第四期：上海股票市场异常波动研究

上证联合研究计划
上海股票市场异常波动研究
上海交通大学金融工程研究中心
光大证券研究所
2002年7月10日
上海股票市场异常波动研究
摘 要
虽然有一套预防和应对股价异常波动的方法，但股价异常波动的剧烈性和频繁性仍严重影响我国股票市场的正常发展。

因此对我国市场的异常波动的现状、识别方法和规律进行研究就显得十分必要。

本课题先从统计概率角度对异常波动进行了定义，并给出了异常波动的时间序列识别方法和横截面识别方法，然后从长期异动比率、无法确认原因的异动比率、消息泄漏比率和异动次数等四个指标分析沪市中不同规模和不同业绩水平下的股价异常波动的规律。

研究结果表明，从大盘指数几年的异动看，政治因素和宏观经济因素也会造成股市的异常波动，但管理层对股市的宏观政策调控是造成整个股市大盘异常波动的主要原因。

虽然发生异常波动有各种原因，比如宏观信息的影响，个股消息面的影响，但对于无法确认原因的股价异动，特别是长期异动，由于庄家操纵引起的概率大大增大。

这意味着，除了利用短期指标进行监控外，更应加强长期指标（比如累计20日收益率）进行长期异常波动的监控。

从长期异动比率、庄家操纵或无法确认原因的异动比率看，大盘股和绩优股的异常波动要显著少于小盘股和绩差股。

这给管理层的启示是，对不同类型的股票，应采取不同的监控措施，设定不同的指标阈值，特别应加强对绩差股和小盘股的异常波动的监控。

从个股消息面引起的异常波动看，许多股票往往在消息公布前就开始发生异动。

各种类型股票在数据样本期间都发生了消息泄漏事件并造成股价的异常波动。

大盘股和绩优股消息泄漏时往往只造成短期的股价异动，而小盘股和绩差股更倾向于长期的股价异动。

这说明，应加强信息披露的规范和采取措施预防消息泄漏，应重点关注和动态监控发生长期异动的股票的信息披露。

目 录
1. 引 言 (1)
2. 异常波动识别算法和数据样本 (2)
2.1 异常波动的定义、形式及其波动源 (2)
1、异常波动的定义 (2)
2、异常波动的形式 (5)
3、异常波动源 (6)
2.2 异常波动的识别算法 (6)
1、时间序列识别算法 (6)
2、横截面识别算法 (7)
2.3 数据样本 (7)
3. 异常波动的个案分析 (8)
3.1 大盘分析 (8)
3.2 个股案例分析 (10)
1、申能股份（600642） (10)
2、亿安科技（000008） (11)
4. 上海股票市场异常波动的规律分析 (12)
4.1 异常波动规律的研究步骤 (13)
1、归并和统计异常波动次数 (13)
2、标识3种异常波动源 (13)
3、计算统计指标 (14)
4、横截面异常波动规律研究 (14)
4.2 规律分析 (14)
1、长期异常波动比率 (15)
2、庄家操纵或其他不能确认的异常波动比率 (16)
3、消息泄漏比率 (19)
4、异常波动发生的次数 (20)
5、横截面异动规律分析 (21)
5. 总 结 (23)
参考文献 (24)
上海股票市场异常波动研究
1.引 言
波动是股票市场与生俱来的基本属性。

正是在无休止的价格波动中股票市场发挥着基本的资源配置功能。

然而，股票价格的异常波动无论从宏观层面还是从微观层面来说都是对股票市场本身的巨大伤害。

从宏观层面来说，异常波动将加大整个金融体系的系统风险，并使作为资源配置指标的股价信号产生失真。

从微观层面来说，异常波动将使风险厌恶者居多的投资大众对市场失去信心，进而退出股票市场。

尽管市场监管者和广大投资者都对异常波动深恶痛绝，无论是在国内还是在国外股票市场上股票价格的异常波动都屡见不鲜。

1987年全球股市大崩溃就是一个显著的国外异常波动的例子。

经历过惨痛的教训后，目前成熟的股票市场一般都有一套预防、应对股票价格异常波动的方法。

然而比较过这些方法后，我们会发现它们之间有着较大的差异。

究其原因，一方面是因为各个股票市场面对的具体情况不同，另一方面是因为对股价异常波动的一系列关键问题还没有一套完整的理论和基本的共识。

国内的沪、深股市历经十年发展，取得了长足的进步。

然而，由于我国经济、金融体制转轨的特殊性，以及市场化过程中诸多矛盾的释放，在此基础上发展起来的股票市场还很不成熟，其中一个突出表现就是股票价格异常波动的剧烈性和频繁性。

