股权分置改革、股价波动和信息冲击1

1、股权分置改革、股价波动和信息冲击股权分置改革的金融市场微观结构研究视角类 别： 综合问题类 课题研究人：张宗新、郭来生、朱伟骅、孙兰兰选送 单位：东北证券有限责任公司 股权分置改革、股价波动和信息冲击股权分置改革的金融市场微观结构研究视角内容提要目前学术界对股权分置改革问题的探讨侧重于“对价”比例的合理性及其流通股股东的权益保护，尚缺乏从金融市场微观结构的角度来研究上市公司股权分置改革给市场带来的冲击和影响。正是基于这一思考，本课题主要利用高频数据研究上市公司股权分置改革给中国证券市场的股价波动和信息传递造成的冲击。在研究过程中，课题重点利用高频率数据测量股改信息对市场的流动性深度、换手率、速

2、度造成的冲击。运用GARCH类模型来拟合样本股票的波动率，以异质波动性的变化来分析股改信息披露这一重大事件对股价异常波动的影响。在此基础上，课题通过向量自回归模型（VAR）来研究流动性、股价超额收益以及波动率之间的相互因果关系，验证各变量变动冲击后对本身与其它变量所产生的动态影响结构，并探讨信息传递速度对波动性等变量的冲击影响，最后进行了脉冲响应分析，来揭示股价超额收益、流动性指标对波动率的冲击力度与冲击方向。通过课题研究，我们得到如下结论：（1）股改公司的流动性随着股改进程的推进而发生显著变化，市场信息不对称程度渐次降低；（2）流动性的速度、相对宽度、深度以及买卖绝对价差指标是异质波动性显著

3、单向Granger原因，这说明股价波动受流动性等微观结构因素的冲击；（3）信息传递效率方面，流动性变量通过间接方式影响股价波动，其中股价与交易量之间信息传递效率非常高。（4）动态冲击反应方面，波动率、流动性的速度与宽度指标都对市场波动性造成显著冲击。最后，本文根据研究结论对我国上市公司股改提出相关建议：（1）强化上市公司股改的相关信息披露，提高信息透明度，减少信息非对称程度， 切实保障流通股股东的实际利益。（2）适度加快股改进程步伐，减少股改公司预期价值不确定性对股价波动的冲击。（3）合理引导投资者行为，避免非理性行为对市场的过度冲击。（4）优化证券市场微观结构，提升流动性速度、宽度和深度，提

4、高后股改时期中国证券市场信息传递效率。目 录1. 引 言2. 股改信息对流动性、波动性冲击的实证研究2.1研究样本2.2研究方法2.3研究模型2.4实证检验结果和解析2.4.1累积平均超额收益率的动态变化趋势2.4.2流动性指标在动态变化趋势2.4.3波动性指标的动态变化趋势3. 股改的信息冲击结构及其动态影响的实证分析3.1实证研究方法3.2 实证结果与解释3.2.1 单位根检验3.2.2 Granger因果检验3.2.3 VAR模型与信息传递效率分析3.2.4 脉冲响应分析4. 结论与建议4.1研究结论4.2相关政策建议1.引 言2005年启动的上市公司股权分置改革，是中国证券市场解决股权

5、割裂问题的一次制度性变革。这次改革在扫除中国股市可持续发展制度性障碍的同时，将原先2/3不流通的股份释放到市场中，这不但引生不同市场参与主体的利益格局的重新调整，更重要的是将对证券市场运行造成重大冲击。因此，如何分析股权分置改革给中国证券市场造成的冲击和影响，将是证券界面对的重要理论课题。对此，学术界对股权分置改革相关问题展开了积极讨论。例如，陈蛇、陈朝龙（2005）运用事件研究方法解释“股改”引发的个股价格上涨和市场下跌的股市波动现象，认为“股改”存在机制设计缺陷。唐国正等人（2005）从理论和实证两个方面分析“股改”试点在保护公众投资者权益方面的政策内涵，应用不对称信息理论和行为金融学理论

6、解释首批四个试点公司“股改”方案的公众投资者支持率差异。尽管国内学术界对股权分置改革问题进行了大量讨论，但这些探讨主要侧重于股改“对价”比例的合理性及其流通股股东的权益保护，尚缺乏从金融市场微观结构的角度来研究上市公司股权分置改革给市场带来的冲击和影响。由于现代金融市场微结构理论的核心在于探索股票价格过程是如何形成的，市场机制设计、不同类型交易者对市场价格的影响等是微结构理论的重要内容。显然高频数据分析是主要的研究工具，只有通过高频数据分析才会发现许多市场的微结构因素如信息流和指令流（O'Hara，1995），以及相关交易者的行为因素（Shileifer，2000）等造成市场价格产生波

