中国证券市场波动信息效应实证检验

摘 要：信息是影响股市价格指数的一个重要因素。尤其在中国，政策信息对股市影响更为明显。影响中国股市运行的信息从宏观上分为：市场扩容类、政策法规类、技术创新类、领导者效应类。

关键词：信息;波动;上证指数;超额涨跌幅

中图分类号：F830.91文献标识码：A文章编号：1672-3198（2008）03-0138-03

1 研究对象

以股票市场重大信息披露后带来的股价冲击（即股价与成交量的异动行为）作为证券市场信息效应的实证检验对象选取四类可能存在信息效应的重大事件分别进行实证检验：市场扩容信息、技术信息、政策法规信息、领导者效应。

以上证综合指数为研究对象，选取时间段为1992年到2005年，研究样本为上证综合指数发生异动时相应信息事件。

2 研究方法

用广泛使用的事件研究方法和统计方法来检验重大信息披露对股价波动的冲击反应。事件研究方法中，通过测算异常波动的衡量指标超额涨跌幅AF（Abnormal Fluctuation）与超额涨跌幅卷积均值CAF（Cumulative Abnormal Fluctuation），并配以超额成交量卷积均值（AAT）的变化来判断股指冲击的影响程度。

运用超常成交量模型，通过成交量的变化来分析重大信息披露前后的量价关系，一定程度上也能对证券市场上重大信息披露行为提供佐证。

运用残差异常变动分析GARCH模型来刻画重大信息披露前后的股指冲击的行为特征，即从股指异常波动中剔除趋势性影响，再从残值的异常变动并结合平均超常成交量的变化找出重大信息披露引起的股指超常变动的行为特征。

3 研究模型

本章节研究灰模型（Dummy Model）条件下拟合分析股指的异常波动幅度AF的标准差。

stdAFt=αAFt+βAFl+cIt+μtμt:(0,σ2)（1）

其中，stdAFt为上证综合股指超额涨跌幅的样本标准差；AFt为上证综合股指的超额涨跌幅数据样本，AFl为上证综合股指超额涨跌幅离差数据样本，It=1 AFt>0-1 AFt>0为灰变量，αβc为相应变量的相关系数，μt为随机误差项。

由于我国股市波动幅度大，股指序列具有超额峰度与异标准差的特性，使得基于μt:(0,σ2)的市场回归模型的参数估计效率较低。为了克服上述问题，本章节使用了广义自回归条件异标准差（GARCH）模型对残差序列建模，即假定：

μt=σtVt:N(0,σ2)σ2t=ω+ασ2t-1+βσ2t-1+cσ2t-1（2）

利用式子（1）和（2）计算得到的条件波动性σ2t代表股指的时变的异质波动性，度量了与信息特性有关的异质风险；而在事件研究窗口内，异质波动性如果出现了大的变化，可以看作是重大信息对异质波动性造成了冲击。

为了研究样本在重大信息披露时间窗口的超额波动，本研究定义了超额涨跌幅卷积均值CAFt，计算公式如下：CAFt=1N∑Nt=1AFt。

在本章节研究中，我们把相应的超额涨跌幅时期内的成交量称之为超额成交量。为了计算方便，我们对其对数后再分析。利用超额成交量进行建模：

LNAVt=αLNAVt+βLNAVt-1+μt（3）

其中，LNAVt表示t期超额成交量对数值之后的离差，LNAVt和LNAVt-1分别表示t和t-1期的超额成交量对数值，α和β表示其拟合相关系数，而μt表示随机误差项。

N个时间窗口的超额成交量卷积均值被定义为：

ALNAVt=∑Nt=1LNAVt/N

本章通过分析信息公布前后的异质波动性(σ2t)、超额涨跌幅卷积均值（CAFt）、超额成交量卷积均值ALNAVt的变化来研究信息披露前后对股指的冲击情况。

4 实证检验结果与分析

采用上述方法对整体信息以及四类重大信息公布前后的股指变化和成交量变化进行检验，下图表示了这五个分类信息披露前后的异质波动性、超额涨跌幅卷积均值、超额成交量卷积均值。

