李延军+++史笑迎

摘 要：在传统资产定价模型中依次引入换手率、成交金额、Amihud非流动性比率三种流动性度量指标，构造出改进后的Fama三因子模型，通过Fama-Macbeth两阶段回归的方法来探讨我国A股市场流动性溢价效应以及三种流动性度量指标的不同表现；然后，采用分位数回归的方法进一步检验三种流动性指标各自的适用范围。研究表明：中国A股市场存在较为显著的流动性风险溢价现象；不同的流动性指标与股票收益率之间的关系不同，换手率适合在低收益率情况下流动性的测度，Amihud非流动性比率更适合在中高收益率情况下流动性的测度，而成交金额指标未能通过检验，表现相对较差。

关键词：流动性风险；流动性溢价；测度指标；Fama三因子模型

中图分类号：F830.91 文献标识码：A 文章编号：1674-2265（2016）11-0019-07

一、引 言

资产定价向来是微观金融研究领域着重关注的问题，一些学者通过建立多种类型的资产定价模型，来发现影响收益率的关键因素。传统的资产定价模型存在太多的前提假设，认为市场存在完全的流动性，而自从阿米胡德（Amihud，1986）《Aseet pricing and the bid-ask spread》一文发表后，学者们对流动性的研究越来越多，但是这方面的研究至今还没有成熟，需要进一步研究发展。研究流动性问题，首先要考虑如何进行流动性的度量，尤其是根据各国资本市场实际，选择合适的流动性度量指标。我国股市有很多自身的特点，其中一个重要的特征就是我国证券市场是一个指令驱动市场，其在市场结构及动态行为上都大大不同于价格驱动市场，因此探究我国证券市场股票收益与流动性之间的关系具有重要意义。周芳、张维和周兵（2011）借助金融数学无套利的思想，在理论上得出了计算流动性溢价的公式来研究流动性溢价问题。刘向华、胡飞（2012）选取1168只股票为样本，利用调整后的收益模型FARM研究流动性风险与流动性溢价问题。杨晓波（2014）采用换手率和改进后的非流动性指标对样本进行排序，通过改进的三因子组合进行回归，发现存在流动性溢价现象，并且溢价现象在不同时段的表现有所不同。石永磊（2013）通过建立非平衡面板回归，采用不同的流动性度量指标比较其回归结果以及不同的市场形态下流动性与收益率之间的关系。陈、李和王（Langnan Chen、Steven Li和Jinan Wang，2011）将股票按照流动性的大小分成不同的股票组合，来研究不同流动性水平的股票与收益率之间的关系。胡和张（Ho Tsung-wu和Chang Shu-Hwa，2015）基于中国A股市场的交易数据，运用改进后的定价模型来分析比较四个流动性指标各自的适用性，最后得出Amihud非流动性指标更适合测度上海股票市场的流动性。

综合现有的研究来看，多数学者直接用理论分析来选择认为比较合适的流动性度量指标，很少真正地运用实证的方法进行多个指标的比较与筛选，从中选择较为合适的测度指标。本文在Fama三因子模型中依次引入换手率、成交金额、Amihud非流动性比率三种典型流动性度量指标，运用Fama-Macbeth两阶段回归与分位数回归相结合的方法，研究样本期内我国A股市场股票流动性溢价效应与流动性度量指标的优选问题。

二、数据说明及相关变量描述

（一）样本数据的选择

本文选择2000年1月到2015年12月期间中国沪、深市场上所有A股数据。样本区间共包含192个月。选择此样本区间主要基于以下考虑：首先，2000年之前，我国股票市场交易制度尚不完善，市场缺乏足够的理性，这会对实证结果产生冲击，使其不能正确地解释近年来我国股票市场的特点。其次，选择2000—2015年的交易数据，样本跨度较大，保证了结果的可信服性。考虑到数据分析的有效性和可比性，对研究期间内的股票剔除ST股、PT股和长期停牌的股票；剔除月交易天数少于10天的数据；剔除2000年1月1日以后新上市的股票以及存在数据缺失的股票。最后得到从2000—2015年共307家上市公司股票数据构成的样本数据。基础数据来源于锐思（RESSET）、万得（WIND）与国泰安（CSMAR）金融数据库，数据的分析整理在Excel和Matlab中完成。

