中国股市波动的实证分析

中国股市波动的实证分析

金融时间序列由于中国股票市场发展缓慢、基础薄弱、监管和法律制度不完善等原因，中国的股票市场往往会出现非理性的高上涨。另一方面，它对充分发挥投资促进经济发展的作用产生了负面影响。另一方面，政府对市场监督管理和法律法规的制定难度较大。容易陷入恶性循环，阻碍市场健康发展。中国股票市场诸多问题对市场造成的影响,最直接就是股市波动的非理性,这主要表现为两个方面:一方面中国股票市场的波动比发达国家成熟股票市场大,导致市场风险增加;另一方面,中国股市的非对称性明显,股指容易出现尖峰厚尾现象,预期收益较其它国家低。总体而言,中国股票市场波动的异常,使得投资中国股市的资金,在承担较高风险的情况下,难以取得匹配的高回报。在这种情况下,对中国股票市场波动特征及其影响因素进行研究,有助于理解中国股票市场发展的内在机制,把握其规律,为建设健康的股票市场提供参考依据。股票波动研究对股票市场的发展有着重要意义。对股票波动特征的研究方法以Engel于1982年提出ARCH模型及其衍生的相关模型为主。由于风险和波动率在金融中的重要地位,这些关于波动率模型的文献绝大多数都是研究金融时间序列,使得近20年来金融时间序列研究在经济时间序列研究中占据主导地位。在ARCH模型的基础上,波勒斯列夫(1986)提出了广义自回归条件异方差模型(GARCH),该模型显示,在一定时期内,误差项的方差不仅取决于误差项过去的方差,而且还取决于过去的误差项本身。目前,ARCH模型和GARCH模型是研究波动率最为主要的方法。借助ARCH和GARCH模型,国内学者对中国股市波动特征进行了大量研究。徐龙炳、陆蓉(1999)对中国股票市场进行了R/S分析,结果显示沪、深股市存在状态持续性,股市波动率具有一定的记忆性,股指所构成的时间序列呈非线性;张思奇(2000)运用ARMA-ARCH-M模型对1992年1月2日到1998年6月3日的上证综指成分股进行实证研究,结果表明,中国股市的有效程度得到一定提高,市场已具备某些弱势有效市场特征。李萌、叶俊(2003)指出,在沪、深两市中,利空消息所引起的价格波动要比利好消息所引起的价格波动更为激烈,这说明中国投资者的行为极易受到利空消息的影响,从而加剧股市的波动,此外,中国投资者的不完全理性,使得条件方差表现出的风险不能够立刻得以反应。段星德、周伟峰(2010)运用GARCH类模型对中国深市的两个股指日收益率的波动性进行研究,结果表明对于中国股票市场,深市的股指日收益率序列确实存在高峰厚尾性、波动集群性,并用t分布来描述中国股市日收益率的大涨大跌,符合实际情况。股市波动的影响因素研究对分析股市内在规律有着重要意义,国内外学者对此作了许多研究。Poon和Taylor(1992)通过实证分析发现,在英国的证券市场中存在着对“好消息”与“坏消息”的不平衡反应,“坏消息”对证券市场波动的影响更大。Fleisher(1998)和Lee(1997)研究了中国股票市场波动性模型,他们用非高斯、厚尾的稳定分布估计了GARCH模型。通过模型的拟合结果发现,中国政府的市场干预政策影响了股票市场的波动性。Singh(1997)的研究则发现,放松金融管制有利于扩展证券市场规模,引起交易频繁,从而造成证券市场波动增大。Konstantions和Kassimatis(2002)利用EGARCH模型实证分析了发展中国家金融市场开放对证券市场波动的影响。实证结果表明,对于不同的国家而言,金融开放政策引起证券市场波动的特征是不同的,部分发展中国家证券市场波动增加,部分国家却降低。国内学者也对股市波动影响因素作了大量研究,叶青、易丹辉(1999)利用协整检验和格兰杰因果检验方法,对中国股票市场长期趋势与经济之间的关系进行了检验,并从股价波动与宏观经济的协整关系角度对政府干预行为作出了客观评价,研究结果表明,每一次证券市场趋势的反转都与政府干预和市场制度的变迁有关,而与宏观经济景气变化不存在长期均衡关系。盛雷(2007)通过对中国股票市场波动特征的研究,发现随着交易制度的逐步完善,中国股市收益的波动性呈逐渐减弱的趋势,收益呈非正态分布且具有明显的时变方差性,聚集效应显著;此外,中国股市收益存在ARCH效应,总体来讲存在杠杆效应,即坏消息对股市的冲击要大于同等幅度的好消息引起的冲击。