中国股票市场收益风险与流动性的关系研究

中国股票市场收益　风险与流动性的关系研究

梁翠云

摘　要:股市的收益和风险一直是大家关注的问题ꎬ股票的流动性也会对股票的收益产生一定的影响ꎮ由于中国上市公司较多ꎬ本文则从全部Ａ股中选取较有代表性的ＨＳ３００股和上证５０股的股票数据ꎬ构建面板数据回归模型ꎬ研究收益ꎬ风险和流动性的关系ꎬ本文中还将风险分成系统性风险和非系统性风险ꎬ更具体地研究是哪部分风险对收益产生更显著影响ꎬ实证结果表明非系统性风险在资产定价中扮演着重要的角色ꎮ

关键词:收益ꎻ系统性风险ꎻ非系统性风险ꎻ流动性

中图分类号:Ｆ８３０.９　　　　　　文献标识码:Ａ　　　　　一、引言

风险和收益一直是众多学者讨论的热点问题ꎮＣＡＰＭ模型的一个基本观点是ꎬ多元化的股票投资组合比其他任何组成部分的风险都要小ꎮ风险分成系统性风险和其他风险ꎬ其他风险的影响更多的是由于投资组合的影响ꎬ本文把其他风险称为非系统性风险ꎮ由于股票信息不完备和金融市场上存在不同的交易成本ꎬ投资者不能够持有多元化的投资组合ꎬ投资者更愿意去投资相似的股票ꎮ所以当投资者持有多元化的投资组合时ꎬ非系统性风险会被要求在预期收益中定价ꎮ在金融市场上ꎬ非系统性风险在单个投资组合中无法估计ꎮ因此ꎬ在横截面的股票收益中ꎬ非系统性风险的定价尤为重要ꎮ在金融危机之后ꎬ流动性在债券市场和股票市场中所引起的作用受到广泛关注ꎬ成为国内外研究的焦点问题ꎮ

本文主要是估计总风险波动如何在横截面股票收益上定价ꎬ在以往的研究基础上ꎬ利用面板数据分析收益ꎬ风险与流动性的关系ꎬ但并没有研究风险和收益的关系ꎮ尽管文中的研究与以往的研究有点不太相同ꎬ但是结果还是大致相同的ꎮ

相较以往的文献ꎬ本文的主要贡献是使用数据研究非系统性风险的问题ꎬ并且采用面板数据分析而不是投资组合分析ꎮ此外ꎬ本文中还通过探究流动性与风险的关系ꎬ回答了２００６)流动性在多大程度上有助于预期回报定价的问题ꎮ(Ａｎｇꎬ

研究都是发现系统性风险与收益没有关系发现非系统性风险和收益呈负相关关系ꎮ发现流动性变ꎬ其他以往的量影响着非系统性风险ꎬ也就意味着ꎬ当风险考虑进股票收益定价中时ꎬ流动性因子也考虑在内了ꎮ

本文的研究结果意味着ꎬ非系统性风险比系统性风险在预期收益定价中扮演着重要角色ꎮ首先ꎬ收益和非系统性风险呈正相关关系ꎮ其次ꎬ收益与流动性也呈正相关关系ꎮ再次ꎬ收益与系统性风险之间的关系并不显著ꎬ这种平行的关系与先前的研究结果一致ꎮ最后ꎬ相比系统性风险ꎬ流动性变量对非系统性风险的影响更大ꎬ并且他们之间是正相关关系ꎮ文章编号:１００８－４４２８(２０１９)７４－００８９－０３

二、文献综述

研究股票收益和风险的关系的文献很多ꎬ然而ꎬ利用不同的数据也可能会得到不同的结果ꎮ大部分学者认为收益和风险之间呈负相关关系ꎬ也有部分学者认为两者呈正相关关系ꎮ但是ꎬ像(ＢａｌｉａｎｄＣａｋｉｃｉꎬ２００８)研究得出收益和风险之间是没有显著关系的ꎮ

