股市动态分析篇1

主管单位：综合开发研究院（中国?深圳）证券研究所

主办单位：综合开发研究院;股份经济与证券市场研究所

出版周期：周刊

出版地址：广东省深圳市

语

种：中文

开

本：16开

国际刊号：1671-0401

国内刊号：44-1524/F

邮发代号：

发行范围：

创刊时间：1990

期刊收录：

核心期刊：

期刊荣誉：

联系方式

股市动态分析篇2

中图分类号：F832.5　文献标识码：A　doi：10.3969／j.issn.1672-3309(x).2011.01.27　文章编号：1672-3309(2011)01-68-03

一、引言

金融危机以来，我国宏观经济政策在经历了持续的扩张期之后进入紧缩期，货币政策在2008年经历了5次降息之后，于2010年步入加息和存款准备金提高阶段。作为经济晴雨表的股市，同期也出现了几轮明显涨跌。并相应地出现一定时期的涨跌趋势。对经济现象的观察发现货币政策和股市之间存在联动。货币政策与资产价格之间的关系问题一直是金融领域研究的热点，这一方面是由于资本市场的存在对货币政策的传导机制产生了影响，使货币当局对货币政策的把握能力受到了削弱，另一方面，货币政策作为调控经济的重要手段，对宏观经济进而对股市能产生重大影响，以逐利为目的的投资者自然对货币政策的股市效应产生强烈的兴趣。本文正是基于对经济现象的观察和对理论意义的分析提出了货币政策的股市效应这一研究主题，试图回答如下问题：货币政策的哪些指标对我国股市产生影响?影响性质和效力又如何?效力的动态性如何度量?

二、理论阐述与文献回顾

货币政策与股市的关系，各主流经济学派都有相关的理论阐述。费雪的货币数量论认为，在其它条件不变的前提下价格水平(包括实物商品和金融资产)与货币流通量成正比。凯恩斯的流动性偏好理论认为。利率是影响投机动机的决定性因素。弗里德曼认为金融资产预期收益会通过持币的机会成本影响货币需求，同时货币需求又反过来影响资产选择。理性预期学派认为预期到的货币政策对经济是中性的，只有未预期到的货币政策才对经济产生影响。同时，有效市场理论把理性预期的思想应用到了资本市场中，认为只有弱式有效市场中货币政策才对股市形成动态影响。上述各派理论存在分歧，货币数量说、凯恩斯学派和货币主义肯定这种关系，而理性预期学派和有效市场理论却否定这种关系。为调和矛盾Cooper(1974)提出了SO-EM模型，该模型的重要特点是加入了预期因素，从而一方面肯定了货币供应量是资本收益率的一个重要决定因素，另一方面指出收益变化可以领先于货币变化。

理论阐明了货币政策对资产价格影响的存在性和作用的机制，但各派理论考察的角度差异很大，且不同市场、不同历史条件下市场对这种关系的表现也各不相同，这就需要实证分析进行检验。所以，中国这个尚未成熟且处于转型期的资本市场对货币政策的冲击会产生一个怎样的反应便成为我国学者研究的一个问题。谢平等(2002)从理论上论证了我国货币数量不再简单地与物价和收入呈比例关系，而与经济体系中所有需货币媒介的交易有重要相关性，并用多元回归方法进行定量和实证分析。瞿强(2001)就政策操作层面上对资产价格与货币政策的关系进行了总结，指出货币政策对资产价格要“关注”，但不要“钉住”。易纲、王召(2002)通过建立货币政策的股市传导机制理论模型，推导发现货币政策对资产价格有影响，货币数量与通货膨胀的关系不仅取决于商品和服务的价格，还取决于股市。孙华妤、马跃(2003)在提出综合理论框架基础上运用动态滚动式VAR方法对货币政策与股市的关系进行分析，印证了货币政策对股市的影响。陆蓉(2003)通过向量误差修正模型(VECM)研究了不同货币政策控制方式下各货币政策变量对股市的冲击，发现在货币政策的直接调控方式下，贷款限额管理对股票市场的影响较大，间接调控方式下，货币市场利率对股票市场的影响逐渐显现。刘松(2004)用趋势分析、协整和granger因果检验对货币政策与股市的关系进行研究，发现用年度数据存在影响作用而月度数据不存在。崔畅(2007)通过SVAR模型分析股市在低迷和高涨阶段对货币政策冲击的不同反应，结果表明货币政策对资产价格的作用在低迷和高涨阶段都具有有效性。

