科创板涨跌幅限制新规影响股价波动率吗

黄 剑 林细雁 潘昌辉

广东金融学院 金融与投资学院，广东 广州 510521

一、引言

2018 年11月5日，中国国家主席习近平在“首届中国国际进口博览会”开幕式上宣布，将在上海证券交易所设立科创板并试点注册制，科创板由此正式进入中国投资者的视野；2019年7月22日，随着第一批25家公司正式上市交易，科创板终于拉开了资本市场重大改革的历史大幕。

与资本市场传统板块不同，科创板的服务对象主要是科技创新企业，其设立旨在解决科技型中小企业融资问题，助力科技创新企业发展，为中国经济发展注入新活力、新动力。因此可以说，科创板将构建中国新产业结构的蓝图，代表中国新兴产业未来发展方向；同时，科创板也承载着中国资本市场未来改革方向，注册制试点、交易制度设计、退市制度改革是其最重要的组成部分。在上市审核方面，科创板实行不同于审批制、核准制的注册制(1)详见上海证券交易所《上海证券交易所科创板股票发行上市审核规则》(http://www.sse.com.cn/lawandrules/sserules/tib/review/c/4729495.shtml)。，其上市标准更加多元化；在二级市场交易方面，引入盘后固定价格交易、20%的涨跌幅限制、单笔申报的股数灵活化、申报价格最小变动单位根据股价设置等改革设计；此外，灵活的融资融券机制、严格的减持机制和退市制度的执行，有望将科创板打造为“进出有序”、流动性强的资本市场。科创板的改革及经验推广将实现中国资本市场的市场化、国际化、法制化，使资本市场真正发挥中国经济的锋刃作用。

二、文献回顾

由于科创板推出时间尚短，现有研究大多集中于科创板的制度介绍与模式比较，鲜有从市场微观结构的视角的探讨。果小丁(2019)[1]从发展模式上比较分析了新三板、创业板和科创板，认为科创板的推出使中国证券资本市场层次更加细化，结构更加合理，为解决科技创新型企业“融资难、融资贵”问题提供了新的途径；同时，在与美国NASDAQ进行比较的基础上，他认为科创板在上市、交易、退市制度上还有许多需要改进和完善的地方。

国内外关于其他证券市场的研究成果非常丰富，包括以价格形成为主要研究对象的市场微观结构领域。波动率代表金融资产价格的波动，不仅是金融风险的重要度量指标，也是金融产品及其衍生工具定价的重要因素，因而在证券市场微观结构研究中具有重要地位。波动率研究的两个重要方向是交易制度和投资者行为对波动率的影响。王朝阳和王振霞(2017)[2]认为涨跌停制度是A股市场个股股价高波动率的重要原因，融资融券的引入也进一步加大了股价波动性，并且提出大户交易者才是高波动率的诱因，散户占比高只是为高波动率形成提供了合适的土壤。与之类似，陈海强和范云菲(2015)[3]提出融资融券交易制度的杠杆效应可能吸引更多的投机行为从而加剧市场的波动，融资交易降低了股市的波动率，而融券交易增加了股市的波动率。此外，丁彦皓(2013)[4]利用ARIMA-ARCH模型研究中国住房抵押贷款证券化的信用风险，结果发现历史违约对未来信用风险的波动具有正向推动作用，但表现为短记忆特征；对外界正负面冲击有差异性反应，但不是很明显。潘烨(2016)[5]的研究则表明，上证市场组合羊群效应因子与特质波动率存在显著的相互影响关系，即羊群效应显著提高会使得高特质波动率组合获得的风险溢价显著降低，而当高特质波动率组合获得更高风险溢价则下一周期羊群效应会提高显著性，进而降低高特质波动率组合获得的风险溢价。

