中国股票市场的信息反应曲线和股票价格波动的非对称性

股票价格波动对于市场信息的反应过程具有非对称性。通过利用多种非对称性GARCH 模型,描述和检验了沪市股票日收益率序列的条件波动性,并通过对股票市场信息影响曲线的分析,发现沪市股票价格波动中存在显著的非对称性反应。这说明股市波动对于不同的政策干预和信息冲击具有不同程度的反应,“利好消息”对股市的刺激作用仍然需要其他市场干预的配合才能发挥出来。     

基于马尔可夫状态转换模型的沪深股市波动率的估计

为了更准确地估计具有结构转换的沪深股市收益率波动特征,本文将沪深股市的波动变化分为上涨、下跌和盘整三个状态,选用2000年1月4日至2011年12月30日的上证综指和深证成指日收益率数据作为样本,2012年1月4日至2012年1月17日的日收益率作为样本外预测,分别应用GARCH和APGARCH模型,以及RS-GARCH和RS-APGARCH模型估计和预测两序列的波动率,最后采用MSE₁、MSE₂和QLIKE对估计和预测出的波动率进行评价。结果表明:单一状态和三种状态下APGARCH模型均比GARCH模型估计和预测的波动率更准确;更进一步带有马尔可夫状态转换的模型估计和预测出的波动率更准确,且误差分布服从正态分布的模型估计和预测的波动率拟合结果优于误差服从t分布的模型。     

中国股市是宏观经济的晴雨表吗?——基于马氏域变模型的研究

本文运用马氏域变向量自回归模型研究我国宏观经济因素变动对股市的影响。宏观因素选取了工业增加值、消费、出口、通胀率、广义货币增速、利率以及人民币兑美元的实际汇率以反映实体经济增长和货币政策变动。本文首先利用马氏域变模型对所选变量不同时期所处状态进行识别,进而分析了各宏观经济变量周期与股市周期之间的关系;在此基础上,对各序列绝对离差建立马氏域变向量自回归模型,并利用其冲击响应函数研究各宏观经济因素波动对我国股市的影响。研究发现,A股收益率和各宏观经济变量变动都具有明显的非线性;在大多数时间里实体经济变动和股市波动保持了较好的协同性,股市周期略领先于实体经济周期;M2的快速增长往往伴随着股市的大幅上涨,但股市大幅上涨阶段并不与M2的快速增长相伴;利率调节对股市周期有显著的负向影响;通货膨胀对股市收益率影响显著;实际汇率变化周期与股市收益率周期相协同。     

基于GARCH族模型的上证综合指数波动性分析

本文选取上证综合指数2005年1月4日—2010年9月30日的日收盘数据为样本,使用GARCH模型族对此时间段内上海股票市场的波动性进行了实证分析。结论表明了杠杆效应的存在,即利空消息对股价波动性的影响要大于利好消息;同时,上海证券市场的波动性具有一定的持久性。     

利率期货推出对现货市场的冲击效应——基于香港市场的经验证据

新兴市场利率期货的引进,对现货市场的动态波动和信息传递一定的冲击效应。本文针对香港市场90天利率期货,应用自回归条件异方差模型(GARCH)和方差比模型(VR),检验利率期货推出前后对现货市场的波动冲击与消息传递效果。实证结果显示,利率期货推出后波动性干扰所造成的影响效果有更快速地向正常水平调整的现象,波动性干扰半衰期大幅减小,但波动率显著增加。同时,利率期货引入后现货市场的收益率序列几乎接近于随机游走过程,所有的信息都立即反映在价格上,信息传递效率提高。     

中国股票市场的波动性研究--EGARCH-M模型的应用

将ＧＡＲＣＨ－Ｍ模型和ＥＧＡＲＣＨ模型结合起来,分析了我国股市波动性的特点。实证结果表明,波动性对收益率冲击的反应具有非对称效果,即正冲击所引起的波动要大于同等程度的负冲击所引起的波动,收益率与波动性具有显著正相关关系。     

基于无穷状态转换模型的中国股票市场收益率分析

本文建立一个状态数目由数据决定的马尔可夫转换向量自回归模型,用贝叶斯方法推断模型参数,并利用基于Gibbs分块采样的MCMC方法做逼近。然后本文用此模型和估计方法分析上海A股市场周收益率,结果发现,我国股票市场最可能存在5个不同的状态,状态间的区分首以波动性大小不同为标准,股市除了在初期波动性极小外,从1992年4月开始可以分为两个阶段,在各阶段股市均在三个状态之间转换。     

