股市逆周期波动的形成机理

叶 莉， 李伯龙

(河北工业大学经济管理学院， 天津 300401)



股市逆周期波动的形成机理

叶 莉， 李伯龙

(河北工业大学经济管理学院， 天津 300401)

经济形势的恶化常伴随着金融市场的动荡，不确定性的上升集中表现为市场波动程度的加大。相反，经济环境的改善则预示着未来发展的良好前景，而金融市场的波动亦随之降低。股市波动呈现较为明显的逆周期特征，这一现象受到了学者们的广泛关注。文章对股市逆周期波动的国外相关研究进行了梳理和归纳，从投资者认知因素的时变性、市场交易者的异质性及市场约束引致的内生风险等方面对逆周期波动的形成机理进行了阐述。进一步明确股市逆周期波动的形成机制有助于理解金融风险在不利经济环境下的发展与作用方式，为投资者交易策略的选择及决策者稳定措施的制定提供依据。

逆周期波动； 形成机理； 金融风险

近年来，金融危机的频繁发生为全球经济的发展蒙上了一层阴霾，如何控制金融市场风险已成为决策者与研究者们探讨的重要课题。作为衡量金融风险的重要指标，波动率更是成为研究的重点。从Sharpe等 (1964)提出的CAPM模型到Black、Scholes和Merton (1973)的期权定价公式 ，再到Engle (1982)和 Bollerslev (1986)的ARCH、GARCH模型以及Cox、Ingersoll和Ross (1985)的随机利率模型，人们对波动率变化规律的理解不断深化，对波动率行为的描述手段日趋多样。波动率在市场决策中巨大的参考价值使其本身成为一种金融资产，如被称为“恐慌指数”的芝加哥期货交易所市场波动性指数 (VIX)就能够提供有关市场波动预期的重要信息，因而成为投资者对冲风险的有效工具。

目前，针对波动率的相关研究大多集中在股票市场，股市波动与经济周期的关系受到学者们的广泛关注，尤其是对波动率呈现明显的“逆周期性”。学者们普遍认为，这种逆周期性反映了波动率的本质特征，经济衰退导致的不确定性在股票市场得到了体现，那么接下来的问题便是，经济周期的运动是否能充分解释股市波动率的变化，宏观经济的不确定性如何传导至股票市场，以及决策者是否能够通过相机抉择手段在经济状态复杂多变时维持金融市场的相对稳定。事实上，股票市场与宏观经济的关联性一直是学术界关注的重点，国外学者更是对逆周期波动现象进行了较为深入的分析。研究显示，逆周期波动率的出现不仅受到宏观经济诸多侧面的影响，还与市场结构、信息传导及交易者特征等微观因素密不可分，其形成过程可能存在较为复杂的驱动因素。因此，本文试图对国外股市波动逆周期性的最新研究成果进行梳理，归纳并分析影响逆周期特征形成的微观机理，以期对逆周期波动现象进行较为全面的解读，为发现宏观经济与金融市场之间更为深刻的内在联系提供依据，为投资策略及政策措施的制定提供参考。

一、宏观因素与经济周期

学术界对金融市场与宏观经济联系的探讨由来已久，股市波动的逆周期 (countercyclical)特征也早为学者们所注意。Officer (1973)[1]对美国股市的早期研究便指出，收益率波动在大萧条期间表现出明显的提升。Schwert (1989)[2]对美国市场1857年至1987年间经济数据的考察也指出，波动率变化存在显著的逆周期性。Black (1976)[3]和Christie (1982)[4]将这一现象归结为杠杆效应 (leverage effect)，认为股票价值的下跌提高了市场的杠杆水平，令风险和波动率上升，但杠杆效应不具有更深层次的经济解释力，因而逐渐成为一种典型事实 (stylized facts)，能够被其他理论及模型进一步说明。从权益内在价值系未来现金流的贴现这一角度来看，企业价值决定于经济状况的健康程度，若贴现率为常数，权益价值的条件方差即波动率应该与未来现金流量的条件方差成比例，未来宏观经济状况的不确定就会使股市波动成比例变化。因此，学者们将逆周期波动与宏观经济相联系，试图以基本面因素的变动来解释股市波动的变化。Schwert (1989)较早从这一角度进行了研究，但所得结论却不甚理想。实证结果表明，尽管在经济衰退时期，通货膨胀率、工业产值等宏观经济变量波动与股市波动均表现出较大提高，但宏观经济变量对于股市波动的预测性并不明显，宏观经济波动也难以解释股市波动的逆周期特征。

