中国股市流动性风险的非对称效应分析

通过构建一个非流动性指标,对中国沪深股市1995—2005年的市场流动性进行计量,发现中国股市流动性风险存在明显的波动聚集性特点。在此基础上,通过引入非对称GARCH模型对中国股市的流动性风险的动态特征进行实证检验,结果显示：中国股市的流动性风险存在明显的非对称效应,流动性风险表现出“强时愈强,弱时愈弱”的特征,这意味着当市场出现流动性问题时,政府的积极干预是合理的。     

利率冲击非对称效应的实证检验:来自中国的经验证据

文章试采用自回归分布滞后(ADL)模型和向量自回归(VAR)模型,对我国利率冲击作用于产出和物价水平效果是否具有非对称性以及非对称的程度、表现形式予以实证研究.计量检验结果表明:正、负向利率冲击对我国宏观经济的影响总体呈现非对称效应;利率冲击时物价的影响,相对于利率冲击对产出的影响而言,其稳定性和持续性更好;利率冲击对物价作用的"非对称效应"强于利率冲击对产出作用的"非对称效应".     

关于中国股市风格投资的实证研究

文章对2003～2008年6月中国股市数据进行风格投资实证研究.研究结果表明:就CD策略而言,我国股市表现为反转效应,基本上不存在惯性效应,并且传统风险因子对风格反转收益缺乏解释力,这说明股价的可测性;就LM策略而言,我国股市主要表现为反转效应,但是有时也表现为惯性效应;我国股市的系统风险很高,因此根据市场指数变化来进行投资更加可取;仅就反转策略和惯性策略而言,反转策略更加可取.     

第三产业对我国宏观经济波动的非对称效应分析

文章使用TARCH模型和GEARCH模型等方法,通过对第三产业自身的波动特征和其对宏观经济冲击的非对称效应的分析,得知由于第三产业本身存在的非对称性特征等原因,其收缩时对宏观经济有减缓其收缩的作用,而扩张时则对宏观经济有冲击效应。整体而言,第三产业对宏观经济波动是起着缓和作用的,文章最后从虚拟经济体的角度对此进行了验证,最后对造成此种现象的原因进行了分析,并提出了相关建议。     

信息的非对称效应及对上证综指的实证分析

文章利用EGARCH-M,TGARCH-M和PGARCH-M具有非对称效应的均值模型,对上证指数收益率波动性进行了实证分析,结果显示这些模型均能很好地反映收益率序列的非对称杠杆效应及期望收益和期望风险的正向关系,并通过信息影响曲线(News Impact Curves)直观看出利空、利好消息的非对称反映,进而比较选择能更好地拟合此序列的模型。     

非对称随机波动模型在中国股市的应用

为了探测随机波动模型的非对称特征,修改传统的随机波动模型建立非对称的随机波动模型,采用基于马尔可夫链蒙特卡洛(MCMC)模拟的贝叶斯分析对模型进行参数估计。对中国深圳、上海股市波动进行实证研究发现,非对称随机波动模型能较好地探测波动存在的非对称波动。与GJR-GARCH模型相比,非对称随机波动模型预测效果更好。     

中国农产品期货套期保值非对称效应研究

 为了更好地发挥农产品期货的避险功能,本文考察了基差和“消息”对期货套期保值比率的非对称影响。本文选取了2008年5月至2012年2月的大豆、棉花、白糖和菜油四种代表性农产品的期现货数据进行实证分析,结果表明：(1) 4种农产品期现货对数价格都是非平稳的,并且存在协整关系,协整向量靠近(1,-1),从而套期保值过程中有必要考虑基差的影响;(2) 基差和“消息”对期现货的对数收益的波动率以及相关系数均存在非对称效应;(3) 对于样本内估计和样本外预测结果,与静态模型以及DCC-GARCH模型想比,考虑基差和“消息”的非对称效应模型能更大程度地降低风险,因此套期保值过程中基差和“消息”的非对称效应不可忽略。     

中国股市非对称性收益的实证研究

文章运用Markov状态转换模型对深证指数周收益变结构进行了分析,通过与随机游走模型、收益转换模型、方差转换模型比较,诊断证实收益和方差存在动态结构变化特性,收益和方差在两个状态之间发生非对称频繁转换。模型对现有数据及历史事件具有良好的解释能力,对未来收益的预测也好于其它模型。     

基于ANN-GARCH模型的中国股市收益非对称波动拟合能力研究

在传统的非对称GARCH模型上加入ANN逻辑项,从而提高了模型的非对称性描述能力。不同于"黑箱"式的神经网络计算,这种方法的ANN逻辑项是可见、可分析的。通过对上证综指、深证综指和恒生指数的实证研究,发现三个市场都存在"杠杆效应"。研究表明:ANN-GARCH模型总体上比传统模型的拟合效果更好,预测能力更强。     

上海股市规模效应和价值效应实证分析

文章通过对1997～2002年上海股市收益率数据分别按照β、规模、账面/市值比进行排序、分组,并进行横截面回归检验,发现β与股票组合收益之间缺乏显著的相关性,相反流通市值和账面/市值比这两个易于测度的变量对收益率变化具有显著的解释作用,收益率与规模强负相关,与账面/市值比强正相关,这一结论说明上海股市存在规模效应和价值效应,通过进一步检验发现,上海股市的规模效应并没有明显的"月份效应"。     

中国股市时变贝塔实证研究

适应性市场假说认为金融资产的系统风险是随市场环境变化的,风险与收益之间的关系并非线性,投资者会根据不同的市场环境采取适应性策略.文章采用Kalman滤波及平滑模型,实证研究了我国股市五个风格指数的贝塔变化,并采用事件研究的方法分析了贝塔变化的原因,以检验适应性市场假说能否解释我国股市.实证结果显示,风格指数的贝塔是时变的,与某些重大的经济、政治事件有关.经典CAPM模型不能解释这些现象,而适应性市场假说则能很好地解释.     

