我国股市噪声交易与信息不对称关系研究

我国股市噪声交易与信息不对称关系研究

一、噪声交易与市场质量管理灰色区域（1986年）将噪声交易分为两类：流动性交易和非信息交易。流动性交易者对市场充满信任,愿意以一定的市场价格买入或卖出任意数量的风险资产,因此这类噪声交易者是证券市场赖以存在的基础。不知情交易者没有掌握关于风险资产真实价值的信息,却误认为自己拥有正确的信息,因此其交易行为给证券市场带来了一定程度的摩擦,使资产价格时常偏离其真实价值。当然,在Fama(1970,1991)搭建的“有效市场”内,噪声交易的买卖各方能形成一种均衡,使价格完整地揭示出市场上的一切内在信息;一旦噪声交易者相互之间无法达成均衡,那么了解资产真实价值的知情交易者就可以立即从中进行套利活动,使市场回归到均衡状态,因此噪声交易者无法长期主宰价格发现。但是,在DeLong等(1990)、Shleifer和Vishny(1997)以及Shleifer(2000)构建的“非有效市场”内,噪声交易者的信念可以相互传递、巩固和放大,形成短期内难以消失的扩散效应,给知情交易者的套利活动带来额外的风险,另外,知情交易者也可能受资金或交易时间、地点和制度的约束只能从事有限套利(limitedarbitrage),此时,价格无法如实反映资产的基本面和投资者所掌握的私人信息,噪声交易就能系统地影响市场流动性、波动性和价格发现。由此可见,有关噪声交易在证券市场中的地位和作用是现代金融学与新金融学争论的焦点之一,也是正确理解金融市场微观运行规律的一个关键环节(Bloomfiledetal,2008)。我国证券市场经过十多年的发展已颇具规模,但长期以来市场的主要参与者是中小投资者(散户),基于理性投资信念的市场运作手法还不成熟,过度投机、内幕交易和股价操纵等问题异常突出,政府政策对市场也存在巨大影响,市场上信息不对称程度大且噪声交易多。因此,如何定量分析噪声交易并深入揭示出噪声交易与流动性、波动性、信息不对称和有效性等市场质量指标之间的关系,从而为有关机构和证交所提供科学合理的政策依据已成为一个亟待研究和解决的问题。目前,国内已有研究大都集中在定性分析噪声交易的成因及其对证券市场的影响等方面,定量研究还很少。为此,本文在系统回顾了金融学界对噪声交易与市场质量的理论与实证研究后,对已有的研究思路和方法进行利用和创新,进行严谨的计量分析。本文的主要贡献和创新点体现在以下三方面:一是针对噪声交易难以度量的特殊问题,根据DeLong等(1991)的理论,将Huang和Stoll(1996)以及Berkman和Eleswarapu(1998)的实证方法结合在一起,通过行业、规模、财务杠杆和账面值—市值比配对的方法,建立起32家上证50成份股上市公司的控制样本,然后运用回归分析,剔除单个资产收益率所含有的基本面因素,再通过与基本面正交的收益率方差衡量噪声交易,首次估计出我国股市噪声交易的高频时间序列;二是针对我国股市实行指令驱动交易制度、市场上没有做市商的实际情况,利用并调整Stoll(2000)的方法,重新计算符合我国股市微观结构的买卖价差和实际价差,首次系统构建出包含信息不对称和有效性在内的市场质量指标,从而拓宽了国内学者在市场微观结构方向上的研究视角;三是针对噪声交易与市场质量具有错综复杂的内在关系,建立起一个不受先验理论支配的动态计量模型,然后运用合理的方法对模型进行估计和检验,首次通过严谨的定量研究,揭示出我国股市噪声交易与市场质量之间的经验关系。二、文献回顾1.