中国股票收益的非流动性补偿.docx

中国股票收益的非流动性补偿
吴文锋1 芮萌2 陈工孟2
（1、上海交通大学管理学院 2、香港理工大学会计学系）

通信地址：上海市法华镇路535号
上海交大管理学院 吴文锋（收）
邮编：200052
电话：[phone]
传真：[phone]
email: wfwu@

本文受国家自然科学基金(70202005)的资助，作者感谢“第二届中国青年经济学者论坛”与会者、两位匿名审稿人和责任编辑提出的修改意见，当然文责自负。

邮寄地址：北京市建国门内大街5号中国社会科学院世界经济与政治研究所
《世界经济》编辑部
邮编：100732
电话：[phone] 传真：65137744-5790
email: jwe@
投稿日期：2002/11/9

中国股票收益的非流动性补偿
内容提要：传统资产定价模型认为，股票高收益仅仅是用于补偿高风险，而忽略了非流动性交易成本等其他重要因素。市场微观结构理论重新考虑非流动性问题，提出了收益的“非流动性补偿”假设。本文检验了中国股票市场的“风险补偿”和“非流动性补偿”假设，发现“风险补偿”假设不成立；而相反，结果支持了“非流动性补偿”假设。这说明中国市场中非流动性交易成本在股票定价中起着更重要的作用。另外，分析不同流动性的股票对市场非流动性变化的反应还发现，产生“小公司效应”的一个原因是由于小公司的非流动性效应更显著引起的。文中提出，管理层除了通过降低印花税和下调佣金等措施降低直接交易成本外，更应该完善市场交易机制降低间接交易成本。
关键词：非流动性 资产定价模型 小公司效应

