導(dǎo)語：股票市場波動非對稱性探究論文一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

金融市場的波動有許多特點，股票市場波動的非對稱性是指同等程度的利好消息與利空消息對股票市場波動的影響不相同。本文針對我國上海股票市場波動的非對稱性展開深入的實證研究，得出與國外股票市場相反的結(jié)論，即在我國上海股票市場，同等程度的利好消息對波動的影響更大。最后從投資者結(jié)構(gòu)、心理和交易機制等方面解釋這種現(xiàn)象。

一、文獻(xiàn)綜述

由于金融資產(chǎn)的波動性是確定金融衍生工具(如證券、期貨等)價格的關(guān)鍵因素，同時，它也反應(yīng)金融資產(chǎn)(如股票)價格的波動風(fēng)險，因此，弄清楚證券市場波動是市場交易者、投資者、風(fēng)險管理者以及尋求弄清楚市場動態(tài)的學(xué)者們非常感興趣的問題。到目前為此，國外應(yīng)用ARCH(AutorenressiveConditionalHeteroskedasticity)和GARCH(GeneralizedARCH)模型來研究股票波動性已取得了較為豐富的成果。ARCH模型是由Engle提出的，因其在這方面的杰出的研究成果而獲得了2003年度的諾貝爾經(jīng)濟學(xué)獎。Zakoian(1994)和Glosten,Jananathan以及Runkle(1993)在ARCH模型的基礎(chǔ)上提出了TARCH模型，并用此模型來研究股市波動性的杠桿效應(yīng)。Nelson(1991)則提出了EGARCH模型，并用此模型來研究股市對“好消息”和“壞消息”的不對稱反應(yīng)問題。Engle和Ng(1993)繪制了股票市場對好消息和壞消息的反應(yīng)曲線。

針對股票市場波動的非對稱性，國外許多學(xué)者提出各種模型對世界各個金融市場進(jìn)行了實證研究，研究結(jié)果表明在大多數(shù)發(fā)達(dá)國家的股票市場均存在顯著的波動非對稱性，而且在與相同大小的利好消息相比，利空消息對波動性的影響更大。Campbell&Hentschel(1992)認(rèn)為這種現(xiàn)象可以由“杠桿效應(yīng)”(Leverageeffect)或“反饋效應(yīng)”(Feedbackeffect)來解釋。然而，本文以上證綜指為對象，應(yīng)用EGARCH模型對上海股票市場利好消息與利空消息對股票市場波動的影響展開深入的實證研究，得出與國外股票市場相反的結(jié)論，即在中國股票市場，同等程度的利好消息對波動的影響更大。

二、上海股票市場波動非對稱性實證研究

1.數(shù)據(jù)說明與研究思路

關(guān)于樣本區(qū)間的選擇，考慮到我國證券市場發(fā)展的歷史不長，樣本選擇的原則是要有足夠的樣本容量，因此本文的實證研究以1990年12月19日至2006年4月28日的上證綜合指數(shù)的日收盤價為樣本。所有數(shù)據(jù)來源于分析家證券投資系統(tǒng)。

兩市的日收益率用每日收盤價的對數(shù)差分表示。以對數(shù)差分表示的優(yōu)點在于:（1）避免了股價變動對股價水平的依賴關(guān)系;（2）以對數(shù)表示的股價的差額即是股價變動的增長率或股價收益率。

Rt=(1nPt一1nPt-1)

其中Rt是市場在交易日t的收益率，Pt是市場的交易日t的收盤價。

實證研究的基本思路是:首先對股市收益率做出描述性統(tǒng)計分析，分析收益率序列的特點，然后分離周內(nèi)效應(yīng)，之后對該模型的殘差進(jìn)行自相關(guān)性檢驗，若殘差存在自相關(guān)，則進(jìn)行自相關(guān)性糾正，接著檢驗殘差的異方差性，若存在異方差性，則進(jìn)一步擬和相關(guān)的不對稱模型。

2.收益率的描述性統(tǒng)計分析

上證綜指收益率描述性統(tǒng)計量

上圖分別為樣本期內(nèi)上證綜指的日收益率的描述統(tǒng)計量。根據(jù)這些統(tǒng)計量可以得到如下結(jié)果:（1）市場的平均收益高于同期銀行存款的收益，當(dāng)然風(fēng)險也遠(yuǎn)遠(yuǎn)大于存款風(fēng)險；（2）日收益序列不服從正態(tài)分布；（3）日收益序列存在尖峰肥尾的性質(zhì)。

3.剔除周內(nèi)效應(yīng)的影響

周內(nèi)效應(yīng)是指一周內(nèi)某一天的平均收益比其他各天的平均收益或波動率有顯著差異。周內(nèi)效應(yīng)是大多數(shù)發(fā)達(dá)國家股票市場與某些新興股票市場普遍存在的現(xiàn)象，通常表現(xiàn)為周一的平均收益比一周內(nèi)其他任何一天的平均收益要低很多，周五的平均收益比一周內(nèi)其他任何一天的平均收益要高。

