参考文摘 我国股票市场的系统流动性实证研究
于鑫 龚仰树 上海财经大学金融学院
引言
价格风险和流动性风险是构成股票市场风险的两个重要组成部分，其中流动性问题更是证券市场微观结构研究的重点之一。国内外对于单只股票特性与系统性影响因素的研究，主要集中于个股收益率与个股风险，早期金融市场微观结构中，关于单个股票流动性问题的研究，只关注个股流动性风险中特有风险贡献的部分，及交易成本和交易模式对个股流动性的影响，而对于是否存在受市场因素的系统性影响以及这种影响的大小则很少研究。直到1997年的亚洲金融危机和美国1998年债券市场引发的全球性流动性危机显示出个股的流动性受到市场因素的强烈影响，这种系统性影响才让市场微观结构的研究更多地开始关注整个市场范围内个股流动性的同步运动, 把股票流动性研究的重点从单个资产的特有流动性, 转向整个市场的系统流动性。
系统流动性，就是单个股票的流动性指标在某种程度上存在彼此朝同一个方向运动的趋势，即单个股票的流动性至少部分地由市场范围的因素所决定。对此问题的研究分为两类:报价驱动市场和订单驱动市场。国外学者的研究对象主要针对报价驱动市场，另外也有香港学者对订单驱动市场进行了实证研究。研究均证实了影响个股流动性的系统流动性的存在，并从市场微观结构角度出发探讨了这种系统流动性产生的原因。中国股票市场虽然也是订单驱动型市场，但同时也是一个典型的新兴市场。在这样一个新兴的订单驱动型市场上，系统流动性又会表现出什么样的特性是一个值得研究的问题。
本文的研究目的就是检验中国股票市场是否也和其他发达的订单驱动市场一样，如香港股市，个股流动性显著受系统流动性的影响;如果系统流动性影响显著，这一系统性因素是否还存在其他变化规律;这些特点和检验结果是否能从市场微观结构理论和中国市场自身的特点出发找出合理的解释。
文献回顾
Chordia，Roll和Subrahmanyam (2000)第一个研究了纽约股票交易所的系统流动性。他们选取1992 年纽约股票交易所1169 只股票的交易数据，对个股流动性关于总体市场的流动性进行回归分析，发现30%-35%的个股流动性都显示出显著的系统性因素影响。在加入了交易量、波动性和价格等流动性指标控制变量之后，这种系统性影响仍然很显著。此外，他们还按照流通市值规模的大小对所有股票进行了分组研究，发现了“流通市值规模效应”，即流通市值规模越大的股票，回归系数β值越大，意味着个股流动性受市场的影响越大。
Hasbrouck和Seppi(2001)分析了1994年30只道?琼斯指数成分股的价格序列、订单流和流动性，研究影响它们的系统性因素。结果表明订单流和股票收益明显受到系统性因素的影响，流动性存在的系统性因素影响相对较弱。Huberman和Halka (2001)也发现了系统流动性的存在，并对系统流动性的决定因素进行了分析。
Brockman和Chung(2002)第一次对订单驱动型市场的系统流动性进行了分析，证明了订单驱动型的香港证券交易所也存在系统流动性。他们选取1996年5月1日到1996年12月31日香港证券交易所的所有股票为研究样本，运用和Chordia，Roll和Subrahmanvam(2000)类似的方法，证明了系统流动性在订单驱动型市场也同样存在。但是与美国市场研究结果所不同的是，香港股票的回归系数β值要小于纽约股票交易所的结果，表明香港证券交易所的系统流动性效应没有欧美等报价驱动型市场大。此外，根据分组分析的结果，香港市场上并没有发现“流通市值规模效应”。当选取买卖价差作为流动性指标时，香港股票的回归系数β值随着流通市值规模的增大，呈现“倒U”形分布。
目前关于中国证券市场系统流动性的影响方面讨论较少，在个股流动性方面是否存在显著的系统性影响还没有人进行深入研究。麦元勋(2006)把股票的流动性风险划分为三种形式，分别以三个流动性Beta系数作为衡量指标，对我国股票市场的流动性风险进行实证研究。发现流动性越低的股票，流动性风险越高。韩冬等(2006)运用高频数据对上海股市流动性的日内和周内变动趋势进行实证分析，结果表明，在上海股市中流动性存在着显著的“日内效应”和微弱的“周内效应”，而且当控制波动性、交易量和股价等对流动性有重要影响的变量时，这种效应仍然存在。宋逢明和谭慧(2005)以2001年2月----2002年6月的沪深股票为样本，发现我国股票市场中存在系统流动性，但是并未对系统流动性在不同规模股票上的变化规律做出深入分析，仅是在流通市值分组的基础上对流动性指标进行了直观对比。而且样本期间较早，近几年的系统流动性影响程度是否发生了变化？我国股票市场是否像成熟市场那样存在“流通市值规模效应”或“倒U”形分布？这些都是需要进一步研究的问题。