一、引言
在2001年11月财政部调低证券交易印花税Ａ股、B股交易印花税分别从４‰、3‰统一降为２‰。
后不久，2002年4月中国证监会、国家计委、国家税务总局又联合发文，自5月1日起下调证券佣金收取标准沪深两市的佣金分别从3.35‰和3.3075‰下调到最高不得超过3‰。
。这两项措施的目的都是通过直接降低证券交易成本，以期活跃市场，提高整个市场的流动性。事实上，流动性不仅是管理层维护市场繁荣的目标之一，而且，它作为资产的一种重要属性，也是投资者进行资产组合管理和投资决策时考虑的首要目标之一。
与实务界对它的重视相比，流动性在传统资产定价模型中却少有反映。为了强调这一长期忽略的重要因素，近年来的市场微观结构理论开始探讨和研究流动性在资产定价理论中的地位和应用。Amihud and Mendelson(1986)首次讨论了资产收益率与流动性的关系，他们的理论分析认为，资产收益率是交易成本的凸的增函数；使用买卖价差作为流动性的度量方法，他们的实证结果证实了“非流动性补偿”假设――股票的高收益不仅是为了补偿它的高风险，也用于补偿它的高非流动性。
“非流动性补偿”假设可以说是对资产定价理论的进一步修正和完善。在传统资产定价理论中，“收益”仅仅是和“风险”联系在一起传统资产定价模型认为，股票的高收益仅仅是为了补偿它的高风险――价格的高度不确定性。
，但人们又无法解释为什么具有同样风险的两只股票，投资者倾向于选择流动性好的那只？实际上，一个重要的因素――交易成本被忽略了。类似于“风险厌恶”的基本假设，投资者同样具有“流动性偏好”心理。投资者喜欢流动性好的资产，这样他可在需要时快速和低成本地兑现资产。所以当资产的非流动性偏大时，他也需要更高的预期收益率来补偿高非流动性。这种非流动性补偿所对应的成本就是一种间接交易成本。
从非流动性成本角度也有助于理解为什么股票的收益要高于短期国债。因为，与短期国债相比，股票不仅更有风险，而且非流动性也更高。首先，股票交易的价差和直接交易费用都要高于短期国债。而且，国债的交易规模也更大，投资者可以进行一笔规模很大的国债交易而对国债价格不产生影响，但规模稍微大一点的股票交易就会影响股价。这说明股票的非流动性成本更高。这些都隐含着，股价收益率超出国债收益率部分的超额收益率不仅用于补偿股票的高风险，也用于补偿股票的高非流动性。
在Amihud and Mendelson(1986)提出“非流动性补偿”假设后，有关使用流动性解释股票收益的研究便大量展开了。Eleswarapu and Reinganum(1993)使用1961-1990年美国股市数据重新检验“非流动性补偿”假设，他们的结论发现，资产收益率和买卖价差之间的正相关关系主要限定于一月份的数据。Brennan and Subrahmanyam(1996)把交易成本分为固定成本和可变成本两部分，研究结果显示收益和可变成本之间存在相关关系，而和固定成本之间没有关系。Datar, Naik and Radcliffe(1998)则使用换手率作为流动性的度量方法，检验结果也支持了“非流动性补偿”假设。Amihud(2002)又重新从横截面角度进行了检验，他发现资产收益率与非流动性之间的正相关关系不仅在时间序列上成立，在横截面上也成立。
在中国这个相对显得不成熟的市场上，研究非流动性成本对股票定价的影响，也许会引发新的思考和兴趣。一方面，中国市场与西方成熟市场存在完全不同的背景环境，特别是大部分的实证研究都证实传统的资产定价模型不适合于中国市场许多的实证研究都证实了CAPM模型不适合于中国股票市场，比如马静如（2001）等。
。整个市场的规模较小 截至2001年12月底，中国股市的总流通市值为14423亿元，仅为GDP总值的15%。
