導(dǎo)語(yǔ)：股票市場(chǎng)波動(dòng)非對(duì)稱(chēng)性探究論文一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢(xún)客服老師，歡迎參考。

金融市場(chǎng)的波動(dòng)有許多特點(diǎn)，股票市場(chǎng)波動(dòng)的非對(duì)稱(chēng)性是指同等程度的利好消息與利空消息對(duì)股票市場(chǎng)波動(dòng)的影響不相同。本文針對(duì)我國(guó)上海股票市場(chǎng)波動(dòng)的非對(duì)稱(chēng)性展開(kāi)深入的實(shí)證研究，得出與國(guó)外股票市場(chǎng)相反的結(jié)論，即在我國(guó)上海股票市場(chǎng)，同等程度的利好消息對(duì)波動(dòng)的影響更大。最后從投資者結(jié)構(gòu)、心理和交易機(jī)制等方面解釋這種現(xiàn)象。

一、文獻(xiàn)綜述

由于金融資產(chǎn)的波動(dòng)性是確定金融衍生工具(如證券、期貨等)價(jià)格的關(guān)鍵因素，同時(shí)，它也反應(yīng)金融資產(chǎn)(如股票)價(jià)格的波動(dòng)風(fēng)險(xiǎn)，因此，弄清楚證券市場(chǎng)波動(dòng)是市場(chǎng)交易者、投資者、風(fēng)險(xiǎn)管理者以及尋求弄清楚市場(chǎng)動(dòng)態(tài)的學(xué)者們非常感興趣的問(wèn)題。到目前為此，國(guó)外應(yīng)用ARCH(AutorenressiveConditionalHeteroskedasticity)和GARCH(GeneralizedARCH)模型來(lái)研究股票波動(dòng)性已取得了較為豐富的成果。ARCH模型是由Engle提出的，因其在這方面的杰出的研究成果而獲得了2003年度的諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。Zakoian(1994)和Glosten,Jananathan以及Runkle(1993)在ARCH模型的基礎(chǔ)上提出了TARCH模型，并用此模型來(lái)研究股市波動(dòng)性的杠桿效應(yīng)。Nelson(1991)則提出了EGARCH模型，并用此模型來(lái)研究股市對(duì)“好消息”和“壞消息”的不對(duì)稱(chēng)反應(yīng)問(wèn)題。Engle和Ng(1993)繪制了股票市場(chǎng)對(duì)好消息和壞消息的反應(yīng)曲線。

針對(duì)股票市場(chǎng)波動(dòng)的非對(duì)稱(chēng)性，國(guó)外許多學(xué)者提出各種模型對(duì)世界各個(gè)金融市場(chǎng)進(jìn)行了實(shí)證研究，研究結(jié)果表明在大多數(shù)發(fā)達(dá)國(guó)家的股票市場(chǎng)均存在顯著的波動(dòng)非對(duì)稱(chēng)性，而且在與相同大小的利好消息相比，利空消息對(duì)波動(dòng)性的影響更大。Campbell&Hentschel(1992)認(rèn)為這種現(xiàn)象可以由“杠桿效應(yīng)”(Leverageeffect)或“反饋效應(yīng)”(Feedbackeffect)來(lái)解釋。然而，本文以上證綜指為對(duì)象，應(yīng)用EGARCH模型對(duì)上海股票市場(chǎng)利好消息與利空消息對(duì)股票市場(chǎng)波動(dòng)的影響展開(kāi)深入的實(shí)證研究，得出與國(guó)外股票市場(chǎng)相反的結(jié)論，即在中國(guó)股票市場(chǎng)，同等程度的利好消息對(duì)波動(dòng)的影響更大。

二、上海股票市場(chǎng)波動(dòng)非對(duì)稱(chēng)性實(shí)證研究

1.數(shù)據(jù)說(shuō)明與研究思路

關(guān)于樣本區(qū)間的選擇，考慮到我國(guó)證券市場(chǎng)發(fā)展的歷史不長(zhǎng)，樣本選擇的原則是要有足夠的樣本容量，因此本文的實(shí)證研究以1990年12月19日至2006年4月28日的上證綜合指數(shù)的日收盤(pán)價(jià)為樣本。所有數(shù)據(jù)來(lái)源于分析家證券投資系統(tǒng)。

兩市的日收益率用每日收盤(pán)價(jià)的對(duì)數(shù)差分表示。以對(duì)數(shù)差分表示的優(yōu)點(diǎn)在于:（1）避免了股價(jià)變動(dòng)對(duì)股價(jià)水平的依賴(lài)關(guān)系;（2）以對(duì)數(shù)表示的股價(jià)的差額即是股價(jià)變動(dòng)的增長(zhǎng)率或股價(jià)收益率。

