我國股市噪聲交易與信息不對稱關(guān)系研究

一、噪聲交易與市場質(zhì)量管理灰色區(qū)域（1986年）將噪聲交易分為兩類：流動性交易和非信息交易。流動性交易者對市場充滿信任,愿意以一定的市場價格買入或賣出任意數(shù)量的風(fēng)險資產(chǎn),因此這類噪聲交易者是證券市場賴以存在的基礎(chǔ)。不知情交易者沒有掌握關(guān)于風(fēng)險資產(chǎn)真實價值的信息,卻誤認(rèn)為自己擁有正確的信息,因此其交易行為給證券市場帶來了一定程度的摩擦,使資產(chǎn)價格時常偏離其真實價值。當(dāng)然,在Fama(1970,1991)搭建的“有效市場”內(nèi),噪聲交易的買賣各方能形成一種均衡,使價格完整地揭示出市場上的一切內(nèi)在信息;一旦噪聲交易者相互之間無法達(dá)成均衡,那么了解資產(chǎn)真實價值的知情交易者就可以立即從中進(jìn)行套利活動,使市場回歸到均衡狀態(tài),因此噪聲交易者無法長期主宰價格發(fā)現(xiàn)。但是,在DeLong等(1990)、Shleifer和Vishny(1997)以及Shleifer(2000)構(gòu)建的“非有效市場”內(nèi),噪聲交易者的信念可以相互傳遞、鞏固和放大,形成短期內(nèi)難以消失的擴散效應(yīng),給知情交易者的套利活動帶來額外的風(fēng)險,另外,知情交易者也可能受資金或交易時間、地點和制度的約束只能從事有限套利(limitedarbitrage),此時,價格無法如實反映資產(chǎn)的基本面和投資者所掌握的私人信息,噪聲交易就能系統(tǒng)地影響市場流動性、波動性和價格發(fā)現(xiàn)。由此可見,有關(guān)噪聲交易在證券市場中的地位和作用是現(xiàn)代金融學(xué)與新金融學(xué)爭論的焦點之一,也是正確理解金融市場微觀運行規(guī)律的一個關(guān)鍵環(huán)節(jié)(Bloomfiledetal,2008)。我國證券市場經(jīng)過十多年的發(fā)展已頗具規(guī)模,但長期以來市場的主要參與者是中小投資者(散戶),基于理性投資信念的市場運作手法還不成熟,過度投機、內(nèi)幕交易和股價操縱等問題異常突出,政府政策對市場也存在巨大影響,市場上信息不對稱程度大且噪聲交易多。因此,如何定量分析噪聲交易并深入揭示出噪聲交易與流動性、波動性、信息不對稱和有效性等市場質(zhì)量指標(biāo)之間的關(guān)系,從而為有關(guān)機構(gòu)和證交所提供科學(xué)合理的政策依據(jù)已成為一個亟待研究和解決的問題。目前,國內(nèi)已有研究大都集中在定性分析噪聲交易的成因及其對證券市場的影響等方面,定量研究還很少。為此,本文在系統(tǒng)回顧了金融學(xué)界對噪聲交易與市場質(zhì)量的理論與實證研究后,對已有的研究思路和方法進(jìn)行利用和創(chuàng)新,進(jìn)行嚴(yán)謹(jǐn)?shù)挠嬃糠治觥１疚牡闹饕暙I(xiàn)和創(chuàng)新點體現(xiàn)在以下三方面:一是針對噪聲交易難以度量的特殊問題,根據(jù)DeLong等(1991)的理論,將Huang和Stoll(1996)以及Berkman和Eleswarapu(1998)的實證方法結(jié)合在一起,通過行業(yè)、規(guī)模、財務(wù)杠桿和賬面值—市值比配對的方法,建立起32家上證50成份股上市公司的控制樣本,然后運用回歸分析,剔除單個資產(chǎn)收益率所含有的基本面因素,再通過與基本面正交的收益率方差衡量噪聲交易,首次估計出我國股市噪聲交易的高頻時間序列;二是針對我國股市實行指令驅(qū)動交易制度、市場上沒有做市商的實際情況,利用并調(diào)整Stoll(2000)的方法,重新計算符合我國股市微觀結(jié)構(gòu)的買賣價差和實際價差,首次系統(tǒng)構(gòu)建出包含信息不對稱和有效性在內(nèi)的市場質(zhì)量指標(biāo),從而拓寬了國內(nèi)學(xué)者在市場微觀結(jié)構(gòu)方向上的研究視角;三是針對噪聲交易與市場質(zhì)量具有錯綜復(fù)雜的內(nèi)在關(guān)系,建立起一個不受先驗理論支配的動態(tài)計量模型,然后運用合理的方法對模型進(jìn)行估計和檢驗,首次通過嚴(yán)謹(jǐn)?shù)亩垦芯?