金建成

黨的十九大召開后，習(xí)近平總書記強(qiáng)調(diào)要深化金融體制改革，增強(qiáng)金融服務(wù)實(shí)體經(jīng)濟(jì)能力，提高直接融資比重，促進(jìn)多層次資本市場健康發(fā)展。隨著我國步入新時(shí)代的步伐加速，股票市場平穩(wěn)健康發(fā)展與國家經(jīng)濟(jì)騰飛之間的聯(lián)系越來越緊密。股票市場平穩(wěn)的關(guān)鍵因素是股價(jià)的波動(dòng)，而影響股價(jià)波動(dòng)的眾多因素都是借助資金流這一載體發(fā)揮作用。摩根士丹利的一份研究報(bào)告認(rèn)為，隨著中國政府加強(qiáng)對(duì)金融體系的監(jiān)管，2017年以來，高收益率、固定資產(chǎn)投資產(chǎn)品供給的增長已經(jīng)出現(xiàn)顯著下降，中國居民手里的閑錢將會(huì)有較大一部分選擇投入股市。據(jù)摩根士丹利預(yù)測，從2017年上半年到2019年，中國居民在股市中的投入將增加10萬億至11萬億元人民幣①大摩預(yù)測：金融整頓后，資金將流入中國股市，http://www.sohu.com/a/197460875_100003708，2017-10-11。。如何在股票市場的諸多因素中找到可以作為投資決策的變量因素成為股票市場發(fā)展的一個(gè)重要研究主題。在股票價(jià)格波動(dòng)理論中可以發(fā)現(xiàn)，資金流作為一種對(duì)股市市場現(xiàn)金流動(dòng)衡量和測度工具的概念在1989年提出后，得到了金融研究者的廣泛關(guān)注。對(duì)資金流的相關(guān)研究不僅僅可以彌補(bǔ)學(xué)術(shù)界在股價(jià)波動(dòng)影響因素研究方面的不足，還可以為投資者提供投資決策工具，為金融管理者提供相關(guān)政策制定的依據(jù)，有較強(qiáng)的理論指導(dǎo)意義和操作層面的現(xiàn)實(shí)意義。

一、文獻(xiàn)綜述

資金流首先于1989年在Stock and Commodities的雜志中被Wells Wilder提出[1]。作為一個(gè)測度方式，資金流的數(shù)學(xué)公式直到2001年通過Bennett and Sias才提出[2]。 張峰等（2016）把股票收益率分解成來自市場共同收益和來自公司特有收益兩部分研究，指出公司特有收益部分捕捉了市場信息的收益率[3]。高小紅等（2017）指出，在股票市場中，對(duì)于無約束條件下的脈沖響應(yīng)中的技術(shù)沖擊造成貨幣供應(yīng)量與股價(jià)波動(dòng)兩變量的偏離回歸至均衡增長路勁更緩慢[4]。刁思聰?shù)龋?011）提供建立資金流向的月度監(jiān)測和預(yù)警體系，為資金在實(shí)體經(jīng)濟(jì)和股票市場之間的流向提供判斷依據(jù)[5]。目前相關(guān)文獻(xiàn)研究顯示，影響股價(jià)波動(dòng)的因素眾多，在各實(shí)證研究中，學(xué)者們大量使用股票收益率來替代股價(jià)波動(dòng)進(jìn)行量化分析。本文在前人研究的基礎(chǔ)上同樣使用股票收益率來反映股價(jià)波動(dòng)的情況，并且在相關(guān)研究的基礎(chǔ)上，引用現(xiàn)有研究的資金流測算方式并加以完善，通過實(shí)證的方式探索修正后資金流測度模型決策方式與股價(jià)波動(dòng)的關(guān)系。具體修正詳見下文變量設(shè)計(jì)。

二、研究設(shè)計(jì)

