成份股信息能否预警股市崩盘.docxVIP

成份股信息能否预警股市崩盘 于孝建 曾文正 邹倩倩 摘 要：本文基于修正信息份额模型，利用市场指数及其成份股的信息构建预警指标，从指数成份股的信息这一角度研究股市崩盘预警问题。以成份股相对指数的信息份额衡量单只股票推动指数的能力，并以所有成份股信息份额的方差描述成份股轮动推动指数变化的程度大小，以此构建预警指标，研究结果表明：在上涨行情中，成份股轮动推动指数上涨的现象明显，随着轮动程度减弱，股市容易发生崩盘;以信息份额的方差构建预警指标可以较好地对指数的大幅下降做出预警，成功预警本文定义的5次崩盘中的4次。 关键词：股市崩盘;信息份额;修正信息份额 中图分类号：F832.5 文献标识码： A 文章编号：1674-2265（2020）08-0065-09 DOI：10.19647/j.cnki.37-1462/f.2020.08.010 一、引言 股市崩盘是在没有明显预兆的情况下市场指数出现极端下跌的现象。股市崩盘具有严重的危害性。1987年10月19日的黑色星期一，美国标准普尔500指数的日跌幅高达20.5%;次贷危机期间，标普500年内跌幅达38.5%，中国沪深300指数年内跌幅超过70%。股市崩盘不但会摧毁金融市场信心，影响金融稳定，而且能引起资源错配，危害实体经济的正常运行，甚至引发经济危机[1]。股市崩盘也具有普遍性与传染性。全球范围内发生过多次股价暴跌现象，如1997年席卷亚洲的金融风暴、2000—的美国纳斯达克（NASDAQ）市场崩盘、由美国次贷危机引发的危及全球的金融海啸以及我国股市在下半年发生的“股灾”等。国家或地区股市崩盘事件会通过股价联动、国际贸易渠道传染至其他关联国家或地区[2]。因此，崩盘的识别和预警对于交易者、监管者和风险管理者而言十分重要，有效地预警股市崩盘具有重要的现实意义。 现有的股市崩盘预警模型主要采用代表股市整体的数据进行研究，忽略了对个股信息的利用。股债收益差分模型（the Bond-Stock Earnings Yield Differential Model，BSEYD）最早是由Ziemba和Schwartz（1991）[3]提出，后发展为美联储的一种股市估值方法，又称美联储估值模型（the Fed Model）。该模型通过比较十年期国债收益率与股权收益率（市盈率倒数）来判断股市是否高估，其中后者为股市整体的数据。物理学工具为解决经济学问题提供了理想的背景[4]，Johansen等（2000）[5]首次提出对数周期幂律模型（the Log-Period Power Law Model， LPPL），利用物理学中的自组织临界理论预测股市泡沫破灭概率。该模型使用了标普500指数价格序列来进行预测。Vladimir（2013）[6]对美国道琼斯工业股票平均价格指数的连续几次崩盘之间的持续时间进行分析后，发现连续崩盘之间的时间序列具有显著的自相关关系，因此提出了用自回归条件持续时间模型（the Autoregressive Conditional Duration Model， ACD）来预测崩盘，该模型使用道琼斯指数的收益率序列进行预测。Gresnigt等（2015）[7]基于股市的崩盘行为和地震的动态序列存在相似性这一发现，利用余震序列模型（Epidemic-type Aftershock Sequence Model， ETAS），对标普500指数的日收益率数据进行分析并构建了一个早期预警系统。Sotirios等（2018）[8]基于多个国家的股市指数、十年期国债收益率、汇率以及黄金、波动率指数等指标，结合多种深度机器学习的方法构建了一个股市崩盘预警工具。以上模型使用的都是代表股市整体指数的数据，数据都是单一维度的、时间序列上的。这无疑忽视了横截面上个股信息，尤其是指数成份股的信息。因此，本文综合考虑了个股信息，构建新的指标预警股市崩盘，通过研究成份股与指数的关系以及成份股在股市崩盘前的行为模式来找到较为稳定的规律用于崩盘预警。 在市场指数与其成份股的关系上，市场指数本身是由成份股通过价格加权方式得到的，指数的变化实际上是由成份股变化计算得到的。一方面，股市存在整体同涨同跌的系统性风险，成份股都会受到系统性风险不同程度的影响，共同推动指数的变化，因此指数可以反映股市整体运行情况。廖士光（2010）[9]在研究上证50成份股的定价效率时发现，成份股的系统风险比重仍然较高，占到50%左右，这表明中国股票市场的价格变动同步性非常高，股票同涨同跌现象严重。另一方面，当市场部分股票的变动足够大时，该部分成份股会对指数的变动方向与幅度造成较大且主要的影响，推动指数能力强于其他成份股，如某一时期内的领涨股票。Kwon和Ya