当前位置：文档之家 › 基于VAR模型的上海A、B股市场分割研究

基于VAR模型的上海A、B股市场分割研究

  • 格式：pdf
  • 大小：176.10 KB
  • 文档页数：2

下载文档原格式

  / 2

合集下载

VAR模型分析

VAR模型分析

H : 0 0 1 2 p
显然，如果（4）式中 x t 的滞后变量的回归 系数估计值都不显著，则 H0 不能被拒绝，即 x t 对 y t 不 存在 格兰杰因果性。反之，如果 x t 的任何 一个滞后变量回归系数的估计值是显著的，则 x t 对 y t 存在格兰杰因果关系。
19
建立VAR模型
在工作文件窗口，在主菜单栏选 Quicp/Estimate VAR，OK，弹出VAR定义窗口， 见图5。
图5 VAR模型定义窗口
20
在VAR模型定义窗口中填毕（选择包括截距 ）有关内容后，点击OK。输出结果包含三部分 ，分别示于表9、表10和表11。 表9 VAR模型参数估计结果
格兰杰因果性检验的EViews命令：
在工作文件窗口，选中全部欲检序列名后， 选择Quicp/Group Statistics/Granger Causality Test，在弹出的序列名窗口，点击OK即可。
18
表8 格兰杰因果性检验结果
由表8知，LGDPt、LCt 和LIt之间存在格兰 杰因果性，故LGDPt、LCt和LIt均可做为VAR模 型的应变量。
待估参数个数为2 × 2×2= P N 2 用线性方程组表示VAR(2)模型：
y y x y x u t 1 1 1 t 1 1 1 2 t 1 2 1 1 t 2 2 1 2 t 2 1 t x y x y x u t 1 2 1 t 1 1 2 2 t 1 2 2 1 t 2 2 2 2 t 2 2 t
8
（ 2 ） VAR 模型对参数不施加零约束 （如 t 检 验）； （3）VAR模型的解释变量中不含t期变量，所 有与联立方程组模型有关的问题均不存在； （4）VAR模型需估计的参数较多。如VAR模型 含3个变量（N=3），最大滞后期为p=2，则有 P N 2 =2×32=18个参数需要估计； （5）当样本容量较小时，多数参数估计的精 度较差，故需大样本，一般n>50。 注意： “VAR”需大写，以区别金融风险管理 中的VaR。

基于GARCH-VAR模型的文献综述和度量分析

基于GARCH-VAR模型的文献综述和度量分析

基于GARCH-VAR模型的文献综述和度量分析作者：李婧来源：《青年生活》2019年第04期一、引言伴随着1990年11月与12月上海证券交易所与深圳证券交易所相继成立以来，经历了近三十年的发展，我国股票市场在经济增长方面做出了巨大的贡献，在反映我国金融市场与宏观经济的发展状况方面也起着很重要的作用，股票市场的趋向常常隐藏着的接下来一段时间内国家经济的发展方向，因而有效的测度股市风险，对政府与金融机构提出相应的政策，用以使得经济和市场稳定地运转有着理论意义与实践意义，中央领导财经小组第十一次会议2015年11月10日在北京召开，由习近平主席主持会议，会上强调要加大防范金融风险的力度，加快形成一个能够充分保护投资者权益的股票市场，并且该市场还能够具备扎实的融资功能，完备的基础制度。

因而，借鉴国外先进的VAR方法来探讨对中国股票市场的风险测度适用的方法在此时就显得十分重要。

二、文献综述在1994年，J.P.Morgan公司初次提出基于VAR的风险度量系统--RiskMetrics，该系统在正态分布的假设下，给出了VAR的计算方法。

此后国内外关于金融资产收益率波动性研究的文献和报告也越来越多，在国外有Cavallo与Bologna应用GARCH模型计算得出股票价格的波动与股指期货存在很大的关系;Vlaar和Goorbergh（1996）通过对VAR的多种计算模型进行实证分析比较，发现由GARCH模型计算的VAR值是最精确的;Engle根据波动的预测值进行VAR计算，并跟据此进行资产的风险管理;Angelidisetal分析得到采用t分布或GED分布等其余分布能起到更好的改進GARCH类模型的作用;Engle和lee采用因素ARCH 模型针对少量大盘股的个股特殊风险的持续性做过研究;Bredinetal通过构建自己的比较分析框架，通过对爱尔兰市场上的24个VAR模型进行比较，最终得出：正交GARCH模型在估计中最精确，但不是最保守的。

