_T_1_交易对中国股市波动性的影响_基于1992_2008年时间序列数据的实证

自2005年8月22日,我国第一只股改权证——

—宝钢权证上市交易以来，权证市场显得异常火爆。尽管从2007年10月17日后，我国股市大盘指数一路狂泻，跌幅超过50%，成交量也是急剧萎缩，可是权证交易依然很火爆。面对此种情景，许多

投资者和市场人士开始对活跃权证市场的“T+0”

①

交易制度充满了期待，希望股市也能实行“T+0”交易。

“T+0”交易是目前相对成熟股票市场实行的交易制度，是国际上通行的一种回转交易方式，它有助于增强流动性、活跃市场。目前我国股市实行

“T+1”②交易制度,不过以前也实行过“T+0”交易，

以沪市为例，见表1。

1995年初，基于防范风险的需要，沪深两市A 股市场由“T+0”变为“T+1”回转交易制度，并延续至今。2001年12月，沪深B 股也由“T+0”变为“T+1”回转交易制度。中国股市虽然经过了十几年

的发展，但基本上还是一个投机市，无论是散户还是机构，投机炒作都非常明显。因此，在这样一个高度投机的市场里，推出“T+0”交易制度，只会助长股市的投机气氛，使股市变得更加疯狂，这显然不利于我国股市的健康发展。

对于这一点，我们从目前实行“T+0”交易的权证品种的炒作中可以清楚地看到。本文从“T+1”回转交易制度与股市波动性的关系这一角度展开实证研究。

实证方法

本文采用比较和实证的研究方法,对我国股票市场(包括A 股和B 股指数)分别实行“T+0”和“T+1”回转交易制度下的波动性进行了研究。通过比较不同时期实行“T+0”和“T+1”交易机制下的波动情况，可以发现哪种交易方式下我国股市的波动性较小。同时本文采用带虚拟变量的GARCH 模型，来研究当实行“T+1”交易方式后对我国股市波动的冲击。

1．变量设计。许多关于股市波动性的研究都选取日收盘价的收益率为研究对象，如陈守东等（2003）的研究。但本文认为虽然日收盘价的收益率可以反映股市的波动性，但与“T+0”和

“T+1”回转交易制度关联性较低，比如昨天和今

天股市的收盘价一样，那么日收盘价的收益率为0，但不能说股市这两天没有波动，因此本文选用日振幅这一变量作为研究对象，它是当日最高价

【摘

要】本文利用沪市A 股和B 股指数日内振幅数据,实证研究了“T+1”交易方式对我国股票市场波动

性的影响。结果表明，无论是A 股市场还是B 股市场，实行“T+1”交易后振幅的均值都减小，表明“T+1”交易方式有助于减小股市的波动。

在GAR CH 模型中,虚拟变量dt 的系数值为负,且在5%的显著性水平下表现显著,说明当实行“T+1”回转交易制度后,股市的波动性有减小的趋势。【关键词】股票市场;“T+1”交易;波动性;GAR CH 模型

【作者简介】葛勇，男，华东师范大学商学院金融系博士生，研究方向：证券投资和金融衍生品市场；叶德磊，男，华东师范大学商学院教授、博导，副院长，研究方向：资本市场和金融投资。

“T+1”交易对中国股市波动性的影响

———基于1992～2008年时间序列数据的实证分析

文/葛

勇叶德磊

表1

沪市回转交易方式变革一览

“T+0”交易“T+1”交易

A 股1992.12.24-1994.12.311990.12.19-1992.12.23；1995.1.3-至今

B 股1992.2.21-2001.12.22001.12.3-至今

权证

2005.8.22-至今

经济论坛Economic Forum

Feb.2009Gen.451No.3

2009年2月总第451期第3期

·45·

表4

A 股整个股指收益率序列ARMA 模型检验变量系数标准差t 统计量P 值C 0.0328190.00206915.861010.0000AR(1)0.4206340.03063313.731300.0000AR(2)0.1776940.030658 5.796059

0.0000调整的R 20.283140F 统计量205.2006DW 统计量

2.004383

P 值(F 统计量)

