2010《系统管理学报》-中国股票市场的收益与波动关系.pdf

《2010《系统管理学报》-中国股票市场的收益与波动关系.pdf》由会员分享，可在线阅读，更多相关《2010《系统管理学报》-中国股票市场的收益与波动关系.pdf（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/ 第19卷 第2期2010年4月系统管理学报Journal of Systems&ManagementVol.19 No.2Apr.2010 文章编号:100522542(2010)0220183208中国股票市场的收益与波动关系游宗君1,王 鹏2,石建昌3(1.西南财经大学 金融学院,成都610074;2.西南交通大学 经济管理学院,成都610031;3.西南财经大学 公共管理学院,成都610074)【摘要】在考察现有

2、的2种收益与波动关系模型(GARCH2M和SV2M)差异的基础上,运用更具理论优势的SV2M模型,研究了实行涨跌幅限制制度前后中国股市收益与波动关系的不同状况,并结合波动反馈效应理论,探讨了中国股市预期收益与波动之间的跨期关系。研究表明:中国股市的收益与同期波动之间存在负相关关系,这一关系在实行涨跌幅限制制度后变得更为显著;中国股市存在波动反馈效应,且预期收益与波动之间的跨期关系为正;涨跌幅限制制度不仅限制了沪深股市的暴涨暴跌现象,而且增加了股指收益率的自相关性和波动的持续性。关键词:收益;波动;SV2M模型;波动反馈效应;涨跌幅限制中图分类号:F 830 文献标识码:AAnalyzing t

3、he Relation between Return and Volatility:Evidence from Chinas Stock MarketYOU Zong2jun1,WA N G Peng2,S H I J ian2chang3(1.College of Finance,Southwestern University of Finance and Economics,Chengdu 610074,China;2.School of Economics&Management,Southwest Jiaotong University,Chengdu 610031,China;3.Sc

4、hool of Public Administration,Southwestern University of Finance and Economics,Chengdu 610074,China)【Abstract】Taking daily return series of two representative China stock indices as sample,this paper com2prehensively investigates the contemporaneous relation between return and volatility of China st

5、ock marketbefore and after price constrains using SV2M model.Combining empirical results with volatility feedbackeffect theory,the inter2temporal relation between expect return and volatility is discussed.We find nega2tive relation between return and contemporaneous volatility which is more signific

6、ant after price constrainsand positive relation between expected return and inter2temporal volatility in China stock market.Thisstudy is significant to investment decision and policy support for financial authorities.Key words:return;volatility;SV2M model;volatility feedback effect;price constrains收

7、稿日期:2009204202 修订日期:2009206216基金项目:国家自然科学基金资助项目(70771097);西南财经大学“211工程”三期建设资助项目作者简介:游宗君(1974-),男,博士生。研究方向为金融理论与实务、担保理论与实务。E2mail:youzongjun 目前,用于描述金融资产收益与波动关系的主要模型是均值2自回归条件异方差模型(GARCH2M)及其扩展形式(EGARCH2M模型等)。尽管资本资产定价模型(CAPM)和套利定价理论(APT)都认为较大的波动(风险)应该要求较大收益作为风险升水,即股票收益与波动之间应该具有正向关系,且这一结论也符合大多数人的直觉认识,但针

8、对国外股票市场的现有实证研究结果却未能针对该认识 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/达成完全共识123。同样,基于GARCH2M类模型的中国股票市场的相关研究也未能取得令人满意的一致性答案。如陈工孟等4以上证综指和深证成指自编制之日起至1997212231的每日收盘价为样本,运用GARCH2M模型和EGARCH2M模型研究了沪深股市的条件波动与收益率的同期关系,结果表明,沪市中的两者关系为负,而深市中的两者关系不能确定;陈守东等5运用GARCH2M模型,通

9、过考察19972012022002207228上证综指和深证成指的收益序列,认为沪深股市中的收益率与同期条件波动之间的关系为正;华仁海等6运用EGARCH2M模型,在对19942012032002209227上证综指和深证成指收益序列的实证研究中,得出了上证综指的条件波动对同期收益没有直接影响,而深证成指的条件波动对同期收益有正的影响的研究结论;田华等7运用GARHCH2M模型,通过考察19922062012002203215上证综指和深证成指收益率的波动情况,发现上海和深圳股票市场每日收益和波动呈显著的正相关关系。上述研究工作对深入探索我国股市收益与波动的关系奠定了坚实的实证基础。但是需要指

