中国股票市场信息流对股价波动的影响分析.ppt

中国股票市场信息流对股价波动的影响分析（吴世农） 大连理工大学财务管理研究所 李延喜 一、文献回顾 一、文献回顾 Bollerslev（1986）进一步提出了广义自回归条件方差 （Generalized ARCH）模型，即GARCH 模型。 此后，模型不断得到扩展和改进，形成了ARCH 族模型。 国外学者利用这些模型进行了大量的实证研究，表明GARCH 模型及其扩展形式能有效地描述股票价格的波动性。 虽然ARCH 族模型能够很好地刻画股价波动的特征，但只能说明价格波动受其自身历史波动的制约，却不能解释有哪些外生变量引起股价的波动。究竟什么因素驱动股价产生波动？ 根据市场微观结构理论（Theory of Microstructure），价格的波动主要是由于新的信息不断到达市场且新信息在被市场价格吸收的过程中产生的。 一、文献回顾 Clark（1973）最早提出解释股价波动和成交量相关性的混合分布假说（Mixture Distribution Hypothesis） 支持MDH 理论的研究 Lamoureux 和Lastrapes（1990）将成交量作为信息流的替代指标，加入到GARCH 的条件方差方程中，通过对美国市场上20 只股票的分析，研究包含信息流的GARCH 模型中ARCH 效应的解释效力。认为代表市场信息流的成交量指标能够吸收大部分的ARCH 效应，成交量是由产生价格波动的相同因素驱动的。 Brailsford（1996）、Phylaktis 和Kavussanos（1996）、Omran 和Mckenzie（2000）以及Marsh 和Wagner（2000）对不同国家市场的实证研究都得出类似的结论。 一、文献回顾 反对MDH 理论的研究 Lamoureux 和Lastrapes（1994）的研究发现，成交量的纳入并没有消除ARCH 效应的影响 Sharma 等人（1996）估计了ARCH效应的解释效力，通过对纽约股票交易指数的分析，研究市场收益的分布情况。他们的研究表明即使将成交量包含在GARCH 模型中，ARCH 效应对波动性仍然具有很强的解释效力。 Locke 和Sayers（1993）对SP500 指数期货波动性的研究结论与Sharma 等人（1996）的一致，他们认为成交量代表的市场信息流最多只是有助于解释ARCH 效应。 一、文献回顾 为进一步探明这一原因，日本学者Miyakosh Tatsuyoshi（2002）将东京股票指数（TOPIX）分成两个阶段进行分析，其结论不一致。 Miyakosh 对这一现象进行深入的剖析，认为成交量作为信息流的代表，可以分成两部分。一部分通过自回归过程可以得到解释，另一部分则是潜在的、不可预测的信息，也就是说，当期成交量是由过去的信息和当期或未来的信息所共同决定的。因此，当期成交量既能够解释由ARCH 刻画的波动持续性即过去波动的记忆过程（Volatility Persistence），也能够说明新信息对价格波动的冲击。 当成交量被结合进条件方差方程时，它所包含的旧信息被ARCH 过程吸收，因此，在包含成交量的股价波动方程中，成交量代表的是到达市场的新信息，而ARCH 效应反映的是旧信息对价格波动的影响。 一、文献回顾 早在1994 年，国内学者俞乔就指出上海指数存在 ARCH 现象，其后不少学者运用不断发展的ARCH 族模型对中国股票市场的波动特征进行了初步的研究。 丁华（1999），唐齐鸣等（2001），李胜利（2002）都证实了中国股市的收益率具有明显的波动聚类性（Volatility Clustering）和持续性。 近年来，国内学者对量价关系的研究可以分为：股价变化的绝对量与成交量之间的关系（张维、闫冀楠，1998；陈怡玲、宋逢明，2000）股价变动与成交量之间的关系（王承炜、吴冲锋，2002）和价格波动方差与成交量之间的关系（Xu，2000；赵留彦，王一鸣，2003）。 吴冲锋等（2001，2002）进一步将成交量纳入股价序列中，研究成交量如何驱动价格变化。 一、文献回顾 王承炜、吴冲锋（2001）在研究A、B股互自相关中发现，A、B股在考虑成交量后的GARCH(1,1)模型结果中有所不同。 李双成等（2002）的研究结果表明，在GARCH(1,1)模型中，将成交量作为信息流的替代指标能够显著降低价格波动的持续性，ARCH效应明显减弱。支持MDH理论。 王春峰等（2002）运用GARCH-M模型研究深沪股市时却发现，加入成交量后，中国股票市场波动性的ARCH效应降低的程度远低于国外成熟市场。 本文研究特色 研究对象有所不同 将中国股票市场1997 年7月至2002 年12 月期间划分为盘整期、多头期和空头期，分别研究在三种不同市场态势中国股市的价格波动与市