揭示出我國股市噪聲交易與市場質(zhì)量之間的經(jīng)驗關(guān)系。二、文獻(xiàn)回顧1.噪聲交易與知情交易之間的相互作用Kyle(1985)假設(shè)市場上存在一名知情交易者、多名噪聲交易者和一名做市商,知情交易者擁有資產(chǎn)真實價值的私人信息,而噪聲交易者掌握的信息與資產(chǎn)真實價值無關(guān),卻誤把噪聲當(dāng)作有用的信息,或純粹進(jìn)行流動性交易,同時,做市商不知道資產(chǎn)的真實價值,但卻能收集到資產(chǎn)價格和成交量變化所釋放出的信息;在知情交易者沒有競爭壓力等前提下,知情交易者采取分散交易次數(shù)的方式,試圖隱藏其私人信息,以獲取最大的利潤;隨著噪聲交易者數(shù)量增加,知情交易者更有意愿積極參與交易,此時資產(chǎn)價格就更能揭示出私人信息,因此噪聲交易能提高市場有效性。Glosten和Milgrom(1985)認(rèn)為,在信息不對稱下,如果噪聲交易的比重增加,逆向選擇成本減小,做市商就會降低買賣報價價差,因此噪聲交易能減少信息不對稱并提高市場流動性。Admati和Pfleiderer(1988)在允許市場存在多名知情交易者的基礎(chǔ)上擴展了Kyle(1985)的模型,發(fā)現(xiàn)在均衡狀態(tài)下,知情交易者之間的博弈使噪聲交易具有一定的內(nèi)生性;在交易行為完全暴露出私人信息之前,知情交易者會充分利用其信息優(yōu)勢進(jìn)行交易,如果私人信息具有較高的相關(guān)性,即知情交易者擁有類似的私人信息,那么知情交易者之間的競爭必然加大,從而吸引更多的噪聲交易;但如果私人信息的相關(guān)性較低,那么噪聲交易者處于明顯的信息劣勢,也就不愿積極參與交易,因此知情交易和噪聲交易的相互作用能加大市場的深度,即在特定報價上訂單的數(shù)量。Holden和Subrahmanyam(1992)、Foster和Viswanathan(1993)、Wang(1998)以及Back等(2000)分別就價格確定方式(單一價格的集合競價、連續(xù)競價或做市商報價)、交易者競爭形式(Bertrand型或Cournot型競爭)、信息結(jié)構(gòu)(靜態(tài)或動態(tài)貝葉斯更新)以及信息持續(xù)性設(shè)置了一些更符合現(xiàn)實的假設(shè),發(fā)現(xiàn):噪聲交易與知情交易存在相互作用、相互依存和相互制約的關(guān)系;噪聲交易者與知情交易者之間達(dá)成交易的概率顯著大于噪聲交易者之間或知情交易者之間成交的概率;價格是重要的信息來源;知情交易者在開盤時的信息優(yōu)勢最明顯;知情交易是引起股價變動的重要原因,而噪聲交易則是引起成交量放大的主要因素。Easley等(2002)、Gur和Stanzl(2004)以及Wang(2005)將市場微觀結(jié)構(gòu)和行為金融理論結(jié)合起來,在假設(shè)噪聲交易者對所掌握的信息精度顯得過于自信而知情交易者在不同時期采取不同投資策略(慣性或反轉(zhuǎn)策略)的基礎(chǔ)上,推導(dǎo)出不同的線性貝葉斯—納什信息均衡模型,再通過數(shù)字模擬,對模型進(jìn)行比較靜態(tài)分析,發(fā)現(xiàn)噪聲交易越多,市場流動性就越大,價格形成過程更加有效,同時,知情交易者獲利也就越多。2.噪聲交易與市場流動性Chan和Lakonishok(1993)、Lehmann和Modest(1994)以及Biais等(1995)分別研究了NYSE、東京和巴黎證交所的日內(nèi)數(shù)據(jù),發(fā)現(xiàn)股市在開盤和收盤期間私人信息特別集中且噪聲交易大,導(dǎo)致買賣價差小且成交量大,表明噪聲交易有助于提高交投活躍程度。Easley等(1996)根據(jù)日間買賣訂單的數(shù)量、成交價及其變化,構(gòu)建出一個知情交易概率指數(shù),發(fā)現(xiàn)NYSE在開盤期間換手率高的股票知情交易少,表明噪聲交易有助于提高交投活躍程度并降低信息不對稱。Berkman和Eleswarapu(1998)運用事件研究法,發(fā)現(xiàn)交易制度的變化對噪聲交易和市場流動性有顯著影響,如印度監(jiān)管當(dāng)局為抑制過度投機而在1993年12月廢除股票遠(yuǎn)期交易體系,導(dǎo)致噪聲交易減少,與此同時,1994年股市日均換手率下降了72%,表明噪聲交易與市場流動性成正比。