（世界经济专业论文）中国股市涨跌幅限制与股市波动性研究.pdf

) 一 论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究 工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人 或集体已经发表或撰写过的作品成果。对本文的研究作出重要贡献的个人和集 体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期：2 矽踞2 月多日日期：2 矽挣2 月乡日 学位论文使用授权声明 本人完全了解中山大学有关保留、使用学位论文的规定，即：学校有权保留 学位论文并向国家主管部门或其指定机构送交论文的电子版和纸质版，有权将学 位论文用于非赢利目的的少量复制并允许论文进入学校图书馆、院系资料室被查 阅，有权将学位论文的内容编入有关数据库进行检索，可以采用复印、缩印或其 他方法保存学位论文。 学位论文作者签名： 浙亏 导师签名： 系芗 日期：歹刀v 髫事2 月6 日日期：力，罗年2 ，月i 二日 中国股市涨跌幅限制与股市波动性研究 专业：世界经济 博士生：陈耕云 指导老师：王美今教授 摘要 随着中国证券市场的发展，特别是股市开放度的不断提高，中国股市面临着快 速发展机遇和严峻的挑战。因股市过度波动，引起股市不必要的恐慌等，严重制约 中国股市健康、有序发展。因此，有效地规范管理股市，促进稳定发展，是中国股 市当前最重要和最迫切的任务之一。 涨跌幅限制是国际上通行的证券市场稳定措施，其带来的既有正面的抑制波动 的影响，也有负面的各种效应。本文旨在通过对中国股市涨跌幅限制发生作用的规 律性及其对股市波动性的影响进行研究，为政府监管部门制定相应的股市发展政 策、决定提供参考。 全文共分7 个部分。首先，从涨跌幅限制作用机制的客观影响因素一股票特征 出发，结合牛熊市道，研究推动股票达到涨跌幅限制各因素的不同作用，发现公司 治理水平是影响股票达到涨跌停板的重要因素；牛熊市道不同，涨跌幅限制所起的 作用也有所不同。其次，从交易主体的个体特征出发，设计出包括6 个组成部分2 8 个问题的问卷调查表，通过全国1 5 个大中城市的实地调查，研究涨跌幅限制与投 资者情绪行为之间的关系，发现涨跌幅限制下投资者存在显眼效应与处置效应， 心理预期也有不同特点；进而利用投资者行为的调查数据验证磁石效应的存在以及 投资者个体特征、投资者情绪行为对磁石效应的影响。磁石效应是涨跌幅限制发 生作用的表征。再次，从市场角度，利用按股本规模分类的日内高频数据对磁石效 应再验证，结果表明沪深股市存在显著的磁石效应，且具有不对称的特征，小规模 股票涨幅限制的磁石效应比跌幅限制更加明显。最后，通过建立随机波动率( s v ) 模型，采用模拟g m m 的方法，对涨跌幅限制抑制股市波动性的功效进行检验。 研究表明，中国目前实施的1 0 的涨跌幅限制措施能够抑制股市波动，基本达 到监管者实施该政策的目的。 关键词：涨跌幅限制波动性投资者行为磁石效应显眼效应处置效应 m a j o r ： n a m e ： w o r l de c o n o m y c h e ng e n g y u n s u p e r v i s o r ：p r o f e s s o rw a n gm e i ji n a b s t r a c t a l o n gw i t hi t sd e v e l o p m e n t ，e s p e c i a l l yt h ec o n t i n u o u si m p r o v e m e n ti no p e n n e s s ， t h ec h i n a ss t o c km a r k e ti sc o n f i o n t e dw i t hb o t he m e r g i n go p p o r t u n i t i e sa n ds e v e r e c h a l l e n g e s e x c e s s i v ev o l a t i l i t yb r i n g si n t oc h i n a ss t o c km a r k e ts o m en e g a t i v e f a c t o r ss u c ha su n n e c e s s a r yp a n i c s ，w h i c hs e r i o u s l yr e s t r i c t st h eh e a l t h ya n do r d e r l y d e v e l o p m e n to f c h i n a ss t o c km a r k e t t h e r e f o r e ，t h ee f f e c t i