分后的序列则具有平稳性,因此我们对这些宏观变量进行差分处理。
三、实证分析
(一)当期相关性分析
通过对每只股票的流动性度量指标进行简单平均,获得了市场流动性指标,并且我们对此及宏观变量进行了当期相关性分析。可以发现,除DPMI指标外,各宏观变量都存在较强的正相关,这里也正体现了DPMI指标作为宏观经济预测指标(或者领先指标)的作用,当期的相关性并不存在。流动性指标DlnAmihud与各宏观变量上,无论是经济意义,还是统计意义上,在当期相关性并不强,同样也隐含着它们之间存在着领先滞后关系。
表3 流动性变量和宏观变量的当期相关关系
变量 DlnAmihud DPGDP
DPIAV DCPI
DPPI
DMWI
DPGDP -0.21 DPIAV -0.178 0.197 DCPI -0.173 0.334 0.026 DPPI -0.265 0.414 0.192 0.396
DMWI -0.293 0.232 0.416 0.086 0.275
(二)流动性变量对宏观经济的领先性
1. 回归模型
为了检验不同流动性变量对不同宏观经济的领先性,我们采用如下的模型:
MacroitiikLiqtkt; k0,1,2,3,4,i1,2,3,4,5,6 DPMI 0.124 -0.004 0.111 -0.062 -0.064 0.073 (6)
其中宏观变量Macroit包括本文所研究的代表经济总量的宏观变量DPGDP和DPIAV,代表通货膨胀的宏观变量DCPI和DPPI,以及代表经济景气的宏观变量DMWI和DPMI被用于解释的六个宏观经济变量;流动性(或非流动性)变量Liqt即流动性变量DlnAmihud;我们分别对当期及滞后1-4阶进行分析和检验,以此获得相对可靠的结果。
2. 结果分析
我们将公式(6)的模型结果整理展示在表4中发现,流动性变量Amihud指标除了对经济的先行指标PMI缺乏解释力外,对宏观经济的其他变量具有一定的领先性和解释力,而且影响方向也是符合基本经济学理论的,当股市流动性变差,预示着宏观经济的趋势向坏,数据表现的结果便是回归系数均为负值。同时我们还发现,尽管宏观指标间同期的相
65
关性较高,但是同一个流动性变量对不同的宏观经济变量的领先阶数是不同的。Amihud的四阶滞后变量对GDP、CPI具有解释力,2阶变量对PPI具有解释力,而对IAV和MWI的领先性仅提前一个月,甚至对PMI不具备解释力。
表4 流动性变量对宏观经济的回归结果
领先阶数
领先阶数
最大领先阶数 系数
R2
p值
领先阶数
领先一阶 系数
R2
p值 DPGDP DPIAV DCPI DPPI DMWI DPMI 4 1 4 2 1 0 -0.381 -0.200 -0.188 -0.436 -1.238 0.644 0.085 0.023 0.069 0.164 0.092 0.015 0.000 0.068 0.001 0.000 0.000 0.135 1 1 1 1 1 1 -0.291 -0.200 -0.124 -0.411 -1.238 -0.009 0.049 0.023 0.030 0.146 0.092 0.000 0.007 0.068 0.036 0.000 0.000 0.984
注:我们分别对流动性变量滞后了4期进行检验,以R2最大和P值最小为选取最大领先阶数的标准。
(三)Granger因果检验
我们主要对股市流动性能够领先宏观经济比较感兴趣,然而也可能会存在相反的方向,宏观经济的变化带来了股市流动性的变化,针对这一问题,我们采取了经典的Granger因果检验模型来获得实证结果。
表5 流动性变量(Amihud)与宏观经济变量的Granger因果检验
流动性
变量领
先阶数
H0:Amihud→PGDP
H0:PGDP→Amihud
H0:Amihud→PIAV
H0:PIAV→Amihud
H0:Amihud→CPI
H0:CPI→Amihud
H0:Amihud→PPI
H0:PPI→Amihud
H0:Amihud→MWI
H0:MWI→Amihud 变量最优滞后阶数F统计量F统计量的p值 卡方统计量 卡方统计量的p值 显著性 水平 4 1 11.00.001 11.2 0.001 *** 4 4 2.4 0.050 10.3 0.035 * 1 2 2.7 0.073 5.5 0.063 * 1 1 1.5 0.228 1.5 0.221 4 1 19.40.000 19.8 0.000 *** 4 5 1.2 0.322 6.4 0.272 2 5 3.9 0.003 20.9 0.001 *** 2 2 4.0 0.020 8.3 0.016 ** 1 3 3.7 0.013 11.8 0.008 ** 1 1 1.9 0.175 1.9 0.168 注:我们对变量分别采取了六阶滞后进行检验,选取了F统计量的p值最小的阶数。