噪声交易与知情交易之间的相互作用Kyle(1985)假设市场上存在一名知情交易者、多名噪声交易者和一名做市商,知情交易者拥有资产真实价值的私人信息,而噪声交易者掌握的信息与资产真实价值无关,却误把噪声当作有用的信息,或纯粹进行流动性交易,同时,做市商不知道资产的真实价值,但却能收集到资产价格和成交量变化所释放出的信息;在知情交易者没有竞争压力等前提下,知情交易者采取分散交易次数的方式,试图隐藏其私人信息,以获取最大的利润;随着噪声交易者数量增加,知情交易者更有意愿积极参与交易,此时资产价格就更能揭示出私人信息,因此噪声交易能提高市场有效性。Glosten和Milgrom(1985)认为,在信息不对称下,如果噪声交易的比重增加,逆向选择成本减小,做市商就会降低买卖报价价差,因此噪声交易能减少信息不对称并提高市场流动性。Admati和Pfleiderer(1988)在允许市场存在多名知情交易者的基础上扩展了Kyle(1985)的模型,发现在均衡状态下,知情交易者之间的博弈使噪声交易具有一定的内生性;在交易行为完全暴露出私人信息之前,知情交易者会充分利用其信息优势进行交易,如果私人信息具有较高的相关性,即知情交易者拥有类似的私人信息,那么知情交易者之间的竞争必然加大,从而吸引更多的噪声交易;但如果私人信息的相关性较低,那么噪声交易者处于明显的信息劣势,也就不愿积极参与交易,因此知情交易和噪声交易的相互作用能加大市场的深度,即在特定报价上订单的数量。Holden和Subrahmanyam(1992)、Foster和Viswanathan(1993)、Wang(1998)以及Back等(2000)分别就价格确定方式(单一价格的集合竞价、连续竞价或做市商报价)、交易者竞争形式(Bertrand型或Cournot型竞争)、信息结构(静态或动态贝叶斯更新)以及信息持续性设置了一些更符合现实的假设,发现:噪声交易与知情交易存在相互作用、相互依存和相互制约的关系;噪声交易者与知情交易者之间达成交易的概率显著大于噪声交易者之间或知情交易者之间成交的概率;价格是重要的信息来源;知情交易者在开盘时的信息优势最明显;知情交易是引起股价变动的重要原因,而噪声交易则是引起成交量放大的主要因素。Easley等(2002)、Gur和Stanzl(2004)以及Wang(2005)将市场微观结构和行为金融理论结合起来,在假设噪声交易者对所掌握的信息精度显得过于自信而知情交易者在不同时期采取不同投资策略(惯性或反转策略)的基础上,推导出不同的线性贝叶斯—纳什信息均衡模型,再通过数字模拟,对模型进行比较静态分析,发现噪声交易越多,市场流动性就越大,价格形成过程更加有效,同时,知情交易者获利也就越多。2.噪声交易与市场流动性Chan和Lakonishok(1993)、Lehmann和Modest(1994)以及Biais等(1995)分别研究了NYSE、东京和巴黎证交所的日内数据,发现股市在开盘和收盘期间私人信息特别集中且噪声交易大,导致买卖价差小且成交量大,表明噪声交易有助于提高交投活跃程度。Easley等(1996)根据日间买卖订单的数量、成交价及其变化,构建出一个知情交易概率指数,发现NYSE在开盘期间换手率高的股票知情交易少,表明噪声交易有助于提高交投活跃程度并降低信息不对称。Berkman和Eleswarapu(1998)运用事件研究法,发现交易制度的变化对噪声交易和市场流动性有显著影响,如印度监管当局为抑制过度投机而在1993年12月废除股票远期交易体系,导致噪声交易减少,与此同时,1994年股市日均换手率下降了72%,表明噪声交易与市场流动性成正比。