中国股市的周期性波动与价值投资的应用

《中国股市的周期性波动与价值投资的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、舍触教与研宠2010年第4期(总第132期)中国股市的周期性波动与价值投资的应用饶为民，孙剑(1．财政部财政科学研究所，北京100142；2．中共中央编译局，北京100032)摘要：中国股市由于世界经济发展周期、国家政策变动、信息流动机制和所处发展阶段等原因存在较强的周期性波动。实证研究表明月度上证指数对数序列满足随机游走模型假定。BP滤波方法确定上证指数存在明显的2～3年的循环周期。通过选取具有代表性的行业股票在股市周期波动中进行周期性的价值投资，结果显示大部分产业的收益率跑赢大盘，但在不同发展时期所密集使用的要素集聚产业则可享受估值溢价和获得超额收益。关键词：周期性波动；随机游走；BP

2、滤波；价值投资中图分类号：F831．5文献标识码：A文章编号：1006—3544(2010)04—0055—05在中国社会主义市场经济的建设过程中，资本一市场从无到有不断发展壮大，特别是中国股票市场，、中国股市周期性波动的实证分析已经成为世界股票市场的一支重要力量，也成为中在实体经济运行中，存在着“繁荣——衰退——国居民实现财富保值增值的重要途径。但是，中国绝萧条——复苏”的经济周期。关于实体经济周期性大多数股民对股市缺乏了解，更多的是为了获取投波动的原因，经济学大师熊彼特、萨缪尔森都做出了机收益而非投资收益，更不懂如何对所持股票的投深入的分析。熊彼特的创造性破坏理论主要针对的资价值进行研

3、究。中国的股票市场自诞生以来，由是经济波动的长周期，而萨缪尔森的乘数一加速数于世界经济发展周期、国家政策变动、信息流动机模型更适合用来解释频繁产生的短周期。在收入上制和所处发展阶段等原因，经历了不断的周期性波升时期，消费通过加速原理带动投资增长，投资通动。这种周期性的波动还夹杂着成长性、易变性、政过乘数增加收入和消费；当遭遇外部冲击时，上述作策性、心理性等特征(刘如海、张宏坤，2003)，为价值用正好反向，因而容易形成经常性的经济扩张或收投资在中国的研究和运用增添了更多干扰，但这不缩。作为实体经济的“晴雨表”，资本或股票市场的价能成为不少投资者信奉的价值投资不适合中国股格同样是反复波动，但

4、其波动特征和波动原因与实市的理由(许健、魏训平，2004；王春燕、欧阳令男，体经济不尽相同。2004)。为此，研究中国股票市场在周期性波动中的由于中国还处在发展和转型阶段，资本市场发价值投资策略具有重要的现实意义。展时间较短，因此中国股票市场更容易遭到市场和本文的研究思路如下：先对1991年1月至2009年投资者的过度反应，波动性特征更为明显。黄继平、l2月的沪市收盘指数(SHIM)用计量经济模型模拟黄良文(2003)利用波谱分析方法得出中国沪深两市诊断，确定序列的平稳性；然后利用BP滤波对SHIM指数均存在5个显著周期，但最显著的是长度为921进行趋势、循环分解，确定其主要波动周期；最后

5、，选个交易日的周期，这为投资者的实践操作提供了一择股票池(poo1)具有代表性的企业进行价值投资模定参考。徐立平、陆珩缜(2009)基于时间序列的极大拟，与大盘收益率进行比较。熵谱估计方法，利用MATLAB工具，对A股指数进行分析，得到了上证综指和深证综指的谱密度、频率及收稿日期：2010—05—18周期数据，从中分辨出A股存在一个平均约18个月作者简介：饶为民(1970一)，江西九江人，财政部财政科学研究所博士后，研究方向为经济学；孙剑(1976一)，山西朔州人，中的主周期分量。从这些分析中可以看出中国股市确共中央编译局博士后，研究方向为宏观经济。实存在周期性波动规律。但这些研究存在下列

6、问55含融教学与研宓2010年第4期(总第132期)题：样本数据时问较短；在分析周期之前没有对时问10％显著性水平下都为平稳序列。为了进一步明确序列数据的平稳性进行论证；更重要的是没有和具是采取水平序列还是一阶差分序列，再查看In—shim体的价值投资应用相结合。因此，有必要对中国股市水平序列的自相关(AR)和偏自相关系数(PAR)，如的周期性波动做出更精密细致的分析，为投资者提表3所示。供更具操作性的实践思路。表3上证指数In—shim序列的AR~flPAR一般的实证文献在分析具有高频性质的金融时序数据时，更多地采用条件异方差模型(ARCHMODEL)。但在我们看来，股市指数的月或周序列

7、数据也可以用ARMA模型来分析。本文就对沪市指数月度序列收盘指数采用ARMA模型来诊断预测。之所以以沪市指数作为分析样本，是因为沪市集中了国内各行业的大中型企业，具有规模大、分布广、市值高的典型特点，对世界形势、国家政策、信息披露、市场投机等反应灵敏，而且其中有些蓝筹股可以成为价值投资的标的被用来模拟预测。(一)SHIM的模拟预测从表3可以看出，水平序列自相关系数(AC)是拖尾的，偏自相关系数(PAC)在1阶截尾，可以判