论文部分内容阅读
【摘要】2015年6月12日，上证A股指数达到5166.35后开始下跌，股灾爆发，在此背景下，本文选取Amihud非流动性指标，对2010.5-2015.5的数据进行研究，发现只有货币变量和宏观变量对股市非流动性有显著影响，之后模拟出2015.6-2015.12股市非流动性，对其成因进行了分析，最后提出相关建议：1.高度重视股市自身非流动性；2.密切关注货币市场动态；3.宏观因素不可忽视。
【关键词】股市非流动性 货币变量 宏观变量
一、引言
2015年6月12日，上证A股指数达到本轮行情的最高值5166.35点，之后股灾爆发，短短一月之内，A股指数暴跌1195.96点，跌幅为23.15%，而随着各种救市政策的出台，A股指数在不断的反复修正，但还是无法抵挡熊市的到来，至当年年底，上证A股指数跌1627.17点，跌幅达31.50%。本轮股灾给市场带来的冲击是有目共睹的，而股灾的形成原因，学者也有了较多的研究，归结起来主要有：股市流动性蒸发，市场信心不足，投资者非理性，市场监管缺失等，这些因素中，股市流动性蒸发是股灾形成的重要原因，因此在本文中，我们对股市流动性进行实证研究，分析出股市流动性的影响因素，进而探讨如何根据相关因素来预测股市流动性，并提出相关建议，防止股灾再次爆发。
二、理论分析
（一）变量、数据选取
股市流动性的直接度量标准比较多，但很多学者采用Amihud（2002）提出的非流动性指标来反映股市流动性，该指标越大，股市流动性越小，在本文中，我们也采用IL（非流动性指标）来进行研究。影响股市非流动性的因素主要有货币市场因素、融资融券市场因素、外汇市场因素和宏观因素。货币市场因素中，7天同业拆借利率（SR）和M2同比增速（M）对股市非流动性影响较大；融资融券市场因素中，融资余额的对数（LNRF）和融券余额的对数（LNMF）对股市非流动性有影响；外汇市场因素主要选取汇率（ER）；宏观因素较多，但考虑到本文采用的月度数据和本文的研究思路，我们选取消费价格指数（CPI即通货膨胀率）、社会消费品零售总额的对数（LNCR）来研究。
在数据选取方面，我们选取上证A股指数的收盘价、成交额，7天同业拆借利率，M2同比增长率，融资余额的对数、融券余额的对数，汇率，通货膨胀率，社会消费品零售总额的对数，以上数据均为月度数据且数据都来源于wind数据库。同时我们以股灾爆发为节点，将数据划分为两部分，第一部分为2010年5月至2015年5月，用该部分数据回归出最优模型；第二部分为2015年6月至2015年12月，对该部分数据用最优模型回归出该阶段的IL（非流动性），对股灾的成因进行分析。
（二）实证模型
（三）影响机理分析
1.股市自身的影响。股市非流动性的影响因素必然要考虑股市自身的因素，中国股市的特殊性，使得股市上期的变动对本期有较明显的影响，所以，在本文中，我们也将上期股市非流动性作为解释变量来研究其对本期股市非流动性的影响。
2.货币市场的影响。货币政策对经济运行的调节作用非常明显，而作为经济晴雨表的股市来说，货币政策对股市的影响也是显而易见的，苏刚（2014）通过实证分析得出，货币变量对股市流动性有显著的冲击，但这种影响会随时间而逐渐衰减[1]，因此，我们选择7天同业拆借利率和M2同比增长率作为货币变量来研究货币市场因素来研究其对股市非流动性的影响。
3.融资融券市场的影响。融资融券是投资者缴纳一定保证金，借入资金或证券而进行交易，并到期归还资金或证券。融资融券交易同时从需求和供给为股市提供了流动性，具有明显的杠杆作用，对股市流动性影响较大。蔡笑，田奎（2010）的实证研究得出台湾融资融券交易对股市流动性起到了显著的增加效果[2]，所以，我们也选择融资余额的对数和融券余额的对数来研究融资融券来研究其对股市非流动性的影响。
