（企业管理专业论文）中国股票市场的行业指数分析.pdf

内容摘要 随着经济全球化发展，越来越多的国家就关税和贸易方面达成共识，一些地 区建立了贸易区，导致国家间的经济整合度大大提高。近年来，国外许多研究均 表明，相对于国家因素来说，行业因素对投资者制定投资组合策略越来越重要。 由此可见，行业分析对投资者制定投资决策和进行资产组合管理的重要性进一步 提高。具体到中国股票市场，各行业股票价格指数的波动性呈现怎样的变化特征、 各行业的波动性之间有无协同变化的规律、各行业的表现如何、相互关系如何是 投资者在进行投资决策时所关心的问题。 本文首先采用深交所依据上市公司行业分类指引所编制的行业指数日数 据。按照季度分时段计算行业的平均收益并排序，在实证研究中首次采用k e n d a l l 协同系数检验方法研究了行业收益排序次序的稳定性。结果表明，1 3 个门类行 业指数问收益的排序次序具有一定的稳定性，即有些行业的收益始终较高或始终 较低；9 个制造业次类行业指数间收益的排序次序的稳定性较差。对投资者选择 行业具有一定的指导作用。 然后采用四种具有代表性的衡量波动性的指标来研究行业指数的波动特征， 结合对行业风险差异的探讨将总风险量化分解为与市场相关的风险和行业特有 的风险两部分，对各行业的风险特征进行深入分析，并探讨了行业指数的波动性 与行业指数成份数的相关性。实证研究采用深交所编制的行业指数数据，分阶段 估计股票行业指数的波动性，并进行k e n d a l l 协同系数检验。结果表明不同阶段 的行业波动性指标排序间存在一致性，即行业问的波动性大小次序相对稳定。本 文的结论刻画了中国股票市场行业股票指数间的波动性特征，与国际上的相关研 究成果具有可比性，对资产在行业间的配置等投资策略问题的研究有参考价值。 再次，本文使用上述两个总体波动性指标和行业平均收益率，分析了行业收 益与风险间的关系。采用深交所的行业分类指数数据进行实证研究，利用 p e a r s o n 相关系数检验和s p e a r m a n 相关系数检验，考察了行业收益与波动性指 标间的相关性。研究结果表明行业的收益与波动性之间的相关性是不断变化，与 成熟市场的结论存在一定差异，有助于加深投资者对我国股票市场的了解。 最后，本文提出对行业指数收益率序列分阶段进行聚类分析的动态分析方 法，综合考察行业的收益和风险，以研究行业问的相互关系及其演化过程。利用 深交所的行业分类指数数据进行实证研究提出基准类的概念，分析了各行业相 对于基准类的紧密性、稳定性，以及各行业问的相似程度，并探讨了有关宏观经 济事件对行业间的相互关系的影响。研究方法不依赖于行业收益率序列的概率分 布，研究结果有助于加深投资者及监管部门对行业间相互关系的了解，对投资决 策具有参考价值。 关键字：行业分析；行业指数；收益；波动性；相对稳定性；k e n d a l l 协同系数检验；聚类分析 a b s t r a c t w i t ht h eg l o b a l i z a t i o no fe c o n o m y , s o m et a r i f fw a l l sh a v eb e e nc l e a r e da w a ya n d s o m et r a d ea g r e e m e n t sh a v eb e e nc o m et r u c a sar e s u l t ，t h ec o n f o r m i t yo ft h e e c o n o m yo ft h ew o r l dh a sb e e ni m p r o v e dal o t s o m es t u d i e so v e r s e a si n d i c a t et h a t i n d u s t r ys e c t o re f f e c t sa r em o r ei m p o r t a n td u r i n gt h ee q u i t ya l l o c a t i o np r o c e s so f i n v e s t m e n tm a n a g e r sa n di n v e s t o r st h a nc o u n t r ys e c t o re f f e c t s t h ep a t t e r no f v o l a t i l i t yo fi n d u s t r yi n d i c e sa n dt h er e l a t i v eo r d e ro fv o l a t i l i t yo fi n d u s t r yi n d i c e sa r e i n t e r e s t i n gt oi n v e s t o r sa n di n v e s t m e n tm a n a g e r s f i r s t l y , u s i n gi n d u s t r yi n d i c e sf r o ms h e n z b e ns t o c ke x c h a n g e ，t h ea v e r a g ed a y r e t u r n so