随着股票市场的规模、参与者数目及在经济体系中的作用日益突出，股票价格异常波动已经成为影响社会经济生活的重要因素。

但是，长期以来，监管层应对异常波动的手段却大都以行政手段为主。

究其原因，可能是因为我国股票市场一直是一个政策导向的市场。

随着我国加入WTO，资本市场日益开放，将会由政策导向转为市场导向，因此基于中国股票市场基本情况的股价异常波动研究变得十分必要，其范围应包括异常波动现状、产生机理、防范对策、辨识方法、
应对手段等。

尽管各国的股票市场对于异常波动都有一个明确的定义，但大多数都是从涨跌幅角度考虑。

这种涨跌幅度对异常波动的定义一方面带有很大的主观性，一方面它是固定的，难以适应市场的动态变化。

本课题则先从统计概率角度给出了异常波动的定义，并按照定义阐述了从时间序列角度和横截面角度的异常波动识别算法。

然后研究了上海股票市场的不同规模和业绩水平的股票的价格异动规律。

整个报告结构如下：第2部分说明了异常波动的定义、形式和波动源，以及异常波动识别算法，第3部分则分析了大盘指数、亿安科技和申能股份三个个案的异常波动，第4部分研究了上海股票市场的异动规律，第5部分进行了总结。

2.异常波动识别算法和数据样本
2.1 异常波动的定义、形式及其波动源
1、异常波动的定义
目前对异常波动还没有一个统一的定义，对异常波动的识别和度量也缺乏一种统一的方法。

当前的识别和度量方法主要是从涨跌幅度考虑，认为涨跌超过一定的幅度就是异常波动。

但由于各国的证券交易市场的成立时间及成熟程度的不同，各国的证券交易所对异常波动的定义也不同。

我国的证券市场(上海证券交易所和深圳证券交易所)从1998年6月5日开始对单只股票的异常波动作了定义，主要从股票价格、成交量的变化幅度考虑，而且当出现异常波动时，交易所对股票实施临时停牌。

某只股票出现下列情况之一时，交易所将认定为交易异常波动1：
（1）某只股票的价格连续三个交易日达到涨幅限制或跌幅限制2；
（2）某只股票连续五个交易日列入“股票、基金公开信息”；
1资料来自于上海、深圳证券交易所1998年6月5日公告，2000年2月19日两个交易所又决定对连续3个交易日达到涨停限制的大部分股票免于临时停牌。

2基金、一般股票的日涨跌幅限制为10%，特别处理股票的日涨跌幅限制为5%。

（3）某只股票的价格的振幅连续三个交易日达到15%；
（4）某只股票的日成交量与上月日均成交量相比连续五个交易日放大10倍；
（5）交易所或中国证监会认为属于异常波动的其他情况。

美国纽约证券交易所在为了防止过度下跌造成整个市场的恐慌，对整个市场（道.琼斯工业指数）的异常波动进行了定义，而且当整个市场出现异常波动时采取停止交易措施。

具体见表1。

表 1 纽约证券交易所定义的异常波动及停止交易措施
道.琼斯工业指数下跌幅度下跌时刻（芝加哥时间）停止交易措施
10% 下午1:00之前 中止交易1小时
10% 下午1:00～1:30之间 中止交易0.5小时
10% 1:30之后 不中止交易
20% 12:00之前 中止交易2小时
20% 1:00之后 整天中止交易
30% 整天中止交易
如前所述，由于各国各个证券市场的交易规则、成熟程度以及市场中交易者心理、行为的不同，定义异常波动的具体涨跌幅度便不一样。