温思凯(2010)利用上海证券市场数据从投资者、宏观经济变量、政策效应以及制度因素四个层面研究分析波动现象的成因,研究表明,中国目前实体经济运行状况的变动对股市变动影响并不显著,存在脱节甚至背离现象,而政策则直接影响证券市场异常波动。通过文献可以看出,中国股市波动具有典型的尖峰厚尾特征,股市波动的影响因素也多种多样。本文在已有文献的基础上,将采用GARCH模型对中国股票市场波动特征进行更深一层的研究。有别于以往的文献,本文侧重股市波动的投资者行为研究,从市场投资内部寻找股市波动特征及其影响因素。garch模型分析波勒斯列夫(1986)提出的GARCH模型族被广泛地应用到金融时间序列的预测中,并被认为是描述金融时间序列波动率较好的模型。本节采用GARCH模型,对中国股票市场波动特征进行研究。GARCH模型是在ARCH模型的基础上发展起来的。ARCH模型族是将t时刻的预测误差方差作为时间、系统参数、外部和滞后的内部变量以及过去的预测误差的函数。GARCH模型则是ARCH模型族中的一种为带异方差误差的时间序列建模的方法。GARCH(p,q)模型可表示为:其中α0>0,αi≥0,νt服从独立同分布;σ2t可以被认为是过去所有残差的正加权平均,这与波动率“聚类效应”符合,即波动在经过大的变化后倾向于有更大的变化,经过小的变化后倾向于有小的变化。借助GARCH模型的性质,可以研究中国股票市场波动的一些特征。本文选取上证指数和深成指数作为实证研究对象,研究的时间范围是股权分置改革至今,即2005-2011年。收益率计算为ln(pt/pt-1)。分别将上证指数和深成指数的日收益率计算出来后,从它们的波动图(见图1、图2)上可以直观地看出,波动聚类效应十分明显,即大的波动后面跟随着大的波动,小的波动后面跟随着小的波动。为了进一步验证中国股市波动的聚类效应,本文采用GARCH(1,1)模型分别对上证指数和深成指数进行检验分析,得到检验结果如下(括号内为Z统计量值):上证指数:深成指数:从检验结果可以看出,两个指数的ARCH项和GARCH项统计结果显著,且GARCH项均超过了0.9,说明方差冲击的效果显著持久,波动效应具有延续性。导致这个现象的原因很可能是市场投资者的非理性。当股市出现暴涨暴跌时,非理性的投资者容易产生羊群效应,造成追涨杀跌的效果,使得市场一旦出现波动变化,则波动变化的趋势将持续下去,直到另一个变化的出现。模型估计和模型拟合为了进一步研究中国股市波动规律,本文对影响中国股市波动的因素进行分析。考虑到主要从投资者行为因素分析股市波动的原因,本文采用两个指标作为股市波动的影响因子,新增开户数和成交量,其中新增开户数衡量场外资金入市意愿,成交量则衡量的是场内资金的交易意愿。研究方法则采用Sims(1980)提出的向量自回归模型(VAR)。首先建立如下含有n个变量滞后k期的非限制性向量自回归模型(VAR),依此研究各个因素之间的相关关系:VAR模型在进行回归计算前,首先要考虑变量的稳定性。若变量为非稳定性序列,则会造成传统统计量出现偏差,导致伪回归。采用ADF检验法进行平稳性检验,结果残差自相关检验证明其均为白噪声,则ADF检验的应用前提成立。ADF模型可以表示为:如果模型中的βt显著不为0,则证明该时间序列存在单位根,为不平稳序列,此时可以通过差分将其转变为平稳序列。经过对所有变量逐一进行ADF检验(见表1),发现除了lnVT之外,其它两个指标均无法通过临界值为5%的检验,都为不平稳的序列,将lnVOL和lnKHS进行一阶差分后,所有的变量都通过了平稳性检验,可以进行VAR模型估计。VAR模型中一个重要的问题是滞后阶数p的确定。在选择滞后阶数时,一方面要使滞后数足够大,以便能完整反映构造模型的动态特征;另一方面,滞后阶数越大,所需估计的参数也就越多,模型的自由度也就越少。因此进行滞后阶数选择时,需要综合的考虑,既要有足够数目的滞后项,又要有足够数目的自由度。在实际的研究中,常用到的方法是AIC信息准则和SC信息准则,原则是在增加p的过程中使AIC和SC指标达到最小。