市场中收益与风险关系及其国际比较
第)总第"B卷第"期(B*期+)##*年"月文章编号!"##"$%#&’()##*+#"$##&%$#’
系统工程
Q>;R)B-S>R"V78R-)##*
TUI?:AIF8GL8::=L8G
中国股票市场中收益与风险关系及其国际比较,
禹
敏-陈
收
%"##’)+
湖南大学工商管理学院-湖南长沙(
摘
要!利用./以揭示股票市场中投资收益与01$2族模型来拟合中国股市和成熟证券市场的收益序列-时变风险的关系-并在./研究确定了国内外证券市场中时变风险的最佳测度方式301$2族模型的范畴内-
本文通过建模-对中国股市和成熟市场的风险补偿系数以及投资者的风险承受能力进行了比较研究3关键词!股指收益4时变风险4风险补偿./01$2族模型4中图分类号!’6#5
文献标识码!.
"引言
资本资产定价理论因其在现实生活中具有广阔的应用领域-已成为现代金融理论中颇为活跃的一个分支-吸引了众多的金融学家和计量经济学家们致力于这方面的研究3
传统的定价模型假定样本的方差不变-但2789:;?和5等人的实证研究发现-股票市场的("&@6+("&@B+7A7
"D
价格波动随时间变化-且呈现集群性特征C因此-传统的3
量风险的一种恰当指标-因此-./01$2模型特别适合于研究证券收益与时变风险的关系-从而在西方国家获得了
BP*D
广泛的应用C3
近年来-随着发展中国家经济的持续发展-新兴股票市场大量涌现-繁荣了国际金融市场3新兴股票市场表现出来了和发达市场显著不同的收益和时变风险特征-并逐渐为经济研究工作者所注意3作为世界上较大的新兴股票市场之一-中国股市在经历了十多年的发展后-取得了长足的进步3研究中国股市收益率收益与时变风险的定量关系-可以为投资者规避风险以及政府对股市实施监管提供
’P"#D决策依据-因此具有重要的现实意义C3
计量模型关于独立E同方差的假定不适于描述金融市场价格的变化规律3于是人们开始尝试用不同的模型和方法来描述价格波动特征-其中最成功地模拟了刻画了金融市场价格变化的模型是F首先提出并由H("&’)+8G;:>;;:=I;:J
C)-6D
扩展的./("&’@+301模型在./E01模型的基础上-F8G;:KL;L:8和H>
C%D
./01$2模型3./01模型有多种推广形式-如FM./01EN./01E成分./01E.$O./01等-在这些模型的主方程中引入时变风险项-可以推广到
国内目前基本还没有学者针对成分./01$2E
也没有相关文献利用.$O./01$2模型的实证研究-./01$2族模型对国内外股票市场的时变风险和收益关
系进行系统全面的比较研究3
本文将利用./01$2族模型来模拟中国股市和成熟证券市场的收益序列-以揭示股票市场中投资收益与时变风险的关系-并对中国股市和成熟市场投资者对风险的敏感程度进行比较研究3此外-时变风险项的测度方式不同-也会带来不同的建模结果-本文还将在./01$2族模型的范畴内-考察国内外证券市场中时变风险项的最佳测度方式3
成分./FM./01$2EN./01$2E01$2E.$O./01$2
模型-这些模型与./构01$2和M./01$2模型一道-成了./01$2族模型3
风险收益关系是金融理论的基础之一3在./01$2模型中-由于证券收益中包含了风险的补偿-即证券收益率与证券风险具有密切的关系-而收益率的条件方差是度
)模型分析
./01$2模型主方程表达式为
修订日期!,收稿日期!)##@$"#$""4)##@$")$)6
基金项目!国家社会科学基金资助项目(教育部博士点基金资助项目(#B"#+4)##6#B6)#")+HVW#万方数据作者简介!禹敏(男湖南涟源人湖南大学工商管理学院博士研究生陈收(男-广东龙川人-湖南大学工商管理学"&*"$+---4"&B@$+-院教授-研究方向!投资决策与风险管理3
第.期禹敏/陈收1中国股票市场中收益与风险关系及其国际比较
!%&’%()*+,%-"#$"""
*.,
R3456781
A
A
>
C"?C
o\
其中/)是条件方差+在此模型中/收益*,""的单调函数0+
率可分解为三个部分1与外生变量有关的平均收益率$%受外部冲击的波动收益率-基于风险补偿的收益率22""&’
*,0"()+
若上述主方程的残差满足如下形式/则模型可称为345678模型1
+"#
其中/[#"
B
%W-[
>
#."?C"
%
BN+
M#.
