交易机制与市场质量 ——上海股票市场实证研究

上海交通大学管理学院 孙培源 郭剑光

复旦大学管理学院 孔爱国 黄建兵 胡 畏

课题研究与协调人 施东晖

摘要 随着市场微观结构理论的兴起，众多研究表明交易机制对于市场流动性，波

动性，透明性，有效性都会产生影响。交易机制的科学，合理和有序将极大地促

进市场的规模发展和功能深化。基于上海股票市场交易机制的特点和国内的研究

现状，本报告从市场流动性和波动性的角度对上海市场目前交易机制的运行状况

及其对市场质量的影响进行了分析。

首先我们对上海股票市场的流动性水平进行了描述性统计。结果表明，以买

卖价差来衡量，上海市场的流动性水平良好，在全球新兴证券市场中排名第一，

即使与成熟市场相比也居于国际前列。在第四章我们对最小报价单位问题进行了

研究，统计结果显示上海市场单一的最小报价单位使得流动性指标和价格水平高

度相关。固定的 0。01 元的单一最小报价单位影响了市场流动性和交易成本。低

价格股票的最小报价单位有过大的可能性，高价格股票的最小报价单位可能过

小。第五章的日内流动性特征研究表明，上海股市的买卖价差(无论是绝对价差

还是相对价差)大致呈“L”型曲线，回归分析发现我国股市中除了交易量，波动

性和价格水平外，信息的非对称性是影响流动性水平的重要因素。第六章对交易

量对价格的影响进行了研究，我们发现股票的价格变动大小，主要受股票的信息

非对称程度的影响。

本文系上海证券交易所联合研究计划第四期课题报告。

1

第七章我们对间歇性交易和连续性交易进行了分析，考察间歇性交易对股市

的波动是否有显著影响，结果发现上午的连续性交易时段波动性较大，而间歇性

交易时段波动较小，下午的连续性和间歇性交易时段波动差异不大。第八章对交

易方式与股价波动性的关系进行了分析，发现开盘价格收益率的方差大于收盘价

格收益率的方差。交易因素对集合竞价产生的影响大于对连续竞价产生的影响，

而信息因素对集合竞价产生的影响小于对连续竞价产生的影响。第九章对股价离

散性及其对波动性的影响进行了研究，发现我国证券市场上的交易价格存在比较

明显的离散性。离散的证券价格增加了股票价格的波动性，使证券收益率的标准

差增加。

根据以上一系列的理论分析和实证研究，我们提出以下政策建议：（1）关于

最小报价单位：目前沪深股市采用 0.01 元的单一最小报价单位，在一定程度上

人为增加了低价股票的买卖价差，降低了高价格股票的深度，可考虑根据股票的

不同价格水平制定不同的最小报价单位。（2）关于做市商制度：本文的研究结果

表明，上海股市的买卖价差在全球处于较低水平，在上海股市建立起有效的大宗

交易制度，保证大宗交易顺利进行的基础上，没有必要在上海股市建立做市商制

度。（3）关于信息披露机制：监管部门应该近一步完善各方面的信息披露机制，

降低整个市场的信息非对称的程度以减少投资者的逆向选择成本，这是改善市场

流动性，进而促进资源有效配置的有效手段。（4）关于开盘交易方式：我国证券

市场存在开盘价格的波动性大的缺陷，建议我国的证券交易所可以适当改变交易

规则，可以在集合竞价过程中及时公布有关交易指令产生开盘价格的信息。

1 交易机制和市场质量的理论分析

证券市场的基本作用是通过证券交易促进资源的有效配置。发达有效的证券

市场可以使企业能以较低的成本在发行市场筹集资金，更好的发挥其筹资和优化

资源配置的功能。在以往对证券市场及资产定价理论的研究中，绝大多数研究都

把交易机制作为外生变量，认为交易机制在整个价格形成中无关紧要。但是，随

着最近几年市场微观结构理论的兴起，众多研究表明交易机制对于市场流动性，

2

波动性，透明性，有效性都会产生影响，交易机制的科学，合理和有序将极大地

促进市场的规模发展和功能深化。

证券交易制度的核心是证券交易市场的微观结构，即使投资者的潜在需求转

化为实际的交易过程（Madhavan，2000）。在微观结构理论看来，投资者的交易

行为只有在一定的交易运作效率下才能转化为有效的价格信号。Glen(1994)认

为，市场质量的高低可通过流动性，波动性，有效性，及透明性这四个方面予以

衡量。

1.1 流动性

流动性是交易的基本需要。一个流动性较好的市场对整个经济的贡献可以被

看作是公共品。证券市场的一个主要功能就是在交易成本尽可能低的情况下，使

投资者能够迅速，有效地执行交易。也就是说，市场必须提供足够的流动性。

在一个流动性好的市场中，投资者能够根据市场的基本供给和需求状况，

以合理的价格迅速交易，而且市场的流动性越高，则进行即时交易的成本就越低。

因此，流动性好的市场通常被认为是能够提供交易但是对价格影响较小的市场。

在流动性较好的市场上，买卖证券的成本较低。稳定市场的流动性不仅对投资者

是重要的，而且对维护整个金融市场的稳定都至关重要。在一个流动性高的市场

上，价格的决定非常有效，通常条件下，一个流动的市场能够增强市场参与者的

信心，并且能够抗御外部冲击，从而降低系统风险。从更深层的角度看，“市场

流动性的增加不仅保证了金融市场的正常运转，也促进了资源有效配置和经济增

长”(Levine，1991)。

从更广泛的视点看，研究影响股票流动性的因素并确定它们之间的关系对

上市公司本身也是重要的，因为上市公司股票的流动性和资本成本密切相关

（Amihud，Mendelson，1986），许多实证研究表明公司需要的收益率与各种流动

性指标，如价差（Chalmers，Kadlec，1998），换手率（Datar，1998）与逆向选

择成本（Brennan，Subrahmanyam，1996）等高度相关。

1.2 波动性

波动性是指价格变化的频率和幅度。波动性主要来源于两个方面，一是推动

价格变化的基本经济因素发生了变化；二是由于信息不对称或委托暂时不平衡引

发噪音交易。所以，即使能够设计出较优的微观结构来加强流动性和效率性，波

3

动性也不会消失。为了将基本的价格波动和由噪音交易引起的价格波动区分开

来，许多交易市场采用了涨跌幅限制(Price limit)，断路器(Circuit Breaker)

等价格稳定措施，以便在价格剧烈波动时，让市场有一个冷却期，使投资者可以

传播和处理信息。但上述措施却会造成交易机会损失，损害市场的流动性。

市场稳定是证券市场充分发挥其功能的基础，在一个波动剧烈的市场，投资

者的信心将受到动摇，储蓄向投资的转化机制受到阻碍。然而，市场的波动性也

不能降低到零的水平。因为，价格的波动是投资者投资证券收益的一个重要来源，

稳定不变的价格将使投资者无利可图(不考虑红利收益)，市场的发展受到限制，

甚至使交易中断。对于特定的市场规模和结构而言，存在着一个最优稳定性的问

题。

1.3 有效性

有效性即市场的信息效率。股市效率有多种不同含义，Samuelsen(1965)将

市场效率解释为市场对股价进行无偏估计；Roberts(1967)从信息和价格反应的

角度出发，将股市效率划分为弱式有效（Weak-form Efficiency），半强式有效

（Semistrong-form Efficiency）和强式有效(Strong-form Efficiency)三种形

式。

从完整的意义上来讲，股市效率的体系结构包括以下一些内容:

(1)运作效率(Operational Efficiency) 运作效率是指股票市场的交易执行

效率，即股市能否在最短时间内以最低成本为投资者安全地完成交易，它反映了

股票市场内部的组织功能和服务功能的效率。

(2)信息效率(Informational Efficiency) 在考虑了风险因素和交易成本

后，如果不能根据公开信息获取超额利润，那么股市就是一个信息有效的市场。

换言之，此时股价已充分吸收和反映了所有相关的公开信息，因而战胜市场的唯

一方法就是承担更大的风险。

(3)定价效率（Pricing Efficiency） 股票是公司所有权的表征，其价值应

等于未来所获股利的折现值，而由于股利依赖于公司的销售收入和利润，因此股

价应反映公司目前及未来的现金流。如果股票市场的价格是基于未来现金流的

“理性预期”，那么这个市场就对公司股票进行了无偏定价，市场就具有定价效

率。

4

(4)功能效率（Function Efficiency） 作为现代市场经济体系的重要组成

部分，股票市场具有多方面的功能，如直接融资，信息聚集和扩散，优化资本配

置，公司治理以及资产运用等。股票市场为整个经济运作提供的服务称为功能效

率。

1.4 透明性

透明性是指有关股票交易的信息被公开披露的程度。从这个角度看，市场透

明性主要包括三个层次，即交易前信息透明，交易后信息透明和参与交易各方的

身份确认。其中，交易前信息透明是指交易执行以前买卖委托的价量披露情况；

交易后信息透明指交易匹配成交后交易情况的公布；而参与交易各方的身份确认

是指买卖各方是否公开其身份，从而让其他投资者确知谁在进行交易和与谁进行

交易。

上述四个特性受到微观结构，监管制度以及基本经济因素的影响，它们彼此

密切相关，分别体现了市场运作的不通侧面的情况，而这些特性的综合体现就是

交易成本的高低。

首先，从流动性和交易成本的关系来看，高度流动性的市场具有较好的广

度和深度，从而使得使买卖价差和市场影响成本处于较低水平，投资者支付的隐

性成本也相对较低。其次，在一个高波动性的市场上，价格变化经常地呈现出非

连续性，此时投资者将面临较高程度的交易不确定性，由此带来较高的买卖价差

和市场影响成本。再次，市场的有效性意味着价格迅速反映所有相关信息，股价

不会因不完全信息及供需突然变化而大幅扭曲，从而使市场具有较高程度的吸引

力和流动性，交易成本也相对较低。此外，市场的透明性对交易成本也具有重要

影响，例如对于大额交易而言，交易前的高透明性将导致价格发生不利变化，使

投资者面临更高的市场影响成本。

目前对上海股市运行质量的研究，大多数是对市场的有效性进行研究。对中

国证券市场运行是否有效，或处于何种效率状态的问题，近几年来关于中国股票

市场对信息反应的效率问题我国学者进行了大量研究。俞乔（1994），吴世农

（1996），杨朝军和蔡明超（1998），陈小悦（1997）等的一系列实证研究表明上

海股票市场在 1993 年以后达到了弱式有效。赵宇龙（1998），沈艺峰，吴世农

（1999），陈信元（1999），杨朝军和蔡明超（2000）等学者的研究都认为上海股

5

市到目前为止还不是半强式有效。综合目前对上海股市有效性的数十篇论文的结

论，目前一致认为上海市场已经达到了弱式有效，但不是半强有效。

上海证券交易所的交易采取的是全电子化的竞价交易机制，不存在场外交

易，交易方式相对简单，相关的价格信息和其他交易信息通过电子交易系统可以

及时向外界传播，交易的透明性良好。基于以上原因，在本报告中我们将重点研

究交易机制对流动性和波动性的影响。

2 制度背景和研究数据

2.1 上海股市的交易制度背景

与欧美成熟证券市场自然演进的发展过程有所不同，上海股票市场是在政府

积极推动下，通过上市公司和投资者在数量和空间上的拓展，迅速地实现了市场

规模的扩大。在这种发展架构下，电脑竞价交易因具有高效、简单、低成本的特

点而成为一种必然选择，并极大地推动了中国证券市场的发展进程。

在现行的竞价交易机制下，投资者可通过柜台、电话、自助终端以及互联

网等多种渠道进行买卖委托，电脑交易系统按照“价格优先、时间优先(Price and

Time Priority)”的原则，对投资者的买卖委托直接进行撮合处理。在市场发展初

期，系统设计者从效率优先的原则出发，较多地关注交易的简单性和高效性，因

而上海股市的委托种类极为单一，目前仅允许限价委托(Limit Order)一种方式，

最小价格变化单位(Tick Size)均规定为 0。01 元。此外，上海股市的交易系统

分别揭示三个最佳的买入价量，以及三个最佳的卖出价量，并根据每笔成交即时

更新成交价、成交额、最高价、最低价、最佳买入价量和最佳卖出价量等相关指

标。

2.2 研究样本与数据

本文以 2001 年 1 月 1 日至 2001 年 12 月 31 日为研究期间，选取在上海证券

交易所交易的 A股股票(不包括 PT 股票)为研究样本，运用日内分时高频交易数

据分析。交易数据包括日内分时的交易时间、交易价格、成交股数、累计委托数

6

量、瞬时的三个最佳的买入价量，以及三个最佳的卖出价量等。

2.3 研究内容、方法和结构

本报告以实证的方法对上海证券市场的交易机制与市场质量的关系进行研

究，所有统计计算过程使用 SAS 软件进行。主要内容包括两个部分：一是研究交

易机制和流动性的关系；二是研究交易机制和波动性的关系。

本文余下部分安排如下：第三章对上海股市的流动性状况进行描述性统计，

并与各国(地区)证券市场进行比较；第四章分析最小报价单位对市场流动性的影

响，探讨现有 1 分钱的报价单位是否合理；第五章研究流动性的日内分时特征，

并从非对称信息角度进行解释；第六章研究交易量对价格的影响；第七章着重比

较间歇性交易与连续性交易两种机制下，股票市场的波动情况；在第八章中，我

们将分析连续竞价方式下和集合竞价方式下的波动性差异；在第九章中，我们将

会分析股票价格的离散程度对股市波动性的影响；第十章则归纳研究结论并给出

相应的政策建议。

3 市场流动性的描述性统计

3.1 引言

买卖报价价差（bid/ask spread）和报价深度是研究流动性特征的重要组成

部分，也是研究金融市场微观结构理论的重要组成部分，其旨在研究金融资产价

格在某段时期或一天内的一系列相对短暂的交易时段内的连续变化特征和规律。

Demsetz（1968）从动态的角度分析了在资产价格形成过程中买卖价差产生的原

因，并提出了基于买卖报价差和交易及时性的流动性概念。Harris(1990)认为对

一个市场流动性的考察，除了研究最明显的交易成本——买卖价差外，还要分析

7

市场的深度（Depth），即在不改变价格或价格微小变动的情况下可能的交易量。

在这一部分我们希望通过对上海市场的基于买卖价差和深度特征的描述性

统计，来总结上海证券交易市场流动性的一些基本特征，对其市场质量做出评价

和建议。

3.2 文献综述

尽管流动性对市场的重要性是显然的，但流动性本身却是一个难以捉摸和准

确定义的概念。许多学者从不同的角度对流动性给出了自己的定义或解释。

Keynes(1930) 对流动性的定义是“市场价格将来的波动性”。Hicks(1962) 认

为流动性指“立即执行一笔交易的可能性”。Black(1971)在期权定价公式的研究

中认为一个流动性好的市场中“买卖报价总是存在，同时价差相当小，小额交易

可以被立即执行而对价格产生较小的影响”。Kyle(1985)认为，市场流动性的最

重要衡量指标是买卖价差，如果买卖价差越小，则表示立即执行交易的成本越小，

市场流动性也越好。Grossman 和 Miler(1988)认为可以通过“当前报价和时间

下执行交易的能力”评价一个市场的流动性。Massimb 和 Phelps(1994)把流动性

概括为“为进入市场的订单提供立即执行交易的一种市场能力和执行小额市价订

单时不会导致市场价格较大幅度变化的能力”。

Kyle（1985）详细地给出了做市商制度下市场流动性的计量刻画方法。根据

所需目的的不同，市场流动性可分为下面 4 个指标度量:（1）市场宽度（Breadth、

Width），即交易价格偏离市场有效价格的程度，它是投资者支付的流动性升水。

市场宽度的观测值是做市商的买卖差额，只有当这个差额为零时，才可认为这个

市场完全达到流动性。（2）市场深度(Depth)，即在不影响当前价格下的成交量。

从市场深度来看，流动性好意味着在当前价格下投资者可以大量买入或抛出股

票。市场深度的观测值是某一时刻做市商在委托簿(Order Book)报出的委托数量。

（3）市场弹性（Resiliency），即由交易引起的价格波动消失的速度，或者说委

托簿上买单量与卖单量之间不平衡调整的速度。（4）市场及时性(Immediacy)，

即一定量的股票在对价格影响一定的条件下达成交易所需要的时间。

Harris(1990)认为流动性要从四个方面讨论，首先，投资者一般是急切交易

的，需要提供交易适时性(Immediacy)；第二，买卖价差是最明显的交易成本，

交易者更愿意交易价差小（即宽度）的股票；第三个方面是深度，即在不改变价

8

格的情况下可能的交易量；第四个方面是市场的弹性（market’s resiliency），指因

为大的非对称信息驱动的交易引起均衡价格偏离后，市场重新回到均衡状态的速

度。Harris 认为一个流动性好的市场要有“即时性，可忽略的宽度，很大的深度

和高度弹性”。

3.3 方法设计

为了便于与国际成熟市场相比较，我们采用在流动性研究中普遍采用的价差

指标和深度指标，来分析上海市场的流动性水平和特点。我们采用如下的几个指

标来进行计算。

设在某一交易时刻股票的成交价格是 tP ，委托单上的最高买入价(买一)是

,bP 买入量为 bV ，委托单上的最低卖出价(卖一)是 aP ，卖出量为 aV ，

( )bam PPP +=21

，那么定义各个指标如下:

