中国股票市场的收益_风险关系和惯性分析
第32卷第4期2002年7月
数学的实践与认识
V o l 132 N o 14
Ju ly, 2002
中国股票市场的收益2风险关系和惯性分析
吴长凤1, 赵 军2, 吴国富3
(11北京大学光华管理学院金融数学与金融工程研究中心, 北京 100871) (2. 北京嘉实基金管理有限公司, 北京 100005)
(3. 中国科学院数学与系统科学研究院应用数学研究所, 北京 100080)
摘要: 本文采用非对称EGA RCH 2M 模型刻画了中国股票市场的个股风险, 并对全市场的收益风险特征
进行了横向分析, 结果表明, 从长期的角度来讲, 在正常的市场条件下, 2高收益、低风险2低收益的关系, 但从短期来看, , . 其次, 本文分别采用每只股票历史3个月的累积收益率、6国股票市场的惯性, 我们发现, , , 而表现出一定的反转现象, 关键词: EGA RCH 2M 模型; 1, , 标志着真正意义上的股票市场的建立. , 中国股票市场的发展已经经历了十多年的风风雨雨. 1990年到1995年, 即“八五”期间, 应该说是股票市场的试点阶段, 市场监管很不规范, 波动很大, 投机气氛非常浓厚, 股市经常被拉到高峰又跌到谷底. 1996年到2000年的“九五”期间是中国股票市场全面发展时期, 市场交易规模和市场容量迅速扩大, 投资主体发生了很大变化, 机构投资者的实力及平抑市场的作用不断加强, 证券立法和监管力度不断加大, 股票市场与经济增长的连动性也越来越大. 随着中国股票市场发展的不断规范化、市场化, 广大投资者的投资理念也在逐渐发生变化.
虽然中国股票市场还处于不断发展、完善的过程中, 但其运行规律仍然具有西方成熟股票市场的一些特征, 如市场波动性的“群集性”和“持续性”, 即大的波动后面往往紧跟着大的波动, 小的波动后面往往紧跟着小的波动, 这来源于股票投资者一种普遍的心理因素. 无论是根据现代金融理论, 还是从投资者头脑中的意识来讲, 金融资产的高收益往往伴随着高风险. 测度风险最常用的是方差或标准差, 根据前面我们对股票市场波动特征的阐述可知, 股票市场的短期波动不能用一个常量来刻画. 美国圣迭哥大学的经济学家Engel R . F (1982) 提出的自回归条件异方差(A u toR egressive Conditi onal H etero skedasticity , A RCH ) 模型是描述金融市场波动特征的一种有效方法, 为进一
步深入研究股票市场的运行规律提供了非常好的工具, 近二十年来极其受到广大研究者的青睐. 很多研究都表明, 中国股票市场的日收盘价收益率序列有很强的A RCH 现象, 刘国旗(2000) 利用一般的GA RCH (1,
1) 模型和两种非线性GA RCH 模型(Q GA RCH (1, 1) , GJR (1, 1) ) , 以及随机游动模型对中国股市的波动性进行预测, 并比较了各模型的预测性能; 陈泽中等(2000) 利用E 2GA RCH —M 模型, 证明了中国股市波动存在着明显的非对称A RCH 效应, 股市收益率与波动性显著正相关; 张思奇等(2000) 利用A RM A —A RCH —M 模型研究了上证A 股综合指数收益率的
收稿日期:2002203215
4期吴长凤等:中国股票市场的收益2
风险关系和惯性分析577
季节效应和风险2收益关系, 他们得到了风险2收益关系不显著的结论, 与陈泽中等的结论刚好相反, 这很可能是由于他们所利用的具体模型不同, 除了均值模型不同外(陈泽中等考虑了交易量的变化对市场收益率的影响) , 更主要的是:一个利用EGA RCH 模型刻画股市波动, 另一个是利用一般
. 很多研究表明, 利用EGA RCH 模型描述股价波动风险比利用一般GA RCH 模型刻画股市波动性
. W E IW ei 2x ian (1999) 研究分析了Q GA RCH 模型和GJR 模型分别对GA RCH 模型效果更好
上证综合指数收益率和深证成分指数收益率波动的拟合情况和预测效果. 本文的研究表明, 中国股
票市场的月度收益率序列也存在一定程度的A RCH 现象, 但相对于日收盘价收益率序列的A RCH 现象弱很多, 这也与很多学者对成熟股票市场的研究结果基本一致:在金融市场中, 高频收益率序列的A RCH 现象更加强烈. 我们采用非对称EGA RCH 2M 模型对中国股票市场1998年以来有足够历史月度收益率数据的个股建模, 刻画其中每一只股票的风险, 并对全市场的收益2向分析, 结果表明, 从长期的角度来讲, 在正常的市场条件下, 2高收益、低风险2低收益的关系.