与非系统性风险的关系(Ｂｅｒｇｇｒｕｎꎬ２０１６)通过使用ꎬ认为它们之间是一种平行的关系ＭＩＬＡ中的股票来研究收益

ꎬ最后(Ｂａｌｉꎬ他们提出的关系ａｎｄꎬ并应用Ｃａｋｉｃｉꎬ２００８)非系统ＣＡＰＭ模型和三因子建立非系统性风险和横截面收益之间性风险不是市场定价的价格因子ꎮＦａｍａ－Ｆｒｅｎｃｈ去验证他们之间的关系ꎮ他们发现ꎬ非系统性风险与收益之间并没有显著关系ꎮ也就意味着ꎬ可能存在其他的因素影响着收益ꎬ比如数据的频率、计算投资组合收益所用的权重、价格和流动性等ꎮ

(Ｆｕꎬ２００９)有部分文献证明了非系统性风险和收益呈正相关关系ꎮ

预期收益之间的关系应用指数的ꎬ发现它们之间是正相关关系ＧＡＲＣＨ模型去调查非系统性风险和ꎬ他们的实证结果表明ꎬ非系统性风险在解释横截面收益时是非常有用的ꎮ(许敏ꎬ刘善存ꎬ２００８)分别采用日交易数据与高频分笔交易数据作为股票市场的非流动性代理变量ꎬ得到股票收益是非流动性代理变量的增函数ꎬ且使用高频交易数据的方法得出的结果更明确ꎬ另外ꎬ得出股票市场不存在流动性波动风险溢价ꎮ(梁朝晖ꎬ２００４)运用极值理论ꎬ分别用宽度和收益代表流动性风险和市场风险ꎬ研究了上海股票市场流动性风险和市场风险的极值相关特征ꎬ结果表明:在市场大幅下跌时ꎬ流动性风险放大ꎬ而在市场大幅上涨时ꎬ流动性风险未明显增加ꎮ(吴文锋等ꎬ２００３)利用日收益率绝对值与成交金额的比率代表非流动性ꎬ发现该指标与收益率呈正相关关系ꎬ表明中国股市存在非流动性风险补偿ꎮ

有一部分文献证实了非系统性风险与收益呈负相关关系ꎮ与(ＭａｌｋｉｅｌａｎｄＸｕꎬ２００２)相反ꎬ(Ａｎｇꎬ２００６)发现预期收

—８９—

　益与非系统性风险之间是负相关的ꎮ(席红辉ꎬ２００６)以日波动率调整的换手率和Ａｍｉｈｕｄ的非流动性指标来度量股票的流动性ꎬ并用这两个变量的标准差和变异系数反映流动性的波动率ꎬ系统分析了流动性及其波动率与股票预期收益的关系ꎬ结果发现股票流动性水平与预期收益呈现出显著的负相关ꎬ而流动性波动对股票预期收益没有解释力ꎮ(王春峰等ꎬ２００２)与回报之发现在上海股票市场中间的关系有非常大ꎬ的影(响非预期信息ꎮ(杨朝军)ꎬ对流动性王灵芝ꎬ

２０１１)股票收益率之间的关系基于面板数据研究了股票流动性水平ꎬ结果表明ꎬ流动性水平越高收益率、流动性风险与越低ꎬ即我国股市中存在流动性溢价效应ꎬ流动性变化率是影响股票收益率的重要因素ꎮ他们还采用固定效应ＶＡＲ的因果检验ꎬ得出流动性变化率与收益率之间存在双向的因果关系ꎮ(谢赤ꎬ曾志坚ꎬ２００５)选取换手率与Ａｍｉｖｅｓｔ流动比率作为股票流动性的衡量指标ꎬ采用ＬＲ两阶段截面回归方法与似无关回归(ＳＵＲ)估计法ꎬ对上海股票市场的股票流动性与预期收益率的关系进行了实证研究ꎬ结果表明ꎬ上海股票市场存在显著的流动性溢价ꎬ换手率低或Ａｍｉｖｅｓｔ流动比率低ꎬ流动性较差的资产具有较高的预期收益ꎮ

ＵＳ(ＡｎｇｅｌｉｄｉｓａｎｄＴｅｓｓａｒｏｍａｔｉｓꎬ２００８)在以往的研究都基于究ꎬ市场的数据进行研究时发现了三种类型的非系统性风险ꎬ他们利用:ＵＫ价值加权风险市场的数据调查研、基于大资本股票测量的非系统性风险和基于下资本股票测量的非系统性风险ꎮ(刘勤ꎬ顾岚ꎬ２００１)选择具有较高流动性的深发展股票ꎬ使用高频交易日内数据探究高频数据与低频数据之间的特征差别ꎬ用模型刻画日内交易收益的波幅并实证分析揭示了交易量作为含有交易信息的代表性变量无助于解释收益动态ꎬ而对于解释波幅动态具有显著作用ꎮ(吴炎成ꎬ贾德铮ꎬ２０１５)发现非系统性风险对股票收益影响较大ꎬ系统性风险与投资收益率的关系并不符合ＣＡＰＭ模型ꎬ并论证通过建立投资组合可以达到分散非系统性风险的作用ꎮ

