复旦大学：《投资学原理 Investments》课程教学资源（学生论文）价格稳定机制的磁吸效应研究.pdf_大学文库

摘要价格稳定机制是在市场发生剧烈波动时证券交易所采取的能够起到抑制资产价格异常波动的各种措施,包括涨跌幅限制和熔断机制,是一种广泛应用的控制市场风险的措施, 对维持股票市场的有效与稳定有至关重要的影响,尤其今年年初熔断机制实施后股票市场的急剧下跌更引发了各界对价格稳定机制的思考,因此深入研究实施价格稳定机制产生的市场效应对交易制度的创新有着重大的意义。同时,磁吸效应可以看做是金融市场微观结构与行为金融的一个交叉领域,但由于技术原因等因素,一直没有被引起足够的重视,国内外的研究并不充分在现有的研究基础上,本文以涨跌幅限制为例,从金融高频数据的角度来研究价格稳定机制的磁吸效应,实证结果表明:一、除价格上涨达到限制价格相距儁%时会有轻微的磁吸效应外,涨跌幅限制并不会引起磁吸效应,相反,涨跌幅限制具有一定的冷却效应,但随着价格逐渐向涨跌幅限制值靠近,冷却效应逐渐减弱,在涨幍模型条件下还会出现反转,最终产生磁吸效应,因此可以认为熔断机制下市场急剧下跌可能是临界点过于狭窄的缘故,而非投资者普遍认为的机制自身缺陷;二、在沪港通开通后,涨跌幅限制具有更为显著的冷却效应,但随着价格逐渐向涨跌幅限制值靠近,冷却效应逐渐减弱,当价格上涨达到涨幅限制前1%时,会产生比沪港通开通前更为显著的磁吸效应本文还存在以下不足之处需要改进:(1)本文只用了 logit回归一种方法对于磁吸效应进行了检验,而没有用其他方法进行对比分析;(2)受限于可得数据量的问题,本文没有实证检验熔断机制的磁吸效应是否是导致年初股价下跌的原因;(3)本文没能详细分析沪港通开通之后A股市场上磁吸效应强度发生改变的内在机理。关键词:价格稳定机制;磁吸效应; logit模型;沪港通 1研究背景中国股票市场自诞生以来就有波动性强、噪声交易者多、投机色彩浓重等特点,这是作为新兴股票市场不可避免的问题。为了在市场急剧波动时能够抑制股价的过度和异常波动保证股市市场的安全稳定运行,我国实行了一系列价格稳定机制,包括涨跌幅限制和熔断机 1996年12月16日开始实行涨跌幅限制,规定在一个交易日内,普通股股票的交易价格相对上一交易日收盘价涨跌幅度不得超过10%,未股改的公司和ST类(深市)公司股票涨跌幅比例则为5%(首日上市、增发或长期停牌后复牌的股票除外)。 2015年以来,随着A股两融业务的不断推广、新的金融产品的不断推出,A股的波动性也出现了较大幅度的上涨。2015年6月中下旬开始A股市场出现一波急速下跌,期间屡次出现千股跌停涨停的奇观。2015年9月7日,沪深证券交易所及中金所联合发布了《关于就指数熔断相关规定公开征求意见的通知》,向社会征集关于实行熔断机制的意见,试图借鉴国外成熟股市的市场经验,在金融创新产品日益丰富、跨市场联动性不断增强的大背景下,防止股市出现大幅度异常波动。2015年12月4日,上交所、深交所、中金所正式发布指数熔断相关规定,并于2016年1月1日起正式实施,有5%和7%两档熔断阈值、涨跌双向熔断。同一涨跌方向上再次达到或超过5%但尚未达到或超过7%时,不再触发指数熔断除了尾盘,5%的指数熔断在一个交易日内可触发两次熔断制度或许是A股市场最短命的政策,实施仅7天即被暂停,但却在4个交易日中4

摘要价格稳定机制是在市场发生剧烈波动时证券交易所采取的能够起到抑制资产价格异常波动的各种措施，包括涨跌幅限制和熔断机制，是一种广泛应用的控制市场风险的措施，对维持股票市场的有效与稳定有至关重要的影响，尤其今年年初熔断机制实施后股票市场的急剧下跌更引发了各界对价格稳定机制的思考，因此深入研究实施价格稳定机制产生的市场效应对交易制度的创新有着重大的意义。同时，磁吸效应可以看做是金融市场微观结构与行为金融的一个交叉领域，但由于技术原因等因素，一直没有被引起足够的重视，国内外的研究并不充分。在现有的研究基础上，本文以涨跌幅限制为例，从金融高频数据的角度来研究价格稳定机制的磁吸效应，实证结果表明：一、除价格上涨达到限制价格相距 1%时会有轻微的磁吸效应外，涨跌幅限制并不会引起磁吸效应，相反，涨跌幅限制具有一定的冷却效应，但随着价格逐渐向涨跌幅限制值靠近，冷却效应逐渐减弱，在涨幅模型条件下还会出现反转，最终产生磁吸效应，因此可以认为熔断机制下市场急剧下跌可能是临界点过于狭窄的缘故，而非投资者普遍认为的机制自身缺陷；二、在沪港通开通后，涨跌幅限制具有更为显著的冷却效应，但随着价格逐渐向涨跌幅限制值靠近，冷却效应逐渐减弱，当价格上涨达到涨幅限制前 1%时，会产生比沪港通开通前更为显著的磁吸效应。本文还存在以下不足之处需要改进：（1）本文只用了 logit 回归一种方法对于磁吸效应进行了检验，而没有用其他方法进行对比分析；（2）受限于可得数据量的问题，本文没有实证检验熔断机制的磁吸效应是否是导致年初股价下跌的原因；（3）本文没能详细分析沪港通开通之后 A 股市场上磁吸效应强度发生改变的内在机理。关键词：价格稳定机制；磁吸效应；logit 模型；沪港通 1.研究背景中国股票市场自诞生以来就有波动性强、噪声交易者多、投机色彩浓重等特点，这是作为新兴股票市场不可避免的问题。为了在市场急剧波动时能够抑制股价的过度和异常波动，保证股市市场的安全稳定运行，我国实行了一系列价格稳定机制，包括涨跌幅限制和熔断机制。 1996 年 12 月 16 日开始实行涨跌幅限制，规定在一个交易日内，普通股股票的交易价格相对上一交易日收盘价涨跌幅度不得超过 10%，未股改的公司和 ST 类（深市）公司股票涨跌幅比例则为 5%（首日上市、增发或长期停牌后复牌的股票除外）。 