熔断机制存在磁吸效应吗？——来自中国股票市场的经验证据

方先明 赵泽君

一、引言

经济发展进入新常态后，在 “三期叠加”的关键时期相关发展数据长期在荣枯线附近徘徊，不确定性增加。与此同时，外汇市场 “8·11汇改”以后，在美联储加息预期升温的影响下，国际资本流出明显，人民币在振荡中显示出贬值的态势。加之2015年股灾之后，股市持续低迷，而证监会对上市公司大股东和高管不得减持公司股份的规定又将于2016年1月8日截止。在此背景下，为防止股票价格短时间内下跌幅度过大，促进股票市场的稳定与健康发展，中国于2016年1月4日在股票交易中引入熔断机制。熔断基准指数为沪深300指数，其核心是在保留现有个股涨跌幅制度的前提下，采用5%和7%两档阈值，初衷是在股票市场剧烈波动时为交易者提供冷静分析期，减少投资者的非理性行为，并通过为股指期货市场的交易风险提供预警，规避风险的突发性和传染性。然而事与愿违，股票市场的交易实践与制度设计的初衷背道而驰。在熔断机制实施的首日即2016年1月4日，沪深300指数跌破3 500点，于13点14分向下触发5%阈值，15分钟后重新开盘，在开盘后的9分钟内再次向下触发7%阈值不得不提前休市；1月7日上午开盘12分钟时间内沪深300指数下跌5%，即在9点42分触发了第一次熔断，15分钟冷静期后，9点57分重新开盘，在开盘后的3分钟内沪深300指数下跌7%，触发了第二次熔断。至此，仅仅实施4天，熔断机制即被喊停。在欧美等成熟资本市场具有稳定市场作用的熔断机制，为何在中国的股票交易市场中呈现出明显的 “水土不服”而丧失“稳定器”的功能，熔断机制是否真的存在磁吸效应，其特征如何？对于这一问题的实证检验，能够为促进中国股票市场健康发展提供经验证据，从而提升资本市场配置资源的效率。

论文的主要贡献在于：一是从股票价格的波动性和股价与交易量的变化速度两个维度检验磁吸效应的存在性；二是在研究方法上，创新采用事件研究法检验股票市场在熔断期间有无异常波动，并将样本股票分别按对应上市公司的行业和流通市值规模进行分组研究，从而敏锐捕捉股价对于熔断机制的反应；三是在研究数据方面，采用日频数据和日内高频数据从股价和交易量的变化速度快慢深入刻画熔断机制磁吸效应的特征。

论文余下部分的结构安排如下：第二部分是相关理论与文献评析，系统梳理国内外关于磁吸效应的相关研究，为明晰中国股票交易过程中熔断机制的磁吸效应提供启示；第三部分是研究设计，包括研究假设的提出与检验模型的构建；第四部分是计量检验，从股票价格的波动性以及股价与交易量的变化速度快慢两个维度检验不同样本区间内熔断机制的磁吸效应；第五部分是研究的结论与启示。

二、相关理论评析与文献回顾

作为一种制度性安排，熔断机制在金融资产交易中的实践早已引起高度关注，理论与实务界对其进行了广泛的研究，并由此形成丰富的文献。国内外学者对熔断机制是否存在磁吸效应的研究并未得出一致结论。一种主要的观点认为，熔断机制有利于抑制股票交易中的价格波动。因为，短暂的休市可以为信息传导与充分交流提供机会，同时也能为投资者提供暂时独立思考的冷静期，弱化交易者同向过度交易，抑制市场羊群效应，从而有效防范股票价格出现不明原因的暴涨暴跌 （ Kyle， 1985［1］； Greenwald and Stein，1990［2］； Recep and Selim， 2004［3］）。 特别地， 持该观点的文献认为，熔断机制的实施会降低投资者的信息不对称性，引导市场交易变得有序，具有减缓股票市场波动的冷却效应，该双点与磁吸效应相对，是熔断机制支持者的观点之一 （Kodres and O'Brian，1994［4］； 张小涛和祝涛， 2014［5］）。 然而， 一种截然相反的观点认为，熔断机制实质上通过暂停交易的方式阻碍信息传递，加剧了信息不对称，由此使得市场积聚的交易情绪得不到释放，从而在市场重新开放后加剧股票价格单方向的急速变化 （Kyle， 1988［6］；Booth and Broussard， 1998［7］； Acker et al.， 2001［8］）。特别地，持后一种观点的文献认为：通过制度手段限制股票价格的涨跌幅度会使市场出现波动溢出效应、市场干扰效应以及磁吸效应 （Kim and Rhee，1997［9］）。波动性溢出效应认为，熔断阈值限制股票价格大幅变动，导致股票价格不能及时反映买卖指令的不对称，在冷静期结束市场恢复交易后，这种不对称可能使得股价波动性增大，加速触发第二次熔断（Christie et al.， 2002［10］； Kim and Yang， 2004［11］）；交易干扰效应认为，当股票价格达到熔断价格附近时，投资者无法通过降低卖价或提高买价实现交易需求，股票交易的流动性受到干扰，市场调整效率受限 （Lee et al.， 1994［12］； Chen， 1998［13］； Park， 2000［14］）。 磁吸效应认为，所设定的熔断阈值在实际交易中会成为股票价格的锚，从而产生锚定效应，当股票价格接近设定价格时，其趋向设定价格的速度或概率会提高（Kim and Rhee， 1997［9］； Du et al.， 2009［15］）。 较多文献采用实证研究的方法，针对不同市场对交易价格的限制行为是否存在磁吸效应进行了检验。多数文献的研究结果表明，通过制度安排对股票市场交易价格进行限定，这种人为设定的价格线对交易价格确实存在磁吸效应 （Du et al.， 2009［15］； Cho et al.， 2003［16］；Nadig， 2015［17］）。 然而， 实证研究并未证实股票交易过程中股票价格接近设定的触发价格时的磁吸效应总是存在，相反在一定条件下限定交易价格的制度设计能够平抑股票市场交易价格的波动 （Subrahmany⁃am， 1994［18］）。

