非对称与时变_中外证券市场波动性特征的比较研究_周佰成
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2 VAR （ R i， ε i， t | It － 1 ， t － 1 ＞ 0 ） － σ i， t≠ 2 VAR （ R i， ε i， t | It － 1 ， t － 1 ＜ 0 ） － σ i， t 2
（ 3）
当且仅当：
2 VAR （ R i， ε i， t | It － 1 ， t － 1 ＞ 0 ） － σ i， t ＞ 2 VAR （ R i， ε i， t | It － 1 ， t － 1 ＜ 0 ） － σ i， t
（ 1）
（ 2） σ = VAR （ R i， εt － 1 = 0 ） t | It － 1 ， R i， R i， 其中， t 为 第 t 期 股 票 i 的 实 际 收 益， t =
2011 年 第 10 期（ 总第 490 期）
会计与金融
三、 实证结果及经济学解析 由于中国股市在 1996 年 12 月 16 日开始实行 10% 的涨跌停板限制， 从此股票市场单日波动幅度 因此， 采用此后的数据可以减少异常值 受到限制， 的干扰， 提高模型的精度。 我们选取从 1996 年 12 月 16 日 ～ 2010 年 4 月 1 日的上证综指和深证成指 的日收盘价格来刻画波动特征， 为了保持数据的一 B＆P500 指数、 致性， 我们对道琼斯工业指数、 英国
日经 225 指数、 香港恒生指数等国 金融时报指数、 际证券市场各大股指均截取自 1996 年 12 月 16 日 ～ 2010 年 4 月 8 日 的 数 据 为 样 本， 并针对美国 B＆P500 指数与上证综指、 深证成指的非对称性进 行 了 深 入 动 态 比 较 分 析。 文 中 数 据 均 来 源 于 Bloomberg 数据库， 所有检验均采用 Eviews6. 0 软件 进行计算。表 1 ～ 表 3 是各个指数数据的基本统计 检验结果。
2 i， t
E （ R i， t | I t － 1 ） 为投资者基于 t － 1 期信息对第 t 期股 票 i 的预期收益； σ i， t 表示 t － 1 期无新信息情况下的 条件方差； ε i， t 表示投资者未预期到的收益 。 若 ε i， t ＞ 0， 表示存在投资者未预期到的利好消息； 若 ε i， t ＜ 0， 表示存在投资者未预期到的利空消息。 波动 的非对称性定义如下：
各指数基本统计特征描述 标准差 1. 271933 1. 346192 1. 291837 1. 622095 1. 870722 1. 762428 偏度 － 0. 092336 － 0. 176464 － 0. 124564 － 0. 208676 0. 139452 － 0. 262085 峰度 10. 20224 10. 33692 8. 524367 8. 265014 11. 92328 7. 343638 JarqueBera 7240. 936 7526. 801 4278. 749 3802. 957 10969. 09 2565. 818
2 ln（ σ2 t ） = ω + β ln （ σ t － 1 ） + α
μt － 1 μt － 1 +γ σt － 1 σt － 1 μt － 1 σt － 1
（ 6）
假设残差 μ t 服从条件正态分布， 定义： f 令： z t = μ μ (σ ) =α σ
t t t －1 t －1
+γ
（ 7）
μt ， 则有： σt f（ z t ） = α z t － 1 + γz t － 1 （ 8）
， 函数 f（ ·） 称为“信息冲击曲线 ” 就是在冲击 μt 2 下描绘波动率 σ 的曲线。 它将条件波动率的修 σt
2 正 （ 这里由 ln （ σ t ） 给出 ） 与“冲击信息 ” μ t － 1 联系起
115
会计与金融
2011 年 第 10 期（ 总第 490 期）