7、动的真正原因。正是基于上述思考，本课题主要利用高频数据研究上市公司股权分置改革给中国证券市场的股价波动和信息传递造成的冲击。在本课题的研究中，我们主要结合信息流、市场流动性和股价波动性冲击等方面，应用市场微观结构理论对上市公司股权分置改革对市场冲击与影响进行研究。在这一研究领域，经典文献主要是对信息流与流动性之间关系进行论证，而对于流动性与波动性之间的相互关系的研究却很少。例如，Kyle(1985)首次比较系统地描述了做市商制度下市场流动性的主要特征，并将流动性分解为密度(tightness)，深度(depth)和弹性(resiliency)三个因素，其中密度指交易价格偏离均衡价格的程度，即宽

8、度。Harris(1990)在Kyle的基础上又引入了流动性的即时性（immediacy）因素，即时性是指订单发出到成交的时间，它反映了投资者一旦有买卖证券的愿望而能够立即得到满足的能力。以上所述的流动性的四个因素即构成了我们通常所说的流动性的四维。 对于信息和流动性之间的关联关系，Davide、Nicholas和Maureen等（1996）以纽约证券交易所(NYSE)的上市股票为研究样本，发现由于面临知情交易者的风险不同，导致各个股票的流动性呈现差异。知情交易比率高的股票买卖价差较大，交易不活跃，交易量小。通过回归分析，指出流动性差的股票存在较大买卖价差的主要原因在于它们面临更多的知情交易者

9、。Diamond、Verrecchia（1991）构造了一个关于信息披露对股票流动性影响的模型，信息披露方式在通过对不同类型投资者作用中影响了股票的流动性。由于信息非对称导致的逆向选择成本使得公司股票的流动性变差，公司管理层需要加强自愿性信息披露等活动改善投资者之间关系。Hasbrouck(1991)在其使用VAR价格冲击模型探讨了信息不对称和流动性问题，在经验方面验证了两个预测，一是信息不对称是和买卖价差正相关的，二是信息不对称程度是和交易的价格冲击呈现正相关关系。相比而言，国内对信息流与流动性的研究已经开展较晚，很多学者对我国金融微观市场结构的流动性和股价波动性进行了研究。例如，杨朝军，孙

10、培源（2002）利用高频交易数据对上海股票市场的报价深度的特征进行了研究，同时对其影响因素进行回归分析。他们采用分解方法对非对称信息程度进行估计，发现我国股市中除交易量，波动性和价格水平外，信息的非对称性是影响流动性水平的重要因素。宋逢明，唐俊（2002）构造了中国股票市场区别于成熟资本市场的特殊信息传导模型，发现中国股票市场的交易量主要是由信息传导造成的；且中国股票市场的不同股票有不同的信息传导机制，直接影响到中国股票的收益性、流动性。邵清静等（2004）通过构造一个成交量模型进行实证分析，指出中国沪深两市大盘指数形成异常成交量的传导方式基本一致：23左右源自于信息传导需求，略大于13源自于

11、流动性(选股或换股)需求，而通常成交量下的流动性需求仅占18左右。相比于成熟资本市场中交易量主要是由流动性需求引起的传导机制，信息传导是形成我国市场交易量的重要方式。鉴于流动性的多维指标，上述文献虽没有在文中明确地推导出信息的流动性效应，但都反映了信息是影响流动性的重要因素。就本课题而言，主要从信息层面考虑流动性变化的原因，即研究股改这一信息事件发布前后带来的信息非均衡，通过影响市场中交易者的行为可能导致流动性变化。正是由于市场中交易者所获得信息分布不均，从而在获取流动性方面进行交易的行为存在着差异性，这样的差异导致了股价的波动率变化。市场中波动性来源主要是（1）由于“对价”因素导致个股相对价

12、值的重估；（2）由于信息不对称引起不同投资者之间的交易博弈从而引生股价波动。股改分置改革的进程将对这上述两方面产生了深刻的影响，参与交易群体中知情交易者和噪音交易者之间根据自身掌握的信息对公司价值进行重估，在预期价值差异性所引起的不同交易行为以及相应的交易量，会对股改公司甚至对同一行业中有着类似基本面的公司股价产生作用。即便是相同的交易量所引起的股价波动是不尽相同的，私人信息的占有不均导致了投资者不同的交易行为和委托价格与数量。而对引起重新估值的重大信息所获得的时间和质量不一致也将导致投资者在流动性的要求方面产生严重分歧，这也会引起投资者之间的交易博弈。课题结构安排如下：第二部分通过研究股改信

13、息对试点公司股价波动性冲击影响，在事件窗口内各个流动性指标随着股改样本信息不对称程度变化而变动，及其对股价波动性的影响；第三部分我们会使用时间序列通过向量自回归模型来研究流动性、超额收益以及波动性变量之间的相互因果关系，揭示各变量变动冲击(Impulse)后对本身与其它变量所产生的动态影响结构，并探讨信息传递速度对波动性等变量的冲击影响；第四部分我们会总结研究结论，并对股改的提出对应的政策建议。2.股改信息对流动性、波动性冲击的实证研究2.1研究样本 本文选择第一、二批股改的45家上市公司（扣除在股东大会中被否决股改议案的清华同方）作为研究对象，研究区间为股改公告信息第一次正式公开披露前后30