fi n d u s t r yi n d i c e sa r ec a l c u l a t e ds t a g eb ys t a g e ，a n dt h e nk e n d a l l7 sc o e f f i c i e n t o fc o i n c i d e n c ei su s e dt oe x p l o r et h ec o m p a r a t i v eb e h a v i o ro fi n d u s t r yi n d i c e sr e t u r n s e m p i r i c a l l y t h ee v i d e n c eo ft h es t a b i h t yo fr e t u r no ft h e1 3d i f f e r e n ti n d u s t r yg r o u p s i sp r o v i d e db yr a n kc o r r e l a t i o nt e s t s t h es i g n i f i c a n c eo ft h e s en o n p a r a m e t r i ct e s t s s u g g e s t st h ea c r o s s - i n d u s t r yr a n k i n gr e m a i nr e a s o n a b l yc o n s i s t e n to v e rt i m e ，w h i l en o e v i d e n c ei n d i c a t e st h es t a b i l i t yo fr e t u r no ft h e9d i f f e r e n ti n d u s t r yg r o u p so f m a n u f a c t u r i n g s e c o n d l y , f o u rd e f i n i t i o n so fv o l a t i l i t ya r ep r e s e n t e di no r d e rt os t u d yt h e s t a b i l i t yo fv o l a t i l i t yo ft h ei n d u s t r yi n d i c e sa n dt h er a n k i n g , o ro r d i n a ls t a b i l i t yo f v o l a t i l i t yo ft h ea c r o s s i n d u s t r yr a n k i n g t h ee m p i r i c a ls t u d ys u g g e s t st h ev o l a t i l i t yo f s o m ei n d u s t r yi sm o r es t a b i l i t yt h a nt h eo t h e r s ，i nt h es a l n et i m e ，t h ec o m p a r a t i v e s t a b i l i t yo fv o l a t i l i t yi st e s t i f i e db yt h er a n kc o r r e l a t i o nt e s t s ( k e n d a l lc o i n c i d e n c e c o e f f i c i e n t ) a c r o s si n d u s t r yi n d i c e s ，w h i c hi n d i c a t e st h a ta c r o s si n d u s t r yr a n k i n g r e m a i nr e a s o n a b l yc o n s i s t e n to v e rt i m e t h ec o n c l u s i o nc a nb ec o m p a r e dt ot h a to f t h es t u d yo v e r s e a s t h i r d l y , t oe x p l o r et h ec o r r e l a t i o no fr e t u r na n dv o l a t i l i t y , t h ep e a r s o na n d s p e a r m a nc o r r e l a t i o nc o e f f i c i e n to ft h er e t u r na n dv o l a t i l i t yi st e s t e di ne s p i a ld u r a t i o n a sw e l la sb ys t a g eb ys t a g e t h er e s u l ti m p l i e st h ec o r r e l a t i o no fi n d u s t r yi n d i c e s r e t u r na n dv o l a t i l i t yi su n s t a b