证券市场显著特征范文

证券市场显著特征篇1

关键词：私募证券基金 阳光私募 投资行为 影响因素

私募证券投资基金因其蕴含的巨大的资本能量，已经成为影响中国证券市场稳定的重要力量之一，因此研究其投资行为的影响因素及其行为特征，对其进行有针对性的引导和监管，对中国证券市场良性发展尤为必要。但长期以来因私募基金私募性所决定的其特有的信息披露透明度低等方面的原因，决定了对私募证券投资基金实证方面的研究成果比较缺乏，本文拟以“阳光私募”为研究标的从实证角度研究中国私募证券投资基金投资行为及影响因素，具有较强的理论和实际意义。

私募基金行为理论辨析

至今并没有学者从实证的角度特别研究私募基金的投资行为特征及其对证券市场的影响，但私募基金毕竟是机构投资者中的一类，机构投资者的行为特征对于研究私募基金的行为特征应具有参考价值。

（一）视界理论

视界理论是行为金融理论的基本理论之一， Kahne man和Tversky通过价值函数的引进对这一理论进行了严密和完善的表述，该理论否定了新古典金融理论的预期效用理论。Kahne man和Tversky的研究证明：其一，人们在风险条件下的选择过程分为编辑阶段和估值阶段两个阶段。其二，投资者的价值函数并不总是凹的，在某一基准点之上（获利区间）投资者的价值函数是凹的，此时投资者是风险厌恶的。在某一参考点之下（亏损区间）投资者的价值函数是凸的，此时投资者是风险偏好的。其三，人们对损失产生的负效用，大于同等金额的盈利产生的正效用。

（二）典型示范偏差

典型示范偏差理论，是1986年由A.Tversky 和D.Kahneman的实验研究证明的，该理论指出：人们在对不确定性事件进行判断时不是以全部信息为依据，而是以事件发生时所伴随的部分典型信息为依据，推断预测事件进展和结果，并采取相应行为。投资者这种行为会导致金融市场“相反原理”、“反应过度”和“趋势追逐”等非理，造成股价波动。该理论否定了有效市场理论关于投资者都是理性人的假设，有效市场理论理性人的典型特征是投资者能够根据全部相关信息，对证券价格作出推断。

（三）锚定效应和保守主义偏差

锚定效应是指人们面对不确定事件进行判断时，某些特定的数值，如：股票的买入价格、以前某个时点的股票价格）会成为判断的参照值，而不是根据全部信息作出理性判断。保守主义偏差是指人们在对不确定事件进行判断过程中，当市场外在环境发生改变出现新的信息时，人们不愿因根据新的信息理性的更改他们现有的判断，采取合理的行为。

保守主义偏差会导致固执效应和偏执偏差。固执效应是指人们对不确定事件进行判断时，一般会设定一个初始值，然后根据反馈信息对这个初始值进行修正。Robert（1998）指出，固执效应中投资者不是错误的解读新信息，而是忽略新信息，即对新信息视而不见。偏执偏差指的是行为人不但不根据新信息对原有的判断进行修正，而是片面地认为新信息是对其原有错误判断的新证据。

（四）机构投资者行为特征

行为金融学基于行为金融理论，证券市场上信息不对称状况的普遍存在性，及投资者认知上的偏差，认为投资者是有限理性的，个人投资者在投资行为上表现为：从众性、投机性、反应过度和反应不足等特征。机构投资者同样面临信息不对称的市场状况，领导者认知偏差等，所以机构投资者同样也表现为有限理性的行为特征。但机构投资者主要采取有组织的决策形式、通过投资组合分散风险，所以机构投资者和个人投资者的行为特征又完全一致。行为金融学研究表明机构投资者常表现为如下特征：其一，“有意识”的投机行为、市场操纵；其二，羊群行为和反馈交易策略；其三，窗饰行为。

研究思路

“阳光私募”是对中国目前存在的定期披露业绩的一类证券私募基金的俗称，特指借助信托公司平台发行，经过监管机构备案，资金实现第三方银行托管，有定期业绩报告，主要投资于证券市场，重点投资于股票市场的基金，阳光私募与一般私募证券基金的区别主要在于规范化、透明化。从目前中国私募基金的表现形式来看主要有证券信托计划、券商集合资产管理计划、基金公司特定客户资产管理计划和“民间私募基金”，其中证券信托计划对应业内俗称的“阳光私募”。在上述几类私募基金中，阳光私募无论从资金规模，还是影响力都占据主导地位，其发行运作方式与国外的私募基金，尤其是对冲基金极为相似，是未来中国私募证券投资基金的发展方向，其投资风格和行为模式对其它类私募证券投资基金具有一定的导向作用，因此“阳光私募”的投资行为可以作为中国私募证券投资基金的一个代表，以“阳光私募”作标的，从实证的角度研究私募基金的行为具有合理性。本文研究阳光私募的时间边界选取2007年1季度至2011年1季度之间，该时间段A股市场正好经历了一个上升到下跌的周期，因而该时间段的选择使得研究结论更具有普适性。

本文主要通过对私募证券基金投资行为影响因素的Granger因果检验和协整检验，分析影响私募证券基金投资行为的主要因素及私募证券投资基金投资行为特征，从而提出有针对性的监管建议。

私募证券基金投资行为影响因素的Granger因果检验

（一）时间序列变量的选取

本研究主要以Granger因果检验的方法对阳光私募投资行为与证券市场的因果性进行分析。私募证券基金投资行为与证券市场Granger因果检验的目的是检验私募基金是否存在反馈交易，反馈交易的影响因素是什么，以及私募基金的反馈交易对证券市场稳定性的影响。

指标选取如下：

1.阳光私募基金累计净值平均增长率。该指标是通过对市场上300多家阳光私募进行筛选，挑出10家投资期较长的，经历了中国股市牛市期、翻转期和熊市期的阳光私募，分别为中国龙1、中国龙进取、万利富达、Lighthorse稳健增长、东方港湾马拉松、亿龙中国2期、天马、尚诚、平安德丰、明达1，数据来源万维数据库WIND。文章截取从2007年第一季度至2011年第一季度的单位累积均值的季度数据，并分别计算增长率后，对以上10家阳光私募的单位累积均值增长率求算数平均数，意在去量纲化，作为反映阳光私募投资行为的主要指标。

2.深证成指增长率。鉴于现实中阳光私募偏好投资深圳证券市场的特点，本文选取“深证成指”作为代表深圳证券市场表现的指标，并计算指数的增长率，参考时间序列的观测期与阳光私募单位累积均值平均增长率的观测期相匹配，即从2007年第一季度至2011年第一季度。

3.上证综指增长率。上证综指作为常用的主要反映沪市甚至中国证券市场变化趋势的指数化指标也被本文纳入与阳光私募投资行为相关性研究的变量中。同样，计算上证综指的季度增长率，观测期与阳光私募单位累积均值平均增长率的观测期相匹配，即从2007年第一季度至2011年第一季度。

4.中小盘指数增长率。中小盘股票由于本身流通股数较小，方便阳光私募在内的机构投资者进行“炒作”，也是阳光私募投资的重点之一。本文选取中小盘指数增长率作为反映中小盘走势的指标，并计算增长率去量纲化，观测期与阳光私募单位累积均值平均增长率的观测期相匹配，即从2007年第一季度至2011年第一季度。

（二） Granger因果检验分析

1.阳光私募单位累计净值平均增长率和深证成指的Granger因果检验。从检验结果可见（见表1），在5%的置信区间内，阳光私募累计净值平均增长率与深证成指互为Granger因果关系。这说明，阳光私募基金的投资行为对深证成指的走势有助长或助跌的作用；深证成指对阳光私募未来投资行为具有显著影响。

2.阳光私募单位累计净值平均增长率和上证综指的Granger因果检验。从检验结果可见（见表2），F检验的概率值为0.4839（大于0.05），即在5%的置信区间内，上证综指的增长率不是阳光私募累计净值平均增长率的Granger原因。而在5%的置信区间内，阳光私募累计净值平均增长率是上证综指的增长率的Granger原因。这说明，阳光私募的投资行为在一定程度上影响了未来上证综指的走势，对其具有助长或助跌的作用。而上证指数不是阳光私募投资行为的主要影响因素，这是由于大多数阳光私募的投资重心在深圳证券市场而非上海证券市场。

3.阳光私募单位累计净值平均增长率和中小盘指数的Granger因果检验。 由检验结果可见（见表3、表4、表5），将中小盘指数的增长率和阳光私募基金累计净值平均增长率的Granger因果检验分别滞后2、3、4期后，在5%的置信区间内，二者互不为对方的Granger原因。鉴于阳光私募通常偏好于投资中小盘股票，因此不能以Granger检验的结果完全否认两者的相关关系。而且，二者的散点图表明了二者之间较强的线性关系（见图1）。

（三）Granger因果检验结论

综合上述检验结果，可得如下结论：

结论1：阳光私募累计净值平均增长率与深证成指增长率互为Granger原因。这说明阳光私募的投资行为能显著影响未来深证成指的走势，同时，深证成指也显著影响阳光私募未来投资行为，深成指是影响阳光私募投资行为的重要因素之一。

结论2：阳光私募累计净值平均增长率是上证综指增长率的Granger原因，而上证综指增长率不是阳光私募累计净值平均增长率的格兰杰原因。这说明阳光私募的投资行为能显著影响未来上证综指的走势，而上证综指的走势对阳光私募的投资行为没有显著影响，上证综指不是影响阳光私募的投资行为或反馈交易的重要参考因素。

结论3：阳光私募累计净值平均增长率与中小盘指数间不存在Granger原因，但是二者间存在着显著的线性关系，一定程度上反映了现实阳光私募的投资偏好，阳光私募的投资行为更多地考虑小盘股效应，说明阳光私募的投机性较强。

私募证券基金投资行为的多变量协整检验

传统观点认为，机构投资者是理性的，其投资策略的选择取决于其对实体经济预期，当实体经济发生变化时机构投资者会对投资组合作出相应的调整。对阳光私募的投资行为进行多变量协整检验，目的是检验宏观经济因素与阳光私募投资行为之间的关系，考察宏观经济因素是否是阳光私募投资行为的重要参考指标，判断阳光私募投资行为，是更多地考虑宏观经济因素、实体经济因素，还是证券市场变化情况，采取反馈交易策略。

（一）研究思路及变量选取

1.研究思路。私募基金投资组合调整，必然反映到私募基金净值上来，基金净值是反映其投资组合的综合指标，因此本文选择基金累积净值作为衡量私募基金投资策略调整的指标，并考察基金净值的变化与实体经济指标的变化相关性。如果二者相关性强，说明实体经济因素是私募基金投资行为的重要参考指标；否则，说明基金选择投资组合时更多考虑市场环境本身，其行为倾向于反馈交易。这种反馈交易不是理性的价值投资行为，会随市场价格变化而随时调整，往往具有短期交易特征。

2.数据及变量选取。本文选取标志实体经济变化情况的主要经济指标，及阳光私募累积净值增长率，时间序列为季度数据，自2007年3月到2011年3月，考察实体经济变化对阳光私募净值的影响，具体如下：

