我国股市收益风险剖析.docVIP

我国股市收益风险剖析 　　一、引言 　　我国股市目前处于低迷时期，截止到2016年1月27日，上证指数为2638.30，继续在3000点下徘徊。2008年后中国股市进入蛰伏期，发展陷入困境，股市功能导向存在误差，股市结构存在缺陷，股市内部环境恶化，外部环境治理效率低下，股市存在的风险较大。2014年A股和H股的市净率和市盈率降至历史最低点，但是市场基本面已经有所改善，大宗商品、税收与浪费支出等成本都在下降，未来几年市场化改革的措施都会给市场带来全新的局面，企业盈利在逐步复苏。我国股市目前不仅仅面临着下行风险，也面临着上行风险。对股市风险的研究能够有利于提取预防并且实现合理的规避，有利于我国政府在十八届三中全会后市场化改革的顺利进行。 　　股市风险包括系统性风险和非系统性风险，本文主要研究的是系统性风险。本文以上证指数日数据为研究对象，运用CARR-CVaR模型对我国股市存在的风险进行度量，分析我国股市的风险特征以及未来分风险走势。 　　二、理论模型 　　（一）已实现极差（RR）方法 　　若以交易日为单位，可以将第i个交易日等间隔分为T个区间，区间长度为m，并且第t个区间的最后交易价格为Pi，t，最高价格为Hi，t，最低价格为Li，t。令rri，t=（lnHi，t-lnLi，t）为区间t的极差。则第i天已实现极差RRi，t定义为： 　　RRi，t=14ln2∑Tt=1rr2i，t=14ln2∑Tt=1（lnHi，t-lnLi，t）2（1） 　　（二）条件自回归极差（CARR）模型 　　高频数据蕴含波动信息更多，Chou（2005）提出CARR模型，该模型有效运用高频数据并结合RR方法和GARCH结构来描述已实现极差的动态变化过程。CARR模型为： 　　RRi=λiζ，ζ～exp（1）（2） 　　λi=+∑pt=1atRRi-t+∑ps=1βsλi-s（3） 　　其中，0，0≤at≤1，0≤βs≤1 　　以上为CARR（p，q）模型，且（∑pt=1αt+∑ps=1βs）≤1以保证模型的平稳性。 　　（三）基于CARR的CVaR模型 　　VaR和CVaR模型都是常见的测量金融资产风险的模型，VaR度量的是最大损失点，而CVaR度量的是风险损失的条件期望值，所以在实际中CVaR模型更为适合测量股市中存在的风险。 　　设f（x，y）是投资组合x的益损函数，向量y表示影响益损的不确定性，如价格或收益率。对任意x，由y引起的益损f（x，y）是服从某一分布的随机变量。 　　假设y的密度函数为P（y），f（x，y）不超过某一阙值概率为： 　　ψ（x，ξ）=∫f（x，y）≤ξp（y）dy（4） 　　在给定置信水平α下的VaR值为： 　　VaRα（x）=min{ξ∈R：ψ（x，ξ）≥α}（5） 　　在给定置信水平α下的CVaR值为： 　　CVaRα（x）=11-a∫f（x，y）≥VaRa（x）f（x，y）P（y）dy（6） 　　VaRα（x）是损失x的分布的α上分位点，是投资组合在未来特定时间内的最大可能损失，而CVaRα（x）是益损f（x，y）大于等于VaRα（x）的条件期望，是该投资组合的损失超过VaRα（x）的条件期望值。假设资产收益率服从正态分布，则可得： 　　CVaRα（x）=11-α∫+∞VaRα（x）t2π（x）exp（t-R（x））22σ2（x）dt=ψ（-1（α））1-ασ（x）-R（x）（7） 　　其中R（x）为投资组合期望收益，σ（x）为R（x）的标准差，为标准正态分布的分布函数，ψ为标准整体分布的概率密度函数。 　　CVaR模型和VaR模型都是以损失分布为出发点，金融资产的实际风险大多存在尖峰厚尾特征，所以正态分布的假设往往不够，因此本文增加了t分布假设下的参数估计与风险。损失率ri与对数收益率互为相反数，采取如下方程描述损失率变化过程： 　　ri=μi+σσiεi（8） 　　其中，μi为条件均值方程，σ为待估参数，σi为波动率方程，εi是均值为0、方差为1的独立同分布，这里考虑正态分布和t分布。可以使用CARR模型来刻画σi，即RRi|i-1=σi，且由于εi对应损失率ri，则置信水平α下CVaR满足： 　　CVaRr，α，i=-μi+σRRi|i-1CVaRε，α（9） 　　运用极大似然估计法对以上模型进行估计。 　　三、数据选取和处理 　　本文选取上证指数日数据为研究对象，样本区间为2000年1月5日到2014年2月12日，共3406个交易日。高频数据用CARR模型拟合较佳，由于数据获得程度有限，本文只使用上证指数日数据，对每日区间内不做分割，即T=1。 　　运用软件对上证指数日对数收益率的基本统计特征进行分析，其分析结果见表1。从表1可知，从2000