l eo rc h a n g e su n s y s t e m a t i c a l l yo v e rt i m e f i n a l l y ，t h ep a p e rs u g g e s t sc l u s t e r i n gt h er e t u r ns e r i e so fi n d u s t r i a li n d i c e s p e r i o d i c a l l yt oe x p l o r et h et i m e v a r y i n gr e l a t i o n sa m o n gi n d u s t r i e s t h ep a p e rs t u d i e s e m p i r i c a l l yt h er e l a t i o n sa m o n gi n d u s t r i e s w ea l s ot r yt oa n a l y z et h ei n f l u e n c eo f s o m em a c r o e c o n o m i ce v e n t so nt h ee v o l u t i o no ft h ec l u s t e r i n gr e l a t i o n s t h es t u d yi n 3 t h i sp a p e rc a l lp r o v i d eu s e f u li n f o r m a t i o nf o ri n v e s t o r st om a k ei n v e s t m e n td e c i s i o n s k e yw o r d ：i n d u s t r ya n a l y s i s ；i n d u s t r yi n d e x ；r e t u r n ；v o l a t i l i t y ；r e l a t i v es t a b i l i t y ； k e n d a l l sc o e f f i c i e mo fc o i n c i d e n c e ；c l u s t e r i n g d 第一章导论 1 1 选题背景及意义 根据宏观经济的发展状况，合理选择所投资的行业是投资者进行股票投资的 基础和前提。随着经济全球化发展，越来越多的圆家就关税和贸易方面达成共识， 一些地区还建立了贸易区，导致国家间的政治经济整合度大大提高。近年来，国 外许多研究均表明，相对于国家因素来说，行业因素对投资者选择投资组合策略、 进行资产管理决策的意义越来越重要。这从某种角度表明研究行业收益和波动性 及其变化模式对投资者的重要性提高了。 行业收益风险分析是投资决策分析和资产组合管理等领域不可缺少的一项 分析工作，有助于加深投资者对我国股票市场的认识，进而采用适当的投资组合 策略。上市公司的业绩无疑受到宏观经济形势的影响，并且与其所处的行业密切 相关。在不同的经济时期，各行业由于各自的背景、结构、变化规律、所处生命 周期阶段等互不相同，导致其赢利水平的高低、经营状况的稳定程度也有所不同。 在不同的宏观经济形势下，各行业的表现如何、相互关系如何、不同时段行业收 益间大小关系的相对稳定性和波动幅度的相对稳定性是投资者在进行投资决策 时所关心的问题，已受到了国内外学者的广泛关注。 1 2 国内外行业研究现状 到目前为止，国内外学者已经开展了多方面的关于行业与股票投资组合收 益、波动之间的关系的研究。从8 0 年代起，国外学者就已经开始这方面的研究， 许多学者认为行业因素是影响股票投资组合收益的重要因素之一，在行业间进行 分散投资可以降低投资风险。并且近几年的研究还表明，行业因素对投资组合的 意义越来越重要。国内相关研究也表明我国股票市场存在行业效应，且不同行业 的成长能力存在差异。 1 2 1 国外行业研究现状 一、 行业因素在股票投资中作用的研究 行业的的发展受宏观经济的影响并且与行业本身的特点相关，在不同行业间 进行分散化投资能否降低降低投资组合风险，对投资组合的影响程度如何，在行 业间分散投资的效应与在不同国家或地区进行分散投资的效应孰高孰低是投资 者关心的问题，国外学者就这方面的问题已开展了多方面的研究 l e s s a r d ( 1 9 7 4 ) 使用行业因素来解释全球股票收益的波动率。他认为，行业 因素对股票收益有影响；同时，与在一个国家多个行业进行分散投资相比，在 个行业多个国家间进行分散投资可以更好的降低投资风险。 r 0 1 1 ( 1 9 9 2 ) 使用f a m a 和m a c b e t h ( 1 9 7 3 ) 回归方法，对1 9 9 8 年4 月到1 9 9 1 年三月的2 4 个国家的指数日数据进行了研究，研究结果表明：行业因素可以对 股票收益的波动率的4 0 做出解释，汇率可以解释股票收益波动率的2 3 。同 时，r o l l 还认为三个基本因素导致国家指数投资组合收益的差异：一、指数构 造的不同：一些国家的构成指数的股票数目多，分散性好，而另外一些国家则不 然；二、指数的行业成份可以解释一些变动；三、名义和实际的汇率变动会导致 货币主导的指数收益变动。 