（金融学专业论文）中国股票市场“周内效应”实证研究.pdf

摘要 摘要 “周内效应”( d a y o f t h e - w e e ke f f e c t ) 指股票市场在一周内的某一天的平均收 益率比一周内其他任何一天的平均收益率高或者低，且在统计上有显著性。这种股 票收益率在一周内存在周期波动的现象，由于在理论上难以解释，所以一直被认为 是一种股市异象。大量的实证研究表明“周内效应”是绝大多数发达国家股票市场 和某些新兴国家股票市场普遍存在的一种异象。 本文采用1 9 9 1 年至2 0 0 7 年中国股票市场所有上市公司1 5 5 0 只股票日数据 作为样本数据，在使用虚拟变量的基础上，利用k r u s k a l w a l l i s 非参数检验方法 检验周内效应的存在性( 周内收益率的差异性) ，而后在检验存在周内效应的情况 下，运用自回归条件异方差族模型( a r c h 族模型) 验证是否存在显著的周内效应。 在考察中国股票市场总体是否存在周内效应的同时，本文对股票进行分组，考 察不同规模公司股票收益率是否存在周内效应。国内文献均是采用上证综合指数和 深圳成分指数等指数作为样本，由于数据的限制未能对股票进行分组，所以对周内 效应与规模关系这一问题的探讨至今仍是空白。 研究表明，中国股票市场总体上并不存在“周内效应”，但是规模分组后，大公 司存在周内效应：上海股市存在正的“周三效应”，深圳股市存在负的“周一效应” 和正的“周三效应”。 “周内效应”的存在揭示了我国股票市场在信息披露制度和市场参与者行为等 方面还不够成熟和完善，针对这些问题，本文最后就规范发展我国的股票市场提出 一些政策建议。 关键词：周内效应；股票收益率；a r c h 族模型 a b s t r a c t a b s t r a c t t h ed a y o f - t h e w e e ke f f e c tm e a n st h a ti nt h es t o c km a r k e t s ，t h er e t u r nr a t eo no n ed a yi s s i g n i f i c a n th i g h e ro rl o w e rt h a nt h er e s to t h e rd a yd u r i n gaw e e k b e c a u s et h i s p h e n o m e n o no f t h es t o c kr e t u r nr a t ec y c l i c a lf l u c t u a t i o n si naw e e ki sd i f f i c u l tt oe x p l a i n i nt h e o r y , i th a sb e e nr e g a r d e da sas t o c km a r k e ta n o m a l y al o to fl i t e r a t u r e sh a v e s h o w e dt h a tt h ed a y - o f - t h e w e e ke f f e c te x i s t si nm o s to ft h ed e v e l o p e dm a r k e t sa n dt h e n e w l yi n d u s t r i e dm a r k e t s b a s e do nt h ed u m m yv a r i a b l e sa n dk r u s k a l - w a l l i sn o n p a r a m e t r i ct e s t ( s t o c kr e t u r n d i f f e r e n c e ) ，d a t af r o m19 91t o2 0 0 7o fs h a n g h a ia n ds h e n z h e ns t o c km a r k e t sa r eu s e df o r e s t i m a t i o no nd a y o f - t h e - w e e ke f f e c t t h e ni fd a y - o f - t h e - w e e ke f f e te x i s t s ，w eu s eo f a u t o r e g r e s s i v ec o n d i t i o n a lh e t e r o s k e d a s t i c i t yt y p em o d e l ( a r c ht y p em o d e l ) v e r i f y w h e t h e rt h e r ei sas i g n i f i c a n te f f e c tw i t h i nw e e k s a f t e rs e e i n ga b o u tt h ee x i s t e n c eo fc h i n a ss t o c km a r k e to v e r a l ld a y - o f - t h e w e e ke f f e c t ， t h