中国股波动率的非对称性-厦门大学学术典藏库

作者： 吴亮[1];邓明[2,3]
作者机构： [1]阜阳师范学院数学与计算科学学院,安徽阜阳236041;[2]厦门大学经济学院财政系,福建厦门361005;[3]中国社会科学院城市发展与环境研究所,北京100836
出版物刊名： 上海金融
页码： 75-81页
年卷期： 2014年 第6期
主题词： 收益率;交易量;分位数因果关系检验;非对称
摘要：本文利用Chuang等（2009）提出的分位数Granger因果检验办法，基于1997至2013年上海证券交易市场和深圳证券交易市场的日交易数据。

研究中国股票市场上收益率与交易量之间存在的非对称因果关系。

本文的研究结果表明：（1）在全样本上，收益率和交易量之间存在显著的双向因果关系，而且这种因果关系随分位数不同而呈现出显著的非对称特征；（2）子样本上，交易量一阶滞后项对收益率的作用通常在低分位点和高分位点上显著，而在分布的中间位置通常不显著，收益率一阶滞后项对交易量的作用在大部分分位点上是显著的，但是在熊市的低分位点和牛市的高分位点上并不显著。

2011年第3期(总第380期)金融理论与实践股权结构和信息非对称:中国股市的经验证据田存志,王海军（暨南大学经济学院,广东广州510632）摘要：本文首先采用1分钟的高频数据和MRR （Madhavan,Richardson &Roomans,1997）模型测算出沪深股市的信息非对称程度；然后引入上市公司的股权结构因素，实证分析了股权结构对市场信息非对称程度的影响。

研究结果表明：内部人持股比例、流通股比例、股价及成交量与信息非对称程度呈正相关关系；机构持股比例、股权集中度、管理层持股比例及股权转让比例与信息非对称程度呈负相关关系。

文章在实证研究的基础上，提出了相关政策建议。

关键词：信息非对称；股权结构；MRR 模型；中国上市公司文章编号：1003-4625（2011）03-0003-05中图分类号：F830.91文献标识码：AAbstract:By means of high-frequency data,we firstly measure the degree of information asymmetry in China’s stock market using the techniques of Madhavan,Richardson and Roomans (1997).Then we an-alyze the influence of ownership structure on information asymmetry.The conclusion shows that insider shareholders,circulating shares,price and volume have positive impact on information asymmetry,while institution investor,the degree of concentration of shareholders,manager shareholders and the transfer of shares have negative pact on information asymmetry.Based on our empirical results,we fi-nally give some policy recommendations.Key Words:Information Asymmetry;Ownership Structure;MRR Model;Chinese Listed Companies收稿日期：2011-01基金项目：本文得到国家社科基金项目“机构投资者对中国股市波动的作用与机制研究”（07CJL015）和暨南大学引进人才项目（2009JSYJ002）的资助。

The Behavioral Explanation of Volatility Asymmetry
in Chinese Stock Market
作者： 卢斌[1] 王霞[2]
作者机构： [1]南京大学工程管理学院,江苏南京210093 [2]南京财经大学金融学院,江苏南
京210003
出版物刊名： 南京财经大学学报
页码： 36-41页
主题词： 波动非对称性 杠杆效应 EGARCH模型 TARCH模型 损失厌恶
摘要：本文采用EGARCH与TARCH模型，以2003年6月30日至2008年6月27日的上证综指和深证综指日收益率为研究样本，对中国股票市场价格波动的非对称效应进行了检验，证实了
中国股票市场存在对信息反应的不平衡，即：“利空消息”对股票价格的冲击大于“利多消息”对股票价格的冲击。

鉴于国内研究对这种不对称的解释仅限于宏观层面，本文基于行为金
融学理论，从投资者非理性行为出发，研究得出投资者的损失厌恶与反应过度的认知偏差是导
致其对“利空消息”反应过度的根本原因。

沪深股市收益率的波动性、非对称性以及溢出效应作者：陆俞廷来源：《商情》2016年第16期【摘要】本文基于ARCH族模型，选取2007-2014年沪深股市每日收盘价格指数，对沪深股市收益率的波动性、非对称性以及溢出效应进行了研究。

研究发现，沪深股市的收益率具有显著的波动性和非对称性，通过Granger因果关系检验我们发现，沪深股市存在溢出效应，即深市的波动将会引起沪市的波动，而沪市的波动对深市的波动同样会产生显著影响。