1. 绝对价差(Quote spread): ba PP −

2. 相对价差(relative spread)： ( )m

baP

PP − ，其中2

bam

PPP

+=

3. 有效价差(effective spread)： mt PP −

4. 比例有效价差(proportional effective spread)：t

mtP

PP −

5. 深度 1(Depth1)： bbaa PVPV +

6. 深度 2(Depth2)：∑=

+3

1ibbaa PVPV

在以上指标中，相对价差与比例有效价差是无量纲的，可以用作比较各个交

易所流动性和交易成本的指标。

3.4 实证分析

3.4.1 上海市场的基本流动性指标

表 3-1 列出了上海市场流动性指标的描述性统计。

我们看到，上海证券交易市场的平均绝对价差为 0.0264 元，相对价差为

0.169%，有效价差为 0.0138 元，比例有效价差为 0.0882%，最优买价和最优买

价形成的平均报价深度为 14.71 万元，前三档买价和前三档卖价形成的平均报价

深度为 53.44 万元。

9

表 3-1 上海市场流动性指标的描述性统计

均值 中值平均 标准差

绝对价差(元) 0.026445 0.016927 0.027134

相对价差 0.001687 0.001102 0.001714

有效价差(元) 0.01382 0.008588 0.015152

比例有效价差 0.000882 0.000558 0.00096

深度 1(万元) 14.7162 8.1295 45.1250

深度 2(万元) 53.4397 37.6237 95.9937

说明:1.以 2001 年 1 月 1 日-2001 年 12月 31 日为统计区间，上海市场的所有 A 股股票(不

包括 PT 股票)为样本。在我们的数据库中共 637 个股票。

3.4.2 流动性指标的国际比较

表3-2列出了全球部分国家交易所的流动性指标。由于相对价差和比例有效

价差以及换手率是没有量纲的相对衡量指标，因此可以用来对不同交易所的流动

性状况进行比较。从相对价差看，所有国家（地区）的平均相对价差为2.32%，

相对价差最大的是乌克兰（15.34%）;相对价差最小的是中国上海（0.17%），其

次是纽约股票交易所（0.20%）。从比例有效价差看，所有国家（地区）的平均

比例有效价差是1.07%，比例有效价差最大的是乌克兰（7.24%），比例有效价差

最小的是纽约股票交易所（0.05%），其次是中国上海(0.088%)。从年换手率来看，

上海市场是换手率最高的（449.1%，2000年数据），其次是中国台湾(259.3%)和

韩国(243.0%)，都远远高于其他市场。无论从价差指标还是换手率，我们看到上

海证券交易市场的流动性都居于国际领先水平。

我们知道，市场的流动性和交易机制是密切相关的，比如上海和香港市场都

是纯粹的限价指令簿(LOB)驱动的连续竞价市场，流动性由限价委托指令提供；

纽约市场为竞价为主，专家为辅的混合(Hybrid(LOB+MM))交易机制，由投资者

的限价委托和交易所指定的专家提供流动性。那斯达克市场采用竞争性的做市商

（MM）制度，流动性来源于做市商的买卖报价。在表3-3中列出了不同交易机

制类型的流动性统计指标。

表3－2 全球部分国家（地区）交易所的流动性指标

国家（地区） 相对价差 比例有 效价差

换手率 国家（地区） 相对价差 比例有 效价差

换手率

10

阿根廷 1.74% 0.81% 17.0% 卢森堡 1.47% 0.84% 3.4%

澳大利亚 0.61% 0.28% 57.4% 马来西亚 0.96% 0.41% 33.4% 奥地利 0.85% 0.55% 34.4% 墨西哥 1.76% 0.78% NA 比利时 1.00% 0.70% 137.9% 荷兰 0.48% 0.28% 97.6% 百幕大群岛 10.89% 3.97% 18.6% 新西兰 1.30% 0.61% NA

巴西 7.34% 2.67% 43.9% 挪威 1.36% 0.65% 98.2%

加拿大 0.54% 0.25% NA 秘鲁 4.35% 1.74% 19.5% 中国上海 0.17% 0.088% 449.1% 菲律宾 1.97% 1.00% 22.9% 哥伦比亚 3.08% 1.37% NA 波兰 1.15% 0.50% 66.0% 捷克 3.66% 1.31% NA 葡萄牙 0.65% 0.35% 81.3% 丹麦 1.50% 0.86% 81.2% 俄罗斯 5.38% 3.22% NA 爱沙尼亚 4.53% 2.03% NA 新加坡 0.85% 0.41% 58.5% 芬兰 1.00% 0.48% 63.7% 南非 0.77% 0.36% NA 法国 0.40% 0.25% 71.9% 西班牙 0.51% 0.25% 73.9% 德国 0.91% 0.38% 128.6% 瑞典 0.68% 0.34% 97.6% 希腊 0.74% 0.74% 65.0% 瑞士 0.43% 0.22% 86.5% 中国香港 0.59% 0.28% 60.9% 中国台湾 0.35% 0.18% 259.3% 匈牙利 4.55% 1.24% NA 泰国 1.17% 0.59% 54.5% 印度 0.81% 0.35% NA 英国 0.88% 0.42% 69.3% 印度尼西亚 6.01% 3.26% 37.2% 乌克兰 15.34% 7.24% NA 爱尔兰 1.90% 1.20% 20.5% 美国 AMEX 1.78% 0.65% NA

以色列 0.95% 0.42% 39.8% 纽约 0.20% 0.05% 87.7% 意大利 0.72% 0.46% 130.5% 纳斯达克 0.41% 0.26% 383.9%

日本 0.80% 0.36% 58.8% 委内瑞拉 5.87% 3.31% NA 韩国 0.38% 0.19% 243.0% 平均 2.32% 1.07% NA 拉托维亚 6.39% 2.74% NA 标准差 2.95% 1，32% NA

资料来源:Pankaj Jain (2002)， Institutional Design and Liquidity at Stock Exchanges around the World; 换手率资料转引自施东晖（2001），《证券交易所竞争论:全球证券市场的角逐方略》

说明:1。在Jain(2002)的文章中，比例有效价差定义为本文定义的2倍，在转引过程中我们

根据本文的定义对比例有效价差进行了调整。2。换手率=年股票交易额/平均每月底市值3。

NA表示没有查到相关数据。

从表3-3可以看出，在不同的价格形成方式中，限价指令和做市商同时存在

的混合交易制度下市场流动性最好，单纯的做市商市场的流动性最差。而且成熟

市场的流动性普遍好于新兴市场的流动性。

在采用限价指令簿的交易所中，上海证券交易所的流动性处于领先水平，所有

采用限价指令簿的交易所的平均相对价差是2.05%，平均比例有效价差是.98%，

远高于上海市场的流动性水平。即使与成熟市场相比（平均相对价差是0.93%，

平均比例有效价差是0.47%），上海证券交易所的价差指标仍然是非常小。

表 3－3 不同交易机制的流动性指标比较

交易机制 相对价差 比例有效价差

11

限价指令(LOB)市场

全部 2.05% 0.98% 成熟市场 0.93% 0.47% 新兴市场 3.06% 1.45%

做市商（MM）市场 全部 4.62% 2.07% 成熟市场 2.16% 1.01%

新兴市场 7.45% 3.28% 混合(LOB+MM)市场

全部 1.64% 0.71% 成熟市场 0.91% 0.48% 新兴市场 2.81% 1.08%

资料来源：Pankaj Jain (2002)， Institutional Design and Liquidity at Stock Exchanges around the World

综上所述，在新兴市场中上海股票市场的流动性是最好的。从全球视角看，

上海股票市场的价差指标和纽约股票交易所处于同一水平，流动性水平处于国际

领先水平。这主要是因为散户投资者的买卖委托量非常巨大，大量竞争性的买卖

委托使上海股市的买卖价差维持在较低水平。这也表明，目前的电子竞价交易机

制符合中国股市的具体运行环境，是一种高效率、低成本的交易方式。

3.4.3 流动性指标的分组统计

为了进一步分析上海市场流动性的特点，我们分别按价格水平和流通股本大

小对所有样本股票进行分类，并对其进行描述性统计和检验。

(1)按价格水平分类

我们以 2001 年 1 月 1 日到 2001 年 12 月 31 日股票的平均收盘价为标准，将

股票分为 4组: 第 1 组为价格水平在(0，12 元)的股票；第 2组为价格水平在(12，

16)的股票；第 3组为价格水平在(16，20 元)的股票；第 4 组为价格在(20，100)

的股票。对每组股票进行描述性统计和非参数检验，具体结果见表 3-4 和图 3-2 。

表 3-4 按价格水平的分组统计

第 1 组 比较 第 2 组 比较 第 3 组 比较 第 4 组

股票数目 172 213 142 110

价格水平(元) 9.70 13.90 17.87 24.89

流通股本(10 7 ) 20.5

9.97

8.13

7.24

绝对价差(0。01 元) 1.4977 <<< 2.1853 <<< 3.2987 <<< 4.5058

相对价差(10 2− ) 0.1578 <> 0.1585 <<< 0.1860 <> 0.1833

有效价差(0。01 元) 0.7859 <<< 1.1493 <<< 1.7215 <<< 2.3371

12

比例有效价差(10 3− ) 0.825 <> 0.832 <<< 0.97 <> 0.95

深度 1(万元) 19.69 >>> 12.15 <> 13.54 <> 13.22

深度 2(万元) 80.47 >>> 43.36 > 43.30 <> 42.47

说明:1。按样本期间股票的平均收盘价将样本股票分为 4 组:第 1 组为价格水平在(0，12 元)的股票，第 2 组为价格水平在(12，16)的股票，第 3 组为价格水平在(16，20 元)的股票，第 4 组为价格在(20，100)的股票。 2:用 Wilcoxon 秩和检验比较相邻两组的大小。>>>，>>，>分别表示前面的量在 0.01，0.05，0.10 的显著性下大于后面的量(<<<，<<，<类似)，<>表示统计比较不显著。

00.51

1.52

2.53

3.54

4.55

绝对价差

(0,12] (12,16] (16,20] (20,100]

价格水平

均值

中值

图 3-1 不同价格水平的绝对价差的分组比较

从图 3-1 和表 3-4 可以看出，随着价格的升高，股票的绝对价差也上升。

Wilcoxon 秩和检验表明这种趋势在统计上是显著的。

00.020.040.060.080.10.120.140.160.180.2

相对价差

(0,12] (12,16] (16,20] (20,100]

价格水平

均值中值

图 3-2 不同价格水平的相对价差的分组比较

从图 3-2 和表 3-4 可以看出，价格低于 12 元和价格高于 12 元但低于 16 元

的股票相比，在相对价差上没有明显区别， 价格介于 16 元和 20 元之间的股票

与价格高于 20 元的股票相比，在相对价差上也没有明显区别，但价格高于 16

13

元的股票的相对价差要显著小于价格低于 16 元的股票，这说明在一定程度上低

价格股票的流动性要好于价格高的股票。

0

0.5

1

1.5

2

2.5

有效价差

(0,12] (12,16] (16,20] (20,100]

价格水平

均值中值

图 3-3 不同价格水平的有效价差的分组比较

从图 3-3 和表 3-4 可以看出，随着价格的升高，股票的有效价差也上升，

Wilcoxon 秩和检验表明这种趋势在统计上是显著的。

00.10.20.30.40.50.60.70.80.91

比例有效价差

(0,12] (12,16] (16,20] (20,100]

价格水平

均值中值

图 3－4 不同价格水平的比例有效价差的分组比较

从图 3-4 和表 3-4 可以看出，价格低于 12 元和价格高于 12 元但低于 16 元

的股票相比，在有效价差上没有明显区别， 价格介于 16 元和 20 元之间的股票

与价格高于 20 元的股票相比，在有效价差上也没有明显区别。但价格高于 16

元的股票的有效价差要显著小于价格低于 16 元的股票，这又表明低价格股票的

流动性在整体上要好于价格高的股票。

14

0

2

4

6

8

10

12

1416

18

20

报价深度1

(0,12] (12,16] (16,20] (20,100]

价格水平

均值

中值

图 3－5 不同价格水平的报价深度 1 的分组比较

0

10

20

30

40

50

60

70

80

90

报价深度2

(0,12] (12,16] (16,20] (20,100]

价格水平

均值

中值

图 3－6 不同价格水平的报价深度 2 的分组比较

从图 3-5，图 3-6 和表 3-4 我们可以看到，价格低于 12 元的低价格股票的

报价深度 1和报价深度 2都是最大的，明显大于其他价格高的股票，而价格大于

12 元的股票的报价深度则没有明显的差别。这说明低价股的流动性从深度角度

看要明显好于价格高的股票的流动性。

通过按价格水平分组进行流动性指标的分析，我们可以得到如下的结论：在

上海股票市场，无论从买卖价差还是报价深度看，低价格股票的流动性都优于高

价格股票，尤其是对价格低于 12 元的股票，其流动性明显要好于 16 元以上的高

价股，这重要表现在其相对价差和有效价差更小，而报价深度却更大。

(2)按流通股本大小分类

我们以 2000 年底股票的流通股本大小为标准，将股票分为 6组: 第 1 组为

流通股本在(1000 万，3000 万)的股票，第 2组为流通股本在(3000 万，5000 万)

15

的股票，第 3组为流通股本在(5000 万，8000 万)的股票，第 4组为流通股本在

(8000 万，15000 万)的股票，第 5组为流通股本在(15000 万，30000 万)的股票，

第六组为流通股本在(30000 万，100000 万)的股票。

为消除异常样本对结论的影响，在上面的分组中不包括流通股本小于 1000

万的三个股票，流通股本大于 1000000 亿的两个股票。

对每组股票进行描述性统计和非参数检验，具体结果见表 3-5 。

表 3-5 按流通股本的分组统计

第 1 组 比

较

第 2 组 比

较

第 3 组 比

较

第 4 组 比

较

第 5 组 比

较

第 6 组

股票数目 39 110 156 190 107 30

流通股本(10 7 ) 2.45 4.15 6.61 11.06 19.69 46.63

价格水平(元) 21.46

19.09

16.67

13.45 13.25 10.55

绝对价差(0。01 元) 4.7035 >>> 3.5986 >>> 2.8488 >>> 2.1301 >>> 1.8419 >>> 1.3921

相对价差(10 2− ) 0.2226 <> 0.1883 >> 0.1703 >> 0.1591 >>> 0.1454 <> 0.1499

有效价差(0。01 元) 2.4017 >>> 1.8582 >>> 1.4928 >>> 1.1223 >>> 0.9807 >>> 0.7377

比例有效价差(10 3− ) 1.136 <> 0.972 >> 0.891 >> 0.836 >>> 0.77 <> 0.785

深度 1(万元) 8.5643 <> 11.0221 << 12.1932 << 14.3108 <<< 17.0350 <<< 29.2314

深度 2(万元) 27.5156 << 36.4056 <<< 42.3453 <<< 50.3965 <<< 64.4619 <<< 122.409

说明:1。按流通股本的大小将所有样本的股票划为 6 个组:第 1 组为流通股本在(1000 万 ，3000 万]的股票，第 2 组为流通股本在(3000 万，5000 万)的股票，第 3 组为流通股本在(5000 万，8000 万)的股票，第4 组为流通股本在(8000 万，15000 万)的股票，第 5 组为流通股本在(15000 万，30000 万)的股票，第六组为流通股本在(30000 万，100000 万)的股票。 2。 用 Wilcoxon 秩和检验比较相邻两组的大小。>>>，>>，>分别表示前面的量在 0.01，0.05，0.10 的显著性下大于后面的量(<<<，<<，<类似)，<>表示统计比较不显著。

16

0

0.5

1

1.5

2

2.5

3

3.5

4

4.5

5

绝对价差

(1000,3000] (3000,5000] (5000,8000] (8000,15000] (15000,30000] (30000,100000]

流通股本

均值

中值

图 3-7 不同流通股本的绝对价差

从图 3-7 和表 3-5 可以看出，随着流通股本的变大，股票的绝对价差依次减

小。Wilcoxon 秩和检验表明这种趋势在统计上是显著的。

0

0.05

0.1

0.15

0.2

0.25

相对价差

(1000,3000] (3000,5000] (5000,8000] (8000,15000] (15000,30000] (30000,100000]

流通股本

均值

中值

图 3－8 不同流通股本的相对价差

从图 3-8 和表 3-5 可以看出，流通股本小于 5000 万的两组股票的相对价差

没有显著差异，流通股本大于 1.5 亿的两组股票的的相对价差也没有显著差异，

而处于中间的四组股票的相对价差随着流通股本的增加依次减小。这表明当流通

股本小于 5000 万或大于 1.5 亿时，相对价差对流通股本的大小是不敏感的，而

当流通股本介于这两者之间时，随着流通股本的增大，相对价差越来越小。整体

上看，流通股本越大，则相对价差越小，股票的流动性也越好。

17

0

0.5

1

1.5

2

2.5

有效价差

(1000,3000] (3000,5000] (5000,8000] (8000,15000] (15000,30000] (30000,100000]

流通股本

均值

中值

图 3－9 不同流通股本的有效价差

从图 3-9 和表 3-5 可以看出，随着流通股本的变大，股票的有效价差依次减

小。Wilcoxon 秩和检验表明这种趋势在统计上是显著的。

0

0.2

0.4

0.6

0.8

1

1.2

比例有效价差

(1000,3000] (3000,5000] (5000,8000] (8000,15000] (15000,30000] (30000,100000]

流通股本

均值中值

图 3－10 不同流通股本的比例有效价差

从图 3-10 和表 3-5 可以看出，流通股本小于 5000 万的两组股票的比例有效

价差没有显著差异，流通股本大于 1.5 亿的两组股票的的比例有效价差也没有显

著差异，而处于中间的四组股票的比例有效价差随着流通股本的增加依次减小。

这表明当流通股本小于 5000 万或大于 1.5 亿时，比例有效价差对流通股本的大

小是不敏感的，而当流通股本介于这两者之间时，随着流通股本的增大，比例价

差越来越小。整体上看，流通股本越大，则比例有效价差越小，股票的流动性也

越好。

18

0

5

10

15

20

25

30

报价深度

1

(1000,3000] (3000,5000] (5000,8000] (8000,15000] (15000,30000] (30000,100000]

流通股本

均值

中值

图 3－11 不同流通股本的报价深度 1

0

20

40

60

80

100

120

140

报价深度2

(1000,3000] (3000,5000] (5000,8000] (8000,15000] (15000,30000] (30000,100000]

流通股本

均值

中值

图 3－12 不同流通股本的报价深度 2

从图 3-11、图 3-12 和表 3-5 我们可以看到，随着流通股本的增大，股票的

报价深度基本上呈现越来越大的特征。这说明流通股本大的股票从深度角度看流

动性要好于流通股本小的股票。

通过按流通股本大小分组进行流动性指标的分析，我们可以得到如下的结论:

在上海股票市场，无论从买卖价差还是报价深度看，流通股本大的股票的流动性

都优于流通股本小的股票，这一特征对流通股本介于 5000 万和 3 亿之间的股票

尤其明显。但对于流通股本比较小(小于 8000 万)或比较大(大于 1.5 亿)的股票而

言，其价差和深度的差别并不明显，价差指标和深度指标对流通股本并不敏感。

19

3.5 市场流动性描述性统计的主要结论

通过对上海市场买卖价差指标和深度指标的描述性统计和分组统计，我们主

要得到以下结论:

(1)上海市场的平均绝对买卖价差为 0.0264 元，相对价差为 0.169%，有效

价差为 0.0138 元，比例有效价差为 0.0882%，最优买价和最优买价形成的平均

报价深度为 14.71 万元，前三档买价和前三档卖价形成的平均报价深度为 53.44

万元。

(2)对照采用做市商制度的纳斯达克市场，采用竞价制度为主，专家制度为

辅的纽约股票交易所，采用和上海相同的电子竞价机制的香港市场，我们发现上

海市场的流动性居于国际领先水平，相对价差，比例有效价差都明显小于国外市

场。

(3)买卖价差很底的主要原因可能是因为上海市场散户投资者的买卖委托量

非常巨大，大量竞争性的买卖委托使上海股市的买卖价差维持在较低水平。这也

表明，目前的电子竞价交易机制符合中国股市的具体运行环境，是一种高效率、

低成本的交易方式。

(4) 在上海股票市场，从买卖价差和报价深度看，低价格股票的流动性优于

高价格股票，尤其是对价格低于 12 元的股票，其流动性要好于 16 元以上的高价

股。

(5) 在上海股票市场，从买卖价差和报价深度看，流通股本大的股票的流动

性优于流通股本小的股票，这一特征对流通股本介于 5000 万和 3 亿之间的股票

尤其明显。

4 最小报价单位(tick size)的实证研究

4.1 引言

20

最小报价单位(tick size)是指证券交易时报价的最小单位，它规定了两个不同

的价格下委托价格的最小距离。最小报价单位的大小对市场的影响主要表现在:

