交易冲击下买卖报价的非对称调整模式研究①

蒋天虹

(温州大学 瓯江学院,浙江 温州 325035)

交易冲击下买卖报价的非对称调整模式研究①

蒋天虹

(温州大学 瓯江学院,浙江 温州 325035)

由于买卖报价共同分享股票有效价格,故两者是协整的时间序列,交易冲击后买卖报价在买卖价差的误差修正作用下逐渐回归到均衡水平。本文构建一个限制性 VEC模型并利用中国股票市场数据进行实证研究。结果表明,交易冲击下买卖价差的修正作用显著,并通过买价的大幅增加和卖价的小幅降低来实现的。同时,交易冲击下的买卖报价是非对称调整的,主动性买使得买卖报价同时增加但买价增加得更多,而主动性卖导致买卖报价同时下调且买价调整幅度更大。另外,还发现买入往往比卖出包含更多的信息。

市场微观结构;交易冲击;买卖价差;VEC模型

一、引 言

自 O'Hara的市场微观结构理论问世以来,众多学者开始关注金融市场上价格形成、交易冲击等问题。其中,最核心的问题莫过于信息如何融入价格。经典理论认为,任何交易都在揭示关于股票内在价值的新信息,因此,交易对股票内在价值具有持久影响,而对买卖价差具有暂时性影响。市场参与者根据这些交易不断更新自身关于股票内在价值的预期,并通过买卖报价和买卖深度的变化来反映。买卖报价的变化也使得买卖价差发生变化,最终使得市场价格在买卖价差的作用下向均衡水平靠拢,这就是信息通过交易融入价格的模式。因此,理论关注的重点就是交易冲击下买卖报价如何调整的问题。

一些研究认为交易冲击下买卖报价的调整是非对称的。首先,从理论上来说,交易冲击下买卖报价的非对称调整是可能的。不同报价反映了不同投资者的意愿,在做市商制度下,做市商可能会提供单边流动性。当价格处于向上趋势时,做市商提供了流动性,卖价的调整小于买价的调整幅度,就可能由于卖价上更大的披露成本而受损。同时由于不同投资者可能面临不同的交易成本,价差的供给和需求方更可能围绕有效价格非对称波动。

其次,实证研究方面的结论也支持报价非对称调整。在做市商制度下,Jang认为买卖报价的修正模式依赖于买卖价差水平,报价之间的调整幅度是显著非对称的[1]。Glosten与 Milgrom和Huang与 Stoll的研究同样证实了报价的非对称调整模式,并发现主动性买入都会增加报价中点[2-3]。但在报价调整对买卖价差的影响上学界又有不同的观点,Glosten与 Milgrom和 Huang与Stoll都研究发现主动性买入导致报价中点增加,但降低了买卖价差,即买价增加得比卖价要多[2-3]。另外有学者却认为面临主动性买方冲击时,报价中点和买卖价差同时增加,其原因可能是卖价增加,或者是买价增加少于卖价,甚至是买价下降了。

在指令驱动市场下,报价的非对称调整同样存在。Biais等利用纯指令驱动的巴黎市场的数据研究,同样发现买卖报价之间的调整是非对称的。他还发现主动性买和卖对价格的影响也是不同的,大规模的买单往往比卖具有更丰富的信息含量。并认为把买价和卖价结合起来进行动态分析往往比单纯分析报价中点能够得到更多的信息[4]。

综合这些文献可以发现,大量关于交易过程的研究都借鉴 Hasbrouck的 VAR模型[5],且都是集中于买卖报价中点的研究。但报价中点随着交易的持续必然回复到有效价格水平,且平均地围绕有效价格变化,因此 VAR模型不能评价买卖报价非平衡变化。正如 Biais等所发现的,分别研究买卖报价的走势往往能弥补单纯研究报价中点所损失的信息。

Engel与 Patton弥补了以上分析的缺陷,对买卖报价分别研究并首次发现纽约证券市场上的买卖报价对数是协整的,买卖价差对数的误差修正作用显著且受价差水平的影响。他们还发现主动性买入导致报价中点增加,买入冲击对卖价的影响超过卖出买价,而卖出对买价有更大的影响[6]。Escribano与 Pascual在 Engel与 Patton的基础上构建了一个理论模型,模型表明买卖报价之间是协整的,并采用 VEC模型对交易动态过程进行实证研究。结果同样表明买卖价差的误差修正作用显著,并通过降低卖价和增加买价使价格回归到有效价格。回归结果还再次证实主动性买和卖的信息含量确实不同,通过分别分析买卖报价还能分离出交易是由信息驱动还是由流动性驱动[7]。

