第1章 利好信息与利空信息的传播特征
1.1 绪论
1.1.1 选题背景与研究意义
中国股票市场始建于1990年，至今已有30年的发展历史。Wind数据统计显示，截至2019年年底，A股上市公司总数已达3760家，沪深两市总市值达到59.29万亿元，刷新了A股市场历史市值纪录。同时，科创板开板、沪伦通、A股“入富”、MSCI扩容等政策陆续出台，有效提升了市场资源配置和使用效率，加速了资本与资产在全球范围内的流转。
随着股票市场的不断发展，相应的监管也更加严格，尤其是美国次贷危机爆发以后，我国监管当局陆续出台了多项政策，并对金融管理体制进行了多次调整。2010年，新的金融产品如股指期货提供的双向交易机制，促使股市风险对冲机制进一步完善，引导股价回到真实价值，从而缓解股指频繁波动的状况；2012年，新股发行制度实施、分红机制重新规划以及新三板扩容等新政不断推动市场机制有效发挥作用；2017年，证券监督委员会修订上交所《上市公司股东及董监高减持股份实施细则》，完善其股东权益变动制度与股票回购制度；2018年，中国银保监会发布的《商业银行理财业务监督管理办法》允许商业银行理财资金入市，深化并购重组市场化改革，支持国企混改和民企并购重组，加快资本市场对外开放步伐。这些监管措施的推行使得中国股票市场的机制建设日益加快，有效降低了金融系统风险对国民经济的影响。尽管如此，由于相较国外成熟股票市场，中国的股票市场成立时间晚，发展进程中依旧存在市场机制不完善、法律法规政策等比较滞后，以及投资者的心理仍不成熟等问题，因此股票市场表现出股价剧烈并且频繁波动的特性。
对于“资产价格为什么会变？”，学术界有比较一致的看法：资产价格变动成为新信息在价格中得到反映的外在表现形式，其实质是市场依据新信息对资产价格再次估值的过程[1]。信息是引起股票市场价格变动的首要原因，因而对于信息的研究成为金融领域的热点话题，然而信息不仅包括利好信息（正向收益或波动率），还包括利空信息（负向收益或波动率）。最初关于利好、利空信息的研究基于有效市场假说（EMH），有效市场假说认为股票价格是市场中的参与主体对于其自身获得信息的一种反映。在半强式或强式有效市场中，股票价格将包含全部公共信息，这些信息将在其发布后立即反映在股票价格当中，此时股价未来变化趋势只会受到未来市场中的新信息的影响[2]，因此，在这一理论框架指导下，通常认定利好、利空信息对于股市有相同的影响。然而，当处于弱式有效市场时，股市对于新信息的过度反应令股票价格在重大利好、利空信息发布的短时间内出现大幅波动，此时股市对利好及利空信息产生非对称反应。同样，行为金融学的代表人物Shiller（1981）、DeBondt和Thaler（1995）、Jegadeesh和Titman（1993）认为，人的决策行为不可能是完全理性的，因为受到自我情绪与心理状态的制约及外界环境因素的干扰，投资者会表现出反应过度或反应不足，市场有时也会给出错误的定价，从而表现出对利好信息和利空信息的非对称反应[3-5]。
作为新兴股市，中国股票市场的发展水平极大程度上取决于政府的干预，因而通常被称为“政策市”或“消息市”[6]。因此，本章希望从实证角度研究中国上市金融股票市场中不同类型信息的传播特征，以此来探讨中国上市金融股票市场中是否存在非对称反应。如果存在，在股票市场中是存在“好事不出门，坏事传千里”的现象，还是存在“春色满园关不住，一枝红杏出墙来”的现象？
探究中国股票市场中不同类型信息的传播特征，有一定的理论价值及现实意义。从目前关于利好、利空信息在股市中传播特征的研究来看，以往所得研究结论存在一定差异。数据选取局限于收盘价数据，缺乏对复杂金融系统的整体研究和缺乏恰当的信息传播衡量指标等都可能导致研究结论出现偏差。所以，本书完善了在数据选取、构建金融系统网络和提出信息量化指标等方面存在的一些问题。首先选取一些开盘价与收盘价以外的数据，如极值价格（最高价、最低价），通过使用对数收益率分解模型，即利用极值价格将收益率分解为利好信息与利空信息的冲击合成；其次构建Dijkstra利好信息和Dijkstra利空信息网络；最后提出四个指标Number、Speed、Depth[7]和Connectless，用于对比分析利好信息和利空信息在所构建的Dijkstra网络上的传播特征。在借鉴以往研究的基础上，得出实证结果，因此研究具备一定的理论价值。