(1)报价单位越大，买卖价差也就越大，在关于买卖价差的决定因素中，报价

单位是一个重要的决定因素。

(2)在交易者可以自由选择交易价格的条件下，大的最小报价单位可能排除

一部分交易的发生。最小报价单位的存在使得价格产生了不连续性，

Demsetz(1968)认为，如果最小报价单位太大，交易就不能完成。

(3)报价单位太小也会降低市场的及时流动性，一个过小的最小报价单位会

降低市场的深度。

(4)对不同的投资者，其对最小报价单位的偏好不同。交易量很小的个体交

易者更愿意有较小的价差，而大额交易的机构投资者可能对良好的市场深度更感

兴趣。如果一个很小的最小报价单位能导致一个很小价差但却损害了市场深度，

那么大额交易的投资者可能更加偏好较大的最小报价单位。

从已有的研究看，关于最小报价单位的大小一直是一个公开争论的问题。一

个大的最小报价单位会使买卖价差人为地扩大，由于较大的交易成本，减少了市

场参与者交易的意愿，结果减少了市场流动性。减少最小报价单位将有助于增强

流动性提供者之间的竞争，减少买卖价差，这将有利于流动性地需求者。但是，

一个较小的报价最小单位会产生较高的协商成本（negotiation costs），或者对采

用限价委托单交易的投资者不能提供足够地价格保护，从而挫伤投资者的积极

性，结果减少了流动性提供者提供流动性的动机。较大的报价最小单位之所以能

够减少协商成本是因为它减少了可能的交易价格的范围，投资者为了获得价格优

先必须对其价格进行显著的改进。结果，尽管较大的最小报价单位人为地扩大了

买卖价差，但同时也减少了协商成本，增加了对限价委托单的保护，从而能够改

进市场的流动性。

目前世界主要交易所一般采用根据价格水平来调整的阶梯型最小报价单

位制度(见表 4.1)。 表 4－1 国际主要交易所的最小报价单位

国际主要交易所的最小报价单位 单位:所在国货币

股票价格 纽约(NYSE) 澳大利亚(ASX) 巴黎(Paris) 东京(TSE) 香港(HSE)

0.00-0.10 0.01 0.005 0.01 1.00 0.001

21

0.10-0.25 0.01 0.01 0.01 1.00 0.001

0.25-0.50 0.01 0.01 0.01 1.00 0.005 0.50-1.00 0.01 0.01 0.01 1.00 0.010

1.00-2.00 0.01 0.01 0.01 1.00 0.010

2.00-5.00 0.01 0.01 0.01 1.00 0.025

5.00-10.00 0.01 0.01 0.05 1.00 0.050

10.00-30.00 0.01 0.02 0.05 1.00 0.050

30.00-50.00 0.01 0.02 0.05 1.00 0.100 50.00-100.00 0.01 0.05 0.10 1.00 0.250 100.00-200.00 0.01 0.05 0.10 1.00 0.250

200.00-500.00 0.01 0.05 0.10 1.00 1.000 500.00-1000.00 0.01 1.00 1.00 1.00 1.000

1000.00 以上 0.01 1.00 1.00 10 2.500

资料来源:转引自杨之曙，冯锦锋:《证券市场导报》2001 年第 11 期

我国证券市场对 A 股股票实行的是固定的最小报价单位，所有股票的最小

报价单位都设定为 0.01 元。目前我国股票的价格主要集中在10-20 元之间，但

也有一部分 5元以上下和 30 元以上的股票，固定的 0.01 元的最小报价单位是否

合理，是值得深入分析的问题，特别是随着我国股票市场的发展，股票价格的分

散程度可能会越来越大，如何利用好最小报价单位这把影响市场流动性的双刃

剑，是值得关注的问题。在本部分我们将对上海市场目前的交易中有关最小报价

单位的一些统计特征进行分析，并对目前的最小报价单位制度做出评价，并提出

政策建议。

4.2 文献综述

关于最优最小报价单位研究文献，从研究方法上分类，可以分为理论研究

和实证研究。在理论研究中，可以分为如下几类：第一类认为最小报价单位的

大小起源于流动性提供者之间类似 Betrand 的价格竞争模型所描述的竞争导致

的市场摩擦(Anshuman 和 Kalay(1998)，Bernhardt 和 Hughson(1996)，Kandel 和

Marx(1996))；第二类研究将最小报价单位等同于协商成本的观点模型化（Brown，

Laux，Schachter（1991），Cordella，Foucaultl(1996)）；第三类研究最小报价单位

与为委托单流量所支付的成本（Payment for order flow）之间关系（Chordia 和

Subrahmanyam，(1995)，Battalio 和 Holden(1996)）；第四类研究认为，尽管较小

的报价单位将降低价差，但是同时也降低了深度（因此降低了市场的流动性），

22

原因在于提供流动性的边际利润下降（Seppi，1997，Harris(1994)）。

对最小报价单位的实证研究一直是市场微观结构研究中的重要领域。随着日

内数据库(intra-da data)的建立和计算机数据处理能力的提高，研究人员已可以从

事这项工作，而在 10 年以前，这样的工作几乎不可能进行。

对最小报价单位和市场流动性的影响的研究是与交易所交易规则的变化联

系在一起的。对最小报价单位对市场流动性的影响的研究，主要是围绕纽约证券

交易所，纳斯达克市场，美国证券交易所等世界主要交易所而展开的。

Peake(1993)，Hart(1993)和 Ricker(1993，1996)对纽约证券交易所的 1/8 美元报价

单位进行了研究。事实上，所有的研究人员都同意报价单位越小则报价价差

（quoted spread）越小的观点。如果价差减小，投资者买卖股票的交易成本将会

降低。同样，研究人员也赞同随着买卖价差的减小市场深度可能会下降。这样，

如果报价价差缩小但交易量也同时下降，那么市场的流动性如何变化还是不确定

的：一般来说，对小额交易的投资者有益；而对大额交易的投资者则未必。

Harris(1994)指出，NYSE 和 AMEX 的最小报价单位对市场流动性有显著影响。

他分析了最小报价单位变化对相对价差，交易量和市场深度的影响，并且估算了

将最小报价单位从 1/8 美元降到 1/16 美元的效果。研究结果发现对股价低于 10

美元的股票，降低最小报价单位降导致相对价差减少 36%，交易量增加 30%，深

度降低 15%，由于交易成本和深度成反比关系，很难确定是否一个较小的报价单

位能够增强总的市场流动性。Harris 的结论得到了接下来的一系列实证研究，例

如Harris(1996，1997))，Bacidore(1997)，Porter和Weaver(1997)，Goldstei和Kavajecz

(1999)，Jones 和 Lipson(1999)的支持。

Harris(1991，1992，1994)发现 NYSE 和 AMEX 中最小报价单位对市场流动

性有非常显著的影响。Harris(1994)发现，在 NYSE，如果最小报价单位变小，那

么买卖价差（bid/ask spread）会有显著的减小，但另一方面，在买卖价差减小的

同时，市场深度也会下降。利用斯德哥尔摩证券交易所（SSE）的数据，Niemeyer

和 Sandas(1994)发现最小报价单位减小会明显降低深度，特别是对那些流动性好

的股票。

1997 年 7 月 24 日，纽约证券交易所把最小报价单位从 1/8 美元调整到 1/16

美元，这是有两百多年历史的纽约证券交易所第一次降低最小报价单位。Goldstein

23

和Kavajecz(2000)研究了 1997 年 6月 24日纽约交易所最小报价单位从 1/8 减少为

1/16 后市场流动性的影响。研究发现报价价差平均减少了 38%，深度减少了 15%。

研究还表明价差和委托单簿上的累积深度的同时减少使得流动性的需求者进行

小额交易时有利而进行大额交易时不利。

1997 年 7 月 2 日，纳斯达克改革了它的报价单位，既对股价在 10 美元以上

的股票的报价单位从 1/8 美元降到 1/16 美元。一分关于纳斯达克的研究报告

（1997）表明：对于那些成交活跃且股价在 10~20 美元之间的股票，买卖价差平

均下降了 17.9%；而股价在 20 美元以上的股票，买卖价差平均下降了 16.2%。深

度也分别下降了 13.9%和 12.4%。

Ahn，Cao 和 Choe(1996)研究了 1992 年 9 月美国证券交易所股价在 1~5 美元

之间的股票的最小报价单位从 1/8 美元降到 1/16 美元的情况。大部分交易活跃的

股票的交易成本下降了 18.9%。1995 年 2 月，美国证券交易所把股价在 5~10 美

元的股票的最小报价单位从 1/8 美元调整到 1/16 美元。Chakravarty和 Wood(2000)

对 2000 年 8 月 28 日美国证券交易所和纽约证券交易所采用小十进制报价进行了

实证研究。他们选取 13 只股票分析他们在最小 报价单位采用十进制报价前后市

场的变化情况。采用的数据为该组股票在十进制报价之前 15 天和十进制报价实

施之后 10 天的实时交易数据。研究结果表明，在十进制实施后，买卖价差出现

了大幅度下降：美国证券交易所交易的股票平均下降了 47%，纽约证券交易所的

股票平均下降了 38%。同时，他们也发现地区性的交易所（如辛辛那提，波士顿，

芝加哥）的报价频率（quote frequency）显著上升，平均上升了 54%。而对深度

而言，美国证券交易所和纽约证券交易所分别下降了大约 19%和 5%。

Bacidore(1997)研究了多伦多股票交易所 1996年 4月 15日最小报价单位转为

十进制报价后对市场质量的影响。他发现，对那些最小报价单位从 1/8 美元减为

5 美分的股票，采用十进制后价差减少了，但是流动性却没有受到影响，同时，

这些股票的交易量也没有增加。对那些最小报价单位从 5 美分减少为 1 美分的股

票，采用十进制后对市场质量几乎没有影响。Ricker(1997)对平均节约的交易成本

进行了量化，他通过几种方法测量出每股节约 1.7 美分。

Niemeyer(1997)研究了斯德哥尔摩证券交易所一些比较活跃的股票 1991 年

11 月 3 日到 1992 年 1 月 17 日期间交易日的交易数据。研究发现，首先，较高的

24

最小报价单位对应着一个较大的买卖价差，因而对市场流动性是有害的。其次，

随着最小报价单位的增大，市场深度相应增大，从而市场的总体流动性的影响效

果是不确定的。最后，他发现有充分的证据表明较高的最小报价单位对应着较低

的交易量。该发现类似于 Harris(1994)对 NYSE 的实证研究。Niemeyer 的研究还

发现，尽管斯德哥尔摩证券交易所是委托单驱动型的交易制度，但是同纽约证券

交易所的报价驱动型的交易制度相比，最小报价单位在委托单驱动型市场中同样

重要。而且最小报价单位的降低总会对小额交易者有利，因而他们总会从减小买

卖价差中获益。然而，较大的买卖价差的负面影响可以被大额交易者的市场深度

增加而抵消。当然，降低最小报价单位显然有利于上市公司，因为这降低了他们

的融资成本（交易成本降低）；也有利于证券交易所，因为交易量会大幅上升。

4.3 上海市场最小报价单位的实证分析

根据国外大部分证券市场的实践，最小报价单位的设计一般是与股票的价

格水平联系在一起的，如香港交易所按不同的价格水平将股票分为10档，在不同

的价格水平下的股票，其最小报价单位从0.001港元到2.500港元不等。股票的价

格越高，最小报价单位也越大。

上海市场目前采用的股票最小报价单位是独立于价格水平的，统一规定为

0.01 元。目前上海股票的价格一般在 10-20 元之间，从价格水平和最小报价单

位的比较看，与许多国外交易所相比，上海市场目前采用的最小报价单位是很小

的。由于目前股票的价格从 3元到 70 元不等，我们接下来考察不同价格水平下

最小报价单位的表现。

我们将上海 A股股票按样本期间股票的平均收盘价将样本股票分为5组:第 1

组为价格水平在(0，7 元)的股票，第 2组为价格水平在(7，12)的股票，第 3组

为价格水平在(12，20 元)的股票，第 4 组为价格在(20，30)的股票，第 5 组为

(30，100)的股票。

最小报价单位对股票流动性的影响，主要体现在买卖价差和报价深度两个方

面。最小报价单位越小，买卖价差越小，但深度可能会下降;最小报价单位越大，

买卖价差越大，但深度可能会提高。一个合理的最小报价单位，应该均衡流动性

的两个方面，满足不同交易者的需要。

我们首先从买卖价差的角度来分析。根据计算结果(见表 4-2)，随着股票价格

的上升，买卖价差(bid-ask spread)达到最小报价单位 0.01 元的频率越来越低

25

(见图 4-1)。对价格低于 7 元的低价股票来说，买卖价差达到最小报价单位 0。

01 元的频率高达 91.2%，而对于价格高于 30 元的高价股票来说，买卖价差达到

最小报价单位的频率只有 13.8%，而且这不是这些高价股出现最多的买卖价差，

价格高于 30 元的股票出现最多的买卖价差 0.02 元，出现的频率为 20.54%。

从报价深度的角度看，低价股的深度是最大的，可能的原因有(1)低价股的

流通股本比较大。(2)与其它高价格股票相比，最小报价单位相对而言比较大。

我们知道大的最小报价单位可以提高股票的深度。

0

20

40

60

80

100

120

3.67

7.79

9.15

9.97

10.5

11.1

11.7

12.2

12.6

13.1

13.6

13.9

14.6

15.1

15.6

16.1

16.6

17.5

18.3

19.3

19.9

21.3

22.8

25.5

31.2

价格水平

tick

size

的出现频率

图 4－1 买卖价差中最小报价单位出现的频率与价格水平的关系

与价格水平低于 7元的低价股相比，高于 30 元高价股的报价深度明显非常

小。尽管价格水平高价股是低价股的 6倍，但报价深度却是低价格股票的 1/4，

主要原因可能是流通股本的差距，在我们的样本中，低价格股票的流通股本是高

价格股票流通股本的 13 倍多。

综合低价格股票在买卖价差和报价深度两方面的特征，我们认为这类股票的

最小报价单位有过大的可能性，但鉴于样本数目很少(低价格股票和高价格股票

分别只有 19 个和 10 个)，而且其中存在象中国石化(600028)这样价格和股本都

比较特殊的股票，我们的研究还很难对最小报价单位的合理性得到肯定的结论。

但通过这里的实证分析，我们可以对上海市场的最小报价单位对买卖价差和报价

深度的影响有一定的认识。

表 4－2 最小报价单位与股票流动性的相关统计

26

价格水平 第 1 组 第 2 组 第 3 组 第四组 第 5 组

样本数目 19 153 352 100 10 平均价格 5.83 10.16 15.51 23.59 37。91

流通股本(10 7 ) 56.60 16.31 9.23 7.51 4.51

价差达到最小报价单位频率的均值

91.20%

70.72%

47.98%

31.35%

13.82%

价差达到最小报价单位频率的中值

91.06% 69.73% 48.35% 30.76% 14.14%

价差达到最小报价单位的频率的标准差

5.32% 8.51% 12.01% 9.87% 4.56%

价差 0。8 分位数中值 0.01 0.02 0.03 0.05 0.09

价差 0。9 分位数中值 0.01 0.03 0.05 0.08 0.13 价差 0。95 分位数中值 0.02 0.04 0.07 0.10 0.19 价差 0。99 分位数中值 0.03 0.06 0.12 0.21 0.31

出现频率最多的价差 0.01 0.01 0.01 0.01 0.02 出现的次数的均值 91.20% 70.72% 47.98% 31.35% 20.54%

深度 1 均值(万元) 60.91 14.88 12.50 13.00 15.46

深度 2 均值(万元) 263.21 59.11 31.25 29.61 47.16 说明:按样本期间股票的平均收盘价将样本股票分为 5 组:第 1 组为价格水平在(0，7 元)的股票，第 2 组为价格水平在(7，12)的股票，第 3 组为价格水平在(12，20 元)的股票，第 4组为价格在(20，30)的股票，第 5 组为(30，100)的股票。

4.4 最小报价单位问题的主要结论

通过对上海市场的限价指令和最小报价单位关系的分析，我们得到有关最小

报价单位的主要结论是:

(1)股票买卖价差(bid-ask spread)达到最小报价单位0.01元的频率与其价

格水平高度负相关。股票价格越低，买卖价差达到最小报价单位的次数也越频繁。

对价格低于 7 元的股票，其买卖价差保持在 0.01 元的频率高达 91.2%，而价格

高于 30 元的股票这一频率则下降为 13.8%。

（2）对价格水平高于 30 元的股票，其最有可能出现的买卖价差不是最小报

价单位 0.01 元，而是 0.02 元。这说明对价格很高的股票而言，适当提高最小报

价单位是合理的，可能会通过增加深度，但又不过分影响买卖价差来促进这类股

票的流动性。

27

5 流动性的日内特征研究

5.1 引言

交易活动的日内特征表明在交易日内不同时期价格包含了不同的信息，因为

信息总是反映在价格之中，交易活跃的时间会反映更多的信息。最早的研究是

Wood，Mcinish 和 Ord(1985)，他们发现无论是平均收益率还是标准差，日内模

式都是与有效市场假设不一致的。

国际主要证券交易市场的日内流动性特征都已经有系统的研究。Jain 和

Joh(1988)对 NYSE 市场的研究发现，日内的交易活动(Trading activity)呈现明

显的 U-形，即每天在开盘附近和收盘附近交易行为活跃，而在中间的时段交易

活动较低。Handa(1992)利用 NYSE 和 AMEX 数据发现日内买卖价差也呈现 U-形形

态。Handa(1992)发现 NYSE 和 AMEX 市场的日内买卖价差呈现 U-形，市场在早上

开盘后和收盘前价差较大中间时刻价差较小。此外 Handa 还发现在收盘前价差先

大幅上升，而收盘时又有大幅下降。Jonas Niemeyer 和 Patrik Sandas(1995)

