中国股票市场价格波动非对称性效应研究

股市行业波动的非对称性研究引言股市行业波动的非对称性是指在股市行业间存在着不同程度的波动差异。

作为金融领域的重要研究课题，股市行业波动的非对称性不仅对投资者的决策和风险管理具有重要影响，同时也为监管部门提供了重要的参考依据。

本文旨在对股市行业波动的非对称性进行深入研究，探讨其成因和影响，并通过实证分析来验证其存在和影响程度。

一、股市行业波动的非对称性成因分析股市行业波动的非对称性的成因主要包括市场结构、行业特性、投资者行为和宏观经济影响等多方面因素。

1. 市场结构股市行业波动的非对称性与市场结构密切相关，市场中存在的垄断或者寡头垄断情况会导致不同行业之间的波动程度不同。

在垄断行业中，一旦行业巨头发生变化或者行业政策发生变动，往往会引发整个行业内外部环境的迅速变化，进而带来行业波动的非对称性。

2. 行业特性不同行业的特性也会影响其波动的非对称性。

一些特定行业可能受到季节因素、技术创新、政策调整等特殊影响，导致其波动程度不同于其他行业。

比如农业、能源等行业受自然环境和政策影响较大，波动非对称性就较为显著。

3. 投资者行为投资者的情绪和行为也是导致股市行业波动的非对称性的重要原因之一。

不同行业受到投资者情绪和行为的影响程度不同，一些热门行业可能受到过度投机而波动明显，而一些传统行业则相对稳定。

4. 宏观经济影响宏观经济的影响也会导致不同行业波动的非对称性。

比如通货膨胀、利率变动、政策调整等因素都可能导致某些行业的波动程度明显高于其他行业。

1. 风险分散效果股票投资者通常会通过配置多种行业的股票来降低投资风险，然而若不同行业之间波动的非对称性过大，可能会降低风险分散效果，增加整体投资风险。

2. 投资组合构建非对称性的波动也会影响投资者的投资组合构建。

在面对波动非对称性问题时，投资者需要更加注重行业间的相对波动情况，采取更加合理的组合配置策略。

3. 风险管理对于资产管理机构和投资者而言，波动的非对称性也会直接影响风险管理的效果。

中国股票市场羊群效应的非对称性研究中国股票市场羊群效应的非对称性研究摘要：本文通过调查分析中国股票市场羊群效应的非对称性，以期得出更加深入的结果和结论。

通过对羊群效应形成的原因进行探讨，研究者发现了中国股票市场中存在非对称的羊群效应现象，即投资者对市场上涨敏感度高于下跌。

进一步研究表明，这种非对称性的羊群效应可能是中国股市投资者心理和行为习惯的产物。

1. 引言羊群效应是指投资者在投资决策过程中会受到其他投资者行为的影响，从而导致集体行为的一种现象。

在中国股票市场，羊群效应现象被广泛认识和研究，然而，关于该效应的非对称性研究还相对较少。

2. 研究方法本研究采用文献研究和实证分析相结合的方法，通过对中国股票市场的历史数据进行统计和分析，并结合相关文献的观点，寻找出羊群效应的非对称性特点。

3. 羊群效应的非对称性原因探讨羊群效应的非对称性可能是由多方面原因造成的。

首先，投资者对于上涨市场更容易产生信心，从而形成羊群效应。

其次，情绪因素可能会使投资者更加高涨，从而导致羊群效应出现。

第三，市场机构因素也可能导致羊群效应的非对称性。

例如，媒体传播负面信息更容易引起投资者的恐慌情绪，而正面消息可能需要更多时间才能引起投资者的兴奋。

4. 羊群效应的非对称性实证研究结果通过对中国股票市场历史数据的分析，研究发现有证据表明中国股票市场存在非对称的羊群效应。

具体而言，投资者对于市场上涨反应更加敏感，更容易受到其他投资者行为的影响，而对于市场下跌的影响则比较弱。

5. 非对称性羊群效应的影响非对称性羊群效应对中国股票市场的稳定性和效率产生了一定的影响。

首先，非对称性羊群效应可能导致市场出现异常波动，从而增加投资者的风险。

其次，非对称性羊群效应可能使市场无法准确反映真实价值，从而影响股票市场的效率。

6. 结论与启示本研究的结果表明，中国股票市场存在非对称的羊群效应现象。

这种非对称性可能是投资者心理和行为习惯对市场的反应产生的结果。

股市行业波动的非对称性研究股市行业波动的非对称性是指不同行业在股市中的波动性存在差异的现象。

具体而言，当整个股市出现波动时，一些行业的股票价格变动较大，而另一些行业的股票价格变动较小，这就表明了非对称性。

非对称性的存在可以影响投资者的投资决策和风险管理策略。

非对称性的存在也影响投资组合的构建和风险管理策略的制定。

通过研究和分析股市行业波动的非对称性，投资者可以根据不同行业的风险水平合理配置资金，并选择适当的风险管理策略。

在市场波动较大时，投资者可以增加对表现稳定的行业的投资比重，以降低整个投资组合的风险。

非对称性的研究可以从多个角度进行。

一种常用的方法是利用统计学上的相关系数和协方差来分析不同行业的相关性和波动性。

通过计算股票收益之间的相关系数或协方差，可以研究不同行业之间的关联程度和波动程度。

另一种方法是利用时间序列模型（如ARCH、GARCH、EGARCH等）来对股市行业波动的非对称性进行建模和分析。

这些模型可以从统计学的角度揭示非对称性的存在和特征，并对未来的行业波动进行预测。

非对称性的研究也需要注意一些限制和挑战。

由于股市行业波动受多个影响因素的综合作用，研究非对称性的解释和预测可能存在困难。

非对称性的存在也可能受到市场交易机制、市场流动性和信息传播等因素的影响，这些因素也需要纳入考虑范畴。

非对称性的研究需要大量的数据和统计方法来支撑和证实研究结果，因此数据收集和研究方法上的限制也是需要克服的。

股市行业波动的非对称性是一项重要的研究课题，对投资者和市场参与者具有重要意义。

通过研究非对称性，投资者可以更好地理解和认识不同行业的风险水平，并制定相应的投资决策和风险管理策略。

非对称性的研究也需要深入探索和研究，以更好地应对股市行业波动带来的挑战和风险。