检验方法
一、流动性指标的选取
从已有的研究文献看, 学术界对流动性的度量做了大量探讨, 但目前尚未形成统一定论。本文借鉴了有关股票市场日度数据构造的流动性衡量指标(张育军，2003)，给出了个股流动性指标定义:
(1)
其中， 是股票当前价格， 是股票前一时刻的价格， 是从前一时刻到当前时刻的成交金额，Vt是该国债当前时刻的流通市值。事实上，这个流动性指标的分母是以成交金额计算的换手率，分子是这段时期的对数收益率。这个指标的含义是单位资产换手率给价格带来的影响，或者反过来，价格产生单位变动所需要的交易金额。很直观的可以看出，当换手率一定的时候，价格变化越大，指标值也越大，说明流动性越差;价格变化越小，指标值也越小，流动性就越好。换句话说，当价格变化率一定时，需要的交易金额越小，指标值就越大，说明流动性越差;反之，成交金额越大，指标值就越小，说明流动性越好。我们将式(1)推广到整个市场，定义第t日整个市场的平均流动性，即系统流动性，为t日所有发生交易股票的流动性平均值。
二、检验模型的构造
我们借鉴Chordia，Roll和Subrahmanyam (2000)的方法，对于每只股票，利用下面的市场模型进行回归，检验其系统流动性:
(2)
其中， 表示股票J在第t个交易日的流动性; 表示第t个交易日市场流动性指标，在对股票J进行回归时， 的计算是剔除了股票J之外所有股票的等权重平均值; 表示第t个交易日市场上所有股票的等权重平均收益率; 表示股票J在第t个交易日的收益波动率，用收益率的平方来衡量。变量前的△表示该变量从第t-1个交易日到第t个交易日的变化率。
市场收益率和波动率作为影响个股流动性的潜在因素，在本模型中充当控制变量，使我们能够在剔除了市场范围的价格震荡和个股的波动性变化影响后，考察系统流动性变化对单只股票流动性变化的影响。系统流动性、市场收益率的提前项和滞后项作为解释变量，用来捕捉流动性变化的非同步效应，以调整系统流动性的任何领先和延迟。另外，我们还考察了SUM = + + ，对零假设H0(H0:SUM的中值=0)进行符号检验，以全面地考查系统流动性的存在。
实证结果与分析
本文选用2004年1月1日--2007年5月25日上海证券交易所全部A股的日交易数据，并对ST股票的交易记录进行了剔除。另外，为了分析流通市值规模对系统流动性的影响，且考虑到自2004年以来我国分别经历了熊市和牛市的行情，样本股票流通市值变化较大，我们根据2004年以来样本股在样本期内每年年底的平均流通市值大小分成5组，考察每年的系统流动性情况。数据来源于天相软件，本文对数据的整理及实证分析过程，全部在SAS软件中完成。
一、系统流动性的存在性检验
根据上面的回归模型(2)，得到表1的结果:
表1 股票市场的系统流动性检验(显著性水平:5%)
回归变量 系数均值 系数大于0(公司数(占比)) 系数小于0(公司数(占比))
显著 不显著 显著 不显著
Intercept 2.59E-05 2(0.27%) 389(52.21%) 0(0.00%) 354(47.52%)
β1 0.923 683(91.68%) 52(6.98%) 1(0.13%) 9(1.21%)
β2 -0.009 62(8.32%) 297(39.87%) 76(10.20%) 310(41.61%)
β3 -0.017 41(5.50%) 283(37.99%) 81(10.87%) 340(45.64%)
γ1 -0.011 24(3.22%) 292(39.19%) 62(8.32%) 367(49.26%)
γ2 0.001 0(0.00%) 380(51.01%) 26(3.49%) 339(45.50%)
γ3 -0.003 0(0.00%) 326(43.76%) 29(3.89%) 390(52.35%)
δ 1.291 521(69.93%) 199(26.71%) 2(0.27%) 23(3.09%)
注:调整R2的均值:0.1923
SUM=β1+β2+β3(中值[P值]): 0.7526 [0.00]
