当前位置 7号配资在线 配资交流 正文 下一篇:

事实:中国股市有杠杆作用吗?

中石油股票是否有杠杆

摘要:不同学者研究了中国股票市场的“杠杆效应”,其结论不一致。针对此问题,本文使用GJR-GARCH EGARCH取某个样本作为初始样本,然后逐个扩大样本大小,研究样本变化对结论的影响,并得出结论认为“杠杆效应”。 。关键字:GJR-GARCH EGARCH杠杆效应一、金融市场波动性问题对投资,证券定价,风险管理和货币政策制定至关重要。长期以来,许多学者一直在关注这个问题。从早期的方差标准偏差到今天的ARCH系列条件异方差模型,在波动性研究领域已经形成了各种各样的波动性模型。人们在研究中发现,金融时间序列的波动是聚类的,也就是说,随机扰动通常伴随着较大的波动,随后是较小的波动,然后是较小的波动。早期的波动率模型要求随机扰动项具有相同的方差,并且无法捕获此现象。直到1982年,Engle才提出ARCH模型,后来由Bollerslev(1986)扩展为GARCH模型。因为在ARCH和GARCH模型中,方差是相反的,不同方向的冲击对称地反应,因为只有冲击的平方被映射到条件方差,结果,前一时期价格变动符号中包含的信息丢失了。

中石油股票是否有杠杆

Black(1976)注意到负冲击比相同程度的正冲击具有更高的波动性。他首次使用“杠杆效应”一词来描述这种现象,指的是股价变化和负波动性相关的,同等强度的坏消息比好消息引起的市场波动更大。已经进行了许多研究,试图将不对称信息包括在条件方差中,例如Glosten,Jagannathan Runkle(1993 GJR-GARCH模型,Nelson(199 [ k9)的指数GARCH(EGARCH)模型和Zakoian的(1994)阈值ARCH模型(TARCH)。许多学者试图使用这些模型对中国股票市场进行实证分析,但结果不同如表1所示。关于中国股市杠杆效应的实证研究作者得出结论,样本模型Yeh,Lee(2001)股票波动对坏消息的反应多于坏消息,而不是1992.5.22-1996.8.27索引,上海i B股指数,深圳GJR-GARCH杠杆综合指数和深圳B股指数李胜利(2002)上证综合指数在短期市场中具有杠杆作用。在其他时期,正面新闻的波动要大于负面新闻的波动。上证综合指数长期:1999.5.19-2001.6.29短期:199 [k21]2.16-1994.7.30合并期:1994.11.1-1996.9.30 GJR-GARCH胡海鹏,(2002)重大杠杆效应1996.12.16 -2001.9.28在上海证券交易所和深圳证券交易所EGARCH (2002)坏消息比好消息引起更大的波动,并且具有杠杆作用。在199 [k24]1.3-2000.12.28期间,上海证券交易所TARCH,EGARCH岳朝龙( 2001)具有杠杆作用199 [k24]9.23-1999.12.30期间。可以看出,许多学者已经使用GJR-GARCH,EGARCH和TARCH模型来进行“杠杆作用”。中国股票市场的影响”,这是一个有用的探索,但是他们的结论不一致,并且不免引起疑问:他们得出的不同结论是否是由于样本选择的不同而引起的,并且得出了单方面的结论。 ,即样本不同时nt,得出的结论也不同,因此在同一市场上进行的研究得出的结论也大不相同。这将不可避免地给投资组合中石油股票是否有杠杆,证券定价和风险管理造成问题。一定的影响会使头寸面临不必要的风险。

