武金存，封文麗，張躍輝

應(yīng)用齊次馬氏域變對(duì)上海股市異常收益率的實(shí)證檢驗(yàn)

武金存，封文麗，張躍輝

（河北經(jīng)貿(mào)大學(xué)金融學(xué)院，河北 石家莊 050061）

通過(guò)在收益率結(jié)構(gòu)中使用齊次馬氏域變模型研究異常收益率，描述以1996年10月到2010年2月的上證指數(shù)為研究對(duì)象的非線(xiàn)性動(dòng)態(tài)異常收益率演進(jìn)過(guò)程，并利用Johansen協(xié)整檢驗(yàn)方法剔除其理性?xún)r(jià)值（即正常收益率），進(jìn)而基于齊次馬氏域變模型針對(duì)協(xié)整殘差（即異常收益率）進(jìn)行建模，用極大似然法擬合估計(jì)總體參數(shù)。最后根據(jù)實(shí)證結(jié)果，指出股市的宏觀經(jīng)濟(jì)政策因素是影響我國(guó)股市異常收益率現(xiàn)象的主要原因，并提出相應(yīng)的政策建議。

異常收益率；Johansen協(xié)整檢驗(yàn)；齊次馬氏域變模型

0 引言

異常收益率是實(shí)際收益率與正常收益率之差。能否獲得異常收益率是驗(yàn)證金融市場(chǎng)有效性的方法之一。在長(zhǎng)期異常收益率的度量中，重點(diǎn)是如何測(cè)度正常收益率。但目前仍沒(méi)有可靠的實(shí)證結(jié)論支持資產(chǎn)定價(jià)模型，所以國(guó)內(nèi)外對(duì)長(zhǎng)期異常收益率度量的研究一直存在爭(zhēng)議。本文采用學(xué)術(shù)界一貫的研究方法，將長(zhǎng)期異常收益率的度量分為兩類(lèi)。一類(lèi)為橫截面研究法（事件時(shí)間研究法），即累計(jì)異常收益率（Cumulative Abnormal Returns，CAR）和購(gòu)買(mǎi)并持有異常收益率（Buying and Holding Abnormal Returns，BHAR）；另一類(lèi)為時(shí)間序列研究法（日歷時(shí)間研究法），基本研究思路是：通過(guò)計(jì)算在一段時(shí)間內(nèi)股票組合的平均收益(基于日歷時(shí)間)并與基準(zhǔn)收益進(jìn)行對(duì)比。一般方法是先把每個(gè)日歷月的平均收益通過(guò)Fama-French或CAPM模型進(jìn)行回歸，之后把考察橫截距項(xiàng)（Intercept）顯著與否作為判斷弱于還是強(qiáng)于基準(zhǔn)收益的標(biāo)準(zhǔn)。兩種研究方法的不同之處是，前者不論月份之間事件發(fā)生頻度和其他差異而賦予月份等權(quán)，后者不論事件發(fā)生的時(shí)間而將事件賦予等權(quán)。

然而時(shí)間序列研究法的常用方法不能連續(xù)動(dòng)態(tài)地模擬異常收益率的變化。本質(zhì)上，具有此類(lèi)特征的序列，其生成過(guò)程是非線(xiàn)性的。AR(p)以及ARMA(p，q)和標(biāo)準(zhǔn)協(xié)整模型在樣本期內(nèi)假定分析對(duì)象有不變的均值、方差和持續(xù)性，不足以刻畫(huà)股市收益內(nèi)生的結(jié)構(gòu)變化而產(chǎn)生的非線(xiàn)性特征。1982年，Engle提出ARCH模型描述收益波動(dòng)隨收益率水平變化的非線(xiàn)性行為，但盡管經(jīng)過(guò)不斷的完善，都沒(méi)有改變均值方程是線(xiàn)性這個(gè)性質(zhì)，因此其本質(zhì)上仍是線(xiàn)性模型[1。 ]

