1、整个市场的规模较小，证券市场制度处于不断完善过程，政府对市场的干预过多，机构投资者的数量和规模太小等，这些原因造成中国市场与传统资产定价模型严格的前提条件有较大出入。从投资者角度考虑，价格波动的“风险补偿”不能解释股票收益的原因在于许多股价波动是由于政府外部干预、庄家炒作等原因引起的，而不是投资者进行风险规避的结果。另一方面，在中国股市不仅交易印花税、佣金等直接的交易成本较高，而且涨跌幅度限制、缺乏做空机制等市场制度也造成了很高的非流动性成本。这些都使得研究中国股市中非流动性成本对股票收益的影响就显得更有意义。本文对中国股票市场的非流动性与股价收益率之间的关系进行了横截面相关检验，并分析了市场
2、非流动性变化对股票收益的影响及不同流动性股票的市场非流动性效应。文章的结构如下，第二部分描述了变量和使用的样本数据，第三部分设计了实证检验的假设，给出了结果，并进行分析，第四部分对结论进行了总结。二、变量和数据（一）非流动性的度量方法流动性是一个很难刻画的概念（Amihud, 2002）。它不能被直接观测，而且由于包括许多方面而无法简单使用一种方法来刻画。一般说来，一种资产流动性好是指它能按照当前的市场价格很快而且以很低的成本买卖。非流动性是一种间接交易成本，它反映了交易指令对价格的影响。象交易佣金、印花税等直接的交易成本容易度量，但包括买卖价差、交易指令对价格的影响成本和延迟交易成本等非流动
3、性成本就很难度量。Kyle（1985）提出了度量流动性的三个指标：紧性、深度和弹性。Amihud and Mendelson（1986）和Eleswarapu（1997）则使用买卖价差来度量流动性。流动性的另一个度量指标是换手率，Amihud and Mendelson（1986）认为换手率与非流动性成本负相关，Atkins and Dyl（1997）发现价差与换手率倒数之间（衡量持有期）存在正相关关系。这些流动性和非流动性指标都是从实证角度描述了流动性的一个不同方面。 本文采用Amihud（2002）的方法度量非流动性，定义为日收益率的绝对值与日成交金额的比率： （1）其中：为第i个股票t日
4、的日收益率，为第i个股票t日的成交金额。这个比率即为每单位成交金额所引起的价格变化，它反映了买卖指令规模对价格的影响。它与Kyle（1985）的定义是一致的。而且，它避免了Kyle的指标对高频数据的依赖，从而可以作长时期的时间序列研究。另一方面，Amihud（2002）的研究表明，ILLIQ与从市场微观结构高频数据给出的非流动性定义是正相关的。Brennan and Subrahmanyam（1996）使用日内交易和价差数据度量非流动性，一个是价格影响指标：Kyle（1985）的，另一个是相对于买卖价差的固定费用指标。通过与这两个指标进行回归，他们发现ILLIQ指标与和都正相关。在横截面研究中
5、我们使用月平均非流动性指标ILLIQiy： （2）Diy为第i个股票y月的交易天数。（二）实证检验的变量（1）非流动性变量单个股票的非流动性指标ILLIQiy使用式（2）计算，整个市场的非流动性指标则取所有股票的平均值AILLIQy： （3）Dy为第y月的股票个数。由于随着时间的改变，各个月的非流动性变化很大，所以在横截面回归检验模型的估计中，我们使用经过均值调整的非流动性指标ILLIQMAiy： （4）（2）风险变量我们使用BETAiy作为系统风险的度量指标。BETAiy的计算方法如下：在每一个y月，股票按照市值排序，分成10个证券组合。然后，按照组合中所有股票收益率等权平均计算各个组合的日
6、收益率Rpt，即第p个组合在t日的收益率。最后，按照市场模型来估计各个组合的BETApy值： （5）RMt为等权平均计算的市场组合收益率，BETApy为用Scholes and Williams（1977）估计出的斜率系数，无风险利率Rft为三个月期存款年利率的日收益率值。回归区间为y月月底前的一年期间。各个股票的BETA值为其所在的股票组合的BETA值BETApy。股票的总风险为变量SDRETiy，即为日收益率的标准差（乘以100）。根据Levy（1978）和Merton（1987）的研究，总风险SDRETiy也考虑在股票定价因素中是因为投资者的组合总是受到限制，因而不可能完全分散化。（3）