中石油股票是否有杠杆

本文将克服上述缺点,以某个样本作为初始样本,然后逐个扩大样本规模,研究样本的变化是否会影响结论,从而得出一个一般性结论。中国股市的“杠杆效应”。二、GJR-GARCH和EGARCH模型有三种用于测量非对称信息的主要模型,即GJR-GARCH模型和EGARCH模型TARCH。 TARCH模型和GJR-GARCH模型是Zakoian(1990)和Glosten,Jaganathan,Runkle(1993))分别提出的,两者的设置相对相似,有些文章甚至将它们分组为一个模型因此,本文仅使用GJR-GARCH模型考虑到一阶自回归均值回归方程表明有好消息或正冲击,而有坏消息或负冲击,则这两个条件对条件有不同的影响好消息对条件方差有不同的影响:坏消息的影响是股市对好消息的反应要大于坏消息; EGARCH模型通过对条件方差的对数建模来放宽参数约束,即模型中的符号捕获不对称信息如果参数为负数中石油股票是否有杠杆,则负冲击引起的波动大于相同程度正冲击引起的波动;相反,如果是正数,则由相同程度的正冲击引起的波动较大;如果炒股配资,那么波动性对正负冲击的反应是对称的。

中石油股票是否有杠杆

在EGARCH模型中,条件方差以指数形式表示,因此对模型的参数没有约束,这也是EGARCH模型的主要优点。三、数据和经验分析1.数据描述和分析方法由于上海股市和深圳股市受到相同政策的影响,并且具有两者之间的联系特征,因此本文使用上证综指来描述中国股市的动荡。考虑到波动率估计的大量样本性质,我们使用每日收盘价数据。不同交易系统下的市场波动性将有显着差异,因此不宜选择不同交易系统上的数据(Chen Zhenzhen和Zhao Hua,2003)。自1996年12月16日起,中国股票市场征收的价格为10% limit本文中数据的时间范围为1997年至2004年12月31日,日均数据为1928天,数据来源于Wonder Information,交易机制的实施在很大程度上抑制了股市的上涨。与实施限价交易系统之前相比,暴跌现象显着降低了股票市场的波动性,因此,在此期间使用数据可以减少离群值的干扰并提高模型的拟合精度。股指收益率,当研究收益率的周期行为时,连续复合收益率或对数收益率通常是sed。 ln shhpshhp shhr shhr表示t期间上证综合指数的日收益率,shhp表示上证综合指数和深证综合指数的t日。收盘价。

图1描绘了上海股市每日收盘价的波动性。波动具有随时间变化的特征。有时它非常稳定,有时波动非常剧烈。大幅波动之后是大幅波动,形成了高回报率。波动性的聚类,收益率的波动性在不同时间变化,表现出收益率随时间变化的特征。 -.10 -.05 .00 .05 .10 250 500 750 1 1750 GJR-GARCH和EGARCH模型均由最大似然函数估计,并且残差被假定为拟最大似然估计。但是,极值通常会出现在财务时间序列中,显示出非正常性,从而导致非正常性。此时,准最大似然估计器无效,并且其渐近协方差矩阵不是最小的。 Bollerslev Wooldridge(1992)描述了一种可用于计算拟最大似然协方差和标准误差的方法。获得的参数估计和协方差估计仍然有效。本文使用Bollerslev和Wooldridge(1992)程序计算稳健的t统计量2、GJR-GARCH和EGARCH模型的经验分析为了消除样本变更导致错误结论的可能性,本研究使用1997年至1997年12月31日作为初始样本,并进行记录作为样本,容量为234;第二个样本向第一个样本添加数据,该数据于2004年12月31日记录为样本1685,样本容量为1928。

通过Eviews 5.0编程分别对样本进行建模,总共建立了1685个GJR-GARCH模型和EGARCH模型。实证分析结果如图2-5所示。图1:收益率波动图2001 1600 2001 1600 2001 1600 2040 2001 16000.20.4 2001 16000.10.2 2001 16000.60.8 GJR-GARCH估计参数t统计(上图为Alpha系数统计,中图为γ系数统计,下图为β系数统计)GJR-GARCH估计参数(上图为系数,下图为β系数)2001 1600 2001 1600 -2 2001 1600 50100 2001 1600 2001 1600-0.1 2001 16000.70.80.9四、实证结论GJR-GARCH模型分析,股市GJR-GARCH模型估计参数t统计量(图2)和估计的参数图(图3)。

