中國股票市場信息流對股價波動的影響分析ppt課件

1、中國股票市場信息流對股價動搖的影響分析吳世農大連理工大學財務管理研討所李延喜一、文獻回想在股票市場上，股價的動搖性特征不斷是金融經濟學研討的熱點問題。許多股價序列都具有時變方差(Time-varying Variance)的特征，即在一些時期的動搖非常猛烈，而在另一些時期的動搖又相對平緩。為了描寫時間序列的這一特征，2003年諾貝爾經濟學獎獲得者Engle于1982 年提出了自回歸條件異方差Autoregressive ConditionalHeteroskedasticity模型，即ARCH模型。.一、文獻回想Bollerslev1986進一步提出了廣義自回歸條件方差 Generalized

2、 ARCH模型，即GARCH 模型。以后，模型不斷得到擴展和改良，構成了ARCH 族模型。國外學者利用這些模型進展了大量的實證研討，闡明GARCH 模型及其擴展方式能有效地描畫股票價錢的動搖性。雖然ARCH 族模型可以很好地描寫股價動搖的特征，但只能闡明價錢動搖受其本身歷史動搖的制約，卻不能解釋有哪些外生變量引起股價的動搖。終究什么要素驅動股價產生動搖？根據(jù)市場微觀構造實際Theory of Microstructure，價錢的動搖主要是由于新的信息不斷到達市場且新信息在被市場價錢吸收的過程中產生的。.一、文獻回想Clark1973最早提出解釋股價動搖和成交量相關性的混合分布假說Mixture

3、 Distribution Hypothesis支持MDH 實際的研討Lamoureux 和Lastrapes1990將成交量作為信息流的替代目的，參與到GARCH 的條件方差方程中，經過對美國市場上20 只股票的分析，研討包含信息流的GARCH 模型中ARCH 效應的解釋效能。以為代表市場信息流的成交量目的可以吸收大部分的ARCH 效應，成交量是由產生價錢動搖的一樣要素驅動的。Brailsford1996、Phylaktis 和Kavussanos1996、Omran 和Mckenzie2000以及Marsh 和Wagner2000對不同國家市場的實證研討都得出類似的結論。.一、文獻回想反對

4、MDH 實際的研討Lamoureux 和Lastrapes1994的研討發(fā)現(xiàn)，成交量的納入并沒有消除ARCH 效應的影響Sharma 等人1996估計了ARCH效應的解釋效能，經過對紐約股票買賣指數(shù)的分析，研討市場收益的分布情況。他們的研討闡明即使將成交量包含在GARCH 模型中，ARCH 效應對動搖性依然具有很強的解釋效能。Locke 和Sayers1993對S&P500 指數(shù)期貨動搖性的研討結論與Sharma 等人1996的一致，他們以為成交量代表的市場信息流最多只是有助于解釋ARCH 效應。.一、文獻回想為進一步探明這一緣由，日本學者Miyakosh Tatsuyoshi2002將東京股

5、票指數(shù)TOPIX分成兩個階段進展分析，其結論不一致。Miyakosh 對這一景象進展深化的分析，以為成交量作為信息流的代表，可以分成兩部分。一部分經過自回歸過程可以得到解釋，另一部分那么是潛在的、不可預測的信息，也就是說，當期成交量是由過去的信息和當期或未來的信息所共同決議的。因此，當期成交量既可以解釋由ARCH 描寫的動搖繼續(xù)性即過去動搖的記憶過程Volatility Persistence，也可以闡明新信息對價錢動搖的沖擊。當成交量被結合進條件方差方程時，它所包含的舊信息被ARCH 過程吸收，因此，在包含成交量的股價動搖方程中，成交量代表的是到達市場的新信息，而ARCH 效應反映的是舊信息