基于VAR模型的经济波动分析

基于VAR模型的经济波动分析

基于VAR模型的经济波动分析随着世界经济的不断发展，各国的经济发展趋势也不断变化。

在这一背景下，对于经济波动分析的需求也越来越重要。

经济波动是指各种经济指标在时间序列中表现出来的规律性波动。

而VAR模型则是一种可用于经济波动分析的技术手段。

一、VAR模型的基本概念VAR模型是向量自回归模型的缩写，它是指一个具有多个变量的回归模型。

它使用多个变量之间的关系解释各个变量的变化方式。

这些变量在一个时间序列的时间点上关联，可以被表示为向量形式。

VAR模型因此也是一种多元时间序列分析方法。

它使用过去的观测值来推断未来的变化。

VAR模型的基本公式可以表示如下：Yt = θ1 Yt-1 + θ2 Yt-2 + ... + θp Yt-p + εt其中，Yt是一个n维向量，表示在时间t各个变量的观测值；θ1, θ2, …, θp是系数向量，而p是模型的阶数；εt表示随机误差项。

VAR模型的关键问题是选择模型的阶数p，也就是选择过去几期的观测值进行拟合。

模型的阶数反映了模型能够捕捉的波动规律的复杂程度。

VAR模型的p值应该通过一定的统计方法进行选择。

二、VAR模型在经济数据分析中的应用VAR模型在经济数据分析领域中被广泛应用。

在具体应用中，VAR模型能够用于以下几个方面：1. 宏观经济变量分析VAR模型可以用来分析宏观经济变量之间的关系，如GDP、通货膨胀率、消费者物价指数等等。

通过对不同宏观经济变量之间的相关性进行分析，可以预测宏观经济变量的地位和方向。

2. 股票市场预测VAR模型能够用于股票市场波动的预测。

例如，如果我们用多个指数和股票价格数据来建立VAR模型，那么我们可以对股票市场的走势进行预测。

3. 货币政策效果分析VAR模型可以用来分析各种货币政策措施的效果和影响。

例如，如果经济出现衰退，政府可以采取促进增长的货币政策，使用VAR模型可以使用时间序列数据来证明这种政策的效果。

三、VAR模型应用中的一些关键点在使用VAR模型进行经济波动分析时，有一些关键点需要我们特别关注：1. 数据的预处理在使用VAR模型时，需要对所选变量进行数据预处理。

Lecture05多元时间序列分析方法

Lecture05多元时间序列分析方法
第五章 多元时间序列分析方法
第一节 协整检验 第二节 误差修正模型 第三节 向量自回归模型(VAR) 第四节 格兰杰因果检验
协整检验
第一节 协整检验
一、协整概念与定义
在经济运行中，虽然一组时间序列变量都是随机游走，但它们的某个 线性组合却可能是平稳的，在这种情况下，我们称这两个变量是平稳 的，既存在协整关系。
其基本思想是，如果两个(或两个以上)的时间序列变量是非平稳的， 但它们的某种线性组合却表现出乎稳性，则这些变量之间存在长期稳 定关系，即协整关系。根据以上叙述，我们将给出协整这一重要概念。 一般而言，协整是指两个或两个以上同阶单整的非平稳时间序列的组 合是平稳时间序列，则这些变量之间的关系的就是协整的。
向量自回归模型(VAR)
三、向量自回归模型(VAR)的估计
应用Eviews软件，创建VAR对应选择 Quick/Estimate VAR，或选择Objects/new object/VAR，也可以在命令窗口直接键入VAR。
向量自回归模型(VAR)
四、脉冲响应函数与预测方差分解
从结构性上看，VAR模型的F检验不能揭示某个给定变 量的变化对系统内其它变量产生的影响是正向还是负 向的，以及这个变量的变化在系统内会产生多长时间 的影响。然而，这些信息可以通过考察VAR模型中的 脉冲响应（Impulse Response )和方差分解（Variance Decompositions）得到。
协整检验
（一）E-G两步法
E-G两步法，具体分为以下两个步骤：
第一步是应用OLS估计下列方程
yt a xt ut
这一模型称为协整回归，称为协整参数，并得到相应的残差序列：
第二步检验 序uˆt列 的yt 平(a稳ˆ 性ˆx。t )

