李夢雨 魏熙曄

一、引言及文獻(xiàn)綜述

中國證券市場在2015—2016年經(jīng)歷了劇烈的異常波動,多個(gè)交易日出現(xiàn)千股跌停、千股停牌的異象。為防范系統(tǒng)性風(fēng)險(xiǎn),維護(hù)市場穩(wěn)定,中國證監(jiān)會于2016年1月1日在A股市場上引入指數(shù)熔斷機(jī)制,卻在實(shí)行一周內(nèi)兩次觸發(fā)7%的閾值并提前收市①指數(shù)熔斷機(jī)制于2016年1月4日和1月7日兩次被觸發(fā),分別導(dǎo)致4.24萬億元和3.8萬億元的市值蒸發(fā)。,最終于1月8日宣告暫停。熔斷機(jī)制是否為市場大跌的罪魁禍?zhǔn)?是否加劇了市場波動,是否存在“磁吸效應(yīng)”②磁吸效應(yīng)是指實(shí)行漲跌?；蛉蹟嗟葯C(jī)制后,證券價(jià)格將要觸發(fā)強(qiáng)制措施時(shí),同方向的投資者害怕流動性喪失而搶先交易,反方向的投資者為等待更好的價(jià)格而延后交易,造成證券價(jià)格加速達(dá)到該價(jià)格水平的現(xiàn)象。(magnet effect)?上述問題受到學(xué)者與政策制定者的高度關(guān)注。事實(shí)上,自1987年10月19日的“黑色星期一”后,學(xué)術(shù)界就開始了熔斷機(jī)制方面的理論與實(shí)證研究,而2010年5月6日的“閃崩”事件更是引發(fā)了國內(nèi)外學(xué)者對熔斷機(jī)制利弊的熱烈討論。目前,世界范圍內(nèi)許多交易所都設(shè)定了指數(shù)或個(gè)股熔斷機(jī)制③指數(shù)熔斷機(jī)制是指當(dāng)某一特定指數(shù)的波動幅度觸及證券交易所規(guī)定的閾值時(shí),整個(gè)市場的所有股票均停止交易一段時(shí)間；個(gè)股熔斷機(jī)制是指單只股票的價(jià)格波動幅度觸及證券交易所規(guī)定的閾值時(shí),該股票停止交易一段時(shí)間。,然而學(xué)者們在熔斷機(jī)制對市場質(zhì)量產(chǎn)生的影響方面卻始終各持己見。

按照Fama(1970)［1］的有效市場假說,在半強(qiáng)勢有效市場中資產(chǎn)價(jià)格可以反映所有公開信息,因此熔斷機(jī)制會因人為干預(yù)市場價(jià)格調(diào)整使得其偏離最優(yōu)結(jié)果,故而會具有以下負(fù)面效應(yīng):(1)阻礙互惠交易(Grossman,1990［2］)；(2) 延緩價(jià)格發(fā)現(xiàn)(Fama,1989［3］)；(3) 產(chǎn)生磁吸效應(yīng) (Subrahmanyam,1994［4］)；(4) 導(dǎo)致波動性溢出(Lehmann,1989［5］)；(5) 增加交易成本 (Subrahmanyam,1997［6］)。相關(guān)的實(shí)證研究也較為豐富, 包括 Kuhn 等(1991)［7］、 Ferrris等(1992)［8］、Santoni 和 Liu(1993)［9］、Lee 等(1994)［10］、 Ackert等 (2001,2005)［11－12］、 Goldstein和 Kavajecz(2004)［13］等。

然而當(dāng)證券市場偏離完全信息和完全競爭市場時(shí),熔斷機(jī)制在理論上可以提高市場質(zhì)量和投資者福利。其中較為成熟的觀點(diǎn)包括:(1)減少信息不對稱 (Spiegel和 Subrahmanyam,2000［14］)；(2) 降低交易風(fēng)險(xiǎn) (Greenwald 和 Stein,1991［15］；Kodres 和O'Brien,1994［16］)；(3) 在衍生品市場中降低杠桿投資者的交易對手風(fēng)險(xiǎn) (Brennan,1986［17］；Chowdhry和Nanda,1998［18］)；(4) 通過減少噪聲交易者的交易來降低證券價(jià)格偏離基本面價(jià)值的概率,從而平抑市場過度波動 (Westerhoff,2003［19］)。但是在實(shí)證研究中,支持上述理論的文獻(xiàn)并不多見,唯有Lauterbach和 Ben-Zion(1993)［20］、 Bildik 和 Gülay(2006)［21］的研究驗(yàn)證了當(dāng)市場價(jià)格大幅偏離真實(shí)價(jià)值時(shí),熔斷機(jī)制會給予市場充分的冷卻和反應(yīng)時(shí)間,并化解因投資者撤離市場而導(dǎo)致的訂單不平衡現(xiàn)象,從而降低波動率、提高流動性。

