我国创业板与主板市场风险比较实证研究

内容摘要：我国创业板市场设立以来遇到诸多冲击，具有较大的运行风险。文章对创业板市场与主板市场的风险进行比较，发现我国创业板市场不仅收益偏低而且风险偏大，并具有明显的波动集聚性特征。因此，必须从监管层、投资者等多个角度加强创业板市场的风险管理，以推动其健康稳定发展。

关键词：创业板 主板 风险 ARCH效应

问题的提出

我国的创业板市场自启动以来，就出现的诸多问题：高管离职潮、高溢价发行、股价剧烈波动、跌破发行价等。因此，如何对我国创业板市场的风险进行识别并建立相应的预警机制，就显得尤为重要。

学术界关于我国创业板市场风险的研究，大部分集中在创业板启动之前和启动之初的时期，主要是借鉴国外经验并结合我国实际做的一些前瞻性的规范性研究。在创业板市场风险来源方面，李永森（2009）认为创业板市场的风险主要来自于上市公司的成长性风险、制度性风险以及新兴加转轨市场特征下的理念风险3个方面；孙云辉（2009）指出创业板市场的流动性风险将是未来我国创业板市场风险的重要组成部分。在创业板市场风险管理的研究中，祁斌（2006）通过对海外创业板市场经验进行总结，认为可以从制度层面上构建完备的创业板市场管理体系，但对具体构建的内容未有深入研究；张蕾（2008）认为可以从创业板市场设立模式、市场准入、信息披露机制等法律规范建设角度来构建防范创业板市场风险的管理体系。

然而，与上述丰富的理论研究成果相比，在我国创业板市场成立以后针对市场风险进行的实证研究并不多。我国的创业板市场与主板比较，风险有无放大？对此，较少有文献进行过比较。为此，本文以日回报率为分析对象，对创业板的市场风险进行量化分析，比较了同时期我国主板市场与创业板市场的风险，以期弥补相关文献的不足。

研究设计

（一）模型设定

1.股票市场的ARCH效应。比较不同市场的风险有多种方法，常见的方法是比较各资产价格的方差或标准差。在均值一定的情况下，方差（标准差）越大说明该市场的资产价格波动越大。但是对于证券市场上的资产价格而言，仅比较方差还是不够。恩格尔（Engle.R，1982）发现，资产价格大的及小的预测误差常常会成群出现，表现存在一种异方差，其中预测误差的方差取决于后续扰动项的大小。

时间序列数据的异方差体现了资产价格风险的波动性。在经典线性回归模型中，我们经常假定随机误差项ut是同方差的，即假设yt=β0+β1x1t+β2x2t+…+βkxkt+ut。但是如果存在异方差，方差则是时变的，并表现出“波动聚集性”的特征。对此ARCH模型可以较好地刻画金融时间序列的这种特征，该模型假定随机误差项的条件方差与误差项滞后的平方有关，对于ARCH（q）模型，其一般形式为：δt2=α0+α1ut-12+α2ut-22+…+αqut-q2。

通过上述ARCH（q）模型的一般表达式可以发现，t期资产价格的方差还受从t-1到t-q期所有误差项的影响，因此会导致资产价格的波动聚集性与长记忆性。波动聚集性与长记忆性体现在股票市场上就是股价的暴涨暴跌，即一旦股价下跌（上涨）后随后的股价也跟着下跌（上涨），股价向均值回归的速度相对较慢。因此ARCH效应从波动性的角度刻画了股票市场的风险。

2.ARCH效应的LM检验。Engle提出的检验残差序列中是否存在ARCH效应的拉格朗日乘数检验，即ARCH LM检验方法可以有效地判别出金融时间序列的波动聚集性。自回归条件异方差性的这个特殊的设定，是由于人们发现在一些时间序列中，残差的大小与最近的残差值有关。其检验方法是由一个辅助检验回归计算。为检验原假设：残差序列中直到p阶都不存在ARCH效应，需要进行如下回归：

该式表示残差平方对一个常数和直到p阶的残差平方的滞后所做的一个回归。此检验回归有两个统计量：一是F统计量，是对所有残差的滞后的联合显著性所作的一个省略变量检验；二是T×R2统计量，即Engle`s LM检验统计量，它是观测值个数T乘以回归检验的R2。原假设下F统计量的准确有限样本分布未知，但LM检验统计量在一般情况下是渐近服从χ2（p）分布的。

（二）实证分析

1.数据来源与指标设定。本文的数据来源于香港理工大学中国会计与金融研究中心和深圳市国泰安信息技术有限公司联合开发的“中国股票研究市场交易数据库”（CSMAR数据库）。数据的时间跨度为2009年11月2日至2011年11月1日，为两年。各证券市场收集的日回报率数据除去节假日等，有487个。数据处理与分析采用软件为stata11.0。

考虑现金红利的日回报率公式计算如下：

其中：Pn，t为股票n在t日的收盘价；Pn，t-1为股票n在t-1日的收盘价；Dn，t为股票n在t日为除权日时的每股现金分红；Fn，t为股票n在t日为除权日时的每股红股数；Sn，t为股票n在t日为除权日时的每股配股数； Kn，t为股票n在t日为除权日时的每股配股价； Cn，t为股票n在t日为除权日时的每股拆细数。

