中国证券市场发展前沿问题研究（2008）(txt+pdf+epub+mobi电子书下载)

作者：中国证券业协会

出版社：中国财政经济出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

中国证券市场发展前沿问题研究（2008）试读：

证券市场运行类

评审工作按已有评审制度和评审程序，实行初审和复审两轮评审，采用网上评审办法。评审打分根据：（1）选题的前瞻性、新颖性、重要性和紧迫性；（2）理论先进性、成熟度、适用性和结论的创新性；（3）研究成果实践作用的建设性、可行性、经济价值；（4）研究报告数据库的可靠性、分析的实证性和结论的准确性；（5）研究报告格式的规范性、语言的通俗性、概念的清晰度、结构的严密性进行综合评定分数。网上评审系统自动汇总研究成果得分和排定名次，评审结论经过2名审核员逐一复核无误后，每类研究成果的前16名进入复评程序，累计124项研究成果通过初评程序。

初评工作是按八类研究成果，匿名分送24人初评专家评审。初评专家由中国证监会机构部、基金部、投资者教育办公室处室负责人，中国证券业协会证券公司会员部、基金公司会员部、发展战略工作委员会、投资者教育办公室的负责人组成。初评结束后，召开了2008年度中国证券业协会科研课题研究成果初评工作座谈会，总结2008年度中国证券业协会科研课题研究成果初评工作，听取各位初评专家对中国证券业协会科研课题研究工作的有关意见，为下一步的工作积累了经验。

复评环节重在评定申报成果的应用价值，按照各单位负责人、一人不同时担任初评评委与复评评委为原则，邀请中国证监会、中国证券业协会副会长单位和监事长单位、上海证券交易所、深圳证券交易所、中国社会科学研究院、清华大学、上海证券报和中国证券业协会等单位的40名专家出任复评评委，每篇5个专家评审。会员单位的评委比重达到了60％，研究报告的理论水平、实践意义和研究方法的分值总权重超过了75％。终评结果确定了8个类别的62项获奖候选研究成果。监督公开全面

终评结束后，所有候选获奖成果在中国证券业协会网站公示2周。公示期间，所有的候选获奖研究成果的报送单位和作者再次复核研究成果的数据来源、研究逻辑和研究结论，并就研究成果否已经参加其他评奖、作者署名排序、作者单位署名和版权授权接受行业公开监督。我们认真受理投诉，并向署名反映问题的同志反馈调查核实结果。最后从中国证券业协会网站公示无异议的候选获奖研究成果中，评选出

一等奖

当前，全球金融危机和经济衰退对我国证券行业发展已经造成冲击和影响，需要认真思考和正确总结这次危机的经验教训，准确把握资本市场改革发展面临的形势，《中国证券市场发展前沿问题研究（2008）》提供了一些有力的智力支持。但是，我们深知资本市场通过智力支持提振信心和稳定预期的任务十分艰巨，独立、客观、深入的研究仍然短缺，需要更加专业、更加深入、更加持久的努力。中国证券业协会会长 黄湘平2009年3月证券市场运行类一等奖

A股系统性风险时变估计方法及实证研究

次贷危机爆发后，全球股市持续动荡，中国A股亦不能独善其身。上证综指自2007年10月中下旬以来持续暴跌，最低下探到1664点，距离6124的高点最大跌幅高达72.83％，几乎将牛市成果吞没殆尽。国际金融危机的肆虐，A股市场的大开大阖，再一次让人们深刻意识到资本市场所蕴含的巨大系统性风险。