对瑞典市场发现开盘时价差较大，但收盘时未见有上升。

目前对上海市场的日内流动性特征还缺乏系统性的研究，本节希望通过对上

海市场的日内高频交易数据的分析，来确定上海市场的日内流动性特征，并对影

响因素进行分析。

5.2 文献综述

用来解释日内买卖价差特征的理论主要有三种。第一种理论是非对称信息理

论，这种理论认为买卖价差的大小反映了信息非对称的程度。第二种理论认为在

日内不同时间流动性的需求弹性不同，而流动性供给者发现这些差别的能力也不

同，在开始交易不久和临近交易结束时流动性需求往往是缺乏弹性的，这导致了

28

这些时段内价差的增大。第三种理论是从存货风险的角度来解释日内价差的变

化，但这往往是针对做市商市场的。

日间流动性理论是以知情交易者和非知情交易者的策略博弈为基础的，这些

理论提出了交易量，波动性，交易成本等之间的关系。Admati和 Pfleiderer(1988)

提出在交易量最大的时候交易成本最低，因为当交易量很大时做市商之间的竞争

会降低价差。Foster 和 Viswanathan(1990)认为在周一时买卖价差的逆向选择成分

是一周中最大的，这是因为这一天的交易包含了周末没有交易的时期的信息的累

积。

5.3 实证分析

5.3.1 日内特征的描述性统计

为了研究流动性在一天内随时间变化的规律，我们以十分钟为时间窗口，将

股票一天的交易时间(240 分钟)等分为 24 个时段，分别计算每一时段内各股票的

平均买卖价差，报价深度和交易量。最后将样本股票在该时段的平均买卖价差，

深度，交易量再进行平均，得到市场在这一时段的平均流动性指标。其中交易量

我们用该时间区间内的成交金额占该日总成交金额的比例来表示。

从下面的图 5-1，图 5-2，图 5-3，图 5-4 可以发现，上海股市的买卖价差(无

论是绝对价差还是相对价差)大致呈“L”型曲线，报价深度呈倒”L”型，而交易

量则呈现”N”型。在开盘时的买卖价差是一天中最大的，深度和交易量是最小的。

开盘交易的十分钟内，委托数量很少，深度非常小，一般在日内平均深度 50%

以下，价差也非常大。在从 9:30 到 10:30 的时间里，深度迅速增加，买卖价差迅

速缩小，交易量在有一个大的上升后迅速趋于平稳。到 10:30 以后市场深度，买

卖价差，交易量基本收敛到一个稳定的水平。在接近中午市场休市的最后 20 分

钟内，委托数量有一个减少的趋势，深度有所下降，而成交量则有明显的下降。

下午重新开始交易时，市场深度较之上午有一个明显的增加，并且持续增加，直

到 14:00 左右又达到一个稳定的水平，买卖价差保持在一个相同的水平上。交易

量则平稳上升。在接近收盘的最后 20 分钟内，市场深度又开始下降，而且这个

下降的趋势比上午休市前的下降更为明显，幅度也更大。而交易量则呈现明显的

大幅上升，在收盘的最后 10 分钟内的交易量是一天中最大的。买卖价差则呈现

平稳的状态，没有明显的变化。

29

总体上看，我们可以归纳出日内流动性的如下几个特征：（1）上海股市的买

卖价差(无论是绝对价差还是相对价差)大致呈“L”型曲线，在开盘后的一段时

间内价差迅速下降，此后呈现出平稳的状态。（2）报价深度呈倒”L”型，在开盘

后呈明显的上升状态，此后基本维持在一个相同的水平上，下午比上午略大。（3）

交易量在日内呈现”N”型，同集合竞价相比，开盘后的 10 分钟交易量比较大，

此后维持在类似的水平，在接近中午休市时交易量有所下降，下午继续交易后交

易量呈逐渐增加，收盘的最后 10 分钟交易量非常大，总体上看，下午的交易量

明显大于上午。

0

0.001

0.002

0.003

0.004

0.005

0.006

开盘

9:30-9:40

9:40-9:50

9:50-10:00

10:00-10:10

10:10-10:20

10:20-10:30

10:30-10:40

10:40-10:50

10:50-11:00

11:00-11:10

11:10-11:20

11:20-11:30

中午休市

13:00-13:10

13:10-13:20

13:20-13:30

13:30-13:40

13:40-13:50

13:50-14:00

14:00-14:10

14:10-14:20

14:20-14:30

14:30-14:40

14:40-14:50

14:50-15:00

时间

相对价差

图 5－1 相对价差的日内分时特征

0

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09

开盘

9:30-9:40

9:40-9:50

9:50-10:00

10:00-10:10

10:10-10:20

10:20-10:30

10:30-10:40

10:40-10:50

10:50-11:00

11:00-11:10

11:10-11:20

11:20-11:30

中午休市

13:00-13:10

13:10-13:20

13:20-13:30

13:30-13:40

13:40-13:50

13:50-14:00

14:00-14:10

14:10-14:20

14:20-14:30

14:30-14:40

14:40-14:50

14:50-15:00

时间

绝对价差

30

图 5－2 绝对价差的日内分时特征

0

20000

40000

60000

80000

100000

120000

140000

160000

180000

开盘

9:30-9:40

9:40-9:50

9:50-10:00

10:00-10:10

10:10-10:20

10:20-10:30

10:30-10:40

10:40-10:50

10:50-11:00

11:00-11:10

11:10-11:20

11:20-11:30

中午休市

13:00-13:10

13:10-13:20

13:20-13:30

13:30-13:40

13:40-13:50

13:50-14:00

14:00-14:10

14:10-14:20

14:20-14:30

14:30-14:40

14:40-14:50

14:50-15:00

时间

报价深度

图 5－3 报价深度的日内分时特征

0

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09

开盘

9:30-9:40

9:40-9:50

9:50-10:00

10:00-10:10

10:10-10:20

10:20-10:30

10:30-10:40

10:40-10:50

10:50-11:00

11:00-11:10

11:10-11:20

11:20-11:30

中午休市

13:00-13:10

13:10-13:20

13:20-13:30

13:30-13:40

13:40-13:50

13:50-14:00

14:00-14:10

14:10-14:20

14:20-14:30

14:30-14:40

14:40-14:50

14:50-15:00

时间

成交量所占比例

图 5－4 交易金额的日内分时特征

5.3.2 买卖价差影响因素的回归分析

对个股而言，买卖价差与其股价水平、股价波动性、交易活跃性等因素密切

相关。为此，我们每天对下式进行横截面回归分析，然后计算研究期间所有交易

日的回归系数平均值。

其中，Spread 为股票 i 在某交易日的平均买卖价差，Std 为前十个交易日日

收益率的标准差，Price 为当天的每分钟平均价格水平，Vol 为当天交易数量，

Turnover 为当天的换手率，Quantity为当天的每分钟平均买卖委托数量。

上述横截面回归分析将获得一系列γ的估计值，它们的检验值可表示为：

iiiiiii QuantityTurnoverVoliceStdSpread δγγγγγγ ++++++= 543210 Pr

( ) ( )N

rSr

tj

jj =γ j=0,1,2,3,4,5

(5-2)

(5-1)

31

如果上述检验值大于临界值，那么可认为系数估计值显著异于零，即该变量

对买卖价差具有一定影响。

回归分析结果列于表 5-1。从中可以发现，标准差、绝对价格水平和买卖委

托量对价差具有显著影响。其中，波动性越高的股票买卖价差也越大，这主要是

因为高波动性意味着较高的价铬变化频率和幅度，价铬变化的连续性较差，从而

导致买卖价差增大。价铬水平对买卖价差具有负向影响，即高价股的买卖价差较

小，而低价股的买卖价差较大，这是因为目前上海股市的最小报价单位均为 1

分钱，对低价股而言人为加大了买卖价差。此外，在竞价市场中，买卖委托数量

越大，竞争程度越激烈，买卖价差将越小，因此委托数量对价差具有正向影响。

表 5－1 买卖价差的影响因素回归分析

0γ 1γ 2γ 3γ 4γ 5γ R2 D－W 值

1.34E-03 (26.45)

9.04E-03 (4.589**)

-5.08E-6 (2.81**)

-4.62E-8 (0.93)

7.05E-4 (0.25)

-4.56E-8 (7.55**)

0.27 1.87

注：括号内为统计变量的 t 检验值。**表示回归系数在 99%的置信水平下显著异于零。D-W

统计值表明回归式不存在残差相关现象。

5.4 从非对称信息角度的解释

为什么日内的委托深度呈现倒 L-形模式而买卖价差呈现 L形模式？对日内

流动性模式的解释，Brock 和 Kleidon(1992)认为流动性之所以在开盘后和收盘前

比较差，主要是因为不同时点交易者的流动性需求弹性不同，而流动性供给者（做

市商）鉴别能力也不同，他们假设流动性需求者在开盘和收盘附近时对流动性是

缺乏弹性的，这使得垄断的流动性供给者在这些时刻可以提高价差或者减小报价

深度；存货成本理论(Stoll，1978;Ho，Stoll，1981)认为造成日内流动性模式的主

要原因是做市商在平衡持有的证券与期望的最优持有量时造成的；非对称信息理

论 (Copeland，Galai，1983;Glosten，Milgrom，1985)认为由于开盘和收盘附近

的信息不对称程度较之其他时点更大，交易者的逆向选择成本导致了流动性下

降，逆向选择成本指交易者由于可能同知情交易者(informed traders)进行交易而

带来的期望损失。

从我国交易机制的特点和市场发展的特点看，由于信息披露机制的不完善和

监管手段的缺乏，我国投资者之间存在严重的信息不对称性 (陈信元，1999；施

东晖，2001)。我们认为信息的非对称性可能是影响日内报价深度的主要因素。

32

采用 Lin，Sasnger，Booth(1995)提出的分解方法，我们首先对买卖价差(bid-ask

spread)中所包含的非对称信息部分进行估计。对每一个股票按下面的方程进行回

归分析:

11 ++ +=∆ ttt ezQ λ

其中 tQ 是 t时刻的买入价(bid)和卖出价(ask)的中值(midpoint)的对数，即

( )

+= askbidQt 2

1ln ， tz 是实际交易价格(对数) tp 与 tQ 的差，即 ttt Qpz −= ln ，

λ 是价差中由非对称信息造成的部分， 1+te 是服从正态分布的随机噪音项。

对样本中的每一个股票进行回归分析，表 5-2 给出了平均的回归结果。可

以发现，在 100 个公司的回归分析中，有 95%的回归满足 λ̂ >0 且 t-统计值在 0. 01

下显著，买卖价差中平均的逆向选择成分是 0.3621 ，这一数字低于做市商市场

的逆向选择成分 0.43(Stoll，1989)，这是因为在作市商市场中股票的大部分交易

都是通过做市商完成的，因此做市商为了弥补同潜在的知情交易者进行交易带来

的损失，所以在价差中很大一部分来自对这种信息非对称的补偿，因此其非对称

信息部分要高于指令驱动市场，但我国市场的非对称信息部分要高于香港的

0.3115(Brockman，Chung，1999)。

我们将 100 个样本股票按其信息非对称的程度( λ̂ )进行排序，信息非对称程

度最小(即 λ̂ 最小的 25 个股票)的 25 个股票分为第 1 组，依次产生第 2，3，4 组，

然后分别计算各组的日内深度的均值和中值。如预期的一致，随着信息非对称程

度的增强，市场深度明显下降，对四个组进行参数 F-检验和非参数的

Kruskal-Wallis 检验都拒绝四个组的均值无差异的假设。对相临两组我们还进行

了参数 t-检验和非参数的 Wilcoxon秩和检验(Wilcoxon rank sum test)，都拒绝了

两组数值无差异的假设。

(5-3)

33

表 5－2 对买卖价差中逆向选择成分的估计

样本股票数目 100

平均(中值)调整- 2R 0.1135(0.1098)

平均(中值)的系数估计 λ̂ 0.3621(0.3705)

平均(中值)的系数估计 λ̂ 的 t-统计值 23.30(21.62)

满足 λ̂ >0 且 t-统计值在 0.001 下显著的股票数目（比例） 95 (95.00%)

说明：1。对每一个股票按方程(2)进行回归分析，这里报告的是这 100 次回归的平均状况。

表 5-3 按λ （信息非对称的程度）进行排序的四分位（quartiles）样本股票的深度

股票数目 深度的均值 深度的中值

第 1 组股票 25 335820 156274

第 2 组股票 25 219615 93806

第 3 组股票 25 142138 68461

第 4 组股票 25 117842 52960

说明： 。第 1 组股票是λ 最小的 1/4 股票，第2 组是从小到大紧接第 1 组的 1/4 股票，第 4

组是λ 最小的 1/4 股票，第 3 组是其余 1/4 股票。

为了进一步检验上述结论的稳健性，我们依然引入同第三部分一样的控制变

量，对下面的方程进行回归分析:

tk

tkktttt quartilepricevolDepth εδβββα +++++= ∑=

4

2,321 var

其中 Depth 为 10 分钟的时间段内股票的平均深度，vol 为这一时间段内的交

易量，var为这一时间段内股票分钟收益率的方差， kquartile 为分别代表第 2，3，

4 组股票的虚拟变量。回归结果见表 5-4。

从回归结果中可以看出， vol ， var， price 这几个控制变量依然是保持同

样的符号且显著，而虚拟变量 kquartile 的回归系数显著为负且依次增大，对

kquartile 之间是否相等的假设进行的 F-检验都拒绝了原假设，这表明在考虑了其

他因素的影响后，信息的非对称程度依然是解释深度变化的重要因素。信息非对

称不仅影响着买卖价差的大小， 深度随着信息非对称程度的增加而减小。

(5-4)

34

表 5－4 对深度进行控制变量和非对称信息成分λ 进行回归的结果

变量 变量的系数 系数的估计值 t-统计值

截距 α 3.2150 *** 450.65

Vol 1β 0.3471 *** 120.96

Var 2β -0.2084 *** -291.57

Price 3β 0.2570 *** 95.36

quartile2 2δ -0.3340 *** -193.62

quartile3 3δ -0.4288 *** -407.81

quartile4 4δ -0.5176 *** -473.42 回归的整体检验

调整2R : 0.4471 F-值: 3672.64

系数的检验

H 0 : =2δ 3δ F-值: 1820.15 ;

H 0 : =3δ 4δ F-值: 575.93 ;

H 0 : =2δ 3δ 04 == δ F-值: 32190.67

说明：1.在回归中非虚拟变量都取其对数值

2.回归中采用了 White(1980)的异方差校正技术，第 4列为方差一致的 t-值。

3. ***，

**，

*分别表示检验在 1%，5%，10%下是显著的。

6 交易量的价格影响研究

6.1 引言

前面我们分析了我国股票市场日内流动性的分时特征和影响因素，从非对称

信息的角度进行了解释。市场流动性是一个由交易价格，交易量和交易时间三个

因素共同决定一个市场特性，本部分将从交易量对价格影响的层面对市场运行质

量进行研究。

在投资者将目前的投资组合转换为目标投资组合的过程中，交易量对价格移

动的影响是一个不可忽略的因素，即交易成本(Transaction costs)问题是投资者，

特别是机构投资者要考虑的问题。从一定意义上说，“所谓流动性问题，就是将

35

交易成本控制在可以接受的范围内”（Madhavan，1995）。

市场质量的一个重要的方面体现在基于信息驱动的交易（information-based

trading）的价格影响程度上。同样大小的交易量，对股票价格的影响的幅度是不

同的，这与交易人群中潜在知情交易者的比例，当前交易者是知情交易者的概率

（也就是观察到私有信息的信号）有关。拥有内幕信息的交易者由于逆向选择

（adverse selection）的存在总是给其他市场参与者增加流动性成本。交易中的逆

向选择成本可以用交易的价格影响来度量。

然而对美国市场以外的研究，特别是指令驱动市场中价格形成过程的研究相

对比较少，同由做市商直接提供交易价格相比，在指令驱动的市场中，投资者通

过自愿提交限价指令来提供市场的流动。

在本部分我们将研究在沪深股市这样的指令驱动市场中交易量对价格影响的

横截面分析和日内效应(time-of-the-day)，我们的研究发现，在上海市场中，决定

交易量对价格影响时，信息非对称因素比存货因素更重要，横截面回归显示市场

深度与股票市值，换手率，交易价格，交易噪音正相关。

6.2 文献综述

交易的价格影响是一个对投资者非常重要的问题，但是又无法明确度量的问

题，正是在这个意义上，交易的价格影响被称为金融市场中的“海森堡测不准原

理”（Market impact is the financial analog of the Heisenberg uncertainty principle）。

对基金管理者来说，在大笔交易的过程中由于流动性造成的交易成本可能会

改变原来的期望收益率。比如， Laknonishok，Shleifer，Vishny(1992)对美国基

金经理的研究，Malkiel(1995)的研究都表明基金以何种交易成本买入资产组合

（即当前股票的价格和实际买入的成本价）的交易成本对资产组合的实际收益率

产生不可忽略的影响。Laknonishok，Shleifer，Vishny(1992)的研究表明美国主动

投资型（Active equity managers）的业绩比 S&P500 平均低 1%到 2%，Jack Treynor

指出主要原因在于交易时的交易成本问题，或者说流动性问题。

目前大部分研究多是针对报价驱动的市场的价格影响。比如，目前 Madhavan

和 Smidt(1991)的研究发现在影响交易价格的因素中信息影响比存货影响更为重

要。Hasbrouck（1991a，b）发现价格影响与股票的市值负相关。Glosten 和

Harris(1988)，Brennan 和 Subrahmanyam(1995)的研究认为交易量对价格的影响程

36

度与交易活动(Trading activitys) 负相关。

6.3 研究模型

6.3.1 主动买入和主动卖出的鉴别模型

在分析价格影响时，需要分析交易的完成过程是主动买入（buyer- initiated）

还是主动卖出（seller- initiated）。研究做市商市场中主动买入和主动卖出的主要

方法是 Lee 和 Ready(1991)提出的利用前后交易价格推断交易方向的近似方法。

由于我们的上海市场是研究指令驱动市场，我们在本文中将不采用 Lee 和

Ready(1991)的方法。根据竞价市场中价格形成的原理，我们采用成交价格 tp 和

此时限价指令簿上的最优买入价(bid)和最优卖出价 (ask)的中值(midpoint) mp 的

大小关系来确定本次交易的方向。如果本次交易价格 tp 大于交易后限价指令簿

上的 mp ，那么我们认为这次交易是主动买入行为，反之，如果本次交易价格 tp 小

于交易后限价指令簿上的 mp ，那么我们认为这次交易是主动卖出行为。如果 tp 等

于 mp ，那么我们认为这次交易方向不可以确定，从计算中剔除。

6.3.2 价格形成的计量模型:Glosten-Harris 模型(1988)

