指數(shù)熔斷機(jī)制加劇了市場(chǎng)波動(dòng)嗎?
——基于中國A股市場(chǎng)的自然實(shí)驗(yàn)

李夢(mèng)雨 魏熙曄

一、引言及文獻(xiàn)綜述

中國證券市場(chǎng)在2015—2016年經(jīng)歷了劇烈的異常波動(dòng),多個(gè)交易日出現(xiàn)千股跌停、千股停牌的異象。為防范系統(tǒng)性風(fēng)險(xiǎn),維護(hù)市場(chǎng)穩(wěn)定,中國證監(jiān)會(huì)于2016年1月1日在A股市場(chǎng)上引入指數(shù)熔斷機(jī)制,卻在實(shí)行一周內(nèi)兩次觸發(fā)7%的閾值并提前收市①指數(shù)熔斷機(jī)制于2016年1月4日和1月7日兩次被觸發(fā),分別導(dǎo)致4.24萬億元和3.8萬億元的市值蒸發(fā)。,最終于1月8日宣告暫停。熔斷機(jī)制是否為市場(chǎng)大跌的罪魁禍?zhǔn)?是否加劇了市場(chǎng)波動(dòng),是否存在“磁吸效應(yīng)”②磁吸效應(yīng)是指實(shí)行漲跌?；蛉蹟嗟葯C(jī)制后,證券價(jià)格將要觸發(fā)強(qiáng)制措施時(shí),同方向的投資者害怕流動(dòng)性喪失而搶先交易,反方向的投資者為等待更好的價(jià)格而延后交易,造成證券價(jià)格加速達(dá)到該價(jià)格水平的現(xiàn)象。(magnet effect)?上述問題受到學(xué)者與政策制定者的高度關(guān)注。事實(shí)上,自1987年10月19日的“黑色星期一”后,學(xué)術(shù)界就開始了熔斷機(jī)制方面的理論與實(shí)證研究,而2010年5月6日的“閃崩”事件更是引發(fā)了國內(nèi)外學(xué)者對(duì)熔斷機(jī)制利弊的熱烈討論。目前,世界范圍內(nèi)許多交易所都設(shè)定了指數(shù)或個(gè)股熔斷機(jī)制③指數(shù)熔斷機(jī)制是指當(dāng)某一特定指數(shù)的波動(dòng)幅度觸及證券交易所規(guī)定的閾值時(shí),整個(gè)市場(chǎng)的所有股票均停止交易一段時(shí)間；個(gè)股熔斷機(jī)制是指單只股票的價(jià)格波動(dòng)幅度觸及證券交易所規(guī)定的閾值時(shí),該股票停止交易一段時(shí)間。,然而學(xué)者們?cè)谌蹟鄼C(jī)制對(duì)市場(chǎng)質(zhì)量產(chǎn)生的影響方面卻始終各持己見。

按照Fama(1970)［1］的有效市場(chǎng)假說,在半強(qiáng)勢(shì)有效市場(chǎng)中資產(chǎn)價(jià)格可以反映所有公開信息,因此熔斷機(jī)制會(huì)因人為干預(yù)市場(chǎng)價(jià)格調(diào)整使得其偏離最優(yōu)結(jié)果,故而會(huì)具有以下負(fù)面效應(yīng):(1)阻礙互惠交易(Grossman,1990［2］)；(2) 延緩價(jià)格發(fā)現(xiàn)(Fama,1989［3］)；(3) 產(chǎn)生磁吸效應(yīng) (Subrahmanyam,1994［4］)；(4) 導(dǎo)致波動(dòng)性溢出(Lehmann,1989［5］)；(5) 增加交易成本 (Subrahmanyam,1997［6］)。相關(guān)的實(shí)證研究也較為豐富, 包括 Kuhn 等(1991)［7］、 Ferrris等(1992)［8］、Santoni 和 Liu(1993)［9］、Lee 等(1994)［10］、 Ackert等 (2001,2005)［11－12］、 Goldstein和 Kavajecz(2004)［13］等。

