证券市场显著特征范文

导语：如何才能写好一篇证券市场显著特征，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

整体而言，《办法》对权证开发的态度是相当开放的，其第二条所涵盖的权证品种范围是相当宽泛的：从发行人角度，既包括股本权证（由标的证券的发行人（如上市公司）自行发行），又包括衍生权证（或称备兑权证，由标的证券以外的第三人（如券商）发行）；从标的资产来看，既可以是股票（“正股”）也可以是其他证券（如债券、股指等）；从行权时间来看，既包括美式权证（在规定期间内权证持有人可随时要求行权），又包括欧式权证（权证持有人只能于特定到期日要求行权）；从其行权内容来看，既包括认购权证（以约定价格买进标的证券），又包括认沽权证（以约定价格卖出标的证券）；从结算方式来看，既有标的证券给付型，又有现金结算型。

从产品本身来看，权证具有高财务杠杆、风险对冲等优势。但是，鉴于《办法》中如此宽泛的权证概念，考虑到国内权证市场的发展处于起步阶段，特别是考虑到国内权证市场（上世纪90年代曾推出大飞乐、宝安、桂柳工等几支权证产品）所曾遭遇的失败的惨痛教训，我们认为从权证制度设计者的角度来看，现阶段应特别关注权证运作的市场风险，尤其是要注意尽可能降低权证的发行交易对本已十分脆弱的正股市场的可能冲击，促进权证品种的健康发展。就市场风险的监管而言，制度设计者通常可以从权证发行人、权证标的证券、权证条款要求以及发行人担保等几方面来着手。对于权证条款要求以及发行人担保，《办法》第十条、第十一条已有明确规定，不再赘述。下文仅拟就权证发行人以及权证标的证券的资格要求进行阐述。

从《办法》的相关规定可以看出，制度设计者对权证标的证券的资格要求给予了一定的关注。《办法》第九条规定，标的股票应符合以下条件：（一）最近20个交易日流通股份市值不低于10亿元；（二）最近60个交易日股票交易累计换手率在25％以上；（三）流通股股本不低于2亿股；（四）本所规定的其他条件。该条对权证标的证券为股票（正股）时的相关门槛予以了明确。在此方面，港交所上市规则第十五章就股本权证（以股票为标的证券）进行了规范。从《办法》第九条及港交所上市规则第15.05条的规定（要求正股为一类上市股本证券或港交所认可的其他正常运作的上市股票）来看，对正股的要求通常都是选择一些表现优良、高度流通的股票；就此，二者有异曲同工之效。

但是，相较港交所上市规则第15.02条的规定，《办法》的规定有所欠缺，未能充分考虑权证持有人行权时对正股市场所可能带来的冲击。在以给付正股而非现金为结算方式的情况下，当（认股）权证持有人行权时，则权证发行人需要向投资者交付正股。此种情况下，如果权证发行人为普通券商，则其在市场上购入相关正股来履行其给付义务即可。但是，如果发行人为上市公司，而权证标的为该发行人自己的股票时，则发行人需要通过发行新股来满足权证投资者的行权要求，此时不仅涉及上市公司股东就新股发行的批准，而且将会增加正股的流通量，从而对正股市场产生一定冲击。针对此种情况，港交所上市规则第15.02条规定，此种以上市公司股票为标的证券由上市公司自行发行的股本权证，其发行除需取得港交所批准以外，还需要取得上市公司股东大会的批准，因为在该等权证将来被行使时必然会涉及新股的发行。同时，上市规则第15.02条规定，假定相关权证全部被行使而需要新发行的股票（正股），与该等正股的其他认购期权（员工期权计划除外）被行使时所需发行的新股之和，不得超过该等认股权证发行时发行人已发行股本（正股）的20％。该种做法，可以降低市场的不可预期，值得《办法》借鉴。

另一方面，对于权证标的为一篮子股票的情况，此时多是由券商发行的结构性产品。此等权证被行权时，虽通常不会出现上述发行人增发新股进而影响正股流通量的突出情况，但是另一问题又会出现：如果发行人所设计的篮子中的多个正股间的比重严重悬殊，则难免会将权证发行人的倾向性判断传递给正股市场的其他投资者，进而增加正股市场波动的复杂性，徒增监管难度。在此方面，港交所上市规则第十五A章就结构性权证进行了规范，其中第15A.32条对篮子中的正股的市值比重有如下特别要求：篮子由2支正股组成时，每支正股的最低比重不得低于25％；由3支组成时，每支不得低于12.5%；由4支以上组成时，每支不得低于10%.其中市值比重按下述公式计算：

市值比重 ＝ N X M/P X 100

其中N为篮子中该类正股的数目；M为该类股份于篮子推出之前一个营业日的收市价；P为篮子中所有正股的总市值，即篮子中每一正股的数目乘以其收市价，收市价按篮子推出之前一个营业日的收市价计算。

但是，如果篮子中的某支正股属于权证发行日恒生指数33支成分股之一或属港交所每季度公布的“单一类股份结构性产品的正股”之列，则上述比重要求不适用于该等正股；另一方面，如果正股属港交所每季度公布的“一篮子结构性产品的正股”之列，则该等正股在篮子中的加权比重（适用上述市值比重的计算公式）最高值依其所处分类而有不同：20％（第一类“一篮子结构性产品的正股”）；30％（第二类）；45％（第三类）。

上述比重或类别要求，除了关注有关正股的高度流通性以外，制度设计者还特别关注了最大限度降低权证被行权时对正股市场所可能产生的冲击，值得《办法》借鉴。当然，如果《办法》第九条意图先从单一正股的认股权证着手，则在明确此种意图后可暂时无需引入此等复杂的比重要求。另外需要注意的是，对于标的证券不是股票而为其他证券（如债券、指数等）的，《办法》第九条仅是原则性地规定，其资格条件由上证所另行规定。由此似显示，制度设计者有意先从相对简单的认股权证开始，逐步制定其他规则，此不失为一种现实选择。

对于权证发行人的资格要求，《办法》除了原则性规定权证的发行上市申请需经上证所核准以外，却对发行人的资格限制没有任何明确规定，亦未说明就此应适用其他何种标准。权证市场监管的一个重要手段便是通过设定特定的发行门槛来实现的。而发行门槛的设定，除了有关标的证券（《办法》第九条）、发行量（《办法》第十条）以及发行担保（《办法》第十一条）等的特定要求以外，一个极为重要的因素就是有关发行人本身的资格限制。尤其是考虑到当前国内市场上无论是对上市公司还是对券商都存在普遍的信任危机的状况，若要推进权证的健康发展，必须要对发行人的资格限制予以明确。

篇2

内容摘要:本文在充分考虑前人研究成果的基础上,利用E-GARCH模型对于我国证券周期不同阶段下信息冲击的影响进行了分析,得出以下结论:在证券市场的各阶段,信息带来的冲击影响是不同的。在证券市场的盘整阶段,利好信息对大盘股和基金的冲击较显著,而对中小盘不显著。在证券市场上涨阶段,投资人对利空信息的冲击不敏感,而对利好信息的冲击较显著,说明在牛市中,利空信息被忽视,而利好信息的影响则被放大,投资人开始青睐于中小盘股票;在熊市中,利空信息的影响被放大,而利好信息则被忽视,投资人存在普遍的恐慌情绪。

关键词:信息冲击 周期 E-GARCH模型

文献回顾

作为新兴市场之一的我国证券市场处于成长时期,发展过程中市场表现出有效性较弱、投机性较强的特点,体现在一定程度的市场波动性。同时,市场交易制度存在缺陷,使市场不确定性因素和风险增大,周期性的变化更为剧烈。对于发达成熟市场的波动性研究结果表明(Nelson,1994),资产的价格具有随机游走性质;收益率的波动存在积聚性、持久性以及呈现出均值回复现象。经验分布表现为尖峰厚尾特征,有的金融序列表现出波动非对称性。Engel(1982)的自回归条件异方差(ARCH)模型,Bollerslev(1986)的广义ARCH模型(GARCH),Engle、Lilien和Robins(1986)的广义ARCH-M模型,Zakoian(1990)和Glosten、Jafanathan、Runkle(1993)的GJR-GARCH模型为这类效应研究提供了重要的思路和工具。

对于我国证券市场的GARCH效应的分析,已有的研究普遍认为中国股市ARCH效应显著。这些研究在运用GARCH模型分析过程中普遍存在以下几方面的缺点:一是在GARCH模型的分析过程中没有考虑金融时间序列的非对称性和非正态性,从而影响估计参数的有效性;二是在数据处理中采用整体分析,没有考虑把数据分阶段进行分析导致分析结果不完善;三是在对证券市场的波动分析中没有考虑到证券周期的各阶段波动影响不一致的背景。

本文在充分考虑上述研究成果的基础上,利用E-GARCH模型对我国证券周期不同阶段下信息冲击的影响进行了分析,得出以下结论:在证券市场的各阶段,信息带来的冲击影响是不同的。我国证券市场的盘整阶段,利好信息对大盘股和基金的冲击较显著,而对中小盘不显著。在证券市场上涨阶段,投资人对利空信息的冲击不敏感,而对利好信息的冲击较显著,说明在牛市中,利空信息被忽视,而利好信息的影响则被放大,投资人开始青睐于中小盘股票;在熊市中,利空信息的影响被放大,而利好信息则被忽视,投资人存在普遍的恐慌情绪。

数据选择及统计检验

截至2009年底,我国证券市场已经经历了1998年亚洲金融危机和始于2008年下半年的全球性金融危机的两次重大冲击,我国证券市场结构发生了重大变化,为了研究我国股市周期下信息波动带来的影响,本文以2005年12月30日为分割线,对我国2003年1月至2008年10月中证基金指数、大盘股指数、中盘股指数、小盘股指数进行3阶段E-GARCH模型分析,通过对比前后三期的非对称性杠杆效益,对我国股市周期下信息的冲击进行实证分析。

根据我国股票市场周期,文章将中证基金指数、大盘股指数以及小盘股指数分为三阶段,分别是:S1(震荡筑底):2003年1月3日至2005年12月30日;S2(上涨):2006年1月至2007年10月;S3(下跌):2007年10月至2008年10月。

对于数据的选取,本文分别以jjzs、dpzs、xpzs代表中证基金指数、大盘股指数、小盘股指数。这类数据的选取为开盘价、最高价、最低价和收盘价四者的平均数。数据来源为WIND资讯网站。为避免数据的剧烈波动,消除时间序列的异方差性,对以上数据取前后两期的自然对数的差值,即:

rjjzs=log(jjzst)-log(jjzst-1); rdpzs=log(dpzst)-log(dpzst-1);rxpzs=log(xpzst)-log(xpzst-1)。本文中时间序列数据用Eviews5软件处理, 最优滞后期由AIC和SC信息准则判别。

表1给出了三阶段各序列数据的描述性统计量。从表1可以看出,各序列在三样本区间具有不同的均值和标准差,并且差异较大。对于均值和方差相等进行检验,其统计量非常显著,拒绝各序列在三阶段均值方差相等的原假设(见表2),因此对于各序列项采用分段建模有一定的合理性。各序列收益率尖峰厚尾的特征明显,偏度系数显著不为零,峰度系数远大于3,由JB统计量可以判定收益率均不符合正态分布。而对各序列的三阶段数据平稳性检验结果表明,各序列统计量都远远小于显著性水平为1%的临界值,因此可以拒绝具有单位的原假设,各序列在三阶段均为平稳序列,可以运用GARCH模型进行实证分析。

模型选择

针对金融市场时间序列存在的尖峰厚尾现象以及非对称的特征,Bollerslev(1986)在Engel(1982)的自回归条件异方差模型的基础上提出了广义ARCH模型(GARCH)。即:;;

其中,vt为白噪音过程。E(vt)=0,D(vt)=1,E(vtvs)=0(t≠s) ;α0≥0,αi≥0,βi≥0,

该模型可以用来估计并预测序列的波动性和相关性,被我国学者广泛应用于对金融市场t波动性的研究中,但是该模型方差取的是平方项,不能区分正向波动与负向波动的不同影响。同时在均值方程中也未能体现出收益与风险的关系,一般而言,收益率受到所承担的风险的影响。因此该模型具有较大的局限性。为了衡量这种关系,GARCH模型不断进行发展,从GARCH发展到引入风险因子的GARCH-M模型,然后到衡量风险非对称性的GJR-GARCH-M模型以及最新的E-GARCH模型。本文使用E-GARCH模型进行实证分析。E-GARCH模型的基本描述如下:;。

