（统计学专业论文）不同频率数据下上证综指波动的比较研究.pdf

硕l ：学位论文 摘要 学术界对股指波动的研究大都“理所当然 选取一个频率数据而很少考虑数 据频率差异对分析结果的影响。文章选取不同频率数据对上证综指波动情况进行 比较研究。 文章首先定性分析了不同频率数据下，技术分析视角下股指波动规律以及基 本分析视角下宏观经济对股指影响可能存在的差异。然后，在技术分析视角下选 取上证综指日收益率序列、周收益率序列及月收益率序列，在比较基本统计量的 基础上，应用g a r c h 模型、g a r c h m 模型、t a r c h 模型对沪市短期、中期以 及长期波动规律进行比较研究，得到以下结论：1 沪市中长期投资价值高于短期 投资价值，中长期单位投资风险低于短期单位投资风险。2 外部冲击对沪市短期 波动的影响要长于对中长期波动的影响。3 收益率在短期与风险存在着显著的正 相关关系，而在中长期与风险的关系并不显著。4 沪市在短期内存在着“杠杆效 应 ，在中长期不存在“杠杆效应 。 根据基本分析理论，文章选取月度数据与季度数据运用协整检验及格兰杰因 果检验，比较宏观经济对上证综指波动短期和长期影响，得到以下结论：1 在短 期内，上证综指与g d p 、m 2 、c p i 及利率存在协整关系，与汇率不存在协整关系； 在长期内与g d p 、m 2 及利率存在协整关系，与c p i 及汇率不存在协整关系。2 在 短期内，g d p 对上证综指的影响最大，m 2 和利率次之，c p i 对其影响最小，且 除g d p 对上证综指产生负向影响之外，c p i 、m 2 与利率对其存在着正向影响； 在长期内，利率对上证综指影响最大，m 2 次之，g d p 对其影响最小，且利率对 上证综指的影响方向为负，而g d p 与m 2 对其影响方面为正。3 格兰杰因果检验 表明，无论短期还是长期，上证综指只与利率存在双向格兰杰因果关系，且因果 关系存在的滞后期为1 2 个月( 4 个季度) 。 研究表明，选取不同的数据频率分析股指波动将得到不同的结论。同时，针 对实证分析中发现中国股市存在的问题，文章分别从投资者、监管者以及政府三 个角度提出了相关对策建议。 关键词：上证综指；波动；不同频率；a r c h 族模型；协整 l l 不同频率数据下f ：证综指波动的比较研究 a b s t r a c t a c a d e m i cc i r c l e sm a i n l ys e l e c to n ef r e q u e n c yd a t an a t u r a l l yw h e nd o i n gt h e r e s e a r c h e so nt h ef l u c t u a t i o no fs t o c ki n d e x ，s e l d o mc o n s i d e rt h a tu s i n gd i f f e r e n t f r e q u e n c yd a t am a yg e td i f f e r e n tc o n c l u s i o n s t h i st h e s i sc o m p a r e st h ef l u c t u a t i o no f s s e ( s h a n g h a is t o c ke x c h a n g e ) c o m p o s i t ei n d e xb ys e l e c t i n gd i f f e r e n tf r e q u e n c yd a t a f i r s t l y ，t h et h e s i sa n a l y z e st h ed i v e r s i t ya b o u ts t u d y i n gt h ef l u c t u a t i o no fs t o c k i n d e xb yu s i n gd i f f e r e n tf r e q u e n c yd a t af r o mt h ep e r s p e c t i v e so ft e c h n i c a la n a l y s i sa n d b a s i ca n a l y s i sq u a l i t a t i v e l y a n dw es t u d yt h ef l u c t u a t i o np a t t e r no ft h es t o c ki n d e x f l u c t u a t i o na n dt h es t o c ki n d e xf l u c t u a t i o nw h i c hm a c r oe c o n o m ye f f e c t sr e s p e c t i v e l y b yt e c h n i c a la n a l y s i sa n db a s i ca n a l y s i s t h e n ，s e l e c t st h ed a i l yr e t u r n ，w e e k l