張可可

摘要：股票市場收益率的波動(dòng)一直是國內(nèi)外學(xué)者們研究的重點(diǎn)，大量的實(shí)證研究結(jié)果表明股票市場上收益率波動(dòng)存在著非對稱的現(xiàn)象。本文以中國股票市場上滬深300指數(shù)2008年1月2日至2020年3月31日的日收益率序列數(shù)據(jù)為樣本，利用GARCH族模型對數(shù)據(jù)進(jìn)行擬合，分析信息沖擊對股票市場收益率波動(dòng)的影響。

關(guān)鍵詞：信息沖擊? 股票市場? 波動(dòng)

一、引言

自1973年P(guān)eker K.Clark首次提出股票價(jià)格波動(dòng)的混合分布假說理論，有關(guān)市場信息流與股票價(jià)格波動(dòng)間的關(guān)系就一直是研究的重點(diǎn)。在股票市場中，收益率受外部信息干擾而產(chǎn)生的波動(dòng)是尤為重要的特征。在有效市場理論的假設(shè)下，同等數(shù)量的信息將引起收益率的對稱波動(dòng)。然而，我國股票市場歷史時(shí)間不長，發(fā)展仍不成熟，信息沖擊對于股票市場波動(dòng)的影響還需要進(jìn)一步分析。

控制論創(chuàng)始人維納認(rèn)為，信息是人們與外部社會(huì)實(shí)施相互反饋的橋梁。在資本市場中，信息更多被當(dāng)成投資者進(jìn)行投資決策的有效數(shù)據(jù)。1948年，數(shù)學(xué)家香農(nóng)提出，信息可被用來消除隨機(jī)不定性。基于這一觀點(diǎn)，資本市場中的不確定性實(shí)質(zhì)則可認(rèn)為是由于信息不完全所產(chǎn)生的。若基于投資者的角度看待信息沖擊，剡亮堯等人（2014）認(rèn)為當(dāng)市場上存在兩類交易者：在一段時(shí)間內(nèi)沒有新的信息產(chǎn)生時(shí)，主要是不知情交易者之間相互交易。一般來說，知情交易者基于新信息的出現(xiàn)交易，能夠引起資產(chǎn)價(jià)格的波動(dòng)。當(dāng)市場上知情交易者占多數(shù)時(shí)，可判定資本市場受到信息沖擊（譚地軍，田益祥，黃文光，2009）。而張琳等學(xué)者（2020）則從市場的角度結(jié)合理性預(yù)期學(xué)說，認(rèn)為信息沖擊應(yīng)該是信息發(fā)布時(shí)市場未能預(yù)期到并據(jù)此做出反應(yīng)的部分。

Pierluigi Balduzzi，Edwin J.Elton，and T.Clifton Green（1996）通過研究債券市場中新聞事件發(fā)布的時(shí)點(diǎn)，發(fā)現(xiàn)公告附近時(shí)點(diǎn)的交易異常激烈，從而使公共新聞所包含的信息能迅速通過交易被納入到資產(chǎn)的價(jià)格中。李偉，沙芳（2007）認(rèn)為金融市場上的信息傳導(dǎo)機(jī)制始于金融主體披露信息，通過中介服務(wù)機(jī)構(gòu)等傳遞到投資者，投資者則將收集到的信息通過交易反饋給市場。而陳耿，陳誠（2010）認(rèn)為宏觀政策等因素通過信息的披露向市場傳遞，進(jìn)而影響投資者信心和市場參與的行為。而高研，張新雨（2014）在研究金融危機(jī)傳染機(jī)制的過程中發(fā)現(xiàn)，理性預(yù)期都是以信息一次性披露作為假設(shè)條件。

以研究對象為主線梳理有關(guān)信息沖擊對股市波動(dòng)的影響的文獻(xiàn)。張萌（2017）發(fā)現(xiàn)信息沖擊之所以會(huì)對我國股市波動(dòng)造成影響，其根本原因是我國股票市場投資主體以散戶為主，缺乏專業(yè)的技術(shù)分析能力。而張琳，熊海芳（2016）將股票收益因新信息造成的非預(yù)期沖擊依據(jù)方向區(qū)別為“利好”與“利空”，發(fā)現(xiàn)了股市收益率波動(dòng)的對稱性反應(yīng)。

