屈文洲、吴世农:中国股票市场微观结构的特征分析中国股票市场微观结构的特征分析买卖报价价差模式及影响因素的实证研究屈文洲 吴世农(厦门大学管理学院 361005)内容提要:本文根据股票市场微观结构理论,运用高频数据对我国深圳股票市场的买卖报价价差的变动模式进行实证分析,同时研究股票买卖报价价差的影响因素和成因,并建立和检验相应的模型,从而揭示我国股票市场的微观结构特征。
关键词:微观结构 买卖价差 影响因素一、买卖报价价差问题的提出买卖报价价差是金融市场微观结构理论(Theory of Financial Market Microstructure)的重要组成部分,其旨在研究金融资产价格在某一周或一天中的一系列相对短暂的交易时段内的连续变化特征和规律。
该理论的诞生是近30年来金融经济学一次最具开创性的发展。
在传统的金融市场研究中,我们往往把金融资产价格作为一个宏观现象加以考察。
但是,从H.Demsetz于1968年发表了他的论文交易成本!后,研究者对金融资产价格的考察角度发生了变化,转而关注于金融市场内在的微观基础,关注于金融资产买卖报价的价差关系。
从微观角度来考察金融资产价格意味着可以将金融资产价格行为描述成经济主体最优化行为的结果。
这种转变有两个重要的经济含义。
首先,由于价格是由特定的经济主体和交易机制决定的,而考察价格的形成也就是考察经济主体的行为或交易机制,因此,常见的瓦尔拉斯(Walrasian)均衡中的均衡产生问题就可以解决了。
其次,这种分析方法可以使我们将市场行为看成是个人交易行为的加总,因此,在给定单个交易者内在决策问题的情况下,我们可以预测金融资产价格将如何变化。
一般认为H.Demsetz在1968年发表的论文交易成本!正式奠定了当代金融市场微观结构理论的基础。
H.Demsetz认为买卖报价价差实际上是在有组织的市场中为交易的即时性(immediacy)支付的成本。
具体地讲,H.Demsetz的模型如图1 1所示。
在图中,直线D和S分别是需求曲线和供给曲线。
对那些通过市场指令而获得即时和确定的执行价格的投资者来说,它们表示价格和买卖指令的时间速率之间的关系。
在交点E处,这两种速率相同。
但是,一般买入和卖出指令不是在相同的时刻到达的,因此H.Demsetz假设存在独立的市场参与者群体(做市商),他们通过报出股票买卖价格并随时准备交易来提供即时性。
为弥补随时准备交易而产生的成本,这些即时性的提供者必须平均以高于他们买入股票的价格卖出股票,这导致需求曲线和供给曲线向下和向上移动至D∀和S∀。
H.Demsetz认为,S∀和S之间的垂直距离,D∀和D之间的垂直距离等于做市商为提供即时性的交点(或者说,由D和S∀的交点)给出的。
在图1-1中,X表示即时性提供者愿意买卖股票的均衡速率,A是投资者能够实现马上购买的卖出报价,而B是马上卖出的买入报价,A-B就是买卖报价价差。
H.Demsetz认为,如果在即时性的提供上存在着充分的竞争,那么价差将调整到等于提供即时性的成本。
我们进一步可以推测,如果提供服务的成本趋于零,价差也将趋于零。
金融市场微观结构理论中的买卖价差模型研究已经成熟,目前进入实证研究阶段,而实证研究主要集中在三个问题:一是买卖价差的变动模式,由于买卖价差与各市场交易制度相联系,不同市场因交易制度不同,可能形成不同的买卖价差变动模式;二是买卖价差的影响因素,由于买卖价差受多种因素的影响,目前发现其主要受交易量、风险和价格的影响;三是数据的采集和数据库建设,由于金融市场微观结构的实证研究所需的数据量十分庞大,这是一项艰苦和需要耐心的工作。
自从买卖报价问题提出后,国际上众多经济学家对价差的理论模型进行了广泛的研究,并在20世纪90年代对各国和地区的股票市场的报价价差模型进行了深入的实证研究,发现价差主要呈现出两种变动模式:#U∃型和#L∃型。
在我国,经济学界刚开始注意到价差问题,但对价差的实证研究尚未触及。
为了揭示我国股票市场微观结构的特征,本文运用高频数据(High Frequent Data)对我国深圳股票市场一周内各交易日中各交易时段的买卖报价价差的变动模式进行实证分析,并应用回归分析方法研究股票买卖报价价差的影响因素,以探讨我国股票市场买卖报价价差的成因。
二、研究设计和实证研究方法1 数据和样本的选择本文的数据来自深圳股票市场向市场揭示的证券行情。
在每个交易日,对来自交易所的每笔行情数据进行记录,得到了本文研究的基础数据。
每笔行情记录包括证券代码、日期、成交数量、三个买卖报价以及各报价上的买卖数量。
本文所研究的股票为深圳成分股指数的40种样本股票,%样本期从1999年11月8日到2000年11月22日,&总共包括了4,674,120条行情记录。
以每10分钟作为一个时间间隔,对每个交易日的行情记录进行分段,这样每个交易日总共分为24个时段。
每个交易日上午第一个和最后一个时段分别为9:30-9:40和11:20-11:30,下午第一个和最后一个时段分别为13:00-13:10和14:50-15:00。
2 研究方法本文使用深圳证券交易市场的成分指数中的40种股票为样本及其相应的高频指令和成交数据,研究和揭示我国股票市场微观结构中买卖价差的特征和变动趋势 股票市场一周内及当天内股票买卖价差的变动模式,同时分析和检验我国股票买卖价差的影响因素。
根据研究问题的需要,相应地应用不同的研究方法。
具体包括:2 1 利用高频行情数据并使用统计方法描述一周内股票买卖价差的变动特征。
