我国股票市场周内效应EGARCH模型研究.docVIP

我国股票市场周内效应EGARCH模型研究 　　内容摘要：本文使用一种非对称波动模型—EGARCH模型来检验中国股市的周内效应，基于上证综合指数的实证分析表明，在2006-2010年的样本期内，沪市存在显著为正的周一效应和周三效应，笔者对这一回报异象进行了必要的讨论。 　　关键词：周内效应 EGARCH 市场有效性 　　 　　周内效应指周内的某一天（比如周一或周五）的平均收益率在统计上显著的异于零。周内效应常常被认为是一种证券市场的回报异象，与市场有效理论相背离。 　　Cross（1973）对1953年到1970年间的标准普尔500指数的日收益率进行了研究，首次观察到美国股市的周内效应，他发现标准普尔500指数在周五上涨的概率为62%，而在周一上涨的概率为39.5%；周五的平均收益率为0.12%，而同一样本期内周一的平均收益率为-0.18%。继Cross之后，French（1980），Keim and Stambaugh（1984）等都对美国的证券市场的周内效应的进行了检验，都表明早期美国股市存在显著为负的周一效应和显著为正的周五效应。同时，大量的研究者对美国以外的其他主要股市进行了周内效应的研究，发现大多数西欧股市（英国除外）和亚太股市都存在显著为负的周二效应，并将其归结为由于时差原因导致美国股市对其他股市的溢出效应。国内学者同样对我国股市的周内效应进行了大量的实证研究，如奉立城（2001）用线性模型检验了1992年至1998年间沪市和深市的周内效应，发现了显著的周五效应。而chen（2001）的研究则表明中国股市如同其他亚太股市一样存在显著为负的周二效应。本文为避免数据挖掘的问题，选择了2006-2010年为数据样本期来检验我国股市的周内效应，同时讨论我国股市的有效性。 　　理论与方法 　　早期对于周内效应的研究主要用线性模型，如假定d1、d2、d3、d4、d5分别代表周一至周五的虚拟变量，r代表股票的相对收益率。则周内效应的检验模型为： 　　 　　并且在这一线性模型中时常假定方差的残差项服从正态分布。这种线性模型主要存在两个主要问题。第一个问题是经典模型的正态分布假定不适合金融资产收益率的模拟。大量的实证研究表明金融资产收益率的损失分布相对正态分布具有尖峰厚尾和非对称性的特征，金融资产收益率其尾部并非如何正态分布那样衰减，而是较正态分布更厚，产生这一现象的主要原因是金融资产价格的暴涨暴跌引起的；金融资产收益率的非对称性也称为杠杆效应，在证券市场杠杆效应假定如果股票价格下降，那么公司的债务—权益比率上升，这样诱使股东认为由于他们现在持有的头寸比以前具有更高的风险而带来的未来现金流的增加，产生杠杆效应的本质原因还是投资者更关注下方风险（Downside Risk），即大多数投资者是风险厌恶的。因此使用正态分布就会产生偏差，无法有效利用金融资产的损失分布的信息。 　　线性模型的另一个问题是，金融时间序列一般是非线性的，因此用线性模型来表示金融时间序列的问题会带来相应的模型风险问题。同样，大量实证研究表明金融资产的收益序列存在一定自相关问题，而金融资产收益的平方序列却存在非常显著的自相关关系。从短期来看，金融资产收益率的方差不是一个常数，而是变化的。如果我们直观的检验股票相对收益的时间序列图就会发现，收益的大的波动后面倾向于跟着一个更大的波动，而收益的小的波动后面倾向于跟着一个更小的波动，出现所谓的波动聚集性（Volatility Clustering）效应。 　　Engle（1982）首次提出了自回归条件异方差（Auto Regressive Conditional Heteroskedasticity，ARCH）模型，最初被成功应用于英国通货膨胀指数的波动性研究之中，但是Engle的ARCH模型估计较为复杂，并未在实际中获得很多应用。直到1986年，Bollerslev将滞后条件方差项引入到ARCH模型中，提出了广义自回归条件异方差（Generalized ARCH，GARCH）模型，由于GARCH模型在条件方差预测上表现出很高的效率，因而在实际中获得很大的应用。GARCH族模型在描述金融资产价格的行为上其解释能力和描述能力明显的优于线性模型。 　　假定一个股票指数pt，其相对收益率为rt，则其当期日连续复利回报率定义为： 　　 　　则检验股票日相对收益周内效应的GARCH（1，1）模型可以表示为： 　　 　　这里仍用di来表示周内第i天的虚拟变量，在均值方程中不包含常数项，这避免了多重共线性的问题，残差序列假定是一个i.i.d过程。GARCH模型的问题是对估计参数有非负的约束，而且并不区分正的价格冲击和负的价格冲击对于波动的影响。 　　因此，Nelson（1991）提出了指数GARCH（E