1、中国股市收益波动的实证研究第 30 卷第 9 期华中科技大学(自然科学版)2002 年 9 月 J.HuazhongUniv.ofSci.Tech.(NatureScienceEdition)V01.30No.9Sep.2002中国股市收益波动的实证研究周少甫陈千里(华中科技大学经济学院)摘要:采用 GARCH 类模型,利用上证综合指数对中国股市收益波动进行了实证研究.以前的研究显示中国股市波动存在反向的不对称性或不对称性不显着,并归因于中国股市的高投机性.而本研究的 TARCH 模型和 EGARCH 模型的实证结果首次提出了新的不同证据,说明中国股市存在显着的不对称性.对杠杆效应和波动反馈效
2、应在中国股市的作用进行理论分析,认为波动反馈效应更能说明中国股市波动的不对称性.关键词:中国股市;广义自回归条件异方差模型;波动性; 杠杆效应;波动反馈效应中图分类号:F830.91 文献标识码:A 文章编号:1671 4512(2002)09004803金融市场的每位投资者都要面对不确定性,不确定性导致价格波动的随机性,如何更深刻理解波动的随机性并从中探寻其规律性,不仅对金融理论而且对金融实践均具有重要意义.对我国股票市场的波动性研究,特别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(StochasticVolatilityMode1)的研究尚处于起步阶段,初步研究显
3、示,我国股票市场的波动集簇性比较明显.但波动的不对称性存在分歧.文献1对我国深沪两交易所的股指收益的波动性研究后发现,存在反向的不对称效应,即好消息引起的波动要比同等大小的坏消息引起的波动要大.他将此现象称为投资者的好消息追逐行为,认为此类行为倾向于支持噪声交易模型.本文利用 GARCH 类模型对 19972001 年每个交易日的上证综指进行了研究,对我国股市收益的尖峰厚尾特点,波动的集簇性,波动的不对称性提供了实证证据.1GARCH 类模型本文采用 GARCH(1,1)模型,其定式由均值方程和条件方差方程给出:R=f(X)+e,(1)hf=var(efl,1)=+口 e 一 1+f 一 1,
4、(2)式中,Rf 为某一资产或资产组合的 t 时收益;J1表示 t 一 1 时刻所有可得信息的集合.均值方程(1)是带有误差项 e】的外生变量或前定变量组x 的函数,而 h,是以过去信息为基础的向前一期e 的预测方差 ,称条件方差 .条件方差方程(2) 指出交易者是根据长期平均数(常数项),上期预测方差 h 一】(GARCH 项)和上期观测到的有关波动的信息 e;一 1(ARCH 项)的加权平均来预测本期方差.为了保证方差的非负和平稳,要求:0,Ot/0,/?/0,口+1.GARCH(1,1)模型将对称性加入到条件方差结构上,而这对股票收益的波动建模可能不合适.经常观测到股票市场下跌引起的波动
5、要比相同程度的市场上升引起的波动要大,即波动的不对称效应.最常用的不对称 GARCH 模型是 TARCH和 EGARCH 模型.TARCHL_2_指 ThresholdARCH模型,其条件方差方程的定式为hf=+口 e 一 1+一 1dr1+f1.(3)这里引入了哑变量 d 一 1,如果 e 一 10,d 一 1=1;如果 e 一 1/0,d 一 1=0.此模型中好消息(d0)对条件方差的影响为 Ot,坏消息(e 0)对条件方差的影响为 Ot+y,因此若 y0,则表明波动存在不对称效应.EGARCH 模型为指数 GARCH 模型,其条件方差方程的定式为In(h)=+flln(h 一 1)+口
6、le 卜 l/hl+卜 l/h.(4)由于采用对数形式,系数的约束不需要了.如果),0,表明波动存在不对称效应.收稿日期:20020315.作者简介:周少甫(1963 一),男,副教授;武汉,华中科技大学经济学院(430074)第 9 期周少甫等:中国股市收益波动的实证研究 492 实证结果为了研究我国股市波动性特点,选取上证综合指数为研究对象,选取的样本范围是 1997 年 1月 3 日至 2001 年 12 月 30 日每日上证综合指数收盘价 P,共计 1205 个观察值 .选择此时段为样本其原因是 1997 年以前我国股市规模偏小,受各种人为因素的影响很大并且其间交易制度发生两次重大变化