然而當(dāng)證券市場(chǎng)偏離完全信息和完全競(jìng)爭(zhēng)市場(chǎng)時(shí),熔斷機(jī)制在理論上可以提高市場(chǎng)質(zhì)量和投資者福利。其中較為成熟的觀點(diǎn)包括:(1)減少信息不對(duì)稱 (Spiegel和 Subrahmanyam,2000［14］)；(2) 降低交易風(fēng)險(xiǎn) (Greenwald 和 Stein,1991［15］；Kodres 和O'Brien,1994［16］)；(3) 在衍生品市場(chǎng)中降低杠桿投資者的交易對(duì)手風(fēng)險(xiǎn) (Brennan,1986［17］；Chowdhry和Nanda,1998［18］)；(4) 通過減少噪聲交易者的交易來降低證券價(jià)格偏離基本面價(jià)值的概率,從而平抑市場(chǎng)過度波動(dòng) (Westerhoff,2003［19］)。但是在實(shí)證研究中,支持上述理論的文獻(xiàn)并不多見,唯有Lauterbach和 Ben-Zion(1993)［20］、 Bildik 和 Gülay(2006)［21］的研究驗(yàn)證了當(dāng)市場(chǎng)價(jià)格大幅偏離真實(shí)價(jià)值時(shí),熔斷機(jī)制會(huì)給予市場(chǎng)充分的冷卻和反應(yīng)時(shí)間,并化解因投資者撤離市場(chǎng)而導(dǎo)致的訂單不平衡現(xiàn)象,從而降低波動(dòng)率、提高流動(dòng)性。

近年來,隨著程序化交易和“烏龍指”(fat finger)現(xiàn)象的出現(xiàn),對(duì)熔斷機(jī)制的討論亦呈雨后春筍之勢(shì),研究方法和角度也更為新穎。Gomber等(2012)［22］、Subrahmanyam(2013)［23］、Nicholas(2016)［24］、 Bruger 和 Linton.(2014)［25］、 Goldstein(2015)［26］分別從單個(gè)市場(chǎng)和衛(wèi)星市場(chǎng)、程序交易與聯(lián)合熔斷、原油期貨市場(chǎng)、單只股票熔斷、交易上下限與波動(dòng)性傳導(dǎo)機(jī)制等方面考察了熔斷機(jī)制與市場(chǎng)質(zhì)量的關(guān)系。其中Bruger和Linton(2014)［25］的研究發(fā)現(xiàn),從個(gè)股層面來看,熔斷機(jī)制在股票收益為負(fù)時(shí)對(duì)交易量、交易頻數(shù)以及利潤方差變化均產(chǎn)生了負(fù)面效應(yīng),但在收益為正時(shí)卻無顯著影響；從市場(chǎng)層面來看,當(dāng)股市整體下跌時(shí),熔斷機(jī)制使得噪聲交易減少、定價(jià)效率提高,因此有利于市場(chǎng)的穩(wěn)定。

上述理論研究大多基于做市商制度,實(shí)證文獻(xiàn)也主要關(guān)注發(fā)達(dá)市場(chǎng),而我國屬于新興市場(chǎng)國家,具有散戶交易者居多、羊群效應(yīng)顯著等特征,在股市下跌時(shí)容易引發(fā)“踩踏效應(yīng)”,使得熔斷機(jī)制的實(shí)施效果有所不同。因此與已有文獻(xiàn)相比,本文具有兩個(gè)方面的邊際貢獻(xiàn):其一,基于指數(shù)熔斷機(jī)制出臺(tái)與暫停的自然實(shí)驗(yàn),使用傾向評(píng)分匹配法與雙重差分法分析其對(duì)市場(chǎng)波動(dòng)性的影響,說明該制度并非大盤下挫的主因,補(bǔ)充了市場(chǎng)異常波動(dòng)期間熔斷機(jī)制的效應(yīng)研究；其二,深入探究訂單驅(qū)動(dòng)市場(chǎng)中指數(shù)熔斷機(jī)制產(chǎn)生“磁吸效應(yīng)”的原因及表現(xiàn),證實(shí)該制度在已實(shí)施“漲跌停板”的新興市場(chǎng)國家容易造成流動(dòng)性恐慌,豐富了熔斷機(jī)制領(lǐng)域的研究成果。

本文的后續(xù)安排如下:第二部分提出研究假設(shè),第三部分為模型構(gòu)建與數(shù)據(jù)說明,第四部分分析實(shí)證結(jié)果,第五部分進(jìn)行穩(wěn)健性檢驗(yàn),最后是主要結(jié)論與政策建議。

二、研究假設(shè)