v er e g u l a t i o no ft h es t o c k m a r k e tf o rt h ep r o m o t i o no fs t e a d yd e v e l o p m e n ti so n eo ft h em o s ti m p o r t a n ta n d u r g e n tt a s k st h a tc h i n a ss t o c km a r k e ti sf a c e du pw i t h p r i c el i m i t sa leu n i v e r s a ls t a b i l i z i n gm e a s u r e st a k e ni ns e c u r i t i e sm a r k e t sa r o u n d t h ew o r l d ，w h i c hb r i n ga b o u tb o t h p o s i t i v ee f f e c ti ni n h i b i t i n gf l u c t u a t i o n sa sw e l la sa v a r i e t yo f n e g a t i v ee f f e c t s b a s e do n t h es t u d yo f t h em e c h a n i s mo f p r i c el i m i t sa n di t s i n f l u e n c eo nt h ev o l a t i l i t yi nc h i n a ss t o c km a r k e t ，t h i sa r t i c l ea i m sa t p r o v i d i n g a d v i c e sf o rt h es t o c km a r k e td e v e l o p m e n tp o l i c yd e c i s i o n sb yt h eg o v e r n m e n t s u p e r v i s o r yd e p a r t m e n t t h i sa r t i c l ei sc o n s i s t e do f7p a r t s f i r s ； ，w ef o c u so nt h es t o c kf e a t u r e sw h i c ha r e t h ei n f l u e n t i a lf a c t o r so ft h em e c h a n i s mo fp r i c el i m i t sa n dt h e ns t u d yt h ed i f f e r e n t i m p a c t so nt h ep r o c e s st o w a r dp r i c el i m i t s w ef i n dt h a tt h ec o r p o r a t eg o v e r n a n c ei s a l li m p o r t a n tf a c t o rf o rt h ep r i c el i m i t sh i t t i n ga n dt h e r ee x i s t sr e m a r k a b l ed i f f e r e n c e s o nt h ee f f e c t so ft h ep r i c el i m i t sb e t w e e nt h eb u l la n db e a rm a r k e t s s e c o n d ，w e d e s i g naq u e s t i o n n a i r ec o n s i s t e do f6p a r t st h a ti n c l u d e s2 8q u e s t i o n si nt o t a la b o u tt h e c h a r a c t e ro fi n v e s t o r s ，t oi n v e s t i g a t ea n ds t u d yt h er e l a t i o n s h i pb e t w e e np r i c el i m i t s a n di n v e s t o r ss e n t i m e n t | b e h a v i o ri nt h e15m a i nc i t i e si nc h i n a w ef i n dt h a tt h e i n v e s t o r sh a v eb o t hs a l i e n c ee f f e c ta n dd i s p o s i t i o ne f f