4.外汇市场的影响。汇率的变动会影响进出口、国际资本流动，从而影响国内的流动性，靳文秀（2014）的研究揭示了汇率对流动性的影响是积极的而且是长期，人民币升值，国内流动性增加，反之则下降[3]，而国内流动性的增加会使一部分流动性进入股市，对股市产生影响，在本文中我们选择汇率来研究其对股市非流动性的影响。
5.宏观市场的影响。股市的运行离不开宏观经济的发展，一般来讲，宏观经济向好时，股市倾向于牛市，股市非流动性小，而经济低迷时，股市走向熊市，股市非流动性大，刘向华，柳恩普（2013）研究了A股市场和中小板市场的流动性，他们认为股市流动性与宏观经济相关性较强，具有很强的相关性，宏观经济低迷时，股市流动性波动较大[4]。在本文中，我们也选择通货膨胀率和社会消费品零售总额的对数来研究其对股市非流动性的影响。
三、实证研究
（一）单位根检验
单位根检验是实证研究的第一步，一般的的单位根检验都采用的是ADF检验法，根据检验结果来判断时间序列是否是平稳的。本文的单位根检验结果表明变量中除了IL、SR是平稳的，其他都不平稳，因此需要进行差分处理，处理后再进行单位根检验，发现各变量都平稳，可以进行回归研究了。
（二）回归结果分析
考虑到时间序列的滞后效应，我们对各解释变量做了一定的滞后处理，此外为保证回归结果的稳健性，在本文中我们建立6个模型，采用逐步回归法对第一部分数据（2010年5月至2015年5月），进行对比分析，确定最优回归模型。
模型一中，我们只研究7天同业拆借利率SR、SR（-1）、SR（-2）和M2同比增速的差分DM、DM（-1）、DM（-2）对股市非流动性（IL）的影响，结果显示，所有变量都显著，拟合优度为0.37；模型二在模型一的基础上添加控制变量消费价格指数的差分DCPI、DCPI（-1）、DCPI（-2），结果表明，各解释变量都显著，拟合优度提升至0.41，保留该控制变量；模型三在模型二的基础上只增加融资余额的对数的差分DLNRF、DLNRF（-1）、DLNRF（-2），拟合优度虽有所提高，但主要的解释变量DM（-1）、DM（-2）、DLNRF、DLNRF（-2）不显著，删除该解释变量；模型四在模型二的基础上只增加融券余额的对数的差分DLNMF、DLNMF（-1）、DLNMF（-2），解释变量DM（-1）、DLNMF、DLNMF（-1）、DLNMF（-2）都不显著，删除该解释变量；模型五在模型二的基础上只增加汇率的差分DER、DER（-1）、DER（-2），解释变量DM、DM（-1）、DER、DER（-1）、DER（-2）不显著，删除该解释变量；模型六在模型二的基础上增加控制变量社会消费品零售总额的对数的差分DLNCR、DLNCR（-1）、DLNCR（-2），结果表明，解释变量DM（-1）不显著，删除该控制变量。通过对比以上各模型的回归结果，模型二的解释变量都显著，拟合优度也达到要求，因此我们确定模型二为最优模型，具体形式如式（2）。 （三）股市流动性预测分析
前文中模型二确定了股市非流动性的影响因素，现在，我们根据该模型测算第二部分数据的股市非流动性，结果如表3所示。2015年6月、7月，7天同业拆借利率相对增加，货币供应量M2同比增速的差分相对下降，投资者恐慌情绪蔓延，市场信心不足，资金套现离场，股灾爆发，股市流动性急剧下降，模型测算的非流动性较大；8月、9月，随着政府救市程度的不断加大，7天同业拆借利率相对下降，货币供应量M2同比增速的差分相对增加，市场信心有所恢复，资金重新入场，流动性渐渐好转，模型预测的非流动性较小；10月、11月、12月，政府救市的效力逐渐弱化，7天同业拆借利率相对增加，货币供应量M2同比增速的差分相对下降，市场信心没有较大提振，投资者恐慌情绪仍在，资金抽逃现象还存在，股市流动性再次下降，模型预测的非流动性较大。
四、研究结论及相关建议