三、数据和实证研究设计(本文采用中国一)数据集

ＨＳ３００股和上证５０股的股票日数据ꎬ时间从２０１３年１月４日到２０１６到１２月３０日ꎬ数据来源是锐思金融数据库ꎮ考虑变量数据的可得性和减小缺失值的影响ꎬ我们采用２０１３年~２０１６年中国股票市场的日数据进行分析ꎮ剔除那些流动性极低的公司和新上市的公司ꎬ把数据缺失较多的股票也排除在外ꎮ在选定的股票中有缺失值的那一天的数据也删除掉ꎮ最终ꎬ通过筛选和数据处理ꎬ保留了１４５只股票和１３８ꎬ００４个观测值ꎮ

(基于每个公司的市场价值二)变量描述

ꎬ每天都会产生市场投资组合ꎮｂｅｔａꎬ市场收益率和股票收益率之间的关系可用ＣＡＰＭ模型表述ꎮ

Ｒｉꎬｔ其中＝ꎬαｉꎬｔ下标＋βｉꎬｔＲｍꎬｔｉ代表股票＋εｉꎬｔ

ꎬ下标ｔ代表日期ꎮＲ(１)

ｉꎬｔ是股票收益的对数ꎬＲｍꎬｔ是市场收益的对数ꎬεｉꎬｔ的标准差代表非系统性

—９０—

风险ꎬβｉꎬｔ是ＣＡＰＭ的ｂｅｔａꎬαｉꎬｔ代表超额收益ꎮ每日非系统性风险定义为日残差的标准差的对数ꎬ即ｉｄｉｏ＝ｌｏｇｖａｒ(εｉꎬｔ票每日收益率用每日收盘价和开盘价的差值计算ꎬ即)ꎮＲ股ｌｎ(Ｐｉꎬｔ＝ｉꎬｓꎬｔ开盘价ꎮ

)－ｌｎ(Ｐｉꎬ０ꎬｔ)ꎬ这里的Ｐｉꎬｓꎬｔ和Ｐｉꎬ０ꎬｔ分别表示收盘价和变量说明:有两个流动性变量指标:Ｔｕｒｎｏｖｅｒ换手率和

Ｖｏｌｕｍｅ间内的成交量与流通股本的比例交易量ꎮ其中ꎬＴｕｒｎｏｖｅｒ流动性指标定义为某一段时ꎻＶｏｌｕｍｅ流动性指标定义为每天交易的数量ꎮ变量ｒ是股票收益率指标ꎮ变量Ｂｅｔａ是流通市值加权Ｂｅｔａꎬ代表系统性风险ꎮ变量ｅ表示ＣＡＰＭ模型的残差项ꎮ变量Ｉｄｉｏ是非系统性风险ꎮＬｉｄｉｏꎬＬｂｅｔａꎬＬｔｕｒｎ￣ｏｖｅｒＴｕｒｎｏｖｅｒ和Ｌｖｏｌｕｍｅ分别表示观测值个数为的滞后一期和１３８００４ꎮ

ＶｏｌｕｍｅＩｄｉｏ的滞后一期的滞后一期数据ꎬＢｅｔａ的滞后一期ꎮ数据集的ꎬ(股票会受不同市场和时间的互相影响而出现协同运动三)面板数据分析

ꎮ所以考虑到股票之间的相互作用ꎬ本文采用面板数据分析而不用单个股票的投资组合分析ꎬ并且该面板数据控制了个体差异性ꎮ

本文的面板数据包括了１４５只股票２０１３年１月４日~

２０１６是从原始数据集中挑选出来的数据到１２月３０日的日变量数据ꎬ共有ꎮ

１３８ꎬ００４个观测值ꎬ这原始数据中有些公司缺失值较多并且他们的交易规模过小ꎬ代表性不强ꎬ我们考虑把这部分公司的数据删去ꎬ再把剩余公司有缺失值的那一天的数据删去ꎬ最终得到的新面板数据是非平衡面板ꎮ在面板数据集数据量巨大时ꎬ可能会出现个股损耗和数据缺失的问题ꎬ如果采用固定效应模型可能可以解决这个问题ꎮ