e c ta sw e l la sd i f f e r e n tt r a d e r p s y c h o l o g yu n d e rp r i c el i m i t sa sw e l l a n dt h e nu s i n gt h ei n v e s t i g a t i o nd a t aw et e s t t h em a g n e te f f e c ta n dt h ei n f l u e n c eo ni tf r o mc h a r a c t e r so fi n v e s t o r s f r o mw h a th a s b e e ns t a t e da b o v e ，c o n c l u s i o ni sd r a w nt h a tt h em a g n e te f f e c ti st h er e p r e s e n t a t i o no f p r i c el i m i t sf u n c t i o n t h i r d ，t h ep a p e re x a m i n e st h em a g n e te f f e c to n c ea g a i nu s i n g t h ei n t r a d a yd a t as o r t e db ys t o c kc a p i t a ls i z e s w ef m dt h em a g n e te f f e c ti sr e m a r k a b l e i nb o t hs h a n g h a ia n ds h e n z h e ns t o c km a r k e t sa n di sa s y m m e t r ye x i s t si nt h a tt h e m a g n e te f f e c t so ft h es m a l ls i z es t o c k sc a u s e db yc e i l i n ge f f e c ti sm o r er e m a r k a b l e t h a nt h o s ec a u s e db yf l o o re f f e c t f i n a l l y , w ea d o p tt h es vm o d e la n dt h es i m u l a t e d g m mt oe x a m i n et h ee f f e c to ft h ep r i c el i m i t so nt h ev o l a t i l i t yo ft h es t o c km a r k e t s t h er e s u l t s s u p p o r tt h e c o n c l u s i o nt h a t10 - p r i c e l i m i t s r e g u l a t i o n c a n b a s i c a l l ys a t i s f yt h es t a b i l i z a t i o no fc h i n a ss t o c km a r k e t k e yw o r d s ：p r i c el i m i t s ；v o l a t i l i t y ；m a g n e te f f e c t ；s a l i e n c ee f f e c t ；d i s p o s i t i o n e 丘e c t i i i 目录 摘 要i a b s t r a c t i i 目录v i i 第1 章绪论1 1 1 研究背景与选题意义1 1 2 研究框架6 1 3 本文的创新点8 第2 章文献综述1 0 2 1 涨跌幅限制文献1 0 2 2 投资者情绪行为文献1 7 第3 章影响涨跌幅限制作用机制的股票特征分析。2 7 3 1 模型设定2 7 3 2 实证研究2 9 3 3 实证结果3 3 3 4 结j 沦3 9 第4 章涨跌幅限制与投资者情绪行为4 0 4 1 调查问卷设计与实施4 0 4 2 调查结果的统计分析4 l 4 3 投资者对涨跌幅限制措施的看法5 6 4 4 磁石效应及其影响因素的计量经济模型分析6 l 4 5 本章小结。7 3 第5 章 市场交易数据对磁石效应的实证检验7 6 5 1 基本模型与样本说明7 6 v u 2 模型的估计方法一广义矩( g m m ) 估计7 9 5 3 实证结论与分析8 l 5 4 结论8 4 第6 章涨跌幅限制与股市波动研究8 5 6 1 研究方法8 5 6 2 实证与分析8 8 6 3 模拟分析9 3 6 4 结论9 7 第7 章研究结论与建议9 8 7 1 研究结论9 8 7 2 研究建议1 0 2 7 3 研究局限10 2 参考文献。