深两市都存在溢出效应； 董秀良、 曹凤岐 （ 2009 ） 研 香港股市对沪市具有波动溢出效应。 由于 究表明， 美、 日股市波动均对香港股市具有传染效应， 因此， 它们可以通过对香港股市间接影响中国股票市场 。 虽然国内外学者对股票市场的波动性进行了 但是， 由于传统的静态分析要求这些 深入的研究， 波动要具备跨期稳定性， 这样才能通过对历史数据 的研究来判断未来证券市场的波动。 近来大量实 证研究表明， 证券市场的波动具有跨期时变特征， 并具有非对称性， 而且随着世界经济的一体化发展 趋势， 各国证券市场波动之间具有日渐明显的关联 有必要对各国证券市场的波动进行跨 效应。因此， 国比较研究， 而且通过刻画其时变及非对称特征， GED 进行动态分析。 我们通过建立低频 EGARCH模型， 从总体上印证了中国及美国、 英国、 日本等国 际证券市场波动具有非对称性与时变特征， 刻画了 同等程度的利空或利好消息对波动的非对称影响 并对中美证券市场非对称性的时变特征进行 程度， 了动态分析。作为一个新兴市场， 我国股市与国外 ， 成熟的资本市场相比 呈现出更高的复杂性和不可 预测性， 通过跨期时变和非对称性的国际比较研 能有效刻画我国股市波动特征， 并从中国政策 究， 的影响、 信息披露的完善、 投资者的素质等角度分 析了我国证券市场波动特征的形成过程。 这一研 究成果对市场中的各类主体都将具有极强的政策 指导意义， 不仅有利于监管部门制定和完善股市相 关政策， 而且也有利于衍生品市场的开发和实践。 同时， 对股票市场波动性的探索有助于投资者及其 他参与者了解中国股市的波动规律， 减少市场投资 的盲目性和投机性， 使中国的股票市场能够健康的 发展。 二、 模型描述与数据选取 证券市场波动的非对称性又称信息冲击的非 对称性， 即指同等程度的利好消息和利空消息对股 票市场的影响程度并不相同。 其中， 波动的正向非 对称是指同等程度的利好消息对股市波动造成的 冲击较大， 而波动的负向非对称是指利空消息造成 的冲击较大。具体的模型描述如下： R i， t = E （ R i， t | I t － 1 ） + ε i， t
2011 年 第 10 期（ 总第 490 期）
Oct． ， 2011 Vol． 33 No． 10
会计与金融
非对称与时变 ： 中外证券市场波动性 * 特征的比较研究
1 1 2 周佰成 ，吴若冰 ，丁志国 （ 1. 吉林大学经济学院， 吉林 长春 130012 ；
2. 吉林大学商学院， 吉林 长春 130012 ） 20 世纪 60 年代以来人们开始进行系统性 内容提要： 波动性是证券市场最为重要的特征之一 ， 研究。传统的研究都是通过刻画单一证券市场历史波动来预测未来波动 ， 这就要求这些波动要具 备跨期稳定性。事实上， 我们通过大量实证研究表明， 证券市场的波动具有跨期时变特征， 并表现 ， ， 出非对称性 而且随着世界经济的一体化发展趋势 各国证券市场波动之间具有日渐明显的关联 GED 模型， 效应。我们通过建立低频 EGARCH从总体上印证了中国及美国、 英国、 日本等国际证 券市场波动具有非对称性与时变特征 ， 并进行了动态定量分析。 最后从中国政策的影响、 信息披 露的完善、 投资者的素质等角度定性分析了我国证券市场波动非对称性时变特征的形成过程 。 关键词： 波动特征； 非对称性； 时变； EGARCH 模型 中图分类号： F830. 91 文献标志码： A 文章编号： 1002 —5766 （ 2011 ） 10 —0115 —06 有利空消息发布时， 公司股价的下跌将导致股东权 益市场价值的下降， 从而杠杆比率升高， 股票风险 加增大， 进而加剧了股票价格的波动； 反之， 当利好 发布时， 公司股价的升高会使公司未来的股票波动 率下降。波动反馈效应假说认为， 对利好消息连续 这反过来 出现的预期将增大股票价格的未来波动， 会提高投资者对股票收益的预期回报， 降低股票价 从而削弱利好消息对股票价格波动的正向 效 格， 应； 相反， 由大规模的利空消息引起的波动同样会 从而使股票价格下 使投资者要求更高的投资回报， 降， 最终使利空消息对股价的影响被放大。 关于股 市波动非对称性问题的研究在国内也引起了越来 越多学者的关注和重视。 谷耀、 陆丽娜 （ 2006 ） 首次 EGARCHVAR 模型引入沪、 将 DCC深、 港三地股票 市场波动性研究中， 结果表明， 港股在波动上对沪