基于中国现实制度背景与市场发育程度，国内学者对于股票交易中涨跌停板是否具有磁吸效应的研究结论与国外学者针对外国市场的研究结论既存在相似之处，也体现出 “中国特色”。相似之处在于，交易时间内当股票交易价格接近涨停板限制价格时，股票交易价格会加速向 “天花板价”靠近，且波动幅度总体呈现出加大的态势，即涨停板限制具有助涨作用（吴林祥等， 2003［19］； 孙培源和范利民， 2004［20］；吉洁和国世平，2016［21］等等）。不同之处在于，交易过程中当股价下跌接近 “地板价”时，国内的许多研究并没有发现此时股价会加速向 “地板价”靠近。相反，甚至有研究发现当股票交易价格向下逼近跌停板限制价时，投资者存在 “抱守损失”的心态，不愿卖出当天已下跌的股票，因此股票交易价格并没有普遍呈现出加速向下到达 “地板价”的现象，此时股票交易价格会呈现出在 “地板价”之上一个小区间内徘徊，且交易价格波动幅度会收窄。如，对中国A股市场日内分笔交易高频数据的研究就发现，盘中和收盘前存在相反的结果，在盘中股票上涨9.5%后出现一定的磁吸效应，而下跌时没有磁吸效应 （李超，2005［22］）。利用上海 A股市场的分笔交易数据进行研究能够发现，股票价格涨幅限制存在磁吸效应，跌幅限制则存在冷却效应 （张小涛和祝涛，2014［5］）。总体来看，在认为涨跌停幅度限制具有磁吸效应的文献中，多数文献更倾向于这一制度的磁吸效应具有 “非对称性”的观点。此外，还有部分文献从涨跌停板制度影响股票价格波动率的视角研究其实行效果。尽管有文献认为，涨跌停幅度限制能够降低股票交易价格的波动 （Kim， et al， 2013［23］）， 但却会造成股票交易价格波动的趋同性。更有研究认为无论是涨停板还是跌停板制度，在中国的股票交易市场中均没有起到稳定股价波动的作用 （胡朝霞，2004［24］），甚至在引入融资融券以及股指期货等新型金融工具后，几种制度施行效果的叠加放大了股票价格波动的程度。

具体研究磁吸效应的方法主要有：事件研究法（Lamoureux and Poon， 1987［25］； 陈 伟 等， 1999［26］；吴林祥等， 2003［19］； Nadig， 2015［17］； Lakshmi and Joshi， 2016［27］）、 构建二次回归模型 （Du et al.，2006［28］； 方 园 和 陈 收， 2007［29］； Du et al.，2009［15］）、 构建 logit 模型 （Hsieh et al.， 2009［30］；张小涛和祝涛，2014［5］）、构建 GARCH模型 （刘勤和顾岚， 2001［31］； Recep and Selim， 2004［3］； 吉洁和国世平， 2016［21］） 等。

综观国内外的研究可以发现，现有文献从理论与实证方面研究了股票市场引入熔断机制或涨跌停板制度后股票交易价格对于这种制度设计的响应。然而，无论是理论研究还是实证分析均没有得出一致的结论，对于不同的市场、针对不同的样本甚至得到截然相反的结果。在研究方法上，现有研究多采用GARCH模型检验引入熔断机制后股票价格波动性的变化，或者采用计量方法检验熔断机制被触发前股票价格的变化速度，而缺少熔断机制推出条件下对股价异常收益率的检验，这对于磁吸效应的特征刻画还不够全面。为此，论文基于沪深A股市场中股票的日频数据和日内高频数据，采用ARMA⁃GARCH模型检验、事件研究和构建计量方程回归相结合的方法，从股票价格波动性和股价与交易量的变化速度快慢两个维度检验股票价格和沪深300指数对于熔断机制所设定的触发价格的反应。

三、研究设计

（一）研究假设

完美市场永远只是一种 “假说”，中国的资本市场发展较晚，发育不完备，投资者对于市场信息获取并不充分，而其自身的交易行为也体现出明显的“跟风”现象。特别是在新兴市场中，突发事件的冲击、重要事件的发生更易诱发股价的异常波动（ Lamoureux and Poon， 1987［25］； Nadig， 2015［17］；Lakshmi and Joshi， 2016［27］）。 有鉴于此， 2015 年 9月7日证监会提出拟在保留现有个股涨跌幅制度的前提下，在股票交易过程中引入指数熔断机制。2015年12月4日上交所、深交所、中金所正式发布指数熔断相关规定。2016年1月4日熔断机制在股票交易所正式实行。在中国资本市场中，投资者对于熔断机制并没有感性的认识，因此熔断机制的推出对于并不成熟的投资者而言兼具 “突发性事件”和 “重要事件”的特征，特别是在股票交易过程中，熔断被触发时间点的不确定性，可能催生投资者的非理性“趋同”行为，甚至出现由于 “个体的理性导致集体的非理性”，从而使得股价同方向异常急剧变动，表现出熔断设定的触发价格对于股票交易价格的 “磁吸”现象。由此提出研究假设1：

假设1：在非有效市场中，熔断机制的实施会加剧股价波动程度，且催生股价总体波动趋势相同。

建立在投资者理性和市场有效基础上的传统微观金融理论认为，金融资产平均回报是对其持有期内所承担风险的补偿。然而，金融市场出现的诸多异象则使现代微观金融理论陷入困境 （Lakonishok，1994［32］）。建立在投资者非理性、市场非有效基础之上的行为金融则能够在一定程度上解释金融市场中的诸多异象。如，上市公司的规模因素、市值因素对于公司股票价格的异常回报具有一定的解释力 （Banz，1981［33］； Fama and French， 1996［34］）。 甚至不同行业竞争格局不同，行业生命周期、行业利润水平、行业市场集中度、资本密集度、产业政策不同，以及投资者情绪对不同行业板块的冲击，均可能导致不同行业股票的平均收益率与其风险承担水平不相一致，股价平均波动率也会存在差异 （Schwartz and Altman，1973［35］； Roll， 1992［36］； 劳兰珺和邵玉敏， 2005［37］）。由此提出研究假设2：

