卖空限制对马来西亚股票流动性 和波动性的影响外文翻译资料

卖空限制对马来西亚股票流动性

和波动性的影响

原文作者 Muhammad Azri Mohd, Abdul Halim bin Mohd Nawawi,

Siti Aid Sheikh Hussin and Md Nasrul Hadi Mohd Shaari

单位 Faculty of Computer and Mathematical Sciences,

Universiti Teknologi MARA, 40450, Shah Alam, Selangor, Malaysia

摘要：卖空主要与股市波动性的降低和流动性的增加有关，本文考察了55只符合规范卖空条件的股票在回归前后的波动性和流动性。本文首先利用非参数Wilcoxon秩和GARCH（1,1）模型分析了RSS的重新引入对55只股票波动性的影响。其次，本研究还利用非参数Wilcoxon符号秩和买卖价差来判断RSS的重新引入是否对55只股票的流动性有显著影响。结果表明，在RSS重新推出后，55只股票的波动性和流动性显著增加。此外，通过GARCH（1，1）模型发现，RSS重新引入后，由于近期消息影响的增加和旧消息对55只股票波动性影响的减小，市场的效率更高。

关键词：RSS；GARCH模型；Wilcoxon符号秩；买卖价差模型

1、引言

卖空是一种交易策略，允许投资者利用证券价格的预期下跌。在马来西亚，卖空以前被禁止以任何形式或形式使用。然而，为了进一步发展马来西亚金融市场，马来西亚于1996年9月30日推出了管制卖空（RSS）。根据RSS的说法，只有由马来西亚国税局确定的指定股票才被允许卖空。此外，卖空活动必须遵守马来西亚证券委员会（MSC）制定的规则和条例。最重要的是，RSS只允许有盖卖空，因为禁止裸卖空。1997年亚洲金融危机期间，马来西亚证券委员会（MSC）以防止金融市场过度波动为借口，于1997年8月28日禁止使用RSS。然而，2001年2月，它推出了一项计划，即资本市场总体规划，其中建议重新引入RSS和证券借贷活动。然而，直到2007年1月3日解除对RSS的禁令，这项建议才得以实现。据马来西亚国税局（Bursa Malaysia）称，RSS被重新引入马来西亚金融市场，以满足发行人的需求和投资者的要求，有助于提高流动性，并增强马来西亚市场的整体活力。

2、文献综述

对2008年金融危机期间2008年卖空禁令有效性的研究发现，在禁令期间，个人股票和市场两个层面的市场波动率都高于禁令前。总体而言，尽管研究结果表明，卖空禁令通过缓解极端负回报率成功地防止了市场崩盘，但也证明了禁令增加了阮和唐（2011）所述的股市波动性。在Lobanova等人中也发现了类似的结果。（2010）他们调查了卖空限制（即卖空禁令）对股市波动性、流动性和效率的影响。他们发现，在禁令实施前后、禁令实施期间以及禁令实施期间和之后，流动性、交易量和回报率波动率都有统计上的显著变化。具体来说，在禁令期间，股市的回报率下降，回报率的波动性增加，流动性恶化。因此，2008年金融危机期间短暂的卖空禁令表明，与控制类股票（未受禁令限制的股票）相比，被禁股票的流动性下降幅度更大。这种影响在高市值股票中尤其普遍，而非低市值股票（Boehmer等人，2013年；Lobanova等人，2010年；Nguyenamp;Tang，2011年）。此外，对上述被禁股票收益率横截面变化的研究发现，被禁股票的买卖价差（买卖价差越大，股票的流动性越低）大多显著扩大。除此之外，那些被禁股票的非流动性效应比唐等人没有被禁股票的非流动性效应更大。（2011年）。在香港股票市场上，关于卖空效应的研究很少，在Chang et al的研究中得到了结论。（2007）他们发现卖空存在导致更高的波动性、更低的流动性和更低的市场回报效率（陈和郑，2009；亨利和麦肯齐，2006）。综上所述，基于大多数的研究，卖空如果得到有效的实施，显然会对股票市场的流动性、波动性、效率产生理想的影响。

3、数据和方法

研究周期为RSS重新引入前后两年。最初有70种股票允许RSS，可在马来西亚国税局网站上获得。由于各种原因（如从RSS中删除），BursaStation没有其他15只股票的历史数据，因此仅从可能的70只股票中收集了55只股票的每日股价和每日交易量。在数据准备中，我们将每个股票的每日代理平均值用于整个研究的持续时间，以创建一个具有粘性的时间序列数据。合格的RSS股票必须满足所需的市值和交易量，并且必须（1）过去3个月的平均每日市值超过5亿令吉，（2） 在过去的12个日历月里，至少有5000万股公开发行，平均月成交量超过100万股。

3.1波动性和流动性分析

本文采用三种方法分析了55只股票在RSS回归前后的波动性和流动性。

A） 非参数Wilcoxon配对符号秩检验。

使用Kolmogorov Smirnov检验和Shapiro-Wilk检验，对流动性和波动性的下列指标都进行了正态性检验。发现流动性和波动性是不正常的，然后使用非参数Wilcoxon配对符号秩检验来确定在RSS重新引入前后是否对这些指标有显著的改变。波动性的第一个指标是日平方收益率，如Lobanova (2010)等人所示。股票的日平方收益率越高，股票的波动性就越大。日收益率由以下公式计算，其中P_it是t时刻的股票i的收盘价，P_it-1是t-1时刻的股票i的收盘价。波动性的第二个指标是日波动性指标，如Chen amp; Zheng（2009）所示。其中sigma;_it是日波动率，PH it是第t天股票i的最高价格，PL it是第t天股票i的最低价格。

