制度变迁与股票市场波动性的实证研究

刘凤根 周驭舰

作者简介：刘凤根（1981—），男，汉族，湖南邵阳人，经济学博士，湖南商学院财政金融学院副教授，硕士生导师，研究方向：资产价格波动与宏观经济波动及其政策分析。周驭舰（1991—），湖南长沙人，西安交通大学经济与金融学院博士生，研究方向：金融市场与投资。

基金项目：国家社科基金项目（10BGL056），湖南省哲学社会科学基金项目（09YBA086），湖南省高等学校科学研究项目（09C587），湖南省高校科技创新团队与湖南省高校哲学社会科学重点研究基地资助项目。

一、引言

证券市场制度是参与证券市场活动的所有主体必须遵循的一套行为准则，是支配和约束各参与主体经济行为的规范总和。证券市场发展实际上是证券市场制度创新和制度变迁的过程。作为新兴证券市场，自1990年11月26日和12月1日上海证券交易所（以下简称上交所）和深圳证券交易（以下简称深交所）所相继成立以来，中国证券市场经过了一系列强制性制度变迁，逐步形成了包括发行制度、交易制度、市场准入制度、监管制度等在内的一套比较完善的制度体系。完善的市场制度是成熟证券市场的基本要求和重要体现。按照有效市场假说，证券市场价格波动性特征是投资者成熟度和市场有效性的直接反映。直觉上看，证券市场制度越完善，市场有效性程度越高，投资者越成熟，市场波动性也就越低。随着证券市场制度的逐步完善，中国证券市场波动性是否会降低呢？

本文以1991年12月19日至2015年12月31日中国证券市场日收益率序列为研究样本，依据中国证券市场两次标志性制度变迁——1998年开始监管制度的出台和2005年开始实行的股权分置改革，将样本数据分成三个子样本区间，对不同样本区间证券市场波动性状况进行比较分析，考察证券市场制度变迁对波动性的影响，其研究结论不仅为进一步进行制度变迁提供借鉴，对投资者的投资决策和风险管理也具有重要的指导作用。

本文剩余部分内容安排如下：第二部分为理论分析与研究假说，第三部分简要介绍了本文所采取的波动性检验方法、样本区间的划分并对样本数据进行了描述性统计分析，第四部分分别运用GARCH模型、EGARCH模型和DCC－GARCH模型对三个不同阶段的波动性进行了对比分析，最后一部分为结论与启示。

二、文献综述、理论分析与研究假说

由于西方成熟证券市场制度相对完善，证券市场价格波动并不存在显著的制度效应，学术界关于证券市场制度与证券市场的波动性特征之间关系的研究主要集中在新兴证券市场，Bekaert et al.（1998）［1］通过对相关制度变迁对东南亚新兴经济体证券市场波动性影响的实证研究发现，除泰国以外，所有其他经济体证券市场的波动幅度有所减弱。唐利民和韩慧君（1999）［2］对股市创立至1997年股票市场运行状况的研究发现政策制度因素是造成股价异常波动的首要因素，占股票价格波动的65%以上。邹昊平和唐利民（2000）［3］研究发现我国股票市场的每一次暴涨暴跌都有政策制度因素在背后发挥作用。高晋康和刘卫军（2001）［4］发现证券法律制度政策提高了股票市场的透明度，减少了股市风险。Ngassam（2002）［5］发现涨停板制度降低了新兴证券市场股指收益率的波动性。张慧莲（2009）利用TGARCH模型对股权分置改革前后的A股波动性进行研究发现，股权分置改革增大了股票市场的波动性。谢世清和邵宇平（2011）［6］基于GARCH模型研究发现，股权分置改革加速了股票市场的短期波动，并在长期降低了股市波动性。王明涛和路磊（2012）［7］认为政策制度因素是影响中国股市的主要因素，并且在牛市行情中更容易引起股市向下波动。朱钧钧和谢识予（2011）［8］从投资者行为、交易制度等角度研究发现，中国股市波动存在双重不对称性，利好与利空消息分别在牛市和熊市中对波动性有显著影响，并且利空消息的影响始终大于利好消息。

