我国科技型中小企业股权融资市场杠杆效应实证研究

邵永同

(天津商业大学经济学院，天津300134)

无论在国内还是国外，科技型中小企业都已成为社会知识和技术创新的重要载体，并且在促进科技成果转化和产业化、优化产业结构、缓解就业压力和提高经济效率等方面发挥着重要作用。但科技型中小企业一般也具有规模小、信用积累不足和抗风险能力弱等弊端，因此，很难获得银行贷款支持;同时，由于受主板市场股权融资上市条件的约束，科技型中小企业往往难以进入主板市场上市融资，所以融资难的现象在科技型中小企业中普遍存在。为缓解科技型中小企业的融资压力，给具有较大发展潜力的科技型中小企业提供更多的融资机会，促进其发展壮大，2009年10月，我国在深圳证券交易所推出了主要针对科技型中小企业的股权融资市场，即创业板市场。①

与其他股权融资市场一样，我国科技型中小企业股权融资市场在运行过程中也同样要受到各种外部信息的冲击。科技型中小企业股权融资市场推出三年多来，对来自外部的“利好”和“利空”消息的反应究竟如何?这一问题是判断市场运行质量的重要依据，因此，越来越受到人们的广泛关注。事实上，外部信息冲击与股权融资市场波动性之间的关系很早就被人们所认识，当市场价格波动对来自外部不同信息(利好和利空)的反应不一致时，人们通常将这一现象称为非对称性波动，即杠杆效应。杠杆效应在我国科技型中小企业股权融资市场是否存在，对这一问题的回答直接关系到人们对科技型中小企业股权融资市场本身运行规律的认识，也影响该市场上市的科技型中小企业股权融资目标的实现，同时也是政府相关管理机构监管和调控市场的重要依据。

关于我国股权融资市场受外部信息冲击的杠杆效应，许多学者进行了有益的探索，对其归纳和梳理，可以看出这些研究主要从三个方面展开:(1)对我国股票主板市场整体波动的研究。何晓光、朱永军［1］对1993年1月以来我国股票市场波动的杠杆效应进行实证分析，结果显示沪深股市发展早期，市场非对称效应不明显，但随着时间的推移，沪深股市收益波动则存在非对称性。闫涛、孙涛［2］的研究认为上海股票市场的波动具有非对称性和杠杆效应，坏消息导致市场的波动程度要远远大于好消息。洪潇［3］的分析则发现上证综合指数波动呈现显著的“聚集”现象，且存在暂时的非对称效应，负面信息冲击比正面信息冲击带来的波动更大，波动收敛于稳态的速度较快。(2)对我国主板市场分阶段和分行业的波动研究。陆蓉、徐龙炳［4］的研究验证了“牛市”和“熊市”阶段我国股市对“利好”和“利空”信息的不对称反应。蒋天虹［5］则指出，深市股指存在显著负杠杆效应，分段回归显示杠杆效应随时间变化而变化，由初期的负杠杆效应变为正的杠杆效应。朱东洋、杨永［6］的研究表明，股改后牛市和熊市期间我国股票市场的波动呈现显著的长记忆性、非对称性和杠杆效应，具有强市恒强、弱市恒弱现象，并从交易者心理预期、过度反应、反应不足、交易者构成及交易机制等方面对其原因进行了分析。赵久伟、肖庆宪［7］的研究将已实现波动率进行分离，分解为连续波动部分和离散跳跃部分，考察了上证综指收益率与波动率的杠杆效应、连续波动部分和离散跳跃部分在杠杆效应中的作用、跳跃部分和连续波动部分在价格运动中的区别，证明收益率和波动率的杠杆效应主要通过连续波动部分发挥作用。(3)对我国股票中小板和创业板的波动研究。张云飞、陈治、王四笔［8］对我国创业板市场和中小企业板市场的股价收益率波动进行了对比研究，表明创业板和中小企业板市场的收益率均存在明显的风险溢价以及非对称效应，后者收益率波动显著高于前者。耿庆峰［9］则运用GARCH族模型对我国创业板指数的日收益率及波动率进行了探讨，发现我国创业板市场ARCH效应明显，但创业板市场收益与波动关联性不强。

上述研究分别从不同视角对我国股权融资市场价格波动的杠杆效应进行了研究，得出了许多启发性的结论，为后续的研究奠定了基础，但主要侧重于对沪深主板市场的研究，针对科技型中小企业股权融资市场即创业板市场的研究相对较少，而对创业板市场是否存在杠杆效应的原因进行细致探讨的成果则更少。鉴于此，本文采用TARCH和EGARCH模型对科技型中小企业股权融资市场的杠杆效应进行实证研究，并结合主板市场对其形成原因进行分析，以期进一步完善我国科技型中小企业股权融资平台，保护投资者利益，同时为相关监管机构制定政策措施提供理论支撑。

