中國(guó)股票市場(chǎng)信息流對(duì)股價(jià)波動(dòng)的影響分析(參考版)
2025-01-21 16:22本頁(yè)面
【正文】 。 ? 第二，中國(guó)股市的風(fēng)險(xiǎn)大小或波動(dòng)程度是由股市的成交量和過(guò)去的波動(dòng)性所共同決定的。 ? 第一，由于中國(guó)股市的波動(dòng)性不但受舊信息而且受新信息成交量的影響，因此投資者在進(jìn)行股市風(fēng)險(xiǎn)分析以及投資決策時(shí)應(yīng)重視成交量指標(biāo)和股市前期的波動(dòng)性。 ?（ 3）中國(guó)股市的價(jià)格波動(dòng)與新舊信息之間的關(guān)系在三種不同的市場(chǎng)態(tài)勢(shì)中表現(xiàn)出二種明顯的差異：在盤整期和多頭期，代表舊信息的 ARCH 效應(yīng)與代表新信息的成交量共同解釋股價(jià)的波動(dòng)；但在空頭期， ARCH 效應(yīng)顯著降低，說(shuō)明股價(jià)波動(dòng)對(duì)舊信息的依賴性明顯減弱，新信息對(duì)當(dāng)期波動(dòng)的影響加強(qiáng)，市場(chǎng)對(duì)新信息的吸收更為充分有效。在盤整期和空頭期，利空消息（負(fù)沖擊）比利好消息（正沖擊）造成股價(jià)更大的波動(dòng)；但在多頭期情況恰好相反，相同程度的利好消息所引起的股價(jià)波動(dòng)更為劇烈。 ?成交量在剔除時(shí)間趨勢(shì)后，并沒(méi)有改變本文上述研究的基本結(jié)論。 ?在三種不同的市場(chǎng)態(tài)勢(shì)中，新舊信息對(duì)中國(guó)股市波動(dòng)的不同影響程度 五、剔除成交量時(shí)間趨勢(shì)的模型及其檢驗(yàn) ?把剔除時(shí)間趨勢(shì)后的成交量序列納入 GARCH（ 1， 1）模型和 EGARCH（ 1， 1）模型，估計(jì)結(jié)果如表 9 和表 10 所示。在不同的市場(chǎng)態(tài)勢(shì)中，成交量所代表的新信息與股價(jià)波動(dòng)的相關(guān)程度并不相同：在盤整期，相關(guān)程度最低；在多頭期，相關(guān)程度要高于盤整期；在空頭期，新信息與股價(jià)波動(dòng)的正相關(guān)性最為明顯。此外，在空頭期時(shí)， EGARCH 模型中的杠桿效應(yīng)不明顯。 ?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(yīng)系數(shù) ?為負(fù)，并且大于 1，說(shuō)明利空消息（負(fù)沖擊）引起的股價(jià)波動(dòng)大于相同程度的利好消息（正沖擊）引起的股價(jià)波動(dòng)，利空消息的作用大于利好消息。 ?第一，在不包含成交量的 EGRACH（ 1,1）模型中，盤整期、多頭期、空頭期和全樣本期的持續(xù)性參數(shù) β1 均接近于 1，說(shuō)明中國(guó)股市具有很明顯的 ARCH 效應(yīng)，其波動(dòng)展現(xiàn)出很強(qiáng)的持續(xù)性和聚類性。但在空頭期，考慮成交量之后，持續(xù)性參數(shù)從略大于 1 減少為， ARCH 過(guò)程趨于平穩(wěn)，說(shuō)明成交量是“其他未知的影響市場(chǎng)變動(dòng)的因素”之一。 ?在包含成交量的 GARCH(1,1)模型中： ? 我們發(fā)現(xiàn)在三種市場(chǎng)態(tài)勢(shì)中，成交量系數(shù) γ在 1%的顯著性水平上均為正值，說(shuō)明中國(guó)股市的價(jià)格波動(dòng)與成交量顯著正相關(guān)，成交量代表的市場(chǎng)新信息流對(duì)價(jià)格波動(dòng)存在顯著的當(dāng)期效應(yīng)。 四、實(shí)證研究結(jié)果 （一） GRACH 模型的估計(jì)結(jié)果 ?利用 GRACH（ 1,1）模型和包含成交量的 GRACH（ 1,1）模型對(duì)上證 A 股指數(shù)波動(dòng)的擬合結(jié)果見(jiàn)表 6。對(duì)剔除后的序列進(jìn)行平穩(wěn)性檢驗(yàn)。 （四）成交量的調(diào)整 ?為了將內(nèi)生增長(zhǎng)從序列中剔除，本文先對(duì)成交量取自然對(duì)數(shù)，而后做散點(diǎn)圖，發(fā)現(xiàn)對(duì)數(shù)成交量近似呈現(xiàn)線性趨勢(shì)。但是收益率平方序列具有很強(qiáng)的序列相關(guān)性。 ?由表 14 發(fā)現(xiàn)，在大部分時(shí)滯上，各樣本期收益率序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)值都很小，均小于 ，表明收益率序列并不具自相關(guān)，因此，在條件期望方程中不需要引入自相關(guān)性的描述部分，而是采用 ARMA（ 0,0）的形式，收益率可以用方程 (6)表示。 JarqueBera 正態(tài)檢驗(yàn)的結(jié)果證實(shí)了股票指數(shù)每日收益的分布不是正態(tài)分布。 ?圖中盤整期的偏度為負(fù)值，其他為正值，且空頭和多頭期的數(shù)值較大。 ?中國(guó)股市在多頭期的平均收益率明顯高于其他三個(gè)時(shí)期，而空頭期的平均報(bào)酬率最低且為負(fù)值。上海市場(chǎng)總體上呈現(xiàn)空頭市場(chǎng)走勢(shì)。上海股票市場(chǎng)在這段時(shí)期基本處于穩(wěn)步上揚(yáng)狀態(tài)。基本上處于盤整狀態(tài)。 ?股市指數(shù)收益率采用連續(xù)復(fù)利率的對(duì)數(shù)收益率即 r t = ln(P t/ P t ? 1)* 100 ，其中 P t為第 t天的收盤指數(shù)。 ?此外，由于在 EGARCH 模型中，條件方
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1