综上所述，由于发达经济体证券市场制度相对完善，关于制度变迁与证券市场波动性的关系几乎空白。而作为新兴证券市场，国内学术界也仅仅对单一制度变化对证券市场市场波动性的影响或者某一特定时期股市波动性的变动进行了一定的研究，并没有系统地探究制度变迁对对中国股票市场波动性的影响。

Fama（1970）［9］提出的有效市场假说根据证券市场价格对信息的反映强弱将证券市场（信息）效率划分为弱势有效、半强势有效和强势有效三个层次。弱势有效表示证券市场价格包含了历史价格信息集，即所有过去公开的信息都包含在证券市场价格中；半强势有效表示所有公开的信息集，即证券市场价格既包含了过去公开的信息，也包含了当前公开的信息；而强势有效认为证券市场价格反映了所有信息，包括公开信息和内幕信息。从弱势有效、半强势有效到强势有效的信息效率递增过程意味着证券市场价格对信息的反映强度越大。大量实证检验表明，美国证券市场达到了半强势有效，而中国证券市场是否达到弱势有效尚存争议，说明证券市场发达程度与市场有效性成正相关关系。

哈耶克（Hayek,1945）［10］认为，资源的任何配置都是特定决策的结果，人们作出的任何决策都是基于特定信息的。根据Hogarth（1985）［11］的“判断的理论模型”，投资者决策本质上是信息决策。如图1所示，投资者的投资决策实际上是投资者信息获取、信息解读、信息加工过程中信念更新和新知识的形成过程［12］。证券市场价格对信息的反映效率实际上是投资者信息能力的体现。而影响投资者信息能力的因素主要包括以下三个方面：一是投资者自身的素质和认知能力，主要体现在投资者的知识水平和文化素质，其中主要是对财务知识、经济学知识、投资学知识的掌握程度及计算机网络技术能力，直接影响投资者的信息获取能力，信息解读和信息加工能力；二是信息环境，主要体现为证券市场信息披露的质量、数量和适时性，主要靠信息披露制度的完善及监管得到保证；三是信息成本。如果不考虑信息成本，证券市场制度（包括信息披露制度）越完善，证券市场发展成熟度越高，投资者越成熟，信息能力就越高，证券市场价格对信息的反映效率就越高，市场波动性就越低。据此，本文提出如下研究假设：

假设1：证券市场制度越完善，市场有效性越强，波动性就越低。具体表现为市场波动集聚性越来越大，波动持续性越小。

假设2：证券市场制度越完善，投资者越理性，市场波动非对称性越大。

假设3：证券市场制度越完善，市场发展成熟度越高，投资者信息能力越强，市场联动性越强。

三、检验方法、样本数据及描述性统计

（一）检验方法

为了研究制度变迁下股票市场的波动性特征，本文首先运用GARCH模型和EGARCH模型对每个子样本区间中国内地股票市场的波动集聚性、持续性、非对称性进行比较分析；其次，运用DCC－GARCH模型对不同样本区间中国内地股票市场与美国、中国香港股市的联动性进行比较。选择的模型如下：

（1）GARCH（q, p）模型。Bollerslev（1986）［13］提出的GARCH（p, q）模型可以有效地刻画金融时间序列的波动集聚性，其具体形式为：

其中，（1）式是条件均值方程，假定;（2）式是条件方差方程，为ARCH项，为GARCH项，q、p分别表示GARCH项和ARCH项的滞后阶数。

（2）EGARCH（q, p）模型。由于股价下跌时的波动性大于股票上涨时的波动性，股票价格对利空消息与利好消息的反应具有不对称性。Nelson（1991）［14］提出的指数GARCH（EGARCH）模型可以有效地刻画这种不对称性。EGARCH（q, p）模型的条件方差方程为：

其中，γk是一个非对称项，k为不对称性的阶数。当γk≠0时，即认为存在不对称效应；当γk＜ 0时，股票价格下跌会产生更大的波动性；反之，股票价格上涨造成的波动性更大。