Greene和Smart(1999)以《华尔街日报》上“专业荐股与随机择股”栏目(investmentdartboardcolumn)所覆盖的股票为样本,研究做市商报价行为与噪声交易的关系,发现在报纸出版当天,栏目所荐股票的日内成交量明显放大,买卖价差缩小且逆向选择成本降低,说明噪声交易提高了市场流动性。Bessembinder(2003)发现,NYSE和NASDAQ分别于2001年1月29日和4月9日起实施十进制最小报价单位(decimalization)改革,此后噪声交易增加,执行成本大幅降低且交投活跃程度显著提高。Chakravarty等(2004)研究了NYSE和CBOT(芝加哥期货交易所)60只交投最活跃的期权,发现保证金交易所带来的杠杆效应能吸引噪声交易并加速标的资产的价格发现,表明噪声交易有助于改善市场效率。Lei和Wu(2005)在假设噪声交易服从马可夫链随机过程的基础上延伸了Easley等(1996)的研究,发现噪声交易与股票的历史收益成正比,具有惯性投资策略(momentum)的特征,而知情交易则完全基于资产的真实价值且无法被预测,因此噪声交易与知情交易的相关性在成交量较高时会减小,导致交投活跃程度与知情交易成反比,说明噪声交易能提高市场流动性并降低信息不对称。3.市场有效价值量的影响Admati(1985)提出了一个完全竞争状态下的理性预期均衡模型,发现噪声交易的存在使市场必须同时利用价格和私人信息才能完成对交易者后验信念的修正并准确传递交易者的需求函数,换言之,单纯依靠价格无法如实反映所有的私人信息,因此噪声交易降低了市场有效性。Kyle(1989)在假设不完全竞争、知情交易者呈风险厌恶且其私人信息具有一定持久性的前提下推广了Kyle(1985)的模型,发现资产的均衡价格取决于知情交易者的累积历史信息流和当前的信息冲击,因此日内收益具有一定的自相关性,市场的价格发现功能较弱,同时,噪声交易与信息冲击成正比,使价格波动幅度较大。Palomino(1996)提出了一个不完全竞争状态下的纳什均衡模型,发现当知情交易者无法预测噪声交易者的信念或两者的信念相差过大时,知情交易者将不会与噪声交易者进行交易,而且在最严重的情况下,市场上没有任何交易,因此价格无法充分揭示出所有投资者的私人信息。Stoll(1989)指出,做市商必须不断调整报价,才能维持订单平衡,噪声交易会降低做市商的存货水平,迫使做市商提高买卖价差,因此噪声交易降低了市场流动性。Madhavan(1992)认为,噪声交易增加了知情交易者和做市商面临的不确定性,致使交易频率缩小、买卖价差增加以及市场流动性减小。Handa等(2003)认为,指令驱动交易制度下买卖价差是投资者类别和信息不对称的函数,不知情交易者比例上升,买卖价差随之扩大,市场流动性就下降。DeLong等(1991)认为,知情交易者受生命周期、流动性需求和短期评价等客观因素制约只能从事有限的套利活动,从而给噪声交易者提供了较大的生存空间,同时,噪声交易者往往对信息过度反应或反应不足,导致资产价格过度波动。Campbell和Kyle(1993)发现,资产收益的波动程度与噪声交易者的比例呈正相关关系。Vayanos(2001)通过对大额交易者和噪声交易者动态投资策略的研究发现,适度的噪声交易有助于风险共担,促使大额交易者分散订单,以一定的节奏和噪声交易者不断进行交易和信息反馈,促进价格发现,但过度的噪声交易却迫使大额交易者迅速下单,以期领先于市场,致使价格过度波动。