M"?M
*\,
成分3456781
+*-,%N*+,"?$"#
>
其中/$#_%‘*?_,%a*?+,0""?."?.$-"?.
>
]
./-K="
0其他=/
*^,
-;"#
:"
>>--"#
A
A
*>,
>
C"?C
37S3456781
A
A
C
"?C
"?C
a
b
M"?M
B
+#
b
"
c-c?(-,%B’+B
C#.
M#.
*d,
其中/且G*,#=/,#.2I=/J=*"独立同分布/""=C;;H*;/@/,/且B
C#.
O数据及其统计特征
若条件方差+"为L3456形式1
A
A
>
C"?C
本文采用的国内股票市场数据为上证综指*,Qe6ff
*O,
+"#
B
%
BN+
M#.
M"?M
深证成指*成熟股票市场g选取hi日本,,/*Qef5fjjPi
德国,Q法国,英国,Z=*Q.==*Q\==k3l*535mRePenS美国,五个指数的每日收盘价/上述所有数据均为已按派*
息和拆股调整后每日收盘价0为了使数据更具可比性/这d个指数的样本区间统一取为.ood年.月.日至>==^年\月.>日0考虑到中国股票市场在.oo^底开始实行的涨年以后的数据得出的结果将更有实际价值0
则模型可称为L345678模型0
可以把时变风险项引入到PL3456QRL3456Q成分3456Q3S3456/从而得到PL345678Q成分34这些模RL345678Q5678Q37S345678模型/型的条件方差分别满足如下形式1
PL3456781
A
A
跌停板限制对收益率以及波动性的深刻影响/选取.ood
TUV+TUV+"#
M#.
C#.
X
%
定义股指收益为p其中q时#.==*r,/"""?."为"TUVqq
刻股票指数0表.给出了股指收益序列的描述性统计量0
*Z,
表.股指收益序列的描述性统计量
e6ff
样本量均值中位数最大值最小值标准差偏度峰度
>>>d=t=>\==t=>==otZ==s
ef5f>>>d=t=.=s?=t==osot\>oo
Z=535>Od^=t=OZd=t=\^=dt==>O
k3l>Od==t=O=s=t=o^odt\\>d
.==himRePjjPi>O^>=t=.\o=t=Zsd\to=Os
>>os?=t==^o?=t==Z>dt^\\O
\==eS>O\^=t=>O^=t=Z^\\t\dO>
?otOOZO?otoO\>?dt^ds.?^t^\>>?\t\sss?dt>OZ=?dt..Oo.t\>=d=t=ZZZstdo\o
.t^^Z^=t=odOst.>o\
.tZ^.=
.t^OZ=
.t.\ds
.tZs\.
.t.dZ>
?=t.=^o?=t.O.d?=t.OOs?=t=>d^?=t=d=.\tZ\ds
\t.Z=\
\tO>d\
ZtdZ^O
\tsddZ
检验7uvwxyz{zwv
7u{S值
O..dts>>ZZ\t=>Z^=>t\^\ZZ\otO.o\Z=t>=^.>o>tO==Zs.Zt^s^>=t====
=t====
=t====
=t====
=t====
=t====
=t====
#d$研究认为/东京Q法兰克福Q巴黎Q伦敦Q纽约为成熟股票市场/其代表性指数依次为higu*>==O,QQU|}zvy和8~!"vzTjjPik3l
Z=Q.==Q\==0535mRePenS
万方数据
$O
系统工程
,!!%年
可以看出上证综指和深证成指偏度系数值分别为收益率序列右偏’而国外成熟股票市场!"!###和!"!$%&’指数普遍呈现左偏的特征(上证综指和深证成指的峰度系数值分别为)收益率序列的统计特性呈"%$*$和)"+,$*’现尖峰厚尾特征(国外成熟股票市场的峰度系数为#"*-中国股票市场的峰度系数值较*"*(相比成熟股票市场’大’厚尾特征更为明显’说明中国股票市场还不成熟(
为了确认收益率分布的不对称性和尖峰厚尾特征’进一步的统计检验是必要的(对于上述%个指数’4./0123534检验均能在+即不能6的显著水平下拒绝正态性假设’0/
认为收益率序列服从正态分布(
从各指数收益率的时序图78图+和图,上可以发9现’各序列均具有明显的时变方差和集群性特征:针对各
序列建立分布滞后模型’并对残差序列进行;结
果8见表,显示’所有指数的;9*6的显著水平’?@效应(因此’为刻画各指数收益率的波动性特征’应该引入异方差的=>同时’考虑到股票市场风险变化对?@族模型:收益率的影响’应该将条件方差作为变量引入到条件均值模型中’因此’下面将建立=>?@4
在进行回归分析时要求所用的时间序列必须是平稳的’否则会产生A伪回归B问题(在本文中用=CD方法对序列进行平稳性检验’结果8见表&表明’各序列单位根检9验的结果是=C所以拒绝原D统计量均落在临界值之外’假设’认为收益率序列都是平稳的(
图+上证综指收益序列走势图图,E*!!收益序列走势图FG
表,残差序列的;
指标D统计量相伴概率
E@HH++"+)$,!"!!!!