随后，学者们在Schwert (1989)研究的基础上对波动率及经济周期的描述方式进行了拓展，进而得出了一些不同的结论。Hamilton和Lin (1996)[5]构建了一个双变量动态模型以研究股市收益与工业产值的关系，发现实际产出增长与股市收益波动受到一个标识经济运行状态的不可观测变量驱动，经济周期因素表现为股市波动变化的主要来源；Diebold和Yilmaz (2008)[6]以实际GDP与实际个人消费水平来描述经济状态，在40个国家的横截面数据基础上考察了周期因素对股市波动的影响，发现基本面的波动确实引起了股市的波动；Corradi等 (2013)[7]通过无套利模型对这一问题进行了研究，指出宏观因素能够解释波动率变化的75%。另外，Qu和Perron (2013)[8]构建了包含未知时间、规模与频率的水平转换 (level shifts)随机波动模型，应用贝叶斯分析，对1980—2010年S&P500指数和NASDAQ的收益情况进行了拟合。其研究发现，尽管水平转移发生频率相对较低，大约两年一次，但这一体制对波动率变化起到了主要解释作用。

在为数众多的波动率模型中，较为典型的是成分波动模型。该模型认为，波动率变化并非单一的过程，应该由短期成分与长期因素共同解释，这一观点为波动率的解读提供了全新的视角。Engle和Rangel (2008)[9]最先构建了Spline-GARCH模型来研究波动率随宏观经济的变化，将高频收益波动分解为一个单位GARCH过程和一个由指数样条表示的慢速移动过程，其中慢速移动过程为低频波动率，以包含宏观经济变量和金融变量的非平衡面板来描述，GARCH过程能够解释短期波动，低频波动部分能够诠释长期影响。在这一设定下，波动率呈现明显的逆周期性，萧条期间实际经济变量的冲击引起了股市的长期波动。在此基础上，Engle等 (2013)[10]又将混合数据抽样 (MIDAS)与GARCH过程结合构建了GARCH-MIDAS模型，从而形成能够融合不同动态因素的Spline-GARCH-X模型框架，成为考察经济因素对波动率影响程度的有效方式。Opschoor等 (2014)[11]在Spline-GARCH-X的框架下，以Bloomberg金融状况指数 (FCI)近似代表金融状况，对1994—2011年总部位于美国的大型银行持股公司股票的日收益率进行了分析，发现股市的波动率水平随经济环境的恶化而显著提高。Conrad和Loch (2015)[12]构建了两部分GARCH-MIDAS模型对1969—2011年的美国市场数据进行了考察，发现波动率的逆周期特征与模型描述相符，期限溢价、住房开工率、企业盈利以及失业率等标识未来经济发展状况的经济变量对长期股市波动解释力较强。

鉴于金融危机常发端于特定经济领域，Jiang和Lee (2014)[13]就经济周期中特质波动与系统波动的联系进行了研究，发现了二者动态关联的时变性。其向量自回归(VAR)模型指出，衰退前期特质波动对市场波动存在较强的正向格兰杰因果作用，这一作用在衰退末期及经济恢复前期消失，显示了特质波动向市场波动的转化。在经济扩张前期，市场波动对特质波动存在较强的负向格兰杰因果作用，表明市场波动能在一定程度上替代特质波动，当经济从衰退中恢复时，市场波动又重新转化为特质波动。特质波动与市场波动的动态关联反映了特质风险与系统风险在经济危机当中的演化过程，从波动率的角度诠释了危机由特定领域产生、发展进而影响整个市场的作用特点。

另外，经济全球化令金融市场间的联系日益密切，而由此产生的波动溢出现象亦能在一定程度上解释全球波动的逆周期特征。从世界范围来看，成熟市场的波动能显著影响新兴市场，而成熟市场之间、新兴市场之间以及区域内部同样存在不同程度的波动溢出效应。Beirne等 (2013)[14]研究了VIX指数变化对41个新兴市场条件波动的影响，指出成熟市场对新兴市场的溢出作用在危机过程中增强并提高了市场整体的波动率水平。Bekaert等 (2010)[15]考察了23个发达国家股票市场的特质波动变化情况，发现特质波动在危机期间的提高具有一致性，这表明不同市场可能面临着相同的、难以分散的尾部风险，金融危机可能由国家间的某些共同市场因素驱动。Rejeb等 (2015)[16]分析了新兴市场之间、新兴市场与成熟市场间波动的关联，指出地域因素能显著影响市场波动，而金融自由化则放大了波动溢出的作用效果。Jiang等 (2012)[17]对美国及欧洲市场的考察强调了预料之外信息冲击的作用，指出负面意外消息的发布会增大不确定性，进而令波动溢出增强，这一结论与2007年至2010年危机期间的实际数据相符。

