滬深股市收益和風險分析

摘要：通過采用ECM模型及GARCH模型對滬深股市進行了研究，結(jié)果發(fā)現(xiàn)兩市波動性存在非對稱性和杠桿效應，滬深兩市對的利空消息反應均大于利好消息的反應，但是深市風險大于滬市風險，當然其收益率也比較高。

關(guān)鍵詞：收益；風險；誤差修正模型；滬深股市

中圖分類號：F830.91文獻標志碼：A文章編號：1673-291X（2011）10-0076-02

引言

中國A股市場經(jīng)過十幾年的發(fā)展，市場逐漸在規(guī)范，但是上市公司整體所表現(xiàn)出來的股市市值規(guī)模仍然較小，2005年開始的股權(quán)分置改革，使A股市場的發(fā)展迎來了新的機遇，走出了多年的熊市，有了較快的發(fā)展，處于上升的行情之中，但是與之相伴的卻是股市激烈的波動。此外，由于諸多因素的影響和限制，中國A股市場投機氣氛較濃。自從2008年世界金融危機以來，股市還出現(xiàn)了市場不確定性因素增多和市場風險加劇的趨勢。

當前出現(xiàn)了大量的研究資產(chǎn)收益率方面的文獻，有的定量研究波動性的非對稱反應機制（李珠，呂明光，2001；胡永紅，陸忠華，2005；周立、王東，2005），有的對波動性的形成方式與來源進行了分解（仲黎明等，2003；樊智、張世英，2005），有的研究了兩市IPO的版塊效應（王燕鳴、楚慶豐，2009），這些研究具有一定的針對性，對我們研究金融市場運行機制與風險控制具有一定的啟發(fā)意義。此外，有Engle等人開創(chuàng)ARCH和GRACH計量（Engel，1982），Grange（1988）的因果檢驗已經(jīng)用在了許多經(jīng)濟金融模型檢驗中（如高輝、趙敬文，2006），使研究者對金融市場有了更多的認識。

本文主要采用誤差修正模型（Error correct model）即ECM模型，檢驗兩市短期波動模式的異同，判斷兩市對市場沖擊的短期調(diào)整及反應程度，描述兩市向均衡收斂的過程。同時利用兩種Garch模型檢驗兩市波動性之間的關(guān)系，判斷兩市的風險特征與風險轉(zhuǎn)移過程，檢驗兩市之間的“溢出效應”（spillover effect）和“杠桿效應”（leverage effect）。

一、變量選擇和數(shù)據(jù)處理

在現(xiàn)有的可以衡量滬深股市的指數(shù)中，我們分別選擇了上證A股綜合指數(shù)和深圳A股綜合指數(shù)作為指標。樣本時間的選擇，我們選擇從2006年2月17日至2007年11月1日，這段時間，剔除節(jié)假日，共計樣本416個。

我們將股市指數(shù)收益率Rt定義為股票指數(shù)的對數(shù)的一階差分：Rt=ln（Pt）-ln（Pt-1），其中Pt是股票指數(shù)價格。當股票指數(shù)波動不是十分劇烈的時候，它近似等于股票指數(shù)的日收益率，對應著股票市場的整體收益水平。

許多的學者研究結(jié)果傾向表明中國股市處于弱有效形式（王智波，2004；黃澤先等，2008）。因此，本文對股票指數(shù)收益率序列Rt、股票指數(shù)絕對日收益率序列|Rt|、日均方收益率序列R2t的變化情況進行考察。當樣本容量比較大的時候，根據(jù)大數(shù)定理與市場弱型有效，可知樣本區(qū)間的整體收益率均值為：Rt=Rt≈0，其中T是樣本容量。假設εt表示滬深兩市A股指數(shù)日收益率與樣本均值的偏離，則有εt=Rt-Rt≈Rt，εt=Rt-≈Rt，ε2t=（Rt-Rt）2≈R2t。

因此，滬深兩市A股指數(shù)日收益率Rt、日絕對收益率Rt、日均方收益率R2t分別表示股指收益率分別圍繞均值的雙向變動，絕對變動，均方波動，他們體現(xiàn)了波動性逐漸增強的特點。