自William·Sharpe在1964年创立CAPM模型以来，β系数成为系统性风险估计的主流方法。在美国、加拿大、英国等资本市场较为成熟的国家或地区，标准普尔、道琼斯等著名中介机构都定期公布各股票的β系数，向投资者揭示上市公司的系统性风险。目前，国内有关系统性风险的研究也大多沿着CAPM的思路展开，并建立在对个股β系数估计的基础上。研究主要集中于以下几个方面：（1）系统风险的相对比例构成。国内学者研究的总体结论是我国证券市场系统性风险比例整体上呈现下降趋势，但仍大大高于西方成熟证券市场（施东辉，1996；张人骥，2000；王宗军，2002；宋增基，2004）。（2）各个市场之间的风险传递机制研究。这方面的研究主要是运用格兰杰因果性检验和协整方法，在市场之间展开讨论（耿广棋，2002；薛昕，2007）。（3）对我国资本市场系统性风险成因的探讨。国内理论界虽然对系统风险的成因尚未达成共识，但这一领域的研究成果却十分丰硕，如马君潞（2004）以及阎东明、张华伦（1996）等。（4）系统风险其他度量手段的研究。如基于混沌和分形理论的股市系统风险测度与监控的框架性方法（张梅琳，2008）、基于在险价值（VaR）的系统风险度量指标（曹雪平，2006）等。

然而，目前国内研究机构所应用的β系数估计方法未针对中国股票市场的制度性因素加以改进，且大多是静态方法。估计方法的简单造成β系数估计有偏，缺乏权威性，加之时间区间、样本选择、研究方法的差异，实证研究的结果存在较大差别。对于A股这样一个系统性风险尤甚的新兴市场，由相关监管部门或中介机构定期公布个股的β系数及系统性风险状况，给投资者提供基本的风险控制信息尤为必要。而科学、准确、有针对性的β系数估计方法是开展有关A股市场系统性风险研究和使个股的β系数信息具有权威性的前提和基础。因此，有必要针对中国证券市场的具体情况，对现有β系数的估计方法加以改进，探索更加科学、准确的系统性风险估计方法，开展其基础上的有关A股市场系统性风险的相关研究。1.2　本课题的研究内容、方法及主要特色

国内研究所存在的问题之一是β系数的估计大多是基于CAPM的静态方法，未对时间变动因素深入研究。而国内外的大量研究表明，β系数具有时变特征，如Levy（1974）和Black（1972）等就建议分别计算牛市和熊市的β值；Fabozzi和Frank（1977）等强调了不同市场态势下β值的差异，指出当市场状况从牛市转向熊市时β值较不稳定；国内学者侯永建、周浩（2002），金晓斌等（2003），宋逢明、李翰阳（2004）等对中国股票市场的研究也得出了同样的结论。20世纪80年代以来，国外学者提出了时变β的动态估计方法及模型，其中最具代表性的是Schwert和Seguin（1990）。他们引进近年来在金融计量经济学中广泛使用的ARCH（自回归条件异方差）模型族度量证券的动态风险，建立了考虑市场收益波动异方差和β时间变动特性的SS市场模型。然而，直接应用SS模型对我国A股市场系统风险进行估计会造成β值有偏。这是因为A股市场存在涨跌停板制度，真实的收益序列受涨跌停的限制而被截断。在这种情况下，用观测的收益序列代替真实的收益序列进行系统风险的估计则会产生偏差。SS模型还存在一个重要问题是其将市场或证券（组合）收益波动设定为GARCH（广义自回归条件异方差）过程，只对收益率非正态分布的宽尾部特征进行了修正，却无法刻画市场的分形特征。而国内的大量研究表明，A股市场存在着长期记忆性，而且具有分形特征，因此，有必要对SS市场模型针对以上两个方面进行进一步的拓展，以更好刻画A股市场的制度特征和分形特征。本课题依据涨跌停板制度下收益率的审查特性提出了审查—SS模型，针对A股市场的分形特征将市场及证券（组合）收益波动设定为长记忆GARCH过程，以更加精细地刻画市场波动的时变性、聚集性、溢出效应、杠杆效应及长期记忆性。因为在时变β系数的估计中，综合市场收益率条件方差的估计至关重要，本课题提出了基于VaR模型选取标准。在系统性风险比例的估计上，同样考虑了市场或证券收益率波动的异方差性。同时，为了避免估计模型选取不一致造成的偏误，本课题提出了基于双变量GARCH模型的时变系统性风险比例估计方法。而对于A股市场系统性风险的内外部传递机制，本课题构建了基于向量GARCH模型估计条件异方差基础上的研究方法。本课题基于自身提出的方法，并综合运用多种其他金融计量手段，将系统性风险的内涵拓展为市场整体的波幅和个股与市场的相关性两个层面，从横向和纵向两个角度对A股市场的系统风险进行了全面的刻画和研究，希望有关实证研究的结论对机构投资者的资产配置及相关部门的监管提供参考和借鉴。2．A股市场系统性风险实证研究之一：暴涨暴跌