var-向量自回归模型

var-向量自回归模型

预测评估
采用适当的评估方法（如均方误差、平均绝 对误差等）对预测结果进行评估，以确保预 测的准确性和可靠性。
政策建议与展望
政策建议
根据VAR模型的实证分析结果，提出针对性 的政策建议，以促进经济的稳定和可持续发 展。
展望
对VAR模型未来的发展趋势和应用前景进行 展望，为进一步研究提供方向和思路。
05
VAR模型的优缺点与改 进方向
VAR模型的优点
01
描述经济变量之间的ຫໍສະໝຸດ 态关系VAR模型能够描述多个经济变量之间的动态关系，通过分析变量之间的
相互影响，揭示经济系统的内在机制。
02
避免结构化约束
VAR模型不需要对经济变量之间的因果关系进行结构化约束，而是通过
变量自身的历史数据来分析相互影响，减少了主观因素对模型的影响。
模型估计与结果解读
模型估计
采用适当的统计软件（如EViews、Stata等）对VAR模型进行估计，确定模型的最佳滞 后阶数，并检验模型的稳定性。
结果解读
对估计结果进行详细解读，包括各经济指标之间的动态关系、长期均衡关系等，以便更 好地理解经济现象。
模型预测与评估
模型预测
利用估计好的VAR模型对未来经济走势进行 预测，为政策制定提供参考依据。
拓展应用领域
可以将VAR模型拓展应用到其他领域，如金融市 场、环境经济学、健康经济学等，以揭示不同领 域变量之间的动态关系。
THANKS FOR WATCHING
感谢您的观看
金融市场分析
VAR模型可用于分析股票、债券等金 融市场的相关性，以及市场波动对其 他经济指标的影响。
国际经济关系研究
VAR模型可用于分析不同国家之间的 经济关系，例如贸易往来、汇率变动 等。

VAR模型

VAR模型

• 实际应用中，首先需要给定一个最大的滞 后期数，然后循环运用LR检验来判断最优 滞后期数。正因为如此，有些计量软件的 输出结果会显示“sequential LR test” （循环LR检验）的字样，实际上就是循环 地应用了以上介绍的LR检验过程。 • 多数原则、稳健性检验
• 4. 估计方法
• 虽然VAR模型系统比一维模型看上去复杂得 多，但是用来估计VAR的方法却并不一定很 繁难。常见的估计方法包括最大似然估计 （Maximum Likelihood Estimator，MLE） 和常见的最小二乘估计（OLS）。在特定条 件下，MLE与OLS估计获得的系数是完全相 同的。
T T 1
（2）OLS估计 如果熟悉OLS估计的系数矩阵表达式，很 容易看出，模型(8.45)就等于OLS估计的系 ˆ 的第j行明确地写出来，则为： 数矩阵。将 1 T T （ 8.46 ） ˆ
( j ) Y jt X t X t X t t 1 t 1
E ( t ) 0 E ( t t ) E ( t s ) 0, 对于t s
一个两变量(VAR)模型的例子 Yt C Yt 1 t , y1t c1 11 12 y1,t 1 1t y y c 2t 2 21 22 2,t 1 2t c1 11 y1,t 1 12 y2,t 1 1t c2 21 y1,t 1 22 y2,t 1 2t
为了深入地理解VAR模型的平稳性 条件，为了考虑含有2个变量的简单 VAR（1）模型：
y1t 1 1.6 y1,t 1 1t y 0.5 0.7 y 2,t 1 2t 2t