0.0000

和最低价的相对比值，计算公式为振幅=（最高价-最低价）/最低价。

2．数据选取。涨跌停板制度是影响股市波动的一个重要因素。

我国自股票市场建立,经过多次调整,到1992年5月21日全面放开了股价，没有涨跌板。后来为了抑制股票市场的过度投机，从1996年12月16起，统一实施了10%的涨跌停板制度。因此为了剔除不同涨跌停板对股市波动的影响,在选取数据时，对同一类股票在不同回转交易制度下比较时，采取相同的涨跌停板。本文以沪市为例来展开研究，将数据分成A 股（代码为000002）和B 股（代码为000003）指数两类，每一类具有相同的涨跌停板制度，数据来源于大智慧和文华财经交易软件，如表2所示。

3．实证模型。考虑到金融时间序列的异方差性和波动聚类性，GARCH （p,q ）模型可以比较好地反映股市的波动特征以及在外部事件冲击下对股市波动性的影响，其模型为

y t =a 0+m

k =1Σ(αk ×x k -1)+εt ,εt /覬t-1~N(0,h t )（1）

h t =b 0+p i =1

Σ(b i ×εt 2-i)+q

j =1

Σ(g j ×h t-j )(b i >0,g i >0,

i=1,…,p;j=1,…,q)（2）其中，公式（1）是均值方程，公式（2）是条件方差方程，覬t-1是信息集，p 是ARCH 项的阶数，q 是GARCH 项的阶数。

为了反映实行“T+1”回转交易制度后对股市波动性的影响，可在GARCH （p,q ）模型的基础上引入虚拟变量d t 。

h t =b 0+p

i =1

Σ(b i ×εt 2-i)+

q

j =1

Σ(g j

×h

t

-j )+cd t

（3）

其中，令在实行“T+0”回转

交易制度时d t =0，在实行

“T+1”回转交易制度后d t =1。对虚拟变量dt 的系数c 进行显著性检验,其结果反映当实行“T+1”回转交易制度后股市的波动性变化。

实证过程与检验

1．“T+1”交易对A 股波动的影响。

（1）振幅均值检验。A 股在“T+0”、“T+1”期间以及整个数据期间的振幅描述如表3所示。

由表3可知，当A 股实行“T+1”回转交易制度后,振幅的均值由0.040383减少为0.024929，减幅达到38.27%,这说明A 股的波动性明显减小了。

（2）GARCH 模型检验。首先对在整个数据期间内振幅序列进行单位根检验，计量结果显示ADF 值为-8.00847,小于在5%显著性水平下的临界值

-2.813,且对应的P 值接近于0,说明振幅序列是平稳的。接着应用振幅序列的自相关图、偏自相关图以及SC 、AIC 信息法则，得出应当建立AR(1)、AR(2)模型（此时整个均值方程显著且具有最小的AIC 值-4.402526），计量结果如表4所示。

表2

研究数据范围

“T+0”交易

“T+1”交易有无涨跌停板制度

A 股指数1992.12.24-1994.12.311995.1.3-1996.12.15无

B 股指数1996.12.16-2001.11.30

2001.12.3-2008.7.4

10%涨跌停板

表3A 股在“T+0”和“T+1”期间的振幅“T+0”数据“T+1”数据整个数据均值0.0403830.0249290.032759标准差0.0385480.0191760.031551样本数

527

509

1037

表5A 股整个股指收益率序列GARCH 模型检验

均值方程

变量系数标准差z 统计量P 值C 0.0279130.00152018.362990.0000AR(1)0.3687360.0382869.6310930.0000AR(2)0.1818150.0315 4.992815

0.0000

方差方程C

9.67E-05 1.03E-059.3830860.0000RESID(-1)^20.2724730.02110012.913510.0000GARCH(-1)0.6523380.01858035.110570.0000d t

-5.85E-05

7.88E-06

-7.423663

0.0000

·46·

表8B 股整个股指收益率序列GARCH 模型检验

均值方程

变量系数标准差z 统计量P 值C 0.0210500.00104720.113610.0000AR(1)0.3843820.02033718.900250.0000AR(2)0.1566260.024258 6.4567920.0000AR(3)0.1384500.020361 6.7991