2005年下半年起，中国A股市场经历了过山车般的大开大阖。然而这样巨幅的涨落已经不是第一次，A股市场的发展伴随着一轮又一轮的暴涨暴跌：1990年12月19日，中国股市从100点起步，一年半的时间上证指数就狂飙至1429点，暴涨1329％。随后便暴跌5个月，回落至400点下方。1992年底，上证指数从400点起航，3个月内最大涨幅达284％。之后，股指调头持续阴跌达17个月之久，于1994年7月29日跌至最低333.92点。1994年8月1日，新一轮大开大阖再次启动，仅1个多月上证指数就猛窜至1053点，涨幅为215％。随后便展开了一轮更加漫长的熊市，上证指数在于1996年1月19日跌至512.80的最低点后，又在不到一年半的时间内暴涨1000点，于1997年5月12日创出了1510的高点后开始了长达2年的调整。1999年“5·19”井喷行情中，在短短一个半月内，上证指数上涨将近70％。随后经过大幅回调后，在2001年6月14日冲向2245点。之后上证指数快速下跌，踏上了漫漫4年熊途，于2005年6月6日创下了历史最低998.23点，随后又是2005年下半年开始的前所未有的大牛市以及随后史无前例的暴跌。2.1　基于GARCH模型族的系统性风险量化表征

从上面的市场行情回顾中，我们不难发现A股市场的显著特征之一即是“暴涨暴跌”，而这也是A股市场系统性风险的重要表现形式。为了量化A股市场的整体风险状况，本课题将基于GARCH模型族估计的市场综合收益率的条件异方差作为市场整体风险状况的量化表征。

自哈理·马柯威茨（1952）提出资产组合理论以来，资产价格（收益率）的方差成为刻画和描述市场风险的重要工具。然而在传统金融理论中，一般假定资产收益率序列服从独立正态分布，方差是独立于时间的变量。但20世纪60年代以来越来越多的实证研究表明，金融资产收益率波动特征体现出时变性、聚集性、溢出效应、杠杆效应等主要特征，由Engle（1982）、Bollerslev（1986）等提出的GARCH模型成功地描述了以上特征。GARCH模型包括条件均值方程和条件方差两个方程，基本形式如下：22ttt-1t-1tt

