股票市場有效性對風險收益關(guān)系的動態(tài)影響

張碧馨

摘要：經(jīng)典金融理論指出，金融市場整體的風險與收益呈正相關(guān)關(guān)系，但很多實證結(jié)果都背離了這一理論假設(shè)。筆者認為，實證結(jié)果與理論不一致的原因在于，風險收益關(guān)系不是靜態(tài)的，而是隨著市場有效性的變化而變化的。由此，筆者構(gòu)建了非線性變系數(shù)風險收益模型，采用交易量代表信息交換行為的活躍度，用大宗交易股票數(shù)量來度量市場上的信息不對稱性，使用上海股票市場2010—2015年的高頻數(shù)據(jù)進行實證研究發(fā)現(xiàn)，上海股票市場的整體收益與風險始終存在顯著的正相關(guān)關(guān)系，但單位風險所產(chǎn)生的收益則隨著市場有效性的變化而變化。當市場有效性差時，信息交換減少，信息不對稱性增加，這時收益的自相關(guān)性增強，風險對收益的解釋能力減弱。

關(guān)鍵詞：股票市場有效性；風險收益關(guān)系；信息交換；信息不對稱

中圖分類號：F8309文獻標識碼：A

文章編號：1000176X（2017）08004507

一、問題的提出

從1990年上海證券交易所成立至今，我國的股票市場經(jīng)歷了飛速的發(fā)展，根據(jù)我國證監(jiān)會的統(tǒng)計數(shù)據(jù)，截至2016年11月1日，我國股票市場的總市值已經(jīng)達到50900萬億元，其中流通市值達到39300萬億元。相比定期存款、國債等投資手段，股票市場具有高風險—高收益的特點。在傳統(tǒng)經(jīng)濟理論中，金融市場不穩(wěn)定帶來的風險可以通過金融資產(chǎn)相應的高收益率進行風險補償。然而，實證研究并沒有完全證實這一理論分析，大量的文獻指出風險收益關(guān)系是顯著負相關(guān)的。例如， Brandt和Kang[1]發(fā)現(xiàn)股票市場的風險與收益存在顯著持久的負相關(guān)關(guān)系。汪孟海和周愛民[2]對我國股票市場的研究也發(fā)現(xiàn)，股票價格下降伴隨著波動率的明顯增強。

筆者認為，理論假設(shè)和實證結(jié)果不一致的原因在于市場有效性的變化。風險收益關(guān)系為正相關(guān)的前提假設(shè)是市場充分有效（證券價格能夠充分地反映投資者可以獲得的信息）。而現(xiàn)實中，市場并不是充分有效的。市場有效性差的時候，定價信息無法及時有效地傳遞，價格對信息的反應存在滯后性，風險收益關(guān)系被弱化了。Yu和Yuan[3]與Kinnunen[4]的研究也都證實市場有效性越好，風險與收益的正相關(guān)關(guān)系越突出；而市場有效性差的時候，風險收益關(guān)系不一定顯著為正。

值得注意的是， Lo[5]、Anderson[6]以及魯臻和鄒恒甫[7]等對市場自相關(guān)生成機制的研究指出，當市場有效性差時，由于信息傳遞的滯后性，定價信息無法及時準確地傳遞到金融資產(chǎn)的價格上，產(chǎn)生收益序列的自相關(guān)性。因此，筆者認為風險對收益的影響與自相關(guān)性是此消彼長的。市場有效性強時，風險對收益的影響程度增強，自相關(guān)程度減弱；市場有效性弱時，風險對收益的影響程度降低，自相關(guān)性增強。

從這一思想出發(fā)，本文改進了跨期資本資產(chǎn)定價模型。一方面，股票預期收益率不僅取決于風險溢價，而且依賴于它的自相關(guān)性；另一方面，利用時變的市場有效性指標作為權(quán)重去加權(quán)平均風險溢價部分和自相關(guān)部分。實證中采用上海股票市場2010—2015年的高頻數(shù)據(jù)計算已實現(xiàn)方差，使用交易量和大宗交易股票數(shù)量度量市場有效性狀況來進行具體分析。得到了顯著穩(wěn)健的結(jié)論：收益和風險始終存在顯著的正相關(guān)關(guān)系，同時，風險和自相關(guān)對收益的解釋能力確實存在此消彼長。市場有效性的減弱伴隨著風險對收益的解釋能力的減弱，以及收益序列自相關(guān)性的增強。