表5中我们可以发现,流动性变量(Amihud)是宏观经济变量的Granger原因,仅对PIAV的显著性水平较弱;而宏观经济变量PIAV和MWI不是流动性变量的Granger原因,66
PGDP在5%水平和PPI在1%水平下均可以通过检验,同时如果对比相反方向的Granger因果关系,我们可以认为他们并不存在相互的因果关系,因此可以证实流动性变量对宏观经济变量的解释力。我们通过采用衡量市场活跃度的流动性指标(Liu)进行了稳健性检验,得到了相似的结果,股市流动性对宏观经济具有领先性和一定的解释力。股市流动性包含了未来宏观经济变量的有效信息,当市场流动性变坏时,在未来的时间内,将伴随着各宏观经济经济的变坏。
四、股市流动性领先宏观经济的原因分析
针对股市流动性和宏观经济相互关系的原因探讨,现有文献中存在三种理论。一种理论是讨论投资者和金融中介的行为。Brunnermeier和Pederson(2009)认为市场流动性的提供者(做市商)的能力取决于它的资本和融资能力。在宏观经济下行周期中,流动性提供者所持有的证券头寸面临贬值,使得其融资能力下降,进而使其流动性的提供能力下降,减小了市场流动性。另一种理论则关注于股票市场和实体经济,即证券市场流动性和实体经济可以通过企业的投资和融资渠道产生相关关系。具有较高流动性的证券市场,会降低权益性资产的回报率和发行成本,使得市场流动性好的时候公司更倾向于发行股票来融资,从而激发长期项目的投资,促进实体经济的繁荣(Lipson和Mortal,2009)。对于新兴市场的中国股市,未采用做市商制度,融资融券交易还没有形成一定规模。第二种理论是解释宏观经济和股市流动性的长期关系。因此,这两种理论并不适用于本研究。
本文讨论更具实际意义的第三种理论。经典金融学理论认为,股票的价格是公司未来收益的折现,而公司的未来收益与宏观经济高度相关,投资者是基于预期进行证券投资决策。现有文献中有所谓“Flight-to-Quality”和“Flight-to-Liquidity”的现象。“Flight-to-Quality”和“Flight-to-Liquidity”的主要表现形式为风险资产的转移,主要指从高风险的权益类资产中转移到低风险的固定收益类资产;以及流动性资产的转移,主要指从市值较小、流动性较低的成长型股票转移到市值较大、流动性较好的价值型股票。
中国股市的流动性由所有投资者提供,投资者的参与度决定了市场流动性的大小。本节的实证方面包括三个方面。
第一,如果投资者在预期宏观经济变化的时候,调整股票和债券的资产配置。例如,当宏观经济预期变坏时,部分市场参与者退出股票市场进入债券市场,从而减少了股市的参与,增加了债市的参与,使得股市流动性下降,债市流动性上升;相反,当宏观经济预期变好时,部分市场参与者退出债券市场进入股票市场,从而增加了股市的参与,减少了债市的参与,使得股市流动性上升,债市流动性下降。因此,从数据上股市流动性和债市流动性应该均领先于宏观经济,但方向相反。
第二,在预期宏观经济变化的时候,不同类型股票资产的资产配置变化不同。当宏观经济预期变坏时,更多持有高风险低流动性成长股的投资者转向低风险资产,在股票整体流动性下降条件下,成长股流动性相对价值股更为敏感;当宏观经济预期变好时,投资者将更多转向持有高风险低流动性成长股,在股票整体流动性上升条件下,成长股流动性相对价值股更为敏感。因此,从数据上成长股流动性对于宏观经济指标的领先性应强于价值股。
第三,从投资者结构来看,机构投资者比个人投资者对经济形势的预测会更准确,对经济趋势的变化会更敏感,个人投资者对宏观经济的分析通常会基于已经公布的经济数据和公众宏观分析师的分析,缺乏对宏观经济的预测效应,他们属于市场中的滞后者和跟随
67
者。基于以上两点的观点,机构投资者偏好的股票,其流动性对宏观经济指标的领先性应更强。
(一)股票和债券的流动性和宏观经济的关系
我们采用两个时间区间较长的债券指数(上证国债指数和上证企债指数)作为研究标的。首先依据公式(1)计算两个债券指数月度的流动性指标,然后在横截面上做简单平均获得债券流动性的时间序列数据(AmihudB)。
为了验证股市流动性和债市流动性对宏观经济变量的影响,我们对公式(6)的回归模型进行变形,得到以下的模型:
MacroitiiksLiqStkikbLiqBtkt; k0,1,2,3,4 (7) 其中LiqS和LiqB分别代表股市和债市的流动性指标,其他符号与公式(6)相同。上证国债指数的初始编制时间为2003年1月,上证企债指数的初始编制时间为2003年6月,我们取2003年7月至2013年6月的时间区间进行实证检验。
表6 股市和债市流动性变量对宏观经济的回归结果
变量
AmihudB 领先阶数 系数
p值
系数
p值