假设2：市值规模和行业差异会导致上市公司股票价格对熔断机制实施的反应不同。

在一个未达到完全有效的市场中，熔断机制设计的目的是为群体性非理性交易行为提供短暂的冷静期，利用投资者的 “异质信念”，以期投资者在这一冷静期内独自思考形成基于自身判断的投资策略，从而实现市场的整体稳定。然而，熔断机制的实施使得股票连续交易的预期被打破，投资者担心市场流动性缺失，在信息不对称加剧的背景下，从个体理性的角度出发，为极大化自身收益或极小化可能的损失，加速或提前市场交易 （Subrahmanyam， 1994［18］； Kim and Rhee， 1997［9］； Acker et al.， 2001［8］； Du et al.，2009［15］）。尤其是，持有相反头寸的投资者会提前对冲手中的头寸。在此情形下，股票市场交易价格在剧烈振荡中向所设定的熔断价格靠近，且交易价格越接近预设的触发价格，其逼近速度越快，相应地，交易量变化速度也越快。由此提出研究假设3：

假设3：熔断机制的磁吸效应突出表现为股票价格和交易量在熔断价格附近逼近熔断触发点的速度加快。

（二）变量及事件窗口期选择

1.变量选择。

为对所提出的三个研究假设进行检验，并由此明晰熔断机制推出后在股票交易过程中所表现出的磁吸效应，研究过程中选取的变量见表1。

表1 变量及其说明

续前表

表 1 中， Pit为股票 i在交易日 t的收盘价； Pi，t－1为股票i在交易日t－1的收盘价；Pitk为股票i在交易日 t时刻 k 的成交价格； Closepricei，t－1为股票 i在交易日t－1的收盘价。

股票i的正常收益率采用市场模型测定，是在假设熔断机制事件不发生的条件下股票i的期望收益率。相较于常数模型，市场模型剔除了大盘因素带来的系统性风险的影响，可以更精准地测定熔断机制事件的影响，市场模型具体为：

式 （1） 中为股票i在交易日t的正常收益率；Rmt为沪深300指数在交易日t的对数收益率；αi，βi为在估计窗口期间采用最小二乘法对股票i的实际收益率与沪深300指数收益率进行估计得到的参数。

涨跌幅度变化的标准化指标SdRit（k－1，k）由股票i在时刻k－1至时刻k的涨跌幅度变化标准化后得到，这样可以有效消除不同上市公司个体因素的差异，增强不同股票之间的可比性，具体地：

式 （2） 中为股票i在交易日t的时刻k－1至时刻k时段涨跌幅变化dRit（k－1，k）的平均值，σit（k－1，k） 为股票i在交易日t的时刻k－1至时刻k时段涨跌幅变化dRit（k－1，k） 的标准差。研究过程中关注价格变化的速度快慢，不关注方向，故将SdRit（k－1，k）取绝对值。

交易量变化的标准化指标SdVOLUMEit（k－1，k）由股票i在时刻k－1至时刻k的交易量变化标准化后得到，这样可以有效消除不同上市公司个体因素的差异，增强不同股票之间的可比性，具体计算方法为：

式 （3） 中为股票i在交易日t的k－1时刻至k时刻时段的交易量变化dVOL⁃UMEit（k－1， k） 的平均值， σ′it（k－1， k） 为股票i在交易日t的k－1时刻至k时刻时段的交易量变化dVOLUMEit（k－1，k）的标准差。研究过程中关注交易量变化的速度快慢，不关注方向，因而将Sd⁃VOLUMEit（k－1， k） 取绝对值。

2.事件窗口期界定。

股票交易过程中，通常每个交易日的交易时间是固定的，交易者对于交易时间有明确的预期。然而，在股票市场交易过程中选定指数何时触发预先设定的熔断价格却是不可预知的，具有突发性。因此，研究过程中分别从熔断机制实施前中后股票价格的波动性和熔断机制被触发前股票价格与交易量的变化速度快慢两个角度，分析熔断机制的磁吸效应。采用事件研究法分析沪深A股市场股票价格的波动情况，从股价异常变动维度检验熔断机制实施前后股票有无异常收益率；并采用ARMA⁃GARCH模型，基于熔断机制实施期间的沪深300指数日内高频数据，从股价波动性维度检验熔断机制磁吸效应的存在和动态传导过程；构建计量方程回归，研究熔断机制实施对股票价格和交易量变化速度的影响，从股价与交易量的变化速度快慢维度进一步刻画磁吸效应的特征。

熔断机制实施的时间区间为事件发生日，记作T，即指2016年1月4日至2016年1月7日。鉴于熔断机制从2015年股灾过后即开始酝酿出台，为全面涵盖熔断机制事件对股市波动性的影响，同时避免过长窗口期内伴随事件的干扰，借鉴 Lakshimi和Joshi（2016）［27］采取多种长度事件窗口的方法，研究过程中设定四种事件窗口期 （［T－1，T＋1］、［T－5， T＋5］、 ［T－10， T＋10］和 ［T－60， T＋60］），来检验股价对熔断机制的实施有无异常波动反应；估计窗口设定为 ［T－250，T－120］，用于估计正常模型的参数，因为Binder（1998）［38］研究认为日频数据一般采用事件窗口的前一个季度到1年作为估计窗口；事后窗口设定为 ［T＋60，T＋120］，用于稳定性检验。

（三）检验模型的构建

为检验熔断机制实施期间，当指数进入熔断设定价格的某一邻域内时，其是否会加剧波动 （检验假设1），构建检验模型如下：

式 （4）中dRt为时刻t沪深300指数的涨跌幅度变化，εt是均值为0，方差为1的独立同分布随机序列， bi， ci， αi， βi为系数项， σt为条件标准差。

