Research on Determinants of Intraday Price Movement in Shanghai Security Market

 2006 年 7 月 系统工程理论与实践 第7期  文章编号 :100026788 ( 2006) 0720077209 上海证券市场日内价格变化的影响因素研究 曹迎春 ,刘善存 ,邱菀华 ( 北京航空航天大学经济管理学院 ,北京 100083) 摘要 :  采用次序 probit 回归...
Author: Violet Craig
1 downloads 2 Views 214KB Size
 2006 年 7 月

系统工程理论与实践

第7期 

文章编号 :100026788 ( 2006) 0720077209

上海证券市场日内价格变化的影响因素研究 曹迎春 ,刘善存 ,邱菀华 ( 北京航空航天大学经济管理学院 ,北京 100083)

摘要 :  采用次序 probit 回归方法研究指令驱动市场中日内交易价格变化的影响因素 . 将我国上海证券 市场日内交易价格的变化量分解为信息成本 、 存货成本 、 流动性成本和累计买卖压力四个部分 , 并利用 上证 50 指数样本股的高频交易数据进行了实证 ,结果表明在上海证券市场上这四个部分在解释日内交 易价格的变化方面均显著 ,但这四个部分在个股上的表现强弱不同 ; 同时发现不同于纽约证券交易市场 (NYSE) 和香港证券交易市场 ( SEHK) ,上海证券交易市场 ( SSE) 的信息成本与存货成本之间没有统一的 大小关系 ,信息成本不总是比存货成本大 ,反之亦然 ,这说明在我国股票市场上 ,信息成本与存货成本均 是股票日内价格变化的不可忽视的解释因子 . 关键词 :  日内价格变化 ; 信息成本 ; 存货成本 ; 纯限价指令市场 中图分类号 :  F83019         文献标识码 :  A    

Research on Determinants of Intraday Price Movement in Shanghai Security Market CAO Ying2chun , LIU Shan2cun , QIU Wan2hua ( School of Economics and Management , Beihang University ,Beijing 100083) Abstract :  This paper investigates determinants of intraday price movement in order2driven market using ordered probit regression method. We decompose the intraday price movement in Shanghai security market into four parts such as information cost , inventory cost , liquidity cost and accumulative pressure of buy or sell. Accordingly , this paper empirically analyzes high - frequency data of Shanghai Stock Exchange ( SSE) 50 index stock. The empirical results show that the above four factors have significant effect on intraday price movement , but differs in magnitude of them in individual stocks. It also finds that in SSE , different from NYSE and SEHK, neither the information cost nor inventory cost is the dominant determinant in intraday price movement across individual stock , i. e. information cost are not consistently larger than inventory cost and vice versa. This indicates that , in Chinese stock market , the two costs can not be ignored in explaining intraday price movement. Key words :  intraday price movement ; information cost ; inventory cost ; pure order2driven market

1  引言 证券市场日内价格变化的影响因素分析是当前金融市场微观结构理论研究的一个热点. 传统的理论 和实证研究是基于做市商制度下建立的 ,包括存货模型和信息 ( 逆向选择) 模型 ,这两种模型被用来解释买 卖价差 ( 微观结构成本) 和股票价格的变化 . 存货模型认为由于市场上买卖指令流的提交时间并不一定匹 配 ,这时作为中间人的做市商必须储备一定的现金或股票以平衡不同时点的供给和需求 ,而股票价格或利 息的波动就造成了做市商储备股票或现金的存货机会成本 ,因此存货成本是决定报价的主要因素 ; 信息模 型引入了信息 ( 逆向选择) 成本的概念 ,认为由于信息不对称所引起的信息成本是决定报价和价差的主要 收稿日期 :2005206230 资助项目 : 国家自然科学基金 (70471075) ; 全国博士学位论文作者专项资金 ( 200466) ; 信息管理与信息经济学教育部重 点实验室开放基金 ( F0607232)   作者简介 : 曹迎春 (1974 - ) ,女 ,江西人 ,博士研究生 ,研究方向 : 金融市场微观结构 ; 刘善存 ( 1964 - ) ,男 ,河北人 ,教授 , 硕士生导师 ,研究方向 : 金融市场微观结构 、 投资组合管理 ; 邱菀华 (1946 - ) ,女 ,江西人 ,教授 ,博士生导师 ,研究方向 : 决策 、 风险与项目管理 . © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

http://www.cnki.net

系统工程理论与实践

78

2006 年 7 月

[1 ] [2 ] 因素 . 在这个基础上有学者如 Hasbrouck ( 1988) ,Snell 和 Tonks ( 1995) 综合分析了存货和信息不对称对 报价和价差的影响 ,得出存货水平和信息不对称均会影响报价和价差的结论 . 据此 ,不少学者对存货效应 [3 ] [1 ] 和信息效应进行了实证 : Glosten 和 Harris ( 1988) , Hasbrouck ( 1988) 分析了纽约证券交易所的日内交易 量和日内报价 ,发现存货控制和不对称信息均对报价有影响 ,其中不对称信息由于改变投资者对股票价值 [4 ,5 ] 的预期 ,其对股价的影响是持久的 , 并且信息效应超过存货效应 ; Hasbrouck ( 1991a , b ) ,Jones 、Kaul 和 [6 ] [7 ] [8 ] Lipson ( 1994) ,Madhavan , Richardson 和 Roomans ( 1997) 以及 Madhavan 和 Smidt ( 1991 ) 采用不同的模型