本文的貢獻在于：第一，證實了市場環(huán)境的變化會影響風險對收益的解釋能力，但風險仍然和收益是正相關(guān)的，風險溢價始終為正，支持了跨時期資本資產(chǎn)定價模型的基本結(jié)論。第二，結(jié)合市場有效性的變化探討了自相關(guān)現(xiàn)象背后的市場機制，證實了自相關(guān)和風險對收益的解釋能力是此消彼長的。第三，自相關(guān)和風險對收益解釋的權(quán)重可以反應市場的有效性，給出了市場有效性的參考指標。

二、理論分析、模型構(gòu)建與假設(shè)提出

（一）理論分析

1跨期資本資產(chǎn)定價模型

風險收益理論的基礎(chǔ)是Merton[8]在1969年提出的跨期資本資產(chǎn)定價模型（ICAPM）。該模型假設(shè)金融市場總是處在連續(xù)變化的過程中，在信息對稱、無摩擦的市場中，投資者的決策將最大化整個投資期的效用。由投資者效用最大化得到均衡方程：

Et-1（rMt）=μ+λVart-1（rMt）Et-1（rMt）=μ+λVart-1（rMt）（1）

其中，Et-1（rMt）為市場收益率rMt的期望值，Vart-1（rMt）為市場收益率的條件方差，代表金融市場上的風險因素。λ為投資者的風險厭惡程度，由投資者自身的效用函數(shù)決定。風險厭惡的投資者需要額外獲得收益來補償其所承受的風險，因而λ為正，市場的收益與風險存在正相關(guān)關(guān)系。λ越大，投資者對承擔單位風險所需要的收益補償越高。常數(shù)項μ包含了印花稅、交易成本等其他因素。t-1為上一期。

然而，實證研究并沒有得到一致的結(jié)論。除了Ghysels等[9]、Guo和Whitelaw[10]等少數(shù)研究得到了風險與收益存在顯著正相關(guān)關(guān)系的實證結(jié)果，大量的文獻指出風險收益關(guān)系并不顯著，甚至是顯著負相關(guān)的。例如，Whitelaw[11]發(fā)現(xiàn)風險收益關(guān)系不顯著。Brandt 和 Kang[1]應用向量自回歸模型研究發(fā)現(xiàn)，使用條件方差度量的風險與市場收益存在顯著持久的負相關(guān)關(guān)系，但無條件方差卻與收益存在正相關(guān)關(guān)系。Glosten等[12]、 Goyal和Santa-Clara[13]與Lettau和Ludvigson[14]也都認為風險與收益負相關(guān)。

國內(nèi)的相關(guān)研究也沒有一致的結(jié)果。施東暉[15]基于1993—1996年上海證券交易所A股數(shù)據(jù)進行實證分析，發(fā)現(xiàn)風險與收益率是負相關(guān)的。張思奇等[16]指出上海證券交易所A 股期望的超額收益與條件方差呈負相關(guān)關(guān)系。吳長鳳等[17]對滬深兩市的風險收益特征進行了分析， 結(jié)果表明長期來看，我國股票市場存在著一定的高風險—高收益、低風險—低收益的特點，但短期看這種風險收益關(guān)系并不顯著。何興強和孫群燕[18]用1993—2002 年上證綜指、深證成指的每日收益序列進行了研究， 發(fā)現(xiàn)我國股票市場的風險與收益關(guān)系不顯著。汪孟海和周愛民[2]指出上證指數(shù)的收益與波動率之間存在不顯著的負相關(guān)關(guān)系。陳夢根[19]基于混頻抽樣方法（MIDAS）的研究指出滬深兩市風險與收益都呈顯著的正相關(guān)關(guān)系。endprint

2風險收益關(guān)系的動態(tài)變化和市場有效性

學術(shù)界對理論和實證結(jié)果的不一致給出了一些解釋。一些研究發(fā)現(xiàn)，市場的風險收益關(guān)系是隨時間變化的。Salvador[20]使用了結(jié)構(gòu)轉(zhuǎn)換模型（Regime-Switching Model）研究了歐洲多個股票市場，發(fā)現(xiàn)風險收益關(guān)系呈現(xiàn)明顯的兩階段特性。Ghysels等[21]也使用了帶結(jié)構(gòu)轉(zhuǎn)換的混頻數(shù)據(jù)抽樣模型研究了標普500指數(shù)的風險收益關(guān)系，仍然發(fā)現(xiàn)了明顯的兩階段特征。

國內(nèi)研究也發(fā)現(xiàn)風險收益具有時變特征。陳浪南和黃杰鯤[22]指出深證成指是否有顯著的正向風險收益關(guān)系取決于數(shù)據(jù)區(qū)間，在1997—2000 年間顯著，但是在1993—1996年間則不顯著。王輝[23]發(fā)現(xiàn)風險和收益兩者關(guān)系與市場狀態(tài)有關(guān)，市場處于上漲階段時兩者的相關(guān)度大于市場處于下跌階段。

