政府股市風(fēng)險管理模型探析

姚玉云孫琰婷

[摘 要]“615”股市異常波動之后，關(guān)于股市風(fēng)險的調(diào)控逐步成為討論的中心問題，何時進(jìn)行調(diào)控，調(diào)控的方式和力度，都是有關(guān)部門要考慮的問題。文章中，筆者運用回歸分析的方法，建立起一個模型，從模型的角度分析政府在股市風(fēng)險管理中應(yīng)該切入的時間點和采取的方式。

[關(guān)鍵詞]危機預(yù)警模型；資金量調(diào)控模型；政府股市風(fēng)險管理

[DOI]10.13939/j.cnki.zgsc.2016.16.072

1 引 言

2015年A股“615”股災(zāi)是中國金融史上第一次有可能誘發(fā)系統(tǒng)性金融風(fēng)險的股市波動，從金融歷史上的股災(zāi)類型看，股災(zāi)可以大致分為經(jīng)濟泡沫型股災(zāi)、杠桿驅(qū)動型股災(zāi)和匯率引致型股災(zāi)三種類型。[1]引發(fā)經(jīng)濟泡沫型股災(zāi)的主要原因是對經(jīng)濟運行過分樂觀的預(yù)測導(dǎo)致股市的上漲脫離經(jīng)濟正常運行軌道，最終泡沫破滅，引發(fā)大面積股市動蕩。杠桿驅(qū)動型股災(zāi)和匯率引致型股災(zāi)則均是由于外力作用而導(dǎo)致的股價變動。本次上證股災(zāi)可以歸類為杠桿驅(qū)動型股災(zāi)。所以本文中建立的模型主要針對這一類股災(zāi)進(jìn)行建模分析并得出結(jié)論，給出建議。

2 股市風(fēng)險模型的建立與分析

2.1 風(fēng)險預(yù)警模型的建立

要對股市風(fēng)險進(jìn)行調(diào)控，首先要做到的是股市風(fēng)險的識別，防患于未然，若能在風(fēng)險發(fā)生之前對其進(jìn)行識別和預(yù)防，那么政府股市調(diào)控的成本將會大大降低，同時也有利于資本市場的健康運行。

2.1.1 數(shù)據(jù)收集與選用

在數(shù)據(jù)收集時，筆者主要選擇了各國幾次主要股災(zāi)進(jìn)行分析對比。在對比各國歷史股災(zāi)后，根據(jù)社會文化和該國在股災(zāi)發(fā)生時的社會發(fā)展階段，選擇了與我國文化相近的兩個亞洲國家和地區(qū)——日本和中國香港，并選出兩者與我國經(jīng)濟發(fā)展現(xiàn)狀相近時期發(fā)生的股災(zāi)，最后將數(shù)據(jù)來源設(shè)定為1989年日本股災(zāi)和1997年香港股災(zāi)。

2.1.2 數(shù)據(jù)的分析與模型的建立

本次股災(zāi)為杠桿作用所致，所以主要采用股市交易中的分析指標(biāo)而非宏觀經(jīng)濟指標(biāo)進(jìn)行建模。經(jīng)過選擇，將漲跌幅、成交量和資金流量作為基本響應(yīng)因素，將危機發(fā)生時間作為變化因素，再根據(jù)每天的成交量和資金流量計算出每日的成交量變化率和資金流量改變率。需要說明的是，本文所采用的資金流量是筆者根據(jù)每日的最終漲跌額（收盤價-開盤價）與成交量相乘得出的大體資金流量，即將指數(shù)的下降記為股市資金的流出，指數(shù)的上升記為股市資金的流入，而非準(zhǔn)確的資金流量數(shù)據(jù)，但經(jīng)過驗證并不影響模型的準(zhǔn)確性。

數(shù)據(jù)收集和指標(biāo)確定之后，應(yīng)用Minitab軟件將兩次股災(zāi)前后的漲跌幅、成交量變化率和資金流量改變率三個因素分別與危機發(fā)生時間做出散點圖并分別進(jìn)行數(shù)據(jù)的回歸分析，得到恒生指數(shù)和日經(jīng)225指數(shù)擬合線，分別如圖1和圖2所示。

圖1 恒生指數(shù)漲跌幅、成交量變化率、資金流量變化率和危機發(fā)生時間的擬合線

注：危機時間指危機的發(fā)生時間，危機發(fā)生當(dāng)天記為零。

數(shù)據(jù)來源：同花順數(shù)據(jù)中心，港交所數(shù)據(jù)中心。

圖2 日經(jīng)225指數(shù)漲跌幅、成交量變化率、資金流量變化率和危機發(fā)生時間的擬合線

數(shù)據(jù)來源：Choice金融終端數(shù)據(jù)中心，東方財富通數(shù)據(jù)中心。

將兩指數(shù)的漲跌幅、成交量變化率和資金流量變化率三個表達(dá)式相乘，可以分別得到恒生指數(shù)和日經(jīng)225指數(shù)的表達(dá)式如下：

