金秀, 侯羽婷
东北大学 工商管理学院，辽宁 沈阳 110169
收稿日期：2022-03-07
基金项目：教育部人文社科基金资助项目(22YJA790027)。
作者简介：金秀(1963-)，女，辽宁辽阳人，东北大学教授，博士生导师。

摘要：从信息效率维度对信息与流动性溢价关系进行研究，并从机构持股比例角度进行验证，进一步讨论市场流动性冲击对两者关系的影响.研究发现：中国股票市场存在明显的流动性溢价；低信息效率下流动性溢价更高，低机构持股比例股票由于信息效率低表现出更高的流动性溢价；在市场流动性冲击下，流动性溢价在低信息效率情形下跳跃式增加，信息效率与流动性溢价关系明显增强.研究结论对完善和丰富信息与流动性溢价关系研究有一定理论价值，为投资者配置符合自身风险偏好的投资组合、监管机构对市场进行监管提供参考.
关键词：信息效率流动性溢价流动性冲击机构持股股票市场
Research on Relationship Between Information Efficiency and Liquidity Premium
JIN Xiu, HOU Yu-ting
School of Business Administration, Northeastern University, Shenyang 110169, China
Corresponding author: HOU Yu-ting, E-mail: Hou_Yuting1@163.com.

Abstract: The relationship between information and liquidity premium is studied from the dimension of information efficiency, and verified from the perspective of institutional shareholding ratios. Then the impact of market liquidity shock on their relationship is further discussed. It is found that there is an obvious liquidity premium in Chinese stock market, the liquidity premium is higher under low information efficiency and the stocks with low institutional shareholding ratios show higher liquidity premium due to low information efficiency, and under the impact of market liquidity, the liquidity premium increases by leaps under the condition of low information efficiency, and the relationship between information efficiency and liquidity premium is significantly enhanced. The research conclusion has a certain theoretical value for improving and enriching the research on the relationship between information and liquidity premium, and provides a valuable reference for investors to allocate portfolios in line with their own risk preferences and regulators to supervise the market.
Key words: information efficiencyliquidity premiumliquidity shockinstitutional shareholdingstock market
流动性是否存在溢价一直是资本市场理论研究的重要问题，也是投资者决策的重要理论依据之一. 文献[1]从交易的微观成本出发首次提出流动性溢价理论，指出流动性是资产定价的一个重要因子，低流动性资产由于持有者难以变现而具有较高的预期收益率.Amihud^[2]构建了非流动性比率，对纽约证券交易所上市公司的流动性溢价进行研究，结果表明该非流动性指标对股票预期收益具有显著正向影响.Kang等^[3]采用非流动性比率指标，发现流动性溢价在美国股市中具有显著的统计意义和经济意义.相比发达股票市场，新兴市场由于信息不对称性更强可能导致非理性投资结果，更容易增加流动性风险，产生流动性溢价现象.陈海强等^[4]使用分组法和截面回归法证明中国股票市场存在较高的流动性溢价.An等^[5]构建多个流动性指标研究中国股票市场流动性溢价问题，发现市场中存在显著的流动性溢价现象.
在一个充满信息交流的社会里，企业信息能够迅速被投资者知晓并作为投资决策的重要依据.金融市场的主要作用是通过交易产生和聚合信息，这些信息会传递到证券价格中并对价格产生影响.Sadka^[6]从流动性角度对这种影响进行解释，认为信息通过流动性影响股票收益和资本成本，从信息角度解释流动性溢价问题.****们基于信息的不同维度对流动性溢价开展研究.一些****使用信息质量反映“信息的准确性”，从质量维度研究信息与流动性溢价关系.Lang等^[7]使用信息透明度衡量信息质量，发现高信息质量可以减弱流动性与股票收益的关系.在此基础上，Ng^[8]使用质量综合指标研究信息质量与流动性溢价关系，结果表明高信息质量公司的股票在未来具有较低流动性风险和溢价水平.还有****使用信息数量反映“信息的全面性”，从数量维度研究信息与流动性溢价关系.Tissaoui等^[9]以新兴市场为背景研究信息数量在日内流动性中的作用，表明信息数量是流动性溢价增加的主要影响因素.
信息效率是指不同质量或数量的企业信息能否及时准确地反映在股价中，决定了信息的作用能否充分发挥.在当前信息环境多样性和复杂性的背景下，高信息效率可以保证证券价格发挥信号机制，为投资者做出正确投资决策提供参考^[10].纵观研究信息与流动性溢价关系的相关文献，重点从信息质量和数量维度进行研究，未能关注到信息效率这一重要特质，然而信息数量和质量通过效率维度才能发挥作用.因此，考虑信息效率对研究信息与流动性溢价关系至关重要.尤其在中国股票市场中，受公司信息透明度^[11]、政策制定^[12]等因素影响，个股信息效率水平参差不齐，加之散户众多，投资者不成熟，股价融合信息的速度对于投资者决策起着更加重要的作用.此外，信息效率在横截面上对股票未来收益率有负向预测能力^[13]，Han等^[14]指出影响股票市场资产价格和收益的因素可能与流动性溢价具有重要联系，说明信息效率与流动性溢价关系是一个重要课题.综上，为补充和完善信息与流动性溢价关系研究，有必要从信息效率这一新的维度对信息与流动性溢价关系进行深入探讨.
本文以中国股票市场为背景，创新性地从信息效率维度研究流动性溢价问题，对信息效率与流动性溢价的关系进行全面分析，主要创新点体现在以下三点：①分别使用单排序法、面板固定效应模型实证检验中国股票市场中的流动性溢价情况.②将整个样本分为高、低信息效率两个情形，研究不同信息效率水平下的流动性溢价问题.从机构持股比例角度进一步对研究结论进行验证，使信息与流动性溢价关系研究更加透彻完整.③考虑市场宏观经济条件，研究市场流动性冲击对信息效率与流动性溢价关系的影响，完善信息效率与流动性溢价关系研究，为投资者配置符合自身风险偏好的投资组合、监管机构对市场监管提供有价值的参考.
1 研究设计1.1 数据来源与样本说明样本区间为2008年1月至2020年8月，共计152个月.研究对象为2008年1月之前上市且完成股改的全部A股股票，对样本进行如下处理：①剔除所有ST，^*ST类上市公司；②剔除所有金融类上市公司；③剔除在样本期间任意1个月窗口期内，月交易总天数小于等于10 d的股票.对剔除后剩余股票按照流动性大小进行截尾处理，最终样本中包含200只股票.所有数据均来自Wind数据库.
1.2 流动性指标将非流动性比率作为流动性指标的代理变量.非流动性比率从价格、交易量两个方面来度量流动性，反映单位交易量所导致的价格变动率.非流动性比率越大表示股票流动性水平越差.
非流动性比率为