14、日。市场交易高频数据来源于北大色诺芬数据库，其他日交易数据采自于天相数据库。数据的处理主要采用Sas8.2编程处理和EVIEWS3.0软件。2.2研究方法1、用广泛使用的事件研究方法来检验股改信息披露前后的股价波动。令股改信息披露公告日为第0日（如果该日为非交易日，则以其随后的第一个交易日为第0日），定义参数估计窗口为-150,-31，定义事件窗口为-30，30。2、通过测算超额收益率AR（Abnormal Return）与累积超额收益率CAR（Cumulative Abnormal Return），来衡量收益异常波动以及知情者操纵的潜在获利情况。3、通过测算股改信息披露前后的流动性相关指标的

15、变化，来衡量流动性对股价波动的冲击效应。4、运用GARCH模型来拟合样本股票的波动率，以异质波动性的变化来分析股改信息披露这一重大事件对股价异常波动的影响。一般研究的有日间波动率与日内波动率，对于股改，我们除了研究个股在整个股改过程的日内波动率变化，也会考察在股改正式公告日与股改投票复牌后交易日内由重大信息引起的波动率变化。2.3研究模型（一）超额收益率和平均累积超额收益率的计算本研究分别采用CAPM模型和市场指数收益率的直接替代法来估计正常条件下股票的期望收益率，表示第种股票在第日的收益率。选用CAPM模型来估计股票正常收益率时，有： 超额收益率定义为：其中，为第日市场证券组合的收益率；为第

16、种股票的估计值；为第种股票的估计值；为随机误差项。选用市场指数收益率的直接替代法来估计股票正常收益率时，取上证指数、深圳综指分别表示沪深市场指数。市场收益率定义为：；超额收益率定义为；由于定义事件窗口为-30，30，则45个样本第日的平均累计超额收益率CAR为：（二）流动性相关指标的计算流动性具有四个要素，又称之为流动性的四维，即宽度，深度，弹性和即时性维度。由于四维指标在衡量流动性时可能存在彼此冲突，目前尚缺乏一个统一的流动性衡量指标。本研究主要基于市场价差和交易量的流动性计算方法，主要计算以下指标：1.宽度和相对宽度沪深股市买卖有多个报价，本文用“卖一”报价与“买一”报价差额的绝对值的二分

17、之一表示宽度，即定义宽度为：，其中表示卖一价，表示买一价。相对宽度就是交易价格偏离市场均衡价格的相对幅度，定义为。2.深度本研究用市场深度表示深度，定义为：，其中Vola和Volb分别是主动性买盘金额和主动性卖盘金额，单位万元。同样，在多个买卖报盘的情况下，用“卖一”报盘额与“买一”报盘额的平均值来表示深度。3. 速度本研究定义速度为日成交量与深度之比，即Lv =V/Depth，其中Lv即速度，V是日成交量，Depth 即深度。（三）市场异常波动率的计算为考察样本收益率的波动情况，这里运用GARCH模型来拟合样本股票的波动率，并考察其时序特征。广义自回归条件异方差（GARCH）模型对收益率波动

18、建模，可表达为：均值方程：， 是随机干扰项。方差方程：根据上式计算得到的条件方差，代表了股票的时变的异质波动性；而在事件研究窗口内如果波动性出现异常波动，可以看作公司内部信息对异质波动性造成了冲击，即信息提前泄漏；因为在正常情况下，如果没有内部信息冲击，股价波动率将趋于平稳。2.4实证检验结果和解析2.4.1累积平均超额收益率的动态变化趋势我们采用CAPM模型和市场指数替代法计算了股改样本的累计非正常收益率CAR，CAR在事件窗口期的变化趋势如图1和图2所示。从图1和图2可明显看出，不论是采取何种计算方法，累积平均超额收益率在公告日前5个交易日均有所上升。按照Joon Chae(2005)根据

19、公告日对披露事件的划分，可以将公司主要事件划分为约定时期披露的事件（包括年报，中报等）和非定期披露的事件（包括资产重组，突发事件），Joon实证发现投资者对于事件预期的不同会导致差异化的交易方式，使得量价发生不同的变化。由于全流通股改对于我国上市公司而言是非定期的重大事件，所以投资者对于管理层选择试点个股和其方案有着不同的预期。结合图7换手率的走势图，从图2上可见CAR在公告日的前10个交易日开始显著上升，在前5个交易日时出现小幅回落，在公告正式股改的前后几个交易日前急剧上升。这表明股改方案的信息在公告前已经提前泄漏，很可能存在由信息非均衡引发的内幕交易，这对股价产生了显著影响。在公告日后的两