为进一步检验熔断机制实施是否会使股票价格产生异常变动，加剧股价波动程度 （检验假设1），同时检验不同行业与不同规模的上市公司股价在熔断期间的波动反应是否存在差异 （检验假设2），研究过程中构造了服从标准正态分布的统计量J1和J2来检验事件窗口期间累积平均异常收益率CAR（t1，t2）是否显著异于0。具体检验假设如下：

原假设H0：累积平均异常收益率等于0，熔断机制的实施对股票价格波动无显著影响。

备择假设H1：累积平均异常收益率不等于0，熔断机制的实施对股票价格波动有显著影响。

借鉴 Lakshimi和 Joshi （2016）［27］对统计量的设定方法，构造统计量J1如下：

式 （5） 中σ2（t1， t2） 是时间区间 ［t1， t2］上平均异常收益率ARt的方差

构造统计量J2如下：

统计量J1和J2近似服从标准正态分布，对于所选取的四种事件窗口，如果J1和J2统计量的值落在给定显著性水平的拒绝域内即可拒绝原假设H0，接受备择假设H1，认为熔断机制的实施显著影响股票价格的波动；反之则接受原假设H0，认为熔断机制的实施对股票价格波动没有显著影响。

为检验股票交易过程中当股票价格接近触发价格时，其是否会加速触发熔断机制 （检验假设3），借鉴Du等 （2009）［15］的方法，研究过程中分别以股票价格变化和交易量变化为解释变量构建检验模型如下：

式 （7） 与式 （8） 中， SdRit、 SdVOLUMEit分别为股价涨跌幅度变化和交易量变化的标准化变量；a0、b0为截距项，表示除解释变量以外其他因素对被解释变量的影响；a1、b1为解释变量前的系数，a1、b1分别衡量了股票价格和交易量随着临近熔断触发时刻的变化速度快慢，如果a1、b1显著为正，则股票价格和交易量有加速变化趋势。

四、实证检验

（一）样本选取与描述性统计

为了全面反映熔断机制实施期间中国股票市场的波动情况，研究过程中选取沪深A股市场的2 053只股票的日频数据作为样本Ⅰ。鉴于过长的窗口期会导致股票市场受其他伴随事件的影响，从而导致实证结果失真，而过短的窗口期又不能对参数进行有效估计，同时考虑最新数据的可得性和完整性，在多次测定比较之后，选取样本Ⅰ的样本区间为2015年1月5日至2016年6月30日。其中，2015年1月5日至2015年6月30日为估计窗口区间；2015年12月31日至2016年1月11日、2015年12月25日至2016年1月15日、2015年12月18日至2016年1月22日、2015年10月9日至2016年4月11日分别为6天事件窗口区间、14天事件窗口区间、24天事件窗口区间、64天事件窗口区间和124天事件窗口区间；2016年4月12日至2016年6月30日为事件后窗口区间。选取沪深300指数以及沪深A股市场的1 675只样本股票的日内高频数据作为样本Ⅱ，样本期间为2016年1月4日至2016年1月7日，数据内容为日内按1分钟频率记录的高频数据。为了使检验结果更加客观，研究过程中对样本数据进行了如下处理：一是剔除了价格波动异常的PT股和ST股；二是剔除了数据缺失的股票；三是剔除了样本期内上市公司有重大事项 （如诉讼、配股）发生的样本股票。研究过程中所选取的样本股票数据及沪深300指数数据来自CCER中国经济金融数据库和wind数据库。

由于小公司效应、规模效应等市场异常现象表明上市公司市值规模对股票市场收益率影响显著，而上市公司所属的行业特性对其市场表现和股价波动也有影响，因此研究过程中分别采取按市值分组和按行业分组两种方式对样本Ⅰ股票进行分组研究。对样本Ⅰ股票按对应上市公司的市值规模从低到高分为小、中、大3组，市值规模由上市公司的流通A股市值计算得到，每一只样本股票对应的平均流通A股市值是指该股票对应上市公司在样本期间内每日流通A股市值的平均值。据平均流通A股市值从低到高分成3组，将属于最低30%部分的股票记为L类，属于最高30%部分的股票记为H类，中间40%部分的股票记为M类。按照市值规模分组后样本Ⅰ股票的异常收益率情况见表2。

表2 2015年1月5日至2016年6月30日按照市值规模分组后样本Ⅰ股票异常收益率的描述性统计

表2显示，市值规模不同的三个样本股票组的异常收益率平均值均为负，市值规模居中的M类组的异常收益率平均值低于L类和H类的异常收益平均值。在波动幅度方面，三个样本股票组波动均较为平缓，市值规模较低的L类波动程度略高于M类和H类。三个样本股票组的异常收益率分布均呈现右偏态平峰性，市值规模高的H类组右偏的态势更加明显。由以上分析可知，市值规模不同的三个样本股票组的异常收益率在均值和波动性方面均存在差异，研究过程中将进一步分析市值规模差异对股票价格在熔断期间反应的影响。

根据GICS全球行业分类标准对上市公司划分，将样本Ⅰ股票分为能源类、原材料类、工业类、消费者相机选购品类、日常消费品类、医疗保健类、金融类、信息科技类和公用事业类9类①根据全球行业分类标准 （GICS），行业可以分为能源类、原材料类、工业类、消费者相机选购品类、日常消费品类、医疗保健类、金融类、信息科技类、电信业务类、公用事业类。研究过程中选取能源类、原材料类、工业类、消费者相机选购品类、日常消费品类、医疗保健类、金融类、信息科技类以及公用事业类的行业代表性股票作为样本进行研究。。按照行业分组后样本Ⅰ股票的异常收益率的情况见表3。

表3 2015年1月5日至2016年6月30日按照行业分组后样本Ⅰ股票异常收益率的描述性统计

表3显示，不同行业上市公司对应的9个样本股票组的异常收益率均值均为负，波动幅度较为平缓，信息科技行业样本组的波动性要稍高于其他组。样本股票组均呈现右偏态平峰性，较其他行业而言，医疗保健行业的右偏更为明显，信息科技行业的右偏程度最低。由以上分析可知，不同行业的样本组股票的异常收益率在偏度和波动性方面均存在差异，研究过程中将进一步分析行业因素对股票价格在熔断期间异常波动反应的影响。