（一）樣本來源

本文借助Wind經(jīng)濟(jì)數(shù)據(jù)庫、同花順數(shù)據(jù)庫和中國統(tǒng)計(jì)年鑒，以2012—2017年6年為研究的時(shí)間區(qū)間，以中國A股滬深兩市上市公司數(shù)據(jù)作為樣本變量。首先，鑒于金融業(yè)的資產(chǎn)負(fù)債情況的特殊性，按照中國證監(jiān)會(huì)對(duì)上市公司的行業(yè)劃分去掉相關(guān)銀行行業(yè)的股票；其次，由于ST、ST*類股票的財(cái)務(wù)數(shù)據(jù)存在異常情況，故也剔除；再次，考慮新股IPO發(fā)行后一般都會(huì)出現(xiàn)連續(xù)漲停的特殊性，樣本剔除了2012年起開始上市的股票；最后，由于數(shù)據(jù)庫數(shù)據(jù)的有限性，同時(shí)剔除了數(shù)據(jù)不完整的股票。經(jīng)過此過程，共選擇1285只股票作為本文的研究樣本。在時(shí)間跨度上，面板數(shù)據(jù)采取周度數(shù)據(jù)即選取時(shí)間間隔單位為一周。

（二）變量設(shè)計(jì)及模型構(gòu)建

本文選取股票資金流動(dòng)強(qiáng)度SOSFF（m）作為資金流衡量變量[6]，其中：

Pi為被考察股票的第i次成交價(jià)格，P為被考察股票在觀察的某一周期內(nèi)的參照價(jià)格，Qi為被考察股票的第i次成交量，Q為被考察股票在觀察的某一周期內(nèi)的流通總量，AP為被考察股票在某一周期內(nèi)成交的均價(jià)，TR為被考察股票在某一周期內(nèi)的總換手率。

針對(duì)每筆資金流動(dòng)的動(dòng)態(tài)性變化和數(shù)據(jù)獲取的滯后性所引起的誤差問題，通過引入加權(quán)移動(dòng)平均線的表達(dá)式進(jìn)行修正，在此基礎(chǔ)上形成新的參考價(jià)格，其數(shù)學(xué)表達(dá)式為：

其中，RPt表示初始價(jià)格，并確定初始價(jià)格為：

建立在任德平[7]所提出的以5為周期的均線RP5能較好地反映出在觀測時(shí)間段內(nèi)股票含量的穩(wěn)定性結(jié)論，即資金流的統(tǒng)計(jì)方式為SOSFF（5）。此時(shí)的5為5周?？紤]到SOSFF（5）值的大小，統(tǒng)一將其擴(kuò)大100倍進(jìn)行后續(xù)實(shí)證研究。

收益率為周收益率記為 Rm，即 Rm=（LnPm-LnPm-1）×100，其中 Pm表示 m 交易周的收盤價(jià)，Pm-1表示m-1交易周的收盤價(jià)。

從公司財(cái)務(wù)指標(biāo)、股權(quán)結(jié)構(gòu)、盤面語言三個(gè)角度進(jìn)行選擇控制變量，具體設(shè)計(jì)變量如表1、表2、表3所示。

表1 財(cái)務(wù)指標(biāo)描述

表2 股權(quán)結(jié)構(gòu)描述

表3 盤面語言描述

為了防止選取數(shù)據(jù)的差距太大影響后續(xù)實(shí)證分析，對(duì)數(shù)據(jù)進(jìn)行如下處理：對(duì)個(gè)股交易量、個(gè)股市值這種數(shù)值大的采用對(duì)數(shù)法則對(duì)其進(jìn)行變形；針對(duì)百分比值如公司財(cái)務(wù)的各個(gè)數(shù)值和持股集中度乘以100進(jìn)行運(yùn)算。

為了回避截面數(shù)據(jù)和時(shí)間序列分析中出現(xiàn)的變量與變量之間異質(zhì)性的問題，本文初步建立如下的面板回歸模型：

三、數(shù)據(jù)分析與檢驗(yàn)

（一）結(jié)構(gòu)穩(wěn)定性檢驗(yàn)