筆者認為風險收益關(guān)系隨時間變化的原因在于市場有效性的變化。市場有效性不是恒定不變的，同時也會影響金融市場的風險收益關(guān)系：Yu[3]證實了投資者敏感度低的時候，市場有效性較強，市場的風險收益關(guān)系顯著為正；而投資者敏感度高時，敏感度高的投資者會對信息和價格變動過度反應，這時風險收益關(guān)系為負。此外，Kinnunen[4]研究了標準普爾500指數(shù)，證實了市場中信息含量高時，有效性強，風險收益關(guān)系顯著為正；而信息量低的時候，有效性弱，風險收益關(guān)系的顯著性明顯減弱。

3自相關(guān)和市場有效性

除了風險收益關(guān)系以外，收益率序列也存在顯著的自相關(guān)性。收益率和它的滯后項有顯著的相關(guān)關(guān)系。因而對于風險收益關(guān)系的分析幾乎都會加入收益的滯后項。形式如下：

Et-1（rMt）=μ+λVart-1（rMt）+ρrMt-1（2）

其中，自相關(guān)項rMt-1的系數(shù)ρ一般顯著為正，也被稱為“慣性效應”。

相關(guān)研究發(fā)現(xiàn)，自相關(guān)現(xiàn)象其實是市場有效性不完全的產(chǎn)物。市場不完全有效時，資產(chǎn)價格對定價信息的反應需要一個過程，金融資產(chǎn)需要經(jīng)歷連續(xù)的上漲或下跌才能消化定價信息，因而收益率通常會和上一期收益率有較強的相關(guān)性。Lo[5]認為交易頻率和摩擦是造成收益自相關(guān)的原因，指出當交易頻率低時，自相關(guān)增強。魯臻和鄒恒甫[7]研究了政策市背景下的我國股市的自相關(guān)性，認為投資者的非理性造成了自相關(guān)性。Anderson[6]也指出投資者對市場信息掌握的不完全會造成自相關(guān)現(xiàn)象的出現(xiàn)。

綜上所述，筆者認為市場的風險收益關(guān)系是隨著市場有效性變化而變化的。自相關(guān)部分和風險部分都可以解釋收益，但它們的解釋能力隨著有效性的變化此消彼長。市場有效性強時，市場環(huán)境接近跨期資本資產(chǎn)定價模型的理論假設(shè)，風險對期望收益的解釋能力更強，而自相關(guān)性較弱；市場有效性減弱時，定價信息傳遞的滯后性導致自相關(guān)性增強，跨期資本資產(chǎn)定價模型適用性較差，風險對期望收益的解釋能力變差。

（二）模型構(gòu)建

基于以上分析，筆者認為風險部分和自相關(guān)部分對收益的解釋能力此消彼長，因此，資本資產(chǎn)定價模型中風險部分和自相關(guān)部分的權(quán)重應該是可變的。加入隨時間變化的權(quán)重系數(shù)后，新的模型為：

Et-1（rMt）=μ+φt-1λVart-1（rMt）+（1-φt-1）ρrMt-1（3）

其中，φt-1∈[0，1]。

φt-1變化時，模型中風險部分和自相關(guān)部分解釋收益的比例也在隨時間變化而變化。φt-1越大，期望收益被風險解釋的部分越多，自相關(guān)部分解釋的比例越小，市場有效性越強。也就是說，φt-1反映了市場的有效性。當φt-1=1時，模型形式變?yōu)镋t-1（rMt）=μ+λVart-1（rMt），也就是跨期資本資產(chǎn)定價模型的標準形式，這時期望收益可以完全被風險解釋。當φt-1=0時，模型形式變?yōu)镋t-1（rMt）=μ+ρrMt-1，這時期望收益和風險無關(guān)，僅受自相關(guān)因素驅(qū)動。

式（3）的條件方差Vart-1（rMt）作為統(tǒng)計量并不能被直接觀測到，因而對它的度量方法一直存在爭議。一類方法是根據(jù)數(shù)據(jù)特征建立模型（GARCH、MIDAS等）估計方差，然而采用建模方法估計條件方差時，實證結(jié)果對模型的設(shè)定十分敏感，錯誤的模型會嚴重影響實證研究的結(jié)果。Baillie和Degennaro[24]的研究早已表明，如果把ARCH模型中對于回報沖擊的分布設(shè)定從正態(tài)分布改為t分布，期望收益與風險的正相關(guān)關(guān)系就會消失。

