行为金融在中国资本市场实证研究.docVIP

行为金融在中国资本市场实证研究 　　【摘要】本文根据时间序列分析方法，构建了方差AR（P）和标准差AR（P）两个波动模型，同时，基于上证指数日收盘价的数据，采用Eviews软件对两模型做了估计和检验。结果成功地证明了我国股市存在羊群效应。进而说明了我国殷票市场缺乏有效性。为提高我国股票市场的有效性，降低股市的主观风险，本文给出了一些相应的建议。 　　【关键词】羊群效应；实证分析 　　一、引言 　　经济周期波动、经济增长与高度易变的投资有着重要的关联，而投资很大程度上又受到资本市场的约束。作为资本市场之一的股票市场。其波动对经济增长和经济波动有着不可忽视的冲击作用。因此，股票市场波动行为一直是经济学界关注的问题。认识股票市场的波动和股市的风险客观性对投资双方以及宏观经济的平稳增长、对国家构建和谐社会都有着十分重要的现实性意义。Nelson（1989）利用EGARCH模型分析了时间序列Standard90指数日收益率的波动性；刘金全等（2006）使用多种非对称性GARCH模型检验了沪市股票日收益率序列.发现条件波动性和波动中的条件非对称性；Mele（1993）利用漂移GARCH模型对一些国家的股票市场进行了研究.发现这些国家的股票市场存在条件异方差性，这种异方差的波动呈现非对称性。股票市场存在很大的风险.但因其本身报酬结构的特点.收益也是颇丰的。正是源于此，股票市场上，投资者的行为出现聚集现象，表现为上扬“慎追”。下跌“慌逃”的行为。即所谓的“羊群行为”（herding behavior）.近年来，Wermers（1995）；Christie和Huang（1995）；Chang等（2000）等应用LSV、PCM、CH以及CSAD等方法对羊群效应进行了实证与检验；宋军、吴冲锋（2001）运用CASD模型得出我国股市存在羊群效应；用ARCH模型做羊群效应检验的文献国内并不多，蒋学雷等（2003）借用截面收益偏差（CSAD）构建ARCH（3）模型发现中国股市存在羊群效应；杨洋、支晓津（2006）使用截面收益标准差构建ARCH模型对沪深两个股市做了计量经济分析，得出我国股市存在羊群效应.他们的研究都是基于资产收益率，并未针对上证指数日收盘价做出分析。因此。本文用2000年1月24日至2012年3月30日上证指数日收盘价的数据进行描述并提出方差AR（P）和标准差AR（P）模型；利用数据对模型做出估计并检验其结果；最后对结论做些分析。 　　二、数据描述与模型构建 　　（一）数据描述 　　为了对股票市场中羊群效应是否存在做出检验。本文采用了2000年1月4日至2012年3月30日上证指数日收盘价的数据。用{szpt}表示2000年1月4日至2012年3月30上证指数日收盘价这一序列。由于我国股市是五天交易制，序列的日期不包括双休日和我国法定的节假日，因此样本容量为2959个。利用EViews软件分析，我们可以得到上证指数日收盘价序列{szpt}及这一指数增量序列{Δszpt}的趋势图.由于篇幅限制，图表未列示。 　　（二）模型构建 　　在许多金融时间序列的研究中，人们在这些时间序列数据中观察到“汽泡”，是一群具有大方差的观察值.这类现象通过进一步的研究发现不仅存在于金融时间序列而且也存在于其它经济时间序列。本文可根据Engle（1982）检验残差中的波动聚集性的思想和序列本身所具有的“高波动跟着高波动和低波动跟着低波动”这一特性，提出下列自回归模型。 　　（2） 　　其中，Δszpt=szpt-szpt-1，ut～N（0，）。（Δszpt）2。表示上证指数日收盘价的方差，用以描述价格的波动性；lΔszptl表示上证指数日收盘价数的标准差，用以描述价格波动的绝对误差。两个模型中的随机扰动项，我们均假定为独立同分布于均值为0、方差为一常数的正态分布。 　　由于，因此，如果模型中的参数0，则表明股票价格现期的波动受到先前的各期波动的正向冲击。这样的参数符号的假定，正好能描述序列本身因羊群效应所致的“高波动跟着高波动和低波动跟着低波动”的数据特性。从而对羊群效应存在性 　　检验等价于检验参数估计值是否显著大于O。 　　三、模型中的参数估计及检验 　　利用原始数据，我们可以得到序列{Δszpt}的2959个样本数据。由于数据的波动聚集性，近期的波动大于过去的波动，因此，我们在对模型（3）进行估计时取滞后阶数p=4。对模型（3）我们使用普通最小二乘法，可得如下的估计式（3）： 　　式（3）中的参数估计值下方括号中的数据是统计量的值。从这些值来看.各参数估计在显著性水平5%下都是显著不为O；F=99.66表明在显著性水平5%下模型中的参数是显著不全为0，即模型整体是显著的；Q检验则表明序列的平方与该序列的平方的前四期是相关的