(1)

其中：ILLIQ_{i, t}表示股票i在第t月的非流动性比率；N_{i, t}表示股票i在第t月的交易天数；r_{i, t, d}表示股票i在第t月第d日的收益率；V_{i, t, d}为股票i在第t月第d日的成交额.
为便于下文描述和理解，令LIQ_{i, t}=-ILLIQ_{i, t}，LIQ_{i, t}即为股票i在第t月的流动性.
1.3 信息效率指标将股价同步性作为信息效率指标的代理变量.股价同步性是单个公司股票价格变动与市场平均变动之间的关联性，高股价同步性意味着较少公司特质信息被纳入到股票价格中，表明信息效率水平较低.
以日频交易数据为基础，在每月对式(2)的资产定价模型进行普通最小二乘法回归，获得模型的拟合优度，

(2)

其中：r_{m, t, d}表示第t月第d日以流通市值加权的市场收益率(使用沪深300指数收益率计算)；α_i为常数项；β_i为股票i日收益率对市场收益率的敏感系数；ε_{i, d}为残差项.
拟合优度在0到1之间取值，为使其服从正态分布，对其进行对数化处理，得到股价同步性，

(3)

其中：SYN_{i, t}表示股票i在第t月的股价同步性；R_{i, t}²表示使用股票i在第t月的日频数据对式(2)进行回归获得的拟合优度.
为使股价同步性与信息效率变化关系具有同方向性，令IE_{i, t}=-SYN_{i, t}，IE_{i, t}即为股票i在第t月的信息效率.
1.4 控制变量考虑股票收益率可能受其他因素影响，在研究流动性溢价问题时需要对资产收益率的其他影响因素进行控制.在确定流动性指标后选取一些控制变量建立回归模型.参考相关研究的指标选取和构建方法，将账面市值比、收益价格比、流通股比例和公司规模作为控制变量.
2 实证分析2.1 描述性统计与相关性分析根据第1节中指标构建方法计算各指标值并进行描述性统计，结果如表 1所示.
表 1(Table 1)