由于以上的不足，本文提出用改進(jìn)的Hamilton（1989）的馬爾可夫時(shí)域轉(zhuǎn)換模型研究異常收益率。經(jīng)濟(jì)時(shí)間序列所處狀態(tài)的變化會(huì)引起相應(yīng)參數(shù)的變化，并且狀態(tài)之間的變化服從不可觀測(cè)的離散時(shí)間，被稱(chēng)為“時(shí)域轉(zhuǎn)換（regime switch）”。對(duì)于正常的經(jīng)濟(jì)力量和非正常事件導(dǎo)致的收益率變動(dòng)，通過(guò)馬爾可夫域變模型均可得到反映。中國(guó)股市正處于不斷深化的成長(zhǎng)期，選用該模型是比較合適的。本文基于一個(gè)改進(jìn)的馬氏域變模型，描述以上證指數(shù)為研究對(duì)象的非線(xiàn)性動(dòng)態(tài)的異常收益率演進(jìn)過(guò)程，在單位根檢驗(yàn)和Johansen協(xié)整檢驗(yàn)方法的基礎(chǔ)上，用協(xié)整將正常收益率剔除，進(jìn)而針對(duì)協(xié)整殘差建模，并根據(jù)理論模型引入對(duì)收益率具有決定性影響的宏觀經(jīng)濟(jì)變量，對(duì)我國(guó)股票市場(chǎng)是否存在異常收益率現(xiàn)象進(jìn)行實(shí)證研究，并分析促使我國(guó)股票市場(chǎng)異常收益率發(fā)生變化的原因。

1 理論模型

根據(jù)Robert E Lucas（1978）模型[2]和消費(fèi)的跨時(shí)Euler條件的觀點(diǎn)：假設(shè)商品完全由不同的生產(chǎn)單位生產(chǎn)；生產(chǎn)過(guò)程外生于模型，完全由狀態(tài)決定；產(chǎn)量服從馬爾可夫過(guò)程。這些生產(chǎn)單位的所有權(quán)由競(jìng)爭(zhēng)性股票市場(chǎng)決定。每個(gè)企業(yè)會(huì)發(fā)行一單位股票，這張股票是可以無(wú)限分割的，其紅利就是產(chǎn)出的市場(chǎng)價(jià)值，是由外生馬爾可夫過(guò)程決定的外生變量。股票在發(fā)放紅利以后可在市場(chǎng)上進(jìn)行交易。

一項(xiàng)資產(chǎn)的異常收益率是該資產(chǎn)的實(shí)際收益率與正常的投資收益率（指投資處于一種長(zhǎng)期穩(wěn)態(tài)時(shí)的均值，是由宏觀經(jīng)濟(jì)變量所決定的收益率理性的部分）之差，異常收益率和對(duì)數(shù)異常收益率為

其中R0t和r0t分別是該參考資產(chǎn)的正常收益率和對(duì)數(shù)正常收益率。

在所建立的模型框架中，數(shù)據(jù)生成過(guò)程在兩個(gè)狀態(tài)間轉(zhuǎn)換，而從一個(gè)狀態(tài)到另一個(gè)狀態(tài)的過(guò)程動(dòng)態(tài)行為可以有很大的不同。進(jìn)一步假設(shè)該過(guò)程受到兩狀態(tài)馬爾可夫過(guò)程決定的離散轉(zhuǎn)換的影響。觀測(cè)到的時(shí)間序列zt來(lái)自?xún)蓚€(gè)不同的狀態(tài)；St是潛在的隨機(jī)變量，是一個(gè)未觀測(cè)到的狀態(tài)變量；t取離散值0，1，2，…；St取值為1，2，決定zt所處的不同的時(shí)域狀態(tài)。為了便于討論股市收益率狀態(tài)，將股市的狀態(tài)劃分為無(wú)異常收益率狀態(tài)Ⅰ和有異常收益率狀態(tài)Ⅱ。設(shè)定St=1處于無(wú)異常收益率狀態(tài)；St=2表示處于有異常收益率狀態(tài)；抽取出來(lái)的均值和方差都是當(dāng)時(shí)所處狀態(tài)的函數(shù)；ztSt～N(μst,Ωst)，其中μst=(μ1, μ2)分別為zt在Ⅰ和Ⅱ時(shí)的均值，Ωst=(σ1, σ2)為狀態(tài)依賴(lài)的標(biāo)準(zhǔn)差。利用“Hamilton過(guò)濾器”， 它服從一階馬爾可夫過(guò)程：