ep a p e rs i z e sc o m p a n ys t o c k st ot e s tw h e t h e rd a y - o f - t h e - w e e ke f f e c to fd i f f e r e n ts c a l e s t o c kr e t u r ne x i s t s d o m e s t i cl i t e r a t u r eu s e ss h a n g h a ic o m p o s i t ei n d e xa n ds h e n z h e n c o m p o n e n ti n d e xt os t u d yd a y o f - t h e w e e ke f f e c t b u ta sd a t al i m i t a t i o n st h e yc a n n o t s t u d yt h er e l a t i o n s h i pb e t w e e nc o m p a n ys c a l ea n dd a y - o f - t h e - w e e ke f f e c ta n ds t u d yo f t h ep r o b l e mi ss t i l lb l a n k r e s e a r c hs h o w st h a tc h i n a ss t o c km a r k e to nt h ew h o l ed o e sn o te x i s td a y o f - t h e - w e e k e f f e c t ，b u ta f t e rs i z i n gs t o c k , l a r g ec o m p a n i e sd a y - o f - t h e w e e ke f f e c te x i s t s t h e r ei sa p o s i t i v e w e d n e s d a ye f f e c t s i ns h a n g h a is t o c km a r k e ta n dn e g a t i v e m o n d a ye f f e c t a n d p o s i t i v e “w e d n e s d a ye f f e c t ”i ns h e n z h e ns t o c km a r k e t t h ee x i s t e n c eo fd a y - o f - t h e - - w e e ke f f e c tr e v e a l st h a tt h e r ea r es o m ep r o b l e m si n i n f o r m a t i o nm a n a g e m e n ta n db e h a v i o ro fp a r t i c i p a n t si nc h i n a ss t o c km a r k e t s ow e g i v es o m ea d v i c e so nh o wt od e v e l o pt h ec h i n a ss t o c km a r k e tr a p i d l ya n dh e a l t h l yi nt h e e n do ft h ep a p e r k e yw o r d s ：d a y o f - t h e w e e ke f f e c t ；s t o c kr e t u r n ；a r c ht y p em o d e l 厦门大学学位论文原创性声明 兹呈交的学位论文，是本人在导师指导下独立完成的研究成果。本 人在论文写作中参考的其他个人或集体的研究成果，均在文中以明确方 式标明。本人依法享有和承担由此论文产生的权利和责任。 声明人( 签名) ：都小如 沙占年年月7 日 厦门大学学位论文著作权使用声明 本人完全了解厦门大学有关保留、使用学位论文的规定。厦门 大学有权保留并向国家主管部门或其指定机构送交论文的纸质版 和电子版，有权将学位论文用于非赢利目的的少量复制并允许论文 进入学校图书馆被查阅，有权将学位论文的内容编入有关数据库进 行检索，有权将学位论文的标题和摘要汇编出版。保密的学位论文 在解密后适用本规定。 本学位论文属于 1 、保密() ，在年解密后适用本授权书。 2 、不保密( v ) ( 请在以上相应括号内打“4 ) 作者签名： 导师签名： 解如扣 日期：占年4 月7 日 日期：如8 年年月7 曰 第一章引言 第一章引言 第一节研究的目的与意义 由于现代经典金融理论把假设中的“理性经济人”作为现实中的实际投资者， 把人们“应该”如何决策作为人们的“实际”决策行为，在现实中不可避免地遇到 一些被称为“未解之谜”的难以解释的问题，称为“异象”( a n o m a l i e s ) 。 “周内效应 ( d a y - o f - t h e - w e e ke f f e c t ) 指股票市场在一周内的某一天的平均收 益率比一周内其他任何一天的平均收益率高或者低，且在统计上有显著性。