在投资者行为对波动率影响的研究方面，投资者情绪受到了广泛关注。张宗新和王海亮(2013)[6]建立“信念调整、投资者情绪、市场波动”的逻辑分析框架，利用主成分分析法构建投资者情绪指数，实证结果表明投资者情绪对市场收益率和波动率存在显著的正面冲击，不同信息偏好将导致不同的情绪波动频率，对基本面信息的偏好往往更有助于情绪稳定。杨斌(2014)[7]的研究表明，投资者情绪的非理性决定了投资者情绪容易变动，投资者情绪对股票波动率的影响同样具有阶段性，不同投资者会造成波动率不同程度和方向的变化。熊伟和陈浪南(2015)[8]从理论和实证两个角度分析股票特质波动率、股票收益与投资者情绪之间的动态关系，提出投资者情绪和股市流动性是影响中国股票市场高特质波动股票与低特质波动股票截面收益差异大小的重要原因。

从过往关于股价波动率的研究来看，市场波动在某种程度上受交易制度、投资情绪等因素影响；而新设立的科创板，其制度创新尤为突出，但囿于数据量不足、对标标的物选择等原因，相关研究成果比较缺乏。因此，本文聚焦于涨跌幅限制的幅度变化，以第一批科创板25只股票及与之对标的创业板25只股票为研究对象，探讨涨跌幅限制、投资者情绪与股价波动率的影响机制和比较关系。

本文的边际贡献可能在于：一是为科创板的市场微观结构研究提供一种比较研究的模式；二是讨论科创板股价波动率大小以及与交易制度改革的关系；三是为未来交易制度改革提供实证研究的参考。

三、研究思路与方法

(一)交易制度、投资者情绪与波动率间影响机理

证券市场交易制度是指在“公开、公平、公正”的原则下保障各市场主体进行交易活动的一系列制度安排，它既包括关于市场主体的制度安排，也包括市场交易的制度设计。投资者情绪是指投资者对未来预期的系统性偏差，它反映了市场参与者投资意愿和预期高低。投资者情绪作用于市场带来金融资产价格的波动，而市场波动状况反过来也会影响投资者情绪(图1)；一般而言，较高的投资者情绪带来较大的市场波动。投资者情绪是个难以度量的概念，它不仅与投资者自身因素相关，如投资者个体的投资风格类型、持仓量、财富值等，也与市场交易制度息息相关。

基于研究的是科创板的波动率问题，本文将交易制度聚焦于科创板涨跌幅限制和投资者类型。与其他板块10%的涨跌幅限制不同，科创板20%的涨跌幅限制为市场情绪宣泄和市场价格变化提供了更大的实现空间，因而可能带来更高的市场情绪，从而导致更大的市场波动。另一方面，由于科创板的50万元资产门槛及投资者风险类型识别机制，理论上讲其投资者可能更趋近于保守型理性投资人，投资者情绪可能更平稳，从而降低市场波动。科创板的涨跌幅限制新规和投资者类型选择机制对市场情绪和市场波动的影响方向是相反的，其最终影响方向取决于两者影响的有效性和影响力度。基于此，本文提出3个研究假设。

假设1：交易制度的差异将导致投资者情绪的不同，较大的涨跌幅限制、激进型的投资者类型带来较高的投资者情绪指数，科创板的投资者情绪大于创业板的市场情绪。

假设2：投资者情绪与市场波动相互影响，较高的投资者情绪带来较大的市场波动。

假设3：基于研究假设1和研究假设2，科创板的市场波动大于创业板的市场波动。

(二)研究样本及数据选择

本文选取科创板首批上市的25只股票作为基础研究样本，从其产业分布来看，涉及新一代信息技术、高端装备、新材料和生物医药等领域。其中，新一代信息技术产业的公司有13家，占比最高；高端装备产业和新材料产业各有5家，生物医药产业有2家。为进行波动率的比较研究，根据科创板研究样本企业的所属细分行业、主营业务内容及流通市值规模等，本文从创业板中遴选出25个可比公司作为对比研究样本(具体说明见表4)。

在样本时间选择上，由于主要探讨的是科创板与创业板的波动率比较问题，考虑到股票上市初期的价格形成更多地受到市场炒作情绪的影响，其波动性存在失真的倾向，本文去除了上市初期5个交易日的数据，将样本时间选择为2019年7月29日至2019年12月31日；同时，为进一步考察波动率的日内变化情况，研究样本的股价数据采用日次数据和5分钟数据两种。如无特别注明，数据均来源于Wind金融终端。

