经济不确定性（风险）对股票流动性共性的影响

谢林吟，王 楠

（1.宁波大学 科学技术学院，浙江 宁波 315300；2.宁波诺丁汉大学 诺丁汉商学院，浙江 宁波 315100）

股票流动性共性（Commonality in Liquidity）是指单个股票流动性与整个股票市场流动性或同一产业股票市场流动性的共同运动，由美国金融学教授科迪亚（Chordia）首次提出[1]。股票流动性共性的研究主要涉及两大方面：一是关于股票流动性共性对资产定价和资本结构的影响[2-3]；二是关于股票流动性共性的来源，国际研究发现：高频交易、多边交易设施、宏观信息、货币政策、市场波动性、共同做市商、集体主义都能影响股票流动性共性[4-8]。国内研究发现：信息不对称性、宏观经济环境、投资方式和融资融券规模显著地影响股票流动性共性[9-11]。

自弗兰克·奈特时代（20 世纪20 年代）起，不确定性（风险）的研究一直在经济学领域中占有重要的地位。弗兰克·奈特认为发展中的波动是不确定性（风险）的根本原因。不确定性的情况往往独具个性，事件发生的概率具有一定的主观性，通常指的是正向的结果。对于风险而言，一组事件的结果分布是可知的，可将客观的概率用于风险上，泛指意外灾祸发生的不确定性，意味着损失[12]。COVID-19公共卫生突发事件爆发以来，人们愈发关注不确定性（风险）对金融市场的影响，但主要停留在经济不确定性（风险）对各类金融资产定价和流动性的影响上[13-16]。

本研究将拓展股票流动性共性来源的研究方向，探究经济不确定性（风险）对股票流动性共性的影响。

一、股票流动性共性衡量

股票流动性通常被用来描述大量股票以低成本、在资产价格不太受影响的情况下进行交易的能力。交易量、交易速度、交易成本和价格影响是反映股票流动性的四大属性[17]。阿米胡德（Amihud）的非流动性比率、买卖价差、周转率、交易量为零的天数等指标都可以用来衡量股票流动性。其中，阿米胡德（Amihud）的非流动性比率应用广泛，最能准确反映股票流动性的指标[18]。本研究先对阿米胡德（Amihud）的非流动性比率加1 后取对数，然后用对数的相反数衡量股票流动性（等式1）。这样处理可以减少异常值对股票流动性的影响，同时也能将阿米胡德（Amihud）的非流动性指标转化为反映个股流动性的指标。

目前为止，对股票流动性共性进行监测的模型有如下几类：第一，周熙雯和唐振鹏通过Copula 模型既刻画了股票流动性之间线性的共同运动关系，又刻画了股票流动性之间非线性的共同运动关系。Copula 模型展现的相关性越高，股票流动性共性越大，包含的共性驱动因素的影响作用越大[11]。第二，丘利亚（Chulia）等将西姆斯（Sims）的VAR 模型和方差分解的理念应用于股票流动性共性测量中[19]。第三，用个股流动性对市场流动性、专业投资组合流动性或同产业流动性变化的敏感程度，衡量股票流动性共性[1，8，20]。第四，用个股流动性对市场流动性线性回归的拟合优度，表示股票流动性共性[3，9，21]。

本文参照第四种方法，即卡罗伊（Karolyi）等提出的衡量方式，测量我国股票流动性共性。每日个股流动性（liqi,t,d）进行一阶自回归，并且对一周内的工作日（Dτ）和非周末节假日存在的那一周工作日（HOLIi,d）进行调整（等式2），该等式产生的残差（ωi,t,d）被称为每日个股流动性新增量。其中，Dτ表示周一到周四的虚拟变量。非周末节假日存在的那一周工作日被表示为HOLIi,d等于1；其他工作日被表示为HOLIi,d等于0。