因此，本文直接用分鐘高頻數(shù)據(jù)計算每日的已實現(xiàn)方差（Realized Variance）。這一方法的優(yōu)點是不依賴于模型設(shè)定，同時包含了更多的微觀市場信息，更好地貼近快速變化的市場環(huán)境。此外，Salvador[25]指出使用每日的收益率分析風險收益關(guān)系的效果要好于月度數(shù)據(jù)。本文借鑒Baillie和Degennaro[24]、Salvador[25]的做法，采用日度數(shù)據(jù)進行實證研究，構(gòu)建的模型為：

rt=μ+φt-1λrvt-1+（1-φt-1）ρrt-1+εt（4）

φt-1=11+exp（-βvvst-1-βbbvt-1）（5）

其中，rt為上海股票市場當日的收益率，rvt-1為已實現(xiàn)方差代表的風險項，rt-1為自相關(guān)項，φt-1為權(quán)重系數(shù)，反映了市場有效性的動態(tài)變化，εt為當期隨機沖擊對收益的影響。在對φt-1的具體設(shè)定中，vst-1為交易量，bvt-1為日內(nèi)發(fā)生大宗交易的股票數(shù)量，βv和βb分別為這兩個變量的系數(shù)。

（三）假設(shè)提出

由于風險收益關(guān)系變化的原因是市場有效性的變化，投資者的風險偏好并沒有發(fā)生變化。風險厭惡的投資者仍然需要額外收益以補償其所承受的風險，風險溢價λ為正。因此，本文提出研究假設(shè)1：

假設(shè)1：金融市場的風險收益存在正相關(guān)關(guān)系，風險越大，收益越大。風險因素的系數(shù)λ為正。

為了使φt-1合理地反映市場有效性的變化，本文引入度量市場有效性的外生變量st-1，設(shè)定φt-1表達式為：endprint

φt-1=11+exp（-β′st-1）（6）

其中，st-1為一組反映市場有效性的變量。這樣的設(shè)定形式可以保證權(quán)重φt-1∈[0，1]。從模型設(shè)定上看，如果β為正，st-1越大，φt-1越大；如果β為負，st-1越小，φt-1越大。這里st-1選取交易量vst-1和發(fā)生大宗交易的股票數(shù)量bvt-1。

交易量和市場有效性存在密切的聯(lián)系。金融市場中交易的活躍程度反映了定價信息交換的頻率。定價信息通過市場交易等途徑在市場中傳導，最終使得金融資產(chǎn)的價格達到它的真實價值，完成金融資產(chǎn)的價格發(fā)現(xiàn)過程。Andersen[26]指出，交易量反映了股票市場中信息量的多少，交易量越大，市場中信息交換行為越活躍，股票價格越接近股票的真實價值。因而筆者認為，交易量越大，市場有效性越好。因此，本文提出研究假設(shè)2：

假設(shè)2：交易量vst-1增加時，風險部分權(quán)重φt-1增加，自相關(guān)部分權(quán)重（1-φt-1）減少，交易量vst-1的系數(shù)βv為正。

股票市場上的大宗交易則反映了市場中信息的不對稱性。林振興和屈文洲[27]發(fā)現(xiàn)大宗交易大多是基于私有信息或者內(nèi)幕信息。張顏江和王燕鳴[28]也指出大宗交易的投資者多是機構(gòu)投資者，并且大宗交易往往伴隨著價格的異常波動。Edmans[29]認為大宗交易的投資者會通過非公開信息判斷股票的價值。此外，很多大宗交易的參與者本身就是該公司的董事會成員。而信息不對稱程度上升會使得市場深度減小，市場有效性減弱。由此，大宗交易發(fā)生得越多，市場上的信息不對稱越強，市場有效性越弱。因此，本文提出研究假設(shè)3：

假設(shè)3：大宗交易股票數(shù)量bvt-1增加時，風險部分權(quán)重φt-1減少，自相關(guān)部分權(quán)重（1-φt-1）增加，大宗交易股票數(shù)量bvt-1的系數(shù)βb為負。

三、實證研究

（一）變量與數(shù)據(jù)說明

本文研究使用的數(shù)據(jù)來自Thomas Reuters Ticker History的高頻數(shù)據(jù)庫以及國泰安CSMAR數(shù)據(jù)庫。樣本區(qū)間為2010年1月1日至2015年11月30日。數(shù)據(jù)包括上證綜指的每分鐘報價、收盤價、每日的交易股份數(shù)和每日發(fā)生大宗交易的股票數(shù)量。

收益率rt為上證綜指每日的對數(shù)收益率，計算公式為：rt=lnPtPt-1，其中Pt為當日收盤價。已實現(xiàn)方差RVt計算公式為：RVt=∑Ni=1rti2。其中，N為交易日t中收益率的采樣次數(shù)，rti為交易日t中第i個時間單位的收益率。