表 1 相关变量描述性统计结果Table 1 Descriptive statistical results of related variables 变量 含义 样本量 平均值 标准差 最小值 最大值 r 收益率 30 400 0.018 6 12.473 3 -72.704 3 86.628 0 LIQ 流动性 30 400 -0.036 5 0.063 5 -3.824 0 -0.000 2 IE 信息效率 30 400 0.659 4 1.715 3 -3.941 5 20.050 3 BM 账面市值比 30 400 0.509 6 0.317 3 0.005 7 2.470 8 RP 收益价格比 30 400 0.067 4 0.159 1 -1.495 5 1.868 0 LTR 流通股比例 30 400 0.896 8 0.173 8 0.080 0 1.000 0 SIZE 公司规模 30 400 22.972 6 1.040 7 19.575 2 28.439 4

表 1 相关变量描述性统计结果 Table 1 Descriptive statistical results of related variables

从表 1中可以看出，r的均值为0.018 6，标准差为12.473 3，说明收益率水平较低且波动剧烈.LIQ的平均值为-0.036 5，标准差为0.063 5，说明流动性波动较小.IE的平均值为0.659 4，标准差为1.715 3，说明样本内股票信息效率水平参差不齐，差异明显.LIQ和IE两个指标的最大、最小值之间差异较大，说明样本涵盖范围较广，包含不同流动性和信息效率水平的股票.SIZE的标准差为1.040 7，说明样本内股票存在明显的规模差异.
为初步了解变量之间是否存在相关性，计算Pearson相关系数，结果如表 2所示.
表 2(Table 2)

表 2 变量间Pearson相关系数Table 2 Pearson correlation coefficients between variables 变量 r LIQ IE BM RP LTR SIZE r 1 LIQ -0.014 2** 1 IE -0.019 1*** 0.149 9*** 1 BM 0.070 9*** -0.077 7*** -0.164 2*** 1 RP 0.008 7* 0.0031 -0.0677*** 0.290 4*** 1 LTR 0.050 9*** 0.193 7*** 0.123 7*** 0.187 5*** 0.049 0*** SIZE -0.051 7*** 0.395 1*** 0.023 2*** -0.044 0*** 0.137 2*** 0.041 0*** 1 注：***表示在1%水平上显著；**表示在5%水平上显著；*表示在10%水平上显著.

表 2 变量间Pearson相关系数 Table 2 Pearson correlation coefficients between variables

从表 2中可以看出，LIQ与r的相关系数为-0.014 2且在5%的水平上显著，表明流动性与收益率显著负相关.IE与r的相关系数为-0.019 1且在1%的水平上显著，说明信息效率与收益率显著负相关.IE与LIQ的相关系数为0.149 9且在1%的水平上显著，说明信息效率与流动性之间存在显著正相关关系.BM，RP，LTR以及SIZE与r之间的相关系数均具有显著性，说明这些变量与收益率密切相关.此外，本文的4个控制变量均与LIQ之间表现出一定相关性，变量之间可能存在多重共线性问题，后文需要通过方差膨胀因子进行检验.
2.2 流动性溢价的存在性分析相关性分析初步表明流动性与收益率存在显著负相关关系，可能存在流动性溢价.在本节中，进一步通过单排序法构建股票组合和面板固定效应回归详尽检验流动性与股票预期收益率关系，探究中国股票市场中是否存在流动性溢价，为进一步研究信息效率与流动性溢价关系问题提供实证支撑.
2.2.1 单排序法股票组合分析对所有股票在第t月的LIQ数值按照从小到大的顺序进行排序，将所有股票平均分为10组，获得10个基于LIQ分组的股票组合，按照上述方法得到的股票组合每个月重新构建一次.为研究流动性对预期收益的影响，计算每一个股票组合在t+1月的收益率.考虑到公司间存在规模差异，在等权重收益基础上进一步计算市值加权收益，防止规模对实证结果产生影响.组合的等权重收益、市值加权收益及第10组与第1组的收益之差(以下简称为收益之差)如表 3所示.
表 3(Table 3)

表 3 基于LIQ分组的股票组合收益Table 3 Stock portfolio returns based on LIQ 收益 基于LIQ分组的股票组合 收益之差 1 2 3 4 5 6 7 8 9 10 等权重收益 1.06 0.67 0.26 0.07 0.07 0.06 -0.20 -0.25 -0.61 -0.70 -1.76** 市值加权收益 1.51 1.22 0.92 0.75 0.73 0.72 0.66 0.62 0.62 0.60 -0.91** 注：**表示在5%水平上显著.