可以看出,当样本量较小时,系数和系数统计量较小。随着样本量的扩大,两个系数逐渐变得显着,并且股票市场显示出显着的条件异方差。反映不对称信息的γ系数大于零(图3 EGARCH估计参数(上图为α系数,中间图系数,下图为β系数)EGARCH估计参数t统计量(上图为α系数统计量,系数统计量,下图为beta系数统计。下面,中国股市的杠杆效应在统计上并不显着,因此通过GJR-GARCH模型的分析,中国股市没有“杠杆效应”。估计参数统计EGARCH模型的模型和相应的EGARCH估计参数如图4所示。尽管反映非对称信息的系数τ几乎完全小于零,但在已建立的1685年中不显着(图中的数字),因此实证EGARCH模型的结论还表明,中国股票在市场上没有“杠杆效应” 2.分析许多外国学者对成熟股票市场的研究表明,成熟股票市场存在普遍的波动性不对称性,负冲击对股票价格波动的影响大于同等数量的正冲击对股票市场的影响。但是,反映不对称信息的中国股票市场系数并不显着,并且在中国股票市场中没有显着的杠杆效应。这是因为中国股市没有卖空机制。当出现坏消息时,投资者期望股价会进一步下跌,但是只有持有股票的投资者才能对此做出反应,而其他投资者则无法通过卖空股票做出反应,因此在成熟的股票市场中不会有重大的杠杆效应。

中国的股票市场是一个新兴市场,在信息分配,信息处理和信息传递方面存在许多缺陷。股市的波动比成熟的股市更大。市场交易者的行为是非理性的,大量的噪声交易使得证券市场价格剧烈波动,与波动相比,信息不对称的影响不是很大。与成熟的股票市场相比,中国的股票市场还很遥远。它需要各方共同努力,以促进其健康成长。一方面,严格执行《证券法》,加强监管,增加信息披露的透明度,减少人为因素造成的剧烈波动。另一方面,尽快引入卖空机制,为投资者提供多元化的投资机会和规避风险的手段,为市场提供连续性,增加证券市场的流动性,并可以实现证券的价值发现功能市场和优化资源配置功能。参考文献:1976,“研究股市波动性[A]”。美国统计协会,美国统计协会,业务记录,177-181.,1986,“广义自回归条件异方差[J]”。期刊计量经济学,31,307 -32 7.Wooldridge,1992,“拟最大似然估计动态模型时变协方差[J]”。计量经济学评论,11,143-172.1982,“自回归条件异方差联合王国通货膨胀[J]”。 Econometrica,50,987-100 7.Runkle,1993,期望值名义超额收益股票之间的关系[J]。财经杂志,48,1779-1801.1990,“有条件异方差资产收益率:新方法[J]”。计量经济学。 59,347 -370.Zakoian,JM,1994,“阈值异方差模型[J]”。经济动力学报,18,931-95 5.Yeh,Yin-Hua Yin-Tsun-SiouLee,2000年,波动性非对称性出乎意料地回报了大中国股市。 [J]。全球金融杂志,11,129-149.上证指数收益率波动性研究[J]。数量经济与技术经济学研究,2002,(6):122-12 5.[10]统计李晓丽。不同交易系统下CAPM的检验[J]。厦门大学学报(哲学社会科学版),2003,26-32.[11]李胜利。中国股市杠杆效应研究[J]。中国股票市场。 《证券市场指南》,2002年,(10):10-14.[12]胡海鹏,AR-EGARCH-M中国股市波动率模型的拟合分析等[J]。系统工程,2002,(4):31-36.[13]上海股市收益率GARCH模型族的实证研究[J]。数量经济与技术经济研究,2001,(6): 126-129.利用中国股票市场的杠杆效应?摘要:许多研究中国股票市场杠杆效应的学者得出的结论完全不同,因此EGARCH模型可以扩展一个基于一个样本的初始样本配资公司,samplechange文件可以得出中国股票市场的杠杆效应。关键词:GJR-GARCH EGARCH杠杆效应>

本文来自网络,不代表7号配资在线立场,转载请注明出处:http://www.dg-mg.com/3478.html

作者: 股票配资

发表评论

电子邮件地址不会被公开。 必填项已用*标注