1 杠杆效应研究方法和数据来源说明

1.1GARCH、TGARCH 和 EGARCH 模型

对资本市场波动特征的检验，学者们通常借助条件异方差加以刻画，该方法最早来自Engle［10］的开创性研究，早在1982年，他提出ARCH模型，随后被学者们进一步发展而得到GARCH模型簇，并逐渐成为度量金融市场波动性的重要工具。根据Engle对自回归条件异方差(ARCH)模型的研究，我们可用均值方程和方差方程组成的ARCH模型刻画股票市场的价格波动:

(1)式为均值方程，其中，Rt表示价格收益率，X为Rt的滞后项;(2)式为方差方程，其中，ht代表 εt在t时刻的条件方差，并被定义为滞后项的加权平方和，并且有 α0＞0，αi≥0，i=1，2，…，n，以确保条件方差为 ARCH 项，若该项高度显著，说明股票价格收益率具有明显的ARCH效应。

在 Engle 研究的基础上，Bollerslev［11］提出了(2)式的拓展式，即广义自回归条件异方差(GARCH)模型。在ARCH模型的方差方程(2)式中加入条件方差自身的滞后项即可得到GARCH模型:

(4)式中，dt－1表示虚拟变量，当 εt－1＜ 0 时，dt－1=1，否则，dt－1=0。其中，“利好”信息(εt≥0)对条件方差的影响为α1，而“利空”信息(εt＜0)的影响为α1+。如果≠0，表明波动存在杠杆效应;当＜0时，表明由“利好”信息引发的波动比“利空”信息引发的波动大;当＞0时，表明由“利空”信息引发的波动比“利好”信息引发的波动大。

EGARCH 模型则由 Nelson［13］提出，其条件方差方程为:

(5)式中，“利好”信息(εt≥0)对 lnht的影响用α+γ表示，“利空”信息(εt＜0)的影响用 α －γ表示。如果γ≠0，表明波动存在杠杆效应;当γ＞0时，说明因“利好”信息冲击引发的波动要比“利空”信息冲击引发的波动大;当γ＜0时，则说明因“利空”信息冲击引发的波动要比“利好”信息引发的波动大。

1.2 股权融资市场数据来源说明

我国2009年10月于深圳证券交易所上市的创业板市场主要是为科技型中小企业提供股权融资平台，因此，创业板市场的价格表现和波动特征基本能够反映我国科技型中小企业股权融资市场的交易状况。本文以深圳证券交易所创业板市场指数为样本对象，选取该指数日收盘价为样本数据，数据的采样区间为:2010年6月1日至2013年1月31日，以2010年6月1日作为样本起点是因为创业板市场指数从这一天开始正式编制和发布，共得到650个数据，数据来源于Wind金融数据库。创业板价格指数日收益率由日收盘价通过公式Rt=logPt－ logPt－1计算得到，其中 Pt和 Pt－1分别表示t期和t－1期的创业板价格指数日收盘价。本文采用Eviews 5.0进行计量分析。

2 科技型中小企业股权融资杠杆效应实证结果及分析

2.1 收益率波动图形描述

图1给出了我国创业板市场时间序列价格指数收益率的波动特征。由图1可以看出，创业板价格指数收益率变化是不平稳的，具有一定波动性，但波动程度较小。根据该波动特征图，可知我国创业板市场时间序列价格指数收益率的总体波动趋势和运行情况，对我们正确认识创业板市场的价格波动关系提供了直观依据。

图1 科技型中小企业股权融资市场收益率波动

2.2 收益率基本统计特征分析

从表1可以发现，创业板价格指数收益率均值为 －0.000 4，标准差为0.018 9，说明创业板价格指数收益率较低，波动性也较弱;偏度值为－0.371 1，峰度值为 3.898 1，与标准正态分布(s=0，k=3)相比，呈现出左偏、尖峰的分布特征。JB正态性检验值为36.701 5，相伴概率为0，进一步印证了创业板价格指数收益率不服从正态分布的特征。

表1 科技型中小企业股权融资市场收益率基本统计特征

2.3 ADF平稳性检验和ARCH-LM检验

ARCH类模型对因变量的价格数据有平稳性要求，而金融时间序列平稳性检验常采用ADF检验方法，因此，我们对创业板价格指数收益率数据进行了ADF检验以判定是否符合平稳性要求，检验结果见表2。由表2可知，无论采取ADF检验的哪种检验形式，其检验值都明显小于1%显著性水平的临界值，表明我国创业板价格指数收益率为平稳的时间序列数据。