2015 年以来，随着 A 股两融业务的不断推广、新的金融产品的不断推出，A 股的波动性也出现了较大幅度的上涨。2015 年 6 月中下旬开始 A 股市场出现一波急速下跌，期间屡次出现千股跌停涨停的奇观。2015 年 9 月 7 日，沪深证券交易所及中金所联合发布了《关于就指数熔断相关规定公开征求意见的通知》，向社会征集关于实行熔断机制的意见，试图借鉴国外成熟股市的市场经验，在金融创新产品日益丰富、跨市场联动性不断增强的大背景下，防止股市出现大幅度异常波动。2015 年 12 月 4 日，上交所、深交所、中金所正式发布指数熔断相关规定，并于 2016 年 1 月 1 日起正式实施，有 5%和 7%两档熔断阈值、涨跌双向熔断。同一涨跌方向上再次达到或超过 5%但尚未达到或超过 7%时，不再触发指数熔断。除了尾盘，5%的指数熔断在一个交易日内可触发两次。熔断制度或许是 A 股市场最短命的政策，实施仅 7 天即被暂停，但却在 4 个交易日中 4

次上演(两次触发5%熔断阈值,两次触发7%熔断阈值),仅用时155分钟A股至少6.66万亿元市值便飞灰湮灭。1月4日,沪深两市开盘后低开低走,13时13分沪深300下跌5%触发熔断,13时28分两市恢复交易,随即沪深3υ0指数跌逾η%,触发熔断机制最高阈值, 两市逾千股跌停,A股暂停交易至收市。当日,A股实际上交易了140分钟,上证指数收跌 6.85%。1月7日,沪深300指数在开盘后仅13分钟就触及了5%的熔断“门槛”,自休市恢复交易仅几分钟,沪深300指数于9点58分很快达到7%的二次熔断“门槛”,A股再度创纪录提前“收盘”。截至9时59分,A股市场仅交易了15分钟,沪深300指数跌幅721%, 上证指数跌幅7.32%:创业板指数跌幅8.66%。1月7日晚,证监会正式发布通知决定自1 月8日起暂停实施A股指数熔断制度。熔断与股灾的不约而至让人不禁怀疑两者之间是否存在因果关系,是否是熔断机制的推岀造成了市场的大幅波动。事实上,在汇率贬值、注册制渐行渐近、限售令解禁、估值过高等多重压力之下,A股趋向下跌也是一种正常的市场表现,而熔断机制可能成为了市场波动性的放大器,加速了股票市场的下跌然而一直以来,研究者们对价格稳定机制对于股价波动性、价格发现过程以及投资者行为的影响存在着截然不同的观点,至今也没有定论价格稳定机制的赞成者认为,价格限制可以有效降低市场波动,维持价格稳定。同时, 涨跌幅限制具有冷却效应,即可以提供给投资者一段冷静期来重新评估股票的基础价值,有利于相关信息的有效传递,有助于达到一个半强有效式市场。对价格稳定机制的反对意见则可以归结为:这种限制会在某种程度上阻碍股票市场的价格发现功能,进而会增加信息的不对称性和导致大量噪声交易以及波动性溢出,同时会降低市场的流动性,造成交易干扰效应,甚至磁吸效应。磁吸效应是指当股票价格接近当天的限制价格时,投资者会提前执行自己的交易,使得价格进一步向限制价格靠近的速度或概率提高,进而增加股价的波动性价格稳定机制是一种广泛应用的控制市场风险的措施,对维持股票市场的有效与稳定有至关重要的影响,因此深入研究实施价格稳定机制所产生的市场效应(尤其是日内效应)对交易制度的创新有着重大的意义。同时,磁吸效应是金融市场微观结构与行为金融的一个交叉领域,但由于技术原因等因素,一直没有被引起足够的重视,国内外的研究并不充分,而且在现有的研究中,由于数据与实证方法的差异,最终得到的结论也有很大的分歧。在现有的研究中,也存在一些问题。比如,直接对磁吸效应的实证研究选择的样本数据往往较为稀少,可能会导致研究结果有偏差。另外,现有的研究往往只将目光集中于价格稳定机制是否会引起磁吸效应,而很少进一步测定引起磁吸效应的价格临界值。本文拟研究A股市场价格稳定机制的磁吸效应是否显著。受限于熔断机制实施的时间过短,数据严重不足,因此重点研究个股涨跌幅限制的磁吸效应,从而间接达到研究目的。这种选择的主要依据在于,涨跌幅限制可以认为是一种隐性熔断机制,并且普遍认为熔断的磁吸效应的强度可能远大于个股涨跌停板的磁吸效应,原因有三: 是涨跌停板是针对个股的,当某只股票接近涨跌停而发生磁吸效应时,影响的只是该个股的投资者,对整个市场的影响有限:而熔断是针对全市场所有股票的,一旦发生对所有投资者都有巨大的影响,更容易引发投资者的担忧而诱发磁吸效应。二是即使达到了涨跌停板,相关股票的交易也没有被中断,订单仍然可以下达,并且存在随时打开涨跌停的可能,对投资者心理影响没有那么大:而熔断阶段暂停所有交易且不揭示任何订单和价格信息,会对投资者造成巨大的心理压力三是熔断的磁吸效应可能会与个股涨跌停板磁吸效应发生正反馈而得到増强,熔断基准指数涨跌幅接近熔断档位时会引发全市场的关注,此时个股的投资者可能会纷纷做出同方向操作使得个股接近涨跌停,诱发个股的磁吸效应,并与熔断的磁吸效应相互增强