yr e t u r n a n dm o n t h l yr e t u r nt i m es e r i e so fs s ec o m p o s i t ei n d e xf r o mt h ep e r s p e c t i v eo f t e c h n i c a la n a l y s i s ，a p p l i e sg a r c hm o d e l ，g a r c h - mm o d e la n dt a r c hm o d e l s t u d y i n gac o m p a r i s o no ft h ef l u c t u a t i o np a t t e r no fs s ec o m p o s i t ei n d e xb e t w e e n s h o r tt e r ma n dm i dl o n gt e r mo nt h ef o u n d a t i o no fc o m p a r i n gt h eb a s i cs t a t i s t i c s ，a n d g e t st h ef o l l o w i n gc o n c l u s i o n s ：1 t h ei n v e s t m e n tv a l u ei nm i dl o n gt e r mi sh i g h e rt h a n t h a t i ns h o r tt e r m ，h o w e v e rt h eu n i ti n v e s t m e n tr i s ki nm i dl o n gt e r mi sl o w e ri n s h a n g h a is t o c km a r k e t 2 t h el a s t i n gt i m eo ft h ee x t e r n a ls h o c k si ns h o r tt i m ei s l o n g e rt h a nt h a ti nm i dl o n gt i m e 3 t h ep o s i t i v ec o r r e l a t i o nb e t w e e nr e t u r na n dr i s k i ss i g n i f i c a n ti ns h o r tt i m e ，b u tn o ts i g n i f i c a n ti nm i dl o n gt i m e 4 t h el e v e r a g ee f f e c t e x i s t si ns h o r tt i m ei ns h a n g h a is t o c km a r k e t ，h o w e v e rd o e s n te x i s ti nm i dl o n gt i m e a c c o r d i n gt ot h et h e o r i e so fb a s i ca n a l y s i s ，t h et h e s i ss e l e c t sm o n t h l yd a t aa n d q u a r t e r l yd a t at oc o m p a r et h es h o r t + a n dl o n ge f f e c t sw h i c hm a c r oe c o n o m y h a so nt h e f l u c t u a t i o no fs s ec o m p o s i t ei n d e xb ya p p l y i n gc o - i n t e g r a t i o nt e s ta n dg r a n g e r c a u s a l i t yt e s t ，a n dg e t st h ef o l l o w i n gc o n c l u s i o n s ： 1 t h ec o i n t e g r a t i o nr e l a t i o n s h i p e x i s t sb e t w e e nss ec o m p o s i t ei n d e xa n dg d p ，m 2 ，i n t e r e s tr a t ea n dc p i ，b u td o e s n t e x i s tb e t w e e ns s ec o m p o s i t ei n d e xa n d e x c h a n g e r a t ei ns h o r tt i m e ；t h e c o i n t e g r a t i o nr e l a t i o n s h i pe x i s t sb e t w e e ns s ec o m p o s i t ei n d e xa n dg d p ，m 2a n d i n t e r e s tr a t e ，b u td o e s n te x i s tb e t w e e ns s e c o m