VAR-向量自回归模型

VAR-向量自回归模型简介VAR（Vector Autoregressive Model）是一种常用的多变量时间序列预测模型。

它对每个时间点上的变量都建立回归模型，通过自身过去时间点和其他变量的过去时间点进行预测。

VAR模型考虑了变量之间的相互影响，在经济学、金融学等领域得到广泛应用。

模型原理VAR模型是基于向量的自回归模型，其基本思想是将多个变量组合成一个向量，然后对该向量进行自回归建模。

VAR模型可以表示为以下形式：VAR模型VAR模型其中，X_t是一个n\times1的向量，表示在时间点t上的多个变量的取值；A_1,A_2,…,A_p是一个n\times n的矩阵，表示自回归系数；U_t是误差项，通常假设为服从均值为0且方差为\Sigma的白噪声。

VAR模型需要估计自回归系数矩阵和白噪声方差矩阵。

估计方法可以使用最小二乘法或者极大似然法，具体选择的方法取决于模型中的假设条件。

模型应用VAR模型在经济学、金融学等领域广泛应用，常见的应用场景包括：1.宏观经济预测：VAR模型可以用于预测国民经济指标、通货膨胀率、利率等宏观经济变量。

通过分析过去的数据，可以建立一个VAR模型，然后用于预测未来的经济变量走势。

2.金融市场分析：VAR模型可用于分析金融市场的相关变量，例如股票价格、汇率、利率等。

通过建立VAR模型，可以评估不同变量之间的关系，从而帮助投资者做出更准确的决策。

3.宏观经济政策分析：VAR模型可以用于评估不同的宏观经济政策对经济变量的影响。

通过建立VAR模型，可以模拟在不同政策变化下的经济变量走势，从而指导决策者制定合适的宏观经济政策。

模型评估对于建立好的VAR模型，需要对其进行评估，以验证模型的有效性。

常用的模型评估方法包括：1.残差分析：通过对模型的残差进行分析，可以评估模型是否存在偏差或者哪些变量对模型的解释能力较差。

可以使用残差的自相关图、偏自相关图等图形方法进行分析。

2.模型拟合度评估：通过计算模型的决定系数（R-squared）、均方根误差（RMSE）等指标，可以评估模型的拟合程度。

VAR建模方法的兴起与VAR模型概述分析

VAR建模方法的兴起与VAR模型概述分析VAR（Vector Autoregressive）是一种多变量时间序列建模方法，最早由Sims（1980）提出，大大推动了宏观经济学中的时间序列分析。

VAR模型不仅可以用于描述变量之间的相互影响关系，还可以用于预测和政策分析。

本文将对VAR建模方法的兴起以及VAR模型的概述进行分析。

在传统的时间序列模型中，一般是通过将自变量解释变量作为外生变量引入，将其他变量作为内生变量进行建模。

然而，随着计量经济学理论的发展，研究者们逐渐认识到，宏观经济变量之间存在着相互依赖关系，而传统的时间序列模型无法捕捉到这种依赖关系。

因此，VAR建模方法逐渐兴起。

VAR模型的概述：VAR模型是指一组内生变量之间的联合回归模型，其中每个内生变量都可以通过其它内生变量的滞后值来解释。

具体地说，VAR模型可以表示为：yt = c + A1yt-1 + A2yt-2 + ... + Apyt-p + ut其中，yt是一个k维向量，表示包含k个内生变量的观测值；c是一个k维向量，表示常数项；A1，A2，...，Ap是k×k的矩阵，表示内生变量的滞后系数；p是滞后阶数；ut是一个k维向量，表示误差项。

