深圳证券交易所买卖价差的构成分析

深圳证券交易所买卖价差的构成分析

第１３卷第３期

２００４年６月系统工程理论方法应用ＳＹＳＴＥＭＳＥＮＧＩＮＥＥＲＩＮＧ—ＴＨＥＯＲＹＭＥＴＨＯＤＯＬＯＧＹＡＰＰＬＩＣＡＴＩＯＮＳＶ０１．１３Ｎｏ．３Ｊｕｎ．２００４文章编号：１００５—２５４２（２００４）０３—００００—０２３９—０５

深圳证券交易所买卖价差的构成分析

穆启国，吴冲锋，刘海龙

（上海交通大学安泰管理学院金融工程研究中心，上海２０００５２）

【摘要】基于ＭＲＲ（Ｍａｄｈａｖａｎ，Ｒｉｃｈａｒｄｓｏｎ，Ｒｏｏｍａｎｓ）模型，把买卖价差分解为非对称信息成本和指令处理成本，并采用深圳证券交易所股票的实时交易历史数据对其进行实证分析。结果表明：深圳证券交易所股票的非对称信息成本、指令处理成本呈“Ｌ形”曲线，非对称信息成本和指令处理成本随着股票价格的降低而降低，随着换手率的降低而增加。

关键词：证券交易；买卖价差；非对称信息成本；指令处理成本；深圳

中图分类号：Ｆ８３０．９文献标识码：Ａ

ＣｏｍｐｏｎｅｎｔｓｏｆｔｈｅＢｉｄ－ＡｓｋＳｐｒｅａｄｉｎ

ｔｈｅＳｈｅｎｚｈｅｎＳｔｏｃｋＥｘｃｈａｎｇｅ

ＭＵＱｉ—ｇｕｏ，ＷＵＣｈｏｎｇ—ｆｅ札ｇ，ＬＩＵＨａｉ—ｌｏｎｇ

（ＴｈｅＣｅｎｔｅｒｏｆＦｉｎａｎｃｅＥｎｇｉｎｅｅｒｉｎｇ，ＡｎｔａｉＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔ，

ＳｈａｎｇｈａｉＪｉａｏｔｏｎｇＵｎｉｖ．，Ｓｈａｎｇｈａｉ２０００５２，Ｃｈｉｎａ）

［Ａｂｓｔｒａｃｔ］ＵｓｉｎｇｔｒａｎｓａｃｔｉｏｎｓｄａｔａｆｏｒａｓａｍｐｌｅｏｆｓｔｏｃｋｉｎｔｈｅＳｈｅｎＺｈｅｎＳｔｏｃｋＥｘｃｈａｎｇｅ（ＳＳＥ），ｗｅｄｅ—ｃｏｍｐｏｓｅｔｈｅｂｉｄ——ａｓｋｓｐｒｅａｄｉｎｔｏｏｒｄｅｒ－－ｐｒｏｃｅｓｓｉｎｇａｎｄａｓｙｍｍｅｔｒｉｃｉｎｆｏｒｍａｔｉｏｎｃｏｍｐｏｎｅｎｔｓｕｓｉｎｇｔｈｅｔｅｃｈ—．ｎｉｑｕｅｓｏｆＭａｓｈａｖａｎ，Ｒｉｃｈａｒｄｓｏｎ，ａｎｄＲｏｏｍａｎｓ（１９９７）．Ｏｕｒｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｏｒｄｅｒ—ｐｒｏｃｅｓｓｉｎｇ

ｃｏｓｔｃｏｓｔａｎｄｃｏｓｔａｓｙｍｍｅｔｒｉｃｉｎｆｏｒｍａｔｉｏｎｅｘｈｉｂｉｔａｎＬ—ｓｈａｐｅｄｐａｔｔｅｒｎｏｖｅｒｔｈｅｔｒａｄｉｎｇｄａｙ．Ｔｈｅａｄｖｅｒｓｅｓｅｌｅｃｔｉｏｎ

ｔｏａｎｄｂｉｄ—ａｓｋｓｐｒｅａｄｉｎｃｒｅａｓｅｓｗｉｔｈ

ｌｉｑｕｉｄｉｔｙａｎｄｄｅｃｒｅａｓｅｔｈｅｃｏｓｔｔｕｒｎｏｖｅｒｗｈｉｌｅｄｅｃｒｅａｓｅｓｗｉｔｈｔｈｅｓｔｏｃｋｐｒｉｃｅ．Ｉｎｏｒｄｅｒｉｎｃｒｅａｓｅｔｈｅｏｆｔｒａｄｅｒｓ．

Ｋｅｙｗｏｒｄｓ：ｓｔｏｃｋｅｘｃｈａｎｇｅ；ｂｉｄ—ａｓｋｓｐｒｅａｄ；ａｄｖｅｒｓｅｓｅｌｅｃｔｉｏｎｃｏｓｔ；ｏｒｄｅｒ—ｐｒｏｃｅｓｓｉｎｇｃｏｓｔ；Ｓｈｅｎｚｈｅｎ

流动性是证券市场的生命力所在。二级市场的

流动性为投资者提供了转让和买卖证券的机会，也

为筹资者提供了筹资的必要前提。如果市场缺乏流

动性而导致交易难以完成，市场也就失去了存在的

必要。Ａｍｉｈｕｄ和Ｍｅｎｄｅｌｓｏｎ［１３指出“流动性就是市

场的一切”。Ｂｌａｃｋｃｚ３认为，一个流动性好的市场具有

以下特征：买卖报价总是存在，同时价差足够小，大

额交易可以立即完成且不对价格产生重大影响。Ｋｙｌｅ［３１也指出，市场流动性最重要的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。然而买卖价差的构成决定着买卖价差的大小和相应的变化，因此对买卖价差构成的研究不仅是理论模型进一步扩展的必要前提，而且对于市场交易者和市场监管部门来说都有着现实意义。关于买卖价差的构成在报价驱动市场（如纽约