本文采用该方法确定滞后阶数。比较不同p值建立的模型的AIC和SC值后,本文选取滞后阶数p为3。通过检验,当滞后期为3时,所有参数矩阵的特征根的模都小于1,说明此时的VAR模型是稳定的。脉冲响应函数描绘了特定变量对各种冲击的反应轨迹,它是描述在随机误差项上加一个标准差大小的冲击后对内生变量的当期值和未来值所带来的影响。本文将新增开户数和成交量的变化对波动的脉冲效应图(见图3)进行分析,结果发现,当新增开户数产生一个正向冲击时,波动开始向上反应,直到第三个月达到最大值,之后便缓慢下降。对于成交量的冲击,波动刚开始时产生了一个向下反应,但随后便以更快的速度向上移动,直到第四个月达到最大值。但总体而言,波动的反应程度都不大,其最大值均没有超过0.04。由此可见,股市波动对新增开户数和成交量都有正向反应,即当新增开户数和成交量增加时,股市波动加大,反之,新增开户数和成交量减少时,股市波动降低。表明股市波动对场外资金进场和场内资金交易都有明显的反应,这与实际情况较为吻合。然而,股市波动对成交量的反应并不是一开始就是正向的,而是经过两期之后才产生正向反应,之所以出现这个结果,很可能是场内资金有一部分是政策性维稳资金,这部分资金的主要目的不在于盈利,而是出于政府的需要,在股市波动时进行反方向操作,稳定股市波动,这与很多文献中研究发现的中国股市具有政策性特征相符合。通过脉冲响应函数发现了波动对各种冲击的反应方向和程度,而方差分解则是通过分析每一个结构冲击对内生变量变化的贡献度,进一步评价特定变量的变化中各种冲击的重要性。因此,将波动进行方差分解,得到的结果如表2所示。可以看出,波动自身的冲击是其第一位的方差来源,新增开户数与成交量对波动的方差来源有一定贡献,但作用不大。说明我国股市波动呈现出明显的延续性,这与上一节中股市波动特征检验结果一致。结论与建议:股票市场波动是由一个重要的市场本文通过GARCH模型对中国股市波动特征进行分析,将上证指数和深成指数作为研究对象,结果发现两个指数的ARCH项和GARCH项统计结果显著,上证指数的模型中GARCH项为0.935126,深成指数模型中GARCH项为0.93546,两个GARCH均超过了0.9,说明方差冲击的效果显著持久,波动效应具有延续性。导致此现象的原因很可能是市场投资者的非理性。当股市出现暴涨暴跌时,非理性的投资者容易产生羊群效应,造成追涨杀跌的效果,使得市场一旦出现波动变化,则波动变化的趋势将持续下去,直到另一个变化的出现。这也与一些文献中的研究结果相符合。本文在总结股市波动特征的基础上,进一步研究了其影响因素。通过对新增开户数以及成交量与股市波动的VAR分析,文章发现股市波动对新增开户数和成交量都有正向反应,即当新增开户数和成交量增加时,股市波动加大,反之,新增开户数和成交量减少时,股市波动降低,但反映效果都不明显。然而,通过方差分解,表明股市波动自身的冲击是其第一位的方差来源,新增开户数与成交量对波动的方差来源有一定贡献,但作用不大,即股市波动变化具有一定的延续性。这与GARCH模型的研究结果一致。根据本文得到的研究结果发现,影响我国股票市场波动的因素除了基本面之外,还在很大的程度上受到投资者行为的冲击,这与我国股票市场起步晚、基础弱,且大多数投资者对于股票等证券投资工具缺少足够的认知和培训有着很大的关系,因此,为了降低股票市场波动性,规范发展股票市场,笔者提出以下建议:首先,进一步完善股票市场监管体系。从公司上市发行股票到配股、增发以及红利政策,直至上市公司退市等一系列法律监管体系需要得到更加深入的研究,力争保证上市公司的优质性及其在股票市场上交易股票的规范性,从而在基本面上降低股票的波动。其次,培育出一批高素质的合格机构投资者,其长远的价值投资理念有利于稳定股市,减少波动;严惩或淘汰违规的投资者,在最大程度上分散由于大量资金投机导致的非系统性风险。再次,对普通投资者进行宣传培训,倡导价值投资理念,使得广大的中小散户对股票等证券投资工具有更深的认识,变投机为投资。最后,发展市场投资品种,变单一的股票投资为包含股票、债券、期货、基金多层次、多样化