市场微观结构噪音与MAX效应
- 格式：doc
- 大小：1.28 MB
- 文档页数：17
市场微观结构噪音与MAX效应作者：张信东翟悦来源：《贵州财经大学学报》2016年第01期摘要：以NYSE、Amex和NASDAQ三大美国证券市场1962年7月至2014年12月的全部普通股为研究样本，利用买卖报价中点、收盘买价和收益加权三种方法消除个股收益和股票组合收益中的价格噪音，对MAX效应进行再检验。
同时，考虑到具有极端日收益的股票中NASDAQ占比超过53%这一事实，本文还针对三个交易所做了分市场检验。
实证结果没有给出“MAX异象”被解释的证据，表明市场微观结构噪音和Fama-French-Carhanr四因子模型的结合以及市场特点，并不是造成“MAX异象”的原因。
关键词：MAX异象；微观结构噪音；四因子模型；证券交易市场文章编号：2095-5960（2016）01-0048-13；中图分类号：F831；文献标识码：A一、引言金融资产的流动性、收益性和交易便利等特点，使得金融资产受到越来越多机构投资者和个人投资者的追捧，因此其定价问题的研究不仅关乎投资者的切身利益，而且更是金融研究者所关注的热点话题。
Fama（1970）[1]的有效市场假说是理性金融学派的坚实基础， Grossman （1976，1978，1981） [2][3][4]，Radner（1979）[5]等研究者则对此理论作了进一步拓展，逐步奠定了资本资产定价理论在现代金融学中的地位。
然而，2011年Bali等发现的 MAX效应却对传统资本资产定价理论提出了挑战。
MAX效应是指，具有高（低）的最大日收益率（MAX）的股票组合在未来会有低（高）的收益率，并且高低组合之间有显著的收益差，即股票的最大日收益率与未来收益存在负相关关系。
该异象也称为“最大日收益率效应”或“MAX异象”。
Bali et al.（2011）[7]首先在对基于股票最大日收益率指标的高低组合收益差的检验中发现了这一异象，并通过模型检验证实了该结论。
随后，Annaert et al.（2013）[8]，江曙霞等（2013）[9]和郑振龙等（2013）[10]从传统金融学的角度，Fong et al.（2014）[11]，Conrad et al.（2014）[12]从行为金融学的角度也做了相关研究。
然而，以往关于MAX效应的研究都是基于已观测到的收盘交易价格计算的股票收益率数据，而反映证券价值的真实价格在现实中却难以观测到。
Blume & Stambaugh（1983）指出，由交易中存在买价卖价跳跃（bid-ask bounce）、非同步交易（non-synchronous trading）及闭市影响（closing market）等因素造成的，存在于整个证券交易过程中的市场微观结构摩擦，使得基于证券交易价格计算的股票收益产生向上的偏差，从而会导致证券的观测价格有别于真实价格[13]，二者之间的偏差被称为市场微观结构噪音。
微观结构噪音势必会使实证结果产生偏差，那么MAX异象是否是由于数据存在噪音得到的错误结论呢？基于以上思考，本文将从市场微观结构的视角出发，以消除微观结构噪音的个股收益和股票组合收益数据为研究基础，对“MAX异象”进行再检验。
鉴于此，如何消除股票收益序列中的微观结构噪音将是本研究的关键问题。
Blume & Stambaugh（1983）认为用收盘卖价和收盘买价的中点值作为股票真实价格的估计值可以有效消除买价卖价偏差造成的微观结构噪音；而Kaul & Nimalendran（1990）则用收盘买价（bid）作为消除买价卖价跳跃的有效方法。
[14]借鉴他们的思想，本文将采取买卖报价中点、收盘买价的方法消除股票价格中的微观结构噪音。
对于组合收益中的微观结构噪音，Asparouhova et al.（2010）用前一期观测总收益（加1）作为当期股票收益的权重来计算组合收益率。
[15]本文也将采取这种方法消除组合收益中的微观结构噪音。
同时，考虑到NASDAQ市场在三大证券市场中的特殊性，及其股票具有高流动性、高波动性等特点，本文还将进行分市场检验，探究证券交易所的特殊性是否是“MAX异象”产生的根源。
本文的贡献在于：（1）从市场微观结构视角探讨MAX效应，丰富了MAX效应和市场微观结构的研究，是对有效市场理论的充实和完善；（2）分别采用买卖报价中点和收盘买价的方法消除股票价格中的微观结构噪音，所构建的新的个股收益序列为后续的研究提供了新的数据基础；（3）将Bali（2011）的样本区间从2005年扩展到2014年12月，使研究结果更有说服力。
二、文献综述“高风险高收益，低风险低收益”是金融市场上的金科玉律，而“MAX效应”这一股票市场异象再一次打破了这个普遍规律，引起学者们的关注。
自Bali et al. （2011）发现高MAX股票具有低预期收益后，最大日收益率MAX的定价能力以及该异象产生的原因已成为学者关注的焦点，如股票的彩票型特征、投资者行为的影响、宏观经济影响、公司自身特征的影响等方面都有相关探讨。
Bali et al. （2011）发现股票市场中的“MAX异象”后，将MAX视为股票彩票型特征的度量指标。
具有彩票型特征的股票被定义为具有高特质波动和特质偏度但同时具有低市场价格的股票，而有高的最大日收益率的股票大多也具有这样的特征。