6、對價錢動搖的影響。.一、文獻回想早在1994 年，國內學者俞喬就指出上海指數(shù)存在 ARCH 景象，其后不少學者運用不斷開展的ARCH 族模型對中國股票市場的動搖特征進展了初步的研討。丁華1999，唐齊鳴等2001，李勝利2002都證明了中國股市的收益率具有明顯的動搖聚類性Volatility Clustering和繼續(xù)性。近年來，國內學者對量價關系的研討可以分為：股價變化的絕對量與成交量之間的關系張維、閆冀楠，1998；陳怡玲、宋逢明，2000股價變動與成交量之間的關系王承煒、吳沖鋒，2002和價錢動搖方差與成交量之間的關系Xu，2000；趙留彥，王一鳴，2003。吳沖鋒等2001，2002進

7、一步將成交量納入股價序列中，研討成交量如何驅動價錢變化。.一、文獻回想王承煒、吳沖鋒2001在研討A、B股互自相關中發(fā)現(xiàn)，A、B股在思索成交量后的GARCH(1,1)模型結果中有所不同。李雙成等2002的研討結果闡明，在GARCH(1,1)模型中，將成交量作為信息流的替代目的可以顯著降低價錢動搖的繼續(xù)性，ARCH效應明顯減弱。支持MDH實際。王春峰等2002運用GARCH-M模型研討深滬股市時卻發(fā)現(xiàn)，參與成交量后，中國股票市場動搖性的ARCH效應降低的程度遠低于國外成熟市場。.本文研討特征研討對象有所不同將中國股票市場1997 年7月至2002 年12 月期間劃分為盤整期、多頭期和空頭期，分別

8、研討在三種不同市場態(tài)勢中國股市的價錢動搖與市場信息流之間的關系。研討內容有所延伸不僅驗證MDH 實際在中國股票市場能否有效，而且進一步分析了不同市場態(tài)勢中股價動搖終究是受舊信息ARCH 效應的影響還是受新信息當期成交量的影響，以調查市場在不同階段對新舊信息的吸收和反映程度。研討模型有所拓展不僅采用GARCH模型，而且采用EGARCH 模型研討信息流對股價動搖的影響，從而更為全面地提示了不同市場態(tài)勢中股價動搖受信息流影響的特征。.二、實際根底、研討方法與模型一混合分布假說MDHClark1973提出的混合分布假說是研討價錢動搖與市場信息流關系的實際根底。該假說以為：價錢變動和成交量是由一個潛在的

9、、不可觀測的信息流共同決議的。根據(jù)MDH 實際，股價變化的動態(tài)特征依賴于信息流到達過程的時間序列的行為。對于既定的m，中心極限定理以為日價錢變動近似正態(tài)分布，其方差與m 成比例。因此，日價錢變動的條件方差可以以為是到達市場的新信息的單調增函數(shù)。由此可以推斷，成交量與日價錢變動之間呈正相關關系。換言之，由于成交量和價錢的分布都服從于信息事件數(shù)m 的隨機分布，因此，成交量和價錢的動搖是由市場信息流結合決議。.二GARCH 模型Lamoureux 和Lastrapes1990運用GARCH(1,1)模型研討成交量與價錢動搖的關系。根據(jù)國內外學者的研討資料，GARCH(1,1)模型足以反映大多數(shù)經濟類

10、時間序列的條件方差，本文也采用GARCH(1,1)模型作為研討模型。本文的研討模型如下： 其中， r t 是日收益率； t 1是過去價錢變化的條件均值； t是一日內未預期的價錢變化，也是日內逐次價錢變化之和；ht表示價錢動搖；0 0，1 和1 均 0，1+ 1反映了序列動搖的繼續(xù)性，即序列在過去時動搖的大小特征在當前時辰被“承繼下來的多少，越接近于 1，“承繼的就越多，整個序列的動搖就越大。偏低的情況。 1和 1代表ARCH 效應，闡明價錢的動搖在很大程度上依賴于舊信息的影響。67.根據(jù)MDH 實際，當期成交量作為新信息的替代目的，對價錢動搖h t具有重要影響，因此成交量可以作為外生變量直接參