p11為當(dāng)前期和前期都處于無(wú)異常收益率狀態(tài)的經(jīng)濟(jì)概率，p12為從無(wú)異常收益率狀態(tài)向有異常收益率轉(zhuǎn)換的平滑轉(zhuǎn)移概率，其中p11，p12，p21和p22為正的常數(shù)，滿(mǎn)足p11+p12=p21+p22=1，于是得到該馬氏鏈的狀態(tài)轉(zhuǎn)移矩陣P為

我們事先不能確定每一時(shí)刻經(jīng)濟(jì)處于何種狀態(tài)的概率。該概率可能與t時(shí)刻前期的各個(gè)時(shí)刻所處的狀態(tài)相關(guān)，即由t時(shí)刻前的各個(gè)時(shí)刻所處的狀態(tài)決定在每一時(shí)刻t經(jīng)濟(jì)所處的狀態(tài)。本文假定經(jīng)濟(jì)在狀態(tài)Ⅰ和狀態(tài)Ⅱ之間的變化服從馬爾可夫過(guò)程（Markov Process簡(jiǎn)稱(chēng)馬式過(guò)程），也即

此稱(chēng)為馬爾可夫性。假定狀態(tài)和時(shí)間都取有限個(gè)離散值，這種馬式過(guò)程也稱(chēng)為馬爾可夫鏈。當(dāng)轉(zhuǎn)移概率不受其他變量影響時(shí)，該馬氏鏈稱(chēng)為齊次馬氏鏈(Homogeneous Markov Chain)，利用齊次馬氏鏈建立起來(lái)的模型則稱(chēng)為齊次馬氏域變模型[6]。

為了方便求極大似然函數(shù)，可定義新的狀態(tài)變量S*以表示t 時(shí)時(shí)域

t

其中Ωt=(zt, zt?1，…,z0)，α=(μ1, μ2, σ1,σ2,p11,p22)刻畫(huà)zt的概率密度特征的總體參數(shù)向量，用極大似然估計(jì)能最好地?cái)M合數(shù)據(jù)的總體參數(shù)。

同理可求出S*=2，3，4 時(shí)異常收益率z的條件密度。

t t

全部樣本ΩT的對(duì)數(shù)似然函數(shù)如下（具體推導(dǎo)過(guò)程見(jiàn)文獻(xiàn)[7]）

其中

由于假定馬氏鏈狀態(tài)轉(zhuǎn)移概率不變，因此馬氏鏈狀態(tài)轉(zhuǎn)移矩陣P中的元素可作為PSt+1St的值。馬氏鏈的平穩(wěn)分布（當(dāng)時(shí)間趨于無(wú)窮時(shí)，馬氏鏈所收斂的分布）可取初始值P(S0)，設(shè)定的初始值直接影響算法的收斂速度，通過(guò)求出異常收益率所處狀態(tài)和持久時(shí)間的無(wú)條件概率向量π可得到初始值。

盡管以上討論的是二維馬氏鏈，但對(duì)于多維馬氏鏈實(shí)際上同樣適用。

2 基于齊次馬氏域變模型的上海股市異常收益率的實(shí)證檢驗(yàn)

本節(jié)將以上證指數(shù)為主要研究對(duì)象討論我國(guó)股市異常收益率。首先對(duì)收益率產(chǎn)生決定性影響的宏觀經(jīng)濟(jì)變量進(jìn)行單位根檢驗(yàn)，接著使用Johansen協(xié)整檢驗(yàn)方法從實(shí)際收益率中剔除其基礎(chǔ)價(jià)值收益率決定部分,最后在兩狀態(tài)假設(shè)下運(yùn)用齊次馬氏域變模型進(jìn)行檢驗(yàn)。