R2 PGDP PIAV CPI PPI MWI PMI 1 1 4 2 1 0 0.178 0.076 0.131 0.190 -0.037 0.727 0.081 0.441 0.017 0.013 0.000 0.122 -0.452 -0.311 -0.229 -0.573 0.892 0.987 0.000 0.011 0.001 0.000 0.000 0.085 0.152 0.071 0.162 0.152 0.071 0.047 AmihudS 表6的结果展示了股市流动性和债市流动性对宏观经济的解释能力是不同的,债市非流动性指标对宏观经济变量为正向影响(如0.178),股市非流动性指标对宏观经济变量为负向影响(如-0.452)。这表明了投资者在预期宏观经济变动时,会在大类资产(股票和债券)之间进行切换,这个发现支持了我们的预期。即,当宏观经济预期变坏时,部分市场参与者退出股票市场进入债券市场,从而减少了股市的参与,增加了债市的参与,使得股市流动性下降,债市流动性上升;相反,当宏观经济预期变好时,部分市场参与者退出债券市场进入股票市场,从而增加了股市的参与,减少了债市的参与,使得股市流动性上升,债市流动性下降。因此,从数据上应该体现股市流动性和债市流动性领先于宏观经济,但方向相反。
(二)价值股和成长股的流动性和宏观经济的关系
为了深入地检验这种效应,我们对所有上证A股的公司,获得其流通市值和估值水平(市净率),分别提取流通市值和估值水平前40%和后40%的上市公司,通过这两个指标进行复合,如果同时符合流通市值较高且估值水平较低的上市公司,则定义为价值股;而同时符合流通市值较低且估值水平较高的上市公司,则定义为成长股。考虑到数据质量问题,我们删除了市净率低于0.5(包含净资产为负)和市净率高于50的股票数据。
68
表7 价值股和成长股流动性变量对宏观经济的回归结果
变量
领先阶数
AmihudV 系数 PGDP PIAV CPI PPI MWI PMI 0 0 2 2 0 0 -0.486 -0.326 -0.245 -0.407 -1.343 0.314
0.074 0.141 0.173 0.130 0.004 R2 0.166
p值
领先阶数 0.000 0.001 0.000 0.000 0.000 0.424 2 0 3 3 1 0
-0.321 -0.263 -0.165 -0.386 -1.000 0.639 AmihudG 系数
R2 0.071 0.047 0.062 0.152 0.071 0.018 p值 0.001 0.009 0.002 0.000 0.001 0.107 对比表7和表4,我们发现,价值股的流动性对宏观经济的领先性减弱,甚至对PGDP、PIAV和MWI丧失了领先性,仅为同步效应,对PMI依然不具备解释效应;成长股的流动性对宏观经济的领先性要强于价值股,体现在领先阶数上。这表明了成长股的流动性中蕴含着更多地宏观经济信息,印证了我们的结论。
(三)机构和个人投资者行为带来的流动性和宏观经济的关系
我们通过两种方式区分股票是否归属于代表机构投资者偏好,或者代表个人投资者偏好。一种方式是,每年12月底和6月底,依据上市公司的年报和半年报数据,获得机构持股比例数据,提取机构持股比例较高的40%的股票和较低的40%的股票;另一种方式是,每年12月底和6月底,基于所有共同基金的年报和半年报公布的全部持仓数据,获得基金对其持仓股票的数量,然后除以该股票在过去半年的日均成交量,代表基金对该股票的控制力指标(γ),提取该指标较高的40%的股票和较低的40%的股票。
表8 机构和个人投资者偏好股票流动性变量对宏观经济的回归结果
变量
领先阶数
AmihudF 系数 PGDP PIAV CPI PPI MWI PMI 3 1 4 3 1 0 -0.834 -0.477 -0.291-0.667 -2.102 -0.172
R2 0.362 0.121 0.167 0.305 0.277 0.006 p值
领先阶数 0.000 0.001 0.000 0.000 0.000 0.463 2 0 2 2 0 0
-0.604 -0.385 -0.213-0.655 -1.490 0.097 AmihudI 系数
R2 0.245 0.101 0.114 0.379 0.179 0.003 p值 0.000 0.003 0.001 0.000 0.000 0.636 对比表8和表4,我们发现,代表个人投资者偏好股票的流动性对宏观经济的领先性减弱,甚至对PIAV和MWI丧失了领先性,仅为同步效应,对PMI依然不具备领先效应;代表机构投资者的股市流动性对宏观经济的领先效应要强于个人投资者,体现在领先阶数上和绝对系数R2上。这表明了代表机构投资者的股市流动性中蕴含着更多地宏观经济信息,机构投资者对宏观经济的预测作用,会使其提前作用于其重仓股,使得衡量它们的流动性可以领先宏观经济的未来走势,这同样支持了我们的观点。
69
(四)讨论