表 3 基于LIQ分组的股票组合收益 Table 3 Stock portfolio returns based on LIQ

从表 3中可以看出，从第1组到第10组，随着流动性增强，等权重收益与市值加权收益逐渐降低，说明流动性与收益率之间是负相关关系.等权重收益与市值加权收益之差分别为-1.76和-0.91且均在5%水平上显著，并且任何小组与第1组的收益之差均小于等于0，说明流动性溢价存在且具有连续性.与等权重收益相比，市值加权收益中的流动性溢价(收益之差绝对值)有所下降，可能是流动性溢价与企业规模密切相关的原因^[5].
2.2.2 回归分析单排序法的实证结果表明中国股票市场存在流动性溢价，但考虑到单排序法可能受到观察偏差影响，进一步通过回归分析检验在控制其他变量对收益率的影响后流动性与预期收益率关系.
使用股票收益率与滞后一期的流动性以及控制变量构建回归模型.为控制不可观测且不随时间变化的个体性因素对被解释变量的影响，分别建立面板数据的固定效应和随机效应模型，控制个体效应.Hausman检验结果显示p值均为0.0000，说明应采用固定效应模型进行分析，回归方程为

(4)

其中：r_{i, t+1}为股票i在第t+1月的收益率；β₁，β₂，…，β₅为待估参数，表示收益率对各变量的敏感系数；SIZE_{i, t}，LTR_{i, t}，BM_{i, t}和RP_{i, t}为控制变量，分别表示股票i在第t月的公司规模、流通股比例、账面市值比和收益价格比；ε_{i, t+1}为残差项.
当式(4)中只有LIQ变量时为模型1，即r_{i, t+1}=α_i+β₁ LIQ_{i, t}+ε_{i, t+1}.将控制变量依次加入后构成模型2~模型5.对5个模型进行回归检验，结果如表 4所示.对表中变量进行方差膨胀因子检验，结果显示不存在多重共线性问题.
表 4(Table 4)

表 4 流动性与预期收益率关系模型回归结果Table 4 Regression results of the relationship model between liquidity and expected returns 变量 模型1 模型2 模型3 模型4 模型5 LIQ -3.859 3 -10.787 3 -10.4897 -8.565 7 -8.586 0 (-3.16) (-8.07) (-7.87) (-6.31) (-6.32) SIZE -4.623 8 -3.649 6 -3.9773 -3.973 5 (-25.66) (-18.64) (-19.82) (-19.80) LTR 4.394 6 3.237 2 3.391 5 (12.55) (8.43) (8.43) BM 3.736 9 3.752 1 (7.34) (7.36) RP -1.306 0 (-1.28) 注：括号内为对应参数估计的t值，|t|≥2.76表示系数在1%水平上显著；1.96≤|t|＜2.76表示系数在5%水平上显著；1.65≤|t|＜1.96表示系数在10%水平上显著.

表 4 流动性与预期收益率关系模型回归结果 Table 4 Regression results of the relationship model between liquidity and expected returns

从表 4中模型1的结果可以看出，当LIQ作为唯一解释变量时，它的系数在1%水平上显著为负，说明中国股票市场存在明显的流动性溢价.从模型2~模型5的结果中可以看出，当依次加入控制变量后，LIQ的系数仍然在1%水平上显著为负，说明这些股票特征对流动性溢价没有影响，投资者在任何情况下都要求较高的预期收益作为持有低流动性股票的风险补偿.
综合上述分析，单排序法和回归分析法均表明中国股票市场中存在明显的流动性溢价现象.
2.3 信息效率与流动性溢价关系分析2.3.1 不同信息效率下流动性溢价分析现有研究表明企业信息质量、数量与流动性溢价关系密切^[7-9]，然而信息质量和数量通过信息效率维度才能使信息充分发挥作用，因此在中国股票市场存在明显流动性溢价结论的基础上，进一步从信息效率这一新维度研究信息与流动性溢价关系.
为研究不同信息效率水平下的流动性溢价问题，将整个样本分为高信息效率与低信息效率两个情形，按照如下两步对全样本进行划分：①在每个月计算所有股票IE的平均值，将得到的152个观测值按照从小到大的顺序排列；②前76个值所对应的月份为低信息效率情形，后76个值所对应的月份为高信息效率情形.在两种情形下分别使用单排序法构建基于LIQ分组的股票组合，计算组合的等权重收益、市值加权收益及收益之差，结果如表 5所示.
表 5(Table 5)