Chakraborty和Yilmaz(2004)在假设知情交易者不愿公开私人信息的基础上修订了Glosten和Milgrom(1985)的理论模型,发现噪声交易的存在使知情交易者有动机进行错误投资并承担由此所造成的短期损失,以迷惑和吸引更多的噪声交易并获取长期利润,因此噪声交易、市场操纵及信息不对称均为内生变量,它们之间的相互作用使价格无法及时揭示出私人信息,导致市场有效性减弱。Mendelson和Tunca(2004)假设噪声交易取决于信息和风险结构,因此信息不对称和噪声交易之间的相互影响迫使知情交易者采取缓慢释放私人信息的次优决策,从而延迟了价格发现过程,使市场有效性降低。4.噪声交易与市场质量Lee等(1993)发现,NYSE上市公司在盈利公告后成交量显著上升,同时,做市商提高买卖价差,市场深度大幅减小,表明噪声交易增加了交易成本。Damodaran和Liu(1993)以房地产评估师公布的投资价值报告为事件,发现NYSE的54家房地产投资基金(REIT)在公告后换手率上升、买卖价差扩大且信息不对称增加。Keim和Madhavan(1996)使用1985—1992年间NYSE、AMEX和NASDAQ上发生的5625笔大额交易数据,发现在大额交易发生后,市场上噪声交易显著增加,价格波动幅度从1.45%上升到8%。Gemmill和Thomas(2002)以日本、法国和德国等17个国家在英国和美国上市的24只封闭式基金为研究对象并分别以该17国和英、美两国不重叠的节假日为样本时间,发现24只封闭式基金在英、美股市日内价格的平均波动幅度相当于样本时间外的80%。鉴于外国股市在样本时间内休市,市场上没有关于资产真实价值的信息,英、美股市上针对24只封闭式基金的交易基本上属于噪声交易,所以噪声交易是造成市场波动的主要因素。Brown(1999)使用美国个人投资者协会通过问卷调查得出的投资者情绪指数(投资者对牛市或熊市的总体认定)衡量噪声交易,发现投资者对市场前景过于乐观或悲观,都会导致价格波动幅度上升。Lee等(2002)使用美国投资情报研究所构建的投资者情绪指数度量噪声交易,发现过度自信使噪声交易者对信息的评价出现差异,同时,噪声交易者的情绪变化对市场波动性的影响不对称,当噪声交易者对市场前景持乐观态度,价格波动幅度下降,反之,当噪声交易者对市场前景感到悲观,价格波动幅度则上升。Antweiler和Frank(2004)运用支持向量机算法(supportvectormachinealgorithm),对1998—2000年间Yahoo金融网关于45家NYSE上市公司的评论进行文字解码,估计出噪声交易的日内时间序列,发现噪声交易增加了市场波动幅度。Chordia和Subrahmanyam(2004)利用1993—1998年间NYSE-TAQ数据,发现噪声交易是NYSE委托单失衡的主要原因,即噪声交易使特定时间内的买单(或卖单)数量远远超过卖单(或买单)数量,同时,委托不平衡引起日内收益率呈显著的负自相关性,表明市场的价格发现效率下降。可见,针对噪声交易与市场质量的关系,金融学界已形成两种不同的观点,一种认为噪声交易可以加速私人信息的交叉融合,提高资产流动性和价格发现效率,从而改善市场质量;另一种则认为噪声交易导致投资者对信息反应过度,使价格波动性和信息不对称增大,从而降低了价格发现效率和市场质量。目前,噪声交易与市场质量的理论和经验关系仍然是微观金融研究的一个热点问题。为此,在以下部分中,本文构建噪声交易和市场质量的度量指标,通过运用科学合理的实证方法,分析我国股市噪声交易和市场质量的经验关系。三、噪声交易与市场质量的测量方法1.