近年來,隨著程序化交易和“烏龍指”(fat finger)現(xiàn)象的出現(xiàn),對熔斷機(jī)制的討論亦呈雨后春筍之勢,研究方法和角度也更為新穎。Gomber等(2012)［22］、Subrahmanyam(2013)［23］、Nicholas(2016)［24］、 Bruger 和 Linton.(2014)［25］、 Goldstein(2015)［26］分別從單個(gè)市場和衛(wèi)星市場、程序交易與聯(lián)合熔斷、原油期貨市場、單只股票熔斷、交易上下限與波動性傳導(dǎo)機(jī)制等方面考察了熔斷機(jī)制與市場質(zhì)量的關(guān)系。其中Bruger和Linton(2014)［25］的研究發(fā)現(xiàn),從個(gè)股層面來看,熔斷機(jī)制在股票收益為負(fù)時(shí)對交易量、交易頻數(shù)以及利潤方差變化均產(chǎn)生了負(fù)面效應(yīng),但在收益為正時(shí)卻無顯著影響；從市場層面來看,當(dāng)股市整體下跌時(shí),熔斷機(jī)制使得噪聲交易減少、定價(jià)效率提高,因此有利于市場的穩(wěn)定。

上述理論研究大多基于做市商制度,實(shí)證文獻(xiàn)也主要關(guān)注發(fā)達(dá)市場,而我國屬于新興市場國家,具有散戶交易者居多、羊群效應(yīng)顯著等特征,在股市下跌時(shí)容易引發(fā)“踩踏效應(yīng)”,使得熔斷機(jī)制的實(shí)施效果有所不同。因此與已有文獻(xiàn)相比,本文具有兩個(gè)方面的邊際貢獻(xiàn):其一,基于指數(shù)熔斷機(jī)制出臺與暫停的自然實(shí)驗(yàn),使用傾向評分匹配法與雙重差分法分析其對市場波動性的影響,說明該制度并非大盤下挫的主因,補(bǔ)充了市場異常波動期間熔斷機(jī)制的效應(yīng)研究；其二,深入探究訂單驅(qū)動市場中指數(shù)熔斷機(jī)制產(chǎn)生“磁吸效應(yīng)”的原因及表現(xiàn),證實(shí)該制度在已實(shí)施“漲跌停板”的新興市場國家容易造成流動性恐慌,豐富了熔斷機(jī)制領(lǐng)域的研究成果。

本文的后續(xù)安排如下:第二部分提出研究假設(shè),第三部分為模型構(gòu)建與數(shù)據(jù)說明,第四部分分析實(shí)證結(jié)果,第五部分進(jìn)行穩(wěn)健性檢驗(yàn),最后是主要結(jié)論與政策建議。

二、研究假設(shè)

H1:證券市場下跌期間指數(shù)熔斷機(jī)制并未增加市場波動性。

不可否認(rèn)的是,在指數(shù)熔斷機(jī)制實(shí)施期間,滬深300指數(shù)從下跌5%到7%的時(shí)間明顯縮短,其間的波動率也顯著增大,這很可能意味著指數(shù)熔斷機(jī)制在我國存在較強(qiáng)的磁吸效應(yīng)②磁吸效應(yīng)通常具有以下三個(gè)特點(diǎn):一是在接近熔斷閾值時(shí),價(jià)格上漲或下跌的速度會越來越快；二是熔斷機(jī)制實(shí)施后指數(shù)觸發(fā)熔斷的概率會明顯高于其在熔斷價(jià)格水平附近但不觸發(fā)的概率；三是磁吸效應(yīng)發(fā)生過程中往往伴隨著價(jià)格的劇烈波動和成交量的顯著變化。。根據(jù) Subrahmanyam(1994)［4］,磁吸效應(yīng)的作用機(jī)理為:當(dāng)證券價(jià)格將要觸發(fā)熔斷機(jī)制時(shí),無法保持耐心的投資者會因害怕流動性喪失而搶先交易,而潛在的對手方則傾向于等待更好的價(jià)格而延后交易。此外,指數(shù)越是接近熔斷閾值,相反頭寸持有者的心理壓力就越大,從而迫使他們進(jìn)行對沖,使得市場價(jià)格更加趨向熔斷價(jià)格 (Fama,1989［3］)。鑒于此, 我們提出假設(shè)2。H2:指數(shù)熔斷機(jī)制在我國存在明顯的磁吸效應(yīng)。