这种股 票收益率在一周内存在周期波动的现象，由于在理论上难以解释，所以一直被认为是 一种异象。 由于最早的研究对象是美国股票市场，且发现周一的平均收益率显著低于其他 时间，而周五的平均收益率显著高于其他时间，因此“周内效应”有时也称为“周 一效应”( m o n d a ye f f e c t ) 或“周末效应”( w e e k e n de f f e c t ) 。大量的实证研究表明 “周内效应”是绝大多数发达国家股票市场和某些新兴国家股票市场普遍存在的一 种异象。 对于“周内效应”的解释是多角度的，例如交易时间与日历时间，结算制度， 测量误差，时区差异，投资者行为，风险溢价的变动等。不少解释看起来针对某个 情况是合适的，然而考虑到世界范围内这种“周内效应”的广泛存在，还没有哪种 解释能得到广泛的认同。 国外研究证券市场异象的文献很多，但是有关中国股票市场的异象研究的文献 却相对较少，特别是是国内关于周内效应与公司规模之间关系的探讨至今仍是空白。 因此，本文试图对中国股票市场的“周内效应”进行研究，此研究的意义如下： 1 k e i m ( 1 9 8 8 ) n3 指出，尽管现有的资产定价模型不能解释异象，但这并不表示异 象一定是市场缺乏效率的结果。有证据表明市场机制在此起到了一定的作用。包括 美国在内的众多发达国家都存在某种形式的“周内效应”，中国作为发展中国家，其 市场机制与工业化国家的市场机制有很大程度的不同。因此，对中国股票市场异象的 研究将为市场机制对收益率所起的作用提供重要的信息。这些信息对股票交易所和 其相关监管部门制定相关的政策具有指导作用。“周内效应”的研究也可以为发展 中国股票市场“周内效应”实证研究 更加精确和现实的资产定价模型提供新的思路。 2 证券市场的“周内效应”、“一月效应”、“假日效应”等具有大致相同的表现 形式。因此，能够正确解释“周内效应”的理论模型将可以被类似地用于研究其他 的效应，这将会加深我们对证券市场的进一步认识。 3 吸收西方国家先进的金融计量经济学理论，力争为推动我国股票市场实证研 究工作的向前迈进作出一点贡献，以使其更趋规范，更趋严谨，同时对实践也能起 到更好的引导作用。 第二节研究思路与结构 一般来说，日平均收益率都是直接采用交易日的收盘价进行计算。即是 ，；= ( p ，一p f _ 1 ) p 一 ( 1 1 ) 其中，；和只分别代表t 日的收益率和股票收盘价，p 一则代表t 1 日的股票收 盘价。但是这种方法容易使得收益率受到价格大幅波动的影响。因此，本文取收盘 价的对数的一阶差分为收益率，使之转换为连续收益率： r = i nb i nb l ( 1 2 ) 为了检验每周中周一至周五每个交易日的平均回报率是否有显著差异，我们 设立如下形式的哑变量回归模型： 5 = td + 占， ( 1 3 ) 七= l 这里，；为t 日的市场收益率，o k ，为每周第k ( k = 周1 至周5 ) 交易日的 哑变量，即仅在周k 时取1 ，其他时间取0 。通过检验上式中的哑变量系数是否显 著从而判断中国股市是否存在周内效应。 初步采用非参数检验中的k r u s k a l w a l l i s h 统计量检验周内效应的存在 性。但是非参数方法只是用来检验周内收益率差异性，仍需做出进一步的计量即哑 变量系数是否显著。 我们知道，一些时间序列尤其是金融时间序列，其随机扰动项往往在较大幅度 波动后伴随着较大幅度的波动，在较小幅度波动后面紧接着出现较小幅度的波动这 种性质称为波动的集群性( v o l a t i l i t yc l u s t e r i n g ) 。或者说股市收益率存在极强 2 第一章引言 的时变方差( a r c h ，a u t o r e g r e s s i v ec o n d i t i o n a lh e t e r o s k e d a s t i c i t y ) 效应，不 考虑这种异方差行为而简单进行最小二乘估计得出的参数估计值及其显著性是不可 靠的。 基于金融资产收益率时间序列的时变方差特性，我们在回归时必须抛弃标准的 最d , - - 乘法( o l s ) ，而使用能够很好地描述异方差行为的a r c h 族模型( a r c ht y p e m o d e l ) 。 e n g l e ( 1 9 8 2 ) 乜1 提出了自回归条件异方差模型( a r c h ) 。a r c h 模型的主要思想 是：扰动项毛的条件方差依赖于它的前期值一。的大小。 由于a r c h 模型只考虑了有限前期波动的影响，不太符合实际金融时间序列表 现出的当前的风险波动与无限前期波动有关的特点；同时，a r c h 模型在估计中也遇 到不少困难( 比如不能保证一为正) ，所以b o l l e r s l e v ( 1 9 8 6 ) 陷3 提出了g a r c h ( p ， q ) 模型解决了这两个问题。 相对于a r c h ，g a r c h 模型的优点在于：可以用较为简单的g a r c h 模型来代表一 个高阶a r c h 模型，从而使得模型的识别和估计都变得比较容易。