二、投资者认知的时变性特征

宏观经济状况的变化作用于股市波动率是通过投资者实现的，投资者从经济变量的运动中获取信息，因而股市波动逆周期性的作用机制与投资者的偏好及行为特征密不可分。建立在典型代理人基础上的资产价格模型关注经济周期中投资者对信息处理方式的变化，偏好、风险厌恶以及投资者的认知在资产价格决定及逆周期波动形成方面具有关键作用。

投资者利用基本面信息判断经济发展趋势的过程可能受到贝叶斯法则的影响，贝叶斯学习作用会导致投资者对市场信号过度反应从而增大股市波动。David和Veronesi (2013)[18]构建了一种现金流贴现框架下的结构学习模型，内生地将波动率衡量为收益和通货膨胀的加权平均，权重取决于投资者对当期宏观经济状况的认知，以及其认知状态下偏好决定的对资产价值的主观评估，投资者对经济状况的边际评估会对宏观经济不确定性引致的波动率产生放大作用。当经济处于较为常见的一般状态时，贝叶斯学习令不确定性和波动率下降，而当投资者感知到经济状态从常态偏离时，其对经济进一步向极端情形转化的主观概率增加，进而使市场不确定性增强，波动率加大。

由于采用的端部锚具类似于镦头锚具，预应力钢丝绳的下料长度要求较为严格，下料长度根据两端端部锚具的间距及预应力钢丝绳的工作应力计算确定。挤压锚头为铝合金双孔套筒式，钢丝绳在端部折成双股后穿入挤压锚头内孔。由专门设计的挤压模具、挤压机械对挤压锚头进行强力挤压，使挤压锚头与钢丝绳挤压成一体。

建立在理性预期动态分析框架下的典型代理人模型，大多采用Lucas (1978)[19]纯交换经济模型 (pure-exchange economy)的拓展形式，这类模型能够通过设定关于投资者特征的不同假设而说明多种经济周期对金融市场的作用机制。Mele (2007)[20]构建了一个交换经济模型对股市波动逆周期性，尤其是波动率在衰退期间增大幅度超过经济复苏阶段波动率的减小幅度的不对称现象进行了分析。Mele (2007)认为，在理性预期下，投资者要求风险补偿对经济条件的不对称变化是产生逆周期波动的根本原因，风险溢价在经济下滑时的上升超出在经济缓和时的下降，其对波动率的作用通过投资者的主观贴现率实现。模型假设投资者的风险调整贴现率与某一标识经济状态的变量反向非对称相关，良好经济环境下投资者不会大幅变动其用以估计未来现金流价值的折现率，股价股利比也不会大幅波动。而在不利经济条件下，投资者的折现率就会对宏观经济变动极其敏感，股价股利比在此时会剧烈变动，当贴现率不对称变动足够显著时，不对称波动的现象就会产生。此外，投资者偏好结构的时变性也会影响股市波动，Choi和Giannikos (2014)[21]认为偏好与经济周期相关联，能够对投资者的行为施加影响。当经济繁荣时，投资者决策相对随意，经济萧条时则更为急迫，这使其边际效用的不对称被放大。当投资者认为经济情况好转时，会预期到一个持续的牛市，消费的边际效用会递减；相反，衰退时预期消费的边际效用则会递增。在这一偏好结构的影响下，投资者会受到周期波动状态变量的影响，状态变量的波动会转变为股市波动，效用函数中的波动状态变量会被股票市场吸收从而使其波动加大。Hasler和Ornthanalai (2015)[22]则指出，股市波动的逆周期性还来源于投资者对信息关注程度的逆周期性。当市场受到不利冲击时，投资者对信息的关注程度提高，信息融入市场基本面估计的速度加快，这使均衡折现率的波动加强，市场之间相关性和波动率也随之提高。模型表明，只有当投资者关注信息且将之利用于未来预期的调整时，这种作用才会发生。

