《精品资料2022年收藏中国股票市场杠杆效应与涨跌停板制度的实证分析》由会员分享，可在线阅读，更多相关《精品资料2022年收藏中国股票市场杠杆效应与涨跌停板制度的实证分析（8页珍藏版）》请在金锄头文库上搜索。
1、中国股票市场杠杆效应与涨跌停板制度的实证分析沈坤荣 方文全（南京大学商学院经济系，江苏南京 210093）摘要：本文针对股票市场收益率数据序列的ARCH特性，使用EGARCH模型，对自成立以来的上海和深圳股票市场的指数数据进行实证研究，验证了中国股票市场存在收益率波动非对称性即杠杆效应。通过引入涨跌停板制度变量进行分析检验，揭示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的正相关作用；同时引申认为，交易制度等因素对股票市场的波动特性具有重要的影响。关键词：EGARCH 杠杆效应 波动非对称性 涨跌停板一、引 言股票市场的波动特性与市场的资产定价和组合选择紧密相关
2、。资产定价理论认为，股票市场收益率的波动性与信息所包涵的风险溢价存在正相关关系。但是，进一步的研究发现，利好和利空消息对收益率波动的影响是不对称的，同等强度的利空消息比利好消息导致的市场波动更大，利好消息导致条件波动率降低，而利空消息导致条件波动率变大，即存在“杠杆效应”。Black(1976)首先揭示并使用的“杠杆效应”这个术语进行描述非对称性波动，后续的经验研究文献在许多方面推进了研究，(如Nelson(1991)，Engle and Ng(1993)，Glosten et al.(1993)等)。关于股票市场收益率波动性的研究成果，成为资产定价和投资策略选择实证分析的重要组成部分。Chi
3、ang et al(2002)的经验研究表明，世界范围内的成熟股票市场都存在不对称波动的“杠杆效应”。而中国股票市场自从建立以来，一直存在着所谓的“牛短熊长”现象，尤其是从1996年12月实施涨跌停板制度以来，这种情况更为明显，这似乎是非对称波动的一种形式。近年来，理论界对股市的波动性特征逐渐给予了关注，出现了一些研究成果。刘金全和崔畅(2002)初步揭示沪深两市存在杠杆效应；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；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；何兴强(2004)检验了上证指数以及八个分类指数，证实确实存在杠杆效应；赵
4、留彦和王一鸣(2003)、陈学华和杨振耀(2004)等也从不同的角度验证了波动非对称性；但是研究从开市以来至今的全样本数据序列的不对称波动及其相关因素的文献还比较缺乏。对于股票收益的不对称波动，理论上存在不同的观点和解释。早期的观点一般认为基本面因素导致了杠杆效应，Campell and Hentschel (1992)从财务杠杆和反馈效应两方面来解释杠杆效应，认为股票价格的波动性是公司财务杠杆比率的正函数，财务杠杆越高，波动性越高。预期股票收益下跌会导致公司价值的降低，增加财务杠杆比率和持股风险，从而加剧波动性；反之，股票价格的上升会降低财务杠杆比率比率，减少波动性和持股风险。因此，股票价格
5、的波动性与公司财务杠杆比率呈现的正相关关系，与股票当期收益呈现负相关关系。同时，由于投资者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要比好消息的冲击来得更大，导致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)。Bollerslev et al. (2005)最新研究结果证实了高频数据中这种反馈机制的存在，利好消息连续出现可能将增大股票价格的未来波动，这反过来会提高投资者对股票的预期回报，降低股票价格，削弱利好消息对股价波动的正向效应。而Tauchen et al(1996)认为，金融市场高频数据中，波动不对称
6、性特点尤其明显，说明市场的微观结构对杠杆效应具有明显的影响。Figlewski and Wang(2000)等文献的经验分析结果则认为，财务杠杆并非产生波动非对称性的主要原因。Rogers et al.(2004)认为，操纵信息披露是导致股市杠杆效应的关键因素，同时分析比较了不同交易环境中的杠杆效应，指出外部制度对波动性产生显著的影响。涨跌停板制度是中国股票市场一项重要的交易制度，是否可能导致波动特性发生重要的变化？孙培源和施东晖(2001)，刘煜辉等(2003)，孙培源和范利民(2004)等初步考察了涨跌停板制度条件下股市波动的动态变化，本文将直接对中国股票市场的杠杆效应和涨跌停板制度进行经
7、验分析。本文余下部分的内容是：第二部分为样本数据的整理和分析，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、数据与方法股票市场收益率序列，为股票价格对数的一阶差分：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，分别采集上证综指和深证成指的收盘价，计算出日收益率数据。关于中国股市波动非对称性研究的现有文献，通常只采用部分收益率数据，没有纳入市场发展早期阶段的数据，对股票价