1 0 3 9 i 付录10 9 本人论文情况1 2 6 j 岳 记1 2 7 v i 第1 章绪论 波动( v o l a t i l i t y ) 是金融证券市场永恒的现象，人们利用波动活跃市场，却 又担心剧烈的、过大的波动会造成市场的动荡从而引发恐慌。因此，有必要对证 券市场施加一定的措施以将波动控制在一定范围内。这些施加于金融证券市场、 被用来稳定市场波动的市场稳定措施，也成了研究者关注的对象。 所谓市场稳定措施，就是证券交易所及监管机构在面对金融市场价格剧烈波 动时所采取的、能够限制价格波动的幅度的相关制度。1 市场稳定制度隶属于证 券交易制度的范畴，是证券市场实现价格发现功能的一个重要组成部分。市场稳 定措施的实施目的，是通过影响股票交易价格与交易进程，提供给投资者消化、 吸收、判定新信息影响的时间，防止价格异常波动；也能在一定程度上“减少程 式交易指令，从而减少导致市场进一步波动的源泉”，2 从而达到稳定市场、抑 制波动的作用。 国际通用的市场稳定措施包括市场断路器( c i r c u i tb r e a k e r s ) 和涨跌幅限 制。目前中国证券市场采取涨跌幅限制稳定措施，为此，笔者将对影响中国涨跌 幅限制发生作用的因素和涨跌幅限制抑制市场波动的作用展开研究。 1 1 研究背景与选题意义 1 1 1研究背景 i i 1 1国际证券市场中涨跌幅限制研究的核心问题 涨跌幅限制( p r i c el i m i t s ) 即价格限制，也叫涨跌停板制度，事先规定了 每日的证券交易价格的波动幅度，对证券的日价格波动范围进行限制。通过对证 。 券市场的股价变动施加一定幅度如1 0 或2 0 的约束，将股价的每日波幅限制在 一定范围内，当股价达到涨停板时，买单巨大而卖单缺乏，引致交易中断；当股 价达到跌停板时，卖单巨大而买单缺乏，同样会引起交易中断。累积下来的巨大 1 市场微观结构一理论与中国经验第1 0 4 页，孙培源、施东晖著，上海三联出版社2 0 0 5 年1 2 月第l 版。 2 0 ， v ( x ) 1 1 c 。1 - 0 0 1 ，跌幅限制界定为 l 。 0 9 c 卜。+ 0 0 l ，h t 、l 。为当日最高价、最低价，c 。一。为前一日收盘价。加 。本章也采用过流通股数作为公司规模的代理变量，估计结果与使用流通市值的估计结果基本相同。 由于年报公布存在滞后，在计算当年b m 值时使用的是当年年底的财务数据及当年年末最后一天收盘价， 未考虑年报公布时问( 每年4 月3 0 日截止公布) 的影响，回归时滞后一期 ”借鉴穆启国等( 2 0 0 3 ) 的定义方法 表3 1 涨跌幅样本、涨幅样本及跌幅样本描述统计 i 汕i tb e t ar r t v l o g s i z e b m z r a t eh s 3 0 0 涨跌幅1 7 4 4 5 1 o 1 0 4o 0 7 7 2 o 0 1 0 01 3 6 7 3 70 3 3 4 30 4 2 6 20 2 6 7 3 m e 锄涨幅1 0 9 2 6 1 o l l 30 0 7 7 2 0 o l o o1 3 6 7 3 l0 3 3 3 80 4 2 6 20 2 6 7 1 跌幅o 6 5 1 91 0 1 4 6 0 0 7 8 5 o o 1 0 41 3 6 8 8 9o 3 3 1 6 0 4 2 4 9 0 2 7 3 6 涨跌幅1 6 4 5 90 9 8 3 00 0 7 4 70 0 0 2 51 3 6 1 8 90 3 2 3 50 4 2 0 6o 0 0 0 0 m e d 涨幅0 9 9 7 90 9 8 3 30 0 7 4 9o 0 0 2 51 3 6 1 9 9o 3 2 3 3 0 4 2 0 60 o o o o l a n 跌幅0 6 2 5 80 9 8 3 80 0 7 5 5o 0 0 2 61 3 6 2 8 l0 3 2 1 l 0 4 1 9 0 o 0 0 0 0 涨跌幅 1 5 6 2 5 0 1 0 1 4 7 0o 2 4 6 50 8 2 2 81 6 7 2 5 21 0 5 6 9 0 6 5 4 51 0 0 0 0 m a x 涨幅 6 2 5 0 01 0 1 4 7 00 2 4 6 50 8 2 2 81 6 7 2 5 21 0 5 6 9o 6 5 4 51 0 0 i d o 跌幅9 3 7 5 01 0 1 4 7 00 2 4 6 50 8 2 2 81 6 7 2 5 21 0 5 6 90 6 5 4 51 0 0 0 0 涨跌幅0 2 1 6 50 0 3 5 4o o o o o0 0 0 0 31 1 7 0 3 80 0 7 9 lo 2 1 8 8o 0 0 0 0 m i n 