（二）流动性指标的选择

总结国内外相关文献，我们发现对流动性度量的方法很多，归纳总结起来一共有三种衡量方法：价格法、交易量法以及价量结合法。

价格法主要是以买卖价差作为主要衡量指标，但是我国的证券市场是公开集中竞价的形式，不是做市商制度，不存在所谓的买价和卖价，因此价格法不适合我国证券市场。

交易量法中最常用的是成交金额和换手率两个流动性测度指标。成交金额的数据比较容易获得，若某只股票在一段时间内成交金额越大，则表明该股票交易越活跃，流动性水平越好。不过成交金额可能会受到市场规模的影响，规模越大往往成交金额越大，这是成交金额流动性度量指标的缺点。换手率不仅可以反映交易的活跃程度，而且能够反映股票的流通速度。我们可以从两个角度计算股票的换手率。一是从股票的交易数量角度计算换手率，其计算公式如下：[Turnover=成交股数/流通在外股数]；二是从交易金额的角度计算换手率，其计算公式如下：[r=]股票交易总额/股票市价总值。换手率的数值越大，说明该股票交易越频繁，流动性越好。

价量结合法测度流动性是为了弥补单纯以价格或者交易量来衡量流动性的不足。价量结合的流动性度量指标既包含价格因素又包含交易量因素。其中最常用的是阿米胡德（2002）建立的度量流动性的指标，其计算公式如下：

[ILLIQim=1Dimd=1DitrimtVoldimt]

其中，[ILLIQim]表示股票i在第m月的非流动性比率，[Dim]表示股票i在第m月的交易天数，[rimt]为股票i在第m月中第t日的收益率，[Voldimt]为股票i在第m月中第t日的交易金额。Amihud非流动性比率不但包含了价格的变化，而且包含了交易额度的变化，它反映了一个单位交易金额所引起的价格变化的幅度，反映了交易金额对证券收益率冲击的大小。非流动性比率的值越大，交易金额对价格变化影响程度越大，即一个较小的交易金额就可以引起价格大幅波动，这表明股票的流动性越差，非流动性比率的值越小，股票的流动性越好。

本文选择采用成交金额、换手率和Amihud非流动性比率这三个流动性度量指标。虽然关于流动性测度指标的设计后人有很多的改进，但是新的指标并没有得到广泛的应用，是否合理也没有得到充分验证。之所以选择这三个流动性指标是因为三者符合我国股票市场的情况，并且各有特点。Amihud非流动性比率实际上可以表示单位交易量对股票收益率的冲击，其值越大，流动性越低，从而投资者要求的风险补偿越多。成交金额和换手率两个指标侧重流动性度量的宽度，但两者也不相同。成交金额是一个绝对值而换手率是一个比率。成交金额和换手率的值越大，说明股票的流动性越高，同时两者还是分析投资者对股票关注程度的重要依据。从现有的研究文献中发现，运用不同的流动性指标，最终得到的回归结果也不相同。因此本文认为有必要比较分析不同流动性指标的回归结果。

（三）变量的计算公式与相关说明

本文所涉及的变量有：个股月收益率ri、无风险收益率rf、主板市场的市场收益率rm、规模因子SMB、价值因子HML、月换手率Turnover、月成交金额、Amihud非流动性比率ILLIQ。

个股月收益率ri，表示股票每个月的平均日度收益率，其中股票的日度收益率直接取自国泰安数据库。

无风险收益率rf，根据商业银行一年期定期存款利率r折算而来的月利率，计算公式rf=（1+r）1/12-1，数据来源于锐思数据库。

主板市场收益率rm，一般把沪深300指数的收益率看作是市场收益率，本文结合锐思数据库中的相关数据与沪深300指数收益率数据整理得出市场收益率rm。

规模因子SMB，为小规模股票收益率与大规模股票收益率之间的差值。数据来源于锐思数据库。

价值因子HML，为高账面市值比股票的收益率与低账面市值比股票的收益率之间的差值。数据来源于锐思数据库。

月换手率Turnover，计算公式为[r=]股票交易总额/股票市价总值，数据来源于万得数据库。

月成交金额，数据来源于万得数据库。

Amihud非流动性比例ILLIQ，计算公式如上文所示，公式中的个股收益率与成交金额数据来自万得数据库，公式计算在Matlab软件中进行。

三、实证分析

（一）模型的建立

1. CAPM模型。

[E（ri）-rf=α+βi（E（rm）-rf）]

其中，[E（ri）]为股票i的预期收益率；[rf]为无风险收益率；[E（rm）]为市场组合的预期收益率；[βi]为股票i收益率对市场组合收益率变动的敏感性。

2. Fama-French三因子模型。

[E（ri）-rf=α+βi（E（rm）-rf）+siSMB+hiHML]

其中，[E（ri）]为股票i的预期报酬率；[rf]为无风险收益率；[E（rm）]为市场组合的预期报酬率；[SMB]为规模因子，即小规模公司股票报酬率与大规模公司股票报酬率的差值；[HML]为账面市值比因子，即高账面市值比公司股票报酬率与低账面市值比公司股票报酬率的差值；[βi]、[si]、[hi]分别为股票的预期报酬对市场因子、规模因子、账面市值比因子的敏感度。

3. 改进的Fama三因子模型。基于Fama三因子模型，本文构造了考虑流动性因素的改进后的Fama三因子模型：

[E（ri）-rf=α+βi（E（rm）-rf）+siSMB+hiHML]+[βlL]