次上演（两次触发 5%熔断阈值，两次触发 7%熔断阈值），仅用时 155 分钟 A 股至少 6.66 万亿元市值便飞灰湮灭。1 月 4 日，沪深两市开盘后低开低走，13 时 13 分沪深 300 下跌 5%触发熔断，13 时 28 分两市恢复交易，随即沪深 300 指数跌逾 7%，触发熔断机制最高阈值，两市逾千股跌停，A 股暂停交易至收市。当日，A 股实际上交易了 140 分钟，上证指数收跌 6.85%。1 月 7 日，沪深 300 指数在开盘后仅 13 分钟就触及了 5%的熔断“门槛”，自休市恢复交易仅几分钟，沪深 300 指数于 9 点 58 分很快达到 7%的二次熔断“门槛”，A 股再度创纪录提前“收盘”。截至 9 时 59 分，A 股市场仅交易了 15 分钟，沪深 300 指数跌幅 7.21%，上证指数跌幅 7.32%；创业板指数跌幅 8.66%。1 月 7 日晚，证监会正式发布通知决定自 1 月 8 日起暂停实施 A 股指数熔断制度。熔断与股灾的不约而至让人不禁怀疑两者之间是否存在因果关系，是否是熔断机制的推出造成了市场的大幅波动。事实上，在汇率贬值、注册制渐行渐近、限售令解禁、估值过高等多重压力之下，A 股趋向下跌也是一种正常的市场表现，而熔断机制可能成为了市场波动性的放大器，加速了股票市场的下跌。然而一直以来，研究者们对价格稳定机制对于股价波动性、价格发现过程以及投资者行为的影响存在着截然不同的观点，至今也没有定论。价格稳定机制的赞成者认为，价格限制可以有效降低市场波动，维持价格稳定。同时，涨跌幅限制具有冷却效应，即可以提供给投资者一段冷静期来重新评估股票的基础价值，有利于相关信息的有效传递，有助于达到一个半强有效式市场。对价格稳定机制的反对意见则可以归结为：这种限制会在某种程度上阻碍股票市场的价格发现功能，进而会增加信息的不对称性和导致大量噪声交易以及波动性溢出，同时会降低市场的流动性，造成交易干扰效应，甚至磁吸效应。磁吸效应是指当股票价格接近当天的限制价格时，投资者会提前执行自己的交易，使得价格进一步向限制价格靠近的速度或概率提高，进而增加股价的波动性。价格稳定机制是一种广泛应用的控制市场风险的措施，对维持股票市场的有效与稳定有至关重要的影响，因此深入研究实施价格稳定机制所产生的市场效应（尤其是日内效应）对交易制度的创新有着重大的意义。同时，磁吸效应是金融市场微观结构与行为金融的一个交叉领域，但由于技术原因等因素，一直没有被引起足够的重视，国内外的研究并不充分，而且在现有的研究中，由于数据与实证方法的差异，最终得到的结论也有很大的分歧。在现有的研究中，也存在一些问题。比如，直接对磁吸效应的实证研究选择的样本数据往往较为稀少，可能会导致研究结果有偏差。另外，现有的研究往往只将目光集中于价格稳定机制是否会引起磁吸效应，而很少进一步测定引起磁吸效应的价格临界值。本文拟研究 A 股市场价格稳定机制的磁吸效应是否显著。受限于熔断机制实施的时间过短，数据严重不足，因此重点研究个股涨跌幅限制的磁吸效应，从而间接达到研究目的。这种选择的主要依据在于，涨跌幅限制可以认为是一种隐性熔断机制，并且普遍认为熔断的磁吸效应的强度可能远大于个股涨跌停板的磁吸效应，原因有三：一是涨跌停板是针对个股的，当某只股票接近涨跌停而发生磁吸效应时，影响的只是该个股的投资者，对整个市场的影响有限；而熔断是针对全市场所有股票的，一旦发生对所有投资者都有巨大的影响，更容易引发投资者的担忧而诱发磁吸效应。二是即使达到了涨跌停板，相关股票的交易也没有被中断，订单仍然可以下达，并且存在随时打开涨跌停的可能，对投资者心理影响没有那么大；而熔断阶段暂停所有交易且不揭示任何订单和价格信息，会对投资者造成巨大的心理压力。三是熔断的磁吸效应可能会与个股涨跌停板磁吸效应发生正反馈而得到增强，熔断基准指数涨跌幅接近熔断档位时会引发全市场的关注，此时个股的投资者可能会纷纷做出同方向操作使得个股接近涨跌停，诱发个股的磁吸效应，并与熔断的磁吸效应相互增强

因此,若能验证股票市场上涨跌幅限制能引发磁吸效应,则可以认为两种价格稳定机制均具有磁吸效应。在现有的研究基础上,本文从金融高频数据的角度来研究价格稳定机制的磁吸效应,通过loεit模型可以有效确定涨跌幅限制是否会引发磁吸效应,及触发磁吸效应的临界值。同时,本文比对沪港通开通前后磁吸效应强弱的变化,具有一定的时效性,对于更好的理解金融市场微观结构,同时也可能对于价格稳定机制的政策调整有一定的借鉴意义, 2.文献绕述由于高频数据与相关模型的缺乏,最早的关于磁吸效应的讨论一直停留在推测性阶段而且早期相关的实证研究也主要集中在期货与债券市场。 Berkman和 Steenbeek(1998)从交易价格、交易量和波动性等变量的角度,对 Osaka证券交易所的期货合约市场以及新加坡的国际货币交易市场进行了实证分析,发现并没有所谓的磁吸效应。 Kuserk等(1989则把研究对象聚焦在债券以及商品期货市场,并对二者在触板日的价格行为进行了研究,也没有发现有磁吸效应的存在。从上述研究结果可以看出,期货市场上的磁吸效应往往并不显著,然而由于期货市场和股票市场在市场微观结构方面存在较大的差别,同时,期货的合约的设计 (如需要追加保证金等制度)与股票市场的交易规则也截然不同,因此针对期货市场的研究的结论并不适用于股票市场,事实表明,许多实证研究发现,在世界各地的股票市场上,尽管交易规则设置、市场活跃程度不尽相同,但很多市场上都有磁吸效应存在的迹象,需要学者们单独对其进行研究 Subrahmanyam在1994年提出的跨期单市场模型首次具体推测了磁吸效应的存在。在该模型中,交易者为了保证交易成功可能会提前执行相关交易,尽管这种行为并不是他们的最优策略。因此,磁吸效应可能会加大价格波动冋时会增加股票价格在十分接近价格限制时进一步上涨和下跌的几率。Du、Liu和Rhee(1997)通过对韩国股票市场的数据进行分析, 分别从以下五个金融市场微观变量:收益率、交易量、波动率、订单量、订单类型的角度开展研究,结果发现这五个变量中,从任一变量的角度都可以观察到比较明显的磁吸效应的存在。他们认为投资者会因考虑到价格稳定机制引起的停牌期间将无法进行交易而放弃最优策略,并通过进一步提高买价报价或降低卖出报价来完成其预定的交易,这种行为会使得股票价格进一步加速向限制价格靠拢,也即验证了磁吸效应的存在。