20、个交易日内， CAR继续快速上升，这体现出市场对股改信息存在一定的提前的过度反应，在投票表决通过之前希望通过对个股重估，使得股价来吸纳股改方案所赋予的重要信息。CAR持续上升到股改信息披露后的15个交易日左右，这大约是在股改方案投票通过后的复牌日，说明价格对股改信息具有吸收有效但是有些过度。股改信息的提前泄漏助推了股价波动性，由于知情交易者和流动性交易者、中小散户之间的信息不对称，在非约定时期股改信息披露的事件中，一旦流动性交易者发现存在着自己在某些信息方面的劣势，就会暂时降低对流动性的需求，等待正式股改方案信息披露。在对各种私人信息追求的博弈中，交易量会随着信息更新的变化而变化，所以在股改样

21、本的换手率和深度指标走势中会呈现公告日之前5个交易日内交易量略有萎缩而后在公告日前迅速上扬。这在某个方面也反映了某些知情交易者的提前建仓的内幕交易行为。Wang（1994）提出的万戈模型中就考察了信息不对称对价量的影响，由于信息不对称越高，非知情交易者面临的逆选择的问题越大，为了减少不必要的损失，他们会尽量避免交易。而且交易量总是与价格波动幅度呈现正相关，而且信息不对称程度越高，这种相关性越是显著。存在信息不对称情况下，一旦信息被公开披露，这时会引起异常交易，交易量剧增。图1：CAPM模型计算的CAR走势 图2：市场指数替代法计算的CAR走势我们再对股改方案中市场积极和消极反应的样本进行比较检

22、验，由表1中对45 家样本公司对股改信息冲击的CAR的t检验可以看出，投资者对不同股改方案信息之间的反应有着非常显著的差异，股改对价与市场预期的不一致给市场造成的冲击大小显著不同。表1 样本公司对股改信息冲击反应t检验T-Tests市场指数替代法DFt ValuePr > |t|CAR447.74 <.0001CAPM模型方法DFt ValuePr > |t|CAR44 4.80<.00012.4.2流动性指标的动态变化趋势在这一部分，我们将研究由于对信息占有的差异所导致投资者流动性需求的不同产生的影响，以及股改信息对我国证券市场到底会产生怎么样的影响？由于信息不对称的

23、存在使得投资者对流动性需求差异化，那么他们之间的交易博弈会对股价波动产生显著的影响，我们将通过对我国股改样本研究作进一步阐述。通过构建适合我国委托驱动的微观市场结构的流动性指标，我们可以更好的证实我们关于流动性变化对股价冲击的预测。在这里我们选择了Mewide、Merewide、Depth、Lv和Turnover指标分别是流动性宽度、相对宽度、深度、速度与换手率流动性指标，这些指标基本涉及到了价格变化、委托数量和时间因素三个重要尺度。关于流动性相关指标在事件窗口内的变化，见图3至图7。表2 流动性指标的描述性分析变量LVDEPTHMEWIDEMEREWIDETURNOVER ()均值221.1

24、19 3.698 0.048 0.017 2.691 中值205.734 2.786 0.014 0.004 2.306 最大值504.280 16.084 0.832 0.375 7.093 最小值128.473 1.040 0.007 0.002 0.833 标准差68.292 2.651 0.121 0.051 1.686 偏度1.423 1.954 5.066 6.081 1.015 峰度6.178 8.896 30.894 42.160 3.149 JB统计量46.264 127.202 2238.593 4273.655 10.537 Prob值0.000 0.000 0.000

25、0.000 0.005 为进一步说明流动性指标之间相关性，在此对流动性指标进行person检验（见表3）。由表3可以看出流动性指标之间在0.01水平下都有着显著正相关关系，换手率和深度，速度存在较高的正相关性，这些是代表交易量的流动性指标之间的关系和国内外许多实证结果是相符合的，但是换手率、深度指标和代表价差的宽度指标之间也有显著的正相关关系，尽管相关系数较小，但是与国内孙培源、施东晖（2002）对上海股市流动性PEARSON相关性检验结果有着相反的结论，这是否说明股改对流动性的影响有着自身的特性呢？我们在下文会作进一步分析。表 3 流动性指标之间的person相关系数TURNOVERDEPT

26、HMEWIDEMEREWIDELVTURNOVER1.00000.79820.33420.36170.8741Pearson双测统计值.0.00000.00850.00420.0000DEPTH0.79821.00000.56420.62360.7776Pearson 双测统计值0.0000.0.00000.00000.0000MEWIDE0.33420.56421.00000.97180.5511Pearson 双测统计值0.00850.0000.0.00000.0000MEREWIDE0.36170.62360.97181.00000.6058Pearson 双测统计值0.00420.00

27、000.0000.0.0000LV0.87410.77760.55110.60581.0000Pearson 双测统计值0.00000.00000.00000.0000. 注：person相关系数在0.01水平下都通过双测检验。由于从被确定为试点公司，到召开股东大会，试点公司需经过多次停牌。股改信息含量显得特别丰富，特别是第二批股权分置改革的42家公司公布成为股改试点公司后。因为2005年7月以后，是上市公司中报集中披露期。由于中报披露难免与股权分置改革信息披露同时出现在一段时间内，这不但有利于庄家利用内幕信息操纵股价，也不利于中小投资者做出正确的投资判断。股改信息变化导致了对公司股价预期的变