10、出的是,现有研究中仍然存在一些明显的不足和值得进一步深入研究的方向:研究方法都局限于GARCH2M模型或其变形形式,然而Koopman等8的研究指出,由于GARCH2M类模型将当期波动率设为收益率的滞后条件方差及滞后平方新生量的确定性函数,故其只能度量出收益率与可预见波动(即预期波动)之间的关系。由于金融市场中消息到来的随机性,故大部分的波动来源其实是无法预见的,即波动率中的大部分都属于非预期波动,因此,GARCH2M类模型并不能充分描述收益与波动过程之间的真实关系。集中于对中国股票市场收益与波动之间同期关系的研究,目前还没有见到有关收益与波动之间跨期关系的探讨。由于股票投资更应该注重未来收益

11、(而非当前收益)的决定变量及波动(风险)状况,因此,对收益与波动跨期关系的研究无疑具有更为重要的现实意义。中国股市自1996212216起开始实行涨跌停版限价交易制度。有研究表明,这一制度在很大程度上限制了股市的暴涨暴跌现象,使得沪深股市的波动特征与未实行该制度之前有很大差异9210。而现有实证研究所采用的数据样本,要么跨越了这2个具有不同波动特征的时期,从而忽略了涨跌幅限制对股市收益与波动关系的影响,要么单纯属于实行这一制度后的时期,目前还很少见到有关涨跌幅限制前后收益与波动关系的对比研究。针对现有研究所存在的上述问题,本文在收益与波动同期关系的考察上,运用的是更具理论优势的均值2随机波动率

12、模型(SV2M)。由于SV2M模型本身考虑了来自波动率同期因素的随机冲击,故其不仅能够度量预期波动对同期收益的影响,而且还能刻画同期收益与非预期波动之间的关系,从而解决了以往基于GARCH2M类模型的研究中普遍存在的不能充分衡量收益率与波动过程之间真实关系的问题8;运用基于SV2M模型的实证研究结果,结合波动反馈效应理论,探讨了中国股票市场收益与波动之间的跨期关系。所选择的样本区间为中国股市2种代表性指数的编制起始日至本文写作前夕,研究中将涨跌幅限制前后的指数收益与波动关系的不同状况进行了对比。1 模 型1.1 收益率的基本动力学模型金融计量研究中,资产收益率变化的动力学行为往往通过其一阶矩和

13、二阶矩,即收益率的均值和方差来反映。常用的GARCH类模型和SV模型即是同时为收益率的均值序列和方差序列建模,其中,均值方程的一般形式为11:rt=t+tt(1)t=c+ki=1bixi,t(2)式中:rt为第t时刻的收益率,其均值t取决于常数c以及若干解释变量x1,t,x2,t,xk,t;新生量t常被假定为服从标准正态分布或具有厚尾特征的t分布、广义误差分布(GED)等;波动率过程t为正值。1.2GARCH2M模型GARCH(p,q)模型的一般形式为12 2t=+pi=1i(rt-i-t-i)2+qi=1i2t-i=+pi=1i(t-it-i)2+qi=1i2t-i(3)式中,、i和i为待估

14、参数。Engle等13的研究表明,GARCH(1,1)模型有效地折中了模型的计算精度和复杂程度,因此,本文将GARCH模型的阶数确定为p=1和q=1。GARCH(1,1)模型:2t=+(rt-1-t-1)2+2t-1(4)式中,0,0且0。假定+1,则非条件方差为一有限常数/(1-)。目前,许多实证研究都发现,基于日收益数据的+估计结果非常481系 统 管 理 学 报第19卷 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/接近于1,这意味着日波动率的持续程度接近单位波

15、动持续。由式(4)可以看出,在GARCH模型框架下,t时刻的波动率2t实际上是利用t-1时刻的所有可得信息而得出的预测值,即2t是以t-1时刻的所有信息为条件的。进一步讲,在GARCH模型中,某一时刻所发生的对波动率过程的随机冲击并不能立即在当期体现出来,而是要到下一时刻才能得到反映,从而当期的波动率变化中只包含了此前所能预期到的成分,而并不包括在当期所发生的随机成分8。GARCH2M模型即是将2t直接作为同期收益率的解释变量而得到的,因此,GARCH2M模型实际上只考察了收益率与预期波动的关系。另外,许多有关市场微观结构的研究发现,股票市场中普遍存在的非同步交易导致了收益率序列具有自相关性。

