中国股市流动性风险研究

论文摘要

流动性是证券市场的生命力所在,也是决定市场质量的有效衡量指标之一。市场流动性的提高,不仅有助于活跃市场,吸引投资者,更重要的是有利于稳定市场价格、保证金融市场的正常运转并促进资源有效配置。不仅如此,流动性也被证明是资产价格的重要决定因素。本文基于金融市场微观结构理论,对中国股市流动性风险问题展开了系统而深入的研究。本文首先构建了经市场风险调整的非流动性度量指标,该指标与Amihud（2002）的非流动性指标具有非常高的相关性,相关系数达到0.8444。利用该指标分析表明,沪深股市每月非流动性线性相关系数为0.9438,表明沪深股市的流动性呈较强的正相关关系;股票组合流动性随着总市值增加而变大。通过对不同市场的价格冲击指数进行比较后发现,中国股市的流动性在国际上处于较低的水平。借助事件研究法研究表明,当利好政策出台后,中国股市累积异常非流动性明显下降,而当利空政策出台后,股市累积异常非流动性大幅度上升;而政府政策主要通过在中长期影响股市的资金供给量和在短期影响投资者的心理预期与投资者的情绪,最后影响股市的流动性。利用市场模型研究表明,中国股市存在流动性共性现象,流动性风险具有系统性特征,并且随着股票组合流动性的不断上升和规模增大,系统流动性风险系数都呈下降趋势;基于行为金融理论研究后得出,投资者之间的行为模仿和情绪传染是系统流动性风险形成的根本原因。运用Copula函数进行研究后发现,Gumbel Copula函数与Frank Copula函数可以更好地描述中国沪深股市流动性风险与市场风险的相关结构,意味着在风险分布的下尾部,两种风险的相关性并没有显著增强。基于流动性风险度量指标——LVaR的研究表明,相比较低流动性的股票组合而言,高流动性股票组合具有比较小的瞬时冲击系数、较短的清算期和较小的变现损失LVaR。以最小化变现损失为目标,在最佳清算期下,高流动性股票组合的平均变现损失占期初总市值的比例约5%左右,而低流动性股票组合则高达7%。运用KLR信号分析法构建了中国股市流动性风险预警系统,实证分析发现,在2008-2009年间中国股市将面临较大的流动性风险;投资者可以根据市场流动性调整股票组合、利用最优交易执行策略与风险对冲工具等手段管理流动性风险;与此同时,机构投资者要避免投资的同质化行为等。最后,本文给出了具体的建议。就中国股市监管者而言,要加快设立风险对冲机制、建立流动性风险应急机制以及保持政策稳定性,以防止投资者情绪的大幅波动等。

论文目录

• 致谢
• 摘要
• Abstract
• 1 引言
• 1.1 问题提出
• 1.2 选题意义
• 1.2.1 理论意义
• 1.2.2 现实意义
• 1.3 本文的研究内容和方法
• 1.3.1 研究内容
• 1.3.2 技术路线
• 1.3.3 研究方法
• 1.3.4 章节安排
• 2 文献综述
• 2.1 买卖价差理论研究综述
• 2.1.1 德姆塞茨模型
• 2.1.2 存货模型
• 2.1.3 信息模型
• 2.1.4 指令驱动机制下买卖价差构成
• 2.2 流动性研究综述
• 2.2.1 流动性的含义
• 2.2.2 流动性度量方法和局限性
• 2.2.3 流动性影响因素
• 2.2.4 流动性共性
• 2.3 流动性风险研究综述
• 2.3.1 流动性风险含义
• 2.3.2 流动性风险度量
• 2.4 国内外研究现状评析
• 2.4.1 国外研究现状评析
• 2.4.2 国内研究现状评析
• 2.5 小结
• 3 中国股市流动性及其政策性风险研究
• 3.1 中国股市微观结构概述
• 3.1.1 市场概况
• 3.1.2 交易制度
• 3.1.3 存在的问题
• 3.2 中国股市流动性分析
• 3.2.1 流动性度量指标设计
• 3.2.2 样本与数据
• 3.2.3 实证分析
• 3.3 中国股市流动性的政策性风险分析
• 3.3.1 中国股市“政策市”形成原因
• 3.3.2 中国股市流动性受政策影响的机理分析
• 3.3.3 实证研究
• 3.4 小结
• 4 中国股市流动性风险的系统性特征研究
• 4.1 引言
• 4.2 实证分析
• 4.2.1 模型与样本
• 4.2.2 基于个股数据分析
• 4.2.3 基于组合数据分析
• 4.2.4 系统流动性风险系数β稳定性检验
• 4.3 系统流动性风险成因分析
• 4.3.1 行为金融与投资者情绪理论
• 4.3.2 投资者情绪与系统流动性风险形成机理分析
• 4.3.3 结论
• 4.4 流动性风险的系统性特征与现代投资组合理论
• 4.5 小结
• 5 中国股市流动性风险与市场风险相关性——基于 Copula函数的研究
• 5.1 引言
• 5.2 Copula 函数简介
• 5.2.1 Copula 函数的定义和性质
• 5.2.2 Copula 函数的分类
• 5.2.3 Copula 函数的估计和检验
• 5.2.4 尾部相关性
• 5.3 实证研究
• 5.3.1 样本与数据
• 5.3.2 Copula 模型构建
• 5.3.3 实证结果
• 5.4 小结
• 6流动性风险的度量——LVaR研究
• 6.1 引言
• 6.2 流动性风险的度量——LVaR 模型
• 6.2.1 离散模型
• 6.2.2 连续时间模型
• 6.3 交易类型识别与价格冲击模型
• 6.3.1 交易类型识别
• 6.3.2 价格冲击模型
• 6.4 实证研究
• 6.4.1 样本与数据
• 6.4.2 实证结果
• 6.5 小结
• 7 中国股市流动性风险预警与管理研究
• 7.1 中国股市流动性风险预警
• 7.1.1 预警指标与预警界限
• 7.1.2 数据处理和灯号显示
• 7.1.3 实际应用分析
• 7.2 中国股市流动性风险管理
• 7.2.1 流动性风险管理程序
• 7.2.2 流动性风险管理方法
• 7.3 小结
• 8 结论与展望
• 8.1 本文结论
• 8.2 政策建议
• 8.3 创新点
• 8.4 未来研究展望
• 参考文献
• 作者简历
• 学位论文数据集