其中[βl]表示股票预期收益对流动性指标的敏感度。模型中的L用上文中的三个流动性指标依次替代。

（二）Fama-Macbeth两阶段回归结果分析

本文根据所筛选出的307只股票共192个月的平均月收益率数据，按照从低到高的顺序将样本股票分成数量大致相同的低（low）、中（middle）、高（high）三组。将样本股票分成收益率不同的三组目的是为了在研究股票流动性溢价问题和比较不同流动性指标回归结果的同时，探究不同模型对不同收益率股票的解释能力的差异。如果模型中的α值显著异于零，则说明该模型不能解释股票的收益率，反之可以解释股票的收益率。将三个流动性指标依次代入改进后的Fama三因子模型中，运用Fama-Macbeth两阶段回归方法的回归结果如下：

1. 当L为换手率时，回归结果如表1所示。

通过表1，我们发现：

（1）CAPM模型和Fama三因子模型中的[α]都显著，说明在我国证券市场这两个模型中的因子不能完全解释股票的收益率，还存在其他影响收益率的因子。三个模型中的[βi]系数都显著，说明市场超额收益依然是影响我国股票收益率的重要因素。

（2）加入换手率影响因子的改进后的Fama三因子模型中[α]都不显著，证明改进后的模型能够增强对收益率的解释程度，换手率在一定程度上影响股票的收益率，而且从拟合优度的数值上看，第三个模型明显优于前两个。所以我国股票市场存在流动性溢价现象。

（3）换手率的回归系数[βl]为负，这也符合相关的理论解释。因为换手率越低，证明该股票流动性越差，那么期望的收益率会越高，因此换手率与收益率存在负相关性。

（4）从三组不同收益率组合整体回归结果的拟合优度和回归系数[βl]来看，换手率这一流动性度量指标对低收益率股票的拟合优度和回归系数最大，解释能力最强。

2.当L为成交金额时，回归结果如表2所示。

通过表2，我们发现：

（1）与表1中[α]的结果类似，CAPM模型和Fama三因子模型中的[α]显著不为零，[βi]的回归结果显著，说明前两个模型不能完全解释我国股票的收益率，但是市场超额收益仍是影响股票收益的重要因素。

（2）加入成交金额因子的改进后的Fama三因子模型中[α]都不显著，证明改进后的模型能够增强对收益率的解释程度，且模型的拟合优度较前两个模型来说有所提高，所以我国股票市场存在流动性溢价现象。

（3）成交金额在中等收益率组合中的回归系数[βl]为负，这一结果有相应的理论支持。因为如果成交金额越低，证明该股票流动性越差，那么就要有更高的风险补偿人们才愿意投资，因此成交金额与收益率存在负相关性。但是在低收益率和高收益率投资组合中，系数[βl]的回归结果并不理想，结果不显著。

（4）以成交金额为流动性度量指标的模型三相对于前两个模型来说对股票收益率的解释能力有所加强，但是效果不是太明显，规律性不强。并且成交金额只在中等收益率水平的投资组合中回归结果显著，在低和高收益率水平的股票投资组合中回归不显著，说明成交金额这一流动性度量指标不太适用于中国股市。分析其原因可能是由于成交金额是绝对量而模型中的其他变量大多是比率，这可能使回归结果不理想；其次成交金额大的股票不一定流动性很好，可能是因为其股票的价格本身就很高而交易股票的频繁程度一般，所以其对股票收益率的解释能力一般。

3. 当L为Amihud非流动性比率时，回归结果如表3所示。

通过表3，我们发现：

（1）与前面两个表中所得结果一样，在此不再重复。

（2）与前面两个表中所得的结论类似，加入Amihud非流动性比率影响因子的改进后的Fama三因子模型中[α]都不显著，且拟合优度较前两个模型来说大大提高，说明我国股票市场存在流动性溢价现象。

（3）Amihud非流动性比率的回归系数[βl]为正，这也符合相关的理论解释。因为如果股票的非流动比率越高，即单位交易量对收益率的影响越大，说明该股票流动性越差，那么就需要有相应的流动性补偿投资者才愿意投资，因此非流动性比率的值越大，收益率相应应该越高，二者之间正相关。

（4）从三组不同收益率组合整体回归结果的拟合优度和回归系数[βl]来看，加入Amihud非流动性比率因子使模型的解释能力显著提高，同时发现Amihud非流动性比率这一流动性度量指标对中高等收益率股票的拟合优度和回归系数最大，解释能力最强。

