導(dǎo)語(yǔ)：我國(guó)股市是否有杠桿現(xiàn)象嗎一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢(xún)客服老師，歡迎參考。

摘要：不同學(xué)者研究中國(guó)股票市場(chǎng)的“杠桿效應(yīng)”，得出的結(jié)論并不一致。針對(duì)這一問(wèn)題，本文借助于GJR-GARCH和EGARCH，以一定的樣本為初始樣本，然后逐個(gè)擴(kuò)大樣本容量，研究樣本的變動(dòng)對(duì)結(jié)論造成的影響，得出中國(guó)股票市場(chǎng)不存在“杠桿效應(yīng)”的結(jié)論。

關(guān)鍵詞：GJR-GARCHEGARCH杠桿效應(yīng)

一、問(wèn)題的提出

金融市場(chǎng)的波動(dòng)對(duì)投資、證券定價(jià)、風(fēng)險(xiǎn)管理和貨幣政策制定來(lái)說(shuō)是至關(guān)重要的，許多學(xué)者長(zhǎng)期關(guān)注這一問(wèn)題。波動(dòng)率研究領(lǐng)域已經(jīng)形成多種波動(dòng)率模型，從早期的方差標(biāo)準(zhǔn)差發(fā)展到今天的ARCH族的條件異方差模型。人們?cè)谘芯恐邪l(fā)現(xiàn)，金融時(shí)間序列的波動(dòng)具有集群性，即隨機(jī)擾動(dòng)往往在較大幅度波動(dòng)后面伴隨著較大幅度的波動(dòng)，在較小幅度波動(dòng)之后面緊接著較小幅度的波動(dòng)。早期波動(dòng)率模型要求隨機(jī)擾動(dòng)項(xiàng)是同方差，不能夠捕捉到這種現(xiàn)象，直到1982年Engle提出ARCH模型，后來(lái)由Bollerslev（1986）推廣形成GARCH模型。由于在ARCH和GARCH模型中，方差對(duì)不同方向的沖擊對(duì)稱(chēng)地起反應(yīng)，因?yàn)橹挥袥_擊的平方映射到條件方差，結(jié)果造成上一期價(jià)格變化的符號(hào)所包含的信息被失去。Black(1976)注意到負(fù)面沖擊比同等程度的正面沖擊的波動(dòng)率要高，他首次使用“杠桿效應(yīng)”這一術(shù)語(yǔ)來(lái)描述這種現(xiàn)象，指的是股價(jià)變動(dòng)和波動(dòng)性負(fù)相關(guān)，同等強(qiáng)度的利空消息比利好消息導(dǎo)致的市場(chǎng)波動(dòng)更大。人們做了許多研究試圖把非對(duì)稱(chēng)信息包括到條件方差中，如Glosten,Jagannathan和Runkle（1993）的GJR-GARCH模型、Nelson（1990）的指數(shù)GARCH（EGARCH）模型和Zakoian(1994)的門(mén)限ARCH模型(TARCH)。許多學(xué)者嘗試用這些模型對(duì)中國(guó)證券市場(chǎng)實(shí)證分析，但是結(jié)果相異，具體如表1。

表1關(guān)于中國(guó)股市杠桿效應(yīng)的實(shí)證研究

作者結(jié)論樣本模型

Yeh，Lee（2001）股票波動(dòng)對(duì)利好消息的反應(yīng)比利空消息大，沒(méi)有杠桿效應(yīng)1992.5.22－1996.8.27期間的上證綜指、上海B股指數(shù)、深圳綜合指數(shù)和深圳B股指數(shù)GJR-GARCH

李勝利（2002）上證指數(shù)在空頭市場(chǎng)具有杠桿效應(yīng)，其他時(shí)期正面消息的波動(dòng)大于負(fù)面消息的波動(dòng)上證綜指

多頭期：1999.5.19-2001.6.29

空頭期：1993.2.16-1994.7.30

盤(pán)整期：1994.11.1-1996.9.30GJR-GARCH

胡海鵬,方兆本

（2002）杠桿效應(yīng)明顯1996.12.16—2001.9.28期間的上證綜指和深證成指EGARCH

陳千里，周少甫（2002）壞消息引起的波動(dòng)比好消息要大，有杠桿效應(yīng)，1997.1.3-2000.12.28期間的上證綜指TARCH，EGARCH

