基于股价异常波动的中国股市监管效率实证分析

邹辉文,黄明星

(福州大学 管理学院,福建 福州350108)

一、引 言

如何完善证券市场监管是促进证券市场健康发展的重要问题,也是关乎国家金融稳定的重要一环。证券市场监管究竟是有效的还是无效的,监管行为究竟是出于“公共利益”的考虑,还是出于某些“部门利益”的考虑,在理论上存在着长期的争论,两种假设在现实中都能找到各自的依据。理论上的争论固然会随着理论的发展而得以解决,但在目前的状况下,证券市场监管的有效性却只能通过实证的方法加以甄别。目前,相关的学术研究主要集中在以下几个方面：(1)通过检验证券市场的信息效率说明证券市场监管的有效性。国外学者从监管制度、限价制度等角度探讨了监管对证券市场的信息效率的影响。Campbell等(1997)认为证券市场信息有效是一种理想状态,虽然在经济上并不现实,但其可以作为一把度量相对效率的标尺。Huber(1997)探讨了监管制度的变化对股价行为与信息效率的影响。Ryoo,Smith(2002)讨论了以涨跌停为代表的限价制度对证券市场信息效率产生的影响。国内学者傅德伟(2005)探讨证券市场监管制度对深圳股票市场效率的影响,认为大量监管政策的出台促使深圳股票市场效率在宏观上有所提高,在微观层面也有一定的改进。何浩(2005)通过检验证券市场的信息效率对我国证券市场不同阶段监管的有效性进行了实证研究,结论是监管对促进我国证券市场效率的渐近增强发挥了积极作用。(2)通过对上市公司理财、违规处理事件的实证研究说明证券市场监管的有效性。国内学者陶虎(2003)对上市公司筹资运作与股利分配监管制度的效率和证券市场监管者的成本效益进行了实证分析,结论是我国股票市场较好地发挥了其筹资功能,但其他监管制度的效率都较低。陈工孟、高宁(2005)分析1999-2001年中国证券市场违规处理事件的特征和市场反应,结果表明中国证券市场对违规处理公告表现出负面反应。张宗新、朱伟骅(2007)以中国违法违规上市公司为样本进行研究,结果表明监管部门对证券违法违规行为仍缺乏必要的监督和约束,惩戒时效性差,威慑效应不足。

由此可见,国内外相应的研究主要通过检验证券市场的信息效率和对上市公司理财、违规处理事件的实证分析来说明证券市场监管的有效性,为证券市场监管的有效性的实证研究提供了一些思路和借鉴。众所周知,中国证券市场是一个新兴市场,由于供需矛盾、结构矛盾以及市场参与者不成熟等诸多原因,管理层对证券市场给予了较强的监管和调控,致使政府的干预调控成为市场异常波动的一个主要影响因素,而上述研究则很少考虑股票价格的异常波动与监管政策的效率之间的联系。本文认为要考察我国股票市场的监管效率,应当结合股价异常波动点对应的政策信息来进行。为此,我们首先使用EGARCH-M模型检验出上证综合指数和深圳成分指数的异常波动点,并找出异常波动点所对应的影响事件;然后把监管股市的政策手段分为经济手段、行政手段、法律手段和舆论手段,采用事件研究法对异常波动点对应的四种监管股市的政策事件发布产生的市场反应进行研究,以期反映我国股票市场的监管效率。

二、中国股票市场异常波动的实证分析

1.股价异常波动的界定。由于各国股市成立的时间和发展成熟程度不同,各国对股价异常波动的定义也有所不同。我国股市是经济转型时期建立起来的新兴市场,市场波动较为频繁和剧烈。如果按欧美等国家的成熟股市标准,采用1%作为目标收益率,则异常波动所占比重会过大,不论是直接去掉异常点还是对其进行修正,所得的分析结果都不具有代表性。根据残差描述图,如果选用3.5%作为目标收益率,基本上能够过滤各种因素引起股市大幅度波动的点,而且对过滤后的上证综合对数收益率使用Jarque-Bera(JB)检验法进行正态性检验,检验结果接受了收益率的条件正态分布假设依据(黄明星,2009)。因此,我们将3.5%作为界定异常波动的标准。

