胡志強 狄晨晨 張卓然

【摘要】本文基于1994年01月至2012年10月間的月度數(shù)據(jù)，研究了我國IPO數(shù)量和融資量的動態(tài)變化路徑，發(fā)現(xiàn)我國IPO時間序列具有明顯的結構轉變特征。本文結合結構突變的內(nèi)生和外生檢驗方法，采用修正的ICSS算法給出IPO時間序列可能存在的結構突變點，建立變量的自回歸模型，對可能的結構突變點逐一進行Chow斷點檢驗，獲得了我國IPO數(shù)量和融資量的結構轉變點；分析結構轉變點附近的經(jīng)濟事件，給出觸發(fā)IPO變量發(fā)生結構突變的原因，發(fā)現(xiàn)大部分突變的時點與一些重大經(jīng)濟事件相對應，這反映出中國IPO市場的不穩(wěn)定性及政策效應。

【關鍵詞】IPO周期性波動 結構突變 修正的ICSS算法 Chow檢驗 政府管制

一、引言與文獻綜述

IPO浪潮和周期性波動一直受到國內(nèi)外研究者的關注。在中國，IPO市場浪潮確實存在，可被劃分為三次高峰和三次低谷。同時，我國IPO市場的“政策性”十分顯著。由于市場不夠完善，IPO數(shù)量、融資量等變量易受到政策和經(jīng)濟事件的影響而發(fā)生大幅度波動。然而，準確把握IPO市場的波動特性，是制定合理政策，穩(wěn)定市場的先決條件。這使得探究IPO時間序列的波動特性變得尤為重要。

自從Ibboston和Jaffe（1975）首次提出了IPO市場的周期性以來，IPO市場的周期性現(xiàn)象長期以來一直是學術界關注的焦點。對于IPO周期性波動產(chǎn)生的解釋可分成兩方面：從經(jīng)典理論而言是公司需要資金進一步發(fā)展，因此會根據(jù)市場環(huán)境和所能獲取的信息進行擇時，由于對市場環(huán)境的判斷相同，或者由于學習效應，出現(xiàn)了熱銷現(xiàn)象（胡志強、王一竹，2013）；而從行為金融角度則是非理性投資者的出現(xiàn)，使得公司受到投資者情緒等因素的影響，在同一階段大量進行IPO（邵新建等，2010）。

針對IPO時間序列的結構轉變點，最早由G.C.Chow（1960）提出，他認為只要由分段回歸而構造的F統(tǒng)計量超過了給定的臨界值，就認為發(fā)生了結構變化。在隨后的幾十年里，結構轉變的經(jīng)濟計量問題一直受到廣泛的關注，并取得了一些進展，如已知和未知時點結構轉變的檢驗和結構轉變點估計與區(qū)間估計。

Perron（1989）針對突變點已知的結構突變提出了三種模型：截距突變的“崩潰”模型A、斜率突變的“增長率”模型B、截距與斜率都有突變的模型C。Perron（1989）等人對結構突變點未知的情況，仍延續(xù)結構突變點已知的單位根檢驗的思路，首先對數(shù)據(jù)進行退化趨勢，然后對所有可能的結構變化點重復上述外生結構突變點的檢驗步驟。

對于模型結構轉變的穩(wěn)定性檢驗，除了Chow檢驗，方法還有很多：如CUSUM檢驗、CUSUM平方檢驗等。Andrews（1993）對Chow檢驗作進一步描述和研究，修正Chow檢驗分布臨界值，并給出了基于Chow檢驗對未知轉變點的檢驗方法；而Brown、Durbin和vans（1975）提出的CUSUM檢驗和CUSUM平方檢驗，可以識別時間序列波動路徑中的內(nèi)生結構轉變點，其中CUSUM檢驗方法主要是對均值參數(shù)穩(wěn)定性進行檢驗，CUSUM平方檢驗則是檢驗方差穩(wěn)定性。Blondell et al.（2002）使用了累計和途徑CUSUM算法。這種算法可以簡便、準確地探察到序列轉換的變點，并可適用于存在高度自相關性的金融時間序列，不足之處在于，他們只是做到了存在性的驗證，沒有更進一步的劃分。