16、为了捕捉这一典型事实,在比较了不同滞后期数模型的AIC(Akaikes Information Criterion)以及BIC(Bayesians Information Criterion)值后,还将滞后一期的收益率rt-1也作为收益率的解释变量,从而得到了本文中用于实证研究的GARCH(1,1)2M模型:rt=c+b rt-1+d2t+tt2t=+(t-1t-1)2+2t-1(5)式中,预期波动率2t对于同期收益rt的影响由参数d度量。1.3SV2M模型SV模型的方差方程定义如下:2t=32exp(ht)(6)式中,32是波动标度参数,其值反映了波动的规模大小;不可观测的对数波动率ht则满

17、足:ht=ht-1+t(7)式中:为波动持续性参数,值越大,说明收益率波动的持续性越强;t和t服从互不相关的白噪声过程,且tNID(0,1)。与对GARCH2M模型的处理一样,在SV2M模型中的均值方程中同样考虑收益率rt的一阶自回归项:rt=c+b rt-1+d2t+tt(8)1)有关金融波动的实证研究普遍发现,SV模型具有比GARCH族模型高出很多的对未来波动率的预测能力14216,其中一个可能的原因正是这里所探讨的SV模型蕴含了更为丰富的波动信息2)考虑到本文的研究重点及篇幅所限,这里并未对蒙特卡洛似然方法和重要性抽样法的技术细节作详细论述,有兴趣的读者可以参见Shephard等1721

18、8的深入讨论 由式(6)(8)可得:rt=c+b rt-1+d32exp(ht-1+t)+tt=c+b rt-1+d32exp(ht-1)+d32exp(ht-1+t)-exp(ht-1)+tt=c+b rt-1+d32exp(ht-1)exp(Et-1(t)+d32exp(ht-1+t)-32exp(0),而SH2(SZ2)的收益率呈现明显的左偏形态(s 0),且并不服从效率市场假说的正态分布假设(J2B检验量非常显著)。(5)对平方收益率序列自相关性的检验可以考察波动聚集的程度,即收益波动的ARCH效应8。因此,由表1中的Q2(20)检验量可见,在实行涨跌幅限制前,SH1并不具有显著的AR

19、CH效应,而SZ1的ARCH效应较为明显;而在实行涨跌幅限制后,SH2和SZ2的波动聚集程度大幅增加。这说明,涨跌幅限制制度增强了沪深股市股票价格波动的持续性。值得一提的是,曾长虹9发现在实行涨跌幅限制制度后,中国股票市场存在极端波动聚集现象,这一结论与基于本文描述性统计的研究结论类似。对于涨跌幅限制制度增强了中国股票市场波动持续性和收益率自相关性问题,认为一个可能的合理解释是,这一制度限制了股价在短期内对于新消息的充分反应。即在实行涨跌幅限制制度后,股价对于消息的反应通常无法在短期内完成,而是需要较长的时间才能调整到位。从这个意义上讲,尽管涨跌幅限制制度可以限制庄家对个股的疯狂炒作,起到降低

20、市场过度波动的作用,但却不利于市场对新信息的快速消化和吸收,从而降低中国股票市场的有效性程度,使其无法达到强式有效甚至是半强式有效。值得注意的是,绝大多数对我国股票市场的半强式检验认为我国股票市场尚未达到半强式有效19220,而涨跌幅限制制度极有可能是一个重要原681系 统 管 理 学 报第19卷 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/因所在3)。2.2 收益与波动的同期关系运用SV2M模型考察沪深股票市场收益与波动之间的同期关系。SV2M模型的完全形式为:r

21、t=c+b rt-1+d2t+tttNID(0,1)2t=32exp(ht)ht=ht-1+ttNID(0,1)(10)表2是SV2M模型参数估计及诊断检验结果。表2SV2M模型的参数估计及诊断检验结果SH1SH2SZ1SZ2c0.175 0(4.690 6)0.051 2(1.561 9)-0.143 0(-1.864 4)-0.041 1(-1.087 4)b0.235 2(1.206 4)0.019 0(0.017 6)0.000 1(1.082 0)0.031 0(0.483 9)d-0.002 4(-0.290 1)-0.015 4(-3.357 6)-0.004 1(-1.039

22、1)-0.021 3(-3.306 5)324.350 2(19.560 5)1.845 1(30.752 1)3.765 2(29.844 7)2.286 1(34.956 5)0.906 7(1.778 5)0.954 2(4.265 2)0.912 8(2.911 6)0.966 4(3.819 9)0.279 4(2.957 4)0.082 4(0.912 7)0.202 6(2.543 9)0.058 9(0.610 4)lnL-3 268-5 071-1 276-5 332AIC4.327 83.591 74.4293.775 注:表中数字为各收益率序列的SV2M模型参数估计结果,