在指令驱动市场，投资者为了等待更好的交易价格而提交买入或卖出的限价

指令，从而成为事实上的流动性提供者，或者说都是非正式的做市商。为了研究

交易量的价格影响，我们采用修正的 Glosten 和 Harris（1988）的模型来进行实

证研究。采用的计量模型为：

( ) ( ) ttttttt QDDqqqP βωγλ +−+−+=∆ −−− 111 21

（6-1）

其中， 1−−=∆ ttt ppp ， tp 表示 t时刻交易的价格； tq 表示在 t时刻交易的股

数（交易量），注意 tq 是带有符号的，当这次交易是主动买入（buyer- initiated），

那么 tq 取正号，如果这次交易是主动卖出（seller- initiated），那么 tq 取负号。 tD

是表示交易方向的虚拟变量，如果这次交易是主动买入，那么 tD =1，如果这次

交易是主动卖出，那么 tD =-1； ∑ = −=m

i itt qQ1

，其中m 是本次交易之前紧邻的和 tq

具有同样的交易方向和交易价格的交易次数，而 tQ 为本次交易之前紧邻的和 tq

37

具有同样的交易方向和交易价格的交易量总和； tε 为序列不相关的公共信息冲击

(public information shock)。

在（6-1）式中， 1−tqλ 度量逆向选择成本，λ 为反应非对称信息的参数；γ 为

度量存货成本的参数；ω 为度量市场正常买卖价差（bid-ask spread）的参数 ；β

为度量对限价指令的消耗引起价格变化的参数。

由于交易价格的离散性，因此我们对方程（6-1）的参数的估计不能用普通

的线性回归，我们采用 Ordered Probit 回归方法（Hausman，1992）对计量模型

（6-1）进行计算。

6.4 实证研究

6.4.1 Ordered Probit 回归分析结果

按照上面的数据，对回归方程（6-1）采用 SAS 软件进行了计算，表 6。1

对回归参数的估计给出了描述性统计。

从计算结果看，反映非对称信息程度的参数λ 在 100 个股票的回归分析中全

部为我们所期望的正值，均值是 2.349 510−× ，中值是 1.7562 510−× ，最大值是

10.7514 510−× ，最小值是 0.3859 510−× ，而且所有的回归中λ 都在显著性 0.01 下

是显著的，这显示在交易量对价格的影响因素中，非对称信息程度的影响是非常

显著和普遍的，这隐含着两个方面的重要意义：(1)对不同的股票来说，如果投

资者认为在交易某个股票中和知情交易者交易的可能性越大，那么在交易过程中

同样的交易量对这个股票的价格影响就越大，价格对交易大小就越更敏感。(2)

对同一股票来说，如果某一时期由于某种原因(比如上市公司有重要的信息要公

布前)股票的信息在投资者中的分布不对称性增强，那么该股票在这段时期内流

动性可能会变差，同样的交易量可能会产生比其他时期更大的价格引动。

λ 显著为正表明一次交易的大小和交易方向对接下来的一次交易产生正的

影响，即如果上次交易为主动买入的交易，那么这次主动买入的交易量越大，紧

接着的交易价格上升的可能性也越大，反之，如果上次交易为主动卖出的交易，

那么这次主动卖出的交易量越大，紧接着的交易价格下降的可能性也越大。

从存货成本和非对称信息两种对价格影响的影响程度看，显然非对称信息是

主要的，在所有 100 个样本股票回归中，全部都有 λ >γ ，因此我们可以认为非

38

对称信息是引起价格移动的主要原因，而存货成本虽然在一定程度上存在，但其

效应较之逆向选择成本是次要的。

存货风险不是我国股市的主要影响价格变动的因素，主要原因可能是交易机

制，因为在沪深股市是通过限价指令提供流动性的，所以流动性提供者面临很少

的存货压力，因此这种效应不显著就是很自然的。

表 6－1 交易量对价格影响的回归方程的统计

截距 λ γ ω β 回归样本股票数 100 100 100 100 100 回归系数为正且显著 *** 的数目 100 100 79 100 75

回归系数为正且显著 ** 的数目 100 100 84 100 79 回归系数为正且显著 *的数目 100 100 89 100 80

说明: *** ， ** ，*分别表示显著性水平为 1%，5%，10%。 对样本中选择的 100 个股票按上

面的回归方程进行 probit 回归，这里给出了这 100 个回归结果的描述性统计。 时间为

2001.2.5-2001.6.5，共 81 个交易日。

6.4.2 影响价格变化幅度的因素的横截面分析

接下来我们来对交易中价格影响的决定因素进行横截面分析。根据已有的研

究，如 Glosten和 Harris(1988)，Brennan和 Subrahmanyam(1995)，以及第三，四

章的研究结果， 我们选取以下四个变量来做分析：（1） MKTCAP :股票的流通

市值（2）TURN :股票的换手率（3） AVGP：股票的平均交易价格（4）NOISE ：

股票的交易噪音.其中MKTCAP，即股票的流通市值，我们以 2000 年底股票的流

动市值为准；TURN ，即股票的换手率我们取样本期间 2001.2.5-2001.6.5 股票的

平均日换手率（日交易量除以流通股本）； AVGP，即股票的平均交易价格为样

本期间 2001.2.5-2001.6.5 股票的平均收盘价格；NOISE ，即股票的交易噪音，这

里以样本期间 2001.2.5-2001.6.5 股票的日换手率（日交易量除以流通股本）的标

准差作为股票的交易噪音的衡量指标.

在回归模型(6-1)中，由于我们是进行的 ordered probit 回归，因此，回归系

数不是代表的自变量对因变量的边际影响，实际上，回归系数反映了自变量对因

变量 tP∆ 处于不同状态的概率的影响。而且，某一个解释变量对被解释变量的边

际影响同时依赖于其他估计参数的值以及所有解释变量的取值。因此，在研究股

票的特性因素，如流通市值，换手率，价格水平以及交易噪音对期望价格变化的

39

决定性时，需要首先对每个股票的回归方程（6-1）中方程右侧的解释变量进行

赋值，这样根据回归得到的参数和解释变量的赋值，计算出期望价格变化，然后

在利用股票本身的特性因素和计算出的期望价格变化进行回归，分析影响价格变

化幅度的因素哪些是显著的。

因此，在进行横截面分析之前，首先需要对回归方程（6-1）中的 1−tq ，

( )1−− tt qq ( )1−− tt DD ，以及 tQ .由于前面的研究表明逆向选择部分是影响价格变

化的主要部分，我们与 Y.C.Chan(2000)的研究相同，在下面的实证计算中取

( )1−− tt qq 为 0， ( )1−− tt DD 为 0，而 tQ 取股票样本期间内所有正的 tQ 的均值.

为了计算由于逆向选择而导致的价格变化，而且为了考虑结果是否对不同的

交易指令大小都有效，我们取 1−tq 为一个买入的交易指令，其大小分别为（按交

易金额大小）（1）5000 元（2）10000 元（3） 50000 元（4）100000 元（5）500000

元（6）对应股票的平均每次交易金额（7）对应股票的平均每次交易金额加上其

每次交易金额的标准差。

在确定好各个解释变量虚拟的取值之后，就可以利用上一节的回归结果计算

出在对应的交易量和交易状况下，期望价格的变化(Expected Price Changes)，我

们在下面记该期望变化值为 EPC 。然后对 EPC 和对应股票的解释变量进行回归

（所有变量都取对数值）。

即我们要进行如下的回归分析：

ii NOISEAVGPTURNMKTCAPEPC εββββα +++++= 4321 （6－2）

其中 iECP ＝ iii Qq βλ + ， iλ 是已经在 6.4.1 节计算好的对应股票的非对称信

息程度的参数， iq 将在 7 个不同的回归中取：（1）5000 元（2）10000 元（3） 50000

元（4）100000 元（5）500000 元（6）对应股票的平均每次交易金额（7）对应

股票的平均每次交易金额加上其每次交易金额的标准差。 iQ 为股票 i样本期间内

所有正的 tQ 的均值： ∑=

=m

ttii Q

mQ

1,

1 。

表 6-2 给出了具体的回归结果。从回归的结果看，调整 2R 在 0.3056 到 0.7188

之间，回归总体上看是非常显著的。数据的残差相关性检验 D-W 检验：

40

( )

∑∑

=

= −−= n

t t

n

t tt

e

eeDW

12

2

21

＝1.88，通过了残差不相关的检验。

无论买入量为多少，解释变量股票流通市值 MKTCAP和换手率TURN 的系

数显著为负，而交易噪音NOISE 的系数在 7 次回归中都为负，其中有四次是显

著的。以上结果同已有的微观结构理论中关于大的公司（流通市值大），交易活

跃的公司（换手率高），交易噪音大的公司的信息非对称程度较小的结论相符合。

如果股票的信息非对称程度低，那么逆向选择风险较小，从而交易中价格影响较

小。

此外，股票的绝对价格水平在所有的回归中都显著为正，这是非常自然的，

因为目前我国所有交易股票的最小报价单位（ticksize）都是 0.01 元，这样股票

的价格水平越高，相同交易下价格的变动幅度会越大，即价格水平和价格变动影

响正相关。 表 6－2 交易的价格影响决定因素的横截面分析

说明: (1)上面的结果给出了交易规模分别是时（a）5000 元（b）10000 元（c） 50000 元（d）

100000 元（e）500000 时对价格影响的程度与解释变量的关系。(2) *** ， ** ，*分别表示显

著性水平为 1%，5%，10%。(3)回归为普通的线性回归。

6.4.3 价格影响的日内分时特征

根据前面的研究，我们知道股票的流动性在日内显示出明显的分时特征，前

面的研究分别从买卖价差即宽度和报价深度的角度进行了日内流动性特征和影

1−tq 的大小 截距 流通市值 换手率 价格水平 噪音 调整2R F-值

主动买入 5000 元 5.3209 *** -0.4179 *** -0.2506 *** 0.6438 *** -0.0385 0.4306 34.96 *** (4.9733) (-3.3275) (-3.9728) (17.5062) (-0.7532)

主动买入 10000 元 7.9583 *** -0.5876 *** -0.3329 *** 0.7933 *** -0.0978 * 0.4933 49.07 *** (3.5106) (-3.4773) (-14.6438) (25.4104) (-1.3956) 主动买入 50000 元 9.2481 *** -0.6254 *** -0.5246 *** 0.9440 *** -0.1435 0.6103 60.55 *** (5.5671) (-4.2904) (-4.3903) (20.5025) (-0.6329)

主动买入 100000 元 13.3306 *** -0.7663 *** -0.5961 *** 1.1482 *** -0.2533 ** 0.7188 54.32 *** (11.4380) (-2.9643) (-3.8025) (13.3119) (-1.6903)

主动买入 500000 元 24.0482 *** -1.0075 *** -0.6477 *** 2.7992 *** -0.4902 *** 0.3056 64.71 *** (7.3299) (-3.6692) (-4.5131) (46.5176) (-3.1571)

按股票的平均交易量 6.7104 *** -0.4356 *** -0.3049 *** 0.6964 *** -0.1025 0.3557 29.08 *** (3.7852) (-3.0506) (-3.1584) (14.4280) (-0.5433) 股票的平均交易量加上 交易量的标准差 8.5160 *** -0.5749 *** -0.3410 *** 0.7735 *** -0.1386 *** 0.4416 28.70 *** (4.1431) (-3.7554) (-3.8664) (11.4867) (-4.7227)

41

响因素的研究，接下来我们从交易量对价格影响的角度对日内流动性特征继续进

行分析。

与前面的研究不同，出于数据量的考虑，我们这里把一天的 4 个小时的交易

时间分为 8 个区间，每个区间位 30 分钟。由于我们对方程（6-1）采用的是 ordered

probit 回归，所以我们这里在研究日内分时特征时不采用第三章的引入代表时间

段的虚拟变量（dummy variables），而是对方程(5。1)按在不同的时间段的数据进

行回归分析。比如，对于 9:30-10:00 的第一个时间区间，我们对（6-1）的回归

计算只用这个时间段内的数据进行回归，其他和 6.4.1 节的计算方法完全相同。

表 6-3 对所进行的回归分析给出了主要的描述性统计。表 6.4 对回归中各个

回归系数的显著性和符号进行了统计。 表 6-3 交易量对价格影响的日内分时回归分析

时间 截距 λ ( 510× ) γ ( 510× ) ω β ( 610× )

9:30-10:00 均值 15.4279 4.9534 1.5539 3.5260 0.5272 10:00-10:30 均值 14.5830 3.7506 1.4210 2.8974 0.5736 10:30-11:00 均值 13.7956 3.2199 1.4532 2.5843 0.4835 11:00-11:30 均值 11.4753 3.1815 1.2694 2.1947 0.6172 13:00-13:30 均值 10.7450 2.9584 1.3934 1.9695 0.5774 13:30-14:00 均值 9.5807 2.4306 1.4858 1.7530 0.5906 14:00-14:30 均值 9.1479 2.3951 1.3956 1.7329 0.4998 14:30:15:00 均值 9.1275 2.6749 1.4538 1.4933 0.5839

说明: *** ， ** ， *分别表示显著性水平为 1%，5%，10%。 对样本中选择的 100 个股票按上

面的回归方程进行 probit 回归，这里给出了这 100 个回归结果的描述性统计。 时间为

2001.2.5-2001.6.5，共 81 个交易日。

0

1

2

3

4

5

6

9:30 10:00 10:30 11:00 13:00 13:30 14:00 14:30时间

信息非对称程度

图 6－1 信息非对称程度的日内分时特征

42

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

9:30 10:00 10:30 11:00 13:00 13:30 14:00 14:30时间

存货成本

图 6－2 存货成本的日内分时特征

首先，从表 6-4 的各个时段的回归来看，在几乎所有的回归中，信息非对称

程度的参数λ 的值都大于存货成本的参数 γ ，因此无论在日内哪个时间段内，价

格影响主要的因素是股票的信息非对称程度，而不是投资者的存货风险。这在我

们国家的指令驱动市场中是非常明显的。

其次，从回归系数的统计显著性上来看，几乎所有的回归中非对称信息参数

λ 都是显著大于零的，而大约 80%以上的存货成本参数是显著的，这说明在指令

驱动市场中非对称信息是价格影响的最主要因素，而存货成本风险的因素在一定

程度上存在。

表 6-5 计算了日内不同时间段内的期望价格变化。对 1−tq 我们取该时间区间

内股票的平均每比交易量。 表 6－4 交易对价格影响的日内分时回归的系数显著性统计

时间 截距 λ γ ω β

9:30-10:00 回归系数为正且显著***的数目 99 100 74 100 43

λ >γ 的次数 100

10:00-10:30 回归系数为正且显著***的数目 100 100 75 100 52

λ >γ 的次数 96

10:30-11:00 回归系数为正且显著***的数目 100 98 69 97 42

λ >γ 的次数 100

11:00-11:30 回归系数为正且显著***的数目 95 100 54 100 44

λ >γ 的次数 94

13:00-13:30 回归系数为正且显著***的数目 100 100 68 100 63

λ >γ 的次数 99

13:30-14:00 回归系数为正且显著***的数目 100 100 61 100 57

λ >γ 的次数 98

14:00-14:30 回归系数为正且显著***的数目 100 100 58 100 53

43

λ >γ 的次数 98

14:30:15:00 回归系数为正且显著***的数目 95 98 67 100 45

λ >γ 的次数 100

说明：***表示回归系数在 0。01 的显著性下是显著的。

图 6-1 和图 6-2 分别画出了平均交易量下期望价格变化的日内分时，平均交

易量加交易量标准差下期望价格变化的日内分时，平均交易量下期望价格变化

（作为价格的百分比）的日内分时，平均交易量加交易量标准差下期望价格变化

（作为价格的百分比）的日内分时。从这些图形可以明显看出，交易对价格的影

响在日内呈现明显的“L”形特征。即每天开盘后的半个小时内由于信息非对称

程度比较大，所以交易对价格的影响很大，同样的交易量在开盘后的一端时间内

会使价格有较大的变动。此后随着时间的推移，信息非对称程度有所降低，交易

对价格的影响呈现逐渐减小的趋势，下午重新开始交易后，价格影响进一步减小，

市场流动性明显较之上午增强，交易成本降低，而且，在接近收盘时，交易对价

格的影响没有明显的上升，而是比较平稳。

6.4.4 价格影响的日内模式的国际比较

接下来我们比较一下我国股市的价格影响模式和其他国际上主要市场的价

格影响模式。

根据上面的一系列实证研究，从我国的股市的价格影响因素看，非对称信息

是主要影响价格变化的因素。如果一个股票在投资者中的信息分布严重不对称，

那么较小的交易量也会导致较大的价格变化，这时股票的流动性比较差，投资者

的交易成本很大。从上市公司的本身的一些结构特征看，公司的股本结构，股票

的交易活跃程度（换手率）对公司股票的信息分布比较重要，这是容易理解的，

往往一些股本较大，交易活跃的股票是一些行业的主要企业，更加容易引起投资

者的关注，同时公司的本身的相关信息的披露和传播也更加迅速，活跃，这样就

降低了股票的相关信息在交易者之间的非对称程度。

Y.C.Chan(2000)对香港市场的研究表明日内股票的价格移动中信息影响要

大于存货影响，De Jong 等的研究(1996)发现在巴黎市场（Paris Bourse）中存在

明显的逆向选择成本，而存货影响是比较弱的。这与上海和深圳市场的研究是一

致的，这说明在指令驱动的市场中由于不存在做市商，存货影响不是主要的，更

44

多的是信息的影响。即使是在有专家（specialists）的市场中，如纽约证券交易

所（NYSE），逆向选择成本也是主要的，比如 Madhavan和 Smidt(1991)对 NYSE

的研究表明在纽约证券交易所，非对称信息是影响日内价格移动的主要原因，但

是与上海市场和香港市场不同的是，在 NYSE，存货因素也是明显存在的。

此外横截面研究发现逆向选择成本与股票的流通股本市值，交易活跃程度，

交易噪音等因素负相关，这与 NYSE 和美国股票交易所(AMEX)的研究结论是一

致的。Brennan和 Subrahmanyam(1995)研究发现，逆向选择成本与股票的，交易

活跃程度，交易噪音，总市值等因素负相关，此外他们还发现给定交易金额后交

易的边际成本随着所交易股票的价格水平而递减。Hasbrouck(1991a，b)发现在

NYSE和 AMEX，价格影响以及信息非对称的程度对小市值的公司有更显著的影

响。与我们的研究类似，他们的横截面研究发现对一个确定的交易量（金额），

其对价格的影响与股票的市值，换手率，交易价格，与交易噪音相关。

在日内分时表现方面，我国股市的特点与 NYSE 很相似，但却与香港市场

不同，NYSE 的日内信息非对称程度呈现”L”形，上午开盘后逆向选择成本最

大，此后慢慢降低（Hasbrouck，1991，Lin等，1995，Madhavan等，1997），直

到收盘，这与我国市场的情况基本是一致的。

表 6－5 交易的价格影响的日内分时变化

时间 1−tq 的大小 期望价格变化 期望价格变化(%) 股票的交易量

（绝对数值） （相对于价格水平） （标准化后）

9:30-10:00 平均交易量 0.0557 4.87 11.91% 10:00-10:30 平均交易量 0.0486 3.69 12.76% 10:30-11:00 平均交易量 0.0452 3.18 11.64% 11:00-11:30 平均交易量 0.0429 3.05 9.84% 13:00-13:30 平均交易量 0.0315 2.86 11.23% 13:30-14:0 平均交易量 0.0312 2.74 11.93% 14:00-14:30 平均交易量 0.0301 2.71 12.70 % 14:30:15:00 平均交易量 0.0295 2.73 19.01%

