《基于空间面板数据模型的股票收益率影响因素分析-张玉华.pdf》由会员分享，可在线阅读，更多相关《基于空间面板数据模型的股票收益率影响因素分析-张玉华.pdf（12页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、收稿日期:2015 -09 -22 修回日期:2016 -03 -25基金项目:国家自然科学基金项目“我国上市公司透明度空间分布的非均衡性及其传染性问题研究”(71573178)。作者简介:张玉华(1968 - ),男,湖北荆州人,上海师范大学商学院教授,博士,研究方向:投资经济学、管理学。基于空间面板数据模型的股票收益率影响因素分析张玉华,宋韫赟,张元庆(上海师范大学商学院,上海,200234)摘要:本文利用空间面板数据模型对股票收益率的影响因素进行研究。在S - CAPM理论基础上,利用2007年第一季度到2015年第三季度的季度数据,对影响股票收益率的宏微观因素进行实证研究。估计结果表明
2、:股票市场数据存在着显著的空间依赖性,固定效应下的空间误差模型对系数估计、模型选择做出了有效解释。最后分析了各影响因素的传导效果,并据此提出了对股票市场投资和政策制定的相关建议。关键词:空间依赖性;空间面板数据模型;股票收益率中图分类号:F830 9 文献标识码:A 文章编号:1002 -9753(2016)05 -0172 -12Analysis of the Factors that Influence Stock Return Based on Spatial Panel Data ModelZHANG Yu-hua , SONG Yun-yun , ZHANG Yuan-qing(Sc
3、hool of Finance and Business, Shanghai Normal University,Shanghai 200234,China)Abstract:This paper applied the spatial panel data model to study the factors that influence stock return we usequarterly data from the first quarter in 2007 to the third quarter in 2015 to conduct the empirical Study abo
4、ut the Macroand Micro factors that influence stock return based on the theory S-CAPM The empirical results show that it is obviouslythat there exist spatial dependence in stock market data; in this research, Spatial error model with fixed effect give theeffective interpretation in model choosing and
5、 coefficient estimating; finally we analysis the effect of each factors, andput forward some suggestion about the investment on stock market and making policyKey words:spatial dependence; spatial panel data model; stock return一、引言和文献综述近年来,实体经济对资本市场的依赖逐渐增强,我国“十三五”规划强调要健康发展资本市场,提高直接融资比重,降低杠杆率。可见,健康发展资
6、本市场必将成为中国“十三五”期间改革的重要方向。随着股票市场规模的不断发展壮大,关于股票收益率影响因素的研究,也日渐成为学术界和金融业界关注的焦点。继著名的资本资产定价模型之后,Fama和French(1992)提出了包含市场风险、市值与账面市值比的三因子模型。在此基础上,国内外学者不断拓宽解释投资回报的市场因素,从宏观经济因素、微观公司层面等多个角度展开了广泛而深入地研究。在宏观经济因素层面上,学术界通过理论推理和实证研究,对影响股票收益率的宏观经济变量进行了探讨,国内生产总值GDP反应了一国的经济景气情况,投资者会根据经济景气状况进行证券投资评估,当一国经济繁荣时,表现为GDP增长较快,经