经济观察２０２３年第２期中国股票市场羊群效应的非对称性研究崔海蓉㊀李㊀铭㊀储小俊摘㊀要羊群效应扩大了股市的涨跌幅，加剧了股市波动，降低了市场有效性，准确识别股市中的羊群行为对稳定金融市场，防范系统性金融风险具有重要意义㊂基于ＣＣＫ模型研究上证５０指数成分股中的羊群效应，着重分析上涨和下跌两种不同市场状态下羊群效应的非对称性，以及市场情绪和新冠疫情对羊群效应的非对称性影响，研究发现，上证５０指数成分股中存在显著的羊群效应，且这种羊群效应具有非对称性；在上涨市场和下跌市场中羊群效应的表现是不同的，当市场处于下跌状态时，羊群效应更强；相对于上涨市场，在下跌市场中市场情绪和新冠疫情对羊群效应的影响更大，积极的市场情绪会增强羊群效应，而新冠疫情则减弱了羊群效应㊂关键词羊群效应㊀中国股票市场㊀市场情绪㊀新冠肺炎疫情㊀ＣＳＡＤ㊀ＣＣＫ模型作者简介：崔海蓉，管理学博士，南京信息工程大学管理工程学院副教授；李铭，南京信息工程大学管理工程学院硕士研究生；储小俊，管理学博士，南京信息工程大学管理工程学院教授㊂基金项目：江苏高校哲学社会科学研究重点项目 投资者情绪高频指数的构建及其对股价崩盘影响研究 （２０１８ＳＪＺＤＩ０７１）；江苏省社会科学基金项目 基于大数据的股市系统性崩盘风险监测预警研究 （１８ＧＬＢ００１）；江苏省高校哲学社会科学基金项目 基于互联网金融框架的科技金融创新与发展机制研究 （２０１９ＳＪＡ０１５３）①ＳｕｓｈｉｌＢｉｋｈｃｈａｎｄａｎｉ，ＤａｖｉｄＨｉｒｓｈｌｅｉｆｅｒ，ＩｖｏＷｅｌｃｈ， Ａｔｈｅｏｒｙｏｆｆａｄｓ，ｆａｓｈｉｏｎ，ｃｕｓｔｏｍ，ａｎｄｃｕｌｔｕｒａｌｃｈａｎｇｅａｓｉｎｆｏｒｍａｔｉｏｎａｌｃａｓｃａｄｅｓ ，ＪｏｕｒｎａｌｏｆＰｏｌｉｔｉｃａｌＥｃｏｎｏｍｙ，ｖｏｌ．１００，ｎｏ．５（１９９２）．㊀㊀一㊁引㊀言当投资者观察到之前市场参与者的行为后，放弃私有信息并跟随先行者的行为被称为羊群行为或羊群效应㊂羊群行为是一种特殊的非理性行为，①它会导致市场价格扭曲㊁系统性风险增加等问题，已经成为中国金融监管的一大难题㊂中国股票市场具有显著的羊群效应㊂一方面，中国股市虽然已经运行３０多年，但与发达国家的成熟市场相比，投资者仍以散户为主，个人投资者成交量占比高达８２％，这种３２１阅江学刊２０２３年第２期以散户为主的投资者结构正是导致中国股市羊群效应显著的重要原因㊂另一方面，中国股市在设立之初就肩负着作为股份制改革配套措施的使命，在后来的发展过程中，由于担忧急涨急跌带来的负面社会影响，部分媒体和管理部门干预股市运行，使投资者认识到中国股市具有明显的政策市特征，这加速了投资者一致投资行为的形成，进而导致羊群效应㊂中国股市的发展历程表明，散户热衷于跟风和利用短期趋势预测未来市场走势，股价暴涨暴跌，市场熊长牛短㊂任泽平等指出，羊群行为不仅会引起股价暴涨暴跌，引发泡沫，使市场运行效率低下，而且也会使市场系统性风险不断增大㊂①２０２１年中央经济工作会议针对如何正确认识和把握防范化解重大风险问题提出，化解风险要有充足资源，要广泛配合，完善金融风险处置机制㊂②在此背景下，深入探讨中国股市羊群效应的特征和影响因素，有助于化解因羊群效应引发的重大市场风险，进而维护市场稳定㊂对羊群效应的早期研究主要关注其存在性问题㊂ＷｉｌｌｉａｍＧ．Ｃｈｒｉｓｔｉｅ等认为，在发达国家尤其是美国股票市场不存在明显的羊群行为，但在新兴市场中存在显著的羊群行为㊂③中国股市作为新兴市场的代表，存在显著的羊群行为，④中国股票分析师和基金经理均表现出羊群行为，⑤机构投资者的羊群行为比个人投资者的羊群行为更强㊂⑥近年来，羊群效应的影响因素研究受到学界的关注㊂现有文献表明，市场类型㊁公司规模㊁公司产权性质㊁市场的涨跌波动等因素都会对Ａ股市场羊群效应产生影响㊂比如公司 财务因子 ⑦能够抑制股票市场羊群行为㊂值得注意的是，在不同情形下羊群效应的强度存在差异，换句话说就是一些因素如市场高波动和低波动等对羊群效应的影响具有非对称性㊂郑挺国等发现Ａ股羊群效应在高波动区制下更强，⑧顾荣宝等证实深圳股市下跌时的羊群效应强于上涨时的羊群效应㊂⑨但是上述羊群效应的非对称性研究通常基于Ａ股或Ｂ股市场，对其他类型市场或子市场中羊群效应非对称性的研究尚不充分㊂考虑到市场类型也可能对羊群效应产生非对称影响，比如上证超大盘和央企市场存在羊群４２１①②③④⑤⑥⑦⑧⑨任泽平㊁马图南㊁黄思佳：‘Ａ股如何从暴涨暴跌到慢牛长牛？ 中美股市对比“，ｈｔｔｐｓ：／／ｗｗｗ．ｄｊｙａｎｂａｏ．ｃｏｍ／ｐｒｅｖｉｅｗ／２５７６４３７？ｆｒｏｍ＝ｓｅａｒｃｈ＿ｌｉｓｔ㊂邹伟㊁韩洁：‘运筹帷幄定基调，步调一致向前进 二ʻ二一年中央经济工作会议侧记“，‘人民日报“，２０２１年１２月１２日㊂ＷｉｌｌｉａｍＧ．Ｃｈｒｉｓｔｉｅ，ＲｏｇｅｒＤ．Ｈｕａｎｇ， Ｆｏｌｌｏｗｉｎｇｔｈｅｐｉｅｄｐｉｐｅｒ：Ｄｏｉｎｄｉｖｉｄｕａｌｒｅｔｕｒｎｓｈｅｒｄａｒｏｕｎｄｔｈｅｍａｒｋｅｔ？ ，ＦｉｎａｎｃｉａｌＡｎａｌｙｓｔｓＪｏｕｒｎａｌ，ｖｏｌ．５１，ｎｏ．４（１９９５）．刘湘云㊁张应㊁林岚：‘Ａ股与Ｂ股跨市场羊群效应：基于ＣＣＫ模型的实证检验“，‘金融理论与实践“，２０１４年第８期㊂朱菲菲㊁李惠璇㊁徐建国等：‘短期羊群行为的影响因素与价格效应 基于高频数据的实证检验“，‘金融研究“，２０１９年第７期㊂张大永㊁刘倩㊁姬强：‘股票分析师的羊群行为对公司股价同步性的影响分析“，‘中国管理科学“，２０２１年第５期㊂黄诒蓉㊁白羽轩：‘网络传染是 真羊群 还是 伪羊群 ？ 网络传染程度对资本市场定价效率的影响“，‘中国管理科学“，２０２１年第９期㊂姚禄仕㊁吴宁宁：‘基于ＬＳＶ模型的机构与个人羊群行为研究“，‘中国管理科学“，２０１８年第７期㊂杨明高㊁尹亚华㊁刘荣芹：‘羊群效应的异质性研究 基于财务因子与非线性结构的面板实证“，‘财经科学“，２０１９年第９期㊂郑挺国㊁葛厚逸：‘中国股市羊群效应的区制转移时变性研究“，‘金融研究“，２０２１年第３期㊂顾荣宝㊁蒋科学：‘深圳股票市场的羊群行为及其演化 基于一个改进的ＣＣＫ模型“，‘南方经济“，２０１２年第１０期㊂经济观察行为，小规模企业和民营企业市场不存在羊群行为㊂①因此，即使Ａ股或Ｂ股市场的羊群效应得到证实，在其他类型市场或子市场中羊群效应的强度及影响因素仍然值得研究㊂根据上海证券交易所２０２１年发布的公告，以大盘蓝筹股为主的上证５０指数成分股的市值在沪深股市总市值中的占比为４１．７３％，在Ａ股市场中占据重要地位㊂研究上证５０指数成分股的羊群效应，一方面能够深入了解中国大盘蓝筹股股市羊群效应的特性，另一方面对于应对羊群效应的不利影响具有一定参考价值㊂鉴于此，本文研究上证５０指数成分股中的羊群效应，并分析了市场情绪和新冠疫情对羊群效应的非对称性影响㊂后文的安排如下：第二部分为实证模型，第三部分为数据及描述性统计，第四部分为实证结果分析，第五部分为结论和政策建议㊂㊀㊀二、实证模型㊀㊀（一）羊群行为的测度现有研究主要采用ＣＨ模型和ＣＣＫ模型来检验羊群效应㊂ＣＨ模型由ＷｉｌｌｉａｍＧ．Ｃｈｒｉｓｔｉｅ等提出，②主要用于测度极端市场情形下的羊群行为㊂该模型利用股票收益的横截面标准差（ＣＳＳＤ）来衡量股票市场的羊群行为，但是ＣＳＳＤ指标存在一定的局限性，其前提条件是在考察期内股价有大幅波动，因此在市场平静期ＣＳＳＤ很可能不能有效测度羊群行为㊂③在ＣＨ模型的基础上，ＥｒｉｃＣ．Ｃｈａｎｇ等提出用收益的横截面绝对偏差（ＣＳＡＤ）来衡量羊群行为，④具体计算公式如下：ＣＳＡＤｔ＝１ＮðＮｉ＝１Ｒｉ，ｔ－Ｒｍ，ｔ（１）其中，ＣＳＡＤｔ表示市场在ｔ日收益的横截面绝对偏差，Ｒｉ，ｔ是股票ｉ在ｔ日的收益，Ｒｍ，ｔ是市场在ｔ日的平均收益，Ｎ表示市场的个股数量㊂与收益的横截面绝对偏差对应的羊群效应测度模型称为ＣＣＫ模型：ＣＳＡＤｔ＝α＋γ１Ｒｍ，ｔ＋γ２Ｒ２ｍ，ｔ＋εｔ（２）其中，α㊁γ１㊁γ２为模型参数，εｔ为随机扰动㊂在资本资产定价模型（ＣＡＰＭ）的框架下，ＥｒｉｃＣ．