在过去的几年里, , 一些基本因素如惯性(M om en tum ) 、2M arket rati o , 简
公司上市规模(size ) . , 是指过去一段时间价格上升记为BM ) 、
的股票, , 在未来一段时间内价
格还会下降, , , 抛售那些价格已经下降的股票, 会获得超, . 相反, 过去一段时间价格下降的股票, 在未来一段时间内价格会上升, , 在未来一段时间内价格会下降, 及时购买那些价格已经下, 抛售那些价格已经上升的股票, 会获得超额收益, 这就是反转投资策略. 王永宏和赵学军(2001) 的研究表明, 中国股票市场在1993年至2000年期间, 总体上存在着一定程度的反转现象, 并没有表现出惯性效应. 一些学者对很多成熟股市的研究都揭示出比较显著的市场惯性, 采用惯性投资策略能够获得超额收益. Sch iereck , D e Bondt 和W eber (1999) 证明了德国股票市场存在着明显的惯性; M ark Hon 和Ian Tonk s (2001) 研究了英国股票市场1955年至1996年的惯性, 他们发现, 在1977年至1996年期间, 英国股市才存在着明显的惯性, 而在1955
年至1976年间, 股市惯性并不存在. 他们同时认为, 惯性不是英国股票市场的一个普遍特征, 只在某一阶段才有; Chen 和Dong (2001) 的研究表明, 美国股票市场的惯性很强, 如果总是投资于那些惯性最大的股票, 将会获得相对较高的收益. 王永宏和赵学军(2001) 在采样时间区间内, 利用排序法, 只是对中国股票市场中历史表现最好和最差的股票价格进行了惯性分析, 得出了具有反转现象的结论. 那么, 从中国股市的全市场来看, 会有什么样的结果呢? 本文利用回归分析法讨论了这个问题.
本文研究了近年来中国股票市场的风险收益关系以及惯性效应, 采用EGA RCH 2M 模型对每只股票的风险进行了刻画, 在取样时间范围内, 对全市场的风险2收益关系及惯性进行横向分析. 本文第二部分对我们所采用的数据样本进行了简单描述, 介绍了模型的应用和方法, 第三部分给出实证分析结果, 第四部分对本文做了总结.
2 样本数据和方法
中国股票市场的发展正在从不规范逐步走向规范, 从稚嫩逐步走向成熟. 在发展初期, 中国股市的投机气氛异常浓厚, 股票价格经常出现突然大涨或者突然大跌的现象, 随着各方
面的不断发展和完善, 这种投机气氛得到了抑制, 股票投资者越来越理性化. 为了能够体现中国股票市场在近期的运行规律, 我们选择了1998年到2001年上市两年以上的1132家公司股票的月度收盘价数据, 计算每只股票的月收益率t , 以其作为我们的研究对象, 在计算收益率的过程中, 我们考虑了送配股以及现金分红的情况. 这样, 从1998年1月到2001年11月, 共有46个样本点. 本文所采用的样本数据来自于嘉实基金管理有限公司.
