我国股市羊群效应存在性的实证分析

我国股市羊群效应存在性的实证分析

■梅国平,聂高辉

本文根据时间序列分析方法，构建了方差AR（p）和标准差AR（p）两个波动模型，同时,基于上证指数日收盘价的数据，采用Eviews软件对两模型做了估计和检验。结果成功地证明了我国股市存在羊群效应，进而说明了我国股票市场缺乏有效性。为提高我国股票市场的有效性，降低股市的主观风险，本文给出了一些相应的建议。

[关键词]羊群效应；存在性；实证分析

[中图分类号]F830.91[文献标识码]A[文章编号]1006－169X（2009）9－0048－03

梅国平，江西财经大学教授，博士生导师，主要研究方向为经济数学与经济计量；聂高辉，江西财经大学在读博士，主要研究方向为经济数学与经济计量。（江西南昌330013）

一、引言

经济周期波动、经济增长与高度易变的投资有着重要的关联，而投资很大程度上又受到资本市场的约束。作为资本市场之一的股票市场，其波动对经济增长和经济波动有着不可忽视的冲击作用。因此，股票市场波动行为一直是经济学界关注的问题。认识股票市场的波动和股市的风险客观性对投资双方以及宏观经济的平稳增长、对国家构建和谐社会都有着十分重要的现实性意义。对股票市场的价格波动与经济波动和经济增长的研究，已有不少文献，Nelson（1989）利用EGARCH模型分析了时间序列Standard90指数日收益率的波动性；刘金全等（2006）使用多种非对称性GARCH模型检验了沪市股票日收益率序列，发现条件波动性和波动中的条件非对称性；Fornari和Mele（1993）利用漂移GARCH模型对一些国家的股票市场进行了研究，发现这些国家的股票市场存在条件异方差性，这种异方差的波动呈现非对称性。

股票市场存在很大的风险，但因其本身报酬结构的特点，收益也是颇丰的。正是源于此，股票市场上，投资者的行为出现聚集现象，表现为上扬“慎追”，下跌“慌逃”的行为，即所谓的“羊群行为”（herding behavior），又称羊群效应。近年来，Wermers(1995)；Christie和Huang（1995）；Chang等（2000）等应用LSV、PCM、CH以及CSAD等方法对羊群效应进行了实证与检验；宋军、吴冲锋（2001）运用CASD模型得出我国股市存在羊群效应；孙培源、施东晖（2002）使用CAPM模型发现我国股市存在一定程度的羊群效应。用ARCH模型做羊群效应检验的文献国内并不多，蒋学雷等（2003）借用截面收益偏差（CSAD）构建ARCH（3）模型发现中国股市存在羊群效应；杨洋、支晓津（2006）使用截面收益标准差构建ARCH模型对沪深两个股市做了计量经济分析，得出我国股市存在羊群效应，他们的研究都是基于资产收益率，并未针对上证指数日收盘价做出分析。

因此，本文用2004年2月2日至2008年10月10日上证指数日收盘价的数据进行描述并提出方差AR（p）和标准差AR（p）模型；利用数据对模型做出估计并检验其结果；最后对结论做些分析。

二、数据描述与模型构建

（一）数据描述

为了对股票市场中羊群效应是否存在做出检验，我们采用了2002年2月2日至2008年10月10日上证指数日收盘价的数据。这样做一是为了便利，二是上海股市不仅具有高市值的特征，而且作为国际金融中心的上海所具有的历史特性致使市场更敏于各种冲击的反映。现用{szp t}表示2002年2月2日至2008年10月10日上证

F INANCE AND ECONOMY

金融与经济2009.9

48

JRYJJ

指数日收盘价这一序列。由于我国股市是五天交易制，序列的日期不包括双休日和我国法定的节假日，因此样本容量为1692个。利用EViews软件分析，我们可以得到上证指数日收盘价序列{szp t}及这一指数增量序列{△szp t}的趋势图，如图1和图2。

图1和图2中的曲线在2008年6月30日终止，这是因为软件自行调整节假日所致。图1表明上证指数日收盘价明显存在波动性，而且上涨时价格缓慢爬坡上升，体现出投资者“慎追”的羊群行为；下跌时价格陡峭下降，体现出投资者“慌逃”的行为，这说明股票市场存在羊群效应。图2则明显地表现出“汽泡现象”，即数据波动聚集现象，这也说明股票市场存在羊群效应。下面所建立的数学模型，没有对数据做任何变换，仅考虑了数据的波动性和绝对波动性。

（二）模型构建

在许多金融时间序列的研究中，人们在这些时间序列数据中观察到“汽泡”，是一群具有大方差的观察值，这类现象通过进一步的研究发现不仅存在于金融时间序列而且也存在于其它经济时间序列。本文可根据Engle （1982)检验残差中的波动聚集性的思想和序列本身所具有的“高波动跟着高波动和低波动跟着低波动”这一特性，提出下列自回归模型：

图2△szp t的趋势图和

△szp t=α0+

P

s=1

Σαs△szp t-s+u t（2）其中，△szp t=szp t-szp t-1，ut~

iid

N（0，σ2）。（△szp t）2。表示上证指数日收盘价的方差，用以描述价格的波动性；△szp t表示上证指数日收盘价数的标准差，用以描述价格波动的绝对误差。两个模型中的随机扰动项，我们均假定为独立同分布于均值为0、方差为一常数的正态分布。

由于坠（szp t）2

坠（△szp t-s）2

＝αs和坠△szp t

坠△szp t-s

=αs，因此，如果模型中的参数αs＞0，则表明股票价格现期的波动受到先前的各期波动的正向冲击。这样的参数符号的假定，正好能描述序列本身因羊群效应所致的“高波动跟着高波动和低波动跟着低波动”的数据特性。从而对羊群效应存在性检验等价于检验参数估计值是否显著大于0。

三、模型中的参数估计及检验

利用原始数据，我们可以得到序列{△szp t}的1691个样本数据。由于数据的波动聚集性，近期的波动大于过去的波动，因此，我们在对模型（1）进行估计时取滞后阶数p=4。对模型（1）我们使用普通最小二乘法，可得如下的估计式（1）：

（△szp t）2＝1270.860+0.118（△szp t-1）2＋0.063（△szp t-2）2 t=（5.344）（4.955）（2.660）

＋0.156（△szp t-3）2＋0.195（△szp t-4）2＋u赞t（1）

（6.538）（8.175）

F＝56.605，T×R2=200.625，D.W=2.080

式（1）中的参数估计值下方括号中的数据是统计量的值。从这些值来看，各参数估计在显著性水平5%下都是显著不为0；F＝56.605表明在显著性水平1%下模型中的参数是显著不全为0，即模型整体是显著的；卡方统计量T×R2=200.625则表明序列的平方与该序列的平方的前四期是相关的；D.W=2.080则表明模型中的随机扰动项不存在序列相关性。

从获得的参数估计值α赞1=0.118，α赞2=0.063，α赞3=0.156和α赞4＝0.195来看，其值均为正的，表明股票价格波动的方差是正相关的，因此，股票市场存在羊群效应。此外，本文用绝对变差来替代股票价格波动的方差做回归，即，对模型（2）做回归，同样可以得到各参数估计值是显著的且均为正值，而且F统计量的值、T×R2统计量的值、DW值以及俄凯克信息统计量（AIC）的值和施瓦兹统计量（SC）的值都比股票价格波动模型要好，参见下面经验模型（3）。这表明股票价格绝对变化呈正相关的，也进一步表明股票市场存在羊群效应。

图1上证指数日收盘价趋势图

我国股市羊群效应存在性的实证分析

JRYJJ49