(三)模型选择与实证步骤

1. 波动率模型。对研究样本的股价数据进行收益率处理得到收益率序列{yt}，均值模型采用ARMA(m,n)模型，结合AIC、SC确定模型参数m、n。对均值模型的残差进行条件异方差检验(ARCH检验)，如果不存在ARCH效应，则以残差平方序列作为波动率(Volatility)；如果存在ARCH效应，则构建如下的GARCH模型，计算其波动率序列。

标准的GARCH(p,q)模型为：

(1)

(2)

2. 投资者情绪指数构建。(1)指标选取。郭金(2016)[9]选用封闭式基金折价率、IPO数量及IPO上市首日收益等指标刻画投资者情绪，但这种指标选取方法并不适用于本文的研究目的，一是由于目前封闭式基金的数量与质量难以有效描述投资者情绪，IPO数据数量不足、有效性存疑；二是其构建的投资者情绪指数无法将科创板与创业板的情绪区分开来，更无从比较两者之间的大小关系。因此，本文从个股交易数据出发，初步选取11个与情绪指数正相关的代理变量指标：换手率(turnover_rate)及其滞后1期(turnover_rate_1)；成交额(amount)及其滞后1期(amount_1)；成交量(VOL)及其滞后1期(VOL_1)；滚动市盈率(pe_ttm)、市净率(pb)和滚动市销率(ps_ttm)；上涨个股数占比(up_percent)；净主动买入额(net_mf_amount)。

为了避免指标的冗余，本文参考刘学文(2019)[10]的相关性分析方法，剔除了与市场收盘价(2)由于科创板尚未设立市场指数，本文以市值加权平均的方法构建科创板指数，以下同。的相关系数小于0.3的2个指标——上涨个股数占比和净主动买入额，最终选取余下的9个代理变量指标来构建投资者情绪指数。对以上9个指标的描述性统计结果显示，科创板的换手率、成交额远大于创业板，而成交量小于创业板，与预期基本相符，初步验证了对标标的物选择、投资者情绪代理变量选择的合理性。

(2)主成分分析。针对上述确定的9个情绪指数的代理变量，本文做以下处理：原始数据的标准化、求标准化矩阵的相关系数矩阵、解相关系数矩阵的特征值和单位特征向量、确定主成分U。主成分分析结果如表1所示，以累计方差贡献率达85%为基准，科创板的投资者情绪指数构建时只选取第一主成分，创业板则选取前三个主成分。

表1 主成分分析结果

四、实证结果与分析

(一)科创板与创业板的波动率比较

本文沿用前述波动率模型对科创板25只股票及与之对标的创业板25只股票进行分析比较。以科创板中新一代信息技术领域的“杭可科技”(股票代码688006.SH)及与之对标的创业板公司“星云股份”(股票代码300648.SZ)为例，由AIC及SC准则确定收益率均值方程为ARMA(1,1)模型，其残差序列未通过ARCH检验，故对其收益率进行拟合后得到两者的波动率序列(图2)。由图2可见，科创板的“杭可科技”的波动率在整个样本期间显著高于创业板的“星云股份”。运用前述的两序列均值大小比较方法，得到检验结果(表2)，其中t=3.78，伴随概率P=0.0002，因而拒绝原假设H0：μ1-μ2=0，得到“杭可科技”的波动率显著大于“星云股份”的结论。

表2 波动率均值大小的显著性检验(日次数据)

为进一步考察日内价格波动情况，本文利用样本的5分钟高频交易数据进行类似的操作。5分钟收益率序列的均值方程由AIC及SC准则确定为AR(1)模型，其残差检验显示具有ARCH效应，最终均确定为Garch(1,1)模型，由此得到的波动率序列(图3)和两个序列的均值差异性检验结果(表3)。显然，与日次数据一样，高频数据的结果依然得到并强化了“杭可科技”的波动率显著大于“星云股份”的结论。

表3 波动率均值大小的显著性检验(高频数据)

