我国创业板和主板市场风险比较实证研究.docVIP

我国创业板和主板市场风险比较实证研究 　　内容摘要：我国创业板市场设立以来遇到诸多冲击，具有较大的运行风险。文章对创业板市场与主板市场的风险进行比较，发现我国创业板市场不仅收益偏低而且风险偏大，并具有明显的波动集聚性特征。因此，必须从监管层、投资者等多个角度加强创业板市场的风险管理，以推动其健康稳定发展。 　　关键词：创业板 主板 风险 ARCH效应 　　问题的提出 　　我国的创业板市场自启动以来，就出现的诸多问题：高管离职潮、高溢价发行、股价剧烈波动、跌破发行价等。因此，如何对我国创业板市场的风险进行识别并建立相应的预警机制，就显得尤为重要。 　　学术界关于我国创业板市场风险的研究，大部分集中在创业板启动之前和启动之初的时期，主要是借鉴国外经验并结合我国实际做的一些前瞻性的规范性研究。在创业板市场风险来源方面，李永森（2009）认为创业板市场的风险主要来自于上市公司的成长性风险、制度性风险以及新兴加转轨市场特征下的理念风险3个方面；孙云辉（2009）指出创业板市场的流动性风险将是未来我国创业板市场风险的重要组成部分。在创业板市场风险管理的研究中，祁斌（2006）通过对海外创业板市场经验进行总结，认为可以从制度层面上构建完备的创业板市场管理体系，但对具体构建的内容未有深入研究；张蕾（2008）认为可以从创业板市场设立模式、市场准入、信息披露机制等法律规范建设角度来构建防范创业板市场风险的管理体系。 　　然而，与上述丰富的理论研究成果相比，在我国创业板市场成立以后针对市场风险进行的实证研究并不多。我国的创业板市场与主板比较，风险有无放大？对此，较少有文献进行过比较。为此，本文以日回报率为分析对象，对创业板的市场风险进行量化分析，比较了同时期我国主板市场与创业板市场的风险，以期弥补相关文献的不足。 　　研究设计 　　（一）模型设定 　　1.股票市场的ARCH效应。比较不同市场的风险有多种方法，常见的方法是比较各资产价格的方差或标准差。在均值一定的情况下，方差（标准差）越大说明该市场的资产价格波动越大。但是对于证券市场上的资产价格而言，仅比较方差还是不够。恩格尔（Engle.R，1982）发现，资产价格大的及小的预测误差常常会成群出现，表现存在一种异方差，其中预测误差的方差取决于后续扰动项的大小。 　　时间序列数据的异方差体现了资产价格风险的波动性。在经典线性回归模型中，我们经常假定随机误差项ut是同方差的，即假设yt=β0+β1x1t+β2x2t+…+βkxkt+ut。但是如果存在异方差，方差则是时变的，并表现出“波动聚集性”的特征。对此ARCH模型可以较好地刻画金融时间序列的这种特征，该模型假定随机误差项的条件方差与误差项滞后的平方有关，对于ARCH（q）模型，其一般形式为：δt2=α0+α1ut-12+α2ut-22+…+αqut-q2。 　　通过上述ARCH（q）模型的一般表达式可以发现，t期资产价格的方差还受从t-1到t-q期所有误差项的影响，因此会导致资产价格的波动聚集性与长记忆性。波动聚集性与长记忆性体现在股票市场上就是股价的暴涨暴跌，即一旦股价下跌（上涨）后随后的股价也跟着下跌（上涨），股价向均值回归的速度相对较慢。因此ARCH效应从波动性的角度刻画了股票市场的风险。 　　2.ARCH效应的LM检验。Engle提出的检验残差序列中是否存在ARCH效应的拉格朗日乘数检验，即ARCH LM检验方法可以有效地判别出金融时间序列的波动聚集性。自回归条件异方差性的这个特殊的设定，是由于人们发现在一些时间序列中，残差的大小与最近的残差值有关。其检验方法是由一个辅助检验回归计算。为检验原假设：残差序列中直到p阶都不存在ARCH效应，需要进行如下回归： 　　该式表示残差平方对一个常数和直到p阶的残差平方的滞后所做的一个回归。此检验回归有两个统计量：一是F统计量，是对所有残差的滞后的联合显著性所作的一个省略变量检验；二是T×R2统计量，即Engle`s LM检验统计量，它是观测值个数T乘以回归检验的R2。原假设下F统计量的准确有限样本分布未知，但LM检验统计量在一般情况下是渐近服从χ2（p）分布的。 　　（二）实证分析 　　1.数据来源与指标设定。本文的数据来源于香港理工大学中国会计与金融研究中心和深圳市国泰安信息技术有限公司联合开发的“中国股票研究市场交易数据库”（CSMAR数据库）。数据的时间跨度为2009年11月2日至2011年11月1日，为两年。各证券市场收集的日回报率数据除去节假日等，有487个。数据处理与分析采用软件为stata11.0。 　　考虑现金红利的日回报率公式计算如下： 　　其中：Pn，t为股票n在t日的收盘价；Pn，t-1为股票n在t-1日的收盘价；Dn，t为股票n在t日为除权日时的每股现金分红；Fn，t为