总结三个表中的实证结果，可以得出：我国股票市场存在流动性溢价现象；改进后的Fama三因子模型可以提高对股票收益的解释能力；换手率、成交金额与收益率之间成负相关，Amihud非流动性比率与收益率之间成正相关；三个指标中，Amihud非流动性指标回归结果拟合度最高，其最适用中国股票市场流动性的测度。另外还有一发现有待进一步验证：包含成交金额的改进后的Fama三因子回归结果不理想，包含换手率的改进后的模型适合解释低等收益率的股票，包含Amihud非流动性比率的改进后的模型更适合解释中高等收益率的股票。下面运用分位数回归的方法来具体研究三个指标的适用性。

（三）分位数回归结果分析

采用分位数回归的方法是为了更好地探讨收益率在不同的水平下，不同的流动性指标对其的解释能力，观察两者之间是否有显著的变化和规律。金融数据经常存在厚尾分布现象，而分位数回归的方法恰恰考虑了函数在各个局部的分布情况，比普通最小二乘法更有优势。

下面构造包含换手率、成交金额、Amihud非流动性比率三个测度指标在内的资产定价模型：

[E（ri）-rf=α+βi（E（rm）-rf）+siSMB+hiHML+βtTurnover+βqQua+βilILLIQ]

其在不同的分位数水平下的回归结果如表4所示。

从分位数回归结果中可以看出：市场超额收益率的系数βi始终显著，说明市场超额收益率对股票的收益率有较重要的影响；规模因子SMB的回归系数在分位数水平θ>0.6时显著为正，说明规模效应在高收益率的股票中影响显著；账面市值比因子HML的回归系数规律性不强，结果大多不显著；换手率的回归系数βt在0.1≤θ≤0.3的分位数水平下显著存在，说明在较低收益率水平下，换手率与其存在较强的负相关性；成交金额的回归系数βq规律性不强，大致上与收益率负相关；Amihud非流动性比率的回归系数βil在0.4≤θ≤0.95的分位数水平下显著，并且两者的正相关性越来越强。各个分位数水平下的拟合优度R2 都在0.6左右的水平。

分位数回归的结果与Fama-Macbeth两阶段回归的结果大致相似，更好地验证了三个指标所使用的不同情况。三个流动性度量指标中，换手率和Amihud这两个指标较为适合解释中国股票市场的实际情况。当收益率处于较低水平时，用换手率来测度流动性水平，能够更好地解释流动性溢价现象。当收益率处于中高水平时，用Amihud非流动性比率来测度流动性水平，能够更好地解释流动性溢价现象。

四、结论

本文采用2000年1月到2015年12月样本区间内所筛选出的307只沪深A股的交易数据，通过构造改进后的Fama三因子模型，实证检验我国A股市场是否存在流动性溢价现象以及对三个流动性测度指标进行比较分析。本文有如下结论：

第一，市场的超额收益率对股票收益率仍具有很强的解释能力。由三个模型的回归结果可以看出，超额收益率的系数都非常显著，说明其仍然是影响股票收益率的重要因素。

第二，我国股票市场存在流动性溢价现象。由回归结果看，相对于传统的CAPM模型和Fama三因子模型，加入流动性因子的改进后的模型对股票收益率的解释能力明显加强。

第三，不同的流动性指标对股票收益率的解释能力不同。三个流动性指标中，成交金额的特征不明显，回归结果大多不显著，有待进一步研究，而换手率与Amihud非流动性比率特征较为明显。在低收益率水平下，换手率这一测度指标能够更好地解释包含流动性因子的定价模型；而在中高收益率水平下，Amihud非流动性比率能够更好地解释包含流动性因子的定价模型。

参考文献：

[1]Langnan Chen，Steven Li，Jinan Wang. 2011. Liquidity，Skewness and Stock Returns：Evidence from Chinese Stock Market[J].Asia-Pacific Financial Markets，18.

[2]Ho Tsung-wu，Chang Shu-Hwa. 2015. The pricing of liquidity risk on Shanghai stock market[J].International Review of Economics and Finance.

[3]周芳，张维，周兵.基于鞅测度的流动性风险溢价的测算[J].数学的实践与认识，2011，41（10）.

[4]刘向华，胡飞.基于FARM的我国股市流动性溢价的实证研究[J].统计与决策， 2012，（19）.

[5]杨晓波.中国A股市场的流动性溢价研究[D].西南财经大学硕士研究生论文，2014.

[6]石永磊.股票流动性与预期收益率的关系—主板与创业板的对比分析[D].浙江工商大学硕士研究生论文，2013.

[7]周芳，张维.中国股票市场流动性风险溢价研究[J].金融研究，2011，（50）.

[8]黄峰，杨朝军.流动性风险与股票定价：来自我国股市的经验证据[J].管理世界，2007，（5）.

[9] 邹小芃，黄峰，杨朝军.流动性风险、投资者流动性需求与资产定价[J].管理科学学报，2006，（6）.

[10]李一红，吴世农.中国股市流动性溢价的实证研究[J].管理评论，2013，（15）.