与以上对“杭可科技”和“星云股份”的操作类似，对科创板和创业板的两组各25只股票样本的日次数据和高频数据进行处理，得到波动率序列并进行均值显著性检验(表4)。在选择的第一批科创板25只股票中，有23只股票的日次数据波动率大于对标的创业板股票，高频数据的处理结果与之类似，21只科创板股票的波动率大于对标的创业板股票。由此验证了研究假设3的结论，即对于样本期间的样本数据，科创板的市场波动率高于创业板的市场波动率。

表4 科创板与创业板的市场波动率比较

续表4

高端装备领域交控科技>世纪瑞尔<交控科技天宜上佳>华伍股份<天宜上佳航天宏图>超图软件<航天宏图天准科技>精测电子<天准科技瀚川智能>智云股份<瀚川智能新材料领域沃尔德>四方达<沃尔德铂力特>红宇新材<铂力特方邦股份>乐凯新材>方邦股份西部超导>钢研高纳<西部超导嘉元科技>欣旺达<嘉元科技生物医药领域心脉医疗>乐普医疗<心脉医疗南微医学>凯利泰<南微医学

(二)科创板与创业板的投资者情绪比较

1. 投资者情绪指数构建。如上所述，从市场交易数据中确定9个情绪代理变量指标，利用主成分分析法构建科创板和创业板的投资者情绪指数，并分别将这两个情绪指数与对应的市场指数绘制为图4和图5。两图中的投资者情绪指数走势均与相应的市场走势吻合，二者呈现正相关关系，表明所构建的投资者情绪指数较好地刻画了市场情绪，也初步验证了研究假设2，即较高的投资者情绪带来较大的市场波动。

观察两图中反应情绪指数的左轴纵坐标可明显看出，科创板的情绪指数不但在科创板设立初期的情绪高涨阶段大于创业板的情绪指数，而且在情绪宣泄后的样本区间后半段也大于后者。一般来说，涨跌幅限制幅度的增大有利于投资者情绪的释放，对情绪指数的影响为正，而理性投资者的情绪指数应偏小。因此，从研究假设1“科创板的投资者情绪大于创业板的市场情绪”得到的验证来看，科创板涨跌幅限制新规带来了市场情绪的上升，而其投资者遴选识别机制未能有效降低市场情绪抑或对市场情绪的影响力度不如前者大。

2. 投资者情绪对市场波动率的影响。为进一步考察投资者情绪对市场波动率的影响，本文以前述所得的样本股票的波动率序列构建市场波动率，分别对科创板和创业板各25个样本股票的波动率序列进行标准化处理，并求算术平均得到科创板和创业板的市场波动率序列。图6和图8刻画了分别基于日次数据和高频数据的科创板情绪指数与市场波动率的走势；图7和图9则描绘了分别基于日次数据和高频数据的创业板情绪指数与市场波动率的走势。图6和图7显示，无论是科创板，还是创业板，市场波动率走势均与投资者情绪走势基本吻合，二者之间呈现正相关关系。图8和图9则表明，高频数据依然支持以上结论。这进一步验证了研究假设2，即投资者情绪与市场波动相互影响，较高的投资者情绪带来较大的市场波动。

3. 稳健性检验。图6～图9是投资者情绪对市场波动率影响的直观描绘。以下借鉴何平等(2014)[11]的方法，进行投资者情绪对市场波动率影响的稳健性检验。如式(3)、式(4)构建个股回归模型和面板回归模型以检验投资者情绪对个股波动率的影响，在解释变量设置时，考虑波动率的自相关关系，控制波动率滞后1期为解释变量，同时逐步加入投资者情绪指数的滞后1期、滞后2期、滞后3期。

Volt=α+β1Volt-1+β2Sentimentt-1+β3Sentimentt-2+β4Sentimentt-3+εt

(3)

Voli,t=α+β1Voli,t-1+β2Sentimenti,t-1+β3Sentimenti,t-2+β4Sentimenti,t-3+εi,t

(4)

回归之前进行数据的平稳性检验。对所有样本的波动率日次数据、波动率高频数据及情绪指数做ADF检验(表5)的结果显示，绝大部分样本股票均拒绝原假设，说明时间序列数据是平稳的。