Choi和Lee(2000同样在使用韩国股市数据进行实证研究时发现,在股票价格接近限制价格时,下一时刻价格会加速向同一方向运动,最终触及断路价格同样是应用来自台湾股票市场的样本, Hsieh、Kim、Yang(2009)和 Huang(1998)这两组学者则得到了不同的结论。前者利用台湾市场的分笔数据,建立logt回归模型,从概率的角度研究涨跌幅限制的磁吸效应,研究发现,随着股价接近限制价格,其进一步向两极移动的条件概率显著上升,同时通过指示变量的设置,测定了磁吸效应的引发条件,即价格分别在距离限制价格9个报价单位处和距离跌幅限制4个报价单位处开始出现磁吸效应后者则利用涨跌停收盘数据(即收盘价即为触板价)进行分析,并认为动量效应与反转效应更大程度上是由噪声交易者的过度反应而非磁吸效应引起的 Osler和 Tooma(2004)对埃及证券市场的涨跌幅限制措施进行了研究,他们发现,在埃及证券市场上,涨跌幅限制存在着较为显著的磁吸效应,同时,存在着明显的不对称性涨幅限制带来的磁吸效应要远大于跌幅限制。Chan等(2005)对马来西亚股票交易所的数据进行研究,结果表明在触板前,涨跌幅限制会导致买卖的不平衡。Cho等(2003)首次选取日内高频数据进行实证研究,检验了在股票在接近涨跌幅限制时(未达到涨跌停)的价格

因此，若能验证股票市场上涨跌幅限制能引发磁吸效应，则可以认为两种价格稳定机制均具有磁吸效应。在现有的研究基础上，本文从金融高频数据的角度来研究价格稳定机制的磁吸效应，通过 logit 模型可以有效确定涨跌幅限制是否会引发磁吸效应，及触发磁吸效应的临界值。同时，本文比对沪港通开通前后磁吸效应强弱的变化，具有一定的时效性，对于更好的理解金融市场微观结构，同时也可能对于价格稳定机制的政策调整有一定的借鉴意义。 2.文献综述由于高频数据与相关模型的缺乏，最早的关于磁吸效应的讨论一直停留在推测性阶段，而且早期相关的实证研究也主要集中在期货与债券市场。Berkman 和 Steenbeek（1998）从交易价格、交易量和波动性等变量的角度，对 Osaka 证券交易所的期货合约市场以及新加坡的国际货币交易市场进行了实证分析，发现并没有所谓的磁吸效应。Kuserk 等(1989)则把研究对象聚焦在债券以及商品期货市场，并对二者在触板日的价格行为进行了研究，也没有发现有磁吸效应的存在。从上述研究结果可以看出，期货市场上的磁吸效应往往并不显著，然而由于期货市场和股票市场在市场微观结构方面存在较大的差别，同时，期货的合约的设计（如需要追加保证金等制度）与股票市场的交易规则也截然不同，因此针对期货市场的研究的结论并不适用于股票市场，事实表明，许多实证研究发现，在世界各地的股票市场上，尽管交易规则设置、市场活跃程度不尽相同，但很多市场上都有磁吸效应存在的迹象，需要学者们单独对其进行研究。 Subrahmanyam 在 1994 年提出的跨期单市场模型首次具体推测了磁吸效应的存在。在该模型中，交易者为了保证交易成功可能会提前执行相关交易，尽管这种行为并不是他们的最优策略。因此，磁吸效应可能会加大价格波动同时会增加股票价格在十分接近价格限制时进一步上涨和下跌的几率。Du、Liu 和 Rhee（1997）通过对韩国股票市场的数据进行分析，分别从以下五个金融市场微观变量：收益率、交易量、波动率、订单量、订单类型的角度开展研究，结果发现这五个变量中，从任一变量的角度都可以观察到比较明显的磁吸效应的存在。他们认为投资者会因考虑到价格稳定机制引起的停牌期间将无法进行交易而放弃最优策略，并通过进一步提高买价报价或降低卖出报价来完成其预定的交易，这种行为会使得股票价格进一步加速向限制价格靠拢，也即验证了磁吸效应的存在。Choi 和 Lee（2000）同样在使用韩国股市数据进行实证研究时发现，在股票价格接近限制价格时，下一时刻价格会加速向同一方向运动，最终触及断路价格。同样是应用来自台湾股票市场的样本，Hsieh、Kim、Yang（2009）和 Huang（1998）这两组学者则得到了不同的结论。前者利用台湾市场的分笔数据，建立 logit 回归模型，从概率的角度研究涨跌幅限制的磁吸效应，研究发现，随着股价接近限制价格，其进一步向两极移动的条件概率显著上升，同时通过指示变量的设置，测定了磁吸效应的引发条件，即价格分别在距离限制价格 9 个报价单位处和距离跌幅限制 4 个报价单位处开始出现磁吸效应。后者则利用涨跌停收盘数据（即收盘价即为触板价）进行分析，并认为动量效应与反转效应更大程度上是由噪声交易者的过度反应而非磁吸效应引起的。 Osler 和 Tooma（2004）对埃及证券市场的涨跌幅限制措施进行了研究，他们发现，在埃及证券市场上，涨跌幅限制存在着较为显著的磁吸效应，同时，存在着明显的不对称性，涨幅限制带来的磁吸效应要远大于跌幅限制。Chan 等（2005）对马来西亚股票交易所的数据进行研究，结果表明在触板前，涨跌幅限制会导致买卖的不平衡。Cho 等（2003）首次选取日内高频数据进行实证研究，检验了在股票在接近涨跌幅限制时（未达到涨跌停）的价格