p o s i t ei n d e xa n de x c h a n g er a t e ，c p i i nl o n gt i m e 2 g d ph a st h em o s ti n f l u e n c eo nt h es s ec o m p o s i t ei n d e xa n di ti s f o l l o w e db ym 2 ，c p i ，i n t e r e s tr a t ei nt h ee f f e c t s ，a n db e s i d e sg d pw h i c hh a sa n e g a t i v ee f f e c to ns s ec o m p o s i t ei n d e x ，m 2 ，c p ia n di n t e r e s tr a t ea l lh a v eap o s i t i v e e f f e c to nss ec o m p o s i t ei n d e xi ns h o r tt i m e ；i nl o n gt i m e ，i n t e r e s tr a t eh a st h em o s t i i i 硕上学位论文 i n f l u e n c eo nt h es s ec o m p o s i t ei n d e xa n di ti sf o l l o w e db ym 2 ，g d p i nt h ee f f e c t s ， a n di n t e r e s tr a t eh a san e g a t i v ee f f e c to ns s ec o m p o s i t ei n d e x ，b u tm 2 ，c p ia n d i n t e r e s tr a t ea l lh a v eap o s i t i v ee f f e c to ns s ec o m p o s i t ei n d e x 3 g r a n g e rc a u s a l i t y t e s ts h o w st h a tt h eb i l a t e r a lc a u s a l i t yo n l ye x i s t sb e t w e e ni n t e r e s tr a t ea n ds s e c o m p o s i t ei n d e xb o t h i ns h o r ta n dl o n gt i m e ，a n dt h el a gp h a s ei s 12m o n t h s ( 4 q u a r t e r s ) t h es t u d yi n d i c a t e st h a t u s i n gd i f f e r e n tf r e q u e n c yd a t a w i l l g e td i f f e r e n t c o n c l u s i o n sw h e nd o i n gt h er e s e a r c h e so nt h ef l u c t u a t i o no fs t o c ki n d e x m e a n w h i l e ， a i m i n ga tt h ep r o b l e m si nc h i n e s es t o c km a r k e tm a n i f e s t e di nt h ee m p i r i c a ls t u d y ，t h e t h e s i sg i v e ss o m er e l a t e ds u g g e s t i o n sr e s p e c t i v e l yf r o mt h ep e r s p e c t i v e so f i n v e s t o r s ， s u p e r v i s i o nd e p a r t m e n t sa n dg o v e r n m e n t s k e yw o r d s ：s s ec o m p o s i t ei n d e x ；f l u c t u a t i o n ；d i f f e r e n tf r e q u e n c y ；a r c hf a m i l y m o d e l s ；c o - i n t e g r a t i o n i v 不同频率数据下一l ：证综指波动的比较研究 插图索引 图1 1本文研究框架图1 0 图3 1日收益率序列自相关系数图与偏自相关系数图2 0 图3 2 周收益率序列自相关系数图与偏自相关系数图2 0 图3 3月收益率序列自相关系数图与偏自相关系数图2 0 v l i 硕f ? 