这种涨跌幅度对异常波动的定义一方面带有很大的主观性，一方面它是固定的，难以适应市场的动态变化。

根据统计学中的大数定理，随着样本数据的增多，用概率方法确定的报警阈值越来越接近真实情况。

因此在有大量数据的情况下，运用概率的方法确定报警阈值比较可靠。

其中概率方法主要包括两种：一种是假定股票收益服从正态分布，因为样本值落在样本均值加减三倍的标准差（σµ3±）范围之外只有10003的概率，因此可以根据σµ3±来设定异常点范围，凡是样本值大于σµ3＋或者小于σµ3－的样本就可以称之为异常点。

另外一种方法是分位数法。

虽然分位数不需要正态分布的假定，但分位数存在两方面的劣势，第一是分位点的确定是经验确定的和静态的，而不是随股票交易的变化而变化的。

第二是分位数方法是事后监控。

鉴于分位数方法的缺陷，本文采用第一种方法。

在本文中，我们将采用概率方法来识别是否发生异常波动。

按照大数定理，
大样本的股票价格波动（即收益率）应该满足正态分布。

但由众多的有关市场收益率和个股收益率的文献可知，股票市场的收益率都只是近似服从正态分布，而具有尖峰胖尾的特征，如图1所示。

正如文献所指出的，股票市场的异常波动是导致股票收益率的“尖峰胖尾”的根本原因。

因此，从统计概率角度定义，所谓异常波动是指超出历史样本分布正常概率的价格波动。

即通过事先确定一个事先可接受的小概率α（如005.001.0或者＝α），然后用小概率事件的发生来判断是否出现异常波动。

比如，通过事先确定α后，再根据历史的收益率序列通过α≤>)(c x P 来确定c ，当收益率大于c 时，那么我们则认为当天的股价发生异常波动。

图1 股价收益率的分布图
下表2是我们对1992年到2001年10年上海股市的异常波动识别后得出的概率表，从中可看出上海股票市场的异常波动的频繁程度：
表2 异常波动概率表 阈值 σµ3± σµ2.3±
σµ346.3±σµ89.3± σµ4± σµ5±正常情况（％） 0.23 0. 14 0.08 0. 01 0. 008 0 上海股市（％） 1.4 1.1 0.99 0.5 0.4 0.1
2、异常波动的形式
为了便于理解和分析，我们把股票价格异常波动的形式分为如下2种：
A 、脉冲型
图2 脉冲型异常波动示意图
脉冲型异常波动是指收益率有一个剧烈跳动后恢复常态，而价格有一个持续
而长久的变化。

脉冲型异常波动通常对应着股票价格与实际价值的突然背离或回归。

B
、阶跃型
图3 阶跃型异常波动示意图
阶跃型异常波动是指股票的收益率有了一个持续而长久的变化，随之带来股票价格的增长模式的变化。

通常这种异常波动发生在公司基本面剧烈变化的时候，比如通过资产置换由传统行业转为高科技产业。

从时间长度角度看，脉冲型异常波动对应于短期的异常波动，而阶跃型异常波动对应于长期的异常波动。

3、异常波动源
异常波动源指造成股价异常波动的影响因素，包括宏观因素、上市公司背景因素和庄家操纵或不能确认的因素等三种主要因素。

宏观因素一般指股票市场以外的国内外的相关的政治、经济、社会等造成股价异常波动的因素，如一个国家的经济形势、国家对宏观经济的调控政策、重大的社会事件(如战争)等。

上市公司背景因素指有关上市公司的生产、销售、资产运作等经营情况对本公司股价产生异常波动的因素，如公司的会计报表的公布、公司的股权结构的调整、资产并购行为等。

庄家操纵或不能确认的因素指除了宏观因素和公司背景因素之外造成股价异常波动的因素，庄家操纵是其中的一个重要因素。

2.2 异常波动的识别算法
基于异常波动的概率定义，我们分别从个股的时间序列角度和整个市场的横截面角度给出异常波动的识别算法。

时间序列异常波动点识别方法，是指识别一个股票相对于自身的时间序列的异常波动点。

而横截面异常波动识别方法，是指在同一时间点上整个市场中的个别股票的价格异常波动。

1、时间序列识别算法
对于一个股票，假设其历史上收益率的时间序列为,，其中，再假设序列其均值为u ，方差为t R n t ...2,1=)/ln(1−=t t t P P R t R σ。