8、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2004年底的交易数据进行实证分析。数据来源于CSMAR。上证综指从1990年12月20日开始到 2004年12月31日，共3437个日收益率数据；深证成指从1991年4月4日到2004年12月31日，共3394个日收益率数据。中国股票市场从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和样本2。具体如图1所示（阴影中数据为样本1）。 A：上证综指 B：深证成指图1 上证综指和深证成指日收益率在进行建模实证分析之前，先对采集到的收益率数据
9、序列进行统计检验，表1列举了对上证综指和深证成指共6个样本的收益率序列的统计分析结果。 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J-BLB(12)ADF 样本数量上证指数0.000740.00077143.566.142964159*50.140*-24.088*3437子样本10.001610.0014493.255.52546314*29.595*-15.724*1497子样本20.000070.000266.93-0.303883*23.786*-19.744*1940深圳成指0.000330.0005715.970.5436133*64.499*-24.173
10、*3394子样本10.000990.0009212.700.649789*48.051*-14.536*1454子样本2-0.000160.000316.04-0.252951*25.307*-19.292*1940注：*，*和*分别表示在1%、5%和10%置信水平上显著（下同）。J-B为正态分布的Jarque-Bera检验，LB(12)为滞后12阶的自相关Ljung-Box检验，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0.074%和0.033%；偏度值分别为6.14和0.54，说明分布是有偏的；峰度值为143.56和15.97，均远远高于正态分布时的峰度
11、值3；J-B检验值为2964159和36133。各个子样本序列的情况相似。可以看出，沪深股市日收益率序列显著异于正态分布，尖峰厚尾现象非常明显。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ADF检验值为-24.09和-24.17，均小于MacKinnon临界值-3.44(1%水平)，拒绝序列存在单位根的原假设，说明日收益率序列为差分平稳序列。Ljung-Box(12)检验结果显示，沪深股市日收益率序列显著自相关，这与大多数文献的研究结果相互印证，说明上海综指、深圳成指日收益序列具有时变条件异方差特征，即具有明显的ARCH效应。因此，在研究股票收益率的波动性时，通
12、常需要使用ARCH族模型。Engle and Ng(1993)，Laumoureux and Lastrapes (1993)等都指出，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模型来检验我国股市波动的杠杆效应。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(3)中，统
13、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的大小，则表示冲击影响的方向；称为杠杆系数，说明不存在杠杆效应，说明存在杠杆效应。项揭示期波动与期波动的关系，如果参数为显著的正值，表明存在动量效应。三、实证分析1、EGARCH实证结果利用上述整理分析过的不同样本数据，对EGARCH模型进行参数估算，得到实证结果见表2。表2 上证综指 C和深证成指日收益率EGARCH实证结果0101LogL上证综指-5.52E-05(0.8116)0.14313*(0.0000)-0.67852*(0.0000)0.37679*(0.0000)-0.05116*(0.0000)0.9484
14、2*(0.0000)8624.97子样本10.00291*(0.0000)0.17087*(0.0000)-0.70164*(0.0000)0.53719*(0.0000)0.05701*(0.0000)0.94981*(0.0000)3255.44子样本2-0.00034(0.1987)0.00991(0.6649)-0.54879*(0.0000)0.26929*(0.0000)-0.04311*(0.0000)0.95915*(0.0000)5555.60深证成指-0.00025(0.4844)0.05161*(0.0065)-1.85980*(0.0000)0.37781*(0.0000)0.04063*(0.0001)0.79219*(0.0000)8377.46子样本1-0.00471*(0.0000)0.05213*(0.0894)-2.64059*(0.0000)0.51926*(0.0000)0.06870*(0.0016)0.68251*(0.0000)3202.15子样本2-0.00049*(0.0918)0.02391