11、與GARCH 模型的條件方差方程Lamoureux 和Lastrapes，1990，于是方程(7)可以表達為：其中， V t表示第t日的成交量。根據(jù) MDH 實際，假設成交量序列存在序列相關，當 0且顯著，ARCH 效應將明顯減弱，甚至能夠從式8中消逝。8.三EGARCH 模型GARCH 模型隱含了這樣一個假設：同等程度即絕對值相等的正沖擊和負沖擊所引起的動搖條件方差是一樣的，即條件方差對正、負沖擊的反響是對稱的。但是，Black1976留意到正面信息(實踐報酬率大于預期報酬率)和負面信息(實踐報酬率小于預期報酬率)對于股價動搖性的明顯不同，即存在著杠桿效應Leverage Effect。Ne

12、lson1991提出的指數(shù)GARCH 模型Exponential GARCH，簡稱EGARCH可以較好地模擬這種非對稱性，他的研討驗證了杠桿效應的存在。.本文將運用EGARCH 模型描畫價錢動搖的情況。將方程(7)交換為方程(9)：9其中，1丈量動搖繼續(xù)性； 是杠桿效應系數(shù)，假設為負數(shù)，且 -1 3；3Jarque-Bera 正態(tài)檢驗統(tǒng)計量回絕正態(tài)分布的原假設。中國股市在多頭期的平均收益率明顯高于其他三個時期，而空頭期的平均報酬率最低且為負值。四組數(shù)據(jù)的規(guī)范差反映出中國股市在空頭期的動搖性更大，而盤整期的動搖最小。圖中盤整期的偏度為負值，其他為正值，且空頭和多頭期的數(shù)值較大。從峰度的數(shù)據(jù)來看，

13、四個時期收益率的分布均呈現(xiàn)明顯的厚尾特征，并且在均值處的波峰很尖。Jarque-Bera 正態(tài)檢驗的結果證明了股票指數(shù)每日收益的分布不是正態(tài)分布。.收益率序列的相關性檢驗表1-4 分別列示各時期收益率序列和收益率平方序列的自相關函數(shù)ACF和偏自相關函數(shù)PACF以及Ljung-Box-Pierce Q 檢驗的結果，檢驗收益率序列的相關性。.由表1-4 發(fā)現(xiàn)，在大部分時滯上，各樣本期收益率序列的自相關函數(shù)和偏自相關函數(shù)值都很小，均小于0.1，闡明收益率序列并不具自相關，因此，在條件期望方程中不需求引入自相關性的描畫部分，而是采用ARMA0,0的方式，收益率可以用方程(6)表示。Ljung-Box-

14、Pierce Q 檢驗的結果闡明收益率序列不存在明顯的序列相關。但是收益率平方序列具有很強的序列相關性。對收益率序列的ARCHLM 檢驗，證明收益率的二階矩存在顯著的ARCH 效應，因此，用GARCH 建模是適宜的。.四成交量的調整為了將內生增長從序列中剔除，本文先對成交量取自然對數(shù)，而后做散點圖，發(fā)現(xiàn)對數(shù)成交量近似呈現(xiàn)線性趨勢。然后運用簡單但較為有效的50 階挪動平均法生成對數(shù)成交量的長期趨勢，再從對數(shù)成交量中剔除長期趨勢。對剔除后的序列進展平穩(wěn)性檢驗。結果闡明：該序列能顯著經過ADF 單位根檢驗，存在單位根的原假設被回絕，闡明去除長期增長趨勢的對數(shù)成交量序列是平穩(wěn)序列，將該序列作為本文運用

15、的成交量數(shù)據(jù)。.四、實證研討結果一GRACH 模型的估計結果利用GRACH1,1模型和包含成交量的GRACH1,1模型對上證A 股指數(shù)動搖的擬合結果見表6。.在不包含成交量的GARCH(1,1)模型中：在全樣本期， 1 + 1接近于1，闡明股市具有很強的動搖繼續(xù)性；在盤整期，ARCH 效應并不明顯；在多頭期，ARCH 效應十清楚顯，其動搖展現(xiàn)出很強的繼續(xù)性和聚類性；在空頭期， 1 + 1的系數(shù)和略大于1，闡明空頭期收益率序列的條件方差不能滿足平穩(wěn)性要求，闡明在市場下跌階段，預測價錢動搖僅僅依托過去方差的記憶是不夠的，還存在“其他未知的影響市場變動的要素。.在包含成交量的GARCH(1,1)模型