28、化，同时不同投资者的博弈加剧了股价的波动性，对股改公司关注度大幅度提高，对其信息及时搜集加工，股票流动性增加。而判断一个市场成熟程度的重要标准之一就是市场的流动性，即交易是否活跃，可以吸引资本顺利持续流动。当时整个市场对我国全流通股改的前景如何不甚明确，由庄家或少数几家机构投资者联手，利用其掌握的内幕信息，凭借其雄厚的资金实力操纵市场上的某些股改公司的股价，从而引起股价的大幅度波动，股票流动性出现波段性变化。由图3和图4可以看出流动性相对宽度和价差宽度的变化趋势是同步的。从两个指标的相关系数来看，高达0.97，即两者是高度正相关。在信息披露的公告日前第13个交易日和第5个交易日之间，宽度和相对

29、宽度经历了两次陡增和回落，在图上形成两个波峰。在公告日前后各一天的时间内，以宽度和相对宽度表示的买卖价差上升的幅度更大。在公告日之后大约14个交易日开始，宽度和相对宽度呈现小幅的波动，回落之后趋于平稳。对于这一现象，我们可以从信息非均衡和市场交易机制的角度进行解释。由于市场上存在着知情交易者和非知情交易者，在公告日前，知情交易者很可能通过某种途径获得私人信息，并形成对该证券真实价值的预期。在当前市场价格下，若知情交易者认为持有证券将获得其未来收益时，则进入市场买入该证券。由于我国证券市场实行连续竞价交易机制，且以“价格优先，时间优先”作为订单的第一，第二匹配原则，知情交易者倾向于报出比当前市场

30、高的价格，以其部分未来收益的损失来保证买卖能够成交，从而在将来获益。若知情交易者预期相反决定进入市场卖出证券时，则会报出较低的卖价来保障其流动性要求。这样，在流动性需求得以满足的基础上，买卖价差扩大。伴随着每一次的信息更新，市场均有所反应。这表现在当公告前泄露信息，公告日当天披露信息时，宽度和相对宽度都经历着波动。在公告日之后，股东会针对公司股改方案进行一次投票，在投票前存在相关信息的累积，这就解释了在公告日后大约14个交易日开始，宽度和相对宽度呈现小幅波动的原因。 由图5到图7可见，深度与换手率指标代表的交易量在公告日前第9个交易日开始放大，经历了4个交易日后略有萎缩，交易速度流动性也是出现

31、基本一致的走势。这一变动说明股改有关信息很可能在公告前已经泄露。知情交易者根据建立在其私人信息基础上的预期形成多样化的市场交易需求，进入市场下达买卖指令，从而使市场上可供交易的资产数量放大，流动性增强。非知情交易者一旦发现自己处于信息劣势则降低对流动性的需求，以规避风险。在对各种私人信息追求的博弈中，交易量随着信息更新而不断变化。因此，当知情交易者的私人信息释放后，在没有新的信息的情况下，可供交易量萎缩。Wang(1994)指出，在信息不对称情况下，公共信息的发布会导致异常交易。信息不对称程度越高，这种异常交易量越大。这点可以解释图5中在公告日前后1天中，可供交易量激增的现象。在股改信息披露的

32、公告日之后，还存在对股改方案的投票程序，而知情交易者对于股改方案的投票可能结果和方案修改状况的私人信息的占有使得交易量在此之前再度变化，充分反映交易量伴随信息更新的变化而变化。图3：相对宽度流动性指标 图4：绝对价差宽度指标 图5：深度流动性指标 图6：速度流动性指标图7 ：换手率指标我们对流动性指标进行了股改三阶段的Kruskal Wallis 多样本比较秩和检验。其中第一阶段股改试点公司一般先是公开披露股改方案，然后就停牌等待股改信息的消化，接着第二阶段是复牌后等待投票，期间可以修正股改方案，直到股东投票是否能够通过股改方案，第三阶段是通过投票后股改方案实施，进入G股全流通阶段。在这里我们

33、把事件窗口划分为了（-30，-6）、（-5，5）和（6，30）三个股改阶段。由表4我们可以看出除了相对宽度流动性指标MEREWIDE没有通过KW秩和检验，股改进程三阶段中宽度指标在0.05水平下显著有差异，其余流动性指标在0.01水平下也通过了显著性检验。这说明了流动性随着股改进程信息披露的变化而发生显著变化，交易量和信息不对称程度都有着显著改变，结合图8分析来看，深度，换手率、速度指标随着股改进程都在增加，交易量和对信息吸收效率也均呈现增加趋势，而宽度和相对宽度指标在逐步减小，说明股改过程中投资者之间信息不对称程度越来越小。表4 Kruskal Wallis 多样本比较秩和检验ARLVMER