恒生指數(shù)y=-0.0257+0.01746危機時間+0.00076危機時間2+0.00063危機時間3

日經(jīng)225指數(shù) y=0.00017+0.00011 危機時間-0.00002危機時間2

由于1997年的香港股災(zāi)和本次“615”股災(zāi)發(fā)生的背景和原因更為相似，所以在進(jìn)行兩等式合并時，我們將恒生指數(shù)表達(dá)式所占的權(quán)重加大到0.6，將日經(jīng)指數(shù)所占的權(quán)重設(shè)為0.4.得到的表達(dá)式為： y=-0.01532+0.01043x+0.00043x2+0.00038x3

將這個表達(dá)式與本次上證股災(zāi)所得的表達(dá)式y(tǒng)=-0.126+0.013 危機時間+0.0008危機時間2+0.0004危機時間3 相比較后，發(fā)現(xiàn)兩等式系數(shù)相差較大，所以對兩個指數(shù)表達(dá)式進(jìn)行權(quán)重的二次調(diào)整，將恒生指數(shù)權(quán)重調(diào)整為0.8，日經(jīng)指數(shù)權(quán)重調(diào)整為0.2。得到表達(dá)式為：

y=-0.0203+0.014危機時間+0.0006 危機時間2+0.0005 危機時間3

可以看出，調(diào)整權(quán)重后的表達(dá)式更接近本次上證指數(shù)表達(dá)式，所以將其作為危機預(yù)警的最終表達(dá)式。

2.1.3 風(fēng)險預(yù)警模型的結(jié)論

由圖1和圖2我們可以得出結(jié)論，當(dāng)漲跌幅和成交量改變率均處于平穩(wěn)變化時，危機前后資金流量改變率會有先上升后下降的趨勢。一般來講是危機來臨之前資金流量改變率會有正向的、持續(xù)的變動并在危機發(fā)生之后下降。所以在股市監(jiān)控時，有關(guān)部門可以對資金流量進(jìn)行監(jiān)測，若發(fā)現(xiàn)進(jìn)入股市的資金流量有持續(xù)的上升趨勢，則要考慮股市風(fēng)險發(fā)生的可能。

然而，股市風(fēng)險管理中只有風(fēng)險預(yù)警是遠(yuǎn)遠(yuǎn)不夠的，當(dāng)波動已經(jīng)發(fā)生時，如何將股市的漲跌幅穩(wěn)定在正常波動范圍之內(nèi)，是政府在股市管理中要關(guān)注的另一方面。

2.2 股市資金量調(diào)控模型

2.2.1 資金量調(diào)控模型的建立

與預(yù)警模型建立的方法同理，在資金調(diào)控模型中，筆者將兩個指數(shù)的漲跌幅和資金流量變化率分別進(jìn)行回歸分析，得到的擬合線見圖3和圖4。

兩指數(shù)擬合線表達(dá)式如下：

2.2.2 資金流量調(diào)控模型結(jié)論

從圖5可以看出，運用建立的模型進(jìn)行資金流量變化率的調(diào)整后，漲跌幅度變得更加平緩。所以在進(jìn)行危機調(diào)控時，本文建立起的資金流量模型有一定的可行性，將預(yù)期進(jìn)行的漲跌幅度代入關(guān)系式，可以得到所應(yīng)投入資金與前一天資金流量的改變率的參考值。

3 總 結(jié)

本文中，筆者通過建立風(fēng)險預(yù)警模型和資金流量模型分析了股市風(fēng)險發(fā)生前各項股市指標(biāo)的變化以及資金量與漲跌幅的關(guān)系，為政府識別股市風(fēng)險進(jìn)行事前干預(yù)提供參考。兩種模型建立的前提都是股市危機沒有形成大規(guī)模股災(zāi)，而對于股市風(fēng)險的調(diào)控來講，引發(fā)股市動蕩的因素有很多，資金流量對股市的影響只是其中的一項。除此之外，單就股市的自身運行來講，管理者調(diào)控的頻率、次數(shù)、調(diào)控的時間點也會對股市風(fēng)險管理效果產(chǎn)生影響。若將人為因素也考慮在內(nèi)，內(nèi)部知情者對股價的操控也會對風(fēng)險管理的效果產(chǎn)生影響，使調(diào)控效率打折。

所以，股市風(fēng)險的管理不僅要考慮單一因素的影響，更要考慮多種因素的綜合作用。在股市風(fēng)險管理中也不應(yīng)局限于預(yù)警管理，想要進(jìn)行全面的風(fēng)險管理，還應(yīng)全面考慮基本面等其他因素。

參考文獻(xiàn)：

[1]張建軍.“危”與“機”：全球主要股災(zāi)背景下的救市措施與 A 股選擇[J].中國市場，2015（51）.

[2]朱禁弢.1989 年日本股災(zāi) ：政府未直接托市致經(jīng)濟“失去十年”[J].中國經(jīng)濟周刊，2015（27）.

[3]Martin T.Bohl，Jeanne Diesteldorf，Pierre L.Siklos.The Effect of Index Futures Trading on Volatility： Three Markets for Chinese Stocks[J].China Economic Review，2015（34）：207-224.