e n g l ea n d b o l l e r s l e v ( 1 9 8 6 ) h 1 实证发现运用g a r c h ( p ，q ) 估计高频金融数据时a r 多项式 有一个单位根，有鉴于此，提出i g a r c h ( i n t e g r a t e dg a r c h ) 模型。 此外，若残差序列自相关，则必须进行自相关性校正，进一步对模型进行修正， 产生了a r ( m ) 一g a r c h ( p ，q ) 回归模型。 以往的研究一般认为g a r c h ( 1 ，1 ) 模型就能够很理想地描述大量的金融时间序 列数据的异方差行为，很少使用和考虑高阶模型。且以往对中国股市日收益率所建 立的g a r c h ( 1 ，1 ) 模型一般认为+ 兀接近于l 。大多数经济时间序列残差序 列自相关，则必须进行自相关性校正，进一步对模型进行修正，所以本文采用a r ( m ) 一 i g a r c h ( 1 ，1 ) 模型。 本文余下的结构安排为：第二部分是文献综述，包括国外文献和国内文献。第 三部分对研究使用的数据和方法作出简要说明，文中用到的主要是a r c h 族模型 ( a r c ht y p em o d e l ) 。第四部分是利用a r c h 族模型得到的实证分析结果，包括上海 股市和深圳股市，并对中国股票市场收益率分组，进一步检验周内效应。第五部分 中国股票市场“周内效应”实证研究 是本文的结论部分，包括对“周内效应”的检验结论进行解释以及对于规范发展我 国股票市场的相关建议。 第三节创新点 本文的创新之处在于： 1 样本的选择 以往的一些文献注意到了股市的快速变化，故往往以重要的政策性事件为依据， 将样本分成不同区间来检验周内效应。这是在中国股市结构特征多变条件下常用的 办法。然而，过去十多年股市中发生过很多重大的政策性事件，选取哪些事件来划分 样本区间有相当大的随意性；而且，由于中国股市设立时间短，对样本划分太多区 间会导致每个区间中观测量过少，减少了参数估计结果的稳定性和可信度。并且国 内文献都是选取上证综合指数和深圳成分指数等指数作为样本，不能对股票进行分 组，尚未对周内效应与规模关系进行研究。本文选用1 9 9 1 年至2 0 0 7 年中国股票市 场所有上市公司1 5 5 0 只股票日数据1 作为样本数据，并进行分组检验中国股票市场 的“周内效应”。 2 模型的设定 本文引入五个哑变量( d u m m yv a r i a b l e s ) ，若变量前的系数显著，则表示在一 周内的这一天的平均收益率比一周内其他任何一天的平均收益率高或者低，因此存 在周内效应。并且考虑股票收益本身存在的异方差性，本文在模型上充分考虑金融 市场收益率波动的丛集性特征( 大的波动后往往紧随着大的波动，小的波动后往往 紧随着小的波动) 以及风险对收益影响的特点( 高收益往往伴随着高风险) ，利用 a r ( 1 1 1 ) 一i g a r c h ( 1 ，1 ) 模型研究周内效应。 3 规模分组 本文将上海和深圳个股按照流通市值分成十组，各规模组合的样本数各占总样 本数的1 0 ，检验不同规模公司的周内效应，并进行解释。国内文献均是采用上证 综合指数和深圳成分指数等指数作为样本，由于数据的限制未能对股票进行分组， 所以对周内效应与规模关系这一问题的探讨至今仍是空白。 1 日数据包括股票的流通市值，上市公司股票日收盘价和上市公司流通股的股数。 4 第二章文献综述 第二章文献综述 第一节国外文献 国外对周内效应的研究始于上世纪7 0 年代，作出开创性的工作当属c r o s s ( 1 9 7 3 ) 嘲。他对1 9 5 3 年至1 9 7 0 年期间标准普尔5 0 0 指数的日收益率进行了研究， 发现在此期间标准普尔5 0 0 指数在星期五上涨的概率为6 2 ，而在星期一上涨的概 率仅为3 9 5 。星期五的平均收益率为0 1 2 ，而同一时期星期一的平均收益率却为 - 0 1 8 。f r e n c h ( 1 9 8 0 ) 哺1 在对1 9 5 3 年到1 9 7 7 年期间标准普尔5 0 0 指数的研究 中，发现了同样的现象。k e i ma n ds t a m b a u g h ( 1 9 8 4 ) 盯1 用更长时期的数据进一步证 实了他们的结果。 此后，关于周内效应的研究如雨后春笋般大量涌现，研究的范围不断扩大，从 美国延伸到全球的国家与地区。如j a f f ea n dw e s t e r f i e l d ( 1 9 8 5 ) 陋1 研究了澳大利 亚、加拿大、日本和英国这四个发达国家的证券市场的周内效应。研究结果显示英 国和加拿大市场与美国市场相似，最低日平均收益率发生在星期一。而在日本和澳 大利亚，最低的日平均收益率发生在星期二。a g g a r w a la n dr i v o l i ( 1 9 8 9 ) 旧1 研究分 析了四个新兴资本市场( 香港，新加坡，马来西亚和菲律宾) 的情况。发现这四个 市场都存在显著的周内效应。香港出现周二效应，其他三个市场则同时出现周一效 应和周二效应。s o l n i ka n db o u s q u e t ( 1 9 9 0 ) n 们以及b a r o n e ( 1 9 9 0 ) n q 分别发现巴黎 证券交易所和意大利股票市场最低的收益发生在星期二。