2.模型选择。大量的研究发现沪市股指日收益率的分布具有左偏性和尖峰厚尾性两大特征,而GARCH类模型能够很好地解决收益率分布的两大特征及异方差问题。考虑到金融时间序列存在着非对称效应,如Engle,Ng(1993)认为资本市场中的冲击表现出一种非对称效应,允许波动率对市场下跌的反应比对市场上升的反应更加迅速,故本文选用非对称的ARCH模型进行分析。考虑到风险对收益率的影响,即高的条件方差应该使条件均值也相应增加,因此有必要把条件方差作为变量引入条件均值方程中。陈芳平、岳宏远(2008)在沪深股市两轮牛市的比较中发现EGARCH模型比TARCH模型拟合效果要好,故本文选用EGARCH(1,1)-M 模型来识别异常波动点,表达式为：

3.数据选取。考虑到大量的实证结论表明我国在1996年推行新交易制度和涨跌停板制度后,股市波动更趋于合理,故选取样本区间为1996年12月16日至2007年12月28日,共2 665个交易日收盘数据,对其进行对数收益率处理。

4.基于EGARCH-M模型的实证结果。先对收益率进行OLS估计,根据残差序列的特征,进行异方差检验。检验结果拒绝残差序列不存在ARCH效应的原假设,即上证综合指数和深圳成分指数均存在ARCH效应(黄明星,2009)。因此可运用EGARCH模型对样本进行估计,从而得到上海、深圳股票市场的EGARCH-M波动方程,并识别出上证综合指数和深圳成分指数的异常波动点(黄明星,2009)。本文依据以下标准对这两个点进行筛选和整合：(1)对绝对值大于3.5%的上海和深圳指数对数收益率同异常点均有重合的,确定为上海和深圳市场的异常收益点;(2)由于时间序列存在波动聚集性,所以对连续多个交易日都被认定为异常波动点且影响因素为一样的情况,则进行合并为一个异常波动点。

经过上述筛选与整合,最终得到56个异常波动点(见表1)。将表1得到的异常波动点与wind数据库中的证券市场大事记中的事件信息进行对应比较,结果表明,异常波动点的分布与政策信息确实存在着明显的对应关系,其中政策面信息产生的波动点有33个,几乎占到异常波动点总数的2/3;而其他信息产生的波动点只有23个,且这些信息分别散见于新闻消息、市场扩容、自然灾害(如特大洪水)、国际环境(如东南亚金融危机)等。可见政策面信息对我国股市的整体影响较其他因素更显著,所以本文针对引起股价异常波动的政策事件探讨我国股市的监管效率的合理性。

表1 股价异常波动点表

三、基于股价异常波动点的股市监管效率实证分析

1.股市监管效率实证分析的方法描述

本文尝试用事件研究法验证政策效应的存在,以此说明股市监管效率的高低。

(1)事件研究法与累积异常收益率的计算。设PIt表示股价指数I在t日的收盘股价指数,用RIt=lnPIt-lnPIt-1表示事件发生后的事后收益或实际收益;用事件没有发生时的条件信息Xt下的预期收益E[RIt|Xt]表示正常收益;异常收益是ARIt=RIt-E[RIt|Xt],t∈[T1,T2];事件窗口内第t日的累计异常收益率为鉴于模型选择的不敏感性(Campbell等,1997),本文尝试运用EGARCH(1,1)-M 模型计算预期收益。

(2)CAR的显著性统计检验。检验CAR的显著性是判断政府监管政策对股票市场是否存在影响的重要手段,也就是检验CAR是否显著地异于0。检验的原假设为H0：已知事件对股价指数收益无显著影响;备择假设为H1：已知事件对股价指数收益有显著影响。J统计量为(Campbell等,1997)：