则某一置信水平α下，),(1σσk u k u R t +−∈+的概率为α−1。

比如，如果为正态分布，则时，t R 3=k α−1＝99.7%，即落在 1+t R )3,3(σσ+−u u 区间内的概率为99.7%。

如果不落在 1+t R )3,3(σσ+−u u 区间内，那么我们就认为第1+t 天的价格波动为0.3%水平下的异常波动。

正如前面所指出的，股价收益率并不符合正态分布，因此，一定置信水平α下的k 值并不是正态分布下的值。

对此，本文通过历史样本识别计算给出了各个置信水平下的k 值表，见下表3。

k 表3 不同置信概率下的k 值
置信水平α
1.4% 1% 0.5% 0.1% k 值 3 3.35 3.89 5
在本研究中，我们通过对单天日收益率和5日（一周）累计收益率来识别股价的短期异常波动，而通过20日（一个月）和60天（三个月）的累积收益率来识别长期的异常波动。

针对累积收益率的计算，收益率序列的生成采用类似移动平均的方法，即由原样本序列，i R n i ...2,1=，按照，，
的规则生成新的样本序列，∑+−==
j N j i i j R a 160,20,5=N n N N j ,...,1,+=j a n N N j ,...,1,+=，然后对进行计算，找出异常点。

另外，考虑到我国股市一直处于发展之中，整个市场宏观政策一直处于完善中，个股的基本面变化也较为频繁，因此，在识别当日的异常波动时，采用的历史数据样本为滚动的，且向前推进。

经过实证分析中的比较和调整，我们认为对于单日的异常波动识别，采用前60个交易日比较合适，而对于累计5日收益率的识别，采用前120个交易日的样本比较合适，对于累计20日和累计60日的收益率的异常波动识别，则采用前240个交易日比较适合。

j a 2、横截面识别算法
一只股票的价格波动，除了相对于自身的价格变化表现出异常外，还有一种情况是相对于整个市场上的其他股票而言，它表现出异常。

比如，整个市场当日的股价变化为－5%，而这只股票的价格波动却为＋5%，那么虽然相对于它自身的时间序列而言，它没有出现异常，但是相对于单日的整个市场而言，它却很可能是异常的，我们称这种异常波动为横截面异常波动。

横截面识别的具体算法与时间序列识别法类似，不同的只是样本序列，前者采用同一时间下的所有个股的收益率数据，而后者则采用同一个股票的历史收益率数据。

2.3 数据样本
对于横截面识别法，本文的数据样本区间从1998年1月5日到2001年12月31日一共四年时间。

为了保证数据的有效性，尽量消除异常样本对研究结论
的影响，由于沪市中新股上市首日较其他股票来说较为异常，涨幅一般会远远大于10％，因此本文删除了新股在上市首日成交数据。

对于时间序列识别法，考虑到1996年12月16日重新设立了涨跌停板制度，涨跌停板制度设立之前的波动幅度显著大于涨跌停板制度之后，为了消除这种制度上的影响并且不影响我们的研究结论，我们的样本区间选择为从1997年开始到2001.12结束。

1997年的数据用于算法的学习过程，异常波动点的识别则从1998年1月开始。

个股的收益率数据和财务数据来自CSMAR的交易数据库和财务数据库。

上市公司公告来自数码证券网：
3.异常波动的个案分析
下面我们选择几个有代表性的典型案例来分析股价异常波动，包括大盘指数（上证综合指数）和两个个股，一个是曾经发生庄家操纵并被查处的亿安科技（000018）和大盘绩优股申能股份(600642)。

3.1 大盘分析
我们先根据前面的算法按照单天收益率、累计5日收益率、累计20日收益率和累计60日收益率进行异常波动的识别，然后把各个异常波动点进行归并，再与当时的宏观政策与事件进行比较。