(1)每条行情记录相对买卖报价差的定义是∋RB A k=2((Ask k-Bid k)(Ask k+Bid k)(2-1)其中:Ask k是最低卖出报价;Bid k是最高买入报价;k表示一天中第k条行情记录。
(2)每周中各天报价价差2002年第1期%深圳成分股指数,是深圳证券交易所编制的一种成分股指数,是从上市的所有股票中抽取具有市场代表性的40种样本股WeekRB A i=1 N()n(1 K))n RB A ikn)) (i=1,2,3,4,5)(2-2)其中:RB A ikn表示第n周星期i当天第k笔行情记录的相对买卖价差;WeekRB A i表示星期i当天的平均相对买卖价差;N为样本期内的总周数;K为一天内的总行情记录数;k表示在一天中第k条记录。
2 2 利用高频行情数据并使用统计方法描述一天内股票买卖价差的变动特征。
DayRB A i=1 T)t1 J)j1 K)k RBA ijkt(2-3)其中:DayRB A i表示第i时段的平均相对买卖价差;RB A ijkt表示第j只股票在第t天第i时段第k笔的相对买卖价差;J为样本股票总数;T为各股在样本期的交易天数;K为在各时段中行情记录的总笔数;i表示在一天中的时段数。
2 3 利用高频数据并使用统计方法研究和检验影响买卖价差的因素。
(1)协方差的估计:目的在于判断和检验相对买卖报价价差与交易量、风险和交易价格之间的相关程度,为进一步研究和确定影响买卖价差的影响因素奠定基础。
COV=Co v(RB A i,RB A i)Cov(RB A i,Vol i)Cov(Vol i,Vol i)Co v(RBA i,Var i)Co v(Vol i,Var i)Cov(Var i,Var i) Cov(RB A i,Pr ice i)Cov(Vol i,Pr ice i)Cov(Var i,Pr ice i)其中:RB A是每时段内的平均相对买卖价差;Vol是在每时段内的成交量;Var是每时段内收益率的方差或风险;Price是每时段的最后一笔成交价格。
(2)回归方程的估计和检验:目的在于判断和检验交易量、风险、成交价格、交易日和交易时段对买卖价差是否具有显著的影响,以研究和确定影响买卖价差的关键或主要因素。
本文先后应用三种不同的回归分析方法:首先采用包括全部自变量的直接回归分析;然后采用逐步回归分析,以删减那些与RB A弱相关的自变量;最后在逐步回归分析的基础上采用GARC H回归分析,模型如(2 -4)所示,以避免使用时间序列数据估计回归模型时通常存在的#自回归条件异方差∃(Auto Regres sive Conditional Heteroscedasticity)导致回归模型参数估计不准确或不稳定的问题。
%RBA t= 0+ 1vol t+ 2var t+ 3price t+)4i=1 i day i,t+)23j=1j time j,t+!t(2-4 1)!t=h t∗v t;h t=k0+)p i=1∀i h t-j+)q i=1 i!t-i;v t~N(0,1)(2-4 2)其中:day i和time j均为虚变量,day i代表星期一,星期二,++,星期五,以符号W i表示;time j代表每天四个小时股票交易时间内24个10分钟的时间间隔,以符号S i表示;p和q分别是GARC H模型中残差(!t)的滞后期。
通过上述的回归模型分析来确定影响相对买卖报价差的因素。
三、实证结果和分析从理论角度上来说,通过描述一周内及当天内买卖价差的模式,可以了解我国股票市场价格发现机制的有关信息,以及提供我国股票市场微观结构属于何种结构类型的相关证据。
现在,我们应用上述的实证方法对样本数据进行分析得到如下实证结果,并对实证结果进行分析。
1 一周内股票买卖价差的变动特征分析屈文洲、吴世农:中国股票市场微观结构的特征分析为更全面地研究股票买卖价差的形成模式,我们首先对每周的买卖价差模式进行了研究。
深圳股票市场每周的相对买卖价差模式如图3-1所示。
由图3-1可见:在星期一和星期五相对买卖价差较小,而在星期三时相对买卖价差最大。
但是,这种模式较为微弱,不足于形成显著结论。
为了检验每周买卖价差的差异性,分别进行了每周相邻交易日相对买卖价差(RBA)差异的t 检验和方差分析,检验结果如表3 1所示。
检验结果表明:每周相邻二个交易日的相对买卖价差(RB A)之间没有显著差异,说明深圳股票市场每周的相对买卖价差无显著变动模式或变化特征。
表3 1每周相邻交易日相对买卖价差(RB A)差异的t 检验和方差分析%t-检验:双样本均值差异检验T 值Mon Tue Tue Wed Wed Thu Thu Fri T 检验统计量-0 415-0 1500 1890 356P(T <=t)单尾0 3400 4410 4250 361t 单尾临界值16611 6611 6611 661P(T <=t)双尾0 6790 8810 8510 723t 双尾临界值1 9851 9851 9851 985方差分析项目离差平方和自由度平均离差平方和F 值显著性组间8 196E-0842 049E-080 0980 983组内5 079E-052432 090E-07总和5 087E-05247图3-12 一天内股票买卖价差的变动特征分析Handa(1992)对纽约股票交易所(NYSE)和美国证券交易所(AMEX)的买卖价差进行了研究,发现是巨大的#U ∃型模式。