旅游业价值链风险溢出与投资转移

尹美群 王伟强

【摘 要】 文章以37家旅游业上市公司2008—2012年A股股票交易市场作为研究样本，从股票市场和公司两个层面研究了旅游业价值风险、旅游业资产流动性、交易量等对投资转移行为的影响。结果表明，无论是在市场层面还是在公司层面上，旅游业价值链风险均会对投资转移产生双向且显著的影响，而交易量对投资转移行为影响均不显著。此外就旅游业本身而言，股票市场中该产业价值链上资产的流动性对投资转移行为影响显著，而从公司财务季报数据的检验中却未得出同样结论。这些结论有助于更深层次了解旅游业价值链风险与投资行为活动间的关系。

【关键词】 旅游业价值链; 风险溢出; 投资转移

中图分类号：F275  文献标识码：A  文章编号：1004-5937（2014）34-0108-06

一、引言

随着整个社会经济的快速发展，旅游业已成为全球经济中发展势头强劲和规模巨大的行业，且涉及吃、住、行、游、乐等方面。尤其是2013年下半年我国《旅游法》的出台，标志着我国旅游业走上了良性发展的道路。这些都使我国旅游业在城市经济发展中的作用逐步增强，成为我国经济发展的支柱产业之一。

旅游业涉及到人们基本的出行与吃住，会影响到许多其他相关产业。关于旅游业本身，学者有不同的定义。Smith（1988）曾将旅游业定义为是为了使得离家在外的商务、休闲、娱乐活动更加便利而直接提供产品和服务的企业的集合体。笔者认为，使用旅游业价值链来描述这些处于一条链条上进行价值分配的企业关系，能更清晰地反映价值与资金的流转。

旅游业价值链对城市经济的拉动性、社会就业的带动力以及对文化与环境的促进作用日益显现，但不能忽视其价值链的风险溢出与市场经济活动之间的关系。旅游业价值链的固有特性——依赖性、外向性、季节性等都会产生一定的风险溢出。本文选取旅游业价值链上的旅行社、酒店餐饮业、景区景点等上市公司，分别使用股票市场和公司财务数据从市场和公司两个层面上检验旅游业价值链风险对投资转移的影响。

二、文献回顾与研究假设

许多学者从外部相关性角度对风险溢出进行了研究。罗登跃和王春峰（2005）在COV（Li，Rt）模型的基础上，提出了市场收益、市场非流动性、组合收益以及组合非流动性的四元均值GARCH（1，1）模型，并借助它很好地证明了上海股市存在系统风险和非流动风险溢价。苏岩和杨振海（2007）、陆静和杨斌（2013）研究发现，外汇收益率序列多服从尖峰的正太分布并且具有波动集聚性特点，这使得GARCH（1，1）模型能够有效地模拟收益率序列来测度价值链的风险。

由于不同资产存在不同的风险特性，当资产风险溢出时，便会引起投资者将投资从一些资产转移到另一些资产。Forbes和Rigobon（2002）、Favero等（2002）就通过研究欧美国家的金融市场发现，一些引起资产风险变化的极端事件会导致投资在美、德、英等国家的股票市场或股票与债券市场间发生转移。基于市场风险会引起投资者对不同市场间不同类型资产进行重新分配的研究结论，有理由相信，这种由市场环境变化引起投资者市场间的投资转移的行为同样会发生在同一市场内部。

本文借鉴Barsky（1989）提出的“安全性投资转移”理论，即“当投资者对股市感到担忧时，将会减少风险资产，提高安全资产的持有量”，认为当投资者所持资产所在产业链的风险增加时，便会将投资从低市值风险较大的股票转移到高市值风险较小的股票上（这里仅考虑产业内股票投资转移的情况），导致低市值股票的收益率下降，大跌的概率增加;相反，高市值股票的收益率上升，大涨的概率增加。这里将投资者由低市值股票向高市值股票转移所引起的低市值股票大跌和高市值股票大涨定义为正向投资转移，将投资者由高市值股票向低市值股票转移所引起的高市值股票大跌和低市值股票大涨定义为反向投资转移，从而讨论旅游业价值链风险溢出与投资转移的关系。