h e s t o n 和r o u w e n h o r s t ( t 9 9 4 ) 使用7 个行业、1 2 个国家的1 9 7 8 年到1 9 9 2 年的股票月收益数据进行了研究，认为行业成份对国家指数收益波动率的解释能 力不超过4 ，他们认为r o l l 所用的提取行业因素的方法，导致行业因素包含 了国家影响，因而高估了行业因素的重要性。 j o h nm g r i f f i n 和g a n d r e wk a r o l y i ( 1 9 9 7 ) 采用有虚拟变量的回归分析 方法，对2 5 个国家、6 6 多行业的1 9 9 1 年1 2 月3 1 日到1 9 9 5 年4 月1 日的道琼 斯指数星期数据进行了分析，结果表明，行业组成对国家指数收益的波动的解释 能力f e d , ，这点与h e s t o n 和r o u w e n h o r s t ( 1 9 9 4 ) 的研究结果相同。并且认为 不同行业的指数变动模式不同：贸易行业( t r a d e dg o o d si n d u s t r i e s ) 的行业 效益比较大。 b a l aa r s h a n a p a l l i 、j o h nd o u k a s 和l a r r yhpl a n g ( 1 9 9 7 ) 使用e n g l e 和k o z i c k i ( 1 9 9 3 ) 拓展的a r c h 模型，对世界经济中具有重要地位的美国、欧 洲和太平洋地区的9 个行业资产定价的波动过程进行了检验，发现行业收益序列 展示了行业间波动共同的随时间变化的波动过程。其研究结果与e n g l e 与s u s m e l ( 1 9 9 3 ) 的研究结果一致，即国家的股票市场通过他们的二阶矩相连。他们的研 究还表明，如果要进行方差不变的投资组合，投资于多个地区和行业比在一个行 业多个国家投资的效果好，即，全球投资的行业组合可以解释国家投资的分散化 带来的益处。这点与r o l l ( 1 9 9 2 ) 的观点一致，认为国家股票交易指数的行业构 成对解释有代表性的收益波动差异具有重要意义。 近年来，由于就关税和贸易协定达成普遍共识，加上大的贸易区的出现，如： 欧共体，北美自由贸易协定和东南亚国家联盟，使不同国家经济政治协调度提高， 尤其是欧洲货币联盟的成员国之间，贸易壁垒减少，发达国家间的经济整合度大 大增强，为企业的全球化提供了条件。因而国家因素的重要性可能会消失，而行 业因素的重要性将不断提高。f r e i m a n ( 1 9 9 8 ) 的研究表明，欧洲市场间的相关 性在1 9 7 0 年代中期到1 9 9 6 年末提高了三倍。b r i n s o n ( 1 9 9 8 ) 和w e i s s ( 1 9 9 8 ) 认为全球行业因素在投资策略中的重要性将不断提高。 s t e f a n o 、c a v a g l i a 、c h r is t o p h e rb r i g h t m a n 和m i c h a e la k e d ( 2 0 0 0 ) 使 用因素模型，利用2 1 个发达国家( 这2 1 个国家构成了m s c i 世界发达市场全体) 的1 9 8 6 年1 月1 日到1 9 9 9 年1 2 月3 日，f t s & p 的3 6 个行业基础上的指数， 他们认为，相对与国家因素来说，行业因素的重要性正在提升，现在已经超过了 国家因素的作用。其研究还表明，在过去的五年中，在全球不同行业间进行分散 投资比在不同国家间进行分散投资能更好的降低风险。 u r i a s 等( 1 9 9 8 ) 假设证券的收益由国家因素或行业因素决定，利用观测到 的国家和指数收益数据进行模拟研究，研究结果表明对欧洲国家行业因素相对重 要性已经提高了，目前它的重要性已绝对地超过了国家因素。 r o n m d 和t j e e r t ( 2 0 0 4 ) 利用多因素回归( 碓u l t i p l er e g r e s s i o n t e c h n i q u e s ) 方法，使用1 9 8 7 年1 月1 日到2 0 0 2 年3 月3 1 日f t s e 市场的所有 股票数据，探讨了股市投资中常使用的四种可能方案：地域分配方案、行业板块 分配方案、价值增长方案、大公司和小公司选择方案。研究结果表明：四种方案 的结果有显著区别。从长期来看，行业板块效用是地域效用的的两倍，是公司大 小和价值效用的六倍。从短期来看，不同股票分配方案间的差异比较小，但是差 异仍很显著。他们认为，无论从短期和长期来看，行业板块的效用均越来越重要 了。 二、行业间的关系及其变化方面的研究 以上研究表明行业是影响投资组合收益率和波动性的重要因素，并且行业对 股票收益率和波动性的影响越来越重要，即行业越来越成为投资组合决策所必须 考虑的因素。在行业问进行分散化投资，就需要对行业间的关系进行分析以便于 制定更好的投资组合策略。由于行业的发展受多种因素的影响，行业在不同生命 周期表现各异，对行业间的关系具有一定的影响。行业间的收益大小关系和波动 强弱是否具有相对稳定性，行业间的关系是否不断变化是投资者进行行业分析时 所要考虑的问题。