和数据分离了信息效应和存货效应 ,研究结果都显示出不对称信息是日内价格动力学的一个重要因素 ,信 [9 ] 息效应比存货效应强得多 . 但也有些研究得出了不同的结论 ,如 : Huang 和 Stoll ( 1995) 对 NYSE 的研究指 [10 ] 出指令处理成本占价差的 8218 % ,而逆向选择成本和存货成本只占 1712 % ;Lyons ( 1995) 指出存货对价 [11 ] 格有很强的直接效应 ,Manaster 和 Mann ( 1996) 对期货交易的研究也表明存货效应很强 . 综上所述 ,在做 市商制度下 ,信息效应和存货效应在不同市场上的表现是不同的 ,纯限价指令市场中不存在提供市场流动 性的做市商 ,问题是 : 该市场是否存在存货效应与信息效应 ? 它们对股票价格变化有何影响 ? 我国实行的 正是纯限价指令驱动制度 ,因此研究纯限价指令驱动制度下的存货效应与信息效应具有重要的现实意义 . 目前研究纯限价指令驱动制度下的日内股票价格变化影响因素的模型相对较少 , Yue2cheong Chan ( 2000) [12 ] 首次建立了纯限价指令驱动制度下的股票日内价格变化模型 ,创新性地将日内交易价格的变化 量分解为信息成本 、 存货成本 、 流动性成本和累计买卖压力四个部分 ,充分体现了纯限价指令驱动制度的 特点 ; 并据此研究了香港股票交易市场的存货效应和信息效应 ,结果表明虽然信息效应在解释交易价格变 [13 ] [14 ] 化方面比存货效应更重要 ,但存货效应显著存在 . De Jong 和 Nijman ( 1996) 基于 Glosten ( 1994) 模型把 巴黎证券交易所 ( 指令驱动市场) 中的价格变化分解成信息成本和指令处理成本 ,发现信息成本占 30 %~ [15 ] 45 % ,其余均为指令处理成本 ; 穆启国等 ( 2004) 直接运用基于做市商制度的 MRR (Madhavan , Richardson , [7 ] Roomans ,1997) 模型把买卖价差分解为信息成本和指令处理成本 ,并采用深圳证券交易所股票进行实证 [16 ] 分析 ,得出信息成本均大于指令处理成本的结论 ; 杨之曙 ( 2000) 认为投资者可以通过持有最优投资组 合来消除存货成本 ,因此买卖价差仅由信息成本和指令处理成本组成 . 可见关于纯限价指令驱动制度下的 日内股票价格变化影响因素的研究中比较有争论的一点是存货效应是否存在 . 本文认为穆启国等 ( 2004) [15 ] 所使用的 MRR 模型是基于做市商制度建立的 ,做市商制度下的指令处理成本是指市场流动性提 供者提供流动性服务时的每股成本 ,它包括交易成本 、 存货成本 、 承担风险的补偿和做市商垄断利润等多 [16 ] 个部分 ,该模型并不能很好的说明纯限价指令驱动市场中存货效应存在与否 ; 杨之曙 ( 2000) 认为投资 者可以通过持有最优投资组合来消除存货成本 ,而现实中投资者往往并不是按最优投资组合的比例来投 资股票 ,因而仍有可能存在存货成本 . [12 ] 因此本文采用 Yue2cheong Chan ( 2000) 的模型 ,运用次序 probit 回归方法和上海股票交易市场的日内 高频数据对存货效应和信息效应进行分离 ,研究纯限价指令市场中这两种效应对交易价格变化的不同影 响 . 本文与之前有关我国证券市场价格变化研究的不同在于 : 首先 ,本文所运用的模型是基于指令驱动市 场建立的 ,突出了指令驱动市场与做市商市场的不同特点 ,比直接运用基于做市商制度的 MRR 模型在概 念上更清晰 ; 其次 ,本文所采用的模型不是直接忽略存货成本而是通过参数估计来考察存货成本的大小 , 从而更有说服力 ; 第三 ,本文采用次序 probit 回归方法 ,充分考虑了由于最小报价单位的存在而使股票价 格呈离散变化的特点 ,克服了连续价格变化模型与实际观测的离散价格变化之间产生的误差 ,结果应该更 精确 .