收益率的日內(nèi)采樣次數(shù)N越大，包含的信息量越高。但市場價格與有效價格之間存在一定的偏差，也就是市場噪聲。已實現(xiàn)方差的頻率越高，包含的噪聲越多，反而會偏離對市場風險的估計。因此，本文計算了三種不同頻率的已實現(xiàn)方差：1分鐘頻率的RV1、5分鐘頻率的RV5和30分鐘頻率的RV30，并在實證中比較它們的效果。

交易量vst指的是上海股票市場當天的交易總股份數(shù)。每日發(fā)生大宗交易的股票數(shù)量bvt的數(shù)據(jù)來自國泰安CSMAR數(shù)據(jù)庫，反映了每日上海股票市場中發(fā)生大額交易的股票數(shù)量，用來衡量市場的信息不對稱程度。另外，穩(wěn)健性檢驗中本文使用了每日發(fā)生大額交易的總次數(shù)作為替換變量。這兩個外生變量共同反映了市場的有效性。

（二）描述性統(tǒng)計

可以看出，收益率的均值和中位數(shù)為0005和0046。偏度為負，峰度大于標準正態(tài)分布的峰度3000，說明收益率的分布是厚尾的。JarqueBera檢驗統(tǒng)計量為1 772253，遠大于1%顯著性的臨界值63660，拒絕了該序列為正態(tài)分布的原假設(shè)。

三種頻率已實現(xiàn)方差RV1、RV5和RV30的數(shù)據(jù)特征比較相似，偏度均為正，峰度也遠大于3000，說明它們都有尖峰厚尾的特點。值得注意的是，RV30和RV5的均值、中位數(shù)和方差十分接近，而RV1則和它們有明顯的差別。交易量和大宗交易股票數(shù)量也明顯偏離正態(tài)分布。樣本區(qū)間內(nèi)我國股票市場日均交易161117億股（即16112×109），平均每日有6644支股票出現(xiàn)大額交易。

（三）實證結(jié)果分析

對式（4）進行估計，采用非線性最小二乘法（NLS），得到的實證結(jié)果如表2所示。

從表2可以看出，在三種頻率已實現(xiàn)方差RV1、RV5和RV30下，風險溢價λ始終為正，并且在1%水平顯著。這一結(jié)果和上文的分析一致：風險厭惡的投資者應該為承擔風險獲得正收益，即風險越大，獲得的收益也越大，假設(shè)1成立。而自相關(guān)系數(shù)ρ始終顯著為正，也和已有文獻的研究結(jié)果相符，說明了自相關(guān)部分對收益的解釋作用是不可忽視的。

交易量vst-1的系數(shù)βv始終為正，大宗交易的股票數(shù)量bvt-1的系數(shù)βb始終為負，說明假設(shè)2和假設(shè)3始終成立。這一結(jié)果證實了交易量低，大宗交易股票數(shù)量多時，市場有效性減弱。這時自相關(guān)對收益的解釋能力增加，單位風險所產(chǎn)生的收益降低。而交易量增加，大宗交易股票數(shù)量減少時，市場的有效性增強。這時風險部分對收益的解釋能力增強，自相關(guān)部分的重要性減弱。

系數(shù)βv、βb在RV1和RV5中顯著也說明權(quán)重φt-1切實反映了市場有效性的不斷變化。這時，風險部分和自相關(guān)部分對收益的解釋能力此消彼長，自相關(guān)部分對收益的驅(qū)動作用隨著交易量的增加而減弱，隨著大宗交易股票數(shù)量的增加而增加，而風險部分對收益的驅(qū)動作用隨著交易量的增加而增加，隨著大宗交易股票數(shù)量的增加而減少。

比較三種頻率已實現(xiàn)方差RV1、RV5和RV30的回歸結(jié)果可以看出，對于三種類型的已實現(xiàn)方差RV1、RV5和RV30，R2分別為0026、0026和0014。而縱向比較不同頻率的已實現(xiàn)方差，可以看出使用1分鐘數(shù)據(jù)計算出的已實現(xiàn)方差已實現(xiàn)方差RV1顯著性強于RV5，而RV1和RV5的R2都是0026，均高于RV30得出的0014。說明在估計風險收益關(guān)系方面，1分鐘頻率的已實現(xiàn)方差最合適。另外，使用1分鐘頻率的已實現(xiàn)方差RV1時，βv在1%水平顯著，βb在5%水平顯著，說明RV1的顯著性強于使用RV5、RV30得到的結(jié)果。這也和國內(nèi)的研究結(jié)果一致。如韓清和劉永剛[30]對我國已實現(xiàn)波動率的噪聲成分進行了分析，指出雖然國外市場慣例使用5分鐘頻率的已實現(xiàn)波動率估計，但這一頻率在我國市場上并不適用。endprint

