中文 / English
王江研究简述

金融市场在资源配置中所起的核心作用,不仅是通过市场中的交易(如融资和资产置换)得以体现,更重要的是通过资产的定价(如利率和股价)来体现,因为资产的价格为企业和个人的经济决策提供了客观的评估依据。然而,对于这些价格在市场中由什么来决定以及它们的形成机制,我们的认识仍很有限。

 

资产定价的新经典理论(如Arrow 和Debreu(1954),Lucas(1978))假设一个无摩擦的市场覆盖经济活动中的所有风险和所有市场参与者的完全理性,其得出的结论是资产价格完全由经济基本面(如资产的期望收益、资产的市场风险和市场整体的风险容忍度)所决定。而这些结论与市场的实际情况相去甚远。例如,可观察到的经济基本面一般相对平稳,而股市价格则往往体现出较高的波动性和风险溢价,也会在没有明显外来冲击时瞬间崩盘(见 Shiller(1981),Hansen and Singleton(1983),Mehra and Prescott (1985))。传统的定价理论很难解释这两者之间的关系。新近出现的研究引入市场参与者的行为偏差,因而允许资产价格和经济基本面之间的关系更为松散。虽然这种方法在解释观察到的市场行为方面具有更多的灵活性,但它自身却包含着严重的缺陷。就理论方面而言,这种灵活性使得其假设和结论之间几乎没有距离。从实践方面来看,因行为偏差而引起的资产价格相对于其基本面的偏离就意味着套利机会的存在。为了避免成熟的市场参与者通过套利来消除这种可能的价格偏离,还需要引入各种形式的市场摩擦和其他假设。显然,若不能真正理解资产价格的决定因素和机制,则我们就无法判断金融市场对实体经济的真正影响,而任何相关政策的制订也就无从谈起。

 

王江研究的主要方向是将重要的市场摩擦纳入资产定价的新经典理论,从而形成新的理论框架,以帮助我们理解资产的价格行为。研究各种市场摩擦所产生的影响,必须脱离新经典资产定价理论中所谓代表性经济人(representative agent)的概念,而直接为不同市场参与者之间的互动建立模型。王江的研究计划包含了三个相互关联的部分:第一部分是搭建一个能反映市场参与者交易需求的模型并进而分析他们的交易行为如何推动市场中的风险配置和价格发现过程,然后再考察市场的均衡交易量和资产价格的特征。第二部分是引入各类主要的市场摩擦并考察它们对于资产价格、市场行为以及市场的配置和信息有效性的影响。因为这些摩擦也正是市场流动性问题的根源,这里的分析也为市场的流动性提供了一个理论基础。研究的第三部分重点考虑各种摩擦可能带来的市场有效性的损失以及相应的监管和政策措施。王江的研究侧重于理论,但也同时致力于理论与数据的结合,一方面从实证中及时验证新的理论结果,另一方面也从实证中寻求理论进一步拓展的方向。

 

“A Model of Competitive Stock Trading Volume” (Journal of Political Economy, 1994)一文中,王江在跨期均衡模型中具体刻画市场参与者的两种主要交易动机 --- 风险分担和非公开信息,继而分析包括资产价格、交易策略、实体投资等各个方面的均衡结果。该研究揭示了拥有不同生产机会和非公开信息的投资者之间如何通过跨期交易,促进相互之间的风险分担和市场中的价格发现,从而影响实体投资和消费。这是分析不同投资者的交易需求如何影响市场中的交易行为、进而决定资产价格和实际资源配置的开创性研究之一,为研究金融市场中的交易和资产定价以及它们对实体经济的影响提供了基础性框架。该研究在对金融市场的研究中统一地分析交易量和价格两个方面,因为两者从不同侧面同时反映了市场中资源的实际配置。

 