经选择检验,本文选取了GARCH(1,1)作为基本模型,运用E-GARCH模型进行信息冲击分析,即本文使用模型如下:rt=c1*log(σt)+μi,t=1,2...,T

;

μt / t-1～GED(0,σ2t,v)

信息冲击分析

通过对开放式基金指数、小盘股指数、大盘股指数的信息冲击图分阶段分析(见图1、图2、图3),可以更加清晰的了解信息在各阶段对不同类型证券的冲击程度。

在证券市场的第一阶段,通过信息冲击图可以比较清晰的看到,在盘整期,利好消息对于大盘股的持续冲击较大,对中盘股以及小盘股的持续冲击较小,而利空消息对于大盘股冲击较弱,对中小盘股的持续冲击较为强烈。这反映出在证券市场的盘整阶段,投资人的投资倾向于保守,比较信赖稳健的大盘股和基金。

在证券市场的第二阶段,即上涨期,对于所有的指数,在本阶段等量信息的冲击中,利好消息都产生了更大的影响。而相对的利空消息产生的影响则较微弱,反映出在本阶段整个市场都处于盲目乐观的氛围中,利空信息的影响被市场所忽视,市场处于高度投机中,而中盘股和小盘股受利好信息冲击的力度远远超过了大盘股,反映了市场投资的倾向开始转向中小盘股。通过分析基金的冲击图可以发现,基金受到利好信息的影响比较大,说明此时基金也大量持有中小盘股的投资。

在证券市场的第三阶段,即下跌期间,整个市场处于恐慌阶段,信息冲击对于指数收益的波动影响在迅速的衰减,但无论哪个指数都是利空信息对于波动产生的冲击较大。等量信息的冲击中,利空信息带来的冲击影响要远远超出了利好信息带来的冲击影响,说明市场此时对于利好信息是完全麻木的,市场处于极度的悲观之中。基金与大盘股所受到的信息冲击图有相似的地方,等量信息冲击中,利好信息带来的冲击、波动在减弱,而利空信息带来的冲击、波动在持续的增长,说明市场下跌容易,而上涨则很难;而在中盘股和小盘股中,无论是利好消息还是利空信息带来的冲击都在持续的衰减,而利好信息带来的冲击衰减幅度更加大,说明中小盘也处于持续的下跌过程中,而且即使利好信息带来的冲击也只能带来衰减的波动。

综上所述,通过对于信息冲击的分阶段分析发现:在证券市场的各阶段,信息带来的冲击影响是不同的,我国证券市场的盘整阶段,利好信息对大盘股和基金的冲击较显著,而对中小盘不显著,反映出在该阶段投资人心态保持谨慎,基金也以持有大盘股为主。在证券市场上涨阶段,投资人对利空信息的冲击不敏感,而对利好信息的冲击较显著,说明在牛市中,利空信息被忽视,而利好信息的影响则被放大,投资人开始青睐于中小盘股票,基金持仓结构也趋于中小盘为主;在熊市中,利空信息的影响被放大,而利好信息则被忽视,投资人存在普遍的恐慌情绪,即使基金持仓开始向大盘股转变,其受到冲击的幅度依然大于大盘股所受到的冲击。

参考文献:

篇3

[关键词]反馈交易行为；收益率序列相关；非对称GARCH模型；上海证券市场

一、引言

资本市场上存在这样一类交易者，他们根据资产过去的价格而不是对未来价格的预期来构建投资组合。这类投资者在行为金融中称为反馈交易者，根据对过去价格的不同反应分为正反馈交易者和负反馈交易者。在中国资本市场上存在“追涨杀跌”和“低买高卖”说法，前者对应于正反馈交易，后者对应于负反馈交易。

一般说来如果市场上存在足够多的反馈交易者，资本市场的收益将表现出自相关的特征。当有大量的正反馈交易者存在，股票价格相对于它的基础价值会被高估并表现出过高的波动率。因此当市场上存在大量的正反馈交易者的时候，市场会变得不稳定(Delongetal．．1990)；相反，如果市场上存在大量的负反馈交易者，相对于基础价值被低估的股票受到负反馈交易者的追捧，其价格会接近基础价值，当价格被高估时，大量的负反馈交易者抛出被高估的股票，使价格降低至接近基础价值的水平。因此，大量负反馈交易者的存在能够稳定市场，减少市场的波动。

sentana和Wadhwani(1992)扩展了Delong的分析逻辑，考察了反馈交易、收益率自相关和波动率能关系。他们在shiller(1984)的成果的基础上将三者的关系用Sh¨ler-Sentana—Wadhwani模型的形式表述出来。Bohl和siklos(2004)基于shiller-Sentana—Wadhwani模型，用不同的GARCH模型来估计条件力差检验了成熟市场和新兴市场上的反馈交易。检验结论认为，在两个市场上都存在正反馈和负反馈交易行为，但反馈交易行为在新兴市场表现更为明显。在两个市场上，正反馈均随波动率的增加而增强，但新兴市场增强的程度要小一些。唐或等人(2001)也基于shiller－Sentana－Wadhwani模型验证了沪市上证综合指数日收益率自相关和反馈交易之间的关系。他们采用GARCH(1，1)来处理收益波动率的异方差性，实证结果表明沪市存在正反馈引起的序列自相关，且相关系数的绝对值随波动增大而增大。

二、反馈交易的理论模型

sentana和wadhwani(1992)在用投资者的反馈交易行为解释股票收益率的序列相关时，提出一个包含基于对股票基础价值的预期进行投资的交易者(SmartMoney)和反馈交易者的两群体的市场模型。假定第一个群体对资产的需求函数具有以下形式：

S，表示由第一类投资者(SmartMoney)持有的资产的比例。Et-1(rt)表示在t-1时刻对t时刻资产回报率rt的预期，是一个基于t-1时刻所有信息基础上的条件期望。α是无风险资产的收益率(Merton，1980)，当期望收益率为a时，这类投资者不持有该资产。μt表示t时刻投资者持有风险资产的风险溢价，它是条件方差σt2的非降函数。

反馈交易者是根据过去资产的价格而不是对未来的预期来决定对该资产的持有量。假定当期t(期)的持有量由上期(t-1期)的收益水平来决定：Ft=γrt-1

(2)Ft表示反馈交易者的资产持有比例；γ＞0表示反馈交易者是正反馈交易型，即“追涨杀跌”；当丫当两类投资者的相互作用达到均衡时有St+Ft=1，代入(1)式和(2)式有下面均衡时的定价模型：Et-1(γt)=α+μ(σt2)-γμ(σt2)γt-1(3)和标准的资本资产定价模型相比，该定价模型多了一项γμ(σt2)γt-1。由于反馈交易者的存在，第一类投资者对持有资产的风险溢价发生了改变。当市场上有反馈交易者存在时，收益率表现出一阶相关的特征。这种相关的方式取决于反馈交易者的类型，当反馈投资者是正反馈型时，收益率存在一阶负序列相关；当反馈投资者是负反馈型时，收益存在一阶正序列相关。Sentana等人认为，市场上同时存在正反两种反馈交易者，两种反馈交易强度随着波动率的变化而变化：当风险比较小的时，反馈交易者主要采取“低买高卖”的负反馈策略，第一类投资者对市场的影响比较大；当风险较大的时候，第一类投资者的风险厌恶偏好决定了他们要求较高的期望收益因而部分退出市场，反馈交易者对市场的影响增大。当风险大到一定程度，反馈交易投资者表现出风险厌恶特性，采取“追涨杀跌”的正反馈策略。简化考虑，将反馈交易的程度看成是波动率σ12的简单线性函数，(3)式简化为：Et-1(γt)=α+μ(σt2)-(γ0γ1σt2)γt-1(4)虽然这个理论模型最先提出来是用反馈交易行为解释收益序列相关。但是，该模型解释了第一类投资者和反馈交易者之间相互作用的模式，为检验反馈交易行为提供了可能(Bohl和Siklos，2004)。

三、经济计量方法

在金融实证分析中发现，股票收益率的条件方差呈非对称分布，Glosten、Jagannathan和Runkle(1993)及Zakoian(1994)提出了描述这种波动性呈非对称的模型(TGARCH)。Engle(1993)认为取一阶的GARCH模型就能很好的描述收益率的条件波动特征。本文在实证分析中选择TGARCH(1，1)来对收益率的条件方差建模。在检验中国资本市场反馈交易特征存在性方面，联合估计下面的模型：

h1，表示条件方差，εt服从均值为0,方差为h1的条件正态分布。在(6)式和(7)式中，条件方差是过去残差平方和过去条件方差的函数。方差方程的平稳性要求满足：β1β2和β3非负，β1+β2+β3＜1和β1+β2≥0。但是结合回归模型，条件方差不但是残差平方和过去条件方差的函数，也间接是参数α1、α2和α3的函数。考虑到回归方程，条件方差的稳定性条件要更复杂。这个模型是TGARCH-M的变种形式，目前文献还没有给出这个模型条件方差平稳的分析性条件。β2度量了条件异方差非对称的程度，当该系数不为0时，表示上期正的残差和负的残差对当期的条件异方差有不通的影响，当该系数为0时，表明条件异方差不存在非对称现象，可以使用一般的GARCH模型来估计条件异方差。我国学者在检验中国资本市场上反馈交易行为的存在性时，主要用GARH(1，1)模型来预测和估计波动率(唐或等，2002；任波和杨宝臣，2002)。实证检验发现，GARCH(1，1)模型估计中国资本市场的波动率的效果并不是很好,TGARH模型或EGARCH模型对市场的波动率解释能力更强一些，实证也发现，TGARCH模型的效果要比EGARH模型的效果更好(郑梅，苗佳和王升，2005年；郭晓亭，2006)。

(5)式和(6)式构成的联合模型比一般意义上的条件方差模型要复杂。在回归模型(5)式中，除了用滞后的收益率来解释收益率外，还用市场的波动率(条件方差)来解释收益，由于反馈交易的存在，条件方差成为滞后收益率的系数，当这项α3为0时，就成为一般的GARCH-M模型(Chou，1988)，有标准的软件能够处理。由于反馈交易者的存在，该项不为零，不能用标准的统计软件处理这个模型。

四、数据及实证结果

本文研究的样本数据来自于上海证券市场上海综合指数。选择1996年1月5日到2006年8月3日的每个交易日收盘价格指数，样本容量为2554。数据来源于“分析家”软件的在线数据接受系统。两个市场上的收益率按公式

计算，pt表示t时期上海综合指数价格数据。参数估计采用极大似然方法，参数估计结果列于表1中。表1中，+表示参数在1％的置信水平下是显著的；**表示参数在5％的显著性水平下是显著的；***表示参数在10％的显著性水平下是显著；没有标注的表示该参数在10％的显著性水平下是不显著的。

表1中的第二、三栏是本文使用非对称GARCH模型拟和条件异方差的结果，第四、五栏是文献[2]中使用一般GARCH模型拟和条件异方差的结果。从第二栏和第三栏的数据来看，模型的各个参数在10％的水平下都是显著的，不存在进一步改进的可能。特别是参数β2显著不为0，表明上海股市上证综合指数的波动存在明显的非对称现象，说明使用TGARCH模型拟和会比单纯使用GARCH模型更能拟和综合指数的波动。参数α2、α2的估计值都显著不为0，说明上海证券市场存在比较明显的反馈交易行为，这个结论和唐或等人的结论一致，但是在反馈交易行为特征上和唐或等人的结论存在比较大的差距。在使用TGARCH模型时，参数α2的符号为正，和使用GARCH模型时一致(虽然该参数没有通过显著性检验)，表明在风险较低的时候，上海证券市场上的反馈交易行为表现出负反馈的特征。参数α2的符号为负，说明随着市场风险的增加，上海证券市场上反馈交易者更多的采用正反馈的交易行为。而在文献[2]中，使用GARCH模型拟和市场波动，得到的相应参数却为正，说明随着市场风险的增加，上海证券市场上反馈交易者更多的采用负反馈交易行为。