VAR模型的估计通常使用最小二乘法，也就是将误差项平方和最小化，以得到最优的矩阵系数。

在此过程中，需要进行序列的平稳性检验，以确保模型的稳定性。

VAR模型的优势在于可以捕捉到变量之间的时序关系和相互依赖关系，提供了一个更全面的视角来分析和预测变量的变化。

此外，VAR模型还可以应用于冲击传导分析、脉冲响应分析和方差分解等方法，以进一步研究变量之间的关系。

VAR模型应用广泛，尤其在宏观经济学、金融经济学和国际经济学等领域。

例如，在宏观经济学中，VAR模型可以用于预测GDP增长率、通货膨胀率和失业率等变量，并为制定经济政策提供支持。

在金融经济学中，VAR模型可以用于研究股票市场和债券市场之间的相互影响关系。

基于VAR模型的股票价格预测

基于VAR模型的股票价格预测股票市场的波动一直以来都是投资者非常关注的话题，因为投资者可以通过研究市场上不同的股票行情，制定出适合自己投资风格的投资策略。

而股票价格的预测也是研究股票市场的重点之一，能够帮助投资者更加准确地预估股票未来的价格变化趋势，从而提高投资的成功率。

而本文将介绍基于VAR模型的股票价格预测方法。

一、什么是VAR模型VAR指的是向量自回归（Vector Autoregression），它是一种多元时间序列模型，常用于分析自变量之间相互关系以及对因变量的影响。

VAR模型是通过建立一组互相交互的回归方程，来研究多个变量之间的动态关系。

VAR模型的数学表达式如下所示：Yt = c + A1Yt-1 + A2Yt-2 + … + ApYt-p + εt其中，Yt是一个k维向量，代表t时刻的k个变量；c是截距项；Ai是k*k的系数矩阵，代表t时刻的变量与其前i个时刻的变量之间的权重关系；p是滞后期数，代表对变量的影响延迟p期；εt表示误差项。

二、如何基于VAR模型对股票价格进行预测首先，我们需要确定需要预测的股票价格和它们的影响因素。

以沪深300指数作为示例，其受到诸多影响因素，如人民币汇率、外盘市场、行业整体情况、经济形势等等。

这些影响因素可以通过观察数据分析出对股票价格变化的影响，然后作为VAR模型的自变量进行建模。

其次，我们需要对原始数据进行预处理，包括平稳化处理、差分处理等。

为了使数据满足VAR模型建模的假定条件，我们需要对原始数据进行差分处理，使其达到平稳状态。

同时，我们还需要对差分后的序列进行自相关图、偏自相关图的分析，确定合适的滞后期数p。

最后，我们可以使用VAR模型进行股票价格的预测。

根据已有数据，建立VAR模型，对下一期的股票价格进行预测。

同时，通过对方差分解、脉冲响应函数进行分析，可以研究不同因素对股票价格的影响程度，并针对性地进行投资策略的制定。

三、 VAR模型的优缺点VAR模型具有以下优点：1. 充分考虑相互作用：VAR模型能够同时考虑多个变量之间的相互作用，更为准确地预测股票价格。

VaR的计算方式及其回测检验——基于计算机产业股票的实证研究


4） 根据投资组合的公式： VaR = VaRp = α σpW = α，可以计算得到投资组合的 VaR 值：
VaRp = ασpW = 1． 65 × 槡$ 34． 11358002 = $ 9． 034487858
（ 三） 投资组合 VaR 的分析 投资组合的 VaR 通常称为分散化 VaR（ Diversified VaR） ，它考虑了各组成部分件的分散化所获得 的好处。而相对的单一 VaR（ Undiversified VaR） 是 指单个 VaR（ Individual VaR） 的总和，或者是再没有 空头头寸并且所有相关系数都为 1（ 或者 － 1） 时的 投资组合的 VaR。 我们可以根据 VaR = ασW，求他们的单一 VaR：
五、结 论
金融管理就是平衡收益与风险之间的关系。作 为当前管理市场风险最为主流的方法 VaR 凭借着 其自身机构化、科学化的风险管理体系来精确地度 量、控制、管理风险。从 VaR 在对资产信息披露的 作用这点来看，VaR 存在着巨大的优势，原因在于， 它可以很清晰明朗的向读者呈现出风险量，可以为
DELL 0． 000110425 0． 000170146 0． 000372004
APPLE 0． 000104085 0． 000145926 0． 000176175
APPLE 0． 000104085 0． 000145926 0． 000176175 0． 000276482
2） 使用矩阵符号简化公式可得：
VaRA = ασAW = 1． 65 × 槡0． 000277558 × $ 400 × 25% = $ 2． 75
VaRU = VaRL + VaRH + VaRD + VaRA = $ 12． 39 单一 VaR 为 $ 12． 39，大于由分散化投资而得 到的投资组合 VaR 为 $ 9． 03，这说明了比起单一资
  1. 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. 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. 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)。

