行为,证明了涨跌幅限制会引起磁吸效应,同样地,Cho等也发现,涨幅限制与跌幅限制所 引起的磁吸效应是不对称的,股票价格加速向涨幅限制靠拢的现象要比价格向跌幅限制靠拢 的现象明显得多,也即涨幅限制带来的磁吸效应要显著大于跌幅限制带来的磁吸效应。Abad 和 Pascual在2007年选取西班牙股票市场的数据进行实证分析,结果发现在西班牙股票市 场上并不存在明显的磁吸效应,但Abad和 Pascual也认为这一结果并不具有普遍性,因为 ssE的特殊制度使得投资者可以再涨跌停以及停牌之后继续交易,因此投资者缺乏动机将交 易提前。国内的研究者由于早期数据的缺乏,将目光大量集中在涨跌幅限制对于市场波动性、 流动性、价格发现过程的影响,而较少有人涉及到涨跌幅限制的日内效应,特别是磁吸效应 的研究。近年来,一些学者逐渐开始利用沪深数据对于磁吸效应进行实证分析,但结论并不 一致。李迅雷等(2001)使用上海A股股市所有普通股股票的日内高频分时数据,对涨跌幅限 制措施对股票价格运动的影响进行了实证分析。他们的结果表明,当股票价格接近涨跌幅限 制时,涨跌停板的存在会使价格加速向相同方向运动,从而增加了价格触板的概率,即上海 A股存在磁吸效应,这也属于涨跌幅限制措施带来的负面效应之 方园和陈收借鉴Du等的二次回归模型,发现上海A股市场存在磁吸效应,同时,涨停 板的磁吸效应要比跌停板更为明显。李超(2005)则使用了上海A股市场的日内分笔交易高 频数据,发现涨跌幅限制的磁吸效应在盘中和收盘前存在相反的结果:在盘中,股票只有在 上涨95%后才会出现一定程度的磁吸效应,而股票在下跌时始终没有产生没有磁吸效应 在收盘前,涨停板附近并不存在磁吸效应,而跌停板附近则会出现一定程度的磁吸效应。 不管在理论还是实践层面,由于样本数据和实证方法存在的巨大差异,近四十年来,不 论是国外学者还是国内研究,都没有就价格稳定机制是否会导致磁吸效应这一研究内容达成 致。而伴随着日内超高频数据的普及,近年来,关于价格稳定机制的磁吸效应的研究日益 引起了国内外学者的重视,成为了市场微观结构与行为金融学交叉领域的研究热点,各国学 者纷纷利用高频数据针对各地股票市场进行有关磁吸效应的研究,而研究中国股市的价格稳 定机制是否具有磁吸效应,并针对结果提出改善我国现行价格稳定机制的建议更是十分具有 实际意义。 3数据来源与模型介绍 31数据来源 本文所选高频数据由同花顺股票软件导出,由于秒级数据的样本采集频率过高,因此不 同的软件导出的数据可能会有轻微差异,但数据的总体准确度还是可以保证的 本文的样本选取在2014年10月8日到2014年12月31日,共计62个交易日期间, 在上海证交所上市交易的全部A股普通股股票的秒级数据。为使logt回归样本充足,在样 本期内,只要股票当日最高价达到涨幅限制价格或最低价达到跌幅限制价格就记为一次涨停 或跌停,而不需要以涨跌停价格收盘。同时,只选择股票发生涨跌停当天从开盘到初次达到 涨跌停时刻之间的分笔数据进行回归。分笔数据每3s进行一次行情采集。每笔观测记录包 括股票代码、交易时间、每笔累积交易量、每笔累积交易金额、成交价格和限价指令簿中前 五挡委托价及相应委托数量等变量。 除上述工作外,还需额外对数据进行如下处理:1)由于925-9:30为集合竞价时间,因此 删除开盘前五分钟的数据:2)由于首次公开发行上市的股票、增发上市的股票与暂停上市后 恢复上市的股票当日价格不计入涨跌停,因此剔除样本中首次公开发行第一天的数据、公司
行为，证明了涨跌幅限制会引起磁吸效应，同样地，Cho 等也发现，涨幅限制与跌幅限制所 引起的磁吸效应是不对称的，股票价格加速向涨幅限制靠拢的现象要比价格向跌幅限制靠拢 的现象明显得多，也即涨幅限制带来的磁吸效应要显著大于跌幅限制带来的磁吸效应。Abad 和 Pascual 在 2007 年选取西班牙股票市场的数据进行实证分析，结果发现在西班牙股票市 场上并不存在明显的磁吸效应，但 Abad 和 Pascual 也认为这一结果并不具有普遍性，因为 SSE 的特殊制度使得投资者可以再涨跌停以及停牌之后继续交易，因此投资者缺乏动机将交 易提前。