流动性风险资产定价模型

赵园

【摘要】本文对相关文献进行回顾和总结，推导出基于流动性风险的资本资产定价模型，并选取上证综合指数为代表，利用ARCH类模型对上海股市流动性风险溢价做了实证分析。

【关键词】流动性风险；流动性水平；资产定价

一、引言

资本资产定价理论是在投资组合理论基础上发展起来的，至今在金融理论中占有核心地位，但近几十年的研究表明现实中很多现象无法用传统的理论所解释，因此流动性资产定价理论开始成为研究的热点。传统的理论忽略了流动性对资产定价的影响，以往的研究多集中于流动性水平下的资产定价问题，事实上流动性与资产定价关系的研究划分为流动性水平和流动性风险两个方面。因而有必要对这些有关流动性风险资产定价的研究进行梳理，以期对而后的相关研究发展有所借鉴。

二、文献综述

早期对流动性与资产定价关系的研究均注重于流动性与股票回报之间的关系。最早以Amihud和Mendelson（1986）的研究为代表，引入买卖价差作为衡量流动性的指标。对流动性和资产收益率之间的关系进行实证研究的也是Amihud和Mendelson（1986），从微观角度出发，创造性地提出流动性溢价理论。

Haugen和Baker（1996）用Russell3000股指成分股的数据，发现换手率与股票收益率之间存在显著负相关关系。以Acharyan和Pedersen（2003）为代表的学者开始关注流动性风险与资产定价的关系，在传统的CAPM的基础上进行了流动性调整，将流动性风险分解成三个部分，构造了四模型，并用非流动性比率进行分析，发现流动性风险存在风险溢价。

中国的证券市场对流动性风险的研究尚处于不成熟的阶段，主要是借鉴国外的研究模型和方法。国内学者，如王春峰、韩冬和蒋祥林（2002），苏冬蔚、麦元勋（2004）、罗登跃（2007）等的研究，并未区分流动性水平和流动性风险的不同之处。韩冬认为流动性风险指投资者由于市场流动性缺乏产生的交易成本上升和交易困难。罗登跃等（2007）则对流动性风险的数理本质做出概括，指出流动性风险的度量依赖于流动性水平变量。苏冬蔚，麦元勋（2004）直接将换手率作为流动性的度量指标，却忽略了国内股票市场高投机性，炒作盛行的特征。

目前较完整解释流动性风险溢价的理论模型是Acharya和Pedersen的流动性调整的资产定价模型（LCAPM），條件期望总收益为：

其中：。此式表明资产i的预期超额收益是其预期非流动性成本加上四个值乘以风险溢价，这四个值和资产收益及流动性风险有关。与传统的CAPM相比，LCAPM除了考虑资产i的系统风险外还考虑了其他三种流动性风险。

三、模型的建立

我国股市波动剧烈，上证综指在2008年到2012年短短5年内就经历了一轮强周期（从2008年的1665点到2009年的3478点，再到2012年的1995点）。许多股价序列都具有时变方差（Time-varying Variance）的特征，为了刻画这一特征，2003年诺贝尔经济学家获得者Engle于1982年提出了自回归条件异方差模型，即ARCH模型。Boleslaw（1986）进一步提出了广义自回归条件方差，即GARCH模型。此后，模型不断地得到改进，形成了ARCH族模型。

本文利用ARCH检验、GARCH模型研究了股指之间的长期均衡关系及短期波动差异。

四、实证分析

1.数据说明

本文使用沪市2008/01/02～2012/12/05共5年的数据，总计1200个收盘价，原始数据来自分析家股票分析系统。对上证指数流动性溢价现象进行实证研究。收益率使用对数收益率为日收盘价；用Amicus（2002）的非流动性指标ILLIQ来度量流动性状况：为第t日的成交金额。本文实证结果是用EVIEWS7.2完成。

2.结果及结论

对上证收益率（对数收益率）数据进行平稳性分析，由结果可知P值很小，且ADF统计值在1%，5%及10%的显著水平下，单位根检验的临界值分别为-3.435595，-2.863744及-2.567994，检验统计量值为-34.84275，远小于相应的DW临界值，从而拒绝H0，表明2008年1月2日到2012年12月05日的对数收益率为平衡时间序列，不存在单位根。

用EVIEWS中的VIEW-CORRELOGRAM生成自相关图，滞后阶数为25，通过自相关图可以看出，上证收益率具有自相关性。

进而我们对上证综指日收益的条件异方差性进行统计检验，得表1。

从表2可以看出，LM检验中pro=0对数收益率序列存在明显的ARCH效应，可以建立ARCH类模型。由模型定阶，可以在ARMA（p，q）中，分别选取（p，q）为（1，1），（2，2），（3，3），（3，4）几个数据进行模型估计，观察各模型的P值和T统计量。

MA Backcast：1

Variable Coefficient Std.Error t-Statistic Prob.

AR（1） -0.726302 0.236526 -3.036881 0.0024

MA（1） 0.751734 0.224061 3.355494 0.0008

MA Backcast：1 2

Variable Coefficient Std.Error t-Statistic Prob.

AR（2） -0.671700 0.487731 -1.377193 0.1687

MA（2） 0.658066 0.495379 1.328410 0.1843

MA Backcast：1 3

Variable Coefficient Std.Error t-Statistic Prob.

AR（3） -0.777338 0.182647 -4.255969 0.0000

MA（3） 0.784241 0.180648 4.341275 0.0000

MA Backcast：0 3

Variable Coefficient Std.Error t-Statistic Prob.

AR（3） 0.037955 0.026467 1.434032 0.1518

MA（4） 0.015213 0.026500 0.574080 0.5660

由模型可知：尽管收益率与4种风险变量的相关系数的绝对值均比较小，但显著不为0；重要的是，收益率与系统风险、流动性风险共性呈正相关关系、而与收益率对市场非流动性的敏感性、非流动性对市场收益的敏感性呈负相关关系，这与前面的理论分析是一致的；4种风险变量之间的相关系数绝对值较大，说明变量间存在共线性，这与Acharya和Pedersen（2003）的理论分析及实证研究结果是一致的。

五、结束语

本文提出了一个四元均值GARCH（1，1）模型，对上海股票市场收益率与四种风险变量以及Achary和Pedersen（2003）提出的三种流动性风险的溢价状况进行了实证研究，结果表明存在系统风险溢价和流动性风险溢价，验证了理论分析。

参考文献

[1]Amihud，Y.and H.Mendelson.Asset pricing and the Bid-Ask Spread.Journal of Financial Economics，1986，17，223-249.

[2]王春峰，韩冬，蒋祥林.流动性与股票回报：基于上海股市的实证研究[J].经济管理，2002，24.

[3]吴文锋，芮萌，陈工孟.中国股票收益的非流动性补偿[J].世界经济，2003，7.

[4]黄峰，邹小芃.我国股票市场的流动性风险溢价研究[J].浙江大学学报（人文社会科学版），2007（4）：192-200.

[5]梁丽珍.孔东民.中国股市的流动性指标定价研究[J].管理科学，2008（6）：85-93.