许多文献阐述了在经济周期中,投资者会基于三种原因而采取“Flight-to- Quality”和“Flight-to-Liquidity”的行为。资产负债机制,即如果投资者的资产负债与市场高度相关,当投资者预期市场下跌会使他们的资产负债恶化,便会改变他们的风险资产偏好和流动性偏好以避免更多的损失;信息强化机制,即当异常或者未预期的事件导致资产亏损时,投资者发现他们遇到了无法被衡量的不确定性,会逃离高风险资产和低流动性资产以降低不确定性;策略性或投机性行为的需求,即当市场发生变动时,投资者会基于预定的策略和投机性需求进行风险资产和流动性资产的转移以获取最大化收益(如Caballero和Kurlat
[2008]、Krishnamurthy [2010]、Caballero和Krishnamurthy [2008]、Acharya、Gromb和Yorulmazer [2011]、Brunnermeier 和Pedersen [2005] 等)。
这三种机制在国内外资本市场都是适用的。在国外典型的情况为由俄罗斯的违约造成的长期资本管理公司(LTCM)的倒闭,同时也影响了类似抵押贷款证券(MBS)等其他一些非相关市场;1987年10月份的股灾,当时股票市场下跌的速度使得投资者和做市商感到惊讶,纷纷质疑自己的模型,投资者从股票市场里撤出,同时核心做市商加大了买卖报价差。国内类似的现象也非常多,每次IPO重启的预期都会造成市场的躁动,投资者从风险资产和低流动性资产的撤出转移;“816”光大证券“乌龙指”事件,近百只权重股瞬间涨停,引来市场巨额抛售,午后休市出现了多种猜测原因,投资者纷纷抛弃个股,回避市场可能带来的不确定性,随后的几日市场也呈现缩量下跌的走势,流动性衰竭。这些事件表明,在我国资本市场会发生而且还在不断演绎着“Flight-to-Quality”和“Flight-to-Liquidity”的行为,随着投资者经验的积累,当投资者预期宏观经济发生变动或者其他事件即将发生时,这些机制的作用会被强化,而产生资产转移行为。
除了投资者相互之间博弈的交易行为外,在中国,政府经常性的宏观调控政策也使投资者会先于宏观经济数据的变动而提前作用于股市操作,产生股市流动性领先于宏观经济的现象。近年来中国股市出现过多次投资者基于政府宏观调控预期的大幅波动,典型的例子如2013年6月底货币市场流动性的紧张使得投资者对央行采取“放水救市”行为的预期,股市一度大幅波动,成交量放大,股市流动性加强,而三季度的宏观数据显示了好转趋势,表现为股市流动性领先于宏观经济。这将是我们下一步研究和深入探讨的重点。
五、结 论
我们分别研究了流动性(或非流动性)指标对代表经济总量、通货膨胀和经济景气指标的六个宏观经济变量的相关分析和预测分析,同时探讨并且进行实证了股市流动性能够领先宏观经济的原因,得出以下结论:
1)不同于很多文献研究的股市涨跌幅对宏观经济不确定和无序的关系,本文获得了中国股市的新证据:股市流动性领先宏观经济,这对于证券市场投资实务人员和政策制定者有一定的指导意义,股市流动性蕴含丰富的信息;
2)股市流动性度量指标之间存在差异性,体现在相互间的相关性,和对宏观经济的解释力和领先性上,因此探索股市流动性的度量指标依然重要;
3)“Flight-to-Quality”和“Flight-to-Liquidity”理论是解释股市流动性领先于宏观经济的可行原因;
4)当投资者预期宏观经济发生变动时,会在大类资产(股票和债券)之间、股票资产(价值股和成长股)内部进行配置切换,而且从参与者角度来看,机构投资者的行为会70
领先于个人投资者,这都表明“Flight-to-Quality”和“Flight-to-Liquidity”现象的存在,一定程度上解释了股市流动性领先于宏观经济的原因。
股市流动性是近年来的热点课题,国内外学者大量研究股市流动性。我们的研究表明,尽管我国的A股市场经常被诟病为市场无序或市场无效,但是股市流动性指标却对宏观经济指标具有领先性,显示出股票市场的重要性,这将为我们的实务投资作指导,给政策制定者提供参考。
参考文献:
1. 方舟、倪玉娟和庄金良:《货币政策冲击对股票市场流动性的影响——基于Markov区制转换VAR模型的实证研究》[J],《金融研究》2011年第7期。
2. 卢大良:《中国股市“晴雨表”功能探讨》[J],《经营管理者》2011年第2期。
3. 邢治斌、仲伟周:《宏观经济政策对股票市场流动性风险影响的实证分析》[J],《统计与决策》2013年第7期。
4. 王国刚:《股市并非国民经济晴雨表》[J],《中国金融》2012年第24期。
5. 章华:《我国股票市场和经济增长关系的实证研究》[D],2008年。
6. 张峥、李怡宗、张玉龙、刘翔:《中国股市流动性间接指标的检验——基于买卖价差的实证分析》[J],《经济学(季刊)》2013年第1期。
7. Acharya V. V., D. Gromb and T. Yorulmazer, 2011, Imperfect Competition in the Interbank Market for Liquidity as a Rationale for Central Banking[D], Working Paper.