对文献的梳理发现，我国学者已经从理论上阐明了我国货币供应量对我国股市的影响，并且股市的波动也得到了货币政策的关注，同时，股市对货币政策影响的实证研究也得到了足够的重视，并取得了初步成果，但由于使用的实证研究方法不甚完善并且变量的选取和处理严谨性不高，使得实证结果的可靠性很难令人满意。本研究基于SVAR和更严谨的变量选择与处理来研究我国股市的货币政策动态效应。

三、股市对货币政策动态效应的实证研究

(一)变量选取与处理

本研究选取的变量包括四类：宏观经济变量、物价变量、货币政策变量、股票市场变量。使用月度数据，研究期为2000年1月至2010年8月。考虑到数据的可得性和替代的科学性，四类变量的变量选择如下：宏观经济的变量为工业增加值，物价的变量为定基居民消费价格指数(基期为2000年1月，基期值为1)。货币政策的变量为M0、金融机构人民币贷款余额、银行间7天同业拆借利率，股市的变量是上证综指。数据来源是中国人民银行网站、中国统计局网站和国泰君安大智慧软件数据库。本文所有数据处理都由计量软件E-views5.1完成。

货币政策变量的选择逻辑是：货币政策的中介目标分总量目标和价格目标，我国利率体系中只有银行间同业拆借市场已放开，使得货币供求价格能通过市场的力量形成，而很多机构投资者都已成为拆借市场的主体，这样拆借市场利率能够很好地体现资金投资股市的机会成本，所以选择了交易量最大的七天期同业拆借利率作为货币政策价格目标的指标。总量目标的变量，我们选择了M0和金融机构人民币贷款余额。理由是：我国学者研究发现我国的货币供给体现了一定的内生性，对于宽口径的M2的控制难度越来越大。央行只能通过公开市场业务和央行票据业务影响M0，此外，我国货币政策调控方式虽然从1998年开始放弃贷款控制的直接方式而转向货币总量的间接控制，但央行的新增贷款计划却每年还在做，各商业银行的贷款数量受到央行的紧密追踪，贷款仍受到计划贷款总量的约束，可见金融机构贷款仍然是货币政策关注的重要指标。

对这6个变量的月度数据分别做如下处理：先用X-11乘法季节调整对M0、金融机构贷款余额和工业增加值进行平滑以消除季节趋势，再除以定基消费价格指数消除通胀影响，然后取对数消除异方差，处理后的数据分别用inmO、indky和Ingvz表示。对银行间7天同业拆借利率减通胀率取实际值。用t11表示。对上证综指取对数，用

insz表示，上证综指取对数后，对数差就表示对数收益率。定基消费价格指数用wjzs表示。

(二)扩展(Lag-Auented)VAIL模型的建立

SVAR模型和VAR模型对变量的单整性协整性要求不同。对于无约束的VAR模型，若变量平稳，则可直接用水平数据建立模型，此时的模型估计是有效的：若变量非平稳但协整，则可对数据进行差分建立具有协整约束的VAR模型，以获得有效的模型估计。可见，变量平稳性及协整关系对VAR模型是非常重要的，但SVAR模型中变量的平稳性及协整性已有文献并无深入、系统的探讨。大多直接采用变量的水平值进行估计。但这样建模对模型滞后阶数的选择与通常的做法有差异。Todaand Yamamoto(1995)研究表明，采用扩展(Lag-Augmented)VAR模型方法可以不考虑变量单位根个数及协整关系。这种方法采用P+K一作为模型内生变量的滞后阶数，其中KMmax为变量时间序列的最大单整数，P为根据通常判定准则确定的VAR模型的滞后阶数。这种方法的优点在于能避免以协整为依据所建立的VAR模型可能存在的严重事前检验误差而得出有偏的实证结论，且简单易行。本研究将以此方法建模。

