中小板股指收益率波动的非对称性研究

基于非对称GARCH-MIDAS模型的上证指数波动性分析基于非对称GARCH-MIDAS模型的上证指数波动性分析摘要：随着中国股市的发展，上证指数作为中国股市的重要指标之一，其波动性的分析对于投资者和决策者有着重要的意义。

本文基于非对称GARCH-MIDAS模型，对上证指数的波动性进行分析。

通过对过去十年的上证指数数据进行建模和预测，我们得出了一些关于上证指数波动性的结论。

引言：随着中国资本市场的快速发展，上证指数已成为国内投资者和决策者关注的焦点之一。

了解和预测上证指数的波动性对于投资者和决策者有着重要的意义。

传统的GARCH模型在研究上证指数波动性时，假设波动性是对称的，忽略了波动性对不同情境的反应可能存在的非对称性。

而MIDAS（Mixed Data Sampling）模型则能够捕捉到不同时间尺度的数据的信息，为对上证指数波动性进行综合分析提供了有效的工具。

1. GARCH模型与MIDAS模型的理论基础1.1 GARCH模型的原理与应用1.2 MIDAS模型的原理与应用2. 数据处理与模型拟合2.1 数据来源与选择2.2 数据处理方法2.3 非对称GARCH-MIDAS模型的拟合3. 模型结果与分析3.1 GARCH模型的参数估计与统计检验3.2 非对称GARCH-MIDAS模型的参数估计与统计检验3.3 模型预测与波动性分析4. 结果讨论与风险管理建议4.1 结果讨论：上证指数的波动性特征4.2 风险管理建议：基于波动性分析的投资策略结论：本文基于非对称GARCH-MIDAS模型对上证指数的波动性进行了综合分析。

通过对过去十年的上证指数数据建模与分析，我们发现上证指数的波动性存在非对称特征，并进行了对比分析和预测。

这一研究为投资者和决策者提供了关于上证指数波动性的重要信息和风险管理建议。

随着金融市场的发展和全球化程度的加深，对于资产价格的波动性研究也变得越来越重要。

波动性是指资产价格在一定时间内的变动幅度，对于投资者和决策者来说，了解和预测资产价格的波动性对于制定合理的投资策略和风险管理非常关键。

创业板收益率波动性研究创业板收益率波动性是投资者关注的关键点。

近年来，中国创业板（中小板）的上市企业的收益率具有明显的高波动性，市场波动率也迅速增加，投资者变得无所适从。

本文从宏观、微观角度分别简要阐述了中小板收益率波动性的影响因素及其成因，并探讨了如何通过多维度考量降低投资风险。

一、中小板收益率波动性的宏观因素1、宏观经济影响宏观经济的变化对中小板收益率有显著的影响，具体表现为增加国内宏观经济的贸易壁垒和不确定性，将会对中小板资产实现价值的收益率造成担忧，从而抑制市场收益率的提升。

2、市场聚焦中小板投资者重点关注于市场、行业及相关公司的未来发展，如果把资金集中投向行业龙头或热点股，投资者会减少对投资其他公司的兴趣，市场竞争活跃度减弱，市场股价出现差异，将会进一步推动收益率的波动。

1、管理不规范中小板公司出资设立、重组、激励、上市登记等重要系列活动的频繁度和规模的变化，对公司收益率的波动有极大的影响，而管理上的不规范会使公司潜在的投资价值变得不可预知，进一步助长了收益率的波动。

2、金融杠杆的利用金融杠杆的利用可以有效地把投资者的资金增量化，进而将本金带动投资收益最大化。

但当市场波动加剧时，一旦发生资金萎缩，可能加大中小板收益率波动的程度。

1、多维度考量投资者在进行宏观行业及微观公司的投资时，应多维度考量企业所处行业的发展动态，以及企业本身的发展模式及行业地位等，以便预估企业未来的发展前景，有效避免瞬时投资风险。