7、股票规模 股票规模SIZE（市值）也与流动性有关。因为市值越大，它的价差会越小，每个单位买卖指令对价格的影响也越小。而且，股票的预期收益率也与规模负相关（Banz, 1981；Reinganum, 1981；Fama and French, 1992等）。在横截面回归时，规模SIZE取对数。（4）其他变量在实证时，我们还考虑股利变量DIVYLDiy，它等于y月分配的股利与月底股价的比率。因为，Redding（1997）认为高股利分配的股票风险要低一些，所以DIVYLDiy可能与预期收益率存在负相关关系。（三）样本数据样本时期为从1993年6月到2001年12月，一共103个月。数据为所有在上海
8、和深圳证券交易所上市而且这段时期有交易的股票，去掉ILLIQiy在分布两端1%的股票。数据来源自香港理工大学中国会计与金融研究中心和深圳国泰安信息技术有限公司合作开发的中国股票市场研究数据库（CSMAR）。先按照月份计算每个月各个股票的变量值，求得103个月的每月变量均值，而后对这103个月的均值进行统计，得到表1。表1 各个变量的基本统计表变量均值标准差中位数偏度最小值最大值ILLIQ0.80180.57170.67301.82380.12052.8443SIZE（RMB000）2,446,249.353,066,996.802,453,497.084.5680799,587.124,779
9、,216.64DIVYLD12.286813.75796.90661.64822.767243.1818SDRET3.09880.86772.70081.12151.504811.6740注：变量DIVYLD的单位为万分之一。三、实证检验和结果（一）非流动性和股价收益率的横截面回归1、横截面检验模型检验的过程采用Fama and French（1973）的横截面回归方法： （6）为第i股票第y月的收益率；为股票i的第j个相关因素（比如，非流动性指标，风险系数Beta值，市值规模等），它使用的在y月初投资者已获取的第y-1月的数据；系数衡量这些因素的影响程度。表 2 股票收益率与非流动性及其他变
10、量的横截面回归结果所有样本除1月份之外的样本1993-19971998-2001Constant-0.0354-0.0265-0.0456-0.02340.18630.19970.19870.1717（-2.2655）（-1.4418）（-1.6566）（-2.2013）（2.9971）（2.7388）（1.8093）（4.0137）BETA0.00200.0016-0.00180.0065-0.0073-0.0143-0.01820.0053（0.3271）（0.2300）（-0.1582）（2.3900）（-0.7512）（-1.2680）（-1.0177）（1.9429）ILLIQMA0
11、.03170.03520.04870.01180.02980.03340.04730.0092（2.2412）（2.0851）（1.8729）（4.4883）（1.9933）（1.8697）（1.7199）（3.7088）LNSIZE-0.0149-0.0153-0.0174-0.0118（-4.2844）（-3.8380）（-2.8879）（-4.5262）-0.00240.00020.0013-0.0067（-0.3638）（0.0194）（0.1099）（-2.7186）-0.0003-0.00041-0.00070.00009（-0.9619）（-1.0151）（-1.0947）（1.
12、0688）括号内的值为T检验值。2、检验结果按照回归模型式（6），对各个月（103个月）进行横截面回归，一共103次回归，产生了103组系数kjy，对这103组系数求均值，并进行了均值为零的T检验，结果见表2。由于一些研究（Keim, 1983；Tinic and West, 1986；Eleswarapu and Reinganum, 1993等）发现，由于“一月效应”的影响，去掉一月份之后，BETA值、规模等因素可能变得不显着，所以还给出了去掉一月份之后的统计和检验值。另外，为了检验回归结果的时间上的平稳性，我们把样本时期分为两个阶段，一个阶段从1993年6月到1997年12月（55个月）