针对中国沪深股市存在的问题，本文提出了相应的政策建议。

【关键词】ARCH族模型；波动性；非对称性；溢出效应；收益率引言1990年12月19日上海证券交易所的成立以及1991年7月3日深圳证券交易所的成立标志着中国股票市场的诞生。

中国股票市场经过将近20年的发展，已经初具规模，在优化资源配置，筹集资金和支持经济建设方面作出了巨大的贡献。

但不可否认的是，我国的股票市场与发达国家相比仍然有较大的差距，主要表现为政府对股市的过分干预、信息不对称、监管薄弱以及市场投机成分高等特点，这也导致了中国股票价格的大幅度波动和不稳定。

股票价格的波动是股市最基本的特征之一。

金融市场的有效性理论认为金融资产的价格是一种无规律的随机波动，然而，现代金融理论研究表明金融资产价格的波动不仅仅是一种随机变化，而表现出更加复杂的特性。

首先，金融资产的收益率表现出一种“尖峰厚尾”的特征。

实证研究发现，金融资产收益率，尤其是股票、证券收益率的分布显著的异于正态分布，即其偏度与峰度值均异于正态分布，偏值为非零，而峰值则大于3。

波动的群集性也是金融资产价格的一个显著的特点，金融资产的波动表现出聚类现象，即在一个较大幅度波动后面往往跟随着较大的波动，一个小幅度波动后亦跟随着较小的波动。

一、模型的设定、数据的采集与统计分析（一）模型的设定金融市场中的时间序列数据往往会表现出“波动群集”和“高峰厚尾”的特征，为了分析沪深股市收益率的波动性、非对称性以及溢出效应，我们引入ARCH族模型对资产收益率的方差进行估计。

作者： 侯青[1];梅强[2];王娟[1]
作者机构： [1]江苏大学财经学院,江苏镇江212013;[2]江苏大学工商管理学院,江苏镇江212013
出版物刊名： 统计与决策
页码： 132-134页
主题词： 非对称性;逆杠杆效应;非对称模型;羊群行为;股市监管
摘要：文章以1997年1月2日至2007年12月28日上海证券市场综合指数为样本，根据股指波动情况．划分为三个阶段，运用EGARCH和TARCH模型实证研究中国股票市场价格波动的非对称性．分析股票市场波动非对称性的生成机理，提出基于股市波动非对称性政府监管的基本原则．为政府监管股票市场、制定股票市场发展规划与政策，提供具有一般性意义的分析思路和模式，为投资者预测并规避风险提供决策依据。