Rt=(1nPt一1nPt-1)

其中Rt是市場(chǎng)在交易日t的收益率，Pt是市場(chǎng)的交易日t的收盤(pán)價(jià)。

實(shí)證研究的基本思路是:首先對(duì)股市收益率做出描述性統(tǒng)計(jì)分析，分析收益率序列的特點(diǎn)，然后分離周內(nèi)效應(yīng)，之后對(duì)該模型的殘差進(jìn)行自相關(guān)性檢驗(yàn)，若殘差存在自相關(guān)，則進(jìn)行自相關(guān)性糾正，接著檢驗(yàn)殘差的異方差性，若存在異方差性，則進(jìn)一步擬和相關(guān)的不對(duì)稱(chēng)模型。

2.收益率的描述性統(tǒng)計(jì)分析

上證綜指收益率描述性統(tǒng)計(jì)量

上圖分別為樣本期內(nèi)上證綜指的日收益率的描述統(tǒng)計(jì)量。根據(jù)這些統(tǒng)計(jì)量可以得到如下結(jié)果:（1）市場(chǎng)的平均收益高于同期銀行存款的收益，當(dāng)然風(fēng)險(xiǎn)也遠(yuǎn)遠(yuǎn)大于存款風(fēng)險(xiǎn)；（2）日收益序列不服從正態(tài)分布；（3）日收益序列存在尖峰肥尾的性質(zhì)。

3.剔除周內(nèi)效應(yīng)的影響

周內(nèi)效應(yīng)是指一周內(nèi)某一天的平均收益比其他各天的平均收益或波動(dòng)率有顯著差異。周內(nèi)效應(yīng)是大多數(shù)發(fā)達(dá)國(guó)家股票市場(chǎng)與某些新興股票市場(chǎng)普遍存在的現(xiàn)象，通常表現(xiàn)為周一的平均收益比一周內(nèi)其他任何一天的平均收益要低很多，周五的平均收益比一周內(nèi)其他任何一天的平均收益要高。

由以前的描述統(tǒng)計(jì)的結(jié)果可以看出中國(guó)股市的日收益率不服從正態(tài)分布，而傳統(tǒng)的線形回歸模型又以獨(dú)立同方差為前提，因此普通線性回歸模型不適合本文的研究。在研究上海和深圳股市收益率是否存在周內(nèi)效應(yīng)時(shí)，必須根據(jù)收益率自身所具有的特征選擇適當(dāng)?shù)哪Ｐ停⒏鶕?jù)檢驗(yàn)結(jié)果進(jìn)行修正。選擇的模型如下:

Rt=Ф0＋Ф1TUEt＋Ф2WEDt＋Ф3THUt＋Ф4FRIt＋Υ

Rt是每日股票收益率；TUEt、WEDt、THUt、FRIt是虛擬變量，TUEt是在一個(gè)序列，在周二時(shí)對(duì)應(yīng)的變量是1，其他都為0?熏WEDt在周三時(shí)對(duì)應(yīng)的變量是1，其他都為0，THUt在周四時(shí)對(duì)應(yīng)的變量是1，其他都為0，F(xiàn)RIt在周五時(shí)對(duì)應(yīng)的變量是1，其他都為0。

4．對(duì)模型殘差的自相關(guān)性檢驗(yàn)

Durbin－WarsonDW?雪檢驗(yàn)是廣泛使用的自相關(guān)性的檢驗(yàn)方法。指定1－5階殘差自相關(guān)性的DW檢驗(yàn)，檢驗(yàn)的結(jié)果是上海的1階DW都是顯著的，說(shuō)明上海股票市場(chǎng)股指收益一階自回歸模型的殘差都存在自相關(guān)性，因此必須進(jìn)行自相關(guān)性的校正。

DW檢驗(yàn)不應(yīng)用于自回歸階數(shù)的確定，這里采用逐步自回歸方法得到自回歸的階數(shù)，對(duì)上海股市來(lái)說(shuō)，自回歸項(xiàng)向后消除的報(bào)告顯示在時(shí)間間隔4,5,6的自回歸參數(shù)不顯著并且被消除，因此自回歸殘差模型為AR(1,2,3)。