模型构建及处理工具根据DeLong等(1990)的理论模型,噪声交易者对信息存在过度反应或反应不足,导致资产价格脱离基本面,收益的不确定性增加,而且噪声交易者比例上升,资产预期收益就提高,收益波动幅度也随之扩大,因此本文在DeLong等(1990)的理论指导下,采取以下步骤从单个资产收益率中剔除基本面因素,通过与基本面正交的收益波动衡量噪声交易。首先,本文从深圳国泰安公司的CSMAR数据库中选取2000年底前在上交所上市的562家公司为基本研究对象,在删除所有ST、PT、*ST以及曾被证监会立案调查的75家公司后,根据2004年底上证50指数成份股的名单,确定宝钢股份等32家上市公司为研究样本,然后根据行业、股价、规模、帐面值-市值比和财务杠杆最匹配的原则,通过下述公式计算Yj,l值并选择控制样本:Yj,l=[ΡΟj-ΡCj,l(ΡΟj+ΡCj,l)/2]2+[ΜΟj-ΜCj,l(ΜΟj+ΜCj,l)/2]2+[BΜΟj-BΜCj,l(BΜΟj+BΜCj,l)/2]2+[DAΟj-DACj,l(DAΟj+DACj,l)/2]2(1)其中,PΟj和PCj,l为研究样本股j(j=1,…,32)及其候选配对股l(l=1,…,486)在2001年12月28日的收盘价,MΟj和MCj,l为同日j和l的股东权益总市值,BMΟj和BMCj,l为j和l的帐面值-市值比(总资产帐面值除以负债帐面值与股东权益总市值之和),DAΟj和DACj,l为j和l的资产负债率(长期负债帐面值除以总资产帐面值)。对样本j,尽量选择其同行业或相关行业Yj,l值最低的2—3家非研究样本上市公司作为配对股,使配对股与j具有大致相同的系统性风险,以此建立起控制样本。其次,本文从CSMARTAQ-CS(2003版)高频交易数据库中选取研究样本及其控制样本在2002年7月1日至2003年6月10日间的分笔和分时数据,以此计算各样本股收益率的高频时间序列。鉴于样本之间每笔交易发生的时间并非完全同步,所以本文提取出每15分钟的开盘价(第一笔成交价)和收盘价(最后一笔成交价),然后根据下述公式计算日内分时收益率:rΟj,t=10000×(lnΡΟ,Cj,t-lnΡΟ,Οj,t)(2)rCj,t=10000×[1∑Ll=1ΜCj,lL∑l=1ΜCj,l(lnΡC,Cj,l,t-lnΡC,Οj,l,t)](3)其中,rΟj,t和rCj,t分别代表研究样本j及其配对组合在时间t内(15分钟)的对数收益率,j=1,…32,t=1,…,3616(226个交易日,每日16个分时区间),收益率的度量单位为基本点(basispoint,1个百分点等于100个基本点),PΟ,Cj,t和PΟ,Οj,t分别为j在15分钟期间的收盘价和开盘价,PC,Cj,l,t和PC,Οj,l,t分别为配对股l(l=1,…,L,L≤3)在15分钟期间的收盘价和开盘价。公式(3)表明,配对组合的收益率等于配对股收益率的加权平均,权重为配对股的市值。1最后,在假设噪声交易与基本面因素无关的基础上,本文根据DeLong等(1990)的理论模型及Berkman和Eleswarapu(1998)的思路,通过以下线性回归,估计出噪声交易高频时间序列:rΟj,t=αj+βjrCj,t+γjrCj,t+1+εj,t(4)鉴于研究样本与其配对样本隶属相同或相近行业且具有类似的股价、规模、帐面值—市值比以及财务杠杆,所以两者必然拥有共同的基本面因素。回归(4)将j的收益分解为与基本面相关的收益(ˆαj+ˆβjrCj,t+ˆγjrCj,t+1)及与基本面正交的收益(即残差ˆεj,t),前者体现了研究样本及其配对组合收益所受基本面因素的影响而后者则与基本面无关。在此基础上,本文用残差平方(即与基本面正交的收益波动)衡量噪声交易程度,即ΝΟSj,t=ˆε2j,t100(5)2.