风险暴露的变化对股票流动性的影响

风险暴露的变化对股票流动性的影响

显然这个也是我的课程论文,写得也很烂,而且由于老师只要写实证部分,所以我就没写文献综述。虽然很烂,但是我觉得题目非常好,结果自己也挺满意。

风险暴露的变化对股票流动性的影响.zip
下载解压后会看到这个文件夹。

其中:

1
2
3
4
5
6
ADO: 放置了程序中出现的外部命令,虽然都能直接ssc install,但是可能会遇到网络问题而无法安装
DATA: 放置了本文需要的所有数据
DO: 放置了每幅图表的绘制程序
IMAGE: 放置了绘制出的图片
DOCS:放置了论文的文档
参考文献:参考文献

摘要

交易量模型一般认为交易者的异质性产生了交易行为,交易的是由不同交易者对于同一事件的看法不同产生的,因此股票风险暴露的变化会导致投资者交易行为的变化。本文使用时变Beta表示股票风险暴露的变化,使用换手率来表示交易行为的变化,也即股票流动性的变化,并据此来研究风险暴露变化对中国股票流动性的影响。研究结果表明,风险暴露的变化会影响股票的流动性。同时这种影响具有月份效应和年份效应,在不同月份和不同年份的效应表现并不相同。此外本文还发现,风险暴露增加和减少的效应也不相同。

关键词

风险暴露;贝塔;换手率

导论

基于CAPM模型计算出的β值可以用来衡量个别股票或股票基金相对于整个股市的价格波动情况。β值越高,意味着股票相对于业绩评价基准的波动性越大,反之亦然。 当β=1时,表示该股票的收益和风险与大盘指数收益和风险一致;当β>1时,表示该股票收益和风险均大于大盘指数的收益和风险。基于此,本文使用β值来衡量股票的风险暴露。另外一方面,可以用个股每月的交易股数与每月的流通股数的比值来衡量股票的流动性。相关研究表明股票的风险暴露的改变会导致投资者交易行为发生改变,而这种改变可以反映在股票的流动性上,因此本文试图通过对中国A股和B股的实证研究来检验这种效应的存在。

本文首先构建了一个固定效应模型来检验这个效应的存在,随后考虑到不同月份股市的行情具有不同的特点,因此很可能这种效应在不同月份的大小可能是不一样的,因此本文又向模型中引入月份虚拟变量来考察控制月份之后的效应。结果发现效应依然存在。之后,又进一步引入月份虚拟变量和风险暴露变化的交叉项来计算各个月份的效应。

同样,随着时间的变迁,股市中的投资者的行为模式也会发生变化,因此本文又按照同样的方法研究了控制年份后的效应以及这种效应在不同年份的表现。
由于本文使用的是月度数据,直接加入时间虚拟变量会使得模型过于复杂,所以本文没有直接控制时间效应。

在模型的最后,本文又通过引入一个表示风险暴露变化方向的虚拟变量及其与风险暴露变化值的交互项,发现风险暴露变化对流动性的影响具有非对称性。
最后,本文又针对大公司样本、小公司样本进行的稳健性检验。结果依旧相似。此外由于模型中使用了考虑现金红利再投资的月个股回报率变量作为协变量,因此本文又将这个变量替换为不考虑现金红利再投资的月个股回报率变量。结果依旧成立。

下面的实证分析将按照这个思路进行。

样本选择和变量描述

本文的所有数据来自于国泰安数据库。基于数据的可获得性,本文选择的时间范围是1990年12月至2018年6月,共计331个月。另外在股票的选择上,本文选择了所有的A股和B股,共计3740只股票。变量名和描述见表2-1:

表2-1: 变量名与描述
变量名 含义
dturn 换手率的计算方法为每月的交易股数/每月的流通股数
lndturn 换手率的对数
beta 标准化的Beta。其中计算Beta的方法为回归考虑现金红利再投资个股回报率和考虑现金红利再投资市场回报率(用48个月的数据回归)
adbeta beta变化的绝对值
illiqd 非流动性指标,当月的日绝对收益率与日交易股数之比的平均值
mretwd 考虑现金红利再投资的月个股回报率
mretnd 不考虑现金红利再投资的月个股回报
msmvttl 个股总市值,个股的总股数与收盘价的乘积,以人民币元计

面板描述性统计见表2-2:

实证分析

本文使用beta值衡量风险暴露,其中beta的计算方法是用48个月的数据回归考虑现金红利再投资个股回报率和考虑现金红利再投资市场回报率,然后在标准化得到的。本文的模型分为两步,第一步考察beta的变化对换手率的影响,即风险暴露变化对市场流动性的影响。第二步,考察风险暴露和风险减少的非对称效应。

