中国股市收益率特征的实证研究.docx

《中国股市收益率特征的实证研究.docx》由会员分享，可在线阅读，更多相关《中国股市收益率特征的实证研究.docx（20页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、中国股市收益率特征的实证研究目录目录1一、数据说明2二、个股与投资组合的的收益率分布特征41、样本个股的收益率分布特征42、投资组合的收益率分布特征6三、贝塔系数的估计及其分析91、贝塔系数的计算方法92、的估计结果103、对估计值的分析11四、股票收益率与其规模之间的线性回归13五、资产定价模型（CAPM）在中国股市的效果15六、上证股票收益率中的月份因素17七、本文局限与不足19参考文献20一、数据说明中国的股票市场从建市之初至今，几经起伏，虽然建立时间并不长，其间却经历了快速发展和阶段性变化。本文选取的样本数据是上海股票市场2006年6月2网至2008年6月31日每周收盘价数据，共计10

2、6个交易收盘价，数据来自大智慧软件系统。我们选取数据样本的主要原因有：一是沪市上市公司数量较多、交易量较大，而且指数序列较长便予分析，一直是中国股票市场最有影响力的指数之一，具有很好的代表性；二是这段区间的数据恰好包含了股票指数的一个波动周期(既包含扩张裳，也包括收缩期)，股指于2006年11月20日突破2000点整数关墨，随后加速上扬，此后又连续突破3000点、4000点大关。这段区间数据的优点是避开了金融危机这项异常值的干扰，能够提高模型的拟合精度。（1） 周收益率：其中周收益率的计算公式为：表示股票i的周收益率，代表股票i在t日的收盘价，代表股票i在t-1日的收盘价。（2）无风险利率无风

3、险利率=实际利率+通货膨胀率，综合考虑我国股票市场，我们小组采用人民银行公布的0608年一年期定期存款利率的加权平均作为无风险利率，为3.22%.下表为历年人民银行调整利率表：（数据来源：中国人民银行网）（3）市场利率我们将大智慧软件中上证大盘的每周的收益率按上面公式计算出来，作为该期间市场的收益率。二、个股与投资组合的的收益率分布特征 1、样本个股的收益率分布特征数据的统计特征：在此，我们只列出了上证A股中的同仁堂股份的描述统计：个股周收益率的时间分布折线图如下所示：由excel生成的直方图如下所示： 我们用非参数检验的方法来进行正态性检验：建立假设：该个股的周收益率服从正态分布 ：该个股的

4、周收益率不服从正态分布计算检验量=19.2拒绝；认为，该个股的收益率不服从正态分布。在我们的30只股票中，有21只不符合正态分布，而通过我们查阅资料知道，中国股市收益率大多符合尖峰后尾的分布特征，而非完全的正态分布。 2、投资组合的收益率分布特征我们选取同仁堂和四川长虹两支股票，以6：4的比例构建出一组投资组合来检验投资组合的收益率分布特征。以统计学方法进行检验如下：投资组合周收益率的时间分布折线图如下所示：由excel生成的直方图如下所示：我们用非参数检验的方法来进行正态性检验：建立假设：该投资组合的周收益率服从正态分布 ：该投资组合的周收益率不服从正态分布计算检验量=19.2拒绝；认为，该

5、投资组合的收益率不服从正态分布。与个股分析一样，我们用如上方法做了15只投资组合的正态性检验，发现只有1只符合，这里不再列出其检验过程。 三、贝塔系数的估计及其分析1、贝塔系数的计算方法贝塔系数，市场上有三种方法来估算贝塔系数：方法一：根据系数的定义估计：方法二：根据单指数模型估计：与CAPM相比，“单指数模型”(也称市场模型)基于现实市场中证券资产的价格或收益变动普遍存在同涨同跌的现象，认为这种联动关系是由于共同因素的影响，这一共同因素的最佳度量是市场收益。它描述了证券期望收益与市场期望收益之间的关系，不论证券市场是否处于均衡状态，因此没有苛刻的前提条件。而且该模型根据证券实际收益和市场实际