45

0

0.01

0.02

0.03

0.04

0.05

0.06

9:30 10:00 10:30 11:00 13:00 13:30 14:00 14:30时间

相同交易下的价格影响

图 6－3 平均交易量下期望价格变化的日内分时

0

1

2

3

4

5

6

9:30 10:00 10:30 11:00 13:00 13:30 14:00 14:30时间

相同交易量下的价格变化

图 6－4 平均交易量下期望价格变化（作为价格的百分比）的日内分时

6.5 主要结论

交易的价格影响问题是反映市场运行质量的重要问题。针对我国证券市场的

特点，采用修正的 Glosten-Harris 模型，我们对上海市场中交易对价格的影响因

素进行了分解，结果发现，较之存货成本，信息非对称程度是影响价格移动幅度

的主要因素。我们发现股票的价格变动大小，主要受股票的信息非对称程度的影

响，如果一个股票的相关信息在市场投资者中分布非常不对称，那么股票的交易

中同样的交易量对价格影响的程度就会更大，投资者的交易成本就越大，这个股

票的流动性就更差。

同时，我们对哪些因素会影响股票的信息非对称程度进行了横截面分析。

结果发现，股票的流通股本大小，股票的活跃程度（换手率）是影响逆向选择成

46

本的重要因素，股票的流通股本越大，交易的活跃程度越大，那么其信息非对称

的程度就越低，交易中的逆向选择风险就越小，交易量对价格的影响就越小。此

外，交易中的噪音的大小也有一定的影响，如果交易噪音大，那么交易者的交易

对手是非知情交易者的可能性越大，逆向选择风险越小，交易量对价格的影响就

越小。实证结果都证实了以上的结果。

7 间歇性与连续性交易分析

7.1 引言

在我国股票市场的交易中，采用中午休市的方式，也就是说，每天开盘以后，

到收盘结束，中间有一段时间的暂停，我们把它称为间歇性交易，下面我们考察

间歇性交易对股市的波动有没有影响。

我们把中午休市前后各 15 分钟的时间认为是反映间歇性交易效应的时间

段，其余为连续性交易时间段，为了完整起见，我们再分出两个时间段，即上午

开盘后 15 分钟和下午收盘前 15 分钟，分别反映开盘效应和收盘效应。因此，我

们把每个交易日划分为 6 个时间段，分别为：

T1：上午开盘后 15 分钟，即 9:30~9:45

T2：上午正常交易时间，即 9:45~11:15

T3：上午收盘前 15 分钟，即 11:15~11:30

T4：下午开盘后 15 分钟，即 13:00~13:15

T5：下午正常交易时间，即 13:15~14:45

T6：下午收盘前 15 分钟，即 14:45~15:00

其中，T3 和 T4 为被认为是间歇性交易时段，T2 和 T5 是连续性交易时段。

对每一时间段，我们考察以下四个反映波动性的指标：

1）交易量 Vol（指每 15 分钟的累计交易量）

47

2）交易量标准差 Std

3）价格浮动水平 Range（指每 15 分钟内最高价与最低价之差）

4）价格对交易量的敏感度 Rg/Vol（等于价格浮动水平除以交易量）

7.2 交易量

交易量是反映股市波动性的一个常用指标，我们通过考察在不同时间段内的

交易量来观测股市的波动性随时间的变化，从而试图发现在连续交易和间歇性交

易时的波动性差异。表 7-1 是对 2001 年上海证交所交易所有A股股票和一些指

数在每日不同交易时段中每 15 分钟的交易量计算得到的均值，其中 T1 至 T6 时

间段的说明见上文，限于篇幅，表中仅给出对全部个股的计算结果的平均。图

7-1 则反映了表 7-1 中第一行（上证综合指数）和最后一行（全部股票平均）的

数据。

表 7-1 上海证交所 2001 年中每日不同交易时段每 15 分钟交易量的均值

Vol T1 T2 T3 T4 T5 T6 上证综合指数 105632184 72883487 54581177 69626275 68754558 105943563 上证 A 股指数 66055396 45742333 34287677 41286894 42950759 70027204 上证工业类指数 28396991 20309400 14970195 18541960 19608244 32540883 上证商业类指数 6644497 3777251 2584452 2866298 3007462 4740359 上证地产类指数 5456269 2866506 1670003 1766643 1908841 3061474 上证公用类指数 18493681 6515844 4497743 5065564 5494140 8716478 上证综合类指数 15117591 6683927 4681158 5340613 5905506 9658188 上证 30 指数 7760829 4004638 2675370 3072345 3330300 5219389 上证基金指数 13030274 6636488 3451691 6074734 5263127 7287817 全部股票平均 140820 76408 53640 63237 67469 116581

48

0

20000

40000

60000

80000

100000

120000

140000

160000

T1 T2 T3 T4 T5 T6

上证综合指数/1000 全部股票平均交易量

图 7-1 上海证交所 2001 年中每日不同交易时段每 15 分钟交易量的均值

从交易量来看，T3 时间段在六个时间段中是最小的，T2 则是从 T2 到 T5 四

个时间段中最大的（开盘和收盘时间段 T1 和 T6 更大，但不在我们讨论范围内）；

T4 和 T5 相比较，两者的交易量相差不大。可见，上午的连续性交易时段波动性

较大，而间歇性交易时段波动较小，下午的连续性和间歇性交易时段波动差异不

大。其原因可能是当天的信息交换以及信息在股价中反映的过程主要是在上午开

盘及随后的连续性交易时段中完成，中午和下午则影响股市的信息来源比较少。

7.3 交易量标准差

交易量的标准差也反映股市的波动程度。我们可通过考察交易量的标准差来

观测在不同时间段内股市的波动性，从而试图发现在连续交易和间歇性交易时的

波动性差异。表 7-2 是对 2001 年上海证交所所有 A 股股票和一些指数在每日不

同交易时段中每 15 分钟的交易量计算得到的标准差均值，其中 T1~T6 时间段的

说明见上文，限于篇幅，表中仅给出对全部个股的计算结果的平均。图 3。2 则

显示了表 7-2 中第一行（上证综合指数）和最后一行（全部股票平均）的数据。

49

表 7-2 上海证交所 2001 年中每日不同交易时段每 15 分钟交易量的标准差

Std T1 T2 T3 T4 T5 T6 上证综合指数 90626724 52911745 40251184 51615547 46768100 71712426 上证 A 股指数 63754669 31126521 24870838 27198319 25253619 41614627 上证工业类指数 37571529 25461038 14993114 21763673 23566977 45851412 上证商业类指数 22486918 9943423 5410432 5197394 5126450 7995993 上证地产类指数 22597876 11062593 5366395 5054013 5140381 8256695 上证公用类指数 121686169 10624579 6004563 5965653 5986313 9925890 上证综合类指数 76915449 10290495 5667161 5734101 5814161 10653612 上证 30 指数 25739040 10051377 5374630 5342081 5366562 8872372 上证基金指数 36201379 11540401 5156902 11198239 10183530 10640130 全部股票平均 421122 137803 82294 121885 101547 163576

0

50000

100000

150000

200000

250000

300000

350000

400000

450000

T1 T2 T3 T4 T5 T6

上证综合指数/500 全部股票平均交易量标准差

图 7-2 上海证交所 2001 年中每日不同交易时段每 15 分钟交易量的标准差

从交易量的标准差来看，与交易量的均值相似：T3 时间段在六个时间段中

是最小的，T2 则是从 T2 到 T5 四个时间段中最大的（开盘和收盘时间段 T1 和

T6 更大，但不在我们讨论范围内）；但 T4 和 T5 相比较，T4 略大。可见，如果

以交易量的标准差表示波动性的话，则数据显示，上午的连续性交易时段波动性

较大，而间歇性交易时段波动较小，下午的连续性比间歇性交易时段波动性略小。

其原因同上面的讨论也相似：可能是当天的信息交换以及信息在股价中反映的过

程主要是在上午开盘及随后的连续性交易时段中完成，中午和下午则影响股市的

信息来源比较少。

50

7.4 价格浮动水平

价格浮动水平是反映股市波动性的另一个指标。我们可通过考察价格浮动水

平来观测在不同时间段内股市的波动性，从而试图发现在连续交易和间歇性交易

时的波动性差异。表 7-3 是对 2001 年上海证交所所有A股股票和一些指数在每

日不同交易时段中每 15 分钟的价格浮动水平计算得到的均值，其中 T1~T6 时间

段的说明见上文，限于篇幅，表中仅给出对全部个股的计算结果的平均。图 7-3

则显示了表 7-3 中第一行（上证综合指数）和最后一行（全部股票平均）的数据。

表 7-3 上海证交所 2001 年中每日不同交易时段每 15 分钟价格浮动水平的均值

Range T1 T2 T3 T4 T5 T6 上证综合指数 7.4285 4.0514 3.0079 3.0577 3.6601 4.0295 上证 A 股指数 7.5123 4.1577 3.1280 3.0274 3.7187 4.1028 上证工业类指数 5.6193 3.1829 2.4214 2.3168 2.9056 3.1666 上证商业类指数 7.4761 4.4286 3.4825 3.2160 3.8986 4.5949 上证地产类指数 14.8120 9.1253 7.0676 6.9112 8.2082 8.7633 上证公用类指数 11.6576 6.9701 5.2194 5.1310 6.0669 6.7111 上证综合类指数 6.8962 4.1557 3.1233 3.0589 3.6624 3.9595 上证 30 指数 15.2687 8.9221 6.7716 6.7671 7.9334 8.4270 上证基金指数 5.3814 4.5803 4.2102 4.2158 4.6218 5.0565 全部股票平均 0.1528 0.0845 0.0657 0.0693 0.0716 0.0877

0

0.02

0.04

0.06

0.08

0.1

0.12

0.14

0.16

T1 T2 T3 T4 T5 T6

上证综合指数/100 全部股票平均价格浮动水平

图 7-3 上海证交所 2001 年中每日不同交易时段每 15 分钟价格浮动水平的均值

从价格浮动水平的统计结果看，与交易量的均值及交易量的标准差也有一些

51

相似：T3 时间段在六个时间段中是最小的，T2 则是从 T2 到 T5 四个时间段中最

大的（开盘和收盘时间段 T1 和 T6 更大，但不在我们讨论范围内）；但 T4 和 T5

相比较，T5 略大。可见，如果以价格浮动水平表示波动性的话，则数据显示，

连续性交易时段波动性较大，而间歇性交易时段波动较小，其中上午的连续性交

易时间段的波动性最大（除去上午开盘和下午收盘的时间段）。其原因同上面的

讨论也相似：可能是当天的信息交换以及信息在股价中反映的过程主要是在上午

开盘及随后的连续性交易时段（即上午的连续性交易时间段）中完成，中午和下

午则影响股市的信息来源比较少。

7.5 价格对交易量的敏感度

价格对交易量敏感度实际上反映了价格的波动性与交易量的波动性之间的

关系。我们同样通过考察不同时间段该敏感度的变化来分析连续性交易和间歇性

交易时期股市波动的特性。表 7-4 是对 2001 年上海证交所所有 A 股股票和一些

指数在每日不同交易时段中每 15 分钟的数据计算得到的价格对交易量敏感度的

均值，其中 T1~T6 时间段的说明见上文，限于篇幅，表中仅给出对全部个股的

计算结果的平均。图 7-4 则显示了表 3.4 中第一行（上证综合指数）和最后一行

（全部股票平均）的数据。

表 7-4 上海证交所 2001 年中每日不同交易时段每 15 分钟价格对交易量敏感度的均值

Rg/Vol T1 T2 T3 T4 T5 T6 上证综合指数 1.21E-07 1.32E-07 1.23E-07 9.87E-08 1.10E-07 8.65E-08上证 A 股指数 2.05E-07 2.37E-07 2.48E-07 1.68E-07 1.93E-07 1.36E-07上证工业类指数 5.74E-06 4.76E-06 4.70E-06 3.79E-06 4.52E-06 3.00E-06上证商业类指数 4.12E-05 2.83E-05 2.26E-05 1.74E-05 2.20E-05 1.57E-05上证地产类指数 1.97E-04 1.21E-04 9.70E-05 1.06E-04 1.08E-04 6.40E-05上证公用类指数 4.01E-05 2.62E-05 2.31E-05 1.99E-05 2.32E-05 1.41E-05上证综合类指数 1.50E-05 1.13E-05 9.47E-06 7.99E-06 9.94E-06 6.04E-06上证 30 指数 8.59E-05 5.14E-05 4.38E-05 4.05E-05 4.09E-05 2.62E-05上证基金指数 1.27E-05 2.17E-05 3.44E-05 1.97E-05 2.30E-05 1.25E-05全部股票平均 1.44E-05 6.38E-06 5.75E-06 5.26E-06 4.81E-06 3.63E-06

52

0.00E+002.00E-064.00E-066.00E-068.00E-061.00E-051.20E-051.40E-051.60E-05

T1 T2 T3 T4 T5 T6

上证综合指数*100全部股票平均

价格对交易量的敏感度

图 7-4 上海证交所 2001 年中每日不同交易时段每 15 分钟价格对交易量敏感度的均值

从价格对交易量的敏感度来看，个股平均的情况是随时间下降，即开盘时

T1 时间段最敏感，T2 时间段次之，一直到 T6 时间段敏感度最低，表明在上午

以相对比较小的交易量就能造成股价比较大的波动，而到了下午，股价的惰性就

比较大一些，需要比较大的交易量才推得动。而股指的情况与个股略有不同，主

要体现在 T5 时间段的敏感度高于 T4 时间段，这种情况的出现可能是由于在下

午连续交易时间段中有一些机构试图通过少数一些指标股的交易来影响股票指

数的变化而造成的。

8 交易方式与股价波动性分析

8.1 引言

证券市场的交易方式决定了证券价格的形成过程，它关系着证券交易的顺利

进行，并且对稳定市场，降低价格的波动性等方面都有不同的影响。一般在证券

市场上常见的交易方式有集合竞价方式，连续竞价方式和做市商方式等三种。目

前在我国两个证券市场——上海证券交易所和深圳证券交易所，每个交易日的

9：15 至 9：25 实行集合竞价方式，在 9：30 至 11：30 和下午 1：00 至 3：00

53

实行连续竞价方式1。

在集合竞价(Call Market)方式下，一段时间内接受的买卖指令将进行一次性

集中撮合，产生一个统一的成交价格，这个价格必须满足：(1)是使集合竞价的

成交量最大的价格； (2)必须使高于成交价格的买进申报与低于成交价格的卖出

申报全部成交；(3)与成交价格相同的买方或卖方至少有一方全部成交。一般称

这个统一的成交价格为市场出清价格(Market Clearing Price)。

连续竞价(Continuous Market)是指对买卖指令逐笔连续撮合的竞价方式。一

般情况下，在连续竞价方式下，投资者可以知道当前的市场交易情况和有关报价

情况，因此透明度较高，但容易受到大规模指令的影响；而在集合竞价方式下进

行交易时，由于不能即时传达交易信息，而被认为在市场透明度上存在不足，但

集合竞价下没有市场买卖价差，并且可以降低大规模指令对于市场的冲击。

本文的这一部分将讨论我国证券市场上不同交易方式对股票的特定影响，即

分析在连续竞价和集合竞价两种交易方式下，股票的价格波动性有何差别，来判

断两种交易方式的优劣。

8.2 文献综述

Amihud 和 Mendelson(1987)首先研究了交易方式对证券价格行为的显著影

响，他们分析了纽约证券交易所挂牌上市的 30 种道琼斯指数成分股的开盘价格

收益率(代表集合竞价方式)和收盘价格收益率(代表做市商连续竞价方式)，发现

开盘收益率具有更大的波动性，偏离正态性，并具有更显著的负自相关特征——

这说明市场的有效性更差。他们的研究说明在不同的交易方式下，证券价格的波

动会不一样，从而造成对交易者不同的投资风险，他们的研究还进一步证明了在

不同交易方式下价格的调整过程和对交易噪音的传输是不同的。

Stoll 和 Whaley(1990)则研究了集合竞价方式与连续竞价方式所产生的交易

价格的多种差别。他们通过对开盘价格收益率与收盘价格收益率的方差比的分

析，研究集合竞价前的长时间非交易所产生的作用，并以此判断公开信息与非公

开信息在证券价格形成过程中的作用。他们还分析了集合竞价时的交易量的差

别，集合竞价与第一笔连续竞价产生交易的时间滞后，以及交易量与交易波动性

1

见《上海，深圳证券交易所交易规则》第二章“交易市场”第五节“交易时间”，第 18 条，

http://www.sse.com.cn。

54

等各方面的关系。

Amihud 和 Mendelson(1991)在后面的研究中，利用了日本东京证券交易所采

用的一天内两次集合竞价2的特殊制度，分析不同的交易方式在不同交易时间产

生的影响。由于东京交易所在下午开盘时同样采用集合竞价方式，这样，与对其

他国家的研究不同的是，这种情况下，在下午的集合竞价前并没有长时间的交易

中止。他们的研究结果发现下午集合竞价方式下的开盘价格行为与连续竞价方式

下的价格行为并无明显差别，这说明了集合竞价产生的价格波动性与交易前无交

易的时间长短有一定关系。

Amihud、Mendelson 与 Lauterbach(1997)对以色列特拉维夫证券交易所从交

易日的集合竞价方式改成连续竞价方式这一事件进行了研究，发现这一事件具有

正的长期收益，从事件发生前 5 天到发生后 30 天内股票的平均累计非正常收益

达到 5。5%，同时伴随着正的流动性溢出效应，这说明连续竞价是一种更好的价

格发现过程，投资者对连续竞价方式更欢迎，而集合竞价方式的风险比较大。

在我国，陈保华(2001)对上海证券交易所 10 只股票的研究发现了类似于

Amihud 和 Mendelson(1987)的结论，开盘收益具有较大的离差和负的序列自相关

性，这同样说明了交易方式对于我国市场上的股票价格行为也有着显著影响。

这里将分析我国股票在集合竞价方式下和连续竞价方式下产生价格的波动

性(以收益率的方差衡量)，本文将主要通过研究交易因素在股票交易方式中的作

用，以及不同交易方式所产生价格的互相影响，来揭示不同交易方式对市场价格

波动性的影响，作者还将同时研究不同市场以及不同价格的股票在各交易方式下

产生影响的差别，并对结果进行分析和解释。

8.3 理论模型

本文的分析将建立在下面两个模型的基础上，分别来研究交易因素以及不同

交易方式对证券价格行为的影响。

8.3.1 交易因素与信息因素

假设 P*为真实的价格，反映了所有有关股票的信息，P 是交易价格。显然 P

与 P*之间存在一定的差别，而这种差别是由证券市场的交易过程所引起的，我

2 东京证券交易所在一天内有两次集合竞价过程(Itayose)和两次连续竞价(Zaraba)，上午 9：00 至 11：00 和

下午 1：00 至 3：00 的每段交易时间中的开盘价格由集合竞价产生，之后采用连续竞价方式进行交易，

见http://www.tse.or.jp。

55

们称此为交易因素，它包括证券市场的投资者对于股票供应量和需求量的不均

衡，市场交易中的摩擦，以及其他市场交易方面的因素。这样有：

ttt UPP ∗= (8-1)