一、 引言 波动性是证券市场存在和发展的重要特征之 一， 也是证券市场参与者最为关注的问题之一。20 世纪 60 年代以来， 一些领域的研究成果逐渐被引 入到股价的波动理论中， 试图更清晰地刻画股票价 格波动的真实行为， 使其变动的复杂性得到更为精 准的描述及解释。 对波动非对称性理论的研究最 早可以追溯到 Blaek （ 1976 ） 和 Christie （ 1975 ） ， 而后 Shiller （ 1984 ） 、 Sehwert （ 1987 ） 、Eampbell （ 1992 ） 、 Engle（ 1993 ） 和 Ozdemir （ 2009 ） 等著名经济学家先 后对非对称性理论进行了完善和发展。 在此期间， — —杠杆 还诞生了目前最为流行的两种理论假说 — 效应假说和波动反馈效应假说， 试图对波动非对称 性的成因进行解释。 杠杆效应假说认为， 当市场中
（ 4）
此时， 波动具有正向非对称性。 当且仅当：
2 VAR （ R i， ε i， t | It － 1 ， t － 1 ＞ 0 ） － σ i， t ＜ 2 VAR （ R i， ε i， t | It － 1 ， t － 1 ＜ 0 ） － σ i， t
（ ห้องสมุดไป่ตู้）
此时， 波动具有负向非对称性。 Engle ＆ Ng（ 1993 ） 绘制了非对称的信息冲击曲 线， 从而更加直观地展示了信息冲击的非对称 影 介绍非对称的信息冲击 响。以 EGARCH 模型为例， 曲线的含义。 在 EGARCH 模型的条件方差方程中：
表1 道琼斯指数 标准普尔指数 金融时报指数 日经指数 恒生指数 上证综指 表2 AC 道琼斯指数 标准普尔指数 金融时报指数 日经指数 恒生指数 上证综指 表3 1 0. 996 0. 977 0. 997 0. 997 0. 998 0. 999 2 0. 993 0. 974 0. 993 0. 995 0. 995 0. 997 均值 0. 016599 0. 014878 0. 010916 － 0. 018878 0. 015975 0. 035356
收稿日期： 2011 － 07 － 03
* 基金项目： 国家社会科学基金项目 “中国与全球股票市场价格波动的动态相关性研究 ” （ 11CJY105 ） ； 国家自然科学基金 “吉林省发展基金产业的可行性研究 项目 “跨期条件下 Beta 系数时变对资产定价影响机理 ”（ 71073067 ） ； 吉林省软科学项目 （ 2011B031 ） ” ； 教育部留学归国人员科研启动基金项目“基于市场摩擦条件下信息冲击与证券价格波动的微观传导机理研 （ 2006331 ） 。 究” mail： ： zhoubaicheng@ 263． net； 作者简介： 周佰成（ 1974 － ） ， 男， 黑龙江绥棱人。副教授， 经济学博士， 研究领域是金融学。Email： ： wuruobing2010@ 126． com； 丁志国（ 1968 － ） ， 吴若冰（ 1987 － ） ， 女， 吉林长春人。硕士研究生， 研究领域是金融学。E男， 吉 mail： tylerding@ yahoo． com． cn。 林延边人。教授， 博士生导师。经济学博士， 研究领域是金融学。E-
f f = α + γ ； 而 μ t － 1 ＜ 0 时， 来。当 μ t － 1 ＞ 0 时， z t － 1 z t － 1 = α － γ，f（ ·） 包含了非对称效应。 除了 EGARCH 模 型 外， 由 Zakoian （ 1990 ） 和 Glosten， Jagannathan， Runkle （ 1993 ） 提 出 的 TARCH （ Threshold ARCH） 模型以及由 Ding 等 （ 1993 ） 提出 的 PARCH 模 型 都 能 很 好 地 刻 画 证 券 市 场 的 非 对 称性。 116