引起投资转移的因素不仅局限于风险因素，Amihud（2002）和Pedersen（2005）、黄峰和杨朝军（2007）在分析股票市场流动性的定价作用时发现，风险高的股票组合不仅受收益率市场预期的影响，还受非预期流动性的影响，他们将其原因归结为市场内资产的“流动性转移”。谭地军等（2008）通过对中国国债市场的分析发现流动性不同的国债之间存在显著的市场内“流动性转移”现象。此外，罗明华、田益祥等（2011）在资产流动性的基础上研究了订单流与股票市场投资转移的关系。以上研究表明，投资转移行为不仅限于受资产固有风险的影响，还受资产流动性、订单流等间接诠释风险因素变动的影响。

本文在此基础上，将这些因素作为风险的表现形式，讨论了旅游业价值链资产流动性、交易量与投资转移之间的关系。

当外界经济环境受到冲击，金融资产及其所在产业链的风险发生变化时，投资者便会将原有投资转移到风险较小的资产上，以此来减小金融危机所带来的非系统性风险。Baur和Lucey（2009）通过对1994年墨西哥金融危机、1997年亚洲金融危机、安然事件等的研究发现，这些事件的产生往往伴随着股票和债券市场间的显著投资转移现象。他们认为当整个市场中资产的风险发生变化时，为了减小风险，投资者会将投资从一方转移到另一方。他们还发现，当股票市场的风险增加时，相对股票而言，债券会产生较高的收益;当股票市场的风险降低时，债券则会产生较低的收益。国内袁晨和傅强（2010）也利用GARCH模型对股票和债券市场间的风险相互传染现象进行了研究。谢志超和曾忠东（2012）还借助VAR模型对美国和我国金融市场间的转移现象进行了检验。

既然当风险溢出时，会导致投资者在不同市场间对资产进行分配的行为，那么我们相信投资者同样会在同一市场内对具有不同风险特征的资产进行分配。相比对市场间投资转移现象的研究，对同一市场内具有不同风险特征资产投资转移现象的研究较少。靳飞等（2010）尝试借鉴Bae（2003）定义“极端收益率”的方法，通过划分股票市场高低市值股票大涨或大跌事件来定义投资转移行为，从而利用Logit模型对产业价值链风险和投资转移行为进行研究。

本文借鉴Connolly（2005）收益率波动与投资转移行为相关性的分析研究，以旅游业价值链作为研究对象，对其价值链风险溢出与投资者投资转移行为的相互关系进行研究。由此，基于上述分析提出如下研究假设1：

H1：价值链风险溢出对投资转移影响显著。

投资转移的影响因素不仅限于该产业的价值链风险，Beber（2009）等对欧洲主要国家的债券市场投资转移行为进行研究发现，尽管基于风险因素考虑的“安全性转移”是投资者投资转移行为主要成因，但仍不能忽视由于资产流动性变化所引起的投资转移行为。当遇到危机时，投资者通常也会考虑所投资产的流动性，他们会将流动性差的资产向流动性好的资产上转移。此时，资产的流动性作用显现得更加明显。Beber（2009）将其归为资产的“流动性转移”。对此，黄峰和杨朝军（2007）对中国股票市场的流动性溢价研究得出了相同的结论。除此之外，Underwood（2008）基于高频交易数据和订单流的研究发现，不同市场下股票和国债市场的收益率波动与交易量相互影响。以上这些研究成果都说明，投资转移行为不仅受资产固有风险的影响，宏观上讲它应受到投资者对当前市场上公共信息或同一宏观信息理解的影响，而资产的流动性与投资者对该产业股票的交易量或订单流恰恰是这些信息的反应。由此，可以将资产流动性和交易看作风险的另一种表现形式。基于上述分析，提出如下研究假设2和假设3。

H2：价值链内部资产的流动性对投资转移行为影响显著。

H3：价值链内部交易量对投资转移行为影响显著。

三、研究设计

（一）样本选择与数据来源

1.对股票交易市场中样本数据的选取

本文以旅游、酒店、餐饮（其中旅游社与景区景点24家、酒店10家、餐饮3家）等37家价值链上市公司为研究对象，分别从上海和深圳A股股票交易市场选取2008年1月4日到2012年12月31日约5年时间的日交易数据，共1 217个数据作为样本。考虑到2008年之前的数据容易受到美国金融危机的影响，年初的数据有一定的周期波动性，因此选择从2008年初至2012年末这5年的数据进行实证研究。本部分的数据来自国泰安CSMAR数据库和RSSET数据库。