2  股票日内交易价格变化模型与次序 probit 方法 211  股票日内交易价格变化模型

假设市场中存在三种交易者 : 拥有私人信息的知情交易者 ( informed traders) 、 仅出于流动需要而交易 的噪声交易者 ( nondiscretionary liquidity traders , 也称非相机决策交易者 ) , 以及非知情的相机决策交易者 ( discretionary liquidity traders) . 非相机决策交易者在交易时为了能立即成交不会等待更优的价格 ,而是按买 卖对方的最优价格 ( 买一或卖一) 提交买卖指令 ; 知情交易者 ( 如果选择交易) 为了隐藏自己的私有信息 ,也 © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

http://www.cnki.net

第7期

上海证券市场日内价格变化的影响因素研究

79

是按买卖对方的最优价格 ( 买一或卖一) 提交买卖指令 ; 而相机决策交易者则会为得到更好的交易价格而 等待 ,他们提交限价指令簿中比市价更优的限价单 ( 比市价更高的卖价或更低的买价) . 因此在纯限价指令 驱动市场中 ,虽然没有专门的做市商提供流动性 ,但我们可以把相机决策交易者 ( 并不是固定的某一个人) 看成是自愿的“做市商”,他们提供市场流动性 . 本文认为纯限价指令驱动市场中 ,信息成本是指由于存在 信息不对称所导致的逆向选择成本 ,它影响投资者对股票的真实价值的预期 ; 而存货成本是指相机决策交 易者由于早期的购买 ( 卖出) 较多的某种股票造成手中持有比最优投资组合投资该股票数更多 ( 少) 的股票 而带来的额外的存货风险所要求得到价格上的补偿 ( 更高的卖价或更低的买价) . [17 ] [ 18 ] [19 ] Easley 和 O’Hara ( 1987) , Kyle ( 1985) 以及 Glosten ( 1987) 认为做市商的报价中逆向选择对价格 变化的影响部分应随着投资者提交的当期交易量的增大而增大 ,而在限价指令驱动市场中由于不存在做 市商 ,提供流动性的相机决策交易者只能根据前一期的交易量来调整自己对资产价值的预期 μt ,用下式 表示 : μt = μt - 1 + Dt - 1 Ct - 1 + εt = μt - 1 + Dt - 1 (λ0 + λV t - 1 ) + εt ,

( 1)

式中 ,μt - 1 是相机决策交易者在前一期对资产价值的预期 ; Dt - 1 是交易方向指标 ,当该交易由买方发起时 ( buyer2initiated) Dt - 1 = 1 ,当该交易由卖方发起时 ( seller2initiated) Dt - 1 = - 1 ; Ct - 1 表示影响交易价格的逆向

选择部分 ,它与前一期的股票交易量呈线性关系 ; V t - 1 为前一期的股票交易量 ,λ0 为常数 ,λ称为逆向选择 系数 ,由于当 V t - 1 为正 ,即该交易由买方发起时 ,对 Pt 产生向上变化的压力 ; 当 V t - 1 为负 ,该交易由卖方发 起时 ,对 Pt 产生向下变化的压力 , 因此 λ 预计为正数 ;εt 为残差项 , 代表序列不相关的公共信息变化 2 (public information shock) ,独立同分布 ,且 εt ~ N ( 0 ,σε ).

根据调整后的对资产价值的预期 μt ,相机决策交易者将会以 μt 为报价中点来报价以避免存货和提 供流动性的风险 ,存货风险与当期的交易量有关 . 这样 ,相机决策交易者的报价可以用下式表示 : Pt = μt + γDt V t +

1 1 ωDt = μt - 1 + λ′ ωDt + εt , 0 + λDt - 1 V t - 1 + γDt V t + 2 2

( 2)

式中 ,λ′ 2 表示以 μt 为报价中点上下浮动的值 ,ω 称为隐含的买卖价差 ,它可 0 = Dt - 1λ0 ;γ 为存货系数 ;ωΠ 以看作对相机决策交易者提供流动性的补偿. 也就是说 ,在时刻 t 相机决策交易者报出的买价和卖价的斜 1 1 率都为γ ,买价的截距为 μt - ω ,卖价的截距为 μt + ω. 因此 ,由 ( 2) 式差分可得 : 2 2 1 ΔPt = Pt - Pt - 1 = λ′ ω( Dt - Dt - 1 ) + λDt - 1 V t - 1 + εt . 0 + γ( Dt V t - Dt - 1 V t - 1 ) + 2

  记 Dt V t = 珗 VT =

Vt

该交易由买方发起

- Vt

该交易由卖方发起

( 3)

, 即将买卖方向指示变量 Dt 并入 V t , 当该交易由买方发起

时 V t 取正号 ,当该交易由卖方发起时 V t 取负号 ,为简便起见 ,不妨将 珗 V t 记作 V t ,则 ( 3) 式可简写为 : 1 ΔPt = Pt - Pt - 1 = λ′ ω( Dt - Dt - 1 ) + λV t - 1 + εt . 0 + γ( V t - V t - 1 ) + 2

( 4)

1   以前一期为买单 ,本期仍为买单的情况为例 ,此时 ω( Dt - Dt - 1 ) 为 0 ,价格变化可以用图 1 表示 . 2 需要注意的是 ,事实上当我们观察到股票价格发生变化时 ,有可能并不是由于式 ( 4) 中描述的信息不

对称 、 存货成本和流动性补偿原因引起的 ,而仅仅是由于某一笔交易正好消耗掉了限价指令簿上的某一价 格上的总指令 ,致使价格发生变化 ,也就是说纯限价指令驱动市场中交易价格的变化还取决于该笔交易在 报价序列中的位置 . 因此 ,交易价格的变化用下面的公式给出 : 1 ΔPt = λ′ V t - 1 + γ( V t - V t - 1 ) + ω( Dt - Dt - 1 ) + θQt + εt , 0 +λ 2