在本文中，我们采用非流动性指标对2010年5月至2015年5月影响股市非流动性的因素进行分析，确定了模型二为最优模型，该模型表示股市自身变量（上期非流动性）、货币市场变量对股市本期非流动性有显著影响，融资融券市场、外汇市场对股市非流动性没有显著影响，控制变量中的通货膨胀率对股市非流动性有一定的影响，而社会消费品零售总额对股市非流动性没有影响。根据最优模型，我们再利用2015年6月至2015年12月（股灾爆发后）的数据回归出该阶段股市非流动性，结果表明，2015年6月、7月、10月、11月、12月，股灾爆发，政府救市效力弱化，市场资金撤离，股市流动性下降，非流动性上升；8月、9月，政府救市加大，资金重新回归股市，流动性上升，非流动性下降。通过上文分析，我们提出以下几点建议：
高度重视股市自身非流动性。信息对股市的波动影响较大，尤其是股市自身，我们的研究结果也表明上期股市非流动性对本期非流动性影响最大且显著，因此市场监管层因高度重视股市自身非流动性，一旦上期股市非流动性偏离理想值较大，可提前采取措施，以减小对本期股市非流动性的影响。
密切关注货币市场动态。货币市场变动对股市非流动性的影响较为直观也较为迅速，为减小货币市场变动对股市非流动性的冲击，市场监管层应建立相关的监测系统，实时监测货币市场动态。
宏观因素不可忽视。股市非流动性高低其实与宏观因素的好坏变化是密不可分的，而我国市场环境的特殊及相关数据采集的困难，使得本文选择的宏观因素一方面较少，另一方面对股市非流动性影响不是很大，但我们还是不可忽视宏观因素对股市非流动性的影响。
参考文献
[1]苏刚.货币政策对股市流动性的影响分析[J].东北财经大学学报，2014，03：62-67.
[2]蔡笑，田奎.融资融券对股市流动性影响的实证检验[J].商业时代，2010，31：56-57.
[3]靳文秀.人民币汇率变动对我国流动性的影响研究.中国海洋大学硕士毕业论文，2014.6.8.
[4]刘向华，柳恩普.股票市场流动性与宏观经济的影响机制研究[J].华东经济管理，2013，08：97-103.
作者简介：马龙（1987-），男，回族，新疆乌鲁木齐人，新疆天山农商银行（清华大学经济学硕士），研究方向金融学；张新磊（1996-），男，汉族，新疆乌鲁木齐人，上海财经大学，研究方向公司金融。
【关键词】股市非流动性 货币变量 宏观变量
一、引言
2015年6月12日，上证A股指数达到本轮行情的最高值5166.35点，之后股灾爆发，短短一月之内，A股指数暴跌1195.96点，跌幅为23.15%，而随着各种救市政策的出台，A股指数在不断的反复修正，但还是无法抵挡熊市的到来，至当年年底，上证A股指数跌1627.17点，跌幅达31.50%。本轮股灾给市场带来的冲击是有目共睹的，而股灾的形成原因，学者也有了较多的研究，归结起来主要有：股市流动性蒸发，市场信心不足，投资者非理性，市场监管缺失等，这些因素中，股市流动性蒸发是股灾形成的重要原因，因此在本文中，我们对股市流动性进行实证研究，分析出股市流动性的影响因素，进而探讨如何根据相关因素来预测股市流动性，并提出相关建议，防止股灾再次爆发。
二、理论分析
（一）变量、数据选取
股市流动性的直接度量标准比较多，但很多学者采用Amihud（2002）提出的非流动性指标来反映股市流动性，该指标越大，股市流动性越小，在本文中，我们也采用IL（非流动性指标）来进行研究。影响股市非流动性的因素主要有货币市场因素、融资融券市场因素、外汇市场因素和宏观因素。货币市场因素中，7天同业拆借利率（SR）和M2同比增速（M）对股市非流动性影响较大；融资融券市场因素中，融资余额的对数（LNRF）和融券余额的对数（LNMF）对股市非流动性有影响；外汇市场因素主要选取汇率（ER）；宏观因素较多，但考虑到本文采用的月度数据和本文的研究思路，我们选取消费价格指数（CPI即通货膨胀率）、社会消费品零售总额的对数（LNCR）来研究。