Y——阳光私募单位累计净值平均增长率

X1——国内生产总值（GDP）增长率

X2——货币供应量（M2）增长率

X3——消费价格指数（CPI）增长率

X4——制造业采购经理人指数（PMI） 增长率

（二） 时间序列协整检验结果

首先，进行各变量时间序列的ADF检验，检验结果见表6。结果表明，阳光私募累计平均净值增长率和PMI增长率的时间序列是平稳的，而GDP增长率的时间序列是2阶单整的，CPI增长率的时间序列是1阶单整的。由于不满足多变量协整要求的单整条件，故阳光私募累计平均净值与GDP、CPI、PMI间不存在长期均衡关系，无法建立协整模型。

（三）协整检验结论

综合上述检验结果，可得如下结论：

宏观经济因素不是阳光私募的投资行为重要的参考因素，具体表现为主要宏观经济指标趋势的变化无法显著影响阳光私募投资行为及策略的变化，说明阳光私募投资行为更多地考虑市场本身的因素，短期投资策略、反馈交易策略明显。这样的投资行为往往起到助涨、助跌、助长投资炒作的效果，不利于市场稳定，也不利于价值投资理念的形成，容易造成市场定价扭曲，市场效率低下。因此对阳光私募的行为加以正确的规范引导尤为必要。传统观点认为，宏观经济政策的调整通常被市场参与者认定为利好或利空，并以此对自身的投资行为和投资组合配置做出调整。然而上述检验结果从实证角度表明，阳光私募的投资行为不显著受到宏观经济指标变化的影响，即存在非理性的投资行为。

结论

结论1：私募证券投资基金的投资行为能显著影响未来深证成指的走势，同时，深证成指也显著影响私募证券投资基金未来投资行为，深成指是私募证券基金投资行为的重要影响因素之一；而上证综指不是私募证券基金投资行为或反馈交易的重要参考因素，私募基金的投资行为更多地考虑小盘股效应，说明其投机性较强。

结论2：宏观经济因素不是私募证券基金投资行为的重要参考因素，主要宏观经济指标趋势的变化无法显著影响私募证券投资基金投资行为及策略。说明私募基金投资行为更多地考虑市场本身的因素，短期投资策略、反馈交易策略明显，即存在非理性的投资行为。这样的投资行为往往起到助涨、助跌、助长投资炒作的效果，不利于市场稳定，也不利于价值投资理念的形成，容易导致市场定价扭曲、市场效率低下，因此对私募证券投资基金的行为加以正确的规范引导尤为必要。

参考文献

1.Juraj Alexander. A New Model of Hedge Fund Regulation： Shorting Federalism or Bernie’s Nightmare.Working Paper， 2009

2.Guidelines for hedge fund， commonwealth of Massachusetts public employee retirement administration commission.http： / /mass.gov/ Perac/ report/ guidelines fund investrnent . pdf

3.Linda Chatman Thomsen， Daniel M. Hawke and Pauline E. Calande， Hedge Funds： An Enforce Perspective， Rutgers Law Journal， 2008

4.Michel Aglietta，Sandra Rigot.The regulation of hedge funds under the prism of the financial crisis Policy implications.Working Paper，2008

5.Tamar Frankel.The Regulation of Private Funds： Article： Private Investment Funds： Hedge Funds’ Regulation by Size， Rutgers Law Journal，2008

6.陈磊.基于股市下跌背景的处置效应研究.管理评论，2005（3）

7.方立兵.我国投资者处置效应的进一步检验.预测，2005（6）

证券市场显著特征篇2

笔者通过建立和推导异质交易者并存的市场收益模型，用以解释证券收益分布特征以及证券市场过度波动性与非理易行为之间的关系。通过对模型的仿真，证明具有多期滞后项的市场收益模型能够更好地揭示现实收益率的形成过程。同时，在该模型的基础上探讨了理性预期均衡的波动性边界和异质交易者并存的市场均衡的波动性边界，进一步阐明了股票市场过度波动性与非理易者的交易行为之间的关系。

关键词：非理易者；市场波动；反馈交易；尖峰厚尾分布

作者简介：贾华瑞（1960-），女，河南林州人，高级会计师，主要从事投融资平台资金运作及债券市场研究。

中图分类号：F830.91文献标识码：A文章编号：1006-1096（2013）04-0150-06收稿日期：2012-11-30

一、文献综述

近年来学术界对金融资产收益特性的研究发现，金融资产收益呈现出两个特征：首先是收益分布上的尖峰厚尾现象，其次是平方收益的长程记忆特征。即资产收益的波动性在时间上呈现出聚集的特征，同时剧烈的市场波动发生的频率非常高。

由于证券收益率的尖峰厚尾特征，用正态分布刻画证券收益率就会出现误差。为此，学者们试图寻找一种分布形式能够很好地拟合证券收益率的实际状况。朱国庆等（2001）基于极值理论用高限峰值法探讨了股市收益率分布的尾部特征。卢方元（2005）使用Huisman等人提出的HKKP方法对上证综指和深成指的尾部分布情况进行了实证研究，计算了两市指数收益率的峰度、偏度和尾指数，结果显示上证综指和深成指日收益率均不服从正态分布，具有明显的右偏和尖峰厚尾特征。

还有学者试图从内在成因方面探索证券收益率尖峰厚尾特征的形成机制。近年来，行为金融学理论对投资者完全理性的假定提出了质疑，认为非理性投资者是证券市场过度波动的源泉。Cont（2000）等运用随机图论的方法推导出了一个具备尖峰厚尾特征的分布函数。Shiller（1981）描述了非理易者追随潮流的交易行为。其后Sentana等（1992）在Shiller的研究基础上建立了度量正反馈交易策略的模型。赵鹏举等（2008）引入了一个异质交易者并存的市场收益模型用以解释证券收益率的自相关性和厚尾特征。

二、异质交易者共存市场扩展模型的推导

三、扩展模型的波动性边界分析

四、异质交易者收益模型的仿真分析

从上文的证券收益模型公式（14）来看，由于非理易者的参与，导致任意时刻的证券收益含有前m期收益的滞后项，从而使得收益序列具有高阶的自相关性。由于证券收益样本之间不独立，试图用解析的方式由公式（14）推导出证券收益的概率密度函数在技术上是难以实现的。为了分析本模型的统计特征，验证模型的解释能力，本节将使用Monte Carlo仿真方法，依据公式（14）生成一个证券收益时间序列，随后对其样本的相关统计特征（包括自相关性，峰度，尾指数等内容）进行分析和讨论。

（一）异质交易者并存股票市场模型的仿真算法

（二）峰度和尾部指数对比分析

刻画收益率尾部分布特征的指标是尾指数η，在正态分布中，尾指数为无穷大，尾指数越小，代表尾部越厚。具体到金融市场中，收益率的厚尾意味着收益率的大幅度波动非常频繁，绝对值较大的收益发生的概率高于正态分布。常用的估计尾部指标的估计方法是Hill（1975）估计方法。

表2就是根据仿真数据计算出的各项统计指标：

从表2中得到的各项统计指标来看，本文异质交易者并存证券收益模型的Monte Carlo仿真数据具备以下特征：

（1）具有统计上显著的尖峰厚尾特征。仿真数据的峰度值较上述的仿真数据有了明显的增加，与真实值更加接近。另外仿真数据的尾部厚度具有上述仿真结果类似的特征——随反馈系数的增加而递增。

（2）收益率时间序列具有正自相关性。在时间窗相等的情况下，反馈交易行为越显著，则收益序列的自相关性就越强。

依据上证指数真实收益率样本和本文异质交易者并存市场收益模型产生的仿真数据样本绘制了频率直方图，以比较其密度函数的形态，观察其尖峰厚尾的特征。其中正态分布的密度函数曲线选择均值和方差为我国1992年7月1日至2008年12月31日的上证指数日收益率样本的均值和方差；上证指数真实收益样本的频率直方图使用同期的指数收益率数据绘制；仿真模拟数据样本的频率直方图的反馈系数选择0.4。结果如下图1和图2所示。

对比两个图形可以看出，由本文模型公式（14）为基础产生的仿真数据与真实股票市场收益率的统计特征非常接近，具有明显的高峰度和厚尾部特征。

五、结论

从本文的分析中可以得出如下结论：

1.当市场完全由理易者构成时，市场收益率的波动性必定小于市场信号的波动性，如果能够量化市场信号的波动性，就能够以此检验股票市场是否完全有理易者构成，以及理性预期是否完全揭示了市场预期的形成。

2.如果市场中的非理易者采用简单趋势外推的方式形成预期并据以形成投资策略的话，股票市场收益率序列将具有显著的自相关性，收益率序列的自相关性会导致市场的过度波动性，同时收益率序列密度函数的尖峰厚尾特征都来自于这种非理性的交易行为导致的收益自相关性。

3.收益率序列的自相关性除了与厚尾分布有关外，还与市场波动的集聚性有关系。如果当期收益是前几期收益的函数，则其条件方差也是前几期收益率方差的函数，因此股票收益的ARCH效应可能也源于非理性的交易行为。

4. 本文模型产生的仿真数据收益率序列非常接近真实的股票收益率序列，特征是具备明显的尖峰厚尾特征，而且峰度和尾部厚度都与真实值比较接近，同时仿真数据序列的自相关性等统计特征都与真实的数据样本的相应特征类似。这说明本文提出的非理易者的预期是基于前若干期的市场收益率生成的结论。

参考文献：

卢方元. 2005.中国股市收益率胖尾性分析[J].系统工程理论方法应用（4）：350-352.

朱国庆，张维，程博. 2001.关于上海股市收益厚尾性的实证研究[J].系统工程理论与实践（4）：70-73.

赵鹏举，刘玉敏. 2008. 证券市场正反馈交易与收益自相关[J].数理统计与管理（9）：535-540.

CONT R， BOUCHAUD J P. 2000.Herd behavior and aggregate fluctuations in financial markets[J]. Macroeconomic Dynamics， 4（ 2）： 170-196.

HASBROUCK J. 1991.Measuring the information content of stock trades[J]. Journal of Finance， 46（1）： 179- 206.

HILL B. 1975.A simple general approach to inference about the tail of a distribution[J]. Annals of Mathematical Statistics， 3（5）：1163-1174.

SHILLER R J. 1980.Do stock market prices move too much to be justified by subsequent changes in dividends？[J]. America Economic review， 71（3）：421-436.

SENTANA E， WADHWANI S. 1992.Feedback traders and stock return autocorrelations： evidence from a century of daily data[J]. The Economic Journal， 102（411）： 415-425.