( 5)

m

式中 , Qt =

∑V

t- i

, m 为该笔交易之前以同一方向、 同一价格成交的交易笔数 , Qt 为每个交易日内该笔

i =1

交易之前以同一方向 、 同一价格成交的累计成交量 ( 每个交易日开始 Qt 归为 0) , 若交易方向或交易价格 © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

http://www.cnki.net

系统工程理论与实践

80

2006 年 7 月

发生改变则 Qt 归为 0 ;θ为该笔交易在报价序列 中的位置对价格变化的影响系数 ;λV t - 1 衡量信 息 ( 逆向选择 ) 对价格的影响 . γ( V t - V t - 1 ) 衡量 交易量的变化对价格的影响 ,存货系数 γ 即图 1 1 中的斜率 ; ω ( Dt - Dt - 1 ) 衡量由于买卖变化 2 ( bid2ask bounce ) 产生的价格变化调整量 ;θQt 衡 量除了逆向选择 、 存货和流动性补偿原因之外 , 导致股票价格离散变化的累计买卖压力. 212  次序 probit 模型和估计方法 次 序 Probit 模 型 是 由 Hausman , Lo 和 [ 20 ] Mackinlay ( 1992) 提出的 , 它适用于解释变量为 图 1  当买单跟着买单时的价格变化示意图 离散 、 有序的分类变量的情况 , 是一种既捕捉到 了“解释” 变量对价格变动的影响同时又考虑到价格的离散性和交易间隔的无规律性的恰当模型. 由于在 股票市场上 ,股票价格存在一个最小报价单位 ( tick size ①) , 也就是说股票价格是离散而不是连续变化的 , 变化量都是最小报价单位的整数倍 , 同时交易时间的间隔也是随机的 , 特别适合用次序 Probit 模型来描

述 . 因此本文采用次序 Probit 模型来研究股票价格的变化 . ΔP2 、…、 ΔPn 表示相应的价格变化 , 考虑一系列的股票交易价格 P ( t0 ) 、P ( t1 ) 、…、P ( t n ) , 用 ΔP1 、 ΔPk = P ( t k ) - P ( t k - 1 ) , t k 表示交易时间 ,ΔPk 是最小报价单位的整数倍 . 把 ( 5) 式改写成如下形式 : 1 ΔPt = λ′ β V t - 1 + γ( V t - V t - 1 ) + ω( Dt - Dt - 1 ) + θQt + εt = X′ + εt , E [εt | Xt ] = 0 , 0 +λ t 2 T 2 式中 ,β= (λ,γ ,ω ,θ) 是参数向量 ,εt 为随机误差项 ,彼此独立同分布 ,且 εt ~ N ( 0 ,σε) . Xt = ( V t - 1 , V t V t - 1 , ( Dt - Dt - 1 ) Π2 , Qt ) 是由对股票价格变化产生影响的 n 个因素 ( 解释变量) 组成的 n ×1 随机向量 . T

ΔP k3 =

s1

if ΔPt ∈ ( - ∞,μ1 ]

s2

if ΔPt ∈ (μ1 ,μ2 ]

sm

   … if ΔPt ∈ (μm - 1 , ∞]

( 6)

.

3

ΔP t 是在市场观察到的离散的价格变化值 , m 为有限值 , s1 , s2 , …, sm 是最小报价单位的倍数 ,μ1 ,μ2 , 3

…,μm - 1 为 ΔP t 发生突变的临界点 ( 又称阈值) ,它们和 β均为待估计变量 . 这样次序 probit 方法就通过中 3

间变量 ΔPt 来建立起了解释变量 Xt 与离散的被解释变量ΔP t 之间的函数关系 . 将 ( 6) 式改写成下列形式 :

ΔP t3 =

s1

β if εt ∈ ( - ∞,μ1 - X′ t ]

s2

β β if εt ∈ (μ1 - X′ ,μ2 - X′ t t ]

sm

  … β if εt ∈ (μm - 1 - X′ , ∞) t

( 7)

.

① 我国股票市场的最小报价单位统一为 0101 元 .

© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

http://www.cnki.net

第7期

上海证券市场日内价格变化的影响因素研究

Φ 3

Pr (ΔP t



= si | Xi ) =

μ1 - X′ β t ) σε

,

81

if i = 1

μi - X′ β μi - 1 - X′ β t t - Φ , if 1 < i < m σε σε .     … μm - 1 - X′ β t 1 - Φ , if i = m σε

Φ

) 表示标准正态分布函数 . 对应参数估计的似然函数为 : 其中 ,Φ( ・ T m- 1 D 1 μ1 - X′ β μi - X′ β μi - 1 - X′ β t t t 3 Φ L (ΔP | X ) = ∏ Φ ・ - Φ ∏ σ σ σ ε ε ε t =1 i =2 1 - Φ

μm - 1 - X′ β t σε

( 8)

D

i



D

m

,

3

式中 , Di 为等级标识符 ,当 ΔP t 是状态 si 时 , Di = 1 ; 否则 Di = 0. 对应的对数似然函数为 : 3

ln L (ΔP | X ) =

T



D1 lnΦ

t =1

Dm ln 1 - Φ

μ1 - X′ β t + σε μm - 1 - X′ β t σε

m- 1

∑D ln i

i =2

Φ

μi - X′ β μi - 1 - X′ β t t - Φ σε σε

+ ( 9)

.

