时间：2023-06-02 09:57:27
本期成分股进行了较大幅度的调整，将《股市动态分析》周刊推荐的10大金股加入到成分股中来，因金风科技和罗莱家纺原来就在成分股中，本期新调入了8只成分股，分别是中恒集团、宜华木业、洪都航空、国光电器、国电南瑞、威远生化、太阳鸟和烽火通信，本期杂志已经对这10只金股进行了相对详细的分析，本文仅对新加入的8只成分股进行简要的分析。
中恒集团，公司主要产品“血栓通”是心脑血管用药的大品种，在样本医院统计中是终端销售规模最大的品种，随着新的农村合作医疗的拓展，血栓通在基层医院的销售大幅放量。血栓通产能将在2014年下半年开始逐步释放。中恒集团是中国人口老龄化受益的确定性品种。
宜华木业，公司原来以出口为主，随着美国房地产市场好转，公司产品出口受益；现在公司积极开拓内销业务，分享国内消费升级红利。公司拥有500万亩林地资源，掌握上游资源，实现一体化经营，有助于公司充分获得全产业链的利润。
洪都航空，公司主要生产教练机，主要品种是L-15高级教练机和K8中级教练机，随着L-15高级教练机的陆续交付，公司迎来业绩恢复增长。目前中航装备旗下仅有成飞集成和洪都航空两个资本运作平台，随着成飞集成的停牌资产注入，洪都航空也有望未来进行资产整合。
国光电器，公司原来业务是音箱、扬声器等的生产和销售，目前公司切入锂电池产业链，另外公司在花都区有1200亩土地，公司面临业绩反转和土地价值重估的双重机遇。
国电南瑞，公司是中国电力自动化领域的技术领先企业，在高端电力二次设备市场占有率高达50%以上，在省电网调度高端自动化市场占有率达75%。资产重组完成后将北京科东、电研华源、国电富通、南瑞太阳能等收入麾下，国电南瑞在配网自动化市场地位更加稳固。同时公司积极培育新的增长点，在轨道交通、新能源领域进展顺利。
威远生化，新奥控股入主威远集团后，通过2010年和2013年两次资产重组，分别注入了二甲醚资产和煤炭/煤化工资产，公司转型为清洁能源供应商；公司现有甲醇产能60万吨，在建产能60万吨，公司的煤制甲醇具备成本优势和规模优势。
太阳鸟，公司主要收入来源于游艇（商务艇、私人游艇）和特种艇。公司今年主推的新产品钢玻复合材料游艇，面向旅游和公务接待市场。由于海洋局重组导致招标时间推迟，今年特种艇新增订单有所下降，商务艇游艇新增订单实现较快增长。
烽火通信，2014年随着4G牌照的发放，4G设备生产商迎来发展机遇。烽火通信是国内骨干网和4G建设的重要设备生厂商，将充分享受4G带来的红利，而且作为前端设备商将首先受益4G建设。
关键词：大数据 股票 投资
2016年世界经济仍将呈现复苏乏力态势。发达经济体总需求不足和长期增长率不高现象并存新兴经济体总体增长率下滑趋势难以得到有效遏制。股票市场容易受整体经济发展的影响，然而主要经济体宏观政策方向不一致伴随着大规模跨境资本流动，外汇与金融市场动荡，这些因素都可能对世界经济运行带来负面干扰。GDP上升受到影响将对股市的上涨带来不小的阻力。分析市场，从股市中看物价市场，从物价后市走势来结合股价市场。
股市之中我们会选择自己心仪的股票来进行购买，并且抱着对其后市上涨的心态对待。利用大数据的分析可以让我们不会盲从大流去购买股票。在股票的选择之中存在着最优投资组合，降低自己所购买的股票的风险，尽可能的使投资效益最大化。每个人心中都有一个期望收益率。假设市场上存在着n个有风险证券[xi，i=1， 2， …，n]，各风险证券的期望收益率和标准差分别为[ui，σi]，两两相关系数为[ρij]。如果投资组合中各风险证券所占的权重（按市场价值计）分别为[λ1， λ2， …，λn]，可得[z=λ1x1+λ2x2+…+λnxn]，则该组合的期望收益率和风险（方差）分别为[uz=λ1u1+λ2u2+…+λnun]，[σ2z=i=1nλ2iσ2i+i=1nj≠iλiλjρijσiσj]。如果投资者要求的期望收益率为[u]，并且金融市场允许卖空，那么投资者的最优投资组合（风险最小的投资组合）中，各风险证券所占的权重[λ1， λ2， …，λn]，可以从以下条件极值中求得：
[minλ（i=1nλ2iσ2i+i=1nj≠iλiλjρijσiσj）s.t. i=1nλiui=u， i=1nλi=1。]
利用这样的投资组合模型，我们可以用SAS程序进行编程进而计算出各项权重的数据占比是多少，降低自己所购买股票时的风险系数。
一、股市概况
这是一个大数据的时代，大家都通过互联网来进行便捷的购物、交流、工作、上传所需文件等等的操作，对于现有数据的分析能力将会变得不可或缺。毕竟如今在这么多数据之中会掺杂着不少无用数据，我们需要把这样的数据给过滤掉，再从中筛选出自己所需要的那一部分数据根据自己的需要做出分析。这样看似简单的步骤，却可以为其带来不小的收益，因此数据分析的应用领域也变得越来越广。根据不同的领域分析选择不同的软件以及分析方法，找到适合的分析方法将会给分析者带来很大的便利以及效益。
在涉及金融领域工作的人之中，炒股的人占很大的比重，然而股市的行情却总会蒙蔽炒股者的双眼，每当其在股市之中获得一定数额的利润之后，就会想去获取更高额的利润而不顾后市发展情况。股价往往在不断上涨之后会有着或多或少的回调，当然也可能在调整时候就改变趋势，从上涨趋势改为了下跌趋势。当然在调整之前股市之中都会有信号给出。如何把握个股的情况，我们只能根据个股的所给数据来判断大致情况，毕竟股市之中一直是有着挺高的风险的。每一天，我们对于个股的判定也许都会有着不同的见解，根据不同的炒股方式去分析判断得出的结论当然也会产生差异。2015年的股灾导致了很多人们破产，大多数人在牛市的行情之下赚取了不少钱但是却不会去分析其购买股票的K线以及后市可能的走势情况，或多或少的在大盘瞬间下跌的情况下不知所措，仍然持有着之前赚钱的股票，直到在几日之后盈利变成了亏损。对于股票这样的高风险高收益的投资，我们必须保持着理性。有多大的上升空间就有着多大的下跌空间，风险与收益在金融领域一直是并存的，没有一直会上升的股价当然也没有一直下跌的股价。对于股市的分析来说还是需要看个人对于个股的理解，但是不变的是在对于股票的选择上，必须关注一下所看好股的公司运营情况，股市开盘之时，总会有领涨的板块，在领涨的龙头板块之中挑选盈利其公司本身盈利情况较好并且成交量较大的有潜在上升空间的股，这样大体上来说选股方向是不会有很大偏差的。在股灾来临之前，其实也是有信号和预兆的，大量的资金跑出，在大盘下也出现阴线，各种指标都出现不利股市上涨的情况，都是在给予入市的人撤离的提醒。
对于股市的把握分析，我们每天可以根据大盘行情的走势，以及相关政策的出台或者与个股相关的新闻影响的把握，当然还有不可或缺的成交量的扩大或缩小。从这些方面的分析可以让你大致对这一支股票当天的走势有一个判定。个股之中都会给出各个时间点的成交情况，分析股票可以从其简况之中关注市盈率与营业收入这两个数据。一般来说这是判定个股趋势的重要指标。有着一定的分析能力去做股票也不能保证自己在变化不定的股市之中没有任何的损失，毕竟股市与科学的计算不同，计算之中正确的答案只会有一个，然而股市之中谁都不能在前一天给出第二天涨跌的一个确定数值。但是从长时间来说，放在股票之中的投资将比金融领域其他的理财产品有着高出很多的收益。当然这样的前提是自己所选择的股票在这一段时间内不会因为公司资金周D不利或者由于违反一些法律的规定而产生退市风险最后市值归零。
（一）股市的不可控因素
在股票市场的诸多外部因素中，许多是不可控的，如国际形式、国际环境和突发事件，有一些是在短期内无法克服的，但也有一些因素是可控的，比如政府的经济政策和监控措施。任何政策的出台和监控措施的实施都要考虑它对市场的冲击，有些冲击是短暂和轻微的，而有些冲击是长期和摧毁性的，如泰国的经济金融政策，最终还是导致了金融危机的爆发。因此政策的出台要谨慎，允许有偏差，但不允许发生长期的错误政策导向。
股市之中存在的风险分为系统性风险与非系统性风险。系统性风险即不可分散风险，这种风险是指由于某种因素的影响和变化，导致大部分股票股价下跌，由此会给持有股票的人带来较大的无法估计的损失。系统性风险主要是由政治、经济及社会环境等宏观因素造成。这是炒股的股民无法规避的风险，只能通过掌握新闻之中的相关信息提前做判定，这样才可能避免一次这样的风险带来的损失。对股票价格变动造成影响的国家政策包括国家税收政策和金融与财政政策以及产业政策等等。
四、技术分析
技术分析理论认为市场行为包容一切，价格以趋势方式演变，并且历史会重演。市场行为包容一切，是指任何可能影 响股票市场价格的因素实际上都反映在其价格之中，技术分析者只要研究价格变化就足够了，而不必研究造成价格变动的内在因素。而且当前的市场趋势有势能或惯性，即过去出现过的价格趋势和变动方式，今后会不断出现。
一般来说对于大盘的走势分析需要结合上证指数以及沪深指数创业板指数等几个大盘指数的整体走向来预测。若是两个指数都是呈上升趋势并且突破了各自的压力位，那么整体的大盘指数一般来说是向上走的，根据上证指数的走势图需要观察的是均线，当指数回落到五日均线之时，需要提高警惕，在这一个点位是属于一个支撑位，若继续回落，也许会在后续的几日内一直呈现下跌的趋势。无论是个股或者是大盘的走势图中，我们都可以将其缩小比例观察整体走势图的形状，在平坦的走势之中一般是囤积股份的时候，在一段时间之后呈不断上升的阶梯状，这样的形态来说是有利于后市上升的，有上升空间的信号。
五、形态分析
从形态方面可以大致观察出所关注的股的整体走势，以及大致的预测到之后日子里的长时间的走势情况，在形成头肩底的形态的股票之中，可以观察到在头肩左侧呈下跌趋势，并且在一个最低点会有拉升，以最低点为头，回升的前几个高点里的一个为右肩，在两个低点与两个高点的二次确认后形成一个头肩底的形态，是一个买入信号，这样的形态的形成会对投资者的投资有一定的保障，当然也有头肩底形态出现并且以失败告终的例子出现。若是在头肩底形态形成过程之中，反弹上升趋势在肩部之后被打破，呈现回落趋势，那么这样的形态图就是没有意义的，头肩底趋势已经被打破了。相反的头肩顶形态的形成代表着后市会下跌，在右肩部形成之时就是最好的抛出自己所持股的时候，以此减少亏损。一般的情况下对于股票的走势分析需要做出轨道线，让最近的走势在这样的一个轨道之中波动。轨道线的上端即是上升时期的压力位，然而轨道线的下界就是下跌时候的支撑位。每当行情较好之时，股价会上升到压力位，在此点会展开空方与多方势力的博弈，一般来说这样点位的出现会有几日的回调起伏，毕竟在压力位的突破不是这么容易的。一旦创下一个新的高点，那么轨道线也需要因此改变，代表着这一支股将会有新的上升趋势形成。若是打不破高点，那么近期之内就将以空方获胜股价回落的情况收场。
双重底的也是一种常见形态，是指股价在一段时间的回落之后有拉升又进行回调再拉升的一个形态，W底的形成预示着后市有一个大幅度的拉升，相反的若是形成了双重顶形态那么就要关注所持股了，也许在后市会有突然的回落。对于所持股形态的把握还是十分重要的，我们可以通过形态的大致形成情况分析出之后可能形成的走势，更好的帮助自己进行更好收益的投资。当所观测股近期有形成一个高点并且此高点高于前一个高点，最近一个低点也是高于前一个低点的，那么这样的形态形成大致就可以判定后市是向上走的。当然只靠分析形态是无法很好的把控股市走向的，对于股市的把握还是需要形态分析结合量价来看的，当股价不断上升的同时我们所需关注的还有成交量，若是在成交量很小的时候股价却是不断上升的，那么对于此时的走势来说就形成了量价背离。量价背离代表着这一段时间的拉升是非正常的拉升，对于这样的情况的出现，投资者应该理性对待，减少所持股的仓位，在量价背离之后很可能预示的是大跌。
六、股票综合影响分析
股市会受到各种因素的的影响，反之我们可以透过股市看到很多不同的板块的物价波动情况，这种波动在股价上是十分明显的，在2016年上半年中，猪肉价格，油价以及金银的价格波动十分之大，从股票上反应出来的则是在主营公司经营这些不同的商品的股票价格在这段时间内产生了很大幅度的波动。我们可以通过股票市场捕捉到很多关于身边的所想知道的物价未来的走势情况。一向来股票市场的波动是会早于物价市场的波动的，在石油板块的股票价格在一个点位开始不断地拉升预示着油价将会有一定幅度的上调。2016年以来猪肉的价格在从10.5元/斤的均价不断上升于2016.5.20左右开始停止涨势价格在12.9元/斤左右，然而在7.7日又开始拉升价格到达13.8元/斤，这些价格的波动情况对应的股市之中的猪肉板块在2016年3月指数就开始呈现上升趋势，在2016年4月8日指数上升趋势受阻无法继续进行拉升，开始呈现短期的震荡，而在2016.6.1指数又开始向上拉升，不断的提高于7月22日创下新的高点遇压力位受阻产生震荡。数据显示股市之中的股价，指数波动的体现一般来说是快于物价市场的价格波动的。股市之中各个板块可以很好的反映出相对应的物价的波动情况。石油板块的股价指数2016.5.12开始拉升于6.6日开始回落，之后再6.20日开始大幅度的拉升，7.14日的回调直到8.2日开始进一步的拉升。与物价波动情况不同的是股市对于政策以及利好利空消息的敏感度更高，并且在上升过程中会受到股民心理影响受阻，从而产生一段时间的震荡。石油价格一直处于5元左右波动，由于石油是现在有车人们的必备品，价格波动幅度一直不会太大，物价水平影响着与其相关的其他产品的价格水平，家对于石油的价格一直有着强力的监控。
房地产指数从2016.2.1开始有一个明显的拉升，相对的各大一线城市的房价也不断上调，杭州的房产均价从1.8W元/平米上升到1.9W元/平米，在这短短的几个月内，炒房的人不断冲入房地产市场，以自己认为的低价买入房产待涨，这样不理智的行为促使着对房子有刚需的人不得不以高价买入自己的第一套房子，这一现象的产生也为经营房地产开发的公司带来了一笔很大的收入。更有甚者认为在这几个月之中房地产销售人员已经卖出了10年的销售额，对于GDP的拉升是一个很大的刺激。然而在2016.5.1开始房地产板块指数上涨受阻，相对应的房地产的销售业绩直线下滑，毕竟在这样一次房地产风波之后有需求的以及对炒房有想法的人都已买下了自己所看好的房子。房产相对于股票不同的是房子的流动性极差，当你买入房子的那刻起，若经济发展有所回落，或者所在城市的房地产市场不景气，你所拥有的房产价值将会下降。房子在短时间内是不可能卖出的，然而股票价格在回落的趋势中，只要持有者不看好后市，即可当即卖出所持所有股票，以此来减少自己的投资损失。以此来看对于房子的投资风险其实远远大于对于股票的投资。在股市之中一直低迷的万科A股由于房地产风波的影响一直引领板块疯涨，在6月之时由于一线城市房地产价格趋于稳定，不再有不断向上的走势，其对应的股价上升趋势也告一段落。2016年8月又出现了三线城市房价的利好消息，对应房地产板块指数又产生了大幅度的拉升，然而对应的城市的房价却没有这么快的拉升，这对于股市来说是一件好事但是对于我们其实也是一个警告。
七、结束语
随着经济社会的发展，我国居民的投资意识不断增强，股票作为一种投资理财渠道逐渐被人们所接受，对股票投资的理解也逐步加深，对股票投资的风险认识也日益增强，股票投资的风险性决定未来收益状况的不确定性，关注所选股相关信息，掌控与大盘动荡的有关因素，利用现有的大数据来选用投资组合模型，降低投资风险，随时保持冷静的选股心态，不买看不懂的股票，稳中求利才是最合适的投资股票的方法。
参考文献：
[1]应尚军，唐瑞，蔡嗣经.股票市场的外部因素与市场均衡[J].合肥工业大学学报，2006
[2]刘竹韬.影响股票价格的因素分析[J].商情，2014
[3]徐爱农.股票价值的经济学分析[J].同济大学学报（社会科学版）， 2006
【摘要】文章主要论述股票价值分析中基本面分析的几个方面——相对价值,绝对价值和业绩评价指标,并以举例的方式,分别从上述几个方面对股票价值进行分析。根据上述关于股票价值分析方法的论述,我们可以看出一只股票的价格高与低,与其价值密切相关。
【关键词】股票价值相对价值现金流
随着社会的发展,股票价值分析的方法也越来越多,当前股票基本面分析主要有以下几种:财务分析,相对价值分析,绝对价值分析和业绩评价指标分析。比如,相对价值分析中有市盈率,市净率,市收率,绝对价值分析中的代表是贴现现金流和股权自由现金流,在此,我就每种分析方法的代表进行说明,以便大家参考。
一、股票的相对价值分析
市盈率,简称PE,我们常说的市盈率就是静态市盈率,是股票市价与其每股收益的比值,计算公式是:
市盈率=当前每股市场价格/每股收益用符号表示是:PE=P/EPS
如果结合公司的股利支付率和股利增长率,则计算公式是:
PE=P/EPS=DP(1+g)/(K-g)
DP为股利支付率,g为股息增长率,k为资本成本.