中国股市的财富效应研究

本文首先运用滚动样本检验了1996—2006年我国股票市场的财富效应,接着用误差修正(ECM)方法详细研究了有关财富效应的一些争议。文章最后提出了有利于发挥股市财富效应的相关措施。     

股市财富效应的实证检验

通过消费的持久收入—生命周期假说的分析,可从不同侧面体现股市财富效应的作用,而把理性预期理论、持久收入—生命周期假说综合起来的现代消费函数,则对此进行更为全面的诠释:即持续繁荣的股市,既增加公众财富,也增强了市场信心,扩大短期MPC,促进消费增长,进而推动经济增长。当然,持续萧条的股市所形成的负财富效应也对经济增长产生负效应。我们的实证结果表明我国股市受到诸多因素的制约,财富效应没有得到很好的发挥。     

中国股市特质风险的实证研究

文章利用1998～2008年我国股市中全部股票的日收益数据来计算我国股市的特质风险,发现自1998年以来,我国流通市值加总的大盘、行业以及公司特质风险出现先降后升的趋势.我国证券市场中个股收益率的渡动主要来自于整体股市以及个股所在行业的特质波动,个股的特质风险对其本身收益率的波动影响很小.同时,我国股市的特质风险不具备对GDP增长的预测作用.     

中国股市动量效应与反转效应形成机制研究

针对中国股市的特殊性,文章在HS模型基础上将投资者划分为消息观察者、动量交易者和套利惯性投资者,从他们对股票基本面和技术面关注点的不同出发,分段研究了三类投资者不同决策对股价的影响.分析表明:股价波动以消息传播为始点,动量交易者与套利惯性投资者加剧了动量效应,套利惯性投资者还会引发股价反转效应;股价产生动量效应和反转效应的程度受到股票市场环境、投资者规模以及风险承受能力的影响.     

影子银行信用扩张的非对称传导效应研究——基于NARDL模型的研究

影子银行的信用扩张模式与传统银行信贷不同,蕴含更大的不确定性特征。在对中国与美国的影子银行信用扩张机制进行了比较后,运用NARDL模型对中国影子银行信用扩张的非对称传导进行了实证检验。结果发现:中国"通道式"影子银行业务对社会信贷的扩张与收缩存在短期和长期的非对称传导效应,不利于信用扩张的长期良性循环,需要对其进行规范化的合理引导,降低其引致风险发生的可能性。     

上海股市非系统风险分散的实证研究

本文采用了实证研究的方法 ,选取了两组不同投资组合 :任意投资组合、有选择的投资组合 ,对股票投资组合非系统风险的分散进行了实证研究 ,得出了定性和定量的结果 ,对套利定价模型的理论进行了验证 ,并对上海股市究竟多少支股票能够分散风险 ,不同投资组合对分散非系统风险究竟有何影响这两个问题做出了回答     

国际金融危机下中国股市与全球股市联动效应的实证研究

随着经济全球化的日益深入,资本市场的联系也比以往更加紧密,文章通过ARCH模型和向量自回归(VAR)模型和ECM模型,对中国沪深两市和香港、日本、美国、日本、欧洲以及新加坡等主要国际股市之间的关系进行了实证研究.从股票价格和收益率两个方面研究两者之间的联动效应,进一步探讨它们之间长期的均衡关系和短期渡动之间的相关性和溢出效应.     

沪港台三地股市波动的风险传导效应研究

由于受到地理位置、经济文化等因素的影响,沪港台股市在收益率波动上存在相关性。利用Granger因果检验和Chi-plot图检验两种方法分别对沪港台股市波动进行了实证研究。结果一致表明：沪台股市的收益率波动存在双向传导效应,沪港两市的收益波动仅存在显著的港市对沪市的单向“溢出效应”,而沪台两市传导效应相对较弱。但沪港台三市的收益波动均存在明显的“杠杆效应”。     

中国股指收益率的非对称拉普拉斯分布实证检验

应用非对称拉普拉斯分布拟合沪深两市股指日、周收益率数据。研究结果表明:非对称拉普拉斯分布能够比正态分布更好地反映两市股指的日、周收益率数据的尖峰、厚尾、偏态特征。由于非对称拉普拉斯分布有显性的表达式,便于开展参数估计和数字特征的计算,因此对于股指期货投资者而言,在计算股指收益率的VaR、CVaR进行风险测量时,采用非对称拉普拉斯分布将是较好的选择。