涨幅0 0 0 0 00 0 3 5 4o 0 0 0 0o 0 0 0 31 1 7 0 3 80 0 7 9 l0 2 1 8 80 o o o o 跌幅o 0 0 0 00 0 3 5 40 o o o oo o 0 0 31 1 7 0 3 80 0 7 9 l o 2 1 8 8 0 0 0 0 0 涨跌幅 0 9 2 9 3o 3 7 2 50 0 2 3 l0 0 4 3 20 6 1 7 90 1 0 8 80 0 5 6 10 4 4 2 8 s t c l 涨幅 0 5 4 1 30 3 7 2 6o 0 2 3 l0 0 4 3 30 6 1 6 00 1 0 8 40 0 5 6 10 4 4 2 7 d e v 跌幅0 4 7 7 00 3 7 8 2o 0 2 2 7o 0 4 4 2o 6 1 7 7o 1 0 8 60 0 5 6 20 4 4 6 1 涨跌幅1 0 4 01 0 4 0 1 0 4 01 0 4 01 0 4 0 1 0 4 0 1 0 4 01 0 4 0 o b s 涨幅1 0 3 71 0 3 7 1 0 3 71 0 3 71 0 3 71 0 3 71 0 3 71 0 3 7 跌幅9 9 49 9 49 9 49 9 49 9 49 9 49 9 49 9 4 3 2 4解释变量内生性检验 本章采用h a u s m a n w u 方法检验解释变量的内生性，选取工具变量b e t a 、r r 、 t v 、l o g s i z e 、b m 、z r a t e 的二次项以及h s 3 0 0 和截距；1 1 因为解释变量的二次项 与g ；不具有线性相关性，所以是合适的工具变量。检验结果表明：f 统计量的p 值为0 0 0 0 0 ，1 2 拒绝没有内生性的原假设，即模型的解释变量存在内生性问题。 采用如上的工具变量和w h i t e 的异方差一致协方差估计，本章对模型( 3 - 1 ) 进 行广义矩估计( g 埘) ，”可以得到稳健的、具有致性的估计结果。 1 1 h s 3 0 0 是虚拟变量，截距对应的变量恒为l 。 1 2 进行、v u 检验时分别检验涨幅、跌幅及涨跌幅三种情形，结果均拒绝原假设 1 3 这是恰好识别的g m m 估计。 3 2 3 3 实证结果 在实证中，本章分两种情况进行研究，一是全样本期，二是区分股市上涨及 下跌阶段的分段样本期。 3 3 1全样本期 全样本期为1 9 9 7 年1 月i 曰至2 0 0 4 年1 2 月3 1 日，估计结果列于表3 - 2 。 首先从符号上判断： 表3 21 9 9 7 - 2 0 0 4 年期间g m m 估计结果：沪深股市 变量涨跌幅样本涨幅样本跌幅样本 a ( i n t e r c e p t )5 4 3 6 2 + + + 1 - 1 5 1 3 】一5 8 6 1 6 + + + - 1 6 0 9 - 5 5 1 5 4 + + - 11 2 9 】 bl ( b e t a ) o 2 4 5 6 + 1 2 2 2 】o 1 9 4 9 + 【l1 4 3 】0 2 7 2 0 + 【5 3 8 】 b 2 ( r r )1 0 3 3 2 3 + 【8 7 2 】9 0 8 8 4 + 1 0 0 5 】 11 4 4 6 8 + 1 6 6 3 】 b 3 ( t 一o 0 5 7 5 - o 4 0 】 o 0 5 81 【o 2 4 】- 0 14 7 7 1 - 0 5 5 】 b 4 ( l o g s i z e ) 0 1 3 5 6 【4 7 5 】0 1 3 4 2 + 【4 4 1 】o 0 6 9 7 【1 9 1 】 b 5 ( b m )- 0 9 4 2 7 卜6 2 9 】- 0 7 2 6 8 + - 4 8 6 】- 0 9 9 4 3 + - 5 5 8 】 b 6 ( z r a t e )- 3 0 2 5 4 - 9 3 5 1- 2 8 7 1 7 + - 9 5 4 】一3 4 3 9 1 - 7 i1 】 b 7 ( h s 3 0 0 )- 0 0 7 6 4 + 【2 6 9 】 - 0 10 9 8 + 【- 3 4 8 】 o 0 0 7 6 - 0 17 】 注：表3 - 2 中“【】”的数据为t 值，“+ ”、“”及“”分别表示在1 、5 及1 0 显著性水平上显著，下同 1 b e t a 、r r 、l o g s i z e 的估计系数显著为正，表明无论是涨跌幅样本或涨幅、 跌幅样本，系统风险越高，非系统风险越强，公司规模越大，发生涨跌幅限制的 频率都越高。 2 b m 、z r a t e 、h s 3 0 0 的估计系数显著为负( h s 3 0 0 在跌幅样本中除外) ，表 明在涨跌幅样本、涨幅和跌幅样本中，帐面市值比越高，z r a t e 值越大，发生涨 跌幅限制的频率越小；在涨跌幅样本及涨幅样本中，公司治理水平越高，发生涨 跌幅限制的频率也越小，股票价格确实有较好的稳定性。