其中，σ是ε的条件方差，ε|I～i．i．N（0，σ），I|表示已知的信息集。

从以上基本形式，我们可以看出GARCH模型能够刻画金融资产收益率的条件异方差特征，从而可以较好地描述风险的时变特征。另外在此基本形式上，Black（1976）、Christie（1982）、Nelson（1990）、Schwert（1990）等人进行了拓展，发展出能够刻画波动杠杆效应的指数GARCH模型、门限GARCH模型以及非线性GARCH模型等。Baillie（1996）对长记忆GARCH模型进行了开创性的研究，提出了能够刻画波动的长记忆特征的FIGARCH。之后，国内外的学者将长记忆扩展到现有的GARCH模型族，产生出一系列长记忆GARCH模型。因此，本部分运用以上长、短两大类共计28小类模型对股指收益率条件方差进行估计，并综合考虑似然函数、AIC信息准则、调整的可决系数等标准，选取出最佳模型估计市场收益率的条件异方差，将其作为市场整体风险状况的量化表征。我们选用上证综指和深证成指作为A股市场的代表，比较对象选取了全球主要股指，涵盖了欧美发达市场、亚太新兴市场，以横向进行比较。主要以调整后的月度收盘价数据作为研究对象，采用对数收益率，分别针对各大股指筛选出最适宜的GARCH模型，以其估计出的月度条件方差作为市场整体风险的表征，将A股市场的风险状况与全球主要市场进行了比较。此外，本部分还以调整后日收盘价数据作为研究对象，比较了A股市场与成熟市场（以美股为代表）的日内波幅，从长、短两个周期比较A股市场的相对风险状况。比较结果是沪、深A股的月收益率波动率远远大于外围市场。从平均值来看，美三大股指里比较高的是纳斯达克，这主要是因为其成分股主要是科技股，其股价具有较高的波动性。全部比较对象中，最高的是台湾加权指数和韩国综合指数。这也说明与欧美股市相比，亚太股市尤其是新兴市场具有较高的波动率。韩国成分指数和台湾加权指数的月波幅平均值仅为10.53％、8.31％，而沪、深A股的平均月收益的波动幅度却分别高达13.22％、13.84％。而外围市场的平均水平仅为6.80％，沪、深A股的平均月收益比外围市场的平均水平高出了将近90％多。另外，从月波动率的最大、最小值来看，沪、深A股都是最高的：沪、深A股月收益的最小波动率分别是10.79％、10.21％，而外围市场里该统计指标最大的德国DAX30种股价指数也仅为7.92％。就月收益的最大波动幅度而言，沪、深A股分别达到了22.64％和22.12％，而外围市场里数值最大台湾加权指数也仅为13.16％。从中我们可以看出，不管是与欧美成熟的发达市场相比还是与亚太的其他市场相比，不管是从月收益率条件方差的平均值来看还是从最大、最小值来看，A股市场的整体波动幅度都远远高于其他。我们看到的外在表象是在近20年的发展历史中，A股总是处于暴涨暴跌的轮回中。而从标准差来看，沪、深A股的0.0283和0.0329也是最高的。这反映了中国A股市场作为一个新兴的市场，不仅具有大涨大落的特征，涨落的幅度亦具有较大的不规律性。对A股与美三大股指调整后的日收盘价收益率应用GARCH模型估计的条件异方差可以看出，从日波幅来讲A股市场也远远大于成熟市场。上证综指和深证成指收益率的日波动幅度的平均值为2.33％和2.12％，而美三大股指分别为0.95％、0.98％和1.41％。从标准差角度来看，沪、深A股不仅日收益率的波动幅度大，其波动率也呈现出非常大的异变性。2.2　A股市场系统性风险的时变特征及传递机制2.2.1　A股市场系统性风险的时变制度特征

在中国A股市场将近20年的发展中，伴随着各种市场机制的推出、制度的完善以及政策调控等，其风险状况也呈现出明显的阶段特征。另外由于沪市和深市A股没有内在的分割机制，其走势及波动存在着紧密的关联性，其系统性风险必然存在着溢出效应。本部分运用向量GARCH模型，对沪、深A股调整后的日收盘价收益率数据进行建模，基于模型估计出的条件方差、协方差、时变相关系数研究沪、深A股时变特征、制度特征以及两个市场风险的传递机制、协同效应、溢出效应。

Kraft和Engle（1983）、Bollerslev（1988）最早提出了向量GARCH模型。之后，发展成对角向量GARCH模型、BEKK模型、K因子向量GARCH模型等各类。因为BEKK模型具有较少的约束，能够涵盖更多的信息，本部分选取BEKK模型作为估计模型，其条件方差、协方差矩阵的形式如下：0ijt

其中，A为下三角矩阵，A和B为无约束矩阵，∑为条件方差、协方差对角矩阵。通过向量GARCH模型，我们可以估计出沪、深A股收益率的条件方差、条件协方差和时变相关系数序列。