7、济向好,企业效益增加,发展有前景,因271中国软科学2016年第5期而股票市场投资活跃。研究表明国内生产总值等宏观经济变量能够影响股票市场价格波动(杨蕾,2014)1。此外,学者们还分别对单个宏观经济变量对股票收益率的影响进行了深入研究,希望据此为经济决策提供参考依据。在货币供应量方面,根据古典经济学理论,中央银行通过货币政策调控货币供应量,国民经济水平对此做出反应,从而货币供应量通过国民经济水平间接影响了金融市场资产收益。相关研究也表明我国股市呈现明显的“政策市”特征(周晖,2010;王曦、邹文理,2011)2 -3,具体表现为,货币供应量增加,股价上升。而在孙华妤和马跃(2003)的研究中
8、,构建了包含广义货币供应量、股价、消费价格指数三者的VAR模型,发现货币供应量的变化对股市并没有影响4。在汇率方面,古典经济学理论中汇率决定的流量导向理论以及股票导向理论认为,汇率与股价之间存在相关关系。有学者根据协整理论构造了向量误差修正模型对此进行了实证研究,结果表明汇率在短期和长期中作用效果不同(张啄,2010)5。 Grange和Huang(2000)研究亚洲几个地区的股市日交易数据,发现汇率与股价之间存在显著的相关关系6。在通货膨胀方面,通胀对股价的影响会随着我国经济发展及股票市场的发展日渐扩大(陆筱叶,2007)7。相关研究从新古典宏观经济学理论的视角出发,考察了通货膨胀与股价之间
9、的相关关系。现值贴现模型理论认为通货膨胀率增加会降低股价,即构成一种负相关关系。董秀良(2013)指出通货膨胀率与股价之间呈负相关关系8,但同时赵蓉(2000)对美国通胀和纽交所股价指数做回归的结果为1 55,为正相关9。因此通胀与股价之间的关系并不十分确定。在微观层面上,现有研究表明,公司财务指标与股票价格之间存在相关关系。文海涛和倪晓萍(2003)选取了492个公司,并计算了财务指标与股价之间的相关系数,结果表明每股收益与股价的相关程度最高,资产负债率与股价之间也存在负相关关系,而净资产收益率与股价之间的相关程度较小10。在每股收益方面,吕东波(2014)对医药行业的样本数据进行了研究,发
10、现公司股票价格变动率与每股收益率变动率有显著的相关关系11;每股收益反映了企业的经营效果,每股收益越大,企业效益越好,因而股价上升,投资者回报率越高。在净资产收益率方面,赵志君(2003)分析了奥尔森剩余收益定价理论,指出股价决定于净资产收益率、资本成本等12;财务指标中净资产收益率具有很强的综合性,反映了所有者权益的回报率,该指标值越大,投资有效率越高,股票回报率越高,财务理论认为净资产收益率与股票收益率具有正相关关系。在资产负债率方面,净资产负债率反映了公司的负债经营程度,该值越小,公司的偿债压力越小,因而利用财务杠杆融资的空间越大,公司总体经营效益较高,股票需求上升,股票收益率增加;雒文
11、(2013)以A股面板数据为研究对象,分析行业资产负债率和股票收益率之间的关系,发现它们之间存在显著的负相关关系13。现有文献多从时间序列及面板数据角度开展研究,解释相关自变量对股票收益率的影响,这种研究思路和方法忽视了数据的空间依赖性。在研究股票市场时,我们发现股票价格除了受股票市场外的因素影响外,其市场内部的股票与股票之间也呈现一定的相关性,股票市场会呈现某类股票的整体涨跌,即同一类型下的股票在个别股票的拉动下,会跟随该个股呈现价格上涨或下跌的趋势,这说明股票市场存在股票与股票之间的空间依赖性,违反了回归模型的Gauss-Markov假设,不能简单运用时间序列进行解释。空间计量模型能够较好
12、地反映股票市场上的这种空间依赖性,在各种空间模型中,空间面板模型由于包含更多变量的同时又减少了变量之间的共线性,因此能够更好地对空间性质进行描述。在运用空间计量研究股票的问题上,Fernandez(2011)依据126个拉美公司的面板数据,首先运用资产定价S-CAPM模型考察了国际金融市场的空间依赖性14。潘荣翠、张鑫和韩跃红(2012)选取了几个国家的数据进行研究,发现全球不同地区之间的股票指数存在显著的空间相关性,并通过构建空间计量模型研究了宏观经济因371学术动态与新视点基于空间面板数据模型的股票收益率影响因素分析素对股票指数的影响15。 Eckel和Volker(2011)定义了地理空