回归结果显示，我国股票市场存在较强的系统流动性:同步系统流动性指标的回归系数β1的均值为0.923，而且在745个时间序列的回归中，有91.68%的系统流动性系数在5 %的显著性水平下显著为正，仅有6.98%的系数为正但不显著，1.21%的系数为负但不显著。所有系统流动性指标的系数之和(SUM)也显著不为零。这都说明我国股票市场上存在显著的系统流动性影响，这与宋逢明和谭慧(2005)得出的结果一致。另外，较高的β1和R2(均值分别为0.923和0.1957)表明系统流动性对个股流动性的影响较强。
Chordia，Roll和Subrahmanyam(2000)的研究结果显示美国股市只有30-37%的股票表现出显著为正的系统流动性影响;而作为订单驱动型成熟市场的代表，Brockman和Chung (2002)研究发现，香港股市中26-57%的股票表现出显著为正的系统流动性。然而在我国的股票市场上，β系数的显著性比例要比香港和美国股市大得多，这与宋逢明和谭慧 (2005)针对我国股票市场2001年至2002年的实证结果大致相同(显著性比例在86%-91%)。[注:Chordia，Roll和Subrahmanyam(2000)，Brockman 和Chung(2002)均使用高频数据，分别以买卖价差，深度等作为流动性指标，与本文使用数据及流动性指标不同，故此处仅为较粗略的比较。]
二、基于流通市值分组的规模效应检验
我们根据样本期内每年最后一个交易日的股票流通市值从大到小分为5组(2007年数据仅5个月左右，故未进行检验)，仍根据(2)式进行回归检验，得到结果见表2(限于篇幅，表中仅给出了β1的回归结果):
表2 系统流动性的规模效应检验
规模分组 系数(均值) 系数大于0(公司数(占比)) 系数小于0(公司数(占比)) SUM=β1+β2+β3
中值[P值]
显著 不显著 显著 不显著
2004年
5(largest) 0.843 113 (79.0%) 8 (5.6%) 0 (0.00%) 2 (1.4%) 0.510 [0.00]
4 0.901 121 (84.6%) 18 (12.9%) 1 (0.7%) 3 (2.1%) 0.900 [0.00]
3 1.007 133 (92.4%) 9 (6.3%) 0 (0.00%) 2 (1.4%) 0.791 [0.00]
2 1.003 134 (93.7%) 7 (4.9%) 0 (0.00%) 2 (1.4%) 0.787 [0.00]
1(smallest) 1.002 133 (92.4%) 10 (6.9%) 0 (0.00%) 1 (0.7%) 0.876 [0.00]
2005年
5(largest) 0.715 106 (73.6%) 35 (24.3%) 0 (0.00%) 3 (2.1%) 0.415 [0.00]
4 0.976 130 (90.3%) 13 (9.0%) 0 (0.00%) 1 (0.7%) 0.684 [0.00]
3 1.133 136 (94.4%) 7 (4.9%) 0 (0.00%) 1 (0.7%) 0.872 [0.00]
2 1.080 134 (93.1%) 10 (6.9%) 0 (0.00%) 0 (0.00%) 0.890 [0.00]
1(smallest) 0.972 127 (88.2%) 13 (9.1%) 0 (0.00%) 4 (2.8%) 0.840 [0.00]
2006年
5(largest) 0.821 112 (77.8%) 23 (16.0%) 1 (0.7%) 8 (5.6%) 0.543 [0.00]
4 0.914 121 (82.3%) 20 (13.6%) 0 (0.00%) 6 (4.1%) 0.644 [0.00]
3 0.965 130 (88.4%) 16 (10.9%) 0 (0.00%) 1 (0.7%) 0.711 [0.00]
2 0.845 122 (83.0%) 20 (13.6%) 0 (0.00%) 5 (3.4%) 0.700 [0.00]
1(smallest) 0.835 127 (86.4%) 18 (12.2%) 0 (0.00%) 2 (1.4%) 0.801 [0.00]