Ｃｈａｎｇ等通过理论推导发现，ＣＳＡＤｔ随着市场收益（Ｒｍ，ｔ）的增加而线性增加㊂但是，如果市场存在羊群行为，个股收益率与市场收益率将趋于一致，即ＣＳＡＤｔ与市场收益的关系将由线性增加转变为非线性增加；如果市场的羊群行为显著，ＣＳＡＤｔ将随着市场收益的增加而下降㊂因此，常用γ２显著为负作为市场上存在明显羊群效应的判断条件㊂相比于ＣＨ模型，ＣＣＫ模型能够测度各种市场收益分布下的羊群效应㊂此外，ＣＣＫ模型还引入了非线性项（Ｒ２ｍ，ｔ）来捕捉羊群行为，这使得ＣＣＫ模型能够充分考虑市场收益的５２１①②③④袁军：‘中国Ａ股市场羊群行为的实证分析“，‘金融理论与实践“，２０２０年第２期㊂ＷｉｌｌｉａｍＧ．Ｃｈｒｉｓｔｉｅ，ＲｏｇｅｒＤ．Ｈｕａｎｇ， Ｆｏｌｌｏｗｉｎｇｔｈｅｐｉｅｄｐｉｐｅｒ：Ｄｏｉｎｄｉｖｉｄｕａｌｒｅｔｕｒｎｓｈｅｒｄａｒｏｕｎｄｔｈｅｍａｒｋｅｔ？ ，ＦｉｎａｎｃｉａｌＡｎａｌｙｓｔｓＪｏｕｒｎａｌ，ｖｏｌ．５１，ｎｏ．４（１９９５）．程子悦㊁巴曙松：‘股市羊群行为的ＣＳＡＤ指标的探究与应用“，‘金融理论与实践“，２０２１年第１１期㊂ＥｒｉｃＣ．Ｃｈａｎｇ，ＪｏｓｅｐｈＷ．Ｃｈｅｎｇ，ＡｊａｙＫｈｏｒａｎａ， Ａｎｅｘａｍｉｎａｔｉｏｎｏｆｈｅｒｄｂｅｈａｖｉｏｒｉｎｅｑｕｉｔｙｍａｒｋｅｔｓ：Ａｎｉｎｔｅｒｎａｔｉｏｎａｌｐｅｒｓｐｅｃｔｉｖｅ ，ＪｏｕｒｎａｌｏｆＢａｎｋｉｎｇ＆Ｆｉｎａｎｃｅ，ｖｏｌ．２４，ｎｏ．１０（２０００）．阅江学刊２０２３年第２期离差与收益的共同运动（Ｃｏ－ｍｏｖｅｍｅｎｔ），因而更加灵活㊁准确㊂因此，本文采用ＣＣＫ模型来检验羊群效应㊂㊀㊀（二）上涨和下跌两种市场状态下羊群行为的测度在不同市场状态下，羊群行为可能存在非对称性，即羊群效应的强度存在差异㊂比如，在上涨市场和交易量高时，Ａ股与Ｂ股跨市场中的羊群效应强度更大㊂①因此，有必要研究羊群行为在上涨和下跌两种市场状态下的差异㊂当Ｒｍ，ｔȡ０时，将相应的市场定义为上涨市场；当Ｒｍ，ｔ＜０时，将相应的市场定义为下跌市场㊂为研究不同市场涨跌状态下羊群效应的差异性，将模型（２）拆分为上涨市场下的模型（３）和下跌市场下的模型（４）：ＣＳＡＤＵｔ＝α＋γＵ１Ｒｍ，ｔ＋γＵ２Ｒ２ｍ，ｔ＋εｔ（３）ＣＳＡＤＤｔ＝α＋γＤ１Ｒｍ，ｔ＋γＤ２Ｒ２ｍ，ｔ＋εｔ（４）系数γＵ２（γＤ２）显著为负就表明上涨市场（下跌市场）中存在明显的羊群效应，并且当γＵ２（γＤ２）的值越小时，个股收益和市场收益的离散程度越小，羊群效应越强㊂γＵ２与γＤ２的大小关系反映了上涨市场与下跌市场之间羊群行为强度存在的差异，进而反映了羊群效应的非对称性㊂若γＵ２小于γＤ２，则上涨市场的羊群效应更强；反之，下跌市场的羊群效应更强㊂㊀㊀（三）市场情绪对羊群行为的影响羊群行为是一种特殊的非理性行为，容易受到投资者情绪影响㊂因而在模型（２）㊁模型（３）和模型（４）中引入市场情绪指标，研究市场情绪对上证５０指数成分股羊群行为的影响㊂市场情绪指标的构建方式主要分为两类㊂一类是直接法，即采用问卷调查方式对市场情绪进行调研，直接获取投资者对未来市场行情的预期；另一类是间接法，即以金融市场产生的客观数据作为情绪的替代指标㊂郑瑶等借助文本挖掘技术，从东方财富网股吧中提取情绪关键词构建投资者情绪指标，发现Ａ股市场中前期的悲观情绪会增强当期的羊群效应㊂②贾丽娜等和张本照等均构建复合情绪指标，证实投资者情绪会对基金羊群效应产生影响㊂③但是，这些基于股市基本面构建情绪指标的方法均存在计算复杂㊁时效性差等缺陷㊂随着信息技术的发展，不同类型资本市场（如衍生品市场和现货市场）之间的信息传递和扩散现象加剧，联动性增强㊂期权市场作为衍生品市场的一个重要组成部分，其隐含信息具有前瞻性，这一本质特征决定了期权价格能够反映市场参与者对标的资产价格的预期㊂所以，期权隐含信息在满足客观性的同时还具有一定的前瞻性，如果能够有效利用期权的这一特征，就可以提升市场情绪代理指标的质量㊂ＪｉａｎｐｉｎｇＬｉ等研究表明，当投资者在股票市场中获得与某一事件有关的积极信息时，对看涨期权的需求就会增加，这将导致期权市场中看涨期权的价格相对于看跌期权被高６２１①②③刘湘云㊁张应㊁林岚：‘Ａ股与Ｂ股跨市场羊群效应：基于ＣＣＫ模型的实证检验“，‘金融理论与实践“，２０１４年第８期㊂郑瑶㊁董大勇㊁朱宏泉：‘谁更能解释股市羊群效应：信息传播还是投资者情绪？“，‘数学的实践与认识“，２０１６年第１１期㊂贾丽娜㊁扈文秀：‘投资者情绪对基金羊群效应的影响研究“，‘运筹与管理“，２０１３年第６期㊂张本照㊁李邦国㊁李国栋：‘经济政策不确定性㊁投资者情绪与基金羊群效应“，‘上海金融“，２０２１年第２期㊂经济观察估，从而使得看涨期权的隐含波动率高于看跌期权的隐含波动率，形成隐含波动率差（ＩＶＳ），①也称为买卖权平价关系偏离㊂②ＣｈａｒｌｅｓＣａｏ等通过证实发现，市场情绪和隐含波动率差之间显著正相关，因此隐含波动率差在反映期权市场价格压力的同时也反映了市场情绪㊂③基于此，本文将从期权价格中提取的隐含波动率差作为市场情绪的替代变量，并将其纳入模型（２）㊁模型（３）和模型（４），得到如下模型：ＣＳＡＤｔ＝α＋γ１Ｒｍ，ｔ＋γ２Ｒ２ｍ，ｔ＋γ３ＩＶＳｔ＋εｔ（５）ＣＳＡＤＵｔ＝α＋γＵ１Ｒｍ，ｔ＋γＵ２Ｒ２ｍ，ｔ＋γＵ３ＩＶＳｔ＋εｔ（６）ＣＳＡＤＤｔ＝α＋γＤ１Ｒｍ，ｔ＋γＤ２Ｒ２ｍ，ｔ＋γＤ３ＩＶＳｔ＋εｔ（７）其中，ＩＶＳｔ代表ｔ日期权的隐含波动率差，γ３㊁γＵ３㊁γＤ３为新增的模型参数，其他变量及参数含义同前㊂当γ３（γＵ３㊁γＤ３）显著为负时，市场情绪越积极，羊群效应就越强㊂通常采用具有相同到期日和行权价格的看涨㊁看跌期权隐含波动率的加权平均差来计算隐含波动率差，主要有持仓量加权和交易量加权两种加权方法㊂④本文将基于持仓量加权的指标ＩＶＳｏ，ｔ用于模型分析，而将基于交易量加权的指标ＩＶＳｖ，ｔ用于稳健性检验㊂利用持仓量加权计算隐含波动率差的公式为：ＩＶＳｏ，ｔ＝ðＮｏ，ｔｊ＝１ｗｊ，ｏ，ｔ（ＩＶｃａｌｌｊ，ｔ－ＩＶｐｕｔｊ，ｔ）（８）其中，ＩＶｃａｌｌｊ，ｔ㊁ＩＶｐｕｔｊ，ｔ依次代表ｔ日第ｊ份合约对应的看涨期权的隐含波动率和看跌期权的隐含波动率，Ｎｏ，ｔ代表ｔ日看涨期权和看跌期权未平仓合约的总量，ｗｊ，ｏ，ｔ代表ｔ日第ｊ份合约持仓量在当日总合约持仓量中的占比㊂利用交易量加权计算的隐含波动率差公式为：ＩＶＳｖ，ｔ＝ðＮｖ，ｔｊ＝１ｗｊ，ｖ，ｔ（ＩＶｃａｌｌｊ，ｔ－ＩＶｐｕｔｊ，ｔ）（９）其中Ｎｖ，ｔ代表ｔ日看涨期权和看跌期权的总交易量，ｗｊ，ｖ，ｔ代表ｔ日第ｊ份合约的交易量在当日总合约交易量中的占比㊂㊀㊀（四）新冠疫情期间羊群行为的测度新冠疫情作为突发性公共卫生事件对全球金融市场产生了较大冲击，很多学者研究了新冠疫情对羊群效应的影响，但并未得出一致结论㊂比如，有学者认为新冠疫情期间不７２１①②③④ＪｉａｎｐｉｎｇＬｉ，ＹａｎｚｈｅｎＹａｏ，ＹｉｂｉｎｇＣｈｅｎ，ｅｔａｌ， Ｏｐｔｉｏｎｐｒｉｃｅｓａｎｄｓｔｏｃｋｍａｒｋｅｔｍｏｍｅｎｔｕｍ：ＥｖｉｄｅｎｃｅｆｒｏｍＣｈｉｎａ ，ＱｕａｎｔｉｔａｔｉｖｅＦｉｎａｎｃｅ，ｖｏｌ．