EH?H,+"+O++!"!!!!
#!?=?#")O%,!"!!)*
C=I$"***%!"!!)%
+!!LMDJEKNNKM#"O*+)!"!!*#
++"&&+!!"!!*)
*!!EG#"**%)!"!++*
表&股指收益序列的平稳性检验结果
E@HH
=CD值G值
EH?H
#!?=?
C=I
+!!LMDJEKNNKM
*!
!EG
O"%#,P#$"O&&P#%"#!!P#*"O),P#%"$)OP#)"%$*P&+")!%P&!"!!!+
!"!!!+
!"!!!+
!"!!!
+
!"!!!!
!"!!!!
!"!!!+
注Q=C滞后项数由ED检验采取包含截距的方程形式’?准则确定(
#时变风险的最佳测度
在=>表示时变风险89T?@4
项’一般取方差形式S标准差形式UT下面以"为判断何种形式的时变风险项最优’WXYST成分=>?@4?@4?@4?@4
7
限于篇幅’仅列出上证综指和E*!!的收益序列走势图(FG
第6期禹敏-陈收H中国股票市场中收益与风险关系及其国际比较
58
+,,!"#$%&’!%(!"#$%&模型对上证综合指数’)*(指数’日经指数分别建模-所得结果列于表.表+表/’’0
表.基于不同时变风险项的上证综合指数建模结果
模型
时变风险标准差
!"#$%&
方差对数方差标准差
D!"#$%&
方差对数方差标准差
&2!"#$%
方差对数方差标准差
GD!"#$%&
方差对数方差标准差
!%(!"#$%&
方差对数方差标准差
成分!"#$%&
方差对数方差
1,4+56..7,467/.67,4+:/:+,475:8:9,4,8/7:5,477+777,4/88/88,4659865,4+9:+/:,47.9897,4,85.+7,46+,:8:,47.66./,4,/988:,46.:,/7,475/6:9,4,855,9,477,..7
标准误差,4,8997.,4,65:79,4,8+./,4,8/9,9,4,779/7,4,+8695,4,5.6.8,4,7798:,4,9,6..,4,///5/,4,76:/9,4,.+6.5,4,/6/97,4,65:8+,4,.798,,4,8//7.,4,7::..,4,+/:,/
2值84+,:798/4+.,:::846,8885:497.:7.:4::.88/:45:97,784659,/794/9858/84796.7+:48:,,85:486977::4::,+9/:45,5+78:4+.5++.:4::86:,:49/.97::4.77559:456+,8:
!3#;4??>:4+55.,.:4+556/5:4.99,,,:4.999++;4E>F=?>;4;EFE:4.9.6+/:4.9:88:
)#
C;4?@>=AB
:4/,5/+8:4/,5.77:4+,,96/:4+,6/87;4E;4?@F>>=:4/,9596:4/6,,65:4.9//8.;4E>?E;A:4.98.88;4E>=AFF:4.95:6::4.959:7;4
表+基于不同风险项的)+,,指数建模结果*(
模型
时变风险标准差
!"#$%&
方差对数方差标准差
&D!"#$%
方差对数方差标准差
2!"#$%&
方差对数方差标准差
&GD!"#$%
方差对数方差
1,4+:9+/,4779:/+,4.67.:,46+9,58,4,96+//,4,99.68,4/:.++5,4775:::,4.:557,,46::,8,,4,+58,/,4,/.799
标准误差,46/69/8,4,+:66/,466,,:6,4,/9/87,4,75+:8,4,:/89+,46...:.,4,.8/+9,4,5595:,4,/.795,4,7899,,4,:,76,
2值:4:78698.4755:.8:48.9:6/74:,7699748/6+.,74.,:/:7.4:5:.76.4967,5,.4.,:5:,74,/59/,746.6+7:74679,.8
!3#;4BB@;:466/8+9:46687:9A4=
)#;4BAF?745/56+,745/5.58;4BB
C
黑色字体表示H同一模型下-基于方差’标准差和对数方差三种风险项形式下的最优!30#和)#
0-标准差
!"#!$%&"’
方差对数方差标准差
成分!$%&"’