静态市盈率是衡量股价高低和企业盈利能力的一个重要指标。由于静态市盈率把股价和企业盈利能力结合起来,其水平高低更真实地反映了股票价格的高低。例如,股价同为50元的两只股票,其每股收益分别为5元和1元则其市盈率分别是10倍和50倍,若企业盈利能力不变,这说明投资者以同样50元价格购买的两种股票,要分别在10年和50年以后才能从企业盈利中收回投资。但是,由于企业的盈利能力是不断变化的,投资者购买股票更看重企业的未来,因此,一此发展前景很好的公司即使当前的市盈率,投资者也愿意购买,预期的利润增长率高的公司,其股票的市盈率也会比较高。例如,对两家上年每股盈利同为1元的公司来讲,如果A公司今后每年保持20%的利润增长率,B公司每年保持10%的利润增长率,那么到第十年时A公司的每股盈利将达到6.2元,B公司只有2.6元。因此,A公司当前的市盈率必然应当高于B公司。投资者若以同样价格购买这家公司股票,对A公司的投资能更早地收回.
动态市盈率,其计算公式为是以静态市盈率为基数,乘以动态系数,该系数为1/((1+n)×n),i为企业每股收益的增长率,n为企业的可持续发展的存续期。例如,上市公司目前股价为20元,每股收益为0.38元,去年同期每股收益为0.28元,成长性为35%,该企业未来保持该增长速度的时间可持续5年,即时n=5,则动态系数为15%,相应地,动态市盈率为7.8倍,而此时静态市盈率为52倍,两者相差之大,可见一斑。动态市盈率告诉我们一个简单朴素而又深刻的道理,即投资股市时应该有持续成长性的公司。
结合市盈率与预期增加率,我们可以得出目标企业的价格,即:PEG,PEG=可比企业的PEG×目标企业的g×100×EPS,这种方法是对市盈率的修正,能更加准确地评判公司的价格是否合理。
市净率是我们经常使用的指标,这个比率是把一支股票的市场价格和当期资产负债表的账面价值(所有者权益或净资产)的比值,对于公司资产折旧低,质量高的上市公司(例如,公路路桥)。市净率估值对于估算公司股票价值的参考度更大。但市净率不适用信息技术,文化传播等通过无形资产创造利润的企业,可以说对于服务性企业,市净率估值没有任何意义,其计算公式为:
市净率=股票市价/每股净资产
用字母表示:PB=P/EPS
若结合股息支付率和增长率,计算公式为:
PB=(ROE×DP×(1+g))/(k-g)
DP,k,g同上,ROE为净资产收益率.
市净率也依赖于ROE,同时净资产也依赖于销售净利率。假定其他条件相同,一般情况下,较高净资产收益率的公司也有较高的市净率,原因是一家有很高所有者权益的公司更有价值,它的账面价值增长的更快。
因此,当我们考察目标股票市净率的时候,要知道他与ROE有关。一家相对于同行市场市净率低且ROE高的公司可能被低估,这是因为一般来说,低市净率的股票在长期走势强于大盘,特别是在大盘高位盘整阶段有很好的表现。但在市净率给股票估值时,应与其他指标一起应用。
市收率也是我们分析股票价值常用的指标.其计算公式为:
市收率=股票市价/每股销售收入
用字母表示:PS=P/S
若结合股利支付率和增长率,其计算公式为:
PS=(ROS×DP×(1+g))/(k-g)
一般来说,股票价格低且销售收入高的公司可能被低估,但在分析股票价值时还应结合其他指标。
二、绝对价值分析
1.股权自由现金流
公司股权资本投资者拥有的是对该公司产生的现金流的剩余要求权,即他们拥有公司在履行了包括偿还债务在内的所有财务义务和满足了再投资需要之后的全部现金流,就是在除去经营费用,本息偿还和为保持预定现金流增长率所需的全部资本性支出之后的现金流。
(1)无财务杠杆的公司股票自由现金流
无财务杠杆的公司没有任何债务,因此无支付利息和偿还本金,并且公司的资本性支出和营运资本也全部来源于股权资本,无财务杠杆的公司的权益现金流可按如下方法计算:
销售收入-经营费用-销售成本=利息税收,折旧,摊销前收益(EBITDA)
利息税收,折旧,摊销前收益-折旧和摊销=息税前收益(EBITDA_
息税前收益-折得税务局=净收益(EAT)
净收益+折旧-营运资金增加额=经营活动产生的现金流(OCF)
经营活动产生的现金流-资本性支出=股权自由现金流
股权自由现金流是满足了公司所有财务需要之后的剩余现金流,它可以为正,也可以为负,如果股权自由现金流为负,则公司不得不通过发行股票或认股权证来筹集新的股权资本。如果股权自由现金流为正,则公司就能以股票现金红利的形式将剩余现金流派发给资本投资者。
(2)有财务杠杆的公司的股权自由现金流
有财务杠杆的公司除了要支付无财务杠杆公司的全部费用外,还要使用现金支付利息费用和偿还本金。但是有财务杠杆的公司可以通过新的债务来为资本性支出和营运资本需求进行融资,从而可以减少所需的股权资本投资。
销售收入-产品成本-经营费用=利息,税收,折旧,摊销前收益(EBITDA)
利息,税收,折旧,摊销前收益-折旧和摊销=息税前收益(EBIT)
息税前收益-利息费用=税前收益
税前收益-所得税=净收益(EAT)
净收益+折旧+摊销-营运资本增加额外负担=经营活动产生的现金流(OCF)
经营活动产生的现金流-优先股股利-偿还本金+新发行债务收入+股权资本自由现金流
2.贴现现金流
贴现现金流模型运用收入的资本化定义方法决定普通股票的内在价值。按照收入的资本化定价方法,任何资产的内在价值是由拥有这种资产的投资者在未来时期中所接受的现金流决定的。由于现金流是未来时期的预期值,因此必须按照一定的贴现率返还成现值,也就是说一种资产的内在价值等于预期现金流的贴现值。对于股票来说,这种预期的现金流即在未来时期预期支付的股利。
在该概念中,假定所有时期内的贴现率都是一样的,需要指出的是,股票在期初的内在价值与该股票的投资者在未来时期是否中途转让有关。
根据定义,可以引出净现值的概念:净现值等于内在价值与成本之差,即:
NPV=V-P
式中,P是t=o时的购买股票的成本.
如果NPV>O,意味着所有预期的现金流入的现值之和大于投资成本,即这种股票价格被低估,因此购买这种股票可行。
如果,NPV<0,意味着所有预期的现金流入的现值之和小于投资成本,即这种股票价格被高估,因此购买这种股票不可行。
在现代社会中,一般来说,现金流比利润更难以造假,所以当我们发现一家公司的股权自由现金流大且NPV也大时,我们可以认为该公司股票值得购买。
以上介绍的几种方法,可能有时得出的结论是一致的,有时得出相互矛盾的结论。对于这些结论我们需要用发展的眼光来看待,找出自己认为最有把握的结论。
参考文献:
[1]唐小我.预测理论及其应用.电子科技大学出版社,2006.
[2]陈共.证券学.中国人民大学出版社.