这里 Ut 代表交易因素。我们来分析股票在 t 交易日的收益率 rt：

111 lnlnlnlnlnln −∗−

∗− −−+=−= ttttttt UPUPPPr

定义 ∗−

∗ −= 1lnln ttt PPe ， tt Uu ln= ，则上式可以写成：

)( 1−−+= tttt uuer (8-2)

注意到 et 代表真实价格的收益率，而引起真实价格变动的是股票的新信息，

因此 et 反映了在 t 时新的信息，即信息因素。当市场是信息有效时，et 关于时间

t 独立。而 ut 则是不同时间交易因素所产生的差别，它反映了信息在反映到价格

的过程中由于交易因素而带来的偏差，它可能有以下因素决定：一，对股票交易

供应和需求数量方面的不均衡；二，交易存在摩擦，导致交易成本过高(例如买

卖价差比较大)；三，由于股票的流通性差而产生的交易的不均衡。

由(8-2)，我们可以分析证券价格收益率序列的方差：

),cov(2)()()( 11222

−− −+−+= ttttttt uueuuer σσσ (8-3)

在一个好的交易方式下，交易指令的不均衡和市场清算价格的变动应该得到充分

披露，即应该使收益率的方差 )(2trσ 与新的公开信息的方差 )(2

teσ 有比较大的相

关关系，而市场交易因素的影响 ),cov(2)( 112

−− −+− ttttt uueuuσ 对收益率的方差

)(2trσ 的影响比较低。

我们以 )( ,2

torσ 和 )( ,2

tcrσ 分别代表开盘价格的收益率(Open-to-open Return)

的方差和收盘价格收益率(Close-to-close Return)的方差，由(4-3)得到：

),cov(2)()(),cov(2)()(

)()(

1,,,1,,2

,2

1,,,1,,2

,2

,2

,2

−−

−−

−+−+−+−+

=tctctctctctc

totototototo

tc

to

uueuueuueuue

rr

σσσσ

σσ

(8-4)

这里 ec，t(eo，t)代表从 t-1 交易日收盘(开盘)后到 t 交易日收盘(开盘)前的新信息，

而 uc，t(uo，t)则是在 t 交易日的连续竞价(集合竞价)过程中的交易因素。

在一个比较长的时间里，我们认为新信息带给收盘价格收益率的影响与带给

56

开盘价格收益率的影响是相等的，这样， )()( ,2

,2

tcto ee σσ = 。因此，)()(

,2

,2

tc

to

rr

σσ

的大

小与交易因素对不同交易方式的影响有关。如果 1)()(

,2

,2

>tc

to

rr

σσ

，说明交易因素在开

盘期间的作用比较大，即其对集合竞价方式的影响大，这样，与连续竞价方式相

比，集合竞价方式所产生的市场价格受到较多交易因素因素而非信息因素的影

响；反之，则说明连续竞价方式所产生的市场价格具有较大的交易因素干扰。

8.3.2 交易方式对开盘价和收盘价间的影响

集合竞价方式产生了开盘价格，连续竞价方式则产生了收盘价格。而由每个

交易日的开盘或收盘价格所计算出收益率却可以分割成不同时间段的收益率。如

下图 8-13所示： t-1 日连续交易时间 t 日非连续交易时间 t 日连续交易时间

t-1 交易日开盘 t-1 交易日收盘 t 交易日开盘 t 交易日收盘 t 交易日开盘价格收益率

t 交易日收盘价格收益率

图 8-1：开盘价格收益率和收盘价格收益率计算的时间段

这样，我们有：

tntdto rrr ,1,, += − (8-5)

tntdtc rrr ,,, += (8-6)

这里 rd，t 和 rn，t 分别代表在 t 交易日的连续交易时间和非连续交易时间的收益率。

于是，开盘价格收益率与收盘价格收益率的方差比可以写成：

),cov(2)()(),cov(2)()(

)()(

,,,2

,2

,1,,2

1,2

,2

,2

tntdtntd

tntdtntd

tc

to

rrrrrrrr

rr

++++

= −−

σσσσ

σσ

(8-7)

在长时间里，我们认为相差一天衡量的连续交易时间收益率的方差相等，这

样， )()( ,2

1,2

tdtd rr σσ =− 。这样，)()(

,2

,2

tc

to

rr

σσ

的大小由),cov(),cov(

,,

,1,

tntd

tntd

rrrr − 决定：如果

3 这里我们把每一个交易日分成两段，上午 9：30 至下午 3：00 为该交易日的连续交易时间(本文忽略了中

午不交易的 1 个半小时)，从该日下午 3：00 到第 2 日上午 9：30 为下交易日的非连续交易时间，在非

连续交易时间，投资者可以发出自己的买卖指令，这些指令将参与下交易日的集合竞价。

57

1)()(

,2

,2

>tc

to

rr

σσ

，说明 ),cov(),cov( ,,,1, tntdtntd rrrr >− ，即连续交易时间对下个交易日的

非连续交易时间的影响大于同一交易日非连续交易时间对连续交易时间的影响，

换言之，每个交易日的开盘价格受前一交易日的收盘价格的影响大，而开盘价格

对同一交易日的收盘价格的影响小。反之，如果 1)()(

,2

,2

<tc

to

rr

σσ

，那么同一交易日开

盘价格对该日收盘价格的影响大于开盘价格受前一交易日收盘价格的影响。

8.4 开盘价与收盘价的收益率方差比的实证分析

下图是对上海证券交易所挂牌的 569 家股票4的开盘价格收益率与收盘价格

收益率的方差比进行计算的汇总情况，样本计算时间为 2001 年 1 月 1 日至 12

月 31 日：

00.20.40.60.8

11.21.41.6

15.2744 8.2875 11.6037 14.8546 18.7762 25.3079

图 8-2 不同样本股票的平均价格与方差比

(第 1 个样本分别为全部股票，其余 5 个按照平均价格从低到高分类)

从上图中我们发现，在大部分样本股票中，都有 1)()(

,2

,2

>tc

to

rr

σσ

。这一结果与国

外学者和陈保华(2001) 的研究结论基本一致。由(4-4)式，显然交易因素对集合

竞价方式的影响较大，因此与连续竞价相比，集合竞价方式所产生的市场价格受

4 选取的股票是最晚必须在 2001 年 1 月 1 日前挂牌交易，部分股票由于交易不活跃，无法通过集合竞价产

生开盘价格而被剔除。

58

到更多交易因素因素而非信息因素的影响；由(4-7)式，开盘价格受前一交易日收

盘价格的影响大，而开盘价格对同一交易日的收盘价格的影响较小。

对于不同价格的样本，我们发现，随样本股票平均价格的上升，方差比也相

应上升，这也说明，交易因素虽然对所有股票的集合竞价交易方式都有较大的影

响，但对于不同价格的股票的影响是不同的，价格越大，这种影响也越大。从开

盘价格与收盘价格的相互影响上分析，股票的价格越高，开盘价格受前一交易日

收盘价格的影响也越大。

下表是更为详细的结果：

表 8-1 对于开盘价格收益率与收盘价格收益率的方差比检验结果

样本

股票

全部

股票

平均价格

小于 10 元

平均价格

10—13 元

平均价格

13—17 元

平均价格

17—21 元

平均价格

大于 21 元

样本数量 569 77 140 176 98 78

样本股票平均价格 15.2744 8.2875 11.6037 14.8546 18.7762 25.3079

方差比平均值 1.1756 0.9759 1.0945 1.1681 1.2784 1.4058

方差比标准差 1.099608 0.485765 0.774261 0.867447 1.261694 1.941568

方差比最小值 0.0485 0.1377 0.2627 0.0485 0.1060 0.1519

方差比最大值 10.4302 2.8816 5.3701 6.1308 8.0600 10.4302

8.5 对交易方式的分析

从集合竞价方式与连续竞价方式的过程来看，集合竞价方式的主要缺陷在于

市场的透明度较差，参与集合竞价的投资者不知道当前市场价格的水平，而在连

续竞价过程中，投资者知道市场当前的买入价、卖出价、最后成交价以及成交量

等重要的设定交易指令的参考因素。

上述因素造成了集合竞价的风险较大，而开盘价格收益率的方差较大正是体

现了这种高风险。

由于在集合竞价过程中透明度较低，投资者对于证券买卖的供需状况等交易

因素因素不了解，这样最后产生的开盘价格受交易因素的影响要大。另一方面，

投资者只有根据上一交易日最后的市场交易状况来推测当前的证券供需状况，因

此造成了收盘价格对下一交易日的开盘价格具有较大影响。

在上述过程中，与低价股票相比，高价股票的供需状况的差别更大，其买入

价和买出价之间的价差往往更高，因此在集合竞价过程中的风险也要大一些，这

59

就是高价股票的开盘价格收益率与收盘价格收益率的方差比更大的原因。

我们的结论在 Amihud、Mendelson与 Lauterbach(1997)的研究中得到了印证。

从世界各国证券市场的时间来蓝，主要的开盘交易方式有集合竞价(Call

Market， Batch Open)和中间人开盘交易系统(Intermediated Open)两种，前者以东

京和韩国证券交易所为典型，后者则主要被做市商市场——如 NYSE 和

NASDAQ——所采用。

如前所述，开盘交易方式主要需要考虑的最关键问题是市场的透明度和交易

指令能否更改。NYSE 采取的中间人开盘交易系统里，依靠指定交易商或者做市

商来进行证券的开盘，这一方式对稳定市场价格有帮助，但相对于一般投资者，

做市商具有较明显的信息优势，从而使信息公平难以实现。

在证券交易过程中，开盘交易方式是特别的，而与连续交易的方式有不同。

这是因为在经历一段非交易时间后，交易者对于价格是不确定的，可能导致价格

的波动以及流动性的下降。实践说明开盘交易方式是复杂的，开盘交易的技术很

关键，但没有最佳的开盘交易方式，两种开盘方式各有优劣。

在提高证券市场的效率方面，集合竞价方式主要面临以下问题：

交易前市场透明度：即关于集合竞价最后产生的市场出清价格 (Market

Clearing Price)的交易信息；其中最关键因素是市场深度，即关于各投资者申请买

卖交易指令的数量。一般自动交易系统的透明度较高，但投资者对这些透明度的

了解程度因市场而异。另外还有信息公平的问题：交易前信息是否完全传送给所

有交易者？

价格稳定性：开盘价格是否必须与上一交易日的收盘价格保持一定的稳定

性？有些交易所规定，如果这样的开盘价格无法达成，将推迟开盘。

指令进入开盘交易系统的方法和容易程度：是电子传输，还是由场内经纪人

传输？或者二者皆可？

交易指令的类型：是否允许市价交易指令参与开盘交易？

开盘交易的分配：在开盘价格上存在超额供应或者需求时，如何分配交易？

Globex 期货交易系统采取的集合竞价方式将交易分成三个阶段：其中第一

个阶段交易者可以取消或更改指令，第二个阶段只可以继续接受指令，第三个阶

段不再接受新的指令，从而产生开盘价格。

60

多伦多证券交易所(Toronto Stock Exchange)和巴黎证券交易所(Paris Bourse)

规定，在 7：00—9：30 接受开盘委托指令，而将卖出和买入的市价指令看成是

价格为 0 和 10000 的限价指令接受参与开盘交易，同时交易者可以撤消或者更改

交易指令，对撤消或者更改交易指令不做处罚。

Globex 期货交易系统还规定，再第一阶段将多次根据当前的买卖指令计算

并公布虚拟的还盘价格(Indicative Opening Price，IOP)，同时在第二阶段公布一

次。

多伦多证券交易所和巴黎证券交易所也根据进入系统的买卖指令随时计算

当前可能的开盘价(称为 COP：Calculating Opening Price)并向所有交易者公布，

从而使他们了解关于交易的有关信息。

国外学者们的研究，如 Coppejans & Domowitz(1999)，也证明了这些制度能

够降低开盘价格的波动性。

8.6 结 论

综合上述分析，我们发现，集合竞价方式和连续竞价方式对证券价格波动性

具有显著影响，基本结论如下：

(1) 对于中国股票的实证检验说明，开盘价格收益率的方差大于收盘价格

收益率的方差；

(2) 从交易因素的角度，(1)的结果表明，交易因素对集合竞价产生的影

响大于对连续竞价产生的影响，而信息因素对集合竞价产生的影响小

于对连续竞价产生的影响；

(3) 从开盘价格与收盘价格的相互影响角度，(1)的结果表明，集合竞价

受前一交易日连续竞价结果的影响大于集合竞价对同一交易日连续

竞价的影响；

(4) 从样本股票的价格分析，(2)与(3)的结论中，对于高价股票的影响要

大于对于低价股票的影响；

(5) 开盘价格收益率方差高的原因在于集合竞价的透明度差，这造成了在

集合竞价方式下进行交易的高风险。

61

9 股价离散性及其对波动性的影响

9.1 引言

由于证券交易规则(最小变动价格单位)的限制，我们在市场上观察到的市场

价格都是离散的，即必须满足最小价格单位为 0.01 元或者是 1 分5，这样证券的

价格在市场上是离散的而非连续的，我们称为市场价格的离散性(Discreteness)。

然而证券的真实价格并不能保证是离散的(如果证券的价格行为是某种形式的随

机运动)，这样，由于证券交易中对最小价格单位的限制，造成的离散性就使我

们观察到的市场价格对真实价格发生了一定程度的偏离。

这样，离散化的市场价格可能带来更大的价格波动。在证券投资理论研究中，

一般以证券收益率的标准差来度量证券风险和价格波动；此外，证券收益率的偏

度(Skewness)和峰度(Kurtosis)在对证券收益率的概率描述中也是很重要的，前者

对于对称性分析是比较重要的度量工具，而后者是对分布尾的厚度的度量。然而

由于证券市场价格的离散性，这些对证券价格波动性度量的重要指标可能产生一

定的偏差。

例如，假设某证券的真实价格收益率的标准差为 0.001，而证券价格是 1 元，

再假设证券的真实价格的变化服从对数正态分布，那么对真实价格离散化后得到

的市场价格，尽管与真实价格的差别不大，但市场价格的收益率的标准差可能就

是 0.014，即，与真实价格收益率的标准差相差 1300%。因此，虽然表面上看，

证券市场价格的离散性虽然不会对证券价格产生很大影响，但可能会对证券收益

率的标准差，以及偏度和峰度产生较大的影响。

在这里，我们将讨论由最小价格变动规则带来的市场价格离散性，以及其对

价格波动的影响。

9.2 价格的离散性

5 我国证券市场(上海证券交易所和深圳证券交易所)对交易价格的规定都是报价的最小单位为 0.01 元，其

62

国外对证券市场价格离散性的研究已经有 30 多年的历史。在 1997 年以前，

美国的主要证券市场 NYSE 和 NASDAQ 的股票价格的最小单位为 1/8 美圆，其

市场价格的离散性表现非常突出。Gotltieb 与 Kalay(1985)，Ball(1988)和 Cho 与

Frees(1988)则分别研究了证券市场价格的离散性，并建立模型通过模拟分析来研

究价格的离散性带给证券收益率，以及证券收益率的标准差，偏度和峰度的影响。

Crack 与 Ledoit(1996)还对证券价格离散性带来的两时间段(2-History)证券收益率

的图形形成的“发散的玫瑰”(Compass Rose)进行了分析和研究。前期学者们主

要考察离散性与市场价格、离散性与证券收益率的关系，而后期的研究则开始重

视离散性与价格波动的关系，并进一步分析在买卖价格中的离散性。

9.2.1 簇性、离散性与市场价格

人们首先发现观察到的市场股票价格，其分位数(我们在本文中以分为单位，

即 5.23 元的价格我们表示为 523 分)并非是随机的，而是可能在某些数上较多(如

0，5)，其他数上较少(如 4，1)，即价格在个位数上显示出不同的分布概率，这

就是证券市场价格的簇性(Clustering)。(如图 9-1 所示)市场价格的簇性进一步使

证券市场的价格离散化。

0 . 0 0 %

5 . 0 0 %

1 0 . 0 0 %

1 5 . 0 0 %

2 0 . 0 0 %

2 5 . 0 0 %

0 1 2 3 4 5 6 7 8 9 分位数

频率

图 9-1 上海证券交易所 100 种股票市场收盘价格分位数的频率分布

Osborne(1962)、Niederhoffer(1964， 1966)等在早期对股票市场价格的簇性

进行了研究，Harris(1991)进一步对于股票市场价格簇性的决定因素进行了分析，

发现股票簇性的强弱与股票价格有较强的相关关系；而除此之外，决定簇性的另

一个重要因素是心理影响，Kandel、Sarig 与 Wohl(2001)在对以色列特拉维夫证

券市场上的新发行股票的研究中，发现投资者在进行报价时对于整数价格有偏

好，从而在一定程度上对于价格簇性的形成产生了作用。

9.2.2 离散性与市场收益率

他国家的证券市场中，也有类似规定。

63

市场价格的离散性对股票收益率也有相当的影响。图 9-2 和图 9-3 分别是一

个低价股票6和一个高价股票7的两时间段收益率(Rt， Rt+1)的图形。从图中我们

可以看出，低价股票的图形具有较明显的辐射状，而高价股票的辐射图形则没有

体现出这么明显。而如果选取其他股票作比较，也会有类似的发现。

图 9-2 低价股票的 2 时间段收益率

(纵轴为第 t+1 时间段的收益率，横轴为第 t 时间段的收益率)

图 9-3 高价股票的 2 时间段收益率

6 选取的低价股票是邯郸钢铁，代码 600002，时间为 2001 年 1 月 1 日至 8 月 31 日，每 5 分钟为一时间阶

段，共 7282 个时间点，平均股票价格为 6.18 元。

7 选取的高价股票是东方明珠，代码 600832，时间阶段同上，共 7257 个时间点，平均股票价格为 26.01 元。

64

(纵轴为第 t+1 时间段的收益率，横轴为第 t 时间段的收益率)