Inclan和Tiao（1994）運用迭代累積平方和算法-ICSS算法構造檢驗結構突變的統(tǒng)計量。Bai（1994，1997）推導了結構轉變點估計的漸近分布并給出如何估計它的置信區(qū)間。隨后，Bai、Lumsdaine和Stock（1998）將一元變量推廣到具有同時刻結構轉變的多元變量。

欒惠德（2007）系統(tǒng)總結了帶有結構突變的單位根檢驗的研究進展，并對該問題最新的發(fā)展動向加以概括。王成勇（2008）總結了結構突變模型在估計和檢驗研究上的最新進展，并提出了可行的進一步研究的思路。

引入時間序列的結構突變性的影響，對于研究經(jīng)濟變量的波動特性的至關重要。若在建模時沒有考慮數(shù)據(jù)存在的結構突變，將會導致預測失敗。因此，國內(nèi)外學者在結構突變的理論不斷發(fā)展基礎上，對其應用進行了拓展。Malik & Hassan（2004）、Rapach & Strauss（2008）等指出，通過ICSS算法檢測出的結構突變時點往往與一些重要經(jīng)濟沖擊事件相關，這些政策事件可能是波動出現(xiàn)結構突變的誘導因素。楊成（2009）通過修正ICSS算法檢驗，可以發(fā)現(xiàn)我國證券市場波動存在明顯的結構變化。將結構突變因素加入波動率模型進行比較后，可以發(fā)現(xiàn)含結構突變的波動率模型能更準確地刻畫波動率特征。姚宏偉，蒲成毅（2014）基于1996年12月至2013年7月間的日度時間數(shù)據(jù)，并加入異常值對方差的結構突變檢測影響，運用修正的ICSS算法發(fā)現(xiàn)滬深股市收益率的波動分別出現(xiàn)了5次結構突變，并且給出了與突變時點對應的一些重大經(jīng)濟事件。

此外，很多學者利用Chow斷點檢驗方法檢驗時間序列波動路徑和時間序列模型的結構轉變點。例如：劉金全，金春雨和鄭挺國（2006）運用Chow檢驗、CUSUM檢驗和CUSUM平方檢驗方法研究我國通貨膨脹率的動態(tài)變化路徑，發(fā)現(xiàn)我國通貨膨脹率序列具有明顯的結構轉變特征。吳平勇，李佳和唐勇華（2007）選取1994至2006年第二季度的季度數(shù)據(jù)構建貨幣需求函數(shù)，并利用Chow檢驗驗證了1998年為貨幣需求函數(shù)的結構轉變點。

在上述文獻中，國內(nèi)外學者從不同的角度用不同的方法，對IPO周期現(xiàn)象做出了自己的研究。然而，這些對于IPO周期性波動的研究大多集中于IPO周期的劃分和成因。中國IPO市場最突出特點是發(fā)展速度快，平均初始回報率高。中國IPO研究文獻集中在收益率、滯后期、定價效率以及IPO周期等方面，而研究IPO發(fā)行周期劃分和時間序列結構轉折點的則不多。對于中國IPO數(shù)量的周期性波動的研究，應益榮、劉士杰（2004）采用相關分析，實證檢驗了IPO熱銷的存在性問題，指出中國股市的熱銷現(xiàn)象并不顯著，原因在于我國新股發(fā)行市場仍存在行政性過度干預、典型的賣方市場和監(jiān)管制度不完善等制約性的因素制約，但在中國上市制度由審批制向核準制轉型之后，IPO熱銷現(xiàn)象逐漸形成（董曉林、高君，2008）。

那么，IPO的波動性具有什么特征，是否主要受到政策和經(jīng)濟因素影響？以該問題為核心，本文結合結構突變的內(nèi)生和外生檢驗方法，采用修正的ICSS算法，一方面探究IPO時間波動路徑的結構突變特性，確定發(fā)生突變的時間點；另一方面找出突變點對應的政策經(jīng)濟事件，進而提出相應的政策建議。