（四）模型比較

可以看出，風險溢價λ仍然不顯著。自相關(guān)系數(shù)ρ始終在1%的水平上顯著為負，證明時間序列具有很強的自相關(guān)性，這和大多數(shù)文獻的實證結(jié)果是一致的。對三種頻率已實現(xiàn)方差RV1、RV5和RV30進行回歸得到的R2都是0007，比表3的結(jié)果有所提高。

對比表2、表3和表4的回歸結(jié)果可以看出，傳統(tǒng)的線性風險收益模型無法在實證中得到顯著為正的風險收益關(guān)系，而本文的非線性變系數(shù)風險收益模型中風險溢價λ始終為正。同時，傳統(tǒng)線性風險收益模型的R2也低于本文的非線性變系數(shù)風險收益模型。原因在于變化的市場環(huán)境中，自相關(guān)性和風險對收益的解釋作用并不是恒定的，回歸方程（7）和回歸方程（8）均有一定程度的設(shè)定錯誤。交易量低，大宗交易股票數(shù)量多時，模型的理論假設(shè)和市場的實際情況不符，自相關(guān)部分對收益的解釋效果增加，而風險部分的解釋能力下降。這時使用傳統(tǒng)的線性風險收益模型并不合適。而交易量增加，大宗交易股票數(shù)量減少時，信息含量高，市場有效性強，跨期資本資產(chǎn)定價模型的有效性假設(shè)被較好得滿足，風險對期望收益的解釋能力增強。

（五）穩(wěn)健性檢驗

本文使用近似變量替換外生變量來檢驗模型穩(wěn)健性。使用市場日內(nèi)發(fā)生大宗交易的次數(shù)替代發(fā)生大宗交易的股票數(shù)量后，該變量系數(shù)βb仍然為負，顯著性有所減弱，其他實證結(jié)論不變。對此，可以認為大宗交易反映了市場的信息不對稱性，而同一支股票發(fā)生N筆大宗交易很可能是對一次信息不對稱事件的集中反應，對整個市場的影響要小于N支不同股票發(fā)生單筆大宗交易。發(fā)生大宗交易的股票數(shù)量bvt-1更能反映出市場中信息不對稱的程度。

另外，使用每日的換手率替代大宗交易股票數(shù)量后，該變量系數(shù)βb顯著性減弱，其他基本結(jié)論仍然和原結(jié)論一致。

（六）對我國股票市場有效性的分析

市場有效性的不斷變化是學術(shù)界的共識。Lim和Brooks[31]詳細總結(jié)了研究市場有效性變化的文獻，列舉多種實證方法證明了市場有效性在隨著時間變化。Lo[32]年提出了市場有效可變假設(shè)，對有效性的變化機制進行了具體的理論分析。這一理論假設(shè)行為人理性有界，會隨著市場環(huán)境的變化而改變投資行為。市場價格是各種類型的投資者在不同狀態(tài)下進行投資活動達到的均衡。

在本文的模型中，φt代表風險部分解釋收益的比例。市場有效性越好，風險部分解釋的比例越大。因此估計出模型參數(shù)后，可以計算φt來分析股市的有效性走勢。根據(jù)（5）（6）兩式，采用效果最好的RV1作為風險度量，計算出的φt如圖1所示，平滑實線為多項式擬合得到的趨勢線。整個樣本區(qū)間中φt均值為0364。

從圖1中可以看出，從2010年到2015年間，φt每日的變動十分活躍，跳躍性較強。但從趨勢線描繪的整體趨勢看來，2013年以后，φt明顯上升。事實上，2013年4月，我國降低了融資融券成本，客觀上增強了市場的有效性。可以看到正是從這時候開始，趨勢線開始增加，風險對收益的解釋效果在不斷加強。

在計算出權(quán)重系數(shù)φt后，可以根據(jù)實證數(shù)據(jù)進一步計算出自相關(guān)部分和風險部分的實際比例Ratiot。定義Ratiot為自相關(guān)部分和風險部分的比值，公式為：Ratiot=（1-φt）ρrt/φtλrvt。Ratiot比值大于1說明自相關(guān)部分的解釋比例更大，小于1時風險的解釋效果更強。采用HP濾波法對Ratiot進行平滑后得到Ratio′t，如圖2所示。

圖2平滑后的比例變動Ratio′t

Ratiot經(jīng)HP濾波法平滑后得到的Ratio′t均值為007，說明市場自相關(guān)解釋收益的部分是風險實際解釋收益的部分的7%。Ratio′t越高，自相關(guān)解釋收益的比例越高，市場有效性越弱。平滑后得到的Ratio′t的變化同樣十分活躍，說明股票市場的有效性一直在不斷變化。這一結(jié)果反應了我國的股票市場作為新興市場，不斷出臺新的規(guī)章制度，探索完善市場建設(shè)的過程。