在数据选取方面，我们选取上证A股指数的收盘价、成交额，7天同业拆借利率，M2同比增长率，融资余额的对数、融券余额的对数，汇率，通货膨胀率，社会消费品零售总额的对数，以上数据均为月度数据且数据都来源于wind数据库。同时我们以股灾爆发为节点，将数据划分为两部分，第一部分为2010年5月至2015年5月，用该部分数据回归出最优模型；第二部分为2015年6月至2015年12月，对该部分数据用最优模型回归出该阶段的IL（非流动性），对股灾的成因进行分析。
（二）实证模型
（三）影响机理分析
1.股市自身的影响。股市非流动性的影响因素必然要考虑股市自身的因素，中国股市的特殊性，使得股市上期的变动对本期有较明显的影响，所以，在本文中，我们也将上期股市非流动性作为解释变量来研究其对本期股市非流动性的影响。
2.货币市场的影响。货币政策对经济运行的调节作用非常明显，而作为经济晴雨表的股市来说，货币政策对股市的影响也是显而易见的，苏刚（2014）通过实证分析得出，货币变量对股市流动性有显著的冲击，但这种影响会随时间而逐渐衰减[1]，因此，我们选择7天同业拆借利率和M2同比增长率作为货币变量来研究货币市场因素来研究其对股市非流动性的影响。
3.融资融券市场的影响。融资融券是投资者缴纳一定保证金，借入资金或证券而进行交易，并到期归还资金或证券。融资融券交易同时从需求和供给为股市提供了流动性，具有明显的杠杆作用，对股市流动性影响较大。蔡笑，田奎（2010）的实证研究得出台湾融资融券交易对股市流动性起到了显著的增加效果[2]，所以，我们也选择融资余额的对数和融券余额的对数来研究融资融券来研究其对股市非流动性的影响。
4.外汇市场的影响。汇率的变动会影响进出口、国际资本流动，从而影响国内的流动性，靳文秀（2014）的研究揭示了汇率对流动性的影响是积极的而且是长期，人民币升值，国内流动性增加，反之则下降[3]，而国内流动性的增加会使一部分流动性进入股市，对股市产生影响，在本文中我们选择汇率来研究其对股市非流动性的影响。
5.宏观市场的影响。股市的运行离不开宏观经济的发展，一般来讲，宏观经济向好时，股市倾向于牛市，股市非流动性小，而经济低迷时，股市走向熊市，股市非流动性大，刘向华，柳恩普（2013）研究了A股市场和中小板市场的流动性，他们认为股市流动性与宏观经济相关性较强，具有很强的相关性，宏观经济低迷时，股市流动性波动较大[4]。在本文中，我们也选择通货膨胀率和社会消费品零售总额的对数来研究其对股市非流动性的影响。
三、实证研究
（一）单位根检验
单位根检验是实证研究的第一步，一般的的单位根检验都采用的是ADF检验法，根据检验结果来判断时间序列是否是平稳的。本文的单位根检验结果表明变量中除了IL、SR是平稳的，其他都不平稳，因此需要进行差分处理，处理后再进行单位根检验，发现各变量都平稳，可以进行回归研究了。
（二）回归结果分析
考虑到时间序列的滞后效应，我们对各解释变量做了一定的滞后处理，此外为保证回归结果的稳健性，在本文中我们建立6个模型，采用逐步回归法对第一部分数据（2010年5月至2015年5月），进行对比分析，确定最优回归模型。
模型一中，我们只研究7天同业拆借利率SR、SR（-1）、SR（-2）和M2同比增速的差分DM、DM（-1）、DM（-2）对股市非流动性（IL）的影响，结果显示，所有变量都显著，拟合优度为0.37；模型二在模型一的基础上添加控制变量消费价格指数的差分DCPI、DCPI（-1）、DCPI（-2），结果表明，各解释变量都显著，拟合优度提升至0.41，保留该控制变量；模型三在模型二的基础上只增加融资余额的对数的差分DLNRF、DLNRF（-1）、DLNRF（-2），拟合优度虽有所提高，但主要的解释变量DM（-1）、DM（-2）、DLNRF、DLNRF（-2）不显著，删除该解释变量；模型四在模型二的基础上只增加融券余额的对数的差分DLNMF、DLNMF（-1）、DLNMF（-2），解释变量DM（-1）、DLNMF、DLNMF（-1）、DLNMF（-2）都不显著，删除该解释变量；模型五在模型二的基础上只增加汇率的差分DER、DER（-1）、DER（-2），解释变量DM、DM（-1）、DER、DER（-1）、DER（-2）不显著，删除该解释变量；模型六在模型二的基础上增加控制变量社会消费品零售总额的对数的差分DLNCR、DLNCR（-1）、DLNCR（-2），结果表明，解释变量DM（-1）不显著，删除该控制变量。