文章编号：1000-2375（2002）03-0214-04中国股市波动集簇性和不对称性研究陈千里（华中科技大学经济学院，湖北武汉430074）摘要：利用GARCH 类模型，以上证综合指数为对象对中国股市波动进行实证研究.新的证据显示中国股市波动的集簇性和不对称性是显著的，并在中国股市的背景下对集簇性和不对称性的几种经济解释进行了理论分析.关键词：上证综指；GARCH ；波动集簇性；波动不对称性中图分类号：F22文献标识码：A收稿日期：2002-03-28作者简介：陈千里（1964-），男，硕士生，讲师!引言时间和不确定性是现代金融学的两大基本要素.不确定性导致金融市场上资产价格波动的随机性，如何更深刻理解波动的随机性并从中探寻其规律性，不仅对金融理论而且对金融实践均具有重要意义.现代金融理论的基础是风险与收益的关系，而资产价格的波动一定程度反映了资产的风险.金融实践中，对价格波动如何随时间变化的理解是投资者在决策过程中面临的主要问题之一.市场投资者可以利用对波动的预测来进行风险管理、衍生证券的定价与对冲、市场时机的把握和投资组合的选择.对发达成熟金融市场的长期研究使人们了解到其波动的一些规律，波动集簇性（voIatiIity -cIuster-ing ）是其普遍存在的特征之一，金融市场上大的价格变化，无论是正是负，往往跟随着大的价格变化，小的价格变化常常伴随着小的价格变化（EngeI （1982）和BoIIersIev （1986））.对产生波动集簇性的基本经济原因仍在探索中，一种解释是基本信息流是序列相关的，另一解释认为波动集簇性是在具有不同看法的风险厌恶交易者的市场上价格形成过程的结果.对股票市场的研究发现另一波动特征：波动的不对称性（voIatiIity -asymmetry ）［1］，对股票收益的负冲击会产生比同等大小的正冲击更大的波动性，即坏消息和好消息在对市场波动的影响程度上具有不对称性.对此有两种解释：杠杠效应（Ieverage effect ）［2］和波动反馈效应（voIatiIity feedback effect ）.我国股票市场既有新兴市场的特点，如与发达成熟市场相关程度低、市场有效性差等，又有转型经济的特色，如独特的股权结构和投资者结构、市场机制存在缺陷等.对我国股票市场的波动性研究，特别是利用主流方法如广义自回归条件异方差模型（GARCH ）和随机波动模型（Stochastic VoIatiIity ModeI ）的研究尚处起步阶段，本文以1997~2000年每个交易日的上证综指为研究对象，利用GARCH 模型对中国股市波动的集簇性和不对称性进行实证研究，证据显示波动的集簇性和不对称性是显著的，并在中国股市背景下对几种解释进行了理论分析."模型以P c 表示某一股票或股票组合的c 日收盘价，R c 表示此股票或股票组合从c -1日到c 日的连续复合收益百分数（%）R c =100（In P c -In P c -1）I c -1表示投资者在c -1日决策时可获得的所有信息集，以此信息为基础决策所获的c 日期望收益为y c =E（R c l I c -1），即给定I c -1时R c 的条件均值.在此定义下未预期收益为R c -y c =!c .EngeI and Ng （1993）第24卷第3期2002年9月湖北大学学报（自然科学版）JournaI of Hubei University （NaturaI Science Edition ）VoI.24No.3Sept.，!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!2002将 t 看成是消息的度量，收益未预期的增长（ t >0）表明好消息的来临，而 t <0表明坏消息的冲击，l t l 的大小意味着消息的重要性.金融时间序列的波动是随时间变化的，而传统的计量经济模型难以刻画此特点.1982年Engel 在研究英国通货膨胀问题时首次提出自回归条件异方差（ARCH ）模型，BollerSleV 在1986年将此模型推广为广义的ARCH 模型（GARCH ）［3］，此后经过许多学者的改进和推广形成了GARCH 类模型，此类模型通过条件方差的变化来刻画波动的时间可变性.其中最基本的、应用最广泛的是GARCH （1，1）模型，其定式由条件均值方程和条件方差方程构成：R t =E （R t l I t -1）+ t =f （X ）+ t（1）h t =Var （ t l I t -1）= + 2t -1+ h t -1（2）X 表示一组外生变量或前定变量.条件方差方程（2）指出交易者是根据长期平均数（常数项 ）、上期预测方差h t -1（GARCH 项）和上期观测到的有关波动的消息 2t -1（ARCH 项）的加权平均来预测本期方差.为了保证方差的非负和有限以及过程的平稳性，要求： >0， !0， !0， + <1.若模型的系数 和 显著为正，说明上期的条件方差h t -1与本期的条件方差h t 正相关，波动集簇性效应显著.GARCH （1，1）模型可能不适合股票收益的波动建模，因为它不能反映波动的不对称性.最常用的反映波动不对称的模型是TARCH 模型和EGARCH 模型，TARCH 指ThreSholk ARCH 模型（又称GJR 模型）［4］，是由Zokoian （1990）和GloSten 、Jaganathan 、Runkle（1993）独立提出的，其条件方差方程定式为：h t = + 2t -1+ h t -1+Y d t -1 2t -1（3）d t -1是哑变量，当 t -1<0时d t -1=1，否则d t -1=0.