我国股市杠杆效应研究的论文

我们国家股市杠杆效应研究的论文原文冯鲲鹏，陈峰内容内容摘要：本文基于garch模型根据最大似然函数和aic原则选择最优估计模型，来研究中国股市的杠杆效应。结果显示中国股市存在明显的杠杆效应，其中沪深300指数的杠杆效应最小。然后我们以沪深300指数的推出为分界点，以最优估计模型研究前后两段时间的沪深股市的杠杆效应。我们发现沪深300指数推出后，沪深股市的杠杆效应都变弱了。本文关键词语：garch模型杠杆效应engle〔1982〕通过建立自回归条件异方差模型〔arch〕证明了金融时间序列的波动聚集现象，并由bollerslev〔1986〕推广成为广义自回归条件异方差模型〔garch〕。在资本市场中，经济学家又发现了这样的现象：资产的向下运动通常伴随着比之程度更强的向上运动。engle和ng〔1993〕绘制了好消息和坏消息的的非对称信息曲线，认为资本市场的冲击常常表现出一种非对称效应，也被称为杠杆效应，是许多金融资产的的一个重要事实特征。随着中国证券市场的发展，中国自2005年4月8日开始发布沪深300指数，为完善金融结构，有效规避市场的系统风险，便于投资者完善投资组合等方面发挥了积极作用。关于股票市场的杠杆效应，国外的研究较早也较为深入。相对而言，国内的研究较少，而且大都集中在国内外市场的比较上，很少有人专门研究国内市场的杠杆效应。具体来说就是上证指数、深成指数、沪深300指数的总体杠杆效应，以及沪深300指数推出后对上证指数和深成指数杠杆效应的影响。从已有国内研究文献来看，都几乎一致地假设模型扰动项服从正态分布。11665.com但是大量的实证研究发现，即使garch模型能在一定程度上拟合股票收益率序列的尖峰分布特征，但是模型残差检验也往往拒绝正态分布假设。所以，扰动项正态分布假设的估计结果可能并非最优。本文基于最大似然函数值准则和赤池信息准则，从众多备选模型中选出最优的模型对中国股市的杠杆效应进行研究。模型介绍、估计及数据〔一〕模型介绍bollerslev〔1986〕对arch模型进行了修正并提出了广义自回归条件异方差模型〔generalizedautoregressiveconditionalheteroscedasticitymodel，garch模型〕。在garch模型中，要考虑两个不同的假定：一个是条件均值，另一个是条件方差：〔1〕其中xt是解释变量向量，γ是系数向量，σt2为条件方差。为了研究股票市场的杠杆效应，zakoian〔1990〕和glosten，jagannathan，runkle〔1993〕提出了tarch模型：〔2〕dt-1是一个虚拟变量，当ut-10时，dt-1=1；否则，dt-1=0。只要γ≠0，就存在非对称效应。条件方差方程中的γu2t-1dt-1项称为非对称效应项，或tarch项。好消息有个α倍的冲击，即ut-10时，dt-1=0，非对称项不存在，好消息只有一个α倍的冲击；而坏消息则有一个〔α+γ〕倍的冲击，因为当ut-10时，dt-1=1。如果γ0，说明非对称效应的主要效果是使得波动变大，反之γ0，则说明非对称效应的作用是使得波动减小。另外nelson〔1991〕提出了egarch〔exponentialgarch〕模型：γ0且显著时，表明杠杆效应存在。这个模型的优点是，通过描述σt2的对数，所以方差σt2本身就是正的；其次如果波动性和收益性负相关，则γ0，模型可以解释股票市场的杠杆效应。只要γ≠0，冲击的影响就存在着非对称性。〔二〕模型的估计在实践中我们注意到，许多时间序列，特别是金融时间序列的无条件分布往往具有比正态分布更宽的尾部。为了更精确的描述这些时间序列分布的尾部特征，还需要对误差项ut进行假设。一般有3个假设：正态〔高斯〕分布、学生t分布和广义误差分布〔ged〕。下面分别介绍这3种分布，其中的θ代表参数向量。