13、间距离,考虑了在地理距离的作用下股票市场的空间相关关系,结果表明股票市场指数存在显著的地域相关性16。 Arnold、Stahlberg和Wied(2013)运用GMM估计的方法研究了不同模型下的股票市场回报的空间自回归情况,研究结果表明,与一般截面和面板模型相比,空间自回归方法能够更有效地进行估计17。 Asgharian、Wolfgang和Lu(2013)运用空间计量的方法,研究了城市经济状况和地理关系对几个股票市场价格协动性的影响,发现美国、英国、日本这三个地区单元通过贸易连接可以对周边地区股票市场产生强烈的冲击作用18。本文依据股票价格的空间依赖性特征,对股票价格的空间相关程度进行考察
14、,然后以一个空间的资产定价模型( spatial-capital asset pricingmodel,S-CAPM)为基础,在综合考虑影响股票收益率的相关经济因素后,构造空间面板数据模型,对股票收益率的影响因素进行了实证分析。研究结果对我国“十三五”期间科学规划和完成“加强金融宏观审慎管理制度建设、加强统筹协调”的任务,特别是对股价波动预测、资金投资配置方面,具有一定的指导意义。二、理论分析与建模有效市场假说假设市场是理性的,指出证券市场股票价格能够准确且全面地反应市场上所有信息,基于这些信息的交易不能获取经济利润。有效市场假说在一定程度上帮助人们更好地理解了证券市场,但作为有效市场假说的前
15、提 理性人基础的假设并不总是成立,面对复杂的投资环境,投资者在进行交易时并非能够获得完全的信息,即便在获取足够的信息时,由于投资者的知识素养等原因,投资者不能进行正确的决定。马琳、何平和殷切(2015)在研究A股市场定价效率时就曾指出,投资者对股票估值是非理性的,投资情绪不稳定,短期定价无效19。近些年发展起来的行为金融学理论认为现实世界中人是有限理性的,特别地,在我国的金融市场上存在着显著的“羊群效应” 投资者形成的预期会受到其他人影响,其投资决策往往采取从众的模式20 -22。Shiller(1990)对这种现象做出解释,指出这种受他人影响的从众行为是一种投机现象,与投资者的行为特征有关,
16、他假设市场上有两类投资者:“噪声交易者”和“知情下注交易者”。其中“知情下注交易者”依据现有信息,判断股票价值,以此进行资产分配和投资;而“噪声交易者”只观测市场趋势,追求市场风潮,同时易对可能会影响未来股价的信息做出过度反应23。而在一段时间内,股票的供给是固定的,股票的需求取决于市场里的资金总量、资金走向,供需决定均衡价格。在当前金融格局下,例如行业政策等基本面的协同变动会引起股票间收益的联动,加之“噪声交易者”在形成自己投资预期时的从众行为,使得股价不仅仅受其自身因素影响。具体而言,知情者对个股的某些特质了解,进而对个股进行投资买入。市场上更多的资金会购买该股票,而股票供给有限时,这就导
17、致该股票价格上涨。另外,投资者可能会同样看好与之相关股票(例如同行业)的盈利预期,进而追捧相关股票,通常情况下投资者会对同一行业板块内股票进行买入,而噪声者会对这种波动迅速做出反应,引起追风潮现象,在需求增加的情况下直接导致相关股票的价格飙升,这也即通常所说的“板块现象”,即在某一时期内,与某一事件相关联的股票,其价格涨跌有明显的一致性,中国股市中具有显著的“板块现象”,板块内的股票收益协同。对当前股票市场上这种板块涨跌现象进行考量,进行股价之间的相关程度分析。 Reshef、Finucane和Grossman(2011)提出了进行相关性度量的“最大信息数” ( maximal informa
18、tioncoefficient,MIC)指标,与其他相关系数指标相比,MIC利用大数据本身的数据信息进行拟合估计,不设定初始模型,因而MIC在度量线性或非线性相关关系时,其估计的结果更为良好24。本文根据MIC理论对股价之间相关性进行度量。图1中绘出了本次研究中各行业板块中各个股股价之间的MIC值统计直方图,限于篇幅,文中只列出了四个行业MIC值直方图。通过大数据分析MIC值进471中国软科学2016年第5期行相关性研究后可以发现股价之间存在较高的相关性,表现为股票市场存在显著的板块整体涨跌现象。另外,Sanders和Irwin(1997)提出衡量投资者行为一致性的横截面绝对偏离度(cross