证券市场显著特征篇3

【关键词】印花税;单边征收;波动性; 股价指数; levene 检验

引言

印花税税率的高低直接影响到投资者的交易成本与收益,根据经济学理论,这种交易费用的改变将会对证券市场的微观主体行为产生重要影响。因此,证券交易印花税通常也被作为政府对证券市场进行调控的政策手段之一。尤其是在我国这样一个新兴资本市场,这一政策工具更是被较频繁地使用。

从印花税调整对中国证券市场影响的实证研究结果来看,在不同的市场环境、不同的运行机制以及不同的研究分析框架下,学者们得出的结果不尽一致。其中较有深度的研究当首推由东北财经大学金融研究中心和华夏证券研究所共同撰写的《中国证券市场交易费用效应问题的实证研究》。在对股价指数影响的研究中他们得出以下结论:一是沪、深两市对印花税调整有很敏感的反应,具体反应模式为当印花税税率下调时,股票价格指数上升;当印花税税率上调时,股票价格指数下降。二是就反应的时效而言,沪、深两市均会及时作出反应,而且在10个交易日内市场反应最大,随着时间的推移,反应效应逐渐减少,当达到30个交易日时,反应效应已经微乎其微了。在对收益率波动性的研究中他们得出以下结论:三次印花税率调整对上海A股市场大盘的波动性产生了影响,但对深市A股的影响没有对沪市的那么明显。2001年的税率下调对沪市A股收益率波动性的影响非常显著,但对深市的影响并不显著。

虽然对中国问题的研究取得了一些成果,但大多数研究都是围绕印花税率上调或下调对股市波动性影响展开的。经国务院批准,财政部、国家税务总局决定从2008年9月19日起,调整证券(股票)交易印花税征收方式,将现行的对买卖、继承、赠与所书立的A股、B股股权转让书据按千分之一的税率对双方当事人征收证券(股票)交易印花税,调整为单边征税,即对买卖、继承、赠与所书立的A股、B股股权转让书据的出让方按千分之一的税率征收证券(股票)交易印花税,对受让方不再征税。那么在全球金融危机的宏观形势下,近日出台的印花税单边征收政策对股价指数及股市波动性会产生什么样的影响呢?该政策的实际效应到底如何?这是本文在借鉴前人研究基础上所要探讨的问题。

一、交易印花税单边征收对股价指数的影响

单边征收印花税,不仅仅有利于形成长期投资的理念,因为卖出时征收将意味着卖出成本较高,而且还可以降低投资者的投资成本,从而吸引更多的资金进入股市,对股市是一种利好因素。通过观察2008年9月19日印花税单边征收前后30个交易日深、沪两市综合指数的走势,可以得出以下结论:

一是在印花税税率调整的当日,深、沪两市的股价指数都有所上扬,其中深圳股市从前一个交易日的547.09点上升到印花税单边征收当日的595.72点,上升了48.63点,涨幅为8.89%;上海股市从前1个交易日的2075.09点上升到印花税单边征收当日2236.41点,上升了161.32点,涨幅为7.78%。从印花税税率调整当日的股价指数看,印花税税率的降低确实达到了刺激股票市场的作用,使股价指数大幅上涨。

二是从更长的时间来看,沪市方面,印花税单边征收后的17个交易日内(到2008年10月21日)股价指数均高于单边征收前一交易日(2008年9月18日)的股价指数,但2008年10月21日之后的股价指数则均低于这一指数。深市方面,印花税单边征收后的9个交易日内(到2008年10月9日)股价指数均高于单边征收前一交易日(2008年9月18日)的股价指数,但2008年10月9日之后的股价指数则均低于这一指数。这说明印花税单边征收这一利好政策在短期内效果明显,确实起到了重振股市信心的作用,但长期内作用有限,难以改变股市的长期走势,这与当前整个宏观经济形势是密切相关的。

二、交易印花税单边征收对股市收益率波动性的影响

(一)研究方法

1.收益率的定义

本文所指的收益率均为指数的对数收益率,定义为:

Rt=100ln(IndXt / IndXt-1)

2.正态性检验

为研究存款准备金率对股市短期波动性的影响,我们需要研究存款准备金率变动的宣布日前后指数的波动性有无统计上显著的差异。在检验此差异之前,我们需要先对样本数据的分布进行判定。由于本文所检验的样本是小样本(样本容量小于50),所以在进行正态性检验时使用Shapiro-Wilk检验,而不用大样本下的Jarque-Bera检验。Shapiro-Wilk检验的原假设为:H0:总体服从正态分布

S - W 统计量为:

m1,…,mn 是来自正态总体独立同分布随机变量的顺序统计量的预期值,V 是这些顺序统计量的协方差矩阵。

当W小于置信度时,就拒绝原假设,接受备择假设。

3.levene 检验

原假设和备选假设分别为:

H0 :δ1=δ2H1:δ1≠δ2

其中,δ1为宣布日前指数收益率的方差,反映波动性; δ2为宣布日后指数收益率的方差,同样反映波动性。

如果正态性假定没有违背,可以直接利用 F 检验来判定宣布日前后的波动性是否相同。当正态性假定不能被满足时,需要寻找可替代的稳健性检验方法。大量研究表明,中国股市数据的分布特征并不符合正态分布假定。

另外需要说明的是,Brown 和 Forsythe(1974)提出了两个修正后的Levene 统计量,该统计量是在去除样本观测值中10%的极端值后,再以计算的均齐平均数取代样本平均数而得到的。Conover 等(1981)比较超过50种检验方差是否相同的方法后也发现,修正后的Levene统计量是其中最有检验力的方法。就中国的样本数据而言,童菲(2005)、谭加劲(2006)的实证分析表明Levene统计量和修正后的Levene统计量差别很小,对统计结果不构成实质性影响,为简洁起见,本文将仅报告Levene统计量的值。

(二)数据及相关处理

本文选取沪深两市最早的上证综合指数和深证综合指数作为研究对象,用以检验印花税单边征收这一政策对沪、深市场波动性的影响。分别选取2008年9月19日前后各5个、15个和30个交易日的时间跨度作为样本区间。对三种不同时间跨度的样本进行研究,可以体现出印花税单边征收政策对股市的冲击程度有多强,持续时间有多长。例如,如果随着时间跨度的增加,检验结果表明宣布日前后的波动性是持续显著的,则说明印花税单边征收随股市波动性的影响可能会是长久的;如果随着时间跨度的增加,检验结果表明宣布日前后的波动性差异减弱(即越来越不显著),对波动性的影响只是暂时的。

(三)结果分析

1.正态性检验结果及分析

首先,对样本进行正态性检验,SPSS15.0检验结果如下:

沪市方面,当n=5、15、30时,Shapiro-Wilk检验的p值分别为0.156、0.006、0.007;深市方面,当n=5、15、30时,Shapiro-Wilk检验的p值分别为0.668、0.031、0.016。

通过S-W检验发现,在0.05的显著性水平下,在沪深两市,政策宣布日前后15个和30个交易日的样本数据分布不符合正态性假设,前后5个交易日的样本数据分布符合正态性假设。样本数据不完全符合正态性假设,所以不能运用F检验来判定政策宣布日前后的收益率波动性差异是否显著。在这里我们采取替代方法,进行稳健性检验,运用Levene统计量进行收益率方差的一致性检验。

2.levene检验结果及分析

接下来进行收益率方差的一致性检验,SPSS15.0检验结果如下:

沪市方面,当n=5、15、30时,调整前收益率标准差分别为1.75384、1.86552、2.57945,调整后收益率标准差分别为4.31097、4.06443、3.44485,levene检验p值分别为0.046、0.036、0.169;

深市方面,当n=5、15、30时,调整前收益率标准差分别为1.20181、1.91667、2.7685,调整后收益率标准差分别为4.64097、3.78854、3.17867,levene检验p值分别为0.131、0.044、0.458。

由此可以看出,印花税单边征收前后5个交易日和15个交易日,沪深两市收益率波动性表现出显著差异,印花税实行单边征收后股市的波动性增强了。而前后30个交易日的更长一段时间内,这种波动性差异并不显著。这说明印花税单边征收政策在短期内会在一定程度上增强股市的波动性,而长期内作用并不明显。

结论

2008年9月19日,印花税单边征收政策的实施,在短期内效应明显,一方面使股价指数出现较大幅度的上涨,另一方面增强了股市的波动性。但随着时间的推移,这一政策效应逐渐弱化,在长期内对股价指数及收益率波动性的影响并不显著。

印花税单边征收在短时间内确实可以刺激交易,提振股市信心,但难以扭转股市内在的长期趋势,决定股市走势的更多的是宏观经济、上市公司基本面以及市场供求关系等要素,特别是在当前金融危机的宏观形势下,政策对市场的作用是短期的,微小的。

【参考文献】

[1] 东北财经大学金融工程研究中心与华夏证券研究所联合课题组.交易费用调整对市场影响有多大―中国证券市场交易费用效应的实证研究[N].中国证券报,2002-11-06.

[2] 谭加劲.证券交易税与证券市场的波动性――兼论我国证券交易税制的改革[J].学术论坛,2006(8).

[3] 童菲.证券交易税与市场波动性:来自中国股市的证据[J].统计与决策,2005(10).

证券市场显著特征篇4

关键词：上证综指；ARCH模型；收益率；波动性

一、基本介绍及相关背景

由于证券市场收到许多不确定因素的影响，股票价格的波动性非常大，投资者对其投资时遭受到很大的危险。投资者因股票价格变化迅速且多种，要了解某一种股票的价格变化比较困难。所以大多数金融服务机构运用自己的专业业务知识和对市场的熟悉，编制出股票价格指数来作为市场价格变动的指标表明股票行市变动情况的价格平均数，给投资者提供更多的参考。

上证综合指数是最早的指数，这一指数自1991年7月15日起开始实施，它代表上海证券交易市场的总体走势。新上证综合指数是由中国证券权威机构在证券市场的一种反映公司情况的指数，伴随大力推动和发展股权分置改革，新样本股陆续加入新上证综合指数。因此，新上证综合指数将逐渐成为证券主导市场的核心指数。

在2013年端午节假期结束后的首个交易日上，各大经济网站相继报道，A股市场遭遇重挫，多重利空打击了A股市场。2013年6月19日，该市场中，短期品种大多显著回落，资金紧张程度有所缓解，但短期资金利率仍位于6%以上高位。虽然，市场尾市出现了小幅反弹，但市场在下跌过程中并未明显放量，分析人士表示：“大盘整体弱势明显，建议投资者继续保持观望或少量参与局部反弹行情。”股票市场对社会经济有着重大的影响，所以对股票市场波动性的分析也必将是经济学家们永恒不变的研究课题。

二、数据来源

本文数据源于新浪财经。新浪财经是一个综合的财经平台，提供世界各地主要交易场所的股票报价和相关动态，为广大公民提供最新资讯。数据包含2012-6-14到2013-6-14上证指数历史交易情况的240条数据，以下进行的研究分析均是建立在此数据上。其中设变量开盘价为A、最高价为B、收盘价为C、最低价为D、交易量为E、交易金额为F。

三、描述统计分析

描述统计是通过数学方法或者统计图表，对具体的数据进行整理、描述、解释，并且直观地将总体的分布形态以及数据的基本统计特征呈现在读者面前的统计方法。描述统计分为集中趋势分析、离中趋势分析和相关分析三大部分。本文将通过STATA软件来实现描述性统计分析。