[内容摘要]股市生态近来引起了学者的关注，以往学者忽视股市生态环境及其协同关系，本文从演化视角重新定义了股市生态，从股市生态演化前提、诱因及其动力机制等方面对其演化机制展开分析。在此基础上，时我国股市生态的功能、结构、环境的失衡表现进一步分析。最后，针对我国股市生态的失衡特征提出了相应的优化对策。
[关键词]股市生态；演化；动力机制；对策
一、引言及股市生态概念的提出
利用生态学来研究股票市场，国外学者Famer(2002)把风格策略和价值投资比作生物界的物种，交易量比作物种数量，采用演化博弈和计算机模拟分析股票市场价格变动特点和市场效率。Brock、Hommes&Wagener(2005)建立了所谓LTL(Large Type Limit)模型，利用生态学为市场上存在很多不同类型交易者和交易动因的市场进化提供一个理论分析框架，刻画股票市场生态的历时进化。但在国外，这一概念主要分析投资者交易策略和市场效率的关系。与国外成熟的股票市场相比而言，我国股票市场发展时间短，股市设立最初目的导致其功能弱化。处于转轨市场环境下，股票市场的环境完全不同并且变化复杂，如果只研究股市投资者和市场功能，而不关注我国股市环境及其演化显然是不够的。近两年有关我国金融生态的研究方兴未艾，股市生态作为金融生态的子系统，也已引起了一些学者的关注。
学术界还没有对股市生态定义出统一规范的概念，学者从各自分析目的做出了相关定义。尹中立(2005)把散户和机构投资者之间的相互依存关系称之为“股市生态”，认为中国的股市生态就是机构这条“大鱼”靠吃散户这条“小鱼”维持生存。郭茂佳(2006)定义股市生态为保持股市长盛不衰的活力，充分运用法律法规、政策制度、组织体系和金融工具，营造出符合股市生理特征和生命规律的环境构成。张勇和高缅厚(2006)则认为股市生态是股市内部运作和外部环境的整体态势，包括股市投融资功能、证券行业在国民经济中的地位和作用、法律和社会信用体系、股市参与者结构及关系、社会舆论环境等方面的内容；并认为目前中国股市生态是一个极不稳定的市场体，传统发展观是股市生态系统脆弱的根源。周军(2006)从系统的角度定义股市生态，它是指参与市场主体为了追求自身利益最大化，在既定的法律和监管制度安排下相互博弈，从而形成并呈现出一定的结构特征，执行一定功能演进平衡系统。以往学者共同之处是都把股市生态中参与者以竞争形式存在，不同之处在于要么片面地要么静态地定义股市生态。不足之处在于仅仅把上市公司的大股东和中小股东作为市场参与主体，把既定的法律和监管等制度环境作为生态环境。笔者认为股市生态是指股票市场上所有参与者与其生存和发展的内外环境之间相互作用、相互依赖以及相互影响而形成的一种自我维系、动态演化的系统，在特定的运行机制下具有特定的结构和特定的功能，市场参与者之间不仅仅是竞争关系，而且还是一种依存关系、协同关系。
二、股市生态的演化机制
(一)股市生态演化的前提及其诱因
股市生态的演化是一种自我调节、自我完善和自我发展，从低级走向高级、从无序走向有序，且结构功能不断得到提升的不可逆的发展过程。
1．开放性和非平衡是股市生态演化的前提。开放性是指股市生态能与外部环境交换物质、信息、能量，特别是外部因素对原有的股市生态进行影响和改造，使股市生态能够依据与股市生态外部环境的相互作用而不断演进。非平衡性是指股市生态系统内部的差异性、分化性和不均等性等状态使得投资者要素间作用力大小和方向的不断转变，通过分化和非平衡的差异才能实现股市生态更多功能及更高效率。
2．内部力量引起的涨落是股市生态演化的诱因。股市生态从无序到有序的演变是通过内部随机涨落实现的，正是自内外部众多的微涨落通过放大形成巨涨落从而促使股市生态发生演化。股市生态内部涨落是在生态内部诸要素之间非线性相互作用使得稳定的股市生态发生偏离。股市生态内涨落主要由投资者投资偏好、动机和愿望以及投资机构的战略调整、管理变革等引起。诱导股市生态涨落的外部力量主要有科学技术的发展以及股市生态外部环境等变化。
涨落具有触发作用，股市生态在充分开放的前提下，总能与外界进行物质、能量和信息的交换，并通过股市生态要素的状态以及要素之间关系来实现对其生态的影响。随着生态环境激励或者压力的增强，股市生态的结构发生变化，引发矛盾累积。当环境的激励或压力达到一定的阈值点时，股市生态的原有结构或者模式无法适应环境，须以一种全新的方式组织股市生态的要素。在涨落的诱导下，股市生态走向平衡区，进入失稳状态。经历一段过渡阶段后，股市生态要素重新耦合，形成新的竞争与协同关系，导致了序参量的形成。在序参量的支配下，形成了更为有序的稳态股市生态(如下图所示)。
(二)股市生态演化的动力机制
竞争与协同是股市生态演化的两股相互作用的动力。竞争是保持股市投资者个体状态和趋势的因素，不同投资者的运行状态不同，在不同的势差情况下，竞争能够激发投资者高效操作，也使得股市生态建设型地向前发展。竞争的意义并非仅仅是淘汰，而在于发展成“共赢”，在于建立一种充满活力的运行机制。其作用的表现为整个生态系统的非平衡式发展。作为竞争对立面的协同，是保持投资者集体性和趋势的因素，使得股市生态个体之间以及系统与要素之间相互感应。协同具有整合各个投资者的功能，使得股市生态的整体绩效提升。
假定考虑股市生态中两个投资者，x1(t)、x2(t)分别是两个投资者的投资额，r1、r2是它们固有的投资回报率，投资者的最大投资潜能分别为N1、N2，用cij、hij分别表示j投资者对i投资者的相关影响系数，其中-1
可求出该模型的不动点及稳定条件(见下表)。
竞争与协同都有可能刺激或者抑制其发展，1－c21N1+c210表示股市生态中投资者之间的协同非常有效，虽然存在竞争，
但两个主体能够产生互补的优势，并由此长期发展。
把股市生态系统中所有投资者之间的竞合关系，统一为两种相反的力量作用。股市生态的演化受这两种力量的影响，并且往往需要根据两种力量作用一段时间之后的情况来矫正下一阶段演化的方向。简化模型，只考虑一个变量对趋势的偏离和反馈时间的滞后根，据此延时方程的特点，建立股市生态演化的动力学模型：
其中，x(t)表示推动和阻碍股市生态演化各种力量合并后的力量，dx/dt表示股市生态演化的速率，α是变动速率，r表示时滞，F[x(t―r)]表示股市生态系统内生的控制关系，它由反馈信号x(t―r)和反馈函数G组成。反馈函数具有控制目标的上界和下届，以满足控制目标的要求。(2)式说明，股市生态系统演化的快慢与推动和阻碍其演化的合并力量x(t)及控制股市生态演化的因素所产生的力量有关。在控制函数中存在时滞r，这是由于反馈信息及调节必须在外在冲击实施一段时间之后才能产生所决定的。
(2)式是一个单变量的延时方程，其特点是可以产生分岔和混沌等复杂行为。只要把方程中的延时操作写作算子的形式，延时方程可被化为多变量的自治方程。根据混沌理论，在三个以上变量的自治方程中可能出现分岔和混沌，这个要求来自于微分方程解的唯一性。
若设
式中b为控制参数，б是标度参数，负号表示负反馈，则该模型可化为：
该模型是一个含有时滞的微分方程，其解可以是稳定解、极限环解、多周期的长波解及混沌解。静态分析中的长期均衡的概念被认为是非线性动力系统中的不动点解，由于时滞和控制行为的过度反应，稳定状态很难达到。
路径依赖是指具有正反馈机制的体系，一旦在外部偶然性事件的影响下被系统所采纳，便会沿着一定的路径发展演进，而很难为其他潜在的甚至更优的体系所替代。诺斯(1990)将其应用到制度变迁中，并深入分析了自我强化机制所包括的因素，以及可能的制度变迁路径股市生态的演化同样具有路径依赖特征，股市生态演化可能进入良性循环后的轨道，迅速优化；也可能顺着错误的路径走下去，甚至被锁定在某种无效率的状态中。要改变这种状况，往往要借助于外部效应，引入外生变量或依靠制度的变化。不同国家的股市生态系统最初的资源禀赋、市场结构、技术特征、社会文明程度、文化背景等都有着一定的差别。可见，股市生态的演化非常复杂。
三、我国股市生态失衡的表现
我国股票市场最初建立的目的是为国有企业解困，股市制度初始状态，以及股市生态演变过程中激励与约束机制不健全的事实已使得股市生态演化进程陷入了某种“路径依赖”中，现存的制度框架使得上市公司或机构投资者为了实现利益最大化而或明或暗地采取一系列违规行为，新的利益的获得将会进一步加强这种制度体系。我国股市生态失衡主要体现在以下几个方面：
(一)股市生态功能失衡
我国股票生态功能失衡主要体现在三方面：一是投资功能缺失。我国股票市场并没有表现为国民经济的“晴雨表”，股指与宏观经济走势背道而驰。我国股票市场整体上来说投资者获得回报为负值(张卫星，2005；周军，2006)。是我国股票市场融资功能萎缩。大量优秀企业放弃国内市场到国际资本市场筹资，相比而言，国内股市筹资能力下降。据统计，仅2005年69家中国境外上市企业筹资额达到210亿美元，是沪深两市2003年和2004年首发募资总额800多亿元人民币的约2倍。截至2005年底，境外上市的中国企业总市值约4805．96亿美元，而同期沪深市场A股公司总市值4180．856亿美元，其中可流通市值约1243．41亿美元。以可流通市值比较，境外上市规模已是内地市场的3．87倍。三是股市资源配置功能弱化。股市设立之初就赋予了为国企解困的任务，其结果造成了股市功能严重失衡的现实。发行价格并不主要为市场供求关系决定，人为造成一级、二级市场的巨大差异，导致股市配置资金能力的扭曲。证券监管机构对上市公司额度的控制，加之地方政府的保护，致使很多并购并没有整合业务和提高资源配置。
(二)股市生态结构失衡
我国股市生态结构失衡体现在政府托市、企业圈钱、机构坐庄。中国股市历来被称为“政策市”，当市况低迷时，管理层则迎合市场要求出台“利好”政策来救市、托市，刺激股市向上。公司上市变融资为“圈钱”，包装为登堂之桥、公关为致胜之道成了我国股市的潜规则。其根本原因在于上市公司质量不高和公司治理水平不高，上市公司质量不高表现在其产生利润的能力低下，公司治理水平不高表现在股权虚置、过多关联交易。结果，上市公司总体上不诚实守信、造假现象严重，为管理层的大股东谋求私利。机构投资者人市投资变成投机，长期以来，自营或变相自营投资成了证券公司主要的生存支柱，而过大的自营规模将证券公司从中介性质的机构演变为自有资金的投机商，从而引发致了证券公司的经营困境。由于投资者保护不足，机构投资者与中小投资者体现为一种捕食性食物链关系，股市生态形成为机构投资者坐庄、中小股民跟风的投机型市场模式。
(三)股市生态环境失衡
股市生态环境失衡包括内部制度环境失衡和外部环境失衡两个方面。内部制度环境失衡主要体现在几个方面：一是股市初始制度赋予了为国企解困的任务，其结果造成了融资功能与投资功能严重失衡的现实。二是股权分置的制度设计造成了流通股东与非流通股东之间的利益对抗。股权分置制度的设计直接造成了不同类别股东权利和责任的不对等。同时也造成了市场流通性不足，为股市营造了侵害社会公众投资者利益的土壤，同时也造成了市场流通性不足，价格持久且大幅度地偏离价值等弊端。三是市场退出机制不健全，缺乏市场化退出的制度安排，从而造成股市整体质量下降、股票市场风险加大。
股市生态的外部环境主要包括法律环境、信用环境和体制环境等方面。首先，从法律环境来看，有关证券市场法制法规建设滞后。其次，信用环境建设严重滞后，造成了我国证券市场侵害中小投资者现象严重。最后，由于我国是一个行政主导型的国家，体制环境是直接影响我国股市生态的重要外部因素。政府的反复救市、托市行为使得其信誉和公信力受到国民的普遍质疑。
四、优化我国股市生态的对策
笔者认为，优化我国股市生态可从以下几个方面人手：
(一)恢复我国股市生态功能
要恢复我国股市投资功能，就必须加强投资者回报权的保护。适当安排一些在境外上市的优质企业回归A股融资，逐步壮大国内股票市场的融资功能。完善我国股票发行制度和定价机制，规范政府行为，提高股市的资源配置能力。
(二)完善股市生态结构
要解决股市生态结构失衡问题必须从对股市交易参与主体的培养与改造人手。加大对上市公司和机构投资者违规行为的惩罚力度，保持法律的威慑作用。加强法治，规范政府行为提高监管机构的独立性。同时应出台相应的公共治理机制，确保监管权的有效性。
(三)优化股市生态的内部制度安排以及培育良好的外部生态环境
【关键词】沪深300指数 股指期货 GARCH模型
一、引言
2010年4月16日，我国正式推出以沪深股市300只成分股为标的的股指期货合约。股指期货是股票市场的重要衍生市场，其功能是平抑股票市场的波动，然而其作用的发挥却一直存在较大争议。2014年至2015年，我国股票市场完整走出了一波牛市行情。“改革牛”也好，“杠杆牛”也罢，总之，股指期货迎来了推出之后的第一次真正意义上的考核，也为研究沪深300股指期货平抑我国股市波动的效果提供了一手真实资料。本文选择对股指期货在2015年牛市行情中是否发挥了平抑市场波动的正当作用进行研究验证。
二、实证分析
（一）模型数据的选取和处理
本文选取2007年牛市行情和2015年牛市行情中沪深300指数的日收盘价作为研究样本。数据来源于大智慧股票分析软件。
由于在股票价格的时间序列中，价格数据通常不具有平稳性，而价格的收益率却相对平稳，因此，本文将采用该指数的日收益率来反市场的波动情况。将价格数据进行对数差分处理，得到相应的指数收益率样本。日收益率Rt由股票价格指数日收盘值的对数差分决定，表示为：Rt=ln Pt-lnPt-1，Pt是当日价格指数收盘值，Pt-1是前一日价格指数收盘值。
（二）股指期货推出前2007年牛市样本分析
1.序列描述性统计分析。对2007年牛市行情样本序列进行统计分析，结果如下。
图1 统计结果
从图1可知，该序列的偏度（Skewness）值为-0.450603，小于正态分布的偏度数值0，表明该序列存在左偏特性，存在长的左拖尾现象;该序列的峰度（Kurtosis）值为5.293983，大于正态分布的峰度数值3，表明该序列存在尖峰特性。J-B统计量为210.8368，P统计量为0，表明该序列不符合正态分布。综上所述，该序列可以使用GARCH建模。
通过ADF法检验样本序列的稳定性，结果如下。
表1 检验结果
从表1可知，t值为-27.93983，远小于1%水平的值-3.437985，相对应的p值为0，说明该序列是平稳的。
2.建立GARCH模型。对样本序列进行滞后项处理，本文采用AIC准则和SC准则法判断模型滞后阶数。一般情况下，AIC值和SC值越小，表示模型越能更好的拟合实际情形。
结果如下。
表2 检验结果
从表2可知，AR（4）MA（4）模型的AIC值和SC值均达到最小，确定均值方程为：
rt=β0+β1*rt-4+β2*δt-4
再对该序列进行ARCH检验，结果如下。
表3 检验结果
从表3可知，该序列p值近乎为0，说明残差的平方项存在ARCH效应，适合建立GARCH模型。
在此基础之上，建立AR（4）MA（4）为均值方程的方差方程模型，根据众多金融分析的实际经验，一般情况下，GARCH（1，1）模型就能够很好拟合样本数据，所以本文先假设该序列的方差方程为：
σ=ω+α*ε+βσ
数据处理结果如下。
表4 模型结果
从表4可知，GARCH模型的方差方程为：
σ=1.31E-0.6+0.069417*ε+0.932959σ
对残差进行ARCH-LM检验，结果如下。
表5 检验结果
从表5可知，p值为0.173793，远大于5%的显著水平，说明该序列不存在ARCH效应，表明该模型拟合效果理想。
（三）股指期货推出后2015年牛市样本分析
1.序列描述性统计分析。对2015年牛市行情样本序列进行统计分析，结果如下。
图2 统计量结果
从图2可知，该序列的偏度（Skewness）值为-1.018429，小于正态分布的偏度数值0，表明该序列存在左偏特性，存在长的左拖尾现象;该序列的峰度（Kurtosis）值为5.976786，大于正态分布的峰度数值3，表明该序列存在尖峰特性。J-B统计量为144.7368，P统计量为0，表明该序列不符合正态分布。综上所述，该序列可以使用GARCH建模。
通过ADF法检验该样本序列的稳定性，结果如下。
表6 稳定性检验结果
从表5可知，t值为-6.645099，小于1%水平的值-3.435142，相对应的p值为0，说明该序列是平稳的。
2.建立GARCH模型。对该样本序列进行滞后项处理，结果如下。
表7 检验结果
从表7可知，AR（2）MA（2）模型的AIC值和SC值均达到最小，确定均值方程为：
rt=β0+β1*rt-2+β2*δt-2
再对该序列进行ARCH检验，结果如下。
表8 检验结果
从表8可知，p值近乎为0，说明该序列残差的平方项存在ARCH效应，适合建立GARCH模型。
在此基础之上，建立AR（2）MA（2）为均值方程的GARCH（1，1）模型，数据处理结果如下。
表9 模型结果
从表9可知，GARCH模型的方差方程为：
σ=1.79E-0.6+0.081185*ε+0.93163σ
对残差进行ARCH-LM检验，结果如下。
表10 稳定性检验结果
从表10可知，p值为0.690595，远大于5%的显著水平，说明该序列已经不存在ARCH效应了，表明该模型拟合效果理想。
（四）实证结果比较分析
完成两个样本数据的统计分析和模型建立后，对最终结果进行比较分析。
1.GARCH模型的比较分析。通常情况下，在GARCH模型的方差公式中，ARCH项系数反应的是最新产生的信息对市场波动的影响程度，GARCH项系数反应的是之前波动信息的影响程度，两个系数之和则是整体反映了市场的波动率。
表11 GARCH模型比较
从表11可以得到：
第一，系数和大于1，表明这两个序列波动性呈扩大趋势，是非稳定序列，恰好符合牛市样本的特征。
第二，沪深300股指期货推出前2007年牛市的系数和1.002376小于股指期货推出后2015年牛市的系数和1.012815，系数和增大了1.04%，充分表明在2015年牛市过程中，股指期货不但没有发挥降低波动性的功能，反而加大了市场的整体波动性，起到“推波助澜”的消极作用。
三、研究结论
通过对比分析实证分析结果得出结论如下：
在2015年的牛市行情过程中，沪深300股指期货对利好消息的非对称性非但没有减弱，反而得到了加强，不但没有发挥平抑股票市场波动的正当作用，反而推波助澜，加剧了股票现货市场的波动性。这与我国股指期货市场推出时间短，市场不成熟，市场监管不到位等问题是分不开的。
参考文献
[1]章永哲，钱敏.基于5分钟高频数据的沪深300股指期货与现货市场间波动溢出效应实证研究[J].上海金融，2015（11）：103-108.
