金融危機期間內(nèi)蒙上市公司股票價格的波動性實證分析,經(jīng)濟危機論文

金融危機期間內(nèi)蒙上市公司股票價格的波動性實證分析,經(jīng)濟危機論文上市公司股價是公司經(jīng)營狀況以及風(fēng)險水平的集中反映，其波動是上市公司風(fēng)險程度的重要表現(xiàn)之一。波動性是證券市場與生俱來的特性。從宏觀層面而言，一個波動過大的市場將加大整個金融體系的系統(tǒng)風(fēng)險，并使作為資源配置指標(biāo)的股價信號產(chǎn)生失真。從微觀角度來看，假如股票價格波動性過大，將使投資者面臨著較大的不確定性，長期而言將對市場失去自信心。因而，股價波動一直是各級、證券監(jiān)管機構(gòu)、上市公司管理者和廣大投資者關(guān)注的焦點。上市公司股價的波動性問題也一直是學(xué)術(shù)界研究的熱門問題之一。張湄和孔愛國利用滬深兩市上市的14家商業(yè)銀行在2005－2008年間的半年度面板數(shù)據(jù)進(jìn)行研究，發(fā)現(xiàn)銀行股價的非系統(tǒng)性波動與銀行的股權(quán)構(gòu)造存在關(guān)聯(lián)。王漢生等探究了上市公司年度股價波動性與其上一年公開財務(wù)指標(biāo)的相關(guān)關(guān)系。趙留彥將公司盈利分解為持久盈利成分和暫時盈利成分，考察了兩類盈利沖擊對股票價格的效應(yīng)。張金清和劉燁以2005年6月－2008年1月中國A股市場數(shù)據(jù)為樣本，運用VEC模型以及脈沖響應(yīng)與方差分解分析方式方法，就股市規(guī)模與股價波動性之間的互相影響進(jìn)行實證檢驗。武安華和張博選取2001－2007年在深交所上市的所有A股上市公司為研究樣本，以深交所的信息披露評級指標(biāo)作為公司信息透明度的度量指標(biāo)，在這里基礎(chǔ)上，考察公司透明度對股價波動同步性的影響。孫剛將股價波動同步性作為衡量信息不對稱的指標(biāo)，以2003－2006年我們國家上市企業(yè)為樣本，檢驗在不同金融生態(tài)環(huán)境下股價波動同步性對企業(yè)融資約束的影響。陳春春和胡日東選擇滬市1991－2018年所有上市公司的數(shù)據(jù)，建立了LM－ARMAX模型來實證股票價格波動的決定因素，最后根據(jù)模型半?yún)?shù)估計的結(jié)果，進(jìn)行了基于半?yún)?shù)估計的非線性檢驗和基于WildBootstrap的Smirnov檢驗。林忠國等首先構(gòu)建公司層面信息指標(biāo)和噪音指標(biāo)，然后利用非平衡面板數(shù)據(jù)回歸發(fā)現(xiàn)中國上市公司股價非同步性與信息(或噪音)之間存在U型關(guān)系。最后通過盈余公告效應(yīng)和股價信息含量檢驗表示清楚股價非同步性整體表現(xiàn)為噪音，即高非同步性公司具有較強的盈余公告后漂移以及股價較少反響當(dāng)期和將來盈余信息。易文德提出了ARMA－GARCH－Copula函數(shù)模型，研究了3個股票市場的日指數(shù)對數(shù)極差與交易量對數(shù)的相依程度和相依構(gòu)造。王藝霖和周淵通過對上證指數(shù)波動性預(yù)測的實證分析得出:VGARCH模型能更準(zhǔn)確地預(yù)測股票指數(shù)的波動性。進(jìn)一步指出，相比于交易量，其波動率能更好地度量每日信息到達(dá)量。王陽和鄭春艷通過選取了企業(yè)的風(fēng)險資產(chǎn)構(gòu)造、資產(chǎn)負(fù)債構(gòu)造、投融資匹配關(guān)系等方面的指標(biāo)對我們國家上市公司風(fēng)險承當(dāng)進(jìn)行綜合評價，并實證檢驗了其風(fēng)險承當(dāng)對股價波動的影響。周瓊等運用Copula函數(shù)對我們國家8家主要上市證券公司股價收益率上、下尾相依性進(jìn)行的實證研究表示清楚，我們國家證券公司之間股價收益率存在明顯的上尾相依性與下尾相依性，表示清楚我們國家證券公司股價進(jìn)而風(fēng)險存在較強的關(guān)聯(lián)性。Sadorsky利用多變量GARCH模型分析了原油價格與清潔能源公司股價和技術(shù)公司股價之間的波動溢出效應(yīng)。Ma-sih等利用單位根檢驗、方差分解等方式方法分析了新興市場上原油價格波動與股價波動之間的關(guān)系。Li等利用一種無軌跡卡爾曼平滑器對股價進(jìn)行波動提取。Li和Wang對新興市場上零售業(yè)股票價格的波動性進(jìn)行了實證分析。