34、EWIDEMEWIDEDepthTurnoverChi-Square7.967620.71442.24467.93174.478339.490434.8983Asymp. Sig.0.01860.00000.32550.01900.10650.00000.0000图8：股改进程中流动性指标趋势的比较 注：图中纵坐标为Kruskal Wallis检验中秩次比较，这相当于对变量均值的不改变其走势的数值变换。2.4.3 波动性指标的动态变化趋势我们采用GARCH模型估计出样本公司在股改进程中的条件方差来作为波动性指标。由图9可以看出，异质波动性在股改信息公布前的一段时间内比较平稳，在公告日前2周突然

35、急剧上升，稍后又趋于平稳。在公告日波动再度出现波峰。到了股改投票复牌后的一段时间，波动率又激增。对于这一现象，我们还是从信息非均衡的角度来解释。金融市场微观结构理论把市场交易者划分为知情交易者和非知情交易者两类。在交易者占有私人信息不同的前提下，导致了对股价预期价值的不一致，从而其交易博弈导致了交易量和委托方向的不同，从而对股价波动产生了冲击影响，加剧了股改公司的波动。其中不完全知情交易者从资产价格的运动中推出知情交易者的部分信息，也可能由于知情交易者的误导接受了虚假的、不准确的信息。当知情交易者在市场上进行买卖操作时，不完全知情交易者则从股价的变化上得出信息，从而跟进。因此市场上出现大量买进

36、时，价格拉升，反之，出现大量卖出时，价格下行，市场买卖力量的放大使股价的波动性加大。我们将图3直到图9结合起来看，发现买卖价差越大，交易量越大，股价的波动率也越大。这样我们也可以解释股改样本流动性和波动性特征的矛盾之处：股改信息公开后，信息不对称指标也即宽度指标增加，同时代表交易量指标的深度和换手率也在增加的现象。结合图8，从图10 中Kruskal Wallis检验中秩次比较看，随着股改过程推进波动性指标在第一阶段是逐步增强，第二阶段达到最高峰，而后到了股改第三阶段波动性逐步减弱，符合投资者近期在市场中抢着购买股改预期公司而后再抛掉这些股改结束的公司的表现，转去投资其他有可能股改的公司。股价

37、获益能力是和波动性出现出类似走势，但是斜率都高于波动性，说明投资者、追求的是股改前的投资利益，而不是股改结束后长期持有获利，短线的非理性投资行为明显。图9:波动性指标走势图 图10:波动性与超额收益的变动趋势 3. 股改的信息冲击结构及其动态影响的实证分析3.1实证研究方法为进一步分析股改对市场的信息冲击及其相关动态影响，本文采用向量自回归模型（VAR）计量方法对股改公司的股价波动与信息冲击进行实证分析。研究方法主要包括是单位根检验、格兰杰因果检验、协整检验与误差修正模型、方差分解及脉冲响应函数。（1）单位根检验在对相关变量就行协整分析之前，我们首先要对变量的平稳性作检验。而单位根检验（uni

38、t foot test）是判断时间序列平稳性最常用的方法。时间序列平稳性的单位根检验方法主要有 DF 检验法、ADF 检验法及 PP 检验法等，本文运用人们常用的更具一般性的增广迪基富勒（ADF）检验法。具体估计回归方程时，如果常数项和趋势项的检验不显著，可从方程中剔除；滞后阶数的选择原则应使回归式的残差符合白噪声状态，本文采取赤池（Akaike）的AIC准则；临界值采用 Mackinnon 临界值。（2）格兰杰因果检验格兰杰因果关系检验（Granger Causality Test）是检验经济变量间因果关系常用的一种计量经济学方法，其本质是用一种条件概率定义因果关系。常用的格兰杰检验模型为：

39、 (1)式中，和是常数，是白噪声。检验的变化不是变化的原因，相当于对假设：进行检验。格兰杰因果关系对于特定序列的可预测性假设是一个特别有用的工具。最好把格兰杰因果检验看作是y 是否有助于预测x ，而不是y是否引起x。但根据经济理论进行的假设，可以为推断真实的因果方向提供有用的论据。格兰杰方法对模型中变量所取的滞后期长短异常敏感，Davidson & Mackinnon 建议宁可考虑较长的滞后期。此外，格兰杰因果关系检验要求时间序列平稳，对非平稳时间序列变量要先作适当变换，用 ADF 检验判断为平稳序列后才能进行因果关系检验。（3） 协整检验与误差修正模型协整检验（Cointegrati

40、on Test）目的在于研究维向量单位根过程的各分量之间，是否存在某种长期均衡关系，有最小二乘法和极大似然法之分。本文采用以最小二乘法为基础的 EG 协整检验方法。步骤如下：首先对时间序列和进行回归，得方程： (2)然后，对方程(2)的残差序列进行单位根检验。若不存在单位根，则与存在协整关系；反之，不存在协整关系。若协整，可得到以下误差修正模型（ECM）： (3)式中，是滞后算子，是方程(2)残差的一阶滞后。用法估计方程(3)，去掉不显著变量，将其约化为一个变量和参数都很少的模型。（4）预测方差分解向量自回归（VAR）模型的预测方差分解是一种判断经济序列变量间动态相关性的重要方法。它实质上是一