4．1 整体信息公布前后的信息效应

利用相应的时间序列数据，借助Eviews计量软件对（4-1）式拟合后可得：stdAFt=0.367AFt-0.109AF1-2.269It+16.06。其残值的异质波动性、超额涨跌幅卷积均值、超额成交量卷积均值（采用对数值形式）如下图所示：

图1 整体信息下的上证综指超额涨跌幅残值标准差、卷积均值与成交量卷积均值

4．2 市场扩容信息公布前后的超额涨跌幅效应

利用相应的时间序列数据，借助Eviews计量软件对（4-1）式拟合后可得：stdAFt=0.458AFt-0.2336AFI-3.027It+20.87。其残值的异质波动性、平均累积超额涨跌幅、平均超额成交量（采用对数值形式）如下图所示，其拟合结果参见下表（1）：

表1 中国股市信息不充分归因线性回归结果

回归方程C(1)C(2)C(3)C(4)R2AIC和DW

stdAFt=0.367AFt-0.109AFl-2.269It+16.06(16.06,0.47)(34.43,0.00)(0.367,0.07)(5.55,0.00)(-0.109,0.04)(-2.87,0.00)(-2.269,0.66)(-3.43,0.00)(0.15,0.14)(2.64,1.52)

stdAFt=0.6458AFt-0.2336AFl-3.027It+20.87(20.87,0.97)(21.45,0.00)(0.65,0.11)(5.93,0.00)(-0.233,0.07)(-3.469,0.00)(-3.027,1.25)(-2.42,0.02)(0.32,0.29)(7.18,0.17)

stdAFt=0.0825AFt-0.3040AFl-0.7133It+12.39(12.39,0.17)(72.12,0.00)(0.08,0.02)(3.56,0.00)(-0.03,0.01)(-2.695,0.01)(-0.71,0.27)(-2.68,0.01)(-0.71,0.267)(-2.68,0.01)

stdAFt=0.0749AFl+0.0516It-0.17799AFt+7.262(7.262,0.37)(19.90,0.00)(-0.18,0.16)(-1.10,0.28)(0.07,0.05)(1.65,0.11)(0.05,1.10)(0.047,0.96)(0.17,0.08)(3.93,0.42)

stdAFt=0.0804AFl-0.0848AFt-0.6920It+7.808(7.81,0.62)(12.66,0.00)(-0.08,0.18)(-0.48,0.64)(0.08,0.07)(1.23,0.23)(-0.69,1.36)(-0.51,0.62)(0.16,0.01)(4.75,0.28)

注：c(1)、c(2)、c(3)和c(4)列中两个括号中的四个数据依次为其对应的相关系数、标准差、t统计值及其概率；R2列中两个数据表示R2和调整后R2值。

4．3 政策法规信息公布前后的超额涨跌幅效应

利用相应的时间序列数据，借助Eviews计量软件对（1）式拟合后可得：stdAFt=0.0825AFt-0.3040AFl-0.7133It+12.39。其残值的异质波动性、超额涨跌幅卷积均值、超额成交量卷积均值（采用对数值形式）如下图所示，其拟合结果参见下表（1）：

4．4 技术信息公布前后的超额涨跌幅效应

利用相应的时间序列数据，借助Eviews计量软件对（1）式拟合后可得：stdAFt=0.0749AFl+0.0516It-0.1799AFt+7.2618。其残值的异质波动性、超额涨跌幅卷积均值、超额成交量卷积均值（采用对数值形式）如下图所示，其拟合结果参见下表（1）：

4．5 领导者信息公布前后的超额涨跌幅效应

利用相应的时间序列数据，借助Eviews计量软件对（1）式拟合后可得：stdAFt=0.0804AFl-0.0848AFt-0.6920It+7.808。其残值的异质波动性、超额涨跌幅卷积均值、超额成交量卷积均值（采用对数值形式）如下图所示，其拟合结果参见下表（1）：