国内的研究者由于早期数据的缺乏，将目光大量集中在涨跌幅限制对于市场波动性、 流动性、价格发现过程的影响，而较少有人涉及到涨跌幅限制的日内效应，特别是磁吸效应 的研究。近年来，一些学者逐渐开始利用沪深数据对于磁吸效应进行实证分析，但结论并不 一致。李迅雷等(2001)使用上海 A 股股市所有普通股股票的日内高频分时数据，对涨跌幅限 制措施对股票价格运动的影响进行了实证分析。他们的结果表明，当股票价格接近涨跌幅限 制时，涨跌停板的存在会使价格加速向相同方向运动，从而增加了价格触板的概率，即上海 A 股存在磁吸效应，这也属于涨跌幅限制措施带来的负面效应之一。 方园和陈收借鉴 Du 等的二次回归模型，发现上海 A 股市场存在磁吸效应，同时，涨停 板的磁吸效应要比跌停板更为明显。李超（2005）则使用了上海 A 股市场的日内分笔交易高 频数据，发现涨跌幅限制的磁吸效应在盘中和收盘前存在相反的结果：在盘中，股票只有在 上涨 9.5%后才会出现一定程度的磁吸效应，而股票在下跌时始终没有产生没有磁吸效应。 在收盘前，涨停板附近并不存在磁吸效应，而跌停板附近则会出现一定程度的磁吸效应。 不管在理论还是实践层面，由于样本数据和实证方法存在的巨大差异，近四十年来，不 论是国外学者还是国内研究，都没有就价格稳定机制是否会导致磁吸效应这一研究内容达成 一致。而伴随着日内超高频数据的普及，近年来，关于价格稳定机制的磁吸效应的研究日益 引起了国内外学者的重视，成为了市场微观结构与行为金融学交叉领域的研究热点，各国学 者纷纷利用高频数据针对各地股票市场进行有关磁吸效应的研究，而研究中国股市的价格稳 定机制是否具有磁吸效应，并针对结果提出改善我国现行价格稳定机制的建议更是十分具有 实际意义。 3.数据来源与模型介绍 3.1 数据来源 本文所选高频数据由同花顺股票软件导出，由于秒级数据的样本采集频率过高，因此不 同的软件导出的数据可能会有轻微差异，但数据的总体准确度还是可以保证的。 本文的样本选取在 2014 年 10 月 8 日到 2014 年 12 月 31 日，共计 62 个交易日期间， 在上海证交所上市交易的全部 A 股普通股股票的秒级数据。为使 logit 回归样本充足，在样 本期内，只要股票当日最高价达到涨幅限制价格或最低价达到跌幅限制价格就记为一次涨停 或跌停，而不需要以涨跌停价格收盘。同时，只选择股票发生涨跌停当天从开盘到初次达到 涨跌停时刻之间的分笔数据进行回归。分笔数据每 3s 进行一次行情采集。每笔观测记录包 括股票代码、交易时间、每笔累积交易量、每笔累积交易金额、成交价格和限价指令簿中前 五挡委托价及相应委托数量等变量。 除上述工作外，还需额外对数据进行如下处理：1)由于 9:25-9:30 为集合竞价时间，因此 删除开盘前五分钟的数据；2)由于首次公开发行上市的股票、增发上市的股票与暂停上市后 恢复上市的股票当日价格不计入涨跌停，因此剔除样本中首次公开发行第一天的数据、公司
进行分红派息或增发新股当天的数据以及暂停上市后恢复上市第一天的数据;3)由于对 logit 模型的参数进行最大似然估计时,其良好的统计性质只有在较大样本的情况下维持得较好 因此为了保证最大似然估计的准确性,回归时会删除涨(跌)停前交易笔数小于200笔的样 经过处理后,样本期内符合要求的涨停有913次,共117283笔交易记录,跌停224次 共482868笔交易记录。 32研究假设与模型介绍 本文主要思路是从概率的角度来研究磁吸效应,也即通过 logit模型对数据进行回归来 估测股价向涨跌幅限制靠近,股价进一步上升(下降)的概率。如果沪市存在磁吸效应,那 么随着股价向涨跌幅限制靠近,股价进一步上升(下降)的概率会显著上升。据此,本文通 过对相应解释变量及虚拟变量的设定来研究上海A股市场上磁吸效应是否存在,及其产生 的临界值。进一步地,本文会验证沪港通的开通是否会影响沪市的磁吸效应。 具体而言,本文的研究假设分为以下两点 1)在上海A股市场上,涨跌幅限制会引发磁吸效应,具体表现为logt模型中股价向涨 跌幅限制靠近,股价进一步上升(下降)的概率变大; 2)沪港通的开通会对涨跌幅限制引发的磁吸效应的强度产生比较显著的影响 本文基本的 logit模型如下: POYR=lXk) =XI B 1-P(Yk=1X) 在利用该模型研究涨停(跌停)的磁吸效应时,Yk=1分别表示第k笔交易的成交价格 大于(小于)第k-1笔交易的成交价格。 