市场质量测量方法2.1日内价格弹性分析在Jones等(1994)的基础上,本文用成交价的相对变化衡量日内价格波动性如下:Vj,t=1000×2×|ΡΟ,Ηj,t-ΡΟ,Lj,t|ΡΟ,Ηj,t+ΡΟ,Lj,t(6)其中,PΟ,Ηj,t和PΟ,Lj,t分别为样本j每15分钟的最高和最低成交价。2.2公司内部的交易交易成本包括确定性成本(如委托费、佣金、印花税)和不确定性成本两部分。不确定性成本又称执行成本,是信息不对称和市场供需不均衡时投资者买卖证券的风险补偿,一般由买卖价差衡量,与市场流动性密切相关。由于我国股市没有做市商,实行指令驱动下的连续交易,每笔委托都通过电脑主机撮合处理,而且订单的最小报价单位为0.01元,所以买卖价差不是做市商所提供的双向报价之差,而是市场上未成交的有效订单的加权平均委卖价和加权平均委买价之差(苏冬蔚,2005)。为此,本文使用以下公式计算相对买卖报价半价差(relativequotedhalfspread),作为衡量交易成本和流动性的一个指标:QSj,t=10000×ˉAj,t-ˉBj,t2Ηj,t,Ηj,t=ˉAj,t+ˉBj,t2(7)其中,ˉAj,t和ˉBj,t分别为研究样本j订单簿上每15分钟的平均委卖价和平均委买价,Hj,t为平均委卖价和平均委买价的中间价,代表了j在时间t内的均衡价格。22.3文使用电阻率鉴于交投活跃程度与流动性密切相关(苏冬蔚和麦元勋,2004),本文使用换手率作为度量流动性的另一个指标。换手率的计算方法如下:ΤΟj,t=100×VΟLj,tΤSj,t(8)其中,VOLj,t是研究样本j每15分钟的成交量,TSj,t是其流通股(A股)股数。2.4信息不对称程度鉴于知情交易者在获得私人信息后,可能会大量使用限价指令,甚至秘密通过多个帐户,力图在一定时间内尽快完成交易,所以信息不对称程度与报价的变化密切相关。Stoll(2000)认为,信息不对称可以通过资产均衡价格的变化来度量。因此,本文用买卖报价中间价的变化衡量信息不对称程度。ΙAj,t=10000×|Ηj,t-Ηj,t-1|Ηj,t(9)2.5实际溢价差的定义如果市场有效,那么价格必须充分及时地反映一切公开信息和私人信息,知情交易者无法利用内幕消息获取超额收益,成交价也就必然服从一个随机游走过程,因此,本文根据Stoll(2000)的思路,定义实际半价差(realizedhalfspread)为:RSj,t=10000×ΡΟ,Cj,t-ΡΟ,Cj,t-1Ηj,t(10)换言之,实际半价差等于每15分钟的收盘价(最后一笔交易的实际成交价)之差除以买卖报价的中间价。3市场有效性要求实际半价差与噪声交易等因素无关。四、噪声交易与市场质量的确认1.噪声交易的标准差与市场质量指标的关系表1提供了噪声交易和各类市场质量指标的均值、标准差和相关系数。从表中可见,买卖报价半价差的平均值为36.27个基本点,表明投资者的单向执行成本约为0.36%,相当于同期上证的确定性交易成本(印花税为0.2%,券商佣金为0.175%,两者合计为0.375%);信息不对称指标的平均值为24.14个基本点,低于报价半价差,表明报价价差含有指令处理和信息不对称等多项成本;日内每15分钟的平均换手率为11.29%,在全球市场中名列前茅;噪声交易的标准差远远大于各市场质量指标;噪声交易与波动性、交投活跃程度、报价半价差和信息不对称呈统计显著的正相关关系,而与实际半价差则呈负相关关系(仅在10%水平上统计显著),表明噪声交易与市场质量密切相关;此外,各类市场质量指标之间也具有一定的相关性,如波动性与换手率成正比(在1%水平上统计显著)且与实际半价差成反比(在5%水平上统计显著),报价半价差与换手率和信息不对称程度均呈显著的正相关关系而与实际半价差呈显著的负相关关系。