王芳国股票市场杠杆效应分析题目.docx

王芳国股票市场杠杆效应分析题目.docx

《王芳国股票市场杠杆效应分析题目.docx》由会员分享，可在线阅读，更多相关《王芳国股票市场杠杆效应分析题目.docx（16页珍藏版）》请在冰豆网上搜索。

王芳国股票市场杠杆效应分析题目

中国股票市场杠杆效应实证分析与涨跌停板检验

王芳*

摘要：

波动性的研究是近年来金融实证研究的重要领域，对金融领域的波动性研究以股票市场的波动最为典型。

股票市场的波动有诸多特点：

波动的群集性、波动的杠杆效应、波动的持续性等，本文仅对我国股市的波动非对称性进行实证分析。

通过检验自开市以来的全阶段的上证综合指数和深证成分指数日收益率的ARCH特点，本文采用了EGARCH模型，验证了中国股票市场日收益率波动存在非对称效应即杠杆效应。

我国股市作为新兴的资本市场，素有“政策市”、“消息市”的称号，其波动更多地受到制度变迁等因素的影响，从而表现出一定的阶段性，因此本文以引入涨跌停板制度的时点为界分为两阶段进行分析检验，揭示了中国股票市场收益率的波动非对称性是动态变化的，限制涨跌幅度对杠杆效应有着显著降低股市波动性，但同时也显著地增强杠杆效应；这说明交易制度因素对股票市场的波动性具有重要作用。

最后根据实证结果进行理论分析，从我国政策影响、信息披露的完善、投资者素质和结构以及我国股市投资者的心理特征等多方面解释了中国股票市场对利好和利空消息到来的反映特征，并从几个方面对以上分析做出了初步解释，同时提出相应的建议。

关键词：

EGARCH；杠杆效应；涨跌停板

一、绪论

（一）研究背景与意义

证券市场是市场经济发展到一定阶段的产物物，我国股票市场自从20世纪90年代建立以来，至今已经经历了近20个年头。

随着我国改革开放的不断深入和国民经济的不断发展，证券市场在各方面都取得了长足的发展，在国民经济中的辅助作用和支持作用日益扩大。

因此分析其发展规律对实现股票市场和国民经济发展具有重要意义。

长期以来，股票价格和价格波动的关系一直是金融研究者很感兴趣的重要课题，而波动性的研究是近年来金融实证研究的重要领域。

市场的波动性是金融经济学的核心内容，它被广泛应用于风险大小的度量，资本资产定价模型的计算，以及金融市场效率的检验。

在股票市场中，股票投资中未来收益的不确定性是股票投资的主要风险，动态风险可以用收益条件方差（称其为波动强度）度量，风险的波动受到众多因素的影响，其中信息对收益的波动具有非对称性的特点，即同样强度的坏消息和同样强度的好消息对收益冲击强度不同，一般来说，坏消息对收益波动幅度比好消息的冲击强度更大，这就是所谓的杠杆效应。

在股票市场的崩溃时期，非对称性波动现象尤为明显，股票价格大的下跌常常伴随着股市波动的显著增加。

20世纪90年代以来，学者们将其他领域的研究结果引入到股票价格波动理论中，以探讨波动非对称产生的原因，试图解释资本市场波动的真实行为，使资本市场价格波动的复杂性得到更为真切和准确的解释。

早期的观点（Black,1976;Christie,1982）通常认为基本面因素即公司财务杠杆比率（负债-权益比率）导致了杠杆效应，股票价格的波动性是公司财务杠杆的正函数，即财务杠杆越高，波动性越大。

股票预期收益下跌导致公司价值降低，加大财务杠杆比率和持股风险，从而加剧波动性；反之，股票价格上升会降低财务杠杆比率，减少波动性和持股风险。

因此，股票收益的波动性与公司财务杠杆比率呈正相关关系，与股票当期收益呈负相关关系。

Pindyck（1984）,Frenchetal.（1987）和CampellandHentschel（1992）从投资者行为和反馈机制的角度来解释杠杆效应。

由于投资者心理对负的价格变化比对正的价格变化更加敏感，坏消息对股价的冲击大于好消息的冲击，负的价格变化伴随较大的波动性，正的价格变化伴随较小的波动性，即所谓反馈机制或者羊群效应（Shiller,1984）。

