股票市場有效性對風險收益關系的動態影響

張碧馨

摘要：經典金融理論指出，金融市場整體的風險與收益呈正相關關系，但很多實證結果都背離了這一理論假設。筆者認為，實證結果與理論不一致的原因在于，風險收益關系不是靜態的，而是隨著市場有效性的變化而變化的。由此，筆者構建了非線性變系數風險收益模型，采用交易量代表信息交換行為的活躍度，用大宗交易股票數量來度量市場上的信息不對稱性，使用上海股票市場2010—2015年的高頻數據進行實證研究發現，上海股票市場的整體收益與風險始終存在顯著的正相關關系，但單位風險所產生的收益則隨著市場有效性的變化而變化。當市場有效性差時，信息交換減少，信息不對稱性增加，這時收益的自相關性增強，風險對收益的解釋能力減弱。

關鍵詞：股票市場有效性；風險收益關系；信息交換；信息不對稱

中圖分類號：F8309文獻標識碼：A

文章編號：1000176X（2017）08004507

一、問題的提出

從1990年上海證券交易所成立至今，我國的股票市場經歷了飛速的發展，根據我國證監會的統計數據，截至2016年11月1日，我國股票市場的總市值已經達到50900萬億元，其中流通市值達到39300萬億元。相比定期存款、國債等投資手段，股票市場具有高風險—高收益的特點。在傳統經濟理論中，金融市場不穩定帶來的風險可以通過金融資產相應的高收益率進行風險補償。然而，實證研究并沒有完全證實這一理論分析，大量的文獻指出風險收益關系是顯著負相關的。例如， Brandt和Kang[1]發現股票市場的風險與收益存在顯著持久的負相關關系。汪孟海和周愛民[2]對我國股票市場的研究也發現，股票價格下降伴隨著波動率的明顯增強。

筆者認為，理論假設和實證結果不一致的原因在于市場有效性的變化。風險收益關系為正相關的前提假設是市場充分有效（證券價格能夠充分地反映投資者可以獲得的信息）。而現實中，市場并不是充分有效的。市場有效性差的時候，定價信息無法及時有效地傳遞，價格對信息的反應存在滯后性，風險收益關系被弱化了。Yu和Yuan[3]與Kinnunen[4]的研究也都證實市場有效性越好，風險與收益的正相關關系越突出；而市場有效性差的時候，風險收益關系不一定顯著為正。

值得注意的是， Lo[5]、Anderson[6]以及魯臻和鄒恒甫[7]等對市場自相關生成機制的研究指出，當市場有效性差時，由于信息傳遞的滯后性，定價信息無法及時準確地傳遞到金融資產的價格上，產生收益序列的自相關性。因此，筆者認為風險對收益的影響與自相關性是此消彼長的。市場有效性強時，風險對收益的影響程度增強，自相關程度減弱；市場有效性弱時，風險對收益的影響程度降低，自相關性增強。

從這一思想出發，本文改進了跨期資本資產定價模型。一方面，股票預期收益率不僅取決于風險溢價，而且依賴于它的自相關性；另一方面，利用時變的市場有效性指標作為權重去加權平均風險溢價部分和自相關部分。實證中采用上海股票市場2010—2015年的高頻數據計算已實現方差，使用交易量和大宗交易股票數量度量市場有效性狀況來進行具體分析。得到了顯著穩健的結論：收益和風險始終存在顯著的正相關關系，同時，風險和自相關對收益的解釋能力確實存在此消彼長。市場有效性的減弱伴隨著風險對收益的解釋能力的減弱，以及收益序列自相關性的增強。

本文的貢獻在于：第一，證實了市場環境的變化會影響風險對收益的解釋能力，但風險仍然和收益是正相關的，風險溢價始終為正，支持了跨時期資本資產定價模型的基本結論。第二，結合市場有效性的變化探討了自相關現象背后的市場機制，證實了自相關和風險對收益的解釋能力是此消彼長的。第三，自相關和風險對收益解釋的權重可以反應市場的有效性，給出了市場有效性的參考指標。