证券交易所和纳斯达克股票市场）中已得到了广泛

的研究。在做市商市场中，买卖价差是由指令处理成

本、存货成本和非对称信息成本构成的。指令处理成

本是指市场流动性提供者提供流动性服务时的每股

成本。如Ｄｅｍｓｅｔｚ［４３识别了市场流动性提供者（做市商）的指令处理成本。作为市场中介的做市商在做市收稿日期：２００３—０９—０８修订日期：２００３—１０－２４基金项目：国家杰出青年科学基金（７００２５３０３），国家自然科学资金（７０１７３０３１）作者简介：穆启国（１９７５一），男，博士生。主要从事金融工程研究。

深圳证券交易所买卖价差的构成分析

２４０系统工程理论方法应用第１３卷时将面临交易者提交的大量买人和卖出指令，由于

这些指令是随机的，因此，在买入指令和卖出指令之

间会产生不平衡。为避免破产，做市商必须保持一定

的股票和现金头寸，以平衡这种买人和卖出之间的

不平衡。为弥补这些成本，做市商设定了买卖价差。

存货成本也就是做市商持有股票和现金头寸带来的

成本。如ＳｔｏｌｌＬ５Ｊ、Ａｍｉｈｕｄ和Ｍｅｎｄｅｌｓｏｎ［６７强调了存

货持有成本。在信息不对称的市场中存在着知情交据以下原则对原始数据进行筛选和处理：（１）目前深圳证券交易所对特别处理（简称为ＳＴ）公司和特别转让（简称为ＰＴ）公司实行５％的涨跌幅限制。为不影响分析指标的一致性，将样本期间的这些公司予以删除。（２）由于深圳证券交易所中新股上市首日的涨幅一般会远远大于１０％，因此删除了新股在上市首日成交数据。（３）对于上市公司的红利、配一股、拆细等因素都进行了相应的调整。

易者和非知情交易者，做市商知道知情交易者所掌

握的信息比他多，并且这些知情交易者具有不交易

的选择权，因此，这些知情交易者与做市商进行交易

时总是获利者。为避免破产，流动性提供者不得不用

与未知情交易者交易所获得的盈利来冲销这些损

失，而这些盈利的来源就在于做市商设定的买卖报

价价差。因此，非对称信息成本是指流动性提供者与

知情交易者交易而发生的预期损失。如Ｃｏｐｅｌａｎｄ和

Ｇａｌａｉ［７］，Ｅａｓｌｅｙ和ＯｈａｒａＥ８３集中讨论了做市商与知

情交易者交易时所面对的信息成本。然而，买卖价差

并非只存在于报价驱动市场中。Ｃｏｈｅｎ等［９３发现：当

投资者面临评估信息、监控市场以及向市场传递指

令的交易成本时，指令驱动市场也存在买卖价差。

ＧｌｏｓｔｅｎＤｏ］指令驱动市场因为非对称信息成本的存

在使得买卖价差为正。然而，对指令驱动市场中的买

卖价差构成的研究却极为有限。本文基于ＭＲＲ模

型，把买卖价差分解为非对称信息成本和指令处理

成本，并采用深圳证券交易所股票的实时交易历史

数据对其进行实证分析。

１数据来源与实证研究方法

１．１数据与样本的选择

深圳证券市场是典型的指令驱动市场。市场没

有指定任何做市商或专家。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”的原则，对投资者的买卖委托直接

进行撮合处理。投资者的买卖报价仅仅通过向交易

系统提交限价指令来实现。限价买方（卖方）指令可

以与限价卖方（买方）指令匹配，没有匹配的买方（卖

方）指令按照价格从小到大（从大到小）的顺序进行

排列。深圳股市最小价格变化单位为０．０１元。

数据来源于深圳证券交易所的历史实时交易数

据库。该数据库包括所有账户和所有交易的成交时

间、交易数量以及成交价格等。采样区间从２０００—０９一

０１～２０００—１２—２９，共１２１个交易日。为保证数据的有

效性，尽量消除异常样本对研究结论的影响，本文根

１．２研究方法关于买卖价差构成部分的实证研究中，国外一般有两类统计模型。第１类模型是依赖交易价格的序列协方差特征构建的［５Ⅲ’１２｜。第２类模型是基于交易发起方指示变量构建的［１３￣１５Ｉ。按照文献［１５］中的方法对深圳证券交易市场的股票价差构成进行分析。选取这种方法的目的主要有三方面原因：（１）ＭＲＲ方法对文献［１６］中的模型进行了扩展，考虑了指令流的相关性；（２）ＭＲＲ对分析价差构成的日内模式特别方便。（３）ＭＲＲ把价差分解为非对称信息成本和指令处理成本，没有考虑存货效应，因此特别适应于指令驱动市场。令Ｐ。为ｔ时刻的交易价格，ｚ，为买卖交易指示变量。如果交易是买方发起的，则ｚ。一＋１；如果交易是卖方发起的，则ｚ。＝一１。实际发生的指令流和预期指令流之间的差额以及公共信息会对预期股票价值产生永久性影响，股票价值可表示为：以一肫一１＋Ｏ（ｘ。一Ｅ［ｘ，Ｉ五一１］）＋毛（１）式中：肛为股票的预期价值；Ｏ（ｘ。一Ｅ［ｘ。ＩｚＨ］）为实际发生的指令流和预期指令流之间的差额对股票价值产生的影响，口（口≥ｏ）为信息不对称的程度，即非对称信息成本；岛（Ｅｔ～ｉｉｄ且Ｅ（岛）＝０）为公共信息对股票价值的影响。除了非对称信息的影响，流动性提供者的报价也要反应指令处理成本的成本补偿。指令处理成本只会对股票价格产生影响，而不会对股票价值产生影响。因此，股票价格可表示为：Ｐ：一肫＋虹。＋茧（２）式中：声（声≥ｏ）为指令处理成本，表示流动性提供者在提供流动性时每股成本；最（已～ｉ耐且Ｅ（丘）一ｏ）为价格离散性引起的修整误差。将式（１）代入式（２）即可得Ｐ，一１１。一１＋Ｏ（ｘ。一Ｅ［ｘ，ｌｚ．１］）＋庐五＋岛＋丘（３）令万表示在￡一１时刻与ｔ时刻交易方向相同的概率，则交易指示变量在ｔ时刻的条件期望为

