蒙格斯智库:消息如何影响股价?18世纪的小船告诉你答案

摘要
在市场获得高回报的人往往是那些提前掌握信息的人,罗斯柴尔德家族和摩根家族的崛起都归功于他们拥有快人一步的信息来源。这也对我们今天的金融市场改革,保证市场公平性有重要的指导意义。

  导 言

  一则利好(或利空)消息可以在多大程度上引起一只股票价格的浮动?这在金融全球化、信息多样化的今天几乎成了无法回答的问题,因为无延时的信息传播使得市场在每个瞬间都可能面对成百上千条不同的消息,因此我们很难将每一条消息的作用单独分隔出来。另外,投资者的行为偏差,例如过度自信,隔离效应,损失厌恶等,以及金融市场摩擦,包括信息不对称、监督成本、市场分割成本等,都可能对股票价格产生作用。

  为解决这个难题,为验证“有效市场假说”,作者Peter Koudijs于2012年在Journal of Finance上发表的这篇文章精妙地设计了一个基于历史数据的自然实验,成功的避免了其他噪音的干扰,并告诉我们一则和股票相关的消息大约能解释50%的股票波动性。这个数字远远高于其他学者利用现代金融数据得出的结论。Koudijs的实验告诉我们,在市场获得高回报的人往往是那些提前掌握信息的人,罗斯柴尔德家族和摩根家族的崛起都归功于他们拥有快人一步的信息来源。这也对我们今天的金融市场改革,保证市场公平性有重要的指导意义。

  作者:蒙格斯智库 谢博士

  历史背景

  18世纪中叶开始,欧洲的两大金融中心——伦敦和阿姆斯特丹开始有了更多的交流。为了降低交易成本,一些英国的股票和政府债券同时在伦敦交易所和阿姆斯特丹交易所挂牌。由于这些金融资产的总部都位于英国,因此来源英国的政策变化和经济形势势必会影响这些资产的基础价值,从而引起股价的浮动。

  英国和西欧之间阻隔着一条北海,在没有飞机、电话、互联网的18世纪,消息的传播完全依靠海路。那个时候,运输由英国寄到荷兰的信件,包括政府的公告的政府船只,都是由英国的哈维奇港出发,在北海中航行约两、三天的时间,抵达鹿特丹港。这些政府船只一周出发两次,若遇到恶劣天气,尤其是风向不对的情况,可能延期到达。

  作者正是利用这种特殊的历史时期构造了一个天然的实验环境。即在阿姆斯特丹挂牌的英国股票应和他们本身在伦敦挂牌的股票受到同样因素的影响,但是由于信息传播的延时,股票的波动会出现延时性。一个典型的例子就是1783年的东印度公司。11月18日,英国首相在一次谈话中提到,东印度公司面临“可悲的处境”,而且拥有“巨大的破产风险”,更为关键的是他声称英国政府是不会出手挽救东印度公司的。这一消息一出,东印度公司在伦敦的股票瞬间从135块掉到120块,然而由于消息未传到阿姆斯特丹,那边的股票依旧没有波动。刚巧的是,11月18号后的连续几天都出现风向不对的情况,一直到一周后这个消息才传到阿姆斯特丹。随后,东印度公司在阿姆斯特丹的股票也出现了如伦敦般的跳水,只是这一股价浮动发生于11月26日,而此时位于伦敦的东印度公司股价已经恢复平稳。这一切都可以从图1中清晰地看到。

  

  

  数据和计量模型

  作者考虑当时的三只同时在伦敦证交所和阿姆斯特丹证交所挂牌的英国公司股票,它们分别是东印度公司、英格兰银行以及南海公司。其中东印度公司主要负责英国在印度的殖民和贸易活动,因此受英国政府对外殖民政策的影响较大。英格兰银行和南海公司则主要负责英国政府的融资和投资问题。同时,作者还考虑两种英国国债,3%和4%的永续年金。股票和国债的价格信息可以轻松从两个交易所的历史数据中获得。但是对考察年限的选取则体现了作者的睿智和对科研的严谨。因为既然这五种资产都源于英国,模型必须保证事关股票的信息的来源必须来源于英国,这样才能避免统计学中“变量内生性问题”。于是作者剔除了欧洲大陆内战的几年,于是将研究的年限锁定在1771 – 1777年和1783 – 1787年。

  在这个自然实验中,天气和风向成为影响消息传播速度的决定性因素,因此文章中它们就成为主要的自变量。船舶的出发和到达时间分别从哈维奇港和鹿特丹港的档案馆中采集。而风向、气温、自然灾害等数据则可以在阿姆斯特丹天文馆中找到。

  这个自然实验的巧妙之处就在于,消息的传播完全取决于航海天气。这就巧妙地避免了反向因果关系,因为我们不可能认为是股票的浮动影响了欧洲的天气。

  在方法论方面,作者使用了脉冲响应(Impulse Response)和向量误差修正模型(VECM)。脉冲效应最早被应用在数字信号处理中,一般用来测试系统对单位脉冲输入的响应,这也被称为记忆函数。当脉冲响应被用在经济学研究中的时候,就描述了在一个时期t,一个标准差的冲击对考察变量引起的级联效应。

  VECM是向量自回归模型(VAR)与向量误差模型(VEC)的结合,包括预测、脉冲响应、方差分解等。传统的经济学联立方程模型建模虽然能很好的描述经济变量之间的结构关系,但是也有三个缺点:(1)难以分清外生变量和内生变量;(2)外生变量和内生变量的可能都与扰动项相关,使得参数的估计不准确;(3)不能很好的反应变量之间的动态联系。而这些问题都被VECM很好的克服了。

  

  实验结果

  为了最大化克服模型中的变量内生性问题,作者利用风向作为信息传播速度的工具向量(见图7)。作者主要揭示了两个事实。

  

  第一,股价的震荡取决于消息何时到达阿姆斯特丹,即风向和天气情况。图9比较了好天气(实线)和坏天气(虚线)情况下股价反应的速度,我们可以看到,在坏天气时股价的变化有明显的滞后性。这在很大程度上论证了“有效市场理论”中的观点——股价会迅速反映影响公司基础价值的公共消息。

  

  第二,消息的先行者可以获得更高的回报率。比如如果有私人的船舶可以比官船更早到达,就可以在股票市场上套利。为验证这一点,作者利用CAPM模型计算了异常回报率,计算结果也证实了我们的猜想(见表8)。

  

  

  总结

  作为一个博士在读的学生,作者就用如此精妙的设计弥补了文献中的不足并且发表了顶级期刊,不得不佩服作者在科研方面的天赋和造诣。这篇文章很好的支持了“市场有效理论”。虽然在这个信息无延时的时代,股票价格的变动还需要看天气的时代已经一去不复返,但是文章依然对今天的金融规范改革有着重要的指导意义。比如,通过特殊渠道提前获得消息的人相当于在18世纪坐上了更快的小船从而在股票市场获得很高的回报,所以金融监管部门必须严格监管,以保证市场公平性。

关键词阅读:消息 股价

责任编辑:Robot RF13015
精彩推荐
加载更多
全部评论
金融界App
金融界微博
金融界公众号