在选取样本公司时，参照了下面的标准进行选取：

（1）剔除非正常交易的股票数据;（2）剔除沪深A股之外的所有股票，防止ST类股票波动性较大带来的影响;（3）所选择的股票必须在整个研究期间范围内持续存在并正常交易;（4）剔除交易日少于或等于1 117天的股票，交易日过少影响行业加权平均值的计算，停牌属于正常现象，在合理的范围内是可以接受的。

2.对公司财务报表中样本数据的选取

为从公司层面上分析旅游业价值链风险对同一市场内不同公司间投资转移的影响，本文以这37家价值链上的上市公司作为研究对象，从国泰安CSMAR数据库和RSSET数据库选取了自2005年第一季度到2012年第三季度共8年的财务季报数据，共31个作为研究样本。

（二）Logit模型与变量的设定

本文用股票市场的交易数据构造模型中的变量，从市场层面对前文提出的假设进行检验。而后尝试用上市公司财务季报的数据再次构造模型中的变量，从公司层面对前文提出的假设进行检验。根据前文分析，本部分采用Logit模型来检验之前提出的研究假设：

Ptflight=c+？琢1InOFMt-1+？琢2LiquidityMt-1+？琢3rMt-1+？琢4HMt-1+？茁1InOFMt+？茁2LiquidityMt+？茁3HMt+？着t

模型中的被解释变量Pflight为投资转移行为发生的概率。根据前面的分析，市场层面上，本文依照Barsky（1989）的“安全性投资转移”理论，借助Bae（2003）定义“极端收益率”的方法，根据行业股票第T期的流通市值大小对行业股票进行分组。按从小到大的顺序对股票市值进行累加，按其累加值占全部样本总市值的前30%和后30%对股票进行分组，将市值最高的30%股票作为高市值股票，市值最低的30%股票作为低市值股票。然后计算高、低市值股票组合的收益率。对日收益率高于该市场样本区间内收益率95%分位数定义为高市值向低市值转移引起的大涨事件;对日收益率低于该市场样本区间内收益率5%分位数定义为低市值向高市值转移引起的大跌事件。当市场出现低市值股票大跌和高市值股票大涨事件，笔者认为发生正向投资转移行为，用PtFlight L-H表示;当市场出现高市值股票大跌和低市值股票大涨事件，发生反向投资转移行为，用PtFlight H-L表示。考虑到少部分股票第T期的收益率及价格变化会对其流通市值产生的影响，进而间接地影响到股票的分组，因此本文同样采用了第t-1期月底流动性市值大小对股票进行分组，结果无实质性差异。在公司层面变量的选取上，与市场层面的判断方法类似。依照公司的总资产对各公司进行分组，而后按照各公司的ROE变动情况判断投资者的正向及反向投资转移行为。

模型中解释变量lnOFt为取对数后第t期的订单流，用它衡量交易量。市场层面上，Lee和Ready（1991）最早提出了衡量订单流的方法，并被广泛应用于股票订单流的研究中。该方法以每只股票每天所有买方发起的交易的金额与卖方发起的交易金额之差被定义为该股票当天的订单流。买卖双方的股票交易促成了股票流通市值的变化，因此本文使用股票前后期流通市值的变动差额作为订单流的替代变量。在公司层面的变量选取上，由于股票流通市值的变动与公司净资产变动存在一定的相似性，本文尝试用净资产变动率替代市值之差的对数作为对投资者交易量衡量的替代。

模型中解释变量Liquidityt为第T期的流动性，用它衡量投资者所持投资的流动性的高低。市场层面上，Amihud（2002）对1961—1980年在纽约证券交易所上市的股票流动性与股票收益的研究中提出使用买卖价差作为资产流动的测度指标，得出了与流动性溢价理论相似的结论。苏冬蔚、麦元勋（2004）在此基础上从换手率（成交金额与流通市值之比）的角度衡量资产的流动性，并发现我国股市存在显著的流动性溢价。由于换手率和定单流方法被证明没有显著区别，因此，本部分采用苏冬蔚、麦元勋（2004）所提出的衡量方法对资产的流动性进行描述。在公司层面的变量选取上，本文以反映资产变动情况的资产净增加值替代股票市场中的成交量。最终选取市值加权后的资产净增加值作为对资产流动性衡量的替代变量。