H1:證券市場(chǎng)下跌期間指數(shù)熔斷機(jī)制并未增加市場(chǎng)波動(dòng)性。

不可否認(rèn)的是,在指數(shù)熔斷機(jī)制實(shí)施期間,滬深300指數(shù)從下跌5%到7%的時(shí)間明顯縮短,其間的波動(dòng)率也顯著增大,這很可能意味著指數(shù)熔斷機(jī)制在我國存在較強(qiáng)的磁吸效應(yīng)②磁吸效應(yīng)通常具有以下三個(gè)特點(diǎn):一是在接近熔斷閾值時(shí),價(jià)格上漲或下跌的速度會(huì)越來越快；二是熔斷機(jī)制實(shí)施后指數(shù)觸發(fā)熔斷的概率會(huì)明顯高于其在熔斷價(jià)格水平附近但不觸發(fā)的概率；三是磁吸效應(yīng)發(fā)生過程中往往伴隨著價(jià)格的劇烈波動(dòng)和成交量的顯著變化。。根據(jù) Subrahmanyam(1994)［4］,磁吸效應(yīng)的作用機(jī)理為:當(dāng)證券價(jià)格將要觸發(fā)熔斷機(jī)制時(shí),無法保持耐心的投資者會(huì)因害怕流動(dòng)性喪失而搶先交易,而潛在的對(duì)手方則傾向于等待更好的價(jià)格而延后交易。此外,指數(shù)越是接近熔斷閾值,相反頭寸持有者的心理壓力就越大,從而迫使他們進(jìn)行對(duì)沖,使得市場(chǎng)價(jià)格更加趨向熔斷價(jià)格 (Fama,1989［3］)。鑒于此, 我們提出假設(shè)2。H2:指數(shù)熔斷機(jī)制在我國存在明顯的磁吸效應(yīng)。

三、模型構(gòu)建與數(shù)據(jù)說明

(一)模型構(gòu)建

鑒于影響市場(chǎng)波動(dòng)性的因素包括股票價(jià)格、成交量、成交金額等諸多方面,簡(jiǎn)單比較指數(shù)熔斷機(jī)制實(shí)施前后滬深300指數(shù)波動(dòng)率的變化顯然有失偏頗。此外,股指的上漲與下跌,投資者情緒的高漲與低迷,都會(huì)造成市場(chǎng)波動(dòng)性隨之改變。因此,為克服內(nèi)生性問題,避免選擇性偏差,本文采用研究“處理效應(yīng)”的通常做法,通過構(gòu)建傾向評(píng)分匹配模型和雙重差分模型,來分析指數(shù)熔斷機(jī)制的出臺(tái)與暫停對(duì)市場(chǎng)波動(dòng)性的影響。

1.指數(shù)熔斷機(jī)制與市場(chǎng)波動(dòng)率的模型構(gòu)建。

本文首先研究指數(shù)熔斷機(jī)制與市場(chǎng)波動(dòng)率之間的關(guān)系。為此,我們需要構(gòu)建度量市場(chǎng)波動(dòng)率的指標(biāo)?？紤]到股票價(jià)格指數(shù)序列具有波動(dòng)集群 (volatility clustering)和尖峰厚尾 (leptokurtosis和fat-tail)等特征,本文運(yùn)用AR(2)－GARCH(1,1)模型對(duì)滬深300指數(shù)的漲跌幅Chg、對(duì)數(shù)成交量Trv和對(duì)數(shù)成交額Amt進(jìn)行估計(jì),計(jì)算出滬深300指數(shù)的價(jià)格波動(dòng)率Vol、成交量波動(dòng)率Vtrv和成交額波動(dòng)率Vamt,具體公式如下:

其中:yt代表 Chgt、 Trvt和 Amtt；vt～I(xiàn)DD(0,1),vt與yt,vt與ut均相互獨(dú)立；E(ht)＝E(u2t)＝而即為度量市場(chǎng)波動(dòng)率的指標(biāo)Volt、Vtrvt和Vamtt。

在此基礎(chǔ)上,本文使用傾向評(píng)分匹配法來考察指數(shù)熔斷機(jī)制是否增加了市場(chǎng)波動(dòng)率。為闡述上述方法的基本原理,我們以滬深300指數(shù)的價(jià)格波動(dòng)率Vol為例,對(duì)于穩(wěn)健性檢驗(yàn)中其他變量的估計(jì)可如法炮制,不再贅述。為此,我們引入一個(gè)二元虛擬變量Treati。當(dāng)數(shù)據(jù)來自處理組,即指數(shù)熔斷機(jī)制被觸發(fā)的交易日時(shí),Treati＝1；當(dāng)數(shù)據(jù)來自對(duì)照組,即指其他交易日時(shí),Treati＝0。令Volit為第i個(gè)交易日時(shí)刻t的滬深300指數(shù)價(jià)格波動(dòng)率,Vol1it為處理組的Volit,Vol0it為對(duì)照組的Volit。考慮該波動(dòng)率在指數(shù)熔斷機(jī)制實(shí)施期間的平均處理效果ATT1(average effect of treatment on the treated)

據(jù)對(duì)《嘉泰會(huì)稽志》引用《舊經(jīng)》情況的分析,作為地名的“會(huì)稽”向山系名稱轉(zhuǎn)化的情況,是在兩宋時(shí)期才發(fā)生的。