首先, 我们对每一只股票的月收益率数据建立如下的EGA RCH (1, 1) 2M 模型:
r t =Λ+∆t h t
1 2
+e t
+Χ( z t -1 -E z t -1 ) ]+Χ1ln (h t -1)
1 2
e t =z t h t , z t ～N ID (0, I )
ln (h t ) =Ξ+Αz t -1[Η
1
均值函数的误差项e t 符合EGA RCH (1, 1) 模型, 其条件方差h t , {z t }是相互独立的正态分布序列. 然后计算v t =e 2E 2t -h t , 我们称之为
, 表示GA RCH 模型刻画出来的那部分波动, 股票在该时刻的事后风险比较高, 超出了EGA , 负, .
h t , 进而计算出波动误差v t 之后, t , :
i c +Κh i r i =c +Κh i r i =c +Κh i r i =c +Κh i
1 21 21 21 2
+Υv i +Εi , +Υv i +ΒM +Υv i +ΒM +Υv i +ΒM
3i 6i 12i
(1)
+Εi , +Εi , +Ε. i
(2) (3) (4)
其中下标i 表示第i 只股票, M 3i 代表股票i 在t 时刻之前3个月的累积收益, M 6i 代表股票i 在t 时刻之前6个月的累积收益, M
12i
代表股票i 在t 时刻之前12个月的累积收益. 在横向分析中,
我们考虑到股票的价格波动对收益的影响, 以及波动误差对收益的影响, 一方面是分析中国股票市场总体上是否满足高风险2高收益、低风险2低收益的这种风险2收益对应关系, 另一方面是分析异常高的风险是否总能带来更高的收益, 也就是投资者对波动异常高的股票会产生什么样的反应. 很多学者对成熟股票市场的研究表明, 在短时间内, 如3个月, 市场存在着惯性效应, 而当时间比较长时, 如一年以上, 市场会发生反转. 由于中国股票市场的发展历史还比较短, 所以在每个时点, 我们仅取每只股票过去3个月、6个月和12个月的累积历史收益率分别作为横向回归方程中的解释变量, 来考察中国股票市场是否存在着惯性效应.
3 实证分析
首先, 我们对每一只股票在取样时间区间内拟合EGA R CH (1, 1) 2M 模型, 这样共拟合
出1132个模型, 绝大部分模型的拟合效果都比较好, 参数系数都比较显著(结果略) . 然后,
2
计算出每只股票在每个时点的股价波动h 1 和异常波动v . 在每一个样本点, 以这两个变量
(2) 、(3) 、(4) . 对模型(1) 拟合了46次(全部样本点) , 而由为解释变量, 分别拟合模型(1) 、
(3) 、(4) 分别拟合了44、于累积历史收益率数据的滞后影响, 对模型(2) 、41和35次. 表1、
(2) 、(3) 、(4) 在每个样本点的拟合结果, 每个表的最后一行分别是相2、3、4分别是模型(1) 、
应模型的平均拟合情况.
表1 股票价格波动和异常波动对收益率的回归结果
截距项
[***********][***********][***********][***********]445-10. -6. 0. -5. -7. -1. -1. 1. -4. 0. -1. -2. -0. -0. -1. 3. 5. -4. -2. -2. -2. -1. -. . 2. -3. -3. 0. -2. -4. -4. -0. 0. 1. 2. 0. 0. -2. -2. 0. -5. 1. -1. -0. 061(-8. 875) 080(-6. 702) 236(0. 341) 207(-6. 540) 114(-7. 216) 315(-1. 607) 307(-1. 569) 385(2. 580) 361(-5. 653) 308(0. 421) 118(-2. 115) 491(-3. 599) 766(-1. 690) 033(-0. 054) 091(-1. 338) 151(4. 351) 954(7. 798) 392(-6. 742) 893(-3. 894) 849(-4. 913) 535(-4. ) 038(-. ) (-. (1. ) (2. ) (3. 361) 415(-5. 060) 801(-5. 932) 686(0. 983) 521(-4. 000) 596(-6. 819) 151(-6. 233) 945(-1. 799) 023(0. 046) 040(1. 851) 635(5. 296) 002(0. 005) 142(0. 377) 443(-4. 907) 588(-5. 446) 858(1. 679) 331(-11. 204) 190(2. 409) 250(-2. 471) 213(-0. 369) () -1. 299(-0. 428)
(-1. 750) 3
0. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0. 0. . 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 2h 1
v
-
---
-
--
---
-----