表4具体描述了熔断机制被触发的交易日即2016年1月4日和2016年1月7日，每日第一次触发熔断机制前的5分钟以及两次熔断发生的间隔时间内，样本Ⅱ股价涨跌幅、涨跌幅变化、交易量及交易量变化的均值情况。

表4 熔断触发前及两次熔断间隔样本Ⅱ股价及交易量变化

表4显示，2016年1月4日和7日两个交易日，临近第一次熔断被触发的5分钟内股票交易量均明显增加，说明交易量随临近熔断触发点呈现增加趋势；两日中两次熔断触发点之间的股票交易量触发前增长更为明显，并且交易量变化的波动也更剧烈。两日中第一次熔断被触发前的5分钟内，股价都持续下跌，2016年1月4日的股价在熔断触发前后持续下跌，在两次熔断期间价格异常变动更为急剧，2016年1月7日的股价在第一次熔断后有微小上浮。由此可以看出，当价格接近熔断设定价格时，投资者担心触发熔断和流动性缺失，会加速并抢先过度交易，造成交易量的异常波动，交易异常活跃；在大盘下行的趋势下，同方向的卖方会加速交易，反方向的买方会延后交易，造成股价下跌，加速向下触发熔断。

（二）检验结果

1.基于ARMA⁃GARCH模型的股指波动性检验结果。

整理2016年1月4日至2016年1月7日沪深300指数的原始数据，共得到960个样本点，采用ARMA （1， 1） ⁃GARCH （1， 1） 模型①经过平稳性检验和自相关、偏自相关的分析后，确定阶数为1，即采用模型。， 对式 （4）中均值方程和条件方差方程的参数进行估计，结果见表5。

表5 ARMA （1，1） ⁃GARCH （1，1） 模型的参数估计结果

由表5可知，模型的系数显著异于0，模型很好地拟合了股票市场价格变化和波动的动态过程；α1＋β＜1，呈现出较强的GARCH效应，熔断机制实施显著增强了股票价格的波动性，股价在熔断机制实施期间波动加剧，即从股价波动性变化维度初步证实熔断机制磁吸效应的存在。为判断熔断机制是否催生股票价格发生同方向异常波动，还需针对假设1进行深入检验。

2.基于事件研究法的股价异常波动性检验结果。

熔断机制实施的交易日为T，四种时间长度不同的事件窗口期为6天、14天、24天和124天，分别记为 ［－1， 1］、 ［－5， 5］、 ［－10， 10］和 ［－60，60］。事件窗口期间内样本Ⅰ股票的平均异常收益率AR和累积异常收益率CAR的变化见表6。

表6 事件窗口期 ［－60，60］的AR与CAR （%）

续前表

由表6可知，熔断机制实施前股价即存在微小异常波动，熔断机制实施期间股价异常波动明显加剧，再次证明熔断机制磁吸效应的存在。同时，熔断机制实施的前1个交易日至实施以后的连续3个交易日，平均异常收益率为负，说明股票交易者对熔断机制实施的市场反应是消极的。累积平均异常收益率从熔断机制实施前开始由正变为负，并且一直持续到事件窗口期末，股市整体呈现下行趋势。

四种不同长度事件窗口期的累计平均异常收益率CAR和对应期间的统计量J1和J2见表7。

表7 股票市场对熔断机制实施的波动反应结果

由表7可知，在6天、14天、24天、124天四种事件窗口期间，累积平均异常收益率均显著为负；J1和J2值落在拒绝域内，可以显著拒绝熔断机制实施对中国股市波动没有影响的原假设H0，而接受熔断机制实施会引起股票市场异常波动的备择假设H1。即，熔断机制的实施一定程度上会引起股市持续下跌的异常波动，从股价波动性维度进一步证实磁吸效应的存在。

综上所述，假设1被证实。即，熔断机制的实施会熔断机制的实施会加剧股价波动程度，且催生股价异常下行，熔断机制有一定磁吸效应。

3.基于事件研究法的股价异常波动性分组检验结果。

为检验市值规模和行业差异因素是否会导致上市公司股价在事件窗口期间对于熔断机制的反应不同（检验假设2），现根据上市公司的市值规模以及所属行业差异，对样本Ⅰ分别按市值规模和行业分组进行研究。三种市值规模的样本股票在时间窗口期间的异常收益率分布及异常波动检验见表8。

表8 三种市值规模样本股票对熔断机制实施的反应检验

续前表

由表8可知，在6天、14天、24天事件窗口期内，市值规模不同的样本组累积平均异常收益率显著为负；并且窗口期越短，拒绝原假设的可能性越大，与总体样本的统计检验结果一致。因此，熔断机制的实施一定程度上引起上市公司市值规模不同的股价异常下行，股票市场发生显著的异常波动，从股价异常波动维度再次明晰熔断机制磁吸效应的存在及具体特征。然而，检验结果显示流通市值对累积异常收益率并无显著影响，规模因素对于解释事件窗口期间股价的异常波动无效。通过对四种窗口期内检验结果的比较发现，窗口期越长，低市值和高市值样本组累积异常收益率的绝对值越大。因此，熔断机制的实施并未能使信息充分有效传递，反而通过暂停交易的方式阻碍信息传递，加剧了信息不对称，引起股票价格下行的异常波动，并且突发事件引起的股票市场异常波动随时间累积而不是为市场消化。

九种行业样本股票价格在事件窗口期间的异常收益率及异常波动检验见表9。

表9 九种行业样本股票对熔断机制实施的反应检验

由表9可知，在6天、16天、24天、124天四种事件窗口期间内，9种行业样本股票的累积平均异常收益率均为负，这与总体股票的市场反应情况是一致的，说明熔断机制的实施一定程度上引起各个行业股价的异常下行。在 ［－1，1］、［－5，5］、［－10，10］窗口期内，除能源行业外的8个行业，即工业、消费者相机选购品、日常消费品、医疗保健、金融、信息科技、电信和公用事业样本股票的统计量J1和J2都很显著，可以显著拒绝原假设H0；并且窗口期越短，拒绝原假设的可能性越大，说明股票价格对熔断机制的实施有显著的负向反应，样本股票在熔断期间明显发生异常下行波动。熔断机制实施带来的股票市场异常波动再次证明对大部分行业而言熔断机制都存在磁吸效应。