估計(jì)式 (2)的困難之處在于,｜Treati＝1)事實(shí)上并不可測(cè),而傾向評(píng)分匹配法有效地解決了這類“反事實(shí)” 問題 (Heckman等,1998［33］)。具體而言,我們首先根據(jù)滬深300指數(shù)的漲跌幅Chg、對(duì)數(shù)成交量Trv、對(duì)數(shù)成交額Amt等控制變量,通過Probit模型計(jì)算出每一個(gè)觀測(cè)值成為處理組的概率,作為傾向得分；然后依據(jù)傾向得分為每一個(gè)處理組樣本尋找匹配樣本；最后計(jì)算匹配后處理組與對(duì)照組的差距,從而模擬出“反事實(shí)”情形下的平均處理效果。

值得注意的是,傾向評(píng)分匹配法的有效性依賴于兩個(gè)條件:(1)條件獨(dú)立假設(shè) (conditional independence assumption),即經(jīng)過傾向評(píng)分匹配后不可觀測(cè)的因素不影響試驗(yàn)；(2)共同支撐假設(shè) (common support assumption),即處理組和對(duì)照組樣本的傾向得分有足夠多的重疊區(qū)域。前者保證了匹配過程不存在“選擇性偏差”,而后者保證了處理組樣本能夠找到與其配對(duì)的對(duì)照組樣本。滿足上述兩個(gè)條件的平均處理效果ATT1的估計(jì)方程為

其中:I1與I0分別為處理組與對(duì)照組集合；S為共同支撐域,即在該集合內(nèi)處理組樣本的傾向得分不高于 (低于)對(duì)照組樣本的傾向得分的最大 (小)值；n1為I1∩S中的樣本個(gè)數(shù)；w(i,j)為匹配后對(duì)照組樣本的權(quán)重。

2.指數(shù)熔斷機(jī)制與磁吸效應(yīng)的模型構(gòu)建。

在分析了指數(shù)熔斷機(jī)制與市場(chǎng)波動(dòng)率之間的關(guān)系之后,我們需要研究指數(shù)熔斷機(jī)制是否存在磁吸效應(yīng)。鑒于此,本文運(yùn)用基于傾向評(píng)分匹配的雙重差分法來考察滬深300指數(shù)在即將觸發(fā)熔斷閾值時(shí)是否出現(xiàn)了異常波動(dòng)。為此我們需要在上文的基礎(chǔ)上再構(gòu)造一個(gè)二元虛擬變量Timet。當(dāng)滬深300指數(shù)的累計(jì)漲跌幅接近熔斷閾值,即累計(jì)漲跌幅的絕對(duì)值達(dá)到4%及以上時(shí),Timet＝1；其他時(shí)間Timet＝0。根據(jù)前文所述的原理,本文采用最臨近匹配法 (nearest neighbor matching)為處理組樣本選擇了匹配樣本。匹配后滬深300指數(shù)價(jià)格波動(dòng)率的變化量的平均處理效果為ATT2。

更進(jìn)一步,式 (4)的一個(gè)等價(jià)性的可以用于實(shí)證檢驗(yàn)的表述為①限于篇幅,文中沒有給出相應(yīng)的證明過程,感興趣的讀者可以向作者索取。

其中:X為控制變量集合,包括滬深300指數(shù)的漲跌幅Chg、對(duì)數(shù)成交量Trv和對(duì)數(shù)成交額Amt；εit為隨機(jī)誤差項(xiàng)。交叉項(xiàng)Treati×Timet的估計(jì)系數(shù)刻畫了滬深300指數(shù)在熔斷閾值附近的價(jià)格波動(dòng)率情況。若顯著大于0,則意味著指數(shù)熔斷機(jī)制確實(shí)存在磁吸效應(yīng)；反之,則磁吸效應(yīng)并不明顯。

(二)數(shù)據(jù)說明

本文的數(shù)據(jù)來源為Wind數(shù)據(jù)庫中的1分鐘序列。由于實(shí)行指數(shù)熔斷機(jī)制的初衷為抑制2015年下半年開始的證券市場(chǎng)異常波動(dòng),且兩檔熔斷閾值分別為5%和7%,因此我們首先將時(shí)間跨度限制為2015年6月1日至2016年6月1日,然后選取滬深300指數(shù)價(jià)格漲跌幅較大的17個(gè)交易日作為樣本。②樣本交易日按照滬深300指數(shù)跌幅由大到小排列分別是:2015－08－24、2015－07－27、2015－06－26、2016－01－07、2015－08－25、2016－01－04、2015－07－08、2015－08－18、 2016－02－25、 2016－01－26、 2015－06－19、 2015－07－03、 2015－11－27、 2016－01－11、 2015－07－01、 2015－08－21、 2015－06－18。其中,處理組為2016年1月4日與1月7日兩個(gè)交易日的數(shù)據(jù)；而對(duì)照組為其他15個(gè)交易日的數(shù)據(jù)。此外,我們還根據(jù)通常文獻(xiàn)的做法,對(duì)主要變量的缺失值和異常值進(jìn)行了處理與剔除。