983(9. 433) 819(11. 733) 876(17. 551) 103(20. 669) 183(2. 407) 053(0. 768) 696(-11. 403) 854(20. 081) 505(8. 010) 119(1. 637) 697(-16. 642) 129(1. 933) 451(-10. 049) 834(16. 465) 265(-4. 128) 445(7. 603) 358612) 005(-) 9. . 119-. ) (-3. 903) 471(-7. 249) 908(24. 977) 848(24. 670) 523(9. 485) 490(8. 743) 766(14. 178) 213(3. 631) 801(14. 742) 587(9. 429) 002(0. 040) 577(10. 375) 723(15. 856) 097(-1. 800) 429(-9. 082) 706(-16. 500) 924(25. 485) 284(6. 251) 935(20. 621) 054(-1. 090) 544(-14. 367) 519(-9. 752) 479(-10. 790) 547(-9. 786) ()
-
----
----
-
---
-----
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 014(9. 510) 004(11. 676) 016(30. 977) 011(21. 960) 003(2. 709) 003(1. 966) 023(-20. 184) 016(25. 715) 012(10. 693) 004(2. 152) 018(-18. 796) 008(-5. 338) 019(-033) 017(24. ) . ) . ) ) (-0. 762) 009(9. 806) 001(-0. 603) 001(-0. 595) 014(-6. 982) 016(-9. 476) 008(37. 140) 004(20. 833) 008(25. 620) 004(9. 224) 012(18. 096) 014(10. 181) 016(19. 512) 012(10. 702) 009(-5. 276) 014(12. 340) 027(25. 051) 005(-2. 931) 010(-10. 828) 023(-19. 291) 028(30. 951) 004(6. 293) 035(28. 343) 003(-1. 786) 020(-22. 841) 019(-10. 813) 013(-20. 120) 020(-15. 358) ()
平均
0. 246(0. 430) (4. 996) 30. 002(0. 135) (6. 064) 3
注:表中第1列的序号表示按时间顺序排列的样本点, 括号内是估计系数的t 2统计量. 表中最后一行是所有时点横向回归系数估计值的平均值, 括号中的值是这个平均值的t 2统计量, 带3括号中的值是所有时点横向回归系数t 2统计量的平均值.
2
表1中, 在46次, 即46个时点对全市场进行横向回归的结果中, 个股的价格波动h 1 的回归系数仅有9个在95%的置信水平下是不显著的, 而在显著的系数中, 虽然有的时点是正的, 有的时点是负的, 但大部分系数为正, 各时点回归系数的平均值也大于零, 但正由于符
580数 学 的 实 践 与 认 识
表2 股票价格波动、异常波动、3个月的历史累积收益对当前收益的回归结果
截距项
2
h 1
32
卷
v M
3
[***********][***********][***********][***********]30. 231(0. 332) -5. 169(-6. 265) -7. 062(-6. 938) -1. 323(-1. 591) -0. 782(-0. 929) -0. 412(-0. 738) -4. 089(-5. 256) 0. 451(0. 638) -1. 181(-2. 229) -2. 224(-3. 118) -0. 455(-0. 966) -0. 534(-0. 840) -1. 098(-1. 345) 3. 169(4. 397) 6. 157(8. 151) -1. 582(-1. 878) -1. 220(-1. 557) -3. 570(-6. 204) -2. 372(-4. ) -1. 505) -1. (-457) 2. (3. ) 1. 779(2. 862) 6. 434(8. 304) -2. 414(-3. 508) -3. 864(-5. 989) 0. 686(0. 983) -2. 701(-4. 252) -4. 393(-6. 384) -4. 087(-6. 306) -0. 782(-1. 430) -0. 158(-0. 321) 0. 543(0. 910) 3. 257(6. 317) -0. 021(-0. 045) -0. 233(-0. 633) -2. 357(--2. 853(-1. 068(2. -5. 526(-1. 262(2. -2. 983(--0. 372(-4. 727) 5. 977) 122) 11. 408) 206) 4. 558) 0. 577) 0. 