中國股票市場信息流對股價波動的影響分析(已修改)
2025-01-30 16:22 本頁面
【正文】 中國股票市場信息流對股價波動的影響分析（吳世農(nóng)） 大連理工大學財務(wù)管理研究所 李延喜 一、文獻回顧 ?在股票市場上，股價的波動性特征一直是金融經(jīng)濟學研究的熱點問題。許多股價序列都具有時變方差(Timevarying Variance)的特征，即在一些時期的波動十分劇烈，而在另一些時期的波動又相對平緩。 ?為了刻畫時間序列的這一特征， 2022年諾貝爾經(jīng)濟學獎獲得者 Engle于 1982 年提出了自回歸條件異方差（ Autoregressive Conditional Heteroskedasticity）模型，即 ARCH模型。 一、文獻回顧 ?Bollerslev（ 1986）進一步提出了廣義自回歸條件方差 （ Generalized ARCH）模型，即 GARCH 模型。 ?此后，模型不斷得到擴展和改進，形成了 ARCH 族模型。 ?國外學者利用這些模型進行了大量的實證研究，表明 GARCH 模型及其擴展形式能有效地描述股票價格的波動性。 ?雖然 ARCH 族模型能夠很好地刻畫股價波動的特征，但只能說明價格波動受其自身歷史波動的制約，卻不能解釋有哪些外生變量引起股價的波動。究竟什么因素驅(qū)動股價產(chǎn)生波動？ ?根據(jù)市場微觀結(jié)構(gòu)理論（ Theory of Microstructure），價格的波動主要是由于新的信息不斷到達市場且新信息在被市場價格吸收的過程中產(chǎn)生的。 一、文獻回顧 ? Clark（ 1973）最早提出解釋股價波動和成交量相關(guān)性的混合分布假說（ Mixture Distribution Hypothesis） 支持 MDH 理論的研究 ? Lamoureux 和 Lastrapes（ 1990）將成交量作為信息流的替代指標，加入到 GARCH 的條件方差方程中，通過對美國市場上 20 只股票的分析，研究包含信息流的GARCH 模型中 ARCH 效應(yīng)的解釋效力。認為代表市場信息流的成交量指標能夠吸收大部分的 ARCH 效應(yīng)，成交量是由產(chǎn)生價格波動的相同因素驅(qū)動的。 ? Brailsford（ 1996）、 Phylaktis 和 Kavussanos（ 1996）、 Omran 和 Mckenzie（ 2022）以及 Marsh 和 Wagner（ 2022）對不同國家市場的實證研究都得出類似的結(jié)論。 一、文獻回顧 ?反對 MDH 理論的研究 ? Lamoureux 和 Lastrapes（ 1994）的研究發(fā)現(xiàn)，成交量的納入并沒有消除 ARCH 效應(yīng)的影響 ? Sharma 等人（ 1996）估計了 ARCH效應(yīng)的解釋效力，通過對紐約股票交易指數(shù)的分析，研究市場收益的分布情況。他們的研究表明即使將成交量包含在 GARCH 模型中，ARCH 效應(yīng)對波動性仍然具有很強的解釋效力。 ? Locke 和 Sayers（ 1993）對 Samp。P500 指數(shù)期貨波動性的研究結(jié)論與 Sharma 等人（ 1996）的一致，他們認為成交量代表的市場信息流最多只是有助于解釋 ARCH 效應(yīng) 。 一、文獻回顧 ?為進一步探明這一原因，日本學者 Miyakosh Tatsuyoshi（ 2022）將東京股票指數(shù)（ TOPIX）分成兩個階段進行分析，其結(jié)論不一致。 ? Miyakosh 對這一現(xiàn)象進行深入的剖析，認為成交量作為信息流的代表，可以分成兩部分。一部分通過自回歸過程可以得到解釋，另一部分則是潛在的、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定的。因此，當期成交量既能夠解釋由 ARCH 刻畫的波動持續(xù)性即過去波動的記憶過程（ Volatility Persistence），也能夠說明新信息對價格波動的沖擊。 ?當成交量被結(jié)合進條件方差方程時，它所包含的舊信息被ARCH 過程吸收，
教學課件相關(guān)推薦
鄂ICP備17016276號-1