学传论文 附表索引 表3 1不同频率收益率序列的基本统计量比较表1 9 表3 2日收益率残差序列a r c h 效应检验结果2 1 表3 3周收益率残差序列a r c h 效应检验结果2 l 表3 4 月收益率残差序列a r c h 效应检验结果2 2 表3 5 不同频率收益率序列g a r c h 模型拟合结果2 3 表3 6 不同频率收益率序列g a r c h m 模型拟合结果2 4 表3 7 不同频率收益率序列t a r c h 模型拟合结果2 5 表4 1各变量月度序列平稳性检验结果3 0 表4 2 各变量季度序列平稳性检验结果3 1 表4 3月度数据v a r 模型检验结果3 2 表4 4 月度数据协整检验结果3 2 表4 5月度数据标准化协整系数3 3 表4 6 季度数据v a r 模型检验结果3 3 表4 7 季度数据协整检验结果3 4 表4 8 季度数据标准化协整系数3 4 表4 9 月度数据格兰杰因果检验结果3 5 表4 1 0 季度数据格兰杰因果检验结果3 5 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何 其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献 的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法 律后果由本人承担。 作者签名： 卅r 1 叉幽封 吼加p 尹 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被 查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入 有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编 本学位论文。 本学位论文属于 l 、保密r l ，在年解密后适用本授权书。 2 、不保密1 1 3 。 ( 请在以上相应方框内打“、”) 作者躲灵、酾隰沙c 巧月乃日 导师签名：移筠日期：扣箩年厂月房日 f 硕士学位论文 1 1 选题背景及意义 第1 章绪论 1 1 1 选题背景 金融是现代经济的核心，股票市场作为金融的重要组成部分，在优化资源配 置、促进产业结构调整等方面发挥着重要的作用【1 1 。从宏观层面看，成熟的股票 市场反映国民经济运行状况，充当着宏观经济“晴雨表 的功能。从微观层面看， 股票市场是企业融资的重要渠道，健康、成熟的股市为企业的发展、壮大提供资 金支持。因此，股票市场的运行状况直接影响着整个国民经济的发展。 早在1 6 世纪初期，安特卫普、里昂就出现了证券交易所。1 7 世纪时荷兰的 阿姆斯特丹交易所以及1 8 1 9 世纪的伦敦证券交易所已成为当时世界上主要的证 券交易所。世界三大证券交易所中成立最晚的东京证券交易所也于1 8 7 8 年成立， 至今有1 3 0 多年的历史【2 】。与国外相比，中国股票市场起步较晚，上海证券交易 所和深圳证券交易所直到1 9 9 0 年才成立。然而，中国股票市场近2 0 年来得到了 飞速的发展，大有后来居上之势。截至2 0 0 7 年1 2 月2 8 日收市，沪深两市a 股 总市值达到3 2 4 4 万亿水平。经过2 0 0 7 年的飞跃，中国a 股市场总市值已达到 4 4 4 万亿美元规模，成为继美、日、英之后全球第四大证券市场，但是中国股市 毕竟是新兴股市，在迅速发展的同时也存在着诸多的问题。中国股市在近2 0 年的 发展历程中，经历了多次大幅度的上升和下跌变动，而2 0 0 7 年与2 0 0 8 年的波动 剧烈程度更是令人瞠目结舌。2 0 0 7 年上证综指从2 6 7 5 4 7 点起步，一路高歌猛进， 年终报收于5 2 6 1 5 6 点，全年涨幅高达9 6 6 6 ，蝉联全球第一。而在2 0 0 8 年， 股市却持续下跌。截至2 0 0 8 年1 2 月3 1 日，上证综指已从年初的5 2 6 1 5 6 点跌落 到1 8 2 0 8 1 点，跌破2 0 0 0 点大关。上证综指在2 0 0 8 年的短短1 2 个月里，跌幅高 达6 5 3 9 ，波动异常剧烈。 股市的稳定、健康运行将推动国民经济的发展，而中国股票市场的剧烈波动 现状折射出中国股市存在着较多问题，这必将影响国民经济的正常运行。大部分 研究在分析其原因时并没有考虑数据频率的影响，基于此背景，本文从股指自身 波动规律和外部影响因素( 主要是宏观经济影响) 出发，选择不同频率的数据， 以上证综指为研究样本，对中国股指波动做一个全面、深入的实证考察，针对实 证分析中发现中国股市所存在问题，提出相应的政策建议，尝试对股票市场乃至 国民经济的健康发展进言献计。 不f r d 频牢数据下i ：证综指波动的比较研究 1 1 2 选题意义 学术界主要从分析股指波动自身规律和股指波动外部影响因素两个角度出发 对股指波动问题进行研究，且已取得了丰硕的成果。但是在研究过程中，几乎所 有文献都是使用同一频率数据，并没有考虑数据频率差异对股指波动分析的影响， 然而选择不同频率数据分析股指波动可能会得到不同的分析结果。为此，本文试 图拓展股指波动问题研究思路，选取不同频率数据考察股市。因此，本选题具有 重要的理论意义。 证券市场作为国民经济大系统中的子系统，其运行直接影响整个国民经济的 发展，故有必要对股市波动做全面研究。