c h o u d h r y ( 2 0 0 0 ) n 2 1 则发现 在许多发展中国家，比如印度尼西亚、马来西亚和泰国，其金融市场也存在周内效 应。c h e n ，k w o ka n dr u i ( 2 0 0 1 ) n 3 1 对中国的股票市场做了研究。他们将1 9 9 4 年7 月1 日公司法的实施作为分界点，发现在1 9 9 5 年后存在显著为负的“周二效 应”。而b a s h e ra n ds a d o r s k y ( 2 0 0 6 ) n 耵考察了2 1 个新兴股票市场，研究发现大 部分市场没有呈现“周内效应”。 近年来，研究还发现，周内效应发生了逆转。t i n g l i na n dk i a n l i m ( 2 0 0 1 ) n 朝 用新的数据重新研究美国和澳大利亚等发达国家的金融市场时，发现周内效应在一 定程度上被抑制。美国股市的周一平均收益显著上升，周一效应被抑制，而澳大利 亚的周二效应也开始逆转。 中国股票市场“周内效应”实证研究 此外，国外学者还研究了周内效应与公司规模的关系。k e i ma n ds t a m b a u g h ( 1 9 8 4 ) 竹1 通过对标准普尔5 0 0 指数1 9 2 8 年至1 9 8 2 年的数据研究，首先发现周内 效应大小与公司规模成负向关系，不过c h o ya n d0 h a n l o n ( 1 9 8 9 ) n 6 1 研究英国f t a s i 指数时发现周内效应与公司规模成正向关系。a t h a n a s s a o sa n dr o b i n s o n ( 1 9 9 4 ) n 7 1 发现加拿大未出现收益与规模的稳定关系，b r u s a ，p u li ua n ds c h u l m a n ( 2 0 0 0 ) n 明 研究美国1 9 9 0 年初至1 9 9 4 年底多种指数发现，当公司规模增大时，周一的收益 逐渐有序地从负到正，并且愈加显著。 对这些现象的解释也多种多样，包括交易时间与日历时间假说( 星期五买入的股 票至少要持有两天) ( f r e n c h ，1 9 8 0 随1 ) 、结算制度假说( g i b s o na n dh e s s ，1 9 8 1 ) n 9 】、 测量误差假说( g i b s o na n dh e s s ，1 9 8 1 1 9 1 ；k e i ma n ds t a m b a u g h ，1 9 8 4 n 1 ) 、时区差 异假说( j a f f ea n dw e s t f i e l d ，1 9 8 5 嘲；a g g a r w a la n dr i v o l i ，1 9 8 9 们) 和投资者 行为假说( a b r a h a ma n di k e n b e r r y ，1 9 9 4 乜川) 等。 国外学者对周内效应的研究方法也在不断的改进。c r o s s ( 1 9 7 3 ) 瞄1 使用的方法很 简单，就是统计周五、周一股票上升下降的个数，求出相关比例进行佐证。不过描 述性统计虽然直观，却不具统计稳定性，所以后人一直将描述性统计与计量方法结 合起来进行研究。f r e n c h ( 1 9 8 0 ) 1 最先使用o l s 方法来研究周内效应，选择4 个 虚拟变量分别代表周二至周四的取值，然后利用t 检验、f 检验来论证周内效应的 存在性与显著性。c r o s s ( 1 9 7 3 ) 瞄3 就使用了非参数方法来检验周五与下周一收益之间 的差异性。关于收益的非正态分布早就为人所知，后来又发现日收益率也呈现非正 态分布。而非参数统计无需事先知道收益的分布，给研究带来方便。但是非参数方 法只是用来检验差异性，却未能做出进一步的计量。基于时间序列的时变方差特性， 传统的o l s 方法会带来较大的偏差，e n g l e ( 1 9 8 2 ) 瞻1 在研究英国通货膨胀序列变化规 律时提出a r c h 模型，b o l l e r s l e v ( 1 9 8 6 ) 1 在此基础上拓展成更加广泛的g a r c h 模 型，至今已形成一个g a r c h 模型族。如今g a r c h 模型族已经成为研究周内效应的 主流方法。 总之，周内效应是一个普遍现象，对于每一个国家不同类型的金融市场都有研 究的价值。 6 中团股票市场“周内效应”实证研究 第二节国内文献 中国股市收益率是否存在周内效应? 学者现有的一些研究缺乏共识。 俞乔( 1 9 9 4 ) 倥订应用随机项序列相关检验、游程检验、非参数检验等方法发现在 1 9 9 0 年1 2 月1 9 日一1 9 9 4 年4 月1 7 日期间，上海股票市场星期一的平均股价 收益最低并为负值( - 0 3 4 2 ) ，然后逐渐上升，到星期四达到最高值为0 8 6 4 ，而到 星期五则略为降低，但仍为0 6 6 3 ，远高于星期一至星期三的水平。在1 9 9 1 年4 月3 日一1 9 9 4 年4 月1 7 日间，深圳股票市场星期一的平均股价收益也为负值， 为- 0 3 1 3 ，且是最低点。