（3）DCC－GARCH模型。Engle（2002）［15］提出的DCC－GARCH模型是一个多元GARCH模型，通常用来衡量两个或两个以上股市波动的联动性，能够很好地捕捉到股市之间的动态相关性，获得有关市场间联动效应的信息。

DCC－GARCH模型被设定为：

其中，是一个正定的自回归对称矩阵；-Q是Y的(K ×K)无条件协方差矩阵；α和β分别是ARCH项和GARCH项系数，并且必须满足α, β ＞ 0且α +β ＜ 1以分别保证模型的正定性和稳定性。

（二）样本区间划分与数据说明

为了研究制度变迁对股票市场波动性的影响，本文选取1991年12月19日至2015年12月31日上证综合指数日收盘价为研究样本。基于制度变迁下股票市场的基本控制主体和主要政策取向，本文选择中国股票市场发展中两次重大制度变迁——监管制度的出台和股权分置改革为分界点，将中国股票市场划分为三个发展阶段：

第一时期：由地方政府主导的初步发展阶段。1990年和1991年上交所和深交所成立之后，股票市场发展主要以区域性试点为主，由中国人民银行及其分行和上海市政府、深圳市政府管理，缺乏统一的规范和集中监管，基本处于自我演进发展状态。这一阶段未能成功形成有效的市场发展和管理机制，证券市场制度发展远远滞后于市场规模扩张。

第二时期：由中央政府主导的立法规范阶段。1997年亚洲金融危机爆发，政府开始意识到证券市场风险的潜在威胁和风险管理的重要性，从1998年起，中国证监会启用正式的法律法规手段规范股票市场发展，标志着股票市场进入立法规范阶段，证券市场中央集中监管机制得到逐渐完善。

第三时期：向市场参与者主导的市场化转型阶段。2005年4月股权分置改革试点正式启动，到2006年底股改基本完成，这是一次极其重要的制度创新，解决了股票市场上非流通股的历史遗留问题，标志着中国股票市场向全面实现法治化和市场化发展。现阶段中国股票市场正处于由政府的直接控制转向依靠市场参与者的自我约束、市场自发调整为主体，并辅以国家治理约束的时期。

由于股票市场发展的渐进性特征，以上所划分的三个时期之间存在着长或短的过渡期与交叉期。前一时期在政策制定和实施中积累的经验和暴露出来的问题，构成了下一时期改革和发展的基础与出发点。因此，本文对股票市场划分的三个阶段可以被视为处于发展的过渡期与转型期，相对应地将研究样本划分为三个子样本区间：

另外，在关于中国内地股票市场与美国和中国香港股票市场的联动性分析中，选取了1990年至2015年相对应时期的美国标准普尔500指数和香港恒生指数交易日收盘价数据，因为上述三股市的停牌日与节假日不尽相同，对数据进行重新处理，剔除了交易日不重叠的数据。实证过程中，使用收益率的一阶对数差分来衡量股价的波动性，即Rt＝ln(SPt) －ln(SPt－1), SPt为第t期的股价收盘指数，SPt－1为第t－1期的股价收盘指数，Rt为由公式得到的股指收益率。所有数据来源于同花顺iFinD数据库。

（三）样本的描述性统计分析

三个子样本区间上证综指日收盘价收益率序列描述性统计结果如表2所示。收益率的标准差在一定程度上衡量了风险（波动性）的绝对大小。从表2可以看出，1998年的前后时期收益率标准差从0.036409降至0.014149，说明法律法规的规范和统一监管制度的建立极大地降低了股票市场风险，2005年的股改对股票市场波动性的影响较小（从0.014149降至0.012710）。从收益率平均值的角度来看，股票市场平均收益一直呈上涨趋势，并且各个子样本区间的差异较大，说明中国内地股票市场的总市值在不断增长。而且三个子样本区间中股市收益均值和标准差的变化呈现出明显的趋势，说明本文关于制度变迁过程中股票市场波动性变化的考察具有合理性。