(1)

(2)

尽管有更好的流动性指标，如Cliftonab amp; Snapeac（2008）所示，但根据Amihud（2002）的说法，流动性指标需要大量微观结构数据，而这些数据在不同的股票市场，特别是在发展中的金融市场，是无法获取的。此外，即使有这些数据，它们也不会涵盖很长的时间段。马来西亚股市尤其如此，因为流动性目前还不容易获得，买卖价差是衡量流动性的一个重要指标，。因此，本研究使用Amihud（2002）的非流动性作为流动性的第一个指标，其中R_it第t天股票i的日交易回报，V_t是第t天股票i的ringgit(马币)交易量，等于第t天的交易量乘以t日的收盘价。

(3)

马来西亚股市的买卖价差很难获得。然而，有一种新的方法可以有效地估计，即Corwin和Schultz（2012）开发的用每日最高价和最低价估计的的买卖价差。因此，流动性的第二个指标，即高-低买卖价差估计量，通过以下等式计算：

(4)

其中：

(5)

(6)

(7)

方程式中，alpha;是一个高低价差估计量，beta;是高低价格平方的总和，gamma;是股票的高低价差平方，S是股票的高低价差估计量，H_t是股票在第t天的最高价，L _t是股票在第t天的最低价，H_{t，t 1}是股票在第t天和第t 1天的最高价格，最后，L _{t，t 1}是股票在第t天和第t 1天的最低价格。同时，如Lobanova（2010年）等人所述，我们利用每日交易量作为流动性的第三个指标。成交量高的股票通常被认为是流动性很强的，因为买卖价差较低。我们对55只股票在RSS恢复前和RSS恢复后的价值取平均值。接下来，我们感兴趣的是每组平均数差异的中位数。因此，使用Wilcoxon符号秩检验，并且当检验的p值小于0.05（5%）时，拒绝原假设，以表明所检验的特定变量存在显著性变化。

• 原假设：RSS后中位数-RSS前中位数=0
• 备择假设：RSS后中位数-RSS前中位数ne;0

B） GARCH（1,1）模型

本研究遵循Alves和Mendes（2012）、Ho（1996）、Ringgenberg（2011）和Sarangi和Patnaik（2006）的方法，利用GARCH（广义自回归条件异方差）（1,1）模型测量了55只股票在RSS回归前后的波动性。使用GARCH（1,1）模型代替单纯依赖异常收益标准差主要是为了克服日常收益数据存在的异方差问题。如Alves（2012），以下是基于GARCH（1,1）模型的均值和方差方程，如等式8和等式9所示；式中，R_t是方程1所测量的55只股票的平均日收益率，R_mt是方程1所测量的富时马来西亚股票的日收益率，ε2 t-1也被称为ARCH值，是过去的残差平方，表示最近的新闻对55只股票的波动性的影响。它是以均值方程（方程8）的残差平方的滞后来衡量的，h2 t-1也被称为GARCH值，是方差本身的滞后值，用来捕捉波动性的长期影响，D_RSS是虚拟变量，RSS重新引入前取值为0，RSS重新引入后取值为1。

(8)

(9)

基本上，虚拟变量的系数决定了回归前后55只股票波动性的变化方向。因此，如果该系数为负值，且在5%的置信区间内具有统计学意义，则可以证明在RSS重新引入后55只股票的波动性有所下降，反之亦然。另一方面，如果系数的值为0，则波动率没有变化。最后，系数的值将决定变化的大小。GARCH模型也可以用来解释波动性结构，我们将样本分为两个不同的时期，RSS的前重新引入和RSS的后重新引入。接下来，我们对每个时期的GARCH（1,1）模型进行回归，以直接比较每个时期波动性的性质。ARCH是误差项平方的系数，并证明了近期消息对55只股票波动性的影响。GARCH是滞后方差项的系数，它解释了旧消息对55只股票波动性的影响。如果RSS回归前的ARCH值大于回归后的ARCH值，则表明近期消息对55只股票波动性的影响在回归后有所下降，反之亦然。其次，如果回归前的GARCH值大于回归后的GARCH值，则表明回归后55只股票的波动性受旧消息的影响有所下降，反之亦然。

C） 买卖价差模型

我们使用Lobanova（2010年）等人证明的回归模型来衡量重新引入RSS对流动性的影响。由式10可知，S_t为式4所测得的t时刻55只股票的日平均高-低买卖价差估计量，alpha;R2 t为t时刻55只股票的日平均收益平方，v D为t时刻55只股票的日平均成交量，当时间t时，alpha;Vit是55只股票的日均超额交易量。日均超额交易量等于研究期间的日均交易量减去日均交易量， D_RSS是虚拟变量，RSS重新引入前取值为0，RSS重新引入后取值为1。同样，与波动性分析类似，虚拟变量系数决定了55只股票在重新引入RSS前后流动性的变化方向。如果该系数为负值，且在5%的置信区间内具有统计显著性，则可以证明55只股票的流动性在重新引入RSS后出现下降，反之亦然。同时，如果该系数为0，则也可以表明55只股票的流动性在RSS重启后没有变化。最后，系数的值将决定变化的大小。

(9)

4、分析和发现

表1显示了四个测试变量的p值小于0.05，因此结果证明了RSS重新引入前后四个变量有显著变化。同时，日平均非流动性p值大于0.05，表明RSS恢复前后的日平均非流动性无显著变化。

表1 Wilcoxon配对符号秩检验的显著性检验