内个 人 投 资 者 开 放 之 后 ， 个 市 场 的 分 割 状 态 尽 管 有 所 改 善 ， 两 但离市场一体化还有相当差距 。
之 前 ， 股 和 Ｂ 市 场 之 间基 本不 存 在 信息 流 动 ， 于 完 全 分 割 Ａ 股 处
状 态 ： Ｂ 市 场 对 境 内居 民 开 放 之 后 ， 个 市 场 之 间 存 在 信 在 股 两
的 。股 票 市 场 分 割 是 指 市 场 间 交 易 机 制 、 资者 构 成 的差 异 导 投 致 同质 的 股 票 在 价 格 、收 益 率 、风 险 等 方 面 呈 现 出 较 大 的差 异 ， 票 市 场 分 割 是 很 多 国家 都 存 在 的 现 象 。 由于 我 国Ａ、 股 股 Ｂ 市场不仅采 用不同的计价货 币 、 易交收机制 和募集方式 ， 交 而
１ ６ 组 数 据 ， 有 数 据 来 源 于 中 国 经 济 金 融 数 据 库 （ Ｃ Ｒ） ３ ８ 所 Ｃ Ｅ 与
雅 虎 网站 。 量 分 析 采 用 Ｅ ｉ ｓ ． 件 。 计 ｖ ｗ５ 软 ｅ ０
市 场 间 的法 律 、 度 、 策 、 制 政 成本 等 物 理 障 碍 ， 而是 一 些 由主 观 因
假 如 股 票 市场 分割 仅 仅 是 由股 票 的投 资壁 垒 、 有 权 限 制 所 以及 股票 市 场 间 的物 理 差异 造 成 的 ． 种 分 割称 为 “ 分 割 ” 双 这 硬 。 重 上 市公 司 价 格差 异 硬 分割 以外 的 因 素 ，这 些 因 素并 不 是 分 割
本 文 选 取 ２ ０ 年 ２ １ 日￣ ２ ０ 年 ｌ Ｂ ３ ０１ 月 ９ ０ ８ Ｏ ０日上 海 Ａ、 股 共 Ｂ
市 场分 割 （ ｒｅ Ｓ ｇ ｅ ｔ ｉ ） 相 对 于 市 场 一 体 化 而 言 Ｍａ ｔ ｅ ｍ ｎａ ｏ 是 ｋ ｔｎ
邹 功达 和陈浪 南于２０ 年首 次以布 莱克版Ｃ Ｐ ０２ Ａ Ｍ模 型 作 为 理 论 模 型 ．在 对 国外 的 市 场 分 割 检 验 模 型 进 行 了 适 当修 正 后 ， 我 国Ａ 和 Ｂ 市 场 的分 割 性 进 行 了 实证 研 究 ， 们 的研 对 股 股 他
究 表 明 ， 国 的Ａ股 和 Ｂ 市 场 在 很 大 程 度 上 是 一体 化 的 。 我 股
吴 文 峰 等 人 则 从 两 个 市 场 之 间 信 息 流 动 的 角 度 研 究 了Ａ 股 与Ｂ 的市 场 分 割性 。 们 以 双 重 上市 公 司在 Ａ 和Ｂ 市 场 股 他 股 股 上 的股 价收益 率作 为信息 的代理变 量 ，对Ａ 和Ｂ 进 行 了 股 股 Ｇ ａ ｇ ｒ 果 关 系 检 验 ， 果 显 示 ． 股 市 场 对 境 内 居 民 开 放 ｒｎ ｅ 因 结 在Ｂ
素 所 导致 的市 场 障碍 和 差 异 ， 市场 间的 信 息 不对 称 、 动 性 差 如 流