本文的創(chuàng)新之處體現(xiàn)在以下幾點：（1）本文在研究IPO時間序列的波動路徑時，加入對于結構性轉變特征的研究。并且在研究結構性轉變之前，剔除異常值對于結構轉變檢驗的影響。（2）本文選取IPO數(shù)量和IPO融資量作為變量，不僅考慮到了首次公開發(fā)行公司數(shù)量的周期變化，同時考慮了單個公司的融資量的大小的變化。（3）本文同時運用外生性和內(nèi)生性結構性突變檢驗方法。先用修正的ICSS算法計算出可能存在的結構突變點，再利用Chow斷點檢驗方法逐一確認。

本文主要內(nèi)容安排如下：第一章引言，主要介紹研究背景和意義所在，給出文章的總體思路。第二章文獻綜述，介紹國內(nèi)外IPO周期波動的研究理論，以及結構突變檢驗的方法演進。第三章計量方法介紹。第四章實證分析。最后，第五章研究結果及討論，總結研究結果，并分析存在的不足和改進的方向。

二、結構突變檢驗方法

結構突變檢驗方法可分為內(nèi)生性檢驗和外生性檢驗兩大類。在結構突變點已知的情況下，針對時間序列的生成過程，可以進行結構突變的單位根檢驗，結構突變的協(xié)整檢驗。針對時間序列模型的穩(wěn)定性，可以運用CHOW檢驗、CUSUM檢驗和CUSUM平方檢驗等檢驗方法確定在已知點是否出現(xiàn)結構突變。

考慮到本文選取的數(shù)據(jù)時間跨度較大，數(shù)據(jù)較多，且數(shù)據(jù)結構變化不夠明顯，使用內(nèi)生性檢驗效率較低。因此，我們首先考慮外生性結構突變檢驗模型。根據(jù)Malik&Hassan（2004），Rapach & Strauss（2008）等指出的，通過ICSS算法檢測出的結構突變時點往往與一些重要經(jīng)濟沖擊事件相關，這些政策事件可能是波動出現(xiàn)結構突變的誘導因素。因此，首先選取修正的ICSS算法計算IPO時間序列波動路徑中的結構轉變點?？紤]到異常值的存在會影響ICSS算法的輸出結果，因此，在計算之前，我們首先提出數(shù)據(jù)波動路徑中的異常值。

由于每一種檢驗方法有其局限性，結合多種方法有利于提高結果的準確性。因此，本文在修正的ICSS算法給出可能的結構突變點的基礎上，引入內(nèi)生檢驗方法-Chow斷點檢驗。Chow檢驗用于檢驗模型的穩(wěn)定性，若存在斷點，則模型不夠穩(wěn)定。此時，斷點前后擬合模型得到的殘差平方和小于全樣本擬合模型得到的殘差平方和。因此，我們需要先建立回歸模型?？紤]到IPO時間序列的自相關性，我們選擇自相關模型進行回歸，然后針對已知的斷點進行Chow檢驗。

（一）修正的ICSS算法

目前，Sanso、Arago&Carrion（2004）提出的修正ICSS算法下的結構突變檢測方法在研究中應用最為廣泛。該方法是在 Inclan&Tiao（1994）的基礎之上修正而來。Inclan&Tiao（1994）提出的檢驗統(tǒng)計量IT為：

■（3.1）

其中，Dk=（Ck/CT）-（k/T），Ck=Σ■■e■■，k=1，2，，，T。k表示能夠最大化IT統(tǒng)計量的檢測時點；et表示t時刻下資產(chǎn)的百分數(shù)收益率。假設et服從一個的獨立同分布過程N～（0，σ20），檢驗的原假設為et的無條件方差在k=1，2，…，T時刻下為一常數(shù)；備則假設為et在某一時刻無條件方差發(fā)生結構突變。IT統(tǒng)計量可表示為■，■，其漸進分布服從一個布朗橋（Brownian Bridge），且w（r）為一個標準的布朗運動。有限樣本下IT統(tǒng)計量的臨界值可通過Monte Carlo模擬方法給出。Andreou&Ghysels（2002）及Sanso、Arago&Carrion（2004）指出，當et服從一個非獨立過程時IT統(tǒng)計量將被大幅高估，從而傾向于過度拒絕原假設。Sanso、Arago&Carrion（2004）進一步修正了這一假定，允許et在原假設下服從一個GARCH過程，調(diào)整后的IT統(tǒng)計量（簡稱AIT統(tǒng)計量）為：