2.盘前和盘后时间序列v型本文以开盘后15分钟为基期,对噪声交易和市场质量指标进行分时比较。图1描绘了噪声交易和市场质量指标日内各时段均值的时间序列。从图中可见,噪声交易在开盘后半小时内较大,然后从早盘10:15至午盘1:45逐渐下降,2:00后急剧上升,在收盘前达到日内最高点,日内时间序列呈“V型”;价格波动幅度在收盘前半小时呈迅速放大的趋势;报价半价差在开盘后半小时最大,早盘期间逐渐下降,午盘后又有所上升,日内总体上呈“弱U型”,表明开盘后1小时的执行成本较大;4基期和收盘前15分钟的换手率显著高于其它日内时段,表明市场交投活跃程度在开盘后和收盘前较高;5午盘的信息不对称程度平均低于早盘;此外,实际半价差在日内呈上升趋势,且围绕该趋势上下波动。3.granger因果检验由上述结果可见,噪声交易、波动性、流动性和信息不对称之间具有错综复杂的经验关系。为此,本文建立起一个动态的向量自回归(VAR)模型,使噪声交易与市场质量均为内生变量且取决于相互之间的滞后项,从而科学准确地反映噪声交易与市场质量之间相互作用和相互影响的内在关系。VAR模型可以表述如下:ΝSt=α0+Κ∑k=1α1kΝSt-k+Κ∑k=1α2kLt-k+Κ∑k=1α3kΙAt-k+Κ∑k=1α4kVt-k+Κ∑k=1α5kRSt-k+ξ1tLt=β0+Κ∑k=1β1kΝSt-k+Κ∑k=1β2kLt-k+Κ∑k=1β3kΙAt-k+Κ∑k=1β4kVt-k+Κ∑k=1β5kRSt-k+ξ2tΙAt=ϕ0+Κ∑k=1ϕ1kΝSt-k+Κ∑k=1ϕ2kLt-k+Κ∑k=1ϕ3kΙAt-k+Κ∑k=1ϕ4kVt-k+Κ∑k=1ϕ5kRSt-k+ξ3tVt=λ0+Κ∑k=1λ1kΝSt-k+Κ∑k=1λ2kLt-k+Κ∑k=1λ3kΙAt-k+Κ∑k=1λ4kVt-k+Κ∑k=1λ5kRSt-k+ξ4tRSt=θ0+Κ∑k=1θ1kΝSt-k+Κ∑k=1θ2kLt-k+Κ∑k=1θ3kΙAt-k+Κ∑k=1θ4kVt-k+Κ∑k=1θ5kRSt-k+ξ5t(11)其中,Lt分别取执行成本QSt和换手率TOt;K为变量的滞后项次数,可由Akaike信息法则(AIC)或Schwartz信息法则(BSIC)确定。本文使用最大似然法,通过GAUSS计量软件的BHHH运算程序分别估计出32家样本股的VAR模型参数,发现在大多数情况下,当滞后项次数K=2时,AIC值最小且残差没有自相关。表2和3提供了VAR模型各回归方程解释变量32组系数估计值的平均数及其正值和负值的个数,小括号内的数字为系数估计值的渐进性t-统计量在1%、5%和10%水平上显著的个数,中括号内的数字为Granger因果关系检验量在1%、5%和10%水平上显著的个数。图2绘制了噪声交易和市场质量之间的经验关系,箭头方向代表了变量间的Granger因果关系。表2和表3的结果可归纳如下:首先,噪声交易、报价半价差、换手率、信息不对称和波动性都具有明显的一阶正自相关性,表现为其一次滞后项系数均在5%水平上统计显著为正(且多数在1%水平上统计显著),而其二次滞后项系数则大多不显著。另外,实际半价差呈现出一定的一阶负自相关,表现在ˆθ51有27和25组为负,其中又有12和8组在10%水平以上统计显著,而ˆθ52则大多不显著(见表2、表3的RS行和RS列)。