二、理論分析、模型構建與假設提出

（一）理論分析

1跨期資本資產定價模型

風險收益理論的基礎是Merton[8]在1969年提出的跨期資本資產定價模型（ICAPM）。該模型假設金融市場總是處在連續變化的過程中，在信息對稱、無摩擦的市場中，投資者的決策將最大化整個投資期的效用。由投資者效用最大化得到均衡方程：

Et-1（rMt）=μ+λVart-1（rMt）Et-1（rMt）=μ+λVart-1（rMt）（1）

其中，Et-1（rMt）為市場收益率rMt的期望值，Vart-1（rMt）為市場收益率的條件方差，代表金融市場上的風險因素。λ為投資者的風險厭惡程度，由投資者自身的效用函數決定。風險厭惡的投資者需要額外獲得收益來補償其所承受的風險，因而λ為正，市場的收益與風險存在正相關關系。λ越大，投資者對承擔單位風險所需要的收益補償越高。常數項μ包含了印花稅、交易成本等其他因素。t-1為上一期。

然而，實證研究并沒有得到一致的結論。除了Ghysels等[9]、Guo和Whitelaw[10]等少數研究得到了風險與收益存在顯著正相關關系的實證結果，大量的文獻指出風險收益關系并不顯著，甚至是顯著負相關的。例如，Whitelaw[11]發現風險收益關系不顯著。Brandt 和 Kang[1]應用向量自回歸模型研究發現，使用條件方差度量的風險與市場收益存在顯著持久的負相關關系，但無條件方差卻與收益存在正相關關系。Glosten等[12]、 Goyal和Santa-Clara[13]與Lettau和Ludvigson[14]也都認為風險與收益負相關。

國內的相關研究也沒有一致的結果。施東暉[15]基于1993—1996年上海證券交易所A股數據進行實證分析，發現風險與收益率是負相關的。張思奇等[16]指出上海證券交易所A 股期望的超額收益與條件方差呈負相關關系。吳長鳳等[17]對滬深兩市的風險收益特征進行了分析， 結果表明長期來看，我國股票市場存在著一定的高風險—高收益、低風險—低收益的特點，但短期看這種風險收益關系并不顯著。何興強和孫群燕[18]用1993—2002 年上證綜指、深證成指的每日收益序列進行了研究， 發現我國股票市場的風險與收益關系不顯著。汪孟海和周愛民[2]指出上證指數的收益與波動率之間存在不顯著的負相關關系。陳夢根[19]基于混頻抽樣方法（MIDAS）的研究指出滬深兩市風險與收益都呈顯著的正相關關系。endprint

2風險收益關系的動態變化和市場有效性

學術界對理論和實證結果的不一致給出了一些解釋。一些研究發現，市場的風險收益關系是隨時間變化的。Salvador[20]使用了結構轉換模型（Regime-Switching Model）研究了歐洲多個股票市場，發現風險收益關系呈現明顯的兩階段特性。Ghysels等[21]也使用了帶結構轉換的混頻數據抽樣模型研究了標普500指數的風險收益關系，仍然發現了明顯的兩階段特征。

國內研究也發現風險收益具有時變特征。陳浪南和黃杰鯤[22]指出深證成指是否有顯著的正向風險收益關系取決于數據區間，在1997—2000 年間顯著，但是在1993—1996年間則不顯著。王輝[23]發現風險和收益兩者關系與市場狀態有關，市場處于上漲階段時兩者的相關度大于市場處于下跌階段。

筆者認為風險收益關系隨時間變化的原因在于市場有效性的變化。市場有效性不是恒定不變的，同時也會影響金融市場的風險收益關系：Yu[3]證實了投資者敏感度低的時候，市場有效性較強，市場的風險收益關系顯著為正；而投資者敏感度高時，敏感度高的投資者會對信息和價格變動過度反應，這時風險收益關系為負。此外，Kinnunen[4]研究了標準普爾500指數，證實了市場中信息含量高時，有效性強，風險收益關系顯著為正；而信息量低的時候，有效性弱，風險收益關系的顯著性明顯減弱。