■（3.2）

其中，■ （3.3）

■ （3.4）

■（3.5） （3.6）

1-1-1（m+1）-1是Batlett Kernel的窗。調(diào)整后的AIT統(tǒng)計量漸進分布supr|w·（r）|同樣是一個的布朗橋，有限樣本的臨界值也通過Monte Carlo模擬方法給出。

（二）Chow斷點檢驗

在現(xiàn)實生活中，有時會由于某些重大的政策和制度變化或偶發(fā)事件，導致經(jīng)濟運行機制或行為改變。對于計量經(jīng)濟學研究工作來說，這種情況表現(xiàn)為模型的參數(shù)發(fā)生改變。如果在樣本資料所涉及的期間內(nèi)發(fā)生過這樣的情況，那么就有必要檢驗模型參數(shù)的穩(wěn)定性。Chow檢驗考慮樣本是否包括了不同質(zhì)的組，即檢驗不同組間的參數(shù)是否相同。

Chow轉折點檢驗基于這樣一種思路：如果確實存在結構變化，那么分別對結構變化發(fā)生前和發(fā)生后的子樣本數(shù)據(jù)做回歸時得到的殘差平方和要小于利用全部樣本數(shù)據(jù)估計模型得到的殘差平方和。Chow轉折點檢驗方法存在一個問題，若某個子樣本包括的觀察值太少，那么可能無法用其估計子模型。此時可以考慮采用Chow預測檢驗。

三、實證檢驗

本章將利用第2章介紹的模型，選取變量，進行實證分析。這里，本文結合內(nèi)生性結構突變檢驗—修正的ICSS算法，以及外生性結構突變檢驗Chow斷點檢驗確定IPO數(shù)量和IPO融資量波動路徑中的結構突變點，檢驗步驟如下：

第一，由于異常值的存在會影響ICSS算法的精確度，因此，本文首先剔除數(shù)據(jù)中的異常值，異常值的計算由EVIEWS 6.0軟件中的箱型圖給出。

第二，剔除異常值之后，本文運用修正的ICSS算法計算出IPO數(shù)量和融資量波動路徑中的突變點。修正的ICSS算法由GAUSS 9.0實現(xiàn)。

第三，在修正的ICSS算法給出的結構突變點的基礎上，運用外生性檢驗方法，即Chow斷點檢驗進行逐一驗證。

第四，進行Chow斷點檢驗之前，本文首先需要建立IPO數(shù)量和IPO融資量的自回歸模型，然后在回歸模型的基礎上進行Chow檢驗。如果Chow斷點檢驗給出的結論與修正的ICSS算法一致，則確定該點為波動路徑中的結構突變點。Chow檢驗有EVIEWS 6.0實現(xiàn)。

（一）數(shù)據(jù)來源和變量選擇

本文選擇滬深兩市首次公開發(fā)行A股作為研究樣本，所采用的數(shù)據(jù)來源于國泰安數(shù)據(jù)庫和同花順iFind金融數(shù)據(jù)庫。為了確保模型效果的可靠并反映出IPO市場的特征，最終的研究樣本確定為 1994年1月至2012年10月間共計2370只首次發(fā)行A股。

Guo，Brooks and Shami（2010）在探測中國A股市場IPO熱銷冷發(fā)周期時將衡量IPO活動的指標分為四類：IPO數(shù)量、抑價、市場風險和市場條件。而邵新建、巫和懋、覃家琦和王道平（2010）在其對IPO周期的研究中認為使用IPO數(shù)量為指標會忽略融資規(guī)模差異，故使用IPO融資量代替IPO數(shù)量為變量。因此本文選取IPO數(shù)量（Nt）和IPO融資量（Vt）作為變量，結合兩個變量的時間序列數(shù)據(jù)特性研究IPO周期和及其波動的結構突變特性。