深圳证券交易所买卖价差的构成分析

第３期穆启国，等：深圳证券交易所买卖价差的构成分析２４１

Ｅ（ｚｔＩｚｆ—１）一（２７ｒ一１）ｚ，ｌ—ｐｘＰｌ式（６ｂ）表示平均价格误差为常数；式（６ｃ）和式（６ｄ）

其中，１０（ＩＤ＝２丌一１）是交易方向自相关系数，表示交是将平均股票定价误差与工具变量ｚ。和ｚＨ正交。易方向的一阶自相关。深圳证券交易所在样本期间不存在“楼上协议交

根据式（２）可知：易”，因此，本文未考虑协议交易的效应。

肛一，一Ａ～。一缸，。一己一，（４）

将式（４）和Ｅ（ｚ；ｌｚＨ）一ｐｘＨ代入式（３），可得２实证分析

Ａ＝Ａ～，＋（≠＋汐）ｚ。一２．１横截面实证结果

（声＋ｐ６）ｘ． ＋岛＋§一§一ｔ＝表１显示了非对称信息成本咿、指令处理成本

户，一ｌ＋０（ｘ。一ｐｘ，一１）＋声（五－－３７ｒ一１）＋阢（５）声、指令流的自相关系数ｐ、隐含价差（２（口＋≯））以及

式中：Ｔ／，（仇～ｉｉｄ）为定价误差。在不存在逆向选择在隐含价差中非对称信息成本所占的比率ｙ（ｙ一（即口一Ｏ）以及指令处理成本（即９＝Ｏ）时，模型表示护／（口＋庐））的ＧＭＭ估计值的平均值。伊（ｏＡ）、声（％）、为价格服从随机游走的情况。隐含价差（％）分别为非对称信息成本占样本期平均

考虑自相关和条件异方差性的存在，文献ＥＩｓ３价格的比例、指令处理成本占样本期平均价格的比通过广义矩估计方法（ＧＭＭ）和式（６）的约束条件例以及隐含价差占样本期平均价格的比例。由表１对参数进行估计：可知，无论是从绝对值或相对值来说，非对称信息成

Ｅ（ｘ。Ｘ，１一ｚ；ＩＤ）一０（６ａ）本均大于指令处理成本。在隐含价差中，非对称信息

Ｅ（仇一口）＝０（６ｂ）成本也占６６．９７％。因此，对于证券市场政策制定者

Ｅ（仇一ａ）ｘ。＝０（６ｃ）来说，为了减少投资者的成本，增加市场流动性，重

Ｅ（仇一ａ）ｘ，１—０（６ｄ）要的并不是减少指令处理成本而是降低股市的信息

式中：式（６ａ）用来设定买卖交易指示变量的自相关；不对称性。

裹１价差构成、交易方向的自相关性以硬隐含价差的ＧＭＭ估计

为了研究非对称信息成本和指令处理成本随股息成本和平均指令处理成本，结果见表２和表３。从票价格变化和换手率变化而变化的规律，本文把样表２可看出，隐含价差、非对称信息成本、指令处理本期的股票分别按照平均价格和平均换手率从大到成本以及非对称信息成本占隐含价差的比例随着股小十等分进行分类，其中第１组所包含股票的价格票价格的降低而降低。此外指令流的相关性也逐渐（换手率）最高，第１０组所包含股票的价格（换手率）降低。这充分说明了对于低价股，信息不充分程度较最低。接着分别对各类别中各个股票运用ＭＲＲ方低；而对于高价股，信息不充分程度较高，另外从指法进行ＧＭＭ估计，然后将样本股票在该类别的估令流的相关程度来说，对于高价股而言，深圳市场存计结果再进行平均，得到各类股票的平均非对称信在追涨现象。

衰２按价格分类的价差构成、交易方向的自相关性以硬隐含价差的ＧＭＭ估计

按价格分组口≯ＪＤｙ隐含价差”