行为,证明了涨跌幅限制会引起磁吸效应,同样地,Cho等也发现,涨幅限制与跌幅限制所引起的磁吸效应是不对称的,股票价格加速向涨幅限制靠拢的现象要比价格向跌幅限制靠拢的现象明显得多,也即涨幅限制带来的磁吸效应要显著大于跌幅限制带来的磁吸效应。Abad 和 Pascual在2007年选取西班牙股票市场的数据进行实证分析,结果发现在西班牙股票市场上并不存在明显的磁吸效应,但Abad和 Pascual也认为这一结果并不具有普遍性,因为 ssE的特殊制度使得投资者可以再涨跌停以及停牌之后继续交易,因此投资者缺乏动机将交易提前。国内的研究者由于早期数据的缺乏,将目光大量集中在涨跌幅限制对于市场波动性、流动性、价格发现过程的影响,而较少有人涉及到涨跌幅限制的日内效应,特别是磁吸效应的研究。近年来,一些学者逐渐开始利用沪深数据对于磁吸效应进行实证分析,但结论并不一致。李迅雷等(2001)使用上海A股股市所有普通股股票的日内高频分时数据,对涨跌幅限制措施对股票价格运动的影响进行了实证分析。他们的结果表明,当股票价格接近涨跌幅限制时,涨跌停板的存在会使价格加速向相同方向运动,从而增加了价格触板的概率,即上海 A股存在磁吸效应,这也属于涨跌幅限制措施带来的负面效应之方园和陈收借鉴Du等的二次回归模型,发现上海A股市场存在磁吸效应,同时,涨停板的磁吸效应要比跌停板更为明显。李超(2005)则使用了上海A股市场的日内分笔交易高频数据,发现涨跌幅限制的磁吸效应在盘中和收盘前存在相反的结果:在盘中,股票只有在上涨95%后才会出现一定程度的磁吸效应,而股票在下跌时始终没有产生没有磁吸效应在收盘前,涨停板附近并不存在磁吸效应,而跌停板附近则会出现一定程度的磁吸效应。不管在理论还是实践层面,由于样本数据和实证方法存在的巨大差异,近四十年来,不论是国外学者还是国内研究,都没有就价格稳定机制是否会导致磁吸效应这一研究内容达成致。而伴随着日内超高频数据的普及,近年来,关于价格稳定机制的磁吸效应的研究日益引起了国内外学者的重视,成为了市场微观结构与行为金融学交叉领域的研究热点,各国学者纷纷利用高频数据针对各地股票市场进行有关磁吸效应的研究,而研究中国股市的价格稳定机制是否具有磁吸效应,并针对结果提出改善我国现行价格稳定机制的建议更是十分具有实际意义。 3数据来源与模型介绍 31数据来源本文所选高频数据由同花顺股票软件导出,由于秒级数据的样本采集频率过高,因此不同的软件导出的数据可能会有轻微差异,但数据的总体准确度还是可以保证的本文的样本选取在2014年10月8日到2014年12月31日,共计62个交易日期间, 在上海证交所上市交易的全部A股普通股股票的秒级数据。为使logt回归样本充足,在样本期内,只要股票当日最高价达到涨幅限制价格或最低价达到跌幅限制价格就记为一次涨停或跌停,而不需要以涨跌停价格收盘。同时,只选择股票发生涨跌停当天从开盘到初次达到涨跌停时刻之间的分笔数据进行回归。分笔数据每3s进行一次行情采集。每笔观测记录包括股票代码、交易时间、每笔累积交易量、每笔累积交易金额、成交价格和限价指令簿中前五挡委托价及相应委托数量等变量。除上述工作外,还需额外对数据进行如下处理:1)由于925-9:30为集合竞价时间,因此删除开盘前五分钟的数据:2)由于首次公开发行上市的股票、增发上市的股票与暂停上市后恢复上市的股票当日价格不计入涨跌停,因此剔除样本中首次公开发行第一天的数据、公司

行为，证明了涨跌幅限制会引起磁吸效应，同样地，Cho 等也发现，涨幅限制与跌幅限制所引起的磁吸效应是不对称的，股票价格加速向涨幅限制靠拢的现象要比价格向跌幅限制靠拢的现象明显得多，也即涨幅限制带来的磁吸效应要显著大于跌幅限制带来的磁吸效应。Abad 和 Pascual 在 2007 年选取西班牙股票市场的数据进行实证分析，结果发现在西班牙股票市场上并不存在明显的磁吸效应，但 Abad 和 Pascual 也认为这一结果并不具有普遍性，因为 SSE 的特殊制度使得投资者可以再涨跌停以及停牌之后继续交易，因此投资者缺乏动机将交易提前。国内的研究者由于早期数据的缺乏，将目光大量集中在涨跌幅限制对于市场波动性、流动性、价格发现过程的影响，而较少有人涉及到涨跌幅限制的日内效应，特别是磁吸效应的研究。近年来，一些学者逐渐开始利用沪深数据对于磁吸效应进行实证分析，但结论并不一致。李迅雷等(2001)使用上海 A 股股市所有普通股股票的日内高频分时数据，对涨跌幅限制措施对股票价格运动的影响进行了实证分析。他们的结果表明，当股票价格接近涨跌幅限制时，涨跌停板的存在会使价格加速向相同方向运动，从而增加了价格触板的概率，即上海 A 股存在磁吸效应，这也属于涨跌幅限制措施带来的负面效应之一。方园和陈收借鉴 Du 等的二次回归模型，发现上海 A 股市场存在磁吸效应，同时，涨停板的磁吸效应要比跌停板更为明显。李超（2005）则使用了上海 A 股市场的日内分笔交易高频数据，发现涨跌幅限制的磁吸效应在盘中和收盘前存在相反的结果：在盘中，股票只有在上涨 9.5%后才会出现一定程度的磁吸效应，而股票在下跌时始终没有产生没有磁吸效应。在收盘前，涨停板附近并不存在磁吸效应，而跌停板附近则会出现一定程度的磁吸效应。不管在理论还是实践层面，由于样本数据和实证方法存在的巨大差异，近四十年来，不论是国外学者还是国内研究，都没有就价格稳定机制是否会导致磁吸效应这一研究内容达成一致。而伴随着日内超高频数据的普及，近年来，关于价格稳定机制的磁吸效应的研究日益引起了国内外学者的重视，成为了市场微观结构与行为金融学交叉领域的研究热点，各国学者纷纷利用高频数据针对各地股票市场进行有关磁吸效应的研究，而研究中国股市的价格稳定机制是否具有磁吸效应，并针对结果提出改善我国现行价格稳定机制的建议更是十分具有实际意义。 3.数据来源与模型介绍 3.1 数据来源本文所选高频数据由同花顺股票软件导出，由于秒级数据的样本采集频率过高，因此不同的软件导出的数据可能会有轻微差异，但数据的总体准确度还是可以保证的。本文的样本选取在 2014 年 10 月 8 日到 2014 年 12 月 31 日，共计 62 个交易日期间，在上海证交所上市交易的全部 A 股普通股股票的秒级数据。为使 logit 回归样本充足，在样本期内，只要股票当日最高价达到涨幅限制价格或最低价达到跌幅限制价格就记为一次涨停或跌停，而不需要以涨跌停价格收盘。同时，只选择股票发生涨跌停当天从开盘到初次达到涨跌停时刻之间的分笔数据进行回归。分笔数据每 3s 进行一次行情采集。每笔观测记录包括股票代码、交易时间、每笔累积交易量、每笔累积交易金额、成交价格和限价指令簿中前五挡委托价及相应委托数量等变量。除上述工作外，还需额外对数据进行如下处理：1)由于 9:25-9:30 为集合竞价时间，因此删除开盘前五分钟的数据；2)由于首次公开发行上市的股票、增发上市的股票与暂停上市后恢复上市的股票当日价格不计入涨跌停，因此剔除样本中首次公开发行第一天的数据、公司