Hossein Asgharian等人（2013）發(fā)現(xiàn)月度宏觀經(jīng)濟(jì)數(shù)據(jù)與市場聯(lián)系更為密切。而Ivan Indriawan（2018）認(rèn)為宏觀經(jīng)濟(jì)新聞的發(fā)布會(huì)迫使投資者修正對公司未來現(xiàn)金流量和折現(xiàn)率的預(yù)期，從而調(diào)整其投資和風(fēng)險(xiǎn)管理策略。Linda H.Chena，George J.Jiangb，Kevin X.Zhu（2018）發(fā)現(xiàn)企業(yè)的信息不確定性越高，宏觀經(jīng)濟(jì)新聞公告產(chǎn)生的影響也會(huì)越大。

目前，針對我國股票市場波動(dòng)的研究主要建立在GARCH族模型上，例如杜冰（2019）選取DCC-GARCH模型，張雙妮等人（2019）則選用GARCH（1，1）模型。

二、研究設(shè)計(jì)

資產(chǎn)收益率波動(dòng)模型。在GARCH模型中，要考慮兩個(gè)不同的設(shè)定：其一是條件均值，其二則是條件方差。以標(biāo)準(zhǔn)化的GARCH（1，1）模型為例：

其中，xt是外生變量向量，γ是系數(shù)向量，因此在均值方程是帶有誤差項(xiàng)的外生變量函數(shù)。而σt2是依賴過去信息的一期向前預(yù)測方差，即條件方差。在條件方差方程中，α+β可以用來測定沖擊對于金融時(shí)間序列數(shù)據(jù)造成的波動(dòng)持續(xù)性。若α+β趨向于1，即可證明，沖擊造成的波動(dòng)具有持續(xù)性。

Nelson在1991年提出EGARCH模型，作為非對稱的GARCH模型之一，它不對模型中參數(shù)的非負(fù)性進(jìn)行約束，更好地分析了信息波動(dòng)的非對稱性，條件方差方程如下：

在條件方差方程中，參數(shù)α測度沖擊影響的程度，參數(shù)γ測度信息沖擊對條件方差的影響是否對稱。對于一個(gè)給定的信息沖擊，波動(dòng)的持續(xù)性可以用β來表示。當(dāng)β大于零，條件方差方程能夠捕捉到時(shí)間序列的波動(dòng)集聚現(xiàn)象，前一期的波動(dòng)性會(huì)對后一期的波動(dòng)產(chǎn)生正面影響。

三、信息沖擊對股市造成的波動(dòng)的實(shí)證研究

（一）數(shù)據(jù)選取

本文選擇滬深300指數(shù)的日收盤價(jià)作為樣本數(shù)據(jù)，主要研究該股的日收益率，以此來代表中國股票市場的波動(dòng)特征。鑒于本文研究的是信息沖擊對于股票市場造成的影響，故而將樣本數(shù)據(jù)的起點(diǎn)選在2008年1月，樣本數(shù)據(jù)的終點(diǎn)則是2020年3月。本文中的所有數(shù)據(jù)來源于Wind數(shù)據(jù)庫。為了避免股價(jià)變動(dòng)和股價(jià)水平之間的依賴關(guān)系，本文通過對數(shù)差分的形式對日收盤價(jià)的原始數(shù)據(jù)進(jìn)行轉(zhuǎn)換。

（二） 收益率序列的描述性統(tǒng)計(jì)

自2008年以來我國股票市場的波動(dòng)情況相對穩(wěn)定，并在一定程度上表現(xiàn)出波動(dòng)的聚集性。綜合整個(gè)樣本期間，2008年前后表現(xiàn)得最為明顯，主要原因可能是金融危機(jī)的爆發(fā)和蔓延，我國股票市場發(fā)生劇烈震蕩。為了減輕危機(jī)帶來的負(fù)面影響，政府采取一系列的經(jīng)濟(jì)刺激計(jì)劃，但過程較長，恢復(fù)較為緩慢。2014年開始，我國股市再次經(jīng)歷下跌，股票市場出現(xiàn)明顯波動(dòng)。2019年，受中美貿(mào)易摩擦的影響，貿(mào)易戰(zhàn)升級增加了我國企業(yè)盈利水平的不確定性，股票市場形成劇烈波動(dòng)。之后，隨著新冠疫情在資本市場的發(fā)酵，股票市場的波動(dòng)愈演愈烈。