国外学者已开展相关研究。如： m a r i a n am a z z u c a t o 和w i l l is e m m l e r 研究了1 9 2 1 年一1 9 9 5 年汽车行业的 市场份额、股票价格和收益数据，把数据分为公司水平和行业水平数据，并分别 按照时间分为三段1 9 2 1 年1 9 5 8 年、1 9 5 9 年1 9 9 5 年和1 9 2 1 年1 9 9 5 年分别 研究，结果表明股票价格的波动性在不同的行业生命周期展现出不同的模式，因 而行业的特有现象会影响超常波动的程度。在行业生命周期的前期( 1 9 2 1 年 1 9 5 b 年) ，市场的超常波动性比较高，原因在于市场份额的不确定性导致对将来 增长率的预测比较困难，因而衡量市场价值比衡量实际业绩更难以控制。行业生 命周期的后期( 1 9 5 9 年1 9 9 5 年) ，不同公司的市场份额、股票价格和市盈率的 差异意味着市场份额日益稳定了，投资者更愿意对某些公司进行投资，因为他们 对预测这些公司的将来业绩更有信心。 j a c o bb o u d o u k h 、m a t t h e wr i c h a r d s o n 和r o b e r tf w h i t e l a w ( 1 9 9 4 ) 利用 费雪模型，使用1 9 5 3 年到1 9 9 0 年间均存在交易的股票的数据和行业产量进行研 究。结果表明，非循环行业的股票收益与预期通货膨胀正相关，而循环行业则相 反。 r o b e r tas c h w a r t z 和e d w a r di a 1t m a n ( 1 9 7 3 ) 利用s & p 5 0 0 对行业的分 类法，分1 9 个行业，对1 9 5 8 年1 9 6 7 年5 2 0 周的行业股票价格指数进行了分 析，每半年为一段，应用四种波动性指标，每个波动性指标的计算使用了2 6 个 数据。研究结果表明，行业间的波动性关系是相对稳定的；同时，单个行业的波 动性是不稳定的，它的变化模式尚未确定。但是，根据行业的主要的波动性指标， 可以对行业进行归并，分为高、偏高、偏低和低四类，从而把波动性模式不稳定 的行业分离出来。研究结果还表明，公司的行业分类对分析股票价格的波动性是 有意义的。 1 2 2 国内行业研究现状 国内学者也结合国情开展了许多富有特色的关于行业分析方面的研究工作。 有对单个行业进行的分析。如，朱武祥、宋勇( 2 0 0 i ) 对家电行业上市公司的股权 结构与企业价值的关系进行了分析；田素华、顾允平( 2 0 0 0 ) 对w t o 体制下的中国 服装业进行了分析；林伯强( 2 0 0 3 ) 利用宏观经济学的方法提出一个长期电力需求 模型以分析影响中国电力需求的主要因素，并用一个误差修正模型为预测中国电 力总需求的波动提供了适合的框架。也有关于上市公司所属行业与股票价格变 化的关系的研究。如，范龙振、王海涛( 2 0 0 3 ) 利用约束回归分析法对回报率的行 业和地区效应进行了横截面和时间序列分析，表明中国股票市场具有明显的行业 和地区效应：宋逢明、梁洪昀( 2 0 0 1 ) 研究了在取消发行市盈率限制后的9 5 只股 票的初始回报率水平及影响这一水平的因素，发现二级市场上的行业的平均市盈 率以及股价总水平等是影响初始回报的主要因素。还有就某一事件或某一模型对 各个行业展开的分析。如，王幼军( 2 0 0 0 ) 分析了加入l g r o 对我国各个行业的影响； 赵宇龙、易琮( 1 9 9 9 ) 利用经典的股票计价模型和资本资产定价模型计算各行业的 成长系数，揭示了各行业的未来成长能力不同，并解释了不同的计算基础会导致 差异以及市场对行业成长能力可能存在的高估和低估情况 同时也开展了许多股票市场的波动性方面的研究。整个市场的研究，陈千里 和周少甫( 2 0 0 2 ) 利用g a r c h 类模型对上证指数收益的波动性进行了研究，结果表 明我国股市收益的波动性具有与发达国家成熟股市相似的特点。史代敏( 2 0 0 2 ) 运用协整分析方法考察了沪深股票市场波动的联动关系，结果表明沪深股票市场 之间存在长期稳定的联动关系。蒋祥林、王春峰和吴晓霖( 2 0 0 4 ) 的实证结果表明， 促使中国股市低波动状态向高波动状态转移的主要原因是股市的政策因素。宋逢 明、江婕( 2 0 0 3 ) 采用三种模型对中国股票市场的波动性进行了估计，并与s & p 5 0 0 成份股的波动性进行了比较，结果表明1 9 8 8 年以后中国股票市场的总风险与成 熟市场相当，但系统风险所占比重一直较大，相对稳定性明显差于成熟市场。 1 3 本文研究工作的创新 本文使用深交所依据上市公司行业分类指引所编制的行业指数数据，旨 在研究各行业指数间的相互关系，即各行业股票价格指数的波动性呈现怎样的变 化特征，各行业的收益之间和波动性之间有无协同变化的规律等问题。我们认为 行业问的相互关系不是一成不变的，而是随着宏观经济形势的变化和行业本身生 命周期的变化而不断演变的，我们关注的事，这种演变对行业间的收益率和波动 性的相对关系有无影响。本文使用k e n d a l l 协同系数检验分析了不同时段各行业 间收益关系和风险关系的稳定性，并对行业的风险和收益关系进行了初步分析， 研究方法与国际接轨。