从沪、深A股收益率的条件方差序列来看，深市的日波幅略高于沪市，这主要因为沪市的上市公司相对深市股本规模更大，尤其是大盘股较集中于上海证券交易所，因此其股价的波动性会较小。但是整体来讲，两市的波动幅度并不具有明显的差别，这也表明就整体风险状况而言两市相差不大。另外沪、深A股整体的风险状况表现出一定的趋势性。在资本市场的建立初期，两市的波动幅度都非常大，基本上可以划分为1994年以前、1995～1997年、1998～2005年以及2005年以后四个阶段。1994年以前，A股的整体状况是波动非常剧烈，尤其是1992～1994年间。这主要是因为这一阶段上市公司数量比较少，股市流通市值比较小，市场操纵比较严重。另外，市场在发展初期，各种制度、规章都不完善，市场的发展处于不规范阶段，因此市场整体的波动幅度非常大。有意思的是，此阶段沪市A股的整体波幅要高于深市。1995～1997年间，A股市场得到了一定程度的扩容，相对前一阶段市场的波动幅度有所减小，但是期间伴随着两次剧烈的波动。1998年以后，随着涨跌停板制度的确立以及其他市场制度的完善，A股市场基本进入了规范发展阶段，市场的波动幅度明显减小，这说明涨跌停板制度确实对抑制过度投机以及减小市场波动起到了相应的作用。其间有两次较明显的大波动，一次是1999年5～7月间由网络股引发的大行情以及经过大幅回调后2001年年中的大幅上涨。2005年以后，在前所未有的大牛大熊股市的戏剧性转化中，A股市场的波动幅度再次放大。但总的来说，1998年以后A股市场系统性风险呈明显下降趋势，整体的波动幅度明显收窄，我国股市进入了进一步规范和发展阶段，《中华人民共和国证券法》（简称《证券法》）的颁布、涨跌停板制度的建立等对市场的规范发展起到了非常重要的作用。2.2.2　沪、深A股系统性风险的传递效应

沪、深A股的相关性明显分为两个阶段：1998年以前，沪、深A股的时变相关系数波动性非常大，但整体趋势是逐步增强；1998年以后，A股两个市场的走势非常紧密，其相关系数基本稳定在0.99以上。我们对通过向量GARCH模型估计的A股收益率的条件异方差作格兰杰因果检验，结果表明在10％的置信水平下，沪、深A股条件标准差互为对方的格兰杰因，这说明从短期来看，沪、深A股的市场风险具有相互的溢出效应和协同效应。而在5％的置信水平下，沪市不是深市的格兰杰因，而深市的波动幅度是沪市的格兰杰因，这个结果出乎了我们的意料。也就是说，市场的波动率或者系统风险的传递方向是从深圳A股市场传递到上海A股市场，其原因是可能由于沪市A股的市场规模、上市公司家数、流通市值都比深市A股要大，因而沪市A股具有更高的市场敏感度。另外，我们对A股收益率的条件异方差作了Johansen协整检验，结果表明两者之间存在着协整关系，这说明从长期来看，沪、深A股系统性风险之间存在长期趋势的一致性。2.2.3　A股与外围市场系统性风险的传染性

随着资本市场的逐步开放，A股市场与全球市场之间的联动性也越来越紧密，国际投资者对A股市场开始显现其日益膨胀的影响力。虽然受资本项目管制的制约，国际资本实际入市资本规模有限，但在价值评估、心理预期等方面影响却不容小觑。此次金融危机的爆发也反映出经济、金融全球化大背景下，全球股市系统性风险呈现出日益紧密的多米诺骨牌式的连锁反应。因此，本部分选取了美三大股指作为外围市场的代表，对沪、深A股和美三大股指的对数化日收盘价收益率两两进行了双变量GARCH模型估计，沿用上一部分的思路，对沪、深A股与外围市场风险的传递机制、协同效应、溢出效应，A股与外围市场的联动性等作一研究。

因为A股市场的开放呈现明显的阶段性特征，因此有必要分阶段进行研究。我国股票市场的国际化经历了B股发行、海外上市、外资参股、QFII、QDII机制实施等开放历程。本部分选取了2002年QFII机制实施和2005年汇率制度改革作为标志时点。这是因为QFII机制提供了资金进出A股市场的实际渠道，其实施是中国资本市场国际化进程中的一个重要举措。因此本部分将QFII制度正式实行的2002年12月1日作为阶段划分的第一个时间点。而2005年人民币汇率制度改革加大了境内外资本的流动，在人民币持续升值预期下，国际资本向国内大量涌入。2005年7月21日起，我国开始实行以市场供求为基础、参考一揽子货币进行调节、有管理的浮动汇率制度。因此此时间被确定为阶段划分的第二个时间点。