2.基本统计特征。从表1的均值比较可以看出，创业板日回报率比主板要低很多，而且从极差、方差比较来看，创业板要比主板市场大。因此，这一段时期我国的创业板市场不仅收益偏低而且风险偏大。另从偏度与峰度来看，这些收益序列都呈现尖峰厚尾的特征。

3.单位根检验。采用ADF方法对日回报率直接进行平稳性检验。滞后阶数以SIC值最小为原则，且最大滞后阶数为10，原假设为“原序列存在一个单位根”，检验结果（见表2）显示三个变量的原序列平稳，符合本文建模的要求。

4.波动性比较。在比较ARCH效应之前，首先对于三个市场的日回报率进行自相关检验，求自相关函数值与偏自相关函数值。通过Q检验可知，三个市场的日收益回报率之间相关性并不明显。其次，再用LM异方差检验方法比较三个市场的日回报率序列。结果如表3所示。

从表3的结果可以看出：创业板市场设立以来，主板市场的日回报率异方差不明显，与之形成鲜明对比的是创业板市场的异方差却很显著，其概率全部在0.01的水平上显著。异方差现象的存在，说明创业板市场的日回报率存在集聚性和长记忆性两个特征，从而加剧了市场风险。再结合表1的分析结果，可以判断：我国创业板的市场风险要明显强于同时期的主板市场。

我国创业板市场风险控制对策

本文的实证分析表明与主板市场比较，我国创业板市场的风险更加突出。因此，对市场投资者而言，加强有效的风险管理就显得尤为重要。然而，系统性的风险控制必须在更为宏观的体制机制上进行优化，这就对市场监管部门提出了更高的要求。

（一）控制上市公司合理的发行价格，防止股价大幅波动

在创业板设立初期，上市公司数量较少、规模较小，作为一个“明星市场”被社会关注的较多，从行为金融学的角度来说，这一时期流入创业板市场的资金会相对比较多，因此容易出现高溢价发行。然而从长期来看，股价必将回归正常价值，因而会导致高溢价发行股票的价格暴跌。股价的大幅波动使得审慎投资者和机构认为创业板市场不是一个健康的市场，从而导致流入创业板市场的后续资金持续减少，产生创业板市场的流动性风险。因此监管层必须对创业板市场高溢价发行的现象有所控制，让股价的波动回归正常。关键是要培养合格的中介机构。激励中介机构对企业的盈利状况、盈利能力、行业发展前景、公司内控等进行全面细致的了解。在确定价格时，中介机构应对上市企业的状况及愿意对该企业投资的投资者进行全面的调查，在此基础上，科学合理的确定股票发行价格，从而降低和化解发行风险。

（二）加强投资者教育，培养理性投资者

创业板真正的投资机会，不应该来自于股价大幅度波动带来的交易性机会，而是来自于那些拥有核心竞争力的上市公司的成长价值。希望在我国的创业板上诞生出中国版的微软和英特尔，并给广大投资者带来丰厚的投资回报。对于创业板的投资者而言，必须充分认识市场风险，坚持理性投资，严格执行投资纪律，在此基础上确立适应创业板特点、符合自身风险承受能力的投资策略，精挑细选，紧抓成长性、核心竞争能力和人力资本实力等重要指标，这应是创业板市场风险控制的根本之道。对于机构投资者，应结合创业板的市场特点和上市公司的实际情况，对处于不同阶段的上市公司采用不同的投资方法和投资策略。对于散户投资者而言，应该增强其对市场风险的认识，培养其价值投资的理念，抑制过度投机并养成一定的风险承受能力。

（三）建立严格的信息披露机制，确保公众投资者知情权

通过对我国创业板市场有关信息披露准则与主板市场的比较，更加突出了信息披露的强制性和及时性，体现了创业板市场的特点：一是加快了定期报告披露的频率；二是在临时报告中强调了涉及技术的重大事件的及时披露。应当说，针对创业板市场应建立更严格的信息披露机制。因此，监管部门要加强内部协作，着力提高上市公司的透明度。同时，为了防止创业板上市公司大股东恶意套现风险，要求上市公司大股东预先披露减持计划，减少对股价的冲击。上市公司控股股东或实际控制人要披露减持股份获取资金的使用计划，确保公众投资者的知情权。

结论

我国的创业板市场从近三年的实际运行情况来看，可以发挥为众多的中小创新型、成长型企业提供高效融资平台服务的功能。然而，创业板一如其它层次的资本市场，在运行过程中同样也会遭遇到较多的冲击，因而具有较大的运行风险。本文通过对创业板市场成立以来，三个不同主要证券市场的风险比较，发现创业板的市场风险要明显强于主板市场。对此，既要在战略上辩证地看待创业板市场这一新鲜事物，鼓励其健康发展；又要在战术上重视运行中出现的各种风险，通过科学合理的方法建立预警模型进行风险规避，并加以科学的管理与合理的控制，从而推动我国创业板市场的健康发展。

参考文献：

1.闻岳春等.创业板市场系统风险预警技术及应用研究[N].上海证券报，2010-6-19

2.龚锐，陈仲常，杨栋锐.GARCH族模型计算中国股市在险价值（VAR）风险的比较研究与评述[J].数量经济技术经济研究，2005（7）

3.郭菊娥.创业板风险形成机理及其防范对策[J].西安交通大学学报，2011（1）

4.Engle， Robert F. Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K. inflation. Econometrica， 1982，50