3自相關和市場有效性

除了風險收益關系以外，收益率序列也存在顯著的自相關性。收益率和它的滯后項有顯著的相關關系。因而對于風險收益關系的分析幾乎都會加入收益的滯后項。形式如下：

Et-1（rMt）=μ+λVart-1（rMt）+ρrMt-1（2）

其中，自相關項rMt-1的系數ρ一般顯著為正，也被稱為“慣性效應”。

相關研究發現，自相關現象其實是市場有效性不完全的產物。市場不完全有效時，資產價格對定價信息的反應需要一個過程，金融資產需要經歷連續的上漲或下跌才能消化定價信息，因而收益率通常會和上一期收益率有較強的相關性。Lo[5]認為交易頻率和摩擦是造成收益自相關的原因，指出當交易頻率低時，自相關增強。魯臻和鄒恒甫[7]研究了政策市背景下的我國股市的自相關性，認為投資者的非理性造成了自相關性。Anderson[6]也指出投資者對市場信息掌握的不完全會造成自相關現象的出現。

綜上所述，筆者認為市場的風險收益關系是隨著市場有效性變化而變化的。自相關部分和風險部分都可以解釋收益，但它們的解釋能力隨著有效性的變化此消彼長。市場有效性強時，市場環境接近跨期資本資產定價模型的理論假設，風險對期望收益的解釋能力更強，而自相關性較弱；市場有效性減弱時，定價信息傳遞的滯后性導致自相關性增強，跨期資本資產定價模型適用性較差，風險對期望收益的解釋能力變差。

（二）模型構建

基于以上分析，筆者認為風險部分和自相關部分對收益的解釋能力此消彼長，因此，資本資產定價模型中風險部分和自相關部分的權重應該是可變的。加入隨時間變化的權重系數后，新的模型為：

Et-1（rMt）=μ+φt-1λVart-1（rMt）+（1-φt-1）ρrMt-1（3）

其中，φt-1∈[0，1]。

φt-1變化時，模型中風險部分和自相關部分解釋收益的比例也在隨時間變化而變化。φt-1越大，期望收益被風險解釋的部分越多，自相關部分解釋的比例越小，市場有效性越強。也就是說，φt-1反映了市場的有效性。當φt-1=1時，模型形式變為Et-1（rMt）=μ+λVart-1（rMt），也就是跨期資本資產定價模型的標準形式，這時期望收益可以完全被風險解釋。當φt-1=0時，模型形式變為Et-1（rMt）=μ+ρrMt-1，這時期望收益和風險無關，僅受自相關因素驅動。

式（3）的條件方差Vart-1（rMt）作為統計量并不能被直接觀測到，因而對它的度量方法一直存在爭議。一類方法是根據數據特征建立模型（GARCH、MIDAS等）估計方差，然而采用建模方法估計條件方差時，實證結果對模型的設定十分敏感，錯誤的模型會嚴重影響實證研究的結果。Baillie和Degennaro[24]的研究早已表明，如果把ARCH模型中對于回報沖擊的分布設定從正態分布改為t分布，期望收益與風險的正相關關系就會消失。

因此，本文直接用分鐘高頻數據計算每日的已實現方差（Realized Variance）。這一方法的優點是不依賴于模型設定，同時包含了更多的微觀市場信息，更好地貼近快速變化的市場環境。此外，Salvador[25]指出使用每日的收益率分析風險收益關系的效果要好于月度數據。本文借鑒Baillie和Degennaro[24]、Salvador[25]的做法，采用日度數據進行實證研究，構建的模型為：

rt=μ+φt-1λrvt-1+（1-φt-1）ρrt-1+εt（4）

φt-1=11+exp（-βvvst-1-βbbvt-1）（5）

其中，rt為上海股票市場當日的收益率，rvt-1為已實現方差代表的風險項，rt-1為自相關項，φt-1為權重系數，反映了市場有效性的動態變化，εt為當期隨機沖擊對收益的影響。在對φt-1的具體設定中，vst-1為交易量，bvt-1為日內發生大宗交易的股票數量，βv和βb分別為這兩個變量的系數。