通过对比以上各模型的回归结果，模型二的解释变量都显著，拟合优度也达到要求，因此我们确定模型二为最优模型，具体形式如式（2）。 （三）股市流动性预测分析
前文中模型二确定了股市非流动性的影响因素，现在，我们根据该模型测算第二部分数据的股市非流动性，结果如表3所示。2015年6月、7月，7天同业拆借利率相对增加，货币供应量M2同比增速的差分相对下降，投资者恐慌情绪蔓延，市场信心不足，资金套现离场，股灾爆发，股市流动性急剧下降，模型测算的非流动性较大；8月、9月，随着政府救市程度的不断加大，7天同业拆借利率相对下降，货币供应量M2同比增速的差分相对增加，市场信心有所恢复，资金重新入场，流动性渐渐好转，模型预测的非流动性较小；10月、11月、12月，政府救市的效力逐渐弱化，7天同业拆借利率相对增加，货币供应量M2同比增速的差分相对下降，市场信心没有较大提振，投资者恐慌情绪仍在，资金抽逃现象还存在，股市流动性再次下降，模型预测的非流动性较大。
四、研究结论及相关建议
在本文中，我们采用非流动性指标对2010年5月至2015年5月影响股市非流动性的因素进行分析，确定了模型二为最优模型，该模型表示股市自身变量（上期非流动性）、货币市场变量对股市本期非流动性有显著影响，融资融券市场、外汇市场对股市非流动性没有显著影响，控制变量中的通货膨胀率对股市非流动性有一定的影响，而社会消费品零售总额对股市非流动性没有影响。根据最优模型，我们再利用2015年6月至2015年12月（股灾爆发后）的数据回归出该阶段股市非流动性，结果表明，2015年6月、7月、10月、11月、12月，股灾爆发，政府救市效力弱化，市场资金撤离，股市流动性下降，非流动性上升；8月、9月，政府救市加大，资金重新回归股市，流动性上升，非流动性下降。通过上文分析，我们提出以下几点建议：
高度重视股市自身非流动性。信息对股市的波动影响较大，尤其是股市自身，我们的研究结果也表明上期股市非流动性对本期非流动性影响最大且显著，因此市场监管层因高度重视股市自身非流动性，一旦上期股市非流动性偏离理想值较大，可提前采取措施，以减小对本期股市非流动性的影响。
密切关注货币市场动态。货币市场变动对股市非流动性的影响较为直观也较为迅速，为减小货币市场变动对股市非流动性的冲击，市场监管层应建立相关的监测系统，实时监测货币市场动态。
宏观因素不可忽视。股市非流动性高低其实与宏观因素的好坏变化是密不可分的，而我国市场环境的特殊及相关数据采集的困难，使得本文选择的宏观因素一方面较少，另一方面对股市非流动性影响不是很大，但我们还是不可忽视宏观因素对股市非流动性的影响。
参考文献
[1]苏刚.货币政策对股市流动性的影响分析[J].东北财经大学学报，2014，03：62-67.
[2]蔡笑，田奎.融资融券对股市流动性影响的实证检验[J].商业时代，2010，31：56-57.
[3]靳文秀.人民币汇率变动对我国流动性的影响研究.中国海洋大学硕士毕业论文，2014.6.8.
[4]刘向华，柳恩普.股票市场流动性与宏观经济的影响机制研究[J].华东经济管理，2013，08：97-103.
作者简介：马龙（1987-），男，回族，新疆乌鲁木齐人，新疆天山农商银行（清华大学经济学硕士），研究方向金融学；张新磊（1996-），男，汉族，新疆乌鲁木齐人，上海财经大学，研究方向公司金融。