表1：上海证券市场反馈交易行为实证检验结果

唐或等人参数拟和的结果显示，部分参数在10％的显著性水平下是不能通过检验的，需要进一步的调整，至少参数α2可以从模型中去掉。本文的模型至少在两个方面的表现要比唐或等人的模型好。首先，该模型参数均能通过显著性检验，表明该模型不可能进一步改进；其次，TGARCH模型中的参数β2，显著不为0，表明上海股市综合指数确实存在比较明显的非对称现象，使用非对称GARCH模型来拟和波动更合理。

将本文的结论和Bohl等人的结论比较，可以看到和成熟证券市场、其他新兴证券市场都存在较大的区别。Bohl的结论认为：成熟市场在风险较低的时候存在，反馈交易者表现出正反馈的交易特征，随着风险的增加，反馈交易者表现出负反馈的交易特征；新兴市场上，当风险较低的时候，反馈交易者表现出轻度的负反馈交易特征，随着风险的增加，负反馈交易行为也增加，但是幅度普遍要大于成熟市场。

五、结论

现代金融理论认为，在市场有效性假设下，噪声交易者对估价的形成没有重要的影响。西方金融学界在行为金融的框架下，研究发现市场存在比较显著的正反馈交易特征，这种行为模式推动股票价格偏离其基础价值，从而作为有效市场的一个反例。本文使用TGARCH模型来拟和条件异方差，并基于Shiller-Sentana-Wadhwni的理论模型检验了上海证券市场的反馈交易行为。

篇4

关键词：股票市场；协整检验；格兰杰因果检验；市场发展

作者简介：王晓芳(1958－)，女，陕西西安人，西安交通大学经济与金融学院副院长，金融学会理事，教授，博士生导师，主要从事金融市场、货币理论与政策研究；卢小兵(1974－)，男，河南南阳人，西安交通大学经济与金融学院博士研究生，主要从事金融市场理论与实务研究。

中图分类号：F830．9

文献标识码：A

文章编号：1006－1096(2007)02－0136－04

收稿日期：2007－01－11

一、引言

多年来，中国的证券市场一直以其特立独行的走势受到投资者的广泛关注并备受争议，由于证券市场长期以来既不反映经济发展的总体形势，也和世界证券市场的总体趋势几无相关，既不能作为反映经济增长的晴雨表，也无法将自己纳入对世界经济总体衡量的指标体系，再加上长期以来形成的对政策因素的过分敏感，已经被市场人士公认为“政策市”，成了非有效市场的典型代表。最近几年，随着我国政府对证券市场大力规范和整顿，证券市场法律法规不断完善，特别是随着股权分制改革的顺利实施，我国证券市场的市场化程度已大大加强。特别是近一段时间，上证综指和深证综指尾随美国道琼斯指数和香港恒生指数叠创新高，股票市场呈现出了同步的繁荣，中国股市和世界主要股市已表现出了一定程度的趋同现象，特别是在一些重大的趋势和事件影响下，表现出了相同的波动特征。

对股票市场关联性的研究，不仅能反映不同国家和经济体经济运行的相关性，而且在当前金融运行和资本流动越来越国际化的背景下，对投资者的资金配置和趋势投资具有重要的参考价值，同时，还可以通过市场的纯技术角度的模仿，不断向成熟市场国家看齐。

为了分析我国证券市场的市场表现是否实现了和世界证券市场的接轨，我们运用协整理论对我国证券市场和世界主要的证券市场总体走势的趋势特征进行实证分析，同时运用因果检验方法，分析我国证券市场和世界证券市场的相互影响关系，以此来分析我国证券市场和世界主要证券市场的关联状况。

二、数据的选取及依据

为了分析中国股市和世界股市的同步性以及其相互关系，我们选取几个有代表性的股票市场指数进行度量。美国纽约、英国伦敦和日本东京是世界上三个最大的金融交易市场，再加上其在国际金融市场所处的特有的地理位置，开闭市时间顺次连接，实现了不间断交易，所以通常对世界金融市场的研究多选择这三个市场。因本文对世界股市进行研究，我们拟按照惯例选择美国道琼斯指数、英国金融时报指数和日本日经225指数。但综合已有研究成果的结论，日经225指数对我国股指的相关性较小，因此在此仅选择美国道琼斯指数和英国金融时报指数，同时考虑到香港证券市场和大陆证券市场的密切联系，引入香港恒生指数。对于中国内地的股指选择，比较有代表性的主要是上海证券交易所的上证综合指数和深圳证券交易所的深证综合指数，但由于两市的关联性极强，具有明显的替代效应，且深交所在相当长一段时间停止了新股的发行，深综指不能有效反应证券市场发展的全貌，因此我们选取上海证券交易所的上证综合指数作为本次研究的指数选择。

在所选股指中，以SSEC代表上海证券交易所综合指数，以DJI代表美国道琼斯指数，FISE代表英国金融时报指数，以HSI代表香港恒生指数。

数据均来自雅虎财经网站，考虑到中国股市发展时间较短，在其初市场化程度较低并较易受到政策因素的影响，数据选取时段为1998年1月至2006年11月，同时为了简化数据处理，计量检验的数据采用周线数据。

三、实证分析的步骤和结果

(一)对各股指的单整性分析

为了考察所选各股指的单整性，分别做出所考察股指的时间序列图及其一阶差分序列图，注意到数据可能存在异方差性，对以上各股指数据取对数进行处理。

由图1可见，各股指变量的原始序列数据呈现出一定的非平稳性，而其一阶差分序列则比较平稳。但观察图形可以发现图形的波动幅度并不一致，可以粗略认为在不同的时段方差不同，即存在异方差现象，也说明股指波动存在着聚集现象。

由于仅当若干个非平稳变量具有协整性时，由这些变量建立的回归模型才有意义，所以，在此需要对各个时间序列进行平稳性检验，并判断其是否具有相同的单整阶数。

对时间序列的平稳性进行检验的常用方法为单位根检验，由于进行单位根检验涉及方程的设定和检验方法的选择，ADF检验法通过在回归方程中加入因变量的滞后差分项来控制高阶序列相关，这一点和股指走势影响的经济含义比较接近，可以进行相应的解释。因此，可以利用ADF检验法并对方程的对应情况进行依次检验。

ADF检验涉及到方程的三种形式，分别为既不包含截距项也不包含趋势项；仅包含截距项；既包含截距项又包含趋势项，其扩展定义将检验(公式无法输入)也就是说原假设为序列存在一个单位根，备择假设为不存在单位根序列。

从各个股指的对数原始时间序列图示分析，不存在明显的时间趋势，另外从股指设定和期间选择的角度考虑，一般股指都将基期指数定为100或1000，由此可以认定原始股指应该是符合包含常数项的方程，即满足方程

(公式无法输入)而对于一阶差分序列而言，由于其在0均值附近波动，可认为是既不存在常数项，又不包含时间序列的方程，即满足方程

(公式无法输入)分别对LNDJI、LNFTSE、LNHIS和LNSSEC进行原序列及其一阶差分序列的单位根检验，其结果如表1。

可见，各股指原序列的T统计量均大于显著性水平为，10％的临界值，可以认为其原对数序列为非平稳时间序列，对其一阶差分时间序列进行单位根检验，发现其T统计量均小于1％的临界值，可以认为其一阶差分序列为平稳时间序列。由检验结果可知，所选股指均为一阶差分平稳时间序列，即均为I(1)序列，满足协整检验的前提。

(二)所选主要股指的协整性分析

1．EG两步法：由协整的定义可知，如果N个时间序列存在协整关系，则非均衡误差必然是I(0)的，如果N个时间序列之间不存在协整关系，则非均衡误差必然是I(1)的。由此，可以用OLS建立回归模型，对其残差项进行单位根检验，通过分析残差项的特征来判断是否存在协整关系。

(1)协整回归：由于我们在考察各股指的协整关系时，主要目的是要了解中国股市与世界股市是否实现了同步波动，

因此，在此建立的回归模型必然是以LNSSEC作为因变量进行考察，所以，建立的回归模型如下

(公式无法输入)

通过对上式进行回归检验，可以发现其主要统计指标均比较理想，但在此的目的主要是考察残差项是否平稳，因此直接对残差项进行平稳性检验。

(2)残差项的AEG检验：根据回归模型生成残差序列e，残差序列的取值如图2：

对残差序列进行单位根检验：

检验结果显示，在1％的显著性水平下拒绝原假设，可以认为残差序列e基本上为平稳序列，表明LNSEC和LNDJI、LNFTSE以及LNHSI有协整关系。

(3)建立误差修正模型：由于协整关系表现的是变量之间的一种“长期均衡”关系，协整关系的存在表明了这种长期均衡关系的存在，而现实中的实际经济数据则是由“非均衡过程”生成的，这就暗含了存在一种对模型中偏离长期均衡趋势调整的力量，为了反映这种对长期均衡的调整力度我们建立各变量滞后1期的误差修正模型(各变量前的数字为系数，括号内为t检验值)

从上式中可以看出，误差修正模型的检验结果并不理想，各相关变量的检验值几乎都不显著，只有误差修整项的系数为负且检验显著，表明了该模型符合反向修正机制，说明了上证指数的当日波动受前两日非均衡误差的反向影响，如果前两日股指的增长率超过(或低于)均衡的股指增长率，则当日股指增长率会下降(或上升)，从而使其趋近均衡水平，调整速度约为1．74％。

由协整回归可知，在股市的长期均衡关系中，上海股市与所选择的世界三大股市均保持了正向的相关关系，但强度有所不同，长期来看受美国股市的影响较大，其次是香港股市，英国股市只有微弱的影响。从短期的波动特征来看，上海股市也受到以上各股指波动的影响，但影响因素均较小。总体来看，无论长期和短期，中国股市都保持了一种较为独立的走势。

2．向量自回归模型法(VAR)：由于EG两步法一般只假定有一个协整关系，忽略了其他协整关系的存在，由其所作的协整检验仅考虑了世界各股指对上证指数的影响，而忽略了各股市之间的相互关系。因此，我们采用VAR方法对其进行进一步检验。

(1)确定滞后期k：VAR方法的最大优点就是预先不设定检验的因变量，而是根据总体变量及其各期滞后逐个进行回归检验，并依据检验结果确定最终的变量关系，但在设定回归模型时首先要对其滞后期数进行确定。在此，可对滞后期数的选择采用依次试错的方法，分别对各统计量的值进行比较(表3)。

表3显示了不同滞后期数条件下所确定的各统计量的值，各最小值由下划线表示，按照简易的原则，我们选择滞后2期作为模型的选择。另外还可以通过Eviews的输出结果对VAR模型的滞后长度标准进行直接确定，显示结果如表4：

(2)确定协整向量个数：利用迹统计量和其临界值的比较确定协整向量的个数，具体的结果见表5。

根据所设定的原假设和检验结果，可以判断存在2个协整关系。

(3)建立VAR及向量误差修正模型：各股指的向量回归结果见表6，可以看出，在以各滞后两期的回归检验中，除了各自的滞后项对其的影响显著以外，LNFTSE的1、2期滞后对LNDJI和LNHSI的影响显著，另外，LNDJI对LNFTSE和LNH-SI也有一定的影响，但比较特别的是LNDJI的影响主要表现任其滞后2期的影响上，由此也可以判断，香港股市的走势在一定程度上有跟随美国股市的特征。

通过以上的分析可以看出，英国金融时报指数对美国道琼斯指数和香港恒生指数的影响较大，同时美国道琼斯指数对英国金融时报指数和香港恒生指数也产生了一定的影响，而中国的上证指数和世界各股指的关联性较小，这一点与用EG两步法得到的结论基本一致。可以判断，中国股市和世界股市虽然存在一定的关联性，但这种关联性不是很强，中国的股市依然保持了一种比较独立的走势。

(三)各地股指的因果关系检验

为考察各地股指的关联并验证上文的猜测，进一步考察四个市场之间的关系，对其进行格兰杰因果检验：在此以Pairwise Granger Causality方法进行格兰杰因果检验，结果如表7：