6、收益这两个变量的数据就可以估计B，无需无风险利率。与标准CAPM模型相比较，市场模型的理论假设、应用条件以及模型中的参数个数都较少，更具有可操作性，因此在涉及系数的实证研究中，大多数研究采纳了市场模型来估计B系数，市场模型在我国目前的实证研究中也得到广泛的应用。其模型表述如下：实证研究中，在应用单指数市场模型时，市场组合替代物的确定，国外的研究在系数的实际估计中，基本上都是采用市场指数的收益率作为市场组合收益率的替代，如S&P500，NYSE综合指数等；国内的研究一般用上证A股指数，深证A股指数等。一般来说，在市场指数的编制方法既定的情况下，作为市场组合替代物的指数所包含的证券种数越多，系数估

7、计的偏误程度越小。基于以上的论述，本文采用单指数模型估计值，市场收益率为采用上证综合指数计算的市场收益率。方法三：根据CAPM模型来估计：CAPM本身是建立在一系列关于投资者行为假设和完全市场假设基础之上的均衡模型，用CAPM估计应满足苛刻的前提假设，包括市场完备、信息无成本、资产可分割、投资者厌恶风险、投资者对收益具有共同期望、投资者可按无风险资产收益率自由借贷等经济学假设。而且E()的估计实际上是不可能的。Black在限制借贷条件下的资本市场均衡一文中就曾指出，由于通货膨胀，真正的无风险利率并不存在，正因为在现实金融市场中不存在无风险利率或无风险资产收益，所以在估计证券市场线时一般用居民存

8、贷款利率或短期国债利率来代替。这些都在一定程度上限制了CAPM在估计系数上的应用。在我国现阶段，这些问题尤为突出：(1)中国的股票市场虽然已经走过了10多年的发展历程，但仍然是新兴的股票市场，带有新兴市场投机性强、波动性大等种种缺陷，远非一个均衡市场。CAPM适用的前提假设更难以满足；(2)中国的利率尚未完全市场化，没有合适的基准无风险利率或可替代的无风险利率。国债市场的发展也处于初级阶段，国债结构也以中长期国债为主，短期国债的市场容量较小，短期国债的利率尚不能有效地作为无风险利率韵替代物。因此，目前在实证研究中较少使用CAPM估计值。2、的估计结果我们采用周收益数据来计算，我们小组分别采用了

9、方法一与方法二计算，其结果非常接近，下表只列出了方法二的估计值，并对拟合度做了方差分析。股票名称贝塔系数F检验P-value华胜天成0.8963451.12E-050.171559万东医疗1.1994961.5E-090.299794科达机电1.0295281.3E-070.238008长园集团0.8965012.03E-070.231609亨通光电0.981411.46E-110.358921亚通股份1.1939471.38E-100.330844飞乐股份0.9135741.16E-090.303164博瑞传播0.7466850.0003220.118551贵州茅台0.6815531.67E

10、-090.298392三元股份0.9765121.73E-090.297904鄂尔多斯0.8296051.02E-070.24148海正药业0.6462442.63E-060.193697两面针1.3893731.59E-070.235086华业地产1.0847927.58E-070.212294江淮汽车0.9936922.86E-140.431104新疆城建1.1829512.4E-080.261966恒生电子0.9535895.81E-070.216213天士力0.8804691.16E-060.20595空港股份0.8627578.22E-060.176338宝钢股份1.1533173.

11、06E-180.522792山西汾酒1.024762.39E-090.293543歌华有线0.862761.08E-050.172141北方创业1.1351571.09E-100.3339星湖科技1.1633232.82E-100.321709四川长虹0.8101661.6E-100.328981航天电子0.9913581.66E-110.357366同仁堂0.8777214.06E-100.316971中青旅1.030671.87E-100.327021雅戈尔1.4127968.32E-240.627267羚锐制药1.5021051.11E-100.333663 3、对估计值的分析系统风险口