41、个新生计算过程，是将系统的预测均方误差分解为系统中各变量冲击所作的贡献。设由个内生变量构成的阶向量自回归过程为： (4)其中，为系数矩阵，为向量白噪声，且协方差矩阵为。令表示系统对单位冲击的反应，且满足，。则的部预测误差方差为： (5)第个变量的新生对第个变量的步预测误差方差的贡献如下：，其中是矩阵的第个元素。（4）脉冲响应函数脉冲响应函数（Impulse Response Function）是指系统对其中某一变量的一个冲击或新生所做的反应。考虑一个阶向量自回归（VAR）模型： (6)其中，是由内生变量组成的维向量，是系数矩阵，是常数向量，是维误差向量，其协方差矩阵为。经过适当变化，上述模型可

42、最终表示为： (7)式中是系数矩阵，是常数向量，为非奇异矩阵，满足，为向量白噪声。则系数矩阵的第行第列元素，表示系统是变量对变量的一个标准误差的正交化冲击的期脉冲响应。由模型(7)可以计算出系统中一个变量对另一个变量的脉冲响应函数，比较其不同滞后期的脉冲响应，可以确定一个变量对另一个变量的作用时滞。3.2 实证结果与解释3.2.1 单位根检验我们使用ADF检验法对流动性指标、股价超额收益以及波动性指标进行单位根检验，其中滞后阶数按AIC最小原则选取，结果见表5。检验结果表明：换手率Turnover在一阶差分后接受平稳性假设，为一阶单整I(1)；而其他各流动性指标、超额收益率AR以及异质方差水平

43、值均在不同的显著水平上接受平稳性假设，因此均为零阶单整I(0)，所以没有必要作进一步的检验，平稳时间序列满足古典线性回归模型的要求，可以直接用最小二乘法估计参数。我们对于表3中除了换手率之外的变量不再作协整分析。各个变量除了AR指标外最佳滞后阶数是0阶。表5 ADF检验结果变量检验形式(C，T，K)ADF-t值1%临界值5%临界值10%临界值AIC值AR(C，0，1)-3.640*-3.5437-2.9109-2.5928-6.249LV(C，0，0)-3.052*-3.5417-2.9101-2.592310.610Depth(C，T，0)-6.360*-4.1162-3.4849-3.17

44、034.231Merewide(C，T，0)-7.688*-4.1162-3.4849-3.1703-3.019Mewide(C，T，0)-7.611*-4.1162-3.4849-3.1703-1.283(C，0，0)-5.968*-3.5417-2.9101-2.5923-11.961Turnover(C，T，1)-3.024-4.119-3.4862-3.17112.232Turnover(C，T，3)-5.492*-4.1219-3.4875-3.17182.373 注：1. (C，T，K)为检验类型,C和T表示带有常数项和时间趋势项，K表示所采用的滞后阶数。2.临界值是在相应显著性水

45、平下得到的Mackinnon值。3.表示原序列的一阶差分。 4. *表示在1%水平下显著,*表示5%水平下显著。.3.2.2 Granger因果检验按照前文单位根检验的结果，我们可以直接对同阶平稳的AR、与流动性指标Lv 、Depth、Merewide、Mewide作Granger变量检验是否存在真正金融学意义上的因果关系，也即股票超额收益、流动性指标和异质方差之间是否存在因果关系。实证结果见表6，我们发现超额收益AR在0.05水平下，流动性指标Lv 、Depth、Merewide与Mewide在0.01水平下是异质波动性显著的GRANGER原因，说明这些变量是导致股改波动性变化的重要因素。反

46、过来，波动性对流动性指标和股价超额收益指标都没有显著的产生因果影响。这可以验证我们第二部分的预期。表6 Granger因果检验结果检验项目（原假设）F统计值P概率值检验结果 不是AR 的Granger 原因0.788180.45983拒绝原假设AR 不是的 Granger原因4.520010.01531接受原假设 不是LV的Granger原因0.18550.83121拒绝原假设LV 不是的 Granger 原因15.58514.50E-06接受原假设 不是DEPTH的 Granger 原因0.458990.63436拒绝原假设DEPTH 不是的Granger原因11.78565.70E-05接

47、受原假设 不是 MEREWIDE 的Granger 原因0.171340.84299拒绝原假设MEREWIDE 不是的 Granger原因18.91355.90E-07接受原假设不是 MEWIDE的 Granger 原因0.147350.86334拒绝原假设MEWIDE 不是的Granger 原因24.53052.60E-08接受原假设3.2.3 VAR模型与信息传递效率分析为检验金融市场微观结构股价、交易量、流动性与波动性之间内在关联及其对信息传递效率的影响，在此使用VAR模型并将上述变量考虑为内生变量。由于宽度相关性很高，我们只考虑相对宽度进入VAR模型分析，也没有考虑其他外生变量，并参考