本文在樣本選取的6年中，A股市場出現(xiàn)了大跌和大漲的情況，加上股票除權(quán)后市值大幅度變化，為考慮選取樣本在時(shí)間上面的結(jié)構(gòu)穩(wěn)定情況，對(duì)樣本進(jìn)行鄒氏檢驗(yàn)，通過觀察大盤的情況，擬定將2013年6月25日和2015年6月12日所在周數(shù)，即t=75和t=177為預(yù)設(shè)轉(zhuǎn)折點(diǎn)驗(yàn)證。得到相應(yīng)鄒氏檢驗(yàn)結(jié)果如表4、表5所示。

在表4中，通過了原假設(shè)即在第1周至第75周中，第75周不是斷點(diǎn)，其截距沒有發(fā)生變化，數(shù)據(jù)平穩(wěn)。在表5中，通過了原假設(shè)即在第177周至第306周中，第177周不是斷點(diǎn)，其截距沒有發(fā)生變化，數(shù)據(jù)平穩(wěn)，故本文時(shí)間段采用全部時(shí)間段數(shù)據(jù)進(jìn)行分析。

表4 鄒氏斷點(diǎn)檢驗(yàn)：75

表5 鄒氏斷點(diǎn)檢驗(yàn)：177

（二）數(shù)據(jù)描述性分析

在分析數(shù)據(jù)的有效性之前對(duì)所選的樣本進(jìn)行描述性統(tǒng)計(jì)分析，主要是針對(duì)這些數(shù)的一些描述性統(tǒng)計(jì)指標(biāo)進(jìn)行軟件處理和分析。所得結(jié)果如表6所示。

表6 樣本描述性統(tǒng)計(jì)

表中Rm的平均值為0.5728，為正數(shù)，表明在所選擇的2012—2017年的區(qū)間內(nèi)，各個(gè)上市公司的平均收益是可觀的，呈現(xiàn)出良性增長趨勢。在這種情況下，上市公司的股票能為股票投資者帶來一定的回報(bào)和分紅，SOSFF（5）的平均值為0.0962，表明在選取的這段時(shí)間內(nèi)社會(huì)資金流傾向于投入股市，而從選取樣本的財(cái)務(wù)變量指標(biāo)來看都還處于一種良性的狀態(tài)，其中賬面市值比（BM）的平均值為0.4342，每股凈資產(chǎn)（NAPS）的平均值為3.5842。 而資產(chǎn)負(fù)債率情況也處于一種良性發(fā)展結(jié)構(gòu)上，其中資產(chǎn)負(fù)債率（TAT）的均值為0.8514。綜上述，在所選取震蕩市的時(shí)間區(qū)間段內(nèi)，各個(gè)企業(yè)發(fā)展情況較為良好，究其原因可能是2015年股票大跌后各個(gè)企業(yè)進(jìn)行了產(chǎn)業(yè)調(diào)整，產(chǎn)業(yè)發(fā)展處于恢復(fù)階段。

（三）擬回歸模型回歸分析

在回歸分析之前進(jìn)行了LLC檢驗(yàn)、IPS檢驗(yàn)和Fisher-ADF檢驗(yàn)，發(fā)現(xiàn)其P值都小于0.01即1%的顯著度，表明數(shù)據(jù)平穩(wěn)，不存在偽回歸現(xiàn)象，將樣本帶入進(jìn)行初步的擬模型回歸分析，并得到表7的結(jié)果。

表7 模型的擬回歸結(jié)果

在初步回歸的結(jié)果中，雖然R2值達(dá)到了0.7963，具有較高的擬合性，但是其中BM、EPS、ROE、CR、DTL、VOL和均未通過T檢驗(yàn)，所設(shè)計(jì)模型具有多重共線性的現(xiàn)象，需要進(jìn)一步驗(yàn)證。同時(shí)結(jié)合相關(guān)指標(biāo)經(jīng)濟(jì)含義，我們可以發(fā)現(xiàn)公司財(cái)務(wù)數(shù)據(jù)中存在嚴(yán)重的多重共線性，對(duì)于盤面語言而言，由于構(gòu)建資金流SOSFF（5）時(shí)考慮了個(gè)股在一個(gè)周期成交量和個(gè)股在一個(gè)周期內(nèi)成交均價(jià)，所以對(duì)個(gè)股交易量和個(gè)股平均價(jià)有共線影響。