[2]涂志勇，郭明.股指期货推出对现货市场价格影响的理论分析[J].金融研究，2014（10）：104-116.
[3]杨阳，万迪防.股指期货真的能稳定市场吗？[J].金融研究，2013（12）：146-158.
本文采用多变量的DCC－MVGARCH(1，1)模型来考察不同市态下我国股市、债市以及汇市三者间的动态相关及其波动的溢出效应。DCC－GARCH模型是Engle等(2002)提出的，该模型不但能克服以往多元GARCH模型不足，有着良好计算优势，且能研究在不同时期的市场信息等因素影响下，多种金融资产之间的动态相关特征。其基本设定形式如下:
二、实证分析
(一)数据说明及描述性统计本文分别选取上证综指、中国国债总指数以及人民币有效汇率指数的对数收益率(分别表示为:R1、R2、R3，且Ri=ln(当天指数收盘价/前一日指数收盘价)，i=1、2、3)来表征我国股市、债市和汇市的价格变动情况。其中上证综指数据取自wind数据库，中债总指数据取自中国债券信息网。为了与股市和汇市所代表序列相一致并能更好地体现人民币的对外价值与相对购买力，因而本文选取人民币有效汇率指数作比，数据来源于锐思数据库。作为经济晴雨表的象征，我国股市自2005年7月人民币汇改后迎来一轮牛市上涨行情，上证综指于2007年10月16日报收6124的历史高位后狂跌至2008年10月28日的1664点，之后，上证指数大多位于2000－3000点间振荡。为了研究在不同市态下我国股市、债市、汇市的价格互动的异化现象，本文将样本区间划分为:阶段一(牛市)，2005年7月22日－2007年10月16日;阶段二(熊市)，2007年10月17日－2008年10月28日;阶段三(振荡市)，2008年10月29日－2013年1月10日。各阶段模型变量描述性统计结果如表1所示:由表1的均值与标准差的检验结果可知，债市与汇市波动要远小于股市波动，且由股市收益率均值可见，阶段一股市普遍处上涨态势，而阶段二则大部分处下跌趋势。偏度与峰度的检验结果均表明三个变量不符合正态分布的特征，这也可从JB统计量看出。另外由Q统计量可知各变量都存在一定的自相关性，且ADF检验的结果表明各变量均为平稳序列。
(二)模型参数估计结果基于DCC－MVGARCH(1，1)模型分别对三个阶段我国股市、债市及汇市的相关性及波动溢出效应进行检验。波动溢出效应的参数估计结果如表2所示;三个不同市态下的股市、债市及汇市间的动态相关性如图1、2、3所示。从表2可知，各阶段βi(i=1、2、3)均在1%水平上显著，且各αii，t(i=1、2、3)也较为显著，这些都表明股市、债市及汇市均存在ARCH效应，即方差时变与波动持续性。就第一阶段(牛市)中αij(i，j=1，2，3;i≠j)的估计结果而言，该期间股市与债市的双向波动溢出效应较为明显(α12、α21均显著);股市的波动增加会促进债市的波动(见α12)，可能的原因是股市的波动意味着市场风险增大，导致资金在市场间的转移。而牛市下并不存在汇市对股市的波动溢出效应，仅对其自身与债市有一定的影响，这与第二、三阶段的检验结果一致，即不同市态下均存在汇市对债市的溢出，且振荡市情形下还存在汇市与债市的双向溢出效应。综合第三阶段振荡市态下的情形以及α13、α31的大小可见，相对而言汇市对股市的波动溢出效应要更显著，也更强于股市对汇市的溢出，这与高海霞等(2007)的研究结论一致。这或是由于相对于股市所传递出的信息，汇市的波动更为关注债市传递的市场利率信息(这也有赖于汇率决定的利率平价理论)、货币供应以及对外贸易等。综合三个阶段的结果可知，除阶段一外，其余时期α12、α21均不显著，即股市与债市间波动溢出效应并不很显著(这与王璐等(2009)、王斌会等(2010)的结论一致)，二者间的价格传递效应较弱，这是由于我国债市仍存在较严重的市场分割现象(分别存在交易所及银行间市场，两市的交易主体及品种等方面有较大差异)以及流动性等因素的影响，使得债市的信息反映不如市场流通及有效性较高的股市。综合图1、2、3可知，三市场间动态相关性存在较大波动，且大小形成鲜明对比。牛市期间三对相关性由大到小排序为:股市与债市、债市与汇市、股市与汇市;熊市期间相关性排序为:股市与汇市、股市与债市、债市与汇市;振荡市态下相关性排序为:债市与汇市、股市与债市、股市与汇市。这是因为对处于第一阶段及之后的第二阶段，人民币刚经历汇改，形成了较明显的升值态势，因而该阶段人民币汇率收益率普遍为负，而股市收益率在牛市期间普遍为正，熊市期间普遍为负，债市指数的收益率则较为稳定。所以，牛市期间，股市与汇市收益为负相关，而熊市期间，股市与汇市收益相关性从三者间最小一跃成为最大。相对而言，牛市期间，股市与债市的相关性稍好(大部分介于0－0．2之间)，而在熊市与振荡市情形下，二者动态相关性较弱，这是由于经历2007年的通胀年后，债市行情在第二阶段处于大起大落态势，因而与股市相关性较差，且方向不一致。同时，在振荡市态下债市与汇市间的相关性最高，且呈现一定的正相关。这或是由于振荡市态下股市波动较大，且收益方向不一致，而汇市在经历2008年金融危机以及2010重启汇改后依然表现出升值的趋势，且该阶段债市的波动相对小于前两期，因而该阶段债市与汇市的相关性更强。
(三)风险传染的异化分析———考虑市场间溢出效应与否的比较基于DCC－GARCH模型分别对不同市态下的我国股市、债市、汇市三个金融市场间的风险传染进行比较分析，其结果如表3、4、5所示。其中，表3给出的是基于DCC－GARCH模型得出的条件方差求得的单市场VaR值，失效天数为当天实际收益率超出所预测的收益率VaR区间的天数总和，失效率为失效天数与样本观察期的比;LR统计量及其p值是检验模型拟合优度及有效性的回测检验(Kupiec，1995)。表4给出的则是不考虑其他市场波动影响下的独立方程所测得的单市场VaR值。由表3可知，在95%和99%的置信度下，股票、国债及汇市的指数收益率的VaR失效率几乎都小于给定的失效率，同时LR统计量也显示所测得的结果除了振动市95%置信水平下的汇市收益率风险值存在一定的高估外，其余都拒绝了显著异于给定置信度的原假设，说明DCC－GARCH模型给出的拟合结果较为合理，而不考虑其他市场波动影响的单方程模型给出的结果大部分显著异于所设定的置信水平，说明模型可靠性较差。可见，由于考虑了其他金融市场波动的影响，基于DCC－GARCH模型所测得的VaR值均要大于单方程所测得的VaR值，即不考虑其他市场波动影响会存在一定程度风险低估。同时也侧面反映出，不考虑其他市场波动影响，三个市场能接受较低的损失收益率;其余相关金融市场波动确实在一定程度上增加了单市场的风险，即存在市场间的风险传染现象，应引起投资组合风险管理的重视。
相较而言，在不同市态下股市的市场波动都要明显高于债市与汇市，这也可从标准差看出;同时熊市下的三个市场波动要高于牛市情形。就拟合效果和失效率的情形而言，牛市与熊市下模型测度的效果好于振荡市的情形，这说明当市场趋势性明显的情况下，模型跟踪效果较优;而趋势不明朗的情形，模型拟合效果较差。为分析投资组合的风险管理问题及多市场间的风险传染，进一步计算三个市场的组合VaR，结果如表5和图4所示，其中，DCC:95%指的是基于DCC－GARCH模型所测得的条件方差－协方差阵根据相应权重计算而来的95%置信水平下的组合VaR值(图4中S、X分别指上下区间);SWA:95%指的是将表4中未考虑其他市场波动影响下的单方程所测得的三个金融市场的VaR值进行简单的加权平均，即PVaR=w＇VaR，w指的是三个市场的权重，本文以(1/3，1/3，1/3)为例。由表5可知，DCC给出的结果无论何种市态还是何种置信度下均大于简单加权平均的结果，标准差的结果也一样，这可从图4中直观看出，也与上文的分析一致，即考虑了其他市场波动影响的投资组合波动性更大，对风险管理的难度也更大。并且，牛市与熊市两个趋势明显市态下的模型拟合结果依然要优于振荡市态下的情形。由LR回测检验的结果和失效率来看，DCC模型给出的组合风险值存在一定的高估，而单方程给出的简单加权平均失效率依然是都要高于预设的置信度。综上可知，不考虑金融市场间的风险传染性，将会倾向于低估风险;金融市场间的波动会增加并引致其他市场的风险，对于投资组合风险管理这点不应忽视。
三、结论与启示
本文采用多元DCC－MVGARCH(1，1)模型分析了不同市态下我国股市、债市以及汇市三者间的动态相关及其波动的溢出效应的异化现象，并对相应的溢出风险进行了量化测度，结论表明:在不同市态下，我国股市与债市间的信息传递效应较弱，这源于我国债市仍存在较严重的市场分割与流动性较弱等现象，使得债市的信息反映不如市场流通及有效性较高的股市;相对于股市信息，汇市的波动更为关注债市传递的市场利率信息、货币供应以及对外贸易等，因而使得汇市对债市的溢出效应要更显著于对股市的。不同市态下，三个金融市场间的动态相关性存在明显异化现象:牛市期间，股市与债市的相关性稍好，而在熊市与振荡市情形下，二者动态相关性较弱;牛市期间，股市与汇市关联性为负;而熊市期间则为正，这也与人民币汇改及升值态势有关。进一步的风险传染的异化分析表明，DCC－GARCH模型的风险测度效果较好，不同市态下股市的市场波动都要明显高于债市与汇市，当市场趋势性明显的情况下，模型跟踪效果较优;相关金融市场间的波动溢出效应不但增加了单市场的风险，同时也增加了组合的风险;不考虑市场间的波动溢出效应会倾向于低估市场风险，即市场间存在风险传染现象，应引起投资组合风险管理的重视。本文的研究可见，自人民币汇改以来，随着热钱不断涌入使得我国汇市的波动日益增强，汇市与股市、债市间的波动溢出性也日益显著，在投资风险的管控中除了关注股市与债市间的相关性与投资转移、资产配置外，还应密切注意汇市波动对股市、债市的影响。
而针对债市与汇市间在不同市态下相关性与溢出效应，央行在采取利率工具调度汇市时应考虑其风险的传染，同时也应进一步完善债市的发展与监管，提高债市的整体销量。同时，在不同的市态下，我国股市、债市及汇市间的波动溢出及风险传染效应不尽相同，且三者间的相关性呈现正负的时变波动性，因而对于同时投资于不同金融市场的投资者而言，需对市场间的动态关联性及风险传染予以重视，若将牛市、熊市与振荡市态下的样本合成一起研究则有可能得不出稳健的结论甚至得到错误的判断。本文的结论也佐证了在不同的经济周期，组合投资的风格应有所不同;投资者应当根据不同市态下各金融市场间动态相关性与风险传染效应的不同，进行资产配置的优化与风险管理。
关键词:股票市场股市政策动态不一致性股市波动
中国股市从诞生以来就具有两个鲜明的特点,一是股市波动剧烈,短短十来年已经经历了几次大起大落;二是政府有意识地运用股市政策①,如股票发行和上市速度、政府领导人的讲话、甚至《人报》社论等来调控股市运行,使股市表现出明显的“政策市”特征。这些政策的目的是试图根据股市波动情况来调控股市,使其在政府理想范围内运行。
政府政策调控股市波动,具有以下特征:
1、政府政策不连贯、前后不一致。如1997年证券委、人民银行和国家经贸委联合发文,规定银行、保险公司、上市公司和国有企业的资金不能人市炒作股票,1999年7月1日实行的《证券法》也作了类似规定。但随后为了刺激股市,于1999年9、10月又批准三类公司和保险公司人市;
2、政府政策的预期效果还取决于公众的预期,公众未预期到的政策往往会造成股市剧烈波动,典型的,如1999年12月巧日的《人民日报》特约评论员文章引起几乎所有股票都以跌停收盘,其原因就有政策出台突然、力度超出公众预期的因素,相反公众预期到的政策效果就比较温和;
3、政策效果还取决于政府和公众的博弈。在一项政策出台后,公众的预期和行为就会相应发生改变,从而使政策执行效果也发生改变。典型案例就是国有股减持,在出台的时候是有利于股票市场发展和国有企业改革的,但是由于公众预期股市将受到影响,从而造成股市低迷,这时继续减持国有股就不利了,因而后来政府决定国有股减持暂缓执行。
由于这些特征,股市政策往往造成股市过度波动。即使政府出台的是一项稳定股市的政策,并事先承诺使股价波动限制在一定幅度内。然而一旦股民相信了这个承诺并据此形成了股价稳定预期,政府就可以使股市加快发展以实现为国有企业更多融资的目标。这是因为,也许在政策制定阶段政府的最佳选择是稳定股市,但在执行阶段由于公众预期的改变,政府的最佳选择就变成促进股市上涨!这样政府就没有积极性真正实行这项稳定政策。这就是所谓的股市政策的“动态不一致性”。而这种动态不一致的股市政策执行的结果只能是股市剧烈波动。