23、数字右边的圆括号中是参数显著性检验的t值;lnL是模型估计的对数极大似然函数值,AIC是平均赤池信息3)证券市场的半强式有效是指当新信息公开时,证券价格能够迅速准确地调整到合理价位4)当v充分大时,t分布收敛于标准正态分布。另外,Koopman等8的研究表明,由于SV模型的定义本身即具备了刻画极端波动的能力,故在SV模型中假定新生量t服从具有厚尾特征的分布形式其实是不必要的 由表2中的模型估计结果可以看出:(1)涨跌幅限制制度对沪深股市收益与波动的同期关系有显著影响,且在实行该制度后,沪深股市收益与同期波动呈现显著的负相关关系。这表现为:在SH1和SZ1期间的d参数为负,但均不够显著;而在实行

24、涨跌幅限制后的SH2和SZ2期间内,d参数均为负值,不仅统计显著,而且其绝对值较未实行涨跌幅限制前(SH1和SZ1期间)d值的绝对值大。这说明在实行涨跌幅限制后,若某天的指数出现大幅波动,该天的收益率很可能为负且绝对值较大。该结论也印证了在对沪深股市收益波动的实证研究中,普遍发现的两市均具有明显的非对称波动杠杆效应的研究结论4,15,21。(2)沪深股市波动具有高度的持续性特征,且在实行涨跌幅限制制度后,波动持续性变得更强,这表现为:SH2(SZ2)区间的波动持续性参数 值大于SH1(SZ1)区间的对应值;且对于任一区间的指数序列,1,说明SH1781 第2期游宗君,等:中国股票市场的收益与波

25、动关系 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/收益序列并不存在非条件方差。一个可能的原因在于,SH1收益波动在前后不同时期呈现出了完全不同的2种状态(见图1),即SH1的前期波动较为平稳,而中后期常出现大幅的极端波动,因此,在SH1的收益波动中存在着明显的结构变化。另外,由表2中SH1的Q2(20)检验结果可知,SH1的收益序列中并不存在ARCH效应,因此,在运用GARCH族模型研究上海股票市场的波动特征时,样本区间内包含实行涨跌幅限制制度前的股价数据或许是不

26、合适的。表3GARCH(1,1)2M模型的参数估计及诊断检验结果SH1SH2SZ1SZ2c0.233 8(4.923)-0.046 1(-1.242)-0.068 7(-0.861 9)-0.109 3(-2.746)b0.266 9(7.715)0.012 8(0.689 2)-0.000 3(-0.007 6)0.019 6(1.039)d-0.007 2(-1.987)0.044 5(1.041)0.006 5(0.656 6)0.046 7(1.441)0.024 8(2.060)0.073 5(3.824)0.395 4(2.542)0.078 2(3.822)0.548 2(6.7

27、07)0.121 2(6.593)0.274 2(3.585)0.115 8(6.976)0.671 9(25.04)0.863 1(45.81)0.682 1(12.70)0.868 1(50.34)v3.630 9(11.12)4.525 3(11.18)3.463 5(6.888)5.060 3(4.490 0)lnL-3 663.43-5 197.44-1 391.37-5 421.13AIC4.850 53.679 94.826 83.838 1 注:表中数字为各收益率序列的SV2M模型参数估计结果,数字右边的圆括号中是参数显著性检验的t值;v是学生t分布的自由度,lnL是模型估计的

28、对数极大似然函数值,AIC是平均赤池信息2.3 收益与波动的跨期关系表2中,基于SV2M模型的实证结果证明了沪深股市收益与同期波动之间存在负相关关系。这一负相关关系在实行涨跌幅限制前并不明显(SH1和SZ1序列的d值尽管为负,但统计不显著),但在实行涨跌幅限制后变得非常显著(SH2和SZ2序列的d值负,且统计显著)。这一结论说明了在沪深股市中存在波动反馈效应,且涨跌幅限制制度在很大程度上加强了这一效应。波动反馈效应由French等22首次提出。作为一种解释股票市场收益与波动关系的理论工具,其前提假设有2个:波动具有持续性,即大的消息冲击,无论正负,不仅增加当期波动而且增加将来波动,这已被广泛的

