交易机制、做市商特征与新三板流动性*

2019-01-14 01:40汪洋

重庆工商大学学报（社会科学版） 2019年1期

汪洋

(安徽师范大学经济管理学院，安徽芜湖 241002)

一、引言

相对于“中小板”强调企业规模，“创业板”注重成长性和持续盈利能力，以及场内市场高昂的上市成本和等待成本(石艾馨、萧琛，2014)[1]，“新三板”以其实质性条件相对宽松，有望成为缓解中小微企业融资问题的重要市场。然而，一直以来存在的流动性不足问题使得业界不得不质疑“新三板”能否发挥预期作用。为了改变流动性低迷的局面，2014 年8 月25 日，“新三板”正式启动“做市商”交易机制，以期提高流动性。相对于国内学者在理论层面上对做市商制度改善流动性的一致看好，市场的实际表现却似乎要复杂得多(见图1)：从换手率和成交量指标来看，先是从2014年第四季度到2015年第一季度各项指标急剧上升，然后是2015年二、三季度的指标回落，再到2015年底、2016年初的指标起伏。这样的市场表现使得业内人士对做市商制度是否发挥了应有作用持有疑问。

流动性是资本市场最为重要的指标，也是一个极为综合性的概念(冯福根，2017)。[2]而“新三板”尚处建设期的特征，本身也加剧了市场的不稳定性。所以，有必要通过实证方法，系统鉴别做市商制度对“新三板”流动性的真实影响。本文研究目的就是要从实证的角度检验交易机制对我国“新三板”市场流动性的影响。我们的增量贡献主要体现在：中国这样一个新兴市场国家的场外市场上验证做市商制度是否显著地提升了流动性，以及检验做市商的做市特征对流动性产生的影响。本文的研究意义在于，检验既有政策的有效性，并为提高政策有效性提供建议，促进市场流动性，提高挂牌企业融资效率。

图1 “新三板”市场指标表现图

注：数据来源于WIND数据库。

二、文献回顾

(一)国外有关做市商制度影响流动性的研究

国外研究大体可分为两类：一是检验做市商制度本身是否有效，二是关于影响做市商制度有效性的因素研究。国外学者在不同国家的股票(Amihud & Mendelson，1986；Elyasiani et al.，2000；Kalay et al.，2002)[3-5]、债券( Kamara，1994)[6]和期权(Lepone & Yang，2013)[7]市场均发现做市商制度能提高流动性。所以，对做市商制度能否提高流动性一般持认同观点。

关于影响做市商制度有效性的因素研究主要涉及如下方面：1.存货管理。Amihud和Mendelson(1980)[8]、Snell和Tonks(1998)[9]均证明影响做市商报价价差的原因来源于存货控制动机。2.信息不对称。Glosten和Milgrom(1985)[10]通过序贯交易模型分析认为，做市商依据订单流中包含的信息来设定报价。逆向选择导致存货成本上升，进而引发了买卖价差的增加(Huh et al.，2015)。[11]当做市商与做市企业处于同一都市圈时，由于存在信息优势可以提高流动性和市场效率(Kedia & Zhou，2011)。[12]3.投资者行为特征。市场买卖指令的非均衡(Shen & Starr，2002)[13]，以及投资者异质性加大(Guo et al.，2015)[14]将导致做市商买卖差价增加，降低市场流动性。4.做市商制度类型。Ho和Stoll(1983)[15]最早研究了竞争性做市商制度对报价价差的影响。实证表明，在美国竞争性做市商制度在促进市场流动性方面更优(SEC，2004；Becker，2004)。[16][17]但是在信息不对称较严重的市场，垄断做市商更有可能维持市场交易的持续进行(Glosten，1989)。[18]另外，对于流动性差的股票，指定做市商制度能提供较好的流动性(Menkveld & Wang，2013)。[19]

(二)国内有关做市商制度影响流动性的研究

国内有关“新三板”做市商制度的研究还处于理论层面。绝大多数学者认为做市商制度有助于增加流动性(石艾馨、萧琛，2014；胡冬辉，2016；陈辉、顾乃康，2017)。[1][20][21]

国内有关做市商制度的实证研究主要集中于银行间债券市场。我国银行间债券市场于2001年引入做市商制度，2007年正式建立。姚秦(2007)[22]研究表明做市商的双边报价具有显著的引导作用，能够在一定程度上提高银行间债券市场的流动性。张瀛(2007)[23]研究表明，竞争性的做市商制度可以有效降低报价价差，但在银行间市场信息不对称程度较高的情况下，垄断性的做市商制度在维持市场运行方面更具优势。吴蕾(2017)[24]研究发现，竞争性做市商制度并不能有效提升市场流动性和价格发现能力，其机制设计的优越性在我国现阶段尚未体现。