BakaertandWu（2000）和Wu（2001）在两种理论解释的基础上发展了非对称性波动模型，在均衡资产定价框架内规范分析杠杆效应产生的机制认为公司财务杠杆和反馈机制都是产生不对称波动的原因，而反馈机制的作用更大，并做了经验分析予以证实。

国外成熟市场的波动非对称特性还是比较鲜明的，而且大多情况是与相同大小的好消息比坏消息对波动性的影响更大，即杠杆效应明显；我国股票市场作为一个新兴市场，虽然存在其特殊性，但仍然满足这些规律。

我国股票市场的高收益伴随着高波动性，其中上海股票市场的年平均波动性是25.64%，深圳市场则为31.66%，在1991-1996年较高的波动性都出现在股市上涨的年份，而较低的波动性都出现在股市下跌的年份；而在1997-2009年较高的波动性都出现在股市下跌的年份，较低的波动性都出现在股市上涨的年份，这些情况都说明我国股票市场的波动性存在着非对称的特征。

中国股票市场有许多独特交易制度，涨跌停板制度是其中重要一项。

涨跌停板制度直接限制了价格波动幅度，必然影响价格形成和波动特性。

关于这一点，理论界存在三种假说，即价格限制具有延迟价格发现效应，波动性溢出效应和阻碍交易效应。

Fama（1989）认为如果价格发现过程受到阻碍，波动性会增大；Lehmann（1989）提出股价在一个交易日内受到涨跌限制，波动性会扩散到随后的几个交易日。

KimandRhee（1997）用东京股票交易所1989-1992年的部分数据进行了检验，表明涨跌幅限制扭曲了股票价格行为，是缺乏效率的。

中国股票市场是否存在非对称性波动和非对称性波动表现出现怎样的特征，以及涨跌停板制度对波动性的大小及波动的非对称性特征有没有影响？

对于这个问题的分析不仅可以深入认识中国市场风险特性，从而更准确的把握我国股票市场的波动趋势，准确预测金融市场的波动对于选择理想的投资组合，进行资产管理，乃至对基础资产和衍生产品的定价都有重要作用，而且还可以验证价格限制这一交易制度在降低市场风险、引导投资者走向成熟和市场的规范化，有效性等方面的作用效果。

这对于实际的投资决策和风险权衡是有价值的，同时也可以为完善中国证券市场交易制度建设提供理论依据。

另外，当前，在国内信息对股票收益率波动非对称性影响的研究还不多见，而中国股票市场作为新兴加转轨市场，与国外成熟的资本市场相比表现出更高的复杂性和不可预测性，股票价格波动频率高，波动幅度大，从而对我国这样一个新兴市场股票市场波动非对称性特征进行深入研究具有重要的理论意义和实际意义。

不仅如此，分析杠杆效应与涨跌停板的相互关系，可以从交易制度的角度分析波动特性和资产收益的可预测性，为深化理论提供新的经验证据和思路。

（二）国内外文献综述

1．国外相关文献综述

国外对股票市场价格的波动性研究已有很长一段历史，早在20世纪60年代，Fama（1965）就观测到投机性价格的变化和收益率的变化具有稳定时期和易变时期，即几个波动呈现集群性，方差随时间变化。

最成功地模拟了随时间变化的方差的模型首推Engle（1982）年提出的自回归条件异方差模型（AutoRegressiveConditionalHeteroskedasticity，ARCH）以及它的扩展模型。

