[汇编]涨跌幅限制对股市风险的影响_来自ST股票的实证研究_项锐

[汇编]涨跌幅限制对股市风险的影响_来自ST股票的实证研究_项锐 涨跌幅限制对股市风险的影响 ———来自ST股票的实证研究 [摘 要]张跌幅是对证券每日交易价格进行限制,旨在降低股市风险,提高市场效率。用Wilcoxon秩和检验和带有涨跌停虚拟变量的GARCH(1，1)模型, 对在沪市交易的ST股票在5%涨跌停机制下的收益波动进行了实证研究。结果表明,当前ST股票5%的涨跌幅限制不能降低市场的风险。 [关键词]涨跌幅限制;股市风险;ST股票 引言 涨跌幅限制是指证券交易所为了抑制股市的过度投机行为，预防市场风险，而在每天的交易中规定股价在前一个交易日收盘价与当日股票成交价之间的波动幅度。目前沪、深两交易所实行的是10%的涨跌幅限制，其具体内容是:上海、深圳证券交易所自1996年12 月16日起，分别对上市交易的股票(含A、B股)的交易实行价格涨跌幅限制，即在一个交易日内，除上市首日证券外，上述证券的交易价格相对上一交易日收市价格的涨跌幅度不得超过10%，超过涨跌幅限制的委托均被视为无效委托。此外，自1998年4月起，中国证监会对ST股票的涨跌幅限制为5%。 尽管涨跌幅制度在各国都得到了广泛的运用，理论界对于该项制度的有效性依然存在着较大的争议。支持者认为，在价格剧烈波动时，涨跌幅限制可以引发交易暂停，使得信息充分扩散，降低市场的信息不对称程度，给投资者以一定的 [1] 时间对股票价值重新进行判断，从而避免了股票的暴涨暴跌。批评者则认为，涨跌幅限制延缓了股票市场的价格发现功能，使得股价不能迅速反映基本面的变化，因而会增加投资者的不确定性和股市的波动性。胡朝霞用带有涨跌停虚拟变量的GARCH(1，1)模型， 对上海股市交易最为活跃的30支股票在涨跌停机制影响下的鞅假设和收益波动进行了实证研究，得出涨跌幅限制率会降低市场效率， 而 [2]且不能降低市场的波动的结论。孙培源和施东晖(2001)用马尔可夫链一步转移 [3]概率和Wilcoxon秩和检验发现我国的涨跌幅限制并没有降低股市波动。李学源、陶亚民和余晓明(2004)用指数加权移动平均方法(EWMA)来估计涨跌幅限制下 [4]不同换手率的股票的VaR风险，得出VaR值变化不是非常明显的结论。 以上学者的研究方法虽然各异， 但总的思路都是通过对我国实行10%涨跌幅限制前后的波动率进行比较，研究的对象是指数或者是个股。此类研究或多或少存在以下几个问:第一、如果选用股票指数作为研究对象，由于1996年12月前后指数所代表的股票种类是不一样的，那么这样的前后比较就缺乏可比性;第二、如果选择时间窗口包括从1996年一直到2005年，由于时间过长，这样事件前后影响波动的因素太多，无法有效排除其他的影响因素;第三、如果时间窗口定为1996 -1997，这样虽然可以较好地排除其他干扰因素，但是这样的数据过于陈旧，无 [5]法反映近年来的信息。 从上文的分析可见，以1996年12月16日作为事件研究的公告日或者直接对指数进行研究都是不精确的。为了解决这一问题，作者考虑选用2003年被ST的普通股作为研究对象，并以该股票被改名为ST的那一天作为事件发生日，以事件前后200天作为时间窗口。因为股票被ST后，涨跌幅限制会从10%变为5%。本文着重研究5%的涨跌幅效应，这样做的好处还在于不必以1996年12月16日作为事件发生日，从而可以有效地避免前人研究中出现的三点缺陷。 一、研究方法和数据选择 (一)研究方法 本文以实证研究为主，分别采用Wilcoxon秩和检验和带有涨跌停虚拟变量的GARCH(1，1)模型来检验涨跌幅限制的效果。前者是一种非参数检验方法;后者是参数建模方法。如果用不同的方法得到了相同的结论，本文的结论具有较大的可信度。 为了能够检验涨跌幅限制的效果，最直观的做法就是检验股票ST前后的平均波动率(期望值)是否有了显著的变化。但是，金融变量的分布往往呈现出尖峰厚尾的特性，那么基于正态分布假设的T检验就不是很合理。而Wilcoxon秩和检验可以解决这一问题，它是一种非参数检验，不依赖于研究变量的分布。其构建过程如表1。 变量x、y独立同分布。将?x-y?按升序排列，定义R为?x-y?的序，定iiiii义如下的虚拟变量:当x-y>0时，Z =1;当x-y<0时Z=0。 iiiiii 且W =?ZR。则Wilcoxon秩和统计量: ii WN(N1)/4,，渐进服从标准正态分布。原假设是两变量的均Z , N(N1)(2N1)/24，， 值无显著差异。拒绝原假设则意味着事件可能导致了波动率的均值发生了改变。 Wilcoxon秩和检验所需考虑的另外一个问题是如何对风险进行度量(波动率)。