其中 ：σ2It=γ′V I(T2-T1)γ,γ是 T2-T1维向量,从 1至 t-T1为 1,其余为 0。

(3)政策事件的分类。为了研究不同政策类型的政策对中国股票市场的影响,把监管股市的政策手段分为经济手段、行政手段、法律手段和舆论手段。其中,经济手段是指在运用价值规律的基础上借助于经济杠杆的调节作用对市场进行调控,主要包括股票交易印花税,下调存贷款利率,组建投资基金等等;行政手段是指用行政命令的方式来约束市场,主要包括严禁国有企业和银行资金流入股市,处罚违规券商和其他有关银行负责人,等等;法律手段是指国家以颁布法律的形式来规范和发展股市;舆论手段是指通过大众传媒直接把管理层的意思表达出来,以引导股市发展。

将由前文得到的33个股价异动点对应的股市监管政策事件,依据经济、法律、舆论和行政四种类型,划分政策手段并进行分类统计,并对事件估计窗口之间有重合的事件选择相对比较重要的事件,重新得到15个股价异动点对应的股市监管政策事件(见表2)。

选取表2中每个干预事件的当日(如遇休市则顺延)为事件发生日,事件窗口选取发生日前20日至事件发生日后20日,即(-21,20]。估计窗口从1996年1月2日起至事件窗口前1日,利用估计窗口拟合EGARCH(1,1)-M模型并进行预测,对该事件发生之前的其他有重合的事件所对应的时间予以剔除。

表2 股价异动点对应的股市监管政策分类统计表

由于很多的实证分析都表明,证券交易所在证券市场价格波动方面具有长期均衡的协整关系,故本文只选用上证综合指数的对数收益率进行实证分析。

2.经济手段对股市波动影响的实证分析

(1)累积异常收益率显著性检验。根据经济干预事件沪市累积异常收益率CAR及检验表(黄明星,2009),可知沪市对政府经济手段的干预都做出了反应,并得到各个事件的J统计量。事件1的J1=0.32,在5%的显著水平下不显著,剔除该事件。而对于事件2和事件3,J2=-13.72,J3=4.19,绝对值均大于1.96,说明经济干预事件前后沪市的CAR显著地不等于0。

(2)研究对象描述。对应的事件2是,2005年6月7日首家由工商银行发起的瑞信基金管理公司正式获准设立。9日中国证监会发布《关于基金管理公司运用固有资金进行基金投资有关事项的通知》。对应的事件3是,2007年5月30日,财政部发布公告,将证券交易印花税从1‰提高至3‰。

(3)累积异常收益率曲线分析。下面分别绘出沪市经济干预事件2和事件3对应的窗口内的累积异常收益率曲线图(见图1和图2)。

图1 经济干预事件2的沪市CAR曲线图

图2 经济干预事件3的沪市CAR曲线图

从图1及图2中可以得出以下结论：首先,事件2是允许基金管理公司投资于证券投资基金,资金入场,于是累积异常收益率曲线一改一直下行的趋势,在事件发生日前3日开始上涨,至事件日后1天达到最高点,但此后股指继续下行趋势,并且突破了事件日之前的最低点,这说明市场对事件反应过度。其次,事件3是调高印花税,股市下跌,累积异常收益率逐步走低。从事件发生日之前第4个交易日开始,沪市累积异常收益率基本上是一路下行,事件发生日之后在0值附近随机上下波动,说明市场信息反应充分,达到了政策干预的效果。

总之,经济手段的使用对股市产生了积极的影响,尽管也有市场对事件反应过度的发生,但总体上在市场低迷时刺激股价上扬,在市场高涨时抑制股价使其下跌,并使股市价格波动趋于平稳。这符合监管者干预市场的意图,达到了使市场平稳的监管效果。

3.法律手段对股市波动影响的实证分析

类似于上述讨论,得到法律干预事件前后沪市的CAR显著地不等于0。

对应的事件1是,1998年12月29日政府宣布《证券法》将于1999年7月1日正式施行。它标志着集中统一的监管体制建立。对应的事件2是,2002年1月15日最高人民法院发布了《关于受理证券市场因虚假陈述引发的民事侵权纠纷案件有关问题的通知》,逐步建立和完善证券市场上侵权民事责任制度。对应的事件3是,2007年8月20日上海证券交易所发布《关于进一步加强股票交易异常波动及信息披露监管的通知》,对市场参与者加强监管。