其结果见表4。

表4 大盘指数的异常波动
异动时间上涨/
下跌
1 52060宏观因素
1 19980113 -1 Y 东南亚各国货币受到冲击，周边股市暴跌
2 19980812-19980828 -1Y Y Y Y 上市公司中报业绩多数不尽人意，较97年上半年有明显下降，和受东南亚金融危机影响周边国家的经济普遍不景气，投资者对国家下半年的宏观经济不看好，再加上8月份国家遭受百年未遇的洪涝灾害
3 19990510 -1 Y 5.9以美国为首的北约袭击中国驻南
斯拉夫大使馆
4 19990519-19990628 1 Y Y Y Y“搞活市场”六项政策引发519行情
5 19990701-1999070
6 -1 Y Y《证券法》从7.1起正式实施
6 20000107-20000110 1Y Y
7 20000214-20000216 1 Y Y 二级市场配售新股，股票质押
8 20000831-20000906 -1 Y Y
9 20001124 -1 Y 证监会新闻发言人发布谈话，加强市场监管，打击操纵市场行为，包括成立9个稽查局，对236件违法违规案件立案调查等
10 20010115 -1 Y 证监会发布《证券公司高级管理人员谈话提醒制度实施办法》，加强对证券公司监管
11 20010730-20010903 -1 Y Y Y Y人行查处违规资金
12 20010801 1Y 人行查处违规资金
13 20011019-20011022 -1 Y Y受国有股减持和银广夏事件的影响
14 20011023-20011029 1 Y Y 宣布暂停国有股减持
（1）上涨/下跌一列中“1”表示上涨，“－1”表示下跌；
（2）1、5、20、60分别表示1天、累计5日、累计20日和累计60日的收益率是否发生异常波动，“Y”表示发生异常波动，空格表示没发生异常波动。

根据前面的定义，我们认为1天和5天发生的异常波动成为短期异常波动，而20天和60天的异常波动则为长期异常波动。

上海股票市场从1998年1月至2001年12月总共有14次的异常波动，其中短期波动10次，长期波动4次。

在4次长期异动中，有3次是由于宏观政策引起的，分别是1999年的“5.19”行情、2001年7月底和10月10旬的人行查处违规资金和国有股减持和银广夏事件。

而1998年8月中旬至月底的异常下跌则与当时的东南亚金融危机和长江洪灾有关。

在10次短期异动中，有7次是与当时的宏观政策、宏观经济或政治事件有关。

在11次异常波动源中，只有1次是政治事件引起的，2次是与经济事件有关，而9次则是由于股票市场的宏观调控政策引起的。

另外，在1998年至2001年四年期间，中央银行一共进行了4次降息，虽然降息日大盘指数有较大的涨幅，但都没有引起异常波动，这是因为在降息前股民都有一定的预期。

这说明，虽然宏观政治因素和经济因素也能引起股市的异常波动，但政府对股市的宏观调控政策是导致上海股票市场大盘发生异常波动的主要原因。

3.2 个股案例分析
1、申能股份（600642）
申能股份于1993年4月16日在上海证券交易所上市交易，截至2001年底流通A股，总股本16.3亿股，流通A股2.5亿股。

公司主营电力建设、能源、节能综合利用及相关项目，公司最近三年的净资产收益率分别达到19.54%、31.82%和22.92%，每股收益分别达到0.51、0.93和0.71元，是上海股票市场的典型的国有绩优大盘股。

申能股份的异常波动识别结果见表5。

表5 申能股份（600642）异常波动表
异动 时间
上涨
/
下跌
1 52060个股信息或宏观因素 公布时间
异动
类型
1 19980327-19980401 1 Y Y公布分红方案：每股分现金红利0.15元 19980325 B
2 19980817 －1 Y Y大盘发生异动，为宏观信息影响 A
3 19980821-1998082
4 1 Y Y 董事会通过了关于收购上海申能联合发
展公司中上海国际信托投资公司和上海
久事公司所拥有的股权的决议
19980824 B
4 19990401-1999041
5 1 Y Y Y Y针对市场传言，公司进行澄清 19990407 C
5 19990518-19990624 1 Y Y Y Y大盘发生异动，为宏观信息影响 A
6 20000214 1 Y 大盘发生异动，为宏观信息影响 A
7 20000330 1 Y 申能集团用投资于东方证券公司和太平
洋保险公司的股权或现金与申能股份投
资的石洞口电厂一号机组的资产进行置
换
20000406 B
8 20000607-20000720 1 Y Y Y上海电价开始分时计费 B
9 20010919-20010924 －1 Y Y市场传言作假、后公司澄清 20010926 C
10 20011023 1 Y 大盘发生异动，为宏观信息影响 A
（1）异动类型指包括宏观因素、个股消息因素和其他因素等三种异常波动源，其中“A”
指宏观因素，“B”指个股消息因素，“C”指非A和非B的因素。