风险暴露变化对股票流动性的影响

考虑到每个公司的情况各不相同,可能会存在不随时间而变的遗漏变量,考虑使用固定效应模型。另外Hausman检验的卡方统计量为406.12,p值为0.0000,显著拒绝随机效应模型,因此确实应该使用固定效应模型。即:

$$
ln⁡(Turnover)_{it}=∆β_{it} \cdot A + X_{it} \cdot B + u_i+ε_{it}
$$

其中$∆β_{it}$为标准化beta的变化量,A为其回归系数,$X_it$为协变量向量,$u_i$为个体效应,$ε_{it}$为扰动项。A即为本文想要研究的影响效应。

表3-1展示了固定效应模型的估计结果,另外考虑到可能存在的月份效应和年份效应,通过分别添加月份变量、年份变量以及它们和adbeta的交叉项得到了另外四个回归模型,由于排版的限制略去了一些虚拟变量的展示。

模型1仅使用了固定效应,拟合结果表明风险暴露的变化与股票换手率的变化正相关。具体来说,风险暴露每变化一个标准差,股票的换手率增加13%。模型2在模型1的基础上又考虑了月份效应,在控制了月份之后,这种影响效应变为12%,同时对月份虚拟变量的联合检验结果是显著的,表明月份效应确实存在。模型3则进一步考虑在不同月份影响效应的差异,因此加入了月份虚拟变量和adbeta变量的交互项。下图展示了每个月份的不同效应(adbeta的系数与各月份的交互项相加得到):

上图表明,这种影响效应在1月份、5月份、7月份以及12月份的时候很高。而这四个时间恰好是年报和半年报时间的上一个月和下一个月。因此猜想一个可能的解释是,在12月和5月一些机构投资者为了“美化”年报和半年报会根据所持资产的风险暴露情况对投资组合进行调整,而在1月和7月,机构投资者会重新构建投资组合。结果这些月份的效应非常大。
模型4则考虑到股市的变迁也可能导致投资者的投资风格发现变化,因此添加了表示年份的虚拟变量。拟合结果表明在控制年份之后,风险暴露每变化一个标准差,换手率增加6%。同时对年份变量的联合检验也表明年份效应确实存在。
最后模型5进一步考察了该效应在不同年份的表现。因此加入了年份虚拟变量和adbeta的交互项。下图展示了每个年份的不同效应(adbeta的系数与各年份的交互项相加得到):

上图表明风险暴露变化对股票流动性的影响在不同年份的表现是不同的,时正时负。

风险暴露变化方向对股票流动性的影响

在这一部分,本文进一步考虑了风险暴露增加和减少的非对称效应。同时在此基础上又分别考虑了月份效应和年份效应。由此得到了下面的三个模型。

在上表中,betaid为表示beta增加或减少的虚拟变量,增加时取1,减少时取0。其系数为正且显著表明风险暴露变化对股票流动性的影响具有非对称性。betaid_adbeta为betaid和adbeta的交互项。

模型6表明,风险暴露增加的时候影响为0.11-0.12=-1%,即风险暴露增加一个标准差,换手率减小1%。风险暴露减少时的影响则为11%,即减少时影响更大。
模型7和模型8分别为考虑了月份效应和年份效应的模型,结果同样显著。

稳健性检验

下面将先后对大公司和小公司样本进行检验,最后再将考虑现金红利再投资的月个股回报率替换成不考虑现金红利再投资的月个股回报率进行检验。

这里定义大公司为2018年6月个股总市值在前25%的公司,而小公司的定义为2018年6月个股总市值在后25%的公司。下表展示了三个稳健性检验的模型的估计结果:

三个稳健性检验的结果都是显著的。具体来说,在大公司样本中,风险暴露每变化一个标准差,换手率增加13%;在小公司样本中,风险暴露每变化一个标准差,换手率增加11%。最后将考虑现金红利再投资的月个股回报率替换成不考虑现金红利再投资的月个股回报率后,风险暴露每变化一个标准差,换手率增加13%,这与模型1是相同的。因此是否考虑现金股利再投资并不影响估计结果。

结论

本文通过一系列固定效应模型研究发现风险暴露的变化会导致交易的产生。归纳本文的研究结果可以得出如下三个结论:

  1. 风险暴露的变化会增加股票的流动性。具体来说,标准化的贝塔值每变化一个标准差,股票的交易量增加13%;
  2. 风险暴露的变化对股票流动性的影响效应在不同的月份和不同的年份是不一样的。就月份来说,1月、5月、7月以及12月四个月的效应最大。6月份的效应最小;就年份来说,金融危机的年份大致为正而在平常年份为负。
  3. 风险暴露的变化对股票流动性的影响效应具有非对称性。具体来说,风险暴露增加时影响为负,风险暴露每增加一个标准差,换手率减小1%;风险暴露减少时影响为负,风险暴露每减少一个标准差,换手率就增加11%。
    最后的稳健性检验同样支持风险暴露变化对流动性会产生影响的结论。

参考文献

[1] Hrdlicka C M. Trading Volume and Time Varying Betas[J]. Social Science Electronic Publishing, 2013.

# Stata

评论

程振兴

程振兴 @czxa.top
截止今天,我已经在本博客上写了604.4k个字了!

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×