对已有研究分析可以发现，首先针对“新三板”做市商制度的实证研究严重缺乏，而国内基于银行间债券市场的实证研究也较少，且结论存在分歧。因此利用“新三板”数据拓展我国做市商制度的实证研究具有必要性。其次，国内外研究中，有关做市商及其行为特征对制度有效性的影响研究较少。行为特征是做市商自适应的结果，是所处市场外在条件和做市商内在偏好的综合体现，是影响做市商制度有效性的直接因素。“新三板”规定只有券商才能成为做市商，并且采用传统竞争性做市商制度。这些制度设定势必影响做市商特征和其行为特征，进而对流动性产生影响。所以，有必要从做市商特征以及做市商行为特征，来检验它们对流动性的影响，从而验证制度设定的合理性。

三、研究假设

Kyle(1985)[2]从交易成本、交易数量和交易时间三个角度对流动性概念进行界定。后继研究者又以“(交易)及时性的价格”(O’Hara，1995)[25]、“一定时间内完成交易所需要成本”(Amihud & Mendelson，1986)[3]、“以合理价格迅速成交的能力”(Schwartz，1988)[26]等概念定义市场流动性。做市商制度促进流动性的作用机理表现为：1.做市商制度具备稳定市场功能，从而降低交易成本，促进流动性。如NASDAQ 规定做市商需将买卖差价的波幅控制在5 %之内，从而确保了市场运行的稳定。同时，做市商在双向报价情况下能确保大宗交易在不影响市场价格稳定性的前提下，短时间内迅速完成，从而节约了交易时间和交易成本。2.做市商的双向连续出价，能保证交易量的时时存在，增加流动性。做市商可通过对股票价值的发现来确定稳定的双向报价，使买卖不会随供求关系在短期内随意波动，可有效地使供求关系的不确定性在一段时间内得以明朗并缓解，从而使股票价格连续性得以保持。3.做市商的报价驱动机制，消除指令输入的“等待”问题，改善流动性。竞价模式下由于买卖指令不可能同时、同量地投入市场，某一投资者发出指令后必须“等待”一段时间才能成交。做市商通过自己的中介性买卖消除了“等待”的问题使市场易于出清，从而提高了市场的运作效率。基于上述影响路径，提出假设1：

H1.新三板市场中，选择做市交易方式的企业股票流动性更强。

我国目前采用的是传统竞争性做市商制度，即每一家采用做市交易的挂牌企业至少有两家做市商同意为其提供做市服务。选用竞争性做市商制度的理论基础就在于，政策制定者认为竞争性将有助于缩小做市商所报买卖价差，促进流动性。如果延续该思路，则给同一企业提供做市服务的做市商越多，竞争必将更加激烈，买卖报价差有望更小，流动性会更强。因此提出假设2：

H2.新三板市场中，挂牌企业的做市商数量越多，股票流动性越强。

国内外研究已经表明，竞争性做市商制度还是垄断性做市商制度更有利于提高流动性存在争论。如果假设2得以验证，则将部分地间接证明在我国场外市场中竞争性做市商制度是优于垄断性做市商制度的。说明制度设定具有合理性。

相对于实力较弱的做市商，实力较强的做市商在经验、能力和资本方面将更具优势。因此，在信息不对称程度较高的市场中，更容易评估企业真实价值，从而确定双向报价，保持出价连续性，保证流动性。实力更强的做市商在所服务企业股价表现不佳时，也更有能力通过买入企业股票手段，来维持股价稳定，保证流动性。所以，我们提出假设3：

H3.新三板市场中，提供服务的做市商实力越强，股票流动性更强。

做市商通过持有做市企业的库存股，在市场波动时能更好地实施买卖活动，以达到平抑价格，维持流动性的目的。延续这一思路，做市商合计持有做市交易企业的库存股越多，则说明做市商(们)平抑价格的能力越强，该企业股票流动性越有保证。另外，做市商持有企业库存股越多，做市商也有更强的动机维持该企业股票的流动性。最后，做市商持有企业库存股越多，就能越及时地提供股票买卖活动，越有能力消除市场“等待”现象，改善股票流动性。因此，提出假设4：