h s 3 0 0 在跌幅样本中不 显著，表明此时公司治理水平对撞击跌幅没有明显影响，公司治理水平不是造成 市场下跌的影响因素。 其次，计算各解释变量对涨跌幅限制撞击频率r h i t ，的边际效应。 这里，l o g s i z e 估计系数符号与穆启国等( 2 0 0 3 ) 结论一致，与c h e ne ta l ( 2 0 0 5 ) 中国股市实施涨跌幅限制 后相应的估计系数符号也一致。原因可能是样本期问为了带动指数上涨或下跌，大盘股更多地发生涨跌停 令l o g ( r h i t j ( 1 - r h i t j ) ) = x j b ，r h i t j 是股票j 的观测值，x j 为解释变量 相应的观测值的列向量，将r h i t ，对第i 个解释变量x 。( i = i ，7 ) 求偏导数，有： 掣训 ) 局 其中，人，：j 嘿为模型的转换函数，屈为x l 的系数。j 1 七e x p ( x ；趴 由于h s 3 0 0 为虚拟变量，可以计算处理效应( t r e a t m e n te f f e c t ) ： t eh s 3 0 0 - - 一一 e x p ( x j f l + h s 3 0 0 b t )e x p ( x j f l ) 一一 【1 + e x p ( x j f l - i - h s 3 0 0 b t ) 】【1 + e x p ( x j f l ) 】 其中x ：夕= a + b l b e t a j + b 2 i 状j + b 3 t v j + b 4 l o g s i z e j + b 5 b m j + b 6 z r a t e j ，各个系数 代入估计值。 可见，各解释变量对r h i t ，的边际效应不是常数，它随x ，变化。在x ，的均 值水平上，各解释变量的边际效应( 处理效应) 见表3 - 3 。1 5 从表中可以看出： 1 在所有解释变量中，非系统风险的边际效应最大，在三个样本中均如此。 非系统风险增加1 ，导致股价撞击涨跌幅限制的频率分别增加0 1 5 6 2 、 。0 0 8 7 6 、0 0 6 2 1 。这表明非系统风险所体现的临时波动对股价涨跌幅限制起了 重要的推动作用。 2 流动性指标的边际效应位居其次，z r a t e 增加1 ，股价撞击涨跌幅限制的 频率分别减少0 0 4 5 7 、0 0 2 7 7 、0 0 1 8 7 。z r a t e 越大即零收益频率越高、流 动性越小，此时发生涨跌幅限制的频率就越小；反之，零收益频率越低、流动性 越大，则出现涨跌幅限制的机会就大。 3 公司治理变量的处理效应体现为：在涨跌幅及涨幅样本中，h s 3 0 0 股票股 价触及涨跌幅限制的频率与非h s 3 0 0 股票相比分别减少0 1 2 、0 1 1 ；表明公 司治理水平越高，其股价撞击涨跌幅限制的可能性越小。 ”表3 3 、表3 - 5 、表3 7 中b 7 ( h s 3 0 0 ) 均为处理效应的数值 表3 3 全样本期间各解释变量对r h i t 的边际效应表 变量 涨跌幅样本涨幅样本跌幅样本 “i n t e r c e p t ) 0 0 8 2 2 - 0 0 5 6 5 _ o 0 2 9 9 b l ( b e t a ) o 0 0 3 7o 0 0 1 90 o o l 5 b 2 ( r r ) o 1 5 6 20 0 8 7 6o 0 6 2 l b 3 ( t v l - o 0 0 0 9 o 0 0 0 6 国0 0 0 8 b 4 ( l o g s i z e ) o 0 0 2 l o 0 0 1 3 o 0 0 0 4 b 5 ( b m ) - o 0 1 4 3 - o 0 0 7 0 - 0 0 0 5 4 b 6 ( z r a t c ) o 0 4 5 7o 0 2 7 7- o 0 1 8 7 b 7 ( h s 3 0 0 ) m o o l 2- 0 o o l l 4 3 0 2 2 2 e - 0 5 涨跌幅限制的实施，是对股价运行过程施加了约束。总的说来，其结果是， 基本波动和临时波动越大、流动性越高的股票，出现撞击涨跌幅限制的几率就越 高，印证了前述“涨跌幅限制措施抑制波动 的论点。但是，对于具有较高公司 治理水平的股票，这一约束并未导致更多的涨跌幅，也就是说，公司治理水平高 的股票其价格发现功能并未受到太多阻碍。 3 3 2分段样本期 3 3 2 1 牛熊阶段的划分 本章还同时探讨涨跌幅限制对牛熊市波动的影响，因此需对中国股市的牛熊 阶段进行划分。 股市周期中有多种牛熊阶段划分的方法。