股票市场波动非对称性探究论文

金融市场的波动有许多特点，股票市场波动的非对称性是指同等程度的利好消息与利空消息对股票市场波动的影响不相同。本文针对我国上海股票市场波动的非对称性展开深入的实证研究，得出与国外股票市场相反的结论，即在我国上海股票市场，同等程度的利好消息对波动的影响更大。最后从投资者结构、心理和交易机制等方面解释这种现象。

一、文献综述

由于金融资产的波动性是确定金融衍生工具(如证券、期货等)价格的关键因素，同时，它也反应金融资产(如股票)价格的波动风险，因此，弄清楚证券市场波动是市场交易者、投资者、风险管理者以及寻求弄清楚市场动态的学者们非常感兴趣的问题。到目前为此，国外应用ARCH(AutorenressiveConditionalHeteroskedasticity)和GARCH(GeneralizedARCH)模型来研究股票波动性已取得了较为丰富的成果。ARCH模型是由Engle提出的，因其在这方面的杰出的研究成果而获得了2003年度的诺贝尔经济学奖。Zakoian(1994)和Glosten,Jananathan以及Runkle(1993)在ARCH模型的基础上提出了TARCH模型，并用此模型来研究股市波动性的杠杆效应。Nelson(1991)则提出了EGARCH模型，并用此模型来研究股市对“好消息”和“坏消息”的不对称反应问题。Engle和Ng(1993)绘制了股票市场对好消息和坏消息的反应曲线。

针对股票市场波动的非对称性，国外许多学者提出各种模型对世界各个金融市场进行了实证研究，研究结果表明在大多数发达国家的股票市场均存在显著的波动非对称性，而且在与相同大小的利好消息相比，利空消息对波动性的影响更大。Campbell&Hentschel(1992)认为这种现象可以由“杠杆效应”(Leverageeffect)或“反馈效应”(Feedbackeffect)来解释。然而，本文以上证综指为对象，应用EGARCH模型对上海股票市场利好消息与利空消息对股票市场波动的影响展开深入的实证研究，得出与国外股票市场相反的结论，即在中国股票市场，同等程度的利好消息对波动的影响更大。

二、上海股票市场波动非对称性实证研究

1.数据说明与研究思路

关于样本区间的选择，考虑到我国证券市场发展的历史不长，样本选择的原则是要有足够的样本容量，因此本文的实证研究以1990年12月19日至2006年4月28日的上证综合指数的日收盘价为样本。所有数据来源于分析家证券投资系统。

两市的日收益率用每日收盘价的对数差分表示。以对数差分表示的优点在于:（1）避免了股价变动对股价水平的依赖关系;（2）以对数表示的股价的差额即是股价变动的增长率或股价收益率。

Rt=(1nPt一1nPt-1)

其中Rt是市场在交易日t的收益率，Pt是市场的交易日t的收盘价。

实证研究的基本思路是:首先对股市收益率做出描述性统计分析，分析收益率序列的特点，然后分离周内效应，之后对该模型的残差进行自相关性检验，若残差存在自相关，则进行自相关性纠正，接着检验残差的异方差性，若存在异方差性，则进一步拟和相关的不对称模型。

2.收益率的描述性统计分析

上证综指收益率描述性统计量

上图分别为样本期内上证综指的日收益率的描述统计量。根据这些统计量可以得到如下结果:（1）市场的平均收益高于同期银行存款的收益，当然风险也远远大于存款风险；（2）日收益序列不服从正态分布；（3）日收益序列存在尖峰肥尾的性质。

3.剔除周内效应的影响

周内效应是指一周内某一天的平均收益比其他各天的平均收益或波动率有显著差异。周内效应是大多数发达国家股票市场与某些新兴股票市场普遍存在的现象，通常表现为周一的平均收益比一周内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内其他任何一天的平均收益要高。

由以前的描述统计的结果可以看出中国股市的日收益率不服从正态分布，而传统的线形回归模型又以独立同方差为前提，因此普通线性回归模型不适合本文的研究。在研究上海和深圳股市收益率是否存在周内效应时，必须根据收益率自身所具有的特征选择适当的模型，并根据检验结果进行修正。选择的模型如下:

Rt=Ф0＋Ф1TUEt＋Ф2WEDt＋Ф3THUt＋Ф4FRIt＋Υ

Rt是每日股票收益率；TUEt、WEDt、THUt、FRIt是虚拟变量，TUEt是在一个序列，在周二时对应的变量是1，其他都为0?熏WEDt在周三时对应的变量是1，其他都为0，THUt在周四时对应的变量是1，其他都为0，FRIt在周五时对应的变量是1，其他都为0。

4．对模型残差的自相关性检验

Durbin－WarsonDW?雪检验是广泛使用的自相关性的检验方法。指定1－5阶残差自相关性的DW检验，检验的结果是上海的1阶DW都是显著的，说明上海股票市场股指收益一阶自回归模型的残差都存在自相关性，因此必须进行自相关性的校正。

DW检验不应用于自回归阶数的确定，这里采用逐步自回归方法得到自回归的阶数，对上海股市来说，自回归项向后消除的报告显示在时间间隔4,5,6的自回归参数不显著并且被消除，因此自回归残差模型为AR(1,2,3)。

5.检验残差的条件异方差性

最后检验残差的异方差性，普通回归模型的关键性假设之一是误差的方差保持不变，如果误差的方差不为常量，那么数据被称为有异方差性。异方差性的存在使得普通最小二乘回归估计(OLS)不是有效的。我们应用Eviews软件中ARCHLM检验，检验结果显示在显著性水平a=0.05下，上海股票市场存在ARCH效应。这样可以进一步估计EGARCH模型。

6.用EGARCH模型的估计结果

上述检验表明，上证综指收益序列自回归模型的残差不仅存在自相关性，而且存在异方差性，经过自相关性校正后最后估计的EGARCH模型见下表。

三、结论与原因分析

我们分别用EGARCH模型来估计，估计方程是AR(1,2,3)-EGARCH(1,1)，从估计的结果看，模型中显示非对称性的参数γ显著大于零，说明上海股票市场存在显著的非对称效应。但与发达国家的股票市场的表现相反，上海股票市场的非对称性体现为显著的收益正冲击效应，即“好消息”对股票市场的影响大于“坏消息”对股票市场的影响。

为什么我国上海股票市场的信息效应会出现这样的特征，可以从以下几个方面加以论证。

从投资者的构成来看，国外证券市场的投资者主要是由机构投资者构成，在股份经济比较发达的国家，90%以上的个人投资者都是委托基金等投资机构进行证券交易的，机构投资者控制的股市总市值一般在50%以上，约2/3以上的交易额由其完成。而我国证券市场主要由散户构成，股票市场个人投资者占绝对多数。个人投资者收人少，人股资金低。他们进入股市的目的是想快速赚钱，摆脱生活的困境，投资行为呈现短期化特征。

对散户投资者的心理分析表明，投资者在过滤各种信息时，注重那些能够增强他们自信心的信息，而忽视那些伤害他们自信心的信息。例如很多投资者不愿意卖出已经发生亏损的股票就表明了这一点，因为这等于自己决策失误，并伤害了自己的自信心。这种现象被称之为“损失厌恶”，表现为人们面对同样数量的收益和损失时，感到损失的数量更加令他们难以接受。

从交易机制来看，我国股票市场缺乏做空机制，这决定了我国股票价格变化方向上的不对称性。我国某些交易制度的设计，使得股价可能对好消息和坏消息具有不对称的反应。交易制度规定当日购买的股票在当日不能卖出(T+1)，而在当日取得的资金可在当日购买股票(T+0)，因此投资者可以通过卖出某些股票的方法来得到资金购买所需要的股票。这无形中使得追涨更加成为可能，但是下跌的情况正好相反，T+l情况下当日购买股票的投资者并不能在该日卖出股票，因此在下跌的情况下，当日的成交量占流通股本的比重越大，可供继续卖出的股票数量就越少，当日价格趋势反转的几率也就增大，因此一旦价格下跌投资者更愿意死守等待价格上涨。