（ 3）
当且仅当：
2 VAR （ R i， ε i， t | It － 1 ， t － 1 ＞ 0 ） － σ i， t ＞ 2 VAR （ R i， ε i， t | It － 1 ， t － 1 ＜ 0 ） － σ i， t
（ 1）
（ 2） σ = VAR （ R i， εt － 1 = 0 ） t | It － 1 ， R i， R i， 其中， t 为 第 t 期 股 票 i 的 实 际 收 益， t =
2011 年 第 10 期（ 总第 490 期）
会计与金融
三、 实证结果及经济学解析 由于中国股市在 1996 年 12 月 16 日开始实行 10% 的涨跌停板限制， 从此股票市场单日波动幅度 因此， 采用此后的数据可以减少异常值 受到限制， 的干扰， 提高模型的精度。 我们选取从 1996 年 12 月 16 日 ～ 2010 年 4 月 1 日的上证综指和深证成指 的日收盘价格来刻画波动特征， 为了保持数据的一 B＆P500 指数、 致性， 我们对道琼斯工业指数、 英国
日经 225 指数、 香港恒生指数等国 金融时报指数、 际证券市场各大股指均截取自 1996 年 12 月 16 日 ～ 2010 年 4 月 8 日 的 数 据 为 样 本， 并针对美国 B＆P500 指数与上证综指、 深证成指的非对称性进 行 了 深 入 动 态 比 较 分 析。 文 中 数 据 均 来 源 于 Bloomberg 数据库， 所有检验均采用 Eviews6. 0 软件 进行计算。表 1 ～ 表 3 是各个指数数据的基本统计 检验结果。
2 i， t
E （ R i， t | I t － 1 ） 为投资者基于 t － 1 期信息对第 t 期股 票 i 的预期收益； σ i， t 表示 t － 1 期无新信息情况下的 条件方差； ε i， t 表示投资者未预期到的收益 。 若 ε i， t ＞ 0， 表示存在投资者未预期到的利好消息； 若 ε i， t ＜ 0， 表示存在投资者未预期到的利空消息。 波动 的非对称性定义如下：
各指数基本统计特征描述 标准差 1. 271933 1. 346192 1. 291837 1. 622095 1. 870722 1. 762428 偏度 － 0. 092336 － 0. 176464 － 0. 124564 － 0. 208676 0. 139452 － 0. 262085 峰度 10. 20224 10. 33692 8. 524367 8. 265014 11. 92328 7. 343638 JarqueBera 7240. 936 7526. 801 4278. 749 3802. 957 10969. 09 2565. 818
2 ln（ σ2 t ） = ω + β ln （ σ t － 1 ） + α
μt － 1 μt － 1 +γ σt － 1 σt － 1 μt － 1 σt － 1
（ 6）
假设残差 μ t 服从条件正态分布， 定义： f 令： z t = μ μ (σ ) =α σ
t t t －1 t －1
+γ
（ 7）
μt ， 则有： σt f（ z t ） = α z t － 1 + γz t － 1 （ 8）
， 函数 f（ ·） 称为“信息冲击曲线 ” 就是在冲击 μt 2 下描绘波动率 σ 的曲线。 它将条件波动率的修 σt
2 正 （ 这里由 ln （ σ t ） 给出 ） 与“冲击信息 ” μ t － 1 联系起
115
会计与金融
2011 年 第 10 期（ 总第 490 期）