二、模型的建立

通過對滬深股市價格指數(shù)和收益率作單位根檢驗，Granger因果關(guān)系檢驗和協(xié)整檢驗，我們發(fā)現(xiàn)：（1）滬指和深指對數(shù)序列均為一階單整I（1），指數(shù)收益率序列為平穩(wěn)序列；（2）上海股票市場指數(shù)是深圳股市指數(shù)的Granger原因，但反之不成立；（3）滬深股指之間存在著協(xié)整關(guān)系（檢驗結(jié)果在附錄）?；跈z驗結(jié)果，本文可以建立以下模型：

（一）誤差修正模型

通過平穩(wěn)檢驗，可以對滬深股指的收益率序列間建立誤差修正模型，結(jié)果如下：

Rsht=0.7884Rszt+0.0957Rsh t-1+0.0288Rsh t-2-0.0974Rsz t-1-0.0787Rsz t-2-

0.0006+εsh t

（41.6471） （1.9558） （0.58988） （-2.26068） （-1.82970）

（-1.15173）

Rszt=01.0273Rsht+0.1121Rsz t-1+0.0577Rsz t-2-0.1128Rsht-1-0.0191Rsht-2-

0.0002+εsz t

（41.6471）（2.2821）（1.1734）（-2.02089）（-0.34466）

（-0.46366） （1）

其中，sh表示上海綜指，sz表示深圳綜指，t表示時間，t-1表示t期滯后一階。根據(jù)上述誤差修正方程計算，如果仍然引入非顯著的回歸項，那么求解收益率序列的無條件數(shù)學期望，可以得到兩市收益率水平分別為：=0.00371，=0.00428?？梢妰墒械拈L期收益率有顯著差異。兩市收益率均受到長期均衡關(guān)系的顯著影響，但是修正項對滬深股市收益率是負的邊際貢獻。在ECM模型中，存在滬深兩市股票價格收益率的交互影響，因為滯后系數(shù)出現(xiàn)部分顯著與不顯著，體現(xiàn)了短期波動之間的相互影響。

因此，ECM模型表明，滬深兩市股票收益率之間存在長期的協(xié)整趨勢，但是它們的短期波動過程存在著相異的波動模式。

（二）GARCH模型和溢出效應模型的估計與檢驗

我們采用GARCH模型檢驗收益率序列的條件異方差性，首先利用偏自相關(guān)函數(shù)（PACF）和自相關(guān)函數(shù)（ACF）決定均值方程中的AR過程與MA過程的階數(shù)，然后根據(jù)絕對殘差序列的特性，然后確定方差方程中的ARCH 項和GARCH項的階數(shù)。在經(jīng)過不斷試錯的情況下，GARCH（1，1）都能比較好地進行解釋，其SC和AIC值也比較小。

滬深市場的GARCH－M模型和溢出效應模型估計（括號中為Z統(tǒng)計量值）：

Rsht=0.1789Rsht-0.0597Rsh t-1+ε t

（3.338219） （1.15366）（2）

hsht=0.0000105-0.08（εsht-1）2+0.899hsht-1

（1.7415）（3.6922） （31.7933）

Rszt=0.18Rszt-0.0122Rsz t-1+ε t

（3.5721） （0.2446） （3）

hszt=0.00005-0.08（εsht-1）2+0.899hsht

（1.75）（3.66） （31.71）

上述GARCH－M模型的均值方程和溢出效應模型估計結(jié)果顯示，中國滬深股市存在一定的風險，波動性增加了當前收益率；兩市的風險激勵0.18和0.1789相近，且兩市都存在顯著的正向風險溢價。風險與收益相伴，高收益，伴隨著高風險，高風險也伴隨著高收益，體現(xiàn)出兩個市場上的投資者都有一定程度的風險偏好。以上情況也表明：中國滬深股市經(jīng)過近幾年來的發(fā)展，已經(jīng)逐漸成熟，成交量放大，其收益率水平和波動性能夠起到一定的示范作用，其波動性形成了一定程度的“溢出效應”。