ｌＯＯ２５６２ＯＯ１１１７一Ｏ１１３ｌ１０７０Ｏ６３０．０７３５９

２ＯＯ２０８３０Ｏ０８８１一Ｏ１４７３９Ｏ６９５６１０．０５９２７

３０Ｏ１５９９ＯＯＯ６９２一Ｏ１９６１６０６９３８９０．０４５８４

４Ｏ０１４７５ＯＯＯ６１８一Ｏ２１Ｏ３４Ｏ７ＯＯ４２０．０４１８５

５ＯＯｌ１９１ＯＯＯ５４４一ＯＺ８５６７Ｏ６８３Ｏ３０．０３４６９

６０Ｏ１１３４Ｏ０Ｏ５３４一Ｏ２９６７８Ｏ６７７２６０．０３３３６

７ＯＯＯ９８８ＯＯＯ４９９一Ｏ３６Ｏ５６Ｏ６６２Ｏ６０．０２９７３

８Ｏ０Ｏ９２４Ｏ０Ｏ４９９一Ｏ３８９５８０６５ＯＯ２０．０２８４５

９ＯＯＯ８Ｏ９ＯＯＯ４６８一Ｏ４８６２１０６３１５２０．０２５５５

№０Ｏ０６８３０ＯＯ４５２一０６０８ＯＯＯ６ＯＯ６４０．０２２７１

深圳证券交易所买卖价差的构成分析

＿●●ｌ２４２＿－—————————＿＿＿－＿＿＿＿＿－●—●－———————＿系＿统＿＿－＿－工＿－＿●＿－程———————————－理论＿—方—＿＿＿－＿法●＿＿＿应＿－－—－—用——＿—————＿＿－＿●＿ｌ＿－—————＿＿●＿第１３卷衰３按换手率分类的价差构成、交易方向的自相关性以及隐含价差的ＧＭＭ估计－＿－——一一

按换手率分组０≯ＩＤｙ隐含价差ｔｔ＂１０．００８７９０．００５４７—０．４９４０９０．６１５９７０．０２８５４０．２５２９６２０．００９０２０．００５３８—０．４５４６８０．６２３７００．０２８８００．２７２６６３０．０１０７３０．００５７７——０．３８４３５０．６４３９５０．０３３０１０．３０７８２４Ｏ●Ｏ０８６Ｏ●Ｏ０５６２一Ｏ３５５１３０６５３７５０Ｏ３２９６Ｏ３２２４３

５Ｏ●Ｏ２８１ＯＯ０６Ｏ１一Ｏ３Ｏ２２３Ｏ６７Ｏ８２ＯＯ３７６３Ｏ３４８８８

６Ｏ●Ｏ２７１Ｏ０Ｏ６ＯＯ一Ｏ２７６１８Ｏ６８０７４ＯＯ３７４３０３６１９１

７Ｏ●Ｏ４０２Ｏ●ＯＯ６２２一Ｏ２５２４８Ｏ６８９１７Ｏ０４Ｏ４６Ｏ３７３７６

８ＯＯ；５８４Ｏ●０Ｏ６７７一Ｏ２２８ｌ３Ｏ６９３６４ＯＯ４５２２Ｏ３８５９３

９ＯＯ６４９Ｏ●ＯＯ６７２一０１９７Ｏ６Ｏ７Ｏ７５２ＯＯ４６４２Ｏ４Ｏ１４７

１０ＯＯ３５６Ｏ●ＯＯ９１８一０１３９２６Ｏ７１８３８Ｏ０６５４８Ｏ４３Ｏ３７

从表３可看出，隐含价差、非对称信息成本、指为了研究非对称信息成本和指令处理成本在日令处理成本以及非对称信息成本占隐含价差的比例内随时间变化的规律，以１０ｍ为时间窗口，将股票随着换手率的降低而增加。此外指令流的相关性也１天的交易时间（２４０ｍ）等分为２４个时段，分别对逐渐增加。这充分说明对于交易不活跃的股票，信息每一时段各股票的非对称信息成本和指令处理成本不充分程度较高；而对于交易活跃的股票，信息不充进行估计；然后将样本股票在该时段的非对称信息分程度较低，另外从指令流的相关程度，对于交易不成本、指令处理成本、指令流的自相关系数、隐含价活跃的股票，深圳股票市场投资者的指令流相关性差以及在隐含价差中非对称信息成本所占的比率再较强。进行平均，得到股票在该时段的平均非对称信息成２．２价差构成日内模式实证结果本和平均指令处理成本。实证结果见表４。表４价差构成、交易方向的自相关性以及隐含价差的日内模式