19、-sectionalabsolute deviation, CSAD )指标: CSAD =1n ni =1ri - rm ,其中, n表示市场上股票数量, ri表示表示一只股票的收益率, rm表示市场组合的收益率25。相关研究利用这一指标构造模型研究市场上“羊群行为”和股价变化趋同现象:利用资本资产定价模型CAPM,有:ri = rf + (rm - rf)i (1)其中ri表示表示一只股票的收益率, i衡量了系统性风险, rf表示无风险利率, rm表示市场组合的收益率。因为:rm = rf + (rm - rf) (2)由式(1)和式(2)得:ri - rm = (i - 1)(rm -
20、rf) (3)对(3)式两边取绝对值,同时两边加总求和取平均,且由于风险溢价的存在,市场组合的收益率大于无风险收益率,最终可得:CSAD = 1n ni =1ri - rm = 1n ni =1i - 1(rm - rf) (4)在(4)式中对rm求一阶导数和二阶倒数得:(CSAD)(rm) =1n ni =1i - 1 0,2(CSAD) (rm)2 = 0(5)由此可见,由CAPM模型出发,横截面绝对偏离度CSAD与rm呈现线性递增关系,而当存在羊群行为时,股票齐涨同跌,收益率趋同,此时CSAD将会与rm呈非线性关系:CSAD = + b1 rm + b2 (rm)2 (6)通过考察b2显
21、著为负,可得知这种造成“板块现象”的羊群行为是存在的。相关学者在这方面也做出较多工作26 -28,结果表明我国股票市场存在着羊群行为,股价变化趋同。鉴于股价之间的高度相关性,本文引入空间计量的思想对股票收益率间的协同性进行分析,空间计量模型能够较好地反映股票市场上的这种空间依赖性。图1股价之间的MIC值直方图571学术动态与新视点基于空间面板数据模型的股票收益率影响因素分析 在研究资产定价的模型中,因素模型(factormodel)反映了风险资产对其影响因素变动的敏感程度。市场模型也是一个因素模型,因此,将市场指数的收益率作为唯一因素来考察风险资产收益率。在假设投资者采用马科维茨的理论进行投资
22、管理的基础上,资本资产定价模型(capital assetprice model, CAPM)阐述了市场均衡状态的形成。CAPM模型认为一个资产的预期收益率与衡量该资产风险的基准值之间存在正相关关系,因而可以将收益与风险表示成线性关系。由于在实际应用过程中,风险资产往往不只受市场指标变动的影响,还存在对风险资产具有广泛影响的其他经济因素,而CAPM模型认为所有资产都只与市场组合存在线性关系。在CAPM的基础上,逐渐发展出多因素模型。多因素模型认为风险资产收益率与多个影响因素相关,这些因素代表了可能影响风险资产收益的一些基本经济因素,因而在估计股票收益率时,多因素模型比CAPM模型更加有效。考虑
23、到股票市场资金供求理论下的截面相关特征,本文采用能够反映空间依赖性的空间计量模型进行分析,空间计量模型包括空间滞后模型(SLM)和空间误差模型(SEM)。在理论上,已经有学者将空间依赖性引入股票收益率的定价模型,Fernandaz(2011)在CAPM模型的基础上,提出S-CAPM模型14,该模型的假设条件与传统的CAPM假设条件相同,在CAPM模型的基础上引入空间项。空间滞后模型(spatial lag model,SLM)用于研究相邻空间单元之间的作用及其对整个系统产生的影响,即认为因变量存在空间依赖性。空间滞后的CAPM模型可表示为:r - rf = W(r - rf) + (rm -
24、rf) + (7)其中是误差项; r - rf表示超额回报,为列向量; W(r - rf)为自回归项; 衡量了系统性风险。上式表明一个资产的风险溢价与其相关资产的回报率呈线性关系。同样,空间误差模型(spatial error model,SEM)用于研究邻近空间单元的误差项对本单元的冲击,以及进而对因变量产生的影响,即认为误差项存在空间依赖性,空间误差的CAPM模型为:r - rf = (rm - rf) + = W + (8)在这样的定义下,误差中未预期到的影响因素同样受其空间邻接单元影响。作为单因素模型的一个特例,S-CAPM是对所有风险资产收益率期望值为零的单因素模型。单因素模型将影响