四、模型和实证结果

为检验收益ꎬ风险和流动性之间的关系ꎬ本文建立当前股票收益作为系统性风险滞后一期ꎬ非系统性风险滞后一期和流动性滞后一期的函数ꎬ构建以下固定效应模型ꎮ

Ｒｉꎬｔ＝ｂｉꎬββｉꎬｔ－１＋ｂｉꎬεσｉꎬｔ－１其中ꎬＲ＋ＬＩＱｉꎬｔ－１＋αｉ＋ｖｉｔ

(２)

ｉꎬｔ是ｉ股票第ｔ天的收益ꎬβｉꎬｔ－１是ｉ股票系统性风险的前一天的数据ꎬσｉꎬｔ－１是ｉ股票非系统性风险的前一天的数据ꎬＬＩＱｉꎬｔ－１是流动性指标的滞后一期ꎮ在这个面板数据中ꎬ有两个流动性指标:换手率滞后一期Ｌｔｕｒｎｏｖｅｒ和成交量滞后一期Ｌｖｏｌｕｍｅꎮ为避免多重共线性的问题ꎬ我们分别将这两个流动性指标纳入模型中ꎮ

首先ꎬ对所有的变量进行ＡＤＦ单位根检验ꎬ结果显示所有的变量都通过了仅含个体固定效应项的单位根检验ꎬ部分变量通过了含个体固定效应项和时间趋势项的单位根检验ꎬ所以可以判定该序列为平稳序列ꎮ其次ꎬ对面板数据进行固定效应模型估计和随机效应模型估计ꎬ再用豪斯曼检验、ＬＭ检验和Ｆ检验来判断哪个估计模型更适合于我们建立的模型ꎮ检验结果表明ꎬ选用固定效应模型来建立模型是最适合的ꎮ最后ꎬ我们采用Ｂｒｅｕｓｈ－Ｐａｇａｎ检验来处理固定效应模型中出现的异方差的问题ꎮ表１和表２分别是固定效应模型

和随机效应模型的结果ꎮ

表１(１)

－０.０００６１３ＦＥ＿ｒ１

∗

∗

ＦＥ＿ｒ２

(２)

ＬｂｅｔａＬｉｄｉｏ(０.００００７７０)０.０００４１５(０.０００２６０)

∗

∗∗

０.０００４８４(０.０００２６４)

－０.０００４２４

∗

∗∗

Ｌｔｕｒｎｏｖｅｒ(０.００００８３２)

０.０００８０８∗

∗∗

(０.００００７６３)

Ｌｖｏｌｕｍｅ０.０００５６９∗

∗∗

＿ｃｏｎｓ－Ｎ(０.０００３６１)０.００３７６∗

∗∗

(０.００００９２１)

∗１３８００４(０.００１７４)０.００５８１∗

∗

１３８００４Ｒ

２

０.００１０.００１

０.００１　　Ｓｔａｎｄａｒｄａｄｊ.Ｒ２

０.００１

∗

ｐ<０.１ꎬｅｒｒｏｒｓ∗∗

ｐ<０.０５ꎬ

ｉｎｐａｒｅｎｔｈｅｓｅｓ

∗∗∗

ｐ<０.０１

表２(１)

(２)Ｌｂｅｔａ０.０００２５７

ＲＥ＿ｒ１

ＲＥ＿ｒ２

Ｌｉｄｉｏ∗∗∗

(０.００００７５０)０.０００４８２

(０.０００２０９)

－(０.００００７３２)

０.０００６１６

(０.０００２２５)