此模型中好消息（ t -1!0）对条件方差的影响为 ，而坏消息（ t -1<0）的影响是 +Y ，因此如果Y >0，表明存在波动的不对称性.EGARCH 模型为指数GARCH 模型，它由NelSon （1991）提出，其条件方差方程定式为：ln h t = + ln h t -1+t -1h t -"1+Yt -1h t -"1（4）由于采用对数形式，系数的约束不需要了.此模型中好消息（ t -1!0）对ln h t 的影响为 +Y ，坏消息（ t -1<0）的影响是 -Y ，因此如果 >0，Y <0，波动的不对称性存在.!实证结果表"｛R t ｝的基本统计特征%均值0.077311中位数0.000000最大值8.653732最小值-9.339149标准差 1.647798偏态值-0.491520峰度值9.015745Jargue -Bera 值1610.074p -值0.0000001997年以前我国股市规模偏小，受各种人为因素的影响很大并且其间交易制度发生二次重大变化.1994年12月31日从T +0交收制度变成T +1制度，1996年12月15日从T +1制度变成涨跌停板限价交易制度，这些势必对波动模式造成一定影响.因此本文实证研究选取1997年至2000年每个交易日上证综指收盘价为对象，以P t 表示.由此计算出的收益序列｛R t ｝的基本统计特征见表1.样本期内平均日收益为0.077311%，分布为左偏，峰度值是9.015745，远高于正态分布的3，说明收益序列｛R t ｝具有尖峰厚尾特征，Jargue -Bera 正态性检验更证实此点.进一步对｛R t ｝的平稳性研究，Augment-ek Dickey -Fuller 单位根检验的ADF 值为-13.88837，而1%的Mackinnon 临界值为-3.4365，拒绝存在单位根的假设.对｛R t ｝分析后，｛R t ｝的均值方程采用如下定式：R t =c +aR t -15+ t（5）不考虑异方差直接用此方程对序列｛R t ｝拟合，其残差 t 及其平方的自相关系数如表2，此表显示序列｛ t ｝不存在显著的自相关，而｛ 2t ｝有明显的自相关，此结果表明不同时期观测值之间存在有非线性关系，其条件方差具有时间可变性，为波动的集簇性提供了初步证据.512第3期陈千里：中国股市波动集簇性和不对称性研究表2残差et及其平方的自相关系数滞后期12345678910O（10）P值e t-0.045-0.0430.0300.075-0.0340.0040.024-0.004-0.0270.01413.7720.131e t平方0.2110.1550.1530.1400.0450.1090.0610.0390.0330.084144.6400.000为得到进一步证据，对｛Rt｝用三个模型进行建模：GARCH（1，1）、TARCH、EGARCH.所有模型参数的估计均采用拟最大似然法（guasi-maximum likelihood OML），即误差项假定为正态分布下的最大似然法.正如｛Rt｝的基本统计特征所呈现，误差项假定为条件正态分布是不合适的，但BollersleV和Wooldridge（1992）指出，在条件正态分布不成立时，只要均值方程和条件方差方程正确设定，GARCH类模型的最大似然估计值是一致的，但协方差矩阵的估计不一致，可采用异方差一致协方差方法来修正.三个模型的估计结果如表3.由表3，GARCH（1，1）的参数估计值是显著的，特别是条件方差方程的系数是高度显著的，表明收益序列｛Rt｝具有显著的波动集簇性，a与B估计值之和为0.861271，容易检验a+B<1是显著的，因此GARCH（1，1）是协方差平稳的，其条件方差表现出均值回复（mean-reVersion）特征，即过去的波动对未来的影响是逐渐衰减.波动的不对称在不对称模型TASCH和EGARCH的估计结果中找到了实证证据，反映杠杆效应或反馈效应是显著的.TARCH条件方差方程的系数Y的估计值为0.108321，显著为正，好消息（E t-1!0）对条件方差的影响为0.155770，而坏消息（E t-1<0）的影响是0.155770+0.108321= 0.264091，坏消息的影响是好消息的近1.7倍，不对称效应是明显的.EGARCH条件方差方程的系数Y 的估计值为-0.067259，虽较小但仍显著为负，a的估计值为0.360904，好消息（E t-1!0）对ln h t的影响为0.360904-0.067259=0.293645，而坏消息（E t-1<0）的影响是0.360904+0.067259=0.428163.因此中国股市上坏消息引起的波动比同等大小的好消息引起的波动要大.表3GARCH（1，1），TARCH，EGARCH三模型的估计结果模型系数估计值标准误t-统计量p-值GARCH（1，1）方程（5）（2）c0.0789200.042885 1.8402500.0660 a0.0764300.022094 3.4592340.0006 w0.3833180.03209911.9419200.0000 a0.2083620.0226429.2026430.0000 B0.6529090.02759823.6575100.0000TARCH方程（5）（3）c0.0528290.049832 1.0601530.2893 a0.0791730.021395 3.7005050.0002 w0.3979490.03520411.3042000.0000 a0.1557700.024549 6.3453670.0000 Y0.1083210.042473 2.5503280.0109 B0.6452300.02948721.8819100.0000EGARCH 方程（5）（4）c0.1423530.044963 3.1660170.0016 a0.1070910.020380 5.2547920.0000 w-0.0666010.020764-3.2075970.0014 a0.3609040.03412510.5759000.0000 Y-0.0672590.026116-2.5754120.0102 B0.7677190.02193335.0936400.00004理论分析尽管产生波动集簇性的基本经济原因仍是一个谜，但目前有两种解释.