但Engle的ARCH模型只是一种最简单的线性模型，还不能刻画金融资产收益时间序列如“微弱但却长久的记忆”。

此时广义自回归条件异方差模型就应运而生。

Bollerslev（1956）在对Engle的ARCH模型进行推广后，提出了GARCH模型。

Bollerslev在GARCH模型中，除了考虑误差项的滞后期外，还同时加入了误差项条件方差的滞后期，这样使其具有更高的概括能力，较为简洁的描述了“尖峰厚尾”的特征。

从而开辟了ARCH模型族研究的新篇章。

然而ARCH和GARCH模型还是存在对称性的缺陷，不能很好地解释股票收益的杠杆效应。

于是Nelson（1991）提出EGARCH模型，条件方差被定义为对数形式，此模型的运用发现了美国股市报酬波动具有不对称性和股市的杠杆效应。

Glosten，Jagannathan&Runkle（1993）提出了标准GARCH--M、修正的GARCH-M及EGARCH-M模型，并将此模型应用于研究纽约证券交易所股价指数的月度收益。

Fransesetal.（1998）使用QGARCH、GJR-GARCH、AARCH、STARCH和一种基于STARCH的扩展模型，对AEX、DAX、DJI、FTSE、NIKKEI这五个股票市场指数杠杆效应进行了讨论。

TARCH（Threshold--ARCH）模型由ItZakoian（1994）等提出，模型在非对称模型的基础上加入虚拟变量，使得模型能较之以前模型，在股价上涨信息和下跌信息对条件方差的作用效果不同。

随着市场非对称性研究的不断深入，对理论模型的要求也就愈加系统化，同时也有许多的模型组合相应产生，充分显示了国外在这个研究领域的显著成绩。

Braun等（1995）运用EGARCH模型研究美国股票市场，发现好消息与坏消息对市场波动的影响具有不对称性。

Fornari和Mele（1997）利用波动转换GARCH模型与GJR．GARCH模型对英国、美国、香港、意大利、新加坡、日本与南非等国家（地区）的股票市场进行实证研究，发现股票市场的条件波动具有不对称性。

Brooks，Faff，Mckenzie&Mitehell（2001）运用更加灵活的APGARCH模型对10个国家的股票指数以及加权世界股价指数的波动度进行拟合，估计结果显示，除新加坡外，其它各国的指数都更适合使用TARCH模型，即以条件标准差而并非条件方差作为考察重点。

上述这些研究表明，股票市场的非对称性波动是显著存在的。

并且，这些研究提供了很多用于研究股市波动性的模型和研究方法，为以后的进一步研究搭建了一个良好的平台。

2．国内文献综述

目前国内关于股票价格波动非对称性的研究仍处于初级阶段，尤其是利用主流方法如广义自回归条件异方差模型（GARCH）和随机波动模型的研究。

由于股市起步较晚，国内研究大多建立在国外己有理论研究成果的基础之上，且以实证研究为主要内容。

因此，一些学者在方法的运用上还不是很成熟，由此得出的实证结果也必然会有所出入。

陈泽忠等（2000）用EGARCH-M模型对上证综指和深圳综指进行实证分析，发现这两个市场都具有反向杠杆效应。

何兴强和孙群燕（2003）使用1993-2002年上证综合指数，深证成分指数和综合日收益序列分别进行考察，发现我国股票市场存在显著地“杠杆效应”，其中上证股市“杠杆效应”更显著；但我国股票市场的风险收益权衡关系不显著。

楼迎军（2003）检验了1999-2002年上证指数以及八个分类指数，证实市场局部存在杠杆效应。

赵留彦和王一鸣（2003）研究发现未预期交易量和同期的波动正相关，与下期波动也有可预测相关性，收益率的波动存在明显杠杆效应，负的冲击比正的冲击会造成股价更大的波动。

另外，陈工孟和芮萌（2003）研究了沪深两市开始至1997年底AB股指数的预期收益和预期波动性，发现两者之间不存在显著地可预测关系，这也间接说明了杠杆效应的作用。