对于扰动项服从正态分布的garch〔1，1〕模型，它的对数似然函数为：对于扰动项服从学生t分布的garch〔1，1〕模型，它的对数似然函数为：对于扰动项服从广义误差分布〔ged〕的garch〔1，1〕模型，它的对数似然函数为：〔三〕数据本文选择上证综合指数〔shi〕、深圳成分指数〔szi〕及沪深300指数〔hs300〕作为研究对象。上证指数和深成指数是中国发布最早的指数，能较好的反映股票市场的波动情况。沪深300指数是我们国家股指期货的标的物，具有重要作用和意义。本文选择上述三个指数编制以来的所有数据，其中上证指数1990年12月19日至2011年3月22日共4967个数据，深成指数1991年4月3日至2011年3月22日共4960个数据，沪深300指数2005年4月8日至2011年3月22日共1448个数据。数据;雅虎财经。股票市场的收益性：i取1，2，3分别表示沪深300指数，上证指数，深成指数；pi，t表示市场第t日的日收盘数据，ri，t表示i市场第t日市场收益率。[论文网]表1是每个市场收益率序列的描述性统计。沪深300指数的波动性要小于上证指数和深成指数的波动性。在正态分布的假设下，市场收益率的偏度应为0峰度应为3，上表3个指数的收益率都不等于0，峰度也大于3，说明他们都不服从正态分布，这与大量实证研究结论是一致的，jb统计量也拒绝正态分布。adf和pp检验表明在1%置信水平下，这三个收益率序列均为平稳过程。q〔10〕和q2〔10〕统计量表明在5%置信水平下，收益率序列及其序列平方均存在显著自相关现象。〔四〕实证分析我们假设股票市场是一个弱有效市场，投资者无法从前期交易中获取任何获利的机会，股票价格不可预测，股票价格的对数服从一个随机游走过程：εt和ut可能服从正态分布、学生t分布或者广义误差分布。条件方差方程共有6种模型形式〔见表2〕。根据极大似然函数值准则和赤池准则可以得到：沪深300指数应选择egrch〔1，1〕-g模型，上证指数和深成指数应选择egrch〔1，1〕-t模型。中国股票市场“杠杆效应〞检验克里斯汀〔christie，1982〕研究美国等国家的一些股价指数序列后发现，对于股价反向冲击所产生的波动性，大于等量正向冲击产生的波动性，这种“利空消息〞作用大于“利好消息〞作用的非对称性，就是“杠杆效应〞。通过最优模型的估计〔见表3〕，我们可以发现，在整个期间三个指数都存在明显的杠杆效应。我们再分段检验沪深300指数推出前后的上证指数和深成指数是否存在杠杆效应。下面分别是两个指数在hs300推出前后的信息冲击线。我们发现上证指数在hs300推出前有较强的正杠杆性，深成指数则有很强的负杠杆性。但是hs300推出后，这种杠杆性大大减弱，显示了hs300指数推出的巨大作用和意义〔见图1到图4〕。结论综上所述，本文得出以下结论：第一，通过将扰动项的分布假设进行扩展，根据最大似然函数值和赤池信息准则，我们得到了对应的最优模型，再通过最优模型考察三类指数的杠杆效应，发现在整体上三类指数都存在着一定的正杠杆效应，即“利好消息〞的冲击大于“利空消息〞的冲击。其中，hs300的杠杆效应最小。第二，通过将shi和szi以hs300推出为分界点分开，再通过最优模型估计两类指数在前后两段时间里不同的杠杆效应。发现，hs300推出后，shi和szi的杠杆效应都大大较弱。这说明了推出hs300，完善金融市场，减少市场系统性风险的重要性和必要性。以下为参考文献：1.engle，r.fautoregressiveconditionalheteroscedasticitywithestimatesofthevarianceofunitedkingdominflation.econometrica，1982〔50〕2.engle，r.f.andv.k.ng.measuringandtestingtheimpactofnewsonvolatilitythejournaloffinance，1993〔48〕3.bollerlev，t.generalizedautoregressiveconditionalheteroscedasticity.journalofeconometrica，1986〔31〕4.nelson