１８，ｎｏ．９（２０１８）．崔海蓉㊁李晶晶㊁鲁训法：‘买卖权平价关系偏离能预测现货市场收益吗？ 基于上证５０ＥＴＦ期权的实证研究“，‘金融发展研究“，２０２１年第８期㊂ＣｈａｒｌｅｓＣａｏ，ＴｉｍｏｔｈｙＳｉｍｉｎ，ＨａｎＸｉａｏ， Ｐｒｅｄｉｃｔｉｎｇｔｈｅｅｑｕｉｔｙｐｒｅｍｉｕｍｗｉｔｈｔｈｅｉｍｐｌｉｅｄｖｏｌａｔｉｌｉｔｙｓｐｒｅａｄ ，ＪｏｕｒｎａｌｏｆＦｉｎａｎｃｉａｌＭａｒｋｅｔｓ，ｖｏｌ．５１，ｎｏ．ｃ（２０２０）．Ｙａｗ－ＨｕｅｉＷａｎｇ，ＡｎｅｅｌＫｅｓｗａｎｉ，ＳｔｅｐｈｅｎＪ．Ｔａｙｌｏｒ， Ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎｓｅｎｔｉｍｅｎｔ，ｒｅｔｕｒｎｓａｎｄｖｏｌａｔｉｌｉｔｙ ，ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＦｏｒｅｃａｓｔｉｎｇ，ｖｏｌ．２２，ｎｏ．１（２００６）．ＬｉｕＭｉｎｇ－Ｙｕ，ＣｈｕａｎｇＷｅｎ－Ｉ，ＬｏＣｈｉｅｎ－Ｌｉｎｇ， Ｏｐｔｉｏｎｓ－ｉｍｐｌｉｅｄｉｎｆｏｒｍａｔｉｏｎａｎｄｔｈｅｍｏｍｅｎｔｕｍｃｙｃｌｅ ，ＪｏｕｒｎａｌｏｆＦｉｎａｎｃｉａｌＭａｒｋｅｔｓ，ｖｏｌ．５３，ｎｏ．ｃ（２０２１）．阅江学刊２０２３年第２期存在羊群行为，①而ＧｕｏｓｏｎｇＷｕ等研究发现，新冠疫情期间中国股市的羊群效应减弱了㊂②同时，相关研究仅涉及羊群效应的存在性及强度，并未深入探讨不同市场状态下新冠疫情对羊群效应的具体影响㊂新冠疫情期间全球股市涨跌幅度较大，投资者决策行为很可能与以往存在较大差异，因此，有必要专门分析新冠疫情对羊群效应的影响在上涨行情和下跌行情之间存在的差异性㊂将新冠疫情作为一个虚拟变量纳入模型（５）㊁模型（６）和模型（７），可以得到：ＣＳＡＤｔ＝α＋γ１Ｒｍ，ｔ＋γ２Ｒ２ｍ，ｔ＋γ３ＩＶＳｔ＋γ４ＤＣＯＶＩＤ－１９ˑＲ２ｍ，ｔ＋εｔ（１０）ＣＳＡＤＵｔ＝α＋γＵ１Ｒｍ，ｔ＋γＵ２Ｒ２ｍ，ｔ＋γＵ３ＩＶＳｔ＋γＵ４ＤＣＯＶＩＤ－１９ˑＲ２ｍ，ｔ＋εｔ（１１）ＣＳＡＤＤｔ＝α＋γＤ１Ｒｍ，ｔ＋γＤ２Ｒ２ｍ，ｔ＋γＤ３ＩＶＳｔ＋γＤ４ＤＣＯＶＩＤ－１９ˑＲ２ｍ，ｔ＋εｔ（１２）其中，ＤＣＯＶＩＤ－１９代表新冠疫情虚拟变量，以２０２０年１月２３日离汉通道关闭为界限，该日期之前ＤＣＯＶＩＤ－１９＝０，该日期之后ＤＣＯＶＩＤ－１９＝１，γ４㊁γＵ４和γＤ４为新增的模型参数㊂㊀㊀三、数据及描述性统计上证５０指数是从上海证券交易市场中挑选出规模大㊁流动性好的５０只股票组成样本股并通过加权方法计算得到的股票价格指数，用于综合反映上海证券交易市场最具影响力的优质大盘股的整体价格水平及其变动趋势㊂上证５０ＥＴＦ期权于２０１５年２月９日在上海证券交易所上市，是以上证５０交易型开放式指数证券投资基金（５０ＥＴＦ）为标的的期权，而上证５０指数就是上证５０交易型开放式指数证券投资基金的跟踪标的㊂因此，上证５０ＥＴＦ期权能够反映上证５０指数成分股的市场情绪㊂本文选取２０１５年２月９日至２０２１年１２月３１日作为上证５０指数成分股以及上证５０ＥＴＦ期权的样本期㊂在该样本期，如果上证５０指数成分股发生变更，那么应该用新的成分股替换被剔除的成分股㊂在处理期权数据时，剔除了日成交量小于５张的期权合约，以避免流动性缺失问题，同时删除剩余期限小于５天的合约，最终共得到１６５３份可用的期权数据，数据来源于国泰安数据库（ＣＳＭＡＲ）㊂在主要变量的测度指标选择方面，首先，考虑到ＣＳＳＤ对于市场收益的极端值比较敏感，并且不适合测度市场平静期的羊群行为，因而选用ＣＳＡＤ作为羊群行为的测度指标；其次，考虑到隐含波动率差能够反映市场价格压力，③与市场情绪正相关，④同时计算方便㊁时效性强，因而利用隐含波动率差来测度市场情绪㊂目前提取期权隐含信息的方法大体分为模型法和非模型法两种㊂⑤ＢＳ定价模型是模型法中较为常见的一种方法㊂大多数学者认为，当期权的行权价格数据量较少并且接近８２１①②③④⑤ＳａｎｄｒａＦｅｒｒｅｒｕｅｌａ，ＴａｎｉａＭａｌｌｏｒ， Ｈｅｒｄｉｎｇｉｎｔｈｅｂａｄｔｉｍｅｓ：Ｔｈｅ２００８ａｎｄＣＯＶＩＤ－１９ｃｒｉｓｅｓ ，ＴｈｅＮｏｒｔｈＡｍｅｒｉｃａｎＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃｓａｎｄＦｉｎａｎｃｅ，ｖｏｌ．５８，ｎｏ．ｃ（２０２１）．ＧｕｏｓｏｎｇＷｕ，ＢｏｘｉａｎＹａｎｇ，ＮｉｎｇｒｕＺｈａｏ， ＨｅｒｄｉｎｇｂｅｈａｖｉｏｒｉｎＣｈｉｎｅｓｅｓｔｏｃｋｍａｒｋｅｔｓｄｕｒｉｎｇＣＯＶＩＤ－１９ ，ＥｍｅｒｇｉｎｇＭａｒｋｅｔｓＦｉｎａｎｃｅａｎｄＴｒａｄｅ，ｖｏｌ．５６，ｎｏ．１５（２０２０）．ＪｉａｎｐｉｎｇＬｉ，ＹａｎｚｈｅｎＹａｏ，ＹｉｂｉｎｇＣｈｅｎ，ｅｔａｌ， Ｏｐｔｉｏｎｐｒｉｃｅｓａｎｄｓｔｏｃｋｍａｒｋｅｔｍｏｍｅｎｔｕｍ：ＥｖｉｄｅｎｃｅｆｒｏｍＣｈｉｎａ ，ＱｕａｎｔｉｔａｔｉｖｅＦｉｎａｎｃｅ，ｖｏｌ．１８，ｎｏ．９（２０１８）．ＣｈａｒｌｅｓＣａｏ，ＴｉｍｏｔｈｙＳｉｍｉｎ，ＨａｎＸｉａｏ， Ｐｒｅｄｉｃｔｉｎｇｔｈｅｅｑｕｉｔｙｐｒｅｍｉｕｍｗｉｔｈｔｈｅｉｍｐｌｉｅｄｖｏｌａｔｉｌｉｔｙｓｐｒｅａｄ ，ＪｏｕｒｎａｌｏｆＦｉｎａｎｃｉａｌＭａｒｋｅｔｓ，ｖｏｌ．５１，ｎｏ．ｃ（２０２０）．梁朝晖㊁郭翔：‘基于期权隐含波动率的股市风险预警研究“，‘上海金融“，２０２０年第７期㊂经济观察当前标的资产价格时，适合采用ＢＳ定价模型提取隐含波动率，而非模型法对期权行权价格数据的要求相对较高㊂鉴于上证５０ＥＴＦ期权上市时间不长，可获得的数据量有限，因此选用ＢＳ定价模型来提取隐含波动率，进而计算隐含波动率差㊂表１给出了各指标的描述性统计以及平稳性检验结果㊂从表１可知，ＣＳＡＤ均值为０．５６３，标准差为０．３２６㊂Ｒｍ，ｔ均值为０．０２２，标准差为１．４４９㊂市场收益的变异系数大于ＣＳＡＤ的变异系数，因而市场收益的波动幅度更大㊂在两种隐含波动率差中，ＩＶＳｏ，ｔ的均值小于ＩＶＳｖ，ｔ的均值㊂ＡＤＦ㊁ＰＰ两种平稳性检验的结果均在１％的显著性水平下一致拒绝序列有单位根的假设，所以ＣＳＡＤ㊁Ｒｍ，ｔ㊁ＩＶＳｏ，ｔ㊁ＩＶＳｖ，ｔ均为平稳序列㊂表１　变量的描述性统计及平稳性检验结果变量名样本数平均值中位数标准差最小值最大值ＡＤＦＰＰＣＳＡＤ１６５４０．５６３０．４６８０．３２６０．１３４２．７３９－５．７１２∗∗∗－２３．６７６∗∗∗Ｒｍ，ｔ１６５４０．０２２０．０３０１．４４９－９．３８２７．８３９－２９．７１４∗∗∗－４０．２５９∗∗∗ＩＶＳｏ，ｔ１６５４－０．０２１－０．００２０．０９３－０．９８５０．３７０－９．５２４∗∗∗－１０．４３６∗∗∗ＩＶＳｖ，ｔ１６５４－０．０１１－０．００２０．０９８－０．９０００．８８５－１０．１６３∗∗∗－１３．