用一个月内某日个股流动性新增量（ωi,t,d）对前一交易日股市流动性新增量（ωm,t,d-1）、当期股市流动性新增量（ωm,t,d）和后一交易日股市流动性新增量（ωm,t,d+1）进行线性回归（等式3）。所得的拟合优度R2值采用方式进行转换。这个结果为该个股月度流动性共性，在下文中用Cliqi,t表示。与此同时，Cliqt是t月份市场所有个股流动性共性的平均值，表示某一月份整个股票市场流动性共性。

本文所有个股样本选自上海证券交易所和深圳证券交易所的A 股市场，深圳创业板和上交科创板。此研究只保留正常状态的股票样本，并剔除流动性数值缺失的股票样本。为了消除离群值影响和保持月度流动性共性数值连续性，月内交易日小于10 天的个股也被剔除。最后，选出4 376 家上市企业的股票。在2003 年1 月至2021 年4 月期间，股票流动性共性存在较强的波动性，流动性共性的强弱分布比较对称（表1）。

表1 各变量的统计属性

二、经济不确定性（风险）的衡量

近十年时间来，国内外学者关于经济不确定性（风险）的度量研究长足发展，创造了一系列衡量方法，有如下这几种：布卢姆（Bloom）使用期货期权衍生产品的隐含波动率和股市收益率的已实现波动率计量股票市场不确定性（风险）[22]；贝克（Baker）等首次对数百份向公众发行的印刷品或电子出版物，进行文本分析，编制关于经济政策的不确定性指标[23]；黄卓等将随机波动率模型和马尔可夫链蒙特卡罗方法应用于280 个经济金融变量，计算出2002-2017 年中国金融不确定性指数[24]；陈进国等将符号变差定义为已实现正半方差和已实现负半方差之差，以此来衡量股票市场不确定性（风险）[15]；厄兹图尔克（Ozturk）和他的合作者用实体经济变量的实际数值相比于专业人员对该经济变量预测值的偏差来度量经济不确定性[25]。

本研究参考陈进国等的测量方法论和弗兰克·奈特对不确定性（风险）的界定，构造宏观经济不确定性（风险）指标。本文用宏观经济变量的增长比率构建能够传递积极信息的不确定性指标，用宏观经济变量的减少比率构建经济风险指标。

由于许多实体经济变量具有季节性周期，采用同比累积增长率来避免宏观经济变量季节性调整。某月宏观经济变量增长率，用该月前后5 个月时间区间的平均增长率对其实行去平均化处理。在某月往前推12 个月的时间区间内（滚动窗口取值j为-12 到-1），一个经济变量所有去平均化后的正（负）增长率（Δy）的平方和为该宏观经济变量在该月份已实现正（负）半方差（等式4、5），用RVp,t（RVn,t）表示。

将某个经济变量未来3 个月的平均正（负）方差的对数对当期的一组预测因子进行回归（等式6）。预测因子（矩阵Xt）为包含实体经济、房地产、货币市场与资本市场的95 个宏观经济变量的主成分要素。这些主成分要素在每个月的特征值大于1。3 个月预测窗口（h）的设置是为了减少在构造经济不确定性（风险）过程中产生的测量误差。其可预测部分（constj+vjXt）为指数的幂结果代表该宏观经济变量与未来相关的当期正（负）方差（等式7）。

最后，传递积极信息的经济不确定性（Ut）和经济风险（Riskt）分别为58 个（m的最大值）宏观经济变量的已实现正半方差和已实现负半方差平方根的加权平均值（等式8）。采用多变量的平均值计算不确定性和风险是为了让时间序列数据更加平滑，减少极端值的影响。在研究期中，经济不确定性和经济风险的变化幅度都小于股票流动性共性的变化幅度。在大部分区间中，经济不确定性和经济风险表现得比较平缓，但依然存在差距较大的最大值和最小值（表1）。