Greene和Smart(1999)以《華爾街日報》上“專業(yè)薦股與隨機擇股”欄目(investmentdartboardcolumn)所覆蓋的股票為樣本,研究做市商報價行為與噪聲交易的關(guān)系,發(fā)現(xiàn)在報紙出版當(dāng)天,欄目所薦股票的日內(nèi)成交量明顯放大,買賣價差縮小且逆向選擇成本降低,說明噪聲交易提高了市場流動性。Bessembinder(2003)發(fā)現(xiàn),NYSE和NASDAQ分別于2001年1月29日和4月9日起實施十進(jìn)制最小報價單位(decimalization)改革,此后噪聲交易增加,執(zhí)行成本大幅降低且交投活躍程度顯著提高。Chakravarty等(2004)研究了NYSE和CBOT(芝加哥期貨交易所)60只交投最活躍的期權(quán),發(fā)現(xiàn)保證金交易所帶來的杠桿效應(yīng)能吸引噪聲交易并加速標(biāo)的資產(chǎn)的價格發(fā)現(xiàn),表明噪聲交易有助于改善市場效率。Lei和Wu(2005)在假設(shè)噪聲交易服從馬可夫鏈隨機過程的基礎(chǔ)上延伸了Easley等(1996)的研究,發(fā)現(xiàn)噪聲交易與股票的歷史收益成正比,具有慣性投資策略(momentum)的特征,而知情交易則完全基于資產(chǎn)的真實價值且無法被預(yù)測,因此噪聲交易與知情交易的相關(guān)性在成交量較高時會減小,導(dǎo)致交投活躍程度與知情交易成反比,說明噪聲交易能提高市場流動性并降低信息不對稱。3.市場有效價值量的影響Admati(1985)提出了一個完全競爭狀態(tài)下的理性預(yù)期均衡模型,發(fā)現(xiàn)噪聲交易的存在使市場必須同時利用價格和私人信息才能完成對交易者后驗信念的修正并準(zhǔn)確傳遞交易者的需求函數(shù),換言之,單純依靠價格無法如實反映所有的私人信息,因此噪聲交易降低了市場有效性。Kyle(1989)在假設(shè)不完全競爭、知情交易者呈風(fēng)險厭惡且其私人信息具有一定持久性的前提下推廣了Kyle(1985)的模型,發(fā)現(xiàn)資產(chǎn)的均衡價格取決于知情交易者的累積歷史信息流和當(dāng)前的信息沖擊,因此日內(nèi)收益具有一定的自相關(guān)性,市場的價格發(fā)現(xiàn)功能較弱,同時,噪聲交易與信息沖擊成正比,使價格波動幅度較大。Palomino(1996)提出了一個不完全競爭狀態(tài)下的納什均衡模型,發(fā)現(xiàn)當(dāng)知情交易者無法預(yù)測噪聲交易者的信念或兩者的信念相差過大時,知情交易者將不會與噪聲交易者進(jìn)行交易,而且在最嚴(yán)重的情況下,市場上沒有任何交易,因此價格無法充分揭示出所有投資者的私人信息。Stoll(1989)指出,做市商必須不斷調(diào)整報價,才能維持訂單平衡,噪聲交易會降低做市商的存貨水平,迫使做市商提高買賣價差,因此噪聲交易降低了市場流動性。Madhavan(1992)認(rèn)為,噪聲交易增加了知情交易者和做市商面臨的不確定性,致使交易頻率縮小、買賣價差增加以及市場流動性減小。Handa等(2003)認(rèn)為,指令驅(qū)動交易制度下買賣價差是投資者類別和信息不對稱的函數(shù),不知情交易者比例上升,買賣價差隨之?dāng)U大,市場流動性就下降。DeLong等(1991)認(rèn)為,知情交易者受生命周期、流動性需求和短期評價等客觀因素制約只能從事有限的套利活動,從而給噪聲交易者提供了較大的生存空間,同時,噪聲交易者往往對信息過度反應(yīng)或反應(yīng)不足,導(dǎo)致資產(chǎn)價格過度波動。Campbell和Kyle(1993)發(fā)現(xiàn),資產(chǎn)收益的波動程度與噪聲交易者的比例呈正相關(guān)關(guān)系。Vayanos(2001)通過對大額交易者和噪聲交易者動態(tài)投資策略的研究發(fā)現(xiàn),適度的噪聲交易有助于風(fēng)險共擔(dān),促使大額交易者分散訂單,以一定的節(jié)奏和噪聲交易者不斷進(jìn)行交易和信息反饋,促進(jìn)價格發(fā)現(xiàn),但過度的噪聲交易卻迫使大額交易者迅速下單,以期領(lǐng)先于市場,致使價格過度波動。