（三）假設提出

由于風險收益關系變化的原因是市場有效性的變化，投資者的風險偏好并沒有發生變化。風險厭惡的投資者仍然需要額外收益以補償其所承受的風險，風險溢價λ為正。因此，本文提出研究假設1：

假設1：金融市場的風險收益存在正相關關系，風險越大，收益越大。風險因素的系數λ為正。

為了使φt-1合理地反映市場有效性的變化，本文引入度量市場有效性的外生變量st-1，設定φt-1表達式為：endprint

φt-1=11+exp（-β′st-1）（6）

其中，st-1為一組反映市場有效性的變量。這樣的設定形式可以保證權重φt-1∈[0，1]。從模型設定上看，如果β為正，st-1越大，φt-1越大；如果β為負，st-1越小，φt-1越大。這里st-1選取交易量vst-1和發生大宗交易的股票數量bvt-1。

交易量和市場有效性存在密切的聯系。金融市場中交易的活躍程度反映了定價信息交換的頻率。定價信息通過市場交易等途徑在市場中傳導，最終使得金融資產的價格達到它的真實價值，完成金融資產的價格發現過程。Andersen[26]指出，交易量反映了股票市場中信息量的多少，交易量越大，市場中信息交換行為越活躍，股票價格越接近股票的真實價值。因而筆者認為，交易量越大，市場有效性越好。因此，本文提出研究假設2：

假設2：交易量vst-1增加時，風險部分權重φt-1增加，自相關部分權重（1-φt-1）減少，交易量vst-1的系數βv為正。

股票市場上的大宗交易則反映了市場中信息的不對稱性。林振興和屈文洲[27]發現大宗交易大多是基于私有信息或者內幕信息。張顏江和王燕鳴[28]也指出大宗交易的投資者多是機構投資者，并且大宗交易往往伴隨著價格的異常波動。Edmans[29]認為大宗交易的投資者會通過非公開信息判斷股票的價值。此外，很多大宗交易的參與者本身就是該公司的董事會成員。而信息不對稱程度上升會使得市場深度減小，市場有效性減弱。由此，大宗交易發生得越多，市場上的信息不對稱越強，市場有效性越弱。因此，本文提出研究假設3：

假設3：大宗交易股票數量bvt-1增加時，風險部分權重φt-1減少，自相關部分權重（1-φt-1）增加，大宗交易股票數量bvt-1的系數βb為負。

三、實證研究

（一）變量與數據說明

本文研究使用的數據來自Thomas Reuters Ticker History的高頻數據庫以及國泰安CSMAR數據庫。樣本區間為2010年1月1日至2015年11月30日。數據包括上證綜指的每分鐘報價、收盤價、每日的交易股份數和每日發生大宗交易的股票數量。

收益率rt為上證綜指每日的對數收益率，計算公式為：rt=lnPtPt-1，其中Pt為當日收盤價。已實現方差RVt計算公式為：RVt=∑Ni=1rti2。其中，N為交易日t中收益率的采樣次數，rti為交易日t中第i個時間單位的收益率。

收益率的日內采樣次數N越大，包含的信息量越高。但市場價格與有效價格之間存在一定的偏差，也就是市場噪聲。已實現方差的頻率越高，包含的噪聲越多，反而會偏離對市場風險的估計。因此，本文計算了三種不同頻率的已實現方差：1分鐘頻率的RV1、5分鐘頻率的RV5和30分鐘頻率的RV30，并在實證中比較它們的效果。

交易量vst指的是上海股票市場當天的交易總股份數。每日發生大宗交易的股票數量bvt的數據來自國泰安CSMAR數據庫，反映了每日上海股票市場中發生大額交易的股票數量，用來衡量市場的信息不對稱程度。另外，穩健性檢驗中本文使用了每日發生大額交易的總次數作為替換變量。這兩個外生變量共同反映了市場的有效性。