由以上检验结果可知，英国金融时报指数对美国道琼斯指数和香港恒生指数有较强的影响，同时，Pairwise Granger Causality Tests还认为英国金融时报指数对上证指数、美国道琼斯指数对香港恒生指数有一定的因果联系。

四、结论及影响因素分析

检验结果所给出的协整关系及因果关系可以看出，英国金融时报指数的走势对美国道琼斯指数和香港恒生指数的影响较大，同时美国道琼斯指数对英国金融时报指数和香港恒生指数也产生了一定程度的影响；中国股市和世界股市虽然存在一定的关联性，但这种关联性的检验结果并不显著，只有英国金融时报指数在1％的显著性水平下检验通过了对上证指数的影响。由此，我们可以认为，我国股市依然保持了一种较为独立的走势特征，但短期波动已呈现出了较强的均值回复现象，可以认为世界股指走势的信息传递已经对我国股市产生了影响。

对于世界股市这种相互影响的因素和关联关系，可以从世界股市的区位设置和市场微观结构以及市场的历史发展找到线索。伦敦和纽约作为世界两大金融中心，金融市场经历了百年的发展，其市场发展程度较为成熟，两个市场间的资本流动较为充分，因此使得两个市场必然呈现一定的关联性。另外从两个市场所处的世界时区来看，伦敦市场的收市时间刚好是纽约市场的开市时间，这种由于地理位置的原因导致的开闭市时间的巧合必然通过市场信息的传递影响下一个交易的进行。大量的对市场微观结构的研究发现，当前的交易价格受到前一期交易价格的影响，这也是英国金融时报指数对美国道琼斯指数的影响远大于后者对前者的影响的原因。香港金融市场的各种制度安排很大程度上沿袭了英国的模式，再加上历史的原因，无论是监管当局还是市场参与者，在对国际金融市场总体走势的判断上都会更多基于英国市场的状况作为分析的基础，因此，反映在股市上就表现为英国金融时报指数的波动对香港恒生指数有较强的影响而不是相反。

从中国证券市场的角度进行研究，上证指数虽然依旧保持了较为独立的走势特征，但通过计量检验结果可以看出其中也出现了一定程度的弱相关性。综合现有的研究发现，这种弱相关性主要来自市场信息传导的影响，其中又和近几年来我国企业海外上市密不可分。据统计，截止到2005年底，我国企业在海外上市的共有143家(不包含在香港主板和创业板上市的公司)，其中纽约证券交易所18家、美国纳斯达克市场28家、伦敦证券交易所13家，其余多选择在新加坡交易所和美国柜台交易市场交易。在为数众多的海外上市企业中，不乏两地同时上市的公司(其中4家公司实现四地同时上市，8家公司实现三地同时上市)，由于两地上市公司股价的比价效应，再加上当前便利的信息传播渠道，必然使得股指的波动呈现出一定的传递性，从而使各地的股指出现一定的关联。另外还有一个重要的因素就是我国近几年来实行的QFII和QDII制度，在一定程度上加快了国际和国内资本的流动和融合，也为国内和国外股市之间相互影响的加强提供了动力。

当然，对我国证券市场和世界市场整体走势的比照研究，其目的并不是为了追求一种和世界主要股市的同步或趋同，而是通过对现有股指的协同分析对我国股市的一些统计特征进行反映并进而分析考察我国证券市场的发展状况。从当前我国股市的发展现状看，规范和发展依然是我国证券市场的重中之重，而其中完善制度、健全法律又是当前最为重要的课题，对于属于由市场支配和反映市场特征的波动和趋势，则无需我们刻意为之，而是要靠市场这只无形之手去掌控和把握。

篇5

证券市场最为明显的特征是股票价格的频繁波动,产生原因从本质讲是股票的市场价格偏离其内在价值。价格波动特征用股票指数收益率描述,计算公式为:■,其中■分别表示上证指数在第■天的收盘指数值,其时间序列隐含了不同时期股票市场的各种信息。我们选取从2009年3月2日至2010年2月26日的上证每日收盘指数,运用计量方法对上证指数波动特征进行实证分析:(如表所示)。

一、“尖峰后尾”特征

收益率分布特性是波动特性研究的一个基础问题,由于中心极限定理确定了正态分布在统计学中的重要地位,同时正态分布具有较好的统计特性,因此在股市波动研究中,往往假设收益服从正态分布,但是有研究表明,股票收益分布具有两大特性:有偏性和偏度。本文通过检验可以看出上证指数收益率序列均值非常接近于0,偏度-0.587883小于0,呈现趋左偏的分布,意味着收益率的分布有一个较长的左尾,表明上证指数出现极端负收益率的可能性要大于出现正收益率的可能性。另外峰度4.991834大于正态分布的峰度3,说明其收益率呈现明显的尖峰态,即表示收益率剧烈波动,出现极端事件的可能性要大于正态分布假设下极端事件发生的概率。另外在5%的显著性水平下,而收益率序列样本Jarque-Bera统计量的值为57.73361,远远的大于临界值10.6,明显地反映了日收益率序列的非正态和“尖峰厚尾”的分布特征。这种分布特性反映了股市波动的正相关性,说明股票市场具有正反馈效应。而“厚尾”分布显示出由非线性随机过程所产生的一种具有长期记忆的迹象,说明我们不能过分依赖方差来度量股市的风险程度。

二、集群性

股票市场除了收益率备受关注外,股票价格的频繁波动也是股票市场最明显的特征之一,股票市场的价格波动往往具有随时间变化的特征,有时相当稳定,有时波动异常激烈。或者说,在序列方差变化的过程中,幅度较大的变化相对地集中在某些时段里,而幅度较小的变化也会集中在另一些时段。这种随时间出现连续偏高或偏低的情况就是通常所说的波动聚群性(Volatility Clustering)。

上证指数的收益率在2009年8月前后一段时间里表现出较大幅度波动,而且后面9月伴随着另一波较大幅度的波动,在其他时间段是较小幅度波动紧接着较小幅度的波动,这种波动集群性反映了金融波动的正相关和正反馈效应,即说明收益率序列均具有明显的时变方差特征。因此股票市场股价波动并不满足有效市场假说,不是随机游走的,而是具有一定的规律性,表现为具有长期记忆特性以及状态的持续性。为了刻画时变特征和股市风险变化对收益率的影响,我们将条件方差作为变量引入到条件均值模型建立GARCH模型。

三、波动平稳性

GARCH模型, 即广义自回归条件异方差模型, 是一种带异方差误差的时间序列建模方法, 它由 Bollerslev于1986年提出。对由选取数据计算得到的收益率序列反复实验,在5%的置信水平时,上证指数收益率存在GARCH(1,1)效应,变量系数均显著,回归估计模型为:

■

模型中■,则上证指数收益率序列■是一个平衡的GARCH(1,1)过程,表明我国沪市的条件波动满足宽平稳要求。另外系数之和接近1,表明条件方差所受的冲击是持久的,即冲击对未来所有的预测都有重要作用。该模型不仅可以很好的刻画条件异方差性,而且可以较为精确地拟合收益波动性特征。

四、杠杆效应

通过回归TARCH模型:

■,我们知道,收益率序列所体现的杠杆效应项系数■=0.225,说明上证指数波动具有“杠杆”效应:利空消息能比等量的利好消息会产生更大的波动。这是因为较低的股价减少了股东权益,股价的大幅下降增加了上市公司的杠杆作用而提高了持有股票的风险。

五、结论

第一,平衡GARCH(1,1)模型对于金融资产异方差性具有较强的描述能力,收益率波动性的衰减系数为■,说明其波动的衰减比较迅速,也表明模型降低了收益率序列的波动性,拟合效果非常好。同时在条件方差方程中,回归系数均为显著正值,这表明过去的波动对市场未来波动有着正向而减缓的影响,从而使股市波动出现集群性现象,即收益率的大幅度波动集中在某些时段,而小幅度波动集中在其他一些时段。这种收益率波动集群性表明证券市场具有波段投资特征。

第二,股票收益序列的稳态特征表明,不同投资者对信息的消化与确认是不均等的,信息以非线性的方式呈现,投资者也以非线性的方式对信息做出博弈,所有这些特征最终都将通过交易活动反映在股票价格和交易量上,使得股票价格呈现为有偏的随机游走,这为我们讨论证券投资组合提供了可能性的思路。

第三,我国证券市场处于发展的摸索阶段,其波动幅度和风险性远远高于国外成熟的市场,尤其是异常波动和超常波动更是频繁出现。这可能与我国上市公司的实际价值、投资者的投机炒作和市场法律不健全等因素有关。随着我国证券市场操作交易透明度的提高和国际竞争的参与,以及投资者风险意识的增强,尤其是随着融资融券、股指期货的推出,相信我国证券市场的所谓“政策市”信息不对称和过分投机等局限将逐渐得到改善,从而更好地发挥证券市场优化资源配置的功能。■

篇6

摘 要：本文结合稳定分布理论和长记忆模型ARFIMA，研究股价行为的长记忆特性和分布特征，从股票市场结构及有效性的角度，通过涨跌幅限制实施前后的对比，分析涨跌幅限制对我国沪深证券市场股价行为的影响。结果表明：在涨跌幅限制前后，沪深两市都具有非线性和分形结构，但涨跌幅限制对沪深二市的影响并不相同，上海证券市场有效性得到了提高，而深圳证券市场有效性没有显著提高，却有减弱的迹象。

关键词：股市有效性；非线性；ARFIMA模型；稳定分布

中图分类号：F830.91 文献标识码：A

文章编号：1000-176X（2006）12-0054-05

一、引 言

对于股市结构及有效性的研究，人们提出了许多理论，其中线性范式占有主导地位。所谓线性是指股价行为是受众多独立因素影响的结果，这种影响满足可加性，从而根据中心极限定理，股票收益率服从正态分布。然而，股票收益率正态分布作为重要的基础假设正遭受越来越多的质疑。

对数收益率序列可能表现出相关性，而这种相关可以是短期相关的，也可以是长期的。如果是短期相关（即短记忆的），我们可以将其解释为市场摩擦或者信息流的非均匀到达，收益率序列的一阶相关和二阶相关可分别由ARMA模型和GARCH模型刻画。这时，有效市场假说在一定程度上仍不失为一种合理的假设。如果序列的相关持续很长时期（即序列是长记忆的），市场摩擦或信息流的非均匀性的解释就不合适了，而可能是非线性结构或非线性动力系统的一种表现。同时，大量的经验研究表明，对数收益率序列多表现出尖峰、肥尾特征，这意味着股票市场可能存在着非线性结构，从而线性范式下的理论并不能恰当刻画股市行为。一些非线性研究方法如(G)ARCH模型，长记忆过程，稳定分布理论，分形分析，混沌理论等新方法逐渐发展起来，并大量应用于股市结构及有效性以及其他金融经济学问题的研究。

从制度上对证券价格波动加以直接或间接限制的初衷是为了消除价格的异常波动，减少虚拟经济泡沫以及避免恐慌性股市崩溃。但是学术界对涨跌幅限制的争论却非常激烈，许多学者对涨跌幅限制措施提出质疑，认为涨跌幅限制不会使波动稳定下来，反而会导致波动性溢出和价格扭曲等效应。吕继宏，赵振全（2000）对我国股市的涨跌幅限制进行了研究，认为长期来看涨跌停板制度降低了市场波动；[1]孙培源和施东晖（2001）认为我国的涨跌幅限制并没有降低股市波动和投资者过度反应。[2]沈根祥（2003）利用随机波动模型对上证综合指数进行了研究，认为涨跌停板制度降低了上海证券交易所综合指数收益波动性，却增加了指数收益相关性。[3]刘海龙，吴冲锋等（2004，2005）通过实证研究发现，恰当的涨跌幅限制约束了市场剧烈波动；不恰当的涨跌幅限制不仅对波动性没有约束，反而在一定程度上增加了波动性。[4][5]上述文献从不同的角度研究了涨跌幅限制对股票市场影响的不同方面，但没有从稳定分布和长记忆模型的角度研究对股市结构及其有效性的做充分的研究。李亚静等(2003)根据Granger关于长记忆的定义，分析了沪深股票市场的长记忆特征，但没有具体分析涨跌幅限制的影响。[6]