０５５∗∗∗㊀㊀注：ＰＰ和ＡＤＦ依次表示检验单位根的ＰＰ检验法和ＡＤＦ检验法，∗∗∗㊁∗∗分别表示在１％㊁５％的显著水平下通过检验，下表同㊂㊀㊀从图１可见，ＣＳＡＤ是随时间变化的，因而当ＣＳＡＤ较小时并不代表股票市场一定存在羊群行为，而可能是投资者对某个市场消息有类似的反应，从而使得个股收益与市场收益之间的离差减小㊂因此，要通过ＣＳＡＤ与市场回报之间的关系来检验羊群效应的存在性㊂图１㊀ＣＳＡＤ随时间的变化趋势图２刻画了ＣＳＡＤ与市场收益（Ｒｍ，ｔ）的关系㊂可见，在中国股市ＣＳＡＤ与市场收益之间并不存在严格的线性关系，非线性关系在市场收益分布的两端尤为明显，说明适合采用ＣＣＫ模型㊂图３描绘了隐含波动率差（ＩＶＳｏ，ｔ）的年度变化㊂可见，在整个样本期，隐含波动率差存在较大的波动幅度，大部分时段明显不为０，表明市场情绪是波动的㊂当隐含９２１阅江学刊２０２３年第２期图２㊀ＣＳＡＤ与市场收益（Ｒｍ，ｔ）的关系波动率差大于０时，说明看涨期权的隐含波动率大于看跌期权的隐含波动率，即看涨期权的价格相对于看跌期权被高估，此时买方压力大于卖方压力，市场情绪是积极的；反之，市场情绪是消极的㊂图３中有两次大幅波动㊂第一次是在２０１５ ２０１６年，隐含波动率差出现大幅波动，甚至达到最小值－０．９８５，这可能与２０１５年的股市大跌有关㊂在此背景下，投资者信心受挫，市场情绪较为悲观㊂第二次是在２０２０ ２０２１年，受新冠疫情的冲击，隐含波动率差又出现大幅波动，且一度下跌到－０．４附近，市场信心受到重创，但是随着一系列行之有效的防疫政策的实施，新冠疫情得到有效控制，市场信心逐渐恢复，隐含波动率差逐渐上升，且波动幅度逐渐减小㊂另外，在２０１９年，隐含波动率出现小幅下跌，这可能是中美贸易摩擦升级导致的结果，投资者对相关行业股票的未来走势较为悲观，因而市场上存在一定程度的悲观情绪㊂总的来看，隐含波动率差的变化与市场情绪的波动是一致的㊂图３㊀隐含波动率差随时间的变化趋势㊀㊀四、实证结果分析㊀㊀（一）羊群效应的存在性根据模型（２）检验上证５０指数成分股中的羊群效应，回归结果见表２㊂０３１经济观察表２㊀对羊群效应的检验结果变量模型（２）常数项０．３７８２∗∗∗（０．００００）Ｒｍ，ｔ０．２２９９∗∗∗（０．００００）Ｒ２ｍ，ｔ－０．０１８６∗∗∗（０．００００）ＡｄｊｕｓｔｅｄＲ２０．２３１２㊀㊀注：括号内为ｐ值，下表同㊂㊀㊀从表２可见，市场收益平方项（Ｒ２ｍ，ｔ）的系数γ２取值为－０．０１８６，且在１％的显著水平下通过检验，这说明上证５０指数成分股中存在显著的羊群效应㊂与美国股市等成熟市场相比，中国股市以散户投资者为主，散户投资者交易量在整个市场交易量中的占比超过８０％，而散户投资者相比于机构投资者，获得信息的成本较高，缺乏进行科学投资决策应具备的专业知识，他们习惯于观察其他投资者的交易行为，根据市场整体的短期走势制定自己的交易策略，因此中国股市更容易出现羊群行为㊂㊀㊀（二）上涨和下跌市场中的羊群行为不同市场涨跌状态下的羊群效应可能存在差异，或者说市场涨跌状态对羊群行为的影响可能存在非对称性㊂表３分别给出了在上涨市场和下跌市场状态下对羊群效应的检验结果㊂表３㊀不同市场涨跌状态下对羊群效应的检验结果变量模型（３）（上涨市场）模型（４）（下跌市场）常数项０．３９２１∗∗∗０．３５７７∗∗∗（０．００００）（０．００００）Ｒｍ，ｔ０．２１４５∗∗∗０．２５１０∗∗∗（０．００００）（０．００００）Ｒ２ｍ，ｔ－０．０１９７∗∗∗－０．０２００∗∗∗（０．００００）（０．００００）ＡｄｊｕｓｔｅｄＲ２０．１９３００．２６７１㊀㊀可以看出，市场收益平方项（Ｒ２ｍ，ｔ）的系数γＵ２和γＤ２均在１％的显著水平下通过检验，这表明无论市场上涨还是下跌，中国股市投资者均表现出显著的羊群行为㊂从γＵ２与γＤ２取值的大小来看，－０．０２００＜－０．０１９７，即γＤ２＜γＵ２，这说明与上涨市场相比，下跌市场中的羊群效应更强，因此在不同市场涨跌状态下，上证５０指数成分股的羊群效应具有非对称性㊂这在一定程度上表明，投资者对市场下跌的反应更激烈，损失厌恶心理更强烈，短期放弃自己私有信息并模仿市场整体交易行为的行为特征更明显㊂１３１阅江学刊２０２３年第２期㊀㊀（三）市场情绪与羊群效应市场情绪可能对羊群效应产生影响，表４是将ＩＶＳｏ，ｔ作为市场情绪测度指标时所对应的检验结果㊂表４　市场情绪（ＩＶＳｏ，ｔ）对羊群效应的影响变量模型（５）（整体市场）模型（６）（上涨市场）模型（７）（下跌市场）常数项０．３７３６∗∗∗０．３９０２∗∗∗０．３５４４∗∗∗（０．００００）（０．００００）（０．００００）Ｒｍ，ｔ０．２２６３∗∗∗０．２０７４∗∗∗０．２５２９∗∗∗（０．００００）（０．００００）（０．００００）Ｒ２ｍ，ｔ－０．０１８５∗∗∗－０．０１９１∗∗∗－０．０２０３∗∗∗（０．００００）（０．００００）（０．００００）ＩＶＳｏ，ｔ－０．２３５６∗∗∗－０．２９８７∗∗∗－０．１７０６（０．００２０）（０．００２４）（０．１５７２）ＡｄｊｕｓｔｅｄＲ２０．２３４４０．２００８０．２６８０㊀㊀从表４可见，纳入市场情绪指标后，反映羊群效应的系数γ２㊁γＵ２和γＤ２的估计值依次为－０．０１８５㊁－０．０１９１和－０．０２０３，且全部通过显著水平为１％的检验，因此市场仍存在显著的羊群效应㊂市场情绪的系数γ３和γＵ３取值依次为－０．２３５６和－０．２９８７，且在１％的显著水平下通过检验，但在市场下跌状态下，市场情绪的系数γＤ３（－０．１７０６）没有通过显著性检验㊂这说明市场情绪对上涨市场中羊群效应的影响是显著的，对下跌市场中羊群效应的影响不显著，但是从整体市场来看市场情绪对羊群效应的影响仍表现为显著㊂同时，市场情绪越积极，其对上证５０指数成分股羊群效应的影响越强，市场情绪对羊群效应的影响呈现非对称性㊂出现非对称性影响可能有两方面原因㊂一方面，在上涨市场中，当市场情绪高涨时，为了追求市场整体的收益率水平，投资者会模仿其他成功投资者的投资行为，从而增强了股市的羊群效应，而当市场情绪消极时，投资者更倾向于相信自己的投资组合，不轻易买卖新的股票，以避免产生损失，此时市场上的羊群效应在一定程度上减弱了㊂另一方面，在下跌市场中，由于处置效应的存在，投资者更倾向于持有亏损的股票而不进行任何新的投资操作，因而市场情绪的影响较弱㊂值得注意的是，当把市场情绪引入回归模型后，整体市场回归模型调整后的拟合优度（ＡｄｊｕｓｔｅｄＲ２）由０．２３１２上升到０．２３４４，上涨市场回归模型调整后的拟合优度由０．１９３０上升到０．２００８，下跌市场调整后的拟合优度由０．２６７１上升到０．２６８０，这说明引入市场情绪指标后，提高了模型的解释力，能够更好地描述上证５０指数成分股中的羊群效应㊂为了避免由于隐含波动率差计算方法的选择问题导致回归结果产生偏差，这里用基于交易量的隐含波动率差ＩＶＳｖ，ｔ来替换ＩＶＳｏ，ｔ，进行稳健性检验，结果见表５㊂可以看到，表５与表４的结果大体上是一致的，因而采用ＩＶＳｏ，ｔ进行回归分析得到的结果是稳健的㊂２３１。