模型中解释变量Rt为价值回报，即投资者对所投资产日后的回报，通常用收益或收益率来衡量。股票市场通常采用股票日回报率作为收益率的替代指标，所以本文直接从国泰安中国股票市场交易数据库选取数据。在公司层面的变量选取上，本文从RESSET数据库选取个股季度摊薄后的净资产收益率（ROE）作为解释变量。

在讨论变量的波动性时，财务与金融研究领域通常用标准差或方差来描述某一统计量相对中心的离散程度，即我们所说的波动率，并且把波动率作为风险的评价尺度，之后便通过测度变量的波动来衡量金融资产存在的风险。众多模型组合中，由于GARCH（1，1）模型存在阶数小，拟合程度好的特性，大批学者将其应用于汇率和收益率风险的测度中，如苏岩和杨振海（2007）、陆静和杨斌（2013）等。

模型中解释变量Ht为第T期收益的波动率，用它来衡量价值链的风险。鉴于多元GARCH模型参数估计困难，GARCH（1，1）模型对汇率及收益率风险测度有阶数小、拟合程度好的特性。因此，本文用GARCH（1，1）模型对收益率的波动进行估计得出解释变量Ht。

四、实证检验与分析

（一）描述性分析

1.样本选择的分类描述分析

表1是对所选取行业样本的分类描述分析。经过对所选取三个行业公司股票样本剔除后，笔者发现共剩32家与旅游相关的上市公司。其中旅行社与景区景点20家，占总样本的62.5%，5年间总体回报率较高，风险在旅游业价值链中相对较小;酒店业10家，占总样本的31.25%，总体回报率仅次于旅行社与景区景点，各年内风险也相对较小;与其他两个行业相比，餐饮业只有两家，占总样本的6.25%，且个股回报率较低并伴随着较高的行业风险。之所以产生这样的情况可能由以下几个原因导致。首先，餐饮企业一般注重品牌发展，缺乏资本市场的意识。餐饮业主通常因为餐饮业门槛低、科技含量低、劳动力比较密集的特性而忽视了对资本市场的学习和了解，缺乏上市融资的意识。其次，餐饮企业都存在“规模小、收入少、利润少、净资产少”等问题，餐饮业的现金流大，但难沉淀形成优质资产，使得多数企业的收益较低，财务指标无法达到A股上市融资的要求。最后，虽然总体需求比较稳定旺盛，但是消费者对于不同品牌的偏好不同，使得一家餐饮企业的口味很难对消费者产生持续的吸引力，这也在很大程度上增加了餐饮业的风险。此外还发现，与2008、2009年亚洲金融危机后的个股回报率的波动相比，近3年的波动明显减小。这也从侧面反映了我国旅游业价值链企业的发展正逐步走向良性循环的道路。

2.模型变量的描述统计分析

表2给出了本文中研究变量的描述统计分析。笔者发现，旅游业价值链最大收益率与最小收益率之间相差仅为0.19，5年间收益率均值为正，标准差为0.023，收益波动较小。这表明现阶段我国旅游业价值链发展较为平稳，总体呈上升趋势。但与其他各变量的变异系数（标准差与均值之比）相比，收益率的离散程度仍较高，这表明该产业价值链一定程度上仍具有相当风险波动性。从表中还可以看出Rt的标准差与Ht的均值十分接近，这在一定程度上证明，标准差与GARCH模型都可以通过测度波动率来描述风险的变动情况，从而更准确地实现对价值链风险的测量。

（二）回归分析

1.市场层面上，旅游业价值链波动对投资转移影响的显著检验

根据前文所建立的Logit模型，表3从市场层面上对旅游业价值链风险、资产流动性及交易量对投资转移行为影响的显著性进行了检验。通过对投资旅游业的定向投资者投资行为的变动情况进行判断分析，笔者发现，旅游业前期的价值链风险波动和流动性对当期双向投资转移行为影响均显著，其他变量对投资转移行为影响则不显著。