方差对数方差
系统工程
/((+年
()*+,,-.()(10-//()(,+.,1()*1+211()(+(.(2()(-1/2,
()(,-/0(()(/,+1,()(22/(1()(,,2.+()(/0.21()(2,/-0
/).-+/-0*)-,/+../)(21-../)//(1+0/)2-+*-/)2/*/+2
/)0*,1/,/)0*2*.,3)453678/)0.*+1-3)4957;3/)0.20+2
/)022..2/)02(/-13)4349:9/)0,--+,3)4:;9
表,基于不同时变风险项的=>指数建模结果??@>
模型
时变风险标准差
!$%&"’
方差对数方差标准差
’D!$%&"
方差对数方差标准差
’B!$%&"
方差对数方差标准差
@D!$%&"’
方差对数方差标准差
!E#!$%&"’
方差对数方差标准差
成分!$%&"’
方差对数方差
A()/001,-()(--/+1()/2+/.0()(2(/,1()((/-02()(22,01()1-+(,1()*+,0((()/(+(*,E()(+**-(E()(*,0/(E()(.*(0(E()(+0-2(E()((,/0(E()(.*01E()(/0-1()(((/12E()(2.+,
标准误差()*/(.1.()(21,*,()(00(1.()(-110-()(/-.+0()(.,+1-()/0+.1*()(-/,((()/.*/22()(+-.1,()(/+,+2()(.((.*()(-*0(-()(/--+1()(./0-1()(-,2(,()(/-0.,()(.-1*,
B值/)1-1/-0/)..(**./)20.1,1()2.-*,/()*(*/*-().02+10*),2,0,./)*1*,11()-/1((*E()0(,/*(E(),**.+(E*)(/(+1(E()0+1.+(E()/*++-(E()0-(/,(E()21.+1(()((-201E(),*/(-(
!>%2).+,/.(2).+,2227)98:5442).*+22.2).*+2007)9583592),/*,2,7):357462),/*.112).(2(*02).(2/..7)9
C%2).0*/2+2).0*2/(7)9455;:2)./0-/22)./0---7)9348
从上述基于不同时变风险项的指数建模结果可以看出F对于上证综指F根据!>在!$%和C%准则F%&"’G
成分!$时变B!$%&"’G!E#!$%&"’G%&"’模型下F风险项为标准差的模型最优H在@时D!$%&"’模型下F
变风险项为条件方差的模型最优H在D!$%&"’模型下F时变风险项为对数方差的模型最优I
对于C.((指数F在!$J#%&"’GD!$%&"’模型下F时变风险项为标准差的模型最优H在成分!$%&"’模型下F时变风险项为条件方差的模型最优H在时变风险项为@D!$%&"’GB!$%&"’G@D!$%&"’下F对数方差的模型最优I万方数据
对于=>指数F在B时变风险??@>!$%&"’模型下F
项为条件方差的模型最优H在其余模型下F都是时变风险项为对数方差的模型最优I
此外F限于篇幅F未列出深证成指以及KG1(G!L%!%
深证成指的结果与上证综指结果*((的估计结果FMBC@
一致F的结G1(G*((和C.((GK!L%!%MBC@J#=>??@>果类似I
综合以上估计结果F可以得到下列结论N
对于国内股票市场指数F在考察投资收益与投资风险关系的范畴内F标准差为时变风险项的最佳测度H
第7期禹敏!陈收D中国股票市场中收益与风险关系及其国际比较
HH
对于国外股票市场!对数方差为时变风险项的最佳测度"#
上式表示!投资者为获取一单位的风险溢价而只能容忍市场风险上升7I7I0单位#因此!0可用来衡量投资者群体的风险承受能力!也称为风险承受系数#
在统一的模型下!不同股票市场的风险承受系数才
$国内外市场风险与收益关系比较
在%&时变风险项+的,/.’()*族模型的主方程中!-系数0是投资者相对风险承受系数的调和均值!代表了投
资者对风险的敏感程度#当0表示投资者风险中12时!性3当0表示投资者属于风险规避者3当042时!52时!表示投资者为风险偏好者#一般来说!收益会伴随着风险
77!789的上升而增加6因而0一般大于零#!
