股票市場波動非對稱性的實證研究

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。最后從投資者結構、心理和交易機制等方面解釋這種現象。

一、文獻綜述

由于金融資產的波動性是確定金融衍生工具(如證券、期貨等)價格的關鍵因素，同時，它也反應金融資產(如股票)價格的波動風險，因此，弄清楚證券市場波動是市場交易者、投資者、風險管理者以及尋求弄清楚市場動態的學者們非常感興趣的問題。到目前為此，國外應用ARCH (Autorenressive Conditional Heteroskedasticity)和GARCH(Generalized ARCH)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年度的諾貝爾經濟學獎。Zakoian(1994)和Glosten，Jananathan以及Runkle(1993)在ARCH模型的基礎上提出了TARCH模型，并用此模型來研究股市波動性的杠桿效應。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”的不對稱反應問題。Engle和Ng(1993)繪制了股票市場對好消息和壞消息的反應曲線。

針對股票市場波動的非對稱性，國外許多學者提出各種模型對世界各個金融市場進行了實證研究，研究結果表明在大多數發達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)認為這種現象可以由“杠桿效應”(Leverage effect)或“反饋效應”(Feedback effect)來解釋。然而，本文以上證綜指為對象，應用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.數據說明與研究思路

關于樣本區間的選擇，考慮到我國證券市場發展的歷史不長，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日的上證綜合指數的日收盤價為樣本。所有數據來源于分析家證券投資系統。

兩市的日收益率用每日收盤價的對數差分表示。以對數差分表示的優點在于:（1）避免了股價變動對股價水平的依賴關系;（2）以對數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計分析，分析收益率序列的特點，然后分離周內效應，之后對該模型的殘差進行自相關性檢驗，若殘差存在自相關，則進行自相關性糾正，接著檢驗殘差的異方差性，若存在異方差性，則進一步擬和相關的不對稱模型。

2. 收益率的描述性統計分析

上證綜指收益率描述性統計量

上圖分別為樣本期內上證綜指的日收益率的描述統計量。根據這些統計量可以得到如下結果:（1）市場的平均收益高于同期銀行存款的收益，當然風險也遠遠大于存款風險；（2）日收益序列不服從正態分布；（3）日收益序列存在尖峰肥尾的性質。

3.剔除周內效應的影響

周內效應是指一周內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。周內效應是大多數發達國家股票市場與某些新興股票市場普遍存在的現象，通常表現為周一的平均收益比一周內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其他任何一天的平均收益要高。

由以前的描述統計的結果可以看出中國股市的日收益率不服從正態分布，而傳統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效應時，必須根據收益率自身所具有的特征選擇適當的模型，并根據檢驗結果進行修正。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，在周二時對應的變量是１，其他都為０?熏ＷＥＤｔ在周三時對應的變量是１，其他都為０，ＴＨＵｔ 在周四時對應的變量是１，其他都為０ ，ＦＲＩｔ 在周五時對應的變量是１，其他都為０。

４．對模型殘差的自相關性檢驗

Ｄｕｒｂｉｎ－Ｗａｒｓｏｎ ＤＷ?雪檢驗是廣泛使用的自相關性的檢驗方法。指定１－５階殘差自相關性的ＤＷ檢驗，檢驗的結果是上海的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性，因此必須進行自相關性的校正。

DW檢驗不應用于自回歸階數的確定，這里采用逐步自回歸方法得到自回歸的階數，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，普通回歸模型的關鍵性假設之一是誤差的方差保持不變，如果誤差的方差不為常量，那么數據被稱為有異方差性。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。我們應用Eviews軟件中 ARCH LM檢驗，檢驗結果顯示在顯著性水平a=0.05下，上海股票市場存在ARCH效應。這樣可以進一步估計EGARCH模型。

6.用EGARCH模型的估計結果

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性，而且存在異方差性，經過自相關性校正后最后估計的EGARCH模型見下表。

三、結論與原因分析

我們分別用EGARCH模型來估計，估計方程是AR(1， 2， 3)-EGARCH(1， 1)，從估計的結果看，模型中顯示非對稱性的參數γ顯著大于零，說明上海股票市場存在顯著的非對稱效應。但與發達國家的股票市場的表現相反，上海股票市場的非對稱性體現為顯著的收益正沖擊效應，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會出現這樣的特征，可以從以下幾個方面加以論證。

從投資者的構成來看，國外證券市場的投資者主要是由機構投資者構成，在股份經濟比較發達的國家，90%以上的個人投資者都是委托基金等投資機構進行證券交易的，機構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成，股票市場個人投資者占絕對多數。個人投資者收人少，人股資金低。他們進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發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。這種現象被稱之為“損失厭惡”，表現為人們面對同樣數量的收益和損失時，感到損失的數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計，使得股價可能對好消息和壞消息具有不對稱的反應。交易制度規定當日購買的股票在當日不能賣出(T+1)，而在當日取得的資金可在當日購買股票(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，當日的成交量占流通股本的比重越大，可供繼續賣出的股票數量就越少，當日價格趨勢反轉的幾率也就增大，因此一旦價格下跌投資者更愿意死守等待價格上漲。