吕继宏、赵振全(2000)和许均华、李启亚(2001)对政府政策对股市波动的影响作过实证分析,他们利用Wichem和Miller(1976)的办法,先鉴别出我国股市运行中的波动点,然后确定这些波动点有多大比例是由政府股市政策造成的,得出的结论都是股市政策较大程度地影响了中国股市的波动。但是,我们认为这种研究有两个缺陷,一是他们确定的是股市波动点中有多大比例是由股市政策造成的,而没有分析股市政策有多大比例造成了股市波动;二是他们只是对股市政策与股市波动之间的关系作了经验分析,而没有对股市政策是怎样造成股市波动的做出理论解释。
我们认为,股市政策的动态不一致性是造成和加剧股市波动的重要原因,而这种政策动态不一致性在于股民和政府之间的博弈行为,因此本文将运用博弈论的方法建立一个理论模型来分析股市政策的动态不一致性对股市的影响,并实证检验这些政策有多少造成和加剧了股市波动。文章是这样安的除第一部分外,第二部分建立股市政策的动态不一致性模型,分析股市政策是怎样造成和加剧股市波动的;第三部分运用不同于吕继宏、赵振全(2000)和许均华、李启亚(2001)的方法从多大比例的股市策造成了股市波动这个角度对理论模型进行实证检验;第四部分得出结论并提出建议。
1、股市政策的二重目标:稳定和发展
关键词：股票收益率 波动特征 非参数检验 核密度估计
一、引言
随着各国金融市场联系的进一步紧密联系，一国股票市场是否与世界主要股票市场具有一定的关联性，也成为其成熟程度的标志。从证券市场来看，有学者研究发现我国的股票市场指数与世界部分主要股票市场指数呈现出相似的运动趋势。特别在这次金融危机中，我国的股票市场表现出与发达国家股票市场明显的 “联动性”，表面上看中国股市受美国股市影响并随之变化，但这是否意味着中国证劵市场已经发展成熟？ 或者是否进一步意味着证券市场背后的中国经济实体已经与美国趋同？因此，在中美股市收益率波动性特征比较研究中，本文将致力于找寻二者关系的相关性，以此来判断量化计算的结果背后的经济学现实含义，研究我国与美国经济发展的内在关系，借鉴美国股市的发展历程探讨我国股票市场的发展程度，从而有针对性的提出我们的预测和建议。
二、文献综述
金融资产投资组合收益率统计分布及特征的研究在资本流动、资产定价和金融风险控制等领域起着至关重要的作用。作为一种全面特殊的投资组合，股市综合指数收益率的统计特征现在已得到大量的分析与研究。由于传统金融诸多核心理论都是基于股指收益率正态性假定，比如Sharp和Linther提出的CapitalAssetPricingModel（CAOM），Black和Scholes的OptionPricingModel和Ross的ArbitragePrcingThoery（APT），以及目前流行的风险测度模型——风险uizh价值模型（VAR），因此学界对于对于其分布的估计方法付诸了高度重视。目前已有的国内国外股指收益率研究中，一般认为股指收益率具有时变波动、波动聚集、偏斜、尖峰厚尾性，即股指收益率不服从正态分布假定。但是，对于股指收益率到底服从何种分布，仍无定论，需要更进一步的研究。与此同时，在我国各种综合指数也会由于经济周期和法律政策等变动，显现出相同或近似的运动趋势，上证指数与深圳成指之间的必然会存在一定的相关性，这种相关性在一定程度上反映了我国证券市场的成熟程度。
目前，国内学者应用ARCH类对中美资本市场波动性之间关系以及比较的研究还不多见。韩非和肖辉（2005）建立MA（q）一GARCH（1，1）一M模型研究中美股票市场的联动性，研究表明：中国股市收盘对美国股市的开盘有影响，但是影响很弱，美国股市收盘对中国股市开盘没有影响。王文磊和胡日东（2008） 用二元GARCH模型的方法建立了中美股票市场的波动模型，考察了中美两个股票市场从2002—2007年间的股指波动的联动性问题。结论认为：中美股票市场的联动是一个从不明显到比较明显的递增过程，且中国对美国股票市场波动的影响尤其显著。倪振州和吉余锋（2010）利用GARCH—M模型分析了次贷危机前后中美股市波动的溢出效应。
为此，本文使用2005年1月3日至2013年5月31日总共2038个日数据，采用非参数Spearman和Kendall检验来验证两市的相关性，采用核密度估计法对我沪深300股指收益率进行拟合研究。以期对于预测和防范金融风险，保持股票市场的持续、稳定和健康发展具有一定的理论和现实意义。
三、股指收益率的基本统计特征
（一）数据说明
本文分别采用“沪深300股指期货”（简称“HS300”）和“标准普尔500指数”（简称“S&P500”）作为中国和美国两个股市指数的代表，选取2005年1月3日至2013年5月30日共2117个收盘价数据，分别计算它们的日收益率：
（二）基本统计特征
为了了解深沪两市股指收益率的总体的基本性状，给出了样本数据的时序图和概率直方图，如图1、2及图3、4；
从图1中，可以看到，HS300样本所属的总体不是对称的，数据时是单峰的，且具有较大的峰值和较之正态分布更厚的尾，（注：曲线为正态分布线）。S&P500样本所属的总体大致呈现对称分布，数据是单峰的，分布较为均匀。这些数据表明了中美两市股指收益率的尖峰厚尾性，即非正态性，具体的检验将于后文进一步探讨。通过计算得到中美两市股票收益率的统计特征如表1。
表1 中美股市收益率统计特征
从表1中我们可以得到，中美两市股指收益率的均值都很小，但其日变化范围比较大，最大值（绝对值）分别达到9.3418%和11.58%。整体来说HS300的平均股指收益率要高于S&P500，接近于3倍左右，而美市股指收益率的波动性则比中市的要小，主要原因在于美市的股票起源较早，发展较中国市场更为稳健。
四、股指收益率的基本统计特征
（一）正态性检验
在图 3、4的概率直方分布图中，中市股市收益率已直观地显现出非正态性，为进一步得到验证，采用Q-Q图、JB检验、K-S检验方法对其正态性进行检验。
1、Q-Q图：即正态概率单位分布图，利用中美股市收益率的样本点与标准正态分布的分位点来作散点图，如果收益率的样本是正态的，该图应该大致成一条直线，反之，它将在一段或两端有摆动。中美股市收益率Q-Q图3。
从图3可以看出，无论是HS300还是S&P500两个样本的尾部明显偏离直线，且偏离度大致近似，根据绘制原理：如果Q-Q图在左边下弯，右边上弯，则意味着该分部具有比正态分布更厚的尾部，即厚尾性。
2、Jarque-Bera检验：即偏度和峰度联合分布检验法，在收益率样本来自正态分布情况下，JB统计量服从自由度为2的卡方分布，标准正态分布峰度为3，偏度为0。J-B统计量具体构造为：
其中，S为偏度，K为峰度，n为样本容量。具体的检验结果见表2。
表2 J-B正态性检验结果
从表中可以看出，中美两股市收益率样本的峰度分别为5.688418和12.95254，均大于3，表明收益率呈现尖峰特性；另外中美两股市收益率样本的偏度分别-0.216424和-0.052810，均小于0，表明两样本分布均有左偏现象而J-B检验p值均小于置信度 ，故拒绝股指收益率服从正态分布的原假设。
3、K-S检验：即Kolmogorov-Snirnov单样本检验，利用K-S统计量检验随机变量的分布，其中K-S统计量的具体构造为：
其中为某个已知的分布函数，为样本数据的经验分布函数，为样本容量，具体的检验结果如表3；
表3 K-S正态性检验结果
从表3给出的中美股市收益率正态性假定可以看出，K-S统计量在5%的置信度下，均拒绝样本为正态分布的原假设，即两个样本均不符合正态性假定。
五、股指收益率相关性检验
从以上的分析中，可以看出中美两市的股指收益率具有一定的相关性，目前，比较流行的方法是Granger检验法、GARCH类模型以及时变Copula方法，其中后者是基于Spearman等非参方法进一步发展反映相关性时变特征的方法，所以，为研究中美两市股指收益率的相关性及其变化，本文将采用Spearman和Kendall 检验对两者的历史数据的相关性进行研究。
（一）Pearson相关性检验
整体上观察中美两市股指收益率的关系，从传统线性相关考虑中美股指收益的相关性，由表5可见在置信度为99%下，Pearson相关系数为0.38，不显著相关。具体数据见表5；
表5 Pearson相关系数性检验
（二）Spearman秩相关检验
Spearman检验统计量是历史最久（1904）的秩统计量，与传统的线性Pearson相关系数相对应，而前者度量的则是更加广义的单调（不一定线性）的关系，因为变量的秩不会被任何严格单调递增变换所改变，基于之前的分析，可知沪深两市股指收益率并非呈严格的线性关系，两序列也不符合双变量正态分布的假设，故在此采用Spearman检验，Spearman等级相关系数为：
因此，根据SPSS19.0所计算得到的Spearman等级相关系数时序见表6。
注：置信度（双侧）为0.01时，以上各相关系数是显著的。
表6 Spearman等级相关系数时序
由表6可知，中美两市股指收益率相关性系数，维持在0.9左右，对2005-2013所有数据进行Spearman相关性检验，得到数值为0.92，且在99%的置信度下显著，这说明中美两市收益率之间长期存在着较高的相关性，且相关系数波动不大，这说明两者保持着一个稳定的状态。
（三）Kendall 相关检验
Kendall相关检验适合分类变量相关性的指标，适用于两个分类变量均为有序分类的情况，对相关的有序变量进行非参数相关检验，Spearman秩相关模仿了Pearson相关的思想，但Kendall相关检验概念却不同，它是对总体某参数的估计，而Spearman却不是。Kendall等级相关系数的构造为：
其中V是利用变量的秩数据计算而得的非一致对数目，根据软件最后计算出来的历年Kendall等级相关系数如表7。
表7 Kendall等级相关系数时序
注：置信度（双侧）为0.01时，以上各相关系数是显著的。
由表6同样可以看出中美两市股指收益率具有高度的相关性，其系数基本维持在0.75左右，进一步说明了中国股市和美国股市之间具有一定的趋同性。其2005-2013年整体Kendall等级相关系数为0.769，并也在99%的置信水平下显著。
六、股指收益率核密度估计
在前文的研究中已经否定深沪股指收益率正态性分布的假定，至于其服从何种分布仍未有定论，本文拟采用非参数核密度估计这一新方法对其分布进行拟合。由于沪深两市股指收益率具有同分布性，同时，沪市又相对比深市更强，于是，选取2010年沪深300股指期货的收益率作为研究对象，来拟合其分布函数。
（一）核密度估计原理
直方图法可以看作非参数核密度估计的最早的形式，虽简单易懂，但此方法过意粗糙，且估计精度不高，难以满足现实的统计需要。核密度估计方法应运而生，Parzen（1962）提出用光滑可谓的核函数代替直方图中的矩形核函数，即运用某种核函数表示某一样本对待估计的密度函数的贡献，所有样本所做贡献的线性组合视作对某点概率密度 的估计。那么在任意一点的核密度估计为：
其中，K（.）称为核函数，h为窗宽，n为样本容量，从核密度估计的定义可以看出，核密度估计结果的优劣取决于核函数K（.）和窗宽h的选择。
①核函数K（.）的选择：最初的核函数为均匀密度函数，后来又有正态核函数、三角核函数、四次核函数、三权核函数、高斯核函数等，不同核函数所带来的影响各有不同，在本文的估计中采取的将是标准正态密度函数。
②窗宽h的选择：一般来说，窗宽取得越大，估计的密度函数就越光滑，但偏度可能较大如果选的h太小，估计的密度曲线和样本拟合得很好，但可能很不光滑，一般选择的原则为使得均方误差最小为宜，理论最佳窗宽 其他方法如交叉验证法、直接插入法也能帮助选取窗宽。
（二）核密度估计结果
通过确定核函数和窗宽之后，就可以利用上面核密度估计函数形式，求出任何一个x（即股指收益率）所对应的密度函数值，从而可以对中美两市的总体分布性状作出分析，从而就可以得到不同带宽取值情况下，中美两市指数收益率密度函数曲线图（见图6）。
随着窗宽的增加，曲线光滑性越好，拟合度则越差，很明显，如何找到光滑性和偏差之间的契合点，是利用核估计方法对密度函数进行估计的一个重要的环节。下图为2012年沪深300股指期货的直方概率分布图，可以看出虽然整个分布的大致特征呈现出来，但对于具体的分布特性研究，直方图远远不够，相较而言核密度估计的表现则更为优越，收益率分布的尖峰厚尾性表现得更为突出，如图 7所示；