，证券市场制度处于不断完善过程，政府对市场的干预过多，机构投资者的数量和规模太小等，这些原因造成中国市场与传统资产定价模型严格的前提条件有较大出入。从投资者角度考虑，价格波动的“风险补偿”不能解释股票收益的原因在于许多股价波动是由于政府外部干预、庄家炒作等原因引起的，而不是投资者进行风险规避的结果。另一方面，在中国股市不仅交易印花税、佣金等直接的交易成本较高，而且涨跌幅度限制、缺乏做空机制等市场制度也造成了很高的非流动性成本。这些都使得研究中国股市中非流动性成本对股票收益的影响就显得更有意义。
本文对中国股票市场的非流动性与股价收益率之间的关系进行了横截面相关检验，并分析了市场非流动性变化对股票收益的影响及不同流动性股票的市场非流动性效应。文章的结构如下，第二部分描述了变量和使用的样本数据，第三部分设计了实证检验的假设，给出了结果，并进行分析，第四部分对结论进行了总结。
二、变量和数据
（一）非流动性的度量方法
流动性是一个很难刻画的概念（Amihud, 2002）。它不能被直接观测，而且由于包括许多方面而无法简单使用一种方法来刻画。一般说来，一种资产流动性好是指它能按照当前的市场价格很快而且以很低的成本买卖。非流动性是一种间接交易成本，它反映了交易指令对价格的影响。象交易佣金、印花税等直接的交易成本容易度量，但包括买卖价差、交易指令对价格的影响成本和延迟交易成本等非流动性成本就很难度量。
Kyle(1985)提出了度量流动性的三个指标：紧性、深度和弹性。Amihud and Mendelson(1986)和Eleswarapu(1997)则使用买卖价差来度量流动性。流动性的另一个度量指标是换手率，Amihud and Mendelson(1986)认为换手率与非流动性成本负相关，Atkins and Dyl(1997)发现价差与换手率倒数之间（衡量持有期）存在正相关关系。这些流动性和非流动性指标都是从实证角度描述了流动性的一个不同方面。
本文采用Amihud(2002)的方法度量非流动性，定义为日收益率的绝对值与日成交金额的比率：
（1）
其中：为第i个股票t日的日收益率，为第i个股票t日的成交金额。这个比率即为每单位成交金额所引起的价格变化，它反映了买卖指令规模对价格的影响。它与Kyle(1985)的定义是一致的。而且，它避免了Kyle的指标对高频数据的依赖，从而可以作长时期的时间序列研究。
另一方面，Amihud（2002）的研究表明，ILLIQ与从市场微观结构高频数据给出的非流动性定义是正相关的。Brennan and Subrahmanyam(1996)使用日内交易和价差数据度量非流动性，一个是价格影响指标：Kyle(1985)的，另一个是相对于买卖价差的固定费用指标。通过与这两个指标进行回归，他们发现ILLIQ指标与和都正相关。
在横截面研究中我们使用月平均非流动性指标ILLIQiy：
（2）
其中：Diy为第i个股票y月的交易天数。
（二）实证检验的变量
（1）非流动性变量
单个股票的非流动性指标ILLIQiy使用式（2）计算，整个市场的非流动性指标则取所有股票的平均值AILLIQy：
（3）
其中：Dy为第y月的股票个数。由于随着时间的改变，各个月的非流动性变化很大，所以在横截面回归检验模型的估计中，我们使用经过均值调整的非流动性指标ILLIQMAiy：
（4）
（2）风险变量
我们使用BETAiy作为系统风险的度量指标。BETAiy的计算方法如下：在每一个y月，股票按照市值排序，分成10个证券组合。然后，按照组合中所有股票收益率等权平均计算各个组合的日收益率Rpt，即第p个组合在t日的收益率。最后，按照市场模型来估计各个组合的BETApy值：
（5）
其中：RMt为等权平均计算的市场组合收益率，BETApy为用Scholes and Williams(1977)估计出的斜率系数，无风险利率Rft为三个月期存款年利率的日收益率值。回归区间为y月月底前的一年期间。各个股票的BETA值为其所在的股票组合的BETA值BETApy Fama and French(1992)也使用类似的方法估计BETA值，他们发现用组合的方法估计BETA值比逐个股票进行市场组合回归要精确一些。