一方面，本文在技术分析视角下从股指 自身波动的角度出发，通过使用不同频率数据考察中国股票市场在短期、中期和 长期的波动特点差异，发现相应问题，并提出针对性建议，避免股指过度波动。 另一方面，本文在基本分析视角下使用不同频率数据来研究宏观经济因素对股指 的影响，从不同的时间期限来验证股市作为宏观经济“晴雨表 的功能，并全面 考察宏观经济因素对股市的影响和效应，在此基础上提出一些建设性的对策以期 股市得到健康运行，进而促进股市乃至整个国民经济稳定发展。故本选题具有较 大的现实意义。 1 2 文献综述 近年来，股票市场的波动引起了国内外众多学者的广泛关注。同时，对股票 市场价格波动的研究也颇具成果。从股价波动研究对象来看，主要包括对单个股 票价格波动的研究【3 1 以及对股票价格指数波动的研究。由于本文研究重点为中国 股市的总体波动情况，故只对研究股指波动的文献进行综述。另外从股指波动研 究内容来看，现有文献对股指波动的研究主要是从股指自身波动规律和股指波动 影响因素两方面入手，故本文也从这两方面入手对现有文献进行综述。 1 2 1 国外股指波动研究现状 1 2 1 1 国外股指自身波动规律研究现状 对股指自身波动规律研究通常是通过研究其收益率实现的。大量研究表明在对股 指收益率时间序列建模时，随机扰动项在较大波动幅度后伴随较大幅度波动，在 较小波动幅度后伴随较小幅度波动，也就是说股市收益率的分布具有波动集群性， 亦即随机扰动项具有异方差性。国外学者一般使用四种模型拟合随机扰动项的这 种异方差性：m a n d e l b r o t 和f a m a 提出的递归法、k l i e n 提出的滑动求和法、h a r v e y 。影响股指变动的阒素有很多，但基本上可以分为三类：市场内部因素、摹本面因素和政策因素，而基本面 因素包括宏观经济冈素和公司内部因素。考虑到数据可获得性等实际操作问题，本文主要研究宏观经济因 素对股指波动的影响，因此对股指波动外部影响因素文献综述主要是宏观经济对股指波动影响的综述 2 硕l j 学位论文 提出的随机波动模型( s v 模型) 以及e n g l e 与b o l l e r s l o v 等学者提出的a r c h 族模 型。在这四种模型中，a r c h 族模型被认为最集中地反映了方差变化的特征而 被广泛应用于金融数据的时间序列分析【4 1 。因此，本文也使用a r c h 族模型来研 究股指收益率的波动特征。 国外有大量的文献利用a r c h 族模型对股指收益率的波动集群性、长记忆性、 股市非对称性以及股市报酬与风险关系进行研究。而在收益率数据的选取频率上， 主要包括日收益率、周收益率以及月收益率。 使用日收益率研究方面，m b o d j am o u g o u e 、a n nm a r i ew h y t e 选取1 9 7 9 年 1 2 月3 1 日至1 9 9 1 年7 月1 日日数据，使用g a r c h 模型与g a r c h m 模型对德 国以及法国两个具有不同结构的股市进行研究，结果表明两市均具有异方差性且 股市收益和风险具有微弱的正相关性【5 1 。g r e g o r yk o u t m o s 使用t a r c h 模型，利 用日收益率序列研究包括美国、日本、英国等9 大发达国家股市的非对称性，结 果表明这些股市中均存在“杠杆效应 ，即等量利空消息比等量利好消息对股市的 影响更大【6 】。j u ny u 使用g a r c h 模型研究了新西兰股市的日收益率序列，并比 较了包括g a r c h 模型在内的9 大模型对股指收益率方差的预测能力【7 j 。 使用周收益率与月收益率研究方面，s a n t i s 、i m r o h o r g l u 利用g a r c h 模型和 g a r c h m 模型使用周收益率数据对亚洲和拉丁美洲中一些新兴股票市场的股指 波动性进行了研究。发现与成熟的股票市场相比，新兴股市具有更大的波动性。 并且在研究风险与收益关系时，发现二者关系并不显著，高风险并没有以高收益 作为补偿【s 】。b r a i l s f o r d 、f a f f 采用月度数据对澳大利亚股指拟合g a r c h 模型， 发现g a r c h 模型具有良好的预测效果【9 1 。 国外有关学者还使用不同频率数据对股市波动性进行研究。c h i a n g 、t h e mc 、 d o o n gs c 使用t a r c h m ( i ，1 ) 模型研究亚洲7 个股市的非对称性时发现，股市 日收益率序列存在着非对称性，月收益率序列则不存在非对称性【l 们。g l o s t e n 等 运用标准g a r c h m 、修正g a r c h m 以及e g a r c h m 模型，研究纽约证券交 易所1 9 5 1 年4 月至1 9 8 9 年1 2 月间加权股价指数的月度收益发现：若使用标准 g a r c h m 模型来反映股票市场的随机波动度，股票超额收益的条件均值与条件 方差间呈现出正向但不显著的相关关系；若对标准模型进行调整，充分考虑条件 方差对好坏消息的非对称性影响，股票超额收益的条件均值与条件方差间呈现出 负向相关关系，并且发现使用月度数据与日数据在模型估计结果上存在着显著差 异1 1 1 1 。 