在理性预期的基础上，Aydemir (2008)[23]进一步考察了外部习惯形成 (external habit formation)引致的时变有效风险厌恶以及风险分担在资产价格决定中的作用。其模型表明，随着经济环境的恶化，风险市场价值的提高使贴现率的条件波动加大，引起收益率波动的加大，风险分担机制使经济体联系紧密，令波动呈现经济整体层面的提高。因此，波动率的上升与市场之间相关性的提高表现出协同性，而当经济体间风险分担消失时，这种协同性也随之消失。将外部习惯对投资者偏好的作用引入均衡模型的方法来自Campbell和Cochrane (1999)[24]，Li (2008)[25]也在这方面进行了拓展研究。不同于典型的高风险厌恶代理人模型，Li (2008)试图将投资者的风险厌恶程度维持在较低水平。在Li (2008)构建的常相对风险厌恶 (CRRA)模型中，投资者具有攀比(catching up with the Joneses)偏好，其效用函数是相对消费水平的幂函数，非线性习惯使风险的市场价值和波动率呈现逆周期性，这表明消费基础上具有非线性习惯和低风险厌恶系数的代理人模型能够解释股票市场价格行为的特征。

一类理论模型以罕见灾害 (rare disaster)的时变风险来解释股市波动率的变化，这类模型由Rietz (1988)[26]应用于股票市场并得到Barro (2006)[27]和Gabaix (2008)[28]等相关研究的拓展。灾害模型是一类比索模型 (peso models)，来源于墨西哥比索市场在1976年以前存在超额收益率的现象。比索问题表明，面对未来的不确定时，人们会预测某种不利意外事件的发生，这种意外事件能够带来极大损失，致使人们要求在交易中得到补偿。这就是所谓的“灾害性事件预期”(catastrophe expectation)。在开放自由的环境下，灾害预期容易扩散并自我强化。Rietz (1988)认为，一个摧毁整个股票市场的大灾难发生概率极小，但对这一灾害的预期可能是抑制股票价格的主要原因。Wachter (2013)[29]指出，消费灾害即罕见的大规模消费下滑发生的可能会对股市造成影响。在其模型中，消费灾害的出现概率是随机且时变的，典型经济人的偏好是递归的，有单位跨期替代弹性。在这一框架下，波动率呈现为消费灾害发生概率的递增凹函数，当不利的经济状态临近时，消费灾害发生概率升高，股市波动也随之加大。Tiu和Yoeli (2013)[30]则构建了常相对风险厌恶投资者的单因素灾害模型，将资产价格与就业相联系，说明了劳动冲击的作用方式。良好的经济状态下，劳动位于第一部门，表现为就业状态，经济环境恶化时，劳动从企业转移到家庭，形成劳动灾害。模型表明，经济周期中产出的降低使股票价格下降，股利待收期间缩短，当灾害临近时，风险厌恶使得定价核降低，股利的较小变动就会导致价格的大幅波动。这一过程中，波动率表现为股价的减函数，衰退期间股价降低便会使波动率提高。

比索模型中灾害发生概率变化对波动率的影响与实际经济变动过程表现出一致性。Berkman等 (2011)[31]利用1918年至2006年447次全球政治危机数据构建了“危机指数”用以模拟感知下灾害发生概率的变化。研究表明，危机并非一定发展成灾害事件，但其演变为灾害的潜在可能性确实能对投资者信念施加重要影响。在危机发生时期，股市波动显著加大，反映了投资者对经济恶化可能性的剧烈反应。从这个角度来看，时变灾害发生概率对股市的冲击是系统的，难以为策略投资所分散。

基于投资者认知时变特征的代理人模型能够对逆周期波动主体因素做出解读，为策略的选择和政策的制定提供一定参考，但现实金融市场的复杂性远超单一要素的描述范畴，经济环境的变化会导致金融市场结构的变化，各类投资者行为模式之间的差异则隐含更多的可能性。从这些视角考虑股市波动的变化为全面了解逆周期波动的形成机制提供了可能。

三、投资者异质性与市场约束

1.投资者异质性与股市波动

在现代金融理论中，标准的资产定价公式建立在投资者认知同质性假设之上，如广泛应用的CAPM定价要求所有投资者对收益概率分布的估计具有一致性。然而现实经济环境并非如此，异质性的客观存在令同质性假设不能体现市场参与者之间的差异，在描述经济现象时与实证数据不符[32]，故在传统定价模型中加入异质性因素成为定价研究的重要拓展方向。

投资者异质性也可能源于交易环境的差别，如是否收到交易制约。Hugonnier和Prieto (2015)[35]构建了一个动态套利均衡模型，将交易者分为3类：受约束、倾向于无风险资产的交易者；只受非负财富约束的交易者和初始财富为零但掌握信用渠道的套利者。其中，信贷使套利者能够利用由投资约束产生的需求不平衡而内生的套利机会。模型指出，风险套利者在市场繁荣阶段提高杠杆、在市场萧条时降低杠杆的行为会放大基本面的超额冲击而产生过度波动，内生的超额波动成分与套利者的信贷能力及受约束投资者的消费份额正相关，当经济衰退股价下跌时，波动率趋向升高。