运用上述框架,王江“A Model of Intertemporal Asset Prices under Asymmetric Information” (Review of Economic Studies, 1993) 一文中,具体研究了市场中的信息不对称性对资产定价行为的影响,结果表明非公开信息这一因素能帮助解决新经典理论框架下存在的许多“实证难题”。如 Grossman 和 Stiglitz(1980)文中所述,资产市场的信息有效性通常是不完全的。因此资产价格并不完全反映市场中不同参与者所拥有的非公开信息。用一个跨期模型,王江发现市场的信息有限有效性会对市场的行为带来深刻的影响。由于在信息不对称的情况下,投资者在交易时总是要求更高的溢价。因此,非公开信息的存在会导致更高的资产价格波动性。这一机制能够帮助解释Shiller (1981)提出的股市整体波动性与基本面平稳性之间差异。同时,信息不对称也能帮助解释在没有外部冲击情况下发生的股市崩盘。例如,市场中存在某些非公开的负面信息,但可能没有完全反映在价格中。随着交易的继续,投资者们会通过价格了解到各自的负面信息,从而使更多的非公开的负面信息反映到价格中。这一价格发现过程能够导致在没有外部新信息的情况下,价格发生暴跌。此外,投资者的在市场中的动态学习不仅会引带来大的价格波动,也会带来更高的收益逆转(见 De Bondt 和 Thaler (1985), Poterba 和 Summers(1988))以及更高的平均收益。这些结果表明,该框架对资产定价行为、资产定价与经济基本面之间的关系具有很强的解释力。

 

王江进而在一系列论文中对股票收益和交易量的联动情况进行了详细的实证研究,对该理论框架的主要结论进行了直接检验。例如,在 “Trading Volume and Stock Return Correlations” (Quarterly Journal of Economics, 1993,王江 Campbell 和 Grossman 合著)和 “Dynamic Volume-Return Relations of Individual Stocks" (Review of Financial Studies, 2001,王江Llorente,Michaely,和 Saar 合著)两篇论文中,发现收益和交易量的联动关系在实证上能够帮助分辨流动性驱动和信息驱动的交易,并进一步解释股票收益的动向,验证了理论分析的结论。

 

对该框架的研究还扩展至多个资产的情形,以探讨其对收益率和交易量在横截面特征方面的结论。在“Trading Volume: Definitions, Data Analysis, and Implications of Portfolio Theory” (Review of Financial Studies, 2000, 王江Lo 合著)一文中,王江对交易量的横截面行为做出了精细的预测,并获得了有力的实证支持。“Trading Volume: Implications of An Intertemporal Asset Pricing Model” )(Journal of Finance, 2006,王江Lo 合著)一文在理论和实证两方面进一步确立了交易量的横截面行为和驱动收益的风险因素之间的密切关系。通过对收益和交易量的综合分析,这些研究极大地加深和丰富了我们对资本市场行为的认知。

 

同样的研究方法也可应用于债券市场。在“The Term Structure of Interest Rates In A Pure Exchange Economy with Heterogeneous Investors” (Journal of Financial Economics, 1994)和  “Asset Prices and the Credit Market” (Review of Financial Studies,2010,王江 Longstaff 合著)两篇文章中,王江针对具有不同偏好的投资者们的借贷行为构建了一个清晰的基准模型,并确立了债券市场的信贷量与利率和股价之间的关系。这些结果作为确定信贷规模和市场利率之间关系的参照具有重要的意义。例如,它们表明信贷市场的顺周期循环可以是经济资源有效配置的结果,这一结论与金融危机之后提出的反周期信贷控制的主张恰好相反。

 

由于交易是风险配置和价格发现的必要手段,流动性成为市场有效运转的关键因素。各种形式的市场摩擦常常阻碍流动性的充分供给。除了市场中信息的不对称,从简单的交易费用到更深层次的信息问题所产生的参与成本等各种形式的交易成本,构成了实际市场中的重要摩擦。这些市场摩擦如何影响市场参与者的交易行为?如何最终决定资产价格?如何影响市场的效率和稳定?会有怎样的政策意义?这些是我们要了解、利用和管理金融市场所必须面对的关键问题。而王江的研究加深对市场流动性的重要性的认识方面取得了实质性进展。

 