（三）杠桿效應模型估計

滬深股市A股指數(shù)的T-GARCH模型估計結(jié)果為（括號中為Z統(tǒng)計量值）：

Rsht=0.2094hsht-0.0433Rsh t-1+ε t

（3.7429） （0.8633）

hsht=0.133762（εsht-1）2+0.932536hsht-1-0.102942Dsht（εsh t-1）2

（-2.6543） （4）

Rszt=0.2019hszt-0.0433Rsz t-1+ε t

（3.823） （0.1687）

hszt=0.1028（εsz t-1）2+0.9363hszt-1-0.7956Dszt（εsz t-1）2

（-2.4389） （5）

從上述估計結(jié)果中可以看出，啞變量前的系數(shù)均為負值，并且在5%均十分顯著，說明兩市存在的“杠桿效應”十分顯著，市場利空消息的影響明顯強于利好消息的影響。這是中國滬深股市波動性的重要特征，也和國內(nèi)其他學者的研究及國外學者對股市研究相一致。雖然對滬深兩市的影響因素來源基本相同，但由于兩市上市公司結(jié)構(gòu)差異較大，滬市主要側(cè)重大型國企，而深市則側(cè)重中小板塊，因此，企業(yè)規(guī)模的差異也影響了兩市波動性的程度，即波動性的非對稱性程度并不一致，且差異較大（由啞變量的系數(shù)大小0.102942和0.7956可以看出），滬市受利空消息影響的波動程度明顯比深市要好很多。

結(jié)論

我們通過ECM模型和GARCH模型，分析中國滬深兩市的關(guān)聯(lián)性，也對收益率和波動性進行統(tǒng)計檢驗，得到的結(jié)論上面已經(jīng)有了說明，下面總結(jié)如下：

首先，通過ECM模型，我們認為滬深兩市的長期收益率幾乎沒有顯著差異。兩市收益率均受到長期均衡關(guān)系的顯著影響，同時修正項為負的，這一反饋機制起到了保持長期均衡的作用。其次，我們發(fā)現(xiàn)，滬深兩市指數(shù)收益率和波動性之中存在較為明顯的非線性與非對稱性。GARCH模型中顯著的ARCH和GARCH項表明，兩市的收益率序列存在一定的波動聚類與持續(xù)性。GARCH-M模型估計結(jié)果顯示，市場存在一定的風險溢價，波動性增加了當前收益率。其中兩地存在著相似的的風險溢價，且風險溢價是正向的，兩個市場上的投資者都有一定程度的風險偏好。最后，通過T-GARCH模型檢驗結(jié)果，看到兩市存在一定的“杠桿效應”，市場利好消息的影響弱于利空消息的影響，市場的波動性對消息影響呈現(xiàn)一定程度的非對稱性。兩市存在的利空消息均大于利多消息的作用，尤其是受利空消息的影響時，深市的波動幅度明顯大于滬市。

參考文獻：

[1]樊智，張世英.非線性協(xié)整建模研究及滬深股市實證分析[J].管理科學學報，2005，(2).

[2]高輝，趙進文.期貨價格收益率與波動性的實證研究[J].財經(jīng)問題研究，2007，(2).

[3]黃澤先，曾令華，江群.市場有效性傳統(tǒng)及其演進和反思[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2008，(2).

[4]胡永宏，陸忠華.滬深股市杠桿效應的實證分析[J].數(shù)學的實踐與認識，2005，(3).

[5]李姝，呂光明.中國股市股價指數(shù)變動的協(xié)整研究[J].遼寧師范大學學報，2001，(9).

[6]史代敏.滬深股市股指波動的協(xié)整性研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2002，(9).

[7]王智波.1970年以后的有效市場假說[J].世界經(jīng)濟，2004，(8).

[8]王燕鳴，楚慶豐.滬深股市IPO行業(yè)版塊研究[J].金融研究，2009，(1).

[9]仲黎明，劉海龍，吳沖鋒.深發(fā)展與深成指協(xié)整和引導關(guān)系的實證檢驗[J].預測，2003，(2).

[10]周立，王東.滬深股市的互動[J].統(tǒng)計與決策，2005，(8).

[11]Engle.R，1982，“Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation”，Economitrics，Volume 50，Issue 4，pp：987-1007.

[12]Granger.C，1980，“Testing for causality： A personal viewpoint”，Journal of Economic Dynamics and Control，Volume 2，Issue 1，pp： 329-352.

[13]Johansen，S.1988，“Statistical Analysis of Cointegration Vectors”，Journal of Economic Dynamics and Control，Volume 12，Issue 2-3，pp：231-254.[責任編輯 陳麗敏]