国内对于交易冲击对买卖报价的调整研究还很少见,中国股票市场作为新兴市场的代表,是纯指令驱动型的,但由于其特殊市场结构和不够成熟的投资群体,交易冲击下的市场反应是否呈现出与做市商制度和其它成熟的指令驱动市场不同的特征呢?因此,有必要对中国证券市场上交易冲击后买卖报价的调整进行研究。

本文借鉴 Engel与 Patton和 Escribano与Pascual的思想[6-7],利用VEC模型研究交易冲击的内生动态过程。主要期望解决三个方面的问题:第一,交易冲击下买卖报价的调整遵循什么模式?买卖价差呈现如何变化?第二,价格偏离如何得到纠正?第三,主动性买和卖是否具备不同的信息含量?

二、模型构建

本文基于 Hasbrouck的模型,并结合 Engel与Patton和 Escribano与 Pascual[6-7]的思想,构建一个买卖报价动态调整模型。

首先,买卖报价共同享有一个长期成分,即有效价格 mt。它由交易冲击和与交易无关的信息冲击两方面因素影响。由于 Biais等研究认为主动性买和主动性卖具有不同的信息含量[4],因此,对于交易冲击还要区别是买还是卖。

其次,买卖报价是在长期成分上加减一个暂时成分 wt得到,暂时成分的大小取决于市场摩擦、信息透明度等因素。由于买卖报价短期内可能非对称调整,允许买卖报价上的暂时成分变化是不同的,即[5]

虽然买价 at和卖价 bt是非平稳的时间序列,但由于买卖报价分享共同的长期成分——有效价格,因此,两者必然是协整的。而惟一的协整向量不同于其他情形,为事先已知的,即(1,-1)。协整关系为 at-bt。而 at-bt恰好为买卖价差 st。买卖价差的增加意味着买卖报价之间与股票价格的长期均衡水平——有效价格偏离的更远,但这种偏离会在买卖价差的误差修正作用下逐步得到修正并回复到均衡水平。因此,把买卖价差 st加入到模型中作为买卖报价暂时成分的决定因素之一,而 αECa和 αECb分别表示买卖报价向均衡水平的修正速度。因此,构建最终的 VEC模型为:

买卖价差 st=at-bt为误差修正项;多项式左边矩阵表明理论模型是交易驱动的,因此,交易对买卖报价同时产生影响,但是在买卖报价的回归过程中,时间和速度不一致;自回归矩阵 At(L)表明了理论模型的动态结构,且其单位根全部在单位圆之外,表明过去的报价和交易对后续报价的影响是随时间衰减的;Aij,t(L)多项式也是时变的,是由于依赖于交易发生时的市场环境和交易特性。另外,误差项 ui,i=(a,b,B,S),假定是具有零均值和常数方差的序列无关随机变量。但由于它们具有共同成分且相互影响,完全分割看待是不可取的,因此,采用似无关回归方法(seemingly unrelated regression,SUR)估计 ,把整个交易过程中内生变量看作一个系统进行处理,可以得到更为有效的参数估计,并施加约束条件为:

该条件意味着 Δat(Δbt)仅仅依赖于自身的滞后值而与 Δbt(Δat)的滞后值无关,主动性买和卖与 Δbt(Δat)的滞后值也是无关的,可避免变量间共线性的问题。另外,按照 Hasbrouck[5]的方法,把交易过程用指标变量来标记,xBt等于1时表示是主动性买,其他为 0。同理,xSt等于 1时表示交易是卖方发起的,等于 0表示其他类型的交易。

三、数据选取及变量定义

选取交易活跃的上证 50指标股中的 10家上市公司 2007年 6月 1日—8月 30日的逐笔交易数据。数据仅仅选取 9:30—11:30和 13:00—15:00之间的交易记录。另外,当某只股票某日出现涨跌停时,无论是买卖价差还是报价深度都出现了极端情况,不利于分析,故删除涨跌停当日的所有成交纪录。数据来源于 CCER(北京大学中国经济研究中心)股票交易高频数据库 。