  然后就可以通过极大似然估计方法就可以求出诸 μ 和β 的值 ,β 即为所求的参数向量 , 本文中的 probit 估计采用 sas 统计软件实现 .

3  数据与方法 本研究使用的数据来源于北京色诺芬有限公司 CCER 分笔高频数据库 ,选取上证 50 的股票在 2003 年 7 月 1 日至 2004 年 5 月 20 日的高频交易数据为样本 , 为避免价格由于分红产生的剧烈波动 , 剔除了在研 究期间内进行了分红配股的 26 只股票 ,最后的样本为 24 只股票 . 在此基础上又剔除了新股上市第一天的 交易数据 . 由于中国股票交易的日开盘价是集合竞价产生的 , 为了避免将两种不同的交易机制混合在一 起 ,本文将每天开盘的第一笔交易数据剔除. 指令驱动市场中 ,在进行大额交易时 ,大额委托单往往被分割 成一系列的小委托单分别成交 ,因此在交易数据中我们会看到在同一价格下成交的一系列委托 ,为此我们 将在同一时间 、 同一价格 、 同一方向 ( 如买方或卖方) 上成交的委托合并为一笔交易 . 3 本文设定 ΔP t 存在 11 个状态{ - 5 , - 4 , - 3 , - 2 , - 1 ,0 ,1 ,2 ,3 ,4 ,5} ,即 m = 11 , si 表示状态 , i = 1 ,2 , …, m ,其中 s1 = - 5 , s2 = - 4 , …, s11 = 5. 若价格变化超过最小报价单位的 + Π- 5 倍 ,则统归为 + Π- 5 状态 中. 由于高频数据库中没有关于该笔交易是买方发起还是卖方发起的信息 , 本文采用 Lee 和 Ready ( 1991) [21 ] 提出的标记检验 ( tick test ) 方法来区分某笔交易是买方发起还是卖方发起 ,从而区分 V t 的正负号 以及为 Dt 赋值 . 如果某个交易的价格比前一期买卖价差的中点的价格高 ( 低 ) , 则认为这个交易是买方 ( 卖方) 发起的 ,如果某个交易的价格等于前一期买卖价差的中点的价格 ,若前一笔交易是买方发起的 , 则

称这个交易是买方发起的 ,若前一笔交易为卖方发起的 ,则认为该笔交易是卖方发起的 . 本文使用 Wald 检验方法来检验各个估计参数的显著性 ,采用似然比检验来检验所采用模型的总体显 著性 .

4  实证结果 表 1 所列的是 24 支股票的次序 probit 方法估计出的参数结果 ,每个参数下第一个括号中表示的是参 数估计值的标准误差 ,第二个括号中表示的是 p 值 ( 原假设是该参数估计值等于 0 ,显著水平为 5 %) ; 最后 一列的 p 表示采用似然比检验模型总体显著性所返回的 p 值 ( 显著水平为 5 %) . © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

http://www.cnki.net

系统工程理论与实践

82

2006 年 7 月

表 1  次序 probit 回归参数结果 股票 代码

交易样 本个数

λ′ 0

λ(10 - 6 )

γ(10 - 6 )

ω

θ(10 - 6 )

p

600050

211727

0. 3064

0. 08045

- 0. 0388

0. 4506

1. 051

0. 0001

(0. 0021)

(0. 0175)

(0. 0123)

(0. 0034)

(0. 0435)

(0. 0001)

(0. 0001)

(0. 0016)

(0. 0001)

(0. 0001)

- 1. 0624

1. 323

- 1. 17

0. 4683

0. 3116

(0. 0028)

(0. 1833)

(0. 118)

(0. 0033)

(0. 2694)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

600602

600028

600015

600029

600839

600609

600000

600030

600900

600026

600569

600021

600812

219559

181615

162058

156043

175858

166357

168088

267614

148614

157752

144913

139876

138384

(0. 2474)

0. 0001 3

0. 2951

0. 1569

- 0. 115

0. 4176

- 2. 79

(0. 0022)

(0. 0306)

(0. 0210)

(0. 0036)

(0. 1225)

0. 0001

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

- 3. 6552

0. 6421

0. 2358

1. 1838

- 0. 467

(0. 0339)

(0. 0690)

(0. 0464)

(0. 0043)

(0. 0985)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

- 1. 5521

0. 3523

0. 604

- 0. 5322

- 0. 197

(0. 0041)

(0. 0366)

(0. 0256)

(0. 0037)

(0. 0605)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0014)

- 0. 6687

0. 6379

- 0. 918

0. 4073

0. 0832

(0. 0033)

(0. 1484)

(0. 0956)

(0. 0035)

(0. 0021)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

0. 2306

3. 59

2. 082

0. 6307

0. 2247

(0. 3362)

(0. 2352)

(0. 0064)

(1. 3570)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

0. 109

1. 602

0. 3241

0. 3466

0. 632

(0. 0024)

(0. 1455)

(0. 0999)

(0. 0037)

(0. 0001)

(0. 0001)

(0. 0012)

(0. 0001)