（二）描述性統計

可以看出，收益率的均值和中位數為0005和0046。偏度為負，峰度大于標準正態分布的峰度3000，說明收益率的分布是厚尾的。JarqueBera檢驗統計量為1 772253，遠大于1%顯著性的臨界值63660，拒絕了該序列為正態分布的原假設。

三種頻率已實現方差RV1、RV5和RV30的數據特征比較相似，偏度均為正，峰度也遠大于3000，說明它們都有尖峰厚尾的特點。值得注意的是，RV30和RV5的均值、中位數和方差十分接近，而RV1則和它們有明顯的差別。交易量和大宗交易股票數量也明顯偏離正態分布。樣本區間內我國股票市場日均交易161117億股（即16112×109），平均每日有6644支股票出現大額交易。

（三）實證結果分析

對式（4）進行估計，采用非線性最小二乘法（NLS），得到的實證結果如表2所示。

從表2可以看出，在三種頻率已實現方差RV1、RV5和RV30下，風險溢價λ始終為正，并且在1%水平顯著。這一結果和上文的分析一致：風險厭惡的投資者應該為承擔風險獲得正收益，即風險越大，獲得的收益也越大，假設1成立。而自相關系數ρ始終顯著為正，也和已有文獻的研究結果相符，說明了自相關部分對收益的解釋作用是不可忽視的。

交易量vst-1的系數βv始終為正，大宗交易的股票數量bvt-1的系數βb始終為負，說明假設2和假設3始終成立。這一結果證實了交易量低，大宗交易股票數量多時，市場有效性減弱。這時自相關對收益的解釋能力增加，單位風險所產生的收益降低。而交易量增加，大宗交易股票數量減少時，市場的有效性增強。這時風險部分對收益的解釋能力增強，自相關部分的重要性減弱。

系數βv、βb在RV1和RV5中顯著也說明權重φt-1切實反映了市場有效性的不斷變化。這時，風險部分和自相關部分對收益的解釋能力此消彼長，自相關部分對收益的驅動作用隨著交易量的增加而減弱，隨著大宗交易股票數量的增加而增加，而風險部分對收益的驅動作用隨著交易量的增加而增加，隨著大宗交易股票數量的增加而減少。

比較三種頻率已實現方差RV1、RV5和RV30的回歸結果可以看出，對于三種類型的已實現方差RV1、RV5和RV30，R2分別為0026、0026和0014。而縱向比較不同頻率的已實現方差，可以看出使用1分鐘數據計算出的已實現方差已實現方差RV1顯著性強于RV5，而RV1和RV5的R2都是0026，均高于RV30得出的0014。說明在估計風險收益關系方面，1分鐘頻率的已實現方差最合適。另外，使用1分鐘頻率的已實現方差RV1時，βv在1%水平顯著，βb在5%水平顯著，說明RV1的顯著性強于使用RV5、RV30得到的結果。這也和國內的研究結果一致。如韓清和劉永剛[30]對我國已實現波動率的噪聲成分進行了分析，指出雖然國外市場慣例使用5分鐘頻率的已實現波動率估計，但這一頻率在我國市場上并不適用。endprint

（四）模型比較

可以看出，風險溢價λ仍然不顯著。自相關系數ρ始終在1%的水平上顯著為負，證明時間序列具有很強的自相關性，這和大多數文獻的實證結果是一致的。對三種頻率已實現方差RV1、RV5和RV30進行回歸得到的R2都是0007，比表3的結果有所提高。