上述文献只是利用了国外已有的模型，并没有结合中国股票市场的特色进行具体分析。

回顾我国股市波动率杠杆效应的实证研究，陈浪南和黄杰鲲（2002）、李胜利（2002）、陆蓉和徐龙炳（2004）是三个重要的文献，这三个文献在利用国外已有的研究成果基础上进行了创新，动态的揭示了我国股票市场的杠杆效应。

陈浪南和黄杰鲲（2002）分时段考察了深证综指，认为市场波动非对称性比较显著，是动态变化的，前期的杠杆效应比较弱，后期的杠杆效应比较强，并且认为这是投资者逐渐成熟、风险厌恶程度逐步提高的表现。

李胜利（2003）将上证指数分为多头、空头和盘整期等样本期进行检验，发现杠杆效应只在股价走势较弱的时期出现，走势较强和平稳期都没有发生不对称性。

陆蓉和徐龙炳（2004）子样本划分方法与李胜利（2002）相似，是依照股市波浪理论将两市开业至2003年1月29日的日收益率划分为两个牛市阶段和两个熊市阶段，考察我国股市在不同的行情阶段对信息的不平衡反应。

研究采用的是EGARCH模型和条件正态分布，参数估计结果显示，在牛市阶段我国股市呈现的是反向杠杆效应，在熊市阶段正好相反。

以上这些研究大都采用某一时段的市场数据描述波动性，得到的结论都是局部的；同时多数观点认为杠杆效应的存在反映了投资者理性程度逐渐提高。

因此，要得到较为全面可靠地理论，需要对股市发展的全过程进行考察，这方面的文献还不多见。

中国股票市场有许多独特交易制度，涨跌停板制度是其中重要一项。

涨跌停板制度直接限制了价格波动幅度，必然影响价格形成和波动特性。

因此研究涨跌停板制度对杠杆效应的影响具有重要意义。

国内主要的文献主要有以下：

孙培源和施东晖（2001）运用了KimandRhee（1997）的方法，使用1997-2000年沪深的每日成交数据进行了实证分析，他们认为涨跌幅限制并没有降低股价波动性和投资者的过度反应行为，相反却阻碍了均衡价格的实现过程和投资者的正常交易活动，其实际运作绩效与当初预想的政策目标存在较大偏差。

徐龙炳（2002）改进了KimandRhee（1997）的方法，使用1996-2000年的数据同时检验三个假说，认为涨跌幅限制并没有扭曲中国股票市场价格行为。

刘煜辉等（2003）的研究结果则认为，涨跌停限制大大降低A股市场波动性，极大地缩短了冲击持续时间，提高了市场效率。

孙培源和范利民（2004）还发现涨停后次日的平均异常收益率显著为负，而跌停后次日的平均异常收益率显著为正，证实中国股市存在比较明显的过度反应现象。

吴林祥等（2003）则对相似的实证结果做出相反的解释。

宋逢明和江婕（2003）考察股市波动相对稳定性时，考虑到了涨跌停板会影响波动特性，然后对收益率数据做了调整，过滤掉涨跌停板制度的影响；他们指出中国股市的整体风险近年来已经与成熟市场水平相当，但最主要的风险是系统风险，同时相对稳定性差，波动率缺乏相对稳定的分层。

可见，对于涨跌停板对市场波动特性的影响，还需要进行深入的探讨。

（三）研究思路

虽然当前研究股市波动有GARCH-M,GJR,PNP等，但普遍采用的模型还是ARCH类模型，也就是自回归条件异方差模型。

而其中最引入注目的是指数广义自回归模型，即EGARCH模型，这主要归因于它能够刻画利好消息和利空消息对资产收益波动率产生不同影响的。

因此本文采用EGARCH模型进行实证分析。

为了分析股票市场全阶段波动非对称的动态变化，将采取时间跨度尽可能长的数据以进行全面反应，上证综合指数采取自1990年12月19日至2010年6月1日的数据，深证成分指数采取自1991年4月4日至2010年6月1日的数据。