Chakraborty和Yilmaz(2004)在假設(shè)知情交易者不愿公開私人信息的基礎(chǔ)上修訂了Glosten和Milgrom(1985)的理論模型,發(fā)現(xiàn)噪聲交易的存在使知情交易者有動機進(jìn)行錯誤投資并承擔(dān)由此所造成的短期損失,以迷惑和吸引更多的噪聲交易并獲取長期利潤,因此噪聲交易、市場操縱及信息不對稱均為內(nèi)生變量,它們之間的相互作用使價格無法及時揭示出私人信息,導(dǎo)致市場有效性減弱。Mendelson和Tunca(2004)假設(shè)噪聲交易取決于信息和風(fēng)險結(jié)構(gòu),因此信息不對稱和噪聲交易之間的相互影響迫使知情交易者采取緩慢釋放私人信息的次優(yōu)決策,從而延遲了價格發(fā)現(xiàn)過程,使市場有效性降低。4.噪聲交易與市場質(zhì)量Lee等(1993)發(fā)現(xiàn),NYSE上市公司在盈利公告后成交量顯著上升,同時,做市商提高買賣價差,市場深度大幅減小,表明噪聲交易增加了交易成本。Damodaran和Liu(1993)以房地產(chǎn)評估師公布的投資價值報告為事件,發(fā)現(xiàn)NYSE的54家房地產(chǎn)投資基金(REIT)在公告后換手率上升、買賣價差擴大且信息不對稱增加。Keim和Madhavan(1996)使用1985—1992年間NYSE、AMEX和NASDAQ上發(fā)生的5625筆大額交易數(shù)據(jù),發(fā)現(xiàn)在大額交易發(fā)生后,市場上噪聲交易顯著增加,價格波動幅度從1.45%上升到8%。Gemmill和Thomas(2002)以日本、法國和德國等17個國家在英國和美國上市的24只封閉式基金為研究對象并分別以該17國和英、美兩國不重疊的節(jié)假日為樣本時間,發(fā)現(xiàn)24只封閉式基金在英、美股市日內(nèi)價格的平均波動幅度相當(dāng)于樣本時間外的80%。鑒于外國股市在樣本時間內(nèi)休市,市場上沒有關(guān)于資產(chǎn)真實價值的信息,英、美股市上針對24只封閉式基金的交易基本上屬于噪聲交易,所以噪聲交易是造成市場波動的主要因素。Brown(1999)使用美國個人投資者協(xié)會通過問卷調(diào)查得出的投資者情緒指數(shù)(投資者對牛市或熊市的總體認(rèn)定)衡量噪聲交易,發(fā)現(xiàn)投資者對市場前景過于樂觀或悲觀,都會導(dǎo)致價格波動幅度上升。Lee等(2002)使用美國投資情報研究所構(gòu)建的投資者情緒指數(shù)度量噪聲交易,發(fā)現(xiàn)過度自信使噪聲交易者對信息的評價出現(xiàn)差異,同時,噪聲交易者的情緒變化對市場波動性的影響不對稱,當(dāng)噪聲交易者對市場前景持樂觀態(tài)度,價格波動幅度下降,反之,當(dāng)噪聲交易者對市場前景感到悲觀,價格波動幅度則上升。Antweiler和Frank(2004)運用支持向量機算法(supportvectormachinealgorithm),對1998—2000年間Yahoo金融網(wǎng)關(guān)于45家NYSE上市公司的評論進(jìn)行文字解碼,估計出噪聲交易的日內(nèi)時間序列,發(fā)現(xiàn)噪聲交易增加了市場波動幅度。Chordia和Subrahmanyam(2004)利用1993—1998年間NYSE-TAQ數(shù)據(jù),發(fā)現(xiàn)噪聲交易是NYSE委托單失衡的主要原因,即噪聲交易使特定時間內(nèi)的買單(或賣單)數(shù)量遠(yuǎn)遠(yuǎn)超過賣單(或買單)數(shù)量,同時,委托不平衡引起日內(nèi)收益率呈顯著的負(fù)自相關(guān)性,表明市場的價格發(fā)現(xiàn)效率下降。可見,針對噪聲交易與市場質(zhì)量的關(guān)系,金融學(xué)界已形成兩種不同的觀點,一種認(rèn)為噪聲交易可以加速私人信息的交叉融合,提高資產(chǎn)流動性和價格發(fā)現(xiàn)效率,從而改善市場質(zhì)量;另一種則認(rèn)為噪聲交易導(dǎo)致投資者對信息反應(yīng)過度,使價格波動性和信息不對稱增大,從而降低了價格發(fā)現(xiàn)效率和市場質(zhì)量。目前,噪聲交易與市場質(zhì)量的理論和經(jīng)驗關(guān)系仍然是微觀金融研究的一個熱點問題。