由%&1=@,/=C;;;;’()*族模型主方程:?AB
具有可比性#从表JK表$K表L可以看出DM%&’()*K
成分%&NM%&’()*KOM%&’()*K’()*K%)P%&’()
模型系数均可能存在无法*模型估计股指收益序列时!
通过检验的情况3利用%&’()*模型对估计上证综合指
数K日经指数均能通过显著性检验!下面的$22指数KQRP模型结果显示这一结论对其余指数同样适用#因此!本文将利用%&’(S*模型对各主要指数每日收益率及其波动进行建模及其国际比较研究#
上一节研究结果认为!国内股票市场时变风险项的最佳测度为标准差3国外市场时变风险项的最佳测度为对数方差#只有采用同样的风险项形式!其风险补偿系数和风险承受系数才具有严格的可比性#因此!本文将分别利用基于标准差和对数方差时变风险项的%&’()*模型估计并比较国内外市场投资者群体的风险补偿系数和风险承受系数#限于篇幅!仅列出时变风险项采用标准差形式
可以推出D
.
01
E+,-/.
,G/
上式表示!投资者承担一单位风险时要求市场给予的风险补偿为0单位#因此!可用0来衡量市场对投资者承
担风险的补偿程度!也称为风险补偿系数#
由主方程又可以推出D
.
1
EF0.
,H/
时所得方程如下D
"Q12U$H7JJ872LVQ,S2UGX7Y$L$82G(TTW&OM%&’(/
ZZ[
,YU$2X8GY/
ZZ
,SLUY$2LJ8/
8
ULHJGY2JJ8=2U8GG$JYYJJGV&,S7/M%&’(17NQ\]
ZZZZ
,JXULG882/,7JU8YG78/
[Q17U77HXJ$8JLVQ,S7UYXG8Y28$XT’TW&OM%&’(/
ZZ,78UYX8XL/
ZZ
,S78U$X87J/
8
U27XXHHYJ8=2UX2J72HGHJHV&,S7/M%&’(18NQ\]
ZZZZ
,JJU728HX/,7XUJ82H2/
^’J212U$22Y8LLJJHVQ,S2ULJ7JL$Y88L%’W&OM%&’(/
ZZ
,JULLLXHX/
ZZ
,SJU7G22JG/
8
ULXJ7G8L78=2U8JY7X$7$LJV&,S7/M%&’(17NQ\]
ZZZZ
,XLU2J22L/,GULXGXYX/
_‘72212U7JLY7YHXLGVQ,S2U778$8J87XYOQNW&OM%&’(/
ZZ
,8U78GJXJ/
Z
,S7UGHJXH2/
8
8
UY7JHX$7JJ=2U88$HLJ8JV&,S7/=2U8JY82288V&,S8/M%&’(12NQ\]NQ\]
ZZZZ
,8JUJ2JJ$/,GU8G7JG8/
ZZ
,GULHJHL7/
a]12U88L8YLJH78VQ,S2U8Y2Y7XHH$Y%bW&OM%&’(/
ZZ
,8UG$GLX7/
Z
,S8U2GHYY$/
8
UHLJGLG8J$=2U8GXL272HJLV&,S7/M%&’(17NQ\]
ZZZZ
,XXUL$$$$/,HULL7H$X/
cd\12U8HHJLG7XHHVQ,S2UXH$HHYH$YHeeN\W&OM%&’(/
ZZ
,8UJGJ8GH/
Z
,S8U8H7Y27/8
8
8
UJXGYH$7JL=2U2JLJ8YXH8JJV&,S7/=2U7J8XHGY8YJV&,S8/=2U7LXYL72XH$V&,SX/M%&’(17NQ\]NQ\]NQ\]
ZZZZ
,87U72$GG/,8UL77XJX/
ZZ
,LU2GGJHY/
ZZ
,YUXGXY$Y/
"
[
这与N一文中的结论是一致的#K,7HGY/gAhijkhkig和&lmmkgn
和分别表示该系数在和ZZZ7f$f的水平下通过显著性检验#
万方数据
7%%
系统工程
9%%:年
!"$%%&%’$()$*%(+*(,"06%’$*))(7%(8*#-./12.345
;;
0(’(9:7):5
;;
06(’%8%*9*5
9
’%887%+787?