９：３０～９：４００．０２３１７０．００９５２—０．２１６７６０．６９５２２０．０６５３８０．３９１６２９：４０～９：５００．０１６４９０．００７２７—０．２７５１９０．６８０６５０．０４７５３０．３６２４１９：５０～１０：０００．０１４７７０．００６７１—０．２８９３７０．６７５６５０．０４２９６０．３５５３１１０：００～１０：１００．０１３９５０．００６４１—０．２９８９３０．６７３０３０．０４０７２０．３５０５３１０：１０～１０：２００．０１３３５０．００６２６—０．３１３９８０．６６８５６０．０３９２２０．３４３０１１０：２０～１０：３００．０１３０５０．００６１９—０．３１３５００．６６７９３０．０３８４８０．３４３２５１０：３０～１０：４００．０１２８８０．００５９７—０．３１７５２０．６６９５６０．０３７７１０．３４１２４１０：４０～１０：５００．０１２６３０．００５８８—０．３１８５６０．６７１０７０．０３７０２０．３４０７２１０：５０～１１：０００．０１２６８０．００５８４—０．３１９３６０．６７０８９０．０３７０４０．３４０３２１１：００～１１：１００．０１２５８０．００５８５—０．３１５２２０．６７１３８０．０３６８６０．３４２３９１１：１０～１１：２００．０ｌＺ５７０．００５８２—０．３１５４９０．６７２０６０．０３６７８０．３４２２６１１：２０～１１：３００．０１２６１０．００５９９—０．３０５８６０．６７１０７０．０３７２１０．３４７０７１３：００～１３：１００．０１３０４０．００６３４—０．３２９０７０．６５９０５０．０３８７５０．３３５４６１３：１０～１３：２００．０１２２２０．００５９４—０．３２９７３０．６６２０７０．０３６３４０．３３５１４１３：２０～１３：３００．０１２０７０．００５８４—０．３３１５９０．６６２３４０．０３５８１０．３３４２１１３：３０～１３：４００．０１２１００．００５７８—０．３３２７６０．６６２３９０．０３５７４０．３３３６２１３：４０～１３：５００．０１２０５０．００５９２—０．３３１４９０．６６１７１０．０３５９４０．３３４２５１３：５０～１４：０００．０１２１９０．００５８４—０．３２４４９０．６６５０５０．０３６０７０．３３７７６１４：ＯＯ～１４：１００．０１Ｚ２３０．００５８５—０．３１７６２０．６６７２７０．０３６１６０．３４１１９１４：１０～１４：２００．０１２１８０．００５８３—０．３２７２２０．６６３２８０．０３６０２０．３３６３９１４：２０～１４：３００．０１１９３０．００６０２—０．３３６７６０．６５６０００．０３５９００．３３１６２１４：３０～１４：４００．０１Ｚ２９０．００５９３—０．３２７６１０．６６１７１０．０３６４４０．３３６１９１４：４０～１４：５００．０１２１３０．００６１３—０．３３９０６０．６５３４００．０３６５２０．３３０４７１４：５０～１５：０００．０１３０４０．００６４９—０．３１８８９０．６５４１６０．０３９０４０．３４０５５从表４和图１中可以发现，深圳股市的非对称何信息进行披露，因此，投资者的观望情绪较为浓信息成本、指令处理成本以及隐含价差大致呈“Ｌ厚，投资者对信息的认识必然存在较大差异，因此造形”曲线，每日开盘后的１０ｍ内，非对称信息成本、成开盘后的非对称信息成本较大。此外，从表４中可指令处理成本以及隐含价差较大。这主要是因为深见，投资者指令流的相关性较大，说明“黑箱”式的集圳股市开盘集合竞价过程中是完全“黑箱”，没有任合竞价使得投资者无法得到任何市场交易信息，进

深圳证券交易所买卖价差的构成分析

第３期穆启国，等：深圳证券交易所买卖价差的构成分析２４３而投资者指令策略对开盘价的依赖性较强。随着时

间的推移和交易的进行，投资者对信息的获取和处

理基本达到稳定状态，信息不对称程度逐渐降低，从

而使非对称信息成本以及隐含价差逐步缩小。此外

在从１３：００～１３：１０的时间里，非对称信息成本以及

．。１．、

”ｌ＼隐含价差有少许增加，这是因为深圳股市在１１：３０～１３：ｏｏ的时间停止交易，因而增加了信息的不对称程度，在１３：１０后非对称信息成本以及隐含价差迅速缩小，基本收敛到１天的平均水平。０５ｆ＼０４｝。、１、—．＿— —＿，—－—＿．．—－—＿．，—－— —、。．—．．—Ｈ．—‘一．▲－—＿．ｒ一◆非对称信息成本＋指令处理成本一隐含价差

譬｝：＝＝＝＝：：：：：：：：：：：：＝：＝篡

歹芦∥∥歹歹≯歹≯≯∥≯’

图１非对称信息成本、指令处理成本和隐含价差的日内模式

３结论［４］ＤｅｍｓｅｔｚＨ．Ｔｈｅｃｏｓｔｓｏｆｔｒａｎｓａｃｔｉｎｇ［Ｊ］．Ｑｕａｒｔｅｒｌｙ

ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃｓ，１９６８，８２：３３—５３．

［５］ＳｔｏｌｌＨａｎｓＲ．Ｔｈｅｓｕｐｐｌｙｏｆｄｅａｌｅｒｓｅｒｖｉｃｅｓｉｎｓｅｃｕｒｉ—

ｔｉｅｓ

５１．本文对深圳股票市场的价差构成进行了实证研究，结果表明：无论是从绝对值或相对值来说，非对称信息成本均大于指令处理成本；隐含价差、非对称

信息成本、指令处理成本以及非对称信息成本占隐

含价差的比例随着股票价格的降低而降低，随着换

手率的降低而增加。深圳股市的非对称信息成本、指

令处理成本以及隐含价差大致呈“Ｌ形”曲线，每日

开盘后的１０ｍ内，非对称信息成本、指令处理成本ｍａｒｋｅｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＦｉｎａｎｃｅ，１９７８，３３：１１３３—［６］ＡｍｉｈｕｄＹａｋｏｖ，ＭｅｎｄｅｌｓｏｎＨａｉｍ．Ｄｅａｌｅｒｓｈｉｐｍａｒ—ｋｅｔ：Ｍａｒｋｅｔｍａｋｉｎｇｗｉｔｈｉｎｖｅｎｔｏｒｙ［Ｊ］．ＪｏｕｒｎａｌｏｆＦｉ—ｎａｎｃｉａｌＥｃｏｎｏｍｉｃｓ，１９８０，８：３１—５３．［７］ＣｏｐｌｅｌａｎｄＴ，ＧａｌａｉＤ．Ｉｎｆｏｒｍａｔｉｏｎｅｆｆｅｃｔｓａｓｋｏｎｔｈｅｂｉｄ—ｓｐｒｅａｄ［Ｊ］．ＪｏｕｒｎａｌｏｆＦｉｎａｎｃｅ，１９８３，３８：１４５７—１４６９．