三、模型構(gòu)建與數(shù)據(jù)說明

(一)模型構(gòu)建

鑒于影響市場波動性的因素包括股票價(jià)格、成交量、成交金額等諸多方面,簡單比較指數(shù)熔斷機(jī)制實(shí)施前后滬深300指數(shù)波動率的變化顯然有失偏頗。此外,股指的上漲與下跌,投資者情緒的高漲與低迷,都會造成市場波動性隨之改變。因此,為克服內(nèi)生性問題,避免選擇性偏差,本文采用研究“處理效應(yīng)”的通常做法,通過構(gòu)建傾向評分匹配模型和雙重差分模型,來分析指數(shù)熔斷機(jī)制的出臺與暫停對市場波動性的影響。

1.指數(shù)熔斷機(jī)制與市場波動率的模型構(gòu)建。

本文首先研究指數(shù)熔斷機(jī)制與市場波動率之間的關(guān)系。為此,我們需要構(gòu)建度量市場波動率的指標(biāo)?？紤]到股票價(jià)格指數(shù)序列具有波動集群 (volatility clustering)和尖峰厚尾 (leptokurtosis和fat-tail)等特征,本文運(yùn)用AR(2)－GARCH(1,1)模型對滬深300指數(shù)的漲跌幅Chg、對數(shù)成交量Trv和對數(shù)成交額Amt進(jìn)行估計(jì),計(jì)算出滬深300指數(shù)的價(jià)格波動率Vol、成交量波動率Vtrv和成交額波動率Vamt,具體公式如下:

其中:yt代表 Chgt、 Trvt和 Amtt；vt～I(xiàn)DD(0,1),vt與yt,vt與ut均相互獨(dú)立；E(ht)＝E(u2t)＝而即為度量市場波動率的指標(biāo)Volt、Vtrvt和Vamtt。

在此基礎(chǔ)上,本文使用傾向評分匹配法來考察指數(shù)熔斷機(jī)制是否增加了市場波動率。為闡述上述方法的基本原理,我們以滬深300指數(shù)的價(jià)格波動率Vol為例,對于穩(wěn)健性檢驗(yàn)中其他變量的估計(jì)可如法炮制,不再贅述。為此,我們引入一個(gè)二元虛擬變量Treati。當(dāng)數(shù)據(jù)來自處理組,即指數(shù)熔斷機(jī)制被觸發(fā)的交易日時(shí),Treati＝1；當(dāng)數(shù)據(jù)來自對照組,即指其他交易日時(shí),Treati＝0。令Volit為第i個(gè)交易日時(shí)刻t的滬深300指數(shù)價(jià)格波動率,Vol1it為處理組的Volit,Vol0it為對照組的Volit。考慮該波動率在指數(shù)熔斷機(jī)制實(shí)施期間的平均處理效果ATT1(average effect of treatment on the treated)

據(jù)對《嘉泰會稽志》引用《舊經(jīng)》情況的分析,作為地名的“會稽”向山系名稱轉(zhuǎn)化的情況,是在兩宋時(shí)期才發(fā)生的。

估計(jì)式 (2)的困難之處在于,｜Treati＝1)事實(shí)上并不可測,而傾向評分匹配法有效地解決了這類“反事實(shí)” 問題 (Heckman等,1998［33］)。具體而言,我們首先根據(jù)滬深300指數(shù)的漲跌幅Chg、對數(shù)成交量Trv、對數(shù)成交額Amt等控制變量,通過Probit模型計(jì)算出每一個(gè)觀測值成為處理組的概率,作為傾向得分；然后依據(jù)傾向得分為每一個(gè)處理組樣本尋找匹配樣本；最后計(jì)算匹配后處理組與對照組的差距,從而模擬出“反事實(shí)”情形下的平均處理效果。