本文结合长记忆模型ARFIMA和稳定分布理论，在非线性范式下研究我国沪、深二市股价行为的长记忆特性和稳定分布特征，并从股票市场结构及其有效性的角度，通过涨跌幅限制实施前后的对比，分析涨跌幅限制对我国沪深证券市场股价行为的影响。

二、研究方法

对于股市结构及有效性的研究，分析股市价格的分布特征是一个基本方法，所以有必要对股市价格分布的尖峰、肥尾特征做进一步的分析。GARCH模型可以刻画尖峰、肥尾现象，但是它刻画的是股价行为的局部特征，人们往往利用它拟合协方差平稳的过程。市场有效性假设，即鞅模型并没有要求过程必须是协方差平稳的，所以GARCH模型是有严重的局限性的。完整反映序列分布特征的是分布函数或者特征函数。所以，收益率分布的拟合是本文选用的重要方法。ARFIMA模型则可以进一步将收益率的内在结构以模型参数的形式明确地表达出来。股价行为的分布类型以及描述这种分布的ARFIMA模型是研究股市结构及有效性有力工具。

（一）稳定分布(Stable distribution)

针对于金融收益率序列的尖峰、肥尾特征，Mandelbrot提出用Stable Paretian分布（又称为分形分布、 Pareto或Pareto- Levy分布）拟合股票收益率。实际描绘稳定分布通常是在Mandelbrot（1963）的方式下进行的，稳定分布的特征函数f(t)满足[8]：

三、实证分析

（一）样本数据

本文采用上证综合指数和深成指数的日收盘价格指数作为分析对象。参照沈根祥（2003），两个指数都从1992年5月21日开始选取，到1996年12月16日实施涨跌幅限制之前一个交易日即1996年12月13日为一个样本区间，称为限制前区间；考虑到我国股票市场是一个新兴市场，市场特性的变化可能相对较快，处于可比性，涨跌幅限制后区间并没有选择自实施日开始到当前的所有数据，而是根据实施前区间长度，选择为1996年12月16日至2001年9月7日，即保持涨跌幅限制实施前后的比较区间长度一致。收益率计算采用对数收益率：

（二）实证分析结果

1.分布特征的初步分析

首先分别对上证综合指数和深成指数的涨跌幅限制前后期间的原始数据进行初步检验分析。

表1沪市深市收益率统计值

由表1中结果可以看出，沪市和深市在涨跌幅限制实施前后收益率分布的偏态和峰态统计量都显著异于正态 (正态下二者分别为 0和 3 ) ,而J- B统计量大于任意合理显著水平下的临界值，其尾概率接近于0。这反映了收益非正态和“尖峰厚尾”的分布特性，这一结论与许多关于国内、外金融市场的统计结果一致。这说明对于正态分布不能恰当的刻画我国股市收益率的分布特征。根据Mandelbrot的建议，下面利用稳定分布拟合我国股市收益率，分析其分布特征。

2.稳定分布特征分析

有多种方法可以估计稳定分布的特征参数α，β，δ，γ，例如log-log经验分布图形法，R/S分析的非参数估计法，极小化Kolmogorov距离法，稳定分布下的分位数法和极大似然法等，本文选用极大似然法进行估计，分别对沪、深市指数收益率在涨跌幅限制实施前后进行估计，结果如表2。

表2我国股市收益率稳定分布特征参数

由表2中的结果可以看到：所有区间上的尾部指数α∈（1，2），说明收益率的无条件二阶矩或总体方差无限或者不存在（或不是常数）。一个分布呈肥尾现象的充分必要条件是无限大处的规则变化。[7]所以，我国股市的超常剧烈波动具有一定的规律性。具体地，上证综合指数收益率分布在涨跌幅限制实施后，尾部特征指数α由1.279提高到1.478，偏斜度参数β由0.06变为-0.01，分别向正态分布的尾部指数2和偏度测度参数0接近，说明涨跌幅限制减弱了沪市的厚尾和有偏性，逐渐接近于正态分布，即上海证券市场有效性得到了提高 。而深圳成分指数收益率分布在涨跌幅限制实施后，尾部特征指数α没有提高，反而有轻微下降；偏斜度参数β由0.幅减低为0.02，右偏斜程度降低，逐渐接近于对称，这说明涨跌幅限制没有减少波动的持续性，却很大程度地降低了波动的有偏性。由此可以看出，对于沪市和深市的影响是不同的，对于沪市，涨跌幅限制提高了市场有效性，而对于深市，涨跌幅限制是否提高了市场有效性还不能得出明确的结论。下文结合ARFIMA模型再做进一步分析。

由于无论对于沪市还是深市，涨跌幅限制实施前后收益率分布的尾部特征指数α都小于2，所以收益率的总体方差是无限大或不是常数，方差概念不能反映股市总体风险的大小，而用尺度调整参数γ来反映总体风险的大小。对于沪市，尺度调整参数γ由0.0142减少为0.00809，对于深市，尺度调整参数γ由0.014减少为0.00881，说明沪市和深市的总体风险得到了降低。

3.ARFIMA模型分析

ARFIMA模型可以进一步将收益率的内在结构明确地表达出来，分析序列的长期记忆特性。分别在涨跌幅限制实施前后的两个时期上，对上证综合指数收益率和深证成分指数收益率、收益率的平方r2以及绝对值|r|进行分析。之所以讨论收益率序列的平方r2和绝对值|r|，是因为研究这种变换后的序列的特征，对市场风险的度量有用。表3―1和表3―2分别给出了沪市、深市的分数差分参数d的估计以及检验结果。

（1）沪市结构及有效性分析

在涨跌幅限制前，上证综合指数收益率序列的分数差分参数，即分形维数d＝-0.198。对其进行单边检验，发现d在10%的显著性水平小于0，说明沪市收益率序列表现出一定程度上的反持续性，即具有比随机序列更强的突变性或易变性。这一点可以与收益率的稳定分布的特征指数α的表现相互印证。由于技术限制，本文没有估计尾部特征指数α的置信区间，但是可以对所估计的4组数据的特征指数α进行比较分析，说明这种反持续性的存在。在所估计的4组数据的特征指数α中，沪市涨跌幅限制前的尾部特征指数α最小，与1比较接近。由前述可知，对于尾部指数α，1是一个临界点：如果尾部指数α小于1，意味着分布不仅没有总体方差，而且总体均值也不存在（或不是一个常数）。这正是反持续性的另一种表述：序列频繁地返回其自身，试图去建立另一个均值！这说明了在实施涨跌幅限制之前，上海证券市场的波动十分剧烈，成为实施涨跌幅限制的一个现实原因。在涨跌幅限制实施之后，上证综合指数收益率序列的分形维数d在统计上不显著，说明序列不再存在持久性和反持久性，收益率序列不再是长记忆的。

上证综合指数收益率序列的两个非线性变换序列平方r2和绝对值|r|，在涨跌幅限制实施前后，其分形维数d＞0，且都表现出统计显著性，意味着长记忆性的存在，这暗示反映收益率的风险的波动具有持续性，市场具有非线性结构。对比涨跌幅限制实施前后，发现平方序列r2的持续性没有发生明显变化，而绝对值序列|r|的持续性得到了减弱。综合分析发现，涨跌幅限制实施后，沪市有效性得到了明显提高。这与上证综合指数收益率的稳定分布特征分析结论是一致的。

（2）深市结构及有效性分析

在涨跌幅限制前后，深圳成分指数收益率序列的分形维数都不显著，说明不存在长记忆性。而在涨跌幅限制后，收益率序列的平方r2和绝对值|r|序列的分形维数都显著增加。其中，收益率的平方序列的分形维数由涨跌幅限制实施前的不显著变为实施后的显著大于0。所以，涨跌幅限制后，深圳证券市场结构的非线性得到了加强，市场有效性被减弱。结合深成指数收益率序列的稳定分布特征分析，可以得出结论，虽然涨跌幅限制后，收益率序列分布的有偏性被减弱，但收益率的波动的持续性被加强，助长了收益率波动，总体效果是市场有效性被减弱。

四、结论及进一步的讨论

本文认为，GARCH模型是收益率过程的一个局部模型，带有有限条件方差的GARCH模型可能仅仅刻画了分形分布的局部特征，而整个分布可能具有无限无条件方差或者无条件方差不是常数；对应于分形过程的稳定分布刻画了其整体结构，而ARFIMA模型能对这种结构给出参数性的具体分析，从长记忆的角度明确分形过程的非线性结构。

本文结合稳定分布和ARFIMA模型两种方法，以1996年12月16日（即涨跌幅限制实施的第一个交易日）为界，对比分析了沪深两市股价指数日收益率的分布特征。结果发现，在涨跌幅限制前后，中国股市日收益率都具有尖峰肥尾特征，但尖峰肥尾特征不能仅仅由GARCH模型刻画，沪深两市都具有非线性和分形结构，从而需要结合稳定分布和ARFIMA模型才能对其进行全面刻画。

由于采用了不同的分析方法，关于涨跌幅限制对中国股市结构和有效性的影响分析得出了不同的结论。具体的分析表明，在涨跌幅限制前后，中国股市结构及有效性发生了显著变化。上海证券市场有效性得到了提高，而深圳证券市场有效性没有显著提高，却有减弱的迹象。涨跌幅限制对沪深二市的影响并不相同，甚至相反，这说明涨跌幅限制的作用依赖于市场的具体情况，而不能简单的肯定或否认涨跌幅限制的作用。

进一步对沪深二市作具体的对比分析，也许会发现为什么会有如此的差异，为如何发挥涨跌幅限制的积极作用提供一些线索。希望在以后的研究中能够继续对此问题进行分析。

来自中国沪市和深市的经验证据都表明，股票市场存在非线性和分形特征。这说明相对于正态分布，稳定分布似乎是研究股票收益与风险的更合理的分析基础。果真如此，以正态分布和线性假设为基础的经典资产组合理论、资本资产定价模型、套利定价理论以及Black－Scholes期权定价模型等都需要重新加以考察。另外，股市的这种非线性特征是随机系统的表现还是确定性混沌的结果，对于经典的金融经济理论也具有重大影响，这还有待于进一步的分析。

参考文献：

[1] 吕继宏，赵振全.涨跌停板对股市波动的影响[J].吉林大学社会科学学报，2000，（5）.

[2] 孙培源，施东晖.涨跌幅限制降低了股价波动吗？[J].证券市场导报，2001，（11）.

[3] 沈根祥.股票收益随机波动模型研究[J].中国管理科学，2003，（2）.

[4] 刘海龙，吴冲锋，吴文锋，陈占锋，等.涨跌幅限制与流动性研究[J].系统工程理论方法应用，2004，（1）.

[5] 刘海龙，吴文锋，吴冲锋.涨跌幅限制对股票市场波动性的影响[J].上海交通大学学报，2005，（10）.

[6] 李亚静，何跃，朱宏泉.中国股市收益率与波动性长记忆性的实证研究[J].系统工程理论与实践，2003，（1）.

[7] 特伦斯.C.米而斯（Mills.T.C）,(1999).金融时间序列的经济计量学模型》（中译本）[M].北京：经济科学出版社，2002.

[8] Peters,e.,1994.Fractal Market Analysis:Applying Chaos Theory to Investment and Economics[M].John Wiley&Son,Inc.

[9] Richard T.Baillie.(1996). Long Memory Processes and Fractional Integration in Econometrics[J].Journal of econometrics,73,5-59.

[10] Geweke J.and S.Porter-Hudak (1983). The estimation and application of long memory time series models[J].Journal of Time Series Analysis, 4, 221-238.