2.1 對(duì)影響收益率的宏觀經(jīng)濟(jì)變量進(jìn)行單位根檢驗(yàn)

“齊漲共跌”是我國(guó)股市明顯存在的現(xiàn)象。由于宏觀經(jīng)濟(jì)因素的影響在收益率的分析中作用明顯，因此在收益率基礎(chǔ)價(jià)值的研究中選擇宏觀經(jīng)濟(jì)變量作為解釋因素[8]。

我們所選取的數(shù)據(jù)區(qū)間為1996年10月～2010年2月的月度數(shù)據(jù)，數(shù)據(jù)均來(lái)源于RESSET（銳思）金融研究數(shù)據(jù)庫(kù)（http://www.resset.cn/）以及《中國(guó)經(jīng)濟(jì)景氣月報(bào)》[由于2006年12月以后的工業(yè)增加值的月度數(shù)據(jù)不能從數(shù)據(jù)庫(kù)直接得到，依據(jù)當(dāng)月工業(yè)增加值=上年同期工業(yè)增加值×（當(dāng)月比上年同期增長(zhǎng)百分比+1）計(jì)算得到，2007，2008，2009，2010年1月的月度數(shù)據(jù)可用插值法得到]。首先，對(duì)上證指數(shù)及各宏觀經(jīng)濟(jì)變量進(jìn)行對(duì)數(shù)變換，并且對(duì)工業(yè)增加值、消費(fèi)品價(jià)格指數(shù)和匯率進(jìn)行X－11季節(jié)調(diào)整，用來(lái)消除序列中所存在的季節(jié)效應(yīng)；然后對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果如表1所示。

表1 經(jīng)濟(jì)變量序列的單位根檢驗(yàn)結(jié)果Tab.1 Unit root test results of economic variables

檢驗(yàn)結(jié)果表明，在5 %顯著性水平下，樣本期內(nèi)所有序列都無(wú)法拒絕存在單位根的原假設(shè)，序列是非平穩(wěn)的；對(duì)其差分序列進(jìn)行平穩(wěn)性檢驗(yàn)，在1 %的顯著性水平下，檢驗(yàn)統(tǒng)計(jì)量均拒絕存在單位根的原假設(shè)，即所選變量序列在數(shù)據(jù)區(qū)間內(nèi)均服從一階單整變量，即I(1)過(guò)程。

2.2 基于Johansen協(xié)整檢驗(yàn)方法剔除正常收益率

首先對(duì)相關(guān)宏觀經(jīng)濟(jì)變量做協(xié)整回歸，剔除不顯著變量以及估計(jì)結(jié)果與經(jīng)濟(jì)實(shí)際意義不符的變量，由此可以盡量避免誤設(shè)定異常收益率問(wèn)題。對(duì)股市收益率影響最為明顯是工業(yè)增加值（由于國(guó)民生產(chǎn)總值GDP的月度數(shù)據(jù)無(wú)法獲得，故使用工業(yè)增加值對(duì)其進(jìn)行替代）、準(zhǔn)貨幣、無(wú)風(fēng)險(xiǎn)利率、匯率、消費(fèi)品價(jià)格指數(shù)和上市公司凈資產(chǎn)收益率，這些被選擇組成宏觀經(jīng)濟(jì)指標(biāo)集來(lái)確定正常收益率部分。本文采用Johansen協(xié)整檢驗(yàn)方法剔除正常收益率，若統(tǒng)計(jì)量的值低于臨界值，則不能拒絕無(wú)協(xié)整關(guān)系的零假設(shè)。從表2中可以看出Johansen協(xié)整檢驗(yàn)結(jié)果。雖然各經(jīng)濟(jì)指標(biāo)是非平穩(wěn)的一階單整序列，金融資產(chǎn)收益變量和宏觀經(jīng)濟(jì)變量具有長(zhǎng)期均衡的協(xié)整關(guān)系。一般認(rèn)為，當(dāng)宏觀經(jīng)濟(jì)因子變化和股價(jià)之間存在協(xié)整關(guān)系時(shí)，表明股票市場(chǎng)趨于穩(wěn)定，市場(chǎng)正逐步走向有效和成熟；反之，若二者不存在協(xié)整關(guān)系，則預(yù)測(cè)市場(chǎng)可能仍然不成熟，需要利用法律等對(duì)交易主體進(jìn)行規(guī)范。