對比表2、表3和表4的回歸結果可以看出，傳統的線性風險收益模型無法在實證中得到顯著為正的風險收益關系，而本文的非線性變系數風險收益模型中風險溢價λ始終為正。同時，傳統線性風險收益模型的R2也低于本文的非線性變系數風險收益模型。原因在于變化的市場環境中，自相關性和風險對收益的解釋作用并不是恒定的，回歸方程（7）和回歸方程（8）均有一定程度的設定錯誤。交易量低，大宗交易股票數量多時，模型的理論假設和市場的實際情況不符，自相關部分對收益的解釋效果增加，而風險部分的解釋能力下降。這時使用傳統的線性風險收益模型并不合適。而交易量增加，大宗交易股票數量減少時，信息含量高，市場有效性強，跨期資本資產定價模型的有效性假設被較好得滿足，風險對期望收益的解釋能力增強。

（五）穩健性檢驗

本文使用近似變量替換外生變量來檢驗模型穩健性。使用市場日內發生大宗交易的次數替代發生大宗交易的股票數量后，該變量系數βb仍然為負，顯著性有所減弱，其他實證結論不變。對此，可以認為大宗交易反映了市場的信息不對稱性，而同一支股票發生N筆大宗交易很可能是對一次信息不對稱事件的集中反應，對整個市場的影響要小于N支不同股票發生單筆大宗交易。發生大宗交易的股票數量bvt-1更能反映出市場中信息不對稱的程度。

另外，使用每日的換手率替代大宗交易股票數量后，該變量系數βb顯著性減弱，其他基本結論仍然和原結論一致。

（六）對我國股票市場有效性的分析

市場有效性的不斷變化是學術界的共識。Lim和Brooks[31]詳細總結了研究市場有效性變化的文獻，列舉多種實證方法證明了市場有效性在隨著時間變化。Lo[32]年提出了市場有效可變假設，對有效性的變化機制進行了具體的理論分析。這一理論假設行為人理性有界，會隨著市場環境的變化而改變投資行為。市場價格是各種類型的投資者在不同狀態下進行投資活動達到的均衡。

在本文的模型中，φt代表風險部分解釋收益的比例。市場有效性越好，風險部分解釋的比例越大。因此估計出模型參數后，可以計算φt來分析股市的有效性走勢。根據（5）（6）兩式，采用效果最好的RV1作為風險度量，計算出的φt如圖1所示，平滑實線為多項式擬合得到的趨勢線。整個樣本區間中φt均值為0364。

從圖1中可以看出，從2010年到2015年間，φt每日的變動十分活躍，跳躍性較強。但從趨勢線描繪的整體趨勢看來，2013年以后，φt明顯上升。事實上，2013年4月，我國降低了融資融券成本，客觀上增強了市場的有效性?？梢钥吹秸菑倪@時候開始，趨勢線開始增加，風險對收益的解釋效果在不斷加強。

在計算出權重系數φt后，可以根據實證數據進一步計算出自相關部分和風險部分的實際比例Ratiot。定義Ratiot為自相關部分和風險部分的比值，公式為：Ratiot=（1-φt）ρrt/φtλrvt。Ratiot比值大于1說明自相關部分的解釋比例更大，小于1時風險的解釋效果更強。采用HP濾波法對Ratiot進行平滑后得到Ratio′t，如圖2所示。

圖2平滑后的比例變動Ratio′t

Ratiot經HP濾波法平滑后得到的Ratio′t均值為007，說明市場自相關解釋收益的部分是風險實際解釋收益的部分的7%。Ratio′t越高，自相關解釋收益的比例越高，市場有效性越弱。平滑后得到的Ratio′t的變化同樣十分活躍，說明股票市場的有效性一直在不斷變化。這一結果反應了我國的股票市場作為新興市場，不斷出臺新的規章制度，探索完善市場建設的過程。

值得注意的是，2015年我國的股票市場出現了明顯的異常波動。對應圖中可以看出，2015年以后，Ratio′t波動十分劇烈，尤其是在2015年6月以后的時間段。這一時間段對應的是由于融資融券業務開展不當造成的“股災”。融資融券交易（是指投資者向具有融資融券業務資格的證券公司提供擔保物，借入資金買入證券（融資交易）或借入證券并賣出（融券交易）的行為，為我國股票市場提供了做空交易渠道，改變了我國股票市場的“單邊市”格局。然而由于投資者的非理性、部分券商違規操作以及監管不到位等原因，融資融券業務自2014年底開始了瘋狂增長。2015年6月，融資融券業務的余額高達22萬億元，不僅僅是2015年1月底112萬億元余額的一倍，也超過了2010年到2014年4年間累積余額的數倍。隨著行情逆轉，融資資金踩踏逃出市場導致了股票市場的崩盤式下跌，投資者承受了巨大的損失。