进行分红派息或增发新股当天的数据以及暂停上市后恢复上市第一天的数据;3)由于对 logit 模型的参数进行最大似然估计时,其良好的统计性质只有在较大样本的情况下维持得较好因此为了保证最大似然估计的准确性,回归时会删除涨(跌)停前交易笔数小于200笔的样经过处理后,样本期内符合要求的涨停有913次,共117283笔交易记录,跌停224次共482868笔交易记录。 32研究假设与模型介绍本文主要思路是从概率的角度来研究磁吸效应,也即通过 logit模型对数据进行回归来估测股价向涨跌幅限制靠近,股价进一步上升(下降)的概率。如果沪市存在磁吸效应,那么随着股价向涨跌幅限制靠近,股价进一步上升(下降)的概率会显著上升。据此,本文通过对相应解释变量及虚拟变量的设定来研究上海A股市场上磁吸效应是否存在,及其产生的临界值。进一步地,本文会验证沪港通的开通是否会影响沪市的磁吸效应。具体而言,本文的研究假设分为以下两点 1)在上海A股市场上,涨跌幅限制会引发磁吸效应,具体表现为logt模型中股价向涨跌幅限制靠近,股价进一步上升(下降)的概率变大; 2)沪港通的开通会对涨跌幅限制引发的磁吸效应的强度产生比较显著的影响本文基本的 logit模型如下: POYR=lXk) =XI B 1-P(Yk=1X) 在利用该模型研究涨停(跌停)的磁吸效应时,Yk=1分别表示第k笔交易的成交价格大于(小于)第k-1笔交易的成交价格。 33变量选择根据 Hsieh,Kim,Yang(2009),选取如下这些可i能影响价格变动的变量作为解释变量与控制变量,ⅩkB的形式如(3-3-2)所示: XkB=B+月1△Tk+B2Vk-1+B3Vk-2+B4Vk-3+B5DSTk-1+B6DSTk-1×IRk-1 B7lBSk-1++BglBSK-2 ++BglBSK-3+B1oSPREADK-1+Bllvk ×IBSk-1+B12Vk-2×IBSk-2+B13Vk-3×IBSk-3+14MKTk-1 表1是对式中各变量的解释。表1变量解释 △T 第k-1笔交易与第k笔交易的时间间隔,以秒为单位 3阶滞后的第k笔交易的交易金额的对数 DIST 第k-1笔交易的成交价格距离涨跌幅限制的距离,DSTk-n≈Pk=-Paos DISTK-1的绝对值越大,距离涨跌幅限制的距离越小虚拟变量,捕捉磁吸效应出现的临界值,分别在当|DⅠSTκ-l≥i%时取1, 其他情况下取0 IBSK 3阶滞后的第k-笔交易的买卖方向

进行分红派息或增发新股当天的数据以及暂停上市后恢复上市第一天的数据；3)由于对 logit 模型的参数进行最大似然估计时，其良好的统计性质只有在较大样本的情况下维持得较好，因此为了保证最大似然估计的准确性，回归时会删除涨（跌）停前交易笔数小于 200 笔的样本。经过处理后，样本期内符合要求的涨停有 913 次，共 117283 笔交易记录，跌停 224 次，共 482868 笔交易记录。 3.2 研究假设与模型介绍本文主要思路是从概率的角度来研究磁吸效应，也即通过 logit 模型对数据进行回归来估测股价向涨跌幅限制靠近，股价进一步上升（下降）的概率。如果沪市存在磁吸效应，那么随着股价向涨跌幅限制靠近，股价进一步上升（下降）的概率会显著上升。据此，本文通过对相应解释变量及虚拟变量的设定来研究上海 A 股市场上磁吸效应是否存在，及其产生的临界值。进一步地，本文会验证沪港通的开通是否会影响沪市的磁吸效应。具体而言，本文的研究假设分为以下两点： 1)在上海 A 股市场上，涨跌幅限制会引发磁吸效应，具体表现为 logit 模型中股价向涨跌幅限制靠近，股价进一步上升（下降）的概率变大； 2)沪港通的开通会对涨跌幅限制引发的磁吸效应的强度产生比较显著的影响。本文基本的 logit 模型如下： 𝑙𝑛 𝑃(𝑌𝑘 = 1|𝑋𝑘) 1 − 𝑃(𝑌𝑘 = 1|𝑋𝑘) = 𝑋𝑘′𝐵 在利用该模型研究涨停（跌停）的磁吸效应时，𝑌𝑘=1 分别表示第 k 笔交易的成交价格大于（小于）第 k-1 笔交易的成交价格。 3.3 变量选择根据 Hsieh，Kim，Yang(2009)，选取如下这些可 i 能影响价格变动的变量作为解释变量与控制变量，𝑋𝑘’𝐵的形式如（3-3-2）所示： 𝑋𝑘 ′𝐵 = 𝛽0 + 𝛽1∆𝑇𝑘 + 𝛽2𝑉𝑘−1 + 𝛽3𝑉𝑘−2 + 𝛽4𝑉𝑘−3 + 𝛽5𝐷𝐼𝑆𝑇𝑘−1 + 𝛽6𝐷𝐼𝑆𝑇𝑘−1 × 𝐼𝑅𝑘−1 𝑖 + 𝛽7𝐼𝐵𝑆𝑘−1 + +𝛽8𝐼𝐵𝑆𝑘−2 + +𝛽9 𝐼𝐵𝑆𝑘−3 + 𝛽10𝑆𝑃𝑅𝐸𝐴𝐷𝑘−1 + 𝛽11𝑉𝑘−1 × 𝐼𝐵𝑆𝑘−1 + 𝛽12𝑉𝑘−2 × 𝐼𝐵𝑆𝑘−2 + 𝛽13𝑉𝑘−3 × 𝐼𝐵𝑆𝑘−3 + 𝛽14𝑀𝐾𝑇𝑘−1 表 1 是对式中各变量的解释。表 1 变量解释 ∆𝑇𝑘 第 k-1 笔交易与第 k 笔交易的时间间隔，以秒为单位 𝑉𝑘−1 3 阶滞后的第 k-l 笔交易的交易金额的对数 𝐷𝐼𝑆𝑇𝑘−1 第 k-1 笔交易的成交价格距离涨跌幅限制的距离，𝐷𝐼𝑆𝑇𝑘−1 = 𝑃𝑘−1−𝑃𝑐𝑙𝑜𝑠𝑒 𝑃𝑐𝑙𝑜𝑠𝑒 𝐷𝐼𝑆𝑇𝑘−1的绝对值越大，距离涨跌幅限制的距离越小 𝐼𝑅𝑘−1 𝑖 虚拟变量，捕捉磁吸效应出现的临界值，分别在当|𝐷𝐼𝑆𝑇𝑘−1 | ≥ 𝑖%时取 1，其他情况下取 0 𝐼𝐵𝑆𝑘−𝑙 3 阶滞后的第 k-l 笔交易的买卖方向