表2說(shuō)明，七個(gè)變量間存在顯著的長(zhǎng)期均衡關(guān)系，并在樣本期內(nèi)存在三個(gè)協(xié)整關(guān)系。λ?max統(tǒng)計(jì)量54.887 0(0.00) 49.077 1(0.01) 31.464 7(0.03) 26.664 8(0.07) 15.620 1(0.25) 8.383 0(0.34) 4.078 5(0.23)

表2 Johanson協(xié)整檢驗(yàn)結(jié)果Tab.2 Johanson cointegration test results

如果按照傳統(tǒng)的單位根和協(xié)整檢驗(yàn)方法，可以拒絕在我國(guó)股市上存在異常收益率的原假設(shè)。然而，此種方法無(wú)法準(zhǔn)確描述異常收益率的非線(xiàn)性路徑和周期性變化。為了更準(zhǔn)確地測(cè)定收益率的泡沫程度，將使用馬氏域變方法對(duì)其進(jìn)行分析。由于正常收益率在進(jìn)行協(xié)整分析時(shí)已從收益率中剔除，因此只針對(duì)協(xié)整殘差進(jìn)行建模，而無(wú)需考慮殘差均值。根據(jù)全樣本區(qū)間內(nèi)的協(xié)整殘差路徑，可以得出上證指數(shù)的協(xié)整殘差就是tz，即是異常收益率。圖1表明，協(xié)整殘差中存在著明顯的非線(xiàn)性特征，若使用線(xiàn)性模型進(jìn)行分析,必然造成較大的誤差。

圖1 上證指數(shù)協(xié)整殘差圖Fig. 1 The shanghai stock index cointegration residual plot

2.3 基于兩狀態(tài)馬氏域變模型的異常收益率驗(yàn)證

為了更本質(zhì)地解釋樣本區(qū)間內(nèi)估計(jì)母體參數(shù)的內(nèi)在機(jī)理，假定上證指數(shù)中存在無(wú)異常收益率狀態(tài)Ⅰ和有異常收益率狀態(tài)Ⅱ，應(yīng)用對(duì)數(shù)極大似然法對(duì)異常收益率進(jìn)行估計(jì)。對(duì)數(shù)極大似然法通過(guò)Eviews 5.0的LogL編程實(shí)現(xiàn)，算法的收斂速度受初始值設(shè)定的直接影響。通過(guò)求出異常收益率所處狀態(tài)和持久時(shí)間的無(wú)條件概率向量π可以得到初始值，得到表3。

從動(dòng)態(tài)的角度，馬氏域變模型研究股市收益率與波動(dòng)性的對(duì)應(yīng)關(guān)系，描述并證明了金融市場(chǎng)“收益與風(fēng)險(xiǎn)相對(duì)應(yīng)”的特征。通過(guò)對(duì)上海股市進(jìn)行實(shí)證研究，可知：

表3 上證指數(shù)異常收益率的域變模型的估計(jì)結(jié)果表Tab.3 Homogenous markov regimes switching model estimation results table of Shanghai Stock Index abnormal returns

1) 表中參數(shù)具有較小的方差，并且都落在各自的置信區(qū)間中，在一定程度上可以認(rèn)為它們是一致的、魯棒的；當(dāng)前狀態(tài)與前期狀態(tài)均與模型中的波動(dòng)率存在相關(guān)性，但真正原因尚待進(jìn)一步研究；