仅以中国证券市场来看，学术界也 存有不同看法。 何兴强等( 2 0 0 7 ) 借鉴p a n g a n 和s o s s o u n o v 的非参数法，适当调整其中的 牛、熊市判别标准，通过寻找股价变化的波峰和波谷，诊断股票市场的牛、熊市 周期。根据何兴强等( 2 0 0 7 ) 的计算，在1 9 9 2 年3 月至2 0 0 4 年8 月间，上证股市 出现了。1 0 次波峰、8 次波谷，经历了9 次完整的熊、牛市交替行情。 杨德平等( 2 0 0 7 ) 提出按照上证综合指数的变化幅度超过2 0 作为标准进行 牛熊使的分段。按照他们的计算，“从1 9 9 9 年6 月3 0 日到2 0 0 5 年6 月7 日，期 间长度为6 年，划分为九个时间段，其中股指下降阶段( 可视为熊市) 为5 段( 1 9 9 9 年6 月3 0 日至1 9 9 9 年1 2 月2 8 日、2 0 0 1 年6 月1 4 日至2 0 0 2 年1 月3 0 日、2 0 0 2 年7 月2 8 日至2 0 0 3 年1 月3 日、2 0 0 3 年4 月1 5 日至2 0 0 3 年1 1 月1 8 日、2 0 0 4 4 月1 2 日至2 0 0 5 年6 月7 日) ，股指上升阶段( 可视为牛市) 分为4 段( 1 9 9 9 1 2 月1 8 日至2 0 0 1 年6 月1 4 日、2 0 0 2 年1 月3 0 日至2 0 0 2 年7 月2 8 日、2 0 0 3 年1 月3 日至2 0 0 3 年4 月1 5 日、2 0 0 3 年1 1 月1 8 日至2 0 0 4 年4 月1 2 日) ”。 陆蓉等( 2 0 0 4 ) “根据艾略特波浪理论并结合中国股市发展的政策干预和制 度变迁特征，将上海股票市场价格波动划分为1 3 个波段共4 个波浪，其中i 、 i i 浪主要为上升浪，、浪主要是下跌浪。按此波动阶段的划分，将总样本区 分为两部分：其中1 9 9 0 年1 2 月1 9 日至1 9 9 3 年2 月1 6 日和1 9 9 6 年1 月2 0 日 至2 0 0 1 年6 月1 4 日为股市的上涨阶段( 称为“牛市”阶段) ，1 9 9 3 年2 月1 7 日至 1 9 9 6 年1 月1 9 日和2 0 0 1 年6 月1 5 日至2 0 0 3 年1 月6 日为股市的下跌阶段称 为“熊市”阶段) 。也有研究直接根据沪深股市指数变化定义牛熊市的，如侯永建 等( 2 0 0 2 ) 提出，“中国股票市场自1 9 9 5 年5 月中旬一直到2 0 0 1 年6 月是一个 大牛市，上证综合指数从1 0 0 0 多点一直上升到最高峰的2 2 0 0 多点，而从2 0 0 1 年6 月底一直到2 0 0 2 年2 月初，由于受到国有股减持、违规资金查处、对恶庄 严惩等因素的影响，股市大幅下跌，是一个明显的熊市 。 在上述牛熊市判断方法中，何兴强等( 2 0 0 7 ) 、杨德平等( 2 0 0 7 ) 的方法由 于判断出的牛熊市时期较短，转换频繁，没有考虑到次短期下跌( 上涨) 可能 是整个大上涨( 下跌) 过程的中间回落( 反弹) ，因此并不十分合理。陆蓉等( 2 0 0 4 ) 的数浪方法也有其不足，同一段行情可能由于数浪的依据不同而出现不同的牛熊 市划分。因此，本章还是依据侯永建等( 2 0 0 2 ) 用到的以较长时期内股指达到最 高和最低点的划分方法，对沪深股市进行牛熊市的划分。 这样，本章将样本期分为两段：1 9 9 7 年1 月2 日 - 2 0 0 1 年6 月1 4 日为前期 ( 牛市) ，2 0 0 1 年6 月1 5 日 - 2 0 0 4 年1 2 月3 1 日为后期( 熊市) ，进一步揭示深 沪股市牛、熊市期间涨跌幅限制作用机制的差异。估计方法依然为g m m 估计， 解释变量及工具变量不变。 3 3 2 2 分段样本期估计结果 前期以及后期数据的描述统计见附录a 。可以看出，各变量基本上表现出前 期均值、最大及最小值等高于后期的特点，这表明牛熊市各影响因素对涨跌幅限 制的影响确实存在着不同。 前期估计结果见表3 - 4 ，各解释变量对r h i t 的边际效应( 处理效应) 见表 3 5 。后期的估计结果见表3 - 6 ，各解释变量对r h i t 的边际效应( 处理效应) 见 表3 - 7 。 比较前后期的估计结果及边际效应，有以下特点： 第一，无论是牛市还是熊市，在涨跌幅、涨幅和跌幅各情形中，系统风险都 呈现正向的显著影响，显示市场基本因素的波动对股价撞击涨跌幅限制有重要的 推动作用。除跌幅情形外，前期的边际效应均小于后期的边际效应，表明对于涨 跌幅和涨幅样本，市场基本因素的波动对股价撞击涨跌幅限制的推动作用是牛市 小于熊市；但对于跌幅样本，牛市这一波动导致的“杀跌 效应却甚于熊市，表 明牛市期间投资者获利期望高、获利心太切，对于向下波动反映强烈，使得股票 更多的撞击跌幅限制。 