中国股票市场“周内效应”的再检验

2015-01-31张晓鸽张二梅师应来

郑州航空工业管理学院学报 2015年2期

关键词：股票市场方差残差

张晓鸽，张二梅，师应来

(中南财经政法大学统计与数学学院，湖北武汉 430073)

中国股票市场“周内效应”的再检验

张晓鸽，张二梅，师应来

(中南财经政法大学统计与数学学院，湖北武汉 430073)

通过对深证成指与上证综指2005年9月5日至2014年12月5日的日平均收益率进行带虚拟变量的最小二乘回归，并以2010年4月16日股指期货的推出为间断点，将样本分为两个阶段，结合AR模型与GARCH(1,1)模型，得出如下结论：深沪两市的股票收益率存在一定的正相关性，股票平均收益率的波动率在两个阶段都是在周一达到最大。不同的是，在第一阶段，深沪两市都存在显著为正的周一效应与周三效应；在第二阶段，深沪两市都存在显著为负的周四效应与显著为正的周五效应。但是，反应波动持续性的指标在第二阶段有所降低。总的来说中国股票市场尚未达到弱势有效。

周内效应；虚拟变量；最小二乘回归；AR模型；GARCH模型；股票市场；中国

股票市场是宏观经济的“晴雨表”，能够提前反映宏观经济的变化。有效市场假说是股票市场的重要的理论基础，近些年越来越多的学者对股票市场的有效性进行研究。所谓股票市场的有效性是指任何与股票有关的信息都能够及时地反映到股票的价格上，任何技术分析和信息的获得都无法使投资者获取超额收益。然而，近些年来的一些研究都表明中国的股票市场存在着不同程度的“周内效应”，即收益率在一周之内的差异性存在着某种规律，投资者可以根据收益率的差异规律，选择合适的投资时机，从而赚取投资收益，这些都违背了市场有效性假说，并且与CAPM模型和APT模型相矛盾，成为股票市场长期存在并且难以控制的异象。因此，有必要对中国股票市场的有效性进行研究，这样可以更加合理地评判股票市场的有效性和建立更为现实的资产定价模型，可以实现资源的有效配置，可以指导证券市场的监管和帮助投资者制定更为精确的投资策略。

一、文献综述

目前对证券市场有效性的研究主要集中在对周内效应、月份效应、节假日效应的检验：周内效应是指证券市场一周之内各交易日的平均收益率存在差异；月份效应是指大多数的证券市场中存在的某个或某些特定月份的收益率年复一年显著地异于其他各月平均收益的现象；节假日效应是指全球节日对股票市场波动性的影响。对这些效应的研究具体如下。

(一)对周内效应的检验

何诚颖、王占海、张帅以SV模型为基础，采用MCMC技术，对上证综指与恒生指数进行研究，得出A股市场在发展的不同时期，都存在显著的星期一效应与星期五效应。[1]韩国文、刘安坤利用1995年5月5日到2009年7月27日沪深两市的股票价格作为样本，利用GARCH(1,1)、GARCH(1,1)-M和EGARCH(1,1)模型，并以1996年的涨跌停板制度进行分段处理，得出了中国股票市场在相应的样本区间存在显著的周内效应，但在不同区间周内效应的分布不尽相同。[2]陈敬玉、刘硕、黄雅婷基于带虚拟变量的AR-GARCH模型对沪市行业指数研究得出，上证工业、商业和房地产业的收益率波动均表现出显著的周一增强作用，工商行业波动率存在显著的周四负效应。[3]殷双建以沪深300股指期货的收盘价、成交量、持仓量为基础，利用AR-GARCH模型并引入虚拟变量得出沪深300股指期货的收益率在周一具有显著的负效应。[4]王倩茹基于上证综合指数2006～2010年的数据，利用非对称的E-GARCH模型进行研究发现，沪市存在显著的正的周一效应与周三效应。[5]朱喜安、马兴祥利用带解释变量的杠杆SV模型对2010年4月16至2012年2月17日的上证综指进行研究表明，在样本区间内上证综指的收益率存在周一、周二、周五效应。[6]

(二)对月份效应的研究

沈冰、廖杰、余涵利用GARCH模型对中国沪深两市1991～2012的股票日收益率进行研究，并以中国股权分置改革为分段点，得出在第一阶段由于中国证券市场的市场化水平低，沪市和深市均存在多月份效应；在第二阶段，沪深两市都存在年关效应和二月效应，其中沪市还存在四月效应，深市还存在二月效应。[7]张颖以2000～2012年9月的上证综合指数每日收益率作为样本数据，运用虚拟变量对中国股市的一月效应进行检验，得出上证综合指数的一月效应不是很显著。[8]奉立城利用1992～1998年沪深两市的日收盘价数据研究得出，两市都存在月初效应，即上一个月的最后一个交易日到本月第六个交易日期间的收益率都远高于其他交易日的日平均收益率。[9]