以及隐含价差较大。基于本文的研究结论，提出以下

两点建议：①对于证券政策制定者与市场监管者来

说，为了减少投资者的成本，增加市场流动性，重要

的并不是减少指令处理成本而是降低股市的信息不

对称性。②深圳股票市场集合竞价机制是完全封闭

式的，在集合竟价期间没有任何委托或交易信息的

纰漏，导致了在开盘后的非对称信息成本和指令流

相关性的增加。因此应对现有集合竞价机制的信息

进行相应的披露，从而增加开盘价的有效性。

参考文献：

［１］ＡｍｉｈｕｄＹａｋｏｖ，ＭｅｎｄｅｌｓｏｎＨａｉｍ．Ｌｉｑｕｉｄｉｔｙａｎｄ

ｐｒｉｃｅｓ；Ｆｉｎａｎｃｉａｌｍａｎａｇｅｍｅｎｔ

ｃｉａｌａｓｓｅｔ［８］ＥａｓｌｅｙＤａｖｉｄ，ＭａｕｒｅｅｎＯｈａｒａ．Ｐｒｉｃｅ，ｔｒａｄｅｓｉｚｅａｎｄｉｎｆｏｒｍａｔｉｏｎｉｎｓｅｃｕｒｉｔｉｅｓｍａｒｋｅｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＦｉ—ｎａｎｃｉａｌＥｃｏｎｏｍｉｃｓ，１９８７，１９：６９—９０．［９］ＣｏｈｅｎＫａｌｍａｎ，ＳｔｅｖｅｎＭａｉｅｒ，Ｒｏｂｅｒｔ口Ｚ．ＴｈｅＳｃｈｗａｒｔｚ，ｅｔＭｉｃｒｏｓｔｒｕｃｔｕｒｅｏｆＳｅｃｕｒｉｔｉｅｓＭａｒｋｅｔｓｒＭ］．Ｃｌｉｆｆｓ，ＮＪ：Ｐｒｅｎｔｉｃｅ—Ｈａｌｌ，１９８６．Ｒ．ＩｓｔｈｅＥｌｅｃｔｒｏｎｉｃＯｐｅｎＬｉｍｉｔＥｎｇｌｅｗｏｏｄ［１０］Ｇｌｏｓｔｅｎ，ＬａｗｒｅｎｃｅＯｒｄｅｒＢｏｏｋＩｎｅｖｉｔａｂｌｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＦｉｎａｎｃｅ，１９９４，４９：１１２７—１１６２．［１１］ＧｅｏｒｇｅＴ，ＫａｕｌＧ，ＮｉｍａｌｅｎｄｒａｎＭ．Ｅｓｔｉｍａｔｉｏｎｏｆｔｈｅｂｉｄ—ａｓｋｓｐｒｅａｄａｎｄｉｔｓｃｏｍｐｏｎｅｎｔｓ：Ａｎｅｗａｐ—ｐｒｏａｃｈ［Ｊ］．ＲｅｖｉｅｗｏｆＦｉｎａｎｃｉａｌＳｔｕｄｉｅｓ，１９９１，４：６２３——６５６．ｉｍｐｌｉｃａｔｉｏｎｓ［Ｊ］．Ｆｉｎａｎ—［１２］ＬｉｎＪＣ，ＳａｎｇｅｒＧ，ＢｏｏｔｈＧ．Ｔｒａｄｅｓｉｚｅａｎｄｃｏｍｐｏ—ｎｅｎｔｓＭａｎａｇｅｍｅｎｔ，１９８８，Ｓｐｒｉｎｇ，１——１５．

ａｏｆｔｈｅｂｉｄ—ａｓｋｓｐｒｅａｄ口］．ＲｅｖｉｅｗｏｆＦｉｎａｎｃｉａｌ［２］ＢｌａｃｋＦ．Ｔｏｗａｒｄ

Ｐａｒｔ

３５．ｆｕｌｌｙａｕｔｏｍａｔｅｄｓｔｏｃｋｅｘｃｈａｎｇｅ：Ｓｔｕｄｉｅｓ，１９９５，８：１１５３—１１８３．Ｉ［Ｊ］．ＦｉｎａｎｃｉａｌＡｎａｌｙｓｉｓＪｏｕｒｎａｌ，１９７１，２７：２８—［１３］ＧｌｏｓｔｅｎＬ，ＨａｒｒｉｓＬ．Ｅｓｔｉｍａｔｉｎｇｔｈｅｃｏｍｐｏｎｅｎｔｓｏｆｔｈｅｂｉｄ—ａｓｋｓｐｒｅａｄ［Ｊ］。ＪｏｕｒｎａｌｏｆＦｉｎａｎｃｉａｌＥｃｏ—［３］Ｋｙｌｅ，ＡｌｂｅｒｔＳ．Ｃｏｎｔｉｎｕｏｕｓａｕｃｔｉｏｎｓａｎｄｉｎｓｉｄｅｒｔｒａｄ—

ｉｎｇ［Ｊ］．Ｅｃｏｎｏｍｅｔｒｉｃａ，１９８５，５３：１３１５—１３６５．ｎｏｍｉｃｓ，１９８８，２１：１２３—１４２．（下转第２４９页）

深圳证券交易所买卖价差的构成分析

第３期梁棵，等：财务分析：模式识别下的ＢＰ网络与自适应神经模糊推理比较研究２４９务状况及其他各方面的情况。ｏｆＯｐｅｒａｔｉｏｎａｌＲｅｓｅａｒｃｈ，１９９９，１１２（２）：３１０一３２１．