然后升至星期四的最高点0 2 6 5 ，在星期五下降至0 1 2 6 2 。 赵骏等( 1 9 9 4 ) 幢2 1 以1 9 9 3 年7 月1 日至1 9 9 4 年5 月1 日上海股市1 2 种股票和上证综指为研究对象，发现周一收益率最低，且均值为负，周四收益率均 值最高且为正。 戴国强等( 1 9 9 9 ) 幢3 3 利用a r c h 模型对上海和深圳股市1 9 9 3 年到1 9 9 8 年的 每日股价指数进行了研究，发现深圳股市周一收益率显著为负，是一周最低的，而 周五收益率最高，表明存在周末效应，而上海市场的周内效应则不显著。 奉立城( 2 0 0 0 ) 乜钔认为中国股票市场并不存在绝大多数发达国家股票市场和某 些新兴股票市场所普遍具有的“星期一效应”。但是，用于度量股票收益率波动性的 标准差却在星期一最大。较强的证据显示上海股票市场存在着日平均收益率显著为 负的“星期二效应”和显著为正的“星期五效应”。较弱的证据显示深圳股票市场存 在着日平均收益率显著为负的“星期二效应”和显著为正的“星期五效应”3 。 陈超等( 2 0 0 2 ) 乜卯则对中国股票市场的“周内效应”按涨跌停板前一时期进行了 分段检验，并发现上海股票市场a 股存在负的“星期二效应”和正的“星期五效应 。 但对数据进行每一年检验时，发现只有1 9 9 6 年的沪市存在“周内效应”。作者认为 “周内效应”只是很偶然的现象，所谓中国股票市场存在的“周内效应”的结论值 得怀疑。 吴启芳等( 2 0 0 6 ) 晗6 3 实证表明上证指数、沪a 指数、深成a 指、上证1 8 0 都存 2 俞乔市场有效，周期异常与股价波动一对上海、深圳股票市场的实证分析 j 经济研究，1 9 9 4 ，( 9 ) ：4 3 - - 5 0 3 奉立城中国股票市场的“周内效应” j 经济研究，2 0 0 0 ，( 1 1 ) ：5 0 - 5 7 中国股票市场“周内效应”实证研究 在显著为正的周二效应和显著为负的周四效应。 白安芬等( 2 0 0 7 ) 犯7 1 选取深圳综合指数1 9 9 5 年1 2 月2 5 号到2 0 0 6 年7 月 7 号的2 5 4 2 个日收盘价格指数，检验存在明显的负周四效应。 此外，“周内效应”研究的内容不断丰富，从股票到期货、期权、债券、汇率、 基金；研究的视角不断变化，从收益到换手率、波动性。王鸿冰等( 2 0 0 4 ) 位羽研究 了中国股市交易量在一周里面的变化规律，采样时间跨度是从1 9 9 0 年1 2 月1 9 日到2 0 0 2 年1 2 月3 1 日。周一到周五的日市场换手率存在显著差异并且周一的 市场换手率达到了一周的最大值。华仁海( 2 0 0 4 年) 昭叫利用g a r c h 模型，对我国期货 市场期货价格收益序列以及期货价格收益的条件波动方差序列的周内效应进行了实 证研究，结果表明：铜、铝、大豆、橡胶的期货价格收益以及其条件波动方差不存在 周内效应，而在5 的置信水平下，小麦期货则存在周内效应。周泽炯等( 2 0 0 5 ) 啪1 对2 0 0 3 年6 月1 日至2 0 0 5 年8 月1 8 日期间中国开放式基金收益的周内效 应和收益波动性的周内效应进行实证研究，结果显示，在研究期间内样本基金收益 及收益的波动性在周三这一天显著不同于其他交易日，即存在“周三效应”4 。 对于上述中国股市是否存在“周内效应所出现的不同观点，我们认为其原因 主要是如下两点： 1 中国股市设立时间较短，法律制度和相应的监管体制不完善。中国股市转轨 与新兴的属性，往往会造成不同的样本有不同的结论。有的研究进行了分组，但分 组的随意性较大。 2 不同的研究方法对最终的结果也会有影响。运用最d x - - 乘法，简单易懂，但 若不考虑现实股市收益率的时变方差行为，或者虽然运用了g a r c h 模型，但未考虑 到尖峰厚尾分布，参数估计的可靠性就值得怀疑。 4 周泽炯中国开放式基金剧内效应研究【j 】特区经济，2 0 0 6 ，( 1 ) ：3 9 - 4 0 第三章数据和方法论 第三章数据和方法论 第一节数据的说明 一、样本的选取 从2 0 世纪8 0 年代中后期一些国有企业自行发行企业职工内部股票，到1 9 9 0 年至1 9 9 1 年规范化的上海、深圳证券交易所的成立，中国股市短短十几年间已经 得到了迅速的成长。 事实上，以往的一些文献也注意到股市的快速变化，故往往以重要的政策性事 件为依据，将样本分成不同区间检验周内效应。例如c h e n 、k w o ka n dr u i ( 2 0 0 1 ) n 3 1 以公司法颁布为依据将数据分为1 9 9 5 年前后两个时段，陈超等( 2 0 0 2 ) 乜酗以1 9 9 6 年底的涨跌停板制度为界划分样本，这是在中国股市结构特征多变条件下常用的办 法。然而，过去十多年股市中发生过很多重大的政策性事件，选取哪些事件来划分样 本区间有相当大的随意性；而且，由于中国股市设立时间短，对样本划分太多区间 会导致每个区间中观测量过少，减少了参数估计结果的稳定性和可信度。 因此，本文选用上海和深圳股票市场从1 9 9 1 年至2 0 0 7 年所有上市公司1 5 5 0 只股票日数据作为样本数据，检验中国股票市场的“周内效应”。