回归结果显示，不同流通市值的股票组合在每一年的系统流动性影响均较为显著，股票市场的系统流动性在每年度的影响程度也大致相同;从表中β系数的均值可以看出，按流通市值划分得到的第三组股票组合均表现出最强的敏感性，第一组及第五组的系统流动性影响程度相对较低，表现出“倒U”的特性，这一结果与Brockman 和Chung(2002)对香港股票市场的检验结果相似。我国股票市场并不存在“流通市值规模效应”。
另外，与Chordia，Roll和Subrahmanyam(2000)，Brockman 和Chung(2002)的研究结果恰恰相反，他们分别发现在成熟的报价驱动市场和订单驱动市场，β系数的显著性比例随着流通市值的增大而增大，而我们的实证结果表明:相对于其他的股票组合，每一年度流通市值最大的组合往往是β系数显著性百分比最低的组合，其他四组的显著性百分比相差不大;之前的市场总体分析及分组检验，我们均发现大部分股票的β系数都在0.8左右(表中仅给出均值)，虽然不同市值的股票对系统流动性的敏感性有差异，但并没有较大的差异，说明我国股票的流动性风险趋同。这也是不规范的新兴市场特有的特点之一。
订单驱动市场相对于报价驱动市场来说，在流动性形成机制上有两个重要区别:自由退出和自由进入。在订单驱动型市场上，没有流动性提供者的最终来源，即做市商，每个交易者都是流动性潜在的提供者，但他们并没有义务必须要为市场提供流动性，因此这些流动性提供者可以更自由地退出。另一方面，在订单驱动型市场上流动性提供者也可以更自由地进入，由于不存在指定的做市商，通过多个流动性提供者的竞争，存货的不均衡更容易扩散消除，因为高的买卖价差可以吸引更多的流动性提供者进入。因此从理论上说，与报价驱动市场相比，订单驱动市场上个股流动性变化受系统流动性变化的影响应该更敏感，即市场因素的β系数更显著，但是个股流动性变化受系统流动性变化的影响相对更小，即市场因素的β系数较小。
然而根据我们上面的实证分析，以上结论并没有得到完全的验证，中国股票市场β系数的显著性比例比发达股票市场高得多，而β系数的均值也均比发达的报价驱动市场和订单驱动市场大得多，似乎表明自由退出对个股流动性的影响和作用是非常大的，而流动性提供者自由进入的机制似乎没有发挥完全的作用，当市场因素造成流动性降低的时候，大量流动性提供者退出，个股的流动性也跟着变差。
结论
本文以我国上海证券交易所2004年1月1日至2007年5月25日的全部A股日交易数据为例，对我国股票市场系统流动性的存在性及规模效应进行了实证分析，并与其它不同交易机制成熟市场进行比较，主要得到以下几点结论:
(1)我国股票市场存在较强的系统流动性，90%以上的系统流动性回归系数显著为正，同样作为订单驱动市场的发达的香港市场相比，仅26-57%的股票表现出显著为正的系统流动性;另外，根据Brockman和Chung(2002)的研究，香港股票市场的R2均值仅为0.0137，而我国股市的R2均值为0.1923，这些均表明我国股票市场的系统流动性对个股流动性的影响较强，相对于成熟市场来说，存在着较高的流动性风险。
(2)对样本根据流通市值分组，进行系统流动性规模效应检验，得到的结果与Brockman和Chung(2002)针对香港股票市场的研究相似，我国股票市场的系统流动性表现出“倒U”的特点;另外，较高的β系数表明股票的流动性风险具有较强的趋同性。
(3)与发达股票市场的系统流动性显著性比例相反，我国股票市场的流通市值最高的股票组合系统流动性的显著比例最低，其他四个组合与显著性比例无明显单调关系。
(4)在订单驱动机制的影响下, 我国证券市场上流动性提供者的自由退出机制似乎比自由进入的机制更能发挥作用, 在提供流动性方面的竞争也不够完全, 没有充分发挥订单驱动交易机制在减小流动性成本方面的优势。
流动性是证券市场赖以存在与运行的基石，也是衡量对其监管是否达到金融安全与效率并重目标的重要指标。纵观各国的金融业，金融危机爆发前往往伴随着股市的崩盘，而股市崩盘的前兆就是流动性的剧减乃至丧失。因此，证券业监管的重点应放在股市流动性风险的监管效应上。
作为发展中的新兴市场，目前我们还缺乏一套系统、科学的证券市场实时监管的科学理论，通过对中国股票市场流动性的研究，在微观结构理论指导下建立一整套完整的流动性、透明性和波动性的评价指标体系，在此基础上为建立基于市场微观结构的证券市场实时监管系统打下基础。同时，加强信息披露的管理，培育投资者，使得投资者在流动性提供方面能更多地参与市场竞争，还可以对证券管理部门为管理证券市场而采取的每一项政策进行定性和定量的评价，进而提出进一步的政策性建议。