13、；另一个从1998年1月到2001年12月（48个月），分别对这两个阶段进行了统计和检验。表2的结果支持了中国股票市场的“非流动性补偿”假设。整个样本时期的非流动性指标的均值为0.0317，T检验值为2.2412，显着不等于零。另外，去掉一月份数据后，非流动性效应仍然是正的。分阶段的ILLIQMA也都为正值，且T检验显着，特别是第二阶段，从1998年至2001年期间，显着性大为增强。从BETA值的检验系数看，在中国股票市场，系统风险BETA值与收益率的相关性不显着。在整个样本时期，T检验值仅为0.3271，无法拒绝零假设。去掉一月份的检验和1993年到1997年的检验也都是不显着的。仅有199
14、8年到2001年阶段BETA值对股价收益率有正相关关系。在加入规模SIZE、总风险SDRET和股利比率DIVYLD等变量后，非流动性ILLIQMA的系数仍然为显着的正值，进一步证实了非流动性与股价收益率正相关的假设。从表2中还可以看出，股票规模对收益率的影响是负的，这与其他研究者的结论是一致的。变量总风险SDRET和股利比率DIVYLD不显着，即它们对收益率没有统计意义上的显着影响。（二）市场非流动性变化对股价超额收益率的影响前面的实证结果表明，股价收益率与非流动性之间存在横截面正相关关系。这说明，被传统资产定价模型所忽视的非流动性交易成本因素是影响资产定价的一个重要因素。投资者并没有忽略资产
15、的非流动性因素，而是通过对市场非流动性的预期来调整预期收益率，从而影响股价。如果投资者预期到更高的非流动性，那么他们将把股价定得更低以希望得到更高的预期收益率，以补偿非流动性的增加。Amihud, Mendelson and Wood（1990）在研究1987年10月美国股市崩盘时认为，当时的股市崩盘过程实际上分为两个阶段，第一个阶段是在崩盘前，市场无法提供必需的流动性来减少大笔卖单对价格的影响，股价受到大笔卖单的影响而大幅下跌；第二个阶段则是由于市场流动性的大幅下降，投资者预期市场非流动性将大幅增加，因此提高预期收益率来补偿整个市场非流动性的增加，所以股价再次大幅下跌。他们的研究还发现，不同
16、流动性的股票的下跌幅度也是不同的，流动性越好的股票，其下跌幅度越小。现在考虑整个市场非流动性变化对股价超额收益率的影响，即当预期市场非流动性与实际市场非流动性不一致时，股价收益率会有什么变化。我们把实际市场非流动性与预期市场非流动性的差称为未预期到的市场非流动性，同样把实际收益率与预期收益率之差称为未预期到的收益率。如果当年的未预期到的非流动性大于零，即实际的非流动性大于预期的非流动性，则投资者将预期下一年的非流动性增大。而预期非流动性增加会导致下一年的期望超额收益率的增加，因而当年年底（下一年年初）的股票价格就下跌。所以，当年的收益率下降，即未预期到的收益率为负值。因此，未预期到的非流动性对
17、同期未预期到的股价收益率的影响是负面的。1、检验方法这里预期非流动性采用自回归模型估计，即假设投资者使用前一个月的信息来预测下个月的非流动性，然后用这个预测值去设定期望收益率。市场非流动性假设遵循下述过程： （7）为y月市场非流动性，检验时采用自然对数形式，分别为系数，为残差值；可以预计在第y月初，投资者根据第y-1月的信息决定这一月的预期非流动性： （8）然后，他们按照得到的预期非流动性再去设定这一月的期望收益率： （9）为第y月的市场组合收益率，为第y月的无风险收益率。根据前面的分析，未预期到的非流动性对同期的未预期到的股价收益率的影响是负面的。记，其中表示没有未预期到的超额收益率，则：
18、（10）合并式（9）和式（10）为： （11），这样，检验模型为： （12）检验假设为：检验结果见表3。市场非流动性变化对股价超额收益率的影响主要体现在未预期到的市场非流动性变化对超额收益率的影响上，即其回归系数项的检验显着。而前一个月的市场非流动性的系数项的T检验并不显着，这说明前一月的市场非流动性只影响前一月的股价收益率，而对当月的股价收益率没有影响，因为投资者已通过预期当月的非流动性对股价预期收益率进行调整，所以它对实际的股价收益率就不产生影响。表 3 市场非流动性变化对股价超额收益率的影响RM Rf规模组合的超额收益率-0.00860.0197-0.0066-0.0140-0.0342
19、-0.01834（-0.581）（1.123）（-0.420）（-0.887）（-2.597）（-1.018）0.01350.030.0130.01-0.00680.016759（1.092）（2.268）（0.977）（0.427）（-0.704）（1.361）-0.1759-0.1869-0.1501-0.1469-0.1361-0.134646（-8.068）（-8.013）（-6.779）（-6.666）（-7.513）（-6.475）0.4010.41190.32150.31060.36510.30662.6032.4352.6532.6232.4662.586括号中给出的为T检验值