我们对基于向量GARCH模型估计出的市场收益率的条件异方差进行了格兰杰因果检验，结果却并没有如我们想像的那样，外围市场是A股市场的格兰杰因，大部分结果在5％的置信水平下为否。这主要是因为我们运用条件方差的时间序列作因果检验，即市场的波幅作格兰杰因果检验。从上面的分析中我们可以看出，外围市场的下跌和上涨越来越成为影响中国A股的重要因素。但是对于市场的波动幅度，A股与美股却不呈现明显的相关性。也就是说，外围市场的下跌或上涨是影响中国A股下跌或上涨的因素，但是A股的波动幅度却与外围市场相关性较小，表现出的是自身大幅的波动。这说明从短期来看，对于日收益率数据的波动幅度不能够解释A股市场的波动幅度，A股市场自身的波动呈现出自有的“大涨大跌”特征。而Johansen协整检验却表明A股的波幅与外围市场存在协整关系，这说明从长期来看，中国A股的波幅与外围市场存在着一致趋势，而这种趋势不管是在哪个阶段都表现得非常明显。

基于双变量的GARCH模型，我们同样可以得出A股与美三大股指的时变相关系数。分析不同发展阶段中国A股与外围市场时变相关系数可以看出，无论是上证综指，还是深证成指，与三大股指的相关系数都是第三阶段最高，第一阶段次之，第二阶段最低。尤其是2005年汇率制度改革后中国与外围市场的相关系数明显增强，这说明汇率制度的改革是增强中国A股市场与外围市场联系的重要影响因素。而在第二阶段，中国股市正处于漫长的4年熊市中。此期间中国政府出台了QFII制度。作为中国资本市场国际化的重要一步，QFII制度为A股提供了与外围市场的实体资金连接渠道，却未能显著增强A股与外围市场的联动性，此时的相关系数是最低的。这一方面是因为受额度限制QFII对A股的影响有限，另一方面也表明在中国股市的发展中其内在的趋势影响占据绝对主导。

因为相关系数的计算基于日数据，存在着很多的随机因素，所以我们对条件日相关系数进行了BP滤波处理，以过滤掉随机因素发现主要趋势。分析结果表明，在第一个和第二个阶段，中国A股市场与外围市场的相关系数并没有表现出明显的变化趋势；但是在第三个阶段，即汇率制度改革后A股市场与外围市场的相关系数呈现出明显的增大趋势。这说明QFII制度实行后，因为额度限制，QFII对中国A股市场的影响还是很小的，反倒是汇率制度改革后，随着人民币升值预期的增强，虽然我国的资本项目还未开放，但通过各种渠道涌入境内的热钱成为加强中国A股市场与外围市场联系的重要影响因素。因此，从资本市场的安全角度考虑，亦需要加强对热钱的监管。

另外，中国的A股市场还呈现出一个特点——随跌不随涨，即在外围市场大涨的时候，A股市场却涨幅不大甚至“独跌”；而在外围市场大跌的时候，却亦步亦趋，甚至下跌的幅度更大、更猛。因此本部分选取美股作为外围市场的代表，分别计算了美股上涨和下跌时，A股滞后一日的（因为美股开盘时间晚于A股）以收盘价计算的日收益率与美股的Pearson相关系数。分析结果表明，上证综指在外围市场下跌时，与美三大股指的相关系数分别是0.067、0.082、0.046；而在外围市场上涨时，与美三大股指的相关系数分别是0.035、0.042、0.026，即下跌时的相关系数均大于上涨时的相关系数；对于深证成指，存在着类似的情况，下跌时为0.089、0.113、0.071，上涨时为0.015、0.031、0.031。这说明外围市场对于A股市场的影响主要是心理层面的，而这种心理层面的影响在市场下跌时表现得尤为突出，从而导致在外围市场下跌时，相关系数明显高于外围市场上涨时的相关系数，表现出特有的“随跌不随涨”的特点。3．A股市场系统性风险实证研究之二：同涨同落