全部数据来自w i n d ( 万得) 金融证券数据库。 分析工具是统计分析软件s a s9 1 。 二、分析指标的确定 1 收益率的确定 就收益率而言，存在两种计算方法，分别是简单收益率和连续收益率。即 简单收益率：，；= ( b - p t i ) p f - l ( 3 1 ) 连续收益率：足= i n p , - i n p , 一1 ( 3 2 ) 由于有： l np ，一l np r - 1 = l i l 旦= l n ( 旦一1 ) + 1 】旦一1 ：( n n ) p p t 一1p ，一1p t l 所以可以认为简单收益率与连续收益率足大致相等。但连续收益率相对于简 单收益率的一个最大优点在于其满足可加性。以相隔两天的收益率为例： 9 中国股票市场“周内效应”实证研究 r o i = i np ，+ l - i np ，一1 = ( i np ，+ l i np ，) + ( i np ，一i np 卜1 ) = 月i i + r ? 而吒2 p i 碱一1 。半p + 訾pir 一，f 一 显然简单收益率不符合可加性。总之，简单收益率受到价格大幅波动的影响。因此， 本文取收盘价的对数的一阶差分为收益率，使之转换为连续收益率。 2 公司规模的确定 在西方国家，股票的市值能够较好地反映企业的整体规模与经营风险，但在中 国的股市上，“市值”牵涉到流通股与非流通股的问题，两者很难得到统一。我国上 市公司的股权结构与国外区别较大，在发行上市时和上市后，同一公司不同股权的 股票在价格和流通性方面不相同，国有股或法人股占绝对控股地位，但不能上市流 通，只能通过协议转让等方式在法人之间进行交易，简称为非流通股；公开发行的 社会公众股占少数股权，但可以自由流通。因此，我国上市公司股票市场价格是在 国有股和法人股不能上市流通的前提下所形成的供求平衡价格，这就隐含这一价格 大大高于全部股票流通前提下的市场平衡价格。我国股市具有的同股不同权，同股 不同价现象。中国大部分投资者对上市公司的总股本采取漠不心的态度。所以，我 们以流通市值为度量标准分析公司规模与周内效应的关系。 个股流通市值s i z e 的计算公式： 、s：，ze=尸xl( 3 3 ) 式中：s i z e 为股票的流通市值，是公司规模的度量，p 为该公司股票日收盘价， 三为该上市公司流通股的股数。 本文采用动态分组的方法，借鉴f a m aa n df r e n c h ( 1 9 9 2 拈，1 9 9 3 2 1 ) 的分组方 法，用t 年6 月底流通市值来度量t 年度规模的大小。 在十分组投资组合中，我们以公司每年6 月底的流通市值为标准升序排序。每 次排序以后，就将其按照规模大小平均分为1 0 组，分别命名为：组合1 ，组合2 ， 组合1 0 。这样分组的结果使得各规模组合的样本数各占总样本数的1 l o 。组合l 是流通市值最小的1 0 的股票，组合2 是流通市值次小的1 0 的股票，依此类推， 第1 0 组是流通市值最人的1 0 的股票。 l o 第三章数据和方法论 第二节研究方法 为了检验每周中周一至周五每个交易日的平均回报率是否有显著差异，我们设 立如下形式的哑变量回归模型： 5 = z kd + 占， ( 3 4 ) k = l 这里，；为t 日的市场收益率，o k ，为每周第k ( k = 周1 至周5 ) 交易日的 哑变量，即仅在周k 时取1 ，其他时间取0 。通过检验上式中的哑变量系数是否显 著从而判断中国股市是否存在周内效应。 一、非参数检验 关于周内效应的统计检验，比较简单的方法是l e v e n e 检验是对收益率的方差 差异性进行分析的一种检验方法。b r o w n 和f o r e y t h e 在1 9 7 4 年提出修正l e v e n e 检验，其统计量为f 。如果计算出的与统计量相伴概率值小于或等于显著性水平， 那么拒绝各个样本的方差没有显著性差异的原假设。l e v e n e 统计量检验的一个前提 条件是收益率时间序列正态分布收益率较大地偏离正态分布，因而采用l e v e n e 统 计量检验难以保证结论的准确性；而k r u s k a l w a l l i s h 统计量作为非参数统计 检验过程，不依赖于研究对象的分布形态。因此，本文采用非参数检验中的k r u s k a l w a l l i s h 统计量检验周内效应的存在性。k r u s k a l w a l l i s 检验步骤： 1 将所有的收益率样本混合由大到小排序，确定各收益率在全体样本中的秩， 如果有相同的数值，则加总其秩，以算术平均值代表其等级秩。 2 求各组的样本等级秩总和，计算k r u s k a l w a l l i s 检验统计量： 日：熹壹壁一3 ( n + 1 ) ( 3 5 ) n ( n + 1 ) 智m j 。 3 原假设为h 0 ：周内各个交易日的收益率具有相同均值。 4 在h 0 假设成立的前提下，h 统计量服从自由度为k l = 4 的z 2 分布。如 果h z ：( 4 ) ，则表明一周内各交易日平均收益率不相等，市场存在周内效应；反 之，则表明并不存在周内效应。 但是非参数方法只是用来检验周内收益率差异性，却未能做出进一步的计量即 中国股票市场“周内效应”实证研究 哑变量系数是否显著。 