异 、 资 者偏 好 和 心理 的差 异 等 ， 些 因 素被 称 为 “ 分割 ” 投 这 软 。
且 各 自允 许 开 放 的 投 资 者 对 象 也 是 严 格 限 定 的 ， 此 ， 国股 因 我 票 市场 就 是 一 个 高 度 分 割 的 市 场 ， 它 的 一 个 突 出 表 现 就 是 把
股 票 市 场 划 分 为 Ａ、 两 个 分 割 的 市 场 。 ２ ０ 年 ２ Ｂ股 在 ｏ １ 月Ｂ股 向境
从 市 场 效 率 与保 护 投 资 者 的 角 度 来 说 ，市 场 分 割是 有 负
面 作 用 的 。 对 市场 分 割 的研 究 ， 助 于 了解 市 场 分 割 是 如 何 阻 有
息 的单 向流 动 ， Ｂ 市 场 趋 于半 分 割 状 态 。 Ａ、股
本 文 将 运 用 Ｖ Ｒ 型 分 析Ｂ 市 场２ ０ 年 ２ 对 境 内 居 民 Ａ 模 股 ０１ 月
重庆科 技学 院学报 （ 社会科学版）２０ 年第５ ０９ 期
Ｊｕｎｌｏ Ｃ ｏｇｉｇＵ ｉ ｒｔ ｏ Ｓｉ ｃ ｎ ｅｈｏ ｇ（ｏｉ ｉ ｃｓＥ ｉ ｎ Ｎ ． ０９ ｏｒａ ｆ ｈｎｑ ｎ ｅ ｉ ｆ ｃ ｎｅａｄ Ｔｃｎｌ ｙＳｃ ｌ ｅ ｅ ｄｔ ） ｎ ｖ ｓｙ ｅ ｏ ａＳ ｎ ｃ ｉ ｏ ｏ５ ２Ｏ
关键词 ： 市场 分 割 ： ＶＡＲ模 型 ： 平稳
中 图 分 类 号 ：８ ０９ Ｆ ３ ．１
收稿 日期 ：０ ９ ０ － ８ ２ ０ － １ ０
文献标识码 ： Ａ
文 章编 号 ：６ ３ ９ ９ ２ ０ ） ５ ０ ９ － ２ １ ７ —１ ９ （ ０ ９ ０ － ０ ３ ０
作者 简 介 ： 磊 行 （９５ ， ， 苏徐 州人 ， 国矿 业 大 学 管理 学院 博 士 生 ， 究 方 向 为金 融 市场 。 许 １７ －） 男 江 中 研
开 放 以来 Ａ股 与 Ｂ 市 场 的市 场 分 割 性 。 股
碍 市 场 的信 息传 递 ． 何 影 响 公 司价 值 ， 而 有 利 于 提 高 资 本 如 进
市 场 的 运 行 效 率 ． 高 资本 的 配置 效 率 。 提
一
二 、 证 分 析 实
（ ） 据 选 择 一 数
、
国内外 文献 研 究述评
基 于Ｖ ： ＡＩ Ｉ 的上海Ａ、 股市场分割研究 ￣型 日
磊
摘 要 ： 用 向 量 自回 归 （ 应 ＶＡＲ） 型 对 中 国Ａ、 市 场 收 益 率 的 关 系进 行 动 态 分 析 ， 模 Ｂ股 以检 验 我 国证 券 市 场 分 割 理 论 。 出 得
的 主 要 结 论 是 ： 动 态 的相 关 关 系上 ， 海Ａ、 股 市场 收 益 率的 同期 与 跨 期 作 用 呈 现 出不 对 称特 征 ； ０ １ 以后 ， Ｂ 在 上 Ｂ 在２ ０ 年 Ａ、 股 市 场 一 体 化 ቤተ መጻሕፍቲ ባይዱ 度 明 显提 高 ． 对Ｂ 具 有 单 向 的 信 息 传 递 功 能 。 Ａ股 股