四、實(shí)證結(jié)果分析

(一)統(tǒng)計(jì)性描述

表1為除虛擬變量外其他變量的統(tǒng)計(jì)特征,在剔除了經(jīng)AR(2)－GARCH(1,1)模型處理的缺失值后,共得到3 741個(gè)有效樣本①所有變量的頻率均為1分鐘。。其中,滬深300指數(shù)1分鐘漲跌幅Chg的均值為負(fù),反映出樣本交易日確實(shí)取自證券市場(chǎng)下跌期間；所有變量的最小值最大值都相去甚遠(yuǎn),除價(jià)格波動(dòng)率Vol外,其他變量的標(biāo)準(zhǔn)差較大,可見滬深300指數(shù)大幅下挫期間的市場(chǎng)波動(dòng)較為強(qiáng)烈。

表1 變量統(tǒng)計(jì)特征

(二)指數(shù)熔斷機(jī)制對(duì)市場(chǎng)波動(dòng)率的影響

在運(yùn)用傾向評(píng)分匹配法檢驗(yàn)指數(shù)熔斷機(jī)制實(shí)施期間市場(chǎng)波動(dòng)率是否顯著增大之前,我們首先對(duì)條件獨(dú)立假設(shè)進(jìn)行了檢驗(yàn)。進(jìn)行此檢驗(yàn)的方法較多,包括DW規(guī)范檢驗(yàn) (DW specification test)、標(biāo)準(zhǔn)偏差檢驗(yàn)(standardised differences test)以及霍特林檢驗(yàn) (Hotelling test)等。但對(duì)于同一組數(shù)據(jù)使用不同檢驗(yàn)方法,其結(jié)果可能大相徑庭 (Lee,2005［34］)。本文采用目前使用較廣的Smith和Todd(2005)［35］的標(biāo)準(zhǔn)偏差方法進(jìn)行平衡性檢驗(yàn),計(jì)算出匹配后處理組與對(duì)照組基于控制變量Xk②Xk為滬深300指數(shù)的漲跌幅Chg、對(duì)數(shù)成交量Trv及對(duì)數(shù)成交額Amt。的標(biāo)準(zhǔn)偏差SDIFF(Xk),其公式如下:

上述標(biāo)準(zhǔn)偏差越小,說明匹配效果越好。對(duì)于其判斷標(biāo)準(zhǔn),Rosenbaum 和 Rubin(1983)［36］指出, 當(dāng)20時(shí)可認(rèn)為匹配效果不好。本文的檢驗(yàn)結(jié)果通過了匹配平衡檢驗(yàn),說明處理組與對(duì)照組在匹配變量上不存在顯著差異。

在此基礎(chǔ)上,我們利用最臨近匹配 (nearest neighbor matching)、半徑匹配 (radius matching)、核匹配 (kernel matching)以及分層匹配 (stratification matching)四種方法,檢驗(yàn)了與其他跌幅較大的交易日相比,指數(shù)熔斷機(jī)制被觸發(fā)的兩個(gè)交易日滬深300指數(shù)的價(jià)格波動(dòng)率是否顯著增大。表2顯示了匹配后的平均處理效果,在估計(jì)中我們?cè)O(shè)置了共同支撐假設(shè),并通過自舉法 (bootstrap)100次獲得回歸系數(shù)的t值。

表2 滬深300指數(shù)價(jià)格波動(dòng)率的平均處理效果

由表2可知,四種匹配方法下處理組的價(jià)格波動(dòng)率比對(duì)照組約大0.005,但上述估計(jì)結(jié)果均不顯著。這說明無論是采用一對(duì)一的最臨近匹配還是使用滿足條件的所有對(duì)照組樣本的半徑匹配、核匹配和分層匹配,2016年1月4日和1月7日滬深300指數(shù)的價(jià)格波動(dòng)率較樣本期間內(nèi)其他具有較大跌幅的交易日并沒有顯著差別。故而指數(shù)熔斷機(jī)制的實(shí)施并沒有加大股市大幅下挫期間的市場(chǎng)波動(dòng)率,假設(shè)1得以驗(yàn)證。