从现实意义方面看，对依赖市场机制稳定运行的券商、投资者和监管者而言，正确理解股票市场信息传播特征非常重要[8]。对于券商而言，可以为其提供一定的决策支持。对于投资者而言，研究利好信息和利空信息在股票市场中的传播特征可以帮助他们更好地把握股市行情，合理地分配资源，以便获取较高收益或将损失降到最低。对于监管者而言，在评估股票市场的整合和成熟度时，有必要研究股票市场的信息传播特征，这不仅是对过去政策实施效果的分析，也为未来制定更具针对性的、合理有效的政策提供参考依据。
1.1.2 文献综述
本小节分为四部分，首先梳理相关文献的主要研究方法及结论，其次针对不同的文献内容进行归纳概括。
1.1.2.1 股票市场的非对称反应特征
国外发达金融市场对于不同类型的信息存在非对称反应已经在文献的长期研究中得到验证[9]，[10]。现有文献关于股市非对称反应的讨论主要基于GARCH族模型，其中包括EGARCH模型[11]、GJR-GARCH模型[12]、PGARCH模型[13]。然而，一些学者认为，GARCH类模型不能较好地拟合金融时间序列，所以他们提出了一些其他模型，主要包括随机波动率（SV）模型[14]，[15]、DY指数[16]。尽管DY指数具有多功能性，但它并没有区分由坏的不确定性和好的不确定性导致的溢出效应中的潜在不对称性，于是Barndorff-Nielsen等（2010）提出已实现半方差（RS）模型来反映资产价格变动的方向[17]。这些模型的使用带来了大量实证证据，证实了负收益与正收益对市场波动性的非对称反应。随后许多学者针对不同市场、不同国家或地区的波动非对称反应的不同原因进行分析得出了相似的结论。从不同市场来说，包括股票市场[18-20]和商品市场[21]，[22]、现货市场和衍生品市场[23]。在这些资产中，由于其普遍的经济重要性，原油市场受到了特别关注[24]，[25]，股票市场是我们关注的重点，我们的目标是针对股市对于利好信息和利空信息的非对称反应背后的潜在现象提出更多见解。从不同国家或地区来说，许多文章集中于一个国家或地区，并考虑了其股票市场对不同消息的反应非对称性[26]，[27]，基于这些研究，大部分学者认为利空信息带给股市的影响更大。还有一些文章研究不同国家或地区间的非对称反应，如发达国家之间[28]，[29]、发展中国家同发达国家之间[30-32]以及新兴市场之间[33]，[34]。可以发现，股票市场的非对称反应不仅存在于发达国家，而且存在于新兴经济体。中国市场作为新兴的股票市场代表，对这种非对称反应的存在与否进行探究，显得很有必要。另外，从非对称反应的原因来看，主要的理论解释是波动反馈效应[19]和杠杆效应[35]，[36]以及前景理论[37]，[38]。以上研究普遍表明，股票收益在大部分时期确实存在非对称的调整行为，股票市场的波动往往在正面或负面信息发布之后增加，但股市波动往往对负面信息冲击更为敏感，即同等水平的利空信息对于股市的影响程度强于利好信息。
Long等（2014）的研究结果与上述结论基本一致，同时他还发现，在上海证券交易所的危机后时期和深圳证券交易所的危机前时期，EGARCH模型和APARCH模型的估计并不显著，即此期间同等水平的利空信息对于股市的影响不一定强于利好信息[39]。对某些子周期波动不对称估计不显著的一个可能解释是，尽管模型预测了非对称反应的存在，但中国股市有别于其他股市，投资者追逐利好信息的典型行为可能仍旧占据主导地位，尤其是在危机期间[40]，[41]。李红权等（2011）基于信息溢出视角，使用CCF方法探究美国股票市场对于A股的溢出强度，认为美国股票市场对于A股不存有下跌风险溢出效应，这表示我国A股市场易于接收到美股走强的利好信息却习惯于忽视美股走弱的利空信息。这类对于信息的非对称反应也许和美国次贷危机对我国实体经济作用较轻及当局高额的财政赤字计划所引起的中国经济快速恢复的市场预期具有一定关系，这在某种程度上符合先前的猜想：危机期间中国投资者倾向于表现出追逐利好信息的行为特征[42]。