三个样本期的峰度均大于3，偏度不等于0，明显有异于正态分布。并且三个样本期的偏度逐渐减小，在S3时期偏度小于0，开始出现左偏特征，即股权分置改革之后的中国股票市场收益率序列才出现如Mandelbrot（1963）［16］、Fama（1965）［17］等所发现的尖峰厚尾、左偏统计特征。另外，对三个样本期的收益率序列进行ADF平稳性检验显示，ADF值均小于1%显著水平的临界值，满足平稳序列，可以进行下一步的建模分析。

四、实证结果分析

（一）波动集聚性

金融时间序列波动集聚性表现为较大的波动后面跟随着较大的波动，较小的波动后面跟随着较小的波动。这种“成群”现象通常表现为残差项中的异方差性，通常用异方差拉格朗日检验法对首先对异方差的集聚是否存在进行检验，结果如表3所示。

从表3可以看出，S1时期序列残差的F统计量及Obs*R－squared小于临界值，故不能拒绝原假设，认为S1序列不存在ARCH效应（异方差性），而S2和S3时期的F统计量及Obs*R－squared均大于临界值，拒绝原假设，存在ARCH效应（异方差性）。因此，股票市场的S1时期的波动不具有集聚性，从S2和S3时期开始出现波动集聚性，这一结果可以通过观察收益率序列的波动图形进一步作出研判。

图2是三个子样本区间股价收益率序列趋势图，从中可以看出，在S1时期波动出现了较多的异常点，而这些异常点的后面并没有对应程度大小的波动出现，验证了在S1时期不存在集聚效应。而在S2时期和S3时期表现出明显的“成群”现象，从波动的密集程度来看，S3时期的集聚性明显大于S2时期。

（二）波动持续性

金融资产收益率序列波动性具有显著的长期影响，即波动的持续性，一般可以通过GARCH模型来衡量持续性的大小。因为S1序列不存在ARCH效应，无法建立GARCH模型，可以认为这一时期不存在波动持续性。对于S2和S3序列，建立GARCH（1,1）模型观察GARCH项的大小来判定持续性的存在及大小，结果如表4所示。

从表4可以看出，所有参数估计值均在1%显著性水平下显著，其中α值均大于零，说明模型整体是显著的，并且α值从S2时期的0.149556降至S3时期的0.058518，说明前一期的新信息对当前市场的波动性的影响变小，这意味着当前信息的公布对未来市场的冲击变小了，股票市场当天的股价能够更好地反映当天的信息，后两阶段的股票市场对外部冲击有明显反应，从这个角度来看，股改之后股市波动性减弱且市场有效性提高了。GARCH项系数β值越大、越接近于1，波动的持续性越强。GARCH项系数β值反映了历史信息对当前股市波动性的影响，β值从S2时期的0.811066上升至S3时期的0.935730，并且S3时期的β值更接近于1，说明股改之后股票市场受到的信息冲击对未来股市的影响更强。

（三）波动非对称性

波动的非对称性表现为利空消息和利好消息对金融资产收益率带来不同程度的冲击，可以通过估计EGARCH模型中的非对称项γ来判定非对称性的大小。由于S1时期不存在波动非对称性，这里仅对S2和S3区间建立EAGRCH模型分析波动非对称性，结果如表5所示。

从表5可以看出，所有参数估计值至少在5%显著性水平下显著，α均大于零，说明EAGRCH模型显著且稳定。其中，γ ＜ 0，说明这两个区间的上证综指收益率序列波动均存在非对称性，即利空消息带来的冲击大于利好消息。另外，S3序列的EGARCH模型中的γ项的绝对值大于S2序列（0.068689 ＞ 0.005863），股改之后股票市场表现出十分明显的波动非对称性效应，说明在股改之后，中国股票市场投资者更加厌恶风险，是更理性的表现。