现实市场中异质投资者的典型例子是机构投资者与个人投资者，这两类投资者的行为已得到广泛的研究。在对股市波动影响方面，二者存在显著差异。从异质性的角度来看，机构投资者是知情投资者，信息掌握程度高，投资技术更为专业，更接近于理性投资者。而个人投资者对信息掌握程度低，容易成为不知情投资者及噪声交易者。因此，机构投资者面对市场噪音和流行趋势时更容易做出理性决策，防止股价与基础价值大规模偏离，而养老基金等机构投资者遵循的谨慎人规则也能起到稳定市场的作用。此外，Lipson和Puckett (2006)[36]对美国1999年至2003年716家机构投资者的日交易行为进行了研究，发现他们的投资呈现较强的“同期负向交易”，即股市上涨时卖出，股市下跌时买入，利用这些机会实现廉价资产重构，以提供流动性。Thomas等 (2014)[37]对2000年至2010年34个经济合作组织成员国养老基金投资面板数据的考察表明，机构投资者可以减弱股市波动，稳定金融市场。

然而，最近一些研究提出了不同的观点，指出机构投资者的某些交易特征亦能对股市波动的逆周期性起到助推作用。Sias (2004)[38]认为，机构投资者交易中呈现的“羊群效应”和“动量交易”会加大价格波动。Basak和Pavlova (2013)[39]在动态一般均衡的框架内考察了机构投资者的交易行为，指出当基金经理关心其经营业绩时，超越基准指数的激励使其倾向于选择基准指数所包含的高风险股票并利用高杠杆，这导致机构投资者对指数股票形成过度投资并提高波动率水平。Chichernea等 (2015)[40]利用1980年至2010年美国股市的截面数据考察了机构投资者对特质波动的影响，指出机构投资者对特质波动的加大来源于短线投资者的高频交易与过度自信。Cella等 (2013)[41]考察了雷曼兄弟破产冲击对机构投资者的影响，指出经济恶化时短线投资者减小损失的最优策略是在他人之前卖出，这会引起“恐慌抛售”，放大经济冲击。而采用“购买并持有”策略的长期投资者则会等待直到危机消失，价格恢复到正常水平。因此，短线投资增加了衰退期间的市场风险。由此可见，机构投资者内部亦存在异质性，资产偏好与投资策略的不同形成了其对股市波动影响方式的差异。

2.市场约束与内生风险

投资者异质可能来源于市场约束，但市场约束对股市波动的作用则有着更为深刻的内涵。从约束形成的来源看，外部约束主要来自政策制定者，而内部约束则源于企业自身的行为决策。在特定的经济条件下，市场约束能够引发交易者行为的趋同，导致波动的放大和扩散。

衰退时期的风险规避为市场交易施加了天然的资金约束，当经济条件恶化时，交易者承受风险的意愿逐步消失，他们会普遍削减风险头寸转而采取保守稳健的策略[42]。对积极策略投资者来说，这相当于VaR约束下的决策行为。资产出售、贷款回撤使负向的溢出作用在投资者之间传染，进而引起稳定关系的破裂和信用风险的提升。

Adrian和Shin (2010)[43]考察了2008年之前一段时期高盛、摩根斯坦利等5家大型投资银行的资本结构季度变化，发现这些投资银行主要通过回购协议调整资本结构，回购与逆回购数量能对波动率起到显著的解释作用。在VaR约束下，投资银行的资本调整令杠杆呈顺周期性，繁荣时期的信贷超额扩张及衰退时期的迅速收缩加大了市场的波动。从本质上来看，这一作用方式与Hugonnier和Prieto的结论相同，但由于金融中介机构在金融体系中具有独特地位，投行的顺周期行为较风险套利者对市场的影响就更为系统广泛。同时，经济下滑可能使家庭投资者从金融机构撤资并提前清算，这会对金融机构形成资金约束，阻碍价格机制的实现[44]。在 Albagli的动态均衡模型中，金融机构作为知情交易者，决定了信息转化为投资决策的方式，能在市场中起到促进信息流动、完善价格机制的作用。而衰退时期的资金约束令金融机构进行交易时更为谨慎，这会引起价格信号作用的减弱和扩散信息承载力的收缩，进而导致市场不确定性提高。在这种情况下，对风险高额补偿的需求转化为较高的预期回报率、大幅的价格波动以及更多的噪声交易，市场的波动因而得到显著增强。