值得注意的是，2015年我國的股票市場出現(xiàn)了明顯的異常波動。對應圖中可以看出，2015年以后，Ratio′t波動十分劇烈，尤其是在2015年6月以后的時間段。這一時間段對應的是由于融資融券業(yè)務開展不當造成的“股災”。融資融券交易（是指投資者向具有融資融券業(yè)務資格的證券公司提供擔保物，借入資金買入證券（融資交易）或借入證券并賣出（融券交易）的行為，為我國股票市場提供了做空交易渠道，改變了我國股票市場的“單邊市”格局。然而由于投資者的非理性、部分券商違規(guī)操作以及監(jiān)管不到位等原因，融資融券業(yè)務自2014年底開始了瘋狂增長。2015年6月，融資融券業(yè)務的余額高達22萬億元，不僅僅是2015年1月底112萬億元余額的一倍，也超過了2010年到2014年4年間累積余額的數(shù)倍。隨著行情逆轉(zhuǎn)，融資資金踩踏逃出市場導致了股票市場的崩盤式下跌，投資者承受了巨大的損失。

2015年6月15日至7月8日的17個交易日，上證綜指下跌32%，市場頻現(xiàn)千股跌停、千股停牌。這17個交易日內(nèi)計算得到的Ratio′t均值高達024436，遠高于平均值。17個交易日區(qū)間中最高點為2015年6月26日，Ratio′t達到了03164，也出現(xiàn)在這一特殊時間段。Ratio′t反應了市場系統(tǒng)性風險產(chǎn)生時，市場有效性的增加以及頻繁的信息交換。在這一時間段內(nèi)，風險對于市場收益的解釋能力明顯增強。

四、結(jié)論

金融市場的風險收益關(guān)系是金融學研究的核心問題之一。本文從市場有效性變化的角度出發(fā)，研究風險部分和自相關(guān)部分對于收益解釋能力的變化，揭示了收益變化背后的市場機制。

本文使用了2010—2015年上海股票市場的高頻數(shù)據(jù)，建立非線性變系數(shù)模型，使風險部分和自相關(guān)部分隨市場有效性變化而變化。衡量市場有效性的變量采用交易量和大宗交易股票數(shù)量，最終得到風險與收益始終存在顯著的正相關(guān)關(guān)系，同時，風險和自相關(guān)對收益的解釋能力此消彼長。具體表現(xiàn)為：交易量高，大宗交易股票數(shù)量低時，市場有效性強，風險對收益的解釋能力增強，自相關(guān)的解釋效果減弱；交易量低，大宗交易股票數(shù)量多時，市場有效性弱，風險對收益的解釋能力降低，自相關(guān)的解釋效果更好。endprint

相比之下，傳統(tǒng)的線性風險收益模型無法得到顯著的風險收益關(guān)系，對收益的解釋能力弱于本文提出的非線性變系數(shù)風險收益模型。此外，模型的另一個優(yōu)點是可以計算風險部分和自相關(guān)部分的權(quán)重變化得到市場有效性的變化。實證結(jié)果發(fā)現(xiàn)我國股票市場的有效性變化頻繁，對應某些特殊事件的有效性明顯減弱。出現(xiàn)這一狀況，可能與我國股票市場機制不夠完善，投資者情緒波動劇烈，市場投機氛圍濃厚等因素有關(guān)。

本文的研究對于投資者和監(jiān)管者都有重要意義。投資者分析風險收益關(guān)系時需要考慮市場環(huán)境的具體變化，更好地理解收益背后的驅(qū)動因素，進而設(shè)置合適的投資組合；而監(jiān)管者則可以使用這一模型考察市場的有效性強弱，更好地了解股票市場的現(xiàn)實狀況和運行規(guī)律，制定政策，完善金融市場的監(jiān)管體系。

參考文獻：

[1]Brandt，MW， Kang，QOn the Relationship Between the Conditional Mean and Volatility of Stock Returns：A Latent VAR Approach[J]Journal of Financial Economics， 2002， 72（2）：217-257

[2]汪孟海，周愛民我國股市自相關(guān)性與反饋交易行為實證研究[J]南開經(jīng)濟研究，2009，（3）：63-72

[3]Yu，J，Yuan，YInvestor Sentiment and the Mean-Variance Relation[J] Journal of Financial Economics， 2011， 100（2）：367-381

[4]Kinnunen，JRisk-Return Trade-Off and Serial Correlation： Do Volume and Volatility Matter？[J] Journal of Financial Markets， 2014， 20（3）：1-19