本文将首先对中国股市全过程的波动非对称性进行描述研究，然后分析检验其结果与涨跌停板制度的关系。

本文余下部分的内容是这样安排的：

第二部分为样本数据的整理和统计描述分析，以及实证研究方法的说明，第三部分是实证的结果，以及模型的诊断和检验分析，最后是结论。

二、理论模型的描述

股票市场收益率采用股票指数的一阶差分：

其中，

为收益率，

为股票价格，本文采用每个交易日的收盘价。

在理论研究和实际运行中，通常认为上证综合指数（上证综指）和深圳成分指数（深证成指）比较全面地反映了市场总体情况，可以作为分析市场整体波动的指标。

因此本文采用上证综指和深证成指作为研究对象，分别采集其收盘价，计算出日收益率数据。

迄今为止，关于中国股市波动非对称性的现有文献，通常只有采用部分收益率数据，没有纳入市场发展早期阶段数据，对股票价格过程分析不够全面完整，也较少进行前后动态变化的比较。

针对这种情况，本文将使用尽可能大的样本数据，采集从股票市场成立开始到2010年6月1日的交易数据进行实证分析。

数据来源于巨灵金融数据库。

上证综指从1990年12月19日开始到2010年6月1日，一共有4767个日收益率数据；深证成指从1991年4月3日到2010年6月1日，共有4724个日收益率数据。

我国股票市场从1996年12月16日开始实行涨跌停板制度，本文以此为界分别将样本数据分为子样本1和子样本2。

图1深圳样本（阴影部分为子样本一）

图2上海样本（阴影部分为子样本一）

在进行实际建模分析之前，首先对采集到的样本进行了统计描述分析，表一列举了对上证综指和深证成指共6个样本日收益率的统计分析结果。

表1上证综指和深证成指日收益率序列描述性统计分析

均值

方差

峰值

偏度

JB

ADF

Q统计量

样本数量

上证综指

0.000681

0.000672

138.8558

5.334663

3689367***

-65.68586***

52.061

4768

上证样本一

0.001591

0.001441

93.93614

5.370376

528588.3***

-36.13525***

28.447

1513

上证样本二

0.00029

0.000311

7.30385

-0.266391

2549.913***

-58.11728***

32.551

3254

深证成指

0.000492

0.0005462

15.87190

0.334152

32707.33***

-30.55845***

70.803

4725

深证样本3一

0.000984

0.0009197

15.59385

0.647473

9817.265***

-36.07368***

40.561

1470

深证样本二

0.000302

0.0003766

6.583225

-0.261241

1777.835***

-55.42061***

340512

3254

注：

***，**，*分别表示在1%，5%，10%置信水平上显著显著（下同）。

ADF为单位根检验。

可以看到，全样本的上证综指和深证成指日收益率序列均值分别为0.06815和0.000492，偏度值分别为5.33和0.334152，这说明其分布是有偏的；峰度值分别为138.86和15.87，均远远高于正态分布时的峰度值3；各个子样本序列情况相似；可以看出沪深股市日收益率序列显著异于正态分布，尖峰厚尾现象十分明显。

为了检验序列是否平稳，对日收益率序列进行ADF检验，上证综指和深证成指全样本的ADF检验值分别为-68.69和-30.56，均小于Mackinnon临界值，拒绝序列存在单位根的原假设，说明日收益率序列为平稳序列。