值得注意的是,傾向評分匹配法的有效性依賴于兩個(gè)條件:(1)條件獨(dú)立假設(shè) (conditional independence assumption),即經(jīng)過傾向評分匹配后不可觀測的因素不影響試驗(yàn)；(2)共同支撐假設(shè) (common support assumption),即處理組和對照組樣本的傾向得分有足夠多的重疊區(qū)域。前者保證了匹配過程不存在“選擇性偏差”,而后者保證了處理組樣本能夠找到與其配對的對照組樣本。滿足上述兩個(gè)條件的平均處理效果ATT1的估計(jì)方程為

其中:I1與I0分別為處理組與對照組集合；S為共同支撐域,即在該集合內(nèi)處理組樣本的傾向得分不高于 (低于)對照組樣本的傾向得分的最大 (小)值；n1為I1∩S中的樣本個(gè)數(shù)；w(i,j)為匹配后對照組樣本的權(quán)重。

2.指數(shù)熔斷機(jī)制與磁吸效應(yīng)的模型構(gòu)建。

在分析了指數(shù)熔斷機(jī)制與市場波動率之間的關(guān)系之后,我們需要研究指數(shù)熔斷機(jī)制是否存在磁吸效應(yīng)。鑒于此,本文運(yùn)用基于傾向評分匹配的雙重差分法來考察滬深300指數(shù)在即將觸發(fā)熔斷閾值時(shí)是否出現(xiàn)了異常波動。為此我們需要在上文的基礎(chǔ)上再構(gòu)造一個(gè)二元虛擬變量Timet。當(dāng)滬深300指數(shù)的累計(jì)漲跌幅接近熔斷閾值,即累計(jì)漲跌幅的絕對值達(dá)到4%及以上時(shí),Timet＝1；其他時(shí)間Timet＝0。根據(jù)前文所述的原理,本文采用最臨近匹配法 (nearest neighbor matching)為處理組樣本選擇了匹配樣本。匹配后滬深300指數(shù)價(jià)格波動率的變化量的平均處理效果為ATT2。

更進(jìn)一步,式 (4)的一個(gè)等價(jià)性的可以用于實(shí)證檢驗(yàn)的表述為①限于篇幅,文中沒有給出相應(yīng)的證明過程,感興趣的讀者可以向作者索取。

其中:X為控制變量集合,包括滬深300指數(shù)的漲跌幅Chg、對數(shù)成交量Trv和對數(shù)成交額Amt；εit為隨機(jī)誤差項(xiàng)。交叉項(xiàng)Treati×Timet的估計(jì)系數(shù)刻畫了滬深300指數(shù)在熔斷閾值附近的價(jià)格波動率情況。若顯著大于0,則意味著指數(shù)熔斷機(jī)制確實(shí)存在磁吸效應(yīng)；反之,則磁吸效應(yīng)并不明顯。

(二)數(shù)據(jù)說明

本文的數(shù)據(jù)來源為Wind數(shù)據(jù)庫中的1分鐘序列。由于實(shí)行指數(shù)熔斷機(jī)制的初衷為抑制2015年下半年開始的證券市場異常波動,且兩檔熔斷閾值分別為5%和7%,因此我們首先將時(shí)間跨度限制為2015年6月1日至2016年6月1日,然后選取滬深300指數(shù)價(jià)格漲跌幅較大的17個(gè)交易日作為樣本。②樣本交易日按照滬深300指數(shù)跌幅由大到小排列分別是:2015－08－24、2015－07－27、2015－06－26、2016－01－07、2015－08－25、2016－01－04、2015－07－08、2015－08－18、 2016－02－25、 2016－01－26、 2015－06－19、 2015－07－03、 2015－11－27、 2016－01－11、 2015－07－01、 2015－08－21、 2015－06－18。其中,處理組為2016年1月4日與1月7日兩個(gè)交易日的數(shù)據(jù)；而對照組為其他15個(gè)交易日的數(shù)據(jù)。此外,我們還根據(jù)通常文獻(xiàn)的做法,對主要變量的缺失值和異常值進(jìn)行了處理與剔除。

四、實(shí)證結(jié)果分析

(一)統(tǒng)計(jì)性描述

表1為除虛擬變量外其他變量的統(tǒng)計(jì)特征,在剔除了經(jīng)AR(2)－GARCH(1,1)模型處理的缺失值后,共得到3 741個(gè)有效樣本①所有變量的頻率均為1分鐘。。其中,滬深300指數(shù)1分鐘漲跌幅Chg的均值為負(fù),反映出樣本交易日確實(shí)取自證券市場下跌期間；所有變量的最小值最大值都相去甚遠(yuǎn),除價(jià)格波動率Vol外,其他變量的標(biāo)準(zhǔn)差較大,可見滬深300指數(shù)大幅下挫期間的市場波動較為強(qiáng)烈。