- 1. 1085

0. 3124

- 1. 72

1. 0862

0. 1435

(0. 0032)

(0. 1162)

(0. 0883)

(0. 0040)

(0. 0384)

(0. 0001)

(0. 0072)

(0. 0001)

(0. 0001)

(0. 0002)

- 0. 6093

0. 3011

0. 7902

- 1. 1668

0. 3397

(0. 0040)

(0. 0509)

(0. 0341)

(0. 0044)

(0. 0677)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

0. 0001

0. 0001

(0. 6788) (0. 3518)

3

0. 0001

0. 0001

- 0. 5673

0. 9652

0. 22

1. 333

0. 4486

(0. 0034)

(0. 1796)

(0. 1062)

(0. 0044)

(0. 2143)

(0. 0001)

(0. 0001)

(0. 0383)

(0. 0001)

(0. 0364)

- 0. 9198

0. 449

- 0. 0117

0. 5166

- 1. 73

(0. 0031)

(0. 2173)

(0. 1636)

(0. 0040)

(1. 1230)

(0. 0001)

(0. 0388)

(0. 0001)

(0. 0001)

- 2. 3179

0. 3141

1. 522

0. 4188

- 0. 209

(0. 0094)

(0. 1671)

(0. 1061)

(0. 0040)

(0. 2134)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 327)

(0. 9431)

0. 0001

0. 0001

0. 0001

3

- 2. 057

0. 6523

- 0. 484

0. 3852

0. 9203

(0. 0071)

(0. 1775)

(0. 1338)

(0. 0042)

(0. 0461)

(0. 0001)

(0. 0002)

(0. 0003)

(0. 0001)

(0. 0001)

© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

0. 0001

0. 0001

(0. 0039)

3

0. 0001

0. 0001

http://www.cnki.net

第7期

上海证券市场日内价格变化的影响因素研究

83 ( 续表 1)

股票 代码

交易样 本个数

600350

128139

600895

600018

600004

600805

600020

600002

600643

600811

600652

142943

143491

210279

129271

119492

125380

112804

108486

100464

λ′ 0

λ(10 - 6 )

ω

γ(10 - 6 )

θ(10 - 6 )

p

0. 0001

- 2. 5381

1. 545

0. 1684

0. 4194

5. 664

(0. 0093)

(0. 1967)

(0. 1365)

(0. 0043)

(0. 7272)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001) 0. 9809

(0. 2173)

3

0. 0957

1. 059

0. 6376

1. 234

(0. 0043)

(0. 2513)

(0. 0067)

(0. 0939)

0. 0043

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

- 0. 604

0. 6559

1. 437

- 0. 4089

0. 7088

(0. 0036)

(0. 2326)

(0. 1477)

(0. 0041)

(0. 2925)

(0. 0001)

(0. 0048)

(0. 0001)

(0. 0001)

(0. 0154)

- 0. 5052

1. 83

0. 0886

0. 3059

5. 855

(0. 0036)

(0. 1854)

(0. 1161)

(0. 0041)

(0. 9970)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

- 0. 489

3. 347

0. 3052

0. 4257

1. 001

(0. 0037)

(0. 0347)

(0. 1337)

(0. 0044)

(1. 8940)

(0. 0001)

(0. 0235)

(0. 0476)

(0. 0001)

(0. 5970)

- 1. 8599

0. 564

- 1. 32

0. 3467

- 1. 9

(0. 0070)

(0. 1862)

(0. 1207)

(0. 0044)

(0. 2439)

(0. 0001)

(0. 0025)

(0. 0001)

(0. 0001)

(0. 0001)

- 0. 7629

0. 15

1. 387

0. 7082

1. 787

(0. 0024)

(0. 1455)

(0. 1085)

(0. 0037)

(0. 2187)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

- 0. 5243

2. 037

0. 3481

0. 3376

0. 0012

(0. 0040)

(0. 2335)

(0. 149)

(0. 0046)

(0. 03013)

(0. 0001)

(0. 0001)

(0. 0194)

(0. 0001)

(0. 0082)

- 2. 6874

2. 464

0. 8079

0. 29

0. 469

(0. 016)

(0. 3387)

(0. 2044)

(0. 0049)

(0. 1386)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 0007)

- 0. 6474

0. 08443

0. 3194

- 0. 3104

2. 446

(0. 0043)

(0. 4211)

(0. 2776)

(0. 0048)

(0. 5554)

(0. 0001)

(0. 0001)

(0. 0001)

(0. 8411)

3

(0. 25)

3

0. 0001

0. 0001

0. 8837

0. 0001

0. 0001

0. 0001

0. 0001

0. 0001

0. 0001

  注 : 3 表示该系数不显著 .