2) 時(shí)域轉(zhuǎn)換概率均小于8 %；在上證指數(shù)異常收益率的域變模型中，一個(gè)狀態(tài)變?yōu)榱硪粋€(gè)狀態(tài)的概率分別為p12=0.062 6（p12=1－p11），即無(wú)異常收益率狀態(tài)繼續(xù)的可能性為0.937 4，轉(zhuǎn)為有異常收益率狀態(tài)的概率為0.062 6（p12=1－p11），說(shuō)明股市狀態(tài)有很強(qiáng)的持續(xù)性；

3) 在1 %水平下兩個(gè)參數(shù)均高度顯著，序列波動(dòng)率在兩個(gè)狀態(tài)下相差很大，有異常收益率狀態(tài)與無(wú)異常收益率狀態(tài)的方差之比為1.93倍，這暗含著不僅存在更大的波動(dòng)性，更重要的是，潛伏著更大的沖擊不確定性和金融風(fēng)險(xiǎn)；與其他模型相比，域變模型更好地解釋了金融市場(chǎng)收益與風(fēng)險(xiǎn)相對(duì)應(yīng)的基本特征，更深刻、準(zhǔn)確地刻畫(huà)股市收益率水平與股價(jià)波動(dòng)風(fēng)險(xiǎn)的對(duì)稱(chēng)特征以及隨機(jī)沖擊持續(xù)性之間的動(dòng)態(tài)關(guān)系。

對(duì)區(qū)間內(nèi)各個(gè)時(shí)點(diǎn)考察得出上證指數(shù)處于有異常收益率狀態(tài)的概率如圖2所示。

圖2 上證指數(shù)處于有異常收益率狀態(tài)的概率Fig.2 Probability of shanghai stock index in abnormal returns

由于使用計(jì)量方法形成了樣本損失，圖中僅描繪出1996年12月到2010年2月間處于有異常收益率狀態(tài)的概率，與同期上證指數(shù)序列(見(jiàn)圖3)對(duì)照可以看到：

圖3 上證指數(shù)Fig. 3 Shanghai stock index

2000年以前收益率泡沫情況較2000年大；從2000年以后股市陷入低迷，存在泡沫的概率均在30 %以下；泡沫概率在2006年后出現(xiàn)了逐漸增大的趨勢(shì)，與2006年上半年股市逐漸走出熊市，股指開(kāi)始上升的實(shí)際情況相符。

分析表明，2006年5月到2008年4月異常收益率的概率超過(guò)50 %。泡沫概率在2008年后逐漸減小，但也超過(guò)30 %。這與現(xiàn)實(shí)宏觀環(huán)境相一致：我國(guó)經(jīng)濟(jì)當(dāng)時(shí)發(fā)展迅速，人民幣匯價(jià)不斷提高，宏觀經(jīng)濟(jì)面是可以解釋收益率上漲的?？梢钥闯龊暧^調(diào)控政策對(duì)我國(guó)股市影響較大，尤其是代表貨幣政策變化的控制變量，低彈性的貨幣政策調(diào)控減弱了控制變量對(duì)股市的影響。對(duì)于收益率時(shí)間序列的均值回復(fù)、波動(dòng)聚集以及非線(xiàn)性特征，“依賴(lài)波動(dòng)持久時(shí)間”現(xiàn)象具有很強(qiáng)的解釋力。由波動(dòng)性的低波動(dòng)狀態(tài)向高波動(dòng)狀態(tài)轉(zhuǎn)移的時(shí)間點(diǎn)以及后續(xù)的持續(xù)時(shí)間上看，這些時(shí)間點(diǎn)大多位于監(jiān)管當(dāng)局加強(qiáng)監(jiān)管力度或?qū)墒袑?shí)施政策影響的時(shí)候。明顯的例子是2008年在我國(guó)股市受美國(guó)次貸危機(jī)的影響而導(dǎo)致大幅下跌后，央行實(shí)行了降息政策，致使一年期存款利率由4.14 %下降至2.25 %。