为检验我国创业板价格指数收益率是否存在条件异方差，我们对其进行ARCH-LM检验，检验结果见表3。由表3可以看出，当创业板价格指数收益率滞后8期时，F统计量和nR2统计量的P值分别为0.014 5和0.015 1，均在5%的显著性水平拒绝原假设，存在明显的ARCH效应。

表2 科技型中小企业股权融资市场收益率ADF检验

表3 科技型中小企业股权融资市场收益率的ARCH-LM检验

2.4 科技型中小企业股权融资杠杆效应实证结果及分析

根据ARCH-LM检验结果可知，我国创业板价格指数收益率在滞后8期且在5%的显著性水平下存在明显的ARCH效应，因此，可用ARCH类模型中的TARCH和EGARCH模型对创业板价格指数收益率的杠杆效应作进一步实证分析，EGARCH模型与TARCH模型的区别在于EGARCH等式左边是条件方差的对数，意味着如果存在杠杆效应，则杠杆影响是指数的，TARCH和EGARCH模型杠杆效应估计结果如表4所示。

表4 科技型中小企业股权融资市场收益率波动的杠杆效应估计结果

(1)TARCH估计结果及解释。由表4可知，TARCH项的系数为0.025，虽然=0，但P值为0.439 7，在5%的显著性水平下统计不显著，说明无论是“利好”消息还是“利空”消息，条件方差方程都不能反映外部冲击的影响，不能判断创业板价格指数收益率波动存在明显的杠杆效应。②

(2)EGARCH估计结果及解释。对创业板价格指数收益率的EGARCH估计结果同样也印证了“利好”和“利空”消息冲击的影响。杠杆系数γ的值－0.037 1，小于零，但在5%的显著性水平下统计不显著，因此，与TARCH模型的估计结果相似，在5%的显著性水平下也不能判断创业板价格指数收益率波动存在明显的杠杆效应。但EGARCH杠杆系数γ在10%的显著性水平下统计显著，说明创业板价格指数收益率波动在10%的显著性水平下存在微弱的杠杆效应，杠杆系数γ＜0，表明在10%的显著性水平下“利空”消息对创业板价格指数收益率波动的冲击要比等量的“利好”消息产生的冲击强烈。

创业板价格指数收益率波动得出的估计结果与主板市场存在明显的差异。从已有研究文献可知，主板市场指数普遍存在明显的杠杆效应，而创业板价格指数收益率波动在5%的水平下基本不存在杠杆效应。这一差异可能是由两个方面的原因造成的:其一，创业板市场与主板市场投资者群体的差异。由于创业板市场上市时间较晚，在创业板市场交易的投资者大多具有较为丰富的证券市场投资经验，他们对市场的判断要相对理性和客观，因此对“利好”消息和“利空”消息的出现不会出现大起大落的操作。而且，在创业板上市的企业，绝大多数都属于科技型中小企业，对这类企业的投资具有高风险高收益的特点，如果投资者不够成熟，则不会轻易进入创业板市场进行投资操作。其二，创业板市场与主板市场交易规则的差异。由于创业板市场主要是为科技型中小企业提供融资平台，所以在创业板上市的企业规模较小，为防止过大的申报委托可能导致市场的剧烈波动，创业板市场在交易规则中设置了每笔申报数量最高不得超过100万股的限制;创业板还制定了明确的临时停市规定，即在交易日上午和下午某一个时点若价格较前一交易日收盘价下跌幅度大于10%，创业板临时停市30分钟;同时，创业板市场还规定在开盘前揭示可能出现的开盘价，使投资者在参与集合竞价的过程中可得到更多的信息披露。这些交易规则主要是针对创业板市场的大幅波动所作出的规定，尤其体现在临时停市对“利空”消息导致的大幅下跌波动的规定上，从而在一定程度上抑制了创业板市场价格收益率波动杠杆效应的发生。

3 研究结论及相关政策建议

本文基于2010年6月至2013年1月我国创业板市场日收益率数据，借助TARCH和EGARCH模型对我国科技型中小企业股权融资市场的杠杆效应进行了实证分析，研究得出如下结论:

我国创业板价格指数收益率变化不平稳，具有一定的波动性，但波动程度较小。创业板价格指数收益率不服从正态分布，呈现尖峰后尾的特征。我国创业板价格指数收益率序列为平稳的时间序列，并且当创业板价格指数收益率滞后8期时，存在明显的ARCH效应。TARCH模型的估计结果无法表明创业板价格指数收益率存在杠杆效应，在5%的显著性水平下EGARCH模型估计结果与TARCH模型估计结果一致，但在10%的显著性水平下，EGARCH模型估计结果显示创业板价格指数收益率存在微弱的杠杆效应，表现出“利空”消息对创业板价格指数收益率波动的冲击要比等量的“利好”消息产生的冲击强烈。创业板价格指数收益率波动得出的估计结果与主板市场存在明显的差异，本文认为形成这一差异的原因可能是由于创业板市场与主板市场投资者群体成熟度不同和两个市场针对市场波动所采取的交易规则存在差异的反映。