（一）集中趋势的度量

在集中趋势的度量中，平均值、中位数和众数是最常用的三种。（1） 众数：所研究的变量中出现频率最高的数值。（2） 中位数：按照一定顺序排列的数列形成的序列在一半位置的观测值，也就是中间位置的观测值。（3） 平均数：所研究的变量的平均水平，在实际生活中运用的最频繁。

四、推断统计

推断统计是研究如何利用样本数据来推断总体特征的统计方法。这里我们以上述数据的收益率为例，计算其置信区间并进行假设检验。

（一）均值的置信区间

上证指数240个日交易数据，样本日收益率序列的均值是-0.02021%，标准差是0.0109423，均值95%的置信区间是：

μ±Zα/2*SE=-0.02021%±1.96×0.0109423240

（二）总体均值的假设检验

上证综指近240个交易日日收益率的均值μ=-0.02021%，s=0.0109423，一证券经纪人做出的日收益率均值为-0.02%，要知道二者之间是否存在显著性差异，可建立假设检验。相关步骤为：

（1）确定显著性水平（α=0.05），双边检验。

（2）设置零假设，备择假设。

H0：μ=μ0；H0：μ=μ0

（3）从分布表中找出相应的z（t）值，所对应的临界值。

z0.025=1.96

（4）应用判别准则：

z=-0.02+0.02010.0109423/240

（5）做出决策，拒绝原假设。

五、统计模型的构建与实证分析

中国的股票市场运作的时间不长，但并没有影响到它的发展，取得的成就也是相当可观的，中国股市也越来越完善成熟。即使在成熟阶段，股票的价格依然波动，这就会对投资者的收益产生影响，从而收益率、波动性这两个词一直备受关注，许多经济学家和专业人士对收益率波动性的研究从未间断。

股票指数的时间序列受波动性的影响往往是非平稳的，在一段时间内经常会有一些“异常值”，使得股票价格的波动呈现出尖峰现象，例如，国内学者陶亚民认为，上海股市收益率分布是服从正态分布的，但这是在提出了“异常点”的基础上得到的结论。构建ARCH族模型的对条件异方差进行正确估计后增加了回归参数的估计量的有效性，使预测随时间变化的被解释变量的置信区间更精准。本文以2012-6-14到2013-6-14上证指数历史交易情况为例，利用ARCH族模型选以上证综指日收益率为对象对我国沪市波动情况进行了实证研究。实证分析主要是借助时间序列分析软件Eviews6.0完成的，Eviews软件广泛应用于金融分析、宏观经济分析等领域，主要处理各种类型的时间序列数据，进行基本的数据分析，建立复杂的计量经济模型如条件异方差、自回归模型等等。

（一）基本统计特征分析

由于收益率本身是非平稳的，所以在分析前我们先对序列进行对数差分得到序列Y，通过Eviews软件绘制出序列Y的图形（见图1），可以发现：上证指数的对数收益率在0上下频繁波动，并且在一次大的波动后往往伴随着大的波动，一次小的波动后往往伴随着小的波动，反映出股市存在暴涨暴跌，呈现出的“尖峰厚尾”的分布特征。

（二）收益率序列的平稳性检验和相关性分析

首先对序列进行ADF单位根检验（即平稳性检验），其结果见表1：

根据上述模型的估计结果能看出，杠杆效应显著存在于上海证券交易市场，股市利空消息会引起股票的剧烈波动，所以拟合有价证券收益率序列的波动性GARCH模型很合适，模型的估计结果与GARCH模型估计的结果是相吻合的。

通过GARCH模型的运用，本文对我国上证综指2012-6-14到2013-6-14这一年的收益率序列进行实证分析，从统计角度看沪深指数波动率“聚集”现象的显著性说明ARCH效应存在，同时方程中非对称系数的显著也说明了杠杆效应。这种杠杆效应说明了负面信息对收益率的冲击比正的冲击对收益率的冲击更大。从模型参数的显著性水平看，该模型非常好地描绘了沪市收益率序列显著的波动聚类尖峰厚尾非对称性和杠杆效应等特征，给投资者的决策提供非常多的参考和建议。

参考文献：

[1] 张鹏伟，李嫣怡.Stata统计分析与应用[M].电子工业出版社，2013.

[2] 王振龙.应用时间序列分析[M].中国统计出版社，2010.

证券市场显著特征篇5

关键词：GARCH族模型；证券收益率；中国证券市场

中图分类号：F2文献标识码：A文章编号：16723198（2015）17001604

1引言

金融市场充满着不确定性，市场形势处于不断变化的状态。随着社会的飞速发展，信息的传播以及资本流动的频繁使得证券价格不断变化。同样的，不断变化的证券价格反作用于市场，二者相互影响相互传导。与国外发达国家的证券市场相比，我国证券市场起步较晚，处于尚未成熟的发展阶段，我国的证券市场中个人投资者占据主要地位，而投资机构的力量相对薄弱。个人投资者在专业知识、信息获取等方面的限制，因此在个人投资者为主导的环境下，我国的证券市场带着明显的投机色彩。加之个人投资者非理性的跟风，我国的证券市场常常处于无序并且波动剧烈，常伴随股票价格大起大落的现象，高风险特征明显。

证券市场的波动通常具有异方差性。波动的方差代表市场的风险，因此异方差建模对风险分析和资本定价具有重要的意义。证券价格的时间序列数据方差随着时间的变化而变化，表现在波动集群，持久记忆和尖峰厚尾现象。传统的时间序列模型（ARMA）模型是基于方差不变的假设，难以刻画证券价格的变化。Engle（1982）提出自回归条件异方差ARCH模型，把方差和条件方差区分开，使条件方差作为误差的函数，成功地刻画条件异方差的情况。Bollerslev（1986）在ARCH模型的基础上提出GARCH（广义自回归条件异方差）模型，让条件方差作为过去误差和滞后条件方差的函数而变化，更好地体现出波动聚集效应。由于证券价格波动对市场下跌的反应常表现为比对市场上升的反应剧烈，这种反映的非对称性反应成为“杠杆效应”，Nelson（1991）提出的ENGARCH模型和TGARCH模型，通过引入虚拟变量区分市场下跌和上升两种情形，得到具有杠杆效应的波动率。由于金融资产的收益性常常与其风险成正比，于是Engle、Lilien、Robins（1987）提出GARCH-M模型，将条件异方差引入收益的估计模型。GARCH族模型可以对证券市场波动进行准确地解释。

上海证券市场开市早，市值高，稳定性较强，因此在探究我国证券市场的过程中具有代表性。本文则是通过引入最新的数据（1990―2015年上证综合指数日数据），以1996年股票市场改革以及2008年金融危机为分界点以上证综合指数为代表，运用GARCH族模型对我国证券市场收益率波动进行实证分析。本文通过研究我国上证综合指数收益率波动的统计特征，建立描述波动率变化的模型，通过了解证券价格波动的规律，探究价格波动的不对称性，掌握我国市场存在杠杆效应，以及风险对收益率的影响，对我国证券市场的的监管部门以及广大的投资者都具有很大的意义。

2实证分析

2.1数据说明

本文选取了从上海证券交易所开市（1990年12月19日）至今（截止至2015年3月2日）一共有5880个上证综合指数日数据。

1996年12月16日起，我国股市进行重大改革，开始实行T+1交易制度，以及实施涨跌停板限制。2008年，世界性金融危机袭来，中国证券市场受到重大冲击。因此，本文以1996年12月16日和2008年12月31日为分界点，通过多时间段对比，分析出我国不同阶段证券市场收益率波动的情况。

上证综合指数日数据均来自WIND数据库。数据处理与分析采用软件为Eviews6.0与SPSS17。

在本文的分析研究中，假设sht为t期上证综合收盘指数，在探讨金融资产价格变化的时候，通常采用对数收益率进行描述：

dlnsht=lnsht-lnsht-1

其中sht-1为上一期的上证综合指数，从而算出不同时期段上证综合指数的对数收益率。

2.2描述性统计分析

1990年12月19日到1996年12月14日的对数收益率统计分布如图1所示。该阶段上证综合指数对数收益率峰度93.10，远远偏离正态分布。另外，收益图呈现显著右偏趋势，偏度达到5.34，可知在我国股市建立初期市场活跃，表现出明显的正收益。根据统计图可得知在未实行涨停制度以及T+1制度之前，整个股票市场不成熟，不稳定，异常波动可能性大，因此在下文模型建立中将排除这一阶段数据。

图11990～2015年股票收益率统计图自1996年12月16日股票市场改制到最近2015年3月2日共4374个上证综合指数收盘日数据对数收益率描述统计分析如图2所示，该时间段上证综合指数对数收益率峰度18.06，偏度为0.399，呈现正偏态。

根据2008年世界金融危机爆发对我国证券市场产生巨大的冲击，因此以2008年金融危机为分界点对我国证券收益率进行分析描述统计分析如图3和图4所示。1996年到2009年（金融危机爆发及之前），我国证券对数收益率均值为0.000151，峰度为18.72，偏度为0.576，呈现正偏态。2009年到2015年（金融危机爆发之后至今），我国证券对数收益率均值为0000400，较之于金融危机前期有所上升；峰度为560，高峰集群分布效应有所缓解；偏度为-0.472，呈现负状态。

由JB统计量得知，各个不同时间段的上证综合指数对数收益率均不服从正态分布的假设，均呈现一定程度的尖峰后尾的形态。

图21996～2015年股票收益率统计图图31996～2008年股票收益率统计图图412009～2015年股票收益率统计图表1描述统计值表

2.4ARCH效应的检验

对1996―2015年上证综合对数收益率，分阶段1996―2009，2009―2015年上证综合对数收益率利用ARMA（1，1）模型dlnsht=φdlnsht-1+ut+θut-1进行拟合，对其残差平方进行ARCH效应LM检验。

根据条件异方差ARCH LM检验可得当滞后阶数为3时三个时间段的数据均存在条件异方差，因此需要运用条件异方差模型分别对其进行拟合，结果如表3所示：

表3数据LM检验结果表

数据

（时间段）F-statisticProb. FObs*R-

squaredProb. Chi-

Square1996―201516.3780.000048.6320.00001996―20098.8550.000026.3580.00002009―201522.9660.000066.0070.00002.5GARCH族模型

2.5.1GARCH（1，1）模型拟合结果

根据残差平方的自相关和偏自相关图的分布情况，决定用GARCH（1，1）对三个时间段数据进行条件异方差进行拟合。

（1）从总体上分析看，1996―2015年上证综合指数对数GARCH（1，1）收益率方差方程：

2t=-4.45×10-5+0.1328u2t-1+0.85932t-1（9）

t= 36.17270.92

（p=0.000）（p=0.000）

AIC=―5.57SC=―5.56

（2）分时段来看，1996―2009年，2009―2015年上证综合指数对数收益率GARCH（1，1）方差方程为：

1996―2009年：

2t=1.48×10-6+0.2602u2t-1+0.73882t-1（10）

t=30.1876.50

（p=0.000）（p=0.000）

AIC=―5.42SC=―5.42

2009―2015年：

2t=2.21×10-6+0.0512u2t-1+0.93672t-1（11）

t=7.31095.427

（p=0.000）（p=0.000）

AIC=-5.89SC= -5.87

表4GARCH（1，1）模型拟合后LM检验结果

时期F-

statisticProb.FObs*R-

squaredProb.F1996-2015年0.31700.8131（不显著）0.95170.8129（不显著）1996-2009年0.32770.8053（不显著）0.98410.8051（不显著）2009-2015年0.80720.4899（不显著）2.42410.4289（不显著）根据上表可知，LM检验统计量均不显著，说明各时期的拟合模型残差序列不存在ARCH效应。