（二）結構突變檢驗

1.初步確定結構突變點—修正的ICSS算法。本文運用修正的ICSS算法，分別對剔除異常點后的IPO數(shù)量、IPO融資量序列進行結構突變檢驗。修正的ICSS算法由Gauss9.0軟件實現(xiàn)。輸出結果如下：

表1 IPO數(shù)量和IPO融資量的結構突變點

■

本文通過結構突變檢驗發(fā)現(xiàn)，IPO數(shù)量出現(xiàn)了4次結構突變現(xiàn)象，將樣本序列劃分為5個不同的機制（Regime）。分別為1997年7月、2004年5月、2009年9月以及2011年6月。IPO融資量總共出現(xiàn)了3次結構突變，分別為2006年6月、2009年11月以及2011年10月。

2.結構突變點檢驗—Chow檢驗。為了對ICSS算法給出的時間突變點進行Chow檢驗，首先建立IPO數(shù)量Nt的自回歸模型，根據(jù)Nt的自相關圖以及AIC和SC準則，確定滯后階數(shù)為3；其模型擬合結果如表4.7。由表2可以看出，Nt的3階滯后自回歸模型的擬合程度較好，調(diào)整過后的擬合優(yōu)度為0.635。同時，變量的系數(shù)顯著地不為零。

表2 IPO數(shù)量自相關模型的擬合結果

■

在上述Nt的自回歸模型基礎上，逐一對ICSS算法給出的結構突變點進行Chow檢驗。對第42個樣本數(shù)據(jù)，即1997年7月前后的子樣本數(shù)據(jù)做回歸時得到的殘差平方和，顯著地小于利用全部樣本數(shù)據(jù)估計模型得到的殘差平方。F統(tǒng)計量的伴隨概率為0.0261，小于置信水平0.05。因此，拒絕1997年7月不是結構突變點的原假設。在時點1997年7月，修正的ICSS算法以及Chow檢驗的結論一致，因此確定此點確實為一個結構突變點。

同理，對第124、188、209個樣本的Chow檢驗。根據(jù)后兩個時間點將總樣本分為兩個子樣本后，時間點后面的子樣本所包含的樣本量太小，不足以估計子模型。因此，這里我們選用Chow預測檢驗驗證這兩個時間點是否為結構突變點。

檢驗結果表明，IPO數(shù)量的時間序列一共存在2次結構突變，分別是1997年7月和2009年9月。同樣地，建立IPO融資量的自回歸模型，選取4作為滯后階數(shù)。模型擬合結果如表3。

表3 IPO融資量的自回歸模型的擬合結果

■

由表3可以看出，模型的擬合程度較好，調(diào)整后的擬合優(yōu)度為0.687。變量的系數(shù)除了AR（2）外，均顯著地不為零。在Vt滯后4階的自回歸模型的基礎上，我們對ICSS給出的結構突變點進行Chow檢驗。首先對第149樣本（即2006年6月）作為結構突變點做Chow檢驗，其前后的子樣本數(shù)據(jù)做回歸時得到的殘差平方和，顯著地小于利用全部樣本數(shù)據(jù)估計模型得到的殘差平方。F統(tǒng)計量的伴隨概率為0.000，小于置信水平0.05。因此，拒絕2006年6月不是結構突變點的原假設。在時點2006年6月，ICSS算法以及Chow檢驗的結論一致，因此確定此點確實為一個結構突變點。同理，運用Chow檢驗，對第184個樣本（2009年11月）、第206個樣本（2011年10月）是否為結構突變點進行檢驗。根據(jù)這兩個時間點將總樣本分為兩個子樣本后，時間點后面的子樣本所包含的樣本量太小，不足以估計子模型。因此，選用Chow預測檢驗驗證這兩個時間點是否為結構突變點，Chow檢驗結果拒絕2009年11月不為結構突變點，而接受2011年10月不為結構突變點的原假設。綜上IPO融資量時間序列存在兩個結構突變點，分別是2006年6月和2009年11月。