1, Pk-L>s(askk-L+ bidk-D 1, Pk-L<=(askk-+ bidk-D 其中askx-1和bidk-1分别为最优卖价与最优买价 3阶滞后的第k笔交易之前第分钟时间段内的上证指数收益率 SPREADk-1第k-1笔交易时的买卖价差, SPREADk-1=ask1-bidk-t 可以看出,本文中, logit模型的被解释变量为“第k笔交易的成交价格大于(小于)第 k-1笔交易的成交价格”这一虚拟变量,控制变量考虑了交易持续期、交易量、订单流方向、市场流动性以及整体市场收益对于磁吸效应的影响。其中,根据 Easley与o'Hara(1992)年的研究,由于长时间的交易持续期会减弱交易对于股票价格的影响,因此引入ΔTk来捕捉交易持续期效应,当一组交易期间股票价格保持稳定时,那么该项系数为0:Karρof(1987)在研究股价波动与交易量的关系时提出,交易量与股价波动的程度正相关,因此为了控制交易量对于股价的影响,引入3阶滞后的第k笔交易的带有交易方向的交易金额的对数Vk-l作为控制变量之一:变量 SPREADK-1用以捕捉市场流动性对于股价的影响(根据 Brockman与 Chung,如果磁吸效应存在,那么随着价格逐渐接近涨跌停限制,投资者会预计到市场流动性降低,因此对于流动性的需求会变大) 另一个与磁吸效应相关的重要因素为订单流的不平衡:当股价向着涨(跌)停限制运动的时候,市场上买(卖)家的数量可能会占用绝对优势,因此用变量ⅠBSk-l来描述订单流方向对于价格变动的影响:最后,用交叉项Vk-1*BSk-1来描述不同交易发起方对于单位成交量的影响在本文的 logit模型中,重点要考查的是价格到涨跌幅限制的距离,也即解释变量DSTk-1 以及交叉项 DISTK-1*Rk-1对于被解释变量“第k笔交易的成交价格大于(小于)第k-1笔交易的成交价格”发生概率的影响。其中,DⅠSTk-1对于价格进一步上升(下降)的概率的影响用系数βs表示:而β6则进一步描述当价格距离在特定范围内时对价格进一步上升(下降)的概率的影响。在涨幅限制模型中,发生比ods是指股价进一步上升概率与股价不上升概率的比值。而在跌幅限制模型中,发生比ods是指股价进一步下降概率与股价不下降概率的比值。在涨幅限制模型中,当变量DST(成交价格距离涨跌幅限制的距离)达到% (i=5、6、7、8、9)时,在控制其他变量不变的前提下,变量DST每上升1%,发生比的变化为eβs+B6100-1:在跌幅限制模型中,当变量D丨ST达到-鹇%(i=5、6、7、8、9)时,在控制其他变量不变的前提下,DST每下降1%,发生比的变化为eBs+B6/100-1 4检验结果及相关分析 41实证结果分析在涨幅限制模型中,发生比odds是指在股票价格接近涨停限制的时候,下一时刻股价进一步上升的概率与股价不上升概率的比值。而在跌幅限制模型中,发生比odds是指股价进一步下降概率与股价不下降概率的比值。在涨幅限制模型中,控制其他变量不变,在变量 DsT(表示成交价格距离涨跌幅限制的距离)达到‰时,变量DST的值每上升1%,也即

𝐼𝐵𝑆𝑘−𝑙 { 1, 𝑃𝑘−𝑙 > 1 2 (𝑎𝑠𝑘𝑘−𝑙 + 𝑏𝑖𝑑𝑘−𝑙) 0, 𝑃𝑘−𝑙 = 1 2 (𝑎𝑠𝑘𝑘−𝑙 + 𝑏𝑖𝑑𝑘−𝑙) −1, 𝑃𝑘−𝑙 < 1 2 (𝑎𝑠𝑘𝑘−𝑙 + 𝑏𝑖𝑑𝑘−𝑙 ) 其中𝑎𝑠𝑘𝑘−𝑙和𝑏𝑖𝑑𝑘−𝑙分别为最优卖价与最优买价 𝑀𝐾𝑇𝑘−1 3 阶滞后的第 k 笔交易之前第 l 分钟时间段内的上证指数收益率 𝑆𝑃𝑅𝐸𝐴𝐷𝑘−1 第 k-1 笔交易时的买卖价差，𝑆𝑃𝑅𝐸𝐴𝐷𝑘−1 = 𝑎𝑠𝑘𝑘−𝑙1 − 𝑏𝑖𝑑𝑘−𝑙 可以看出，本文中，logit 模型的被解释变量为“第 k 笔交易的成交价格大于（小于）第 k-1 笔交易的成交价格”这一虚拟变量，控制变量考虑了交易持续期、交易量、订单流方向、市场流动性以及整体市场收益对于磁吸效应的影响。其中，根据 Easley 与 O’Hara(1992)年的研究，由于长时间的交易持续期会减弱交易对于股票价格的影响，因此引入∆𝑇𝑘来捕捉交易持续期效应，当一组交易期间股票价格保持稳定时，那么该项系数为 0；Karpoff(1987)在研究股价波动与交易量的关系时提出，交易量与股价波动的程度正相关，因此为了控制交易量对于股价的影响，引入 3 阶滞后的第 k-l 笔交易的带有交易方向的交易金额的对数𝑉𝑘−𝑙作为控制变量之一；变量𝑆𝑃𝑅𝐸𝐴𝐷𝑘−1 用以捕捉市场流动性对于股价的影响（根据 Brockman 与 Chung，如果磁吸效应存在，那么随着价格逐渐接近涨跌停限制，投资者会预计到市场流动性降低，因此对于流动性的需求会变大）；另一个与磁吸效应相关的重要因素为订单流的不平衡：当股价向着涨（跌）停限制运动的时候，市场上买（卖）家的数量可能会占用绝对优势，因此用变量𝐼𝐵𝑆𝑘−𝑙来描述订单流方向对于价格变动的影响；最后，用交叉项𝑉𝑘−1∗𝐼𝐵𝑆𝑘−1 来描述不同交易发起方对于单位成交量的影响。在本文的 logit 模型中，重点要考查的是价格到涨跌幅限制的距离，也即解释变量𝐷𝐼𝑆𝑇𝑘−1 以及交叉项𝐷𝐼𝑆𝑇𝑘−1∗𝐼𝑅𝑘𝑖−1 对于被解释变量“第 k 笔交易的成交价格大于（小于）第 k-1 笔交易的成交价格”发生概率的影响。其中，𝐷𝐼𝑆𝑇𝑘−1 对于价格进一步上升（下降）的概率的影响用系数𝛽5 表示；而𝛽6 则进一步描述当价格距离在特定范围内时对价格进一步上升（下降）的概率的影响。