2、做好投资风险控制投资者在进行中小板投资时，应积极做好投资风险控制，除了控制投资金额外，还要把握期限、积极调整资产配置，以及积极估测贵重资产的价值，以扩大总体收益率水平，尽量降低投资风险。

基于EGARCH模型沪深300ETF波动非对称性研究作者：莫文权郭晓可王玥齐蔡晓瑛来源：《中国市场》2016年第29期[摘要]交易所交易基金（ETF）得以在我国蓬勃发展，源于该类型基金的专业化管理和趋势投资的理念，能够解决主动管理型基金存在的管理成本问题，这很好地满足了那些希望分享指数收益，追求稳定收益的投资者。

但目前国内大多数的中小投资者对其依然没有一个清楚的认识。

所以文章以嘉实沪深300ETF为例，从基金收益率波动性入手，详细分析与论述GARCH模型、EGARCH模型及信息冲击曲线的实际运用。

旨在为有兴趣阅读本文的读者提供一个深入了解沪深300ETF的平台。

[关键词]GARCH模型；EGARCH模型；非对称性[DOI]10.13939/ki.zgsc.2016.29.0621 研究的背景和意义马科维茨的资产组合理论自问世以来一直备受理论界和实务界的关注，发展至今日，投资组合理论已被广泛地应用于证券市场的实际操作中。

也正是基于此，国际股票市场投资理念有了新的变化：重视组织者投资的方法，并且推动趋势投资和专业基金管理的发展。

所以ETF 基金应运而生，在全球范围内迅速地发展。

目前已成为全球基金业发展中的重要组成部分，这其中也包括我国。

ETF的优势满足投资者追求稳定收益的需求，符合价值投资的理念。

本文使用自回归条件异方差模型对ETF的收益率波动进行探讨研究，希望加深部分投资者对其的认知度，同时也希望能为相关从业人员提供一些有价值的参考意见。

2 沪深300ETF收益率波动非对称性实证分析2.1 建立ARMA模型本文选取2012年7月19日到2016年1月18日的嘉实沪深300ETF的每日价格序列，求算出沪深300ETF的每日收益率。

μt=pt-pt-1pt-1其中μt表示的是在t时刻该基金的收益率，pt和pt-1分别表示的是t时刻和t-1时刻基金的收盘价格。

从表1可得，收益率的期望值大于零，偏度小于零，峰度大于3，说明分布向左偏且呈现尖峰的状态。

中国股票市场的不对称性分析的开题报告一、研究背景随着我国经济的快速发展，中国股票市场已成为世界上规模最大的股票市场之一。

然而，在股票市场中，存在着不对称信息的问题，即市场信息的发布不是完全对称的，部分市场参与者拥有更多的信息，而其他参与者只能依靠公开信息作出决策。

不对称信息会导致市场中的不确定性增加，同时也会产生一些不公平的现象，影响市场效率和公正性，对中小投资者造成负面影响。

在中国的股票市场中，不对称信息也是存在的，且影响深广。

目前对于中国股票市场中的不对称信息的研究不够深入，本研究旨在进一步分析中国股票市场中的不对称信息，并探讨其对市场效率和秩序的影响，为市场监管提供参考依据。

二、研究问题1.中国股票市场中存在哪些不对称信息？2.不对称信息对中国股票市场的效率和秩序有何影响？3.如何解决中国股票市场中的不对称信息问题？三、研究方法本研究将采用文献研究法和案例分析法。

首先通过文献综述，梳理中国股票市场中的不对称信息，包括内幕交易、信息披露等方面。

然后选取典型案例，通过案例分析法探讨不对称信息对市场效率和秩序的影响，并探讨解决不对称信息问题的方法。

四、研究意义本研究的意义主要体现在以下几个方面：1.促进对中国股票市场的深入理解。

2.为市场监管提供参考依据。

3.为中小投资者减少投资风险提供可参考的信息。

4.提高中国股票市场的效率和公正性。

五、研究进展目前本研究还处于前期阶段，正进行文献综述和案例分析，同时也在考虑研究方法和具体研究内容的优化。

预计在未来几个月内完成初步的研究成果。

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。

货币供应量对股市非对称性影响的实证研究内容摘要：本文基于2006年1月至2011年4月期间的统计数据，采用AR-EGARCH模型实证检验了货币供应量相关指标对股票收益率波动的非对称性影响。