29、实证研究所支持(参见表2中波动持续性参数 值,以及表3中的+值);在预期收益与波动率之间存在着跨期的正相关关系。波动反馈效应的理论机理可以简要表述为:由于股票市场波动具有持续性,所以对当前收益过程大的冲击(无论是好消息带来的正向冲击还是坏消息带来的负向冲击)所带来的同期波动的大幅增加会导致投资者对未来的波动预期上升,从而提高未来的预期收益,则当前的股票价格将会下降(即波动反馈);反之,对当前收益过程小的冲击(无论正负)将降低投资者对未来波动的预期,从而降低预期收益,使得当前股价上升。因此,波动率与同期收益之间存在反向变化关系,即若波动反馈效应存在,则收益与波动之间的同期关系应该为负。基于SV2

30、M模型的实证结果证明了沪深股票市场中存在波动反馈效应。由上述理论分析可知,波动反馈效应不仅为这一实证结果提供了理论解释,而且由于预期收益与波动的跨期正相关关系是波动反馈效应存在的假设前提,因此可以由基于SV2M模型的实证研究结果知道,沪深股市的预期收益与波动率之间存在跨期的正相关关系,且涨跌幅限制制度使得这一正向关系变得更强。3 稳健性检验Leon等23指出,如果某一波动模型能够更为准确稳定地刻画收益序列的样本内波动率信息,即基于该波动模型的研究结论更为稳健可靠的话,则由该模型估计的条件方差序列应该较其他模型更为稳定,即波动幅度相对更小,较大的波动率极端值相对更少。因此,为从实证角度进一步确认

31、基于SV2M模型研究结论的稳健性,分别计算了由SV2M模型和GARCH2M模型估计所得条件方差序列的描述性统计值,并将SH1和SH2的计算结果汇总于表4中。同时,图2还汇总了基于2种不同模型的SH1和SH2的条件方差序列走势情况。由表4可以看出,无论是对于SH1序列还是SH2序列,由SV2M模型估计所得的条件方差序列都比GARCH2M模型估计的对应序列具有更小的均值、标准差、偏度值和峰度值,这一点反映在图2881系 统 管 理 学 报第19卷 1994-2010 China Academic Journal Electronic Publishing House.All rights rese

32、rved.http:/的直观表象中为SV2M模型的条件方差走势比GARCH2M模型的对应序列走势更为平滑,极端波动更少。研究表明,这一结论同样存在于深证成指(SZ1和SZ2)条件方差序列的估计结果中。因此,基于SV2M模型的研究结论应具有较强的稳健性。表4 条件方差序列的描述性统计SH1SV2MGARCH2MSH2SV2MGARCH2M均值9.106 130.172 22.360 93.119 4标准差19.913 0131.484 12.290 63.005 6偏度8.230 233316.145 23332.256 83332.809 1333峰度110.341 1333325.252 9

33、3336.657 533312.050 2333 注:表中,3 3 3 代表在1%水平上显著,峰度系数为超额峰度图2SV2M模型和GARCH2M模型估计的条件方差4 结 论本文运用SV2M模型和French等22提出的波动反馈效应理论,考察了中国股票市场收益与波动的关系问题,得出了若干重要结论,主要有:中国股票市场的收益与同期波动之间存在负相关关系,这一关系在实行涨跌幅限制制度后变得更为显著;中国股票市场存在波动反馈效应,预期收益与波动之间的跨期关系为正,且涨跌幅限制制度使得这一正向关系变得更强;涨跌幅限制制度不仅限制了沪深股市的暴涨暴跌现象,而且增加了股指收益率的自相关性和波动的持续性。与以

34、往研究不同的是,本文运用了更具理论优势的SV2M模型而非传统的GARCH2M模型,这使得研究结论对于中国股票市场而言,具有更好的实用性和更优的稳健性。目前,中国股票市场仍处于需要不断完善的发展阶段,对股票市场收益与波动关系这样基本问题的研究,对于正确认识我国股票市场的运行特征、众多机构投资者或个人投资者投资决策的制定以及金融监管政策的制定都具有极其重要的理论和现实意义。举例来说,由于许多经典资产定价模型都建立在投资者是风险厌恶的假定之下,这意味着波动与预期收益率之间存在正相关关系,而本文所取得的研究结论 无疑为这些定价模型在我国股市中的应用提供了依据。另外,2008208225,中国证监会颁布