25、收益的因素分解为系统风险和公司特有风险,这种分析方法不仅过于简单,而且把系统风险限制在单一因素内是过于简化的。实际上,用市场收益来概括的系统风险受多种因素影响,如国内生产总值、通货膨胀、汇率波动等。在应用时,通常采用多因素模型的形式,来对风险资产的收益率进行估计。基于前述分析,由S-CAPM出发,推广到多因素模型。其中空间滞后的多因素模型表示为:r = Wr + F + (9)其中是误差项, r表示风险资产收益率, Wr为自回归项; F表示影响风险资产收益率的因素,衡量了风险资产收益率对这组因素的敏感程度。式(9)表明风险资产的收益率与影响其的各因素呈线性关系。同样,空间误差的多因素模型表示为
26、:r = F + = W + (10)根据前述分析,我们认为不同股票之间的价格在宏观经济条件和公司财务因素下存在着相互影响,进一步考虑到变量的时间序列特征,结合多因素空间截面模型,选取多个个体不同时期的数据,进行面板数据分析,从空间计量的角度进行建模,构造多因素空间面板数据模型:空间面板滞后的多因素模型表示为:rt = Wrt + Ft + t (11)其中t是每期误差项, rt表示每期风险资产收益率, Wrt为自回归项; Ft表示影响风险资产收益率的因素, 衡量了风险资产收益率对这组因素的敏感程度。该模型假设条件与套利定价理论(arbitrage pricing theory, APT)相同
27、。同样,空间面板误差的多因素模型表示为:rt = Ft + t t = Wt + t (12)671中国软科学2016年第5期三、空间计量实证分析1模型建立与数据的获取基于上述分析,本文构建了空间面板数据模型。其中,多因素空间面板滞后模型:retit = nj =1wijretit + 1gdpit + 2exrit + 3cpiit +4bmrit + 5epsit + 6roeit + 7darit + i + it (13)多因素空间面板误差模型:retit = 1gdpit + 2exrit + 3cpiit + 4bmrit+ 5epsit + 6roeit + 7darit + i
28、 + itit = nj =1wijit + vit (14)其中被解释变量为股票的对数收益率ret ,解释变量为国内生产总值gdp 、直接汇率exr 、环比通货膨胀率cpi 、环比广义货币供应量增长率bmr 、每股收益eps 、净资产收益率roe 、资产负债率dar 。面板数据包括时间序列和截面样本两个维度:个体(N)和时间(T)。本文选取微观面板的研究视角,微观面板的特点是个体数N较大,而时期数T较小,主要针对个体进行研究。在样本选取上,本文选取沪深300指数中中长期较稳定的300只股票,并根据证监会上市公司行业二级分类标准对选取的样本进行分类,共43类,诸如房地产业、农业、货币金融服务业
29、、航空运输业、汽车制造业、医药制造业等;在时间维度上,本文数据选取自2007年1月1日到2015年9月30日,考虑到宏微观变量数据获取上的条件限制,本文以季度为分析单位,共35个季度。本文数据来自Wind数据库及中国证监会。2空间权重矩阵的设定进行空间分析的第一步是要设定空间相关矩阵W 。在研究空间计量经济学的早期文献中,空间权重矩阵设定多从地理学的角度出发进行设定,对地理距离做一定形式的变换来定义空间影响权重,如Lottmann(2012)在研究失业率差异的时候,定义了空间矩阵元素采用地理距离衰减的指数形式29。随着空间计量经济学研究的深入,许多学者开始从“经济距离”的角度考察地理学第一定律
30、(即地理事物或属性在空间分布上互为相关)在经济学上的应用,逐步发展出经济距离权重矩阵。例如林光平和吴梅(2005)在研究经济增长时,以地区之间人均收入差距的倒数作为空间权重矩阵中的元素30。 Fernandez、Montero和Orlove(2012)通过FDI定义了不同地区的经济联系程度来研究股票市场之间的协动性31。本文即从经济学的角度来定义空间距离,设定权重。在空间权重矩阵的设定上,本文首先对股票进行行业分类,再按照如下方法设定权重值:wij = 1当股票i和股票j属于同一分类时0当股票i和股票j属于不同分类时(15)i,j = 1, ,300按照上述方法,设立空间权重矩阵,并进行标准化