為此,在以下部分中,本文構(gòu)建噪聲交易和市場質(zhì)量的度量指標(biāo),通過運用科學(xué)合理的實證方法,分析我國股市噪聲交易和市場質(zhì)量的經(jīng)驗關(guān)系。三、噪聲交易與市場質(zhì)量的測量方法1.模型構(gòu)建及處理工具根據(jù)DeLong等(1990)的理論模型,噪聲交易者對信息存在過度反應(yīng)或反應(yīng)不足,導(dǎo)致資產(chǎn)價格脫離基本面,收益的不確定性增加,而且噪聲交易者比例上升,資產(chǎn)預(yù)期收益就提高,收益波動幅度也隨之?dāng)U大,因此本文在DeLong等(1990)的理論指導(dǎo)下,采取以下步驟從單個資產(chǎn)收益率中剔除基本面因素,通過與基本面正交的收益波動衡量噪聲交易。首先,本文從深圳國泰安公司的CSMAR數(shù)據(jù)庫中選取2000年底前在上交所上市的562家公司為基本研究對象,在刪除所有ST、PT、*ST以及曾被證監(jiān)會立案調(diào)查的75家公司后,根據(jù)2004年底上證50指數(shù)成份股的名單,確定寶鋼股份等32家上市公司為研究樣本,然后根據(jù)行業(yè)、股價、規(guī)模、帳面值-市值比和財務(wù)杠桿最匹配的原則,通過下述公式計算Yj,l值并選擇控制樣本:Yj,l=[ΡΟj-ΡCj,l(ΡΟj+ΡCj,l)/2]2+[ΜΟj-ΜCj,l(ΜΟj+ΜCj,l)/2]2+[BΜΟj-BΜCj,l(BΜΟj+BΜCj,l)/2]2+[DAΟj-DACj,l(DAΟj+DACj,l)/2]2(1)其中,PΟj和PCj,l為研究樣本股j(j=1,…,32)及其候選配對股l(l=1,…,486)在2001年12月28日的收盤價,MΟj和MCj,l為同日j和l的股東權(quán)益總市值,BMΟj和BMCj,l為j和l的帳面值-市值比(總資產(chǎn)帳面值除以負(fù)債帳面值與股東權(quán)益總市值之和),DAΟj和DACj,l為j和l的資產(chǎn)負(fù)債率(長期負(fù)債帳面值除以總資產(chǎn)帳面值)。對樣本j,盡量選擇其同行業(yè)或相關(guān)行業(yè)Yj,l值最低的2—3家非研究樣本上市公司作為配對股,使配對股與j具有大致相同的系統(tǒng)性風(fēng)險,以此建立起控制樣本。其次,本文從CSMARTAQ-CS(2003版)高頻交易數(shù)據(jù)庫中選取研究樣本及其控制樣本在2002年7月1日至2003年6月10日間的分筆和分時數(shù)據(jù),以此計算各樣本股收益率的高頻時間序列。鑒于樣本之間每筆交易發(fā)生的時間并非完全同步,所以本文提取出每15分鐘的開盤價(第一筆成交價)和收盤價(最后一筆成交價),然后根據(jù)下述公式計算日內(nèi)分時收益率:rΟj,t=10000×(lnΡΟ,Cj,t-lnΡΟ,Οj,t)(2)rCj,t=10000×[1∑Ll=1ΜCj,lL∑l=1ΜCj,l(lnΡC,Cj,l,t-lnΡC,Οj,l,t)](3)其中,rΟj,t和rCj,t分別代表研究樣本j及其配對組合在時間t內(nèi)(15分鐘)的對數(shù)收益率,j=1,…32,t=1,…,3616(226個交易日,每日16個分時區(qū)間),收益率的度量單位為基本點(basispoint,1個百分點等于100個基本點),PΟ,Cj,t和PΟ,Οj,t分別為j在15分鐘期間的收盤價和開盤價,PC,Cj,l,t和PC,Οj,l,t分別為配對股l(l=1,…,L,L≤3)在15分鐘期間的收盤價和開盤價。公式(3)表明,配對組合的收益率等于配對股收益率的加權(quán)平均,權(quán)重為配對股的市值。1最后,在假設(shè)噪聲交易與基本面因素?zé)o關(guān)的基礎(chǔ)上,本文根據(jù)DeLong等(1990)的理論模型及Berkman和Eleswarapu(1998)的思路,通過以下線性回歸,估計出噪聲交易高頻時間序列:rΟj,t=αj+βjrCj,t+γjrCj,t+1+εj,t(4)鑒于研究樣本與其配對樣本隸屬相同或相近行業(yè)且具有類似的股價、規(guī)模、帳面值—市值比以及財務(wù)杠桿,所以兩者必然擁有共同的基本面因素。回歸(4)將j的收益分解為與基本面相關(guān)的收益(?αj+?