从彩票型特征股票的高特质波动率、高偏度等统计特征出发，Bali et al.（2011）证实MAX虽然与特质波动率或偏度有显著的正向相关，但在控制了特质波动率和偏度后，MAX效应仍然存在。
因此他们将MAX效应产生的原因归结于高MAX股票的彩票型特征。
Anneart et al.（2013）利用欧洲股票市场的数据，江曙霞和陈青（2013）利用中国股票市场的数据也做了类似的研究，并且支持股票彩票型特征造成MAX效应的结论。
Tversky & Kahneman （1992）[16]，Barberis & Huang（2008）[17]在累积前景理论的框架下，认为投资者高估了股票具有极高收益的小概率事件发生的可能性，会导致错误定价，特别是会使投资者愿意付出更高的价格购买具有彩票型特征的股票，从而使预期收益为负。
虽然他们的研究并没有明确与“MAX异象”相联系，但其研究结论也能够说明投资者的博彩行为是导致“MAX异象”产生的原因之一。
Brunnermeier et al.（2007）则从行为金融的角度指出投资者的主观过度自信导致主观放大收益分布特征。
[18]Fong & Toh（2014）认为在控制投资者情绪后可以有效降低MAX效应的显著性，但却无法完全消除。
Kumar （2009）证实了投资者的博彩偏好受宏观经济的影响，而宏观经济能够通过影响投资者情绪，进而对投资者行为产生影响。
[19]因此宏观因素对MAX效应也应具备一定的解释能力。
Bali et al.（2011）还从公司特征的角度进行了研究，在控制规模、账市比、短期收益反转、流动性、动量、偏度等因子后，横截面回归结果仍然支持高与低MAX组合间具有超过1%的超额收益的结果。
Anneart et al.（2013），江曙霞和陈青（2013）等也有类似检验，但最终也没有从公司特征的角度给出MAX效应被解释的证据。
通过文献梳理可知，当前学界还没有研究探讨股票市场微观结构噪音可否解释MAX效应的相关研究，本文的研究将填补这一空白。
消除微观结构噪音的思路是由Blume & Stambaugh（1983）和Black（1986）提出的，他们认为市场中存在使股票价格产生向上偏差的买价卖价跳跃、非同步交易等噪音。
他们认为收盘价格应该是收盘卖价或是收盘买价，且二者出现的概率相同，因此他们用收盘卖价和收盘买价的中点值作为对股票的真实价格的估计，认为这种股票价格的测算方法可以减小甚至是消除买价卖价跳跃造成的微观结构噪音。
[20]Kaul & Nimalendran（1990）认为买价卖价跳跃误差可以解释23%到50%的股票的日收益率变化，因此实证研究时采用日数据或是高频数据得到的结论都存在很大的偏差，于是他们采用收盘买价作为对股票真实价格的估计来研究股市短期收益反转的现象。
Asparouhova，Bessembinder & Kalcheva（2010）的文章在噪音价格独立的假设下，提出以个股上一期总收益（收益率加1）为权重改进等权组合收益的计算，减小组合收益的计算偏差，以及改进Fama-Macbeth（1973）的两阶段横截面回归[21]，应用加权最小二乘法回归，可以有效地减小回归参数估计的偏差。
上述文献是本文消除股票市场收益数据中微观结构噪音的依据。
综合以上对MAX效应的解释和消除微观结构噪音的方法两类文献，本文将分别用买卖报价中点和收盘买价两种方法重新计算美国股票收益，消除个股收益中的微观结构噪音，并用收益加权（即以个股上一期总收益加1为权重）的方法消除组合收益中的微观结构噪音，以消除微观结构噪音的视角来探究微观结构对MAX效应的解释能力。
三、样本选择与研究设计（一）样本选择“MAX异象”的发现是Bali等人根据美国股票市场交易数据的检验结果，本研究是基于消除微观结构噪音的股票市场交易数据对MAX效应的再检验，因此选用美国股票市场的股票样本不仅具有可比性，而且在研究结论上更具有说服力。
此外，“MAX异象”是股票市场中的普遍存在的现象，采用美国证券交易数据得到的研究结果可得到国际金融学界的普遍认同。
本文选取1962年7月1日至2014年12月31日的纽约证券交易所（NYSE）、美国证券交易所（Amex）以及纳斯达克（NASDAQ）的普通股作为样本。
个股的日收益数据来源于美国CRSP数据库，月收益率则是在月度收盘价的基础上，在考虑了退市因素的影响后计算出来的，由英国诺丁汉大学金融学教授Weimin Liu计算并提供。
由于CPSP对NYSE和Amex的买卖报价数据进行调整后从1992年12月28日起提供，并且NASDAQ市场上全部股票的买卖报价数据始于1992年6月15日，因此本文采用1993年1月到2014年12月的CRSP数据库的买卖报价数据来计算消除微观结构噪音的交易数据。
因为要利用日收益数据计算个股每个月的1（5）个最大和最小日收益，所以每个月的股票样本都要求其前一个月的价格和收益数据存在，且个股在前一个月的日收益数据不得少于15个。
无风险利率、市场组合因子、规模因子、账面市值比因子和动量因子来源于Kenneth French的个人网站。
①①Kenneth French个人网站http：///pages/faculty/ken.french/data_library.html.（二）研究设计本文采用投资组合分析和时间序列回归分析的方法，探究消除了微观结构噪音后，股票市场上是否仍存在MAX效应。