由于原始数据不是时间序列数据,因此进行处理。以 1分钟为间隔,取每次间隔的最后一次交易的买卖报价及成交价,并累加间隔期内所有的成交股份数作为交易量,并计算买卖价差、报价中点及报价中点波动性。另外,对买卖报价的Johansen协整检验结果显示证实了存在一个协整关系,与上文的理论分析一致。

对于交易是买方发起还是卖方发起的判断,采用 Lee和 Ready的方法,如果当前该笔交易的成交价大于此前的买卖报价中点,就认为该笔交易为买方发起的,反之则是卖方发起的[8]。当成交价与此前买卖报价中点相等时,采用 Tick test方法,即成交价与买方报价更接近时,就认为是买方发起交易,否则就是卖方发起交易。

另外,选取一些外生变量来反映交易特性和市场环境。Easley和 O'Hara发现交易规模越大的交易更具有信息性[9]。Easley和 O'Hara认为交易密集程度增加,意味着有新的信息进入[10]。Easley等和 Dufour和 Engle都发现交易持续期越短时,交易往往具有更大的价格影响[11-12]。另外,Bollerslev和 Melvin认为价格波动性意味着股票真实价值的不确定性,波动性越大,交易对价格的影响也越大[13]。Huang和 Stoll认为买卖深度的不平衡性可能暗示着股票被高估或者低估[3]。因此,选择交易规模、交易频率、波动性和报价不平衡为外生变量。交易规模 Volumet为成交股份数,交易持续期 Durationt用 1分钟时间间隔内的成交次数即交易频率来替代,是交易持续期的倒数。报价深度不平衡性 Deeptht用买方深度和卖方深度之差来度量。波动性 Vart用 1分钟时间间隔内每次交易的报价中点的方差来度量。

四、实证结果及分析

回归结果如表 1所示。分别包括内生变量和外生变量的回归结果。第三列和第七列系数是所有 10家样本公司回归系数的平均值,第四和第五列分别是 10家公司内生变量回归系数的正负性分布,第八和第九列是外生变量回归系数的正负性分布。表 1最下方的左边是各个方程的拟和优度。右边是内生变量的残差相关系数。内生变量的所有系数中,除交易信号方程中的买卖价差不显著之外,其它的回归系数都在 5%的水平上显著。

表1 基于限制性VEC模型的回归结果

1.残差分析

基于模型残差的相关系数矩阵来分析与交易无关的冲击对买卖报价的影响(uat,ubt),是正相关的且相关系数为 0.2739。表明与交易无关的冲击通常使得买卖报价朝同方向运动。(uSt,uBt)是负相关的且相关系数为 -0.9752。表明买方力量的增强往往使得卖方力量显著减弱。同样,卖方压力的大幅增加,会损坏买方情绪,导致部分潜在买方撤退,买方力量减弱。另外,与交易无关的冲击在对买卖报价和买卖行为的冲击上有所不同。卖方行为通常与卖价运动方向保持一致(cov(ua,uS)=0.1234),而买方行为与买方报价背道而驰(cov(ub,uB)=-0.1089)。表明当卖价越高时卖方力量越强,而买价越高时卖方力量越弱。

2.交易过程分析

在面临交易冲击时,买卖报价的调整受两方面因素的影响并且是同时产生的。首先是交易之后买卖报价的误差修正作用,回归方程中买卖报价方程所对应的买卖价差滞后项 s系数解释了当买卖报价偏离其有效价格时,误差修正机制如何通过买卖价的同时调整来使其回归到均衡水平。其次,在卖价方程中,买卖价差的系数为 -0.0756,而在买价方程中,回归系数为 0.2443,表明误差修正机制通过同时降低卖价和增加买价来使价格偏离程度降低,且买价调整幅度更大。与Glosten与 Milgrom和 Huang与 Stoll的结论一致[2-3],他们认为买卖报价的调整使得买卖价差减少,且买价方面的调整幅度远远大于卖价。