2015年6月15日至7月8日的17個交易日，上證綜指下跌32%，市場頻現千股跌停、千股停牌。這17個交易日內計算得到的Ratio′t均值高達024436，遠高于平均值。17個交易日區間中最高點為2015年6月26日，Ratio′t達到了03164，也出現在這一特殊時間段。Ratio′t反應了市場系統性風險產生時，市場有效性的增加以及頻繁的信息交換。在這一時間段內，風險對于市場收益的解釋能力明顯增強。

四、結論

金融市場的風險收益關系是金融學研究的核心問題之一。本文從市場有效性變化的角度出發，研究風險部分和自相關部分對于收益解釋能力的變化，揭示了收益變化背后的市場機制。

本文使用了2010—2015年上海股票市場的高頻數據，建立非線性變系數模型，使風險部分和自相關部分隨市場有效性變化而變化。衡量市場有效性的變量采用交易量和大宗交易股票數量，最終得到風險與收益始終存在顯著的正相關關系，同時，風險和自相關對收益的解釋能力此消彼長。具體表現為：交易量高，大宗交易股票數量低時，市場有效性強，風險對收益的解釋能力增強，自相關的解釋效果減弱；交易量低，大宗交易股票數量多時，市場有效性弱，風險對收益的解釋能力降低，自相關的解釋效果更好。endprint

相比之下，傳統的線性風險收益模型無法得到顯著的風險收益關系，對收益的解釋能力弱于本文提出的非線性變系數風險收益模型。此外，模型的另一個優點是可以計算風險部分和自相關部分的權重變化得到市場有效性的變化。實證結果發現我國股票市場的有效性變化頻繁，對應某些特殊事件的有效性明顯減弱。出現這一狀況，可能與我國股票市場機制不夠完善，投資者情緒波動劇烈，市場投機氛圍濃厚等因素有關。

本文的研究對于投資者和監管者都有重要意義。投資者分析風險收益關系時需要考慮市場環境的具體變化，更好地理解收益背后的驅動因素，進而設置合適的投資組合；而監管者則可以使用這一模型考察市場的有效性強弱，更好地了解股票市場的現實狀況和運行規律，制定政策，完善金融市場的監管體系。

參考文獻：

[1]Brandt，MW， Kang，QOn the Relationship Between the Conditional Mean and Volatility of Stock Returns：A Latent VAR Approach[J]Journal of Financial Economics， 2002， 72（2）：217-257

[2]汪孟海，周愛民我國股市自相關性與反饋交易行為實證研究[J]南開經濟研究，2009，（3）：63-72

[3]Yu，J，Yuan，YInvestor Sentiment and the Mean-Variance Relation[J] Journal of Financial Economics， 2011， 100（2）：367-381

[4]Kinnunen，JRisk-Return Trade-Off and Serial Correlation： Do Volume and Volatility Matter？[J] Journal of Financial Markets， 2014， 20（3）：1-19

[5]Lo，AWThe Adaptive Markets Hypothesis： Market Efficiency From an Evolutionary Perspective[J] Social Science Electronic Publishing， 2004， 31（1）：21-44

[6]Anderson，RMTime-Varying Risk Premia[J] Journal of Mathematical Economics， 2011， 47（3）：253-259

[7]魯臻，鄒恒甫我國股市的慣性與反轉效應研究[J]經濟研究，2007，（9）：145-155

[8]Merton，RCLifetime Portfolio Selection Under Uncertainty： The Continuous-Time Case[J] Review of Economics & Statistics， 1969， 51（3）：247-257