股市行业波动的非对称性研究摘要：股市行业波动的非对称性是指不同行业在股市中的波动性质和波动幅度存在差别。

本文通过对股市行业波动的非对称性进行研究，探讨了其成因和影响因素，并提出了相应的对策和建议。

关键词：股市、行业波动、非对称性、成因、影响因素、对策、建议一、引言股市是一个高度不确定的市场，股票价格的波动受到多种因素的影响。

不同行业的股票价格波动性质和波动幅度存在差异，即股市行业波动的非对称性。

研究股市行业波动的非对称性对于投资者制定投资策略和风险管理具有重要意义。

二、股市行业波动的非对称性的成因1.宏观经济因素：宏观经济因素对股市行业波动的非对称性有重要影响。

不同行业对宏观经济的敏感程度不同，因此在经济形势良好时，一些行业的股价可能出现较大涨幅，而在经济形势不佳时，一些行业的股价可能大幅下跌。

2.行业内部因素：行业内部因素也是导致股市行业波动的非对称性的重要原因。

不同行业的发展阶段、市场竞争程度、盈利能力等因素都会影响行业股票的价格波动性质和波动幅度。

三、股市行业波动的非对称性的影响因素1.行业特性：行业特性是影响股市行业波动的非对称性的重要因素。

一些高科技行业和新兴产业由于其高风险和高回报的特点，股价波动性较大；而一些传统行业由于其稳定的盈利和市场地位，股价波动性较小。

2.市场情绪：市场情绪对股市行业波动的非对称性也有较大影响。

股市投资者对不同行业的情绪反应不同，一些行业在市场情绪好的时候可能出现较大涨幅，而在市场情绪不佳时可能大幅下跌。

四、应对股市行业波动的非对称性的对策和建议1.分散投资：根据股市行业波动的非对称性，投资者可以通过分散投资的方式降低风险。

选择不同行业的股票组合进行投资，可以有效分散股票价格波动的风险。

2.灵活调整持仓：根据市场情绪的变化和行业特性的差异，投资者可以灵活调整持仓，及时买入或卖出股票，以获取更好的投资回报和风险管理效果。

3.关注宏观经济：投资者应密切关注宏观经济的变化，特别是一些对行业有重大影响的宏观经济指标。

股市行业波动的非对称性研究
在股票市场中，不同行业之间的波动性往往存在着非对称性，即某些行业的股价波动
往往比其他行业更为剧烈。

这种非对称性波动会对投资者带来很大风险和挑战。

本文将探
讨股市行业波动的非对称性问题。

一、原因分析
1.行业性质不同
不同行业具有不同的商业性质，不同的业务结构、利润模式和周期性。

例如，金融行
业的股价波动性往往要比其他行业的股价波动性更大，这是由于金融行业受到宏观经济形势、货币政策、利率、汇率和资产价格等影响更加显著。

2.行业规模
行业规模较小的公司股票波动性往往更大，这是因为市场环境对小公司的影响更加明显。

小公司经营的不稳定性、生命周期短暂等因素均构成了其股价波动较大的主要特征。

另外，行业巨头的稳定性通常更高，股价波动的幅度较小。

3.市场影响
市场波动是导致行业波动非对称性的一个重要因素。

行业的股价波动受到整个市场的
影响，市场走势强劲时，在不同行业中表现良好的公司股票往往可以取得更好的表现。

4.公司财务状况和业绩表现
公司自身的经营状况及其业绩水平对其股价波动性也有很大的影响。

业绩强劲的公司
股价波动往往相对较小，而业绩疲软的公司股价波动会加剧。

二、行业波动对投资者的影响
行业波动的非对称性会影响投资组合的风险和收益。

投资者应该通过分散投资的方式，降低单个行业对投资组合的影响。

此外，投资者应该关注公司自身的财务状况和业绩表现，避免过度依赖某些行业或公司。

三、结论。

股市行业波动的非对称性研究随着全球化和互联网技术的发展，股市行业波动已成为金融领域的热点研究课题之一。

股市行业波动的非对称性是指在市场上行情波动的情况下，不同行业的股票价格波动表现出不同的非对称性特征。

非对称性研究是股市领域中一个极具挑战性的问题，对于深入理解市场波动的本质和特征具有重要意义。

一、股市行业波动的背景和意义二、股市行业波动的非对称性特征1. 行业间波动的差异性不同行业的股票价格波动具有明显的非对称性特征。

一些行业的股票价格波动比较平稳，波动幅度较小，而另一些行业的股票价格波动则相对较大，波动幅度不规律。

这种差异性表现为不同行业的股票价格波动呈现出非对称性的特征。

2. 单一行业内波动的不对称性不同行业的结构特征不同，因此股票价格波动的非对称性也在一定程度上受到行业结构的影响。

一些行业的结构特征比较稳定，行业内企业数量较少，市场份额比较集中，因此股票价格波动相对较平稳；而另一些行业的结构特征则相对较为复杂，行业内企业数量较多，市场份额分布不均衡，因此股票价格波动较为剧烈。

3. 行业政策的导向性政府的宏观调控政策也会对不同行业的股票价格波动产生一定影响。

一些行业受到政府政策的支持和扶持，因此股票价格波动相对较平稳；而另一些行业受到政府政策的打压和制约，股票价格波动则较为剧烈。

1. 投资决策的不确定性股市行业波动的非对称性使得投资决策更加不确定。

由于不同行业的股票价格波动呈现出不同的非对称性特征，因此投资者在进行投资决策时需要更加谨慎，以免造成投资损失。

2. 投资风险的增加3. 投资效益的提高深入研究股市行业波动的非对称性，有助于提高投资效益。

只有深入了解股市行业波动的非对称性特征，投资者才能更准确地把握市场行情，提高投资效益。

1. 基于大数据的深度分析随着信息技术的发展，大数据已成为一个重要的研究手段。

将大数据技术应用于股市行业波动的非对称性研究中，可以更加深入地了解不同行业的股票价格波动规律和特征，为投资者提供更准确的投资决策信息。

股市行业波动的非对称性研究摘要：股票市场是一个非常复杂的系统，在这个系统中不同行业的股票价格波动存在明显的非对称性。

本文通过对股市行业波动的非对称性进行研究，分析了其原因和影响因素，并提出了一些调控方法和策略。

关键词：股市；行业波动；非对称性；影响因素；调控方法一、引言股票市场是投资者追求利益最大化的重要途径之一，而股市行业波动的非对称性对投资者的决策和风险管理有着重要的影响。