根据模型结果，我们可以得到：

（1）从总体上看，1996-2015年拟合模型中，ARCH项和GARCH项的系数之和+=0.1328+08591=0.9921

（2）分时期分析，在金融危机之前，1996-2009年数据的模型中，ARCH项和GARCH项的系数之和+=0.2610+0.7388=0.9998

（3）分时期分析，在金融危机之后，2009-2015年数据的模型中，ARCH项和GARCH项的系数之和+=0.0512+0.9367=0.9879

2.5.2EGARCH模型拟合结果

基于股市“杠杆效应”的假设，在此建立非对称EGARCH模型对三个时期的数据进行拟合比较，如下所示：

（1）从总体上分析看，1996―2015年上证综合指数对数EGARCH收益率方差方程：

ln（2t）=-0.4215+0.2476|t-1/t-1|-0.0086（t-1/t-1）+0.9712ln（2t-1）（12）

（2）分时段来看，1996―2009年，2009―2015年上证综合指数对数收益率EGARCH方差方程为：

1996―2009年：

ln（2t）=-0.6402+0.3452|t-1/t-1|-0.0074（t-1/t-1）+0.9526ln（σ2t-1）（13）

2009―2015年：

ln（2t）=-0.2272+0.1296|t-1/t-1|-0.0092（t-1/t-1）+0.9851ln（σ2t-1）（14）

根据模型结果，我们可以得到：

（1）从总体上看，1996-2015年的拟合的EGARCH模型中，α的估计值为0.2476，非对称项γ的估计值为-0.0086。当μt-1>0时，该信息冲击对条件方差的对数有一个0.2476-0.0086=0.239倍的冲击；当ut-1

（2）分时期分析，在金融危机之前，1996-2009年数据的EGARCH模型中，α的估计值为0.3452，非对称项γ的估计值为-0.0074。当ut-1>0时，该信息冲击对条件方差的对数有一个0.3452-0.0074=0.3378倍的冲击；当ut-1

（3）分时期分析，在金融危机之后，2009-2015年数据的EGARCH模型中，α的估计值为0.1296，非对称项γ的估计值为-0.0092。当ut-1>0时，该信息冲击对条件方差的对数有一个0.1296-0.0092=0.1204倍的冲击；当ut-10.0074。表明人们在金融危机之后对“利坏消息”的反映变得更加敏感。

2.5.3GARCH-M模型的拟合结果

根据金融理论中收益与风险应当成正比的理论，风险越大，预期收益越高。利用GARCH-M模以条件方差表示预期风险，对三个时期的数据进行拟合，拟合结果（采用条件标准差模型拟合）如下所示：

（1）从总体上分析看，1996―2015年上证综合指数对数收益率GARCH-M方程：

d ln sht=-0.00035-0.7564d ln sht-1+01110t+t+0.7888t-1（15）

2t=6.39×10-6+0.1364u2t-1+0.85472t-1（16）

（2）分时段来看，1996―2009年，2009―2015年上证综合指数对数收益率GARCH-M方程为：

1996―2009年：

d ln sht=-0.000468-0.7806d ln sht-1+01475t+t+0.8149t-1（17）

2t=1.59×10-5+0.2745u2t-1+0.72612t-1（18）

2009―2015年：

d ln sht=-0.000987+0.1303d ln sht-1+00943t+t-0.0887t-1（19）

2t=2.28×10-6+0.05278u2t-1+0.93492t-1（20）

从GARCH-M模型可以看出，在三个阶段数据建立的方程中ρ分别为0.1110，0.1475，0.0934，均为正数表明指数的对数收益率与预期风险即波动率成正相关。

（1）从总体上看，1996-2015的拟合的GARCH-M模型中，ρ=0.1110，表明在这期间预期风险每增加一个单位，收益率也相应增加0.111个百分点。

（2）分时期分析，在金融危机之后，2009-2015年数据的GARCH-M模型中，ρ=0.1475，表明在金融危机前，股市的预期风险每增加一个单位，收益率也相应增加0.1475个百分点。

（3）分时期分析，在金融危机之后，2009-2015年数据的GARCH-M模型中，ρ=0.0934。相较于金融危机之前，股市的收益率对预期风险的反映程度减小，预期风险每增加一个单位，收益率相应增加0.0934个百分点。

3研究结论

第一，我国证券收益率序列的方差随时间变化，并且有时变化很剧烈，存在显著异方差现象。根据统计分析，从1990年我国初步建立证券市场到1996年我国未实行为恢复涨停制度之前，其统计分布的峰度远远偏离正态分布，峰度达到93.10，偏度达到5.34，呈现显著正偏态，表明我国证券市场在成立处理发展迅速，收益高，异常波动影响严重，因此投机性大。我国证券市场我国自1996年股市改革至今，上证综合指数对数收益率分布的峰度达到18.06，具有尖峰厚尾的性质，呈现轻微正偏态。相对于证券市场建立初期，这一阶段证券价格波动趋于缓和，反映我国证券市场正处于稳健发展的状态。

第二，证券收益率具有冲击持续性。从GARCH（1，1）模型得知，各模型系数之和十分接近于1，表明信息在股市中衰减得很慢，前期信息对后期的影响作用是长久的。从总体上看，1996年到2015年GARCH（1，1）系数之和为0.9921，这表明我国股市条件方差所受的冲击具有持久性，冲击衰减速度非常慢，对未来所有预测都具有重要的作用。在金融危机之前，GARCH（1，1）模型系数之和为0.9998，大于1996-2015年总体水平，然而金融危机之后，GARCH（1，1）的系数之和为0.9879，小于1996-2015年总体水平。这表明，纵然信息在股市中衰减速度很慢具有很大的持续性，但是自金融危机之后，我国证券市场的收益率对信息冲击的敏感性有所降低。

第三，证券收益率具有杠杆效应。信息对股票市场波动的非对称性影响称为杠杆效应。EGARCH模型都反映了市场对信息的非对称性的反映。根据不同时间段的数据拟合模型中非对称项的系数为均显著，这表明我国证券市场中存在显著的杠杆效应。值得注意的是，在金融危机前后，EGARCH模型中的非对称想系数明显的差异。这表明在金融危机后，市场对于利坏消息反映更为剧烈，投资者相对于危机爆发之前显得更为小心谨慎。

第四，金融资产的收益率与风险程度呈现正相关。从GARCH-M模型可以发现利用条件标准差对收益率进行预测效果显著。因此GARCH-M模型充分揭示了我国金融市场中收益率和风险程度的密切关系。比较金融危机前后，我国证券市场收益率对于预期风险的反映，我们可以发现，在金融危机之后当预期风险增大是收益率增长程度减小。这反映了在金融危机之后整个证券市场投机性降低，投资者的投资的风险偏好程度减小，整个证券市场的投资行为趋于理性。

参考文献

[1]高铁梅.计量经济分析方法与建模：Eviews应用及实例（第2版）[M].北京：清华大学出版社，2009.

[2]王燕.应用时间序列分析（第二版）[M].北京：中国人民大学出版社，2009.

[3]陶佶.沪深300股指期货：理论和实务[M].北京：中国发展出版社，2008：81218.

[4]刘鸿儒.股指期货热点问答[M].北京：中国金融出版社，2009：5170.

[5]肖辉，刘文财.股票指数现货市场与期货市场关系研究[M].北京：中国金融出版社，2006：247263.

[6]彭红枫，叶永刚.基于修正的ECMGARCH模型的动态最优套期保值比率估计及比较研究[J].中国管理科学，2007，（05）：2935.

[7]刘国旗.非线性GARCH模型在中国股市波动预测中的应用研究[J].统计研究，2000，（01）：4952.

[8]江孝感，万蔚.马尔科夫状态转换GARCH模型的波动持续性研究――对估计方法的探讨[J].数理统计与管理，2009，（04）：637645.

[9]Fair，R1C1，Shiller.R1J1，1the information content of exante forecasts Review of Economics and Statistics[J].1989：3253311.

[10]Franses， P1H1.Time Series Models for Business and Economic Forecasting[J].1998.

[11]Li，W.K.，Ling S.，Michael，M..Recent Theoretical Results for Time Series Models with GARCH Errors[J].Journal of Economic Survey，2002，16（3）：245269.

[12]Engle R F.. Autoregressive Conditional Heteroskedasticity with Estimates of the VARiance of United Kingdom Inflation[J].Econometrica，1982，50（7）：203224.

[13]Nelson， Daniel B，Conditional Heterosdasticity in Asset Returns： A New Approach[J].Econometrica，1991， 59：347370.

证券市场显著特征篇6

一、引言和文献综述

2010年4月16日，我国第一个股指期货上市交易，推出股指期货的目的在于稳定股票市场，丰富投资工具，国内学术界也对推出股指期货与股票市场波动性进行了大量的研究，大部分都得出我国股指期货的上市交易可以起到稳定股票市场的作用。2015年6月―8月，我国股票市场经历了严重的股价下跌，中金所随后出台了限制股指期货交易的政策，在此背景下，本文研究的目的是实证分析限制股指期货交易的政策??股市波动性和非对称性的影响。

针对股指期货交易对现货市场波动性影响的问题，学术界仍存在较大的分歧，主要观点包括以下三种：

（一）股指期货市场降低了股票市场波动性

Lee和Ohk（1992）通过对香港恒生指数期货的研究，得出恒生指数期货有利于降低香港地区股票市场的波动性。Pilar和Rafael（2004）通过对西班牙引入股指期货后的股票市场进行研究，结果显示股指期货的引入显著降低了西班牙股市的波动性。Antoniou、Koutmos和Pericli（2005）选取英国FTA指数、法国CAC指数、美国S&P500指数、德国FC指数、日本Nikkei指数及加拿大T300组合指数，分析了六个国家的股票市场，结果显示股指期货都有效降低了六个国家股票市场的波动性。Drimbetas（2007）选取了富时指数日收盘价数据对英国的股票市场进行研究，EGARCH模型结果显示股指期货的推出不仅显著降低了现货市场波动性，还提高了市场效率。Kasman（2010）同样采用EGARCH模型研究了土耳其2002―2007年间的股票市场，结果也显示股指期货降低了股市波动性。宗计川和李先玉（2013）在剔除国内经济形势、国际经济形势、投资者情绪及周内效应后，以沪深300指数期货为研究对象，结果表明股指期货的推出减少了现货市场的波动性。Zhang和Lv（2013）采用ARCH、GARCH模型及格兰杰因果关系检验研究了印度的股票市场，结果表明，印度推出股指期货降低了股市波动，同时也增强了股市价格发现功能。许硕（2016）同时采用GARCH和VAR模型，研究了中国股票市场在限制投机政策下的表现，结果表明限制投机交易制度的推出减少了现货市场的波动性，可以起到市场维稳的作用。曹栋和张佳（2017）选取2007―2015年沪深300指数收盘价数据，采用GARCH-M模型研究了中国股票市场推出股指期货的表现，结果显示股指期货可以显著降低现货市场波动性。