3 政策建議

由于異?；貓?bào)率會(huì)在某種程度上對(duì)投資甚至對(duì)整體經(jīng)濟(jì)的運(yùn)行造成較大影響，因此研究異常收益率對(duì)探索如何促進(jìn)經(jīng)濟(jì)的穩(wěn)定發(fā)展及可持續(xù)發(fā)展有著積極的意義。從上文分析可以看出，宏觀調(diào)控和政府監(jiān)管對(duì)股市影響較大，然而也不能忽略市場(chǎng)、上市公司和投資主體的影響，為此提出以下主要建議。

3.1 維持宏觀調(diào)控的穩(wěn)定性、貨幣政策的連續(xù)性，消除產(chǎn)生異常收益率的宏觀因素

從上文對(duì)股票市場(chǎng)分析的結(jié)論及日本的金融危機(jī)可以看出政策的力度對(duì)股市影響較大。當(dāng)指數(shù)迅速變化，股市泡沫可能被刺破或產(chǎn)生，股市由“牛”轉(zhuǎn)“熊”或由“熊”轉(zhuǎn)“?！薄３雠_(tái)貨幣調(diào)控政策時(shí)，不但要輔之以其他的有利措施，而且要注意貨幣政策制定的前瞻性和透明度，避免股市的大幅度波動(dòng)，保證股票市場(chǎng)的穩(wěn)定發(fā)展。

3.2 加強(qiáng)政府對(duì)證券市場(chǎng)的監(jiān)管，消除制度性風(fēng)險(xiǎn)

當(dāng)前我國(guó)證券監(jiān)管體系還不太完善。政府用行政命令替代市場(chǎng)選擇功能，過(guò)多地頻繁干預(yù)二級(jí)市場(chǎng)的價(jià)格形成，導(dǎo)致監(jiān)管手段偏于“政策化”，政府行政手段過(guò)于剛性。這些情況不但不利于我國(guó)證券市場(chǎng)的長(zhǎng)遠(yuǎn)穩(wěn)定發(fā)展，而且也深刻折射出我國(guó)市場(chǎng)存在著制度風(fēng)險(xiǎn)，即政府對(duì)市場(chǎng)參與主體的隱性擔(dān)保和投資人對(duì)政府的尋租行為，所以要規(guī)范政府監(jiān)管行為，消除制度隱患和風(fēng)險(xiǎn)。

3.3 健全市場(chǎng)法規(guī)，完善金融法律，促進(jìn)市場(chǎng)的規(guī)范與透明

完善的法律法規(guī)是市場(chǎng)健康高效運(yùn)行的基礎(chǔ)和前提，因此要不斷健全《證券法》、《公司法》和《證券交易法》等法律體系。規(guī)范透明的證券市場(chǎng)，有利于消除市場(chǎng)信息的不完全和不對(duì)稱(chēng)，抑制欺詐行為和內(nèi)幕交易，改善市場(chǎng)的信息供給狀況，有助于證券市場(chǎng)形成一個(gè)良性發(fā)展的交易環(huán)境，并可以在某種程度上消除新股的投機(jī)情緒，減少股市產(chǎn)生泡沫的概率。

3.4 提高上市公司的整體質(zhì)量，完善上市退市制度

建立現(xiàn)代企業(yè)制度，完善法人治理結(jié)構(gòu)，強(qiáng)化上市公司內(nèi)部管理，改善上市公司股權(quán)結(jié)構(gòu)的不合理，從而提高上市公司的整體質(zhì)量，增加股票市場(chǎng)的可投資性。對(duì)于長(zhǎng)期效益不好，經(jīng)營(yíng)或資產(chǎn)出現(xiàn)重大問(wèn)題的上市公司，要嚴(yán)格執(zhí)行中止上市或終止上市，強(qiáng)行督促上市公司提高自己的經(jīng)營(yíng)業(yè)績(jī)，維護(hù)證券市場(chǎng)的健康運(yùn)行。