SVAR模型是在VAR模型基础上对其误差项进行结构分解得到的。于是先建立包含4个内生变量(Idkv、InmO、tll和Insz)和两个外生变量(Ingyz和wjzs)的VAR模型，区分内生和外生的原因是：作为研究货币政策对股市冲击的系统，为尽可能准确地估计出冲击的直接作用，必须把影响股市的两大宏观要素工业增加值与物价水平包含在分析系统中，但内生变量的增加会造成模型待估参数以所增加内生变量数目的倍数增多，待估参数的增加会造成自由度的损失并直接影响到模型参数估计的精度，权衡利弊我们把Ingyz和wizs作为模型的外生变量来处理。其次确定扩展(Lag-Augmented)VAR模型的滞后阶数，需确定模型内生变量的最大单整阶数以及无约束VAR模型的滞后阶数。对Indky、InmO、tll和Insz进行ADF检验(检验的方程都含趋势项与截距项，方程的滞后阶数都为12)最大单整阶数为1，即kmax=1。对无约束VAR模型的滞后阶数的检验发现5个判定准则中有4个在5％的显著水平下判定模型的最优滞后阶数为2，另一个判定为l，所以无约束VAR模型的滞后阶数p=2。所以，我们建立的VAR模型的滞后阶数为3。

VAR模型的脉冲响应分析和方差分解分析只有模型是平稳时才有意义，SVAR模型对平稳性有同样的要求。VAR模型平稳的充要条件是模型系数行列式的所有特征值都在单位圆以内。对所建立的VAR(3)进行平稳性检验发现条件满足，可进行脉冲分析和方差分解。同时。残差的LM自相关检验表明残差序列不存在自相关，但进一步分析表明，各随机冲击之间存在较强的相关性，有必要识别结构式冲击，

(三)对SVAR模型同期相关关系矩阵的约束及矩阵的估计

要识别出机构式冲击需求出同期相关关系矩阵，而求同期相关关系矩阵需施加k(k-1)／2个短期约束(高铁梅，2003)。于是，对本文4个内生变量和2个外生变量的SVAR(3)需施加6个短期约束，本文施加的是零约束，表明一个变量对另一个变量随机冲击没有当期反应，分别是：InmO对来自Insz的冲击为零；Indky对来自Insz的冲击为零tll对来自Insz的冲击为零；lnm0对来自tll的冲击为零：Indky对来自tll的冲击为零；Indky对来自InmO的冲击为零。上述约束的理论依据是：我国货币政策没有把资产价格作为货币政策的调控目标，所以有了前3个约束：我国现金流通量Mo主要受到巨额外汇储备的影响。具有被动吸收外汇的特征，所以第4个约束也可行；我国央行每年都有信贷计划，商业银行普遍存在惜贷现象，且中小企业长年受融资难困扰，使得贷款对利率不敏感，可见第五和第六个零约束也成立。在施加了6个零约束之后，SVAR模型正好可识别，此时根据变量顺序Ind，kv、InmO、tll和Insz估计出结构因子矩阵A、B。

(四)SVAP，脉冲响应函数分析

用结构因子矩阵A、B对VAR的误差项进行分解，可得同期独立的随机干扰项，据此得出脉冲响应函数就不再含有其它内生变量的交叉冲击。从而能更精确度量出变量冲击对系统的影响，这是SVAR脉冲响应函数的优点。本研究探讨股市对货币政策冲击的动态效应，所以仅给出股市对一单位标准差货币政策变量结构新息冲击的响应轨迹(如下图所示)，滞后长度为12期，图中横坐标表示冲击发生后的时间间隔(单位：月)，纵坐标表示对冲击的反应程度(单位：百分数)。图中实线部分表示脉冲响应轨迹。虚线部分表示5％的置信水平。