12、说明了股票与大盘之间的连动性，当市场组合价值变动1个百分点，该资产的价值变动了几个百分点，系统风险比例越高，连动性越强。一般来说，当l时，被认为是进攻型的，因为在“牛市”(即上升市场)时，它会比市场指数上升的更快，但在“熊市”时(即下跌市场)下落的也快；当1则这一投资组合承担的风险大于市场风险，相应要求的投资报酬率就要大于市场平均报酬率，其超过部分成为风险溢酬，是对其所冒风险超过市场风险部分的补偿。相反，如果1则说明这一投资组合承担的风险大于市场风险，即可以达到资产投资组合的一般目的，即资产组合分散了风险。CAPM模型主要可以说明两个问题：第一，在同一时期不同资产的价格和收益为什么会有差别。这

13、种差别被称为收益的截面差距，可以用的不同来解释；第二。同一资产在不同时期的价格和收益为什么会不一样，这种差别被称为收益的时间序列差异。可以用市场组合在不同时期的超额收益的不同来进行说明。 诚然本次检验可能存在样本的代表性问题，且时间范围的选择也不是很宽泛，采用两年的周回报率也可能是检验结果存在些许误差，但是本次实证结果可以说明，中国股市由于建立时间较短，政府干预力度大，而CAPM最重要的假设就是市场上所有资产的收益率服从多元的正态分布，这显然不相符。综上所述，我们小组认为CAPM模型不适合上海证券市场，而中国股市在基于CAPM模型下所估计出来的值的准确度是值得商榷的，并由此来判断某项资产的价值

14、是高是低也是不尽准确的。总的来说CAPM模型对于中国现股市来说是缺乏依据的。六、上证股票收益率中的月份因素下表是我们将30只股票的周收益数据按月份平均的结果，如图中所示，收益较高的月份集中在1月与8月。通过查找资料，我们了解到，外国股市是具有月份效应的，虽然，我们只有2年的数据，但是我们可以初步探出，上海股市具有的一月份效应，分析其中的原因本文认为可能是由于春节和元宵节“双节”因素，中国的传统农历新年一般在一、二月份左右，而此时国民消费需求增加，各种消费开支都比较大。此时电器类，食品类，交通运输类，金融类上市公司在此时期内的利润要比其他月份大大增加，由此带动整个股市人气的异常盛旺。另外，由于我

15、国各类企事业单位一般在一月份左右发放一定数额的奖金、假期红利、养老金及退休金，这些足够过节之需，所以众多股民不必在二月份从股市上撤出资金用于消费。从“双节以后，国民又回到正常的工作和生活状态，众多的消费需求逐渐下降，此时上市公司的利润也逐渐下降。从图表可以看出从三月份起收益率逐渐降低，我们认为在此段时间内“利好消息”较少，股民为了避险而抛售一些无利或无利可图的股票，从丽造成股市下跌；另外，在此四个月期间，众多散户股民出予开支较大而增加了对现金的需求，其主要原因可能是股民子女的求学费用，求，求职花费等以及其它大额开支。由于股民的这季孛套现行为，大量赞金从股市撤出，也在定程度上造成了股市下跌。七、

16、本文局限与不足本文在选取样本数据以及计量模型方面也存在局限之处，主要有：本文的样本数据只采用了上海股市综合指数每园收盘价的，没有考虑到深圳股市的数据，所以不具有全面的代表性。但根据众多文献对沪深联动效应的研究表明，沪深两市波动正相关性较强，只采用上海股市综合指数每蠢收盘价也具有很强的代表性。本文在对样本收益率波动的检验中没有考虑样本期间的特殊因素，如政府于预，重大人为、自然事件对股市的影响等等，两只是对区间内整体样本数据进行检验。本文选取的样本只是上海股市综合指数每周收盘价的样本数据，没有采用五分钟，十分钟以及三十分钟这样的高频样本数据。从对中国股市波动性研究方面而言，采用更高频的数据检验更有利于中国股市的研究，更能全面地了解中国股市的波动特点。参考文献1宋颂兴等上海股市市场有效实证研究J经济学家2邓学文中国股市成熟度究竟如何N上海证券【3】王锦功等我国股票市场的实证分析J数量经济技术经济研究【4】徐剑剐。上海和深圳殷索毅票报戮的条件异方差翻周末效应。【5】王俊杰。上海股市波动性收益率实证分析 硕士论文【6】朝钟辉。上海股市系数研究 硕士论文