其次,ˆβ11有27和24组为正,其中又有18和17组在10%水平以上统计显著,同时,Granger因果关系检验量各有18次在5%水平上拒绝β11=β12=0的零假设(见表2的NS行和QS列及表3的NS行和TO列),表明噪声交易越大,报价半价差和换手率就越高,换言之,噪声交易对我国股市流动性的影响比较复杂——噪声交易提高了交投活跃程度,同时却增加了执行成本,扩大了限价委托簿上平均委卖价和平均委买价之差。根据Admati和Pfleiderer(1988)的理论,本文认为,我国股市上私人信息可能具有较高的相关性,即知情交易者拥有类似的私人信息,因此知情交易者之间的竞争使噪声交易和知情交易同时增加,如果知情交易的增加速度大于噪声交易,那么市场上的信息不对称就可能加大,执行成本也就会上升。第三,ˆλ11有29和27组为正,其中又有20和19组在10%水平以上统计显著,同时,Granger因果关系检验量有21和17次在5%水平上拒绝λ11=λ12=0的零假设(见表2、表3的NS行和V列),表明噪声交易越多,价格波动幅度就越大。根据DeLong等(1991)以及Campbell和Kyle(1993)的理论,本文认为,噪声交易者的情绪及其对信息的过度反应可能是资产价格波动的主要原因。第四,ˆθ11有21和18组为负,其中又有10和9组在10%水平以上统计显著,同时,Granger因果关系检验量有13和11次在5%水平上拒绝θ11=θ12=0的零假设(见表2、表3的NS行和RS列),表明噪声交易越多,实际半价差就越小。鉴于市场有效性要求实际半价差服从不可预测的随机过程,所以噪声交易削弱了市场有效性。第五,ˆϕ11只有6和4组在10%水平以上统计显著,Granger因果关系检验量也只有4和3次在10%水平上拒绝ϕ11=ϕ12=0的零假设(见表2、表3的NS行和IA列),表明噪声交易与信息不对称的关系不大。鉴于Chakraborty和Yilmaz(2004)及Mendelson和Tunca(2004)的理论要求噪声交易与信息不对称必须相互影响,我认为,我国股市有效性弱的原因不在于知情交易者的市场操纵,而在于市场需求无法及时汇总私人信息(Admati,1985)或私人信息具有一定的持久性(Kyle,1989)。第六,信息不对称和报价半价差之间存在双向因果的反馈关系,表现在ˆβ31和ˆϕ21分别有27和24组为正,其中又分别有17和14组在10%水平以上统计显著,同时,Granger因果关系检验量分别有17和16次在10%水平上拒绝β31=β32=0和ϕ21=ϕ22=0的零假设(见表2的IA行和TS列及TS行和IA列)。因此,执行成本是噪声交易和信息不对称的函数,而信息不对称又是执行成本的函数,即t-1期的噪声交易增加,t期的买卖价差扩大,t+1期的信息不对称增加,t+2期的买卖价差又扩大,依次类推。本文认为,上述结果符合Back等(2000)和Handa等(2003)的理论,即买卖价差是投资者类别和信息不对称的函数,噪声交易增加,买卖价差扩大,同时,信息不对称是股价发生改变的重要原因。第七,市场质量对噪声交易的影响不大,表现在QS、TO、IA、V和RS对NS的Granger因果关系检验分别只有4至6次拒绝无因果关系的零假设,在大多数情况下,Granger因果检验都无法拒绝零假设(见表2、表3的NS列)。由此可见,我国股市的噪声交易具有较强的外生性,受交易成本、信息不对称和波动性的影响较小。综上所述,噪声交易是一把“双刃剑”,它提高了交投活跃程度,同时却扩大了执行成本和价格波动幅度;噪声交易与信息不对称的关系不大;噪声交易使实际价差缩小,进而削弱了市场有效