8. Amihud Y., 2002, Illiquidity and Stock Returns: Cross-section and Time-series Effects[J], Journal of Financial Economics, 5(1), pp.31-56.
9. Black F., 1971, Toward a Fully Automated Stock Exchange[J], Financial Analysts Journal, 27(4), pp.28-44.
10. Brunnermeier, M. K. and L. H. Pedersen, 2005, "Predatory Trading"[J], The Journal of Finance, 60(4),
pp.1825-1863.
11. Brunnermeier M. K. and L. H. Pedersen, 2009, Market Liquidity and Funding Liquidity[J], Review of
Financial Studies, 22(6), pp.2201–2238.
12. Caballero R. J. and A. Krishnamurthy, 2008, Collective Risk Management in a Fight to Quality Episode[J],
The Journal of Finance, 63(5), pp.2195-2230.
13. Caballero R. J. and P. D. Kurlat, 2008, Flight to Quality and Bailouts: Policy Remarks and a Literature
Review[D], Working Paper.
14. Corwin S. A. and P. Schultz, 2012, A Simple Way to Estimate Bid-Ask Spreads from Daily High and Low
Prices[J], The Journal of Finance, 67(2), pp.719-760.
15. Goyenko R. Y., C. W. Holdenb and C. A. Trzcinka, 2009, Do Liquidity Measures Measure Liquidity?[J],
Journal of Financial Economics, 92(2), pp.153-181.
16. Harris L., 1990, Liquidity , Trading Rules and Electronic Trading Systems[D], Southern California, School
of Business Administration, Papers 91-8.
17. Krishnamurthy A., 2010, Amplification Mechanisms in Liquidity Crises[J], American Economic Journal:
Macroeconomics, 2(3), pp.1–30.
18. Kyle A. S., 1985, Continuous Auctions and Insider Trading[J], Econometrica, 53(6), pp. 1315-1335.
19. Lipson M. L. and S. Mortal, 2009, Liquidity and Capital Structure[J], Journal of Financial Markets, 12(4),
pp.611–644.
20. Liu W. M., 2006, A Liquidity-augmented Capital Asset Pricing Model[J], Journal of Financial Economics,
82(3), pp.631-671.
21. Næs R., J. A. Skjeltorp and B. A. Ødegaard, 2011, Stock Market Liquidity and the Business Cycle[J], The
Journal of Finance, 66(1), pp.139-176.
22. Stock, James H., and Mark W. Watson, 2003, Forecasting Output and Inflation: The Role of Asset Prices”[J],
Journal of Economic Literature 41, 788–829.
(L)
71