由于股票市场是一个复杂的系统，其行业波动的非对称性并没有得到足够的关注和研究。

1. 行业因素：不同行业具有不同的市场结构和竞争环境，这决定了其股票价格波动的特征不同。

一些新兴行业可能会呈现出较高的波动性，而传统行业则更趋于稳定。

2. 市场因素：股市行业波动的非对称性也与整个市场的风险偏好有关。

在市场风险偏好较高的时候，一些高风险的行业可能受到更大的关注和波动；而在市场风险偏好较低的时候，一些低风险的行业则相对较为稳定。

3. 政策因素：政府的宏观调控政策也会对股市行业波动产生影响。

一些行业可能会受到政府的资金扶持或者相关政策的支持，从而在市场上呈现出较大的波动性。

1. 供求因素：股市行业波动的非对称性主要是由供求关系的变化引起的。

当供大于求时，股票价格可能会上涨；反之，当供小于求时，股票价格可能会下跌。

不同行业的供求关系不同，从而导致其价格波动的非对称性。

2. 市场情绪因素：市场情绪对股市行业波动也有一定的影响。

当市场情绪较为乐观时，投资者可能会更加关注高风险的行业，从而导致其价格波动较大。

而当市场情绪较为悲观时，投资者可能会更加关注低风险的行业，从而导致其价格波动较小。

1. 完善市场监管：加强对股票市场的监管，减少市场操纵和不正当交易行为的发生，提高市场的公平性和透明度，从而减少非理性的价格波动。

2. 引入衍生品市场：通过引入衍生品市场，可以增加投资者对于行业波动的对冲工具，从而降低其价格波动的非对称性。

3. 提高投资者的风险意识：加强对投资者的教育和培训，提高他们对于行业波动的理解和认知，从而减少非理性的投资行为。

股市行业波动的非对称性研究
股市行业的波动性是指股市中不同行业在不同时间段内股价发生的变化。

股市行业波动具有非对称性，主要是由于不同行业的市场因素不同以及行业内股票的市场结构不同所致。

本文将从市场因素和股票市场结构的角度分析股市行业波动的非对称性。

市场因素的非对称性
市场因素是影响股市行业波动的主要因素之一，不同行业的股价变化受到不同市场因素的影响。

例如，化工行业的股价受到原材料价格、市场需求、政策法规等因素的影响；金融行业的股价受到利率、政策、经济形势等因素的影响。

因此，当市场因素变化时，不同行业的股价变化也会有所不同，导致行业之间的非对称性。

此外，不同行业的市场因素的波动频率也不同，例如，房地产行业的市场因素较为稳定，变化较为缓慢，而科技行业的市场因素则较为复杂，变化较为迅速。

这种非对称性使得不同行业的股价变化有所不同，导致行业之间的非对称性。

股票市场结构也是影响股市行业波动的重要因素，不同行业的股票市场结构也不同。

例如，家电行业和医药行业拥有较多的龙头企业，这些企业占据了市场的主导地位，会对行业内其他股票的价格产生影响；而煤炭行业则同时存在国有企业、民营企业等不同类型的企业，市场竞争较为激烈，导致股价的波动较为剧烈。

此外，不同行业的上市公司数量也不同，如果某个行业的上市公司数量较少，市场风险就会更大，股价的波动也会更大。

另外，不同行业的股票流通性也不同，股票流通性越高，其价格波动幅度就越大，反之则越小。

结论。

股市行业波动的非对称性研究
股市行业波动的非对称性研究是一项研究股市行业的波动性是否存在非对称性的研究。

通过分析股市行业的波动情况，探寻股市行业的非对称性特征。

股市行业的波动被认为是投资者最关注的一个指标，因为它直接影响到投资者的收益。

在股市中，不同行业的波动性可能存在差异，有些行业的股价波动性可能较大，而有些行
业的股价波动性可能较小。

从股市行业的角度来看，波动性非对称性意味着不同行业的股
价在上涨和下跌时可能存在不同的幅度和速度。

通过对股市行业波动性的非对称性进行研究，可以帮助投资者更好地把握股市行业风
险并制定相应的投资策略。

如果某个行业的股价在上涨时波动较小，在下跌时波动较大，
那么投资者可以选择在行业上涨时买入，行业下跌时卖出，以减少投资风险。

而如果某个
行业的股价在上涨和下跌时波动基本相同，那么投资者可以选择长期持有该行业的股票，
以获得更稳定的收益。

在实证研究中，研究者通常会选择一定数量的股票来代表一个行业，并计算股票价格
的波动性指标（如标准差）来衡量行业的波动性。

然后，通过对这些波动性指标进行统计
分析和比较，来判断不同行业的波动性是否存在非对称性。

股市行业波动的非对称性研究是一个重要的研究领域，对投资者和监管机构都具有重
要意义。

希望通过这项研究，可以更好地理解和应对股市行业的波动性。

我国股市信息非对称效应的影响因素研究本文运用T-Garch-M模型对我国股票市场的特征风格指数和不同样本期的综合指数进行实证分析，结果表明：市道、市盈率高低、盈利状况、股价高低和股票风格特征等因素对我国股票市场信息非对称反应有显著影响，股票规模大小对非对称性反应的影响不显著。

关键词：非对称效应T-Garch-M 股市信息有效市场理论认为，股票价格的波动是对各种信息的反应，投资者对信息的理解不受其他外在因素的影响，而总是能理性地做出理解判断。

如果投资者对信息的理解是非对称的和不稳定的，这就对有效市场理论的基础提出质疑。

尤其在弱式有效市场上，这种对新信息过度反应的情况普遍存在，这使得重大“利好”或“利空”信息出台后股票价格在短时期内发生巨幅波动，这就是股票市场的信息非对称性效应。

关于股票市场对“利好”或“利空”信息的反应在国外已有广泛探讨，这一研究对于股票市场资产定价、投资组合构造与风险头寸的确立都有重要的作用。

国内外有关股市信息的研究综述国外的研究结果发现，“利好”或“利空”信息对股价波动的影响是非对称的。

这种非对称效应在很多国家和地区的股票市场都存在，如Nelson(1991)运用Egarch模型发现美国股市报酬波动具有不对称性的现象。

Campbell和Hentehel(1992)运用Quadratic Garch模型发现美国股票月报酬与日报酬的负偏和尖峰的特性。

Rabemananjara和Zakolin(1993)运用T-Garch模型研究法国股票市场的报酬，发现条件波动有不对称性的证据，并且指出不对称性可能会因为冲击程度的大小而反转。

Cheung和Ng(1992)发现在美国，Poon和Taylor(1992)发现在英国的股票市场均存在对“好消息”和“坏消息”非对称性反应的现象。

Engle和Ng(1993)利用日本的股票市场数据来比较Egarch模型、Agarch模型、Ngarch模型、Vgarch模型与GJR-Garch模型等，发现在捕捉条件波动不对称性的优劣方面GJR-Garch模型是最好的不对称参数波动模型。

股市行业波动的非对称性研究
股市行业波动的非对称性是指不同行业之间在股市波动中出现的差异性。

这种非对称性的存在影响着投资者的选择和股市的整体风险。

研究股市行业波动的非对称性有助于深入了解不同行业之间的关联性以及对整体市场的影响程度。

这对于投资者来说非常重要，可以帮助他们更好地配置资产和管理风险。

研究股市行业波动的非对称性需要选择一定的时间段和相关的行业指数。

通常，研究者会选择一段时间内的股票收益率数据，以及对应的行业指数数据。

通过计算这些数据的相关性和波动性指标，可以获得行业波动的非对称性。

需要考虑到不同行业之间的关联性。

在研究股市行业波动的非对称性时，通常会采用相关系数、协方差、相关性矩阵等方法来衡量不同行业之间的关联程度。

通过这些方法，可以得到不同行业之间的相关性指标，从而更好地理解行业之间的波动性差异。

还需要考虑到不同行业的特殊性。

每个行业都有其自身的特点和因素，这些因素在股市波动中可能会发挥不同的作用。

在研究股市行业波动的非对称性时，需要考虑到不同行业的特殊性，并将其纳入到分析模型中。

这可以通过指标分析、回归分析等方法来实现。

股市行业波动的非对称性研究股市行业波动的非对称性是指不同行业的股票价格在市场走势中表现出不同的波动情况。

这种现象是股票交易市场常见的一种现象，并且是影响股票交易风险和收益的一个重要因素。

本文将探讨股市行业波动的非对称性研究。

首先，有关行业的基本面因素是引起行业波动非对称性的一个重要因素。

行业之间的基本面因素具有很大的差异。

一些行业的基本面比较稳定，如公共服务和基础设施行业；而另一些行业的基本面则较为波动，如科技和金融行业。

这种差异会导致股票价格对市场变化的反应也会有所不同。

一些基本面较为稳定的行业，如公共服务和基础设施行业，股票价格的变化往往比较缓慢，且较为保守。

而一些基本面较为波动的行业，如科技和金融行业，股票价格的变化则非常迅速，且非常明显。

因此，针对不同行业的波动情况，可以采用不同的交易策略，以达到更好的收益效果。

其次，市场流动性和风险水平也是行业波动非对称性的一个重要因素。

在行业基本面较为稳定的情况下，市场流动性和风险水平会对行业的股票价格变化产生较为明显的影响。

如果市场流动性较好，交易成本较低，那么股票价格的波动也会比较缓慢。

相反，如果市场流动性较差，那么股票价格的波动就会非常剧烈。

此外，风险水平也会对股票价格产生重要影响。

如果风险水平较高，投资者的风险意愿会减弱，从而影响股票价格。

同样的，如果风险水平较低，投资者的风险意愿会增强，从而也会产生更明显的影响。

最后，政策和法规的变化也是导致股市行业波动非对称性的一个重要因素。

政策和法规的变化可能会对不同行业产生不同的影响。

例如，如果政府出台了一系列支持科技创新行业的政策，那么该行业的股票价格就会上涨，而其他行业则不会产生如此明显的变化。

因此，投资者应该密切关注政策和法规的变化，以及其在不同行业中的影响。

通过了解政策和法规变化，可以更好地把握不同行业股票价格的波动情况，从而制定更为精准的投资策略，以获得更好的收益效果。

总之，股市行业波动的非对称性是投资者在股票交易中需要重视的一个关键因素。

股票市场波动非对称性的实证研究标题：1. 股票市场波动非对称性测度方法的探究2. 股票市场波动非对称性的存在及分析3. 股票市场非对称性波动因素的影响研究4. 股票市场波动非对称性与风险溢价关系的探讨5. 股票市场非对称性波动对投资决策的启示一、股票市场波动非对称性测度方法的探究股票市场波动历来是风险投资者需要面对的重要问题。