价格风险和流动性风险是构成股票市场风险的两个重要组成部分，其中流动性问题更是证券市场微观结构研究的重点之一。国内外对于单只股票特性与系统性影响因素的研究，主要集中于个股收益率与个股风险，早期金融市场微观结构中，关于单个股票流动性问题的研究，只关注个股流动性风险中特有风险贡献的部分，及交易成本和交易模式对个股流动性的影响，而对于是否存在受市场因素的系统性影响以及这种影响的大小则很少研究。直到1997年的亚洲金融危机和美国1998年债券市场引发的全球性流动性危机显示出个股的流动性受到市场因素的强烈影响，这种系统性影响才让市场微观结构的研究更多地开始关注整个市场范围内个股流动性的同步运动, 把股票流动性研究的重点从单个资产的特有流动性, 转向整个市场的系统流动性。
系统流动性，就是单个股票的流动性指标在某种程度上存在彼此朝同一个方向运动的趋势，即单个股票的流动性至少部分地由市场范围的因素所决定。对此问题的研究分为两类:报价驱动市场和订单驱动市场。国外学者的研究对象主要针对报价驱动市场，另外也有香港学者对订单驱动市场进行了实证研究。研究均证实了影响个股流动性的系统流动性的存在，并从市场微观结构角度出发探讨了这种系统流动性产生的原因。中国股票市场虽然也是订单驱动型市场，但同时也是一个典型的新兴市场。在这样一个新兴的订单驱动型市场上，系统流动性又会表现出什么样的特性是一个值得研究的问题。
本文的研究目的就是检验中国股票市场是否也和其他发达的订单驱动市场一样，如香港股市，个股流动性显著受系统流动性的影响;如果系统流动性影响显著，这一系统性因素是否还存在其他变化规律;这些特点和检验结果是否能从市场微观结构理论和中国市场自身的特点出发找出合理的解释。
文献回顾
Chordia，Roll和Subrahmanyam (2000)第一个研究了纽约股票交易所的系统流动性。他们选取1992 年纽约股票交易所1169 只股票的交易数据，对个股流动性关于总体市场的流动性进行回归分析，发现30%-35%的个股流动性都显示出显著的系统性因素影响。在加入了交易量、波动性和价格等流动性指标控制变量之后，这种系统性影响仍然很显著。此外，他们还按照流通市值规模的大小对所有股票进行了分组研究，发现了“流通市值规模效应”，即流通市值规模越大的股票，回归系数β值越大，意味着个股流动性受市场的影响越大。
Hasbrouck和Seppi(2001)分析了1994年30只道?琼斯指数成分股的价格序列、订单流和流动性，研究影响它们的系统性因素。结果表明订单流和股票收益明显受到系统性因素的影响，流动性存在的系统性因素影响相对较弱。Huberman和Halka (2001)也发现了系统流动性的存在，并对系统流动性的决定因素进行了分析。
Brockman和Chung(2002)第一次对订单驱动型市场的系统流动性进行了分析，证明了订单驱动型的香港证券交易所也存在系统流动性。他们选取1996年5月1日到1996年12月31日香港证券交易所的所有股票为研究样本，运用和Chordia，Roll和Subrahmanvam(2000)类似的方法，证明了系统流动性在订单驱动型市场也同样存在。但是与美国市场研究结果所不同的是，香港股票的回归系数β值要小于纽约股票交易所的结果，表明香港证券交易所的系统流动性效应没有欧美等报价驱动型市场大。此外，根据分组分析的结果，香港市场上并没有发现“流通市值规模效应”。当选取买卖价差作为流动性指标时，香港股票的回归系数β值随着流通市值规模的增大，呈现“倒U”形分布。
目前关于中国证券市场系统流动性的影响方面讨论较少，在个股流动性方面是否存在显著的系统性影响还没有人进行深入研究。麦元勋(2006)把股票的流动性风险划分为三种形式，分别以三个流动性Beta系数作为衡量指标，对我国股票市场的流动性风险进行实证研究。发现流动性越低的股票，流动性风险越高。韩冬等(2006)运用高频数据对上海股市流动性的日内和周内变动趋势进行实证分析，结果表明，在上海股市中流动性存在着显著的“日内效应”和微弱的“周内效应”，而且当控制波动性、交易量和股价等对流动性有重要影响的变量时，这种效应仍然存在。宋逢明和谭慧(2005)以2001年2月----2002年6月的沪深股票为样本，发现我国股票市场中存在系统流动性，但是并未对系统流动性在不同规模股票上的变化规律做出深入分析，仅是在流通市值分组的基础上对流动性指标进行了直观对比。而且样本期间较早，近几年的系统流动性影响程度是否发生了变化？我国股票市场是否像成熟市场那样存在“流通市值规模效应”或“倒U”形分布？这些都是需要进一步研究的问题。