（四）波动的联动性

下面利用DCC－GARCH模型对中国内地股市的三个不同时期与美国、中国香港股市的相关性进行考察，模型参数估计结果如表6所示。

从表6模型参数估计结果来看，S1＿SP与S1＿HS的各个参数估计值均不显著，可以认为，中国内地股市在S1时期与美国、中国香港股市不存在显著相关性，或相关性极小。其他的参数估计值至少在5%的显著水平下显著，说明滞后一期的标准残差对动态相关系数有显著影响，即存在显著的相关性。此外，S2＿SP, S3＿SP, S2＿HS与S3＿HS的β值显著并且接近于1，反映了这种相关性具有较强的持续性特征。

在各个子样本区间中，中国内地股市S2时期与美国、中国香港股市之间的动态相关系数的平均值（0.0102、0.04368）分别小于S3时期与美国、中国香港股市之间的动态相关系数的平均值（0.1284、0.1049）。表明在2005年后，中国内地股市与世界发达证券市场的相关性提高了，国际化水平较之前得到了显著提升。另外，中国内地股市与中国香港股市的相关性在S2阶段期间大于与美国股市的相关性（0.04368 ＞ 0.0102），而在S3阶段，中国内地股市与中国香港股市的相关性则略小于与美国股市的相关性（0.1049 ＜ 0.1284），表明在股改之后，更多投资者开始把注意力从中国香港股市转向美国股市，美国股市对我国股市的影响越来越大。

五、研究结论与启示

基于制度变迁下股票市场的基本控制主体和主要政策取向，本文选择中国股票市场发展中两次重大制度变迁——监管制度的出台和股权分置改革为标准，将样本区间划分为S1（1990年至1997年）、S2（1998年至2005年4月）和S3（2005年5月至2015年年底）。本文通过对三个子样本区间上海综指收益率序列波动的聚集性、持续性和非对称性以及中国内地股票市场与美国、中国香港成熟股票市场的联动性变化进行实证检验，考察了制度变迁对股票市场波动性的影响，获得了以下结论：

（1）随着渐进式的制度变迁和中国股票市场的发展，股票市场平均收益增大，并且波动性逐渐减小。在1998年之后，相关法律法规的出台和监管机制的逐渐完善极大地降低了股票市场的波动性，而2005年的股权分置改革也降低了股票市场的波动性，但幅度较小，说明S3时期的股票市场相对于S2时期，受到外部冲击的影响变小（α值减小），使得波动性减弱，但该外部冲击在市场上停留的时间变长（β值增大），在一定程度上抵消了α值减小带来的效应。总之，股票市场波动性的整体变化趋势说明制度创新和变迁使得股票市场变得更加有效。

（2）S1区间不存在波动的集聚性、持续性和非对称性，S2和S3区间存在显著的波动性集聚性、持续性和非对称性。在S2区间，这三种波动性特征开始出现，并在S3区间达到与其他成熟股票市场相当的程度。金融市场波动的集聚性、持续性和非对称性特征反映了金融资产波动的正相关和正反馈效应以及投资者的风险厌恶特性。这些特征的出现正意味着随着制度变迁的不断进行，中国股票市场变得更加成熟，市场有效性得到有效提高，也说明了这两次的重大制度创新和制度变迁对中国内地股票市场发展起到了积极的推动作用。

（3）与美国及香港两个成熟股票市场的联动性实证研究结果表明，中国内地股票市场在S1样本区间与美国和香港股市并不存在显著相关性，从S2区间开始则出现了显著的相关性，具体地，在S2区间，中国内地股市与中国香港股市的相关性大于与美国股市的相关性，而在S3时期与两个样本市场的相关性都得到了增强，且与香港股市相比，与美国股市的相关性变得更强，说明中国内地股市的国际化水平越来越高。