31、,最终得到一个300 300的空间相关矩阵。3空间相关性度量空间相关性反映的是变量的某一属性值与其空间相邻单元的变量同一属性值的相关程度,在实证研究中,可以通过Morans I指数进行相关程度大小判断。 Morans I定义如下:Morans I = ni =1 nj =1wij(yi - y-)(yj - y-)S2ni =1 nj =1wij(16)其中, S2 = 1n ni =1(yi - y-)2 , y- = 1n ni =1yi , yi表示第i只股票的股票收益率观测值, n为股票总数,这里n = 300 , wij为邻接矩阵W中的元素。Morans I指数I的取值一般在-1到1
32、之间。进一步,计算Morans I的正态统计量Z值以检验显著性:Z = Morans I - E(Morans I)VAR(Morans I)(17)如果Moran s I的正态统计量的Z值大于0 05水平下的临界值1 65,表明股票收益率在给定的空间关系下具有显著的相关性,即同一类目下的股票收益率具有显著的空间依赖性。根据Morans I指数模型,我们测算了样本区间的35个季度的收益率空间相关性,并进行显著771学术动态与新视点基于空间面板数据模型的股票收益率影响因素分析性检验。限于篇幅,本文只列出前8个季度的MoranI指数,如表1。在所有时期的空间相关性检验中,除第1期及第2期外,其他3
33、3期数据均显著。为进一步探讨收益率的空间相关性,图2给出了前8个季度的Moran散点图,其中第一象限表示高收益率被同是高收益率包围,这种集聚称为高-高集聚,与之相应的是第三象限的低-低集聚。由图可以看出大多数点均落在一三象限内,即同一板块内股票数据受其同类股票影响,Morans I指数为正,呈现正向的空间依赖性。以上分析表明沪深300各成分股股价之间存在显著的空间依赖特征。且Morans I指数值均大于零,可见股票收益率在同一类目下正相关。因此我们可以对股票收益率数据进行空间建模估计。4参数估计结果Elhorst(2003)对空间面板模型的估计进行研究,提出的极大似然法(MLE)32。本文采用
34、MLE方法对建模进行估计,其结果表2。表1 Morans I指数交易日1 2 3 4 5 6 7 8Morans I 0 0529 0 04629 0 1562 0 1462 0 1824 0 3246 0 1814 0 3337 Z值1 5597 1 3734 4 4203 4 2010 5 1319 9 0559 5 1092 9 3277P值0 05941 0 08482 4 928e -06 1 329e -05 1 434e -07 2 2e -16 1 617e -07 2 2e -16注: 表示在1%的显著性水平下显著。图2前8季度股票收益率Moran散点图871中国软科学201
35、6年第5期表2空间面板模型估计结果变量Fixed SLM Random SLM Fixed SEM Random SEMIntercept -86 377561 -202 825033 0 595896 0 574234 0 596257 0 574667 exr 10 006833 10 484869 25 021126 24 972871 cpi 0 711918 0 779727 1 904673 1 929330 gdp 1 198303 1 295812 2 995715 3 022536 bmr 14 801453 15 619000 37 573713 36 584824 eps
36、 4 546955 2 688899 4 589674 2 635486 roe 0 129583 0 163489 0 131393 0 164754 dar 0 0846650 0 013813 0 071949 0 199334注: , ,表示在0 1%,1%,5%的显著性水平下显著。从估计结果来看,四个模型中,总体上各因素显著性水平均较高,同时,在作用效果上,与之前假设的正负向预期差别不大,可见在考虑空间依赖性后,进行空间建模的估计结果较好。5空间滞后模型与空间误差模型的选择Burridge ( 1980 )、 Anselin ( 1988 )以及Elhorst(2010)在模型的选择