大部分资产因交易成本的存在而不具备完全的流动性。交易成本是否会大幅地影响资产定价,是资产所有者、金融中介及政策制定者面临的重要问题。尽管越来越多的实证证据显示交易成本对资产价格的重要影响,基于局部均衡分析所得出的理论结论却恰恰相反(如 Constantinides(1986))。在“Asset Prices and Trading Volume under Fixed Transactions Costs” (Journal of Political Economy,2004,王江 Lo 和Mamaysky 合著)一文中,王江构建了一个基于高频交易需求和固定交易成本的完全均衡模型。该模型清楚地表明,即使是小额的交易成本也可能对资产价格水平和预期回报产生重大的负面影响。该模型还确立了交易成本和交易量之间的精确联系。鉴于目前这方面几乎没有其它的均衡理论模型,这些结论对理解交易成本如何影响资产价格提供了难得的认知。

 

“Liquidity and Market Crashes”(Review of Financial Studies, 2009,王江Huang 合著)一文,进一步分析了流动性不足对价格走势所造成的影响。该研究显示,交易成本不仅在具有完全异质(idiosyncratic)交易需求的投资者之间造成流动性需求的内生不平衡,同时还内生地决定了市场上的流动性供给。更重要的是,流动性的内生不平衡可以导致市场崩盘,即在市场并未受到任何整体冲击的情况下造成突如其来的价格暴跌。这表明市场摩擦(例如一般的交易成本)的存在使得市场无法实现最佳的风险配置,进而导致市场内在的不稳定即系统性风险。因此我们看到,市场流动性的有效提供远不只是一个微观细节,而是关系到市场整体的有效性和系统稳定性的问题。

 

基于流动性对于市场整体的重要性,王江进一步探讨其对市场有效性的影响及相应的政策考量。之后“Market Liquidity, Asset Prices and Welfare” (Journal of Financial Studies,2010,王江Huang 合著)一文中,进一步发现,市场内生的流动性供给通常是低效的。尽管流动性供给具有正面的外部效应,但流动性供给方(如做市商)无法有效地获取这种外部效应的收益以补偿他们自己所必须承担成本。进一步确定流动性供给流程中市场机制在每一个节点所可能带来的有效性损失及其原因。这个分析也为探索以改善流动性供给和稳定市场为目的的政策措施提供了理论基础。这些措施包括对长期流动性供给者的鼓励和对市场流动性的即时注入。

 

结合流动性对资产定价、资产市场有效性的重要性的理论分析,王江在实证方面也进行了探索。流动性对资产定价的影响可以来自于两方面,一是流动性的评价水平,二是其变化即流动性风险。在主要的证券市场中,或许由于其柜台交易的特定方式,公司债的流动性是公认的低。基于诸如利率和违约风险等基本面因素的定价方法一直难以解释公司债的市场价格。人们往往将公司债定价的困难归咎于其流动性的缺失(Huang 和 Huang(2012)),但实际上这两者之间的关系却并一直没有真正的确定。在“The Illiquidity of Corporate Bonds”(Journal of Finance,2012,王江Bao 和Pan 合著)一文中,王江在理论的基础上提出了一个简易的流动性测度来解释公司债的价格并取得了相当满意的结果。这充分地说明了市场流动性水平在主要资产类的定价中不可忽略的作用。

 

长期以来人们一直意识到流动性的变化可能是跨市场的,尤其是在危机时流动性会在所有市场中“消失”。跨市场的共同变化就意味着流动性本身会是一个系统性风险。若如此,它应该得到我们充分的注意,不仅因为它会影响对流动性风险敏感的资产类的风险和收益,也因为它对于风险控制的重要性。但是,由于缺乏相应理论的基础,构造这样一个系统性流动性风险的测度并非易事。在“Noise as Information for Illiquidity”(Journal of Finance, 2013,与 Hu 和 Pan 合著 )一文中,王江利用国债价格中的偏差构造了一个市场整体流动性的测度。这是由于在理想状态下,国债的价格应完全有市场的利率曲线确定。而实际价格相对于利率曲线的偏差(实证分析中往往将之处理为“噪音”或误差)实际上反映了市场中套利资本的短缺 — 套利资本充足时,这样的价格偏差所带来的套利机会一定会被很快套利交易消除掉。而这也反映了市场中整体流动性的匮乏。随后王江与他的合作者发现,当市场中出现危机时,无论是在股票市场、信贷市场或是外汇市场,国债价格的平均偏差总会大幅地飚升。用它作为整体市场流动性风险的测度,他们发现它是唯一可以解释对市场流动性敏感的投资策略(如对称基金和套息交易)的额外收益的风险因子。这些结果明确地表明,市场整体流动性风险是决定异类资产的风险和收益的重要因素,所以也应是资产定价理论中的不可缺少的一部分。