3.5 加強(qiáng)投資者教育，使之形成正確的投資理念

投資者的非理性投資做法，不但會(huì)損害其自身的利益，而且破壞了市場(chǎng)的內(nèi)在運(yùn)行機(jī)制，因此政府要合理正確地引導(dǎo)股票市場(chǎng)主體的投資行為，避免“羊群行為”、“追漲殺跌”，進(jìn)而可以有效地抑制泡沫的產(chǎn)生，促進(jìn)股票市場(chǎng)穩(wěn)健有序發(fā)展。

[1] 閆榮國(guó) , 陳宇峰.基于馬爾可夫域變模型的上海股市收益率非線(xiàn)性特征分析[J]. 統(tǒng)計(jì)與信息論壇, 2008(5):56-60.

[2] STEPHEN G C, POK-SANG L, NELSON C M. Mean reversion in equilibrium asset prices [J].The American Economic Review ,1990(60):398-418.

[3]HAMILTON J D, SUSMEL R. Autoregressive conditional heteroskedasticity and changes in regime [J]. Journal of Econometrics, 1994(64): 307-333.

[4]HAMILTON,J D. A new approach to the economic analysis of nonstationary time series and the business cycle [J].Econometrica,1989(57):357-384.

[5]MADDALA G S , RAO C R.金融中的統(tǒng)計(jì)方法[M]. 上海:上海人民出版社, 2004.

[6]孟慶斌,周愛(ài)民,汪孟海.基于齊次馬氏域變方法的中國(guó)股市價(jià)格泡沫檢驗(yàn)[J].金融研究,2008(8):105-118.

[7]HAMILTON J D著, 劉明志譯.時(shí)間序列分析[M]. 北京:中國(guó)社會(huì)科學(xué)文獻(xiàn)出版社,1999.

[8]江洲,謝赤.基于分布特征與宏觀經(jīng)濟(jì)因素的證券市場(chǎng)收益率描述與預(yù)測(cè)[D]. 濟(jì)南: 山東大學(xué),2009.

[9]郭名媛,張世英.具有馬爾可夫結(jié)構(gòu)轉(zhuǎn)換機(jī)制的波動(dòng)模型及其應(yīng)用[D]. 天津: 天津大學(xué),2003.

[10]鮑未平,王金利.中國(guó)股票市場(chǎng)異常收益之實(shí)證研究[D]. 濟(jì)南: 山東大學(xué),2008.

[11] 黃輝,周孝華.IPOs長(zhǎng)期異常收益率的度量方法及其實(shí)證研究[D]. 重慶: 重慶大學(xué),2005.

[12]CHRIS B 著,鄒宏元主譯.金融計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論[M]. 成都:西南財(cái)經(jīng)大學(xué)出版社,2005.

Analyzing and Testing for Abnormal Return of Shanghai Stock
with Homogenous Markov Regimes Switching Model

WU Jin-cun，F(xiàn)ENG Wen-li，ZHANG Yue-hui
（Department of Finance, Hebei University of Economics and Business, Shijiazhuang 050061,Hebei Province, P.R.China）

Studies abnormal return by using homogenous Markov Regimes Switching Model and describes the nonlinear dynamics process of Shanghai Stock Index from October, 1996 to February, 2010. The author eliminates rational value component (normal return) based on Johansen Co-integration Test, and then constructs model of co-integrational residual error (abnormal return) by using homogenous Markov Regimes Switching Model and utilizes the method of Maximum Likelihood to estimate the reason. Finally, according to the analysis this paper indicates it is macro-economic policy factors that influence the abnormal return of China’s stock market , and propose corresponding policy suggestions.

abnormal return； Johansen co-integration test ； homogenous markov regimes switching model

F830.19

A

1001-4543(2010)02-0149-07

2010-04-28;

2010-06-11

武金存（1980－），女，甘肅金昌人，碩士研究生，研究方向?yàn)橘Y本市場(chǎng)與證券投資，電子郵件：wujincun@yahoo.com.cn封文麗（1967－），女，河北平山人，博導(dǎo)，研究方向?yàn)橘Y本市場(chǎng)與證券投資