基于上述分析，我们认为创业板市场作为建设多层次资本市场体系下一个独特的股权融资平台，与主板市场相比，在收益率波动性方面有了一定的改进。创业板市场作为科技型中小企业股权融资和投资者投资的重要市场，对我国经济发展、科技进步和股票市场体系的完善发挥了较大作用。但客观而言，我国科技型中小企业股权融资市场仍处于发展初期，在投资者结构和交易规则方面还不够完善。在国家相关管理部门的大力推动下，将会有更多的科技型中小企业不断加入，市场的投资者数量也将不断增加，市场相关监管部门应着重加强对后续入市投资者的风险警示和教育工作，特别是在创业板市场繁荣时更应规范其交易行为，持续倡导理性投资行为，通过培育规范的投资者来促进市场健康发展。

此外，在发达和高效的股权融资市场中，信息能够及时准确地得到披露，信息不对称的程度要远远低于发展相对落后的市场，其收益率波动的非对称性也相对缓和，杠杆效应较小。从这个意义上说，虽然我国科技型中小企业股权融资市场没有呈现明显的杠杆效应，但在市场不断发展过程中，要进一步采取更为科学、合理的措施，加强完善创业板市场信息披露制度，使信息及时、有效地向所有投资者公开;同时，应强化信息披露的监管，规范信息披露主体和信息服务部门的信息披露和传递行为，提高市场信息效率，并建立权威性的信息平台，减少或避免市场信息垄断，为创业板市场的进一步发展提供必要的保障。

总之，我国创业板市场为科技型中小企业股权融资提供了较为有效的平台，在一定程度上缓解了部分科技型中小企业的融资困境，但相对于逐年新增的、数量庞大的科技型中小企业而言，我国科技型中小企业股权融资市场还应不断加快发展。同时，创业板市场虽然相对于主板市场而言，在交易群体和交易规则上有所改变，但仍需要进一步优化交易主体和完善交易规则，尤其在培育规范的投资者和加强信息披露和传递方面要狠下功夫，从而提高市场交易效率，减少或避免异常波动现象的发生。

注 释:

① 由于我国创业板市场上市的绝大多数为科技型中小企业，鉴于数据的可获得性，本文在实证分析中采用创业板价格指数代替科技型中小企业股权融资市场。

② 这里的“利好”消息是指能够引起创业板价格指数上涨的消息;“利空”消息是能够引起创业板价格指数下跌的消息。

［1］何晓光，朱永军.中国A股市场收益波动的非对称性研究［J］.数理统计与管理，2007(1):164 －171.

［2］闫涛，孙涛.上海股票市场波动的非对称性和杠杆效应研究［J］.金融发展研究，2009(6):71 －73.

［3］洪潇.上证综指杠杆效应与非对称ARCH模型选择［J］.统计与决策，2010(14):131 －132.

［4］陆蓉，徐龙炳.“牛市”和“熊市”对信息的不平衡性反应研究［J］.经济研究，2004(3):65 －72.

［5］蒋天虹.深圳股票市场杠杆效应研究［J］.财经问题研究，2008(2):71－75.

［6］朱东洋，杨永.我国股市波动的非对称性和杠杆效应研究［J］.技术经济，2010(9):84 －89.

［7］赵久伟，肖庆宪.股票价格运动的跳跃和杠杆效应研究［J］.上海理工大学学报2011(5):499－507.

［8］张云飞，陈治，王四笔.创业板与中小企业板股价收益波动的对比研究［J］.价格理论与实践，2012(9):72－73.

［9］耿庆峰.我国创业板市场波动的ARCH效应研究［J］.南京财经大学学报，2012(5):58－65.

［10］Engle R F.Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K.Inflation［J］.Econometrica，1982(50):987－1008.

［11］Bollerslev T.Generalized Autoregressive Conditional Heteroskedasticity［J］.Journal of Econometrics，1986(31):307 －327.

［12］Rabemananjara R，Zokoian J M.Threshold ARCH Models and Asymmetries in Volatility［J］.Journal of Applied Econo-metrics，1993(8):31－49.

［13］Nelson D B.Conditional Heteroskedasticity in Asset Returns:A New Approach［J］.Econometrica，1991(59):347 －370.