中外股市收益率的非对称动态相关性研究

基于2002年1月1日至2012年7月31日美国道琼斯工业平均指数、香港恒生指数、上证综合指数的样本数据,构建AG-DCC-MVGARCH 模型,运用拟极大似然估计法和LR检验,实证研究中外股市收益率之间的相关性,探讨其是否具备动态特征和非对称性特征。研究结果表明,美国与香港股市收益率之间存在正向的动态条件相关关系,但在2007年以后这一相关性有所减弱;香港与中国内地股市收益率之间存在稳定的正向的动态条件相关关系,且在2005年之后这一相关性大大增强;美国与中国内地股市收益率之间的相关关系不显著。股市收益率的波动对美国、香港和中国内地股市收益率之间的动态相关性产生显著的非对称冲击效应,且负向冲击效应更大,美国股市收益率的波动对3个股市收益率之间的相关性影响最大,这意味着股市下跌时3个股市收益率之间的相关性增强,尤其是美国股市下跌会对其他股市产生较强的波动溢出和风险传染效应。     

中国股票市场的时变杠杆效应研究——基于随机Copula模型的实证分析

构建随机Copula模型研究了中国股票市场在极端市场条件下的时变杠杆效应.为了解决金融市场中波动率不可直接观测的问题,采用已实现波动率测度作为隐波动率的代理变量,进而运用基于有效重要性抽样的极大似然(EIS-ML)方法估计了随机Copula模型的参数.基于沪深股市数据的实证研究表明:中国股票市场的杠杆效应具有非对称特征,即股市低收益率伴随高波动率,但股市高收益率不一定伴随低波动率;中国股票市场的杠杆效应存在显著的时变性,沪深股市杠杆效应表现出类似的变化趋势;随机Copula模型相比其它Copula模型(静态Copula模型和时变Copula模型)具有更好的数据拟合效果.     

基于马尔可夫转换GARCH模型的上海股市风险研究

在本文中我们将马尔可夫转换模型与GARCH模型相结合来分析上海A股和B股市场的风险结构,实证研究发现上海A、B股市场的风险具有明显的状态转换特征,高风险状态和低风险状态在波动值和波动持续期方面存在着较大的差异,而我们的模型能够较好的捕捉到这种状态相依特征.因此马尔可夫转换GARCH模型较传统的GARCH模型能够更好地刻画上海股市的风险特征和景气状况.     

卖空限制对股票市场收益非对称性的影响——基于上海和香港的实证比较研究

利用改进的BB法则划分股市的波动周期,运用EGARCH-GED模型比较研究了上海和香港股票市场的非对称性问题.通过研究发现,上证综指的收益分布从长期来看呈负偏,而恒生指数呈正偏;在熊市中两个市场均存在"杠杆效应",在牛市中香港市场坏消息的影响仍然更大,而上海市场则存在"反杠杆效应".出现这一差异主要由于上海证券市场缺乏卖空机制,影响了价格对坏消息的吸收,这一结果能够解释我国内地股市"暴涨暴跌"的现象.     

股市波动的杠杆效应检验:一种新的方法

股市波动的非对称性特征一直是金融研究中关注的焦点问题。本文首次构建了一个非平衡似无关波动模型,从个股角度对波动的非对称性进行检验。通过与综合指数的对比研究,本文揭示了市场因素对波动非对称性的影响。实证结果表明,我国深证成份指数波动存在杠杆效应,而成份股波动却表现出反向杠杆效应。市场同时存在的共同因素和异质因素,是导致成份股波动和成份指数波动表现不一致的原因。进一步的研究结果表明,在消除共同因素影响后,成份股波动的反向杠杆效应会表现更明显。     

基于滚窗VAR的沪港通波动溢出效应测度

股市间的互联互通是把“双刃剑”,在加强联动性的同时也扩大了风险敞口。作为中国股市对外开放的重大举措,沪港通开通六年来的效果如何是业界关注的议题。本文运用滚窗VAR方法计算沪港通前后各1000个交易日期间上海、香港和纽约股市的时变波动溢出指数,进而分析两两市场之间波动溢出效应的大小、传导方向变化。研究发现,沪港通的实施,增大了沪市与香港股市的波动溢出效应,与美国的波动溢出效应相对减小,沪港通在加强沪、港两市联动性的同时弱化了与纽约股市的联动性;改变了沪港两市之间波动溢出效应的传导方向,由单一的港→沪溢出变为以沪市为主的双向沪←→港溢出,同时也增大了对纽约股市的溢出效应,增强了沪市的竞争力。这一结果符合经济基础假说和协同市场假说。本文的研究改进了股市间互联互通波动溢出效应程度和传导方向的测度方法,并为中国沪港通政策效果评价及进一步的国际板开设提供决策参考依据。     