利用非参数核密度估计的核估计方法，不仅对收益率的密度进行了直接估计，而且还能根据密度函数还可以得到上证指数均值和方差等重要统计特性的估计值，非参数方法相对于传统的参数估计相对简单，且能直接从数据出发，寻找理想而匹配的密度函数，推导有关统计量的表达式可以适用于所有的样本数据。
七、结论及建议
由以上实证分析，本文可以得到以下结论和建议：
（一）S&P500指数的收益率要低于HS300股指收益率，但整体波动性相对较小，较HS300指数更为稳定。主要原因在于美国股票市场是一个比较成熟的市场，投资者对市场的认识比较理性，股票价格波动较小，股价围绕价值上下波动，市场上存在大量的机构投资者能够稳定市场。中国股市与美国股票市场相比，收益率波动较大，并且同期的股价波动率也大大高于美国股市，说明中国股市是一个不成熟的股票市场。
对中国股市做纵向分析，可以看出，收益率大幅升降的现象逐渐改变，波动率逐渐降低，与成熟的美国股市日趋接近，中国股市在发展过程中遇到过困难和波折，但是中国股市在逐步发展壮大，股市波动也由原来的大起大落，发展到今天的波动趋于稳定，波幅减小，因此，中国股市正在逐步走向成熟。
（二）中美两市股指收益率在长期内（2005-2013）并不服从正态性假定，具有一定的尖峰厚尾性。其中HS300股指期货的分布呈现无规则性，较S&P500分布更为杂乱。主要原因在于，我国证券市场发展较晚，并且有沪深两个证券交易市场，虽然目前已经有了沪深 300 指数，作为唯一的代表我国股票市场的统一指数，但该指数毕竟运行时间不长，所选样本是否有很好的代表性，这些都需要时间的检验。目前还没有能全方位整合沪深两个市场，代表我国股票市场的整体走势的综合指数。
然而，统一的股价指数是我国经济融入国际化、全球化进程，彰显国际影响力的显性标志统一的股价指数是综合反映一国经济发展未来的显性经济指标，是其他国家对该国经济发展判断的重要指标之一。一国的统一股价指数对世界的影响力如何，反映出该国在世界经济中的经济实力和地位。因此有必要进一步完善我国统一的股价指数体系，具体发展方向以综合指数为主，分类指数、成分指数为辅，建立一套完善、有效传递我国股票市场信息的指数体系，为世界投资者提供参考，加速我国资本市场国际化进程。
（三）中美股市呈现部分的趋同性。随着世界经济一体化的发展，信息传播速度越来越快，而股市将会对这些信息迅速做出反应。面对同一信息，在不考虑时差因素的前提下，中美股市将做出一致反映，同涨或同跌，进而使中美股市逐渐具有联动性。从长期来看，中国股市与美国股市在某些时期的走势出现相背离，没有保持同涨同跌的共同趋势。这点与简单相关系数分析的结果矛盾。可能的原因有：作为新兴的资本市场，中国股市虽然比以前已经大为开放，但是开放程度与发达国家相比还有很大距离；从基本统计的分析中可以看出，中国股市的收益率波动较大，而美国股市股价波动较小，股价围绕价值上下波动，这说明中国股市仍然是一个不太成熟的股票市场；国际资本的逐利性，资金快进快出炒作股市，使得股市与基本面因素脱钩。
（四）核密度估计函数相较传统参数估计方法更适合金融经济序列分布密度的研究，基于数据，不仅可以反映其分布函数，还能确定一阶矩、二阶矩等重要统计量的估计值。在一定层面，更精确地反映了沪深300股指期货指数的尖峰厚尾性。
参考文献：
[1]陈玮.中美股票市场联动关系研究[J].管理观察，2008（12）
[2]刘志超，任思量，李文婷.中国股市与世界主要股市的联动性研究[J].理论经纬，2010（4）
[3]潘文荣，刘纪显.QFII及QDII制度引入后的中美股市联动性研究[J].江西财经大学学报，2010（1）
[4]方建武，安宁.中美股市的联动性分析及预测[J].经济问题探索，2010（4）
[5]郑莉莉.关于中美股市变动关系的实证研究[J].金融经济
[6]韩非，肖辉.中美股市间的联动性分析[J].金融研究，2005（11）
[7]胡秋灵，刘伟.中美股市在次贷危机背景下的联动性考证[J].统计与决策，2009（22）
[8]张福，赵华，赵媛媛.中美股市协整关系的实证分析[J].统计与决策，2004（2）
[9]迈克尔·J·塞勒.金融研究方法论大全必备[M].清华大学出版社，2005（9）
[10] 王文磊，胡日东.中美股市波动的联动性的实证分析[J].莆田学院学报，2008（4）
关键词：股权分置改革；股票市场效率；卡尔曼滤波
中图分类号：F276.6 文献标识码：A 文章编号：1005－0892(2007)08－0074－05
中国A股市场的上市公司股份按能否在证券交易所上市交易被区分为流通股和非流通股，非流通股主要包括国家股和法人股，这种现象即为股权分置，它是我国A股市场自建立以来逐渐形成并一直悬而未决的特有问题。2004年9月，中国证监会主席尚福林指出：“股权分置对价格形成产生了重要影响，长期存在不仅不利于流通股东，对非流通股东也不利，会是一个双输的结局”。股权分置作为历史遗留的制度性缺陷，长期困扰着我国资本市场的发展，致使我国上市公司股权结构不合理的现象长期得不到改善，国有股权过度集中，社会资金资源得不到优化配置，经济效率低下。2005年4月底，中国证监会了《关于上市公司股权分置改革试点有关问题的通知》，宣布启动股权分置改革试点工作。截至2006年9月25日，已完成和正在股改公司数1169家，约占全部上市公司的87.04％。面对如此重大的资本市场改革，其成效问题自然是我们最关心的焦点。我们认为，由股权分置改革所带来的股权结构改善、股权流动性增强、公司治理的监督机制和激励机制得到强化等都是可以预料的。
目前关于股权分置改革的效应研究多局限于对价水平研究，以及基于事件分析法的市场分析，而从市场效率角度进行考察尚不多见。本文基于信息有效性(广义的市场有效性分为信息有效性和资源配置有效性)的检验方法，尝试从中国证券市场效率变化探求股权分置改革的成效。
一、文献回顾
有效市场假设EMH(Efficient Market Hypothesis)是1965年由法玛(Eugene Fama)提出的，其提出的市场有效性的定义为：证券价格对新的市场信息的反应是准确而迅速的，证券价格能够完全反映全部信息，市场竞争使证券价格从一个均衡水平过渡到另一个均衡水平，而与新信息相对应的价格变动是相互独立的。萨缪尔森(Samuleson)于1965年对市场的信息有效性和资源配置有效性做出区别，指出信息有效并不包含着资源配置一定有效。但市场信息有效性作为证券市场效率体系的基石，对其的研究和检验在很大程度上影响着人们对股票价格的波动机理和投资者预期变动的看法。一般认为，有效市场可以分为三种程度：弱式有效市场、半强式有效市场和强式有效市场。
弱式有效市场(Weak-form efficient market)假设认为，投资者基于以前的价格信息来进行交易将无法长期获得超额利润。该效率下的检验主要可分为随机游走模型检验和技术分析检验。在半强式有效市场(Semistrong-form efficient market)假设中，认为投资者运用公开可用信息来进行交易，也无法长期获得超额利润。该效率下的检验主要是运用事件分析法来进行。在强式有效市场(Strong-form efficient market)假设条件下，认为投资者运用所有公开和不公开可知信息来进行交易也不可能长期获得超额收益。检验方法为研究是否有投资者拥有与价格形成有关的内幕信息并依靠信息获取超额收益。如果存在这样的超额收益则市场没有达到强式有效市场。
在20世纪60年代至70年代，Alexander(1964)，Fama(1965)等对西方成熟证券市场进行了大量的实证研究，结果普遍支持弱式有效市场假设。对于半强式有效市场，Fama(1969)等人研究了股票分割对股价的影响；Scholes(1972)、Ball and Brown(1968)检验了宣告发放股利、认股权和年度报表等对股价的影响；Keownand Pinkerton(1951)研究了公司接管前后的收益率对信息的反应。对于强式有效市场假设的检验，Kim(1993)、Jensen(1990)等进行的实证研究发现，在考虑了交易成本，风险大小等市场摩擦因素之后，几乎没有投资者能够持续地超越市场的表现。
目前国内对股权分置改革的分析多倾向于对价水平、超额收益率分析，以及相关的法律政策分析，而基于市场效率角度的分析却没有得到重视。近年来关于中国股市有效性的研究也有不少，但对于中国股市是否呈现弱式有效性还没有达成共识：俞乔(1994)通过检验认为中国证券市场还没有达到弱式有效性。吴世农(1996)研究了沪深两市1992年至1993年20种股票的日收益率，发现20种股票的日收益率时间序列不存在显著的系统变动趋势。陈小悦(1997)采用1991年至1996年的52种股票和20种股票指数的日收盘价，运用随机游走模型及ADF检验，发现深市已达到弱型效率，沪市1993年后达到弱型效率。张亦春、周颖刚(2001)使用广义谱域分析，得出中国股市末达到弱式有效市场。马向前(2002)采用序列相关性检验和ADF检验分析1990～2000年数据得出1993年以后我国股市已达到十分低的弱式有效水平。
二、理论假设与模型
(一)理论假设
我们借助市场有效性理论来研究股权分置改革。研究的出发点是检验目前中国证券市场的有效性，特别是2005年一2006年的A股市场是否弱式有效是我们判断股改成功的基本前提。假设一：沪深两市市场效率均达到了弱式有效。
股权结构是公司治理结构的重要组成部分，股权结构及其流动性在相当程度上影响着公司控制权的配置与治理机制的运作方式，影响公司治理的绩效。因此，我们预计，股权分置改革后所带来的股权结构的改善势必在一定程度上改善上市公司的治理结构，改善监督机制、激励机制与市场规范程度，这都将推进证券市场效率的提升。假设二：股权分置改革过程中，证券市场效率会得到显著提升。
长久以来，“一股独大”的上市公司因股权分置所带来的系列问题困扰，其内部治理水平迟迟得不到提高，影响了证券市场的健康发展。因此，我们推断，以股权分置改革为契机，上市公司产权结构的优化及公司治理效率的提高将会大大提升行业的市场效率。假设三：国有份额处于主导地位行业的市场效率受股权分置改革影响相对较大。
(二)模型分析
1．随机游走模型检验
基于假设一，我们首先考虑市场弱式效率的检验方法。对市场弱式效率的检验主要可分为随机游走模型检验和技术分析检验。这里我们采用随机游走模型检验。虽然随机游走检验存在一定的缺陷，例如随机游走模型的偏离并不能代表市场是无效的，但对于市场效率的初步判断仍然有效。检验随机游走我们拟采用单位根检验、游程检验和序列相关检验方法。首先对样本数据进行单位根检验，以判断是否服从单位根过程。然后通过游程检验，可以对A股市场进行分年度分析，以突出股改前后的变化。最后，使用Ljung-Box Q统计量对样本数据进行序列相关检验，以进一步确定我国A股市场是否达到弱式效率。
(1)单位根检验
ADF检验是Dickey和Fuller于1979年、1980年对DF检验进行了扩展形成的，这是目前普遍使用的单整检验方法。在DF检验中，假设随机误差项εt为白噪声，既不存在自相关。但大多数经济时间序列是不能满足此项假设的。于是可以对DF检验进行扩展，在DF检验的右边扩展为包括Yt真的滞后变化项，形成扩展的DF检验。
方程如下：
其中：Yt=Yt-Yt-1，p=1,2,3，或者由实验确定。此时的单位根检验与DF检验相类似。首先对无约束回归方程用OLS进行估计，然后对有约束(零假设成立的条件下)的回归方程进行估计，最后计算出统计量值以检验约束条件是否成立。当Yt真通过了单整检验后，在对其差分Yt做DF检验，如果Yt通过了检验，则Yt至少为二阶单整，直到拒绝原假没，既不存在单位根为止。通过该检验，也确定了序列的单整阶数。
(2)游程检验
游程检验是一种非参数检验方法，使用游程检验可以不依赖于样本分布的类型。在弱式有效市场中，股票价格波动是符合随机游走特征的，因此其上升和下降的可能性是相等的，也就是说在收益率中正收益与负收益出现的可能性是相等的。由于零收益率未在序列中出现，我们根据Fama(1965)使用如下公式：
值；n1，n2分别为样本股价指数上升和下降的天数。σm为游程m的标准差。其中在0.05的显著性水平下，临界值Z=1.96。当IZ样本I＜Z时，我们认为样本是服从随机游走的。
(3)序列相关检验
我们可以用Ljung-Box Q统计量来检验序列相关。Q统计量的表达式为：
关系数，T为样本容量，p是设定的滞后阶数。原假设为序列不存在p阶自相关。如果Q-LB统计量在某一滞后阶数显著不为零，则说明序列存在某种程度上的序列相关。Q-LB统计量可以应用于扰动项序列高阶序列相关的检验，以及在方程中存在滞后应变量情况下的序列相关性检验。