表1 變量統(tǒng)計(jì)特征

(二)指數(shù)熔斷機(jī)制對市場波動率的影響

在運(yùn)用傾向評分匹配法檢驗(yàn)指數(shù)熔斷機(jī)制實(shí)施期間市場波動率是否顯著增大之前,我們首先對條件獨(dú)立假設(shè)進(jìn)行了檢驗(yàn)。進(jìn)行此檢驗(yàn)的方法較多,包括DW規(guī)范檢驗(yàn) (DW specification test)、標(biāo)準(zhǔn)偏差檢驗(yàn)(standardised differences test)以及霍特林檢驗(yàn) (Hotelling test)等。但對于同一組數(shù)據(jù)使用不同檢驗(yàn)方法,其結(jié)果可能大相徑庭 (Lee,2005［34］)。本文采用目前使用較廣的Smith和Todd(2005)［35］的標(biāo)準(zhǔn)偏差方法進(jìn)行平衡性檢驗(yàn),計(jì)算出匹配后處理組與對照組基于控制變量Xk②Xk為滬深300指數(shù)的漲跌幅Chg、對數(shù)成交量Trv及對數(shù)成交額Amt。的標(biāo)準(zhǔn)偏差SDIFF(Xk),其公式如下:

上述標(biāo)準(zhǔn)偏差越小,說明匹配效果越好。對于其判斷標(biāo)準(zhǔn),Rosenbaum 和 Rubin(1983)［36］指出, 當(dāng)20時(shí)可認(rèn)為匹配效果不好。本文的檢驗(yàn)結(jié)果通過了匹配平衡檢驗(yàn),說明處理組與對照組在匹配變量上不存在顯著差異。

在此基礎(chǔ)上,我們利用最臨近匹配 (nearest neighbor matching)、半徑匹配 (radius matching)、核匹配 (kernel matching)以及分層匹配 (stratification matching)四種方法,檢驗(yàn)了與其他跌幅較大的交易日相比,指數(shù)熔斷機(jī)制被觸發(fā)的兩個(gè)交易日滬深300指數(shù)的價(jià)格波動率是否顯著增大。表2顯示了匹配后的平均處理效果,在估計(jì)中我們設(shè)置了共同支撐假設(shè),并通過自舉法 (bootstrap)100次獲得回歸系數(shù)的t值。

表2 滬深300指數(shù)價(jià)格波動率的平均處理效果

由表2可知,四種匹配方法下處理組的價(jià)格波動率比對照組約大0.005,但上述估計(jì)結(jié)果均不顯著。這說明無論是采用一對一的最臨近匹配還是使用滿足條件的所有對照組樣本的半徑匹配、核匹配和分層匹配,2016年1月4日和1月7日滬深300指數(shù)的價(jià)格波動率較樣本期間內(nèi)其他具有較大跌幅的交易日并沒有顯著差別。故而指數(shù)熔斷機(jī)制的實(shí)施并沒有加大股市大幅下挫期間的市場波動率,假設(shè)1得以驗(yàn)證。

(三)指數(shù)熔斷機(jī)制的磁吸效應(yīng)研究

指數(shù)熔斷機(jī)制最飽受詬病的負(fù)面作用就是磁吸效應(yīng),而5%與7%兩檔熔斷閾值如此接近,更是容易引發(fā)同方向投資者因害怕流動性喪失而搶先交易,反方向投資者為等待更好價(jià)格而延后交易。表3展示了滬深300指數(shù)日跌幅超過5%的交易日在熔斷閾值附近的下跌時(shí)間。從中可以看出,日跌幅超過5%的交易日共14個(gè),指數(shù)由下跌4%到5%的平均時(shí)間為12分鐘③12分鐘的計(jì)算方法為所有14個(gè)交易日－5%～－4%這一列數(shù)的算術(shù)平均值；后文28分鐘的計(jì)算方法與之類似。；日跌幅超過7%的交易日有6個(gè),指數(shù)由下跌5%到7%的平均時(shí)間為28分鐘。關(guān)注2016年1月4日與1月7日的相關(guān)數(shù)據(jù),其中1月4日在5%熔斷閾值附近的表現(xiàn)基本正常,但在觸發(fā)第一檔閾值后,僅過了9分鐘便再次觸發(fā)第二檔閾值；而1月7日指數(shù)由下跌4%到5%僅用了2分鐘,第一檔閾值被觸及后不到3分鐘的時(shí)間就導(dǎo)致大盤收市。因此從數(shù)據(jù)直覺的意義上,指數(shù)熔斷機(jī)制確實(shí)存在磁吸效應(yīng),且在第一檔閾值被觸發(fā)后變得更加明顯。