综合表8和表9中的检验结果可知，假设2不成立。即，虽然熔断机制实施使股票市场产生异常波动，但不同规模、不同行业上市公司的股票对熔断机制实施的反应无明显差异。假设2不成立的原因可能为中国股票市场的趋同性很强，不能正确反映上市公司基本面情况。在信息不对称的情况下，投资者羊群行为明显，个人买卖行为和市场证券价格变化产生联动性和趋同性，同时熔断机制的实施作为一种暂时性外生冲击信息，会引起投资者关注，对投资者心理预期造成脉冲式冲击，弱化了投资者对上市公司行业特性和规模要素的关注，从而导致规模因素和行业因素对股票异常波动的影响不显著。

4.股票价格和交易量变化速度对熔断机制实施的响应。

基于样本Ⅱ①股票市场在2016年1月4日和2016年1月7日两天中，均分别两次触发了熔断，而在2016年1月5日和6日中，熔断机制并未被触发。故只选取2016年1月4日和7日的日内高频数据。，分别以标准化涨跌幅度变化和标准化交易量变化为被解释变量对式 （7）和式 （8）中的参数进行估计，结果见表10②鉴于事件研究法得到规模因素和行业因素对股票异常波动没有显著影响的结果，同时考虑规模和行业差异因素的影响在熔断机制实施的短短四天时间内不能凸显，在从股价与交易量变化速度快慢角度研究熔断机制磁吸效应 （检验假设3）的过程中，不再对样本股票分组。。

表10 式 （7）和式 （8）的参数估计结果

由表10可知，根据2016年1月4日的日内高频数据，分别对SdRI与SdVOLUME进行回归分析，得到int前的系数均显著为正，这证实了临近熔断被触发时刻股价和交易量呈现加速变化；根据2016年1月7日的日内高频数据，对SdVOLUME进行回归分析得到int前的系数在1%水平下显著为正，同样证实了临近熔断触发时刻交易量的加速变化；以上从股价和交易量加速逼近熔断触发点的维度进一步证明熔断机制磁吸效应的存在。产生这一现象的原因在于：投资者预期熔断将会触发市场暂停交易，担心流通性中断会选择提前或加速交易，过度反应反而加速熔断机制被触发，进一步地，投资者的非理性情绪会随熔断机制被触发的事实而放大，恐慌心理积聚导致市场更加非理性，引致熔断机制再次被触发。而基于2016年1月7日的日内高频数据，对SdRI回归分析得到int前的系数为负，说明2016年1月7日股价变化趋缓。这可能缘于投资者非理性情绪表现为买或卖两个相反方向的行为，对称的买卖指令在一定程度上减缓了价格变动程度，进而引起股价变化慢而交易快的结果。

表10对股价和交易量变化速度快慢的检验结果证实了假设3。即，股票价格和交易量在熔断价格附近变化加剧，且以正的加速度向熔断触发点逼近。这是因为：中国股票市场散户化特征明显，一旦形成群体恐慌心理，难以在短时间内自行化解，投资者从众心理导致群体非理性行为。而在15分钟冷静期内又缺乏权威信息披露，信息不对称程度加剧，投资者难以对股票价格变动趋势做出合理判断。在恐慌情绪弥漫的市场中，投资者实际交易行为必然导致熔断期间股票价格、交易量变化加速的磁吸效应。

在中国的股票市场中熔断机制的初次试水并未实现其稳定市场的制度设计初衷，表现为在熔断价格附近加速触发熔断的磁吸效应。究其原因，在于中国的资本市场尚不成熟，以个人投资者为主的市场羊群效应显著，作为市场引导者的机构投资者同样存在非理性行为，缺乏有效的稳定市场的工具手段，一旦群体恐慌心理形成，难以在短时间内自行化解。同时中国资本市场配套机制仍待完善，具体来看，T＋1的交易制度与个股涨跌停板制度已有局部熔断的功能，在此基础上增设熔断机制，间隔幅度过小的熔断价格安排，在一定程度上限制了股票价格的正常波动，反而弱化其稳定市场的功能。在2012年至2015年间，沪深A股指数共计13次达到7%幅度，45次达到5%幅度，按此频率股票价格波动触发熔断机制的概率较大；此外，两档阈值之间的差距较小，并不能真正给投资者冷静思考的机会，股票价格极易在触发5%的阈值之后再次触发7%的阈值，熔断机制的磁吸效应愈发明显。因此，中国的股票市场在保留原涨跌停板制度的前提下，熔断机制的阈值设计尚需更多模拟经验和数据的支撑，甚至有研究表明中国股票市场的涨跌制度的历史使命已经完成，可以放宽涨跌停限制，或者废除涨跌停板制度而引入熔断机制 （陈平和龙华， 2003［39］； 王朝阳和王振霞， 2017［40］）。 从长远来看，随着中国资本市场发育程度的日益提高，投资者结构趋于合理，市场操作更加理性，在科学设定熔断阈值的基础上，选择适当的时机，再次将熔断机制引入中国的股票市场中，有助于促进中国股票市场的发展与完善。

五、稳健性检验

研究过程中新选取A股指数在熔断期间的日内高频数据，作为衡量股票市场波动性的样本，进行稳健性检验，采用ARMA⁃GARCH模型①经过平稳性检验和自相关、偏自相关的分析后，确定阶数为1，即采用模型。对均值方程和条件方差方程的参数进行估计，得到的结果见表11。