检验方法
一、流动性指标的选取
从已有的研究文献看, 学术界对流动性的度量做了大量探讨, 但目前尚未形成统一定论。本文借鉴了有关股票市场日度数据构造的流动性衡量指标(张育军，2003)，给出了个股流动性指标定义:
(1)
其中， 是股票当前价格， 是股票前一时刻的价格， 是从前一时刻到当前时刻的成交金额，Vt是该国债当前时刻的流通市值。事实上，这个流动性指标的分母是以成交金额计算的换手率，分子是这段时期的对数收益率。这个指标的含义是单位资产换手率给价格带来的影响，或者反过来，价格产生单位变动所需要的交易金额。很直观的可以看出，当换手率一定的时候，价格变化越大，指标值也越大，说明流动性越差;价格变化越小，指标值也越小，流动性就越好。换句话说，当价格变化率一定时，需要的交易金额越小，指标值就越大，说明流动性越差;反之，成交金额越大，指标值就越小，说明流动性越好。我们将式(1)推广到整个市场，定义第t日整个市场的平均流动性，即系统流动性，为t日所有发生交易股票的流动性平均值。
二、检验模型的构造
我们借鉴Chordia，Roll和Subrahmanyam (2000)的方法，对于每只股票，利用下面的市场模型进行回归，检验其系统流动性:
(2)
其中， 表示股票J在第t个交易日的流动性; 表示第t个交易日市场流动性指标，在对股票J进行回归时， 的计算是剔除了股票J之外所有股票的等权重平均值; 表示第t个交易日市场上所有股票的等权重平均收益率; 表示股票J在第t个交易日的收益波动率，用收益率的平方来衡量。变量前的△表示该变量从第t-1个交易日到第t个交易日的变化率。
市场收益率和波动率作为影响个股流动性的潜在因素，在本模型中充当控制变量，使我们能够在剔除了市场范围的价格震荡和个股的波动性变化影响后，考察系统流动性变化对单只股票流动性变化的影响。系统流动性、市场收益率的提前项和滞后项作为解释变量，用来捕捉流动性变化的非同步效应，以调整系统流动性的任何领先和延迟。另外，我们还考察了SUM = + + ，对零假设H0(H0:SUM的中值=0)进行符号检验，以全面地考查系统流动性的存在。
实证结果与分析
本文选用2004年1月1日--2007年5月25日上海证券交易所全部A股的日交易数据，并对ST股票的交易记录进行了剔除。另外，为了分析流通市值规模对系统流动性的影响，且考虑到自2004年以来我国分别经历了熊市和牛市的行情，样本股票流通市值变化较大，我们根据2004年以来样本股在样本期内每年年底的平均流通市值大小分成5组，考察每年的系统流动性情况。数据来源于天相软件，本文对数据的整理及实证分析过程，全部在SAS软件中完成。
一、系统流动性的存在性检验
根据上面的回归模型(2)，得到表1的结果:
表1 股票市场的系统流动性检验(显著性水平:5%)
回归变量 系数均值 系数大于0(公司数(占比)) 系数小于0(公司数(占比))
显著 不显著 显著 不显著
Intercept 2.59E-05 2(0.27%) 389(52.21%) 0(0.00%) 354(47.52%)
β1 0.923 683(91.68%) 52(6.98%) 1(0.13%) 9(1.21%)
β2 -0.009 62(8.32%) 297(39.87%) 76(10.20%) 310(41.61%)
β3 -0.017 41(5.50%) 283(37.99%) 81(10.87%) 340(45.64%)
γ1 -0.011 24(3.22%) 292(39.19%) 62(8.32%) 367(49.26%)
γ2 0.001 0(0.00%) 380(51.01%) 26(3.49%) 339(45.50%)
γ3 -0.003 0(0.00%) 326(43.76%) 29(3.89%) 390(52.35%)
δ 1.291 521(69.93%) 199(26.71%) 2(0.27%) 23(3.09%)
注:调整R2的均值:0.1923
SUM=β1+β2+β3(中值[P值]): 0.7526 [0.00]