。
股票的总风险为变量SDRETiy，即为日收益率的标准差（乘以100）。根据Levy(1978)和Merton(1987)的研究，总风险SDRETiy也考虑在股票定价因素中是因为投资者的组合总是受到限制，因而不可能完全分散化。
（3）股票规模
股票规模SIZE（市值）也与流动性有关。因为市值越大，它的价差会越小，每个单位买卖指令对价格的影响也越小。而且，股票的预期收益率也与规模负相关（Banz, 1981；Reinganum, 1981；Fama and French, 1992等）。在横截面回归时，规模SIZE取对数。
（4）其他变量
在实证时，我们还考虑股利变量DIVYLDiy，它等于y月分配的股利与月底股价的比率。因为，Redding’s（19797）认为高股利分配的股票风险要低一些，所以DIVYLDiy可能与预期收益率存在负相关关系。
（三）样本数据
样本时期为从1993年6月到2001年12月，一共103个月。数据为所有在上海和深圳证券交易所上市而且这段时期有交易的股票，去掉ILLIQiy在分布两端1%的股票 这是为了消除分布两端的异常数据可能造成的影响。
。数据来源自香港理工大学中国会计与金融研究中心和深圳国泰安信息技术有限公司合作开发的中国股票市场研究数据库（CSMAR）。先按照月份计算每个月各个股票的变量值，求得103个月的每月变量均值，而后对这103个月的均值进行统计，得到表1。
表1 各个变量的基本统计表
变量
均值
标准差
中位数
偏度
最小值
最大值
ILLIQ
0.8018
0.5717
0.6730
1.8238
0.1205
2.8443
SIZE(RMB’000)
2,446,249.35
3,066,996.80
2,453,497.08
4.5680
799,587.12
4,779,216.64
DIVYLD
12.2868
13.7579
6.9066
1.6482
2.7672
43.1818
SDRET
3.0988
0.8677
2.7008
1.1215
1.5048
11.6740
注：变量DIVYLD的单位为万分之一。
三、实证检验和结果
（一）非流动性和股价收益率的横截面回归
1、横截面检验模型
检验的过程采用Fama and French(1973)的横截面回归方法：
（6）
其中：为第i股票第y月的收益率；为股票i的第j个相关因素（比如，非流动性指标，风险系数Beta值，市值规模等），它使用的在y月初投资者已获取的第y-1月的数据；系数衡量这些因素的影响程度。
表 2 股票收益率与非流动性及其他变量的横截面回归结果
变量
所有样本
除1月份之外的样本
1993-1997
1998-2001
所有样本
除1月份之外的样本
1993-1997
1998-2001
Constant
-0.0354
-0.0265
-0.0456
-0.0234
0.1863
0.1997
0.1987
0.1717
(-2.2655)
(-1.4418)
(-1.6566)
(-2.2013)
(2.9971)
(2.7388)
(1.8093)
(4.0137)
BETA
0.0020
0.0016
-0.0018
0.0065
-0.0073
-0.0143
-0.0182
0.0053
(0.3271)
(0.2300)
(-0.1582)
(2.3900)
(-0.7512)
(-1.2680)
(-1.0177)
(1.9429)
ILLIQMA
0.0317
0.0352
0.0487
0.0118
0.0298
0.0334
0.0473
0.0092
(2.2412)
(2.0851)
(1.8729)
(4.4883)
(1.9933)
(1.8697)
(1.7199)
(3.7088)
LNSIZE

