股票市场个股流动性的假设与检验

证券定价包含着流动性因素,寻找显著影响证券流动性的因素是现代金融的一个重要课题.通过对我国沪市A股市场中影响个股流动性的因素实证分析,得到结论股价水平、信息不对称程度、个股对投资者的吸引力及公司规模等都显著地影响着股票的流动性.     

货币供应量对股市流动性影响的实证研究

分别以沪深两市近年的时间序列数据和面板数据为样本,选用四种指标度量股市流动性,采用VAR模型从宏观和微观两个层面分析货币供应量对股市流动性的影响。时间序列分析结果表明,货币供应量的增加有利于市场流动性的提高;面板数据分析表明,对于个股也有类似的结论,即以货币供应量为中介目标的货币政策,其扩张会提高个股的流动性,其紧缩会降低个股的流动性,且对小盘股的影响相对较大。     

股市流动性与我国上市公司的融资选择

根据流动性资产定价理论,股市流动性大小影响着股权融资的资本成本.由于影响公司股票流动性的因素同时也影响着债务的流动性,故股票流动性高的企业可能也会有相对较低的债务成本.基于Probit二元选择模型的实证结果表明,股市流动性对股权融资和债务融资的影响程度是不同的,即随流动性增加,上市公司以债务方式进行融资的概率是下降的,以股权进行融资的概率是上升的.     

市场流动性有限与IPO抑价现象

本文从流动性有限的角度出发,结合行为金融的研究方法,对不同流动性水平下的IPO抑价过程进行了分析,得出市场成交意愿、投机气氛、个股风险因子以及强制持仓限制对IPO抑价会产生关键影响,并通过实证对上述观点进行了检验,证明了流动性相关变量对IPO抑价水平具有显著的解释效力、因此本文提出IPO抑价是由于不同投资音承担风险差异化的结果,因而在解决这一问题时应主要从加强市场基础建设的角度出发。     

基于状态转换的风险分解VaR模型研究

VaR的度量涉及到资产组合的未来市场因素分布、波动性以及定价三个方面。针对传统CAPM和GARCH方法的不足,作者提出了市场指数及证券(组合)分别服从独立的马尔科夫状态转换过程下的风险分解VaR模型——SSRM模型。模型能够分别呈现市场的系统风险和个股特有风险,在方法上允许市场指数、证券(组合)分别存在波动性的突然跳跃。凸出特点是既综合考虑了市场和特定资产的关系,又考虑了资产和市场风险的时变性特征。实证显示模型较经典的GARCH-β模型在VaR估计方面有显著优势。     

认购权证“到期”对标的证券影响研究

权证作为一种金融衍生工具,其到期必将对标的证券的价格与流动性产生重要影响.文章采用事件研究法分别就价内权证与价外权证到期对标的证券的影响进行研究.实证结果表明,在中国资本市场上权证到期对标的证券的影响具有一定特殊性,其中价内权证与价外权证到期前均对标的证券价格产生正效应,到期日后产生负效应;价内权证到期日后风险增加,流动性增强,价外权证则相反.     

利空消息背后的替代投资机会研究

基于断点回归模型,对A股市场的10个行业进行了配对分组事件研究,分析了利空消息对行业内股票价格的影响以及在证券投资领域中的替代投资机会。为解决数据中的异质性问题,综合运用了固定效应模型和混合面板分析。研究结果表明,在利空消息发布后,受影响行业的股票收益率会显著下降,而与之具有竞争关系的替代行业的收益率则显著上涨,导致整个市场的平均超额收益率显著提高;受影响行业与替代行业之间存在负相关关系;利空消息的发布会严重影响企业的实际价值,导致股价偏离客观价值,从而诱发更多的投机行为;投资者可以通过运用逆向或替代投机思维,在证券投资领域寻找与受影响行业相关的替代行业,从而规避风险并获取超额收益。     