表3 - 41 9 9 7 年1 月 一2 0 0 1 年6 月期间g m m 估计结果：沪深股市 变量涨跌幅样本涨幅样本跌幅样本 a ( i n t e r c e p t )- 4 0 3 9 0 + k l1 2 7 】- 5 6 3 9 0 * k 1 4 4 4 1一3 3 9 3 2 【一8 1 6 】 b l ( b e t a )0 1 7 6 5 + 【8 3 9 1 0 1 5 9 1 + 【9 3 5 】 o 2 5 0 7 + 【9 0 7 】 b 2 ( r r ) 6 2 9 4 1 【7 7 4 】 6 5 2 31 + 【8 7 8 】 4 0 3 5 i 【3 9 l 】 b 3 ( t o 2 1 6 6 【1 3 0 】 o 1 3 6 8 【o 6 3 】0 3 7 1 4 + 【3 1 9 m ( l o g s i z e )0 0 9 6 9 + 【3 5 l 】o 1 5 8 0 + 【5 2 8 】- o 0 7 1 9 【- 2 2 6 b 5 ( a m )- 0 2 9 2 0 【- 2 15 】o 8 6 3 4 【- 5 1 4 】o 0 3 3 6 【0 2 1 1 b 6 ( z r a t e )- 4 5 2 2 2 料【1 2 9 1 】- 3 5 2 8 0 * 【- 9 7 6 】 - 2 3 0 4 1 + 【5 3 8 】 b 7 ( h s 3 0 0 )0 0 7 3 9 【2 4 3 】 - 2 0 5 e - 0 5 卜o 0 0 0 6 】o 0 7 4 9 + 【1 9 5 】 表3 5 前期各解释变量对r h i t 的边际效应表 变量涨跌幅样本涨幅样本跌幅样本 a ( i n t e r c e p t ) - o 0 8 2 7_ o 0 6 9 0 - o 0 3 1 3 b l ( a e t a ) o 0 0 3 60 0 0 1 9o 0 0 2 3 b z ( r r )0 1 2 9 0 0 0 7 9 90 0 3 7 2 b 3 ( t 、，) 0 0 0 4 4 0 o o l 70 0 0 3 4 b 4 ( l o g s i z e ) 0 0 0 0 4 0 o o l 9o o 0 0 7 b 5 ( b m ) _ 0 0 0 6 0- o o 1 0 6 o 0 0 0 3 b 6 ( z r a t c ) _ o 0 2 0 l_ 0 0 4 3 2- o 0 2 1 2 5 6 7 4 0 2 e 8o 0 0 0 1 5 b 7 ( h s 3 0 0 ) 0 0 0 1 7 第二，与全样本的结论一致，不论牛市或熊市，非系统风险在各情形中的回 3 7 系数均显著为正，且影响程度最大。这进一步证实：临时波动对涨跌幅限制的 动作用是造成股票撞击涨跌幅限制的主要动因。比较前、后两个时期的边际效 应显示，该作用在牛市期间明显小于熊市。 第三，无论牛市还是熊市，流动性变量z r a t e 的系数均为负，显示流动性对 涨跌幅限制也有显著的正向影响。埔要注意的是z r a t e 在熊市期间对跌幅样本不 显著，反映这一作用在下跌阶段是有限的。从前期和后期绝对影响的整体情形来 看，牛市期间流动性对涨跌幅限制的影响大于熊市期间。 表3 62 0 0 1 年6 月2 0 0 4 年1 2 月期间g m m 估计结果：沪深股市 变量涨跌幅样本涨幅样本跌幅样本 a ( i f l t e r c e p t )- 5 3 2 6 6 + - 2 9 3 9 】- 5 3 2 8 5 + + 1 - 2 8 7 5 - 6 8 9 2 2 + - 2 3 8 2 】 b l ( b 删0 4 3 8 2 + 【7 3 2 】 0 4 2 1 + 【6 3 0 】 0 3 0 4 + 【3 3 l 】 b 2 ( r r )1 4 2 1 4 3 + 【2 1 5 5 】1 0 4 4 8 3 + 【1 5 5 8 】2 0 4 0 2 7 【l8 6 0 】 b 3 ( t - 1 5 7 8 1 + 【- 4 4 8 】- o 8 5 0 3 【- 2 1 9 】 - o 9 4 1 7 【一z o o b 4 ( l o g s i m )o 0 5 4 8 + 【4 3 5 】o 0 4 4 8 + 【3 3 5 】 0 0 0 1 1 【0 0 6 】 b 5 ( b m )- o 7 7 5 1 + + + 【- 8 7 2 】 - o 4 5 5 7 + 【- 4 9 8 】 - o 5 2 9 + 【- 3 7 0 】 b 6 ( z r a t c )- 1 2 0 6 7 + 【4 8 0 1- 1 5 8 1 5 。【- 5 9 9 】 - o 2 4 7 5 【- 0 6 2