表 5 不同信息效率水平下基于LIQ分组的股票组合收益Table 5 Stock portfolio returns based on LIQ under different information efficiency levels 基于LIQ分组的股票组合 高信息效率 低信息效率 等权重 市值加权 等权重 市值加权 1 0.42 0.32 1.7 1.51 2 -0.04 0.2 1.42 1.18 3 -0.06 0.14 0.57 0.48 4 -0.06 0.08 0.55 0.44 5 -0.09 -0.01 0.43 0.25 6 -0.23 -0.03 0.09 0.09 7 -0.28 -0.14 -0.23 -0.16 8 -0.18 -0.21 -0.43 -0.43 9 -0.41 -0.17 -0.73 -0.5 10 -1.1 -0.18 -0.98 -0.52 收益之差 -1.52** -0.5** -2.68*** -2.03*** 注：***表示在1%水平上显著；**表示在5%水平上显著.

表 5 不同信息效率水平下基于LIQ分组的股票组合收益 Table 5 Stock portfolio returns based on LIQ under different information efficiency levels

从表 5中可以看出，在高信息效率情形下，等权重收益与市值加权收益在10个组合中随着流动性增加整体上呈下降趋势，收益之差分别为-1.52和-0.5且在5%水平上显著，说明在高信息效率情形中存在明显的流动性溢价现象.在低信息效率情形下，等权重收益与市值加权收益随着流动性增加同样呈现出明显的下降趋势，收益之差分别为-2.68与-2.03且在1%水平上显著，说明在低信息效率下同样存在流动性溢价现象.对比高、低信息效率情形下收益之差的绝对值和显著性，低信息效率情形下组合的收益之差绝对值更大且显著性水平更高，说明低信息效率股票具有更高的流动性溢价.
为更加直观地表示信息效率与流动性溢价关系，绘制信息效率、流动性与预期收益率关系图，如图 1所示.
图 1(Fig. 1)

图 1 信息效率、流动性与预期收益率关系Fig.1 Relationship between information efficiency, liquidity and expected returns

从图 1中可以看出，低信息效率会增强流动性与预期收益率之间的关系，即流动性在低信息效率股票中定价作用更强.低信息效率股票包含特质信息较少，投资者对该类股票中包含的企业信息了解程度不足，因不确定性所导致的风险成本增加，投资者要求更高的预期收益作为补偿.对于高信息效率股票，信息快速地反映到股价中，能在一定程度上改善投资者的决策环境，降低因不确定性所导致的风险成本，从而流动性溢价降低.
2.3.2 信息效率与流动性溢价关系的验证分析——基于机构持股比例角度由于机构投资者拥有卓越的收集、处理企业特质信息能力，具有信息优势，在机构持股比例高的公司中信息能及时地反映到股价中，信息效率水平更高^[15].因此，可以从机构持股比例角度进一步验证信息效率与流动性溢价关系.
为研究不同机构持股比例下的流动性溢价问题，将整个样本按照机构持股比例大小平均分成两部分，在不同的机构持股比例下分别使用单排序法构建10个基于LIQ分组的股票组合.计算组合的等权重收益、市值加权收益及收益之差，结果如表 6所示.
表 6(Table 6)

表 6 不同的机构持股比例下基于LIQ分组的股票组合收益Table 6 Stock portfolio returns based on LIQ under different institutional shareholding ratios 基于LIQ分组的股票组合 机构持股比例低 机构持股比例高 等权重 市值加权 等权重 市值加权 1 1.36 1.23 0.4 0.22 2 0.74 0.82 0.22 0.04 3 0.64 0.55 0.35 0.28 4 0.41 0.45 0.74 0.74 5 0.36 0.27 0.6 0.4 6 0.27 0.11 0.37 0.2 7 0.31 0.06 1.14 1.21 8 -0.11 -0.06 -0.47 -0.76 9 -0.7 -0.08 -0.52 -0.23 10 -0.71 -0.87 0.12 0.1 收益之差 -2.07*** -2.11*** -0.28 -0.12 注：***表示在1%水平上显著.