35、了 商业银行信息披露特别规定,明确规定商业银行必须对所持资产的市场风险状况进行披露,其中包括市场价格的敏感性分析、股票等资产价格波动对商业银行的盈利能力或经济价值的影响等,而本文的研究也可以为这一领域提供有意义的实证结果和方法选择。参考文献:1 Santis GD,Imrohoroglu G I.Stock returns and vola2tility in emerging financial marketsJ.Journal of In2ternational Money and Finance,1997,16(4):5612579.2 Harrison P,Zhang H.An inv

36、estigation of the riskand return relation at long horizon J.Review ofEconomics and Statistics,1999,81(3):3992408.3 Brandt M W,Kang Q.On the relationship betweenthe conditional mean and volatility of stock returns:A latent VAR approachJ.Journal of Financial Eco2nomics,2004,72(2):2172257.4 陈工孟,芮 萌.中国股

37、票市场的股票收益与波动关系研究J.系统工程理论与实践,2003(10):12221.5 陈守东,陈 雷,刘艳武.中国沪深股市收益率及波动性相关分析J.金融研究,2003(7):80285.6 华仁海,丁秀玲.我国股票市场收益、交易量、波动性动态关系的实证分析J.财贸经济,2003(12):36240.7 田 华,曹家和.中国股票市场报酬与波动的GARCH2M模型J.系统工程理论与实践,2003981 第2期游宗君,等:中国股票市场的收益与波动关系 1994-2010 China Academic Journal Electronic Publishing House.All rights re

38、served.http:/(8):81286.8 Koopman SJ,Uspensky E H.The stochastic volatil2ity in mean model:Empirical evidence from interna2tional stock marketsJ.Journal of Applied Econo2metrics,2002,17(6):6672689.9 曾长虹.证券交易机制影响股价吗?对中国股票市场的再检验J.经济研究,2003(11):65270.10 穆启国,刘海龙,吴冲锋.涨跌幅限制与股票价格行为分析J.管理科学学报,2004,7(3):23230

39、.11Cont R.Empirical properties of asset returns:Styli2zed facts and statistical issues J.Quantitative Fi2nance,2001,1(2),2232236.12Bollerslev T.Generalized autoregressive conditionalheteroscedasticity J.JournalofEconometrics,1986,31(3):3072327.13Engle R,Patton A.What good is volatility model?J.Quant

40、itative Finance,2001,1(2):2372245.14Abraham B,Balakrishna N,Sivakumar R.Gammastochastic volatility models J.Journal of Forecas2ting,2006,25(1):1532171.15 魏 宇.中国股市波动的异方差模型及其SPA检验J.系统工程理论与实践,2007(6):27235.16Munoz M P,Marquez M D,Acosta L M.Forecas2ting volatility by means of threshold modelsJ.Jour2nal

41、 of Forecasting,2007,26(2):3432363.17Shephard N,Pitt M K.Likelihood analysis of non2Gaussian measurement time series J.Biometrika,1997,84(3):6532667.18Ripley B D.Stochastic simulation M.Chichester:John Wiley press,1987.19 靳云汇,李 学.中国证券市场半强态有效性检验 买壳上市分析J.金融研究,2000(1):85291.20 张建华,张 玲.中国股票市场的有效性分析J.系统工

42、程理论方法应用,2006(3):2662274.21 陈浪南,黄杰鲲.中国股票市场波动非对称性的实证研究J.金融研究,2002(5):67273.22French K R,Schwert G W,Stambaugh R F.Expec2ted stock returns and volatilityJ.Journal of Finan2cial Economics,1987,19(1):3229.23Leon A,Rubio G,Serna G.Autoregressive condi2tional volatility,skewness and kurtosisJ.QuarterlyRevi

43、ew of Economics and Finance,2005,45(5):5992618.(上接第182页)25Goldsmith Raymond W.A perpetual inventory of na2tional wealth.NBER studies in income and wealthJ.New York:National of Economic Research,1951(14):5261.26 肖红叶,郝 枫.资本永续盘存法及其国内应用J.财贸经济,2005(3):55262.27Perkins D H.Reforming Chinas Economic SystemJ

44、.Journal of Economic Literature,1998,26(2):6012645.28 徐淑红,李忠富,王永华.基于PIM国家投资农村固定资产资本存量测算研究J.统计与决策,2009(6):67270.29 黄佩民,黄仟庭,岳文韬.我国农业投资份额和结构的研究J.农业经济问题,1990(12):328.30Hall R,Jones C I.Why do some countries produce somuch more output per worker than others?J.Quarterly Journal of Economics,1999,114:832116.091系 统 管 理 学 报第19卷