37、和检验中做出了大量的贡献,提出了LM-error、 LM-lag准则和robust LM-error、robust LM-lag准则33 - 35 。在模型选择上,首先进行空间面板的LM-error检验和LM-lag检验,在检验结果均显著的情况下,再做robust LM-error和robust LM-lag检验,同时结合实际研究问题进行分析,进行模型选择,以更好的对模型进行估计。为进一步验证是否有必要建立空间模型,我们进一步做相关检验 通过LM检验和相应的robust LM检验来确定是建立空间面板滞后模型还是空间面板误差模型。检验结果表3。表3 LM及robust LM检验结果检验LM-la
38、g LM-error robust LM-lag robust LM-error统计量值6 2665 9 8561 9 0227 12 6123P值0 01230 0 001693 0 002667 0 000383可见在模型选择上,LM-error与LM-lag更加显著,同时较之robust LM-lag,robust LM-error更加显著,因此空间面板误差模型SEM为更加恰当的模型形式。6固定效应和随机效应在固定效应和随机效应选择上,目前相关文献有两种方法,第一种基于Hsiao ( 2003 )、Wooldridge(2000)研究的理论原则:如果用样本数据对总体进行推理估计,即从一个
39、很大的总体中随机抽样,则应采用随机效应模型;如果样本以本身进行推理估计,即样本容量接近整个总体,则宜采用固定效应模型36 -37。第二种,先对普通面板数据模型进行选择,在此基础上再进行空间面板分析。如骆永民(2010)在用空间面板模型研究城际基础设施差距的时,首先对普通面板进行了Hausman检验选择了固定效应,接着再进行了空间面板的数据分析工作38。根据Elhost(2010)的最新研究,在对模型的随机效应和固定效应选择问题上,利用R语言,对空间面板误差模型进行空间Hausman检验,其中原假设为模型选用随机效应。结果见表4:表4 Hausman检验结果卡方分布值P值Hausman检验33
40、823 1 895e -05971学术动态与新视点基于空间面板数据模型的股票收益率影响因素分析 从LM检验来看,存在空间效应;从robust LM检验来看,空间面板误差模型更为合适;从Hausman检验来看,选择固定效应而不选择随机效应,同时本文对沪深300指数的全部300只股票对股票收益率进行估测,从理论上亦应选用固定效应模型。四、结果分析与相关建议1研究结论本文根据27个季度的股票交易数据,基于经济理论分析推测股票之间存在较强的空间相关性,通过Morans I指数检验进一步表明在相同分类下股票收益率之间存在高度空间依赖性,且表现为正相关性,即当同一分类下某只股票的价格上涨或下跌,会带动同一
41、分类下其他股票价格的上涨或下跌,具有显著的板块联动现象。我们进一步从微观面板出发,选用季度因素数据,通过建立随机效应和固定效应下的空间面板滞后模型以及空间面板误差模型,分析了汇率、环比通货膨胀率、GDP增长率、货币供应量增长率、每股收益、净资产回报率及资产负债率七个宏微观经济因素对股票收益率的影响。在计量实证上,通过四种模型的估计结果比较以及LM检验、Hausman检验,空间面板误差模型的固定效应估计系数在百分之九十五的水平均显著。理论上本次研究在解释变量选取上可能存在其他我们未考虑到的股票收益率因素,误差项中存在未完全解释的空间依赖性,同时,当研究样本较大时,理论上亦应构造固定效应下的空间面
42、板误差模型。通过实证模型估计检验和结果理论分析,我们发现固定效应下的空间面板误差模型在分析股票收益率影响因素问题上更为有效。根据模型的估计结果进行分析,在宏观经济层面,汇率、货币供应量增长率、通货膨胀率以及国内生产总值增长率均正向影响股票收益率。考虑到时间跨度的问题,我们认为汇率的流量导向模型对股价影响程度较小,而从存量导向模型来看,当前中国市场经济正在逐步成熟,人民币汇率制度正在逐步完善,股市更加趋向市场化、自由化。虽然中国的资本市场没有完全开放,但在政府管制的范围内,外资仍旧可以通过相关渠道进入中国资本市场,进而影响股票价格。汇率的动态波动是对资本进出的反映,短期内,可认为其由市场供需决定