中国沪深股市结构性波动的政策性影响因素

本文利用划分均值和方差变点的迭代累积平方和算法(ICSS:MV)对上证综指和深证成指1996年12月16日至2010年12月31日的日收益率序列进行结构变点的检验,通过将结构变点与重大事件对应选取影响沪深股市结构性波动的政策性事件,并根据选取的事件将样本区间分成13个子区间。为了避免参数模型中模型误设的缺陷,利用非参数GARCH模型估计样本区间的波动率;最后利用N-W核回归估计对非参数GARCH估计的波动率与收益率进行回归,分析股市结构性波动产生的政策性影响因素。通过分析发现央行调整存贷款基准利率和存款准备金率、国有股的减持、允许保险公司等机构投资者买卖证券投资基金、调整印花税等政策性因素是造成我国股市变结构波动的重要原因。     

大众媒体与新媒体信息传递对中国股市收益波动的影响

基于异质投资者框架对大众媒体新闻、新媒体新闻与中国股市收益波动的影响进行探究,研究结果发现：（1）平均看来,新媒体新闻、大众媒体新闻与收益波动都变现为显著的正相关关系,且新媒体新闻与收益波动的平均相关性大于大众媒体新闻与收益波动的平均相关性。（2）具有高前期收益,高账面市值比,高机构投资者持股比例与高换手率这样的能引起媒体关注的特征的公司,其收益波动与新媒体新闻的相关性大于与大众媒体新闻相关系的概率更大。（3）对于小市值与年轻的公司,信息不确定程度高,新媒体新闻与其收益波动的相关性更可能大于大众媒体新闻与其收益波动的相关性。这一结果可以归因于新媒体新闻丰富了投资者的信息环境,更能影响投资者的异质信念水平。     

考虑跳跃和隔夜波动的中国股票市场波动率建模与预测

本文用已实现波动率（Realized Volatility, RV）度量上证综指和深证成指在交易时间内的波动率,并将其分解为连续路径变差部分和由跳跃引起的非连续部分。这两部分与隔夜波动率共同构成日波动率。本文对日波动率的三个组成部分建立HAR-CJN模型,探究了波动率不同成分之间的相互影响以及在预测中的作用。结果表明连续变差对日波动率的各组成部分均有显著的正向影响,在预测中的贡献最大;而跳变差的影响一般比连续变差的要弱,且随着滞后期的长短而有所不同。样本外预测结果显示HAR-CJN模型的预测表现要远远优于GARCH族模型,并在向前一天和一月的预测中优于普通的HAR-RV模型。     

基于马尔科夫随机波动和极值理论的风险测度

针对金融资产波动的时变、聚集以及状态转换等特征,将马尔可夫转换模型和随机波动模型相结合,同时考虑波动尾部的状态分布,构建MSSV-t模型,然后将收益序列转化为标准残差序列,在此基础上,应用EVT模型对标准残差进行建模,进而构建基于MSSV-t-EVT的VaR测度模型,最后对该模型的有效性进行检验。研究发现：MSSV-t-EVT模型能够有效识别上证指数（SSCI）的波动转换特征,并且能合理地测度该指数的收益风险,尤其在高的置信水平下表现更好。研究结论表明MSSV-t-EVT模型能较为准确的刻画股市剧烈波动的事实,可用于交易风险控制和对市场异常波动的预警。     

中国股市与周边股市波动风险传导效应研究

由于金融资产收益的条件波动率不仅是金融市场风险度量的重要指标,而且呈现出明显的杠杆效应。因此,本文运用能够刻画波动率杠杆效应的LGARCH(Leverage GARCH)模型对金融市场条件波动率进行建模分析,进而运用Granger-Causality检验分析了中国股市与周边股市波动风险的传导效应。实证结果表明,在整个样本区间,上海股市与周边重要股市的联系比较微弱,仅与香港股市存在一定的风险传导关系,而与东京、新加坡股市却不存在传导关系。然而,在我国股市对境外合格机构投资者(Qualified Foreign Institutional Investors,QFII)开放后,中国股市与周边股市的波动风险传导关系明显异于对QFII开放之前和整个样本期的风险传导关系,上海股市与香港、东京、新加坡股市间的波动风险传导关系均显著增强。