研究结果表明：我国股票市场的月度数据存在着非对称效应，其对好消息的冲击更敏感；Ｍ1和Ｍ2的波动率都不同程度的改变了股票收益率的非对称性。

最后，文章在行为金融的基础上，从理论和实证角度分别解释了研究结果。

在实证部分，本文尝试性从风险厌恶投资者的价值函数来建立相关回归模型。

关键词：股票收益率非对称性效应行为金融价值函数国际经济危机的不断发生和金融市场的不断复杂化，使得研究中国货币政策和股票市场之间的关系具有新的时代内涵和紧迫性。

无论股票市场处于何种发展阶段，都会受到货币政策的影响，只是受影响程度和时期不一样。

货币政策最主要通过利率和货币供应量的传导机制来影响股票市场，本文基于货币供应量传导机制展开研究。

由于我国金融市场发展模式与西方发达国家不同，且存在着市场自由度差，开放程度低以及政府干预性强等独特的特征，我国货币政策效应的发挥受到许多因素的制约，从而也增加了国内广大学者对其展开研究的困难，导致国内对于货币政策与股票市场的互动关系的研究起步较晚。

目前国内已有的研究主要倾向于通过V AR模型、脉冲响应分析、方差分解以及格兰杰因果检验等经济计量技术来展开研究。

陆杰峰（2009）以2001年9月至2008年12月为样本区间，取M1为货币供给量指标，上证综指为股票市场指标，通过相关模型得出以下结论：货币供应量的波动领先于股票价格的波动，货币供应量是因，股票价格的波动为果；两者之间存在着长期稳定的协整关系，我国存在着某种经济机制使两者具有共同的随机趋势；我国股票市场波动更多的和自身因素有关，M1对其解释能力有限。

沈昊驹、聂明（2010）应用相关计量方法实证研究了我国股票市场和货币供应量的相互关系，发现：股票市场对M1和Ｍ2的影响较大，但对M0的影响较小；相对于深成指数，货币供应量对上证指数的影响更大，但流通中的现金M0对两市的影响都比较小。

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。

我国股指期货市场波动的非对称性及其国际比较研究赖文炜;陈云【摘要】本文在对沪深300和S&P500股指期货的当月连续合约进行展期处理的基础上，基于条件收益分别服从正态、学生t、 GED和skewed-t分布的假设，运用GJR GARCH模型对波动非对称性建模，并对模型设定偏误进行严格诊断检验。

研究发现： GJR GARCH模型能很好地捕捉股指期货市场波动的非对称性；基于skewed-t分布的波动模型的准确性明显优于其他分布下的相同模型；与S&P500股指期货市场相比，我国股指期货市场波动的非对称性较弱。

%In this paper, two continuous price series of CSI300 and S&P500 index future are constructed with rollover. Under the assumption of the conditional return obeying normal, student t, GED and skewed-t distributions, four GJR GARCH models are used to model asymmetry volatility, and Sign Bias Tests are used to test the misspecification of the GJR model. The results show that the GJR models can effectively capture the asymmetry of index futures;the GJR mod-els with skewed-t distribution is superior to the models with other distributions; contrasted with obvious asymmetry ofS&P500 index future, CSI300 index future is less asymmetric.【期刊名称】《商业研究》【年(卷),期】2015(000)005【总页数】6页(P73-78)【关键词】股指期货;非对称性;skewed-t分布【作者】赖文炜;陈云【作者单位】上海财经大学公共经济与管理学院，上海 200433;上海市金融信息技术研究重点实验室，上海 200433【正文语种】中文【中图分类】F830.9沪深300股指期货于2010年4月16日落地，开启了我国金融期货的新篇章。