(三)指數(shù)熔斷機(jī)制的磁吸效應(yīng)研究

指數(shù)熔斷機(jī)制最飽受詬病的負(fù)面作用就是磁吸效應(yīng),而5%與7%兩檔熔斷閾值如此接近,更是容易引發(fā)同方向投資者因害怕流動(dòng)性喪失而搶先交易,反方向投資者為等待更好價(jià)格而延后交易。表3展示了滬深300指數(shù)日跌幅超過5%的交易日在熔斷閾值附近的下跌時(shí)間。從中可以看出,日跌幅超過5%的交易日共14個(gè),指數(shù)由下跌4%到5%的平均時(shí)間為12分鐘③12分鐘的計(jì)算方法為所有14個(gè)交易日－5%～－4%這一列數(shù)的算術(shù)平均值；后文28分鐘的計(jì)算方法與之類似。；日跌幅超過7%的交易日有6個(gè),指數(shù)由下跌5%到7%的平均時(shí)間為28分鐘。關(guān)注2016年1月4日與1月7日的相關(guān)數(shù)據(jù),其中1月4日在5%熔斷閾值附近的表現(xiàn)基本正常,但在觸發(fā)第一檔閾值后,僅過了9分鐘便再次觸發(fā)第二檔閾值；而1月7日指數(shù)由下跌4%到5%僅用了2分鐘,第一檔閾值被觸及后不到3分鐘的時(shí)間就導(dǎo)致大盤收市。因此從數(shù)據(jù)直覺的意義上,指數(shù)熔斷機(jī)制確實(shí)存在磁吸效應(yīng),且在第一檔閾值被觸發(fā)后變得更加明顯。

表3 滬深300指數(shù)在熔斷閾值附近的下跌時(shí)間

為進(jìn)一步檢驗(yàn)指數(shù)熔斷機(jī)制的磁吸效應(yīng),我們運(yùn)用基于傾向評(píng)分匹配的雙重差分法,考察了當(dāng)滬深300指數(shù)的漲跌幅到達(dá)4%后,其價(jià)格波動(dòng)率是否出現(xiàn)異常。①由于處理組樣本個(gè)數(shù)有限 (即Treat＝1且Time＝1的樣本共12個(gè)),因此我們并未能驗(yàn)證由－7% ～－5%這段時(shí)間Vol的異常表現(xiàn)。表4展示了變量Vol平均處理效果的回歸結(jié)果。其中回歸式 (1)為未添加任何控制變量的估計(jì)結(jié)果；回歸式 (2)和 (3)分別為添加控制變量后使用面板個(gè)體固定效應(yīng)和時(shí)間固定效應(yīng)的估計(jì)結(jié)果。

表4 Vol平均處理效果的回歸結(jié)果

由表4可知,三個(gè)回歸方程中的交叉項(xiàng)估計(jì)系數(shù)均為正,且具有1%的顯著性水平。這說明指數(shù)熔斷機(jī)制實(shí)施期間,滬深300指數(shù)的價(jià)格波動(dòng)率在超過4%后確實(shí)出現(xiàn)異常,平均而言較未實(shí)行時(shí)高出約0.04,體現(xiàn)出該制度推出后交易者因流動(dòng)性恐慌而紛紛拋售手中股票,從而導(dǎo)致價(jià)格下跌速度加快,假設(shè)2得到驗(yàn)證。此外,控制變量的回歸系數(shù)也符合預(yù)期,即漲跌幅、成交量與成交額均與價(jià)格波動(dòng)率呈正相關(guān)關(guān)系,且上述結(jié)果在1%的水平下顯著。

五、穩(wěn)健性檢驗(yàn)

為驗(yàn)證上述結(jié)果的穩(wěn)健性,本文首先將全樣本進(jìn)行了分段回歸,其中子樣本1為指數(shù)熔斷機(jī)制推出前與兩次觸發(fā)熔斷的交易日,子樣本2為指數(shù)熔斷機(jī)制暫停后與兩次觸發(fā)熔斷的交易日。運(yùn)用子樣本的估計(jì)結(jié)果與前文結(jié)論一致,限于篇幅,本文未報(bào)告具體的實(shí)證結(jié)果。

其次,本文選取滬深300指數(shù)的成交量波動(dòng)率和成交額波動(dòng)率,運(yùn)用相同的計(jì)量方法,檢驗(yàn)了指數(shù)熔斷機(jī)制是否增加了市場(chǎng)波動(dòng)這一假設(shè),回歸結(jié)果如表5所示。從中可以看出,除最臨近匹配法下的成交額波動(dòng)率具有10%的顯著性外,其他回歸系數(shù)均不顯著,證明總體而言指數(shù)熔斷機(jī)制并未對(duì)市場(chǎng)波動(dòng)性產(chǎn)生較大影響。

表5 滬深300指數(shù)成交量和成交額波動(dòng)率的平均處理效果

鑒于磁吸效應(yīng)的表現(xiàn)之一為成交量和成交額的劇烈變化,因此在穩(wěn)健性檢驗(yàn)中我們?cè)俅芜\(yùn)用基于傾向評(píng)分匹配的雙重差分法考察了滬深300指數(shù)成交量和成交額波動(dòng)率在累計(jì)跌幅超過4%后的表現(xiàn),回歸結(jié)果如表6所示。其中回歸式 (4)～(6)的因變量為Vtrv；回歸式 (7)～(9)的因變量為Vamt。