βjrCj,t+?γjrCj,t+1)及與基本面正交的收益(即殘差?εj,t),前者體現(xiàn)了研究樣本及其配對組合收益所受基本面因素的影響而后者則與基本面無關(guān)。在此基礎(chǔ)上,本文用殘差平方(即與基本面正交的收益波動)衡量噪聲交易程度,即ΝΟSj,t=?ε2j,t100(5)2.市場質(zhì)量測量方法2.1日內(nèi)價格彈性分析在Jones等(1994)的基礎(chǔ)上,本文用成交價的相對變化衡量日內(nèi)價格波動性如下:Vj,t=1000×2×|ΡΟ,Ηj,t-ΡΟ,Lj,t|ΡΟ,Ηj,t+ΡΟ,Lj,t(6)其中,PΟ,Ηj,t和PΟ,Lj,t分別為樣本j每15分鐘的最高和最低成交價。2.2公司內(nèi)部的交易交易成本包括確定性成本(如委托費、傭金、印花稅)和不確定性成本兩部分。不確定性成本又稱執(zhí)行成本,是信息不對稱和市場供需不均衡時投資者買賣證券的風(fēng)險補償,一般由買賣價差衡量,與市場流動性密切相關(guān)。由于我國股市沒有做市商,實行指令驅(qū)動下的連續(xù)交易,每筆委托都通過電腦主機撮合處理,而且訂單的最小報價單位為0.01元,所以買賣價差不是做市商所提供的雙向報價之差,而是市場上未成交的有效訂單的加權(quán)平均委賣價和加權(quán)平均委買價之差(蘇冬蔚,2005)。為此,本文使用以下公式計算相對買賣報價半價差(relativequotedhalfspread),作為衡量交易成本和流動性的一個指標(biāo):QSj,t=10000×ˉAj,t-ˉBj,t2Ηj,t,Ηj,t=ˉAj,t+ˉBj,t2(7)其中,ˉAj,t和ˉBj,t分別為研究樣本j訂單簿上每15分鐘的平均委賣價和平均委買價,Hj,t為平均委賣價和平均委買價的中間價,代表了j在時間t內(nèi)的均衡價格。22.3文使用電阻率鑒于交投活躍程度與流動性密切相關(guān)(蘇冬蔚和麥元勛,2004),本文使用換手率作為度量流動性的另一個指標(biāo)。換手率的計算方法如下:ΤΟj,t=100×VΟLj,tΤSj,t(8)其中,VOLj,t是研究樣本j每15分鐘的成交量,TSj,t是其流通股(A股)股數(shù)。2.4信息不對稱程度鑒于知情交易者在獲得私人信息后,可能會大量使用限價指令,甚至秘密通過多個帳戶,力圖在一定時間內(nèi)盡快完成交易,所以信息不對稱程度與報價的變化密切相關(guān)。Stoll(2000)認(rèn)為,信息不對稱可以通過資產(chǎn)均衡價格的變化來度量。因此,本文用買賣報價中間價的變化衡量信息不對稱程度。ΙAj,t=10000×|Ηj,t-Ηj,t-1|Ηj,t(9)2.5實際溢價差的定義如果市場有效,那么價格必須充分及時地反映一切公開信息和私人信息,知情交易者無法利用內(nèi)幕消息獲取超額收益,成交價也就必然服從一個隨機游走過程,因此,本文根據(jù)Stoll(2000)的思路,定義實際半價差(realizedhalfspread)為:RSj,t=10000×ΡΟ,Cj,t-ΡΟ,Cj,t-1Ηj,t(10)換言之,實際半價差等于每15分鐘的收盤價(最后一筆交易的實際成交價)之差除以買賣報價的中間價。3市場有效性要求實際半價差與噪聲交易等因素?zé)o關(guān)。四、噪聲交易與市場質(zhì)量的確認(rèn)1.噪聲交易的標(biāo)準(zhǔn)差與市場質(zhì)量指標(biāo)的關(guān)系表1提供了噪聲交易和各類市場質(zhì)量指標(biāo)的均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)。從表中可見,買賣報價半價差的平均值為36.27個基本點,表明投資者的單向執(zhí)行成本約為0.36%,相當(dāng)于同期上證的確定性交易成本(印花稅為0.2%,券商傭金為0.175%,兩者合計為0.375%);信息不對稱指標(biāo)的平均值為24.14個基本點,低于報價半價差,表明報價價差含有指令處理和信息不對稱等多項成本;日內(nèi)每15分鐘的平均換手率為11.29%,在全球市場中名列前茅;噪聲交易的標(biāo)準(zhǔn)差遠(yuǎn)遠(yuǎn)大于各市場質(zhì)量指標(biāo);噪聲交易與波動性、交投活躍程度、報價半價差和信息不對稱呈統(tǒng)計顯著的正相關(guān)關(guān)系,而與實際半價差則呈負(fù)相關(guān)關(guān)系(僅在10%水平上統(tǒng)計顯著),表明噪聲交易與市場質(zhì)量密切相關(guān);此外,各類市場質(zhì)量指標(biāo)之間也具有一定的相關(guān)性,如波動性與換手率成正比(在1%水平上統(tǒng)計顯著)且與實際半價差成反比(在5%水平上統(tǒng)計顯著),報價半價差與換手率和信息不對稱程度均呈顯著的正相關(guān)關(guān)系而與實際半價差呈顯著的負(fù)相關(guān)關(guān)系。