H4.新三板市场中，做市商持有企业的初始库存股越多，该企业股票流动性越强。

四、实证检验

(一)样本选取

本文选取样本的时间区间为2006年1月1日至2016年12月31日。开始时间为新三板开板时间。截止日为距离研究最近的时间节点。由于新三板的财务季报、半年报采用自愿披露原则，所以披露季度、半年财务数据的公司较少。为了与财务数据匹配，本研究主要以年度数据为样本，并对以下样本进行了剔除：1.成交量不为零的天数少于60天的公司样本；2.账面资产负债率大于100%的样本；3.金融类公司样本；4.存在缺失值的样本。剔除样本后，2006年没有样本入选，实际样本检验时间区间为2007—2016年，最终获得有效样本3331个。数据来源于WIND数据库，以及根据WIND数据手工计算所得。

(二)研究设计

1.因变量。流动性由三个维度：宽度、深度和弹性三个方面综合反应，在研究中往往把这三个方面结合起来衡量市场流动性。由Amihud(2002)[27]使用日间数据构造非流动性指标( ILL)，不但较好地结合了反应三个维度的数据，反映出由价格冲击所造成的影响，而且是反映中国股市流动性最优的低频流动性指标(张峥等，2014)[28]。因此，本文选择 ILL作为衡量流动性的首选指标。借鉴Hasbrouck(2009)[29]方法，文中该指标计算公式如下：

(1)

其中，Rd代表成交量不为零的交易日的日股票收益率，RMBVOLd代表成交量不为零的交易日的日成交金额，D为年度中交易量不为零的天数。ILL指标越小代表股票流动性越强。

同时，为了更加稳健地测度流动性，我们也选取了另外两类代表性指标：相对有效性价差和相对报价价差。它们的计算公式如下：

(2)

(3)

其中，liquidity1代表相对有效性价差，liquidity2代表相对报价价差。price代表股票交易日收盘价，ask代表交易日股票交易最高价，bid代表交易日股票交易最低价，D为本年度内单只股票交易量不为0的天数，d为D中的某一天。liquidity1和liquidity2越大，代表流动性越差。

2.自变量。是否是做市交易虚拟交易变量。主要用于检测做市商制度是否引发了流动性的变化。根据WIND数据提供的信息，如果每年年底新三板上市企业为做市交易方式，该变量取值为1；如果是协议交易方式，变量取值为0。

做市商数量、连续变量。主要用于检测做市商数量特征是否会影响流动性，也是我们间接检验竞争性做市商制度是否适合我国资本市场的手段。变量取值以样本公司中做市商数量为变量值。如果检测结果显示做市商数量显著正向影响流动性，则不但说明做市商数量特征会影响流动性，也间接说明新三板采用竞争性做市商制度(而不是垄断性做市商制度)的合理性。

是否属于前十做市商、虚拟变量。主要用于检测做市商的实力特征是否会影响到流动性。市场上有关做市商的排名主要是根据做市商做市企业的数量来确定的。我们根据WIND数据库截止2016年10月31日公布的数据为依据，排序出做市数量前十的做市商。如果样本企业中有属于前十的做市商，该变量取值为1，否则取值为0。

初始库存股持有量、连续变量。用做市企业中所有做市商持有做市企业的初始库存股数量和占比表示该值。主要检验做市商持有的库存股数量特征是否会影响流动性。

3.控制变量。根据现有研究，控制变量包括反映样本公司层面特征的资产报酬率和资产负债率；反映市场交易情况的成交量、价格、市值和换手率；反映行业和宏观因素的行业变量和时间变量。

所有变量指标的定义、计算和数据来源见表1：

表1 变量汇总表

4.模型设定。拟检验的样本属于非平衡面板，理论上存在着采用固定效应模型、随机效应模型和混合回归模型的三种选择。通过固定效应的F检验和随即效应的LM检验发现，P值均非常接近于1，即固定效应模型、随机效应模型与混合回归模型没有显著差异，混合回归模型设定是可接受的。如果从样本的年度分布来观察的话，这一现象将很容易接受。

尽管样本的年度跨度有10年，但是在2007—2014年分布的样本非常少，累计占比只有全样本的17%不到。也就是说，真正在年度间大量发生重复的样本主要集中在2015年和2016年，在两期样本中，不随时间变化的影响因素所发挥的作用几乎是微乎其微的。所以，采用混合回归模型是恰当的。

表2 样本年度分布表

待检验模型如下：

ILL/liq1/liq2=α+β1make+β2vol+β3price+β4value+β5turn+β6L.roa+β7L.lev+

φi∑yeari+δj∑indj+ε

(4)