岳朝龍（2001）具有杠桿效應(yīng)1997.9.23－1999.12.30期間的上證綜指EGARCH

從表1可以看出，許多學(xué)者借助于GJR-GARCH，EGARCH和TARCH模型對(duì)中國(guó)股票市場(chǎng)的“杠桿效應(yīng)”進(jìn)行了有益的探索，但是他們的結(jié)論并不一致，不禁產(chǎn)生疑問(wèn)：他們所得出的不同結(jié)論，是否是由于樣本選取的不同，而得出片面的結(jié)論，也就是說(shuō)，當(dāng)樣本不同時(shí)，得出的結(jié)論也就不同，以至于對(duì)同一個(gè)市場(chǎng)的研究而得出迥然不同的結(jié)論，這樣必然會(huì)對(duì)投資組合、證券定價(jià)、風(fēng)險(xiǎn)管理造成一定的影響，會(huì)使頭寸暴露在不必要的風(fēng)險(xiǎn)中。本文將克服上述缺陷，以一定的樣本為初始樣本，然后逐個(gè)擴(kuò)大樣本容量，研究樣本的變動(dòng)是否會(huì)對(duì)結(jié)論造成影響，以期得出中國(guó)股票市場(chǎng)“杠桿效應(yīng)”的一般性結(jié)論。

二、GJR-GARCH和EGARCH模型

測(cè)度非對(duì)稱(chēng)信息的主要有三種模型，即GJR-GARCH模型、EGARCH模型和TARCH。TARCH模型和GJR-GARCH模型分別由Zakoian(1990)和Glosten,Jaganathan,Runkle（1993）獨(dú)立提出，二者設(shè)定比較類(lèi)似，甚至有的文章把它們歸為一個(gè)模型，因此，本文僅僅使用GJR-GARCH模型?？紤]一階自回歸均值收益率方程

（1）

（2）

在GJR-GARCH(1,1)模型中，條件方差滿(mǎn)足

（3）

這里，當(dāng)時(shí)，，當(dāng)時(shí)，。表明具有利好的消息或者正面沖擊，而表明具有利空的消息或負(fù)面沖擊，二者對(duì)條件方差具有不同的影響。利好消息對(duì)條件方差的影響是，而利空消息的影響是。因此，如果，我們說(shuō)存在杠桿效應(yīng)，如果，股票市場(chǎng)對(duì)好消息的反應(yīng)程度高于利空消息。

EGARCH模型通過(guò)對(duì)條件方差的對(duì)數(shù)建模放松了參數(shù)約束，即（4）模型中的符號(hào)捕捉了非對(duì)稱(chēng)信息的影響。若參數(shù)為負(fù)數(shù)，那么負(fù)面沖擊所引起的波動(dòng)大于相同程度的正面沖擊所引起的波動(dòng)；反之，若為正數(shù)，則相同程度的正沖擊所引起的波動(dòng)更大；若=0，則波動(dòng)性對(duì)正、負(fù)沖擊的反應(yīng)是對(duì)稱(chēng)的。在EGARCH模型中條件方差被表示成指數(shù)形式，因而對(duì)模型中的參數(shù)沒(méi)有任何約束，這也是EGARCH模型的一大優(yōu)點(diǎn)。

三、數(shù)據(jù)與實(shí)證分析

1．?dāng)?shù)據(jù)描述與分析方法

由于上海股票市場(chǎng)和深圳股票市場(chǎng)受到相同政策的影響，二者之間具有聯(lián)動(dòng)特征，因此，本文采用上證綜指來(lái)描述中國(guó)股市波動(dòng)，考慮到波動(dòng)率估計(jì)的大樣本性質(zhì)，我們采用日收盤(pán)價(jià)數(shù)據(jù)。不同的交易制度下市場(chǎng)的波動(dòng)會(huì)產(chǎn)生顯著的不同，不宜跨不同的交易制度選擇數(shù)據(jù)（陳珍珍和趙華，2003）。從1996年12月16日至今，中國(guó)股市實(shí)行有10％漲跌停板限制的T+1交易制度，本文數(shù)據(jù)的時(shí)間周期從1997年1月2日至2004年12月31日，共1928個(gè)日數(shù)據(jù)，數(shù)據(jù)來(lái)源于萬(wàn)德資訊。交易機(jī)制的實(shí)施在很大程度上抑制了股市的暴漲暴跌現(xiàn)象，使股市的波動(dòng)性較實(shí)施漲跌停板交易制度之前有明顯的減少，因而采用這段時(shí)間的數(shù)據(jù)能減少異常值的干擾，提高模型的擬合精度。對(duì)于股票指數(shù)收益率的計(jì)算，當(dāng)研究收益率的時(shí)期行為時(shí)，常采用連續(xù)復(fù)利收益率或?qū)?shù)收益率。