877(17. 101) 1. 105(20. 469) 0. 187(2. 384) 0. 054(0. 751) -0. 705(-11. 622) 0. 866(21. 228) 0. 483(7. 598) 0. 268(3. 689) -0. 687(-16. 237) 0. 136(2. 022) -0. 452(-10. 101) 0. 848(16. 727) -0. 262(-3. 974) 0. 479(8. 080) 1. 380(40. 363) 0. 065(1. 5580. 689. . (2. 119-0. (2. ) 0. 243(-3. 831) -0. 457(-6. 906) 0. 877(23. 463) 0. 868(25. 208) 0. 708(13. 676) 0. 580(10. 095) 0. 759(13. 831) 0. 197(3. 304) 0. 797(14. 666) 0. 589(9. 472) -0. 096(-1. 556) 0. 565(9. 953) 0. 739(16. 472) -0. 105(-1. 954) -0. 443(-9. 438) -0. 702(-16. 351) 0. 873(24. 409) 0. 285(6. 275) 0. 898(19. 454) 0. 007(-0. 138) 0. 546(-14. 452) 0. 519(-9. 746) 0. 453(-10. 188) 0. 543(-9. 640) 0. 255(0. 444) (4. 921) 3
0. 016(30. 952) 0. 011(21. 946) 0. 003(2. 715) 0. 003(1. 956) -0. 023(-20. 064) 0. 016(26. 906) 0. 012(10. 586) 0. 006(3. 179) -0. 018(-18. 480) -0. 008(-5. 164) -0. 019(-13. 075) 0. 017(24. 604) -0. 0055. 262) 0. 010. 942473) ((9. 808) 0. 001(0. 906) -0. 001(-0. 613) -0. 014(-6. 962) -0. 016(-9. 386) 0. 008(36. 783) 0. 004(20. 906) 0. 007(26. 313) 0. 005(10. 146) 0. 012(18. 113) 0. 014(10. 196) 0. 016(19. 642) 0. 012(10. 755) -0. 010(-6. 177) 0. 014(12. 278) 0. 027(25. 529) -0. 005(-2. 926) -0. 011(-11. 229) -0. 023(-19. 046) 0. 028(31. 448) 0. 004(6. 302) 0. 034(27. 280) 0. 002(-1. 086) 0. 020(-22. 945) 0. 019(-10. 801) 0. 012(-19. 682) 0. 020(-15. 294) 0. 002(0. 136) (5. 976) 3
-0. 001(-0. 063) -0. 004(-0. 177) -0. 005(-0. 206) -0. 001(-0. 057) 0. 076(3. 390) -0. 133(-8. 348) 0. 05(2. 346) -0. 138(-7. 739) -0. 028(-1. 549) 0. 040(1. 516) 0. 032. 344) -. (2. 821) . -0. 252) -0(029) -. 112(-4. 696) -0. 090(-5. 153) -0. 087(-5. 807) -0. 099(-6. 809) 0. 041(2. 104) 0. 000(-0. 006) -0. 029(-1. 017) 0. 118(3. 273) -0. 074(-4. 088) -0. 221(-13. 929) -0. 085(-5. 556) 0. 013(0. 850) 0. 032(1. 491) 0. 037(2. 039) -0. 029(-1. 439) 0. 142(7. 183) 0. 017(1. 058) -0. 106(-5. 907) 0. 059(2. 407) -0. 075(-4. 136) 0. 023(1. 150) -0. 112(-7. 675) -0. 054(-0. 070(3. -0. 113(-0. 040(2. 0. 005(0. -0. 094(--0. 014(-2. 076) 693) 5. 916) 051) 251) 4. 120) 0. 560) -----
-----平均
-1. 166(-0. 371)
(-1. 289) 3-0. 028(-0. 360)
(-1. 692) 3
注:表中第1列的序号表示按时间顺序排列的样本点, 括号内是估计系数的t 2统计量. 表中最后一行是所有时点横向回归系数估计值的平均值, 括号中的值是这个平均值的t 2统计量, 带3括号中的值是所有时点横向回归系数t 2统计量的平均值.