Crack 与 Ledoit(1996)将这种股票的 2 时间段收益率分布图称为“发散的玫

瑰”(Compass Rose)，图中的点从中心有规律的向各方扩散，对于低价股票，这

种扩散显得更紧凑和明显，但高价股票的 2 时间段收益率分布图向各方的扩散则

显得比较杂乱无章。

构成这一现象的原因是，对于低价股票，由于价格的离散性和簇性，其价格

变动集中在较小的范围，而高价股票的价格变动则比较分散，由下式：

t

t

t

t

ttt

ttt

ttt

ttt

t

t

nn

PP

PPPPPP

PPPPPP

RR 11

11

11

11

11

/)(/)(

/)(/)( ++

−−

−+

−−

++ =∆

∆=

−−

≈−

−= (9-1)

这样(Rt， Rt+1)就类似于(nt， nt+1)。这样低价股票的 2 时间段收益率分布图较紧

凑，高价股票的则比较杂乱，从而形成了不同的“发散的玫瑰”图形。

9.2.3 离散性与价格波动

Gotltieb 与 Kalay(1985)，Ball(1988)和 Cho 与 Frees(1988)分别研究了证券市

场价格的离散性与价格波动的关系。他们建立了不同的模型来分析市场价格与真

实价格的关系，主要采取的模型有以下几种：市场价格是对真实价格的四舍五入；

市场价格是对真实价格的向下取整；市场价格是对真实价格的向上取整。而真实

价格的变化则通过集合布朗运动进行模拟，这样他们就可以计算市场价格与真实

价格在价格波动性度量上产生的偏差。

另一方面，做市商也可以利用簇性来获得更大的买卖价差，从而增加自己的

利润。Godek(1996)对于 NASDAQ 市场上的证券价格进行了研究，他发现偶的

1/8 美元报价(例如 2/8 美元、4/8 美元、6/8 美元和 0/8 美元)要多于奇的 1/8 美元

报价(例如 1/8 美元、3/8 美元、5/8 美元和 7/8 美元)，他的研究认为这与做市商

自己的利益有关。Barclay(1997)的进一步研究证实了这一结论，这些研究引起了

市场的激烈争论。

Hasbrouck(1999a， 1999b)采取天内 15 分钟的买卖报价数据的研究则发现，

一个交易日内报价的离散程度呈 U 形，他据此认为，离散的买卖价差可能与做

市商所面临的风险有关，而并非他们故意要获得高额的利润。

我国的证券交易所实行的交易制度里包括最小价格变动单位为 0。01 元的规

则，这样在我国市场上的证券价格同样受到离散性的影响。但相对于国外做市商

报价驱动的交易机制，我国实行计算机自动对盘的交易者指令驱动交易机制，这

65

样离散化的买卖报价影响比较小。因此在下面我们将分析价格的离散性对证券波

动的影响。

9.3 离散性的市场价格模型

假设 P 为真实的证券价格， P̂ 为观察到的市场价格，那么我们有以下三种

方法来确定 P 与 P̂ 之间的关系：

(A) 四舍五入法(Round)：

}21

21

|{ˆ +<≤−= nPnnP (9-2)

(B) 向下取整法(Floor， Rounded Down)：

}1|{ˆ +<≤= nPnnP (9-3)

(C) 向上取整法(Ceiling， Rounded Up)：

}1|{ˆ nPnnP ≤<−= (9-4)

这里 n 为某一整数，股票价格以分为单位。

为了观察采用市场价格后，对证券收益率的标准差、偏度和峰度测量的偏差，

我们还需要知道真实价格的情况。在研究中，一般学者都假设真实价格服从对数

正态分布，进行相应的分析。而本文还将考虑另一种情况，即以市场价格作为真

实价格，而对其进行以 0.05 元和 0.10 元为最小价格单位的离散化，并分析证券

收益率的标准差、偏度和峰度测量的偏差。

9.3.1 真实价格服从对数正态分布的情况

我们假设 P 为一几何布郎运动，即 P 满足：

PdbPdtdP σµ += (9-5)

这里 ),0( ∞∈b 是一个布郎运动。这样 P 是一个对数正态分布，有：

})21

()(exp{)0()( 2 ttbPtP σµσ −+= (9-6)

下图说明了当真实价格服从对数正态分布时，采取离散的市场价格来计算股

票的标准差时所产生的偏差：

66

0

10

20

30

40

50

60

70

80

0.0001 0.0002 0.0005 0.001 0.002 0.005 0.01 0.015 0.02

标准差

偏差

(%)

P=2 P=5

P=10 P=15

P=20 P=30

图 9-4 不同价格、标准差的股票在采取市场价格进行标准差计算时产生的偏差

(图中的 6 条曲线依次为初始价格 2 元、5 元、10 元、15 元、20 元和 30 元的股票)

我们发现，采取市场价格来估计证券收益率的标准差时，与真实情况相比

会产生一定的偏差，而对于价格低和收益率标准差小的证券，这种偏差相对更为

严重一些。

采用上式模拟真实股票价格，然后检验在(6-2)—(6-4)式中所定义的市场

价格与真实价格计算出的证券收益率在标准差方面的差别，以此来分析股票价格

离散性带来的影响。总体上看，在采用采用四舍五入法确定市场价格时，证券收

益率的标准差可能被高估或低估；当市场价格采取向上取整法时，证券收益率的

标准差被低估；而采取向下取整法决定市场价格时，标准差被高估。这种被高估

或低估的偏差对于低价证券和小标准差证券也更为明显。

采用市场价格计算证券收益率的标准差产生的偏差并不大，对于低价股票的

影响要大于高价股票，对于收益率的标准差较小的股票，离散性造成的影响大于

标准差较大的股票。

类似地我们可以计算在不同的情况下，证券市场价格离散性带给证券收益率

偏度和峰度的影响。我们发现，采取离散的市场价格对于证券收益率峰度的计算

影响并不大，而些微的影响主要发生在低价股票上；但对于证券收益率的偏度的

计算，离散的市场价格产生的偏差相当大，对于低价股票，这一偏差更是大的惊

人，其偏差甚至超过 100%。因此在对证券价格的偏度进行考虑时，一定必须考

虑离散价格带来的影响。

67

9.3.2 通过市场价格进行模拟

对于已有的市场价格，我们将其视做真实价格 P，而对离散价格 P̂ 做如下定

义：

)]10/([10ˆ PRP = (9-7)

或者 )]5/([5ˆ PRP = (9-8)

这里 )(•R 是由(6-2)—(6-4)式所定义的三种离散方法。这样，我们就对市场价格进

行了更进一步的离散化。

下图是利用上海证券交易所 2001 年上市的全部 634 家股票从 2001年 1 月 1

日至 12 月 31 日的交易数据，以市场价格为真实价格，以离散性处理后的价格为

分析时的市场价格，从而计算离散性对证券收益率的影响。详细的结果见附表

10。

-100.00%

-50.00%

0.00%

50.00%

100.00%

150.00%

200.00%

250.00%

300.00%

350.00%

400.00%

全部股票 低价股票 中价股票 高价股票

股票样本

收益率方差偏度

峰度

图 9-4 以市场价格进行离散化处理后计算股票标准差时产生的偏差

(离散到 0.10 元)

结果表明，离散化的市场价格增加了价格的波动性。在离散到 0。10 元的情

况下，股票收益率的方差增加了 20%以上；对于偏度和峰度也有很大的影响，使

股票收益率的偏度和峰度减小。此外，离散性对于低价股票的影响要明显大于高

价股票。

68

9.4 结 论

从上面对证券市场价格离散性的研究，我们发现，我国证券市场上的交易价

格存在比较明显的离散性，并产生了以下影响：

(1)离散的证券价格增加了股票价格的波动性，特别是使证券收益率的标准

差增加。

(2)离散的证券价格对股票收益率的正态分布特征也有不同的影响，使其偏

度和峰度都产生一定程度的下降。

(3)证券价格的离散性对证券收益率有一定的影响，使其二时间段收益率图

呈现出“发散的玫瑰”样式。

(4)上述影响中，低价股票受到的影响要大于高价股票。

(5)股票的价格还存在一定程度的簇性，这进一步加剧了证券价格的离散性。

可见，由于证券交易规则的影响，造成不同价格的股票在交易过程中受到了

不同的影响，从而使证券交易的公平无法实现。对此我们考察国外证券市场对于

最小变动价格的规定，发现虽然国外证券市场上也存在最小价格变动规则，但这

个最小价格的变动幅度一般都与证券价格有关。

从上述分析看，我国的证券市场也可以改变原来的，对于所有股票都是统一

最小价格变动单位的规则，可以尝试对低价的股票(例如价格低于 10 元)，将价

格单位相应减小至 0.005 元，这样价格离散性对于这些股票的影响将得到降低，

而使交易规则对不同价格股票的影响不至于相差很大，从而维护市场交易的公

平。

10 研究结论与政策建议

10.1 主要研究结论

总结本研究对上海市场交易机制和市场运行质量指标的一系列实证分析，我

们主要得到以下的结论:

10.1.1 关于流动性的研究结论

69

(1)上海市场的流动性水平良好，居于国际领先水平。对照国际五十多个国

家的证券市场，我们发现上海市场的价差指标和纽约股票交易所同处国际的领先

水平，上海市场的流动性在新兴证券市场中是最好的。相对价差，比例有效价差

都明显小于同种交易机制的市场。

(2)单一的最小报价单位使得流动性指标和价格水平高度相关。本文的一系

列实证分析表明，股票的流动性和价格水平高度相关，其深层原因是 0。01 元的

单一最小报价单位限定了买卖价差的下限，因而会影响市场流动性和交易成本。

综合低价格股票和高价格在买卖价差和报价深度两方面的特征，我们认为低价格

股票的最小报价单位有过大的可能性，高价格股票的最小报价单位可能过小，但

鉴于样本数目很少，我们的研究还很难对最小报价单位的合理性得到肯定的结

论。

（3）除了交易量，波动性和价格水平外，上市公司信息的非对称程度是影

响其股票流动性的重要因素。为了解释流动性指标的日内分时特征，我们对股票

的信息非对称程度进行了分解， 采用 Lin，Sasnger，Booth(1995)提出的分解方

法，我们首先对买卖价差(bid-ask spread)中所包含的非对称信息部分进行估计，

通过对深度的影响因素的回归分析，发现我国股市中除了交易量，波动性和价格

水平外，信息的非对称性是影响流动性水平的重要因素。

（4）在上海市场，存货成本和信息非对称程度都是影响价格移动幅度的因

素，但信息非对称程度是主要影响因素。采用修正的 Glosten-Harris 模型，我们

对上海市场中交易对价格的影响因素进行了分解。我们发现股票的价格变动大

小，主要受股票的信息非对称程度的影响，如果一个股票的相关信息在市场投资

者中分布非常不对称，那么股票的交易中同样的交易量对价格影响的程度就会更

大，投资者的交易成本就越大，这个股票的流动性就更差。

10.1.2 关于波动性的研究结论

(1)开盘价格收益率的方差大于收盘价格收益率的方差。这一结果结果表明，

交易因素对集合竞价产生的影响大于对连续竞价产生的影响，而信息因素对集合

竞价产生的影响小于对连续竞价产生的影响。开盘价格收益率方差高的原因在于

集合竞价的两个缺陷，透明度差和不能更改指令，这造成了在集合竞价方式下进

行交易的高风险。

(2)我国证券市场上的交易价格存在比较明显的离散性。离散的证券价格增

70

加了股票价格的波动性，使证券收益率的标准差增加，并导致二时间段收益率图

呈现出“发散的玫瑰”样式。

10.2 相关政策建议

基于上述研究结论，我们提出如下的政策建议:

10.2.1 关于最小报价单位

应进一步对最小报价单位对市场质量的影响进行研究， 考虑根据股票的不

同价格水平制定不同的最小报价单位。最小报价单位限定了买卖价差的下限，因

而会影响市场流动性和交易成本。目前沪深股市采用 0.01 元的单一最小报价单

位，在一定程度上人为增加了低价股票的买卖价差，降低了高价格股票的深度，

因此可参考日本、香港等股市的做法，根据股票的不同价格水平来制定不同的最

小报价单位，以改善低价股的流动性。

10.2.2 关于做市商制度

近年来，关于借鉴纳斯达克市场，在国内股市建立做市商制度的建议日渐增

多。我们认为，上述观点反映了对西方市场教科书式的认识，而根据这种认识提

出的政策选择是不现实的。事实上，引入做市商制度的最主要目的是增强市场流

动性和交易的即时性。但本文的研究结果却表明，上海股市的买卖价差在全球处

于较低水平，其平均相对价差为 0.169%，比例有效价差为 0.0882%，远低于目

前一次交易的成本， 而做市商存在的前提是买卖价差必须大于其交易成本，因

此做市商的引入必将人为地加大买卖价差，降低市场的流动性和市场效率。在上

海股市建立起有效的大宗交易制度，保证大宗交易顺利进行的基础上，没有必要

在上海股市建立做市商制度。

10.2.3 关于信息披露机制

监管部门应该近一步完善各方面的信息披露机制，降低整个市场的信息非对

称的程度以减少投资者的逆向选择成本，这是改善市场流动性，进而促进资源有

效配置的有效手段。完善和健全信息披露制度是上市公司监管的核心内容，也是

证券市场的监管机构赖以保护市场公平原则的基础。证券交易所和证监会应通过

法律法规的完善和严格执行来保证信息充分透明，真实准确，公布及时，披露无

误，这是提高市场质量，改善市场流动性的重要手段之一。

10.2.4 关于开盘交易方式

我国证券市场同样存在开盘价格的波动性大的缺陷，这与集合竞价方式交易

71

透明度差，从而导致交易风险大有关。因此，我们建议我国的证券交易所可以适

当改变交易规则，可以在集合竞价过程中及时公布有关交易指令产生开盘价格的

信息。

参考文献

1． 施东晖，《中国股市微观行为:理论与实证》，上海远东出版社 2001 年版

2． 施东晖，《证券交易所竞争论:全球证券市场的角逐方略》，上海远东出版社 2001 年版

3． 孙培源，施东晖，2002：《微观结构，流动性与买卖价差:一个基于上海股市的经验研究》，

《世界经济》第 4 期

4． 屠光绍主编，《交易体制:原理与变革》，上海人民出版社，2000 年版

5。 杨之曙，冯锦锋，2001，《最小报价单位对证券市场流动性的影响》，《证券市场导报》

第 11 期

6．蔡明超，2002，《有效市场假设在中国的检验及其对我国投资者的启示》，《证券市场导报》

第 2 期

7．杨朝军，蔡明超。《上海股市基于会计信息反应半强式有效性实证分析》。《预测》 ，1999，

18(5):42-44

8．吴世农，1996，《我国证券市场的效率分析》，《经济研究》第 4 期

9。 Ahn。H。J。， and K。H。Bae，2000， “Limit Orders， Depth， and Volatility: Evidence

from the Stock Exchange of Hong Kong”， Pacific-Basin Finance Journal， Vol。

7， pp539-556。

10。Brennan，M。，Subrahmanyam，A。，1995，Investment analysis and price formation

in securities markets。Journal of Financial Economics 38，361-381

11。Brock，W。，Kleidon，A。W。，1992。Periodic market closure and trading volume:

a model of intraday bids and asks。 Journal of Economic Dynamics Control 16，

451-489

12。Chan。K。C。，Christie，W。G。，Schultz，P。H。，1995，Market structure and the

72

intraday evolution of bid-ask spreads for NASDAQ securities， Journal of Business

68，35-60

13。Chordia，Roll，Subrahmanyam，2001，Market Liquidity and Trading Activity，Journal

of Finance，vol。，LVI，No。2，Appril

14。Copeland，T。，Galai，D。，1983。 Information effects on the bid-ask spreads。

Journal of Finance 38，1457-1469

15。Franz，D。R。，Rao，R。P。，Tripathy，N。，1995。 Informed trading risk

and bid-ask spread changes around open market stock repurchases in the NASDAQ

market。 Journal of Financial Research 18，311-327

16。Glosten，L。，Harris，L。，1988。 Estimating the components of the bid/ask spread。

Journal of Financial Economics 21，123-142

17。 Glosten，L。R。，Milgrom，P。，1985。Bid-ask and transaction prices in a specialist

market with heterogeneously informed traders。 Journal of Financial Economics

14，71-100

18。 Handa，P。，1992，On the Supply of Liquidity at the NewYork and American Stock

Exchange，Working Paper，NewYork Univ。

19。Harris，L。，1990，Liquidity，Trading Rules and Electronic Trading systems，

NewYork University Salomon Center，Monograph Series in Finance and Economics，

4

20。Hasbrouck，J。，1991，Measuring the information content of stock trades。 Journal

of Finance 46，179-207

21。 Hausman，J。，Lo，A，MacKinlay，A。，1992。 An ordered probit analysis of transaction

stock prices。 Journal of Financial Economics 31，319-379

22。 Ho，T。，Stoll，H。R。，1981。 Optimal dealer pricing under transaction and return

uncertainty。 Journal of Financial Economics 9，47-73

23。Jain，P。C， G。H。Joh，1988， The Dependence between Hourly prices and Trading

Volume，Journal of Financial and Quantitative Analysis 23，269-283

24。Lee，C。，Ready，M。，1994。 Market microstructure and stock return predictions。

Review of Financial Studies 7，179-213

25。Lin，J。C。，Sanger，G。，Booth，G。G。，1995。 Trading size and components of the

bid-ask spread。 Review of Financial Studies 8，1153-1183

26。Madhavan，A。，Smidt，S，1991。 A Bayesian model of intraday specialist pricing。

Journal of Financial Economics，30，99-134

27。 Madhavan。A， 2000，“Market Microstructure: A Survey”， Journal of Financial

Markets， pp205-258。

28。 Massimb，Marcel and Bruce Phelps，1995，”Electronic trading，market structure，

and liquidity”，Financial Analysts Journal，Jan-Feb。，P29-50

29。O’Hara。M。，1995，“Market Microstructure Theory”， Blackwell Publisher Ltd。

73

30．Pankaj Jain ，2002， Institutional Design and Liquidity at Stock Exchanges around

the World，Working Paper

31。 Paul Brockman，Dennis Y。Chung，1999， An analysis of depth behavior in

an electronic，order-driven environment， Journal of Banking&Finance，

1861-1886

32。 P。Brockmamn，D。Y。Chung，1999，An analysis of depth behavior in an electronic ，

order-driven environment， Journal of Banking&Finance 23，1861-1886

33。 Stoll，H。R。，1978。 The supply of dealer services in securities markets。 Journal

of Finance 33，1131-1151

34。 Stoll，H。R。，1989。 Infering the components of the bid-ask spread:Theory and

empirical tests。 Journal of Finance 33，1133-1151