篇7

关键词：证券市场；相关性；行业特征；国际投资

本文通过对中国证券市场中主要行业的国际相关性的现状和变化趋势的研究，主要分析三个方面的问题：1．近年来中国证券市场中各主要行业与国际上主要市场之间的相关性的总体状况及变化趋势；2．不同行业之间的国际相关性差异性及其发展趋势；3．近期内其国际相关性相对显著提高的行业。

一、相关研究的回顾与分析

国际上对于证券市场之间相关性的研究从20世纪80年代以后日渐增加。Harvey(1995)的研究表明美国股票市场的变动通常能反映到国外市场的类似变动之中；Odier和Solnik(1993)的研究显示各国股票市场之间存在正相关性，但相关系数很低；Syriopoulos(2004)对波兰、捷克、匈牙利和斯洛伐克四国股票市场的研究表明，上述市场间的相关性很弱，但与其经济联系较密切的发达国家的市场相关性则相对较强。根据Gtiffin和Stulz(2001)的研究，几乎所有国际化投资组合的多样化效应均来自于国别因素；Rouwenhorst(1999)在分析了1978年至1998年间12个欧洲国家中的952只股票数据后认为，在欧洲货币联盟成立后，行业因素仍不足以胜过国别因素而居主导地位；但Eiling、Gerard和Roon(2005)在对欧元区各国股票市场从1990年到2003年的有关数据进行分析后认为，在欧元正式推出后，欧元区各国股票市场的国别效应与行业效应已相差无几。Hamelink、Harasty和Hillion(2001)在分析了1990年至2001年的有关数据后发现，行业、国别、股票类型以及公司规模等因素都应当是进行全球化组合投资时的考虑因素。近年来，国内学者在这方面也开始了一些研究工作，其重点是中国证券市场与国际上主要证券市场之间的收益率相关性和风险溢出机制。洪永淼、成思危等(2004)的研究结果表明B股和H股与世界其他股市之间存在着显著的风险溢出效应；而A股与世界主要股市之间不存在任何风险溢出效应。胡安和许萌(2003)分析了中美两国最具代表性的市场关系变化的时间路径，并对其原因加以事件分析。袁继东(2003)采用非线性ALRS模型的分析结果表明沪、深两市都同港、台股市有一定的关联性，而沪、深两市同美国股市关联度不明。

上述研究对国际相关性的进一步分析奠定了良好的基础，但其主要不足之处在于相关研究均是以“市场指数”为研究对象，也就是说，以市场整体相关性作为研究对象。但在实际的投资过程中，投资者往往并不持有整个市场组合，而是根据其对某个行业的分析，持有某个或某几个行业的投资组合。在这种情况下，当中国投资者进行国际化投资时，就需要根据所持有的偏重于某些行业的组合结构，对这些行业的国际相关性的现状尤其是变化趋势进行深入分析；另一方面，作为一个发展中的、逐步与国际接轨的市场，国际相关性的变化趋势无疑是一个值得进行深入研究的方面，而在行业层面上对该变化趋势进行分析，对于深入理解国际经济和金融环境对中国经济和产业发展的影响能起到一定的帮助。

二、研究方法与数据

本文所采用的行业收益率数据为Wind咨询公司提供的“新华富时一级行业指数”的周收益率数据，包括10大行业指数。由于在本文所涉及的时间区间内，部分电信行业的数据无法获得，因此本研究不包含该行业指数，其余指数所覆盖的行业分别为：石油及天然气(简称“石气”)、基础材料(简称“基材”)、工业、消费品(简称“消品”)、卫生保健(简称“卫生”)、消费服务(简称“消服”)、公用事业(简称“公用”)、金融和科技。

国际主要市场收益率数据为Wind咨询公司提供的“S&P500指数”(代表美国市场)、“日经225指数”(代表日本市场)和“恒生指数”(代表香港市场)的周收益率数据。时间为2001年7月至2006年3月，采样周期分别为24、36和48周。

三、结果及分析

表1列举了各行业与美国、日本和香港市场的相关性的总体状况。从表中可以看到，与上述比较成熟的市场相比，中国证券市场的整体国际相关性是很弱的；从地域上看，中国证券市场与上述三个市场之间的相关性从大到小依次为：香港、日本、美国，这显示市场相关性与经济区域存在着一定的内在联系。

表2显示了各行业国际相关性平均值的变化趋势。从表2中我们可以发现：

1．从总体上看，随着时间的推移，各行业与国际市场间的相关性有增强的趋势，反映在各回归方程的最高次数项的系数基本为正。

2．从相对长期的趋势来看，与香港和日本市场之间的相关性的变化幅度要大于美国市场；而与日本市场相比，各行业与香港市场之间相关性的增长趋势相对较强，显示出市场相关性的变化程度与经济区域存在一定联系，以及内地与香港两地资本市场日益呈现的“一体化”效应。

3．随着采样周期的增加，与美国市场和日本市场之间相关性的增长逐步显著，反映在随着采样周期的增加，其回归方程中时间系数在数值和显著性两方面均有所增加。这在一定程度上说明了我国证券市场国际相关性的变化过程并非单纯地由市场间的“风险溢出”效应所产生，而是有着内在的经济和金融驱动因素。

表3显示了各行业国际相关性的标准差的变化趋势。从表3中我们可以发现：

1．近年来，不同行业国际相关性的差异程度有逐步增加的趋势。反映在各行业与香港、美国和日本市场之间相关性的标准差的变化率均为正，且有关统计量的显著性程度均较高。这一现象表明随着中国经济和金融市场全球化进程的推进，国际经济和金融环境对中国不同行业的影响的差异在逐步明显。

2．各行业与美国市场之间相关性的差异程度相对更加明显，这显示尽管中国市场与美国市场之间相关性的整体水平相对不高，但却呈现出强烈的行业特征和行业差异性。

上述“行业差异”对于进行国际化投资的中国投资者而言是很重要的：由于其投资组合中必然会有相当一部分投资于中国市场(这种“本国偏好”效应在世界各国均存在)，如果这部分本国投资组合集中于某些行业，则在通过国际化投资以改善投资组合的风险一收益特性时，就需要充分考虑其国内投资组合中的不同行业的国际相关性差异，上述研究结果表明，这种差异对于投资绩效的重要性正在逐步增加。

表4显示了根据各行业国际相关性变化趋势的回归方程计算得出的近期内各行业与香港、美国和日本市场之间相关性的变化率、边际变化率、相对变化率和相对边际变化率的排名(为尽可能反映中长期趋势，采样周期取48周)。

从表4中可以发现：

1．综合各行业的国际相关性的变化率和相对变化率排名，在近期“金融”、“基材”和“公用”三个行业的国际相关性的增长率相对较高。

2．综合各行业的国际相关性的边际变化率和相对边际变化率排名，在近期“金融”和“科技”两个行业的国际相关性的边际增长率相对较高；而“公用”和“消服”行业的国际相关性的绝对边际变化率和相对边际变化率排名差距较大，这主要是由于这两个行业的国际相关性与特定的国际主要市场有着相对紧密的联系，相对而言，“公用”行业与香港和日本市场之间相关性的边际增长率较高，与美国市场之间相关性的边际增长率较低；而“消服”行业则正好相反。

综合以上分析，在本文所研究的9大行业中，近期内金融、基础材料、科技、公用事业和消费服务行业的国际相关性具有相对比较显著的增长，其中公用事业和消费服务行业的国际相关性变化表现出相对较强的市场差异性。

四、结论及进一步的研究方向

在本文中，我们通过对“新华富时一级行业指数”所代表的中国证券市场9大行业与香港、美国和日本证券市场间的收益率相关性的变化状况的实证分析，对中国证券市场主要行业的国际相关性的变化趋势进行了研究。研究结果表明：中国证券市场中各行业的国际相关性从总体上有增强的趋势；不同行业国际相关性的差异化程度逐步增加，显示国际经济和金融因素对中国经济不同产业的影响差异性正在日益增加；同时，不同行业国际相关性的增长率也存在差异，金融和基础材料行业的国际相关性具有相对较高的增长率。

进一步的研究需要结合不同行业与国际市场的经济、产业和金融联系来进行分析。另外，本文所采用的“新华富时一级行业指数”在行业划分上相对是比较粗略的，采用更加细致的行业划分标准(例如采用“二级行业指数”)不仅有利于在投资决策中提供更详细的参考信息，也有助于更深入地理解不同行业的发展状况与国际经济金融环境之间的内在联系。

参考文献：

[1]洪永淼，成思危，刘艳辉，汪寿阳，中国股市与世界其他股市之间的大风险溢出效应[J].经济学,2004,(3)：703-726．

[2]胡安，许萌，上证指数与美国S&P500指数间相关变化的时间路径分析[J].经济管,2003,(12)：83-85．

[3]Eiling，E；Gerard，B.andRoon，F.2005.“AssetAllocationintheEuro-zone：IndustryorCountryBased．”DiscussionPaper，TilburgUniversity．

假设ri(t)和Rj(t)分别为本国市场中第i类行业和第j个国际市场在时间t的收益率，则其(离散形式)相关系数由式(1)所定义：

其中

分别为当采样周期为m时的本国市场第i类行业和第j个国际主要市场收益率时间序列的采样周期平均值，上述相关系数对于各行业的平均值和标准差反映了特定采样周期下各行业国际相关性的总体趋势和各行业国际相关性的差异性的趋势。

对于某个行业而言，可以通过两个指标来分析其国际相关性的基本变化趋势，即第i个行业与第j个国际主要市场之间在某一段时间内相关系数的变化率和边际变化率，前者体现了相关性的变化状况，而后者则反映了这一变化状况的稳定性，由式(2)所定义。

篇8

关键词：金融发展；经济增长；总量研究；结构分析

Abstract：By reviewing the existing literatures，and based on finance functions theory and relative data of Jiangsu Province from 1980 to 2010，this paper empirically tests the effect of financial development on regional economic growth. The results show significant effect of financial development in Jiangsu economic growth with diverse internal structure. Finally， this paper puts forward policy recommendations based on the empirical results.

Key Words：financial development，economic growth，gross quantity analysis，structure analysis

中图分类号：F830.2 文献标识码：A 文章编号：1674-2265（2012）03-0016-04

一、研究背景

在经济全球化和经济金融化背景下，金融发展与经济增长的关系一直是国内外学者的研究热点。国家“十二五”规划提出要加快多层次金融体系建设，以科学发展观为指引，围绕经济发展方式转变的目标，加强金融对经济增长方式转型的支持力度。在这样一个理论和现实背景下，本文尝试通过江苏省的实证数据从总量和结构两个视角研究区域金融发展对经济增长的作用，并提出相关政策建议。

二、文献综述及本文研究思路

（一）文献综述

从戈德史密斯的金融结构论到麦金农和肖的金融抑制与金融深化理论，从默顿、博迪的金融功能论到白钦先等人的金融可持续发展理论，理论研究基本形成共识，认为金融发展与经济增长之间存在密切关系，但对两者之间的相互作用机理各有不同的观点。相应的实证研究主要集中在两个方面：一是验证金融发展与经济增长的相关性，二是两者之间因果关系的论证。对于相关性问题，主流观点认为金融发展与经济增长之间存在着明显的相关关系（贝克和莱文，2002），这与金融发展理论得出的结论一致。在因果关系方面，由于研究对象和方法等方面的差异，主要有四种不同结论：其一，金融发展影响经济增长，两者之间是“供给驱动型”关系，金融发展是经济增长的必要条件。其二，经济增长导致金融发展，两者之间是“需求拉动型”关系，经济增长是金融发展的前提条件。其三，金融发展与经济增长互为因果，相互影响。其四，两者之间无因果关系，它们的相关仅是巧合或共同取决于第三个变量。

遵循国外研究思路，国内涌现出众多关于中国金融发展与经济增长关系的研究。多数认为金融发展能够带动我国经济增长（谈儒勇，1999；赵志君，2000），然而在金融发展内部结构方面却很难形成一致的结论。梁琪、滕建洲（2005）研究发现中国金融中介和经济增长之间有显著的正相关关系，而股票市场对经济增长的作用有限。范学俊（2006）通过对中国季度数据分析得出了完全相反的结论。在区域金融发展与区域经济增长关系的研究方面，通过对中国分地区的实证分析发现在中国东北、东部和西部三个地区金融发展与经济增长关系表现出很大的差异性（王纪全、张晓燕、刘胜全，2007），金融发展与经济增长的关系具有明显的时空特征（袁云峰、曹旭华，2007），不同区域的金融控制对金融发展与经济增长的影响显著，应区别对待它们之间的影响（王晋兵，2007）。