国自恩格尔于1 9 8 2 年提出a r c h 模型之后，各学者分别从不同的角度提出了a r c h 模型的推广模型，而形 成a r c h 族模型，a r c h 族模型包括g a r c h 模型、t a r c h 模型和g a r c h m 等模型，它们被广泛运用 于刻画股票市场波动、汇率市场波动等的波动特征，本文将在下文对模型做具体介绍 3 不同频率数据下f ：证综指波动的比较研究 1 2 1 2 国外宏观经济影响股指波动规律研究现状 国外在分析宏观经济变量对股市的影响方面，选取的数据频率包括月度数据、 季度数据以及年度数据，并且有部分学者同时选取月度数据、季度数据以及年度 数据综合考察宏观经济对股市的影响。 利用月度数据研究方面，m a y s a m i 、k o h 运用协整理论和向量自回归模型， 利用1 9 8 8 年1 月至1 9 9 5 年1 月的月度数据对新加坡股票市场与汇率、短期和长 期利率、通货膨胀、货币供应量、出口值、工业增加值间关系进行了研究，发现 股价指数与汇率、短期和长期利率、通货膨胀、货币供应量之间存在协整关系， 但是与出口及工业增加值之间不存在协整关系f 1 2 】。s a n g b a e 、f a n c i s 运用小波分析 法，利用1 9 2 6 至2 0 0 0 年近8 0 年的月度数据实证分析美国股市与通货膨胀的关系， 发现在短期内股票市场收益率与通货膨胀率呈现出正相关关系，而在长期内股票 市场收益率与通货膨胀率存在着负相关关系【1 3 】。p r a p h a n 、s u b h a s h 利用1 9 8 5 年 至1 9 9 6 年月度数据，以印尼、新加坡、泰国、菲律宾及马来西亚5 个东盟国家为 研究样本，使用协整检验、格兰杰因果结果、向量误差修正模型等计量方法实证 研究股票市场与国民生产总值、通货膨胀率、货币供应量( m i ) 、汇率以及短期 利率5 个宏观经济变量之间的关系，研究结果表明这些国家的股票市场与宏观经 济在短期和长期内都存在着密切的关系，且股票价格与大多数宏观经济变量存在 双向格兰杰因果关系【l 引。 采用季度数据研究方面，d a v i de r a p a c h 以美国、澳大利亚、比利时等1 6 个工业化国家为研究对象，利用季度数据实证分析了1 9 5 7 年至2 0 0 1 年通货膨胀 率对股票实际价格的影响，结果表明通货膨胀率对股票实际价格并没有明显的负 向影响【1 5 1 。s p y r o u 使用季度数据对智利、墨西哥、韩国、土耳其等9 个新兴股票 市场的实证分析发现，与大多数发达股票市场不同，新兴股票市场股市收益与通 货膨胀的负相关关系并不显著，有些地区甚至显示为正相关。他认为这是通货膨 胀与货币供给和实际经济都有关系的结果，因此股票在一些新兴股票市场国家依 然是通货膨胀有效的保值品【1 6 】。 综合使用各频率数据方面，f a m a 利用1 9 5 3 年至1 9 8 7 年的年度数据和季度数 据实证分析美国股市收益率与实体经济的关系，结果表明股票收益率和实体经济 存在着正相关关系【l 7 1 。b i n s w a n g e r 则利用子样本滚动回归方法，对1 9 5 3 年至1 9 9 7 年这一时段内进行分阶段讨论，研究发现不管使用月度数据、季度数据还是年度 数据的美国股票收益率与实际经济活动之间均不存在显著关系【l 引。c h i o ，j c 以 ( 3 7 国家( 美、英、日、德、加、法、意) 为研究对象，利用误差修正模型分析变 量间关系，探讨股票实际收益率是否领先实体经济活动，结果表明在显著性水平 为o 0 5 时，不论数据频率为月、季、年，g 7 国家中的美、英、日、德、加五国 4 硕士学位论文 的股票实际收益率与实体经济活动皆显著存在因果关系。然而法国仅在以季资料 进行实证分析时，二者才存在着显著的因果关系，而意大利不论在何种数据下检 测，股票收益与实体经济活动问的因果关系皆不显著【l9 1 。 1 2 2 国内股指波动研究现状 1 2 2 1 国内股指自身波动规律研究现状 ( 1 ) 股指日收益率波动规律研究现状 在股市收益率的波动集群性研究方面，一般使用g a r c h 模型：李萌、叶俊 对1 9 9 8 年1 月1 日至2 0 0 0 年1 2 月3 1 日上证综指和深成指数日收益率序列拟合 g a r c h ( 1 ，1 ) 模型，发现收益率序列具有波动集群性，且外部冲击对沪市波动具有 很长的影响【2 0 1 。另外，朱孔来、倪杰f 2 1 】和章超、程希骏、王敏【2 2 】使用不同的时间 区间发现股市收益率适合拟合g a r c h 模型，即具有波动集群性，这与李萌、叶 俊【2 0 】的研究结论相同。 在对股市报酬与风险关系研究方面，一般使用g a r c h m 模型：顾岚、刘贤 荣利用1 9 9 4 年1 月1 日到1 9 9 9 年1 月6 日的数据对沪深两市的股指收益率拟合 g a r c h m 模型，结果表明估计结果中条件标准差的系数并不显著，亦即风险对 收益的影响并不显著【2 3 1 。