从表 1 中可以看到最后一列的 p 值均为 010001 ,即通过似然比检验均拒绝了各系数同时为 0 的假设 , 说明该模型是总体显著的 . 逆向选择系数 λ除了 1 只股票 ( 600652) 不显著外 ,均显著为正 ,且 p 值均小于 010001 ,这与我们的预 期基本一致 ,说明大部分股票存在信息不对称现象 ,且前一期交易量对后一期的价格变化有正的影响 ,即 当前一笔交易由买方发起时 ,下一笔交易有一个向上变化的趋势 ; 当前一笔交易由卖方发起时 ,下一笔交 易有一个向下变化的趋势 . 存货系数 γ 有 21 只股票显著 ,3 只股票不显著 ,显著比例为 8715 % ,其中 14 只股票显著为正 ,7 只股 票显著为负 ,显著为正的比例为 6617 %. 如图 1 所示 γ 系数代表价格序列的斜率 ,系数为正表示与我们的 模型理论相符 ,表示存货成本与交易量正相关 ,交易量越大存货成本越大 ,相机决策交易者的报价越优 ( 更 低的买价或更高的卖价) ; 系数为负则表示在中国证券交易市场上 ,投资者的忍耐力和心理承受能力较弱 , 投资价值理念多变 ,往往会害怕股价向不利的方向变动而急于成交 ,且当交易量越大时 ,投资者越急于成 © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

http://www.cnki.net

系统工程理论与实践

84

2006 年 7 月

交 ,因此以较高的买价和较低的卖价成交 ,成交价格没有补偿存货成本 ,这与投资者在现实中的行为心理 相符 . 比较 λ和γ 系数并没有发现统一的大小关系 ,这说明在我国证券市场上信息成本和存货成本对于个 股来说其强弱表现均不同 ( 有的股票如 600652 甚至这两个成本均不显著) ,这与纽约证券交易所 ( NYSE) 和香港证券交易所 ( SEHK) 的研究结论不同 . ω 系数有 20 只股票显著为正 ,4 只股票显著为负 ,显著比例为 8313 % ,说明提供流动性对于大多数股 票来说也是股价变化的成本之一 . θ系数有 21 只股票显著 ,3 只股票不显著 ,显著比例为 8715 % ,其中 16 只股票显著为正 ,5 支股票显 著为负 ,显著为正的比例为 7612 %. 系数为负表示累计的买卖压力对股价变化量的解释作用不大 ; 但总的 来看累计的买卖压力对大部分股票的股价变化有显著作用.

5  结论 [12 ] 运用 Yue2cheong Chan ( 2000) 的模型 ,本文将上海证券交易市场上股票日内交易价格的变化量分解 为信息成本 、 存货成本 、 流动性成本和累计买卖压力四个部分 ,并利用上证 50 指数样本股的高频交易数据 进行了实证 . 与之前的相关研究相比 , 本文具有三个特点 : 第一 , 所采用的模型是基于指令驱动市场建立 的 ,比直接借用做市商制度下的模型更符合中国证券市场的特点 ; 第二 ,赋予了指令驱动市场中的存货成 本以新的内涵 ,并通过模型参数估计来考察存货成本的大小 ; 第三 ,运用次序 probit 方法来估计参数 ,解决 了连续模型与离散价格变化之间的误差问题 . 结果发现在我国上海证券交易市场中上述四个部分在解释 交易价格的变化方面均有显著作用 ,但在个股上的强弱表现不同 ,有的股票逆向选择成本较大 ,有的股票 存货成本较大 ,有的股票价格变化主要由于累计买卖压力引起 . 同时还发现有的股票的存货系数显著为

负. 本文结论显然与国内有关交易价格变化的研究均认为限价指令驱动市场中不存在存货成本 ,认为我 国股票市场由于发展不完善 ,监管不到位 ,普遍存在信息性交易 ,交易价格的变化主要由信息成本引起的 结论不同 ,与 NYSE 和 SEHK 中所得的信息成本比存货成本大的结论也不同 . 这说明在我国股票市场中 ,信 息成本与存货成本均是股票日内价格变化的不可忽视的解释因子 . 虽然限价指令驱动制度和做市商制度 下的交易机制不同 ,但日内股票价格形成过程的影响因素中同样存在存货成本 ,不能片面的强调信息不对 称因素 . 这也说明了我国证券市场的监管正在逐渐走向规范 . 有的股票的存货系数为负说明我国的股票投 资者的忍耐力和心理承受能力较弱 ,一旦股价发生不利于己的波动往往急于以较差的价格成交以致成交 价格不能补偿存货成本 ,表明他们对自己的投资对象和投资策略缺乏信心 ,投资价值理念多变 . 因此 ,从证 券政策制定者与市场监管者的角度来说 , 为了减少投资者的成本 , 增加市场流动性 , 就要强化和完善信 息披露制度 ,降低股市的信息不对称性 . 从投资者的角度来说 ,应该尽量克服自己的心理缺陷 ,树立健康的 投资理念 ,提高决策和执行能力 . 本文从流动性提供者的角度揭示了纯限价指令驱动市场中限价单如何影响日内价格 ,可见限价指令 簿在纯限价指令驱动市场具有重要地位 ,该研究对市场交易者和市场监管者有着现实指导意义 ,也为纯限 价指令驱动市场上价格动态形成过程和定价的进一步研究提供了参考 . 参考文献 : [ 1 ]  Hasbrouck. Trades , quotes , inventories , and information[J ] . Journal of Financial Economics , 1988 , 22 : 229 - 252. [ 2 ]  Snell A , Tonks I. Determinants of price quote revision on the London stock exchange [J ] . The Economic Journal , 1995 , 105 : 77 - 94. [ 3 ]  Glosten L , Harris L. Estimating the components of the bidΠask spread [J ] . Journal of Financial Economics , 1988 , 21 : 123 - 142. [ 4 ]  Hasbrouck. Measuring the information content of stock trades [J ] . Journal of Finance , 1991a , 46 :178 - 208. [ 5 ]  Hasbrouck. The summary informativeness of stock trades : An econometric analysis [J ] . Review of Financial Studies , 1991b , 4 : 571 - 595. [ 6 ]  Jones , Kaul , Lipson. Information , trading , and volatility [J ] . Journal of Financial Economics , 1994 , 36 : 127 - 154.

© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

http://www.cnki.net

第7期

上海证券市场日内价格变化的影响因素研究

85

[ 7 ]  Madhavan A , Richardson M , Roomans M. Why do security prices change ? A transaction level analysis of NYSE stocks [J ] . Review of Financial Studies , 1997 , 10 : 1035 - 1064. [ 8 ]  Madhavan , Smidt. A bayesian model of intraday specialist pricing [J ] . Journal of Financial Economics , 1991 , 30 : 99 - 134. [ 9 ]  Huang R , Stoll H. The components of the bid2ask spread : A general approach[ R] . Working paper 94 - 33 , 1994 , Owen Graduate School of Management , Vanderbilt University. [ 10 ]  Lyons R K. Tests of microstructural hypotheses in the foreign exchange market [J ] . Journal of Financial Economics , 1995 , 39 : 321 - 351. [11 ]  Manaster , Mann. Life in the pits : Competitive market making and inventory control [J ] . Review of Financial Studies , 1996 , 9 : 953 - 976. [12 ]  Chan Yue Cheong. Adverse selection , inventory cost and market depth : An empirical analysis of intraday price movement in the stock exchange of Hong Kong[D ] . The Hong Kong University of Science and Technology , 2000. [13 ]  De Jong ,Nijman. Price effects of trading and components of the bid2ask spread on the paris bourse [J ] . Journal of Empirical Finance , 1996 , 3 : 193 - 213. [14 ]  Glosten L. Is the electronic open limit order book inevitable [J ] . Journal of Finance , 1994 , 49 :1127 - 1161. [15 ]  穆启国 ,吴冲锋 ,刘海龙 . 深圳证券交易所买卖价差的构成分析 [J ] . 系统工程理论方法应用 ,2004 , 13 (3) :239 - 243. Mu qiguo , Wu chongfeng , Liu hailong. Components of the bid2ask spread in the Shenzhen stock exchange [ J ] . Systems Engineering - Theory Methodology Application , 2004 , 13 (3) : 239 - 243. [16 ]  杨之曙 . 中国股票市场流动性理论与实证研究 [D ] . 北京 : 清华大学 ,2000. Yang zhishu. Theoretical and Empirical Evidence of the Liquidity in China Stock Markets2a Market Microstructure Analysis [ D ] . Beijing :Tsinghua University ,2000. [17 ]  Easley D , O’Hara M. Price , Trade size and information in securities markets[J ] . Journal of Finance , 1987 ,47 : 577 - 606. [18 ]  Kyle. A continuous auction and insider trading [J ] . Econometrica , 1985 , 53 : 1315 - 1336. [ 19 ]  Glosten L. Components of the bid2ask spread and the statistical properties of transaction prices [J ] . Journal of Finance , 1987 , 42 : 1293 - 1308. [20 ]  Hausman J , Lo A , MacKinlay A. An ordered probit analysis of transaction stock prices [J ] . Journal of Financial Economics , 1992 , 31 :319 - 379. [21 ]  Lee G, Ready M J . Inferring trading direction from intraday data [J ] . Journal of Finance , 1991 , 46 : 733 - 746.

( 上接第 53 页) [ 6 ]  Maurice Clerc. Discrete particle swarm optimization by the traveling salesman problem [ DB ] . http :ΠΠwww. Mauriceclerc. net , 2000. [ 7 ]  Salmen A , Ahmad I , Al2Madani B. Particle swarm optimization for task assignment problem [ J ] . Microprocessors and Microsystems , 2002 , 26 (4) : 363 - 371. [ 8 ]  李宁 ,邹彤 ,孙德宝 . 车辆路径问题的粒子群算法研究 [J ] . 系统工程学报 ,2004 ,14 :130 - 135. Li Ning , Zou Tong , Sun Debao. Particle swarm optimization for vehicle routing problem with time windows [J ] . J of Systems Engineering , 2004 , 4 :130 - 135. [ 9 ]  万福才 ,汪定伟 ,李彦平 . 微粒群优化算法在相关新产品组合投入的应用 [J ] . 控制与决策 ,2004 ,19 (5) :520 - 524. Wan Fucai , Wang Dingwei , Li Yanping. Particle swarm optimization of correlative product combinatorial introduction model [J ] . Control and Decision , 19 (5) : 520 - 524. [10 ]  Kenney J . Small worlds and mega2minds : Effects of neighborhood topology on particle swarm performance [A ] . Proceedings of the Congress on Evolutionary Computation[ C] . Piscataway , NJ : IEEE Press , 1999. 1931 - 1938.

© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.

http://www.cnki.net

Suggest Documents