7、:1994 年 12 月 31 日从丁+0 交收制度变成丁+1 交收制度 ,1996 年 12 月 15 日从丁+1 交收制度变成涨跌停板限价交易制度,这些势必对波动模式造成一定影响.上证指数的收益百分数R=100in(Pt)一 In(一 1)J.(5)样本期内平均收益率为 0.047997%,收益标准差为 1.649040%,分布为左偏,峰度值是8.945393,远高于正态分布的峰度值 3,说明收益序列R 具有尖峰厚尾特征.JarqueBera 正态性水平下,收益序列R显着异于正态分布 .进一步研究 尺, 的平稳性 ,对其进行 AugmentedDickeyFuller 单位根检验 ,其 A
8、DF 值为一 15.01995,而 1%的 Mackinnon 临界值为一 3.43860,因此拒绝存在单位根的假设.对序列R分析后,R的均值方程采用如下定式:Rf=f+ef,(6)式中 c 为常数项 .为了研究股市波动的特征对尺,分别用 GARCH(1,1),CH(1,1)和 EGARCH(1,1)三个模型进行建模.所有模型参数的估计均采用拟最大似然法,即误差项假定为正态分布下的最大似然法.正如尺, 的描述统计所呈现,误差项假定为正态分布是不合适的,但Bollerslev 和 Wooldridge(1992)指出,在条件正态分布不成立时,只要均值方程和条件方差方程正确设定,GARCH 类模型
9、的最大似然估计值是一致的,但协方差矩阵的估计不一致,可采用异方差一致协方差方法来修正.三个模型的估计结果如表 1检验更证实此点,其值为 1798.28,说明在极小的由表 1,GARCH(1,1)的条件方差方程的系表 1GARCH(1,1),TARCH,EGARCH 三模型的估计结果数 0t,卢估计值是高度显着的,表明收益序列R具有显着的波动集簇性.a 与估计值之和为0.973653,容易检验口+1 是显着的,因此GARCH(1,1)是协方差平稳的,其条件方差表现出均值回复特征,即过去的波动对未来的影响是逐渐衰减的.中国股票市场波动的不对称性在非对称模型TARCH 和 EGARCH 的估计结果中
10、找到了实证证据,TARCH 条件方差方程的系数),的估计值为 0.071614,显着为正,好消息(e10) 对条件方差的影响为 0.218841,而坏消息(e 一 10)的影响是 0.290455,不对称效应是明显的.EGARCH 条件方差方程的系数),的估计值为一0.030671,虽较小但仍显着为负,a 的估计值为 0.317671,好消息(e 一 l0) 对 In(h)的影响为 0.287000,而坏消息(e 一 l0)的影响是0.348342.因此中国股市上坏消息引起的波动比同等大小的好消息引起得波动要大.3 理论解释目前对股市波动的不对称性的产生机制的解华中科技大学(自然科学版)第 3
11、0 卷释有两种:杠杆效应和波动反馈效应.杠杆效应着眼于个股收益,坏消息(负冲击)引起公司股价下跌,公司的负债一权益比 DEn-升提高了财务杠杆(1+DER),由此会给公司的筹资带来更高的成本.债权融资的条件会上升,贷款的利率会随DR 的上升而上升,股权融资的价格会随股价而相应下降,由此公司经营风险增大.如果财务杠杆过高,一旦现金流发生困难,甚至会面临破产的危险.因此,公司财务杠杆上升会使股票持有人承担更多的风险,波动便相应增加.有实证研究显示,美国股市中 DER 与期望收益呈正相关关系,DER上升带来更大的风险,只有较高的期望收益投资者才愿意持有此种股票.波动反馈效应基于时变风险溢价理论.此解
12、释有两个前提,其一波动是持续的,大的消息冲击,无论正负,不仅增加当期的波动而且增加将来的波动,这已被广泛的实证研究所支持,其二在期望收益和条件方差之间存在着跨期的正相关关系.当期波动增加会使波动预期上升,从而提高预期收益,导致当期股票价格下降.实证研究发现了波动与期望收益的关系是正的.在好消息的冲击下,增加的波动带来降低当期股价的效应与好消息引起的股价上涨相抵消,从而使波动减少.在坏消息的冲击下,增加的波动带来降低当期股价的效应与坏消息引起的股价下降相叠加,使波动增加.在中国的金融市场上,贷款的利率基本上是刚性的,很难随着贷款对象的风险不同而变化,况且上市公司在中国经济中的独特地位,使得它们能