陈工孟、芮萌实证分析1 9 9 0 年1 2 月1 2 日至1 9 9 7 年1 2 月3 1 日沪市收益和风险关系，发现条件标准差估计值为负且统计显著，说明沪市 收益与风险存在着反向的关系；而在深市中，股指风险与收益的关系并不显著【2 4 1 。 陈千里、周少甫对1 9 9 7 年1 月3 日到2 0 0 0 年1 2 月l8 日上证指数收益率拟合 g a r c h m 模型，发现期望收益和期望风险呈现出正相关性，这为收益的风险溢 价理论提供了证据【2 5 1 。禹敏、陈收选取的样本区间为1 9 9 7 年1 月3 日至2 0 0 6 年 5 月1 2 日，研究发现中国股票市场中期望收益与期望风险存在着同向变动关系， 对于高风险的投资要求高收益，而高收益也伴随着高风险。学者们对此问题的研 究结论存在着较大的差异，这与样本区间的选取有较大关系f 2 6 1 。 在研究股市非对称性方面：朱孔来、倪杰分别对沪深两股指收益率拟合 t a r c h 模型，发现两市场均存在着“杠杆效应 ，即同等的利空消息比同等利好 消息对股市影响更大【2 。楼迎军利用e g a r c h 模型对中国9 大股票指数收益率 的非对称性进行研究，结果发现包括上证综指在内的7 大股票指数收益率具有显 著的“杠杆效应 ，而另外2 大股指收益率则不存在“杠杆效应一【2 7 】。姜学、许 涤龙将1 9 9 1 年1 月1 日至2 0 0 5 年2 月1 8 的沪深股市分为三个阶段，使用e g a r c h 模型分析沪深两市的非对称性，发现各个阶段股指的非对称性效应并不相同，并 认为涨跌停板制度有效抑制了股市的过度波动【2 引。何晓光、朱永军应用 a r m a e g a r c h 模型和a r m a t a r c h 模型，分析涨跌停板制度对沪深两市非 对称性的影响。结果发现收益率波动的非对称性表现出阶段性特征，在实现涨跌 5 不频率数据下f ：证综指波动的比较研究 停板制度前，市场表现为反向的非对称性或者非对称性不明显；而在实现涨跌停 板制度后，市场存在着显著的杠杆效应【2 9 1 。何兴强、李涛选取日收益数据使用 a n s t - 一g a r c h 模型分析沪市熊市和牛市的非对称性性。发现牛、熊态势下股市 收益的均值回归特征差异明显，理性预期假设不成立：牛市阶段负收益均值回归 的速度和幅度更大、呈反转趋势。正收益则具有一定持续性；熊市阶段正负收益 均呈反转趋势，其中正收益反转趋势更明显：牛、熊市阶段股市对“坏消息 都 反应过度，牛市阶段市场对“好消息 反应不足，熊市阶段市场对“好消息”比对 “坏消息 的过度反应更明显【3 0 1 。 ( 2 ) 股指周、月收益率波动规律研究现状 刘国旗采用1 9 9 2 年到1 9 9 6 年的上证综指和深成指数周收益拟合g a r c h 模 型，发现收益率序列具有“尖峰厚尾的性质，且收益率序列也具有波动集群性 等性质1 3 。周杰、刘三阳较理想的对2 0 0 1 年4 月2 7 日至2 0 0 5 年1 2 月5 日上证 指数周收益率拟合g a r c h ( 1 ，1 ) 模型，并对其和c a r r 模型的预测能力进行了比 较【3 2 】。庄彬惠，曾五- - n 用1 9 9 7 年1 月1 日至2 0 0 5 年7 月2 2 日的数据，使用 a r c h 族模型分别拟合上证综指的同收益率和周收益率，并对波动率进行了预测 以寻找适合中国股市波动预测的a r c h 族模型。其研究发现：上证综指周收益率 序列具有波动集群性，沪市具有非对称性，收益和风险存在着显著的正相关性【3 3 1 。 靳庭良、喻东分别选取1 9 9 3 年1 月4 日至2 0 0 1 年6 月1 4 日上证综指与深成指数 日收益率、周收益率、月收益率序列，使用g a r c h 模型验证涨跌停板制度对两 市波动的影响，结果发现沪深两市的周收益率在实行涨跌停板制度前不具有 a r c h 效应，在实行涨跌停板制度后具有a r c h 效应；而沪市的月收益率序列在 政府实行涨跌停板制度之前具有a r c h 效应，在实行涨跌停板制度之后却不具有 a r c h 效应而适合拟合a r m a 模型1 3 4 】。 1 2 1 2 国内宏观经济影响股指波动研究现状 目前国内学术界在研究宏观经济对股指波动做了大量的研究，且取得了一系 列成果。现有文献在研究方法、变量选取以及数据频率选择上存在着较大差异。 在研究方法选取中，除少数学者使用相关分析和多元回归分析【3 5 娜】外，大多 数文献都运用协整理论对其进行研究，使用协整理论研究具有一定的科学性和合 理性，因为在对时间序列变量建模时，使用协整理论可避免“伪回归”现象，且 运用其中的格兰杰因果检验还可挖掘变量间的因果关系，有利于更进一步的分析。 从选取的变量来看，有些学者选取一两个宏观经济指标专门分析其对中国股 市的影响。孙霄钟、高峰等运用格兰杰因果检验等方法，在比较中、美、日三国 股价指数和工业增加值关系的基础上，对上证综指与工业增加值不存在格兰杰因 果关系的原因进行了探讨，并提出了相关对策【3 7 1 。何宏【3 8 1 与李亚敏、王浩【3 9 】研究 6 硕l j 学位论文 了利率对中国股市的影响。