０.００００２７１

∗∗∗

Ｌｔｕｒｎｏｖｅｒ(０.００００７５４)０.０００５１０

∗∗∗

Ｌｖｏｌｕｍｅ∗∗

＿ｃｏｎｓ∗∗∗

(０.００００７０３)０.０００１７３

Ｎ(０.０００３９２)０.００４００

１３８００４

(０.００１３６)０.００１５６

１３８００４Ｒ

２

２

　　Ｓｔａｎｄａｒｄａｄｊ.Ｒ

∗

ｐ<０.１ꎬｅｒｒｏｒｓ∗∗ｐ<０.０５ꎬｉｎｐａｒｅｎｔｈｅｓｅｓ

∗∗∗

ｐ<０.０１

风险ꎬ收益和流动性模型是将两个流动性指标加入模型中做回归ꎬ最后得到两个子模型:模型１和模型２ꎮ表１这个混合回归模型中可以看出非系统性风险指标Ｌｉｄｉｏ和两个流动性指标Ｌｖｏｌｕｍｅ)型通过Ｆ是显著的(即ꎬ换手率滞后一期检验ꎬ这可以证实了我们前面做的理论分析假设ꎬ系统性风险指标ＬｔｕｒｎｏｖｅｒＬｂｅｔａ和成交量滞后一期不显著ꎬ并且该模ꎮ

固定效应模型表２中的模型１的系统性风险是显著的ꎬ非系统性风险也是显著的ꎬ说明收益与总风险滞后一期之间有显著关系ꎬ风险的变动导致收益的变动ꎬ不仅来源于非系统性风险ꎬ还可能来源于系统性风险ꎮ当系统性风险与收益之间成负相关关系时ꎬ非系统性风险和收益之间呈正相关关系ꎮ金融观察◎　

非系统性风险和收益之间呈正相关关系的结论ꎬ证明收益会随着非系统性风险的增加而增加ꎮ随机效应模型表２中非系统性风险滞后一期和流动性滞后一期变量与收益有显著关系ꎮ从表１和表２的结果得出ꎬ当前的股票收益与系统性风险滞后一期没有显著关系(Ｔｈｅｒｉｏｕꎬ２０１０)的实证研究结果一致ꎬ收益与Ｂｅｔａꎬ他们提出之间的平行关系与之间既没有关系也不一致ꎮ用豪斯曼检验ꎬＬＭꎬ检验和收益与Ｆｂｅｔａ

检验这三种方法得到的结果ꎬ综合分析固定效应模型和随机效应模型哪个更适合我们建立的模型ꎮ我们采用Ｂｒｅｕｓｃｈ－了原假设Ｐａｇａｎ检验固定效应模型的异方差问题ꎬ即说明模型中存在异方差ꎮ

ꎬ两个子模型都拒绝

由表１可得ꎬ流动性和非系统性风险都对收益产生显著影响ꎬ并且他们之间呈正相关关系ꎮ综合来看ꎬ系统性风险对收益的影响并没有那么显著ꎬ并且系统性风险越高收益越低ꎮ

实证结果发现ꎬ流动性与收益呈正相关关系ꎬ并且流动性越强收益越高ꎬ这三种模型中得到一致结论ꎮ从我们最终选择的固定效应模型来看ꎬ相比系统性风险滞后一期ꎬ收益与非系统性风险滞后一期的关系更显著ꎮ这可能是因为我

们用的是单个股票的数据而不是用的投资组合的数据ꎬ也有可能是因为有些变量的缺失值过多ꎬ本文中将这一部分的数据删去以后ꎬ导致系统性风险没有非系统性风险那么显著ꎮ另外ꎬ发现收益与系统性风险之间没有那么显著的关系也跟很多先前的研究者得出一致的结论ꎮ研究者预测当使用算法交易时将会减少市场风险的影响ꎬ通过提高交易员的工作效率ꎬ减少交易成本ꎬ提高交易速率能够减少市场影响ꎬ这也是现在越来越多的文献研究非系统性风险与收益之间的关系的原因ꎮ(杨朝军ꎬ王灵芝ꎬ２０１１)结合Ｔｏｂｉｎ提出的流动性

含义ꎬ提出价量结合的流动性综合测度指标Ｌꎬ采用广义自回归条件异方差方法对流动性风险进行测度ꎬ在面板数据的混合截面回归分析中表明ꎬ流动性越高收益率越低ꎬ与我们得出的结果正好相反ꎬ同时还说明流动性变化率是影响股票收益率的重要因素ꎮ

五、结论

本文首先检验风险和流动性是如何影响收益的ꎮ由于无效的信息、多种成本和短期交易时间等ꎬ非系统性风险比系统性风险扮演着更为重要的角色ꎮ实证结果表明ꎬ非系统性风险对收益有显著性的影响ꎬ流动性变量对其也有显著影响ꎮ然而ꎬ系统性风险对收益的影响并不大ꎬ流动性变量对它的影响效果也没有对非系统性风险的效果好ꎮ非系统性风险比系统性风险在预期收益的资产定价中起着更显著的作用ꎮ研究结果得出ꎬ收益和非系统性风险呈正相关关系ꎬ收益与流动性也呈正相关关系ꎬ收益与系统性风险之间的关系并不显著ꎬ这种平行的关系与先前的研究结果一致ꎮ这个实证结果对非系统性风险比系统性风险在预期收益资产定价中起更重要的作用提供了具体的证据ꎮ　　　