三、经济不确定性（风险）对股票流动性共性的影响

（一）相关实证文献

目前为止，鲜有文献直接研究经济不确定性（风险）对股票流动性共性的影响，但有文献研究过其他种类不确定性对股票流动性共性的影响。例如，莫西任（Moshirian）等用霍夫斯泰德（Hofsted）的不确定性规避指数衡量交易者的风险厌恶程度，发现较大的心理不确定性能增强股票流动性共性[2]。艾沙克（Isshaq）和法福（Faff）将盈利波动性视为公司个体不确定性，并且发现个体属性不确定性可以减弱股票流动性共性[26]。冯燕妮等基于贝叶斯估计时变参数模型发现经济政策不确定性显著增强股票流动性共性（用个股流动性对股市流动性的敏感性表示）[27]。

经济不确定性（风险）的测量是以波动性测量为基础发展而成[12]。为此，波动性对股票流动性共性的影响研究对本研究具有一定的参考意义。丘利亚（Chulia）等选择2000 年7月份至2016 年12 月份9 个国家金融市场数据作为研究样本，发现全球股票市场收益波动率在整个样本期内能引发国内股市和全球股市的流动性共性，但在全球金融危机时期和欧洲主权债务危机时期（即2009 年底至2013 年）股票流动性共性对全球市场波动产生格兰杰因果效应[19]。

虽然现有的少量文献都只是间接地与本研究相关，但这些文献对本研究的理论推理和假设发展具有一定的借鉴。同时，这些文献对本研究实证分析的开展起到引导作用。

（二）相关理论依据和假设发展

目前为止，用来解释股票流动性共性变化的主要理论框架有需求—供给理论、自由进出机制和流动性决定要素理论。其中，需求—供给理论的应用最为普遍，最能清晰地解释经济不确定性（风险）对股票流动性共性影响的潜在理论逻辑。

根据需求—供给理论，供给方的驱动因素主要来源于金融中介机构提供的流动性[21]。我国股票市场采用指令驱动型交易系统，并无做市商。为此，我国股票流动性共性的供给驱动因素不是金融中介机构，而是与资金流动性相关联的货币政策和市场收益率。首先，就货币政策这一渠道而言，贝克特（Bekaert）等用隐含波动率计算不确定性（风险），他们的实证结果显示不确定性（风险）与货币政策高度相关[28]。一方面，宽松的货币政策可以减弱未来长期的不确定性（风险）[28]；宽松的货币政策可以提高市场资金流动，股票流动性，降低股票流动性共性[21]；股票流动性共性因此和不确定性（风险）呈现正向关系。另一方面，较高的不确定性（风险）也可能导致短期的货币宽松[28]，增强股票流动性，进而使股票流动性共性下降；股票流动性共性因此也可能和不确定性（风险）呈现反向关系。

中国股票流动性共性供给方第二个驱动因素是市场收益率。经济风险传递的负面消息会减少人们对股票的需求，股价降低，股票当期收益率随之减少。较低的市场收益率使整个股票市场处于低迷状态，股票流动性随之蒸发，资金流动性持续下降，股票流动性共性随之上升[20，29]。相反，由宏观经济变量的增长比率构建而成的经济不确定性能够显著提升资产价值和促进未来实体经济的发展，给投资者带来积极、正面的影响[15]。因此，股票买卖交易量增加，股票流动性随之增强，股票流动性共性便减弱。

关联交易、投资者情绪和单个证券交易动机是需求—供给理论中产生股票流动性共性的需求驱动因素[21]。经济不确定性（风险）可以通过这三个渠道影响股票流动性共性。首先，就关联交易这一渠道而言，个体投资者面对较高的风险会产生相互参考或参考机构投资者的心理，从而形成股票间的相关交易。股票间相关交易主要表现为机构交易、指数交易、一揽子交易和共同基金交易。这些相关交易行为创造了共同的买入或卖出压力，导致股票流动性共性的提高[30]。其二，就投资者情绪而言，由于人性厌恶风险，经济风险会降低投资活动[31]。投资利润的减少或出现亏损使人们产生悲观和恐慌的情绪，负面情绪在市场中相互传导，使得股票持有者们都纷纷抛售股票，股票流动性集体下降，流动性共性随之增加。第三，就单个证券交易动机而言，经济风险会增强交易信息的不对称性，投资者需要花费较大的成本获得公司的相关信息。面对降低的利润，相比于单个证券交易，投资者更愿意购买多个相关联证券以获得规模效益，流动性共性便随之增强[1]。然而，由宏观经济变量的增长比率构建而成的经济不确定性带给投资者正面、积极的影响，使投资者更自信地依据个人投资能力和投资经验在资本市场中进行交易。关联交易随之减弱，单个证券交易动机随之增强，这些会导致股票流动性增强，股票流动性共性减弱。