表11 A股指数ARMA （1，1） ⁃GARCH （1，1） 模型的估计结果

由表11可知，模型同样很好地拟合了A股指数价格变化和波动的动态过程，α1＋β＜1，呈现出较强的GARCH效应，进一步说明熔断机制实施显著增强了股价的波动性，股价在熔断机制实施期间波动加剧，再次证实了熔断机制增加股价波动的磁吸效应的存在。这表明本文对于熔断机制会放大股价波动的检验结果具有稳定性。

稳健性研究证明了本文检验结果的稳定性，受篇幅限制对稳健性检验结果不再一一列示。

六、结论与启示

在2015年股票市场暴跌之后，于2016年初中国在股票交易中引入熔断机制。然而，熔断机制的实施并未实现其稳定市场的制度设计初衷，反而加剧股票交易价格在振荡中下挫。为此，论文基于中国股票交易主板市场的日频数据和日内高频数据，采用事件研究和计量检验相结合的方法，从股价的波动性和股价与交易量的变化速度两个维度，对熔断机制在中国股票交易市场中的磁吸效应及其特征进行检验。结果发现，在熔断机制即将实施时，股票交易价格即呈现出下行的异常波动，且在熔断机制实施期间波动加剧；不同规模、不同行业的上市公司股票价格对于熔断机制实施的反应并没有表现出明显的差异；熔断机制实施期间股价和交易量在熔断价格附近以正的加速度向熔断触发点逼近。本文研究结论的启示在于：

1.提升投资者对信息的获取与理解能力，培育成熟的投资者。发达资本市场的实践已经表明，熔断机制的引入确实能够在市场出现剧烈波动时给投资者提供冷静思考的机会，从而实现稳定市场交易的目标。然而，本文的检验结果却表明，在中国的股票交易市场中熔断机制产生了明显的磁吸效应。这是由于中国股票市场尚不成熟，投资者散户化特征明显，羊群效应较强，在重大事件的影响下，遭受突发事件冲击后，投资者恐慌心理一旦形成，难以在短时间内自行化解与逆转。与此同时，在信息不对称条件下，个体投资者会产生系统性心理认知偏差，倾向于过度解读自己所获得的负面消息，从而出现过度交易，由此导致股价异常下跌，波动加剧。因此，应注重理性投资者的培养，提升投资者对于市场信息的捕捉与理解能力，从而使他们能够对于政策施行的目的有深刻的领悟，并通过其交易行为推动资本市场趋于成熟。

2.激发机构投资者的社会责任感，充分发挥其稳定市场的功能。尽管中国股票市场中散户投资者占有一定的比例，但基金等机构投资者仍然是股票交易市场中最重要的组成部分。机构投资者信息获取渠道广泛、市场分析能力较强，而且能够通过投资品种的分散化进行有效风险管理，因此机构投资者理应是资本市场稳定资产价格的重要力量。然而，实证检验的结果却显示，临近熔断机制的实施股票市场波动加剧，特别在熔断机制实施期间不同规模、不同行业公司股票的交易价格在剧烈振荡中加速下跌，其间难觅机构投资者稳定市场交易价格、提振市场信心的踪影。相反，面对交易制度的改变及由其所带来的不确定性，机构投资者可能预先采取与制度改革初衷相悖的交易策略，而置其所应承担的社会责任于不顾，从而放大市场的恐慌情绪，强化交易过程中的非理性行为趋同，引起股票价格短时间内急速变化。因此，应该通过制度改革与创新鼓励与引导机构投资者深入市场调研，勇于承担社会责任，借助其理性的交易策略实现市场的稳定。

3.兼顾市场成熟度，审慎推进资本市场制度创新。发达国家资本市场中熔断机制平抑金融资产价格波动成效显著的基础是机构投资者主导的成熟度较高的股票市场与熔断阈值不干扰的涨跌停板设计，以及一系列诸如退市制度等政策的配合。当前，中国股票市场的退市制度、信息披露制度等相关配套政策尚需完善，而对投资者交易行为的研究也还需深入，尤其是对于5%与7%两种熔断价格的设计缺乏仿真交易数据支撑，在此背景下推出股票交易的熔断机制，在恐慌情绪若隐若现的市场中熔断价格极易诱发向下的磁吸效应。此外，在十五分钟冷静期内缺乏权威信息披露，在充斥 “猜疑”与 “恐慌”的市场中，消极情绪迅速弥漫，表现为第一次熔断恢复交易之后很快引致触发第二次熔断的磁吸效应。从金融市场的发展经验来看，经过长时间试点模拟后推出的股指期货交易能较好地实现其初衷，涨跌停板阈值多次调整后的设计对于抑制股市剧烈波动有正向作用。待中国资本市场逐步成熟后，择机推出熔断机制，对于稳定市场平抑波动也会大有助益。因此，资本市场交易制度的变革与创新，应该充分考虑市场的成熟度，审慎而有序地推进。

［1］Kyle， and S.Albert.Continuous Auctions and Insider Trading ［J］.Econometrica， 1985， 53 （6）： 1315 －1335.

［2］Greenwald， B.， and J.Stein.Transactional Risk， Market Crashes and the Role of Circuit Breakers ［J］.Insurance Mathematics and Economics，1990， 12 （1）： 79.

［3］Recep， B.， and E.Selim.Effects of Price Limits on Volatility⁃Evidence from the Istanbul Stock Exchange ［J］.Emerging Markets Finance and Trade， 2004， 40 （1）： 5 －34.

［4］Kodres， L.E.， and D.P.O'Brian.The Existence of Pareto⁃superior Price Limits ［J］.American Economic Review， 1994， 84 （4）： 919 －932.

［5］张小涛，祝涛.针对高频数据的中国股市磁吸效应研究 ［J］.重庆理工大学学报，2014，28（1）：123－127.

［6］Kyle， A.Trading Halts and Price Limits ［J］.Review of Futures Markets， 1988 （7）： 426 －434.

［7］Booth， G.， and J.Broussard.Setting NYSE Circuit Breaker Triggers ［J］.Journal of Financial Services Research， 1998， 13 （3）： 187 －204.