申能股份在1998年1月至2001年12月期间一共发生10次异常波动，其中有4次为A类，与宏观因素有关，有4次为B类，与个股消息因素有关，另外都是由于市场上传言引起的，随后公司进行了澄清。

在个股因素引起的异动中，股价都在并购或股权置换的消息公布前发生异动，这说明这类消息都发生提前泄漏。

2、亿安科技（000008）
亿安科技（000008）于1992年5月7日在深圳证券交易所上市，总股本7360万股，流通A股3500万。

该股曾被广大股民誉为中国大陆股票市场的神话：从1998年8月的5.6元左右启动，在两年半的时间里上涨到2001年2月的126.31元，涨幅高达21.5倍，成为自沪深股票实施拆细后首只市价超过百元的股票。

然而亿安科技的神话并非来自于业绩，而是市场操纵的结果。

中国证监会对该案例的描述为：“上述四家公司自1998年10月5日起，集中资金，利用627个个人股票账户及3个法人股票账户，大量买入‘深锦兴’（后更名为‘亿安科技’）股票。

持仓量从1998年10月5日的53万股，占流通股的1.52%，到最高时2000年1月12日的3001万股，占流通股的85%。

同时，还通过其控制的不同股票账户，以自己为交易对象，进行不转移所有权的自买自卖，影响证券交易价格和交易量，联手操纵“亿安科技”的股票价格。

截至2001年2月5日，上述四家公司控制的627个个人股票账户及3个法人股票账户共实现盈利4.49亿元，股票余额77万股。

”
表6 亿安科技（000008）异常波动表
异动 时间
上涨
/
下跌
1 5 2060个股信息或宏观因素 公布时间异动类型
1 19980817-19980818 -1 Y Y Y大盘发生异动，为宏观信息影响 A
2 1998090
3 1 Y C
3 19990118-19990122 1 Y Y C
4 19990601-19990628 1 Y Y 深圳商贸控股将其持有的本公司股份19，
228，462股(占总股本26.11％)以每股约
3.1元的价格转让给亿安科技
19990524 B
5 20000119-20000218 1 Y Y Y 将与广东亿安集团有限公司共同投资设
立专门的项目公司(暂定名亿安新 能源
科技有限公司)，生产碳纳米管双电荷层
电容电池
20000219 B
6 20000222-20000225 -1 Y Y C
7 20000621 1 Y C
8 20010110-20010223 -1 Y Y Y Y C
9 20010418 1 Y 亿安控股的股东：广东亿安集团有限公
司、广东亿安新地投资发展有限公司、广
东成健芳村交通货运基础设施投资有限
公司已于2001年4月20日与重庆隆鑫集
团 有限公司签订股权转让合同，将其合
共持有的亿安控股合计97%股权全部转让
给重庆隆鑫集团有限公司
20010427 B
10 20010730 -1 Y 2001年度中期预亏公告 20010728 B
11 20011008 -1 Y 解除隆鑫集团与上述三家公司于2001年
4月20日签定的《广东亿安科技发展控股
有限公司股权转让合同》
20010929 B
12 20011023 1 Y 大盘发生异动，为宏观信息影响 A
从表中可看出，在1998年1月至2001年12月这段期间，亿安科技一共发生12次异常波动，其中2次为A类，与宏观因素有关，5次为B类，与个股消
息因素有关，而由非A和非B类因素引起的异常波动则高达5次，这种很可能
由于庄家炒作引起的异常波动的比率大大高于申能股份。

另外，与申能股份类似，
个股消息因素发生泄漏事件，往往在公司公告前就发生异动。

4.上海股票市场异常波动的规律分析
我们认为，类型不同（包括规模不同和业绩不同）的股票的异常波动的规律应该有所区别。

因此，我们选择上海股票市场中的典型的绩差股、绩优股和大
盘股、小盘股来研究异常波动的规律。

将在上海证券交易所交易的股票按照4
年（1998~2001）的平均净资产收益率排名，取前10位为绩优股，取后10位为
绩差股。

同样将在上海证券交易所交易的股票按照2001末的流通市值排名，取
前10位为大盘股，取后10位为小盘股。

由于PT类股票交易的特殊性，我们剔
除了样本中的PT股。

表7为各个类型的样本股票代码。

表7 各个类型的股票样本。