表6 Vtrv與Vamt平均處理效果的回歸結(jié)果

由表6可知,所有交叉項(xiàng)的估計(jì)系數(shù)均為正,且在1%的水平下顯著。可見在指數(shù)熔斷機(jī)制實(shí)施期間,當(dāng)滬深300指數(shù)的累計(jì)跌幅接近熔斷閾值時(shí),成交量波動(dòng)率和成交額波動(dòng)率均呈現(xiàn)明顯上升態(tài)勢(shì),磁吸效應(yīng)的存在性也就不言而喻了。

六、主要結(jié)論與政策建議

本文通過傾向評(píng)分匹配法與雙重差分法,考察了證券市場(chǎng)暴跌情形下指數(shù)熔斷機(jī)制的實(shí)施效果,結(jié)果發(fā)現(xiàn):一是指數(shù)熔斷機(jī)制實(shí)行期間滬深300指數(shù)的波動(dòng)率沒有顯著增加,說明該制度并非市場(chǎng)波動(dòng)加大的原因；二是當(dāng)滬深300指數(shù)的累計(jì)跌幅接近熔斷閾值時(shí),指數(shù)下跌速度加快,價(jià)格、成交量和成交額的波動(dòng)率都顯著增加,證明磁吸效應(yīng)確實(shí)存在。

針對(duì)上述發(fā)現(xiàn),本文認(rèn)為,雖然指數(shù)熔斷機(jī)制在紐約證券交易所、納斯達(dá)克證券交易所、多倫多證券交易所、韓國證券交易所、印度國家證券交易所等諸多市場(chǎng)上得以應(yīng)用 (Brugler和Linton,2014［25］), 但中國股票市場(chǎng)的波動(dòng)水平整體較高,非理性投資者所占比重也較大,因此在熔斷機(jī)制的設(shè)計(jì)上存在一些問題。首先,第一檔熔斷閾值較低,大大提高了觸發(fā)指數(shù)熔斷的可能性；其次,第二檔熔斷閾值也較低,使得觸發(fā)全天交易暫停的概率增加；再次,第一、二檔熔斷閾值的間隔較小,導(dǎo)致磁吸效應(yīng)在我國異常明顯；最后,熔斷時(shí)長占日交易總時(shí)間的比例較高,容易引發(fā)流動(dòng)性短缺與恐慌性拋售。

指數(shù)熔斷機(jī)制在我國僅實(shí)施4個(gè)交易日就告暫停,的確值得監(jiān)管層深度反思。目前A股市場(chǎng)已存在漲跌停板制度,短時(shí)間內(nèi)應(yīng)不會(huì)重啟指數(shù)熔斷機(jī)制。今后證券監(jiān)管部門在出臺(tái)新的交易機(jī)制時(shí),應(yīng)結(jié)合我國資本市場(chǎng)的實(shí)際情況,進(jìn)行充分的理論論證和深入的量化分析,避免高昂的制度試錯(cuò)成本,從而實(shí)現(xiàn)維護(hù)證券市場(chǎng)穩(wěn)定和保護(hù)投資者權(quán)益的目的。

［1］Fama E F.Efficient Capital Markets:A Review of Theory and Empirical Work［J］.The Journal of Finance,1970,25(2):383－417.

［2］Grossman S J.Introduction to NBER Symposium on the October 1987 Crash ［J］.Review of Financial Studies,1990,3(1):1 －3.

［3］Fama E F.Perspective on October 1987,or What Did We Learn form the Crash?［M］//Kamphuis R W,Jr Kormendi R C,Waston J.Black Monday and the Future of the Financial Markets.Irwin,Homewood,III,1989:16－45.

［4］Subrahmanyam A.Circuit Breakers and Market Volatility:A Theoretical Perspective［J］.The Journal of Finance,1994,3(1):237－254.

［5］Lehmann B N.Commentary:Volatility,Price Resolution,and the Effectiveness of Price Limits［M］//Regulatory Reform of Stock and Futures Markets.Springer Netherlands.1989:107－111.

［6］Subrahmanyam A.The Exante Effects of Trade Halting Rules on Informed Trading Strategies and Market Liquidity ［J］.Review of Financial Economics,1997,6(1):1－14.

［7］Kuhn B A,Kurserk G J,Locke P.Do Circuit Breakers Moderate Volatility?Evidence from October 1989 ［J］.Review of Futures Markets,1991,10(1):426－434.

［8］Ferris S P,Kumar R,Wolfe G A.The Effect of SEC-ordered Suspensions on Returns,Volatility,and Trading Volume ［J］.Financial Review,1992,27(1):1－34.

［9］Santoni G J,Liu T.Circuit Breakers and Stock Market Volatility［J］.Journal of Futures Markets,1993,13(3):261－277.

［10］Lee C,Ready M J,Seguin P J.Volume,Volatility,and New York Stock Exchange Trading Halts［J］.The Journal of Finance,1994,49(1):183－214.