时变的市场约束能够与流动性紧缩相互加强从而形成对价格的冲击。Brunnermeier和Pederson (2009)[45]构建了联系资产市场流动性与交易者资金流动性的竞争均衡模型，指出流动性平衡面对经济冲击的脆弱性。模型表明，套利者持有的大规模风险头寸隐含着流动性干涸的风险，这源于多重均衡转换的可能性。市场充裕的流动性通过套利行为加强自身而形成良性均衡，一旦流动性缺乏，套利者向市场流动性的提供便受到了限制，流动性的降低便会形成恶性循环。在这一过程中，保证金要求起到了关键性作用，经济环境恶化对套利者融资造成负面效果，降低其向市场提供流动性的能力，而市场流动性的降低使金融机构提高对保证金的要求，这进一步加大了套利者的融资困难。此外，不利冲击还使套利者持有的资产缩水，迫使其低价出售资产以维持杠杆，导致资产价值的整体性下滑和资产价值的进一步缩水，这就是所谓的“保证金漩涡 (margin spiral)”与“损失漩涡 (loss spiral)”。当投资者资金结构出现危机时，高风险资产被大规模抛售，安全资产转移行为占据市场，股市波动率迅速提高。

决策者制定交易约束的最初目的是防止过度投机，控制风险以维护市场稳定。保证金交易、信贷配给和资本结构要求等措施都属于此类，VaR约束下的风险管理也是出于同样的目的，只是风险管理的约束来源于企业自身。事实上，以上关于交易约束的研究表明，风险规避行为本身在不利经济条件下蕴含着更大的破坏性，即交易约束加强了参与者风险规避的意愿从而增大了市场崩溃的可能。这种风险源于交易者自身偏好和行为，因而具有内生性。

金融危机的发生过程表明，危机能够从市场参与者的内生响应中为自己汲取动力，如同一场热带风暴经过温暖的海洋，在不断壮大的过程中吸收更多的能量 (Danielsson等，2010)。交易约束在经济稳定时是预防风险的良方，在经济衰退时则可能演变成加速市场崩溃的毒剂。Danielsson等指出，“每个人的风险都得到了控制，市场的风险也就得到了控制”，这一逻辑看起来没什么问题，但事实上对个人资产安全的保护却可能形成对他人利益的损害。如果制定金融规范的目的是为了防止金融系统走向崩溃，那么仅仅立足于个人资产安全的角度考虑问题是不够的，这一内生风险问题或许是未来政策制定的考量方向之一。

四、逆周期波动的现实思考

逆周期波动现象反映了金融市场对外部经济环境的敏感性，其形成机制蕴含着市场风险生成与扩散的内在规律。从宏观上来看，基本面因素能够直接影响股市波动，而溢出作用则加剧了波动在市场之间的传导。立足于微观层面，投资者的禀赋、认知与行为特征表现出不同经济条件下的时变性，形成了导向逆周期波动的不同路径。尽管本文对逆周期波动成因研究的综述集中于以上视角，但逆周期波动形成过程涉及到的市场因素并非仅限于此。例如，Acharya等 (2011)[46]指出，股市波动在衰退时期的提高很大程度上来源于市场充斥的负面信息，而负面信息的集聚则产生于企业的自利行为。事实上，具有自由裁量权的企业管理者大多倾向于推迟不利消息的发布，而外部环境的恶化则为坏消息发布提供了恰当的时机。企业会利用投资者这样的心理，既然外在经济环境是如此恶劣，那么企业运行不畅也就不足为奇，将坏消息对自身造成的负面影响降至最低，但这样一来，市场上的负面消息便会大量集聚并加大波动的程度。总之，股票价格是交易者预期的外在表现形式，逆周期波动成因的复杂性归根结底源于交易者空间与时间上决策行为的多样性。表1对近几年来逆周期波动的代表性研究进行了归纳和总结。可见，学者们对逆周期波动现象的探究已愈发深入到对市场参与者心理及行为的考察，而行为金融学的相关研究无疑能够为深入剖析这一现象提供参考。

表1 逆周期波动形成机理的相关研究

续表1

逆周期波动形成机理的研究将市场参与者与经济环境特征联系起来，在关注外生经济冲击的同时注重探讨市场内部的反映机制，形成了对新古典主义经济学研究领域的重要拓展。从诸多学者的研究结论中不难发现，市场风险不仅来自外生冲击，更源于交易者、制度与市场结构在特定经济环境中的内生性互动。尽管上述研究成果均立足于国外市场，但同样能引起关于我国现实情况的一些思考。作为新兴市场，我国金融业偶尔出现波动实属必然，市场波动的来源也并未超出学者们的探讨范畴，但在全球经济风险加剧的大环境下，交易者结构失衡与金融体系不完善引起的市场脆弱性问题便格外引人担忧。从短期来看，保持稳健发展，重塑投资者信心是当下政策的落脚点，而建立一个公正有序、高效合理的金融市场则始终是我国金融体系改革的长期目标，实现这一目标无疑需要全体社会成员的共同努力。

[1] Officer R R.The variability of the market factor of the New York stock exchange[J].JournalofBusiness, 1973, 46(3):434-453.

