我国a股市场中的波动性之谜的深层次分析

《我国a股市场中的波动性之谜的深层次分析》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、我国A股市场中的波动性之谜的深层次分析情况下两种时变贴现率的“过度波动”检验结果。　　　　　有不俗的解释力度⑧。　　标准差比率和相关系数的统计量都表明样本期间A股市场存在“过度波动”。常数超额收益模型中，1月期的理论对数股利-股价序列波动率只有实际序列波动率的%(%，深证A股)，但相关系数高达%(%，深证A股)，无限期的标准差比率和相关系数均下降到12%左右。至于V-CAPM模型，尽管长期的标准差比率比常数超额收益率模型有较大幅度的提高，但不存在“波动性之谜”的原假设依然被拒绝⑨我国A股市场中的波动性之谜的深层次分析情况下两种时变贴现率的“过度波动”检验结果。　　　　　

2、有不俗的解释力度⑧。　　标准差比率和相关系数的统计量都表明样本期间A股市场存在“过度波动”。常数超额收益模型中，1月期的理论对数股利-股价序列波动率只有实际序列波动率的%(%，深证A股)，但相关系数高达%(%，深证A股)，无限期的标准差比率和相关系数均下降到12%左右。至于V-CAPM模型，尽管长期的标准差比率比常数超额收益率模型有较大幅度的提高，但不存在“波动性之谜”的原假设依然被拒绝⑨。图1提供了更为直观的证据。　　　　与国外的同类研究相比，在选择常数超额收益率作为时变贴现率时，本文的实证结果与Cuthberston等(1997)对英国股市以及Cuthberston

3、和Hyde(2002)对法国股市的研究一致。当时变贴现率选择V-CAPM时，本文的实证结果与Campbell和Shiller(1988，1989)以及Cuthberston和Hyde(2002)的研究类似，而与Cuthberston等(1997)向左，后者发现V-CAPM模型下的英国股市“过度波动”现象消失了。　　　　　图1　对数股利-股价序列对比图(实际值、1月期限理论值、无穷期限理论值)　　注：D_P_TRUE为实际对数股利-股价序列，D_P_THEORY_1M为1月期限情况下理论对数股利-股价序列，D_P_THEORY_INF为无穷期限区间时对数股利-股价序列。　

4、　关于投资者情绪影响市场收益率和波动性的研究并不少见，比如Delong等(1990)、Lee等(2002)以及Baker和Wurgler(2007)等，国内这方面的研究可以参考王美今和孙建军(2004)与林树和俞乔(2010)等。但如前文所述，这些研究更多着眼于投资者情绪对股价收益率方差影响的分析，并籍此间接推断出情绪可能导致“过度波动”，而本文则直接将市场情绪和“过度波动”结合起来讨论。　　1.市场情绪指数的构建　　目前用于市场情绪研究的主要有直接指标和间接指标两类，前者通过投资者调查报告获取，比如美国的IIS指数和我国的央视看盘数据，后者则通过封闭式基金折价率和市场

5、换手率等能够间接体现投资者情绪的指标来进行构建。本文参照Baker和Wurgler(2007)，选取封闭式基金折价率(disf)、IPO首日收益率(ipor)、A股月换手率(turnover)、投资者新开户数(newa)、A股月交易股数(takeov)和新上市公司数(addlc)6个指标进行主成分分析，以构建衡量我国股市情绪的综合指标。数据区间为1998年4月至2009年12月，来源为国泰安经济金融研究数库。　　　然而，由于这些指标属于市场情绪度量的间接指标，其中不仅仅蕴含投资者情绪的信息，同时也还夹杂着其他方面的信息，所以在进行主成分分析前需要进行除趋势处理。根据Ba

6、ker和Wurgler(2007)，我们对新开户数和新增上市公司数应用月工业产值增加值除趋势，对A股月换手率和月交易股数应用交易费用数据进行除趋势。ADF检验显示上述6个指标在进行除趋势操作后均为平稳变量，满足主成分分析的要求。然后，我们对除趋势后数据的主成分分析结果发现第一主成分的贡献率达到%(%，深证)，再结合碎石图对特征值变化的描绘，这表明选择第一主成分即可生成市场情绪指数sentiment。相应地，上证A股和深证A股的情绪指数构造方式见公式7，与Baker和Wurgler(2007)相比，本文的情绪指数方程中各系数的方向基本保持一致。　　　　2.市场情绪与“过度

7、波动”　　　　　　图2　沪深A股情绪指数与excv_1和excv_2　　根据图2，我们发现A股市场情绪指数和股价过度波动趋势之间表现出较强的关联特征，并且图2中的细节暗示sentiment对股价波动的影响很可能是非线性的，更合理的推断是市场情绪高涨时和低落时股价波动都会变得剧烈。因此，本文预期sentiment与excv_1应该是线性正相关关系，但与excv_2则应该是“U型”非线性关系，sentiment最大区间和最小区间内excv_2值应该大于其他区间内的excv_2值。　　表3证实了我们的猜想，市场情绪高涨(低落)会推高(压低)实际