-0.0149
-0.0153
-0.0174
-0.0118
(-4.2844)
(-3.8380)
(-2.8879)
(-4.5262)
SDRET

-0.0024
0.0002
0.0013
-0.0067
(-0.3638)
(0.0194)
(0.1099)
(-2.7186)
DIVYLD

-0.0003
-0.00041
-0.0007
0.00009
(-0.9619)
(-1.0151)
(-1.0947)
(1.0688)
注：括号内的值为T检验值。
2、检验结果
按照回归模型式（6），对各个月（103个月）进行横截面回归，一共103次回归，产生了103组系数kjy，对这103组系数求均值，并进行了均值为零的T检验，结果见表2。由于一些研究（Keim, 1983；Tinic and West, 1986；Eleswarapu and Reinganum, 1993等）发现，由于“一月效应”的影响，去掉一月份之后，BETA值、规模等因素可能变得不显著，所以还给出了去掉一月份之后的统计和检验值。另外，为了检验回归结果的时间上的平稳性，我们把样本时期分为两个阶段，一个阶段从1993年6月到1997年12月（55个月）；另一个从1998年1月到2001年12月（48个月），分别对这两个阶段进行了统计和检验。
表2的结果支持了中国股票市场的“非流动性补偿”假设。整个样本时期的非流动性指标的均值为0.0317，T检验值为2.2412，显著不等于零。另外，去掉一月份数据后，非流动性效应仍然是正的。分阶段的ILLIQMA也都为正值，且T检验显著，特别是第二阶段，从1998年至2001年期间，显著性大为增强。
从BETA值的检验系数看，在中国股票市场，系统风险BETA值与收益率的相关性不显著。在整个样本时期，T检验值仅为0.3271，无法拒绝零假设。去掉一月份的检验和1993年到1997年的检验也都是不显著的。仅有1998年到2001年阶段BETA值对股价收益率有正相关关系。
在加入规模SIZE、总风险SDRET和股利比率DIVYLD等变量后，非流动性ILLIQMA的系数仍然为显著的正值，进一步证实了非流动性与股价收益率正相关的假设。从表2中还可以看出，股票规模对收益率的影响是负的，这与其他研究者的结论是一致的变量总风险SDRET和股利比率DIVYLD不显著，即它们对收益率没有统计意义上的显著影响。
（二）市场非流动性变化对股价超额收益率的影响
前面的实证结果表明，股价收益率与非流动性之间存在横截面正相关关系。这说明，被传统资产定价模型所忽视的非流动性交易成本因素是影响资产定价的一个重要因素。投资者并没有忽略资产的非流动性因素，而是通过对市场非流动性的预期来调整预期收益率，从而影响股价。如果投资者预期到更高的非流动性，那么他们将把股价定得更低以希望得到更高的预期收益率，以补偿非流动性的增加。Amihud and , Mendelson and Wood(1990)在研究1987年10月美国股市崩盘时认为，当时的股市崩盘过程实际上分为两个阶段，第一个阶段是在崩盘前，市场无法提供必需的流动性来减少大笔卖单对价格的影响，股价受到大笔卖单的影响而大幅下跌；第二个阶段则是由于市场流动性的大幅下降，投资者预期市场非流动性将大幅增加，因此提高预期收益率来补偿整个市场非流动性的增加，所以股价再次大幅下跌。他们的研究还发现，不同流动性的股票的下跌幅度也是不同的，流动性越好的股票，其下跌幅度越小。
现在考虑整个市场非流动性变化对股价超额收益率的影响，即当预期市场非流动性与实际市场非流动性不一致时，股价收益率会有什么变化。我们把实际市场非流动性与预期市场非流动性的差称为未预期到的市场非流动性，同样把实际收益率与预期收益率之差称为未预期到的收益率。如果当年的未预期到的非流动性大于零，即实际的非流动性大于预期的非流动性，则投资者将预期下一年的非流动性增大。而预期非流动性增加会导致下一年的期望超额收益率的增加，因而当年年底（下一年年初）的股票价格就下跌。所以，当年的收益率下降，即未预期到的收益率为负值。因此，未预期到的非流动性对同期未预期到的股价收益率的影响是负面的。
1、检验方法
这里预期非流动性采用自回归模型估计，即假设投资者使用前一个月的信息来预测下个月的非流动性，然后用这个预测值去设定期望收益率。市场非流动性假设遵循下述过程：
（7）
其中：为y月市场非流动性，检验时采用自然对数形式，和分别为系数，为残差值；可以预计。
在第y月初，投资者根据第y-1月的信息决定这一月的预期非流动性：
（8）
然后，他们按照得到的预期非流动性再去设定这一月的期望收益率：
（9）
其中：为第y月的市场组合收益率，为第y月的无风险收益率。
根据前面的分析，未预期到的非流动性对同期的未预期到的股价收益率的影响是负面的。记，其中表示没有未预期到的超额收益率，则：
（10）
合并式（9）和式（10）为：
（11）
其中：，，。这样，检验模型为：
（12）
检验假设为： 。
2、检验结果
检验结果见表3。市场非流动性变化对股价超额收益率的影响主要体现在未预期到的市场非流动性变化对超额收益率的影响上，即其回归系数项的检验显著。而前一个月的市场非流动性的系数项的T检验并不显著，这说明前一月的市场非流动性只影响前一月的股价收益率，而对当月的股价收益率没有影响，因为投资者已通过预期当月的非流动性对股价预期收益率进行调整，所以它对实际的股价收益率就不产生影响。
表 3 市场非流动性变化对股价超额收益率的影响