;;;;
0($’7(7:)50)’8:$%8(5
上述模型的各系数均在$@的水平下通过显著性检显示2.验A34BC模型对各指数收益序列的拟合程度较
好D针对残差的E残差序列都不存在C检验也显示A模型较好地消除了原序列的2.2.34现象A34效应F
列出所建模型得到的各指数的风险补偿系数和风险并对投资者群体的风险承受能力进行排名A结承受系数A果如表:F
表:不同股票市场的风险承受系数比较
时变风险
指标风险补偿系数
标准差
风险承受系数承受能力排名风险补偿系数
对数方差
风险承受系数承受能力排名
"4GG%’$87+7’*8%8*%’$(*+7’)*+(*
"G3G7’778(%’)8(+:%’:*7*7’(7(%:
+%323%’$%%:7’88:9+%’(%*$(’9*9*+
?2H%’7+*:*’)7**7%’7(7*:’$8))9
7%%J>I/"=KK=>%’99*(+’+7)89%’%*+*7$’+:88
7
%’988$(’(()8(%’9(:(+’97+7(
$%%"#%’$()*7’)$*:$%’+79+9’+9+)$
为获取一单位风险溢价A深圳和上海股票市场的投资者最高只能承受标准差风险上升%’)8(+L7’*8%8单位的纽约L巴黎和东京股票市场的投资者愿意承受标准代价D
差风险上升7’)$*:L7’88:9L(’(()8单位D而伦敦和法兰克福股票市场的投资者能容忍标准差风险上升+’+7)8L*’)7**单位F
同样A在对数方差形式的时变风险项下A深圳和上海股票市场的投资者最高只能承受对数方差风险上升7’纽约L巴黎和东京股票市场的(7(%L7’)*+(单位的代价D投资者愿意承受对数方差风险上升9’+9+)L(’9*9*L+’97+7单位D而伦敦和法兰克福股票市场的投资者能容忍对数方差风险上升:’$8))L7$’+:88单位F
在西方股票市场中A伦敦和法兰克福股票市场投资者的风险补偿系数最低A表明对于同等的风险A伦敦和法兰克福股票市场投资者要求的风险补偿最低A投资者的风险承受能力最强F这应该源自英国和德国政府对资本市场的有效监管A一个严格有序的资本市场有助于加强投资者的风险承受能力F
在日本A泡沫经济N的崩溃导致9%世纪8%年代初M指数从最高峰()87$’):点下跌到788+年7月J>KK=>
跌幅达$严重打击了日本股市和金9)日的78(%:点A7@A融业A也打压了市场的投机力量F同时A日本政府大大加强了对资本市场的监管F在对投机行为的严密监管下A东京证券交易所投资者的风险补偿系数较低A投资者的风险承受能力较强万方数据F
在美国A自9经济长期稳定增长A%世纪8%年代以来A
金融自由化的呼声越来越高A因而制度约束宽松A市场存在一定的投机氛围A其投资者的风险补偿系数中等F
相比这些成熟市场而言A中国证券市场的发展还不完股市中的投机氛围很浓A从而导致股价的波动剧烈和善A
投资者所要求的风险补偿较高A这与中国股市的风频繁A
险较大L投资者的风险承受能力较差是相符的F
综合以上分析A可以得到下列结论O
风P在中国股票市场以及发达国家成熟股票市场上A且对应Q统计量都表示该系数显著险补偿系数均为正值A
大于%不论在中国股票市场A还是在国外成熟市F这表明A场A投资收益与投资风险都呈显著正相关A市场提供了一
在中国股票市场A尤R相比于国外的实证结果来看A
投资者市场的投机氛围过浓A导致投其是深圳股票市场A资者的风险承受能力较差F
个随着风险变化的超额收益来补偿投资者所承担的风险F
*结束语
本文采用上证综合指数L深证成份指数为刻画中国股
并选取J>票市场收益的样本序列ALL+%LKK=>?2H323
7%%L$%%五个指数为刻画成熟股票市场的收益I/"="S#利用各种2.得出如下主要序列A34BC模型实证建模A结论O
还是在国外成熟市场A投资P不论在中国股票市场A
市场提供了一个随着风险变收益与风险都呈显著正相关A
化的超额收益来补偿投资者所承担的时变风险F
在考察投资收益与时变风R对于国内股票市场指数A
第’期禹敏!陈收%中国股票市场中收益与风险关系及其国际比较
差#
’S’
险关系时!标准差为时变风险的最佳测度"对于成熟市场指数!对数方差为时变风险的最佳测度#
在中国股市!尤其是深市!投$相比于国外成熟市场!