（二）现有研究不足及本文研究思路

现有研究存在以下不足：（1）从研究范围看，多是基于国家宏观层面，对于像我国这样一个经济发展不平衡的国家，国家范围的研究结论不具有普适性。国内已有学者关注区域金融发展与区域经济增长关系（周立、王子明，2002；袁云峰、曹旭华，2007；王纪全等，2007），但他们的研究都是基于中国地区分布的特征，同样存在范围相对较大、缺乏针对性的不足。（2）研究金融结构与经济增长关系时，一般只考虑银行的作用，未从社会融资总量角度分析金融发展对经济增长的作用。

因此，本文尝试从以下两个方面做出改进：（1）进一步缩小研究范围，把实证对象定位在江苏省，研究省域金融发展对经济增长的作用，使研究更有针对性。（2）以金融功能论为理论基础，以中国人民银行货币政策导向为指引，从社会融资总量和融资内部结构两个方面研究金融发展对经济增长的支持力度。

三、江苏省金融发展对经济增长作用的实证分析：1980―2010年

（一）模型的构建及数据来源

1. 理论基础。根据金融功能论，金融发展的本质是金融功能的提升，其外在表现体现在两个方面：一是金融主体的总量提升，二是金融结构的优化。在这两个方面的作用下使得金融效率得以提升。金融效率的提升将发挥社会资源配置作用，促进投资和储蓄的增长，使得经济产业结构不断优化，最终结果是经济的增长，作用机制如下图所示：

图1：金融功能论理论原理示意图

2. 研究变量和样本数据来源。为了消除人口规模对计算结果的影响，本文采用人均GDP（RPGDP）为衡量经济增长的指标；用金融相关率（FIR）作为度量金融发展的总量指标，金融相关率的定义为：FIR=（金融机构各项存款+金融机构各项贷款）/GDP。在金融结构指标选择方面，本文从社会融资总量衡量金融对经济的支持力度。社会融资资金主要来源于金融中介市场和证券市场，即银行融资和证券市场融资两个方面。本文用Bank反映实际通过银行中介作用于经济发展的资金量，即金融机构各项贷款总额；用Stock反映证券市场的筹资能力，即上市公司募集资金总量（含发行、增发、公司债、配股等）。为了削弱数据的异方差，本文对各个变量进行取对数处理（见表1）。

实证检验数据来自历年的《江苏省统计年鉴》、江苏省统计公报（2010）及人民银行南京分行网站统计数据，使用的计量软件是Eviews3.1。

（二）基于总量视角的金融发展对经济增长的作用研究：1980―2010年

1. ADF单位根检验。为了避免时间序列数据不平稳而产生的“伪回归”现象，首先对变量进行了ADF单位根检验，从表2可以看出，lnFIR与lnRPGDP都是非平稳的，但经过一阶差分后在5%显著水平下都是平稳的，即它们都是一阶单整序列。

注：（1）检验类型中的c、t、k分别表示常数项，趋势项以及滞后阶数。（2）是否含有常数项和趋势项根据散点图的变化规律和趋势确定，滞后阶数k的选择以AIC和SC值最小为标准。（3） 表示相关变量的一阶差分。（4）Y表示通过平稳性检验，N表示未通过平稳性检验。（5）***表示1%显著水平下的平稳，**表示5%显著水平下的平稳，*表示10%显著水平下的平稳。（6）以上说明同样适合下文结构分析中的单位根检验。

2. 协整分析。为了找到金融总量与经济增长之间的某个线性组合是否存在长期稳定关系，本文对变量进行Engle-Granger协整分析。首先进行协整检验，得协整回归模型 ：

（53.18947）（15.30880）

其次对回归残差进行平稳性检验，得到ADF检验的临界值为-3.141016。对照AEG检验临界值表可知在1%显著水平下拒绝原假设，说明从总量上看江苏省金融发展与经济增长之间存在长期均衡关系。

3. 误差修正模型（ECM）。由于受金融危机等突发事件因素的影响，金融发展与经济增长之间的长期均衡关系可能会出现短期失衡的现象，短期内变量间存在误差修正机制。本文用ECM模型来研究这种机制，最终ECM模型：

lnRPGDPt=0.175966-0.597005lnFIRt+0.012683ECMt-1

（15.81758） （-4.817956） （2.07E+14）

模型结果显示短期内江苏省经济金融系统存在误差修正机制，误差系数0.012683体现了各期经济增长对均衡水平偏离的修正，在（t-1）期的实际经济发展水平低于其均衡值时，做出了正向修正。

4. Granger因果检验。协整检验表明江苏省金融总量与经济增长之间存在长期均衡关系，但这种均衡关系是否构成因果关系需要进一步检验。对变量进行Granger因果检验，选择滞后2阶，检验结果如表3。

Granger因果检验的结果都拒绝了原假设，表明lnRPGDP是lnFIR的Granger原因，lnFIR也是lnRPGDP的Granger原因。从总量上看，金融的增长量和经济的增长量之间是相互影响的双线关系，江苏省金融发展与经济增长之间互为因果。

（三）基于结构视角的金融发展对经济增长的作用研究：1993―2010年

从金融发展的内部结构来看，金融支持经济融资除银行信贷外还包括证券市场融资。由于江苏资本市场自1993年才逐渐形成并发展起来，金融发展表现出阶段性的特征。为了更好地把握金融发展内部结构与经济增长之间的关系，以下利用1993年以来的数据，使用lnBank、lnStock两个结构指标，分析其与经济增长的关系。

1. ADF单位根检验。表4所示检验结果表明各变量除lnRPGDP在10%显著性水平下平稳外，其他指标都是非平稳的，但一阶差分后在5%的显著性水平下都是平稳的，都是一阶单整序列。

2. 协整分析。由于结构分析涉及三个变量，变量间可能存在多种稳定的线性组合，在进行协整分析时需要考虑它们的任意线性组合也是稳定的情况，此时用E-G两步法进行协整分析时存在不足，故采用Johansen协整检验进行分析，结果如表5、表6。

从分析结果可以看出，在1%的显著性下存在一个协整方程：

（0.01580） （0.01765）

结果表明影响江苏省经济增长的两个金融发展结构变量在样本期间存在协整关系，这说明江苏省经济增长与银行信贷规模、证券市场筹资能力之间存在长期均衡关系，协整结果符合经济理论。协整方程表明在长期均衡关系中，银行信贷投放在经济增长中的最终贡献为66.5%，而证券市场筹资的贡献度是6.87%，银行信贷规模的影响程度远大于证券市场筹资规模。

3. Granger因果分析。在协整分析的基础上，进一步验证江苏省经济增长与金融发展内部结构指标之间的Granger因果关系，结果如下：

从检验结果可以看出lnBank是lnRPGDP的Granger原因，江苏省银行信贷规模与经济增长之间是“供给驱动型”关系，信贷规模的增加对经济增长的推动作用显著，而证券市场发展与经济增长的Granger因果关系微弱。Granger因果分析的结果进一步验证了协整分析的结论，表明在江苏省经济增长中银行信贷投放起着重要的作用。

（四）实证结论的比较分析

1. 总量分析表明江苏省金融发展与经济增长之间存在协整关系，并且短期内存在误差修正机制，两者之间是相互促进的正相关关系。这验证了金融功能论，金融系统作为一个整体通过资源配置、支付结算以及风险管理等功能对经济增长产生正向作用，同时经济的发展状况也对金融系统功能的发挥有着重要影响。

2. 结构分析从社会融资总量角度衡量主要融资来源对经济的支持力度。实证结果表明金融中介在经济增长中发挥着重要作用。从长期角度来看，银行信贷规模的投放对经济增长的作用显著，银行信贷规模与经济增长之间存在正相关关系。江苏省证券市场对经济增长的作用是微弱的，这与江苏的股票市场起步晚、证券市场规模偏小、发展机制不健全有关，另外也与不成熟的资本市场体系有关。

3. 综合对比分析。总量研究和结构分析共同表明江苏省金融发展与经济增长之间存在长期协整关系，金融发展对经济增长的影响显著，在推动地方经济发展的过程中应充分发挥金融“助推器”的作用；结构分析表明金融在推进经济发展中存在内部结构的差异，证券市场发展在推动地方经济发展中作用微弱，证券市场有待进一步发展，同时不同金融市场之间的Granger因果关系不显著，金融发展内部结构之间的协同作用不明显。

四、政策建议

（一）重视金融发展在经济增长中的作用，发挥金融在经济增长中的推动效应

总量和结构研究表明，金融发展在推动经济增长中发挥着重要作用，因此需要高度重视金融的发展，加强金融基础设施建设，积极改善金融生态环境，不断发挥金融资源配置的基础性作用，提高金融效率。

（二）发展多层次的金融市场，避免金融发展内部结构之间的马太效应

实证研究显示，金融市场内部主体间在促进经济增长方面差异显著，金融中介作用突出，证券市场的规模和作用有待进一步提升。因此需要不断完善多层次的金融市场建设、优化金融结构、扩大直接融资市场规模、构建多层次协调发展的金融市场，使得金融中介市场、证券市场之间可以取长补短、优势互补，实现协同发展。

（三）将金融、经济作为一个有机系统，实现金融与经济之间的协同效应

研究表明，金融发展与经济增长之间的作用是双向的，在重视推动作用的同时也不可忽视风险的存在。因此需要将金融、经济作为一个有机整体，从系统角度考虑促进金融发展的相关政策，建立与经济增长相适应的金融体系。这既是宏观审慎管理与防范系统性风险的需要，也是更好地发挥金融的作用、实现金融与经济之间的协同效应、推动金融与经济可持续发展的现实需要。

参考文献：

篇9

关 键 词：三因素模型；规模效应；价值溢价效应

中图分类号： F830.91 文献标识码：A 文章编号：1006-3544（2014）01-0048-03

一、引言

1952年现资理论的创始人Markowitz以效用最大化理论证明了风险与收益呈正相关关系，之后Sharp（1964）、Lintner（1965）和Mossin（1966）提出资本资产定价模型，进一步阐明在有效市场假设的前提下，资产的期望收益率主要取决于度量资产系统性风险的β系数，两者正向相关，并指出β系数是影响资产期望收益率的惟一因素。之后的众多投资理论和模型也都证明了这一点。这些理论和模型是否具有实际应用价值，取决于是否能够解释实际中的现象，为此国内外学者进行了大量的实证检验。

可以说， 早期的实证检验也都支持该论点，如Black、Jensen和Scholes（1972）证明若市场投资组合是高效的，则β系数与期望收益率之间存在线性的正相关关系；Fama和MacBeth（1973）研究发现平均股票收益率与β系数之间的正相关关系成立。但是，Roll（1977）对资本资产定价模型的实证检验提出了批评，他认为资产定价模型中的市场组合无法度量，因此β系数无法计算。而且，自20世纪60年代开始，价值溢价、规模效应和日历效应等证券市场异象不断被证实，这也证明了资本资产定价模型并不是有效的。1992年，Fama和French对美国股票市场进行实证研究发现，单靠β系数不足以解释美国股票收益率的波动， 他们提出一个包括市场资产组合、公司规模和账面市值比在内的三因素模型，并在包括美国在内的12个世界主要证券市场上进行实证研究， 证明公司规模和账面市值比因素对股票收益率的影响显著性很高。Andy C.W. Chui和K.C.John Wei（1998）对香港、韩国、马来西亚、泰国和台湾五个新兴市场进行实证研究， 同样也证明了三因素模型对股票收益率有显著的解释。

我国证券市场经过二十多年的发展， 尤其是在股权分置改革之后， 不管是上市公司数量还是资金规模都取得了巨大发展，因此，学者对我国证券市场的研究也越来越多。那么，Fama-French三因素模型在我国证券市场是否适用？陈信元、陈冬华等（2001）通过对1996～1999年我国证券市场的数据进行实证研究发现β系数没有对股票收益给予很好的解释。仪垂林、黄兴旺等（2001）利用深圳证交所数据对Fama-French三因素模型进行实证， 指出三因素模型在我国证券市场不成立，并提出了剔除账面市值比的二因素模型。在股权分置改革已经基本完成、我国证券市场不断完善的情况下，我们根据上海证交所2006年以来的数据资料，利用多元线性回归的方法来验证Fama-French三因素模型在我国是否适用。