而波动的非对称性则给人们带来了更多的不确定因素。

在这里，我们将阐述如何通过不同的测度方法来衡量股票市场波动的非对称性，这可以帮助投资者减少风险，最大化收益。

二、股票市场波动非对称性的存在及分析波动的非对称性是股票市场常见的现象。

它带来的不确定因素和风险相较于普通波动会更大，对于投资者而言要特别注意。

在这里，我们将对股票市场波动非对称性的存在进行详细的分析，并为投资者提供一些防范性的建议。

三、股票市场非对称性波动因素的影响研究股票市场波动非对称性的产生因素众多，政策、国际贸易、自然灾害等都会对其产生一定的影响。

在这里，我们将具体研究各因素对波动非对称性的影响程度，以及其产生的原因，为投资者提供一些参考信息。

四、股票市场波动非对称性与风险溢价关系的探讨波动的非对称性对于股票市场的风险溢价有怎样的影响？这是一个值得深入研究的问题。

在这里，我们将对波动非对称性与风险溢价的关系进行探讨，并为投资者提供一些有效的投资建议。

五、股票市场非对称性波动对投资决策的启示股票市场的波动非对称性对于投资者的决策有着重要的影响。

在这里，我们将通过对已有研究成果汇总，总结出股票市场非对称性波动对投资决策的启示，在投资过程中帮助投资者更好地把握市场脉络，做出更明智的投资决策。

1. “黑色星期一”事件“黑色星期一”是1987年10月19日美国股市遭遇的一大经济危机。

当时华尔街的道琼斯指数猛跌22.6%，这是20世纪以来的最大单日跌幅，引起了全球股市的恐慌性下跌。

这场危机的爆发，也凸显了波动非对称性的问题。

中国股市波动的非对称性研究近年来，中国股市的波动一直是学术界和投资者关注的焦点。

对于股市波动的研究，学者们一直致力于探索其非对称性。

非对称性是指股市在上涨和下跌过程中的波动幅度不一致，即当市场上涨时，波动幅度较小，而当市场下跌时，波动幅度较大。

本文将对中国股市波动的非对称性进行研究。

首先，中国股市波动的非对称性可以从市场情绪角度解释。

根据行为金融学的理论，投资者在面对利好消息时更加乐观，容易导致市场上涨，而在面对利空消息时更加悲观，容易导致市场下跌。

因此，当市场上涨时，投资者的情绪较为积极，对市场的波动有一定的抑制作用；而当市场下跌时，投资者的情绪较为消极，对市场的波动有一定的放大作用。

其次，中国股市波动的非对称性还可以从资金流动角度解释。

在中国股市中，个人投资者占据了相当大的比例，其中包括许多散户投资者。

这些散户投资者在市场上涨时倾向于追涨杀跌，追逐热门品种，导致市场上涨的幅度相对较小；而在市场下跌时，散户投资者更容易恐慌抛售，导致市场下跌的幅度相对较大。

此外，中国股市波动的非对称性还可以从市场机制角度解释。

中国股市采用了涨跌停板机制，即当股价涨跌幅达到一定限制时，停止交易，导致市场上涨或下跌的幅度受到限制。

当市场上涨时，涨停板的限制导致波动幅度较小；而当市场下跌时，跌停板的限制对波动幅度的放大起到了一定的作用。

综上所述，中国股市波动的非对称性可以从市场情绪、资金流动和市场机制角度进行解释。

这些因素相互作用，共同影响着股市的波动。

研究股市波动的非对称性有助于投资者更好地理解市场行为，制定更为合理的投资策略。

然而，需要注意的是，股市波动的非对称性是一个复杂的问题，还有许多其他因素需要进一步研究和探索。

股市行业波动的非对称性研究
股市是一个充满波动的市场，不同行业的股票价格也常常出现不同程度的波动。

研究
股市行业波动的非对称性可以帮助投资者更好地了解行业间的差异，提高投资决策的准确性。

我们需要明确什么是非对称性。

在股市中，波动性指的是价格的变动程度。

非对称性
则指的是价格上涨和价格下跌之间的波动程度不一样。

也就是说，价格上涨时的波动可能
会比价格下跌时的波动更大，或者反过来。

为了研究股市行业波动的非对称性，我们可以通过以下几个步骤进行。

我们需要选择一个合适的指标来度量股票价格的波动。

常用的波动度量指标包括标准差、波动率等。

这些指标可以帮助我们计算出波动的大小。

我们需要确定研究的样本期间。

可以选择一段较长的时间，比如十年或者更长，以获
得更加准确和全面的结果。

然后，我们需要选择研究的样本行业。

可以选择几个具有代表性的行业，比如金融、
科技、能源等。

通过研究不同行业的波动性，我们可以得出不同行业之间的非对称性情
况。

接下来，我们可以计算每个样本行业在不同市场情况下的波动性。

可以选择不同的时
间段，比如牛市、熊市或者震荡市，计算不同行业的波动性。

我们可以对结果进行统计分析。

通过比较不同行业在价格上涨和价格下跌时的波动性，我们可以判断行业波动的非对称性。

通过以上研究步骤，我们可以得出股市行业波动的非对称性情况。

这些研究结果可以
帮助投资者更好地了解不同行业的特点，在投资决策中更加准确和理性。

中国股市波动非对称性的实证研究的开题报告题目：中国股市波动非对称性的实证研究一、选题背景随着中国股市的不断发展，股市波动的问题也逐渐凸显。

股市波动主要受大量因素的影响，其中最重要的因素是市场供求关系和投资者情绪。

中国股市波动的非对称性表现在，股市在下跌时波动幅度比上涨时更大，这种非对称性波动对投资者造成了很大的影响。

目前，国内外对于股市波动非对称性的研究较为广泛，但大多数研究都是在西方国家的股市进行的，缺乏对中国股市的研究。

因此，本文以中国股市为研究对象，旨在实证研究中国股市波动非对称性的存在与成因。

二、研究内容及主要贡献本文将从以下四个方面进行研究：1.中国股市波动非对称性的实证检验。

本文将采用ARCH/GARCH模型，通过收集完整的中国股市历史数据，以寻找波动的非对称性情况，进行实证检验。

2.中国股市波动非对称性与市场供求关系的关系。

本文将分析市场供求关系对于中国股市波动非对称性的影响，并探讨供求因素对于股市波动非对称性的调节作用。

3.中国股市波动非对称性与投资者情绪的关系。

本文将分析投资者情绪对于中国股市波动非对称性的影响，并探讨投资者情绪对于股市波动非对称性的调节作用。

4.中国股市波动非对称性的原因分析与政策建议。

本文将分析股市波动非对称性的成因，并提出相应的政策建议，以尽可能减少非对称性波动对投资者的影响。

本文的主要贡献在于：1.针对中国股市非对称性波动展开全面研究。

国内并没有对中国股市非对称性波动进行深入研究的文献，因此本文填补了这一空白。

2.通过实证检验验证了中国股市的非对称性波动存在。

3.探究了市场供求关系和投资者情绪对于股市非对称性波动的影响，为政策提供了有益参考。

三、论文结构安排本文的章节安排如下：第一章：绪论。

主要介绍研究的背景、目的、意义及研究内容。

第二章：文献综述。

主要对国内外有关股市波动非对称性的相关研究进行综述。

第三章：模型和数据。

主要介绍本文所使用的模型以及数据来源。

股票市场波动非对称性的实证研究金融市场的波动有许多特点，股票市场波动的非对称性是指同等程度的利好消息与利空消息对股票市场波动的影响不相同。

本文针对我国上海股票市场波动的非对称性展开深入的实证研究，得出与国外股票市场相反的结论，即在我国上海股票市场，同等程度的利好消息对波动的影响更大。

最后从投资者结构、心理和交易机制等方面解释这种现象。

一、文献综述由于金融资产的波动性是确定金融衍生工具(如证券、期货等)价格的关键因素，同时，它也反应金融资产(如股票)价格的波动风险，因此，弄清楚证券市场波动是市场交易者、投资者、风险管理者以及寻求弄清楚市场动态的学者们非常感兴趣的问题。

到目前为此，国外应用ARCH (Autorenressive Conditional Heteroskedasticity)和GARCH(Generalized ARCH)模型来研究股票波动性已取得了较为丰富的成果。

ARCH模型是由Engle提出的，因其在这方面的杰出的研究成果而获得了2003年度的诺贝尔经济学奖。

Zakoian(1994)和Glosten,Jananathan以及Runkle(1993)在ARCH模型的基础上提出了TARCH模型，并用此模型来研究股市波动性的杠杆效应。

Nelson(1991)则提出了EGARCH 模型，并用此模型来研究股市对“好消息”和“坏消息”的不对称反应问题。

Engle和Ng(1993)绘制了股票市场对好消息和坏消息的反应曲线。

针对股票市场波动的非对称性，国外许多学者提出各种模型对世界各个金融市场进行了实证研究，研究结果表明在大多数发达国家的股票市场均存在显著的波动非对称性，而且在与相同大小的利好消息相比，利空消息对波动性的影响更大。

Campbell & Hentschel(1992)认为这种现象可以由“杠杆效应”(Leverage effect)或“反馈效应”(Feedback effect)来解释。