2．卡尔曼滤波检验(Kalman filtel)
基于假设二和三，我们试运用卡尔曼滤波技术分析沪市A股指数和深综A股指数的演变过程。卡尔曼滤波技术属于时变系数的自回归模型，适合于动态有效性检验，可克服“波动集群”的异方差干扰，并可以动态描绘股市有效性的演进过程，尤其适合分析股改期间A股市场的效率变化。其次，基于卡尔曼滤波技术，还可以分析A股市场不同行业受到的股改冲击。
当一模型被表示成状态空间形式就可以对其应用一些重要的算法求解。这些算法的核心是卡尔曼滤波。卡尔曼滤波是在时刻t基于所有可得到的信息计算状态向量的最理想的递推过程。卡尔曼滤波的主要作用是：当扰动项和初始状态向量服从正态分布时，能够通过预测误差分解计算似然函数，从而可以对模型中的所有未知参数进行估计，并且当新的观测值一旦得到，就可以利用卡尔曼滤波连续的修正状态向量的估计。而卡尔曼滤波的优势体现在我们可以直观地看到股改影响的效果。
本文采用的离散型卡尔曼滤波方程组为：
其中式(1)是卡尔曼滤波方程组的量测方程，属于自回归模型；式(2)是状态方程。运用卡尔曼滤波技术我们可以估计出各项系数，当βit=0，则表明市场有效，而βit向0收敛的过程可以视为市场效率改善的过程。因此，我们运用此方法先分析整个市场的效率演变过程，以此来审视股改对市场效率的影响；然后我们再依此方法分析不同行业的效率变化和影响。
(三)样本数据的选取
市场效率分析数据以沪市A股与深综A股指数作为原始数据，并对所有指数进行对数处理，这样可以消除股价变动对股价水平的依赖关系。每日收益率兄以相邻两个交易日收盘价的对数一阶差分表示：Rt=LN(p/pt-1)。原始数据选取时间段取自2000年1月4日至2006年9月29日。数据均来自于wind数据库，数据处理我们分别使用了Eviews5.0、spss11和matlab7.0软件。
三、实证结果
(一)随机游走模型检验
1．单位根检验
首先，我们采用单位根检验方法检验沪深股市的有效性。结果可见表2。
由表2数据可见，股指序列(SH，SZ)在10％的显著性水平下仍然接受原假设，说明股价指数序列含有单位根，序列为非平稳序列。而收益率序列(SH’，SZ’)拒绝原假设，即股价指数的一阶差分序列是一个平稳序列，故上证A股与深综A股股指对数序列为I(1)序列。分阶段检验发现沪深A股指数序列仍然满足I(1)序列。
2．游程检验
其次，我们通过游程检验方法来检验沪深股市的有效性。结果见表3。
依据游程检验(表3)我们同样可以发现，上市A股对数收益率序列与深综A股对数收益率序列Z值绝对值均小于临界值(1.96)，可判断两序列均服从随机游走。在股改区间2005.5.9-2006.9.29，股价依然保持随机游走状态。
依据以上两种方法的检验，我们可以认定沪深A股已达到随机游走状态。
3．序列相关性检验
现我们通过uung-Box Q方法来进一步检验沪深股市的有效性。结果可见表4。
在全样本状态下(见表4)，以上各阶滞后的Q值除了深市一阶小于5％，其余都大于5％的置信区间，这说明深市A股对数收益率序列存在一阶自相关，没有满足随机游走模型假设，存在不符合弱式有效的可能性。在全样本分段检验后我们发现，沪深两市股改期间检验样本数据均不存在自相关，这说明深市市场自相关不持续显著，市场阶段性特征明显。因此依据之前所作的随机游走检验我们可以得出沪市A股已基本满足弱式有效，而深市市场效率不满足弱式有效，其效率低于沪市。
(二)卡尔曼滤波分析
1．沪深股指波动的整体分析
现我们再运用卡尔曼滤波方法来分析沪深股市股指变动的波幅，并依此来判断市场的有效性。
由图1、图2我们均可清晰地看出，深市A股的总体市场效率是要低于沪市，这与前人研究的检验结果相符。2002年以后沪深两市的自回归系数β的波动趋于平稳，市场效率基本保持稳定(见图2)。2005年5月9日股改开始的初期阶段(2005年5月9至同年9月27日)，两市的自回归系数β较以往均出现较大幅度波动，虽不剧烈但可间接反映市场初期对股权分制改革的疑虑态度。2005年9月29日投资者保护基金公司成立，自此以后券商破产后投资者的债权将有专门的基金予以偿付，这标志着中国证券市场投资者保护工作开启了新的一页，沪深两市的自回归系数β的波动再次趋于平稳。2006年4月28日，央行上调贷款利率0.27个百分点，两市自回归系数β再次大幅攀升，显然这应归因于央行上调贷款利率的冲击效应而非来自股权分置改革本身的直接影响。因此，我们认为股权分置改革对市场效率的改善作用在目前看来并没有得到全部释放，究其原因可能是，股权分置改革解决的是一个产权问题，在没有相关配套的政策出台前，其对证券市场体系的影响范围有限，我们可以从投资者保护基金公司的成立看到这一点；至于改善上市公司的治理结构、提升上市公司绩效以及完善市场的监督机制等良好愿望，其实现还有待于时间的考验。
2．行业股指分析和比较
现我们再运用卡尔曼滤波技术，进一步分析不同行业股改对市场效率的影响程度。样本使用的是证监会一级行业指数，共涵盖23个行业；考虑到金融业等一些行业的特殊性，我们只用了12个行业的行业指数进行分析，数据均来自于wind数据库。为了便于对比，我们仅选取了2004年11月1日至2006年9月29日的卡尔曼滤波图。分析结果可见图3．(图中的蓝色方块为股改起始日)。
由分析结果可以看到：(1)总体看来大部分行业其自回归系数β的波动均保持在上下(－0.1，0.15)的区间内，并且在股改前期都表现出相对剧烈的波动。(2)股权分置改革对于部分行业(建筑行业、社会服务、金属非金属、交运仓储、石油化工、信息技术)的市场效率有提升的作用，股权分置改革后，自回归系数β的波动趋于平稳且向零收敛。(3)国有份额处于主导地位的行业受股权分置改革影响明显更大，自回归系数β的波动较其他行业更加平稳、更趋近于零。
四、结论
本文通过采集实际数据，运用市场效率检验方法对股权分置改革过程中的市场效率进行了实证研究，并得到了以下结论：
1．沪深两市证券市场效率股改前后变化不大，深市市场效率低于沪市，沪市已达到弱式有效市场。
2．股权分置改革初期，基于先前国有股减持给投资者带来的阴影以及对价方案缺乏科学性和可行性，导致了投资者对市场未来预期的非理性。
3．股权分置改革对于部分行业的市场效率有提升的作用，股权分置改革后，自回归系数β的波动趋于平稳且向零收敛。国有份额处于主导地位的行业明显受股权分置改革影响更大，自回归系数β的波动较其他行业更加平稳、更趋近于零。
4．股权分置改革本身对证券市场整体影响的短期效应有限，股权分置改革仅仅是证券市场的一次产权结构变革或者是一种利益再分配的过程，在市场相关配套政策与法规尚未出台的状况下，股改的效率将仅反映在投资者的预期上。目前的中国证券市场依然表现出明显的“政策市”烙印。因此加快建立和完善上市公司的监管和激励机制，提升上市公司质量，完善并购、融资等相关法律法规乃是股改后市场管理者的当务之急。
5．证券市场监管的重点应该放在保护投资者利益上，大力健全和完善信息披露制度，提高监管规则和监管执行力，保证投资者获取信息的公平权利，重塑投资者信心。
摘 要 市盈率指标是投资分析中一个重要指标,在我国不断发展的证券市场中,投资者们对市盈率指标的使用普遍存在着一些认识上的误区。而且市盈率指标也存在一定能够的局限,本文对这些方面做了一些探讨,同时对相关指标配合使用的投资方法作了研究。
关键词 市盈率 证券市场 投资决策
我国证券市场在经历了十多年快速发展之后,证券投资规模和投资者都得到显著发展。科学准确的投资策略对投资者至关重要。市盈率是股票价格相对于公司每股收益的比值,用公式表示为:PE=P/EPS。其中,P为股票价格,EPS为公司每股收益。市盈率的数学意义表示每1元税后利润对应的股票价格;市盈率的经济意义为购买公司l元税后利润支付的价格,或者按市场价格购买公司股票回收投资需要的年份。市盈率指标常被用于衡量股票定价是否合理、判定股市泡沫的一个国际通行的重要指标。
一、市盈率在投资决策中的价值
市盈率估值法是进行股票投资价值分析的重要方法,股票市盈率的高低反映了股票投资相对成本的高低和上市公司的盈利状况,同样也体现了股票的投资风险。
1.市盈率是反映企业盈利能力的一个重要指标。投资者可以将本公司的市盈率指标与市场平均值、与同行业上市公司的市盈率进行比较来作出正确的投资决策。
2.市盈率的高低反映了投资者对股票价格的预期的大小。因股票价格是以市盈率为倍数的每殴收益。
3.市盈率是判断证券市场是否高估的基本指标。平均市盈率反映的是总体市盈率水平,一旦其水平过高,管理层就会给予调控,所以,市盈率是股市是否高估的杠杆,是衡量股市涨跌空间的一种有效手段。
二、“市盈率”在投资决策中的局限性
市盈率指标可以为投资决策提供一定的帮助,但这种作用不是万能的、绝对的。市盈率主要取决于两个因素:一是企业每股净收益;二是企业的股票价格。这两个财务指标的有效性直接决定了市盈率指标的有效性。市盈率在投资决策中的局限性主要体现在以下几方面:
1.每股净收益。每股净收益,是衡量上市公司盈利能力最重要的财务指标,它反映普通股的获利水平。首先,每股净收益是企业过去盈利能力的反映,并不能保证企业未来也能创造同样的利润。市场环境的变化、企业生产管理方式、经营策略的变化,都足以影响整个企业的利润水平。其次,许多上市公司出于各种目的,经常会采取种种手段来操纵公司的利润,如改变企业的折旧方法、削减用于抵销坏账的准备金等方式,来“创造”公司的利润。
2.股票价格。股票价格与投资者对未来预期的关联程度相当高。当投资者看好企业的未来时,他们就对企业的未来充满信任,他们就愿意为每1 元盈利多付买价;当他们不看好企业的未来时,他们就不愿意为每1 元多付买价,则股价就低。在每股净收益很小或亏损时,市价不会降到零,很高的市盈率此时往往不能说明任何问题。
3.不同行业公司的比较。使用市盈率不能用于不同行业公司的比较。充满扩展机会的新兴行业市盈率较高,而成熟工业的市盈率普遍较低,这并不能说明后者的股票没有投资价值。同时市盈率高低受净利润的影响,而净利润受可选择的会计政策的影响,从而使得公司间的比较受到限制。
三、准确使用市盈率指标方法
为了减少投资者的投资风险,在运用市盈率对股票进行估值时,应做到结合相关因素进行综合分析。
(一)静态市盈率与动态市盈率相结合
市盈率计算用到的每股税后利润是上一个会计年度的税后利润,因此,计算出来的市盈率是静态市盈率,它反映的是股票过去的投资价值,难以反映上市公司经营业绩的变化情况,用于指导个股投资时其局限性非常明显。股票的价值在于未来能为投资者带来多少收益,与静态市盈率相比而言,投资者更倾向于投资动态市盈率趋于下降的股票,动态市盈率分析法更有价值。动态市盈率=每股市价÷预测今年每股税后利润。对每股收益的预测,常用的方法是在最近半年或季度已公布的基础上进行全年盈利预测,如“当年中报每股收益乘以2”、“去年下半年每股收益加上今年中报每股收益”、“过去四个季度每股收益之和”等。
(二)市盈率与市现率相结合
在使用市盈率指标的同时,应结合考察与公司现金流量有关的市现率指标进行分析。市现率=每股市价/每股现金流量。市现率指标的投资意义是每股市价与每股现金流量之比的值越小,说明股票的收益质量较好。用市现率指标分析股票价值,主要是计算每股现金流量。每股现金流量是企业在一定时期发行的普通股每股获得的现金流量,其计算公式为:每股现金流量=经营净现金流量/流通的普通股股数。如果发行有优先股,应将经营净现金流量减去优先股股利后,再除以流通的普通股股数。
(三)每股收益与每股主营业务收益相结合
市盈率指标中的每股收益,以公司当年全部税后利润总额的每股摊薄计算。公司的总收益包括主营业务收益和非经常性收益。主营业务收益反映公司的整体盈利能力和收益水平,是公司收益的基础。公司的非经常性收益是指公司主营业务收益之外的其他收益,包括投资收益、补贴收益、营业外收益等。用市盈率法进行投资决策时,投资者还应注重分析每股收益中主营业务所占的比重。
四、总结
一般认为,我国股市市盈率过高,这是通过与处于不同发展阶段的成熟股市相比较而言的结论。投资者们面对已经很高的市盈率,股价仍然走高的股票,更是相当迷惑。然而我国股市市盈率过高的原因是多方面的,其中股价结构不合理,供求关系失衡、市场投机盛行等是主要原因。市盈率的回归尚且有待政府监管部门加大监管力度和投资者投资理念的理性发展。
参考文献:
[1]周星洁.市盈率估值模型的投资应用分析.温州职业技术学院学报.2005(5).