（二）股指期货市场对股票市场波动性无影响

Baldauf和Santoni（1991）采用ARCH模型对S&P500指数进行研究，发现S&P500股指期货对现货市场波动性影响不显著。Shenbagaraman（2002）通过对印度S&P CNX Nifty期货、期权和现货市场的研究，未发现股指期货市场与现货市场波动之间的相关性。吴佩渝（2000）对台湾地区股指期货市场的研究得出，台湾地区股指期货上市后对现货市场的波动性并没有显著影响。Darrat和Rahman（2002）、Sibani和Shankar（2007）的研究显示期货市场的交易对现货市场的波动影响不显著。盛浙湘、顾天慧（2011）选取了处于不同发展阶段的八个国家和地区，发现除日本外，推出股指期货对现货市场的影响都不显著。Hu和Yiwen（2016）选取沪深300指数日收盘价数据进行研究，结果显示股指期货价格变化对股市波动性没有显著影响。

（三）股指期货市场增加了股票市场的波动性

Antoniou和Holmes（1995）对FTSE100指数进行了实证研究，发现股指期货交易加大了现货市场的波动性，但也改善了现货市场的信息传播速度和质量。俞卫（1995）对具有不同到期日的8种股指期货与现货市场关系的研究发现，指数套利改变了股指期货价格和股票价格的波动形态，股指期货的价格波动有时是由股票市场的冲击引起的。Bac（2004）、Kang（2007）研究了日本、韩国等五个亚洲国家的股票市场，GARCH及扩展的GJR-GARCH、APGARCH模型结果显示，五个国家股票市场的波动性与非对称性在引入股指期货后都有不同程度的增加。刘凤根和王晓芳（2008）选取N225指数、韩国KOSPI200指数和台湾证交所加权指数分析了日本、韩国和台湾地区的股票市场，GARCH模型结果显示股指期货的推出对台湾地区股市波动性影响不显著，但显著加剧了日本和韩国股市的波动性。Kittiakarasakun、Tse和Wang（2012）选取2002―2004年的Nasdaq-100股指期货数据，研究了知情交易者和不知情交易者在不对称波动下的影响，结果显示不知情交易者的交易行为更显著地导致了市场的不对称波动。Yang Jian（2012）选取了2010年4月16日到2010年7月30日沪深300指数收盘价数据，研究了股指期货推出之初现货市场的表现，发现推出之初，股市出现很大跌幅，股指期货价格发现的作用不显著。

需要指出的是，首先，绝大部分学者对股指期货与现货市场波动的关系研究都未剔除可能引起股市波动的其他经济变量，本文较严谨地剔除了融资融券变量，参考宗计川和李先玉（2013）的方法，把融资融券变量加入到GARCH模型的均值方程进行分析；其次，大部分学者研究的是股指期货上市对现货市场的波动影响，而本文更进一步地分析股指期货的限制政策对现货市场的波动影响；最后，通过使用中证500、上证50股指期货数据和调整样本区间三种方法进行了稳健性检验，使结果更具可靠性。

二、数据与模型选取

（一）数据和变量说明

本文选取2013年10月28日―2016年10月26日沪深300指数日收盘价数据，融资融券变量用融资融券余额表示，利用收盘价数据计算出日收益率数据，计算公式为：[ret=100ln（ptpt-1）]，其中[pt]表示t期沪深300指数收盘价，[pt-1]表示上一期收盘价；利用融资融券余额日数据，使用同样的计算公式得到融资融券变动率数据。除去节假日，共有732个样本，数据均来源于万得资讯。为了分析股指期货的限制政策对股市波动性的影响，将数据以2015年9月7日为节点分成两个子样本：限制政策出台前的2013年10月28日―2015年9月7日和限制政策出台后的2015年9月8日―2016年10月26日。

（二）计量经济学模型

广义自回归条件异方差GARCH模型是由T.Bollerslev提出，经ARCH模型发展而来，是专门针对金融时间序列数据使用的回归模型，很适合分析带有波动聚集性的金融时间序列。基于AIC和SC准则，本文选择GARCH（1，1）模型?矸治龉芍钙诨醯南拗普?策对股市的波动影响，GARCH（p，q）由均值方程和方差方程构成，原始形式如下：

[xt=β0+β1xt-1+β2xt-2+…+βpxt-p+ut] （1）

[ut=htεt] （2）

[ht=α0+i=1qαiu2t-1+i=1pβih2t-1] （3）

其中，[p]和[q]分别为GARCH项和ARCH项阶数，当[p]=1、[q]=1时就得到GARCH（1，1）模型；（1）式为AR（p）形式的条件均值方程，[ut]为误差项；（3）式为条件方差方程，[α0]代表原先的不确定性，[u2t-1]表示外部的波动冲击，[h2t-1]表示过去的波动性，[αi]和[βi]分别表示外部波动冲击与过去波动性对当期波动性的影响程度，数值越大，则代表对当期波动性影响越大。为了剔除融资融券变量对股市波动的影响，本文把融资融券余额加入均值方程，设定如下：

[hs300t=c+βrzrqt+ut] （4）

其中，[hs300t]表示沪深300指数收益率，[rzrqt]表示融资融券余额变动率，[ut]为随机误差项。

三、实证分析

本文首先采用GARCH（1，1）模型分析限制股指期货对股市的波动性影响，然后使用EGARCH（1，1）模型分析限制股指期货对股市的非对称效应影响，分析之前，进行了描述性统计和充分的实证检验。

（一）描述性统计

本文分别对沪深300指数收益率和融资融券余额变动率进行全样本和子样本描述性统计，见表1。

由表1可知，沪深300指数收益率（[hs300t]）全样本的偏度为-1.0170，左偏，峰度为7.9093，J-B统计量为861，说明沪深300指数收益率序列是具有高峰厚尾，且分布显著异于正态分布的序列，采用GARCH模型是合适的。观察沪深300指数收益率序列限制前和限制后的偏度和峰度值也可得出结论，[hs300t]限制前样本的标准差为1.9301，限制后的标准差为1.6135，限制后标准差小于限制前的标准差，据此可以初步判断，限制沪深300指数期货交易后，降低了股市波动。

融资融券余额变动率（[rzrqt]）限制前样本的偏度为-3.8476，峰度为27.1561，说明融资融券变动率也是一种带有左拖尾高峰的非正态分布的时间序列；限制后样本的偏度为-0.3980，峰度为4.9192，J-B统计量为49，较限制前的数值都有明显下降，说明限制后的样本更趋近于正态分布；比较[rzrqt]限制前后的标准差可以看出，限制后的标准差下降了0.47，说明限制股指期货交易政策出台后的时间范围内，融资融券余额变动率的波动下降很大。

（二）实证检验

1. 平稳性检验。使用ADF检验来测度沪深300指数收益率和融资融券余额变动率序列是否为平稳序列，结果如表2所示。

表2：ADF检验结果

[样本期

变量 全样本ADF值 限制前ADF值 限制后ADF值 [hs300t] -25.4117

（p=0.0000） -8.9596

（p=0.0000） -18.4719

（p=0.0000） [rzrqt] -6.8179

（p=0.0000） -9.5054

（p=0.0000） -7.0252

（p=0.0000） ]

从表2 可以看出，沪深300指数收益率序列在全样本和子样本时期的p值都趋向0，所以该序列是平稳序列；同样可得出融资融券余额变动率序列也是平稳的。

2. 自相关检验及模型识别。对（4）式进行OLS回归，再利用LM自相关检验，在滞后5阶的情况下，显示残差存在自相关，见表3。

表3：LM自相关检验结果

基于AIC和SC准则，本文选定AR（2）MA（2）来拟合模型，拟合后的结果显示，除了常量C的系数不显著以外，其他系数都很显著，且从滞后1阶到10阶都没检测到自相关，说明用AR（2）MA（2）拟合模型效果良好，且消除了自相关。

3. ARCH效应检验。如果残差不具有ARCH效应，即不具备波动聚集性，则不能使用GARCH模型来分析，因此，在使用GARCH模型分析前，必须要进行ARCH效应检验。本文采用ARCH-LM（滞后8阶）来检验残差是否存在ARCH效应，检验结果如表4所示。

表4：ARCH效应检验结果

由表4可以判定，残差具有高阶ARCH效应，可以用GARCH模型来分析。

（三）回归结果分析

1. GARCH模型对股市波动性的分析。为了检验股指期货限制政策对股市波动性的影响，本文加入虚拟变量[dmt]来表示股指期货限制这个事件，将[dmt]加入方差方程，股指期货限制前[dmt]等于0，限制后[dmt]等于1；基于AIC和SC准则，本文建立GARCH（1，1）模型，经AR（2）MA（2）拟合后的均值方程，加入了虚拟变量的方差方程如下：

[hs300t=φ0+φ1hs300t-1+φ2hs300t-2+φ3rzrqt+φ4ut-1+φ5ut-2] （5）

[ht=α0+α1u2t-1+β1h2t-1+γdmt] （6）

其中[dmt]的系数[γ]可以用来解释股指期货限制政策对股市波动性的影响，如果[γ]显著小于0，说明股指期货限制政策减少了股市波动；[γ]显著大于0，说明股指期货限制政策增加了股市波动；[γ]显著等于0就表示股指期货限制政策对股市没有影响；另外，[α1+β1]需满足小于1以保证模型的稳定性。使用Eviews8.0回归，结果如表5所示。

表5：GARCH（1，1）模型回归结果

[ Coefficient Std.Error Z-statistic Prob. φ0 -0.0731 0.0483 -1.5138 0.1301 φ1 -1.8525 0.0155 -119.3324 0.0000 φ2 -0.9569 0.0138 -69.2699 0.0000 φ3 0.6351 0.0492 12.9019 0.0000 φ4 1.8570 0.0114 162.5115 0.0000 φ5 0.9703 0.0120 81.0914 0.0000 α0 0.0310 0.0095 3.2807 0.0010 α1 0.0633 0.0109 5.7864 0.0000 β1 0.9276 0.0101 92.0262 0.0000 γ -0.0191 0.0083 -2.3044 0.0212 R-squared 0.1616 Mean dependent var 0.0460 Adjusted R-squared 0.1558 S.D.dependent var 1.8184 S.E of regression 1.6707 Akaike info criterion 3.5093 Sum squared resid 2020.971 Schwarz criterion 3.5722 Log likelihood -1270.886 Durbin-Watson stat 1.9609 ]

由表5可得，除了常数项不显著以外，其他变量都在5%的水平下显著；[γ]的系数为-0.0191，显著小于0，因此，可以得到：推出股指期货限制政策减少了股市的波动；另外[α1+β1]=0.99