从以上实证结果可以观察到以下现象：

（1）整体信息公布前后对市场涨跌幅及其成交量的变化趋势。整体上而言，每年由重大信息公布引致的市场超额涨跌幅及其超额成交量的数目成不断减少趋势，反应中国股市开始日趋成熟，对一些噪音信息开始能自我甄别，并对一些信息效应能吸收消化。如下图所示，上证综合指数超额涨跌幅1992－2005年

的次数大致可以分为三个阶段：1992－2005年间，上证综合指数超额涨跌幅的次数大致可以分为三个阶段：1）剧烈涨跌期间，1992年－1994年，其值处于30－50之间；2）小幅振荡区间，1995年－1997年，其值处于10－20之间；3）平稳区间，1998年－2005年，其值都小于10。这一趋势反应了中国股市的起步、发展、成熟之过程。

从整体涨跌幅标准差与涨跌幅、涨跌幅离差以及信息虚拟变量的拟合度而言，虽然拟合精度不高，但是大致反应了涨跌幅标准差与涨跌幅成正比，与其离差以及信息虚拟变量成反比。拟合之后的残值除了1992年2月18日－1992年5月21日之外，其余时间段的残值的标准差呈平稳下降趋势，这反应了1992年5月21日全面放开股市带来的强烈股指井喷现象。

从超额涨跌幅卷积均值来讲，总计179次的超额涨跌卷积均值大致可以分为两个阶段：1）剧烈波动阶段，1992年2月18日－1992年10月27日，其中包括上升和下降阶段；2）1992年10月27日后－2005年9月30日，平缓阶段。这一趋势反应了1992年5月21日这个剧烈的孤立跃阶点对前后时期均值的影响时段。

与此相对应的超额成交量对数值卷积均值却呈平稳上升序列，反应了市场交易量随时序变化而呈上升趋势，可见超额涨跌幅的卷积均值的趋势却与对应的成交量趋势呈逆反状态。

（2）分类信息对股指超额涨跌的整体效应变化趋势。我们将信息大致分为四大类：市场扩容、法规政策类、技术类、领导者效应类。市场扩容类包括对市场产生直接影响的信息，主要有扩容、个别企业信息变化、债市相关状况、市场监管等信息；法规政策类包括监管部门下发的对上市公司或股市的各种办法及规定；技术类包括上交所以及相关监管部门做出的技术创新从而对股市产生重大影响的信息；领导者效应包括小平逝世、总理讲话、国外领导人来访、部门监管领导活动以及会议等对股市能产生重大影响的信息。

（3）市场扩容信息类对股指超额涨跌的效应变化趋势。在总计次数85次的市场扩容类的超额涨跌中，涨幅36次，跌幅49次；超额涨跌幅标准差和超额涨跌幅及其离差以及虚拟变量拟合之后发现，标准差与涨跌幅呈正比，与其离差及虚拟变量呈反比。拟合之后的残值的标准差在1992年5月21日跃阶点达到最大值之后开始迅速下降，但到1992年8月12日之后残差的标准差又开始逐步上升，反应市场扩容信息类的超额涨跌幅后半期相互之间的幅度差值呈上升阶段，这也表明了后半期市场扩容信息类对超额涨跌幅影响程度差异变大。

就市场扩容信息类超额涨跌幅卷积均值而言，由于1992年5月21日这个跃阶点，所以从整体而言均值呈下降趋势。其下降趋势可以分为两个阶段，1992年5月21日－1992年9月7日为急速下降阶段，1992年9月7日之后为平稳下降阶段。这反应了1992年5月21日沪市全面放开的影响时域有一定的持续性。

与此相对应的超额成交量对数值卷积均值而言，整体上却呈递增趋势，除少数时间点有所波动之外。

（4）政策法规信息类对股指超额涨跌变化趋势。在总计41次的政策法规信息引致的超额涨跌当中，涨幅次数有20次，跌幅次数有21次。其超额涨跌幅标准差与其涨跌幅及其离差和虚拟变量拟合之后，发现标准差与涨跌幅呈正比，与其离差及虚拟变量呈反比。其拟合之后产生的残差标准差与市场扩容类的不一致。政策法规信息类拟合的残差标准差在早期快速上升之后，在大部分时间里都呈下降趋势，反应政策法规类在大部分时间里引致的超额涨跌幅的标准差与其自身和离差拟合度越来越平稳。也即市场对政策法规类信息反应越来越趋于一个稳定的水平。