表 6 不同的机构持股比例下基于LIQ分组的股票组合收益 Table 6 Stock portfolio returns based on LIQ under different institutional shareholding ratios

从表 6中可以看出，在机构持股比例低的样本中，从第1组到第10组，股票组合的等权重收益和市值加权收益随着流动性增加呈下降趋势，收益之差分别为-2.07和-2.11且均在1%的水平上显著，说明低机构持股比例股票中存在明显的流动性溢价现象.在机构持股比例高的样本中，随着流动性增加，等权重收益和市值加权收益的变化均没有规律，收益之差分别为-0.28和-0.12，数值较小且在统计上不显著，说明机构持股比例高的股票不具有明显的流动性溢价.由于机构投资者具有信息获取优势，在机构持股比例较高的公司中存在更多信息交易，使信息快速地反映到股价中，显著提升信息效率^[16]，投资者面临的不确定性很小，相应的流动性风险降低，因此风险补偿接近于0.
对比不同的机构持股比例样本中的结果，机构持股比例低其流动性溢价水平更高，验证了“低信息效率情形下流动性溢价更高”的结论.
2.4 稳健性检验为保证上述实证结果的稳健性，本文进行了两项稳健性检验.
1) 替代的流动性指标.为检验研究结论对于其他流动性指标是否具有稳健性，选用换手率作为流动性指标的代理变量再次进行相关检验.
2) 基于第t+2月收益率计算流动性溢价.在使用单排序法构建基于LIQ分组的股票组合时，上文根据第t月的流动性大小将样本内所有股票分组，计算每一个股票组合在第t+1月的收益率.然而，市场中可能会存在短期收益反转问题^[17]，为避免结果受到短期收益反转干扰，基于第t+2月收益率计算流动性溢价，再次进行实证检验.
上述检验结果均表明在低信息效率情形下流动性溢价更高，限于篇幅不再列示具体结果.
3 市场流动性冲击下信息效率与流动性溢价关系市场流动性作为一种宏观经济条件好坏的衡量指标，会对股票流动性风险产生直接影响^[18].在市场流动性冲击下，投资者会在市场高度波动和风险厌恶情况下流入或流出股票市场.信息效率不同的股票由于产生的不确定性与逆向选择程度不同会导致相应的投资者流入流出程度存在差异，使投资者面临不同程度的流动性风险，因而流动性溢价不同^[8].为探究市场流动性冲击下不同信息效率股票的流动性溢价水平是否存在差异，将市场流动性分为上升期、平稳期和下降期三种状态，在不同市场流动性状态下研究信息效率与流动性溢价关系.
为衡量市场流动性变化情况，计算样本期间内每个月的市场流动性变化值，即当期与上期市场流动性之差(市场流动性为个股流动性的算术平均值).市场流动性冲击为市场流动性大幅度上升或下降的状态，根据月度市场流动性变化值，将市场流动性上升幅度最大的30个月命名为“市场流动性上升期”，市场流动性下降幅度最大的30个月命名为“市场流动性下降期”，其他月份为“市场流动性平稳期”.在每个时期，使用双排序法构建股票组合并计算流动性溢价，步骤如下：①在每个月，将IE按照从小到大的顺序排序，将所有股票分为5个基于IE分组的股票组合.②在每一个基于IE分组的股票组合内，再按照LIQ大小分为10组.基于上述方法得到的50个股票组合每一个月重新构建一次.计算股票组合的月市值加权收益及收益之差，结果如表 7所示.
表 7(Table 7)