表6：GARCH模型回归后ARCH效应检验

由表6可得，在滞后8阶的情况下，经GARCH（1，1）模型回归后的残差消除了ARCH效应。

2. EGARCH模型对股市非对称性的分析。股市不仅存在股票价格的波动聚集性，还存在信息的非对称性，即投资者对利空消息和利好消息的反应程度不一样，本文用EGARCH模型来分析股指期货限制政策对这一现象的影响。 EGARCH模型的一个特征是模型系数不存在非负性约束，避免了条件方差出现负值，因此选用EGARCH模型来分析股指期货限制政策对股市的非对称影响。同样基于AIC和SC原则，使用经MA（1）拟合后的EGARCH（1，1）模型来分析，条件均值方程如（7）式，条件方差方程如（8）式：

[hs300t=φ0+φ1rzrqt+φ2ut-1] （7）

[Ln（ht）=α0+α1Ln（ht-1）+β1ut-1ht-1+γut-1ht-1] （8）

（7）式中，[ut-1/ht-1]为标准化信息，[ut-1/ht-1

表7：EGARCH（1，1）模型股市非对称回归结果

[估计系数 总体 限制前 限制后 φ0 -0.0801（0.0996） -0.0357（0.6111） 0.0443（0.2006） φ1 0.6688（0.0000） 0.3821（0.0000） 0.9204（0.000） φ2 -0.0089（0.8144） 0.0230（0.6433） -0.1262（0.0417） α0 -0.1019（0.0000） -0.0940（0.0002） 0.0186（0.4048） α1 0.9890（0.0000） 0.9992（0.0000） 1.0070（0.0000） β1 0.1455（0.0000） 0.1307（0.0001） -0.0447（0.1430） γ -0.0186（0.2100） 0.0222（0.1555） -0.0831（0.0013） β1+γ 0.1269 0.1529 -0.1278 β1-γ 0.1641 0.1084 0.0383 ]

注：括?中的数值为P值。

由表7可以发现，总体样本回归结果中非对称效应项的系数[γ]为-0.0186，但不显著，这说明在总体样本区间未检测到股市的非对称性，限制前样本回归结果的[γ]为0.0222，也不显著，表明在限制股指期货前，股市不存在非对称效应，即利好消息和利空消息对股市的冲击是无差异的。但是，限制后的样本回归结果[γ]为-0.0831，在1%的水平下显著不为零，表明在限制股指期货后股市存在非对称效应，[β1+γ]的值为-0.1278，即利好消息对股市的冲击为

-0.1278倍，[β1-γ]的值??0.0383，即利空消息对股市有0.0383倍的冲击，投资者对利空消息的反应程度明显大于对利好消息的反应程度，显示出市场的非理性特征，说明限制股指期货的措施加剧了股市的非对称性。

四、稳健性检验

前文实证得出沪深300指数期货的限制政策降低了现货市场的波动性，但加剧了股市的非对称性效应，股市呈现出更多的非理性特征。国内已上市的股指期货还有中证500和上证50股指期货，为了检验结果的稳健性，在样本区间一致的情况下，分别使用中证500和上证50指数日收盘价数据来替代沪深300指数日收盘价，并采用相同的实证方法进行回归，又把沪深300日收盘价数据样本区间设置为2010年4月16日―2016年10月19日，得到回归结果如表8、表9所示。

表8显示，无论是选用中证500、上证50指数的数据还是扩大样本区间，代表股指期货限制事件的虚拟变量dmt的系数都为负值，且非常接近，中证500指数和调整样本区间的方法在1%水平下显著，上证50指数的系数在10%水平下显著，和前文得到的结果是一致的。

从表9可以看出，用中证500指数数据回归的结果显示，从总体来看未检测到股市的非对称效应，但是限制前和限制后都存在非对称效应，且非常显著，进一步地从β1+γ和β1-γ的值来看，限制前的β1+γ为0.0355，而限制后的β1+γ为-0.1117，这说明在限制股指期货后，股市对利好消息更不敏感；再比较限制前后β1-γ的值可以得出，限制股指期货后股市对利空消息更加敏感了。同样的分析，上证50和调整样本区间的结果都显示在限制股指期货后股市显著存在非对称效应，并且限制股指期货后股市对利空消息的反应程度更大了，股市呈现出更多的非理性特征。这和前文得到的结论一致。

五、结论

证券市场显著特征篇7

关键词：债务期限结构；成本；上市公司；公司债券市场

中图分类号：F830．91文献标识码：A文章编号：1006-1428（2006）11-0045-04

一、引言

债务期限结构的选择是企业债务融资最重要的财务决策之一，不适当的债务期限搭配不仅会影响债务融资治理效益，危及企业自身的财务安全，还可能危及一国的金融安全。现有的关于债务期限结构的研究大多是从公司微观层面研究债务期限的选择，而实际上企业在寻求最优债务期限结构时除了考虑自身特征因素外，还要考虑所处国家的经济法律等制度环境因素。因此，综合研究企业债务期限结构的宏观和微观影响因素更有现实意义。鉴于此，本文使用横截面数据和面板数据，采用横截面回归、混合最小二乘回归等技术对影响中国、新加坡、泰国和马来西亚等四个国家上市公司债务期限结构的公司特征因素和制度环境因素进行实证研究和跨国比较，以期为我国企业寻求最优债务期限结构和政府部门更好地管理包括公司债券市场在内的债务融资市场提供经验证据和理论参考。

二、研究变量和样本选取

(一)被解释变量的确定

本文把偿还期限在一年以上的债务定义为长期债务，并把公司债务期限结构定义为长期债务占负债总额的比例，用DM表示。

(二)公司特征因素解释变量的选择

基于前面理论和经验研究分析，公司特征解释变量主要如下列指标(见表1)：

(三)国别制度环境因素解释变量的选择

有许多制度变量都可能影响公司债务期限结构，考虑到内生性和共线性问题，我们最终筛选出以下几个可能影响债务期限结构的国别制度变量：

1．法律制度的完整性和效率(LAW)：用透明国际公布的清廉指数透明国际(Transparency International)是全球著名非营利性反腐败的国际非政府组织。自1995年起每年都公布全球清廉指数(Corruption Perception Index)的排行榜，该指数范围为0―10，分数越高国家越清廉。作为其变量，该指数同时提供了时间序列数据和横截面数据，因此优于其他同类变量。由于在清偿时债权有优先权，而且法律在处理债权纠纷上远比处理股权纠纷有效率，因此可以推测在投资者保护制度欠缺、法律制度不够完善或者效率低下的国家，债务融资可能多于股权融资，而且由于短期债务使得企业时常面临着偿付本息的压力，可以迫使企业约束其风险偏好的动机，从而保护债权人利益，因此短期债务使用更多。可以预期法律制度的完整性和效率与债务期限结构可能正相关。

2．区分发达国家和发展中国家的虚拟变量(DEV)：Fan et al．(2003)认为发展中国家的公司债务期限远远短于发达国家的公司债务期限。为了验证这一点，我们引入DEV，对于发展中国家该变量取值1，对于发达国家该变量取值0。该虚拟变量还可用于捕捉其他制度变量漏掉的经济发展因素。

3．银行业发展规模(BANK)：定义为银行资产占GDP的比率。金融中介是公司外源融资的主要渠道，会直接影响公司的财务结构。由于短期债务更利于金融中介对债务人的监督，而且银行在提供短期债务方面有比较优势，因此在银行业规模较大的国家里，公司可能会拥有更多的短期债务。我们预期银行业发展规模与债务期限负相关。

4．股市发展变量(STOCK)：用上市公司流通市值占GDP的比率来表示。股市发达国家的公司更有动力用股票融资替代长期债务融资，因此股票市场发达程度可能与债务期限负相关。

(四)数据来源和样本选取

本文选取1995年至2001年中国、新加坡、泰国和马来西亚的上市公司为研究对象。其中，国外公司的数据来源于Datastream数据库，国内公司的财务数据来源于巨灵证券信息系统，市场数据来自证券之星分析软件和CSMAR股票交易数据库。在筛选样本时，我们剔除了金融类上市公司，因为对金融公司财务情况和资本充足率的特殊要求会直接影响到它们的资本结构和债务期限结构，从而影响了金融类和非金融类上市公司之间的可比性。此外，为了避免异常数据对实证结果的干扰，剔除了这期间处于财务状况异常或已连续亏损两年以上的公司以及不能连续获得相关数据的公司，最终得到中国公司观察值1449个，泰国公司观察值1386个，马来西亚公司观察值2037个，新加坡公司观察值1085个。

表2是四国样本公司1995-2001年债务期限结构的描述统计量，图1是四个国家样本期间各年平均横截面债务期限的趋势性描述，可以看出，四个国家上市公司债务期限结构有所不同，其中，新加坡的公司拥有相对较高比例的长期债务(均值为0．4021)，而中国上市公司的债务以短期为主，长期负债融资比例过低(均值仅为0．1205)，债务期限明显低于其他三个国家，而各国之间债务期限结构的差异可能有很大部分原因是由于制度环境的不同而造成的。

三、模型与实证结果

(一)公司特征因素

为了检验公司特征因素对债务期限结构的影响，建立回归方程1：

其中，αt在给定时点对所有公司都是固定的，但随着时点的变化而变化，μi,t是误差项。分别用四个国家样本期间的截面和时间序列混合的数据考察债务期限结构与公司特征因素之间的关系，表3报告了各国债务期限结构对公司特征因素影响因素的回归估计结果。

与预期一致，资产负债率在四个国家中都与债务期限结构正相关，这符合清算风险假说，说明财务杠杆越高，企业财务风险越大，长期负债的比例越高。公司规模系数都为正并具有统计上的显著性，说明公司规模与债务期限显著正相关，这与成本假说一致，反映出当公司发行长期债务时，规模小的公司会比规模大的公司要付出更多的交易和成本，因此小公司倾向于缩短债务期限来降低成本。泰国公司回归结果显示成长机会与债务期限结构显著正相关，这与成本假说不一致。但中国公司成长机会系数是负的且高度显著，表明平均而言，具有更多成长选择权的公司具有显著少的长期债务。在马来西亚和新加坡成长机会似乎对公司债务期限结构没有影响，这可能是由于这两个国家上市公司的股权高度集中并且与银行关系非常密切，从而使银行监督能更有效的降低成本。马来西亚实际税率和债务期限之间负相关并且是显著的，而在其他三个国家实际所得税税率与债务期限的关系均不显著，这可能是由于这几个国家上市公司的实际所得税税率普遍较低，使债务融资的税盾作用相对不够明显。只有泰国公司的回归结果显示公司质量与债务期限负相关，符合信号传递假说，即高质量的公司偏好选择短期债务向市场传递其质量类型的信号。但是其他三国的公司质量的系数在常规水平上都不显著，说明这些国家的上市公司不能很好地通过债务期限结构的选择来向市场传递信号。四个国家的资产期限都与债务期限显著正相关，表明具有寿命更长资产的公司选择期限更长的债务以降低债务成本，这符合资产期限和债务期限匹配原理。