由以前的描述統(tǒng)計的結(jié)果可以看出中國股市的日收益率不服從正態(tài)分布，而傳統(tǒng)的線形回歸模型又以獨立同方差為前提，因此普通線性回歸模型不適合本文的研究。在研究上海和深圳股市收益率是否存在周內(nèi)效應(yīng)時，必須根據(jù)收益率自身所具有的特征選擇適當(dāng)?shù)哪Ｐ?，并根?jù)檢驗結(jié)果進(jìn)行修正。選擇的模型如下:

Rt=Ф0＋Ф1TUEt＋Ф2WEDt＋Ф3THUt＋Ф4FRIt＋Υ

Rt是每日股票收益率；TUEt、WEDt、THUt、FRIt是虛擬變量，TUEt是在一個序列，在周二時對應(yīng)的變量是1，其他都為0?熏WEDt在周三時對應(yīng)的變量是1，其他都為0，THUt在周四時對應(yīng)的變量是1，其他都為0，F(xiàn)RIt在周五時對應(yīng)的變量是1，其他都為0。

4．對模型殘差的自相關(guān)性檢驗

Durbin－WarsonDW?雪檢驗是廣泛使用的自相關(guān)性的檢驗方法。指定1－5階殘差自相關(guān)性的DW檢驗，檢驗的結(jié)果是上海的1階DW都是顯著的，說明上海股票市場股指收益一階自回歸模型的殘差都存在自相關(guān)性，因此必須進(jìn)行自相關(guān)性的校正。

DW檢驗不應(yīng)用于自回歸階數(shù)的確定，這里采用逐步自回歸方法得到自回歸的階數(shù)，對上海股市來說，自回歸項向后消除的報告顯示在時間間隔4,5,6的自回歸參數(shù)不顯著并且被消除，因此自回歸殘差模型為AR(1,2,3)。

5.檢驗殘差的條件異方差性

最后檢驗殘差的異方差性，普通回歸模型的關(guān)鍵性假設(shè)之一是誤差的方差保持不變，如果誤差的方差不為常量，那么數(shù)據(jù)被稱為有異方差性。異方差性的存在使得普通最小二乘回歸估計(OLS)不是有效的。我們應(yīng)用Eviews軟件中ARCHLM檢驗，檢驗結(jié)果顯示在顯著性水平a=0.05下，上海股票市場存在ARCH效應(yīng)。這樣可以進(jìn)一步估計EGARCH模型。

6.用EGARCH模型的估計結(jié)果

上述檢驗表明，上證綜指收益序列自回歸模型的殘差不僅存在自相關(guān)性，而且存在異方差性，經(jīng)過自相關(guān)性校正后最后估計的EGARCH模型見下表。

三、結(jié)論與原因分析

我們分別用EGARCH模型來估計，估計方程是AR(1,2,3)-EGARCH(1,1)，從估計的結(jié)果看，模型中顯示非對稱性的參數(shù)γ顯著大于零，說明上海股票市場存在顯著的非對稱效應(yīng)。但與發(fā)達(dá)國家的股票市場的表現(xiàn)相反，上海股票市場的非對稱性體現(xiàn)為顯著的收益正沖擊效應(yīng)，即“好消息”對股票市場的影響大于“壞消息”對股票市場的影響。

為什么我國上海股票市場的信息效應(yīng)會出現(xiàn)這樣的特征，可以從以下幾個方面加以論證。

從投資者的構(gòu)成來看，國外證券市場的投資者主要是由機構(gòu)投資者構(gòu)成，在股份經(jīng)濟比較發(fā)達(dá)的國家，90%以上的個人投資者都是委托基金等投資機構(gòu)進(jìn)行證券交易的，機構(gòu)投資者控制的股市總市值一般在50%以上，約2/3以上的交易額由其完成。而我國證券市場主要由散戶構(gòu)成，股票市場個人投資者占絕對多數(shù)。個人投資者收人少，人股資金低。他們進(jìn)入股市的目的是想快速賺錢，擺脫生活的困境，投資行為呈現(xiàn)短期化特征。

對散戶投資者的心理分析表明，投資者在過濾各種信息時，注重那些能夠增強他們自信心的信息，而忽視那些傷害他們自信心的信息。例如很多投資者不愿意賣出已經(jīng)發(fā)生虧損的股票就表明了這一點，因為這等于自己決策失誤，并傷害了自己的自信心。這種現(xiàn)象被稱之為“損失厭惡”，表現(xiàn)為人們面對同樣數(shù)量的收益和損失時，感到損失的數(shù)量更加令他們難以接受。

從交易機制來看，我國股票市場缺乏做空機制，這決定了我國股票價格變化方向上的不對稱性。我國某些交易制度的設(shè)計，使得股價可能對好消息和壞消息具有不對稱的反應(yīng)。交易制度規(guī)定當(dāng)日購買的股票在當(dāng)日不能賣出(T+1)，而在當(dāng)日取得的資金可在當(dāng)日購買股票(T+0)，因此投資者可以通過賣出某些股票的方法來得到資金購買所需要的股票。這無形中使得追漲更加成為可能，但是下跌的情況正好相反，T+l情況下當(dāng)日購買股票的投資者并不能在該日賣出股票，因此在下跌的情況下，當(dāng)日的成交量占流通股本的比重越大，可供繼續(xù)賣出的股票數(shù)量就越少，當(dāng)日價格趨勢反轉(zhuǎn)的幾率也就增大，因此一旦價格下跌投資者更愿意死守等待價格上漲。