（２）神经模糊推理方法兼顾了神经计算与模糊［４］ＡｌｔｍａｎＥ．ＣｏｒｐｏｒａｔｅＦｉｎａｎｃｉａｌＤｉｓｔｒｅｓｓ［Ｒ］．Ｎｅｗ推理的优点，不仅能够利用专家的语言知识，还可以ＹｏｒｋＵｎｉｖｅｒｓｉｔｙＷｏｒｋｉｎｇＰａｐｅｒ，１９８３．

根据给定的数据集调整参数以获得良好的模糊模［５］ＥｄｍｉｓｔｅｒＲ．Ａｎｅｍｐｉｒｉｃａｌｔｅｓｔｏｆｆｉｎａｎｃｉａｌｒａｔｉｏａｎａｌｙ—型，可用于处理具有多维非线性及模糊等特点的财ｓｉｓｆｏｒｓｍａｌｌｂｕｓｉｎｅｓｓｆａｉｌｕｒｅｐｒｅｄｉｃａｔｉｏｎ［Ｊ１．Ｊｏｕｒｎａｌｏｆ

ＦｉｎａｎｃｅａｎｄＱｕａｎｔｉｔａｔｉｖｅ

务指标类数据，从而进行企业财务状况诊断工作，而Ａｎａｌｙｓｉｓ，１９７２，５：１４７７—

１４９３．

且效果比较好。本文给出的关于企业财务状况的评［６１ＣｏａｔｓＰ，ＰａｎｔＬ．Ｒｅｃｏｇｎｉｚｉｎｇｆｉｎａｎｃｉａｌｄｉｓｔｒｅｓｓｐａｔ—分结果充分说明了这一点。利用给定的数据集调整ｔｅｒｎｓｕｓｉｎｇａｎｅｒｕａｌｎｅｔｗｏｒｋｔｏｏｌ［Ｊ］．ＦｉｎａｎｃｉａｌＭａｎ—出的优化参数是固定的，因而ＡＮＦＩＳ识别的结果ａｇｅｍｅｎｔ，１９９３，１４２—１５５．

也是固定的，这一点较之传统的神经网络随机性大［７］吴世农，卢贤义．我国上市公司财务困境的预测模型研的缺点有很大的优越性。究Ｉ－Ｊ１．经济研究，２００１，（６）：４６—５５．

（３）神经模糊推理方法存在着模糊规则数“爆［８］陈静．上市公司财务恶化的实证分析［Ｊ］．会计研究，炸”的“隐患”，在多维映射这一点上不如ＢＰ网络优１９９９，４：３１—３８．

越，这就需要一些降维的处理技巧，比如模糊减法聚［９］ＮｉｅｌｓｏＲＨ．Ｎｅｕｒａｌｃｏｍｐｕｔｉｎｇ［Ｍ］．ＡｄｄｉｓｏｎＷｅｓｌｅｙ，类［１“、模糊主成分提取策略等。１９９０．１２４—１３３．

［１０１ＣｈｅｎＨｕｎｇ—Ｈａｎ，ＭａｎｒｙＭＴ，ＣｈａｎｄｒａｓｅｋａｒａｎＨ．

（４）以上７指标体系建立预测模型来进行中国Ａｎｅｕｒａｌｎｅｔｗｏｒｋｔｒａｉｎｉｎｇａｌｇｏｒｉｔｈｍｕｔｉｌｉｚｉｎｇｍｕｌｔｉ—上市公司财务预报分析切实可行的，而且其预测准ｐｉｅｓｅｔｓｏｆｌｉｎｅａｒｅｑｕａｔｉｏｎｓ［Ｊ］．Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，确率比较高。采用神经网络建模进行预测的准确率１９９９，（２５）：５５—７２．

相当高，这就证明了模糊中所选指标的正确性。［１１］Ｍａｔｌａｂ．ＭａｔｌａｂＵｓｅｒｓＧｕｉｄｅ［Ｍ］．ＴｈｅＭａｔｈｗｏｒｋｓ

Ｉｎｃ，ＳｏｕｔｈＮａｔｉｃｋ，ＭＡ，ＵＳＥ，１９９４．

参考文献：［１２－１张智星，孙春在，水谷英二．神经一模糊和软计算［Ｍ］．［１］阎平凡，张长水，编著．人工神经网络与模拟进化计算西安：西安交通大学出版社，２０００．２３８—２６２．

［Ｍ１．北京：清华大学出版社，２０００，１７—３７．［１３１ｈｔｔｐｔｊ｜Ⅵｗ瑚．ｓｔａｔｓｏｆｔｉｎｃ．ｃｏｍ／ｔｅｘｔｂｏｏｋ／ｇｌｏｓｕ．ｈｔｍｌ［２］方开泰．实用多元统计分析［Ｍ］．上海：华东师范大学［ＥＢｌ．

出版社，１９９２，２９１—３０１．３３０一３３６．Ｅ１４１ＣｈｉｕＳＬ．Ｆｕｚｚｙｍｏｄｅｌｉｄｅｎｔｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎｃｌｕｓ—［３］ＰｉｒａｍｕｔｈｕＳ．Ｆｉｎａｎｃｉａｌｃｒｅｄｉｔ—ｒｉｓｋｅｖａｌｕａｔｉｏｎｗｉｔｈｔｅｒｅｓｔｉｍａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＩｎｔｅｌｌｉｇｅｎｔａｎｄＦｕｚｚｙ

ｎｅｕｒａｌａｎｄｎｅｕｒｏｆｕｚｚｙｓｙｓｔｅｍｓ［Ｊ］．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌＳｙｓｔｅｍｓ．１９９４，２（３）：２６７—２７８．