前一部分，基于单变量以及向量GARCH模型我们对沪、深A股的波动特征进行了刻画。通过横向的比较我们可以看出，从长、短周期来看，作为市场整体状况的代表——上证综指和深证成指的收益率序列的波动幅度都非常巨大，其外在表象即暴涨暴跌，市场的整体风险很大。而如果个股与大盘走势亦步亦趋，较少能够走出独立行情，那么将加重个股的系统性风险。本部分利用时变β系数对A股市场的个股与市场整体走势的关系研究。3.1　估计模型及样本选择3.1.1　基于CAPM的市场模型

自William·Sharpe（1964）等创立的资本资产定价模型（CAPM）以来，β系数成为股票市场系统风险测定的主流方法。本研究也遵循这一经典方法，而证券市场线和市场模型是估计β的两个主要模型，其表达形式分别为：

从理论上来说，市场模型等于证券市场线。标准CAPM模型建立在一系列严格假设基础之上，而市场模型理论基础较简单，认为证券价格或收益变动同涨同跌的联动关系是由于共同因素的影响（其最佳度量是市场收益），用β系数表示市场期望收益变动对证券期望收益变动的作用程度，描述了两者之间的关系。另外由于证券市场线还涉及无风险收益率，这在理论和数据操作上都存在问题，所以我们选取市场模型进行估计。3.1.2　市场组合替代物及样本选择

1．市场组合替代物的确定。根据CAPM模型的假设，理论上的市场组合应包含所有资产，其中还包括某些不上市交易的金融资产和不动产等。但是，由于这些资产的收益是不可观测的，真正的市场组合收益根本无法直接度量，在实际估计中通常是采用市场指数的收益率作为市场组合收益率的替代。从理论上看，作为市场组合收益率替代物的市场指数收益率对β估计的影响一般来自市场指数中所包括证券的种数、代表性和指数的编制方法两方面。综合考虑“代表性”和“稳定性”这两个因素，本课题选择了上证综指和深证成指作为市场组合的替代物。

2．收益率的时间段——日收益率。计量市场收益率和证券收益率的时间段有日、周、月、季、半年或年收益率等多种选择，但不同的时间段影响着β系数的估计。考虑到一些重要的指标股（如中国石油、工商银行等）上市时间较短，为了扩大样本容量、提高估计的有效性，本课题采用日收益率数据以包括更多的观察值。由于采用了审查回归模型，修正了日收益率数据因价格调整滞后而导致的β系数估计偏差问题，同时由于引入了GARCH模型，也避免了日收益率分布非正态分布对估计造成的影响。由于涨跌停板的限幅经历了多次调整，从1996年12月26日才开始固定下来，因此本研究将个股的样本时间区间的确定为1997年1月1日～2008年9月30日。3.2　基于长记忆GARCH过程的审查—SS模型3.2.1　A股β系数的时变特征

传统或标准的市场模型的设定为：i，tm，t

其中，R为证券或组合i在t时刻的收益；R为综合市场在t时i刻的收益；回归方程的斜率β为证券或组合i的β系数，它是证券或组合的系统风险的衡量。。在的公式中，分子是证券收益与综合市场收益的协方差，分母是综合市场收益的方差，从中我们可以看出传统的市场模型给出的系统风险估计是一个常数。大多数实证研究均表明，无论是对于发达国家中成熟股市，还是新兴市场而言，个股的β系数具有不稳定性，呈现出时变特征，因此，Schwert和Seguin（1990）提出了能对时间变动β进行估计SS市场模型。SS市场模型的具体设定为：ii，tii，t

它需要估计三个参数：α、β和δ。β是一个随时间变动而变ii化的量，它可以分解成两个部分：。其中，β和δ是一个常2m，t数；σ是综合市场收益的时间变动方差或条件方差（即综合市场收益是异方差的），主要通过对综合市场收益设定的GARCH模型估i，t计而获得。因此，β随个股和时间两个因素变化，SS市场模型为时变β估计方法。3.2.2　A股β系数的审查特征