（三）突變點對應的政策或經(jīng)濟事件

確定了IPO數(shù)量和IPO融資量時間序列的結構突變點后，我們考慮這些突變點是否由政策和經(jīng)濟事件引發(fā)。因此，我們在下表中列出了這些結構突變時點附近選取的一些重要經(jīng)濟沖擊事件。

IPO數(shù)量的結構突變點為1997年7月和2009年9月。1997年7月2日，泰銖實行浮動匯率制，東南亞金融危機拉開序幕，與此同時，受到金融危機的影響，IPO從熱銷期轉為冷銷期。從1996年7月開始一直到1997年7月，每月平均IPO數(shù)量為22個。然而1997年7月之后，一直持續(xù)到2000年，每月平均IPO數(shù)量僅有大約8個。另一個結構突變發(fā)生在2009年9月。從2009年開始，我國的銀行體系開始大規(guī)模開閘放水，市場上充沛的流動性可以從“天量信貸”的數(shù)字中看到，到了9月，我國信貸水平已從一季度的4.58萬億漲到三季度的8.67萬億。

IPO融資量的結構突變點為2006年6月和2009年11月。2006年6月，暫停了11個月的IPO重啟。這一結構突變點不能歸為政策或經(jīng)濟事件的沖擊造成。另一個突變點是2009年11月。這一突變點可能由油價金價的飆升觸發(fā)。2009年11月10日零時起，根據(jù)國家發(fā)改委要求，內(nèi)地上調(diào)汽柴油零售價，漲幅均為480元/噸。而黃金繼突破每盎司1000美元后，國際金價又站上了1100美元/盎司的高位。另外，10月底，中國創(chuàng)業(yè)板大幕正式開啟，這也是造成11月發(fā)生結構突變的一個重要原因。

四、研究結果與討論

本文選取1994年1月至2012年10月的IPO數(shù)量和IPO融資量的月度數(shù)據(jù)，運用修正的ICSS算法初步給出可能的結構突變點，接著根據(jù)Chow檢驗，確定ICSS算法給出的點是否為結構突變點。根據(jù)上述檢驗過程，得到以下結論：首先，我國IPO數(shù)量以及IPO融資量的時間序列路徑確實存在結構轉變性質(zhì)，而且在歷史時期均表現(xiàn)出兩次明顯的結構轉變。這說明在某些經(jīng)濟或者政策因素的沖擊下，IPO時間序列系統(tǒng)內(nèi)某些經(jīng)濟參數(shù)產(chǎn)生了明顯的變化，從而發(fā)生了結構轉變。

其次，對于我國IPO數(shù)量的波動路徑，修正的ICSS算法給出了4個結構突變點，進行Chow斷點檢驗發(fā)現(xiàn)，IPO數(shù)量的波動路徑確實存在的結構突變有兩次，分別發(fā)生在1997年7月和2009年9月。同樣的，對于我國IPO融資量的波動路徑，IPO融資量確實存在的結構突變有2次，發(fā)生在2006年6月和2009年11月。

盡管中國經(jīng)濟總量已躍居世界第二，但中國資本市場的發(fā)展依然相對滯后。在金融自由化和全球化浪潮下，監(jiān)管者應準確把握金融市場的波動特性及其時變特性。一方面，應當完善制度建設，通過出臺相關政策法規(guī)，從法理上規(guī)范資本市場的正常秩序。另一方面，在干預市場時，監(jiān)管者還應密切關注國內(nèi)外宏觀經(jīng)濟形勢，評估這些沖擊因素對中國資本市場的影響，方可制定有效的政策方案來應對其可能對中國資本市場。

參考文獻

[1]Ibbotson R，Jaffe F.“Hot issue”markets[J].Journal of Finance，1975，30（4）：1027-1042.

[2]胡志強，王一竹.新股發(fā)行周期波動的Markov三區(qū)制轉換模型研究[J].統(tǒng)計研究，2013，（3）.

[3]邵新建，巫和懋，覃家琦，王道平.中國IPO市場周期：基于投資者情緒與政府擇時發(fā)行的分析[J].金融研究，2010，（11）.

[4]Chow，G.C.Tests of Equality Between Sets of Coefficients in Two Linear Regressions [J].Econometrica，1960，28：591-6051.