本文关于股票市场波动性的实证研究结果与理论分析基本相符，以往的实证研究只选取了股票市场一段特定样本区间数据，得出有关股市波动性的结论也不尽相同，例如，罗登跃和王玉华（2005）［18］认为中国股票市场不具有波动持续性，而李亚静和何跃（2003）［19］、杨科和田凤平（2013）［20］研究发现中国股市的波动持续性很强。本文选择了我国股市开市以来的所有数据，从制度变迁的角度研究了整个中国股票市场在不同时期的波动性及其特征表现。本文认为，第一次重大制度变迁——监管制度的完善是股票市场波动性减弱及相应波动性特征出现的原因，这部分的研究结论与大部分文献及研究一致。而第二次重大制度变迁——股权分置改革虽然增强了我国股市的波动性特征和联动性，但对股市波动性的影响较小，这部分结论不同于张慧莲（2009）［21］的研究结论，其可能的解释是，股权分置改革之后，非流通股的解禁使得投资者更加关注新信息，对新信息带来的冲击提前做出了预测而忽略了历史信息可能带来的影响，导致历史信息对股市的冲击增强，在一定程度上抵消了减弱的新信息冲击，股市波动性降低的幅度较小。

参考文献

［1］Bekaert G, Harvey C. Capital flows and the behavior of emerging market equity returns［R］. 1998, Working paper, NBER.

［2］唐利民，韩慧君，杨思远．政策与股票投资者的博弈分析［J］．系统工程理论方法应用，1999（2）:26－33.

［3］邹昊平，唐利民，袁国良．政策性因素对中国股市的影响：政府与股市投资者的博弈分析［J］．世界经济，2000（11）:20－28.

［4］高晋康，刘卫军．风险控制：证券法律制度的功能分析［J］．金融研究，2001（5）:77－81.

［5］Ngassam C. Effect of price limits on volatility and stock returns in emerging markets:evidence from the Johannesburg stock exchange［J］. Journal of Comparative International Management,2002, 5（1）:16－31.

［6］谢世清，邵宇平．股权分置改革对中国股市波动性与有效性影响的实证研究［J］．金融研究，2010（2）:185－193.

［7］王明涛，路磊，宋锴．政策因素对股票市场波动的非对称性影响［J］．管理科学学报，2012（12）:40－57.

［8］朱钧钧，谢识予．中国股市波动率的双重不对称性及其解释——基于MS－TGARCH模型的MCMC估计和分析［J］．金融研究，2011（3）:134－148.

［9］Fama E. Efficient market hypothesis:a review of theory and empirical work［J］. Journal of Finance,1970,25（2）:383－417.

［10］Hayek F. The use of knowledge in society［J］. Amercian Economic Review,1945,35（4）:519－530.

［11］Hogarth R., Kunreuther H. Ambiguity and insurance decision［J］. Amercian Economic Review, 1985,75（2）:386－390.

［12］刘凤根．信息、信念、偏好与新兴大国证券市场投资者的行为偏差［M］．上海：格致出版社，2013.

［13］Bollerslv T. Generalized autoregressive conditional heteroskedasticity［J］. Journal of Econometrics,1986,31（3）:307－327.

［14］Nelson D. ARCH models as diffusion approximations［J］. Journal of Econometrics,1990,45（1）:7－38.

［15］Engle R. Dynamic conditional correlation:a simple class of multivariate generalized autoregressive conditional heteroskedasticity model［J］. Journal of Business ＆ Economic Statistics,2002,20（3）:339－350.

［16］Mandelbror B. The variation of certain speculative prices［J］. Journal of Business,1963,36（4）:394－419.

［17］Fama E. The behavior of stock market prices［J］. Journal of Business,1965,38（1）:34－105.

［18］张慧莲．股权分置改革前后股指波动性测度及原因分析［J］．金融研究，2009（5）:84－92.

［19］罗登跃，王玉华．上海股市收益率和波动性长记忆特征实证研究［J］．金融研究，2005（11）:109－116.

［20］李亚静，何跃，朱宏泉．中国股市收益率与波动性长记忆性的实证研究［J］．系统工程理论与实践，2003（1）:9－15.

［21］杨科，田凤平．长记忆性、结构突变条件下中国股市波动率的高频预测［J］．管理工程学报，2013（2）:129－136.