资者市场的投机氛围过浓!导致投资者的风险承受能力较
认识到中国股票市场收益与时变风险的内在联系!可以为投资者规避风险以及证监会对股票市场实施监管提供决策依据#
参考文献%
&’()*45!!&(4!’@AA!BCDBE%+,-./012310-6*721889290-:0;6-9+/;*7-,*.-
FCFGFHH4
&(4I!’@RF!HS%@RTG’SST4?61+1
&B(34V&(4?!’@RA!B’%BSTG1..-07.-LU-+-0*.;W-,*9210->0-77;L-61+,;2;1+*.M-2-0176-,*72;6;2N?190+*.18I61+1
BFT4
&(4I!’@RT!HH%B@’GCST4?61+1
&T(Ya&(4[FSSC!’H%F’HGFF@49‘!‘*+>\4Z0;6-/-M*L;10;+[M;+*7OM-*289290-7
曹家和4中国股票市场报酬与波动的V系统工程理论与实践!&R(田华!(4FSSB!DRE%R’GRA4?KJ[\])模型&王春峰4上证指数收益率b波动性与成交量动态关系研究&系统工程理论与实践!&@(罗登跃!(4FSSH!DTE%C’GCR4?
!FSSB!D’SE%HH@GHR’45;+*+6-&(4d!FSSA!DE%F’GFR4+12-?+2-0+*2;1+*.J-7-*06M?190+*.185;+*+6-*+,I61+1
&F(I4K9+>.-J5210->0-77;L-61+,;2;1+*.M-2-0176-,*72;6;2NO;2M-72;,1
&C(I!4I%+>.-J5X;.;-+Y)!J1/;+7JZ72;2;0;7=:0-
&H([%(4?M19J^4_1.*2;.;2N:-07;72-+6-*+,7216=L*.9*2;1+771VKJ[\&?190+*.18K::.;-,
&A(V&(4I-++122-V!)*07MUK!_*0;*2;1+7;+-61+1
&’S(?!J]&(4?1+,-*9I16=;+>-0)4U-72;+>810,;88-0-+6-7;+2M-2*;.7187216=
&’’(K2!%M*+*7;17Q!c;6M1.*7ZZM;.)4)10--L;,-+6-1+2M-0-.*2;1+7M;:/-2O--+7216=:0;6-0-290+7*+,L1.*2;.;2N*
efghifjgklfjmnlopjikqlflfgrhshmjgklfqrkpthguhhfvglwxyikwhshgzifqjf{|lmjgkmkg}
!^P);+[\Ic~M19
D!\9!’SSRF!E~6M11.18397;+-77K,7M*C[M;+*
%Ua!"qgijwgM-*02;6.-97-,KJ[\])
4d]4UL1.*2;.;2NM-+;2*+*.NW-,2M-/-72
]4U0;7=;+2M-6*2->10N18KJ[\])*L-*61J;7=;7=Z0-
a/a46*:*/;.;2N180;7=/-2O--+[M;+*77216=
万方数据
中国股票市场中收益与风险关系及其国际比较
作者:作者单位:刊名:英文刊名:年,卷(期):被引用次数:
禹敏, 陈收, YU Min, CHEN Shou
湖南大学,工商管理学院,湖南,长沙,410082系统工程
SYSTEMS ENGINEERING2007,25(1)0次
1.Mandelbrot B Forecast of future price,unbiased markets,and martingale model 1966(03)2.Engle R F Autoregressive conditional heteroscedasticity with estimates of the variance ofUntied Kingdom inflation 1982
3.Bollerslev T Generalized autoregressive conditional heteroscedasticity 19864.Engle R F.Lilien D M.Robins R P Estimating time varying risk premia in the termstructure:the ARCH-M model 1987
5.Chou R Y Volatility persistence and stock valuations:some empirical evidence using GARCH1988(04)
6.Gennotte G.Marsh T A Variations in economic uncertainty and risk premiums on capital assets1992(05)