二、Fama-French三因素模型在我国的实证检验

（一）样本的选择

股权分置改革是我国证券市场具有里程碑意义的事件，自2005年6月开始启动，到目前为止，上海证交所已基本上完成改革。因此，为了更好地反映我国股市的情况， 我们选取了2006年1月至2013年3月（共87个月）上海股票交易所A股股票的月交易数据作为研究样本。账面价值采用上市公司资产负债表中所有者权益并对递延税务项进行调整（减去递延税务借项，加上递延税务贷项）得到，市场价值采用上市公司的总市值（包括流通股和非流通股），用T年6月末的市值代表规模，用T-1年会计年度股权的账面价值除以T-1年12月末的总市值代表账面市值比。数据取自北京聚源锐思数据科技有限公司的RESSET金融研究数据库。

（二）组合的构造和采用的模型

1. 规模组合

从目前来说，学者们对于公司规模的划分没有统一的标准，有的是直接将公司平均分为大、小两类，或大、中、小三类；有的则是按照一定的比例进行划分， 如按照30%、40%、30%的比例分为大、中、小三类。本文参照平均分配的方法，按公司规模从小到大将公司分为5组（A、B、C、D、E），然后根据账面市值比由低到高将公司分为5组（Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ），两者交叉共得到25个组合； 再以划分好的组为依据，计算每组T年7月到T+1年6月每月用总市值加权的资产组合的平均收益率。

2. 模型的选择

Fama-French三因素模型的表达式为：

Rit-Rft=？琢+？茁（RMt-Rft）+sSMBt+hHMLt+？着it （1）

其中：Rit为资产收益率；Rft为无风险收益率，采用的是金融机构3个月期的定期储蓄存款利率折算的月利率；RMt-Rft为超额市场收益率；SMBt为市值（ME）因子的模拟组合收益率；HMLt为账面市值比（BE/ME）因子的模拟组合收益率；？着it为残差项，？琢为截距项；？茁、s、h分别是（RMt-Rft）、SMBt、HMLt的敏感系数。

三、检验结果及分析

（一）模型总体的显著性检验

我们将上海股票交易所的上市公司按照规模和账面市值比划分成组， 并确定每个组合上市公司的数量， 同时将账面价值小于0的公司剔除， 利用SPSS统计软件进行计量分析。根据公式（1）对搜集的25组数据进行多元线性回归分析， 得到25个组合的修正拟合优度系数、F值和D-W值。

如图1所示， 大多数组合的修正拟合优度都在0.85以上，其中还有9个组合的修正拟合优度在0.9以上，可见模型的拟合度较好，解释程度都很高。由表1的结果可知，模型整体显著性的F检验证明模型整体是显著的，这说明该模型在我国基本适用。从D-W值来看，25个组合中， 除了8个组合之外，其余组合的D-W值接近于2，这说明大部分组合的时间序列几乎不存在自相关。但是，另外8个组合的D-W值在2.3以上， 说明这些组合之间存在一定程度的负相关， 这可能与每个组合的样本量较少以及每组数据量少（不足100个）有一定关系。

（二）模型回归系数分析

1. 市场风险因素分析。由表2数据可知，β系数全部通过了t检验，而且显著性水平t（β）几乎都在20以上，最高达26.98，远大于规模和价值因素系数的显著性水平，这说明在我国股市中，市场风险因素仍占重要地位，对证券组合收益率的解释力很强。而且，不管公司规模以及公司价值如何变化，所有组合的β系数都接近于1，这说明虽然25个股票组合的规模和账面市值比特征不同，但是从长期来看，他们面临的系统性风险都比较稳定。

2.规模因素分析。由表2可知，公司规模因素的系数s都是正值，并且全部通过了t检验，这说明规模因素也是影响股票收益率的一个显著因素。而且，随着公司规模的不断扩大，s系数越来越小，这说明规模越大，对股票收益率的影响越小。同时，由图2可知，不管组合账面市值比大还是小，随着公司规模的增大，组合的平均收益率都呈逐渐降低的趋势。由此可知，在我国股票市场上存在着明显的规模效应。

3. 价值因素分析。 分析账面市值比因素的h系数，可以发现具有较高账面市值比的10个组合的h系数全部为正，而较低账面市值比的15个组合的h系数全部为负， 这说明成长性高的股票一般都是正斜率，而价值性较高的股票一般为负斜率。但是，所有组合中除了规模最小的之外，其余规模对应的组别中都有组合通过了t检验， 但通过的数量只有一半，说明价值因素对股票收益率的解释作用相对较小。此外，不管公司规模是大还是小，h系数都随账面市值比的增大而不断提高。而且，由图2也可以看到，价值型公司（账面市值比大）股票的收益率基本上都大于成长型公司（账面市值比小）股票的收益率。可知，我国股市上确实存在价值溢价现象。

4. 常数项分析。 常数项的α系数都没有通过t检验，这说明常数项与股票的收益之间没有明显的线性关系。而且，通过观察我们发现不管公司规模和组合市值出现什么样的变化，α系数都没有任何规律。t统计量也显示除了三个组合外，其余的都小于1，这说明三因素模型还有一些非预期的风险因素未考虑进来，但是这些因素对模型的影响相对较小。

四、结论

通过实证分析，得到如下结论：

第一，在我国股票已经基本实现全流通的情况下，Fama-French三因素模型在我国上海股票交易市场基本上是成立的。虽然通过实证检验发现三个因素不能对股票收益率的波动做出完全解释，但是其拟合优度总体很高，因此可以作为一个实用性较高的工具帮助投资者分析我国的股票市场。

第二，市场风险因素和规模因素是影响股票超额收益水平的主要变量，但是价值因素对于股票的超额收益的显著性还不够明显。 这也是与Fama-French三因素模型不完全一致的地方。因此，我们利用三因素模型在我国股市对资产进行定价时，还需要结合我国现实考虑其他可能的风险因素，对其做进一步的修正。

第三， 规模效应和价值效应在我国股票市场确实存在。 小规模公司股票的收益率要明显高于大规模公司股票的收益率； 成长型公司股票的收益率低于价值型股票的收益率。 这一定程度上也说明经过20多年的发展我国股市的投机性在逐渐减弱，投资者更注重公司的投资价值。

参考文献：

[1]陈信元，张田余，陈冬华. 预期股票收益横截面多因素分析：来自中国证券市场的经验数据[J]. 金融研究，2001（6）.

[2]邓长荣，马永开. 三因素模型在中国证券市场的实证研究[J]. 管理学报，2005（2）.

[3]方丽婷，李坤明. 上证行业指数收益率的影响因素——基于三因素模型的分位数回归分析[J]. 金融理论与实践，2012（10）.

[4]刘玉灿，韩冠楠. 基于Fama-French三因素模型的IPO长期表现的实证研究[J]. 南京理工大学学报（社会科学版），2013（3）.

[5]王爱敏. 三因素模型在中国证券市场适用性的实证研究[D]. 对外经济贸易大学，2007.

[6]钱鑫. 三因素CAPM模型在上证A股市场的实证研究[D]. 复旦大学，2010.

篇10

超常规培育和发展机构投资者是推进中国证券市场发展的关键。成熟证券市场的经验表明，机构投资者是证券市场深化的重要推动力量。近几年，随着保费收入的迅速增长和保险资金运用力度的加强，保险资金参与证券市场的程度在不断加深。保险资金在未来我国证券市场体系建设中如何定位，如何强化保险资金运用，促进保险资金与证券市场之间的良性互动，是需要重点思考和研究解决的问题。

一、保险资金是证券市场的重要机构投资者

机构投资者是以自有资金或通过各种金融工具所筹资金并在金融市场对债权性工具或股权性工具进行投资的专业化机构，包括保险基金、养老基金、投资基金、信托基金、捐赠基金及进行投资交易的投资银行和商业银行。

在成熟的资本市场，机构投资者占据主导地位，个人投资者比重趋于下降。从国际发展趋势看，20世纪80年代以后，保险资金运用的资产证券化不断加强，美国保险公司的证券化资产已超过80％。保险公司已成为发达证券市场重要的机构投资者，保险资金是证券市场的重要资金来源，是促进证券市场稳定发展的重要力量。

1.保险资金是证券市场的重要资金来源字串5

在发达的证券市场上，保险资金是货币市场和资本市场的重要资金来源，特别是寿险公司经营业务的长期性和稳定性的特点，它们为证券市场提供长期稳定的资金来源。从美国机构投资者持有的证券资产结构来看，保险公司是美国债券市场上最大的公司债券持有人，是股票市场的重要持有人。

2.保险资金是促进证券市场稳定发展的重要力量

保险公司等机构投资者的发展有利于引导资本市场投资者进行价值投资和长期投资。国外成熟证券市场的发展历程表明，散户比例大的市场投机倾向较强，而各类机构投资者占主体的市场则是一个崇尚长期投资的市场。字串2

20世纪80年代以来，以养老基金、保险基金、投资基金为代表的各类外部机构投资者持有的上市公司股票比重迅速增大，导致了机构投资者的投资策略从“保持距离”向“控制导向”的转变，极大地影响了上市公司的治理结构。它们凭借控制权直接参与公司决策并监督、制约经理阶层的经营行为，在某种程度上缓解了由于股权的分散化而导致的“内部人控制”，同时也在一定程度上提高了被投资的上市公司的经营业绩和机构投资者自身的收益。其中最为典型的是美国上市公司治理结构在20世纪80年代后期至90年代由于机构投资人行为变动所表现出来的显著变化。

保险公司等机构投资者是提高市场效率和推动金融产品创新的源动力。保险资金运用强调收益稳定和安全性，必然对股票指数期货、期权等避险工具的需求表现强烈。保险基金、养老基金等追求收益稳定的机构对避险工具的大量需求是稳定证券市场的重要力量。同时，也是推动金融创新的原动力。金融创新和衍生交易的活跃，提高了市场的流动性和金融资产的定价效率。

二、保险资金在中国证券市场的投资现状

1.保险公司是债券的重要机构投资者

目前，中国证券市场上的机构投资者主要有五类：商业银行、保险公司、证券公司、投资基金、信托公司和财务公

目前，保险公司持有的债券资产总额约为1500亿元，约占全部债券托管量的5％。在交易所债券市场上，保险公司通过回购业务为资本市场提供了充分的流动性，融出资金量占回购交易量的30％-40％，是交易所短期资金的主要供给者。保险公司作为债券市场的参与主体，通过跨市套利，对于活跃债市交易、缩小交易所市场和银行间市场的利差和提高债市的定价效率，都发挥了重要作用。

2.保险公司通过证券投资基金间接成为股票市场的机构投资者字串9

通过对2002年封闭式基金统计发现，保险公司对封闭式基金的投资额已经达到基金份额的21.98％，占整个十大持有人中机构投资者持有总份额的73.40％。其中中国人寿、太平洋、人保、平安保险持有基金的份额均在30亿元以上。截止2002年11月，保险公司的基金投资规模（包括开放式基金）已达312亿元，相当于间接持有约2.5％的股票市场流通市值。

3.保险公司对证券市场的参与程度将不断加深字串8

面对国民经济保持持续发展及加人世贸组织带来的市场开放与竞争形势，我国保险业将继续呈现快速增长态势。预计在未来5年内，我国保险业将以每年20％-30％的速度增长，幅度将高于金融行业平均速度，2005年全国保费收入将会突破5000亿元。保费收入的高速增长将为保险资金运用提供大量的资金来源，加上保险资金运用的证券化趋势，保险业对证券市场的资金供给会不断加大，在政策允许的情况下，保险公司在证券市场所占的份额会不断提升。字串9

从保险产品的发展趋势看，投资型产品发展迅猛，使保险经营对保险投资的依赖性进一步加大，发展投资型保险产品是保险业发展的方向和大趋势。投资型产品最主要的特征就是它的投资功能，因此，保险产品的升级换代使保险经营对保险投资的依赖性更大了。从长期的投资回报来看，债券和股票投资的收益率较高，因而保险资金以证券市场为取向也是保险产品转型的必然选择。

我国保险业的巨大资金规模和高成长性以及对资金运用的迫切要求，说明保险公司有实力也有意愿在未来的资本市场上发挥重要作用，成为资本市场不可缺少、不容忽视的重要机构投资者。

三、强化资金运用管理，进一步发挥保险公司作为机构投资者在我国证券市场中的作用