随后，学者们开始通过划分不同的样本期来研究利好信息、利空信息给股票市场带来的影响，提出研究新信息的发布给股票市场的影响就应当区别研究股票市场所处的不同市场态势，于是将市场划分为“牛市”与“熊市”两个阶段，探究中国股市在“牛市”和“熊市”行情下对于利好、利空信息的非对称反应，结果显示，在“牛市”阶段股票市场对于利好信息存在反应不足，在“熊市”阶段股票市场对于利好信息的过度反应更明显[43]。与之相反的是，陆蓉和徐龙炳（2004）选用EGARCH方法探究了中国股市处于“牛市”与“熊市”行情下对于利好信息、利空信息的非对称反应，发现在“牛市”阶段利好信息给股票市场带来的冲击强于利空信息，“熊市”阶段利空信息给股票市场带来的冲击强于利好信息[44]。之后学者们把融资、融券这类新信息冲击考虑在内，研究其对于股市的稳定性产生的作用，结果发现股市暴跌主要由融券增加引致[45]，这使得卖空机制的放开更能抑制暴跌，而不能有效抑制暴涨[46]，因而，在卖空机制放开期间，利好信息状态下的买入和利空信息状态下的卖出都会大量增加，而且前者比后者增加速度更快[47]。总之，以上研究学者们得到了与之前相反的结论，即中国股票市场上利好信息的影响要大于利空信息。
1.1.2.2 股票市场的有效性研究
由此可见，对于利好信息、利空信息对我国股市的影响大小，国内外理论和实证研究仍存在争议，所以研究利好信息、利空信息在我国股市上的传播特征对于了解这种非对称反应具有重要意义。这种非对称反应体现出市场中投资者存在对新消息反应过度的不理性行为，这种信息反应过度很大程度上与金融市场的有效性相关。而国内学者们关于股市对信息的反应的研究也得出不同的结论。邹永杰等（2014）的研究结论表明，我国股市具有某种程度的渐进有效性[48]。随后学者为了证明这种有效性，选择沪深两市的股票数据作为样本，结果显示沪深两市呈现显著的收益反转特征，说明中国股市对于信息存在反应过度现象[49]。除了反应过度，中国股市还表现出短暂的动量效应，说明中国市场具有信息反应不足的特征[50]，[51]。总体来看，大多数学者认为股市普遍存在对信息反应过度或不足，这意味着中国股市处于弱式有效或者尚未达到弱式有效[51]。关于金融市场运行效率研究的经典计量方法大多局限于使用收盘价和开盘价信息[52-55]，导致其他的交易价格信息被忽略。而这种做法只是出于对研究及数据处理便利性的考量，并无理论证据表明这种数据处理方法是必需的。另外，已有的研究发现极值价格（如最高价、最低价）中包含收盘价所不能涵盖的信息，而且可以影响投资者的决策行为[56]，[57]。极值价格中一般包含资产价格流动性信息，因而用极值价格构成的买卖价差是很好的波动率估计量，要优于其他的估计量[58]，[59]，其中极值价格中的历史高价有助于提高股市收益率的可预测性[60]。除了对信息进行整体建模外，由于投资主体在面对不确定性的损失及收益时存在差异性风险偏好，那么通过极值价格将收益率信息分解为利好信息、利空信息的冲击合成，有助于分析两种信息对市场的冲击差异[1]，[61]。由此可见，将极值价格信息纳入既有的计量方法框架之下，从新的角度来审视金融市场的运行效率，以此来探究中国股市的非对称反应显得尤为必要，这有助于我们了解中国股市的信息传播特征。
1.1.2.3 信息传播网络特征
上述研究中，学者们通过研究股票市场对利好信息、利空信息的反应在不同的国家或地区、市场、理论模型、市场态势条件下以及不同类型数据中的实施，得出了不同的结论，这些研究对国际金融市场间的波动非对称传递做出了贡献。然而他们中大多数是把每个市场的互动集中在一个微观的角度，对不同市场间的紧密联系缺乏系统的思考。由于各主体之间的相互作用，不同金融市场组成一个庞大而复杂的体系，仅用经济学方法分析复杂金融系统中各主体之间的相互作用十分困难。而网络的使用可以提供关于一组复杂金融关系的整体结构的独特信息特征，通过对网络结构的深入研究，可以对不同市场条件下金融风险因素之间的相互依存度、溢出效应的方向性以及溢出效应的传递和接受等问题有深刻的认识，系统的结构决定了属性数据的表现更具有分析价值[62]，[63]，所以有必要研究金融系统的结构特征。