表 7 不同市场流动性状态下双排序股票组合收益Table 7 Stock portfolios returns from bivariate sorts under different market liquidity conditions 市场流动性状态 基于IE分组的股票组合 基于LIQ分组的股票组合 收益之差 1 2 3 4 5 6 7 8 9 10 1 -0.63 -1.15 -1.68 -2.62 -2.71 -3.16 -2.92 -4.16 -4.46 -5.18 -4.54 2 1.41 0.68 0.32 -0.91 -1.02 -1.05 -1.27 -1.69 -2.34 -2.98 -4.39 上升期 3 -0.38 -0.48 -1.4 -0.9 -1.7 -1.76 -1.84 -2.42 -2.45 -2.29 -1.91 4 -0.12 -0.44 -0.47 -1.13 -1.19 -1.38 -1.39 -1.67 -1.76 -1.81 -1.7 5 0.16 -0.2 -0.3 -0.47 -0.77 -0.56 -0.99 -1.07 -1.05 -1.28 -1.44 1 1.74 1.67 1.18 0.95 1.04 1.04 0.53 0.34 0.31 -0.06 -1.8 2 1.33 1.01 0.98 0.94 0.82 0.52 -0.04 -0.31 -0.18 -0.38 -1.71 平稳期 3 1.78 1.5 1.37 1.3 1.06 0.98 0.76 0.52 0.48 0.17 -1.61 4 0.92 0.58 0.27 0.14 -0.03 -0.26 -0.06 -0.3 -0.53 -0.56 -1.47 5 1.77 1.55 1.53 1.13 1.11 0.39 0.63 0.84 0.36 0.36 -1.41 1 0.35 0.23 0.18 0.04 -0.29 -0.79 -1.22 -2.37 -2.42 -4.14 -4.49 2 1.47 0.69 0.21 0.16 0.13 -0.39 -1 -0.5 -1.41 -2.5 -3.97 下降期 3 0.13 0.03 -0.15 -0.31 -0.49 -0.51 -1 -1.77 -1.87 -1.85 -1.98 4 0.14 0.15 0.13 -0.47 -1.24 -1.39 -1.61 -1.75 -1.76 -1.72 -1.86 5 -2.07 -2.63 -2.22 -2.91 -2.55 -2.92 -3.03 -3.01 -3.45 -3.66 -1.58

表 7 不同市场流动性状态下双排序股票组合收益 Table 7 Stock portfolios returns from bivariate sorts under different market liquidity conditions

为直观观察在不同市场流动性状态中信息效率与流动性溢价关系，将三种市场流动性状态下基于IE分组的股票组合收益之差绝对值(即流动性溢价)绘制成图，结果如图 2所示.
图 2(Fig. 2)

图 2 不同市场流动性状态下股票组合的流动性溢价Fig.2 Liquidity premium of stock portfolios under different market liquidity conditions

结合表 7和图 2可以看出：
1) 在三种市场流动性状态中，随着流动性增强，股票收益整体上呈现下降趋势，收益之差均为负值，说明不管市场流动性如何变化，中国股票市场中都存在流动性溢价现象.
2) 在每个市场流动性状态下，随着信息效率增加，收益之差绝对值减小，说明低信息效率股票的流动性溢价更高，获得的结论与第2节中相同.
3) 在市场流动性上升期和下降期，信息效率最低两个组的收益之差绝对值均显著高于相同状态下的其他三组.在市场流动性平稳期，在5个股票组合中，随着信息效率增强，流动性溢价下降趋势较为平缓.
上述结果表明，在市场流动性冲击下，低信息效率股票的流动性溢价出现跳跃式增加现象，信息效率与流动性溢价关系更强.在市场流动性上升和下降状态下持有低信息效率股票的投资者在股票市场中流入流出程度更强，由于存在信息不对称问题，这种现象将会增强股票预期收益变化的不确定性，增加流动性风险，因此，市场流动性冲击下低信息效率股票呈现出更高的流动性溢价.
4 结语本文采用2008—2020年A股股票作为观测样本，选取非流动性比率和股价同步性分别作为流动性和信息效率的代理变量，从信息效率这一新维度对信息与流动性溢价关系进行研究.研究发现：
1) 股票流动性负向影响预期收益率，中国股票市场存在显著的流动性溢价.
2) 不同信息效率水平下流动性溢价差异很大，低信息效率股票存在更高的流动性溢价，即流动性在低信息效率股票中定价作用更强.
3) 低机构持股比例股票由于不具有信息优势，信息效率更低，流动性溢价水平更高，进一步验证了信息效率与流动性溢价关系.
4) 在市场流动性冲击下，流动性溢价在低信息效率情形下跳跃式增加，信息效率与流动性溢价关系显著增强.
研究结论有助于更好地理解流动性的定价能力，对于完善和丰富信息与流动性溢价关系研究有一定理论价值，对投资者配置符合自身风险偏好的投资组合、监管机构对市场进行监管具有重要指导意义.
参考文献