（四）變量相關(guān)性分析

考慮到本次變量的多樣性，并且結(jié)合之前初步回歸分析的結(jié)果，在此很有必要進(jìn)行相關(guān)系數(shù)的檢驗(yàn)型分析，通過SPSS軟件對(duì)所選取的變量選擇采用Pearson相關(guān)系數(shù)分析得到結(jié)果，如表8所示。

表8 變量的相關(guān)系數(shù)矩陣

（續(xù)表）

表9 變量的相關(guān)系數(shù)矩陣（續(xù)）

從表9可以發(fā)現(xiàn)，有些變量之間具有明顯的線性相關(guān)，驗(yàn)證了初步回歸結(jié)果的分析，所設(shè)計(jì)的模型出現(xiàn)多重共線的可能，使模型結(jié)果不能反映變量間的真實(shí)結(jié)論。從皮爾遜相關(guān)系數(shù)矩陣出發(fā)可以發(fā)現(xiàn)，SOSFF（5）和 VOL的關(guān)系系數(shù)較大，1%水平上顯著相關(guān)，存在共線關(guān)系；BM、NAPS和EPS的關(guān)系系數(shù)較大，1%水平上顯著相關(guān)，存在共線關(guān)系；EPS和ROE兩個(gè)變量之間具有一定的正向相關(guān)關(guān)系，其相關(guān)系數(shù)為正，表示凈資產(chǎn)收益率良好的上市公司其每股收益率同樣呈現(xiàn)同向變化趨勢。

（五）逐步回歸分析

本文采用逐步回歸方法來解決多重共線性問題，使用Eviews6.0將所有設(shè)計(jì)變量進(jìn)行逐個(gè)回歸分析，并得出相應(yīng)的參數(shù)估計(jì)值、T檢驗(yàn)值、R2、F檢驗(yàn)值，如表10所示。

表10 單變量回歸結(jié)果（R2降序排序）

（續(xù)表）

按照Eviews6.0的結(jié)果按照R2降序排列，并按從大到小將各個(gè)變量逐個(gè)引入模型進(jìn)行回歸分析，并將每一次變量帶入后的模型進(jìn)行F檢驗(yàn)。經(jīng)過以上操作剔除了 BM、、VOL、EPS、DTL、CR 共 6 個(gè)變量。、VOL與SOSFF（5）之間存在一定的相關(guān)關(guān)系，主要是因?yàn)楦倪M(jìn)的SOSFF（5）在一定程度上已經(jīng)兼顧了這兩個(gè)變量，所以出現(xiàn)了共線情況。從反映持股股東權(quán)益的同一角度出發(fā)，選取了NAPS和EPS作為代表變量，這兩個(gè)變量都能在一定程度上反映出持股股東獲利情況，那么在數(shù)據(jù)的關(guān)聯(lián)上面肯定就會(huì)有一定的相關(guān)性，因此筆者本著嚴(yán)謹(jǐn)?shù)难芯繎B(tài)度將每股收益和每股凈資產(chǎn)合并處理，并統(tǒng)一劃入NAPS中進(jìn)行后續(xù)分析。

通過上述過程，得到使用逐步回歸后的新的模型，如下：

（六）面板模型選擇

鑒于干擾項(xiàng)中個(gè)體效應(yīng)和時(shí)間效應(yīng)的存在問題，進(jìn)行豪斯曼檢驗(yàn)，所做結(jié)果如表11所示。