［8］Acker， T.L.， B.Church， and N.Jayaraman.An Experimental Study of Circuit Breakers： The Effects of Mandated Market Closures and Temporary Halts on Market Behavior ［J］.Journal of Financial Markets， 2001， 4 （2）： 185 －208.

［9］Kim， K.A.， and G.Rhee.Price Limit Performance： Evidencefrom the Tokyo Stock Exchange ［J］.Journal of Finance， 1997， 52 （2）：885－899.

［10］Christie， W.G.， S.A.Corwin， and J.H.Harris.NASDAQ Trading Halts： The Impact of Market Mechanisms on Prices， Trading Activity， and Execution Costs ［J］.The Journal of Finance， 2002， 57 （3）： 1443 －1478.

［11］Kim， B.， and J.J.Yang.What Makes Circuit Breakers Attractive to Financial Markets？ A Survey ［J］.Financial Markets Institutions and Instru⁃ments， 2004， 13 （3）： 109 －146.

［12］Lee， J.， M.Ready， and R.K.Seguin.The Intraday Stock Return Characteristics Surrounding Price Limit Hits ［J］.Journal of Multinational Fi⁃nancial Management， 1994， 14 （4－5）： 485－501.

［13］Chen， H.Price Limits， Overreaction， and Price Resolution in Futures Markets ［J］.Journal of Futures Markets， 1998， 18 （3）： 243 －263.

［14］Park， C.W.Examining Futures Price Changes and Volatility on the Trading Day after A Limit⁃lock Day ［J］.Journal of Futures Markets， 2000，20 （5）： 445－484.

［15］Du， Y.， Q.Liu， and S.G.Rhee.An Analysis of The Magnet Effect under Price Limits ［J］.International Review of Finance， 2009， 9 （10）：83－110.

［16］Cho， D.， J.Russell， G.C.Tiao， and R.Tsay.The Magnet Effect of Price Limits： Evidence from High Frequency Data on Taiwan Stock Ex⁃change ［J］.Journal of Empirical Finance， 2003， 10 （1 －2）： 133 －168.

［17］Nadig， A.An Empirical Study of Stock Split Announcements of Select BSE Sectors Using Event Study Methodology ［J］.Journal of Management，2015， 6 （1）： 1－12.

［18］Subrahmany， A.Circuit Breakers and Market Volatility： A Theoretical Perspective ［J］.The Journal of Finance， 1994， 49 （1）： 237 －254.

［19］吴林祥，徐龙炳，王新屏.价格涨跌幅限制起到了助涨助跌作用吗？［J］.经济研究，2003（10）：59－65.

［20］孙培源，范利民.涨跌幅限制与投资者过度反应：一个基于均衡价格估计的经验研究 ［J］.世界经济，2004（4）：72－79.

［21］吉洁，国世平.实施熔断制度对中国股票市场波动性影响的研究 ［J］.浙江金融，2016（5）：57－64.

［22］李超.中国股市涨跌停板对投资者交易行为的影响 ［J］.中央财经大学学报，2005（9）：30－34.

［23］Kim， K.A.，H.X.Liu， and J.J.Yang.Reconsidering Price Limit Effectiveness ［J］.Journal of Financial Research， 2013， （36）， 493 －517.

［24］胡朝霞.涨跌停机制对上海股市效率和波动的影响 ［J］.厦门大学学报 （哲学社会科学版），2004（2）：100－108.

［25］Lamoureux， C.G.， and P.Poon.The Market Reaction to Stock Splits ［J］.The Journal of Finance， 1987， 42 （5）： 1347 －1370.

［26］陈伟，刘星，杨源新.上海股票市场股利政策信息传递效应的实证研究 ［J］.中国管理科学，1999（3）：56－62.

［27］Lakshmi， V.， and M.Joshi.Market Reaction to Listing of Stocks on F＆O Segment of NSE： Application of Event Study Methodology ［J］.Iup Journal of Applied Economics， 2016， 15 （3）： 37 －77.

［28］Du， Y.， Q.Liu， and S.G.Rhee.An Anatomy of the Magnet Effect Evidence from the Korea Stock Exchange High Frequency Data ［A］.Center for Economic Institutions，2006.

［29］方园，陈收.涨跌停板制度对上海股市日内价格变动和投资者行为的影响 ［J］.系统工程，2007，25（11）：48－53.

［30］Hsieh， P.H.， Y.H.Kim， and J.J.Yang.The Magnet Effect of Price Limits： A Logit Approach ［J］.Journal of Empirical Finance， 2009， 16（5）： 830－837.

［31］刘勤，顾岚.股票日内交易数据特征和波幅分析 ［J］.统计研究，2001，18（4）：36－42.

［32］Lakonishok， J.， A.Shleifer， and R.W.Vishny.Contrarian Investment Extrapolation and Risk ［J］.The Journal of Finance， 1994， 49 （5）：1541－1578.

［33］Banz， R.W.The Relationship between Return and Market Value of Common Stocks ［J］.Journal of Financial Economics， 1981， 9 （1）：3－18.

［34］Fama， E.F.， and K.R.French.Multifactor Explanations of Asset Pricing Anomalies ［J］.The Journal of Finance， 1996， 51 （1）： 55 －84.

［35］Schwartz， R.A.， and E.I.Altman.Volatility Behavior of Industrial Stock Price Indices ［J］.The Journal of Finance， 1973， 28 （4）：957－971.

［36］Roll， R.Industrial Structure and the Comparative Behavior of International Stock Market Indices ［J］.The Journal of Finance， 1992， 47 （1）：3－41.

［37］劳兰珺，邵玉敏.行业股票价格指数波动特征的实证研究 ［J］.南开管理评论，2005（5）：6－10.

［38］Binder， J.The Event Study Methodology since 1969 ［J］.Review of Quantitative Finance and Accounting， 1998， 11 （2）： 111 －137.

［39］陈平，龙华.中国股市涨跌停绩效的经验分析及政策建议 ［J］.世界经济，2003（2）：56－65，79.

［40］王朝阳，王振霞.涨跌停、融资融券与股价波动率——基于AH股的比较研究 ［J］.经济研究，2017（4）：151－165.