深两市都存在溢出效应； 董秀良、 曹凤岐 （ 2009 ） 研 香港股市对沪市具有波动溢出效应。 由于 究表明， 美、 日股市波动均对香港股市具有传染效应， 因此， 它们可以通过对香港股市间接影响中国股票市场 。 虽然国内外学者对股票市场的波动性进行了 但是， 由于传统的静态分析要求这些 深入的研究， 波动要具备跨期稳定性， 这样才能通过对历史数据 的研究来判断未来证券市场的波动。 近来大量实 证研究表明， 证券市场的波动具有跨期时变特征， 并具有非对称性， 而且随着世界经济的一体化发展 趋势， 各国证券市场波动之间具有日渐明显的关联 有必要对各国证券市场的波动进行跨 效应。因此， 国比较研究， 而且通过刻画其时变及非对称特征， GED 进行动态分析。 我们通过建立低频 EGARCH模型， 从总体上印证了中国及美国、 英国、 日本等国 际证券市场波动具有非对称性与时变特征， 刻画了 同等程度的利空或利好消息对波动的非对称影响 并对中美证券市场非对称性的时变特征进行 程度， 了动态分析。作为一个新兴市场， 我国股市与国外 ， 成熟的资本市场相比 呈现出更高的复杂性和不可 预测性， 通过跨期时变和非对称性的国际比较研 能有效刻画我国股市波动特征， 并从中国政策 究， 的影响、 信息披露的完善、 投资者的素质等角度分 析了我国证券市场波动特征的形成过程。 这一研 究成果对市场中的各类主体都将具有极强的政策 指导意义， 不仅有利于监管部门制定和完善股市相 关政策， 而且也有利于衍生品市场的开发和实践。 同时， 对股票市场波动性的探索有助于投资者及其 他参与者了解中国股市的波动规律， 减少市场投资 的盲目性和投机性， 使中国的股票市场能够健康的 发展。 二、 模型描述与数据选取 证券市场波动的非对称性又称信息冲击的非 对称性， 即指同等程度的利好消息和利空消息对股 票市场的影响程度并不相同。 其中， 波动的正向非 对称是指同等程度的利好消息对股市波动造成的 冲击较大， 而波动的负向非对称是指利空消息造成 的冲击较大。具体的模型描述如下： R i， t = E （ R i， t | I t － 1 ） + ε i， t
2011 年 第 10 期（ 总第 490 期）
Oct． ， 2011 Vol． 33 No． 10
会计与金融
非对称与时变 ： 中外证券市场波动性 * 特征的比较研究
1 1 2 周佰成 ，吴若冰 ，丁志国 （ 1. 吉林大学经济学院， 吉林 长春 130012 ；
2. 吉林大学商学院， 吉林 长春 130012 ） 20 世纪 60 年代以来人们开始进行系统性 内容提要： 波动性是证券市场最为重要的特征之一 ， 研究。传统的研究都是通过刻画单一证券市场历史波动来预测未来波动 ， 这就要求这些波动要具 备跨期稳定性。事实上， 我们通过大量实证研究表明， 证券市场的波动具有跨期时变特征， 并表现 ， ， 出非对称性 而且随着世界经济的一体化发展趋势 各国证券市场波动之间具有日渐明显的关联 GED 模型， 效应。我们通过建立低频 EGARCH从总体上印证了中国及美国、 英国、 日本等国际证 券市场波动具有非对称性与时变特征 ， 并进行了动态定量分析。 最后从中国政策的影响、 信息披 露的完善、 投资者的素质等角度定性分析了我国证券市场波动非对称性时变特征的形成过程 。 关键词： 波动特征； 非对称性； 时变； EGARCH 模型 中图分类号： F830. 91 文献标志码： A 文章编号： 1002 —5766 （ 2011 ） 10 —0115 —06 有利空消息发布时， 公司股价的下跌将导致股东权 益市场价值的下降， 从而杠杆比率升高， 股票风险 加增大， 进而加剧了股票价格的波动； 反之， 当利好 发布时， 公司股价的升高会使公司未来的股票波动 率下降。波动反馈效应假说认为， 对利好消息连续 这反过来 出现的预期将增大股票价格的未来波动， 会提高投资者对股票收益的预期回报， 降低股票价 从而削弱利好消息对股票价格波动的正向 效 格， 应； 相反， 由大规模的利空消息引起的波动同样会 从而使股票价格下 使投资者要求更高的投资回报， 降， 最终使利空消息对股价的影响被放大。 关于股 市波动非对称性问题的研究在国内也引起了越来 越多学者的关注和重视。 谷耀、 陆丽娜 （ 2006 ） 首次 EGARCHVAR 模型引入沪、 将 DCC深、 港三地股票 市场波动性研究中， 结果表明， 港股在波动上对沪