第一种解释将收益的波动与宏观面和公司面的消息相联系，认为消息产生过程的序列相关性导致了波动的集簇性.第二种解释认为612湖北大学学报（自然科学版）第24卷波动集簇性可能是市场上存在看法不同的风险厌恶交易者时价格形成过程的结果.Harris 和Raviv（1993）及Shaien （1993）都提出了看法不同会产生波动集簇性的理论模型.联系到中国股市的特点，仅就这两种解释而言，中国股市波动的集簇性应倾向于第二种解释.中国股市与宏观经济的走向的联系是比较弱的，独特的股权结构和市场机制的缺陷使股票价格难于反映公司的真实价值，人们热衰于各种概念的炒作.因此在中国股市上，人们对信息的理解方式有很大不同.目前国外学者对股市波动的不对称性的产生机制的解释有二种：杠杆效应和波动反馈效应.Biack （1976）和Christie （1982）较早提出并试图解释美国个股收益的不对称波动性质，他们将此现象解释为杠杆效应（ieverage effect ）：坏消息（负冲击）引起公司股价下跌，公司的负债-权益比DER （Debt -Eguity Ra-tio ）上升提高了财务杠杆（1+DER ），由此会给公司的筹资带来更高的成本.债权融资的条件会上升，贷款的利率会随DER 的上升而上升，股权融资的价格会随股价而相应下降，由此公司经营风险增大，波动便相应增加.French ，Schwert ，and Stambaugh （1987）和Campeii and Hentschei （1992）在对股指收益的研究中提出了波动反馈效应（voiatiiity feedback effect ）的解释：如果波动可定价，波动预期的增加会提高股票的收益要求，从而导致股票价格立即下降.在好消息的冲击下，增加的波动带来降低当期股价的效应与好消息引起的股价上涨相抵消，从而使波动减少.在坏消息的冲击下，增加的波动带来降低当期股价的效应与坏消息引起的股价下降相叠加，使波动增加.在中国的金融市场上，贷款的利率基本上是刚性的，很难随着贷款对象的风险不同而变化，况且上市公司在中国经济中的独特地位，使得它们能轻易获得贷款而无需担心其DER 的大小，深沪交易所里众多PT 、ST 族上市公司数额巨大的负债就是一个很好的佐证.股权融资的价格的确受公司股价高低的影响，实际上也曾发生多起配股或增发新股的价格高于市场价格的现象，但配股或增发新股仍全部发行出去，其风险全部由承销商———证券公司承担.至于破产退市风险，目前的退市机制对大多数上市公司压力很小.因此从中国股市目前的状况看，杠杆效应的作用是有限的.中国上市公司的股权结构是独特的，有近70%的股票不上市流通，即国有股和法人股.流通股股东很难对上市公司的行为产生大的影响，但他们可以“用脚投票”，因此从中国股市的背景看，波动反馈效应应该比杠杆效应显著.本文利用GARCH 类模型，以上证综合指数为对象对中国股市波动进行实证研究.新的证据显示中国股市波动的集簇性和不对称性是显著的，进一步的理论分析表明市场上风险厌恶交易者的看法不同更能说明波动的集簇性，在波动的不对称性上，波动反馈效应应该比杠杆效应更显著.参考文献：［1］Yeh Yin -hua ，Tsun -Siou Lee.The interaction and voiatiiity asymmetry of unexpected returns in the greater China stock markets［J ］.Giobai Finance Journai ，2000，11：129~149.［2］Bekaert Geert ，Wu Guojun.Asymmetric voiatiiity and risk in eguity markets ［J ］.Review of Financiai Studies ，2000，13（1）：1~42.［3］John Campeii Y ，Lo W Andrew ，Mackiniay A Craig.The econometrics of financiai market ［M ］.Princeton ：Princeton UniversityPress ，1996.［4］James Hamiiton D.Times series anaiysis ［M ］.Princeton ：Princeton Unversity Press ，1994.A study on the Volatility -clustering and Volatilityasymmetry in the Chinese stock marketsChen Oianii（Schooi of Economics ，Huazhong University of Science and Technoiogy ，Wuhan 430074，China ）Abstract ：Investigate the voiatiiity of the Chinese stock markets by using SHCI.GARCH modeis are appiied.The evidence shows that the voiatiiity -ciustering and voiatiiity asymmetry are significant.Key words ：SHCI ；GARCH ；voiatiiity -ciustering ；voiatiiity asymmetry（责任编辑严家利）712第3期陈千里：中国股市波动集簇性和不对称性研究。