2.盤前和盤后時間序列v型本文以開盤后15分鐘為基期,對噪聲交易和市場質(zhì)量指標(biāo)進(jìn)行分時比較。圖1描繪了噪聲交易和市場質(zhì)量指標(biāo)日內(nèi)各時段均值的時間序列。從圖中可見,噪聲交易在開盤后半小時內(nèi)較大,然后從早盤10:15至午盤1:45逐漸下降,2:00后急劇上升,在收盤前達(dá)到日內(nèi)最高點,日內(nèi)時間序列呈“V型”;價格波動幅度在收盤前半小時呈迅速放大的趨勢;報價半價差在開盤后半小時最大,早盤期間逐漸下降,午盤后又有所上升,日內(nèi)總體上呈“弱U型”,表明開盤后1小時的執(zhí)行成本較大;4基期和收盤前15分鐘的換手率顯著高于其它日內(nèi)時段,表明市場交投活躍程度在開盤后和收盤前較高;5午盤的信息不對稱程度平均低于早盤;此外,實際半價差在日內(nèi)呈上升趨勢,且圍繞該趨勢上下波動。3.granger因果檢驗由上述結(jié)果可見,噪聲交易、波動性、流動性和信息不對稱之間具有錯綜復(fù)雜的經(jīng)驗關(guān)系。為此,本文建立起一個動態(tài)的向量自回歸(VAR)模型,使噪聲交易與市場質(zhì)量均為內(nèi)生變量且取決于相互之間的滯后項,從而科學(xué)準(zhǔn)確地反映噪聲交易與市場質(zhì)量之間相互作用和相互影響的內(nèi)在關(guān)系。VAR模型可以表述如下:ΝSt=α0+Κ∑k=1α1kΝSt-k+Κ∑k=1α2kLt-k+Κ∑k=1α3kΙAt-k+Κ∑k=1α4kVt-k+Κ∑k=1α5kRSt-k+ξ1tLt=β0+Κ∑k=1β1kΝSt-k+Κ∑k=1β2kLt-k+Κ∑k=1β3kΙAt-k+Κ∑k=1β4kVt-k+Κ∑k=1β5kRSt-k+ξ2tΙAt=?0+Κ∑k=1?1kΝSt-k+Κ∑k=1?2kLt-k+Κ∑k=1?3kΙAt-k+Κ∑k=1?4kVt-k+Κ∑k=1?5kRSt-k+ξ3tVt=λ0+Κ∑k=1λ1kΝSt-k+Κ∑k=1λ2kLt-k+Κ∑k=1λ3kΙAt-k+Κ∑k=1λ4kVt-k+Κ∑k=1λ5kRSt-k+ξ4tRSt=θ0+Κ∑k=1θ1kΝSt-k+Κ∑k=1θ2kLt-k+Κ∑k=1θ3kΙAt-k+Κ∑k=1θ4kVt-k+Κ∑k=1θ5kRSt-k+ξ5t(11)其中,Lt分別取執(zhí)行成本QSt和換手率TOt;K為變量的滯后項次數(shù),可由Akaike信息法則(AIC)或Schwartz信息法則(BSIC)確定。本文使用最大似然法,通過GAUSS計量軟件的BHHH運算程序分別估計出32家樣本股的VAR模型參數(shù),發(fā)現(xiàn)在大多數(shù)情況下,當(dāng)滯后項次數(shù)K=2時,AIC值最小且殘差沒有自相關(guān)。表2和3提供了VAR模型各回歸方程解釋變量32組系數(shù)估計值的平均數(shù)及其正值和負(fù)值的個數(shù),小括號內(nèi)的數(shù)字為系數(shù)估計值的漸進(jìn)性t-統(tǒng)計量在1%、5%和10%水平上顯著的個數(shù),中括號內(nèi)的數(shù)字為Granger因果關(guān)系檢驗量在1%、5%和10%水平上顯著的個數(shù)。圖2繪制了噪聲交易和市場質(zhì)量之間的經(jīng)驗關(guān)系,箭頭方向代表了變量間的Granger因果關(guān)系。表2和表3的結(jié)果可歸納如下:首先,噪聲交易、報價半價差、換手率、信息不對稱和波動性都具有明顯的一階正自相關(guān)性,表現(xiàn)為其一次滯后項系數(shù)均在5%水平上統(tǒng)計顯著為正(且多數(shù)在1%水平上統(tǒng)計顯著),而其二次滯后項系數(shù)則大多不顯著。另外,實際半價差呈現(xiàn)出一定的一階負(fù)自相關(guān),表現(xiàn)在?