’，，，，ｌ，●＇，＇’●＇，Ｉ●＇－＇’，，，●，ｌ●●＇＇＇，，，＇●，－’●’●，ＩＩＩ，’，＇，●＇Ｉ●＇＇，＇Ｉ●Ｉ’＇，，＇Ｉ●＇’＇，，’●●●’’’●＇Ｉ，，＇，’＇，’－＇＇，●Ｉ●（Ｉ－接第２４３页）ｏｆＮＹＳＥｓｔｏｃｋｓ［Ｊ］．ＲｅｖｉｅｗｏｆＦｉｎａｎｃｉａｌＳｔｕｄｉｅｓ，［１４］ＭａｄｈａｖａｎＡ，ＳｍｉｄｔＳ．ＡＢａｙｅｓｉａｎｍｏｄｅｌｏｆｉｎｔｒａｄａｙ１９９７，１０：１０３５—１０６４．

ｓｐｅｃｉａｌｉｓｔｐｒｉｃｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＦｉｎａｎｃｉａｌＥｃｏ—［１６］ＧｌｏｓｔｅｎＬａｗｒｅｎｃｅＲ，ＭｉｌｇｒｏｍＰＲ．Ｂｉｄ，ａｓｋａｎｄｎｏｍｉｃｓ，１９９３，３０：９９一１３４．ｔｒａｎｓａｃｔｉｏｎｐｒｉｃｅｓｉｎｆｌｓｐｅｃｉａｌｉｓｔｍａｒｋｅｔｗｉｔｈｈｅｔｅｒｏ—［１５］ＭａｄｈａｖａｎＡ，ＲｉｃｈａｒｄｓｏｎＭ，ＲｏｏｍａｎｓＭ．Ｗｈｙｄｏｇｅｎｅｏｕｓｌｙｉｎｆｏｒｍｅｄｔｒａｄｅｒｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＦｉｎａｎｃｉａｌｓｅｃｕｒｉｔｙｐｒｉｃｅｓｃｈａｎｇｅ？ＡｔｒａｎｓａｃｔｉｏｎｌｅｖｅｌａｎａｌｙｓｉｓＥｃｏｎｏｍｉｃｓ，１９８５，１４：７１—１００．

深圳证券交易所买卖价差的构成分析

深圳证券交易所买卖价差的构成分析

作者：

作者单位：

刊名：

英文刊名：

年，卷(期)：

被引用次数：穆启国， 吴冲锋， 刘海龙上海交通大学,安泰管理学院,金融工程研究中心,上海,200052系统工程理论方法应用SYSTEMS ENGINEERING—THEORY METHODOLOGY APPLICATIONS2004,13(3)10次

参考文献(16条)

1.Kyle Albert S Continuous auctions and insider trading 1985

2.Black F Toward a fully automated stock exchange:Part Ⅰ 1971

3.Amihud Yakov;Mendelson Haim Liquidity and asset prices:Financial management implications 1988

4.Glosten Lawrence R;Milgrom P;R Bid ask and transaction prices in a specialist market withheterogeneously informed traders[外文期刊] 1985

5.Madhavan A;Richardson M;Roomans M Why do security prices change? A transaction level analysis ofNYSE stocks[外文期刊] 1997

6.Madhavan A;Smidt S A Bayesian model of intraday specialist pricing 1993

7.Glosten L;Harris L Estimating the components of the bid-ask spread 1988

8.Lin J C;Sanger G;Booth G Trade size and components of the bid-ask spread[外文期刊] 1995

9.George T;Kaul G;Nimalendran M Estimation of the bid-ask spread and its components:A new ap proach1991

10.Glosten;Lawrence R Is the Electronic Open Limit Order Book Inevitable[外文期刊] 1994

11.Cohen Kalman;Steven Maier;Robert Schwartz The Microstructure of Securities Markets 1986

12.Easley David;Maureen Ohara Price,trade size and information in securities markets 1987

13.Copleland T;Galai D Information effects on the bid ask spread[外文期刊] 1983

14.Amihud Yakov;Mendelson Haim Dealership mar ket:Market making with inventory[外文期刊] 1980(08)

15.Stoll Hans R The supply of dealer services in securities markets[外文期刊] 1978

16.Demsetz H The costs of transacting 1968

引证文献(10条)

1.田存志.吴新春 公司股权和管理层激励对信息非对称程度的影响研究[期刊论文]-南开管理评论 2010(4)

2.雷觉铭.李平.曾勇 深圳股市价差影响因素的实证研究[期刊论文]-管理学报 2010(10)

3.马丹.向蓉美 非对称信息与高频价格变动[期刊论文]-统计与信息论坛 2007(6)

4.林伟斌.王立立 基于交易量持续期的流动性研究[期刊论文]-南方经济 2006(10)

5.上海证券市场日内价格变化的影响因素研究[期刊论文]-系统工程理论与实践 2006(7)

6.雷觉铭.曾勇 上海股市买卖价差成分分析[期刊论文]-系统工程 2006(6)

7.庄新田.刘洋 中国股票市场流动性实证研究[期刊论文]-南方经济 2006(2)

8.苏冬蔚 执行成本与资产定价:基于我国股市交易数据的理论与实证研究[期刊论文]-数量经济技术经济研究2005(3)

9.赵立刚 中国股票市场流动性研究[学位论文]硕士 2005

深圳证券交易所买卖价差的构成分析

10.郦彬 中国股票买卖价差的跨市场实证研究[学位论文]博士 2005

本文链接：http://www.77cn.com.cn/Periodical_xtgcllffyy200403011.aspx

本文来源：https://www.bwwdw.com/article/9x7i.html