[5]Perron，P.（1989），The Great Crash，the Oil Price Shock，and the Unit Root Hypothesis，Econometrica，57，1361-1401.

[6]Andrews，D.W.K.Tests of parameter Instability and Structural Change with Unknown Change Point [J].Econometrica，1993，61：821-8561.

[7]Brown，R.L.，J Durbin，and J.Evans，Techniques for testing the constancy of regression relationship over time[J].1975，37：149-63.

[8]Blondell D，Hoang P，Powell J G，Shi J.Detection of financial time series turning points：a new CUSUM approach Applied to IPO Cycles[J].Review of Quantitative Finance and Accounting，2002，18（3）： 293-315.

[9]Inclan，C.and G.C.Tiao.Use of cumulative sums of squares for retrospective detection of changes in Variance[J].Journal of the American Statistical Association，1994，89（427）：913-923.

[10]Bai，Jushan.Least Squares Estimation of a Shift in Linear Process [J].Journal of Time Series Analysis，1994，15：453-721.

[11]Bai，Jushan.Estimation of a Change Point in Multiple Regression Models[J].Review of Economics and Statistics，November，1997，79：551-631.

[12]Bai，Jushan.，Robin L.Lumsdaine and James H.Stock.Testing for and Dating Common Break in Multivariate Time Series[J].Review of Economic Studies，1998，64：395-4321.

[13]欒惠德.帶有結構突變的單位根檢驗——文獻綜述[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2007，（3）.

[14]王成勇.結構突變模型研究的新進展[J].統(tǒng)計與決策，2008，（20）.

[15]Malik，F(xiàn).and S.A.Hassan.Modeling volatility in sector index returns with GARCH models using an iterated algorithm [J].Journal of Economics and Finance，2004，28（2）：211-225.

[16]Rapach，D.E.and J.K.Strauss.Structural breaks and GARCH models of exchange rate volatility[J].Journal of Applied Economics，2008，23（1）：382-416

[17]楊成.我國證券市場結構突變與波動性實證研究[J].南京師大學報（社會科學版），2009，（3）.

[18]姚宏偉，蒲成毅.股票市場的波動性存在結構突變嗎——來自滬深股市的實證分析[J].貴州財經(jīng)大學學報，2014，（2）.

[19]劉金全，金春雨，鄭挺國.我國通貨膨脹率動態(tài)波動路徑的結構性轉變特征與統(tǒng)計檢驗[J].中國管理科學，2006，（1）.

[20]吳平勇，李佳，唐勇華.中國貨幣需求函數(shù)的Chow檢驗[J].統(tǒng)計與信息論壇，2007，（2）.

[21]應益榮，劉士杰.我國股票IPO熱銷市場的實證研究[J].江西師范大學學報，2004，（3）.

[22]董曉林，高君.我國股票市場IPO熱銷現(xiàn)象的實證研究[J].投資研究，2008，（9）.

[23]Sanso，A，V Arrago，J.L.Carrion.Testing for change in the unconditional variance of financial time series[J].Revistade Economia Financiera.2004（4）：32-53

[24]Andreou，E.and E.Ghysels.Detecting Multiple Breaks in Financial Market Volatility Dynamics [J].Journal of Applied Econometrics，2002，17 （5）：579-600.

[25]Guo，H.，Brooks，R.，& Shami，R.2010）.Detecting hot and cold cycles using a Markov regime switching model-Evidence from the Chinese A-share IPO market.International Review of Economics and Finance，19（2），196-210.

作者簡介：胡志強（1962-），男，漢族，湖北漢川人，任職于武漢大學經(jīng)濟與管理學院，研究方向：資產(chǎn)定價，金融工程；狄晨晨（1989-），女，河北唐山人，武漢大學經(jīng)濟與管理學院金融工程系碩士研究生，研究方向：資產(chǎn)定價，IPO理論；張卓然（1993-），女，漢族，湖北武漢人，武漢大學金融工程系本科生，英國帝國理工學院計算金融碩士研究生，研究方向：資產(chǎn)定價，IPO理論。