由此，本文提出如下基本假设：

H1：由宏观经济变量的增长比率构建而成的经济不确定性能够减弱股票流动性共性，但经济风险会增强股票流动性共性。

H2：股票市场流动性共性对由宏观经济变量的增长比率构建而成的经济不确定性的冲击产生负响应，但对经济风险的冲击产生正响应。

（三）回归模型和控制变量

所有数据来源于国泰安数据库（CSMAR）。控制变量都被处理成月度数据。为了保证研究期的长度，又考虑到数据的可得性，研究区间设定为2003 年1 月至2021 年4 月。在这220个月中，我国金融市场受到美国次贷危机和欧洲主权债务危机的影响，经历了股市千股跌停和COVID-19 公共卫生突发事件。这个区间的选择有利于研究经济不确定性（风险）对股票流动性共性的影响。为了避免极端值的影响，本论文将所有变量小于1%和大于99%的样本点赋值为1%和99%的对应值，即对数据进行缩尾处理。

为了避免经济不确定性（风险）对股票流动性共性的影响受到产业和时间的干扰，本文对等式9 采用双向固定效应的面板回归分析方法。其中，f为预测未来股票流动性共性的月份数，f取值为0 和1。等式9 的控制变量有个体层面上的面板序列变量：公司成立时间、个股非流动性、个股总市值、个股换手率、个股收益率、个股系统性风险、个股账市值和个股非系统性风险。控制变量还包括宏观经济层面上的时间序列变量：市场利率、货币供应量、消费价格指数和银行总存款/GDP。

在时间序列层面上，本文采用向量自回归（VAR）的脉冲响应函数（IRF）分析在24 个月内股票流动性共性对经济不确定性（风险）冲击的响应（等式10）。其中，p代表滞后的最大阶数。p值是结合 FPE、AIC、HQIC 和SBIC四大标准共同决定。等式10 的控制变量包含金融市场层面上的时间序列变量：整个股票市场非流动性、股票市场换手率、股票市场收益率、股票市场总市值和股票市场系统性风险；以及经济层面上的时间序列变量：市场利率、货币供应量、消费价格指数、人民币对美元的汇率和银行总存款/GDP。

公司成立年份被进行对数化处理。公司越早成立，成立年份数值越小。历史越悠久的公司，股票价值变动更容易成为参考对象，更容易引发股票流动性共性[26]。为此，预估公司成立年份与股票流动性共性呈负相关。股票的账市值用净资产价值与市值的比值表示。股票的账市值被发现与股票流动性共性呈稳健的正向关系[26]。

个股非流动性用个股Amihud 比率的对数形式表示；股票市场非流动性用A 股市场中所有个股非流动性的平均值的对数表示。个股收益率是包含现金股利再投资的个股价格变化比率；由个股收益率经过当前市值加权而得股票市场收益率。在股市繁荣时期，股票收益率较高，股票流动性上升。整个股票市场的收益率和流动性都比较高，股票流动性共性会随之下降[29]。

个股总市值是上市公司股价与股票发行数的乘积，被进行对数化处理；综合市场总市值是指A 股市场所有个股总市值和，被进行对数化处理。个股市值越大，越有可能被包含在市场指数中，越有可能被机构投资者持有，股票流动性共性也就越大[26]。