沪市法律干预事件1、事件2和事件3对应的累积异常收益率曲线如图3至图5所示。

图3 法律干预事件1的沪市CAR曲线图

图4 法律干预事件2的沪市CAR曲线图

从图3至图5中可以得出以下结论：首先,事件1的CAR曲线经历一段时间的上涨后,在事件发生日后就一直下行;这可能是因为该法令提前很长一段时间宣布要实施,市场信息反应过度。但后期趋于平稳。其次,事件2则违背了利好政策对股市收益率影响的一般规律,在事件发生日后累积异常收益率没有上升,一直维持下行趋势,说明该法律的实施对股市的影响不大。但后期趋于上升和平稳。最后,事件3的事件日前后累积异常收益率一直都是上升的趋势,说明市场对事件反应不足。

图5 法律干预事件3的沪市CAR曲线图

总之,由于法律的实施对股市的影响是长期的,在短期内很难奏效,所以法律的实施对股市的短期影响不积极,要么几乎没有影响,要么是反应不足或反应过度。但在后期能使市场趋于平稳。当然,由于受窗口长度的限制,这种后期趋势不太明显。

4.舆论手段对股市波动影响的实证分析

类似于上述讨论,得到舆论干预事件1不显著,而舆论干预事件2和事件3前后沪市的累积异常收益率CAR显著地不等于0。

对应的事件2是,2002年6月6日证监会主席周小川指出大力发展机构投资者,开展外资并购业务。对应的事件3是,2004年9月13日温家宝总理主持召开国务院常务会议要求抓紧落实国九条的各项措施。

沪市舆论干预事件2和事件3对应的累积异常收益率曲线图如图6至图7所示。

图6 舆论干预事件2的沪市CAR曲线图

图7 舆论干预事件3的沪市CAR曲线图

从图6及图7中可以得出以下结论：首先,事件2受以前基金黑幕的影响,是一个大利空。故在事件发生日前后累积异常收益率一直向下运行,说明市场对事件反应不足。在事件发生日后12个交易日突然拉起,是因为国家出台了停止国有股减持的通知的原因。其次,事件3是国家领导人发表讲话,稳定资本市场,落实国九条,是特大利好消息,股市上涨,累积异常收益率曲线在事件发生日前后有6个交易日的上升期,但是累积异常收益率在事件后就开始下行,这说明市场对事件反应过度。

总之,我们这里的舆论手段样本点对股市价格波动的影响不太理想,往往对属于利好消息的舆论手段反应过度,而对属于利空消息的舆论手段反应不足。这一方面是由于投资者的心理偏差,对收益和损失赋予不同的主观概率造成的;另一方面是因为舆论手段往往不连贯,具有突然性,难以使投资者形成合理的预期,从而无法对其作出理性的反应。

5.行政手段对股市波动影响的实证分析

类似上述讨论,得到行政干预事件1、事件2和事件5不显著,而行政干预事件3、事件4和事件6前后沪市的累积异常收益率CAR显著地不等于0。

对应的事件3是,2000年2月14日中国证监会决定自22日起将试行向二级市场投资者配售新股。对应的事件4是,2001年10月23日证监会宣布,在具体操作办法出台前,停止执行国有股减持暂行办法。对应的事件6是,2004年11月10日劳动和社会保障部与中国证监会联合发布《关于企业年金基金证券投资有关问题的通知》。此举意味着企业年金入市即将启动。

沪市行政干预事件3、事件4和事件6对应的累积异常收益率曲线图如图8至图10所示。

从图8至图10中可以得出以下结论：其一,在事件3中,沪市累积异常收益率从事件发生日前10个交易日就开始向上运行,并于事件发生日后第2个交易日达到最高点;虽然后来有所下降,但仍维持在高位。其二,在事件4中,事件发生日之前,沪市累积异常收益率一直下行,直到事件发生日前第2个交易日才向上攀升,在事件发生日后又继续下行。其三,在事件6中,事件发生日之前,沪市累积异常收益率一直下行,直到事件发生日前第2个交易日才向上攀升,但仍然处于低位,在事件发生日后第8个交易日又开始逐步下行。这都说明市场对事件反应不足。