43、,股价的上升会吸引更多的外国投资者,资本流入增加,本币需求上升,本国货币供给相对减少,导致股票需求减少,而股票供给不变,股价下跌,股票收益率下降。本文中选用直接汇率数据(即单位美元兑人民币数量)进行估计,则人民币升值,股票收益率下降,表现为直接汇率下降,股票收益率下降,即汇率与股票收益率之间正相关。在本文研究时间段内,中国经济在世界经济危机背景下一枝独秀,实体经济产出水平较高,国民消费需求也在增加,作为实体经济的反映,通货膨胀上升动力较强,其结果导致股票收益与通货膨胀正相关,本结果同韩再红(2008)等研究结果相同39。在GDP方面,股票市场作为实体经济的“晴雨表”,国民经济向好,股市收益也会
44、增加,本文在考虑到股票收益率的空间相关性后,研究结果依然表明股票收益率与国内生产总值增长率之间正相关。在货币供应量的方面,从预期效应上分析,货币供应量增加时,投资者预期股票市场的资金供给增加,因而会推动股价上涨;从投资组合效应上分析,多余的货币供应部分会进入股票市场,导致股票需求增加,在供给一定时,推高股价;从股票的内在价值效应上分析,货币供应增加,导致利率水平下降,价值贴现,同样使股价升高。在微观公司层面上,当上市公司处在相同宏观经济环境中时,每股收益越高,表明股票回报越高,因而每股收益与股票收益率呈正相关关系;净资产收益率表明投资效率,当投资报酬越高时,即导致市场投资者看好个股走势,供给一
45、定的情况下,需求上升推升股价上涨,反应了净资产收益率与股票收益率之间的正相关关系。本文研究中,资产负债率的系数为正,这是与传统的经济学理论和财务理论的观点 资产负债率负向影响股票收益,是不同的。在对本文的样本数据进行研究发现,大多公司的资产负债率很高,诸如银行业更是在80%以上,根据巴塞尔协议,资产负债率081中国软科学2016年第5期在92%以下是一个正常的水平,但在数据研究上,并不能反映这一点,因此可能导致资产负债与股票收益率的正相关关系。另外考虑到投资者的素质水平,结合中国股票市场的特殊性,资产负债率并不能很好地提醒市场投资者进行有效投资,例如市场上的“庄家”行为以及“ST”股的暴涨现象
46、,认为并不能纯粹地根据本文研究结果推测资产负债率与股票收益率的关系。另外相关研究也指出,当前中国股市应进一步加强监管,建立完善的内控制度,增加信息透明度以向投资人传递良好信息,规范市场投资行为(王艺霖、王爱群,2014;钟凯、程小可、姚立杰,2014)40 -41。可见,应进一步加强公平公开的市场环境建设,确保投资者能合理合时地运用公司的财务信息对股票价值进行估值。2理论贡献虽然目前已有许多文献解释了相关自变量对股票收益率的影响,但大多简单从时间序列及面板数据角度展开,且多为研究股票市场外的影响因素,几乎都忽视了股票与股票之间价格涨跌的空间依赖性,这种研究思路和方法由于违反了回归模型的Gaus
47、s-Markov假设,其研究结论的准确性自然需要进一步验证。因此,本文的研究价值之一在于用实证的方法验证了股票价格除了受股票市场外的因素影响外,还存在股票与股票之间的空间依赖性,并在客观考虑这种空间依赖性的前提下,重新解释了相关自变量对股票收益率的影响。这为我国“十三五”期间健康发展资本市场,特别是为金融宏观管理制度建设、统筹协调精准决策和调控,提供科学的、符合客观实际的理论依据。3实践意义与相关建议当前中国股市中散户参与较多,市场上资金分散,因而噪声交易者较多,投机现象普遍,市场仍处于非理性发展阶段。由于某些股票价格之间存在高度空间依赖性,当少数公司股票价格上涨时,必将引起噪声交易者的盲目跟
48、进,造成显著的板块联动,而形成板块联动后又必将进一步导致交易者的追涨杀跌,必然会加剧市场的非理性。2015年6月期间,A股市场次新股板块的几轮暴跌就是这种市场非理性的恶果。为了资本市场的健康发展,我们建议如下:(1)监管机构在加强对投资者的教育、减少盲目跟风噪声交易、优化投资者结构的同时,应从大局出发,高度关注板块联动效应的风险防范,制定板块联动效应风险管控标准和管控机制,将板块联动效应控制在合理范围之内。一旦超过标准,应及时利用板块联动效应进行科学调控,及时有效管控市场,防止股市暴跌酿成股灾。(2)“十三五”规划强调要提高直接融资比重,降低杠杆率,这从2015年5月份A股市场的“股灾”后采取的措施中可见一斑 暂停配资。在中国股市涨跌幅限制下,高杠杆引起资金在板块间流动,杠