［11］Ackert L F,Church B,Jayaraman N.An Experimental Study of Circuit Breakers:The Effects of Mandated Market Closures and Temporary Halts on Market Behavior［J］.Journal of Financial Markets,2001,4(2):185 －208.

［12］Ackert L F,Church B K,Jayaraman N.Circuit Breakers with Uncertainty about the Presence of Informed Agents:I Know What You Know…I Think ［J］.Financial Markets,Institutions and Instruments,2005,14(3):135 －168.

［13］Goldstein M A,Kavajecz K A.Trading Strategies during Circuit Breakers and Extreme Market Movements［J］.Journal of Financial Markets,2004,7(3):301－333.

［14］Spiegel M,Subrahmanyam A.Asymmetric Information and News Disclosure Rules ［J］.Journal of Financial Intermediation,2000,9(4):363－403.

［15］Greenwald B C,Stein J C.Transactional Risk,Market Crashes,and the Role of Circuit Breakers ［J］.Journal of Business,1991,2(1):443－462.

［16］Kodres L E,O'Brien D P.The Existence of Pareto-superior Price Limits［J］.The American Economic Review,1994,84(4):919－932.

［17］Brennan M J.A Theory of Price Limits in Futures Markets［J］.Journal of Financial Economics,1986,16(1):213 －233.

［18］Chowdhry B,Nanda V.Leverage and Market Stability:The Role of Margin Rules and Price Limits［J］.The Journal of Business,1998,71(2):179－210.

［19］Westerhoff F.Speculative Markets and the Effectiveness of Price Limits ［J］.Journal of Economic Dynamics and Control,2003,28(3):493－508.

［20］Lauterbach B,Ben-Zion U R I.Stock Market Crashes and the Performance of Circuit Breakers:Empirical Evidence ［J］.The Journal of Finance,1993,48(5):1909－1925.

［21］Bildik R,Gülay G.Are Price Limits Effective?Evidence from the Istanbul Stock Exchange ［J］.Journal of Financial Research,2006,29(3):383－403.

［22］Gomber P,Haferkorn M,Lutat M,Zimmermann K.The Effect of Single-stock Circuit Breakers on the Quality of Fragmented Markets［M］//Enterprise Applications and Services in the Finance Industry.Springer Berlin Heidelberg,2012:71－87.

［23］Subrahmanyam A.Algorithmic trading,the Flash Crash,and Coordinated Circuit Breakers［J］.Borsa Istanbul Review,2013,13(3):4－9.

［24］Nicholas A.The Role of Circuit Breakers in the Oil Futures Market［J］.Journal of Economics and Finance,2016,4(10):1 －16.

［25］Brugler J,Linton O B.Single Stock Circuit Breakers on the London Stock Exchange:Do They Improve Subsequent Market Quality? ［J］.SSRN Working Paper,2014.

［26］Goldstein M A.Circuit Breakers,Trading Collars,and Volatility Transmission across Markets:Evidence from NYSE Rule 80A ［R］.SSRN Working Paper,2015.

［27］De Long B,Shleifer A,Summers L,et al.Positive Feedback Investment Strategies and Destabilizing Rational Speculation ［J］.The Journal of Finance,1990,45(2):379－395.

［28］Bondt W F M,Thaler R.Does the Stock Market Overreact? ［J］.The Journal of Finance,1985,40(3):793 －805.

［29］樸樹,俞喬.有限理性、動(dòng)物精神及市場(chǎng)崩潰:過度自信、有限參與和資產(chǎn)價(jià)格泡沫［J］.經(jīng)濟(jì)研究,2006(4):115－127.

［30］Banerjee A V.A Simple Model of Herd Behavior［J］.The Quarterly Journal of Economics,1992,107(3):797 －817.

［31］Graham J R.Herding among Investment Newsletters:Theory and Evidence［J］.The Journal of Finance,1999,54(1):237 －268.

［32］崔巍.金融市場(chǎng)中羊群行為的模擬研究及啟示［J］.北京大學(xué)學(xué)報(bào) (哲學(xué)社會(huì)科學(xué)版),2009(6):68－74.

［33］Heckman J J,Ichimura H,Todd P.Matching As an Econometric Evaluation Estimator［J］.The Review of Economic Studies,1998,65(2):261－294.

［34］Lee G.PSM and Public Employees’ Work Performance ［J］.Korean Society and Public Administration,2005,16(1):81 －104.

［35］Smith J A,Todd P E.Does Matching Overcome LaLonde's Critique of Nonexperimental Estimators? ［J］.Journal of Econometrics,2005,125(1):305－353.

［36］Rosenbaum P R,Rubin D B.The Central Role of the Propensity Score in Observational Studies for Causal Effects ［J］.Biometrika,1983,70(1):41－55.