回归结果显示，我国股票市场存在较强的系统流动性:同步系统流动性指标的回归系数β1的均值为0.923，而且在745个时间序列的回归中，有91.68%的系统流动性系数在5 %的显著性水平下显著为正，仅有6.98%的系数为正但不显著，1.21%的系数为负但不显著。所有系统流动性指标的系数之和(SUM)也显著不为零。这都说明我国股票市场上存在显著的系统流动性影响，这与宋逢明和谭慧(2005)得出的结果一致。另外，较高的β1和R2(均值分别为0.923和0.1957)表明系统流动性对个股流动性的影响较强。
Chordia，Roll和Subrahmanyam(2000)的研究结果显示美国股市只有30-37%的股票表现出显著为正的系统流动性影响;而作为订单驱动型成熟市场的代表，Brockman和Chung (2002)研究发现，香港股市中26-57%的股票表现出显著为正的系统流动性。然而在我国的股票市场上，β系数的显著性比例要比香港和美国股市大得多，这与宋逢明和谭慧 (2005)针对我国股票市场2001年至2002年的实证结果大致相同(显著性比例在86%-91%)。[注:Chordia，Roll和Subrahmanyam(2000)，Brockman 和Chung(2002)均使用高频数据，分别以买卖价差，深度等作为流动性指标，与本文使用数据及流动性指标不同，故此处仅为较粗略的比较。]
二、基于流通市值分组的规模效应检验
我们根据样本期内每年最后一个交易日的股票流通市值从大到小分为5组(2007年数据仅5个月左右，故未进行检验)，仍根据(2)式进行回归检验，得到结果见表2(限于篇幅，表中仅给出了β1的回归结果):
表2 系统流动性的规模效应检验
规模分组 系数(均值) 系数大于0(公司数(占比)) 系数小于0(公司数(占比)) SUM=β1+β2+β3
中值[P值]
显著 不显著 显著 不显著
2004年
5(largest) 0.843 113 (79.0%) 8 (5.6%) 0 (0.00%) 2 (1.4%) 0.510 [0.00]
4 0.901 121 (84.6%) 18 (12.9%) 1 (0.7%) 3 (2.1%) 0.900 [0.00]
3 1.007 133 (92.4%) 9 (6.3%) 0 (0.00%) 2 (1.4%) 0.791 [0.00]
2 1.003 134 (93.7%) 7 (4.9%) 0 (0.00%) 2 (1.4%) 0.787 [0.00]
1(smallest) 1.002 133 (92.4%) 10 (6.9%) 0 (0.00%) 1 (0.7%) 0.876 [0.00]
2005年
5(largest) 0.715 106 (73.6%) 35 (24.3%) 0 (0.00%) 3 (2.1%) 0.415 [0.00]
4 0.976 130 (90.3%) 13 (9.0%) 0 (0.00%) 1 (0.7%) 0.684 [0.00]
3 1.133 136 (94.4%) 7 (4.9%) 0 (0.00%) 1 (0.7%) 0.872 [0.00]
2 1.080 134 (93.1%) 10 (6.9%) 0 (0.00%) 0 (0.00%) 0.890 [0.00]
1(smallest) 0.972 127 (88.2%) 13 (9.1%) 0 (0.00%) 4 (2.8%) 0.840 [0.00]
2006年
5(largest) 0.821 112 (77.8%) 23 (16.0%) 1 (0.7%) 8 (5.6%) 0.543 [0.00]
4 0.914 121 (82.3%) 20 (13.6%) 0 (0.00%) 6 (4.1%) 0.644 [0.00]
3 0.965 130 (88.4%) 16 (10.9%) 0 (0.00%) 1 (0.7%) 0.711 [0.00]
2 0.845 122 (83.0%) 20 (13.6%) 0 (0.00%) 5 (3.4%) 0.700 [0.00]
1(smallest) 0.835 127 (86.4%) 18 (12.2%) 0 (0.00%) 2 (1.4%) 0.801 [0.00]