(下转第９５页)

—９１—

金融观察◎　

１.挂牌企业自愿升板ꎬ问题企业强制降板

限于人员和精力有限ꎬ仅仅能通过企业提供的申报材料、报表数据来对企业进行评判ꎬ难免会有错漏或者不符实之处ꎮ尤其是又额外设立转板绿色通道的情况下ꎬ仅仅靠监管机构来进行审核是不足以完成所有的工作ꎮ所以可以考虑给转板企业的主板券商给予一定的权利ꎬ让其进一步加强持续督导义务的同时ꎬ赋予其审核转板企业是否符合转板通道所设立条件的权利ꎮ监管机构只需要通过监督主办券商的核查工作ꎬ再通过企业送审的财务指标、发展计划、资本规模等相关条件直接进行判断ꎬ就可以了解企业是否符合转板的条件ꎮ这样不仅可以减轻监管机构的负担ꎬ也可以使得对于企业的审核更加地贴近企业的真实情况ꎬ可以有效地提升监管的效率ꎮ除此之外ꎬ应当将持续督导的时间扩大至转板完成后ꎬ这样会让企业能够尽快地适应新市场的特点和变化ꎬ为企业立足新的市场层次打下基础ꎮ参考文献:

[１]王学梅.对新三板市场流动性的分析[Ｊ].商ꎬ２０１５(１１):１７７.

２０１５ꎬ８(５９８):１９６－１９８.２０１５－０８－１８.作者简介:

梁涵书ꎬ男ꎬ广西大学ꎮ

险研究:以上海股票市场为例[Ｊ].企业技术开发ꎬ２０１５ꎬ３４(１０):９９－１０１＋１０４.２５９－２９９.

[１０]ＡｎｇＡꎬＨｏｄｒｉｃｋＲＪꎬＸｉｎｇＹꎬＺｈａｎｇＸ.Ｔｈｅｃｒｏｓｓ－ｓｅｃｔｉｏｎ[１１]ＡｎｇｅｌｉｄｉｓＴꎬＴｅｓｓａｒｏｍａｔｉｓＮ.Ｉｄｉｏｓｙｎｃｒａｔｉｃｖｏｌａｔｉｌｉｔｙａｎｄｅｑ￣(１７):５３９－５５６.(１):２９－５８.

[２]魏诚宝.我国新三板引入转板制度研究[Ｊ].时代金融ꎬ[３]罗贻芬.新三板流动性匮乏凸显机制之困[Ｎ].证券时报ꎬ

各个层次的资本市场ꎬ作为我国多层次资本市场体系的

重要组成部分ꎬ都应该一起进步发展ꎬ而不应该一味地把优秀的企业集中在优秀的市场里ꎮ虽然新三板企业有许多主板、二板市场中退下来或者未能上市的问题企业ꎬ但也为主板、二板储备了一定的优质企业ꎮ在未来的转板绿色通道当中ꎬ应该做好自愿升板、强制降板的工作ꎮ自愿升板针对的是在新三板挂牌的企业中ꎬ经营状况良好、发展潜力深厚、管理水平较高的需要扩大融资规模的企业ꎬ在达到转板的标准后可以通过申请升板来满足企业进一步发展的需求ꎮ

２.合理控制转板数量和转板时机

对于进入新三板挂牌的企业而言ꎬ能够转板进入主板、

二板市场的吸引是毋庸置疑的ꎮ所以新三板市场的转板数量必须有效地控制起来ꎬ要既能保证自身市场企业的整体质量不下降ꎬ又要保证能够给企业足够的吸引力ꎮ转板的量必须要取决于新三板市场扩容的速度ꎬ并且必须要一直小于扩容的速度ꎮ如果一开始就放开主动转板的ꎬ那么企业会纷纷转入高层次的资本市场以获得更多的融资ꎮ这不紧会使得新三板市场本身的质量收到削弱ꎬ还增强了其他层次资金市场的吸引力ꎬ最终使得自身的竞争力不断下降ꎮ所以在市场发展的初期必须要协调好转板的制度配合ꎬ让主动升板和被动降板相协调ꎬ用转板通道来刺激新三板挂牌企业质量的增长ꎬ减小市场因为企业转板而引起的虚弱和不稳定ꎮ

(三)放大主办券商在转板过程中的作用

各个企业的经营能力、财务状况大不相同ꎬ且监管机构(上接第９１页)参考文献:

[１]刘勤ꎬ顾岚.股票日内交易数据特征和波幅的分析[Ｊ].统计研究ꎬ２００１(４):３６－４２.