从旅游业价值链风险上看，它对正向和反向投资转移行为的影响均显著。这表明，无论旅游业价值链的风险从大到小、还是从小到大变动，只要该价值链条上资产的收益产生一定波动，便会引起定向投资者的投资转移行为。这与Baur和Lucey（2009）对风险与市场间投资转移行为关系研究的结论无实质差异。从流动性上看，它同样对正向和反向投资转移行为的影响显著。这表明当投资者为避免风险而采取投资转移策略时，除价值链风险因素外，资产的流动性也是他们考虑的重要因素之一。而且，从表2该变量的显著性可以看出，投资者对旅游业价值链资产流动性反应灵敏度并不低于该产业的价值链风险。这进一步证实了资产流动性变化对投资的影响不仅存在于市场间和市场内，同样存在于产业内。从交易量上看，市场交易量无论与正向投资转移还是反向投资转移的关系均不显著。这一结果并不与之前的研究结论相悖。根据前文对变量选取的定义，交易量的变动即为流动市值的变动。总体上看，之所以产生变动，是因为有大量来自产业外的资金进入或退出该产业。例如，当交易量增加时，表明投资者对该产业股票的买入量增加、卖出量减少，使得不论高市值还是低市值股票发生大涨事件的概率增加、大跌事件的概率减小;反之亦然。而这种同方向变动不符合本文对投资转移行为（高市值股票大跌、低市值股票大涨或高市值股票大涨、低市值股票大跌）的定义。

2.公司层面上，旅游业价值链波动对投资转移影响的显著检验

根据前文分析及所建立的Logit模型，本文同样尝试利用公司财务季报数据从公司层面上对旅游业价值链风险、资产流动性及交易量对投资转移行为影响的显著性进行了验证。从表4可以看出，旅游业价值链风险对双向投资转移行为影响均显著，这表明当旅游业价值链企业资产风险发生变动时，同样会引起投资者对其名下投资进行重新分配。具体当产业价值链风险增加时，投资者将减少投资资产规模较小、风险相对较高公司而增加投资资产规模较大、风险相对较低的公司以达到规避风险的目的。投资者的这种行为导致资产规模较小公司股票的收益率降低、资产规模较大公司股票的收益率升高，从而增加小规模公司大跌、大规模公司大涨的概率，使该产业内发生正向投资转移行为。当行业价值链风险减小时，投资者会减小投资资产规模较大、风险相对低的公司转而增加投资资产规模较小、风险相对较高的公司来获得更高的收益。投资者的这种行为会导致资产规模较小的公司股票的收益率升高、资产规模较大公司股票的收益率降低，从而增加小规模公司大涨、大规模公司大跌的概率，使该产业内发生反向投资转移行为。与市场层面上检验结果不同，公司层面上资产流动性对投资转移行为的影响则不显著。对投资决策者来讲，可能是由于公司资产的变动情况不能及时反映在对外公布的财务报表中，而使得公司财务信息较股票市场信息有效性降低所致，但我们不能否定资产流动性对投资转移的影响。

五、研究结论

本文以我国旅游业价值链为研究视角，按照证监会新行业划分标准，分别选取旅行社与景区景点、酒店业、餐饮业（其中旅行社与景区景点24家、酒店业10家、餐饮业3家）等37家与旅游相关的上市公司2008—2012年上海和深圳A股股票交易市场的      1 217个日交易数及2005—2012年公司的财务季报数据作为研究样本，对旅游业价值链风险对投资转移行为影响进行研究。本文首先利用GARCH（1，1）模型对所选取旅游业价值链风险进行测度，而后通过定义中国股票市场上的大涨和大跌事件对旅游业价值链内不同市值股票投资转移行为进行划分，再通过Logit模型从股票市场和公司两个层面上研究了旅游业价值风险对投资转移行为的影响。此外，还对风险的其他表现因素，即旅游业价值链上的资产流动性、交易量等对投资转移行为影响的显著性进行了检验。

根据回归结果有如下发现：

风险不仅在Baur、Lucey（2002）研究的股票和债券市场间和靳飞等（2009）研究的股票市场内对投资转移行为产生显著影响，在旅游业价值链内同样会对投资转移行为产生显著影响，并且无论是在市场层面还是在公司层面上，旅游业价值链风险均会对投资转移行为产生双向且显著的影响，使得不同市值股票或规模公司间产生广泛的投资转移行为。