进而提出了采用分时段聚类分析方法对各行业的日收益率 进行研究的方法，探讨行业收益率问的相近程度，以及这种相近程度的动态变化。 本文的传新点主要包括以下几个方面： 本文首次采用k e n d a l l 协同系数检验方法研究了行业收益排序次序的稳定 性。实证研究采用行业指数数据，按照季度分时段计算各行业的平均收益率并排 序，然后采用k e n d a l l 协同系数检验来考察不同时段相对收益次序的稳定性。结 果表明，门类行业指数间收益的排序次序具有一定的稳定性，即有些行业的收益 始终较高或始终较低；制造业次类行业指数间收益的排序次序的稳定性较差。对 投资者选择行业具有一定的指导作用。国内外尚无类似结论。 再次，研究了各行业指数波动性的相对大小关系是否稳定，即行业价格指数 的波动性大小次序关系在不同的时间阶段是否呈现一致性。r o b e r tas c h w a r t z 和e d w a r di a l t m a n ( 1 9 7 3 ) 对行业指数进行了类似的研究。本文借鉴了他们的 研究方法，采用四种计算行业价格指数短期波动性的指标，并使用k e n d a l l 协同 系数检验方法、用曰数据按季度分阶段对深市各行业价格指数波动性之间相对关 系的一致性进行实证研究。结果表明不同阶段的行业波动性指标排序间存在一致 性，即行业间的波动性大小次序相对稳定。本文的结论刻画了中国股票市场行业 股票指数间的波动性特征，与国际上的相关研究成果具有可比性，对资产在行业 问的配置等投资策略问题的研究有参考价值。 最后，本文提出对行业指数收益率序列分阶段进行聚类分析的动态分析方 法，综合考察行业的收益和风险，以研究行业间的相互关系及其演化过程。利用 深交所的行业分类指数数据进行实证研究，提出基准类的概念，分析了各行业相 对于基准类的紧密性、稳定性，以及各行业间的相似程度，并探讨了有关宏观经 济事件对行业间的相互关系的影响。研究方法不依赖于行业收益率序列的概率分 9 布，研究结果有助于加深投资者及监管部门对行业间相互关系的了解，对投资决 策具有一定的参考作用。 1 4 论文结构 本文利用深市行业指数和深证综指的历史数据对行业指数的收益特征和波 动特征进行了实证研究，旨在探讨行业间的关系及其变化过程。本文分为八章： 第二章首先介绍了本文所用数据及德号，然后采用四种具有代表性的衡量波动性 的指标来研究行业指数的波动特征，结合对行业风险差异的探讨将总风险量化分 解为与市场相关的风险和行业特有的风险两部分，最后对本文中所用的k e n d a l l 协同系数检验和聚类分析方法的基本原理做了介绍：第三章到第七章为实证研究 部分，第三章利用k e n d a l l 协同系数检验方法研究了行业指数平均收益率的相对 大小关系的稳定性或一致性，即某些行业的平均收益率在各个时段是否始终较高 或较低：第四章使用简单的行业波动性指标的均值和方差分析单个行业波动性的 稳定性，并对行业指数波动性与行业指数成份数进行相关分析，以研究行业指数 成份数对行业指数波动性的影响。第五章对中国股票市场各行业的风险特征进行 深入分析，分时段估计股票行业指数的波动性，并进行k c n d a l l 协同系数检验以 研究各行业指数波动性的相对大小关系是否稳定，即行业价格指数的波动性大小 次序关系在不同的时间阶段是否呈现一致性。第六章首先计算整个观察期的两个 总体波动性指标和行业风险收益率并对其进行相关性检验，然后按照季度分段计 算总体波动性指标和行业风险收益率并进行相关性检验。以研究行业指数的收益 与波动性的长期和短期相关性。第七章采用分阶段聚类分析方法对各行业的日收 益率进行聚类分析，探讨行业收益率间的相近程度，以及这种相近程度的动态变 化。还利用动态聚类分析的结果探讨了有关宏观经济事件对行业问的相互关系所 产生的影响，并且探讨行业收益率聚类分析对投资决策的意义。第八章对本文研 究进行了总结，拟指明以后的研究方向。 1 0 第二章研究方法及数据选取 股价是公司未来盈利能力的预报器，股市的价格指数是一个先行经济指标。 本文尝试使用行业指数，对行业间收益率关系的变化进行探讨，拟得出对投资者 优化行业结构有意义的信息，使得投资者对其资源进行最佳配置，获取最大的投 资效益。本章主要对本文中使用的符号和行业数据做了说明，并简单介绍了 k e n d a l l 协同系数检验和聚类分析方法。 2 1 行业指数数据 中国证监会2 0 0 1 年4 月发布了上市公司行业分类指引，它是目前用于中 国上市公司行业分类的官方标准。指引将上市公司的经济活动分为门类、大 类两级，中类作为支持性。由于上市公司集中于制造业，指引在制造业的门 类和大类之间增设辅助性类别( 次类) 。深交所依据指引中的门类划分，编 制了1 3 个门类行业指数和9 个制造业次类行业指数，行业指数名称和行业代码 见表2 1 和表2 2 。 