0.0000

方差方程C 2.86E-05 2.41E-0511.854390.0000RESID(-1)^2

0.0956210.000819111.674080.0000GARCH(-1)

.8332830.011013382.238080.0000d t

-1.41E-05

1.61E-06

-8.763058

0.0000

表7

B 股整个股指收益率序列ARMA 模型检验变量系数标准差t 统计量P 值

C 0.0242060.00101323.0920.0000AR(1)0.4197530.01805623.247490.0000AR(2)0.1442310.0194407.4194150.0000AR(3)0.1348060.018018

7.481595

0.0000调整的R 20.359818F 统计量565.1159DW 统计量

2.020017

P 值(F 统计量)

0.0000

表6B 股在“T+0”和“T+1”期间的振幅

“T+0”数据

“T+1”数据整个数据均值0.0290660.0208060.024354标准差0.0228780.0188110.021053样本数

1295

1720

3015

较小的P 值说明对应的参数及整体方程显著性较高。运用此模型检验其残差序列的ARCH 效应，用滞后二阶的ARCH —LM 验证其残差波动聚类性，结果显示F 统计量的P 值接近于0，在5%的显著性水平下显著，说明存在ARCH 效应，因此可以尝试用GARCH 建模。

通过上述分析，最后采用均值方程为AR(1)、AR (2)的ARM A 模型,条件方差为加入虚拟变量d t 的GARCH(1,1)模型,计量结果如表5所示。

d t 的系数为-5.85E-05,且对应的P 值极小,在5%的显著性水平下显著,表明实行“T+1”回转交易制度后,A 股指数的振幅波动并没有增加,反而减小。因此“T+1”回转交易制度有助于A 股市场的稳定。

2．“T+1”交易对B 股波动的影响。

（1）振幅均值检验。上述“T+1”交易对A 股波动的影响是在没有涨跌停板的情况下考察的，

现在分析在有涨跌停板制度下，

“T+1”交易对B 股指数波动的影响。B 股在“T+0”、“T+1”期间以及整个数据期间的振幅描述如表6所示。

从表6可以看出，当B 股实行“T+1”回转交易制度后,振幅的均值由0.029066减少为0.020806，减幅达到28.42%,这说明B 股和A 股一样，波动性也减小了。

（2）GARCH 模型检验。首先对在整个数据期间内振幅序列进行单位根检验，计量结果显示ADF 值为-15.35522,小于在5%显著性水平下的临界值-2.862301,且对应的P 值接近于0,说明振幅序列是平稳的。

接着应用振幅序列的自相关图、偏自相关图以及SC 、AIC 信息法则，得出应当建立AR(1)、AR (2)、AR(3)模型（此时整个均值方程显著且具有最小的AIC 值-5.229696），计量结果如表7所示。

对应的P 值都极小说明整个方程及其参数非常显著。然后用此模型来检验其残差序列的ARCH 效应，用滞后三阶的ARCH —LM 检验其残差波动聚类性，结果显示F 统计量在5%水平下显著，说明存在ARCH 效应，因此可以运用GARCH 建模。

经过以上分析，最后采用均值方程AR(1)、AR (2)、AR(3)的ARM A 模型,条件方差为加入虚拟变量d t 的GARCH(1,1)模型来建模,计量结果如

表8所示。

dt 的系数为-1.41E-05,且对应的P 值极小,在5%的显著性水平下显著,表明实行“T+1”回转交易制度后B 股指数的振幅波动并没有增加,反而减小。因此“T+1”回转交易制度也有助于B 股市场的稳定。

结论

事实上，无论是“T+0”还是“T+1”回转交易制度，它们都是影响股市稳定性的外因，两者都不可能从根本上改变股市的波动状况。不过，在股市从迷乱走向成熟的这一过程中，如果能实行与股市成熟程度相适应的回转交易制度，确实能够减小股市的波动，有助于股市的稳定。