Lee和Liu分析了股價的信息量與異質(zhì)性風(fēng)險之間的關(guān)系。Huang等討論了政治危機下股票價格的波動與過度反響現(xiàn)象。已有文獻(xiàn)重點研究了少數(shù)幾只個股或者某一行業(yè)的股價波動問題。然而鮮有文獻(xiàn)研究省域上市公司的股價波動性問題。股市是經(jīng)濟晴雨表，鑒于此本文試圖從省域上市公司股價的波動角度探視其經(jīng)濟發(fā)展的平穩(wěn)性。最近幾年，內(nèi)蒙古自治區(qū)的經(jīng)濟持續(xù)高速增長。因而本文對近兩次金融危機期間(次貸危機、歐債危機)內(nèi)蒙古自治區(qū)的上市公司股票價格的波動性進(jìn)行實證分析。一、方式方法介紹本節(jié)對下文的分析經(jīng)過中用到的獨立成分分析方式方法和多路歸一化割譜聚類方式方法進(jìn)行簡單介紹。譜聚類是基于譜圖理論的一類新的聚類算法，能對任意形狀的數(shù)據(jù)進(jìn)行劃分，已經(jīng)被成功應(yīng)用到形式辨別、機器學(xué)習(xí)和數(shù)據(jù)挖掘等領(lǐng)域。譜聚類方式方法的基本思想是將數(shù)據(jù)集P={p1，p2，，pm}中的數(shù)據(jù)點視為無向加權(quán)圖G(V，S)的頂點，將i點和j之間的類似關(guān)系轉(zhuǎn)化為圖G(V，S)的加權(quán)邊S(i，j)，進(jìn)而將數(shù)據(jù)集的聚類問題轉(zhuǎn)化為圖G(V，S)的劃分問題。在圖劃分問題中劃分準(zhǔn)則對最終結(jié)果有直接影響，因而在圖劃分問題中選擇合理的劃分準(zhǔn)則很重要。常見的圖劃分準(zhǔn)則有最小割集準(zhǔn)則、比例割集準(zhǔn)則、歸一化割集準(zhǔn)則、平均割集準(zhǔn)則、最小最大割集準(zhǔn)則等。理論分析與實驗結(jié)果表示清楚歸一化割集準(zhǔn)則優(yōu)于其余四種圖劃分準(zhǔn)則。而多路歸一化割集準(zhǔn)則的效果好于上述遞歸歸一化割集準(zhǔn)則。譜圖理論中將圖G(V，S)劃分為k個不相交子圖V=V1V2k的多路歸一化割目的函數(shù)定義如下：【公式】求解多路歸一化割集準(zhǔn)則的最優(yōu)解是一個NP難問題。Meila等考慮基于多路歸一化割集準(zhǔn)則的圖劃分問題的連續(xù)松弛形式，將原問題轉(zhuǎn)換為求解非對稱規(guī)范Laplace矩陣Lrw=D－1(D－S)的譜分解問題，D是度矩陣。多路歸一化割譜聚類方式方法步驟描繪敘述如下:輸入:數(shù)據(jù)集P={p1，p2，，pm}，聚類數(shù)目k;步驟1．根據(jù)數(shù)據(jù)集P構(gòu)造距離矩陣Wmm;步驟2．根據(jù)W構(gòu)造類似矩陣Smm，0S(i，j)1，i，j{1，2，，m};步驟3．計算Laplace矩陣L=D－S，華而不實D=diag(D1，D2，，Dm)，Di=mj=1S(i，j)，i=1，，m;步驟4．計算廣義特征值問題Lx=Dx的特征值12m和特征向量x1，x2，，xm;步驟5．令XRmk是以廣義特征值問題Lx=Dx的前k個單位正交特征向量x1，x2，，xk為列的矩陣。用yiR1k(i=1，，m)表示X的第i行;步驟6．用k－均值方式方法將{yiR1k|i=1，2，，m}聚成k個類:C1，，Ck;輸出:k個類:{V1，，Vk}，華而不實Vi={pj|yjCi}不難發(fā)現(xiàn)，多路歸一化割譜聚類方式方法的聚類數(shù)目須提早給定。本文結(jié)合Borjigin和Guo提出的方式方法確定最佳聚類數(shù)目。二、實證分析(一)數(shù)據(jù)選取本文分兩個時間段進(jìn)行實證分析。第一階段:次貸危機(2007年02月13日－2018年10月19日):2007年2月13日美國新世紀(jì)金融公司(NewCenturyFinance)發(fā)出2006年第四季度盈利預(yù)警標(biāo)志著次貸危機開場爆發(fā)。第二階段:歐債危機(2018年10月20日－2020年07月19日):2018年10月20日，希臘公布當(dāng)年財政赤字占國內(nèi)生產(chǎn)總值的比例將超過12%，遠(yuǎn)高于歐盟設(shè)定的3%上限。隨后，全球三大評級公司相繼下調(diào)希臘主權(quán)信譽評級，歐洲主權(quán)債務(wù)危機率先在希臘爆發(fā)。內(nèi)蒙古有25家上市公司(見表1)，相關(guān)數(shù)據(jù)來源為國泰安數(shù)據(jù)庫和內(nèi)蒙古自治區(qū)證監(jiān)局網(wǎng)站。【表