中国股票交易场所的主要事件.docVIP

中国股票交易场所的主要事件 基于信息冲击分布特征的实证研究 内容摘要：本文研究了中国股票市场的信息冲击和产生这些信息冲击的重要事件。在严格检验分布的共轭性的基础上，利用广义误差分布来识别信息冲击最为剧烈的时期，并分析这些时期的重要事件。分布检验运用了CHENG(2002)提出的基于GARCH模型残差的特征函数的检验方法。主要结论归纳为：我国股市的信息冲击具有高峰厚尾特征，但其变化服从正态分布，其中最重要的信息冲击来源于宏观经济；政府救市往往发生在信息冲击最剧烈的时期，且起到了稳定股市的积极作用；基于股市波动最小化的原则，政策延续性比政策本身更加重要。 关键词：信息冲击；GARCH模型；广义误差分布；“5.19”事件 一、前言 我国股票市场成立以来发生了一些重要事件。1997年以来，国内股市已经发生的重要事件包括“5.19”事件、国有股减持、国有股减持停止、B股对境内投资者开放、开设中小企业板块等等。这些事件引起了股票市场的大幅波动，其中一些事件改变了股市趋势，时至今日仍然是证券市场的热门话题。研究它们对深入了解中国股市的运行规律具有重要的理论、现实和政策意义，然而，目前仍然存在如下一些模糊认识：对中国股市影响最大的事件具有什么样的特征？这些事件的条件和概率是什么?如何客观评价“5.19”事件对国内股市的影响？等等。本文试图通过分析股市信息冲击的分布特征来澄清这些问题。 目前研究中国股市重要事件的文献就方法而言，主要可以分为两类，一类是事件窗方法，另一种方法是GARCH类模型或者SV模型（随机波动模型）。事件窗方法从已知事件出发，判断股市收益率的分布形态在事件前后是否发生了变化，如果发生了变化，则认为事件产生了重要影响，否则认为事件是不重要的，在实证方面，范龙振等(2001)研究了转配股上市事件的影响，楼迎军（2002）研究了B股对境内投资者开放事件的影响，刘力等（2004）研究了股票名称变更事件的市场反应，等等。该方法的局限性在于主要针对特定事件进行研究，无法穷尽所有可能（隐蔽）的重要事件，更重要的是，它无法判断事件对股市的影响方向，难以明确肯定事件起到了稳定股市或增加股市波动性的作用。GARCH类模型或者SV模型是一类广泛应用于金融现象研究的模型,但这一方法的研究重点是股票价格的形成过程，对信息冲击和重要事件并没有作太多的深入探讨，目前这方面的论文很多，见张思奇等（2001）、胡海鹏等（2002）、陈健(2003)等等，其中一些研究存在瑕疵，徐龙炳（1999，2001），莫扬（2004）做了评论。本文运用GARCH类模型对上证指数进行实证研究，但研究重心从股票价格的形成过程转移到信息冲击和重要事件方面，通过详细检验和分析标准差序列的分布特征来识别最为强烈的信息冲击，并分析产生这些信息冲击的重要事件。这一方法正好是事件窗方法的逆方法，但避免了它的局限性，在方法论上具有一定的借鉴意义。对分布的检验运用了CHENG(2002)提出的一种基于残差分布的特征函数的检验方法，发现GED和t分布是合理的。主要结论为：我国股市的信息冲击具有高峰厚尾特征，但其变化服从正态分布，其中最重要的信息冲击来源于宏观经济；政府救市往往发生在信息冲击最剧烈的时期，且起到了稳定股市的积极作用；基于股市波动最小化的原则，政策延续性比政策本身更加重要。 二、条件概率分布的共轭性检验 Engle(1982)和Bollerslev(1986)先后提出了ARCH(自回归条件异方差)和GARCH(广义自回归条件异方差)模型，以模拟金融时间序列分布的波动集群特征（volatilityclustering）。参数型GARCH模型的表达式为： 其中为股票收益率序列，由收益率的滞后序列和其他外生解释变量组成，是在t期的条件均值，是在t期的条件方差，是未知参数。Nelson(1991)提出了EGARCH模型，该模型模拟了分布的有偏性，而且相对GARCH模型具有放宽参数限制和方差的动态模型更为灵活等优点，在实践中被证明具有很好的预测能力。本文选择了EGARCH模型，设条件均值方程为： 其中为表示星期日数（weekdays）的虚拟变量，包括了周日和周末效应。条件方差方程为： 其中参数描述了收益率的波动集群现象，参数模拟分布的有偏性，参数描述了星期效应。方程（2）（3）构成了的数据生成过程（Datagenerateprocess，简称DGP），是GARCH类模型估计的重点。由于DGP可以利用一定方法估计出来，并被市场预期，因此实际是证券市场的公开信息或者半公开信息，最终将反映在股票价格当中。是均值为0，方差为1的标准新息过程。的概率分布刻画了证券市场的信息冲击的特征。分析股