“学海拾珠”系列之一百五十一：A股的流动性、波动性及其溢出效应-20230726-华安证券-18页_1mb

A股的流动性、波动性及其溢出效应总结

核心内容

本文研究了中国股票市场中流动性与波动性之间的相互依赖关系及其溢出效应，重点分析了2014年至2022年期间五个主要板块（工业、消费、医疗保健、金融和公用事业）的流动性与波动性在不同市场条件下的传播机制。通过构建基于Copula的向量MEM模型（vMEM），作者揭示了冲击在板块间的传播路径，并使用脉冲响应函数（IRF）和波动溢出平衡指数（VSBI）对溢出效应进行了量化评估。

主要观点

• 流动性和波动性之间存在显著的相互依赖关系，且这种关系在不同时期表现出不同的特征。
• 流动性冲击通常先影响其他板块的流动性，然后扩散至波动性；波动性冲击则更快地传播，并且在板块间的影响更明显。
• 在市场明显下行期间（如2015/2016年），非流动性成为冲击传播的主要渠道，尤其是金融板块。
• 在疫情期间（如2020年），波动性成为主要传播渠道，工业板块表现出最大的净溢出效应。
• 流动性和波动性均具有持续性，且其跨板块溢出效应在特殊时期更为显著。

关键信息

板块流动性与波动性指标

• 流动性：采用Amihud非流动性指标，计算公式为 $ilq_t = \frac{|r_t|}{\sum_n P_{n,t} \times Q_{n,t}}$。
• 波动性：使用Pre-Averaging方法计算，公式为 $\sigma_t^2 = \sum_{n=0}^{N-M} |\overline{r}{n,t}|^2$，其中 $\overline{r}{n,t} = \sum_{m=1}^{M} g(\frac{m}{M}) r_{n+m,t}$，且 $g(x) = x \wedge (1 - x)$，$M = [\theta \sqrt{N}]$，$\theta = 0.4$。

模型构建

• 基于Copula的vMEM模型，考虑了流动性与波动性之间的联合分布函数，以捕捉变量间的完全依赖关系。
• 模型包含多个变量，包括：
  • 板块自身流动性/波动性
  • 板块自身在市场下行和疫情期间的流动性/波动性
  • 板块的非对称效应
  • 其他板块的流动性/波动性对当前板块的影响
  • 全面相互依赖项

溢出效应评估方法

• 使用**波动溢出平衡指数（VSBI）和流动性溢出平衡指数（LSBI）**来衡量各板块作为净输出者或净吸收者的程度。
• 通过**脉冲响应函数（IRF）**分析冲击随时间的传播路径。

实证结果

• 在整个样本期，工业板块是最大的净溢出源，其波动性溢出指数（VSBI）为1.21，流动性溢出指数（LSBI）为1.14。
• 在市场明显下行期间，非流动性溢出效应增强，金融板块成为主要的非流动性溢出源，其非流动性溢出指数（LSBI）高达1.79。
• 在疫情期间，波动性溢出效应显著增强，工业板块成为最大的波动性溢出源，其波动性溢出指数（VSBI）为1.38。
• 非流动性与波动性之间存在非对称效应，负面冲击通常比正面冲击对非流动性与波动性的影响更大。
• 溢出效应在不同板块间存在显著差异，其中公用事业板块是主要的吸收者。

结论

• 本文构建了一个新的基于Copula的vMEM模型，用于捕捉流动性和波动性之间的联合动态效应。
• 实证分析表明，波动性在冲击传播中起着更为关键的作用，尤其是在市场稳定期。
• 在市场动荡时期，非流动性成为冲击传播的主要途径，尤其是金融板块。
• 板块间的溢出效应在特殊时期（如市场下行和疫情）更加显著，且呈现非对称性。
• 模型的参数估计和结构设计提高了对流动性和波动性溢出效应的分析精度，具有重要的理论和实践意义。

图表摘要

• 图表1：各板块非流动性和波动性的统计性描述，包括均值、标准差、偏度和峰度。
• 图表2：各板块非流动性和波动性指标的时序图，显示了在不同市场条件下的变化趋势。
• 图表3：板块间流动性与波动性指标的皮尔逊相关系数，显示了流动性和波动性之间的相互依赖关系。
• 图表4：流动性与波动性指标的日内周期性分析。
• 图表5：vMEM模型参数估计结果，显示了各板块在不同条件下的显著影响。
• 图表6：基于Student t分布的copula估计，展示了新信息项之间的相关性。
• 图表7：vMEM模型的冲击响应，展示了不同冲击源对各板块的影响。
• 图表8：基于溢出平衡指数的板块间冲击响应评估，显示了各板块作为净输出者或净吸收者的程度。

风险提示

• 文献结论基于历史数据与海外文献进行总结，不构成任何投资建议。
• 模型假设和参数选择基于特定历史条件，未来市场环境变化可能影响结果的适用性。