（5）

這里表示上證綜指第期的日收益率，表示上證綜指和深證綜指第期的日收盤(pán)價(jià)。圖1分別描繪了上海股市日收盤(pán)價(jià)收益率的波動(dòng)，波動(dòng)具有隨時(shí)間變化的特征，有時(shí)相當(dāng)穩(wěn)定，有時(shí)波動(dòng)異常激烈，大的波動(dòng)緊隨著大的波動(dòng)，形成了收益率的波動(dòng)聚集性，在不同時(shí)間上收益率的波動(dòng)各不相同，顯示了收益率的時(shí)變方差特征。

GJR-GARCH和EGARCH模型都是通過(guò)最大似然函數(shù)進(jìn)行估計(jì)，并假定殘差服從條件正態(tài)分布。當(dāng)不是正態(tài)分布時(shí)，估計(jì)量或者稱(chēng)為準(zhǔn)最大似然估計(jì)量(quasi-maximumlikelihoodestimator)。然而，金融時(shí)間序列中常常出現(xiàn)極端值，表現(xiàn)出非正態(tài)性，造成不是正態(tài)的，這時(shí)準(zhǔn)最大似然估計(jì)量并不是有效的，它的漸進(jìn)協(xié)方差矩陣也不是最小的。Bollerslev和Wooldridge(1992)描述了一種方法可以用來(lái)計(jì)算準(zhǔn)最大似然協(xié)方差和標(biāo)準(zhǔn)誤，得到的參數(shù)估計(jì)和協(xié)方差估計(jì)仍是有效的，本文使用Bollerslev和Wooldridge(1992)程序計(jì)算穩(wěn)健的t統(tǒng)計(jì)量。

2、GJR-GARCH和EGARCH模型的實(shí)證分析

為了消除樣本變化導(dǎo)致出現(xiàn)謬誤結(jié)論的可能性，本研究以1997年1月2日至1997年12月31日為初始樣本，記為，樣本容量234；第二個(gè)樣本在第一個(gè)樣本的基礎(chǔ)上增加一個(gè)數(shù)據(jù)，記為，樣本容量244；這樣……；第1685個(gè)樣本的時(shí)間從1997年1月2日至2004年12月31日，樣本容量1928。通過(guò)Eviews5.0編程分別對(duì)樣本建模，共建立1685個(gè)GJR-GARCH模型和EGARCH模型，實(shí)證分析結(jié)果分別如圖2－圖5。

四、實(shí)證結(jié)論

1．對(duì)1685個(gè)GJR-GARCH模型分析，得到股票市場(chǎng)GJR-GARCH模型的估計(jì)參數(shù)t統(tǒng)計(jì)量（圖2）和估計(jì)參數(shù)圖（圖3）。可以看出，當(dāng)樣本容量較小時(shí)，系數(shù)和系數(shù)統(tǒng)計(jì)量較小，隨著樣本容量的擴(kuò)大，兩個(gè)系數(shù)逐漸變得顯著，股票市場(chǎng)表現(xiàn)出顯著的條件異方差現(xiàn)象。反映非對(duì)稱(chēng)信息的γ系數(shù)大于零（圖3中圖），說(shuō)明中國(guó)股票市場(chǎng)存在杠桿效應(yīng)，但是其相應(yīng)的統(tǒng)計(jì)量（圖2中圖）幾乎完全位于1以下，中國(guó)股票市場(chǎng)的杠桿效應(yīng)在統(tǒng)計(jì)上并不顯著，因此通過(guò)GJR-GARCH模型分析，中國(guó)股票市場(chǎng)沒(méi)有“杠桿效應(yīng)”。EGARCH模型的估計(jì)參數(shù)統(tǒng)計(jì)量和相應(yīng)的估計(jì)參數(shù)如圖4和圖5所示。雖然反映非對(duì)稱(chēng)信息的系數(shù)τ幾乎完全小于零，但是它在所建立的1685個(gè)中并不顯著（圖4中圖），所以EGARCH模型的實(shí)證結(jié)論也表明中國(guó)股票市場(chǎng)不存在“杠桿效應(yīng)”。