[２]王春峰ꎬ韩冬ꎬ蒋祥林.流动性与股票回报:基于上海股市的实证研究[Ｊ].经济管理ꎬ２００２(２４):５８－６７.偿[Ｊ].世界经济ꎬ２００３(７):５４－６０.

[３]吴文锋ꎬ芮萌ꎬ陈工孟.中国股票收益的非流动性补[４]梁朝晖.上海股票市场流动性风险与市场风险的极值相４９－５２.

[５]谢赤ꎬ曾志坚.股票市场流动性溢价的实证研究[Ｊ].数量经济技术经济研究ꎬ２００５(９):１４４－１５５.２００６(２):９４－９７.

[６]席红辉.流动性风险与预期股票收益[Ｊ].统计与决策ꎬ[７]许敏ꎬ刘善存.上海证券市场股票收益和流动性研究[Ｊ].北京航空航天大学学报(社会科学版)ꎬ２００８(４):１－３.[８]杨朝军ꎬ王灵芝.流动性水平、流动性风险对资产收益的(４):４５６－４６１.

[９]吴炎成ꎬ贾德铮.基于ＣＡＰＭ模型对股票市场的收益与风

ｏｆｖｏｌａｔｉｌｉｔｙａｎｄｅｘｐｅｃｔｅｄｒｅｔｕｒｎｓ[Ｊ].Ｆｉｎａｎｃｅꎬ２００６ꎬ６１(１)ꎬｕｉｔｙｒｅｔｕｒｎｓ:ＵＫｅｖｉｄｅｎｃｅ[Ｊ].Ｉｎｔ.Ｒｅｖ.Ｆｉｎａｎｃ.Ａｎａｌꎬ２００８[１２]ＢａｌｉＴＧꎬＣａｋｉｃｉＮ.Ｉｄｉｏｓｙｎｃｒａｔｉｃｖｏｌａｔｉｌｉｔｙａｎｄｔｈｅｃｒｏｓｓｓｅｃｔｉｏｎｏｆｅｘｐｅｃｔｅｄｒｅｔｕｒｎｓ[Ｊ].Ｆｉｎａｎｃ.Ｑｕａｎｔ.Ａｎａｌꎬ２００８ꎬ４３[１３]ＢｅｒｇｇｒｕｎＬꎬＥｄｍｕｎｄｏＬꎬＥｍｉｌｉｏＣ.Ｉｄｉｏｓｙｎｃｒａｔｉｃｖｏｌａｔｉｌｉｔｙａｎｄｓｔｏｃｋｒｅｔｕｒｎｓ:ｅｖｉｄｅｎｃｅｆｒｏｍｔｈｅＭＩＬＡ[Ｊ].Ｒｅｓ.Ｉｎｔ.Ｂｕｓ.Ｆｉｎａｎｃｅꎬ２０１６(３７):４２２－４３４.

ｓｔｏｃｋｒｅｔｕｒｎｓ[Ｊ].Ｆｉｎａｎｃ.Ｅｃｏｎꎬ２００９ꎬ９１(１):２４－３７.作者简介:

梁翠云ꎬ女ꎬ广西玉林ꎬ广西大学在读硕士研究生ꎬ研究方向:风险管理与资本市场ꎮ

[１４]ＦｕＦ.Ｉｄｉｏｓｙｎｃｒａｔｉｃｒｉｓｋａｎｄｔｈｅｃｒｏｓｓ－ｓｅｃｔｉｏｎｏｆｅｘｐｅｃｔｅｄ

关分析[Ｊ].中国地质大学学报(社会科学版)ꎬ２００４(４):

影响:来自沪深股市的经验证据[Ｊ].系统管理学报ꎬ２０１１ꎬ２０

—９５—