一、 引言 波动性是证券市场存在和发展的重要特征之 一， 也是证券市场参与者最为关注的问题之一。20 世纪 60 年代以来， 一些领域的研究成果逐渐被引 入到股价的波动理论中， 试图更清晰地刻画股票价 格波动的真实行为， 使其变动的复杂性得到更为精 准的描述及解释。 对波动非对称性理论的研究最 早可以追溯到 Blaek （ 1976 ） 和 Christie （ 1975 ） ， 而后 Shiller （ 1984 ） 、 Sehwert （ 1987 ） 、Eampbell （ 1992 ） 、 Engle（ 1993 ） 和 Ozdemir （ 2009 ） 等著名经济学家先 后对非对称性理论进行了完善和发展。 在此期间， — —杠杆 还诞生了目前最为流行的两种理论假说 — 效应假说和波动反馈效应假说， 试图对波动非对称 性的成因进行解释。 杠杆效应假说认为， 当市场中
（ 4）
此时， 波动具有正向非对称性。 当且仅当：
2 VAR （ R i， ε i， t | It － 1 ， t － 1 ＞ 0 ） － σ i， t ＜ 2 VAR （ R i， ε i， t | It － 1 ， t － 1 ＜ 0 ） － σ i， t
（ ห้องสมุดไป่ตู้）
此时， 波动具有负向非对称性。 Engle ＆ Ng（ 1993 ） 绘制了非对称的信息冲击曲 线， 从而更加直观地展示了信息冲击的非对称 影 介绍非对称的信息冲击 响。以 EGARCH 模型为例， 曲线的含义。 在 EGARCH 模型的条件方差方程中：
表1 道琼斯指数 标准普尔指数 金融时报指数 日经指数 恒生指数 上证综指 表2 AC 道琼斯指数 标准普尔指数 金融时报指数 日经指数 恒生指数 上证综指 表3 1 0. 996 0. 977 0. 997 0. 997 0. 998 0. 999 2 0. 993 0. 974 0. 993 0. 995 0. 995 0. 997 均值 0. 016599 0. 014878 0. 010916 － 0. 018878 0. 015975 0. 035356
收稿日期： 2011 － 07 － 03
* 基金项目： 国家社会科学基金项目 “中国与全球股票市场价格波动的动态相关性研究 ” （ 11CJY105 ） ； 国家自然科学基金 “吉林省发展基金产业的可行性研究 项目 “跨期条件下 Beta 系数时变对资产定价影响机理 ”（ 71073067 ） ； 吉林省软科学项目 （ 2011B031 ） ” ； 教育部留学归国人员科研启动基金项目“基于市场摩擦条件下信息冲击与证券价格波动的微观传导机理研 （ 2006331 ） 。 究” mail： ： zhoubaicheng@ 263． net； 作者简介： 周佰成（ 1974 － ） ， 男， 黑龙江绥棱人。副教授， 经济学博士， 研究领域是金融学。Email： ： wuruobing2010@ 126． com； 丁志国（ 1968 － ） ， 吴若冰（ 1987 － ） ， 女， 吉林长春人。硕士研究生， 研究领域是金融学。E男， 吉 mail： tylerding@ yahoo． com． cn。 林延边人。教授， 博士生导师。经济学博士， 研究领域是金融学。E-
f f = α + γ ； 而 μ t － 1 ＜ 0 时， 来。当 μ t － 1 ＞ 0 时， z t － 1 z t － 1 = α － γ，f（ ·） 包含了非对称效应。 除了 EGARCH 模 型 外， 由 Zakoian （ 1990 ） 和 Glosten， Jagannathan， Runkle （ 1993 ） 提 出 的 TARCH （ Threshold ARCH） 模型以及由 Ding 等 （ 1993 ） 提出 的 PARCH 模 型 都 能 很 好 地 刻 画 证 券 市 场 的 非 对 称性。 116