16、中：我們發(fā)如今三種市場態(tài)勢中，成交量系數(shù)在1%的顯著性程度上均為正值，闡明中國股市的價錢動搖與成交量顯著正相關，成交量代表的市場新信息流對價錢動搖存在顯著的當期效應。參與成交量之后，盤整期、多頭期乃至全樣本期，繼續(xù)性參數(shù) 1+ 1都幾乎堅持不變，依然非常顯著，ARCH 效應和新信息流共同解釋價錢的動搖性。但在空頭期，思索成交量之后，繼續(xù)性參數(shù)從略大于1 減少為0.7014，ARCH 過程趨于平穩(wěn)，闡明成交量是“其他未知的影響市場變動的要素之一。.二EGRACH 模型的估計結果運用EGARCH1,1模型和包含成交量的EGARCH1,1模型對股價動搖的估計結果見表7。.第一，在不包含成交量的EGR

17、ACH1,1模型中，盤整期、多頭期、空頭期和全樣本期的繼續(xù)性參數(shù)1 均接近于1，闡明中國股市具有很明顯的ARCH 效應，其動搖展現(xiàn)出很強的繼續(xù)性和聚類性。其中，盤整期的繼續(xù)性參數(shù)相對而言依然較低。第二，在不包含成交量EGARCH(1,1)模型中，盤整期和空頭期的杠桿效應系數(shù)為負，并且大于-1，闡明利空音訊負沖擊引起的股價動搖大于一樣程度的利好音訊正沖擊引起的股價動搖，利空音訊的作用大于利好音訊。但在多頭期，杠桿效應系數(shù)為正，闡明一樣程度的利好音訊所引起的股價動搖更為猛烈，利好音訊的作用大于利空音訊。此外，在空頭期時，EGARCH 模型中的杠桿效應不明顯。.第三，在包含成交量的EGARCH(1,

18、1)模型中，成交量前的系數(shù)估計值均顯著為正。在不同的市場態(tài)勢中，成交量所代表的新信息與股價動搖的相關程度并不一樣：在盤整期，相關程度最低；在多頭期，相關程度要高于盤整期；在空頭期，新信息與股價動搖的正相關性最為明顯。第四，在包含成交量的EGARCH(1,1)模型中，思索成交量之后，ARCH 效應在不同市場態(tài)勢中的變化程度有所不同：在盤整期和多頭期，ARCH 效應幾乎沒有發(fā)生變化，ARCH 效應與成交量所代表的新信息流共同解釋股價的動搖；但在空頭期， ARCH 效應顯著降低，這意味著股價動搖對舊信息沖擊的依賴性明顯減弱，新信息對當期動搖的影響加強，市場對新信息的吸收更為充分有效。.在三種不同的市

19、場態(tài)勢中，新舊信息對中國股市動搖的不同影響程度.五、剔除成交量時間趨勢的模型及其檢驗把剔除時間趨勢后的成交量序列納入GARCH1，1模型和EGARCH1，1模型，估計結果如表9 和表10 所示。.從表9 和表10 可以看出：第一，無論哪個時期，無論是運用GARCH1，1模型或EGARCH1，1模型，剔除時間趨勢的成交量對價錢動搖程度都具有顯著的影響；第二，無論哪個時期，無論是運用GARCH1，1模型或EGARCH1，1模型，代表新信息的剔除時間趨勢的成交量納入模型后，都導致ARCH 效應下降，其中這種下降在空頭期特別明顯。成交量在剔除時間趨勢后，并沒有改動本文上述研討的根本結論。.六、研討結論與啟示一研討結論1