4期吴长凤等:中国股票市场的收益2
风险关系和惯性分析
表3 股票价格波动、异常波动、6个月的历史累积收益对当前收益的回归结果(略) 表4 股票价格波动、异常波动、12个月的历史累积收益对当前收益的回归结果(略)
581
号正负不一, 使得这些回归系数的样本方差比较大(把这些系数看成一个样本) , 从而系数平
均值的t 2统计量很小(仅为01430) , 显然是非常不显著的. 但从各时点回归系数t 2统计量的平均值来看, 结果为41996, 这也表明, 在大部分时点上, 股票价格波动的回归系数显著为
2
正. 异常波动v 的系数与股价波动h 1 的系数情况类似. 这些都说明, 从比较长的时期看, 在中国股票市场中, 价格波动比较大, 也就是风险比较高的股票, 能够带来比较高的回报, 风险更
2
高的股票也能够带来更高一些的收益. 但从股价波动h 1 和异常波动v 的系数大小可以看出, 收益随风险的增大而提高的关系是呈上凸形式的, 而不是线性的, 也就是说, 要想在一定基础上获得更高一些的收益, 就必须冒非常大的风险, 系的有效边界理论. 从短期来看, 系数符号的不稳定表明, , 原
2
因在于很多不确定性因素的影响. 从股价波动h 1 v 2
出, 两者在各时点的符号基本相同, , h 1v ,
h
1 2
的系数为正, v , 在有些时候, 从全市场
的角度来讲, , 并没有给投资者带来更高的收益, , 2001年6月份(第41个时点) 到2001年11
2
月份(h 和异常波动v 的系数基本都为负(即使不为负, 也不显著) , , 中国股市一直处于大熊市, 市场逐步丧失了相对明, 投资者心理极不稳定, 一旦股价出现比较大的波动, 就很容易使他们失去信心, 在这样非理性的市场环境下, 股价波动越大的股票给投资者带来的损失也越大.
2
表2列示了股价波动h 1 、异常波动v 和3个月的历史累积收益率M 3对当前收益的解释作用. 我们从中可以发现, 无论是从长期还是从短期来看, 股价波动和异常波动对当前收益的解释以及二者系数之间的关系都与表1基本相同, 表3、表4也是如此. 从表2可以看到, 在44次横向回归中, 有28次M 3的系数是非常显著的, 其中为正的系数有10次, 为负的系数有18次, 而且在16次不显著的回归系数中, 有10次系数为负, 这些使得所有时点横向回归系数估计值的平均值为负, 但仍然由于系数符号变化比较频繁, 使得这些回归系数的样本方差很大, 造成系数平均值的t 2统计量的绝对值很小(仅为-01360) , 非常不显著, 各时点回归系数t 2统计量的平均值也只有-11692. 这说明, 从3个月的历史情况来看, 在大部分时间, 中国股票市场不存在惯性效应, 相反, 却有一定程度的反转特征, 这与王永宏和赵学军(2001) 对中国股市中历史表现最好和最差的股票的惯性分析结果相一致. 表3和表4分别是利用6个月的历史累积收益率M 6和12个月的历史累积收益率M 12作为解释变量, 来分析中国股市在比较长的时间内的市场惯性的结果, 与表2得到的结果基本一致——没有反映出市场惯性, 而表现出一定的反转特征. 但比较M 3、M 6、M 12的系数, 可以发现有增大的趋势, 从系数的平均值来看, M 3系数的平均值为-01028, M 6系数的平均值为-0102, M 12系数的平均值为-0101. 这说明, 目前中国股市的反转特征随着时间的推移逐渐变弱, 有可能在一年之后表现出惯性. 这与对很多成熟股市的实证分析结果恰好相反, 对这些股市的研究结果表明, 3个月、6个月以及12个月内, 股市都表现出惯性效应, 而在一年以上会表现出反转特征.