5.檢驗(yàn)殘差的條件異方差性

最后檢驗(yàn)殘差的異方差性，普通回歸模型的關(guān)鍵性假設(shè)之一是誤差的方差保持不變，如果誤差的方差不為常量，那么數(shù)據(jù)被稱(chēng)為有異方差性。異方差性的存在使得普通最小二乘回歸估計(jì)(OLS)不是有效的。我們應(yīng)用Eviews軟件中ARCHLM檢驗(yàn)，檢驗(yàn)結(jié)果顯示在顯著性水平a=0.05下，上海股票市場(chǎng)存在ARCH效應(yīng)。這樣可以進(jìn)一步估計(jì)EGARCH模型。

6.用EGARCH模型的估計(jì)結(jié)果

上述檢驗(yàn)表明，上證綜指收益序列自回歸模型的殘差不僅存在自相關(guān)性，而且存在異方差性，經(jīng)過(guò)自相關(guān)性校正后最后估計(jì)的EGARCH模型見(jiàn)下表。

三、結(jié)論與原因分析

我們分別用EGARCH模型來(lái)估計(jì)，估計(jì)方程是AR(1,2,3)-EGARCH(1,1)，從估計(jì)的結(jié)果看，模型中顯示非對(duì)稱(chēng)性的參數(shù)γ顯著大于零，說(shuō)明上海股票市場(chǎng)存在顯著的非對(duì)稱(chēng)效應(yīng)。但與發(fā)達(dá)國(guó)家的股票市場(chǎng)的表現(xiàn)相反，上海股票市場(chǎng)的非對(duì)稱(chēng)性體現(xiàn)為顯著的收益正沖擊效應(yīng)，即“好消息”對(duì)股票市場(chǎng)的影響大于“壞消息”對(duì)股票市場(chǎng)的影響。

為什么我國(guó)上海股票市場(chǎng)的信息效應(yīng)會(huì)出現(xiàn)這樣的特征，可以從以下幾個(gè)方面加以論證。

從投資者的構(gòu)成來(lái)看，國(guó)外證券市場(chǎng)的投資者主要是由機(jī)構(gòu)投資者構(gòu)成，在股份經(jīng)濟(jì)比較發(fā)達(dá)的國(guó)家，90%以上的個(gè)人投資者都是委托基金等投資機(jī)構(gòu)進(jìn)行證券交易的，機(jī)構(gòu)投資者控制的股市總市值一般在50%以上，約2/3以上的交易額由其完成。而我國(guó)證券市場(chǎng)主要由散戶(hù)構(gòu)成，股票市場(chǎng)個(gè)人投資者占絕對(duì)多數(shù)。個(gè)人投資者收人少，人股資金低。他們進(jìn)入股市的目的是想快速賺錢(qián)，擺脫生活的困境，投資行為呈現(xiàn)短期化特征。

對(duì)散戶(hù)投資者的心理分析表明，投資者在過(guò)濾各種信息時(shí)，注重那些能夠增強(qiáng)他們自信心的信息，而忽視那些傷害他們自信心的信息。例如很多投資者不愿意賣(mài)出已經(jīng)發(fā)生虧損的股票就表明了這一點(diǎn)，因?yàn)檫@等于自己決策失誤，并傷害了自己的自信心。這種現(xiàn)象被稱(chēng)之為“損失厭惡”，表現(xiàn)為人們面對(duì)同樣數(shù)量的收益和損失時(shí)，感到損失的數(shù)量更加令他們難以接受。

從交易機(jī)制來(lái)看，我國(guó)股票市場(chǎng)缺乏做空機(jī)制，這決定了我國(guó)股票價(jià)格變化方向上的不對(duì)稱(chēng)性。我國(guó)某些交易制度的設(shè)計(jì)，使得股價(jià)可能對(duì)好消息和壞消息具有不對(duì)稱(chēng)的反應(yīng)。交易制度規(guī)定當(dāng)日購(gòu)買(mǎi)的股票在當(dāng)日不能賣(mài)出(T+1)，而在當(dāng)日取得的資金可在當(dāng)日購(gòu)買(mǎi)股票(T+0)，因此投資者可以通過(guò)賣(mài)出某些股票的方法來(lái)得到資金購(gòu)買(mǎi)所需要的股票。這無(wú)形中使得追漲更加成為可能，但是下跌的情況正好相反，T+l情況下當(dāng)日購(gòu)買(mǎi)股票的投資者并不能在該日賣(mài)出股票，因此在下跌的情況下，當(dāng)日的成交量占流通股本的比重越大，可供繼續(xù)賣(mài)出的股票數(shù)量就越少，當(dāng)日價(jià)格趨勢(shì)反轉(zhuǎn)的幾率也就增大，因此一旦價(jià)格下跌投資者更愿意死守等待價(jià)格上漲。