现在信息网络研究的主要特点是，在股票市场波动率等金融时间序列上，基于线性格兰杰因果关系检验模型[64-67]，VaR模型[68]、CoVaR模型[69]，[70]、相关—偏相关关系[71]、贝叶斯方法[72]、DCC-MVGARCH模型[73]和方差分解[7]等不同的计量模型来构建网络，描述构建的信息传播网络的拓扑特征，探讨网络中不同主体的溢出效应。对于股票网络，在构建网络后，大多数文献围绕着度分布（包括入度和出度）[74-76]、网络直径和平均路径长度[77]、复杂性和集中性[78]等一些常见的网络拓扑指标，分析股票网络的拓扑结构，从而研究股票市场的风险和稳定性，以探索最强的相互依赖性和信息风险溢出效应的方向性。在上述方法中，本书选择了一种简单而常用的方法——线性格兰杰因果关系检验方法来构建网络。
1.1.2.4 研究评述
综上所述，在利好信息和利空信息在股市中的传播特征的相关研究中，已经涌现大量的相关性文献，现有相关研究或者基于收益率数据观察价格在不同国家或地区、市场、板块或股市间的传导[79]，[80]，或者采用不同的理论模型和数据来刻画波动率在不同研究对象间的溢出效应，或者描述所构建信息传播网络的拓扑特征。
现有研究虽然丰富了人们对于投资者行为的认识，但采用的计量方法大都使用收盘价和开盘价数据，这些交易价格忽略了其他交易价格所包含的信息，如极值价格（最高价、最低价）。目前鲜有研究全面利用极值价格将收益率分解成利好信息和利空信息的冲击合成，并区分研究利好信息和利空信息在网络上的传播特征，这也正是本书要研究的重点。这将有助于我们从金融网络结构整体出发，系统地思考不同类型的信息在股市中的传播特征。
1.1.3 研究方法与框架结构
1.1.3.1 研究方法
本书使用的研究方法是定量分析法，包括对数收益率分解模型、线性格兰杰因果关系检验模型、Dijkstra算法、已实现半方差模型。
本书首先根据收盘价、最高价、开盘价和最低价时间序列，利用对数收益率分解模型提取每只股票的利好信息序列和利空信息序列；其次，利用线性格兰杰因果关系检验模型分别构建利好信息传播网络和利空信息传播网络，并利用Dijkstra算法找出信息传播网络内每一对节点之间的最短距离，进而构建利好信息Dijkstra网络和利空信息Dijkstra网络；最后，在以上工作的基础上，分别借助本书提出的四个指标Number、Speed、Depth和Connectless，利用中国股票市场数据实证对比分析利好信息和利空信息在所构建的Dijkstra网络上的传播特征，并将上述方法得到的结果与已实现半方差模型得到的相应结果进行对比。
1.1.3.2 本章框架结构
第一节是绪论。结合我国股票市场发展历程介绍了本书的选题背景，并且从券商、投资者和监管者三个方面介绍研究的意义。在此基础上，本章总结国内外学者在计量方法、不同市场条件以及信息网络等相关领域的研究现状，在现有研究的基础之上，提出本书的研究方法与框架结构，并且分析创新点与有待改进的方面。
第二节是理论基础。主要包括有效市场理论、杠杆理论以及行为金融学的部分理论，试图基于相关理论对本书的结论进行解释。
第三节是计量方法。首先介绍对数收益率分解模型，该模型通过使用极值价格将收益率分解为利好信息与利空信息的冲击合成；其次简单介绍线性格兰杰因果关系检验模型，并分别构建利好信息传播网络和利空信息传播网络；最后介绍Dijkstra算法，并利用Dijkstra算法找出信息传播网络内每一对节点之间的最短距离，进而构建利好信息Dijkstra网络和利空信息Dijkstra网络，为后文研究利好信息和利空信息在所构建的Dijkstra网络上的传播特征做准备。
第四节是实证分析。首先，针对所使用的数据完成描述性统计；其次，介绍本书提出的四个指标Number、Speed、Depth和Connectless；再次，刻画利好信息与利空信息在整个样本数据中的传播特征；最后，对利好信息和利空信息在不同类型的股票间的传播特征进行比较。
第五节是稳健性检验与对比实验。首先对整个样本数据以及不同类型间的股票进行阈值p=0.10的稳健性检验；其次利用已实现半方差模型进行对比实验。
第六节是研究结论与政策建议。对上述实证分析部分的结果进行梳理总结，并针对券商、投资者和监管者提出相应的政策与建议。