582数 学 的 实 践 与 认 识32卷
4 结 论
本文采用非对称EGA RCH 2M 模型刻画了中国股票市场的个股风险, 并对全市场的收益2风险特征进行横向分析, 结果表明, 从长期的角度来讲, 在正常的市场条件下, 中国股票市场存在着一定的高风险2高收益、低风险2低收益的关系. 但从短期来看, 由于不确定性因素较多, 这种风险2收益关系并不显著, 甚至会出现相反的情况. 这些正是发展中的股票市场所具有的特征.
其次, 本文分别利用每只股票历史3个月的累积收益率、6个月的累积收益率以及12个月的累积收益率对中国股票市场的惯性特征进行了分析, 结果表明, 无论是从短期还是从比较长的时间来看, 中国股票市场都不存在市场惯性, 相反, 却表现出一定的反转现象, 但随着时间的推移, 反转现象会逐渐减弱, 这与西方很多学者对成熟股票市场的研究结果恰好相反. 中国股市的反转现象必定有其根本的原因, 这还有待于进一步研究.
参考文献:
[1] 张思奇, 马刚, 冉华1股票市场风险、收益与市场效率——A RM M [J ]. , (5) 19—28. [2] 陈泽忠, 杨启智, 胡金泉12M [J 决策借鉴, 2000, (5) :
24—27.
[3] 刘国旗. 非线性GA RCH J . 统计研究, 2000, (1) :49—52. [4] 王永宏, 赵学军1和“[J ]. 经济研究, 2001, (6) :56—61.
[5] W E IW ei 2. arket vo latility using non 2linear GA RCH models [J ]. Journal of System
, 9(4) :448—453. [6], D irk , D e Bondt , M artin W eber . Contrarian and mom entum strategies in Germ any [J ]. F inancial
A , 1999, 55:104—116.
[7] M Hon , Ian Tonk s . M om entum in the U K Stock M arket [M ]. W o rk ing Paper , 2001.
[8] CH EN Zh i 2w u, DON G M ing . Stock V aluati on and Investm ent Strategies[M]. W o rk ing Paper, 2001.
A Valuation Study of Ch i nese Stock M arkets ′
Return -R isk and M om en tu m
123
W U Chang 2feng , ZHAO J un , W U Guo 2fu
(1. R esearch Cen ter of F inancialM athem atics and Engineering , Guanghua Schoo l of M anagem en t , Pek ing U n iversity , Beijing 100871, Ch ina ) (2. H arvest Fund M annagen t Co . , L td , Beijing 100005, Ch ina )
(3. In stitu te of A pp lied M athem atics , A cadem y of M athem atics and System Science , CA S , Beijing 100080, Ch ina ) Abstract : T h is paper m easu res individual stock ′s risk of Ch inese stock m arkets by u se of E 2GA RCH 2M model , then analyzes the cro ss 2secti onal retu rn 2risk characteristic of the w ho le
. T he emp irical resu lt show s that fo rm the po in t of view of long term , there is som e de 2m arkets
gree of relati on of h igh risk go ing w ith h igh retu rn and low risk go ing w ith low retu rn in no rm al Ch inese stock m arkets , w hereas fo rm the po in t of view of sho rt term , th is relati on is w eak be 2
. M o reover , th is paper studies Ch inese stock m arkets ′cau se of lo ts of uncertain facto rs mom en 2
tum w ith there 2mon th , six 2mon th and tw elve 2mon th h isto ry accum u lative retu rn s as exp lanato 2ry variab les respectively . W e find that w hether from the po in t of view of long term o r from the po in t of
view of sho rt term , there is no m arket mom en tum in Ch inese stock m arkets , bu t there is som e degree of reversal effect . T h is reversal effect w ill trail off as ti m e . Keywords : EGA RCH 2M model ; m arket mom en tum ; abno rm al vo latility