从政策法规信息类引致的超额涨跌幅卷积均值来看，在早期有个短暂的快速下降过程，之后进入短时期的快速上升过程，然后开始进入小幅振荡时期。反应早期负面政策法规类引致了一些跌幅之后，然后正面的政策法规类信息接连救市，引起上涨井喷局势；后来长时期的正面政策法规信息的交互披露带来上涨与下跌局面的交互出现，但作用力度较前时期要小，集聚性要低。

从政策法规类信息相对应的超额成交量对数值卷积均值而言，整体来看都趋于上升趋势。反应虽然政策法规类信息引致的涨跌幅虽然交替出现，但其成交量却为递增势态。

（5）技术信息类对股指超额涨跌变化趋势。在总计次数为32次的技术信息类引致的超额涨跌当中，涨幅次数有22次，跌幅次数有10次，涨幅次数远远大于跌幅次数；反应技术创新对股市的正面效应远远大于负面效应。与前面拟合情况不一致的是，技术信息类引致的超额涨跌幅当中，其标准差与其离差和信息虚拟变量呈正比，与其本身呈反比。从其拟合后的残值来看，其标准差与前面两者信息的一致，都是短暂的快速上升之后开始进入长期的平缓下降阶段。这反应随着时间的推移，拟合的精度得以提高，技术信息引致的超额涨跌之间的差距趋于平缓。

从技术信息引发的超额涨跌卷积均值来看，整体上而言处于下降趋势，虽然中间有很多小的波动以及早期有个明显的波幅。这反应，早期技术引发的涨势明显，后来由于负面技术和正面交替使用，加上时间指数的作用，烫平了其波动趋势。

与技术信息相对应的超额成交量对数值卷积均值而言，整体上处于上升趋势。考虑对数及时间因子，其原有增加幅度应该更为明显。反应了技术信息虽然引致了10次跌幅，但并没有对成交量产生太大影响。

（6）领导者效应信息类对股指超额涨跌变化趋势。在总计次数为21次的领导者效应信息引致的超额涨跌当中，涨幅次数为15次，跌幅次数为6次，涨幅远远超过了跌幅。从其拟合情况来看，其与技术信息拟合的状况又不一致。其涨跌幅标准差与其离差呈正比，与其涨跌幅和信息虚拟变量呈反比。就其拟合后的残值来看，发现其残值的标准差与前面几种类型的信息不一致，其标准差呈上升态势，反应其后期的涨跌幅趋势脱离了整体趋势，表明其超额涨跌幅的标准差后期有明显的跃阶行为，而后进入长时期的平缓态势。从而表明涨跌幅在后期脱离了其均值势态，这表明领导者效应信息在后期对股市影响力度加大。

从领导者信息效应的超额涨跌幅卷积均值来看，整体上处于下降阶段。早期三个时点上，虽然幅度有所下降，但是都是涨幅，由于时间因子作用，故而处于平缓下降；随后遇上一个大跌幅，进入快速下降阶段，随后一个小涨幅，在碰上一个小跌幅。后来遇上几个大涨幅井喷局面，之后进入全面下跌局面，虽然中间有几个小涨幅，最后碰上一连串小涨幅。

从与领导者效应信息相对应的成交量对数值卷积均值而言，整体上成交量处于上升态势，虽然中间有几个小波谷。这反应其成交量与其涨跌幅数目趋势基本一致。表明其领导者效应信息对于其超额成交量有一定的影响。

参考文献

［1］贾险峰，曹小清.中国证券投资基金业绩管理控制［M］.上海：上海财经大学出版社，2004.

［2］尹晨著.探寻阳光下的理性繁荣――中国证券市场信息监管研究［M］.南京：南京大学出版社，2004，（9）.

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。