证券投资三大属性理论与投资决策

证券投资是对预期收益的风险投资,具有收益性、风险性和流动性三大基本属性。在证券投资中,预期收益决定着投资资金的投放方向;风险性决定着投资资金的投放数量;流动性则决定着投资资金的留存时间。这三大基本属性,使证券投资成为一种极具吸引力又极具挑战性的经济活动,同时又有力地推动着社会资金不断由低效率向高效率流动。     

资本资产定价模型在我国上海A股市场的简单实证

概述了资本资产定价模型的基本原理,运用上海A股市场近期的数据对资本资产定价模型在上海A股市场的应用进行实证研究,首先采用单指数模型估计了个股的β系数,然后利用BJS方法和对CAPM进行横截面模型的回归分析.研究表明上海A股市场与CAPM理论不相符合.     

基于高频数据的波动率与成交量动态关系研究

传统的价量分析都是从低频数据来分析股票市场上波动率、收益率与成交量之间的关系。基于高频数据,利用分位数回归并结合高频数据的波动率估计方法对高频数据中所呈现出的价量关系进行研究,并分析了股票价格跳跃过程所带来的跳跃方差与成交量之间的关系。实证分析表明:指数及个股收益率与成交量之间的关系并不显著;波动率、跳跃与成交量之间存在着显著相关的关系,个股的波动率与成交量之间的关系显著并呈现出正向相关关系,而指数的波动率与成交量之间呈现出一种负向关系,并且关系比较微弱;个股的成交量的改变会导致股票价格的跳跃方差的减小,而指数的成交量的改变则使得指数的跳跃方差增大。     

基于面板数据的流动性因子对股票收益率影响的实证研究

在国内外大量实证研究的基础上,选取上证180成分股为考察样本,根据我国客观实际用新指标代表流动性,利用计量经济学中平行数据模型,通过单因素回归与多因素回归,对流动性和收益率关系进行实证研究,本文实证分析得出结论:与其他成熟股票市场不同,我国流动性和收益率成正相关关系。并基于此结论,探讨了原因所在。     

投资者日度情绪、超额收益率与市场流动性 ——基于DCC-GARCH模型的时变相关性研究

随着互联网科技的发展,利用数据挖掘手段不仅可以构建投资者高频情绪指标,也有助于深入研究投资者情绪与股票市场运行之间的内在联动性。选取2009-2018年共2 198个交易日样本,运用爬虫软件挖掘股票市场大盘评述的网络数据,采用自然语言处理技术进行文本分析,构建了投资者情绪日度指标,利用DCC-GARCH模型研究了投资者情绪、市场超额收益率和市场流动性之间的时变相关关系。实证结果发现:投资者情绪与市场超额收益率和流动性间存在时变相关性,动态条件相关系数总体为正;投资者情绪与市场超额收益率和流动性间的动态条件相关系数具有长期记忆性,并且会受到宏观经济变量的影响;相比于牛市,熊市环境中股票市场的运行对投资者情绪的变动更为敏感;相对于月度数据,更高频的日度指标在刻画情绪与股票市场的相关程度时,能捕捉到即时、准确的信息。这些结论对于深入理解投资者情绪与股票收益和流动性的联动机理有一定意义。     

股票流动性与股价崩盘风险:公司治理和短期行为视角

流动性究竟能够稳定市场还是给市场带来危机？文章从股价崩盘风险的视角,探讨了股票流动性与股价崩盘风险的关系,研究发现:股票流动性促进了股价崩盘风险,因而并没有起到稳定市场的作用.随后,从“治理理论”和“短期行为理论”两个角度对影响机制进行探讨,研究发现:在二职合一、独立董事比例较低、短期机构投资者持股比例较高时,股票流动性对股价崩盘风险的正向影响更加显著.研究结论既丰富了股票流动性及股价崩盘风险的相关文献,也给管理层及上市公司从微观视角认识股价崩盘风险提供新思路及借鉴.     