[1]	Amihud Y, Mendelson H. Asset pricing and the bid-ask spread[J]. Journal of Financial Economics, 1986, 17(2): 223-249. DOI:10.1016/0304-405X(86)90065-6
[2]	Amihud Y. Illiquidity and stock returns: cross-section and time-series effects[J]. Journal of Financial Markets, 2002, 5(1): 31-56. DOI:10.1016/S1386-4181(01)00024-6
[3]	Kang W J, Li N, Zhang H P. Information uncertainty and the pricing of liquidity[J]. Journal of Empirical Finance, 2019, 54: 77-96. DOI:10.1016/j.jempfin.2019.08.005
[4]	陈海强, 姜盼. 股市流动性综合指标构建与流动性溢价检验——基于A股高频数据的实证研究[J]. 厦门大学学报(哲学社会科学版), 2020(1): 145-157. (Chen Hai-qiang, Jiang Pan. Construction of a stock market liquidity comprehensive index and liquidity premium test: an empirical study based on high-frequency A-share data[J]. Journal of Xiamen University(Arts & Social Sciences), 2020(1): 145-157.)
[5]	An J, Ho K Y, Zhang Z. What drives the liquidity premium in the Chinese stock market[J]. The North American Journal of Economics and Finance, 2019, 54: 1-17.
[6]	Sadka R. Liquidity risk and accounting information[J]. Journal of Accounting and Economics, 2011, 52(2): 144-152.
[7]	Lang M, Maffett M. Transparency and liquidity uncertainty in crisis periods[J]. Journal of Accounting and Economics, 2011, 52(2): 101-125.
[8]	Ng J. The effect of information quality on liquidity risk[J]. Journal of Accounting and Economics, 2011, 52(2): 126-143.
[9]	Tissaoui K, Ftiti Z. Liquidity, liquidity risk, and information flow: lessons from an emerging market[J]. Research in International Business and Finance, 2016, 37: 28-48. DOI:10.1016/j.ribaf.2015.09.028
[10]	田高良, 司毅, 秦岭, 等. 网络舆情及其应对与上市公司的信息效率[J]. 系统工程理论与实践, 2018, 38(1): 46-66. (Tian Gao-liang, Si Yi, Qin Ling, et al. Internet public opinions, response and listed firms' information efficiency[J]. Systems Engineering—Theory & Practice, 2018, 38(1): 46-66.)
[11]	田高良, 封华, 张亭. 风险承担、信息不透明与股价同步性[J]. 系统工程理论与实践, 2019, 39(3): 578-595. (Tian Gao-liang, Feng Hua, Zhang Ting. Risk-taking, information opacity and stock price synchronicity[J]. Systems Engineering—Theory & Practice, 2019, 39(3): 578-595.)
[12]	Sheng H, Liu R, Xiong H, et al. Economic policy uncertainty and stock price synchronicity: evidence from China[J]. Pacific-Basin Finance Journal, 2021, 65: 1-14.
[13]	Long H G, Zaremba A, Jiang Y X. Price nonsynchronicity, idiosyncratic risk, and expected stock returns in China[J]. Economic Research—Ekonomska Istra?ivanja, 2020, 33(1): 160-181. DOI:10.1080/1331677X.2019.1710229
[14]	Han Y, Lesmond D. Liquidity biases and the pricing of cross-sectional idiosyncratic volatility[J]. Review of Financial Studies, 2011, 24: 1590-1629.
[15]	孔东民, 孔高文, 刘莎莎. 机构投资者、流动性与信息效率[J]. 管理科学学报, 2015, 18(3): 1-15. (Kong Dong-min, Kong Gao-wen, Liu Sha-sha. Institutional investors, liquidity and information efficiency[J]. Journal of Management Sciences in China, 2015, 18(3): 1-15.)
[16]	马丹, 王春峰, 房振明. 流动性供给与日内价格效率——基于中国股票市场的实证研究[J]. 中国管理科学, 2020, 28(7): 57-67. (Ma Dan, Wang Chun-feng, Fang Zhen-ming. Liquidity provision and intraday price efficiency: evidence on Chinese stock market[J]. Chinese Journal of Management Science, 2020, 28(7): 57-67.)
[17]	Butt H A, Hogholm K, Sadaqat M. Reversal returns and expected returns from liquidity provision: evidence from emerging markets[J]. Journal of Multinational Financial Management, 2021, 59: 100664.
[18]	Campbell J Y, Lo A W, MacKinlay A C. The econometrics of financial markets[J]. Macroeconomic Dynamics, 1998, 2(4): 559-562.