表2 1 ：上市公司的门类行业划分 行业代码行业指数指数成份行业代码 行业指数指数成份 a 农林牧渔指数 1 2 h 批发零售指数 3 7 b 采掘业指数 1 0i 金融保险指数 3 c 制造业指数 3 3 0 j房地产业指数 2 0 d 水电煤气指数 2 lk 社会服务指数 1 9 e 建筑业指数 8l传播文化指数 3 f 运输仓储指数 1 9m 综合类指数 3 6 g 信息技术指数 2 9 表2 2 ：制造业次类行业划分 指数指数 行业代码行业指数行业代码行业指数 成份成份 c o 食品饮料指数 2 8c 5 电子指数 2 2 c 1 纺织服装指数 2 9c 6 金属非金属指数 5 3 c 2 木材家具指数 lc 7 机械设备指数 9 4 c 3 造纸印刷指数 l oc 8 医药生物指数 2 l c 4 石化塑胶指数 6 3 深交所从2 0 0 1 年7 月2 同起开始编制并公布这些行业分类指数数据。本文 1 1 采用深交所自2 0 0 1 年7 月至2 0 0 4 年1 2 月公布的1 3 个行业分类和9 个制造业次 类行业指数和深证综指的日数据进行分析，以研究各行业问的波动性关系的稳定 性。与r o b e r tas c h w a r t z 和e d w a r di a 1 t m a n ( 1 9 7 3 ) 的研究工作类似，为探 讨波动性，本文直接对价格( 而不是收益率) 数据进行分析：不同于他们采用周 数据按半年划分阶段，本文采用日数据按季度进行阶段划分，以利于更好地刻画 行业价格指数的收益与波动特征，同时使每一阶段的样本量较为充分。 2 2 衡量行业指数波动性指标的定义 采用波动性衡量行业指数价格的风险，首先要对波动性做出合理的定义，使 指标不仅能够反映行业的风险，而且便于不同行业指数问进行比较。 估计波动性的模型可以分为两类：静态模型和动态模型。静态模型假设价格 或收益的方差是稳定的，这种方法比较简单，但股票或指数的价格和收益往往具 有异方差性。使用动态模型可以更好的估计波动性，常用a r c h ，g a r c h 等模型来 估计波动性，例：陈千里，周少甫( 2 0 0 2 ) 利用g a r c h 类模型对上证指数的波动性 进行了实证研究。本文使用了以下模型对行业的波动性进行了衡量。 模型一：考虑到行业指数的大小和整个市场的波动水平，对行业指数的标准 差进行调整，得到如下波动性指标： v c jm 籍 其中盯，为第j 个行业价格指数的标准差，盯，为整个市场价格指数的标准差； j i ，丘分别代表行业价格指数的均值和市场价格指数的均值。 波动性指标k ，的分子为第j 个行业价格指数的变异系数( c o e f f i c i e n to f v a r i a t i o n ) 。分母为市场价格指数的变异系数。由于不同行业指数的大小不同， 各行业指数标准差之间缺乏可比性，采用变异系数( 标准差除以均值) 表示波动 性可以使不同行业在同一时段的波动性之间具有可比性。进步用单个行业指数 的变异系数除以整个市场指数的变异系数，可以去除整个市场波动水平的影响， 刻画出行业指数特定的波动性，从而使各行业指数的波动性在各个时间阶段之间 也具有可比性。 模型二：考虑到行业价格指数和市场价格指数会存在一定的长期增长趋势， 本文讨论的是短期波动性水平，故采用去除价格指数的长期趋势的波动性指标。 并且在此模型下将总风险分解为与市场相关的风险和行业特有的风险两部分。 ( 1 ) 、建立价格指数的长期趋势模型 利用最小二乘法对行业指数和市场指数进行如下回归： l n ( p p ) - f + b s t + “n( 2 ) l n ( 只。) ；口，+ b i t + u n( 3 ) 其中，下标j 代表行业，下标i 代表市场，t 为时间，“ 和“为误差项。i n o p ) 为t 时刻j 行业股票价格指数的自然对数，i n ( 匕) 为t 时刻市场指数的自然对数。 通常认为股票价格指数是服从对数正态分布的，在回归方程( 2 ) 和( 3 ) 中， 价格指数被转换成自然对数。本文将采用日数据进行实证研究，回归方程的斜率 ( 6 ，和6 ，) 对应了指数的日增长率。 ( 2 ) 、计算残差 计算回归残差，即对数价格指数的实际值与估计值( 由回归方程计算) 之差： p r = l n ( 子) ( 4 ) 。l n ( 知 + ( 5 ) 其中幺，t 为由方程( 2 ) 和( 3 ) 得出的估计值。r p ，r 。已经去除了长期趋势， 可用来表示行业价格指数和市场价格指数的短期变动，这种变动是不能由长期增 长趋势解释的。 ( 3 ) 、定义波动性指标 本文将采用1 3 个行业三年半的日数据，按照季度划分为1 4 个时段。每个时 段对行业指数和市场指数按模型( 2 ) 和( 3 ) 进行回归，得到各指数的残差。记 r 。为第k 个时段第j 个行业价格指数的第t 日的残差，r 且为第k 个时段市场 价格指数的第t 日的残差。对时段k ，将各个行业指数的残差对市场指数的残差作 回归，方程如下： r k 。r = a k i + p k i i r k b + k 。口 蛐 其中，为误差项，t = l ，2 ，n 表示季度内的交易日期，j = l ，2 ， 1 3 表示行业，k = l ，2 ，1 4 表示时段( 即季度) 。利用以上方程对1 3 个行业，1 4 个季度进行回归。 由方程( 6 ) 可得到三项衡量波动性的指标，分别用来表示行业总的短期波动 性、行业特有的波动性和行业总波动性中与市场相关的波动性。 