本文先用HP滤波法分离出股价的均衡值，然后将风险定义为实际股价对均衡股价的偏离程度: PT,ii ,,Ti 其中，P是每天收盘价，T是用HP滤波方法分离出来的均衡趋势。 本文所用的第二种方法是带有涨跌停虚拟变量的GARCH(1，1)模型。大量的研究表明，股票收益率的条件方差具有时变性，并且较大的方差连着较大的方差， 较小的方差会连着较小的方差。广义自回归条件异方差(GARCH)模型可以较好地刻画收益波动的这一特性，而条件方差正好代表了股票的风险。本文考虑如下的理论模型: (A)RRR,，，，,,,,t01t12t2t,, 2 hhkUkD,，，，，,,,, (B) ,,,t01t121t12t1t1, 其中，R是收益率， h是条件方差，U是涨停虚拟变量，D是跌停虚拟变量。tttt U和D滞后一期以考察涨跌幅对后期波动的影响。若k和k为负，说明涨跌幅限制tt12 会降低股市风险;反之，表明会加大股市风险。 (二)样本数据 为了尽可能使得样本在同一区间，本文选择的是2003年被ST的沪市普通股。当然，本文的样本不包括以前已经被停牌，之后又复牌更名为ST的股票。这样符合要求的股票就只剩以下6支:600891，600807，600760，600234，600659，600847。文中的股票价格使用的是日的数据，统一使用收盘价，所有的数据进行了复权处理。两个模型所用的样本容量有所不同:第一个模型是时间发生日前后各200天，共计400个数据;第二个模型是直接对事件后200天的收益率进行分析，即样本容 量是200。 二、实证分析 (一)非参数检验 Wilcoxon秩和检验中，原假设是ST前后的均值无显著性差异。若拒绝原假设，就说明涨跌幅限制前后的风险明显不同。对这6支股票的秩和检验结果如表1。 表1 ST前后股票风险的Wilcoxon秩和检验 股票代码 Wilcoxon统计量 P值 是否显著(5%) 600891 0.06 0.95 否 600807 0.71 0.48 否 600760 0.17 0.87 否 600234 0.76 0.45 否 600695 0.75 0.45 否 600847 0.07 0.98 否 表1给出了秩和检验的估计结果。从表1可以看出，在5%的显著性水平下，Wilcoxon统计量和0无显著差异。也就是说，说明涨跌幅限制改为5%以后，股票风险没有显著的下降。 (二)GARCH(1，1)模型 方程(A)和(B)给出了涨跌停虚拟变量的GARCH(1，1)模型。主体方程(A)是检验市场是否弱势有效的常用模型:a和a为0，说明用历史信息无法预测股价，即12 股票市场是弱势有效的。如前文所述，如果k和k为负，表明涨跌幅限制会降低12 股市风险。表2 给出了带虚拟变量的GARCH(1，1)模型参数的估计。 表2 GARCH(1，1)模型参数 股票代码 a a k k 1212 600891 0.088 -0.123 0.0000 0.0004 600807 0.041 -0.125, -0.0005 0.0004 600760 0.174, -0.264, -0.0001 0.0008 600234 0.129 0.060, 0.0005 0.0001 600695 0.077 -0.068 -0.0001 0.0060, 600847 0.084 0.075 0.0000 0.0002 注:,表示5%的水平下显著 表2中的a和a用于检验股市是否弱势有效。其中有3支股票的a或a的显著异1212于0，而另外3支股票的a或a不显著。所以，我国ST股票的效率介于弱势有效和12 无效之间。这与其他学者的研究结论有所不同，现有的研究资料表明我国的股市是弱势有效的。当然这种差别也可能源于本文所选的样本，ST类股票可能具有特殊的价格生成机制。 相比来说，k和k是否显著具有更重要的意义。k和k<0，表示涨跌幅限制会1212 降低股市风险;k和k=0说明涨跌幅限制不能够影响股市风险;k和k>0 表明涨1212跌幅限制会降低股市风险。在上表中，在5%的显著性水平下，有5支股票的k或1k与0没有显著差别，有1支股票(600695)的k>0。这表明涨跌幅限制没有能够有22 月16 效降低股市风险，甚至有可能会加大股市的波动。这与其他学者以1996年12日作为事件研究公告日的研究结果是一致的。 三、结论 本文用Wilcoxon秩和检验和涨跌停虚拟变量的GARCH(1，1)模型，对涨跌幅限制的风险控制能力进行了检验。通过上文的分析可以得出如下结论: (1)从股票被ST前后的风险对比发现，当涨跌幅限制改为5%以后，股价对其均衡价值的偏离程度并没有发生显著的变化。 (2)通过对GARCH(1，1)模型的分析表明，跌幅限制不但无法控制股市的风险， 甚至还有可能会加剧股市的波动。 (3)对ST类股票的分析表明，ST股票的市场效率介于无效和弱势有效之间。