所谓审查，指的是把变量处于某一范围内的样本观测值都用同一个相同的值替代，当回归模型的因变量被审查时所设定的回归模型即为审查模型。它的设定为：*i12i

其中，y为实际的因变量，y为被审查了的因变量，c和c是一个固定值，代表了左右审查点，此模型也称为“托宾双限制审查模型”。

目前，我国A股市场实行幅度为±10％（ST类个股为±5％）涨跌停板制度。实行涨跌停板制度时，所能获得的只是被截断的观测收益序列而非真实收益序列。在这种情况下，用观测的收益序列代替真实的收益序列进行系统风险的估计则会产生偏差。SS市场模型因为未考虑到涨跌停板制度这一制度性因素的影响，因此不适合于直接估计涨跌停板制度下的证券时变β。本课题组将托宾双限制审查法则引入到SS市场模型中，得到新的审查—SS模型。课题组通过样本内预测误差的比较证明，审查—SS模型可以比SS市场模型提供更为精确的β系数估计。审查—SS模型具体为：i，t

其中，R为审查模型中的隐性因变量，即证券和其组合的真实收益率，它受以下双限制审查法则制约：3.2.3　A股β系数的分形特征

在SS市场模型基础上，考虑到中国A股特殊的制度特征，融入了审查回归模型后，还存在一个问题，即资本市场的分形特征体现在风险资产的收益率上即是长记忆特征。国外大量的实证研究都表明股市收益率的波动往往存在着显著的长期记忆性，国内学者如汤果、何晓群（1999），王春峰、张庆翠（2004）等的实证研究也支持沪、深A股存在着长期记忆性。因此在审查—SS模型基础上，在估计综合市场收益的条件方差时应采用长记忆的GARCH模型。

长记忆GARCH模型由Baillie（1996）进行了开创性的研究，他首次提出了FIGARCH模型，其条件方差函数表示为：

其中，0≤d≤1。

Φ（L）和β（L）分别是p阶和q阶滞后算子多项式。之后，在其基础上，学者们发展出FIEGARCH模型（Nelson，1991）、FI-A-PARCH模型（Tse，1998）、HYGARCH模型（Davidson，2003）、Hyperbolic A-PARCH模型（Schoffer，2003）等。本课题应用4种长记忆GARCH模型估计综合市场收益的时变方差。另外，通常的模型假设综合市场收益的残差服从正态分布，但大量的实证研究发现，资产价格的收益率序列一般不满足正态分布，存在着尖峰、厚尾性特征，因此进行估计时还应考虑资产收益率的分布偏离正态分布的程度。因t此本课题在每种模型下分别假设ε服从正态分布、T分布、偏峰T分布。3.3　基于向量GARCH模型的时变系统性风险比例估计方法

根据市场模型，证券资产或组合的收益率变动的方差表达式为：2i

其中，σ为股票的收益率方差，为股票总体风险程度的度量。它包含两部分：一部分是与市场整体波动相关的系统风险；另一部分为随机误差项方差，是每种股票都特有的，与系统风险无关，因此系统性风险比例的表达式为。因为β系数的估计也可以写为：，而且A股市场中的个股波动与市场综合指数联系非常紧密，因此在估计和比较个股的系统性风险比例时，为了避免在估计个股条件方差时模型选取可能存在的差异性问题，我们运用双变量的GARCH模型，对个股和市场指数各自的条件方差、协方差同时进行估计，利用下式计算个股系统性风险比例：

利用双变量的GARCH模型对个股和市场指数估计后，可以得到协方差估计序列以及个股和市场指数收益率序列的条件方差和实际残差的标准差。本部分将实际残差的标准差的平方作为个股和市场综合22i，m，ti，t指数收益率方差σ和σ，以模型得出的条件协方差作为cov（Rtm，t，R）的估计值，splus估计程序如附录（略）。3.4　基于VaR的市场收益率条件方差估计模型选取

本课题应用了FIGARCH、FIEGARCH、FI-A-PARCH、HYGARCH 4种长记忆GARCH模型，在每种模型下分别假设误差项服

试读结束[说明：试读内容隐藏了图片]

下载完整电子书