表5 ADF平稳性结果

本文面板回归采用固定效应模型，面板数据的Hausman检验从略。表6和表7分别为针对波动率日次数据和波动率高频数据的面板回归模型结果。观察科创板的参数估计结果可知，投资者情绪指数滞后1期的系数显著为正，说明情绪指数越高，未来1期的个股波动率越高；情绪指数各阶滞后项的总效应为正，表明投资者情绪正向波动时，未来个股波动率将上升。另一方面，尽管创业板的各个参数估计结果不显著，但情绪指数各阶滞后项的总效应依然为正，这从某种角度上也反映了投资者情绪对个股波动率的正向效应。

表6 面板回归模型结果(日次数据)

注：表格中上段为估计值，下段为其伴随概率。表7同

表7 面板回归模型结果(高频数据)

为进一步观察个股表现，本文利用式(3)的个股回归模型对所有样本股票进行逐个回归(表8)。总体来看，逐一回归的结果与面板回归模型的结果基本一致，投资者情绪指数滞后1期的系数大于0且显著的个股占总体的主要部分，系数显著为正的股票远多于显著为负的股票，整体系数均值显著大于0，表明投资者情绪指数的滞后1期对波动率具有正向效应。与面板回归模型结果类似，创业板的个股回归模型结果的表现依旧弱于科创板。

表8 个股回归模型结果统计

续表8

高频数据科创板创业板系数均值大于0概率%P<0.05概率%P>0.95概率%T统计量系数均值大于0概率%P<0.05概率%P>0.95概率%T统计量滞后1期0.69100.0100.00.010.600.0242.315.40.00.251.00100.096.00.04.600.0957.77.70.00.400.88100.088.00.03.860.1276.93.83.80.48滞后2期-0.328.020.00.0-1.45-0.0838.53.80.0-0.330.0864.012.00.00.17-0.1726.93.80.0-0.44滞后3期-0.3116.032.04.0-1.260.0853.87.77.70.31

综上所述，无论是面板数据回归结果还是逐个股票回归结果，均支持研究假设2，即投资者情绪越高，个股波动率越高；投资者情绪波动越大，个股波动率越高。

五、结论

本文在分析交易制度、投资者情绪与市场波动间的影响机理的基础上，选取科创板首批25只股票和与之对标的创业板25只股票为研究样本以及2019年7月29日至2019年12月31日的日次数据和高频数据为样本数据；利用ARMA-GARCH模型计算样本波动率序列并进行样本间的序列均值比较；同时，采用主成分分析法(PCA)，以换手率、成交额、成交量、滚动市盈率、市净率、滚动市销率等9个情绪代理变量构建投资者情绪指数，进行板块间的投资者情绪分析，重点考察科创板交易制度改革对投资者情绪及市场波动的影响，结果显示：第一，科创板日次收益率的波动率显著大于创业板，高频数据的结果进一步强化了以上结论；第二，投资者情绪与市场波动相互影响，较高的投资者情绪带来较大的市场波动；第三，科创板的投资者情绪大于创业板的市场情绪，科创板涨跌幅限制新规带来了市场情绪的上升，而其投资者遴选识别机制未能有效降低市场情绪抑或对市场情绪的影响力度弱于前者。

基于以上结论，中国资本市场改革应做好三个方面的工作：一是在中国资本市场的顶层设计改革中，应充分考虑中国市场的实际情况，基于审慎性原则采取部分试点和逐步实施的方式，密切关注市场动态与反应，决定改革步骤和改革幅度，以期找到较好的改革路径；二是在改革措施，尤其是交易机制改革措施推出前，要深入探究其对投资者情绪和市场波动的影响，利用仿真平台、金融科技手段等研究交易制度的影响机理，充分考察改革措施对市场的影响和市场的承受能力，保障改革措施能够以对的形式、对的时机顺利开展；三是在引导投资者树立正确的投资观念、加强金融风险意识教育、培养新一代理性投资人的同时，利用金融科技创新投资者风险识别机制，进一步完善落实合格投资者制度，促使“散户基金化”，而非“基金散户化”，促进科创板乃至资本市场的长期健康发展。