2．國(guó)外的許多學(xué)者對(duì)成熟股市的分析表明，成熟股市普遍存在波動(dòng)的非對(duì)稱(chēng)性，負(fù)沖擊對(duì)股價(jià)波動(dòng)的影響大于同等幅度的正沖擊對(duì)股票市場(chǎng)的影響。而中國(guó)股市反映非對(duì)稱(chēng)信息的系數(shù)并不顯著，中國(guó)股市不存在顯著的杠桿效應(yīng)。這是因?yàn)橹袊?guó)股票市場(chǎng)不存在賣(mài)空機(jī)制，當(dāng)出現(xiàn)利空消息時(shí)，雖然投資者預(yù)期股價(jià)將進(jìn)一步下跌，但是只有持有股票的投資者對(duì)此作出反應(yīng)，而其余投資者不能夠通過(guò)賣(mài)空股票作出反應(yīng)，因此不會(huì)出現(xiàn)成熟股市顯著的杠桿效應(yīng)。并且中國(guó)股市是一個(gè)新興市場(chǎng)，在信息分布、信息加工和信息傳遞等方面都存在著許多不足，股市波動(dòng)幅度大于成熟股市，市場(chǎng)交易者的行為非理性和大量的噪聲交易，使證券市場(chǎng)價(jià)格產(chǎn)生劇烈波動(dòng)，造成非對(duì)稱(chēng)信息的影響與波動(dòng)相比，作用不是十分顯著。中國(guó)股市與成熟股市相比，還有一定的距離，需要各方人士的共同培育，促進(jìn)其健康成長(zhǎng)。一方面，嚴(yán)格執(zhí)行《證券法》，加強(qiáng)監(jiān)管，加大信息披露的透明度，減少人為因素造成的劇烈波動(dòng)，另一方面，盡早引入賣(mài)空機(jī)制，為投資者提供多樣化投資的機(jī)會(huì)和風(fēng)險(xiǎn)規(guī)避手段，為市場(chǎng)提供連續(xù)性，增加證券市場(chǎng)的流動(dòng)性，并能夠?qū)崿F(xiàn)證券市場(chǎng)的價(jià)值發(fā)現(xiàn)功能、優(yōu)化資源配置功能。

參考文獻(xiàn)：

[1]Black,F.,1976,“Studiesofstockmarketvolatilitychanges[A]”.ProceedingsoftheAmericanStatisticalAssociationBusinessandEconomicStatisticsSection,AmericanStatisticalAssociation,177-181.

[2]Bollerslev,T.1986,“Generalizedautoregressiveconditionalheteroskedasticity[J]”.JournalofEconometrics,31,307-327.

[3]Bollerslev,T.,andJ.M.Wooldridge,1992,“Quasi-maximumlikelihoodestimationandinferenceindynamicmodelswithtimevaryingcovariances[J]”.EconometricReviews,11,143-172.

[4]Engle,R.F.,1982,“AutoregressiveconditionalheterskedasticitywithestimatesofthevarianceofUnitedKingdominflation[J]”.Econometrica,50,987-1007.

[5]Glosten,L.,R,Jagannathan,andD.Runkle,1993,“Ontherelationsbetweentheexpectedvalueandthevolatilityonthenominalexcessreturnsonstocks[J]”.JournalofFinance,48,1779-1801.

[6]Nelson,D.B.,1990,“Conditionalheteroskedasticityinassetreturns:anewapproach[J]”.Econometrica.59,347-370.

[7]Zakoian,J.M.,1994,“Thresholdheteroskedasticmodels[J]”.JournalofEconomicDynamicsandControl,18,931-955.

[8]Yeh,Yin-HuaandTsun-SiouLee,2000,“TheinteractionandvolatilityasymmetryofunexpectedreturnsinthegreaterChinastockmarkets[J]”.GlobalFinanceJournal,11,129-149.

[9]陳千里，周少甫.上海指數(shù)收益的波動(dòng)性研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2002，（6）：122-125.

[10]陳珍珍，趙華.不同交易制度下CAPM的統(tǒng)計(jì)檢驗(yàn)[J].廈門(mén)大學(xué)學(xué)報(bào)（哲社版），2003,(3):26-32.

[11]李勝利.中國(guó)股票市場(chǎng)杠桿效應(yīng)研究[J].證券市場(chǎng)導(dǎo)報(bào)，2002，（10）：10-14.

[12]胡海鵬,方兆本.用AR-EGARCH-M模型對(duì)中國(guó)股市波動(dòng)性的擬合分析[J].系統(tǒng)工程，2002，（4）：31-36.

[13]岳朝龍.上海股市收益率GARCH模型族的實(shí)證研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2001，（6）：126-129.