滬深300指數(shù)的日收益率序列的偏度為-0.504857，峰度為7.058182，J-B統(tǒng)計(jì)量為2170.743，表現(xiàn)出明顯的尖峰厚尾現(xiàn)象。由于偏度的統(tǒng)計(jì)值小于零，表現(xiàn)出負(fù)偏性，這說明滬深300指數(shù)的日收益率小于均值的交易日較多。通過對日收益率序列數(shù)據(jù)的分析，可以認(rèn)定GARCH族模型適用于模擬分析我國的股市波動(dòng)。

（三） 數(shù)據(jù)檢驗(yàn)

本文使用ADF檢驗(yàn)來驗(yàn)證滬深300指數(shù)日收益率序列的平穩(wěn)性問題。t統(tǒng)計(jì)量的取值為-53.24242，遠(yuǎn)小于1%的顯著性水平下的臨界值，因此不能認(rèn)為滬深300指數(shù)的日收益率序列存在單位根，即滬深300指數(shù)的樣本數(shù)據(jù)是平穩(wěn)的。

對序列進(jìn)行自相關(guān)性檢驗(yàn)，發(fā)現(xiàn)自相關(guān)值（AC）和偏相關(guān)值（PAC）接近于零，說明可能存在弱相關(guān)性;而Q統(tǒng)計(jì)量的值隨著滯后階數(shù)的增加不斷增大，對應(yīng)的P值在滯后階數(shù)達(dá)到6時(shí)趨于0.001，這說明該時(shí)間序列數(shù)據(jù)存在相關(guān)性。

本文采用ARCH-LM檢驗(yàn)?zāi)Ｐ凸烙?jì)得到的殘差序列是否存在ARCH效應(yīng)，F(xiàn)統(tǒng)計(jì)量為39.98287，T*R2統(tǒng)計(jì)量為353.5019，取值較大，且P值近似于零，這說明滬深300指數(shù)日收益率序列數(shù)據(jù)存在ARCH效應(yīng)。

（四）模型估計(jì)

首先，對滬深300指數(shù)日收益率序列數(shù)據(jù)進(jìn)行ARCH建模。在實(shí)施ARCH-LM檢驗(yàn)時(shí)，通過對滯后殘差平方的t統(tǒng)計(jì)量的P值的觀察發(fā)現(xiàn)，可以對殘差建立ARCH（5）模型，存在著高階ARCH效應(yīng)，可以用GARCH族模型來擬合日收益率的殘差序列。本文主要考慮的模型為GARCH（1，1）和EARCH（1，1），擬合結(jié)果如下表所示：

可以看出各系數(shù)均能通過5%的顯著性水平的檢驗(yàn)，這說明模型的擬合是有意義的。在用GARCH（1，1）模擬時(shí)，滬深300指數(shù)的波動(dòng)持續(xù)性接近于1，這說明股票市場中條件方差的波動(dòng)沖擊性是持久的。一旦股票市場受到信息沖擊，在短時(shí)間內(nèi)不能完全消除。在EGARCH（1，1）模型的估計(jì)結(jié)果中，非對稱項(xiàng)系數(shù)的估計(jì)值為-0.0209，這說明信息沖擊對于股價(jià)波動(dòng)存在著顯著的非對稱現(xiàn)象。若外界環(huán)境產(chǎn)生一個(gè)正向的信息沖擊，那么對日收益率波動(dòng)的影響為0.1314;若為負(fù)向，影響為0.1732。

（五）信息沖擊曲線

為了進(jìn)一步說明我國股票市場存在的波動(dòng)非對稱性，觀察正負(fù)沖擊對波動(dòng)的影響，繪制出EGARCH模型的信息沖擊曲線，如下圖所示：

從圖中可以看出，左右兩側(cè)的信息沖擊曲線較為光滑，但左側(cè)信息沖擊曲線斜率的絕對值略大于右側(cè)的斜率，這印證了EGARCH（1，1）模型中的結(jié)論。

四、結(jié)論與建議

本文利用滬深300指數(shù)日收益率序列，采用GARCH族模型進(jìn)行波動(dòng)性建模擬合，得到結(jié)論如下：

第一，滬深300指數(shù)的日收益率序列存在明顯的波動(dòng)集群性特征，表現(xiàn)出尖峰厚尾的特征，這說明我國股票市場尚未成熟，市場風(fēng)險(xiǎn)較大。