另外,回归结果显示,交易冲击下的买卖报价调整是非对称的。在一次主动性买入交易后,通常使得买价和卖价同时增加,在卖价中的滞后 5期的累积调整幅度为 0.0064,在买价中的调整幅度为 0.0071,买价调整幅度比卖价大了 11.2%。而在一次主动性卖出冲击后,买卖报价同时减少,且在买价中的减少幅度(-0.0018)远远大于卖价中的降低幅度(-0.0008),买价的调整幅度超过卖价 54.1%。由此可见,交易冲击下买卖报价同方向运动但非对称调整。其中主动性买入使得价差降低,意味着买入行为是由新信息驱动的,降低了交易双方的信息不对称性。而主动性卖出使得价差增加,与 Engel与 Patton和 Escribano与Pascual的研究一致[6-7],两者都发现交易冲击后买卖报价的非对称调整导致买卖价差进一步扩大,并认为是流动性效应的影响所致,因此,分别对买卖报价的动态分析产生了比单纯分析报价中点具有更多的信息结论。

为考察交易冲击后买卖报价的动态调整过程,分析 VEC模型的脉冲响应函数可得如图 1的买卖报价的调整走势。

图1 交易冲击下买卖报价的动态调整模式

图1中向上倾斜的两条曲线分别是主动性买入冲击对买卖报价的影响。买入冲击后,买卖报价都同时大幅度增加,但随后又有小幅度回落,在第 7期后买卖报价逐渐趋于平稳。在初期,买价和卖价的增加幅度基本一致,但在开始回落之后,卖价下调幅度大于买价,并得到保持,即买入冲击使得买价调整幅度超过卖价。本文结论与Engel与 Patton的买入冲击下卖价增加得更多的结论不一致。而横坐标下方的两条曲线为主动性卖出冲击后买卖报价的走势,可以发现,卖出冲击后买卖报价同时下调,但买价调整幅度大于卖价,但在第 3期之后,交易影响逐渐趋于平稳,此结论与 Engel与 Patton一致。从图 1买卖报价的调整幅度来看,在经历主动性买入冲击后买方报价的平均反应幅度总是大于主动性卖出对卖方报价的影响,表明买入行为对买方报价的影响比卖出对卖价的影响更大,印证了主动性买入往往比主动性卖出具有更大的信息含量。究其原因:一方面在于我国股票市场的卖空限制阻碍了内部人从坏消息上获益;另一方面在于投资者并非持有市场投资组合,有时出于流动性和组合调整需要卖出但并不一定意味着坏消息;而对某股票的买入,有很大成分表明存在公司发展的利好信息。

从买入和卖出的两个交易信号方程可以发现,主动性买入后往往有新的买单出现,而主动性卖出后,卖单也会大量跟随。这种交易信号的集群现象在 Hasbrouck的研究中同样存在,并解释为交易者对新信息的合理反应;或者是内部人有意把下单规模减小以降低对价格的影响;或者是聪明投资者的模仿交易行为所致。

3.交易特征和市场环境分析

反映交易特征和市场环境的外生变量同样影响报价模式。模型引入报价中点波动性、交易频率、交易规模及买卖深度非平衡性四个外生变量。报价中点波动性仅仅在买价方程中是显著的,且为负值,表明当短期波动越大,买方报价会不断趋于下调。由于波动性另一方面反映了买卖双方的信息不对称程度,波动性回归系数仅仅在买价方程中显著且负相关,表明信息优势方是买方而非卖方。

作为交易持续期替代变量的交易频率与买卖报价的变化在 5%的显著性水平上负相关,表明当交易频率越高时,也即交易持续期越短时,交易对买卖报价的影响就越小。如果股票交易清淡,任何一次买和卖对报价的影响远远超过交易更密集的股票。结合 Easely与 O'Hara和马丹等的观点[10]-[14],前者认为交易持续期越长,意味着交易不是因新的信息而导致,更可能是流动性交易,而流动性交易对于买卖报价的影响是较小的。后者利用 ACD模型的研究同样认为较长的交易持续期是由于信息缺乏导致的。由于交易对股票内在价值有长期影响,而对买卖价差有暂时性影响。当交易频繁时,交易包含信息的可能性就越大,交易对股票的内在价值产生更大的影响,而对买卖价差的暂时性影响就变小。反之,在交易清淡背景下,无新信息进入,对股票内在价值影响较小,交易的冲击更多反映在买卖价差上。

代表参与者交易意愿的买卖深度的非平衡性在买卖报价的回归方程中都不显著,表明我国股票交易的指令簿上的委托单有时候并非反映了参与者的真实意图,大部分主动性买和卖的指令都很少出现在指令簿上,使得指令簿丧失了原有的功能。