20、。（三）市场非流动性对不同流动性的股票收益率的影响市场非流动性的变化对不同流动性的股票的收益率影响是不同的。当市场非流动性增加时，对投资者来说，一方面是非流动性出现未预期的增加，另一方面则会预期非流动性还会增加。这里包含两方面的影响：（1）当预期市场非流动性还会增加时，对所有的股票而言，股价都会下跌而使预期收益率增加；（2）当非流动性出现未预期的增加时，出现“流动性替代效应”。即对流动性好的股票的需求增加，而对流动性差的股票的需求减少。流动性替代效应的出现，将使得流动性好的股票的需求增加，使得价格上升，预期收益率下降；而相反，流动性差的股票的预期收益率增加。这样，对于低流动性的股票而言，两种影
21、响的作用效果为同一个方向，且相互加强。但对于高流动性的股票而言，这两种影响的作用方向相反而相互抵消。最后的结果是，流动性差的股票将表现出更明显的市场非流动性效应，即更强的未预期到的市场非流动性对收益率的负面影响。而对于流动性好的股票，这种市场非流动性效应将会相对减弱一些。如前所述，股票规模也是一个流动性指标，相对而言，规模大的股票的流动性要好于规模小的股票。因此，我们按照股票规模把整个市场的股票分成10个组合，第1个组合的市值规模最小，第10个组合的规模最大。使用下面的模型检验市场非流动性对不同流动性的股票的收益率的影响： （13）为第i 个规模股票组合的第y月的收益率，流动性差的股票表现出更
22、强的市场非流动性效应的假设为：从表中看出，检验结果与我们的假设一致，未预期到的市场非流动性的回归系数值都小于零，且随着股票规模单调增加。这结果说明，规模小的股票的市场非流动性效应要显着强于规模大的股票。小公司对市场非流动性效应的具有更高的敏感性，使得小公司具有更大的非流动性风险，因而它需要更大的非流动性补偿，所以从总体上看，小公司的收益要大于大公司，这也是产生“小公司效应”的一个原因。四、结论在传统的资产定价模型中，预期收益率与预期风险呈正相关关系，即收益是为了补偿风险的。市场微观结构理论重新讨论被忽视的交易成本问题，提出了“非流动性补偿”假设。即相对于国债的低收益，股票的高收益不仅是为了补偿
23、股票的高风险，也是为了补偿股票的高非流动性。本文采用1993年6月到2001年12月的数据，并使用日收益率的绝对值与日成交金额的比率作为非流动性的度量方法，检验了中国股票市场的收益率与非流动性的横截面相关关系，分析了未预期到的市场非流动性对股价收益率的影响。横截面回归的结果显示，中国股票市场的收益率与风险Beta值、总风险收益率标准差之间都不呈现出相关关系，而与非流动性呈显着的正相关关系。风险对收益率的解释作用不明显，这与许多学者研究的在中国股票市场资本资产定价模型不成立的结论相一致。而中国市场表现出更显着的“非流动性补偿”假设，这说明投资者更注重资产的流动性。这也可以解释相对于全球其他股市，
24、中国股市的换手率更高的原因，因为投资者的持股时间更短。通过对未预期到的市场非流动性对股价收益率影响的分析，我们发现当市场非流动性发生了未预期到的变化时，未预期到的市场非流动性对股价收益率的影响是负面的。即市场非流动性突然增加时，股价收益率将降低。而且，不同流动性的股票对市场非流动性的变化是不同的。相对于大盘股，小盘股对市场非流动性变化的反应更强烈一些，小盘股的非流动性效应更明显一些。由于小盘股对市场非流动性的变化更敏感，非流动性风险更大，所以需要得到更大的非流动性补偿，这刚好解释了小盘股收益率相对要高一些的“小公司效应”。鉴于“非流动性补偿”在中国股票市场的显着性，管理层通过降低交易印花税和下调佣金来减少直接交易成本的做法有助于提高整个市场的流动性。另一方面，除了减少直接交易成本外，管理层更应该加强市场交易机制的建设来减少市场的非流动性成本，降低市场的间接交易成本。比如（1）合理设置最小报价单位。目前中国市场的每股价格从最低的3元多到最高的50元多，但最小报价单位都是0.01元，这可能导致不同价位股票的不同非流动性成本。（2）完善涨跌幅限制制度。文献（2）的研究表明，不恰当的涨跌幅限制约束了流动性。（3）采取合适的做空机制。许多研究表明，限制做空降低了市场信息效率，增加了交易成本（Diamond and Verrechia，