RM – Rf
规模组合的超额收益率

Constant
-0.0086
0.0197
-0.0066
-0.0140
-0.0342
-0.01834
(-0.581)
(1.123)
(-0.420)
(-0.887)
(-2.597)
(-1.018)

0.0135
0.03
0.013
0.01
-0.0068
0.016759
(1.092)
(2.268)
(0.977)
(0.427)
(-0.704)
(1.361)

-0.1759
-0.1869
-0.1501
-0.1469
-0.1361
-0.134646
(-8.068)
(-8.013)
(-6.779)
(-6.666)
(-7.513)
(-6.475)

0.401
0.4119
0.3215
0.3106
0.3651
0.3066

2.603
2.435
2.653
2.623
2.466
2.586
注：括号中给出的为T检验值。
（三）市场非流动性对不同流动性的股票收益率的影响
市场非流动性的变化对不同流动性的股票的收益率影响是不同的。当市场非流动性增加时，对投资者来说，一方面是非流动性出现未预期的增加，另一方面则会预期非流动性还会增加。这里包含两方面的影响：
（1）当预期市场非流动性还会增加时，对所有的股票而言，股价都会下跌而使预期收益率增加；
（2）当非流动性出现未预期的增加时，出现“流动性替代效应”。即对流动性好的股票的需求增加，而对流动性差的股票的需求减少。
流动性替代效应的出现，将使得流动性好的股票的需求增加，使得价格上升，预期收益率下降；而相反，流动性差的股票的预期收益率增加。这样，对于低流动性的股票而言，两种影响的作用效果为同一个方向，且相互加强。但对于高流动性的股票而言，这两种影响的作用方向相反而相互抵消。最后的结果是，流动性差的股票将表现出更明显的市场非流动性效应，即更强的未预期到的市场非流动性对收益率的负面影响。而对于流动性好的股票，这种市场非流动性效应将会相对减弱一些。
如前所述，股票规模也是一个流动性指标，相对而言，规模大的股票的流动性要好于规模小的股票。因此，我们按照股票规模把整个市场的股票分成10个组合，第1个组合的市值规模最小，第10个组合的规模最大。使用下面的模型检验市场非流动性对不同流动性的股票的收益率的影响：
（13）
其中：为第i 个规模股票组合的第y月的收益率，流动性差的股票表现出更强的市场非流动性效应的假设为 采用奇数1、3、5、7、9时结果类似。
：。
检验结果见表3。从表中看出，检验结果与我们的假设一致，未预期到的市场非流动性的回归系数值都小于零，且随着股票规模单调增加。这结果说明，规模小的股票的市场非流动性效应要显著强于规模大的股票。小公司对市场非流动性效应的具有更高的敏感性，使得小公司具有更大的非流动性风险，因而它需要更大的非流动性补偿，所以从总体上看，小公司的收益要大于大公司，这也是产生“小公司效应的一个原因。
四、结论
在传统的资产定价模型中，预期收益率与预期风险呈正相关关系，即收益是为了补偿风险的。市场微观结构理论重新讨论被忽视的交易成本问题，提出了“非流动性补偿”假设。即相对于国债的低收益，股票的高收益不仅是为了补偿股票的高风险，也是为了补偿股票的高非流动性。本文采用1993年6月到2001年12月的数据，并使用日收益率的绝对值与日成交金额的比率作为非流动性的度量方法，检验了中国股票市场的收益率与非流动性的横截面相关关系，分析了未预期到的市场非流动性对股价收益率的影响。
横截面回归的结果显示，中国股票市场的收益率与风险Beta值、总风险收益率标准差之间都不呈现出相关关系，而与非流动性呈显著的正相关关系。风险对收益率的解释作用不明显，这与许多学者研究的在中国股票市场资本资产定价模型不成立的结论相一致。而中国市场表现出更显著的“非流动性补偿”假设，这说明投资者更注重资产的流动性。这也可以解释相对于全球其他股市，中国股市的换手率更高的原因，因为投资者的持股时间更短。
通过对未预期到的市场非流动性对股价收益率影响的分析，我们发现当市场非流动性发生了未预期到的变化时，未预期到的市场非流动性对股价收益率的影响是负面的。即市场非流动性突然增加时，股价收益率将降低。而且，不同流动性的股票对市场非流动性的变化是不同的。相对于大盘股，小盘股对市场非流动性变化的反应更强烈一些，小盘股的非流动性效应更明显一些。由于小盘股对市场非流动性的变化更敏感，非流动性风险更大，所以需要得到更大的非流动性补偿，这刚好解释了小盘股收益率相对要高一些的“小公司效应”。
鉴于“非流动性补偿”在中国股票市场的显著性，管理层通过降低交易印花税和下调佣金来减少直接交易成本的做法有助于提高整个市场的流动性。另一方面，除了减少直接交易成本外，管理层更应该加强市场交易机制的建设来减少市场的非流动性成本，降低市场的间接交易成本。比如（1）合理设置最小报价单位。目前中国市场的每股价格从最低的3元多到最高的50元多，但最小报价单位都是0.01元，这可能导致不同价位股票的不同非流动性成本。（2）完善涨跌幅限制制度。文献（142）的研究表明，不恰当的涨跌幅限制约束了流动性。（3）采取合适的做空机制。许多研究表明，限制做空降低了市场信息效率，增加了交易成本（Diamond and Verrechia， 1987；Luttmer， 1996等）。