在涨幅限制模型中，发生比 odds 是指股价进一步上升概率与股价不上升概率的比值。而在跌幅限制模型中，发生比 odds 是指股价进一步下降概率与股价不下降概率的比值。在涨幅限制模型中，当变量 DIST（成交价格距离涨跌幅限制的距离）达到 i% （i=5、6、7、8、9）时，在控制其他变量不变的前提下，变量 DIST 每上升 1%，发生比的变化为𝑒 𝛽5+𝛽6⁄100 − 1；在跌幅限制模型中，当变量 DIST 达到-i%（i=5、6、7、8、9）时，在控制其他变量不变的前提下，DIST 每下降 1%，发生比的变化为𝑒 𝛽5+𝛽6⁄100 − 1。 4.检验结果及相关分析 4.1 实证结果分析在涨幅限制模型中，发生比 odds 是指在股票价格接近涨停限制的时候，下一时刻股价进一步上升的概率与股价不上升概率的比值。而在跌幅限制模型中，发生比 odds 是指股价进一步下降概率与股价不下降概率的比值。在涨幅限制模型中，控制其他变量不变，在变量 DIST（表示成交价格距离涨跌幅限制的距离）达到 i%时，变量 DIST 的值每上升 1%，也即价

表 2 i=5 𝛽 0 𝛽 1 𝛽 2 𝛽 3 𝛽4 𝛽 5 𝛽 6 𝛽 7 𝛽 8 𝛽 9 𝛽10 𝛽11 𝛽12 𝛽13 𝛽14 涨幅模型 + 106 493 523 618 636 348 606 240 435 531 796 786 543 411 733 - 807 420 390 295 277 565 307 673 478 382 117 127 370 502 180 符号 - + + + + - + - - + + + + - + 跌幅模型 + 136 134 38 88 144 208 92 186 162 158 166 62 98 120 174 - 88 90 186 136 80 16 132 38 62 66 58 162 126 104 50 符号 + + - - + + - + + + + - - + - i=6 𝛽 0 𝛽 1 𝛽 2 𝛽 3 𝛽4 𝛽 5 𝛽 6 𝛽 7 𝛽 8 𝛽 9 𝛽10 𝛽11 𝛽12 𝛽13 𝛽14 涨幅模型 + 129 537 558 579 609 333 624 249 432 114 780 537 543 405 736 - 784 376 355 334 304 580 289 664 481 799 133 376 370 508 177 符号 - + + + + - + - - - + + + - + 跌幅模型 + 9 115 34 73 118 176 76 153 136 134 172 81 99 118 168 - 215 109 190 151 106 48 148 71 88 90 52 143 125 106 56 符号 - + - - + + - + + + + - - + - i=7 𝛽 0 𝛽 1 𝛽 2 𝛽 3 𝛽4 𝛽 5 𝛽 6 𝛽 7 𝛽 8 𝛽 9 𝛽10 𝛽11 𝛽12 𝛽13 𝛽14 涨幅模型 + 130 509 509 553 558 283 558 223 395 496 818 711 490 359 725 - 783 404 404 360 355 630 355 690 518 417 95 202 423 554 188 符号 - + + + + - + - - + + + + - + 跌幅模型 + 102 118 32 80 125 187 59 156 140 136 173 54 80 100 170 - 122 106 192 144 99 37 165 68 84 88 51 170 144 124 54 符号 - + - - + + - + + + + - - + - i= 8 𝛽 0 𝛽 1 𝛽 2 𝛽 3 𝛽4 𝛽 5 𝛽 6 𝛽 7 𝛽 8 𝛽 9 𝛽10 𝛽11 𝛽12 𝛽13 𝛽14 涨幅模型 + 119 497 518 546 561 317 554 222 383 497 810 720 489 366 728 - 794 416 395 367 352 596 359 691 530 416 103 193 424 547 185 符号 - + + + + - + - - + + + + - + 跌幅模型 + 105 123 32 84 126 181 65 158 140 130 175 52 82 103 164 - 119 101 192 140 98 43 159 66 84 94 49 172 142 121 60 符号 - + - - + + - + + + + - - + - i=9 𝛽 0 𝛽 1 𝛽 2 𝛽 3 𝛽4 𝛽 5 𝛽 6 𝛽 7 𝛽 8 𝛽 9 𝛽10 𝛽11 𝛽12 𝛽13 𝛽14 涨幅模型 + 115 493 524 557 574 338 512 22 397 487 823 712 490 366 711 - 798 420 389 356 339 575 401 891 516 426 90 201 423 547 202 符号 - + + + + - + - - + + + + - + 跌幅模型 + 100 120 31 85 123 175 73 157 140 130 176 53 81 101 156 - 124 104 193 139 101 49 151 67 84 94 48 171 143 123 68 符号 - + - - + + - + + + + - - - -