θ51有27和25組為負(fù),其中又有12和8組在10%水平以上統(tǒng)計顯著,而?θ52則大多不顯著(見表2、表3的RS行和RS列)。其次,?β11有27和24組為正,其中又有18和17組在10%水平以上統(tǒng)計顯著,同時,Granger因果關(guān)系檢驗量各有18次在5%水平上拒絕β11=β12=0的零假設(shè)(見表2的NS行和QS列及表3的NS行和TO列),表明噪聲交易越大,報價半價差和換手率就越高,換言之,噪聲交易對我國股市流動性的影響比較復(fù)雜——噪聲交易提高了交投活躍程度,同時卻增加了執(zhí)行成本,擴大了限價委托簿上平均委賣價和平均委買價之差。根據(jù)Admati和Pfleiderer(1988)的理論,本文認(rèn)為,我國股市上私人信息可能具有較高的相關(guān)性,即知情交易者擁有類似的私人信息,因此知情交易者之間的競爭使噪聲交易和知情交易同時增加,如果知情交易的增加速度大于噪聲交易,那么市場上的信息不對稱就可能加大,執(zhí)行成本也就會上升。第三,?λ11有29和27組為正,其中又有20和19組在10%水平以上統(tǒng)計顯著,同時,Granger因果關(guān)系檢驗量有21和17次在5%水平上拒絕λ11=λ12=0的零假設(shè)(見表2、表3的NS行和V列),表明噪聲交易越多,價格波動幅度就越大。根據(jù)DeLong等(1991)以及Campbell和Kyle(1993)的理論,本文認(rèn)為,噪聲交易者的情緒及其對信息的過度反應(yīng)可能是資產(chǎn)價格波動的主要原因。第四,?θ11有21和18組為負(fù),其中又有10和9組在10%水平以上統(tǒng)計顯著,同時,Granger因果關(guān)系檢驗量有13和11次在5%水平上拒絕θ11=θ12=0的零假設(shè)(見表2、表3的NS行和RS列),表明噪聲交易越多,實際半價差就越小。鑒于市場有效性要求實際半價差服從不可預(yù)測的隨機過程,所以噪聲交易削弱了市場有效性。第五,??11只有6和4組在10%水平以上統(tǒng)計顯著,Granger因果關(guān)系檢驗量也只有4和3次在10%水平上拒絕?11=?12=0的零假設(shè)(見表2、表3的NS行和IA列),表明噪聲交易與信息不對稱的關(guān)系不大。鑒于Chakraborty和Yilmaz(2004)及Mendelson和Tunca(2004)的理論要求噪聲交易與信息不對稱必須相互影響,我認(rèn)為,我國股市有效性弱的原因不在于知情交易者的市場操縱,而在于市場需求無法及時匯總私人信息(Admati,1985)或私人信息具有一定的持久性(Kyle,1989)。第六,信息不對稱和報價半價差之間存在雙向因果的反饋關(guān)系,表現(xiàn)在?β31和??21分別有27和24組為正,其中又分別有17和14組在10%水平以上統(tǒng)計顯著,同時,Granger因果關(guān)系檢驗量分別有17和16次在10%水平上拒絕β31=β32=0和?21=?22=0的零假設(shè)(見表2的IA行和TS列及TS行和IA列)。因此,執(zhí)行成本是噪聲交易和信息不對稱的函數(shù),而信息不對稱又是執(zhí)行成本的函數(shù),即t-1期的噪聲交易增加,t期的買賣價差擴大,t+1期的信息不對稱增加,t+2期的買賣價差又?jǐn)U大,依次類推。本文認(rèn)為,上述結(jié)果符合Back等(2000)和Handa等(2003)的理論,即買賣價差是投資者類別和信息不對稱的函數(shù),噪聲交易增加,買賣價差擴大,同時,信息不對稱是股價發(fā)生改變的重要原因。第七,市場質(zhì)量對噪聲交易的影響不大,表現(xiàn)在QS、TO、IA、V和RS對NS的Granger因果關(guān)系檢驗分別只有4至6次拒絕無因果關(guān)系的零假設(shè),在大多數(shù)情況下,Granger因果檢驗都無法拒絕零假設(shè)(見表2、表3的NS列)。由此可見,我國股市的噪聲交易具有較強的外生性,受交易成本、信息不對稱和波動性的影響較小。綜上所述,噪聲交易是一把“雙刃劍”,它提高了交投活躍程度,同時卻擴大了執(zhí)行成本和價格波動幅度;噪聲交易與信息不對稱的關(guān)系不大;噪聲交易使實際價差縮小,進(jìn)而削弱了市場有效