[9]Ghysels，E，Santa-Clara，P，Valkanov，RThere Is a Risk-Return Trade-Off After All [J] Journal of Financial Economics， 2004， 76（3）：509-548

[10]Guo，H，Whitelaw，RFUncovering the Risk-Return Relation in the Stock Market[J] The Journal of Finance， 2006， 61（3）：1433-1463

[11]Whitelaw，RFTime Variations and Covariations in the Expectation and Volatility of Stock Market Returns[J] The Journal of Finance， 1994， 49（2）：515-541

[12]Glosten，LR，Jagannathan，R，Runkle，DEOn the Relation Between the Expected Value and the Volatility of the Nominal Excess Return on Stocks[J] The Journal of Finance， 1993， 48（5）：1779-1801

[13]Goyal，A，Santa-Clara，PIdiosyncratic Risk Matters[J] The Journal of Finance， 2003， 58（3）：975-1007

[14]Lettau，M，Ludvigson，SCExpected Returns and Expected Dividend Growth[J] Journal of Financial Economics， 2005， 76（3）：583-626

[15]施東暉上海股票市場風險性實證研究[J]經濟研究，1996，（10）：44-48

[16]張思奇，馬剛，冉華股票市場風險、收益與市場效率：——ARMA-ARCH-M模型[J]世界經濟，2000，（5）：19-28

[17]吳長鳳，趙軍，吳國富我國股票市場的收益—風險關系和慣性分析[J]數學的實踐與認識，2002，（4）：576-582

[18]何興強，孫群燕我國股票市場的杠桿效應和風險收益權衡[J]南方經濟，2003，（9）：62-65

[19]陳夢根基于混頻抽樣方法的股市風險—收益關系研究[J]當代財經，2013，（11）：47-55endprint

[20]Salvador，EThe Non-Linear Trade-Off Between Return and Risk： A Regime-Switching Multi-Factor Framework[D]PHD Dissertatiuon of Geary Institute and University College Dublin， 201415-18

[21]Ghysels，E， Guérin，P， Marcellino，M，Regime Switches in the Risk-Return Trade-Off [J] Journal of Empirical Finance， 2014， 28（5）：118-138

[22]陳浪南，黃杰鯤我國股票市場波動非對稱性的實證研究[J]金融研究，2002，（5）：67-73

[23]王輝我國股票市場預期收益與波動率關系研究[J]統計與決策，2006，（4）：118-120

[24]Baillie，RT，Degennaro，RPStock Returns and Volatility[J] Journal of Financial and Quantitative Analysis， 1990， 25（2）：203-214

[25]Salvador，EThe Risk-Return Trade-Off in Emerging Markets[J] Emerging Markets Finance and Trade， 2012， 48（6）：106-128

[26]Andersen，TGReturn Volatility and Trading Volume： An Information Flow Interpretation of Stochastic Volatility[J]The Journal of Finance， 1996， 51（1）：169-204

[27]林振興，屈文洲大股東減持定價與擇機——基于滬深股市大宗交易的實證研究[J]證券市場導報，2010，（10）：71-77

[28]張顏江，王燕鳴信息不對稱、聲譽與大宗交易均衡定價[J]金融經濟學研究，2013，（4）：105-116

[29]Edmans，ABlockholder Trading， Market Efficiency， and Managerial Myopia[J] The Journal of Finance， 2009， 64（6）：2481-2513

[30]韓清， 劉永剛已實現波動率估計中不同降噪方法的比較分析及實證[J] 數量經濟技術經濟研究， 2009，（8）：148-160

[31]Lim，KP，Brooks，RThe Evolution of Stock Market Efficiency Over Time： A Survey of the Empirical Literature[J] Journal of Economic Surveys， 2011， 25（1）：69-108

[32]Lo，AW，Mackinlay，ACAn Econometric Analysis of Nonsynchronous Trading[J] Journal of Econometrics， 1989， 45（1）：181-211

（責任編輯：巴紅靜）endprint