7.Du W.Wang H Price behavior in China's wheat futures market 2004
8.田华.曹家和 中国股票市场报酬与波动的GARCH-M模型[期刊论文]-系统工程理论与实践 2003(08)9.罗登跃.王春峰 上证指数收益率、波动性与成交量动态关系研究[期刊论文]-系统工程理论与实践2005(07)
10.Jondeau E.Rockinger M Testing for differences in the tails of stock-market returns 2003(10)11.Athanasios K.Nicholas P.Phil M More evidence on the relationship between stock pricereturns and volatility:a note 2006(I)
12.陈娟.沈晓栋 中国股票市场收益率与波动性的阶段性研究[期刊论文]-统计与决策 2005(04)
1.学位论文 禹敏 股票市场收益分布、波动特征与风险度量研究 2007
中国股市经过17年的快速发展,已具有相当规模,在经济发展中占有越来越重要的地位。然而,中国股市是经济转型时期建立起来的新兴市场,具有许多不成熟的特征,如市场波动剧烈,股价经常发生大涨大跌。将计量经济学模型应用于中国股票市场的收益分布和波动性特征研究,将有助于揭示中国股票市场的特点,可以为投资者规避风险以及证监会对股票市场实施监管提供决策依据。因此,关于中国股市收益分布和波动性风险的研究越来越受到管理层、研究者和投资者的重视。
股票指数反应了股票市场的整体特征,对股票指数的分析有助于把握整个市场的波动性特征和风险状况,而不会受到单个差异化的个股的影响。目前国内证券市场上影响较大的指数包括:上证综合指数、深证成分指数。为了对国内外股票市场的收益分布、波动特征和风险管理模型进行相关的比较研究,本文还将考察目前国际上影响较大的股票市场指数,包括英国金融时报100指数(FTSE100)、美国标准普尔500指数(S&PS00)、日本(NIKKEI)、德国法兰克福DAX指数(DAX)、法国巴黎CAC40蓝筹股指数(CAC40)。本文以上述指数为研究对象,展开对中国股票市场收益分布、波动和风险特征的实证研究和国际比较研究。
首先分别从分布和波动性模型出发,研究中国股票市场收益分布特征与波动性特征:从ARCH族模型出发,考察了中国股票市场波动性的异方差、集群性、杠杆效应以及长记忆性特征;从两个混合分布模型出发,结合随机模拟考察了收益分布的尖峰、厚尾和偏态特征,并提出了改进型Laplace分布。本文还从经济学和资本市场角度,对股市收益非正态特征的市场根源进行了详细分析。
在分布和波动性的结合点上,本文考察了引入了误差项基于t分布、GED分布的ARCH族模型,考察了其极大似然估计方法,并比较研究了这些模型对波动性的预测绩效。实际金融市场中收益率的厚尾性会导致VaR对风险的低估,本文考察了基于不同分布的GARCH模型所计算的VaR值与历史数据的契合度。
对尖峰、厚尾、偏态的刻画有助于正确估计市场风险,本文将改进型Laplace分布引入到股票组合的风险管理中,实证结果发现,改进型Laplace分布和非对称Laplace分布对尖峰、厚尾的刻画效果接近;而非对称Laplace分布对负偏性考察不足,改进型Laplace分布的拟合结果能够准确地反映股指收益的负偏态,这也正是改进型Laplace分布相对于传统的非对称Laplace分布的优势所在。在改进型Laplace分布的基础上提出了基于Copula方法与Monte-Carlo模拟的VaR算法。
在分布和波动相关性建模方面,本文利用ARCH-M族模型来模拟我国股市和成熟证券市场的收益序列,以揭示股票市场中投资收益与时变风
险的关系,并对我国股市和成熟市场的风险补偿系数以及投资者风险承受能力进行比较研究。本文还在ARCH-M族模型的范畴内,考察国内外证券市场中时变风险项的最佳测度方式。
在文章的最后,本文对ARCH-M模型进行了改进,将时变VaR引入ARCH模型,从而推出GARCH-M-VaR模型,这是对传统的ARCH-M模型的一个较大改进。文章提出了使用BHHH优化算法的GARCH-M-VaR模型的最大似然求解法。随后利用GARCH-M-VaR模型对各国证券市场指数进行了实证分析,并与GARCH-M模型的结果进行了比较研究,得出了一些富有创新性的成果和结论。
本文链接:http://d.wanfangdata.com.cn/Periodical_xtgc200701017.aspx
授权使用:李桂芬(wfszkjtsg),授权号:4a419d1a-5bed-4b88-af09-9eae00ea996e
下载时间:2011年3月22日