与Beber（2009）和谭地军等（2008）对资产的“流动性转移”研究结论相似，旅游业价值链的股票市场上资产的流动性对投资转移行为影响显著，但在公司财务季报数据的检验中却未得出同样结论。这可能是由于公司资产的变动情况不能及时反映在对外公布的财务报表中，而使得公司财务信息较股票市场信息的有效性降低所致。因此与旅游业价值链企业的资产流动性相比，投资者对市场上资产流动性的变动更加敏感，但不能否定资产“流动性转移”特征会使资产流动性对投资转移行为产生显著影响这一结论。

与Underwood（2009）得出的股票和国债市场上收益率与交易量相互影响的结论不同，就旅游业价值链本身而言，交易量对价值链内的投资转移行为影响不显著。

较之前学者对不同市场间与同一市场内资产风险波动对投资转移行为影响的研究，本文同时利用股票市场上的日交易数据和公司财务季报的数据，从股票市场和公司两个层面上，对具体产业价值链风险与投资转移的关系进行研究，相信这些结论将有助于我们更深层次了解旅游业价值链风险与投资者行为活动间的关系。●

【参考文献】

[1] Amihud Y， Mendelson  H， Wood R. Liquidity  and the 1987 Stock Market Crash[J]. Journal of Portfolio Management，2002（16）：65-69.

[2] Bae K， Karolyi A， Stulz R. A New Approach to Measuring Financial Contagion[J]. Review of Financial Studies， 2003（16）：717-763.

[3] Barsky R. Why don't the Price of Stocks and Bond Move Together[J]. American Economic Review， 1989， 79（5）：1132-1145.

[4] Baur D， Lucey B. Flights and Contagion-an Empirical Analysis of Stock-bond Correlations[J]. Journal of International Economics， 2002（57）：231-246.

[5] Beber A， Brandt M， Kavajecz K. Flight-to-quality or Flight-to-liquidity？Evidence from the Euro-area Bond  Market[J]. Review of  Financial  Studies， 2009，22（3）：925-957.

[6] Connolly R， Al E. Stock Market Uncertainty and the Stock-bond Return Relation[J]. Journal of Financial and Quantitative Analysis，2005（40）：161-194.

[7] Favero C， Al E. Is the International Propagation of Financial Shocks Non-linear？ Evidence from the ERM[J].Journal of International Economics， 2002（57）：231-246.

[8] Forbes K， Rigobon R. No Contagion， Only Interdependence： Measuring Stock Market Comovements[J]. Journal of Finance，2002（57）：2223-2261.

[9] Smith S L J. Defining Tourism： A Supply Side View[J].Annals of Tourism Research，1988（15）：179-190.

[10] Underwood   S. The Cross - market  Information Content of Stock and Bond Order Flow[J].Journal of Financial Markets，2009，13（2）：268-289.

[11] 黄峰，杨朝军.流动性风险与资产定价：来自我国股市的经验证据[J].管理世界，2007（5）：30-39.

[12] 靳飞，田益祥，谭地军.股票之间的风险传染和投资转移[J].系统工程，2009（7）：14-21.

[13] 陆静，杨斌.商业银行汇率风险的VaR-GARCH（1，1）模型计量[J].重庆大学学报（社会科学版），2013，19（5）：66-72.

[14] 罗登跃，王春峰，等.基于时间序列的上海股市系统风险、流动性风险溢价实证研究[J].系统工程， 2005，23（7）：48-54.

[15] 苏冬蔚，麦元勋.流动性与资产定价：基于我国股市资产换手率与预期收益的实证研究[J].经济研究，2004（2）：95-105.

[16] 苏岩，杨振海.GARCH（1，1）模型及其在汇率条件波动预测中的应用[J].数理统计与管理，2007，26（4）：615-620.

[17] 谭地军，田益祥，黄文光.流动性补偿、市场内及跨市场“流动性转移”行为[J].金融研究，2008（9）：23-44.

[18] 谢志超，曾忠东.美国金融危机对我国金融市场传染效应研究[J].四川大学学报（哲学社会科学版），2012（1）：113-124.

[19] 袁晨，傅强.我国金融市场间投资转移和市场传染的阶段时变特征[J].系统工程，2010（5）：1-7.