同时，Q统计量检验结果显示，沪深股市日收益率是显著自相关的，这与大多数文献相印证，即沪深两市日收益率具有时变条件异方差特征，具有明显的ARCH效应。

因此在研究股票收益率的波动性时，通常使用ARCH族模型。

EngleandNg（1993）指出，应用ARCH模型扩展形式研究市场波动性是必要和合适的，其中EGARCH模型在灵敏捕捉杠杆效应方面具有很好的应用效果。

本文使用EGARCH（1,1）模型（Nelson,1991）,即指数GARCH模型来检验我国股票市场波动的杠杆效应。

EGARCH（1,1）模型的具体形式如下：

（1）

（2）

（3）

条件收益率定义方程

（1）中，

表示在信息集

条件下的收益率，

为均值方差维度的条件概率密度函数，

为均值，

为方差。

条件均值方程

（2）中，

表示带一阶自回归项的条件均值，

为残差。

条件方差方程

（2）中，统计量

，代表信息冲击对收益率波动的影响，

表示信息冲击对收益率波动影响程度大小，

则表示冲击影响的方向；

成为杠杆系数，

>0表明不存杠杆效应，

<0说明存在杠杆效应。

项揭示t期波动与t-1期波动的关系，若参数

为显著地正值，表明存在动量效应。

三、实证结果分析

（一）EGRCH实证结果

本文利用上述经过整理分析的样本数据，对EGARCH模型进行参数估计，得到实证结果见表2。

表2上证综指和深证成指日收益率EGARCH实证结果

LogL

上证综指

-0.0002721**

（0.0259）

0.000000***

（0.0000）

-0.493907***

（0.0000）

0.364678***

（0.0000）

0.011582**

（0.0036）

0.969279****

（0.0000）

12098.77

子样本一

0.003148***

（0.0000）

0.065562***

（0.0000）

-0.799429***

（0.0000）

0.572468***

（0.0000）

0.098958***

（0.0000）

0.936981***

（0.0000）

3287.025

字样本二

6.580000

（0.9765）

0.004881

（0.7762）

-0.332842***

（0.0000）

0.206624***

（0.0000）

-0.037316***

（0.0000）

0.978405***

（0.0000）

8937.804

深证成指

0.000595**

（0.0308）

0.039048***

（0.0022）

-0.361274***

（0.0000）

0.151979***

（0.0000）

-0.003162

（0.3353）

0.966882***

（0.0000）

11639.48

子样本一

-0.004764***

（0.0000）

0.041849*

（0.0735）

-1.045271***

（0.0000）

0.349391***

（0.0000）

0.061210***

（0.0000）

0.889975***

（0.0000）

3248.071

子样本二

-7.810005

（0.7589）

0.044603***

（0.0098）

-0.269411***

（0.0000）

0.189072***

（0.0000）

-0.024637***

（0.0000）

0.984356***

（0.0000）

8649.344

实证结果显示，在全样本数据分析中，上证综指的杠杆系数为0.01在5%的置信水平上统计显著，说明沪市总体的波动没有杠杆效应；同时深市的杠杆系数为-0.003，在1%的置信水平上统计显著，说明深市总体上来说波动有杠杆效应，并且杠杆效应明显。

然而在以子样本一和子样本二为样本数据的EGARCH模型中，实行涨跌停板制度之前，沪市和深市的子样本一的杠杆系数分别为0.1和0.06，在1%置信水平上统计显著，说明沪深两市在实行涨跌停板制度之前不存在杠杆效应。

在实行涨跌停板制度之后，沪深两市的子样本二杠杆系数分别为-0.03和-0.02，都明显的异于0，在1%的置信水平上显著，这说明此时存在明显的杠杆效应。

同时，不同样本的方程

参数估计量均为正值而且统计意义上显著，表明中国股市波动性动量效应比较明显，未呈现出明显的反转效应，这说明投资者采取的主要策略仍是惯性策略。

中国股票市场的波动非对称性现象是独特的。

在不限制涨跌幅幅度的期间，中国股市并不存在明显的杠杆效应；实行涨跌停板制度以后，产生明显的波动非对称性。

（二）模型的诊断与检验

模型残差诊断：

为了检验EGARCH模型对中国股市非预期收益对股价非对称性影响的分析结果，本文对模型参数估计结果进行诊断检验，分别进行模型的标准化残差，ADF检验，Engel’sLM检验（Engle,1982），结果见表三。

表3EGARCH模型诊断检验

上证综指

子样本一

字样本二

深证成指

子样本一

字样本二

STD.RESID（-1）

0.031927

（0.0275）

-0.002262

（0.8759）

-0.009732

（0.5015）

0.012782

（0.3798）