33变量选择 根据 Hsieh,Kim,Yang(2009),选取如下这些可i能影响价格变动的变量作为解释变量 与控制变量,ⅩkB的形式如(3-3-2)所示: XkB=B+月1△Tk+B2Vk-1+B3Vk-2+B4Vk-3+B5DSTk-1+B6DSTk-1×IRk-1 B7lBSk-1++BglBSK-2 ++BglBSK-3+B1oSPREADK-1+Bllvk ×IBSk-1+B12Vk-2×IBSk-2+B13Vk-3×IBSk-3+14MKTk-1 表1是对式中各变量的解释。 表1变量解释 △T 第k-1笔交易与第k笔交易的时间间隔,以秒为单位 3阶滞后的第k笔交易的交易金额的对数 DIST 第k-1笔交易的成交价格距离涨跌幅限制的距离,DSTk-n≈Pk=-Paos DISTK-1的绝对值越大,距离涨跌幅限制的距离越小 虚拟变量,捕捉磁吸效应出现的临界值,分别在当|DⅠSTκ-l≥i%时取1, 其他情况下取0 IBSK 3阶滞后的第k-笔交易的买卖方向
进行分红派息或增发新股当天的数据以及暂停上市后恢复上市第一天的数据；3)由于对 logit 模型的参数进行最大似然估计时，其良好的统计性质只有在较大样本的情况下维持得较好， 因此为了保证最大似然估计的准确性，回归时会删除涨（跌）停前交易笔数小于 200 笔的样 本。 经过处理后，样本期内符合要求的涨停有 913 次，共 117283 笔交易记录，跌停 224 次， 共 482868 笔交易记录。 3.2 研究假设与模型介绍 本文主要思路是从概率的角度来研究磁吸效应，也即通过 logit 模型对数据进行回归来 估测股价向涨跌幅限制靠近，股价进一步上升（下降）的概率。如果沪市存在磁吸效应，那 么随着股价向涨跌幅限制靠近，股价进一步上升（下降）的概率会显著上升。据此，本文通 过对相应解释变量及虚拟变量的设定来研究上海 A 股市场上磁吸效应是否存在，及其产生 的临界值。进一步地，本文会验证沪港通的开通是否会影响沪市的磁吸效应。 具体而言，本文的研究假设分为以下两点： 1)在上海 A 股市场上，涨跌幅限制会引发磁吸效应，具体表现为 logit 模型中股价向涨 跌幅限制靠近，股价进一步上升（下降）的概率变大； 2)沪港通的开通会对涨跌幅限制引发的磁吸效应的强度产生比较显著的影响。 本文基本的 logit 模型如下： 𝑙𝑛 𝑃(𝑌𝑘 = 1|𝑋𝑘) 1 − 𝑃(𝑌𝑘 = 1|𝑋𝑘) = 𝑋𝑘′𝐵 在利用该模型研究涨停（跌停）的磁吸效应时，𝑌𝑘=1 分别表示第 k 笔交易的成交价格 大于（小于）第 k-1 笔交易的成交价格。 3.3 变量选择 根据 Hsieh，Kim，Yang(2009)，选取如下这些可 i 能影响价格变动的变量作为解释变量 与控制变量，𝑋𝑘’𝐵的形式如（3-3-2）所示： 𝑋𝑘 ′𝐵 = 𝛽0 + 𝛽1∆𝑇𝑘 + 𝛽2𝑉𝑘−1 + 𝛽3𝑉𝑘−2 + 𝛽4𝑉𝑘−3 + 𝛽5𝐷𝐼𝑆𝑇𝑘−1 + 𝛽6𝐷𝐼𝑆𝑇𝑘−1 × 𝐼𝑅𝑘−1 𝑖 + 𝛽7𝐼𝐵𝑆𝑘−1 + +𝛽8𝐼𝐵𝑆𝑘−2 + +𝛽9 𝐼𝐵𝑆𝑘−3 + 𝛽10𝑆𝑃𝑅𝐸𝐴𝐷𝑘−1 + 𝛽11𝑉𝑘−1 × 𝐼𝐵𝑆𝑘−1 + 𝛽12𝑉𝑘−2 × 𝐼𝐵𝑆𝑘−2 + 𝛽13𝑉𝑘−3 × 𝐼𝐵𝑆𝑘−3 + 𝛽14𝑀𝐾𝑇𝑘−1 表 1 是对式中各变量的解释。 表 1 变量解释 ∆𝑇𝑘 第 k-1 笔交易与第 k 笔交易的时间间隔，以秒为单位 𝑉𝑘−1 3 阶滞后的第 k-l 笔交易的交易金额的对数 𝐷𝐼𝑆𝑇𝑘−1 第 k-1 笔交易的成交价格距离涨跌幅限制的距离，𝐷𝐼𝑆𝑇𝑘−1 = 𝑃𝑘−1−𝑃𝑐𝑙𝑜𝑠𝑒 𝑃𝑐𝑙𝑜𝑠𝑒 𝐷𝐼𝑆𝑇𝑘−1的绝对值越大， 距离涨跌幅限制的距离越小 𝐼𝑅𝑘−1 𝑖 虚拟变量，捕捉磁吸效应出现的临界值，分别在当|𝐷𝐼𝑆𝑇𝑘−1 | ≥ 𝑖%时取 1， 其他情况下取 0 𝐼𝐵𝑆𝑘−𝑙 3 阶滞后的第 k-l 笔交易的买卖方向