个股换手率为交易股数与市场流通股数的比值；个股换手率经过市值加权计算而得市场换手率。我国换手率与信息风险存在较强的负向关系[32]，信息越不对称，信息风险也就越大，股票流动性共性越大。因此，本文预计换手率与流动性共性呈现反向关系。

每日个股系统性风险系数beta 的估计是基于离当日最近250 个交易日的日度现金股利再投资的收益率和CAPM 模型。月度个股系统性风险为个股在一个月内日均系统性风险系数beta。月度股票市场系统性风险是整个目标市场的月度个股系统性风险的平均值。在使用日度现金股利再投资的收益率和CAPM模型估计每日个股系统性风险系数beta 时所得的日度残差值，被用来计算该残差值在一个月中的方差；该月度方差被视为个股非系统性风险。个股系统性风险和非系统性风险越大，相应市场风险也越大，股票流动性共性也随之增强[26]。

市场利率选用7 天银行间同业拆借利率计量。货币供给量用M2 等级的市场货币供应量的对数表示。消费价格指数被进行对数化处理。银行总存款/GDP 为银行总存款与国内生产总值的比值。利率提升，M2 货币供给减少，CPI的增加和银行总存款相对于国内生产总值比率增加都可以引起资金流动性供给不足，流动性共性随之增强[11]。

（四）经济不确定性（风险）对股票流动性共性影响的面板回归分析

自变量间的pairwise 相关性分析表中，（1）至（12）为此面板回归分析的控制变量（表2）。除了7 天银行间同业拆借利率外，经济风险与其他控制变量之间的相关性都小于0.5。经济不确定性与各控制变量间的相关性都比较低。除了企业规模和其股票非流动性之间的相关性，其他控制变量间的相关性都比较低。经济不确定性（风险）与各控制变量之间较低的相关性使经济不确定性（风险）对股票流动性共性影响的系数估计在统计意义上具有无偏性（表3）。

表2 自变量间的pairwise 相关性分析

实证结果显示由宏观经济变量的增长比率构建而成的经济不确定性可以显著减弱股票流动性共性，的确带给投资者正面、积极的影响。此外，发现该类经济不确定性对未来股票流动性共性的预测能力要比对当期股票流动性共性的影响力要强。正如理论假设推导，经济风险能够增强股票流动性共性。其中，经济风险对未来一个月股票流动性共性的预测力要显著大于对当期股票流动性共性的影响力（表3）。

表3 经济不确定性（风险）对股票流动性共性的影响

总体而言，由宏观经济变量的增长比率构建而成的经济不确定性对股票流动性共性的影响力相比于经济风险对股票流动性共性的影响力更为稳定和持久。这两种影响程度呈现非对称性。经济不确定性减少当期股票流动性共性的程度大于经济风险增加当期股票流动性共性的程度，然而经济不确定性减少未来股票流动性共性的程度小于经济风险增加未来股票流动性共性的程度。

有实证研究发现由工业产值的增长比率勾勒出的宏观经济不确定性可以增强个股流动性[33]。国内外实证和理论研究都已证明了个股流动性的增强伴随着股票流动性共性的减弱[2，10]。由此，本文推导出由宏观经济变量增长比率勾勒出的经济不确定性能够减弱股票流动性共性。这个理论推导与本文实证研究得出的结论相一致。

无论是采用个体固定效应还是产业固定效应，结果都稳健地说明经济不确定性能够显著地减弱股票流动性共性，但经济风险能够显著地增强股票流动性共性。经济不确定性（风险）对未来股票流动性共性的预测能力比对当期股票流动性共性的影响力强。

另外，公司成立年份、个股收益率、个股系统性风险、个股非系统性风险、用个股周转率衡量的信息非对称性和个股账市值对股票流动性共性的影响尤为显著地支持理论预期。其他控制变量对流动性共性的影响则有些不太稳健。拟合优度R2的减少显示所有变量对股票流动性共性的影响力随着预测期限的增加在减弱，但经济不确定性（风险）对股票流动性共性的预测力在增强。为此，与控制变量相比，经济不确定性（风险）对股票流动性共性的影响随着预测期限的增加变得愈发重要。