回归结果显示，不同流通市值的股票组合在每一年的系统流动性影响均较为显著，股票市场的系统流动性在每年度的影响程度也大致相同;从表中β系数的均值可以看出，按流通市值划分得到的第三组股票组合均表现出最强的敏感性，第一组及第五组的系统流动性影响程度相对较低，表现出“倒U”的特性，这一结果与Brockman 和Chung(2002)对香港股票市场的检验结果相似。我国股票市场并不存在“流通市值规模效应”。
另外，与Chordia，Roll和Subrahmanyam(2000)，Brockman 和Chung(2002)的研究结果恰恰相反，他们分别发现在成熟的报价驱动市场和订单驱动市场，β系数的显著性比例随着流通市值的增大而增大，而我们的实证结果表明:相对于其他的股票组合，每一年度流通市值最大的组合往往是β系数显著性百分比最低的组合，其他四组的显著性百分比相差不大;之前的市场总体分析及分组检验，我们均发现大部分股票的β系数都在0.8左右(表中仅给出均值)，虽然不同市值的股票对系统流动性的敏感性有差异，但并没有较大的差异，说明我国股票的流动性风险趋同。这也是不规范的新兴市场特有的特点之一。
订单驱动市场相对于报价驱动市场来说，在流动性形成机制上有两个重要区别:自由退出和自由进入。在订单驱动型市场上，没有流动性提供者的最终来源，即做市商，每个交易者都是流动性潜在的提供者，但他们并没有义务必须要为市场提供流动性，因此这些流动性提供者可以更自由地退出。另一方面，在订单驱动型市场上流动性提供者也可以更自由地进入，由于不存在指定的做市商，通过多个流动性提供者的竞争，存货的不均衡更容易扩散消除，因为高的买卖价差可以吸引更多的流动性提供者进入。因此从理论上说，与报价驱动市场相比，订单驱动市场上个股流动性变化受系统流动性变化的影响应该更敏感，即市场因素的β系数更显著，但是个股流动性变化受系统流动性变化的影响相对更小，即市场因素的β系数较小。
然而根据我们上面的实证分析，以上结论并没有得到完全的验证，中国股票市场β系数的显著性比例比发达股票市场高得多，而β系数的均值也均比发达的报价驱动市场和订单驱动市场大得多，似乎表明自由退出对个股流动性的影响和作用是非常大的，而流动性提供者自由进入的机制似乎没有发挥完全的作用，当市场因素造成流动性降低的时候，大量流动性提供者退出，个股的流动性也跟着变差。
结论
本文以我国上海证券交易所2004年1月1日至2007年5月25日的全部A股日交易数据为例，对我国股票市场系统流动性的存在性及规模效应进行了实证分析，并与其它不同交易机制成熟市场进行比较，主要得到以下几点结论:
(1)我国股票市场存在较强的系统流动性，90%以上的系统流动性回归系数显著为正，同样作为订单驱动市场的发达的香港市场相比，仅26-57%的股票表现出显著为正的系统流动性;另外，根据Brockman和Chung(2002)的研究，香港股票市场的R2均值仅为0.0137，而我国股市的R2均值为0.1923，这些均表明我国股票市场的系统流动性对个股流动性的影响较强，相对于成熟市场来说，存在着较高的流动性风险。
(2)对样本根据流通市值分组，进行系统流动性规模效应检验，得到的结果与Brockman和Chung(2002)针对香港股票市场的研究相似，我国股票市场的系统流动性表现出“倒U”的特点;另外，较高的β系数表明股票的流动性风险具有较强的趋同性。
(3)与发达股票市场的系统流动性显著性比例相反，我国股票市场的流通市值最高的股票组合系统流动性的显著比例最低，其他四个组合与显著性比例无明显单调关系。
(4)在订单驱动机制的影响下, 我国证券市场上流动性提供者的自由退出机制似乎比自由进入的机制更能发挥作用, 在提供流动性方面的竞争也不够完全, 没有充分发挥订单驱动交易机制在减小流动性成本方面的优势。
流动性是证券市场赖以存在与运行的基石，也是衡量对其监管是否达到金融安全与效率并重目标的重要指标。纵观各国的金融业，金融危机爆发前往往伴随着股市的崩盘，而股市崩盘的前兆就是流动性的剧减乃至丧失。因此，证券业监管的重点应放在股市流动性风险的监管效应上。
作为发展中的新兴市场，目前我们还缺乏一套系统、科学的证券市场实时监管的科学理论，通过对中国股票市场流动性的研究，在微观结构理论指导下建立一整套完整的流动性、透明性和波动性的评价指标体系，在此基础上为建立基于市场微观结构的证券市场实时监管系统打下基础。同时，加强信息披露的管理，培育投资者，使得投资者在流动性提供方面能更多地参与市场竞争，还可以对证券管理部门为管理证券市场而采取的每一项政策进行定性和定量的评价，进而提出进一步的政策性建议。