表11 豪斯曼檢驗(yàn)結(jié)果

從表11可以看到，P為0.0021，顯著度小于0.05，從而可以判斷出干擾項(xiàng)中個(gè)體效應(yīng)情況與模型的回歸效應(yīng)情況具有一定的關(guān)聯(lián)，鑒于此，本文采用固定效應(yīng)模型分析。同時(shí)，結(jié)合面板數(shù)據(jù)的選取情況而言，選取的樣本數(shù)據(jù)種類分布很大但是時(shí)間期限較短，即N大T小的情況，鑒于此，選期限固定效應(yīng)。

（七）資金流與收益率回歸分析

基于樣本數(shù)據(jù)的選取，并且結(jié)合豪斯曼檢驗(yàn)的結(jié)果，使用固定效應(yīng)回歸，結(jié)果如表12所示。

表12 大盤固定效應(yīng)回歸分析結(jié)果

從表12可知，R2值為0.7817，調(diào)整R2值為0.7385，并且各個(gè)變量均保證了在5%顯著度下T檢驗(yàn)的有效性，表明整個(gè)模型具有較高的擬合性，對(duì)經(jīng)濟(jì)現(xiàn)象能夠給出客觀的反映。

四、結(jié) 論

第一，通過固定效應(yīng)的期限固定模型，發(fā)現(xiàn)修正后資金流測度決策模型與股票收益率之間的貢獻(xiàn)系數(shù)為0.1254，存在正向的關(guān)系，即資金流高的股票其股票收益率也高，資金流低的股票收益也相應(yīng)降低。結(jié)合股票DDM理論和相關(guān)財(cái)務(wù)理論，驗(yàn)證了股票價(jià)值取決于股票未來所獲取資金流的現(xiàn)值，即績效較好的公司對(duì)股價(jià)波動(dòng)有促進(jìn)作用，能為上市公司帶來更多的資金流。上市公司在股票市場上對(duì)資金吸納得越多，所進(jìn)行投資和資本積累就越強(qiáng)，進(jìn)而使得公司有較強(qiáng)的競爭力，賺取更多的市場利潤，形成良性循環(huán)后其股值也會(huì)上升，即當(dāng)前股票市場中資金流入較多的企業(yè)在未來的一段時(shí)間內(nèi)往往能獲得較高的股值。

第二，持股集中度在選取的各個(gè)因素中對(duì)股票收益的影響作用最大，貢獻(xiàn)系數(shù)為1.2053。作為反映上市股權(quán)結(jié)構(gòu)情況的變量，表明在上市公司股票中，越是大股東對(duì)股票重倉持有，那么股票收益率就越高，持股集中度指標(biāo)上升過程也就是大股東干預(yù)股票市場的行為過程。

第三，股票市值在所選取的各個(gè)因素中對(duì)資金流的影響僅次于持股集中度，其貢獻(xiàn)系數(shù)為-1.0589。本文發(fā)現(xiàn)這種負(fù)相關(guān)關(guān)系的情況滿足了FF三因素分析的假設(shè)條件，表明股票市場中存在規(guī)模效應(yīng)情況，即股票的市值大小和股票收益率的高低情況成負(fù)向關(guān)系。結(jié)合實(shí)際大盤的走動(dòng)情況，反映出在研究選取的時(shí)間區(qū)間內(nèi)，市值低的股票要比市值高的股票的收益率情況要高。究其原因，借用收益—風(fēng)險(xiǎn)理論解釋，就是低市值往往伴隨著高風(fēng)險(xiǎn)。

第四，筆者在前人的基礎(chǔ)上所建立的SOSFF（5）模型相對(duì)以前的模型而言，具有較強(qiáng)的指導(dǎo)性，可幫助投資者更理性地分析投資行為。由于資金流與股價(jià)的關(guān)系系數(shù)不是顯著的關(guān)系，所以會(huì)導(dǎo)致股票市場中資金的進(jìn)場不一定會(huì)顯著帶來股票價(jià)格的上漲，因?yàn)榍f家可能是誘餌式的誘導(dǎo)投資者進(jìn)行投資，或者莊家在前期投入上已經(jīng)獲得高收益后為其出逃做好準(zhǔn)備。