另外,交易规模仅仅在主动性卖出方程中显著,表明当出现大规模的主动性卖单时,会引致更多的主动性卖单出现。与我国投资者不成熟和上市公司缺乏稳定的增长性和分红机制密切相关。一方面投资者缺乏长期投资意识,更多的是追涨杀跌的投机行为,当遭遇大规模抛盘时,其他投资者呈现恐慌性抛售。一方面,上市公司不稳定的经营业绩和分红机制的缺失使得长期持有者无利可图,更进一步恶化了投资环境。

五、结 论

本文基于股票市场微观结构理论,利用一个限制性 VEC模型对中国股票市场的股票交易内生动态过程进行实证研究。结果表明交易冲击下,买卖报价在买卖价差的误差修正作用下逐渐回归到内在价值水平。具体有如下结论:

第一,与交易无关的冲击即信息冲击往往导致买卖报价同时且同方向运动,同时买方意愿和卖方压力之间显著负相关。另外,卖方行为通常与卖价运动方向保持一致,而买方行为与买方报价背道而驰。

第二,在面临交易冲击时,买卖价差作为误差修正项促使价格回归到有效价格水平。其修正模式为同时增加买价和降低卖价来实现,且买价的调整幅度远远大于卖价。

第三,主动性买入往往使得买价和卖价同时增加,但买价的增加幅度更大地使得买卖价差降低,表明交易由信息驱动。主动性卖出使得买卖报价同时降低,但买价的下调幅度远远大于卖价并导致买卖价差增加,表明交易由流动性驱动。因此,交易冲击下买卖报价呈现显著的非对称调整现象。另外,还证实了在我国证券市场上,买单往往比卖单更具有信息性。

第四,在反映市场环境和交易特性的外生变量中,短期波动性越大,买价不断下调。交易频率显著负向影响了买卖报价的调整。另外,指令簿上买卖深度的非平衡性无法反映参与者的真实意图。而交易规模也仅仅在卖出方程中显著,恐慌性抛售现象明显。

[1]Jang H,Venkatesh PC.Consistency between Predicted and Actual Bid–ask Quote-revisions[J].Journal of Finance,1991,(46):433-446.

[2]Glosten L,Milgrom P.Bid,Ask and Transaction Prices in Specialist Market with Heterogeneously Informed Traders[J].Journal of Financial Econom ics,1987,(14):71-100.

[3]Huang R,Stoll H.Market Microstructure and Stock Return Predictions[J].Reviews of Finance Studie,1994,(1):179–213.

[4]Biais B,Hillion P,Spatt C.An Empirical Analysis of the Limit Order Book and the Order Flow in the Paris Bourse[J].Journalof Finance,1995,(50):1655-1689.

[5]Hasbrouck J.Measuring the Information Content of Stock Trades[J].Journal of Finance,1991,(46):179-207.

[6]Engle R,Patton A.Impacts of Trades in a Errorcorrection Model of Quote Prices[J].Journal of Financial Market,2004,(7):1-25.

[7]Escribano A.and R.Pascual.Asymmetries in Bid and Ask Responses to Innovations in the Trading Process[J].Empirical Economics,2006,(30):913-946.

[8]Lee C,ReadyM.Inferring Trade Direction From Intraday Data[J].Journal of Finance,1991,(146):733-746.

[9]Easley D,O'Hara.Price,Trade Size,and In formation in Securities Markets[J].Journal of Finance Economics,1987,(19):69-90.

[10]Easley D,O'Hara.Time and the Process of Security Price Adjustment[J].Journal of Finance,1992,(47):577-605.

[11]Easley D,Kiefer N,O'Hara.One Day in the Life of a very Common Stock[J].Reviews of Financial Studies,1997,(10):805-835.

[12]Dufour A,Engle R.Time and the Price Impact of a Trade[J].Journalof Finance,2000,(55):2467-2498.

[13]Bollerslev T,MelvinM.Bid-ask Sp reads and Volatility in the Foreign Exchange Market—An Empirical Analysis[J].Journal of International Economics,1994,(36):355-372.

[14]马丹,尹优平 .交易间隔、波动性与微观市场结构——对中国证券市场交易间隔信息传导的实证分析[J].金融研究,2007,(7):165-174.

(责任编辑:于振荣)

F224

A

1000-176X(2010)02-0074-06①

2009-12-03

蒋天虹 (1973-),男,浙江余杭人,副教授,硕士,主要从事金融市场与区域金融等方面的研究。E-mail:jth22ed@136.com