i ) r j 打的方差可用来表示行业的总体波动性( 已去除长期趋势) ，用峙表 示： = 仃；。 ( 7 ) i i ) 方程( 6 ) 的误差项“，p 是回归方程中解释变量皿m 无法解释的部分，反 映了行业价格指数短期变动中与市场指数变动无关的部分，其估计值( s ) 的平方可用来表示行业本身特有的波动性，记为k ，： 。，。 ( 8 ) l i d自然地，可用行业的总体波动性与行业本身特有的波动性之差来表示 行业指数波动性中与市场相关的部分，记为p 0 ： - 一 【9 ) 事实上，可以证明、- 魔，p 缸，其中以，为行业指数残差对市场指数残差 的回归斜率系数。从而，可转用来衡量与市场相关的行业短期波动： 一磙 ( 1 0 ) 2 3k e n d a l l 协同系数检验 在研究序列间的相关性通常使用相关系数来检验，如，宋逢明、江婕( 2 0 0 3 ) 利用s p e a r m a n 相关系数检验了股票波动性的相对稳定性，并分析了个股波动性 在整个市场中所处相对位置的变化。相关系数检验只能同时对两个序列间的关系 进行分析，不能对多个序列进行同时分析比较。使用相关系数对多个序列进行相 关性检验时，最终得到一个相关系数矩阵，但是观察相关系数矩阵并不能说明多 个序列间相关程度。为此，本文使用k e n d a l i 协同系数( 或称为k e n d a l l 协和系 数) 检验来分析行业波动性和收益率在不时段的排序次序的相关性。 k e n d a l l 协同系数w 用来测量n 个行业的m 个时段秩排序的相关性，则表明 这m 个时段的排序次序具有一定的一致性，排序关系比较稳定，因而也称为一致 性或稳定性。假设n 个行业的m 个时段的按照波动性大小排序次序如下表： 表2 3 ：等级排序表 行业( n 个) a 1a 2a n 时段l r l lr 1 2 r l n 时段2 r 2 1r 2 2 r 2 n - 时段m r 椭lr m 2r m n 秩和r ，2 z r - 2 艺r ：2 z r z 驴善如 若m 个时段秩排序的结果完全相同时，r j 的取值应为m ，2 m ，3 m ，n m 。m 个 时段秩排序之间相关程度，是通过n 个秩和之间的差异反映出来的。协同系数w 就是这种差异的函数。k e n d a l l 协同系数定义为： 肛志n 垅f 挖。一) 1 4 其中s 是个体的总秩与平均秩的偏差的平方和，每个时段( 共m 个) 对于所有 参加排序的行业有一个从1 到n 的排列次序( 秩) ，而每个行业有m 个次序( 秩) ， 记r j 为第j 个行业的秩的和，( j = l ，n ) ，则 s = 洳一掣) w 的取值范围是从0 到i ，对w 和s 均有表可查。当n 大时，可以利用大样 本性质：在零假设( h 0 ：m 个时段秩排序是不相关的) 下，对固定的m ，当n 一一时， ，n b l l 矿兰兰兰_ _ 一z 2 ( n 一1 ) 胁 + ” k e n d a l l ( 1 9 4 8 a ，p 8 7 ) 提出，当w 显著( z 2 的p 值小于给定的水平时拒绝零 假设) 时，各个秩和r j 的顺序就提供了n 个行业“正确”秩排序定，意味着各个 行业的排序次序有明显不同，这样所产生的排序结果是一致的；如果w 不显著， 意味着不同时段各个行业的排序次序很不一致，则没有理由认为能够某个行业的 波动性相对于其他行业始终较高或较低。 为了探讨行业间收益关系和波动性关系的稳定性，首先我们对不同时段的行 业间的收益和波动性排序，以检查不同时段行业间收益和波动性的次序是否具有 稳定性。其中行业的排序次序按照由大到小排序，即排序次序越小，其收益或波 动幅度越大。如果行业在不同时段的排列次序均相同，则表明不同时段的行业间 收益次序和波动性次序非常稳定。然后采用k e n d a l l 协同系数来检验不同时段行 业间收益次序和波动性次序的稳定性。 2 4 聚类分析 对行业收益率间相互关系的最直观、简单的分析方式是对各行业的收益率进 行排序( 参见b o d i e 等，2 0 0 2 ) ，并用图表加以表示。行业收益率顺序关系体现了 各行业股票回报率的相对优劣关系，排序时使用的是行业平均收益率。平均收益 率是一个简单的统计量，对其计算和排序的过程中丢失了许多收益率序列间相互 关系的信息。另一个常用的分析相互关系的方法是相关分析，行业收益率序列间 的相关系数可用来反映行业收益率间的线性相关性( 常用的回归分析本质上也是 一种相关分析) ，但对非线性相关性无能为力。采用平均收益率排序和计算相关 系数均不能全面反映行业收益率之间相互关系的综合特征，我们对此加以举例说 明。 考虑a 、b 、c 、d 、e 、f 六个行业，各行业的日收益率序列如表1 所示。我 们的问题是：如何判断行业问的相近程度或相似性? 若按平均收益率排序，由于 a 与c 、e 与f 两两之间的平均收益率相同，结果认为行业a 和行业c 无差异、 行业e 和行业f 无差异。事实上，前五日行业a 的日收益率呈上升趋势而行业c 的日收益率呈下降趋势，两个行业的表现相差甚远。若进行相关分析，将行业收 益率序列两两配对计算相关系数( 采用夹角余弦等其它相似系数，结果类似) ，则 a 与d 的相关系数为l ，e 与f 的相关系数为