本文针对目前有关恢复实行“T+0”回转交易制度的讨论，进行了实证研究，结果表明“T+0”回转交易制度有助于我国股市的稳定。

1.无论是A 股市场还是B 股市场，当实行“T+1”回转交易制度后，振幅的均值都减小，

·47·

说明股市的波动性减弱了。

2.在GARCH 模型中,无论是A 股市场还是B 股市场,虚拟变量d t 的系数值均为负数,且

在5%的显著性水平下都表现显著,表明当实行“T+1”回转交易制度后，股市的波动性有减小的趋势。

尽管“T+0”交易是一种大势所趋，是国际上通行的交易方式，它有助于活跃股市，但这种交易方式在现阶段我国股市投机气氛太浓的情况下，如果实行会更容易导致投机炒作、操纵股价,因而不利于股市的健康发展。“T+0”交易方式的有效实施必须满足两个硬约束条件，一是股市以真正坚持中长线价值投资的机构投资者为主体；二是可以有效地监管股市，确保股市坚持“公开、公平、公正”原则。

注

释

①“T+0”交易是指资金和证券结算在当日完成,又称

日内回转交易（day trading ）。

②“T+1”交易是指成交后第二天才能完成资金和证券结算的交易方式。

参考文献

[1]张学莹,金德环.金融计量学教程[M].上海:上海财经大学出版2005年版.

[2]陈守东,陈雷,刘艳武.中国沪深股市收益率及波动性相关分析[J].金融研究,2003(7).

[3]阚晓西,汪慧.A 股市场实行“T+0”回转交易制度需慎重[J].财务与会计,2006(9).

[4]刘逖,叶武.日内回转交易的市场效果:基于上海证券市场的实证研究[J].新金融,2008(3).

[5]Barber &Brad M.,

Do Individual Day Trades Make

Money 郇Evidence from Taiwan [J],Mimeo,2004.

[6]Campbell &John Y.,Have Individual Stocks Become More Volatile?An Empirical Exploration of Idiosyncratic R isk [J],Journal of Finance(56),1-13,2001.

[7]John Hechinger &Jeff Opdyke,Day Trading Makes a Comeback and Brokers Vie for the Business [J],Wall Street

Journal(8),16-18,2003.

[8]Landingham &M.H.Van,The Date Trader:

Some

Additional Evidence [J],Journal of Financial and Quantitative

Anynisis(15),341-355,1980.

[9]Terrance Odean,Do Investors Trade Too Much?[J],American Economic R eview(),1279-1298,1999.

(责任编辑:路辉)

金融是现代经济的核心。作为金融业的重要组成部门，银行业的竞争力水平和特点不仅关系到一国金融发展水平和金融体系的安全，甚至关系到该国经济增长的动力和方向。因此，中外资银行竞争力的强弱和差异表现正成为我国金融业全面开放新形势下金融理论和实务界关注和研究的热点问题。

一、研究方法和指标选择

全面评价中外资商业银行竞争力是一项颇为复杂的工程，需要尽可能多地收集各项统计指标，以期能对竞争力问题有全面、

完整的认识和把握。然而，如何将众多的银行统计指标化繁为简，从相近统计指标提取共同、有效信息是十分困难而重要的问题。

本文采用因子分析法对众多银行统计指标进行降维处理，对所得的新因子进行分析讨论。

设有P 个原有变量X 1，X 2，…Xp ，且每个变量的均值为0，标准差为1。现将每个原有变量用k

【摘

要】基于企业能力理论，本文对在沪15家中外资法人银行竞争力水平进行实证研究。根据实证结果，

本文总结了中外资银行竞争力优势和不足形成的原因，并就中资银行竞争力培育提出了建议。【关键词】

中外资银行;竞争力;因子分析【作者简介】王家辉，男，厦门大学经济学博士，江西吉水人，现供职于中国人民银行上海总部。

在沪中外资银行竞争力比较研究

文/王家辉

经济论坛Economic Forum

Feb.2009Gen.451No.3

2009年2月总第451期第3期

·48·