表3 滬深300指數(shù)在熔斷閾值附近的下跌時(shí)間

為進(jìn)一步檢驗(yàn)指數(shù)熔斷機(jī)制的磁吸效應(yīng),我們運(yùn)用基于傾向評分匹配的雙重差分法,考察了當(dāng)滬深300指數(shù)的漲跌幅到達(dá)4%后,其價(jià)格波動率是否出現(xiàn)異常。①由于處理組樣本個(gè)數(shù)有限 (即Treat＝1且Time＝1的樣本共12個(gè)),因此我們并未能驗(yàn)證由－7% ～－5%這段時(shí)間Vol的異常表現(xiàn)。表4展示了變量Vol平均處理效果的回歸結(jié)果。其中回歸式 (1)為未添加任何控制變量的估計(jì)結(jié)果；回歸式 (2)和 (3)分別為添加控制變量后使用面板個(gè)體固定效應(yīng)和時(shí)間固定效應(yīng)的估計(jì)結(jié)果。

表4 Vol平均處理效果的回歸結(jié)果

由表4可知,三個(gè)回歸方程中的交叉項(xiàng)估計(jì)系數(shù)均為正,且具有1%的顯著性水平。這說明指數(shù)熔斷機(jī)制實(shí)施期間,滬深300指數(shù)的價(jià)格波動率在超過4%后確實(shí)出現(xiàn)異常,平均而言較未實(shí)行時(shí)高出約0.04,體現(xiàn)出該制度推出后交易者因流動性恐慌而紛紛拋售手中股票,從而導(dǎo)致價(jià)格下跌速度加快,假設(shè)2得到驗(yàn)證。此外,控制變量的回歸系數(shù)也符合預(yù)期,即漲跌幅、成交量與成交額均與價(jià)格波動率呈正相關(guān)關(guān)系,且上述結(jié)果在1%的水平下顯著。

五、穩(wěn)健性檢驗(yàn)

為驗(yàn)證上述結(jié)果的穩(wěn)健性,本文首先將全樣本進(jìn)行了分段回歸,其中子樣本1為指數(shù)熔斷機(jī)制推出前與兩次觸發(fā)熔斷的交易日,子樣本2為指數(shù)熔斷機(jī)制暫停后與兩次觸發(fā)熔斷的交易日。運(yùn)用子樣本的估計(jì)結(jié)果與前文結(jié)論一致,限于篇幅,本文未報(bào)告具體的實(shí)證結(jié)果。

其次,本文選取滬深300指數(shù)的成交量波動率和成交額波動率,運(yùn)用相同的計(jì)量方法,檢驗(yàn)了指數(shù)熔斷機(jī)制是否增加了市場波動這一假設(shè),回歸結(jié)果如表5所示。從中可以看出,除最臨近匹配法下的成交額波動率具有10%的顯著性外,其他回歸系數(shù)均不顯著,證明總體而言指數(shù)熔斷機(jī)制并未對市場波動性產(chǎn)生較大影響。

表5 滬深300指數(shù)成交量和成交額波動率的平均處理效果

鑒于磁吸效應(yīng)的表現(xiàn)之一為成交量和成交額的劇烈變化,因此在穩(wěn)健性檢驗(yàn)中我們再次運(yùn)用基于傾向評分匹配的雙重差分法考察了滬深300指數(shù)成交量和成交額波動率在累計(jì)跌幅超過4%后的表現(xiàn),回歸結(jié)果如表6所示。其中回歸式 (4)～(6)的因變量為Vtrv；回歸式 (7)～(9)的因變量為Vamt。

表6 Vtrv與Vamt平均處理效果的回歸結(jié)果

由表6可知,所有交叉項(xiàng)的估計(jì)系數(shù)均為正,且在1%的水平下顯著?？梢娫谥笖?shù)熔斷機(jī)制實(shí)施期間,當(dāng)滬深300指數(shù)的累計(jì)跌幅接近熔斷閾值時(shí),成交量波動率和成交額波動率均呈現(xiàn)明顯上升態(tài)勢,磁吸效應(yīng)的存在性也就不言而喻了。