[2] Schwert W.Why does stock market volatility change over time?[J].JournalofFinance, 1989, 44(5):1115-1153.

[3] Black F.Studies of stock price volatilitychanges[EB/OL].https://www.researchgate.net, 2016-04-20.

[4] Christie A.The stochastic behavior of common stock variances : Value, leverage and interest rate effects[J].JournalofFinancialEconomics, 1982, 10(4):407-432.

[5] Hamilton J D, Lin G.Stock market volatilityandthebusinesscycle.[J].JournalofAppliedEconometrics, 1996, 11(5):573-593.

[6] Diebold F X, Yilmaz K.Macroeconomic volatility and stock market volatility, world-wide[J].SsrnElectronicJournal, 2008, 89(5):2339-2345.

[7] Corradi V, Distaso W, Mele A.Macroeconomic determinants of stock volatility and volatility premiums[J].JournalofMonetaryEconomics, 2013, 60(2):203-220.

[8] Qu Z, Perron P.A stochastic volatility model with random level shifts and its applications to S&P 500 and NASDAQ return indices[J].EconometricsJournal, 2013, 16(3):309-339.

[9] Engle R F, Rangel J G.The spline-GARCH model for low-frequency volatility and its global macroeconomic causes[J].ReviewofFinancialStudies, 2008, 21(21):1187-1222.

[10] Engle R F, Ghysels E, Sohn B.Stock market volatility and macroeconomic fundamentals[J].ReviewofEconomicsandStatistics, 2013, 95(3):776-797.

[11] Opschoor A, Dijk D V, Wel M V D.Predicting volatility and correlations with Financial Conditions Indexes[J].JournalofEmpiricalFinance, 2014, 29(C):435-447.

[12] Conrad C, Loch K.Anticipating long-term stock market volatility[J].JournalofAppliedEconometrics, 2015, 30(7):1090-1114.

[13] Jiang X, Lee B S.The dynamic relations between market returns and two types of risk with business cycles[J].FinancialReview, 2014, 49(3):593-618.

[14] Beirne J, Caporale G M, Spagnolo N, et al.Volatility spillovers and contagion from mature to emerging stock markets[J].ReviewofInternationalEconomics, 2013, 21(5):1060-1075.

[15] Bekaert G, Hodrick R J, Zhang X.Aggregate idiosyncratic volatility[J].JournalofFinancial&QuantitativeAnalysis, 2010, 47(16058):1155-1185.

[16] Rejeb A B, Boughrara A.Financial integration in emerging market economies: Effects on volatility transmission and contagion[J].BorsaIstanbulReview, 2015, 15(3):161-179.

[17] Jiang G J, Konstantinidi E, Skiadopoulos G.Volatility spillovers and the effect of news announcements[J].JournalofBankingandFinance, 2012, 36(8):2260-2273.

[18] David A, Veronesi P.What ties return volatilities to price valuations and fundamentals?[J].SocialScienceElectronicPublishing, 2013, 121(4):682-746.

[19] Lucas R E.Asset prices in anexchangeeconomy[J].Econometrica, 1978, 46(6):1429-1445.

[20] Mele A.Asymmetric stock market volatility and the cyclical behavior of expected returns[J].JournalofFinancialEconomics, 2007, 86(2):446-478.

[21] Choi S B, Giannikos C I.A note on the interrelation of volatility puzzle, equity premium puzzle,and mean reversion through state dependent preferences[EB/OL].http://ssrn.com/abstract=2377120, 2014-01-09.

[22] Hasler M, Ornthanalai C.Fluctuating attention and contagion: Theory and evidence from the U.S.equity market[EB/OL].http://ssrn.com/abstract=2551085, 2015-02-19.

[23] Aydemir A C.Risk sharing and counter-cyclical variation in market correlations[J].JournalofEconomicDynamicsandControl, 2008, 32(10):3084-3112.

[24] Campbell J Y, Cochrane J H.By force of habit: A consumption-based explanation of aggregate stock market behavior[J].JournalofPoliticalEconomy, 1999, 107(2):205-251.