13、轻易获得贷款而无需担心其 DER 的大小,深沪交易所里众多 PT 和 ST 族上市公司数额巨大的负债就是一个很好的佐证.股权融资的价格的确受公司股价高低的影响,实际上也曾发生多起配股或增发新股的价格低于市场价格,但配股或增发新股仍全部发行出去,其风险全部由承销商一证券公司承担.至于破产退市风险,目前的退市机制对大多数上市公司压力很小.因此从中国股市目前的状况看,杠杆效应的作用是有限的.文献3的实证研究显示,上海股市的收益与负债一权益比DER 呈负相关关系,由此看来中国股市上市公司的财务杠杆的大小很难影响投资者对其股票风险的评价.中国上市公司的股权结构是独特的,有近70%的股票不上市流通,即国有
14、股和法人股.流通股股东很难对上市公司的行为产生大的影响.中国股市波动的集簇性的证据反映了其波动是持续的,当期波动的增加会提高投资者对将来波动的预期,将来收益的预期会相应提高以补偿预期风险的增加,由此导致当期价格下跌,波动不对称产生.因此从中国股市的背景看,波动反馈效应应该起支配作用.参考文献1aeertB,WuG.Asymmetricvolatilityandriskinequitymarkets.TheReviewofFinancialStudies,2000,l3(1):l422jYehYinhua,LeeWsunsiou.Theinteractionandvolafilityasymme
15、tryofunexpectedreturnsinthegreaterChinastockmarkets.GlobalFinanceJoural2000,ll:1291493陈小悦,李晨 .上海股市的收益与资本结构关系实证研究.北京大学(哲学社会科学版),1995.l:7279AnempiricalstudyofthevolatilityonChinaSstockmarketsZhouShaofuChenqianliAbstract:ThevolatilityofChinaSstockmarketsisinvestigatedusingGARCHtypemodels.Itisshownbypre
16、viousstudiesthatthereexistednegativevolatilityasymmetryorinsignificantvolatilityasymmetryinChinaSstockmarkets,whichisattributedtothehighspeculationinvolved.TheresultsfromtheTARCHmodelandEGARCHmodelpresentedinthispaperhaveprovideddifferentnewevidenceforthefirsttime.showingthatthereexistsappreciableas
17、ymmetryonChinaSstockmarkets.Atheoreticalanalysisismadeoftheroleoftwoexplanationsaboutasymmetry,thatis,theleverageeffectandvolatilityfeedbackeffect.onChinaSstockmarkets.ItissuggestedthatthevolatilityfeedbackeffectshouldbeabletobetterexDlaintheasymmetryofvolatilityonChinaSstockmarkets.Keywords:ChinaSstockmarkets;GARCH;volatility;leverageeffect;volatilityfeedbackeffectZhouShaofuAssoc.Prof.;CollegeofEconomics,HuazhongUniv.ofSci.Tech.Wuhan430074.China
