中国股市对信息的不对称性反应课件

1、中国股市对信息的不对称性反应（Asymmetric Reaction to News in Chinas Stock Market）江彦 2005年4月1目录第一章前言第二章文献综述第三章理论模型第四章数据第五章实证模型第六章实证结果第七章结论与建议2第一章 前言 研究动机有效市场理论指出，在强式和半强式有效市场中，而股票价格的未来走势只和将来市场上出现的新信息有关，因此好消息和坏消息对股票价格的影响是相同的。而Mandelbrot (1963)以来的研究发现，股票的收益冲击存在不对称性：对坏消息作出反应而引起的股票收益波动变化较大，对好消息反应引起的波动变化较小。当波动模型无法掌握波动的不对

2、称效果时，将会影响其对未来波动的预测，以及资产定价、资产组合选择、动态避险策略的正确性。3第一章 前言 研究动机我国股市的股指和波动性示意图4第一章 前言 研究意义投资者投资组合选择以及资产定价金融理论中的期限结构、期权定价、动态资本资产定价与动态避险模型等，都牵涉到要估计金融资产价格的波动性。因此 “利好”和“利空”消息影响的非对称性将直接影响投资者对市场波动性的预测，从而影响资产定价。有效的宏观调控政策的制定研究“利好”和“利空”消息对市场波动性的不同影响同样有助于政策制定者进行有效的宏观调控政策的制定，包括选择合适的时机推出合适的政策，并准确的预测政策所产生的效果等等。5第二章 文献综述

3、 国外文献特征事实和实证研究 Engle (1990)的不对称GARCH 模型 Nelson (1991)的指数型 GARCH 模型Campbell 与Hentschel (1992)的二次式GARCH 模型Zakoian 与 Rabemananjara (1993)的门坎型GARCH 模型Glosten, Jagannathan与 Runkle (1993)的GARCH模型Fornari and Mele(1995) 波动转换 GARCH模型与Hentschel (1995)发展的不对称GARCH模型族 理论研究“杠杆效应”：Black(1976)，Christie(1982)和Schwer

4、t(1989)“噪音”理论：Campbell和Kyle(1993)投资者非同质：Wang(1993)，Grundy和Kim(1995)投资者同质拥有不完全的信息：Veronesi (1999)市场摩擦：Koutmos(1998)行为金融学7第二章 文献综述 国外文献关于中国股市波动性的研究：Su和Fleisher(1998)：政府干预会影响到股市的波动性。Yeh和Lee(1997)：GJR GARCH模型，认为相比于EGARCH模型，GJR模型在收益率高波动阶段，会对条件方差的估计产生超调(overshooting)。Friedman和Sanddorf(2002)：利用了EGARCH和GJR

5、GARCH模型，认为非交易日对中国股市的波动性存在影响。Yeh和Tsai(2000)：对大中华区(中国，香港和台湾)的股市进行研究，发现在香港和台湾股票市场，坏消息对市场的影响比较大，而在中国市场的情况则相反。8第三章 理论模型 非对称信息下的资产定价模型 - Wang(1993)假设风险资产的股利收益满足随机过程投资者之间信息不对称投资者效用函数为CARA风险资产的供给是随机的信息劣势投资者的最优化问题结论处于信息劣势的投资者其对风险资产的需求和资产价格的变化正向相关，成为“价格追随者”10第四章 数据 度量消息影响不平衡性的实证数据上证综合指数每日收盘指数。研究的样本为1991年1月1日至

6、2004年12月31日。度量泡沫的实证数据本文所用的数据包括上证综合指数每月底的收盘指数，以及工业生产指数（PRD）、居民消费价格指数（CPI）、狭义货币供应量（M1）。研究期间从1991年1月至2004年12月，共168个观察值。11第五章 实证模型 EGARCH模型 系数 用于描述EGARCH模型中的冲击不对称性: 收益的正冲击大于负冲击的影响 收益的正冲击小于负冲击的影响 收益的正冲击将减小市场的波动性而负冲击将增大波动性 12第五章 实证模型 估计股市泡沫的实证模型 其中：14第六章 实证结果 整个时间段内，好消息和坏消息影响的不对称性 “利好”消息的影响大于“利空”消息Coeffic

7、ientStd. Errorz-StatisticProb. C1360.76933.6866540.39490.0000 TUE-12.125042.367067-5.1223910.0000 WED-22.051922.951725-7.4708580.0000 THU-11.512282.331859-4.9369540.0000 FRI18.271952.1105768.6573270.0000 AR(1)0.9616180.003968242.3240.0000 Variance Equation10.312660.28170636.607910.0000 -0.7709440.02

8、0852-36.972150.0000 0.1391460.00816117.051110.0000 -0.1708970.030894-5.5318010.0000 15第六章 实证结果 牛市中，好消息和坏消息影响的不对称性 “利好”消息的影响大于“利空”消息CoefficientStd. Errorz-StatisticProb. C0.000110.0006250.1753590.8608 TUE-0.0006980.00099-0.7057820.4803 WED-0.0005110.001006-0.508250.6113 THU0.00090.0008491.0600330.289

9、1 FRI0.0028840.0010852.6575830.0079 AR(1)-0.0909980.02095-4.3435520.0000 Variance Equation-0.6629080.043832-15.123950.0000 0.54470.02409322.608290.0000 0.06430.0114675.6074860.0000 0.9618010.004791200.74980.0000 17第六章 实证结果 熊市中， 好消息和坏消息影响的不对称性 “利空”消息的影响大于“利好”消息CoefficientStd. Errorz-StatisticProb. C-

10、0.0008760.000821-1.0660230.2864 TUE0.0021980.0012281.7902210.0734 WED0.00008420.0011960.0703850.9439 THU-0.0012190.001201-1.0148430.3102 FRI-0.0017010.001173-1.4499570.1471 AR(6)-0.0635290.030343-2.0936610.0363 Variance Equation-0.2686160.031833-8.4382070.0000 0.2511810.01322618.991720.0000 -0.0515020.00984-5.2342060.0000 0.987720