图8 行政干预事件3的沪市CAR曲线图

图9 行政干预事件4的沪市CAR曲线图

总之,行政手段对股市的影响最不理想。一般是对属于利好(利空)消息的行政手段在事前检验期CAR增加(减少),而事后检验期CAR继续增加(减少),总体上反应不足。因此没有达到监管者在股市低迷时刺激股市、高涨时平抑股市的目标。更令人惊奇的是,事件4和事件6属于利好消息,但累积异常收益率不升反降,市场完全背离利好政策事件的影响,而且不显著的事件达到一半,说明投资者根本不理会监管政策的意图。

图10 行政干预事件6的沪市CAR曲线图

四、结 论

通过以上的实证分析,我们可以得到以下结论：(1)我国监管政策事件对中国股票市场波动的影响一直存在,当股市走强或转向牛市时,则利空政策事件增加,抑制股市上涨;反之,当股市趋弱或转向熊市时,则利好政策事件增加,抑制股市下跌。具体表现在15次重大政策事件中,有10次是显著的;股市下跌时进行托市的重大政策事件有6次,股市上涨时抑市的重大政策事件有4次,托市的政策事件多于抑市的事件。从时间分布上看,12年期间前6年重大政策事件有3次,后6年重大政策事件有7次,说明近年来证券市场监管的力度在加强。(2)2003年以来,重大政策事件对股票市场波动的影响趋弱。具体表现为2003年以后的累积异常收益率的波动幅度明显小于2003年之前。这说明证券市场监管的效率逐渐提高。(3)重大政策事件对股票市场波动影响的持续性有变长的趋势,即市场对政策手段的影响需要更长的时间进行消化。具体表现为事件发生日后累积异常收益率曲线对政策事件影响的反向反应的日期有变大的趋势。因此,监管部门在出台相关的监管政策时,应该考虑一下当前市场对出台政策的消化能力,防止多个政策事件同时出台对市场造成过大的影响。(4)不同类型的政策手段对证券市场波动产生的影响有所不同。经济、法律、舆论和行政四种手段都表现出一定程度的反应不足或反应过度现象;经济手段的政策调整表现出较强的效果,在政策事件发生后使股市平稳运行;舆论手段在事件前后几个交易日会加大市场波动幅度,在事件日后又会回到原有的市场轨迹,效果不佳;法律则是侧重长远的效果,由于事件的时间窗太短,得到的结果有一定的局限性;行政手段现在还是我国进行政策调整的主要手段,市场对行政手段普遍表现出反应不足及背离利好利空政策的情形,可见行政手段对我国股票市场的调控效果基本无法取得预期效果,今后必须尽量减少行政干预。

[1]陈芳平,岳宏远.沪深股市的非对称性分析——基于对1996-1997年和2005-2007年两轮牛市的比较[J].河北学刊,2008,(5)：142-145.

[2]陈工孟,高宁.我国证券监管有效性的实证研究[J].管理世界,2005,(7)：40-47.

[3]傅德伟.监管制度变迁对深圳证券市场效率的影响[J].证券市场导报,2005,(8)：18-21.

[4]何浩.我国证券市场监管的有效性研究[D].硕士学位论文,武汉大学,2005.

[5]黄明星.股价异常波动视角下我国股票市场监管效率研究[D].硕士学位论文,福州大学,2009.

[6]陶虎.中国证券监管制度效率分析[D].博士学位论文,江西财经大学,2003.

[7]张宗新,朱伟骅.证券监管、执法效率与投资者保护——基于国际经验的一种实证分析[J].财贸经济,2007,(11)：3-8.

[8]Campbell J Y,A W Lo,A C Mackinlay.The econometrics of financial markets[M].Princeton University Press,New Jersey,1997.

[9]Engle R F,V K Ng.Measuring and testing theimpact of news on volatility[J].Journal of Finance,1993,48(5)：1749-1778.

[10]Huber P.Stock market returns in thin markets：Evidence f rom the Vienna Stock Exchange[J].Applied Financial Economics,1997,7(5)：493-498.

[11]Ryoo H,G Smith.Korean stock price limits：Variance ratio tests of random walks[J].Applied Financial Economics,2002,12：545-553.