六、主要結(jié)論與政策建議

本文通過傾向評分匹配法與雙重差分法,考察了證券市場暴跌情形下指數(shù)熔斷機(jī)制的實(shí)施效果,結(jié)果發(fā)現(xiàn):一是指數(shù)熔斷機(jī)制實(shí)行期間滬深300指數(shù)的波動率沒有顯著增加,說明該制度并非市場波動加大的原因；二是當(dāng)滬深300指數(shù)的累計(jì)跌幅接近熔斷閾值時(shí),指數(shù)下跌速度加快,價(jià)格、成交量和成交額的波動率都顯著增加,證明磁吸效應(yīng)確實(shí)存在。

針對上述發(fā)現(xiàn),本文認(rèn)為,雖然指數(shù)熔斷機(jī)制在紐約證券交易所、納斯達(dá)克證券交易所、多倫多證券交易所、韓國證券交易所、印度國家證券交易所等諸多市場上得以應(yīng)用 (Brugler和Linton,2014［25］), 但中國股票市場的波動水平整體較高,非理性投資者所占比重也較大,因此在熔斷機(jī)制的設(shè)計(jì)上存在一些問題。首先,第一檔熔斷閾值較低,大大提高了觸發(fā)指數(shù)熔斷的可能性；其次,第二檔熔斷閾值也較低,使得觸發(fā)全天交易暫停的概率增加；再次,第一、二檔熔斷閾值的間隔較小,導(dǎo)致磁吸效應(yīng)在我國異常明顯；最后,熔斷時(shí)長占日交易總時(shí)間的比例較高,容易引發(fā)流動性短缺與恐慌性拋售。

指數(shù)熔斷機(jī)制在我國僅實(shí)施4個(gè)交易日就告暫停,的確值得監(jiān)管層深度反思。目前A股市場已存在漲跌停板制度,短時(shí)間內(nèi)應(yīng)不會重啟指數(shù)熔斷機(jī)制。今后證券監(jiān)管部門在出臺新的交易機(jī)制時(shí),應(yīng)結(jié)合我國資本市場的實(shí)際情況,進(jìn)行充分的理論論證和深入的量化分析,避免高昂的制度試錯(cuò)成本,從而實(shí)現(xiàn)維護(hù)證券市場穩(wěn)定和保護(hù)投資者權(quán)益的目的。

［1］Fama E F.Efficient Capital Markets:A Review of Theory and Empirical Work［J］.The Journal of Finance,1970,25(2):383－417.

［2］Grossman S J.Introduction to NBER Symposium on the October 1987 Crash ［J］.Review of Financial Studies,1990,3(1):1 －3.

［3］Fama E F.Perspective on October 1987,or What Did We Learn form the Crash?［M］//Kamphuis R W,Jr Kormendi R C,Waston J.Black Monday and the Future of the Financial Markets.Irwin,Homewood,III,1989:16－45.

［4］Subrahmanyam A.Circuit Breakers and Market Volatility:A Theoretical Perspective［J］.The Journal of Finance,1994,3(1):237－254.

［5］Lehmann B N.Commentary:Volatility,Price Resolution,and the Effectiveness of Price Limits［M］//Regulatory Reform of Stock and Futures Markets.Springer Netherlands.1989:107－111.

［6］Subrahmanyam A.The Exante Effects of Trade Halting Rules on Informed Trading Strategies and Market Liquidity ［J］.Review of Financial Economics,1997,6(1):1－14.

［7］Kuhn B A,Kurserk G J,Locke P.Do Circuit Breakers Moderate Volatility?Evidence from October 1989 ［J］.Review of Futures Markets,1991,10(1):426－434.

［8］Ferris S P,Kumar R,Wolfe G A.The Effect of SEC-ordered Suspensions on Returns,Volatility,and Trading Volume ［J］.Financial Review,1992,27(1):1－34.

［9］Santoni G J,Liu T.Circuit Breakers and Stock Market Volatility［J］.Journal of Futures Markets,1993,13(3):261－277.

［10］Lee C,Ready M J,Seguin P J.Volume,Volatility,and New York Stock Exchange Trading Halts［J］.The Journal of Finance,1994,49(1):183－214.

［11］Ackert L F,Church B,Jayaraman N.An Experimental Study of Circuit Breakers:The Effects of Mandated Market Closures and Temporary Halts on Market Behavior［J］.Journal of Financial Markets,2001,4(2):185 －208.

