基于广义误差分布的中国股市日日效应研究.docxVIP

基于广义误差分布的中国股市日日效应研究 一、 日长效应与双次时间 总统keem（1987）选择了1928年至1982年的美国股票市场日价格额。根据研究，该规则适用于基于规模组的股票市场和市场。Jaffe和Westerfield (1985)在英国和加拿大市场发现了同样的周末效应, 但在澳大利亚和日本, 星期二的收益为负, 并且比星期一低。AnupAgrawal (1994)研究发现了美国、德国、日本等18个国家的股市星期五的收益率都最高, 有12个国家表现为星期二收益为负值的效应。张仁良和胡斌 (1998)实证了亚洲股市的星期效应, 发现在5天交易制的股市 (如香港、马来西亚) , 周一的平均收益率最低, 6天交易制度的股市 (如日本、韩国、台湾) , 星期二的收益率最低;一周最后一天的收益率都是最高的。研究者尝试从不同的角度解释星期效应。Lakonishok和Levi (1982)认为周末效应是由于股票的交易与清算之间存在着时间滞后, 也有人认为是交易制度的原因。此外有人还从测量误差、系统交易模式等方面做出了各种解释。在月份效应研究方面,Rozeff和Kinney (1976)发现, 1904-1974年间纽约股票交易所的股价指数一月份的收益率明显高于其它11个月的收益率。Mustafa和Bulent (1983)检验了17个主要股市, 发现了明显的一月份效应, 在英国则是四月效应。Michael Reutter, Weizs?cker和Frank Westermann (2000) 发现德国股票指数DAX在1959-1999年这40年间, 9月份的收益显著最低。Kilman Shin和陈维政等 (2003) 发现在亚洲股市不存在一月效应, 但有趣的是在亚洲股市月度收益倾向于在春季上升。随后的大量研究发现在成熟市场和新兴市场, 小公司普遍存在着“规模效应”和“一月份效应”。以上这些发现提出了难题:这些明显的日历效应究竟意味着拒绝市场有效性理论, 还是这些发现只是数据挖掘 (data snooping, 指使用同样的数据来发现和检验某一假设的个人或集体行为) 的结果或者选择偏差?很多学者提出了见解。例如, Lakonishok和Smidt (1988) 认为, 这些日历效应的发现只不过是取样误差和数据挖掘的结果。Ryan.Sullivan等 (2001) 指出, 某种特殊的日历效应一旦被提出, 该效应从此后就不再显著。Schwert (2002)系统研究了各种异象, 发现他们中的大部分只要变换样本周期, 异象将不复存在。 中国股市收益率是否存在日历效应?学者现有的一些研究缺乏共识。代表性的研究如:Rajen Mookerjee和俞乔 (1999) 研究了截止到1993年底的星期效应, 发现深圳市场和1992年放开股价后的上海市场, 星期一有显著的负收益, 同时星期五的收盘价具有很高的信息含量。奉立城 (2000)发现1992年6月至1998年6月我国股市存在显著为负的星期二效应和显著为正的星期五效应。汪炜 (2002)证实, 我国股市小公司股票在 3月份和 8月份的相对收益率明显强于市场指数, 内在原因是小公司股票独特的流动性问题。我国学者在日历效应研究中可能存在的问题, 一是研究结论缺乏一致性与稳健性, 例如以某一时间段存在星期效应就认为市场总体存在着这个效应。实际上, 中国股市转轨与新兴的属性, 往往会造成不同的样本有不同的结论。有的研究进行了分组, 但分组的随意性较大, 如以1996年底的涨跌幅限制为依据或者以年度为分类依据。不同的分类方法, 结论往往不一致, 而且均未考虑市场有效性演进的可能影响。二是较早的研究使用的样本期较短, 由于是在我国股市成立之初, 所以样本数量有限, 难以比较准确地反映股票市场运动的特点;加之这一时期股票交易中投资者行为、市场行为和管理行为尚不成熟, 因而可能影响研究结果的可信度。三是研究方法的问题。运用最小二乘法, 简单易懂, 但若不考虑现实股市收益率的时变方差行为, 或者虽然运用了GARCH模型, 但未考虑到尖峰厚尾分布, 参数估计的可靠性就值得怀疑。 为了克服以上研究的可能弱点, 本文在现有研究基础上, 做如下扩展研究:一是在日历效应研究中运用滚动样本检验方法 (rolling sample tests) , 该方法可以准确反映出日历效应的时变特征, 给出全景式的、稳健性最强的结论, 而国内其他研究均可看成是滚动检验方法上的一点或者几点的结果。作者尚未在国内外的同类研究中发现运用该方法。二是充分考虑到收益率的统计特征, 运用基于广义误差分布 (General Error Distribution) 的GARCH模型。运用GED分布拟合收益率的尖峰态, 可提高估计精度, 使得拟合结果最大