二、a r c h 族模型 金融资产收益率( z ) ) 时间序列的数据特征：( 1 ) 置不存在或存在弱的线性 相关c o v ( x ，x f 1 ) = 0 。( 2 ) z 不服从正态分布，经常表现为后尾分布，峰度大于 3 。( 3 ) 墨表现为波动群聚性( v o l a t i l i t yc l u s t e r ) 行为， 砰) 表现为显著的正自 相关，而且波动群聚性会持续很长时间。即大的波动之后通常紧接着另一个大的波 动，而较小的波动紧接着另一个较小的波动。( 4 ) 波动率存在显著的杠杆效应 ( 1 e v e r a g ee f f e c t ) ，波动率对价格的人幅上升和价格大的下降的反应不同。( 5 ) 波 动率以连续的方式随时间变化，很少发生波动跳跃，但是n y s e l 9 8 7 年的“黑色星 期一”是一个特例。( 6 ) 波动率不会发散到无穷，在一个固定的范围波动，常表现为 一个平稳序列。 基于金融资产收益率时间序列的时变方差特性，因此我们在回归时必须抛弃标 准的最小二乘法( o l s ) ，而使用能够很好地描述异方差行为的a r c h 族模型。 m a n d l e b r o t ( 1 9 6 3 ) 1 首先发现了资产收益率波动的聚集现象，即大的波动往往 跟随着大的波动，小的波动往往跟随着小的波动。e n g l ea n dk r a f t ( 1 9 8 3 ) 阳1 在分 析宏观数据时，发现一些现象：时间序列模型中的扰动方差稳定性通常比假设的要 差。e n g l e 的发现说明在分析通货膨胀模型时，大的及小的测量误差常常会成群出 现，表明存在一种异方差。为了刻画预测误差的条件方差中可能存在的某种相关性， e n g l e ( 1 9 8 2 ) 乜1 提出了自回归条件异方差模型( a r c h ) 。a r c h 模型的主要思想是： 扰动项t 的条件方差依赖于它的前期值乞一，的大小。 yt = x ：p + st st = 0h fe t ，：缈+ py 抄h ， 3 6 j = l p ，陟f - l n ( 0 ，1 ) 其中p 0 ，国 o ，y ，0 ，以确保条件方差忍 0 。 模型中q 表示第t 时刻的残差，h ，表示基于t - - i 时刻信息集合一。的 1 2 中国股票市场“周内效应”实证研究 的条件方差。a r c h 刻画了金融市场时间序列的几个典型特征：( 1 ) 短期的波动 是前期波动函数；( 2 ) 一个大的波动会影响到以后数期的市场波动；( 3 ) 大的波动往 往跟随着大的波动，而小的波动往往跟随着小的波动。由于这一模型所允许的方差 的时变性非常符合金融市场时间序列的特征，因此白提出后就马上得到了广泛的响 应。 由于a r c h 模型只考虑了有限前期波动的影响，不太符合实际金融时间序列表 现出的当前的风险波动与无限前期波动有关的特点；同时，a r c h 模型在估计中也遇 到不少困难( 比如不能保证为正) ，所以b o l l e r s l e v ( 1 9 8 6 ) 眵1 提出了如下的 g a r c h ( p ，q ) 模型解决了这两个问题： y t = x ：| b + t t = 瓜e t 吃：彩+ 兰叩三，+ p 帆， 7 i = l = l p ，i f - l n ( o ，1 ) 相对于a r c h ，g a r c h 模型的优点在于：可以用较为简单的g a r c h 模型来代 表一个高阶a r c h 模型，从而使得模型的识别和估计都变得比较容易。 e n g l ea n db o l l e r s l e v ( 1 9 8 6 ) “1 实证发现运用g a r c h ( p ，q ) 估计高频金融数 据时a r 多项式有一个单位根，有鉴于此，提出i g a r c h ( i n t e g r a t e dg a r c h ) 模型， 即满足圭q + 圭乃：i 。 f = l j = 1 此外，若残差序列自相关，则必须进行自相关性校正，进一步对模型进行修正， 产生了a r ( m ) 一g a r c h ( p ，q ) 回归模型。 y t = x ：p + v t y f2 占f 一缈l y r i 一一伊m y r m 占，= 以，p ， ( 3 8 ) h ，= 缈+ 芝口f 占二f + 芝7 ：h ，一j f = l j 盎i p ，i yr - l n ( o ，1 ) 由于金融资产风险的变化会对收益产生影响，高收益的资产往往伴随着高风险， 中国股票市场“周内效应”实证研究 此风险应该对收益率之间有正相关作用，所以应该将条件方差作为解释变量引入到 收益率方程中去，从而得到一个更一般的g a r c h ( p ，q ) 一m 模型( e n g l e ，l ili e na n d r o b b i n s ，1 9 8 7 盥朝) 。 y t = x ：p + 6 一h t + s t s t = 0 h t e l h ，= 缈+ 口f 占三f + y j h ，一， e ，l 沙f - l n ( o ，1 ) 以上的模型虽然很好