（五）股票市场流动性共性对经济不确定性（风险）冲击的响应分析

股票市场流动性共性对经济风险的冲击产生正响应（图1），该响应在未来第一个月上升迅速，在未来第二个月最为强烈，快接近0.02 单位。随后，股票市场流动性共性对经济风险冲击的响应迅速下降，该正向响应可持续近2 年时间，直到最后非常接近于0。

图1 股票流动性共性对经济风险冲击的响应

面对由宏观经济变量的增长比率构建而成的经济不确定性的冲击，股票市场流动性共性做出负响应（图2）。就总体变化趋势而言，该负响应的程度在减弱，但该响应的变化并不如股票市场流动性共性对经济风险冲击的响应那样光滑。股票流动性共性对经济不确定性冲击的负向响应也是在第二月达到最值，非常接近-0.02 单位。

图2 股票流动性共性对由宏观经济变量的增长比率构建而成的经济不确定性冲击的响应

在时间序列层面上，股票市场流动性共性对经济不确定性（风险）冲击的最显著响应呈现一定程度上的对称。无论是从个股角度进行的面板数据分析还是从市场角度进行的时间序列数据分析，无不体现由宏观经济变量的增长比率构建而成的经济不确定性可以带给投资者正面、积极的影响，具有减弱股票流动性共性的效果。相反，经济风险具有增强股票流动性共性的效果，但具体的影响程度存在一定差异。

四、结论及对策建议

（一）结论

通过面板数据的双向固定效应分析，本研究发现在经过时间和产业调整后，由宏观经济变量的增长比率构建而成的经济不确定性能显著而持久地减弱股票流动性共性，经济风险却可以增强股票流动性共性，两类影响呈现非对称性。相比于其他股票流动性共性影响因素，经济不确定性（风险）对股票流动性共性预测的重要性随着预测区间的扩大而增强。根据时间序列分析，股票市场流动性共性对由宏观经济变量的增长比率构建而成的经济不确定性的冲击做出负向响应，但对经济风险的冲击做出正向响应，这两类响应呈减弱趋势。无论是面板数据分析还是时间序列数据分析，经济不确定性（风险）对未来一个月股票流动性共性的影响比对当期股票流动性共性的影响更为明显。

（二）对策建议

首先，在防范化解由流动性共性引发的股市系统流动性风险时，我国政府部门需要考虑到经济不确定性（风险）对其产生的影响。在应对各类宏观经济不确定性（风险）过程中，我国经济坚持稳字当头、稳中求进，扎实做好“六稳”工作，全面落实“六保”任务，阻断经济不确定性（风险）引发的金融系统性风险，从而实现有效服务实体经济和维持金融系统稳定的目标。

其次，即使在大环境处于高不确定性（风险）的情况下，我们要客观地准确处理经济不确定性（风险）和由流动性共性引发的股市系统流动性风险的关系。在我国市场，由宏观经济变量的增长比率勾勒而成的经济不确定性并能稳健地减弱股市系统流动性风险，甚至是经济风险也不能显著增强当期股票流动性共性。在高不确定性（风险）的大环境下，我们不必过于担忧系统流动性风险发生的可能性，只需谨慎而客观地做好防控金融风险的措施。并且，我们要充分发挥经济不确定性（风险）对股市系统流动性风险的预测能力，努力完善股票市场基础制度建设。

第三，充分重视经济风险在短期内增强由流动性共性引发的股市系统流动性风险的情况。各地区各部门应下更大力气抓好中央经济工作会议精神和《政府工作报告》部署，全力推动扎实稳住经济一揽子政策措施尽快落地见效，加大宏观政策调节力度，靠前发力、适当加力，着力打通制约经济循环的卡点堵点，尽早高效建筑金融系统性风险防线。