股票流动性与公司投资：来自中国股市的证据

本文采用2003－2012年中国A股1066家上市公司的面板数据,使用固定效应模型对股票流动性和公司投资关系进行实证研究。结果显示,股票换手率的大小和公司投资水平间呈现显著的正相关关系,即更高的股票换手率与更高的公司投资水平相关。引入公司发股与否和融资受限程度大小两个变量后发现,发行新股和融资受限较大的公司,其股票换手率对公司投资水平的影响更大。本文的发现为股票流动性与公司投资的关系这一新的研究视角提供了来自中国的证据。     

流动性波动与股票市场波动分析

总结国内外关于流动性和流动性波动的定义的基础上,提出了对股票市场流动性及流动性波动的更进一步解释。针对2005年至2008年中国股票市场从上涨到下降的周期性表现,运用定性分析与定量分析相结合的方法分析了流动性波动与股票市场价格波动之间的因果关系,认为流动性波动引起了股票市场的价格变化,并提出了“财富增长的示范效应”的概念,认为股票市场价格变化引起的财富增长的示范效应反过来加剧了流动性波动。     

经济不确定性（风险）对股票流动性共性的影响

股票流动性共性可用来衡量股市系统流动性风险。双向固定效应的面板数据分析显示:由宏观经济变量的增长比率构建而成的经济不确定性减弱股票流动性共性，经济风险增强流动性共性；不确定性对股票流动性共性的影响并非对称于风险；不确定性（风险）对股票流动性共性的预测比对当期股票流动性共性的影响更为显著。向量自回归的脉冲响应函数分析显示:股票市场流动性共性对经济不确定性的冲击做出负响应，对经济风险的冲击做出正响应；响应的程度在未来一两个月增强，随后减弱。     

内部人交易对股票流动性影响实证研究

上市公司的内部人交易行为会对股票流动性产生怎样的影响?由于历史原因,针对中国上市公司内部人交易行为的研究相对较少。文章研究了2008年1月至2009年8月期间1 386只股票内部人交易对股票流动性的影响。研究发现在中国证券市场上,虽然跟随内部人进行交易并不能获得超额收益,但内部人交易行为并没有显著降低股票的流动性。这和许多学者的研究结果很不相同,根据分析我们认为这可能是由于中国证券市场上外部中小投资者热衷于跟风炒做的行为造成。     

中国股票市场的"不流动性溢价"现象研究

为了解释中国股票市场出现的“不流动性溢价”现象,根据金融经济学的基本理论:所有承担了系统性金融风险的风险厌恶投资者都要求获得超额的收益。假定收益—风险时间序列服从某个包含流动性补偿的GARCH-M模型;实证检验结果表明理论假设合理,即:股票的超额回报包含不流动性补偿,预期的不流动性与未来市场超额回报正相关,而未预期的不流动性与当期的市场超额回报负相关。     

基于信息传导与流动性需求的成交量实证分析

基于信息传导和流动性需求 ,通过构造一个成交量模型 ,实证得到中国沪深两市大盘指数形成异常成交量的传导方式基本一致 :2 / 3左右源自于信息传导需求 ,略大于 1/ 3源自于流动性 (选股或换股 )需求 ,而通常成交量下的流动性需求仅占 1/ 8左右 ,不同于成熟资本市场中 ,交易量主要是由流动性需求引起的传导机制 .     

中国股市流动性深度日内模式——基于马尔科夫调制泊松过程模型

针对已有流动性深度日内模式的研究数据受异常事件污染的局限,基于马尔科夫调制泊松过程,构建了交易量分离模型,该模型可分离交易量中的异常交易量.进一步以交易量为流动性深度的代理指标,研究了中国股市的流动性深度日内模式.研究发现：异常交易量确实对我国股市的深度日内模式有影响;由于对信息的敏感程度不同,不同规模股票的深度日内模式不同,对信息敏感的中、小市值股票具有W型模式,而对信息相对不敏感的大市值股票呈U型模式;由于不同市场走势下,投资者对市场信息的敏感程度不同,我国股市深度日内模式受市场走势的影响,牛市时,深度日内模式呈U型,而熊市时,深度日内模式呈W型.