[5]Lo，AWThe Adaptive Markets Hypothesis： Market Efficiency From an Evolutionary Perspective[J] Social Science Electronic Publishing， 2004， 31（1）：21-44

[6]Anderson，RMTime-Varying Risk Premia[J] Journal of Mathematical Economics， 2011， 47（3）：253-259

[7]魯臻，鄒恒甫我國股市的慣性與反轉(zhuǎn)效應研究[J]經(jīng)濟研究，2007，（9）：145-155

[8]Merton，RCLifetime Portfolio Selection Under Uncertainty： The Continuous-Time Case[J] Review of Economics & Statistics， 1969， 51（3）：247-257

[9]Ghysels，E，Santa-Clara，P，Valkanov，RThere Is a Risk-Return Trade-Off After All [J] Journal of Financial Economics， 2004， 76（3）：509-548

[10]Guo，H，Whitelaw，RFUncovering the Risk-Return Relation in the Stock Market[J] The Journal of Finance， 2006， 61（3）：1433-1463

[11]Whitelaw，RFTime Variations and Covariations in the Expectation and Volatility of Stock Market Returns[J] The Journal of Finance， 1994， 49（2）：515-541

[12]Glosten，LR，Jagannathan，R，Runkle，DEOn the Relation Between the Expected Value and the Volatility of the Nominal Excess Return on Stocks[J] The Journal of Finance， 1993， 48（5）：1779-1801

[13]Goyal，A，Santa-Clara，PIdiosyncratic Risk Matters[J] The Journal of Finance， 2003， 58（3）：975-1007

[14]Lettau，M，Ludvigson，SCExpected Returns and Expected Dividend Growth[J] Journal of Financial Economics， 2005， 76（3）：583-626

[15]施東暉上海股票市場風險性實證研究[J]經(jīng)濟研究，1996，（10）：44-48

[16]張思奇，馬剛，冉華股票市場風險、收益與市場效率：——ARMA-ARCH-M模型[J]世界經(jīng)濟，2000，（5）：19-28

[17]吳長鳳，趙軍，吳國富我國股票市場的收益—風險關(guān)系和慣性分析[J]數(shù)學的實踐與認識，2002，（4）：576-582

[18]何興強，孫群燕我國股票市場的杠桿效應和風險收益權(quán)衡[J]南方經(jīng)濟，2003，（9）：62-65

[19]陳夢根基于混頻抽樣方法的股市風險—收益關(guān)系研究[J]當代財經(jīng)，2013，（11）：47-55endprint

[20]Salvador，EThe Non-Linear Trade-Off Between Return and Risk： A Regime-Switching Multi-Factor Framework[D]PHD Dissertatiuon of Geary Institute and University College Dublin， 201415-18

[21]Ghysels，E， Guérin，P， Marcellino，M，Regime Switches in the Risk-Return Trade-Off [J] Journal of Empirical Finance， 2014， 28（5）：118-138

[22]陳浪南，黃杰鯤我國股票市場波動非對稱性的實證研究[J]金融研究，2002，（5）：67-73

[23]王輝我國股票市場預期收益與波動率關(guān)系研究[J]統(tǒng)計與決策，2006，（4）：118-120

[24]Baillie，RT，Degennaro，RPStock Returns and Volatility[J] Journal of Financial and Quantitative Analysis， 1990， 25（2）：203-214

[25]Salvador，EThe Risk-Return Trade-Off in Emerging Markets[J] Emerging Markets Finance and Trade， 2012， 48（6）：106-128

[26]Andersen，TGReturn Volatility and Trading Volume： An Information Flow Interpretation of Stochastic Volatility[J]The Journal of Finance， 1996， 51（1）：169-204

[27]林振興，屈文洲大股東減持定價與擇機——基于滬深股市大宗交易的實證研究[J]證券市場導報，2010，（10）：71-77

[28]張顏江，王燕鳴信息不對稱、聲譽與大宗交易均衡定價[J]金融經(jīng)濟學研究，2013，（4）：105-116

[29]Edmans，ABlockholder Trading， Market Efficiency， and Managerial Myopia[J] The Journal of Finance， 2009， 64（6）：2481-2513

[30]韓清， 劉永剛已實現(xiàn)波動率估計中不同降噪方法的比較分析及實證[J] 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 2009，（8）：148-160

[31]Lim，KP，Brooks，RThe Evolution of Stock Market Efficiency Over Time： A Survey of the Empirical Literature[J] Journal of Economic Surveys， 2011， 25（1）：69-108

[32]Lo，AW，Mackinlay，ACAn Econometric Analysis of Nonsynchronous Trading[J] Journal of Econometrics， 1989， 45（1）：181-211

（責任編輯：巴紅靜）endprint