48、了AIC与SC指标绝对值最小化的取值来选择滞后阶数，最终我们选择了滞后3阶，结果见表7。从表7检验结果看，波动性指标滞后值对流动性和价格超额收益指标影响不显著，符合Granger检验的结果。相对宽度指标MEREWIDE滞后1阶和2阶值对波动性指标则有显著的影响，但是影响方向从滞后2阶的负方向变为滞后1阶的正方向影响，说明信息不对称程度变化影响着股价的波动方向，MEREWIDE的1阶与2阶滞后值还对深度指标有着一定的负方向影响，信息不对称影响着投资者参与交易量与委托方向。速度指标LV 的2阶滞后值对波动性有着显著正方向影响，说明交投越活跃，波动性越大，而速度的1阶滞后值对速度指标自身与其他流动性

49、指标有着显著正方向的影响，速度1阶滞后值对股价超额收益也有着显著的正面影响，交易越活跃，越容易快速推高股价，获取超额收益。深度指标DEPTH 的1阶滞后值对波动性有显著正方向影响，其1阶滞后值对速度指标有着显著负方向作用，但对其他变量没有显著影响。股价超额收益AR的1阶滞后值对波动性指标存在显著负方向作用，可以抑止波动性，对其自身有显著正向推动作用，AR的3阶滞后值对相对宽度、深度与AR有显著正向影响，这从某种意义上说明股改进程中投资者对股改公司有非理性的抢筹码行为，并都对股改公司有着很强的获取超额利益的预期，推动交易量与股价的快速上扬。表7 超额收益、流动性与波动性的VAR模型MEREWID

50、ELVDEPTHAR (-1)0.196（1.283）4.343（0.236）21135.170（1.264）-282.239(-0.415)-2.797(-0.823) (-2)-0.313(-1.939)6.364（0.327）-6139.039(-0.348)-221.097(-0.308)0.576（0.160） (-3)-0.127(-0.947)24.968（1.542）5208.936（0.355）407.554（0.683）1.135（0.380）MEREWIDE(-1)0.012（3.973）-0.602(-1.646)-301.294(-0.908)-30.550(-2.2

51、64)-0.068(-1.013)MEREWIDE(-2)-0.010(-2.502)-0.486(-1.034)-738.829(-1.733)-26.248(-1.514)0.010（0.114）MEREWIDE(-3)0.003（0.720）0.069（0.153）-241.314(-0.594)-7.611(-0.461)-0.129(-1.559)LV(-1)0.000（1.027）0.001（2.507）1.192（4.850）0.032（3.204）0.000（2.404）LV(-2)0.000（3.379）0.000(-1.213)-0.056(-0.176)-0.001(-0

52、.065)0.000(-0.616)LV(-3)0.000(-2.039)0.000(-0.984)-0.226(-0.877)-0.017(-1.586)0.000(-0.024)DEPTH(-1)0.000(1.860)-0.004(-0.372)-18.584(-1.973)0.152（0.397）-0.003(-1.417)DEPTH(-2)0.000（0.559）0.015（1.049）13.041（1.020）0.520（1.000）-0.001(-0.333)DEPTH(-3)0.000（0.111）-0.012(-0.973)5.980（0.550）0.102（0.230）0.

53、002（0.753）AR(-1)-0.020(-2.142)1.049（0.947）1517.059（1.511）19.665（0.481）0.383（1.876）AR(-2)0.001（0.050）0.016（0.012）779.202（0.664）13.577（0.284）0.193（0.808）AR(-3)-0.001(-0.081)2.506（2.215）374.958（0.366）71.246（1.708）0.444（2.131）C0.002（4.345）-0.058(-1.163)-16.471(-0.367)-1.217(-0.667)-0.004(-0.488)R-square

54、d0.6820.3440.7010.6640.502F-statistic6.0151.4676.5595.5272.822Akaike AIC-12.540-2.95710.6624.258-6.341Schwarz SC-11.972-2.38911.2304.826-5.772注：括号内是t检验值。由于VAR模型可将所选择的不同变量间的相互关系转换为变量残差项的移动平均，并通过直交脉冲矩阵来了解个别变量受本身与其它变量冲击的相对程度，因此可通过测量模式中不同变量的残差相关(Residual Correlation)，来揭示个别变量之异常报酬率(Abnormal Return) ，并可从本身过去变化以及其它变量的信息传递来解释异常报酬率的比例。而在此处所衡量的残差相关，是指个别变量残差项间在相同时期的相关系数(Contemporaneous Correlation)，从而我们可以得知在不同变量残差项之间，相同时期的情况下是否存在着信息传递的情形。我们对上述VAR模型中的流动性指标、股价超额收益与波动性指标的残差作相关系数分析，结果见表8中，波动性与速度指标LV的相关系数达到0.387