第二，從GARCH族模型的擬合結(jié)果來看，我國股票市場上波動(dòng)的非對稱現(xiàn)象一直存在。當(dāng)外界信息沖擊產(chǎn)生并造成股票市場波動(dòng)時(shí)，短時(shí)間內(nèi)波動(dòng)不會(huì)消失。此外，無論是非對稱項(xiàng)的系數(shù)還是信息沖擊曲線的斜率，都說明了負(fù)向信息沖擊的影響大于正向。

鑒于我國股票市場起步較晚，發(fā)展尚不健全，投資者尚未形成系統(tǒng)的投資理念，對外界信息的判別能力各有高低，這些因素使得外部信息沖擊給股票市場帶來很大的波動(dòng)起伏。為了促進(jìn)我國股票市場的良好發(fā)展，應(yīng)建立公平、公正、公開的市場規(guī)則。一是完善股票市場結(jié)構(gòu)，減少政府的過度干預(yù)。雖然國家的宏觀調(diào)控在股票市場的發(fā)展過程中有著重要作用，但應(yīng)盡量避免頻繁的調(diào)節(jié)，讓市場充分發(fā)揮自主調(diào)節(jié)功能。二是完善信息披露制度，加大市場監(jiān)管力度。在我國股票市場發(fā)展過程中，利用內(nèi)幕信息操縱股價(jià)的行為時(shí)有發(fā)生，信息的傳導(dǎo)偏離正常軌道從而造成沖擊，以至于市場資源配置效率低下。只有加強(qiáng)信息公開，完善信息披露制度，才能構(gòu)建合理透明的金融市場。

參考文獻(xiàn)

[1]Asgharian，Hossein，Hou，Ai Jun，Javed，F(xiàn)arrukh.The Importance of the Macroeconomic Variables in Forecasting Stock Return Variance ：A GARCH-MIDAS Approach[J].Journal of Forecasting，2013，32（7）.

[2]Balduzzi P ，Elton E J ，Green T C .Economic News and the Yield Curve：Evidence From the U.S.Treasury Market[J].New York University Leonard N Stern School Finance Department Working Paper Seires，1996.

[3]Chen L H ，Jiang G J ，Zhu K X .Total Attention：The Effect of Macroeconomic News on Market Reaction to Earnings News[J].Journal of Banking & Finance，2018.

[4]Indriawan I .Market quality around macroeconomic news announcements：Evidence from the Australian stock market[J].Pacific Basin Finance Journal，2018.

[5]陳耿，陳誠.信息披露質(zhì)量與資本市場抗沖擊能力：國際比較研究[J].經(jīng)濟(jì)問題探索，2010，000（003）：119-125.

[6]杜冰.股市震蕩期間我國股市波動(dòng)性研究[J].行政事業(yè)資產(chǎn)與財(cái)務(wù)，2019（22）.

[7]高研，張新雨，程棵，等.信息逐漸披露下的金融傳染[J].管理科學(xué)學(xué)報(bào)，2014（03）：7-18.

[8]李偉，沙芳.信息傳導(dǎo)機(jī)制與金融風(fēng)險(xiǎn)防范 [J].科技信息，2007，000（007）：13-14.

[9]剡亮亮，何眾志，徐龍炳.雙向交易機(jī)制、信息傳導(dǎo)與股票價(jià)格[J].經(jīng)濟(jì)管理，2014，036（012）：106-115.

[10]譚地軍，田益祥，黃文光.有信息沖擊、無信息沖擊與波動(dòng)率非對稱性[J].管理工程學(xué)報(bào)，2009，23（02）：92-98.

[11]張琳，熊海芳."利好"和"利空"消息對深證成指周收益率波動(dòng)的沖擊研究[J].金融經(jīng)濟(jì)月刊，2016.

[12]張琳，張軍，王擎.宏觀經(jīng)濟(jì)信息發(fā)布對股票市場收益率及其波動(dòng)的影響[J].系統(tǒng)工程理論與實(shí)踐，2020，40（06）：1439-1451.

[13]張萌.信息沖擊、非理性投資與股市聯(lián)動(dòng)——基于滬深市場交易數(shù)據(jù)的實(shí)證檢驗(yàn)[J].南方金融，2017，000（002）：32-39.

[14]張雙妮，張雙蘭.研究美國股市對我國股市的波動(dòng)溢出效應(yīng)——基于VAR模型和GARCH（1，1）模型[J].中國集體經(jīng)濟(jì)，2019，000（022）：166-168.