ILL/liq1/liq2=α+β1makers+β2vol+β3price+β4value+β5turn+β6L.roa+β7L.lev+φi∑yeari+δj∑indj+ε

(5)

ILL/liq1/liq2=α+β1top+β2vol+β3price+β4value+β5turn+β6L.roa+β7L.lev+

φi∑yeari+δj∑indj+ε

(6)

ILL/liq1/liq2=α+β1top+β2vol+β3price+β4value+β5turn+β6L.roa+β7L.lev+

φi∑yeari+δj∑indj+ε

(7)

为了尽量控制可能存在的反向影响，我们在模型中使用资产报酬率和资产负债率的一阶滞后变量，L.roa和L.lev进行检验。

(三)统计性检验

反应流动性的指标ILL、liq1和liq2，它们的最小值和最大值均相差十倍以上，说明样本公司的流动性存在较大差距。61%样本采用了做市交易，这主要与采用协议交易的样本，年度不为零的交易日少于临界值(60日)而被剔除有关。每个样本中平均有3.55个做市商。83%的样本中有排名前十的做市商，这主要和做市商将排名视为行业声誉的重要显性指标有关：大的做市商尽量扩大自己做市企业的数量，来提升自己的排名。做市商持有做市企业库存股平均占企业股本的3.27%。另外，财务指标方面，净资产收益率和资产负债率的均值分别为8.19%、36.67%，但是由于行业差异的原因，二者最小值与最大值之间差异较大。其他信息见表3。

表3 变量统计表

自变量和控制变量之间的相关性检验显示，除了make和makers之间有较高的相关性外，其他变量之间不存在较高的显著相关性。由于make和makers是在不同的模型中用于检验，因此，本研究中的模型检验不存在潜在的严重共线性问题，其他信息见表4。

表4 变量相关性检验表

注：*代表在5%置信水平上显著。

(四)检验结果与解读

1.单变量检验。学术界关于流动性的定义包括了多个维度，在度量指标上也不断地发展。目前运用低频数据衡量流动性最好的指标为Amihud(2002)[27]构造的非流动性指标( ILL)(张铮等，2014)。[28]但是出于便捷，实务界对流动性的判断多来自于换手率、成交量等简单指标，因此可能与学术界对市场流动性的判断形成分歧。基于2014年9月至2016年12月换手率和成交量的月度数据判断，“新三板”流动性似乎经历了大起大落。但是当我们运用“新三板”市场指数计算的ILL指标来解读流动性时，会发现情况截然不同：ILL指标并没有大的波动，而是呈现平稳下降趋势，即代表市场流动性平稳上升(见图2)。由此可见实证研究“新三板”流动性对于正确解读制度效果是非常必要的。而成交量和换手率的大幅波动主要源于证券市场波动和相关政策冲击。2015年股市上半年大涨、大跌和下半年大跌后的回暖时间，均与“新三板”成交量和换手率大幅波动时间吻合。我们以创业板市场的成交量和换手率与“新三板”指标作相关性检验发现，二者正相关，尤其是成交量的相关系数在1%置信水平上达0.665。而2016年底利好政策密集出台(分层方案、私募做市试点、重推转板机制等)，应该是2016年底“新三板”换手率和成交量再起波澜的重要原因。

图2 “新三板”市场流动性指标表现图

注：数据来源于WIND数据库。

① 两年间做市交易方式企业数量占比并没有上升，所以流动性上升主要源于制度效果随时间增长的释放。

② 由于做市商制度是在2014年第四季度实施的，因此在分组上我们把2014年归入制度实施前的样本组。

进一步，我们利用T检验观测市场的流动性变化。结果显示，做市商制度实施后与实施前相比样本ILL均值下降了13.25%，T值在5%置信水平上显著，即做市商制度实施后市场流动性有显著提高。我们对2015年和2016年样本实施T检验，结果显示2016年市场流动性显著好于2015年，这主要是制度效果随时间逐步释放引发的。①但是显著性水平和均值差都要小于制度实施前后的差异。我们以交易方式划分样本组进行T检验，结果显示做市交易方式下的流动性在1%置信水平上显著高于协议交易方式下的流动性。结合上述单变量检验结果可以看出，以ILL指标来衡量“新三板”的流动性的话，做市商制度实施前后，以及做市商制度实施以后，市场流动性均呈现显著递增趋势，而且初步可以看出，这种流动性的上升与交易方式密切相关(其他信息见表5)。