［12］Ackert L F,Church B K,Jayaraman N.Circuit Breakers with Uncertainty about the Presence of Informed Agents:I Know What You Know…I Think ［J］.Financial Markets,Institutions and Instruments,2005,14(3):135 －168.

［13］Goldstein M A,Kavajecz K A.Trading Strategies during Circuit Breakers and Extreme Market Movements［J］.Journal of Financial Markets,2004,7(3):301－333.

［14］Spiegel M,Subrahmanyam A.Asymmetric Information and News Disclosure Rules ［J］.Journal of Financial Intermediation,2000,9(4):363－403.

［15］Greenwald B C,Stein J C.Transactional Risk,Market Crashes,and the Role of Circuit Breakers ［J］.Journal of Business,1991,2(1):443－462.

［16］Kodres L E,O'Brien D P.The Existence of Pareto-superior Price Limits［J］.The American Economic Review,1994,84(4):919－932.

［17］Brennan M J.A Theory of Price Limits in Futures Markets［J］.Journal of Financial Economics,1986,16(1):213 －233.

［18］Chowdhry B,Nanda V.Leverage and Market Stability:The Role of Margin Rules and Price Limits［J］.The Journal of Business,1998,71(2):179－210.

［19］Westerhoff F.Speculative Markets and the Effectiveness of Price Limits ［J］.Journal of Economic Dynamics and Control,2003,28(3):493－508.

［20］Lauterbach B,Ben-Zion U R I.Stock Market Crashes and the Performance of Circuit Breakers:Empirical Evidence ［J］.The Journal of Finance,1993,48(5):1909－1925.

［21］Bildik R,Gülay G.Are Price Limits Effective?Evidence from the Istanbul Stock Exchange ［J］.Journal of Financial Research,2006,29(3):383－403.

［22］Gomber P,Haferkorn M,Lutat M,Zimmermann K.The Effect of Single-stock Circuit Breakers on the Quality of Fragmented Markets［M］//Enterprise Applications and Services in the Finance Industry.Springer Berlin Heidelberg,2012:71－87.

［23］Subrahmanyam A.Algorithmic trading,the Flash Crash,and Coordinated Circuit Breakers［J］.Borsa Istanbul Review,2013,13(3):4－9.

［24］Nicholas A.The Role of Circuit Breakers in the Oil Futures Market［J］.Journal of Economics and Finance,2016,4(10):1 －16.

［25］Brugler J,Linton O B.Single Stock Circuit Breakers on the London Stock Exchange:Do They Improve Subsequent Market Quality? ［J］.SSRN Working Paper,2014.

［26］Goldstein M A.Circuit Breakers,Trading Collars,and Volatility Transmission across Markets:Evidence from NYSE Rule 80A ［R］.SSRN Working Paper,2015.

［27］De Long B,Shleifer A,Summers L,et al.Positive Feedback Investment Strategies and Destabilizing Rational Speculation ［J］.The Journal of Finance,1990,45(2):379－395.

［28］Bondt W F M,Thaler R.Does the Stock Market Overreact? ［J］.The Journal of Finance,1985,40(3):793 －805.

［29］樸樹,俞喬.有限理性、動物精神及市場崩潰:過度自信、有限參與和資產(chǎn)價(jià)格泡沫［J］.經(jīng)濟(jì)研究,2006(4):115－127.

［30］Banerjee A V.A Simple Model of Herd Behavior［J］.The Quarterly Journal of Economics,1992,107(3):797 －817.

［31］Graham J R.Herding among Investment Newsletters:Theory and Evidence［J］.The Journal of Finance,1999,54(1):237 －268.

［32］崔巍.金融市場中羊群行為的模擬研究及啟示［J］.北京大學(xué)學(xué)報(bào) (哲學(xué)社會科學(xué)版),2009(6):68－74.

［33］Heckman J J,Ichimura H,Todd P.Matching As an Econometric Evaluation Estimator［J］.The Review of Economic Studies,1998,65(2):261－294.

［34］Lee G.PSM and Public Employees’ Work Performance ［J］.Korean Society and Public Administration,2005,16(1):81 －104.

［35］Smith J A,Todd P E.Does Matching Overcome LaLonde's Critique of Nonexperimental Estimators? ［J］.Journal of Econometrics,2005,125(1):305－353.

［36］Rosenbaum P R,Rubin D B.The Central Role of the Propensity Score in Observational Studies for Causal Effects ［J］.Biometrika,1983,70(1):41－55.