总的来说，表3的结果显示不同的公司特质因素对于债务期限结构选择的解释能力各不相同，为清算风险假说、期限匹配假说和成本假说提供了一定的经验支持，但仅有很少的经验证据支持信号传递假说，没有证据支持税收假说。更重要的是，表3还表明不同样本国家的公司特质因素对债务期限结构的影响是不同的，有的甚至完全不同，这就需要进一步研究国别环境变量对债务期限结构的影响。

(二)制度环境因素

为了检验不同国家的制度环境对债务期限结构的影响，建立回归方程2：

其中，F代表公司特征变量，C代表国家制度变量。将四个国家的数据组成非平衡面板数据，用混合最小二乘法对方程2进行估计。模型(1)是债务期限结构对公司特征变量和国家虚拟变量(泰国(TDUM)、马来西亚(MDUM)、中国(CDUM)取值为1进行的回归。为了检验各个制度变量对债务期限结构的解释能力，模型(2)-(5)是分别用前面讨论过的各个国家制度变量替代模型(1)的国家虚拟变量进行的回归。表4显示了用包括所有样本国家整个样本期间的面板数据对方程2进行估计的结果。

表4显示三个国家虚拟变量都是显著的，表明国别因素对公司债务期限选择具有重要影响，进行跨国研究和比较是有必要的。法律体系的完整性和效率与债务期限正相关，这与Demirguc-Kunt和Maksimovic(1999)的研究结果是一致的Demirguc-Kunt和Maksimovic(1999)用1980-1991年期间30个国家的公司数据发现法律制度更有效的国家的公司拥有更少的短期债务。，表明法律体系越完善执法效率较高的国家可以为债务融资提供较好的法律支撑，能更有效地约束债务人机会主义行为，从而更好地保护债权人的合法权益，这样，公司并不需要太多的短期债务来降低成本，而是可以发行更多的长期债务。DEV的系数为-0．2273并且是高度显著的，表明一国经济发展情况对债务期限结构有重要影响，而且发展中国家债务期限偏短，而发达国家公司则偏好发行更多的长期债务。银行业规模的系数为负而且是显著的，表明银行业规模与债务期限负相关，从而验证了前面的分析，即在银行业规模较大的国家里，公司拥有更多的短期债务。股市发展变量的系数为0．0007，t检验是不显著的，表明在这几个国家中股市发展情况对债务期限结构几乎没有显著影响。

四、结论及建议

本文使用面板数据和横截面数据，应用混合回归、横截面回归等技术对中国、泰国、马来西亚和新加坡上市公司债务期限结构宏观和微观影响因素进行实证研究，验证了公司债务期限结构不仅与公司特征因素高度相关，而且也与国家制度和经济环境因素密切相关。研究还发现，不同公司特征因素在不同制度环境下对债务期限结构的影响力是不同的，在模型中加入国家制度环境因素有助于更好地理解公司债务期限决策的宏观影响因素以及不同制度环境影响下的债务期限结构总体特征。总的来说，债务期限结构是公司特征因素和国家制度环境因素共同影响下的综合财务决策，而前面的研究发现我国上市公司目前长期债务比例过低，债务期限结构普遍不合理，这既有公司自身的原因，更有制度环境方面的原因，要使我国公司债务期限结构更合理有效，我们提出以下政策建议：

(一)加快发展公司债券市场，开辟新的债务融资渠道

我国资本市场上公司债券的缺位不仅直接影响债务类型，而且间接影响着债务期限结构，使我国上市公司债务以中短期银行贷款为主。公司债券融资在降低成本方面具有独特的优势，与银行存款具有互补性，而且公司债券收益和风险程度适中，期限以中长期为主，积极拓展公司债券融资渠道不仅可以改善上市公司现有的债务来源结构，还可以使债务期限结构合理化。因此，政府部门应该加快我国公司债券市场制度框架建设，促进公司债券市场的快速发展，以进一步发挥公司债券在国民经济和改善公司债务期限结构方面的积极作用。

(二)进一步完善债权人保护等法律制度，提高执法质量和效率

我国的相关法律制度设计还存在着诸多不利于债权保护的诸多缺陷和空白，使得在实践中损害债权人利益的行为屡屡发生，维护债权十分被动，严重地损害了公司债权人的合法权益，影响了信贷资产安全。前面的实证分析已经验证了国家的法律体系的完整性和效率与债务期限的正相关关系，因此，积极地借鉴国外相关法律的成功经验，完善我国公司债权人保护等法律制度，提高执法质量和效率，不仅可以保障信贷资产安全和金融安全，而且可以为我国上市公司寻求合理的债务期限结构提供基础制度环境。

参考文献：

[1]Diamond，D．W．Debt Maturity Structure and Liquidity Risk.Quarterly Journal of Economics，1991(106)：709-737

[2]Myers，Determinants of Corporate Borrowing.Journal of Financial Economics,1977(5):147-175

[3]FLannnery，M. Asymmetric Information and Risky Debt Maturity Choice.Journal of Finance，1986(41)：19-37

[4]Barclay，M．and Smith Jr．，C．W．The Maturity Structure of Corporate Debt.Journal of Finance，1995(50)：609-631

[5] Guedes,J．and Opler, T．The Determinants of the Maturity of Corporate Debt Issues Journal of Finance，1996(51)：1809-1833

[6]Demirguc-Kunt，A．and Maksimovic，V．Institutions，Financial Markets，and Firm Debt Maturity Journal of Financial Economics，1999(54)：295-336

[7]肖作平．上市公司债务期限结构影响因素分析[J].证券市场导报，2005(3)：51-57

[8]袁卫秋．上市公司债务期限结构的实证研究――来自汽车制造业的证据[J].经济评论，2005(3)：75-80

证券市场显著特征篇8

该基金除了延续银华基金分级产品结构的诸多优势外，还以自身三类份额的鲜明特点迎合了不同风险收益偏好投资者的需求，为投资者提供了类固定收益的稳健收益类基金份额（即“银华转债A份额”），类期权的杠杆收益类基金份额（即“银华转债B份额”），以及可代表可转债风险收益特征的母基金份额（即“银华转债份额”）。

将类期权工具引入二级市场

可转债作为债券投资的品种之一，具有债权和期权的双重属性，其持有人可以选择持有债券到期，获得公司还本付息；也可以选择在约定的时间内转换成股票，享受股利分配或资本增值。银华中证转债指数增强分级基金在产品结构上首次将转债的双重属性进行剥离。

在份额结构设计方面，该基金将场内母基金份额按照7：3的比例分拆成两类子份额，即“转债A份额”和“转债B份额”，以实现将转债中的纯债部分和期权部分进行分离。转债A份额具有类固定收益属性，而转债B份额具有类期权属性，两类份额均在深圳证券交易所上市交易，进一步丰富了场内投资者的交易工具。

“攻守兼备”收益更稳定

银华中证转债指数增强分级基金投资的标的指数是中证可转换债券指数（下称“中证转债指数”），该基金采取跟踪指数的增强型投资策略，便于投资人通过清晰的投资策略和透明的投资组合进行判断和操作；同时，基金经理将通过适时选取转股时机等优化策略进行适当增强，力求为投资人获取超越业绩比较基准的稳健收益。

中证转债指数的样本由在沪深证券交易所上市的可转换债券组成，以反映国内市场可转换债券的总体表现。该指数基日为2002年12月31日，基点为100点，指数代码为000832。

中证转债指数历史收益率与A股市场主要股票指数非常接近，但其波动率显著小于股票指数，因此，其风险调整后的收益更高。

一只基金、三种工具

银华中证转债指数增强分级基金为客户提供了三种不同风险收益特征的工具，即母基金份额具有可转债风险收益特征；转债A份额具有低风险、收益相对稳定的特征，相比于其他永续型股票分级基金A级份额，银华转债A的“久期”显著缩短，这意味着投资者可以更短的时间收回本金，在收益率相同的前提下，银华转债A更具吸引力；银华转债B份额具有高风险、高预期收益的特征，且具有期权属性，在特定条件下（如股市上涨，成份券转为相应的正股的条件下），具有更强的弹性特征。加之基金管理人可以进行诸如主动选择转股时机等的指数增强策略，可以提升母基金收益及银华转债B份额收益。

工具1：银华转债份额

功能：转债具有债权和期权的双重属性，其持有人可以选择持有债券到期，获取转债本息；也可以选择在约定的时间内转换成股票，享受股利分配或资本增值。银华转债份额将跟踪中证转债指数，进可攻、退可守，具有攻守兼备的功能。

特点：在没有增加投资者成本的前提下，该份额内含分拆套利期权，提供额外交易功能。同时，指数化产品的产品风险收益特征明确，投资者更易把握。

客户定位：需要做资产配置的机构或个人；时间紧或投资经验不足，认可转债投资价值，并希望获取转债市场平均收益的机构或个人投资者。

工具2：银华转债A份额

功能：银华转债A可以满足偏好固定收益和稳定现金流，且只愿承担较低风险的投资者的需求。银华转债A年约定收益率为一年期银行定期存款利率+3%，每年12月第一个工作日将进行该基金的定期份额折算，将收益以母基金份额形式分配给投资者。

特点：该基金的“上拆”与“下拆”阀值分别为母基金份额净值达到1.500元，转债B份额净值达到0.450元。由于该基金相对于目前市场上绝大部分股票分级基金降低了上阀值，提高了下阀值，同时增加了初始杠杆倍数，因此，相比其他永续型股票分级基金A份额，银华转债A的“久期”显著缩短。

客户定位：保险公司等低风险偏好的机构投资者，以及追求资产稳定回报的个人投资者。

工具3：银华转债B份额

功能：银华转债B可以满足偏好较高杠杆收益且能够承受高风险的投资者的需求。

特点：由于转债A份额与转债B份额的份额配比为7：3，因此，该基金银华转债B的初始杠杆倍数达到3.33倍，存续期内平均净值杠杆倍数远高于股票分级B份额杠杆倍数；银华转债B份额具有类期权属性，在特定条件下，弹性更高、进攻性更强。

客户定位：具有较高的风险收益偏好，对证券市场有较深刻的理解，对转债市场走势有着良好的判断能力的机构或个人投资者。

综上，银华中证转债指数增强分级基金以转债为投资标的，引入分级机制，类似实现转债价值中期权价值与债券价值的分离、为投资者提供了三类风险收益特征各异的工具，便于不同风险收益偏好的投资者各取所需。

一是标的指数清晰透明、风险收益特征明确的银华转债份额。该基金采取被动的投资方式，有利于以较低的管理费率、托管费率和换手率降低投资者和基金的投资成本；而且该基金标的指数——中证转债指数呈现出较好的进可攻、退可守的特征；此外，银华转债份额内涵分拆套利期权，相对于普通的转债指数基金额外增加了一份期权价值。

二是“久期”显著缩短的银华转债A份额。该基金的银华转债A份额约定年基准收益率为“1年期同期银行定期存款利率+3%”，按照当前的利率水平，银华转债A份额持有人每年有望获得6%的收益，这些收益每年将定期折算成基础份额并分配给投资者，有利于投资者及时兑现收益。