韩学红、郑妍妍、伍超明分析了股市收益率与通货膨 胀的关系【训。刘幌松研究了货币供应量( m o 与m 1 ) 对上证综指的影响【4 1 1 。陈晓莉 实证分析了上证综指与以m i 为代表的货币供应量、城乡居民储蓄存款总额的关 系 4 2 】。从经济系统的关联性来看，要全面了解宏观经济对中国股市的影响，仅仅 选取一两个变量是不够的，必须考虑更多的相关变量。 此外在数据频率的选取中，各学者分别选取月度数据或季度数据研究宏观经 济变量对股市的影响。本文拟使用协整理论，分别使用月度数据和季度数据，研 究相关宏观经济变量对中国股市的影响，故拟对使用协整理论且考察多个宏观变 量对股指影响的文献进行综述，且文献综述分月度数据和季度数据进行。 使用月度数据分析宏观经济变量影响股指方面，叶青、易丹辉将1 9 9 0 年1 月至1 9 9 8 年1 2 月的月度数据分为4 个阶段，对上证综指和国民经济景气评分进 行协整检验和格兰杰因果检验。发现第一、二阶段上证综指和国民经济景气评分 不具有长期均衡关系，而在第三阶段( 1 9 9 6 年1 月至1 9 9 6 年1 2 月) 和第四阶段 ( 1 9 9 6 年1 2 月到1 9 9 8 年1 2 月) 具有长期均衡关系。运用格兰杰因果检验发现， 经济景气变化影响第四阶段股价指数变化趋势【4 3 1 。但该文在各阶段选取的时间跨 度不长，故其研究结论具有很大的局限性。顾岚选取1 9 9 4 年1 2 月至1 9 9 9 年2 月的月度数据分析了一些常见的宏观经济指标与沪深股指以及沪深股指各板块分 类指数之间的关系，发现宏观经济指标与沪深股市之间没有明显的协整关系，但 是其内在的运行，即其动态运行之间的长期均衡关系是显著的【4 4 1 。此文虽然选取 的指标较多( 达到1 0 个) ，但是在验证股市与宏观基本面关系时却没有进行多元协 整检验，只进行了各指数与宏观经济变量之间的二元协整检验，并未考虑多个宏 观经济变量对股市的综合影响。刘玲、谢赤、曾志坚利用2 0 0 1 年1 月到2 0 0 5 年 3 月数据验证股市与一些主要的宏观经济指标和货币政策指标存在着协整关系。 说明中国股票市场与宏观经济发展是基本一致的，股票价格指数在一定程度上可 以作为反映宏观经济状况的“晴雨表 【4 5 1 ，但此文没有做格兰杰因果检验验证各 宏观经济变量与股市的因果关系。马守荣、李正辉、高雪亭研究表明1 9 9 9 年1 月至2 0 0 5 年9 月间，国内生产总值、通货膨胀率、利率以及广义货币供应量与深 圳成分指数存在着长期均衡关系，然而中国股市却与宏观经济相背离，故不能充 当宏观经济状况的“晴雨表 1 4 6 。 使用季度数据分析宏观经济变量影响股指方面，尚鹏岳、李胜宏利用1 9 9 5 年1 月至2 0 0 0 年9 月的季度数据证明上证综指与国民生产总值、固定资产投资额、 全国物价指数的变化之间不存在协整关系，而与长期利率、短期利率、货币供应 量以及家庭存款余额的变化之间存在协整关系【4 7 1 ，然而此文也没做格兰杰因果检 验。徐国祥、马俊玲利用1 9 9 4 年1 季度到2 0 0 4 年2 季度的数据对上证综指与宏 观经济变量关系进行了实证研究。此文对宏观经济指标使用主成分分析降维，发 7 不同频率数据下i ：证综指波动的比较研究 现滞后三期的第一主成分与股价对数存在着因果关系和长期均衡关系，认为中国 宏观经济确实是引起证券市场变化的决定性因素，但是股价变动与宏观经济的增 长速度同步还有距离【4 8 1 。此文使用主成分分析法虽然克服了变量之间的多重共线 性的问题，且第一主成分的贡献率达到7 5 5 9 ，但是此文仅使用第一主成分进行 分析，有效信息浪费严重。晏艳阳、李治、许均平通过对1 9 9 4 年第一季度到2 0 0 2 年第四季度使用协整检验、误差修正模型和格兰杰因果检验得出：中国股票市场 已经可以在一定程度上反映宏观经济发展情况，但由于其与g d p 之间联系较弱， 故而不能充当中国经济发展的“晴雨表【4 9 1 。马进、关伟选择1 9 9 6 年至2 0 0 5 年季度数据，使用协整理论、格兰杰因果检验等计量经济方法实证分析了国内生 产总值、利率等宏观经济变量对股指的影响。分析结果显示中国当前股票市场与 宏观经济存在一定的长期稳定关系，但其相互影响的程度较小【5 0 1 。 可以看到，学者对于中国股市和宏观经济的关系众说纷纭。有的学者认为股 市和某些宏观经济变量之间不存在着明显的协整关系，有的认为股市和某些宏观 经济变量之间存在着显著的协整关系，对股市反映宏观经济状况的“晴雨表功 能的看法亦未达成一致。 1 2 3 对现有文献的简单评述 ( 1 ) 在研究股指波动规律时，大多数学者都“理所当然 的选用了一个频率 数据对股市波动进行研究。然而，c h i a n g 等【i o 】与g l o s t e n 等】的研究表明使用 不同频率数据进行研究可能会得到不同的结论。国内研究中，庄彬惠，曾五一1 3 习 及靳庭良，喻东【3 4 】尽管考虑了数据频率的问题，但是他们的研究目的并不是比较不 同频率数据下中国股市波动的差异。因此利用不同频率下的数据对股指波动进行 比较研究