参考文献
1、 马静如(2001)：《资本资产定价模型与深圳股票市场的实证研究》，《南开经济研究》，第2期：13-16
2、 上海交通大学金融工程研究中心课题组(2002)：《市场流动性与市场微观结构有关---涨跌幅限制与股价变动研究》，《上海证券报》，2002年4月16日
3、 Amihud, Y. and H. Mendelson(1986): “Asset Pricing and the Bid-Ask Spread”, Journal of Financial Economics, 17, pp.223-249
4、 Amihud, Y. and H. Mendelson(1991): “Liquidity, Asset Prices and Financial Policy”, Financial Analysts Journal, 47, pp.56-66
5、 Amihud, Y.(2002): “Illiquidity and stock returns: cross-section and time-series effects”, Journal of financial Markets, 5, pp.31-56
6、 Amihud, Y., H. Mendelson and R. Wood(1990): “Liquidity and the 1987 Stock Market Crash”, Journal of Portfolio Management, 16, pp.65-69
7、 Atkins, A.B. and E.A. Dyl(1997): “Transactions costs and holding periods for common stocks”, Journal of Finance, 52, pp.309-325
8、 Banz, R.W.(1981): “The relationship between return and market value of common stocks”, Journal of Financial Economics, 9, pp.3-18
9、 Brennan, M.J. and A. Subrahmanyam(1996): “Market microstructure and asset pricing: on the compensation for illiquidity in stock returns”, Journal of Financial Economics, 41: pp.441-464
10、 Cooper, S.K., J.C. Goth and W.E.Avera(1985): “Liquidity, exchange listing and common stock performance”, Journal of Economics and Business, 37, pp.19-33
11、 Datar, V. T., N.Y. Naik and R. Radcliffe(1998): “Liquidity and stock returns: An alternative test”, Journal of Financial Markets, 1, pp.203-219
12、 Diamond, D. and R. Verrechia(1987): “Constraints on short-selling and asset price adjustment to private information”, Journal of Financial Economics, pp.277-311
13、 Elsewarapu, V. R. and M. Reinganum(1993): “The seasonal behavior of liquidity premium in asset pricing”, Journal of Financial Economics, 34: pp.373-386
14、 Elsewarapu, V.R.(1997): “Cost of transacting and expected returns in the NASDAQ market”, Journal of Finance, 52, pp.2113-2127
15、 Fama, E.F. and K.R. French(1992): “The cross section of expected stock returns”, Journal of Finance, 47: pp.427-465
16、 Keim, D.B.(1983): “Size related anomalies and stock return seasonality”, Journal of Financial Economics, 12, pp.13-32
17、 Khan, W.A. and H.K.Baker (1993): “Unlisted trading privileges, liquidity and stock returns”, Journal of Financial Research, 16: pp.221-236
18、 Kyle, A.(1985): “Continuous auctions and insider trading”, Econometrica, 53: pp1315-1335
19、 Levy, H.(1978): “Equilibrium in an imperfect market: constraint on the number of securities in the portfolio”, American Economic Review, 68, pp.643-658
20、 Luttmer, E.(1996): “Asset pricing in economies with frictions”, Econometrica, pp.1439-1468
21、 Merton, R. C.(1987): “A simple model of capital market equilibrium with incomplete information”, Journal of Finance, 42, pp.483-511
22、 Redding, L. S.(1997): “Firm size and dividend payouts”, Journal of Financial Intermediation, 6, pp.224-248
23、 Reinganum, M. R.(1981): “Misspecification of capital asset pricing: empirical anomalies based on earnings yields and market values”, Journal of Financial Economics, 9, pp.19-46
24、 Scholes, M. and J. Williams(1977): “Estimating betas from non-synchronous data”, Journal of Financial Economics, 5, pp.309327
25、 Tinic, S.M. and R. R. West(1986): “Risk, return and equilibrium: a revisit”, Journal of Political Economy, 94, pp.126-147

The Illiquidity Premium in China Stock Market
Abstract: The paper tests the cross-sectional relationship between the illiquidty and stock returns in the China's stock market. It shows that the illiquidity is positively related with stock return, while the relationship between returns and Betas isn't significant. The result indicates that the expected stock excess returns in China can be partially explained by an illiquidty premium. Moreover, we find that stock returns are negatively associated with contemporaneous unexpected illiquidity. Illiquidity affects more strongly on small firm stocks, thus explaining the "small firm" effect.
Keywords: illiquidity premium, asset pricing, small stock effect
JEL G12