(三)对节假日效应的研究

冯晓梅选用上证工业、商业、地产业、公用事业、综合指数共五大类股指的低频与高频交易数据，对2008年调整之后的节假日效应进行研究发现，我国股票市场存在节日效应，而且上证商业与上证公用事业指数假日效应尤其明显。[10]李超以1995年12月17日至2011年4月10日上海证券交易所的股票收益率为研究对象，使用Friedman检验、虚拟变量回归模型、ARMA模型验证了节日效应的存在性和具体影响。[11]严太华、齐颂超采用上证综指和深证成指收益率数据，运用加权最小二乘法研究表明我国股市存在显著的并非由周内效应引起的节日效应。[12]张宗益、刘兰以上证行业板块股指为研究对象，利用ARMA-GARCH-GED模型对上证五大板块的股指收益率进行研究发现，节日效应在五大板块存在显著的差异，除房地产行业板块外，工业、商业、公共事业、综合类板块均存在节前效应，节后效应仅存在于工业和公用事业板块。[13]

二、数据和模型的选择

(一)数据的选择

本文使用的数据为上证综合指数和深证成分指数的日收盘价，数据全部来自国泰安数据库，数据范围为2005年9月5日到2014年12月5日。由于2010年4月16日股指期货的推出使中国A股市场结束了20年单边做多的时代，开启了中国资本市场历史的新纪元，因此，本文以2010年4月16日股指期货的推出为间断点，将股权分置改革后中国股市的发展按时间顺序划分为两个时间段，分别进行研究。为便于表述，将2005年9月5日至2010年4月15日的样本称为第一阶段，将2010年4月16至2014年12月5日的样本称为第二阶段。以上证指数和深证成指每日的收盘价为基础，计算出每日的收益率，收益率采用(1)式计算方法：

(1)

其中，pt为股票在t日的收盘价，pt-1为股票在(t-1)日的收盘价。另外，由于收益率数据较小，故下文在实证分析中都将收益率乘以100来处理。

(二)模型的选择

本文首先对平均收益率进行含虚拟变量的最小二乘回归，然后检验残差项是否存在自相关和异方差。如果存在自相关，就利用AR模型将因变量的滞后项纳入方程进行拟合以消除自相关；如果存在异方差，就利用ARCH模型或者GARCH模型进行拟合以消除异方差现象。具体模型如下：

1．含虚拟变量的最小二乘回归模型

最小二乘虚拟变量回归模型具体如式(2)所示：

Rt=∑α1Dit+ut

(2)

其中，Rt为上证综合指数或者深证成分股指数依据式(1)计算的每日的收益率，Dit为关于星期i的虚拟变量，例如当观察到的收益率为星期一的收益率时，i=1，Dit=1，否则，Dit=0。参数αi分别代表每周各天的平均收益率，如果αi显著地不等于零，那么就可以认为平均收益率存在显著的周内效应。

2．AR(p)模型

当最小二乘回归产生的残差存在自相关时，就可以引入因变量的滞后项来消除自相关现象。AR(p)具体形式如下式(3)：

xt=φ1xt-1+φ2xt-2+…+φpxt-p+ut

(3)

3．ARCH模型与GARCH模型

在实证研究中，金融时间序列日数据通常存在异方差问题，使回归结果难以评价，由Engle提出的自回归条件异方差模型(ARCH)具有较好地处理时变方差和尖峰厚尾的能力，被广泛地应用于各种经济类时间序列数据的分析中。

ARCH(p)模型的主要思想是扰动项的条件方差依赖于它的前期值ut-1的大小。具体地说，在存在k个自变量时，模型如下：

yt=γ0+γ1x1t+γ2x2t+γkxkt

(4)

(5)

其中，(4)式为均值方程，(5)式为条件方差方程，则称ut服从P阶自回归条件异方差方程。

当参数p很大时，ARCH(p)模型就很难精确地估计，且不能保证α0,α1,α2,…,αp同时大于零，同时会提高波动率，所以应采用广义自回归条件异方差模型消除异方差，一般最常见的是GARCH(1,1)模型，具体如下：

yt=γ0+γ1x1t+L+γkxkt+utLLLLL

(6)

σt2=α0+α1ut-12+β1σt-12LLLLLL

(7)

三、中国股市“周内效应”实证分析

(一)第一阶段“周内效应”实证分析

1．描述性统计分析

表1给出了2005年9月5日股权分置改革后到2010年4月15日股指期货推出前深证成分指数和上海综合指数日收益的基本情况。从表1可以看出，在第一阶段，深沪两市周一的日平均收益率都为正，且都为一周五天中的最高值；周二的日平均收益率都为负，且都为一周五天中的最低值。用于度量股票收益率波动性的指标(标准差)均在周一那天最大，分别为2.6565%和2.4678%，这表明中国股市在周一的波动性最大。两市日收益率的最低值均发生在周二，分别为-9.2899%和-8.8406%，但两市日最高收益率却不出现在同一日，深圳证券交易所股票日收益率的最高值发生在周四，为9.5943%。上海证券交易所股票日收益率的最高值发生在周五，为9.4551%。从两市股票收益率序列的偏度、峰度和JB统计量数据来看，两市股票日收益率均服从尖峰、厚尾的非正态分布。