[25] Li G .Aggregate stock market behavior and investors' low risk aversion[J].JournalofEconomicDynamicsandControl, 2008, 32(7):2349-2369.

[26] Rietz T A.The equity risk premium a solution[J].JournalofMonetaryEconomics, 1988, 22(1):117-131.

[27] Barro R J.Rare disasters and asset markets in the twentieth century[J].QuarterlyJournalofEconomics, 2006, 121(3):823-866.

[28] Gabaix X.Variable rare disasters: An exactly solved framework for ten puzzles in macro-finance[J].QuarterlyJournalofEconomics, 2008, 127(2):645-700(56).

[29] Wachter J.Can time-varying risk of rare disasters explain aggregate stock market volatility?[J].JournalofFinance, 2013, 68(3):987-1035.

[30] Tiu C, Yoeli U.Asset pricing with endogenous disasters[J].ReviewofFinancialStudies, 2013, 26(11): 2916-2960.

[31] Berkman H, Jacobsen B, Lee J B.Time-varying rare disaster risk and stock returns[J].JournalofFinancialEconomics, 2010, 101(2):313-332.

[32] Kandel E, Pearson N D.Differential interpretation of public signals and trade in speculative markets[J].JournalofPoliticalEconomy, 1995, 103(4):831-872.

[33] Li T.Heterogeneous beliefs, asset prices, and volatility in a pure exchange economy[J].JournalofEconomicDynamicsandControl, 2007, 31(5):1697-1727.

[34] Xiouros C.Disagreement, habit and the dynamic relation between volume and prices[EB/OL].http://ssrn.com/abstract=1744082, 2011-03-10.

[35] Hugonnier J, Prieto R.Asset pricing with arbitrage activity[J].JournalofFinancialEconomics, 2015, 115(2):411-428.

[36] Lipson M, Puckett A.Volatile markets and institutionaltrading[EB/OL].http://www.researchgate.net, 2016-04-20.

[37] Thomas A, Spataro L, Mathew N.Pension funds and stock market volatility: An empirical analysis of OECD countries[J].JournalofFinancialStability, 2014, 11(2):92-103.

[38] Sias R W.Institutional herding[J].ReviewofFinancialStudies, 2004, 17(1):165-206.

[39] Basak S, Pavlova A.Asset prices and institutional investors[J].AmericanEconomicReview, 2013, 103(5):1728-1758.

[40] Chichernea D C, Petkevich A, Reca B B.Idiosyncratic volatility, institutional ownership, and investment horizon[J].EuropeanFinancialManagement, 2015, 21(4):613-645.

[41] Cella C, Ellul A, Giannetti M.Investors' horizons and the amplification of market shocks[EB/OL].http://ssrn.com/abstract=1678021, 2016-04-20.

[42] Danielsson J, Shin H S, Zigrand J P.Risk appetite and endogenous risk[EB/OL].http://ideas.repec.org, 2016-04-20.

[43] Adrian T, Shin H S.Liquidity and leverage[J].SsrnElectronicJournal, 2010, 19(3):418-437.

[44] Albagli E.Amplification of uncertainty in illiquid markets[EB/OL].http://ssrn.com/abstract=1788216, 2011-11-03.

[45] Brunnermeier M K, Pedersen L H.Market liquidity and funding liquidity[J].ReviewofFinancialStudies, 2009, 22(6):2201-2238.

[46] Acharya V V, Kremer I.Endogenous information flows and the clustering of announcements[J].AmericanEconomicReview, 2011, 101(7):2955-2979(25).

The Formation Mechanism of Countercyclical Stock Market Volatility

Ye Li， Li Bolong

(School of Economics and Management， Hebei University of Technology， Tianjin 300401， China)

The deterioration of economic condition is usually followed by the turmoil of financial markets, with higher market volatility indicating the increasing uncertainty; conversely, the recovery of economy means a better prospect of development, reducing uncertainty and making market less volatile.The phenomenon that stock market volatility is countercyclical has drawn researchers’ attention widely.This paper gives a review of foreign literature on countercyclical stock market volatility, shedding light on the effects of time-varying investor perception, investor heterogeneity and endogenous risk induced by market constraints.Making out the formation mechanism of countercyclical volatility can help to understand the evolution of financial risk as well as its impacts, and will give empirical reference for investment strategy building and policy making.

countercyclical volatility； formation mechanism； financial risk

2016-05-08.

国家社会科学基金资助项目(11BJL048).

叶 莉(1963— )，女，博士，教授.

李伯龙，libolong2014@outlook.com.

F831.5

A

1008-4339(2016)06-514-08