 

王江的上述研究为建立金融市场的新的理论框架做出了诸多具有突破性和基础性的工作。这个理论框架尽管还在不断发展之中,但它在解释实际的市场行为方面已展现出巨大的潜力,包括资产价格的水平和波动、交流量、以及市场异象如崩盘。它也揭示了在风险配置和流动性供给上可能出现的市场失灵(market failure)的原因和机制。这些市场失灵情况的确定,也为有效监管和政策的设计提供了理论基础。在克服许多技术上的挑战来构造这个理论框架的过程中,王江的工作不仅带来了关键性的进展,也证明了新的理论框架的巨大潜力,并引发了大量的、进一步开拓和完善它的后续工作。

 

参考文献:

1. Arrow, K. and G. Debreu (1954), “Existence of An Equilibrium for a Competitive Economy,” Econometrica 22, 265-290.

2. Bao, J., J. Pan and J. Wang (2011), “The Illiquidity of Corporate Bonds,” Journal of Finance 66, 911-946.

3. Campbell, J., S. Grossman, and J. Wang (1993), “Trading Volume and Serial Correlation in Stock Returns,"         Quarterly Journal of Economics 108, 905-940.

4. Constantinides, G. (1986), “Capital Market Equilibrium with Transaction Costs,” Journal of Political Economy 94, 842-862.

5. De Bondt, W. and R. Thaler (1985), “Does the Stock Market Overreact?” Journal of Finance 40, 793-805.

6. Grossman, S. and J. Stiglitz (1980), “On the Impossibility of Informationally Efficient Markets,” American Economic Review 70, 393-408.

7. Hansen, L. and K. Singleton (1983), “Stochastic Consumption, Risk Aversion, and the Temporal Behavior of Asset Returns,” Journal of Political Economy 91, 249-265.

8. Hu, X., J. Pan and J. Wang (2013), “Noise as Information for Illiquidity,” Journal of Finance 68, 2223-2772.

9. Huang, J. and J. Wang (2009), “Liquidity and Market Crashes,” Review of Financial Studies 22, 2607-2643.

10. Huang, J. and J. Wang (2010), “Market Liquidity, Asset Prices and Welfare,” Journal of Financial Economics 95, 107-127.

11. Llorente, G., R. Michaely, G. Saar, and J. Wang (2001), “Dynamic Volume-Return Relations of Individual Stocks", Review of Financial Studies 15, 1005-1047.

12. Lo, A., H. Mamaysky, and J. Wang (2004), “Asset Prices and Trading Volume Under Fixed Transactions Costs," Journal of Political Economy 112, 1054-1090.

13. Lo, A. and J. Wang (2000), “Trading Volume: Definitions, Data Analysis, and Implications of Portfolio Theory," Review of Financial Studies 13, 257-300.

14. Lo, A. and J. Wang (2006), “Trading Volume: Implications of An Intertemporal Asset Pricing Model," Journal of Finance 61, 2805-2840.

15. Lucas, R. (1978), “Asset Prices in and Exchange Economy,” Econometrica 46, 1429-1445.

16. Mehra, R. and E. Prescott (1985), “Equity Premium: A Puzzle,” Journal of Monetary Economics 15, 145-161.

17. Poterba, J. and L. Summers (1988), “Mean Reversion in Stock Prices: Evidence and Implications,” Journal of Financial Economics 22, 27-59.

18. Shiller, R. (1981), “Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends?” American Economic Review 71, 421-436.

19. Wang, J. (1993), “A Model of Intertemporal Asset Prices under Asymmetric Information”, Review of Economic Studies, 60, 249-282.

20. Wang, J. (1994), “A Model of Competitive Stock Trading Volume,” Journal of Political Economy, 102, 127-167.