【关键词】马尔科夫链 转移概率 股票价格 价格预测
一、选题背景
股票市场是经济发展的“晴雨表”和“警报器”，它的作用一直受到政府和广大投资者的广泛关注。一方面，股票投资者希望更准确的掌握股价变化趋势，这样才能获得更多的利润并合理规避风险；另一方面，作为一个宏观调控者，国家也需要了解股票价格走向，对国家的经济建设具有重大意义。综上，对股票价格市场的研究及预测是有着其理论意义和广阔的应用前景的。
我国的第一支股票于1985年发行，现在已经有沪、深两大交易所，上百家证券公司，3000多个证券营业部，7000多万证券投资者。随着科技的不断进步，计算机和网络技术在股票市场上越来越得以应用，更加促进了股票市场的发展。但进入21世纪后，中国股市几乎一直处于危机的状态。而随着时代不断向前发展，危机也在逐步扩散和加深，进而成为由多种因素形成的复合危机。长久以来，我国股市制度缺陷被忽视，使得市场里的消极的因素不断积聚，最后演变成今天较为严重的危机。
股票是市场经济不断发展的产物，并通过发行与交易反过来促使市场经济向前发展。由于股票市场行情受多方面的影响，规律复杂，同时投资者的结构有着其特殊性，不同类型的投资者个人心理状态不尽相同，产生不同的股票交易行为，从而引起股价波动，难以掌控。
股票市场价格波动，股市才能运行。分析影响股r的因素，不仅可以为投资者提供依据，还可以对股票市场进行把握以促进其发展。由于国家经济正快速向前发展，股民人数也在逐年攀升，股票价格预测的需求也更加迫切了。所谓预测，就是要用历史的数据挖掘信息，来估计未来的情况，做下一步打算，这便是模糊数据所要完成的工作。而马尔科夫链模型模糊数学中应用较为广泛的一个方法。
二、马尔科夫法
（一）马尔科夫链
马尔科夫链，是数学领域中具有马尔科夫性质的离散时间随机过程。该过程中，在给定当前指示或信息的情况下，过去（即现在时期以前的历史状态）对与预测将来（即现在时期以后的状态）是无关的。如果n个连续变动事物在变动过程中，其中任一次变动的结果都具有无后效性，那么，这n个连续变动事物的集合就叫做马尔科夫链，这类事物演变的过程称为马尔科夫过程。
（二）马尔科夫模型
公式为Sk+1=Sk・P，其中Sk是预测对象在t=k时刻的状态向量；P为为一步转移概率矩阵；Sk+1是预测的结果。
S（k+1）=S（0）・Pk+1=S（k）・■
（三）状态转移概率
客观事物可能有E1，E2，…，En共n种状态，其每次只能处于一种状态，则每一状态都具有n个转向（包括转向自身），将转移的可能性用概率表述，就是状态转移概率。
三、实际应用
（一）马氏性检验
根据沪、深两地股市的统计资料，把股票价格划分为n个区间。先用χ2统计量来检验Xt，结果表明：不仅单支股票价格变化序列具有马氏性，整个证券市场的综合价格、股票的投资收益率时间序列也都具备马氏性。因此，我们可以利用马氏链的方法对股票价格变动进行分析。
（二）实例分析
现以紫光国芯的股价时间序列为例，应用马尔科夫链对股价分别进行短期和长期预测。
表1 紫光国芯（2015年5月10日-6月20日27个交易日的收盘价格资料）
■
将这27个收盘价格划分为四个区间，得到区间状态为：1（35.69及以下），2（35.69～38.59），3（38.59～41.49），4（41.49以上），频数分别为13，1，3，10。从而得到这27个交易日的收盘价格状态转移情况。
算出各状态之间的转移概率和转移概率矩阵，可知，第27个交易日的收盘价格是44.4（即为状态4区间），所以初始概率向量P（0）=（0，0，0，1）。第28，29日的收盘价格绝对概率向量分别为P（1）=P（0）P1=（0，0，0.111，0.889）P（2）=P（1）P1=（0，0.037，0.136，0.827）
即预测这两日的收盘价格处于状态4区间的概率最大，与实际情况43.67和43.79一致。
当n足够大时，股价所处区间将稳定下来。由马尔科夫链性质和遍历性条件可联立线性方程组，解得的数值为较长时间后的平稳分布。参考历史资料可以看到上面计算出价格状态区间是准确的。有了这些运算结果我们就能合理安排购买股票，争取最大的期望收益。
综合上面的分析可以发现，马尔科夫链模型可以对股票价格进行有效地预测，对于广大股民购买股票有一定的借鉴意义。最后，希望通过本文的研究，能使投资者擦亮双眼，进行科学合理的投资。
参考文献
关键词欧洲债务危机中国股票市场传染效应
引言
2009年12月全球三大信用评级机构惠誉、标普、穆迪相继调低希腊信用评级，揭开了希腊债务危机的序幕，进而引发重挫欧洲经济，甚至威胁欧元区生存的欧洲债务危机（简称欧债危机）。以欧元区国家为主体的欧盟是中国最大的出口目的地，也是中国进口先进技术的最大来源地，欧盟经济与中国经济有千丝万缕的联系。欧债危机爆发后，中国股票市场行情低迷不振，持续走软。这引起了理论界和实务部门的高度关注。本文通过建立时变Copula模型，选取2009年12月至2012年3月的样本数据，实证检验欧债危机对中国股票市场的传染效应，目的是为相关决策提供借鉴和依据。
文献综述
在Pericoli and SbraciaPericoli， M.， Sbracia， M.，“A Primer on Financial Contagion，” Journal of Economic Surveys， 2003， Vol. 17， No.4， pp.571-608.看来，金融危机传染效应的主要含义是：当一国或一个地区发生金融危机时，该国或该地区的金融市场与其他国或地区金融市场之间的互动明显增强；或是对于单个金融市场的冲击，可以通过多种渠道传递到其他金融市场。DeBandtOlivier de B.， Philipp H.，“Systemic risk： a survey，” Working Paper Series 35， 2000， European Central Bank.指出，传染效应可以通过多种渠道产生，如金融机构之间的债务关联或金融工具之间的技术相关都可能导致传染。Rochet and TiroleRochet， J.C.， Tirole， J.，“Interbank Lending and Systemic Risk，” Journal of Money，Credit， and Banking， 1996， Vol. 28， No.4，pp.733-762.认为，银行间的借贷和交易将一个金融机构出现的偿付问题传染到其他金融机构。Allen and GaleAllen， F.， Gale， D.，“Financial Contagion，” Journal of Political Economy， 2000， Vol. 108， No.1，pp.1-33.指出，流动性偏好冲击通过银行间金融工具可以从一个局部传染到整个经济体。除此之外，市场参与者的预期变化及其引发的投资行为改变也可能导致传染效应。GrossmanGrossman， S.，“On the Efficiency of Competitive Stock Markets Where Trades Have Diverse Information，” The Journal of Finance， 1976， Vol. 31，No.2， pp.573-585.的研究发现，信息首先会引发个别证券市场上的金融资产价格调整，如果市场参与者具有理性预期，那么与该证券市场相关的所有其他证券市场上的金融资产价格也会出现相应调整，信息与传播会使风险在证券市场之间传染。Kodres and PritskerKodres， L.E.， Pritsker， M.，“A Rational Expectations Model of Financial Contagion，” The Journal of Finance， 2002， Vol. 57， No.2，pp.769-799.建立包括“噪音”的理性预期模型，研究市场之间的传染效应，发现在信息不对称或金融市场之间具有共同宏观经济风险因子的情形下，传染效应尤其显著。同时，他认为一个金融市场遭遇的随机冲击也会通过资产组合调整传染到其他金融市场。
在传染效应的实证研究中，最具代表性的研究方法是分析不同证券市场在收益率上的相关性。King and WadhwaniKing， M.， Wadhwani， S.，“Transmission of Volatility between Stock Markets，” Review ofFinancial Studies， 1990， Vol. 3， No.1，pp.5-35.最早使用资产收益率之间的相关系数（correlation coefficients）检验股票市场之间的传染效应。他们对美、英、日三国在1987年10月股灾前后的股票收益率之间的相关系数进行检验，发现股市暴跌后一段时间内，三国股票收益率之间的相关系数明显增加，存在传染效应。Baig and GoldfajnBaig， T.， Goldfajn， I.，“Financial Market Contagion in the Asian Crisis，” International Monetary Fund， 1998.对1997年亚洲金融危机期间的股票指数、汇率和利率等变量进行分析，发现危机期间股票市场、外汇市场、债券市场之间的相关系数均显著增加。Chiang等Chiang， T.C.， Jeon， B.N.， Li， H.，“Dynamic Correlation Analysis of Financial Contagion： Evidence from Asian Markets，” Journal of International Money and Finance， 2007， Vol. 26， No. 7， pp.1206-1228.建立动态条件相关模型（Dynamic Conditional Correlation）对1990—2003年亚洲9个国家的股票指数收益率进行实证检验，发现亚洲金融危机对9个亚洲国家股票市场存在传染效应。RodriguezRodriguez， J.C.，“Measuring Financial Contagion： A Copula Approach，” Journal of Empirical Finance， 2007， Vol. 14， No.3， pp.401-423.首次用Copula模型实证检验了亚洲金融危机期间亚洲5个国家股票指数、墨西哥金融危机期间拉美4个国家股票指数之间的相关性，证实金融危机对这些股票市场存在传染效应。
国外文献侧重研究亚洲金融危机、拉美金融危机对股票市场的传染效应，基本不涉及金融危机对中国股票市场的传染效应。近几年来，国内文献多集中于研究2008年国际金融危机对中国股票市场的传染效应，而研究欧债危机对中国股票市场传染效应的文献十分少见。龚朴、黄荣兵龚朴、黄荣兵：《次贷危机对中国股市影响的实证分析——基于中美股市的联动性分析》，载《管理评论》2009年第2期。运用时变Copula模型对2005年1月至2008年10月中美股市的相关性进行实证检验，认为美国次贷危机对中国股票市场的影响并不大。游家兴和郑挺国游家兴、郑挺国：《中国与世界金融市场从分割走向整合——基于DCC-MGARCH模型的检验》，载《数量经济技术经济研究》2009年第12期。采用非对称MGARCH模型和Engle提出的动态条件相关模型，对中国、美国、德国、英国、法国、日本、新加坡和中国香港股票市场的联动性进行实证分析，发现中国股票市场与这些股票市场的联动性越来越强。张兵等（2010）张兵、范致镇、李心丹：《中美股票市场的联动性研究》，载《经济研究》2010年第11期。用GARCHDCC模型分析了中美两国股市的波动溢出效应，发现在2008年9月美国次贷危机爆发后两国股票市场之间的时变相关系数稳定在0.5以上。蒋彧和裴平（2012）蒋彧、裴平：《中国与美国股票市场动态相关性》，载《经济管理》2012年第3期。运用时变Copula模型对2007—2010年间美国股票市场与中国股票市场的动态相关性进行实证检验，发现在金融危机期间美国股票市场对中国股票市场的影响具有动态变化的特征。周舟等（2012）周舟、董坤、汪寿阳：《基于欧洲债务危机背景下的金融传染分析》，载《管理评论》2012年第2期。运用向量自回归方法（VAR）和时变多元 GARCH 模型对欧洲股票市场与中国股票市场之间的相关性进行研究，认为欧债危机蔓延期间欧洲股票市场与中国股票市场之间具有一定的联动性。
国内外文献为本文所做的研究提供了有益的借鉴。为改进和深化已有的相关研究，促进中国股票市场的健康发展，本文通过构建时变Copula模型，选取2009年12月（希腊债务危机爆发）至2012年3月的样本数据，实证检验欧债危机对中国股票市场的传染效应。
理论模型构建
根据金融危机传染的理论，与欧债危机相关的信息冲击会引起欧洲股票市场的资产价格调整，在金融全球化的背景下，进而会影响中国股票市场的资产价格。因此，欧债危机对中国股票市场的传染效应可表现为危机爆发后欧洲股票市场与中国股票市场之间的相关性变化。由于两地存在时差，欧洲股票市场收市时间为当日北京时间晚上11点。在通常情况下，有关欧债危机的信息冲击会先到达欧洲股票市场，再传染到次日的中国股票市场。因此，传染效应表现为当日欧洲股票市场与次日中国股票市场之间相关性的变化。
欧债危机自2009年12月在希腊首先爆发，至今阴霾不散，具有持续时间长、涉及国家广、信息冲击来源复杂等特征，而且整个危机爆发与蔓延的过程呈现出明显的阶段性。经过比较，本文认为，由PattonPatton， A.J.，“Estimation of Multivariate Models for Time Series of Possibly Different Length，” Journal of Applied Econometrics， 2006，No.21.提出的时变Copula模型可以捕捉变量之间的非对称和非线性关系，能够更精确地描述相关性变化的动态过程。因此，本文选择时变Copula相关性模型，实证检验欧债危机对中国股票市场的传染效应，特别是解析欧洲股票市场收益率与中国股票市场收益率之间的相关性随欧债危机发展而变化的过程。
实证检验
（一） 样本选择与说明
本文选取欧洲股票市场上最具有代表性的三个股票指数，即英国FTSE 100指数、德国DAX指数和法国CAC 40指数具有代表性股票指数选择来自http：///intlindices？e=europe。，并以它们的收益率代表欧洲股票市场的收益率。同时，考虑到美国股票市场具有全球性影响，本文还选取美国股票市场上具有代表性的S&P 500指数，并以它的收益率代表美国股票市场的收益率，作为研究中的参照。
本文还选取中国股票市场最具有代表性的沪深300指数。沪深300指数是由上海证券交易所和深圳证券交易所联合的反映A股市场整体走势的指数，它覆盖了中国A股市场约70%左右的市值。因此，沪深300指数的收益率可较好地代表中国股票市场的收益率。
欧美两地与中国存在时差。欧洲股票市场收市时间为当日北京时间晚上11点，美国股票市场收市时间为次日北京时间清晨4点，通常情况下信息冲击先到达欧美股票市场，再传染到中国股票市场。鉴于此，本文研究欧债危机爆发后当日欧洲股票指数收益率与次日中国股票指数收益率之间的时变相关性变化，并以当日美国股票指数收益率与次日中国股票指数收益率之间的时变相关性变化作为参照。因为欧债危机始于2009年12月初爆发的希腊债务危机，所以选择欧美股票指数的样本区间为2009年11月30日到2012年3月30日，次日中国股票指数的样本区间为2009年12月1日到2012年3月31日，并以每日收盘价为样本数据。
在相关研究中，通常使用指数对数收益率作为股票指数收益率的替代变量，它具有消除时间序列不平稳性和无下界的优点。本文也使用股票指数对数收益率表示股票指数收益率，根据英国FTSE100指数、德国DAX指数、法国CAC40指数、美国S&P 500指数和中国沪深300指数，分别计算它们的对数收益率。同时，考虑到各国股票市场的假期安排不尽相同，经过筛选后，共得到533组有效样本数据。
（二） 样本数据统计特征
表1给出英国、德国、法国、美国和中国股票指数收益率的基本统计量。其中，JarqueBeta是股票指数收益率序列的正态性检验统计量；LB（20）是滞后至20阶的自相关检验统计量，用于判定股票指数收益率序列是否存在自相关；ARCH（20）是滞后至20阶的异方差检验统计量，用于判断股票指数收益率序列是否存在异方差效应。
结论