由上图可知：金融机构贷款余额对股市的冲击作用是负向的且非常微弱，出现负向冲击与我们的经验是相反的，这种冲击到第三期才开始显现，到第十期冲击作用趋于消失。在第五、六、七期这种影响达到最大，此时达到0I01％左右。基础货币供应量M0对股市的冲击作用为正向且较显著，这种冲击从当期显现且冲击作用稳步上升，到第六期达到较高水平，之后一直保持在该水平而无明显下降，说明基础货币供应量对股市的冲击作用较明显且持久。货币市场利率对股市的冲击效力较小，整体上是负向的且持续期较短，第八期之后影响就趋于零了，滞后三、四、五、六期的影响相对较明显，但在第二期却出现了令人费解的正向冲击。

整体上看，货币政策对股市的冲击主要体现在基础货币上，货币市场利率对股市虽有影响，但很微弱。金融机构贷款余额对股市的影响却是出乎意料的负向，影响力也很微弱。

四、结论

本文用2000年1月至2010年8月的月度数据，建立4个内生变量(Indky、InmO、tll和Insz)和2个外生变量(Ingyz和州zs)滞后三阶的SVAR(3)模型，并求出正交化的脉冲响应函数以分析该时期货币政策对股市的动态影响效力，得出以下结论：

第一，我国货币政策对股市的影响途径主要是基础货币供应量M0，这种影响途径较显著且持久，影响的最大值在六个月后出现。基础货币对股市的追逐，说明了我国投资渠道的匮乏，现金持有者只能通过投资高风险的股市来实现金钱的时间价值。但现金的高流动需求一方面使得投资股市蒙受较大的风险，另一方面也加剧了股市的波动。不利于金融稳定。

第二。我国货币市场利率对股市的影响很小。虽然我国当前有一定数量的券商和基金参与了货币市场的交易，但是从数据的检验结果看股市对货币市场利率还不敏感，这说明了机构投资者在稳定股市方面的作用尚未显现，我国股市的投机氛围依然浓重。

第三，我国金融机构贷款余额对股市的影响呈微弱负向关系。这与经验相反，本文认为这与我国商业银行贷款结构与企业投资效率有关。如果企业对商业银行形成一种倒逼，那么贷款的增加未必表明企业生产效率的提高，所以未必对公司的股票有正向影响。如果企业的投资效率不高，根据财务管理原理，项目的净现值可能为负。此时贷款的增加却可能对公司股价形成负向影响。

参考文献：

[1]瞿强，资产价格与货币政策[J]，经济研究，200l,(07)。

[2]谢平、焦瑾璞，中国股票发展与货币政策完善[J]，金融研究,2002,(04)。

[3]易纲、王召，货币政策与金融资产价格[J]，经济研究，2002,(03)。

[4]孙华妤、马跃，中国货币政策与股票市场的关系[J]，经济研究,2003,(07)。

[5]陆蓉，股票市场的货币政策效应的度量[J]统计研究，2003,(08)。

[6]刘松，中国货币供应量与股市价格的实证研究[J]，管理世界,2004,(02)。

[7]崔畅，货币政策工具对资产价格动态冲击的识别检验[J]，财经研究,2007,(07)。

股市动态分析篇3

本次报告会邀请了博时基金宏观策略部总经理魏凤春先生、摩根士丹利华鑫基金研究总监陈强兵先生、南方基金首席策略分析师杨德龙先生、海通国际环球投资策略部董事潘铁珊先生、麦格理资本证券联席董事林泓昕先生作为嘉宾进行主题演讲。此外，报告会还安排了专栏作者圆桌会议。

股市动态分析篇4

中图分类号：F832.51 文献标识码：A 文章编号：1003-9031（2016）05-0018-07 DOI：10.3969/j.issn.1003-9031.2016.05.04

一、引言

Wind资讯统计数据显示，在2014年10月10日，全国中小企业股份转让系统（以下称“新三板”）挂牌公司家数为1169家，其中做市转让54家，协议转让1115家；2016年1月29日，挂牌家数为5623家，做市转让1280家，协议转让4343家，即在这期间，相当于每交易日有约10家企业在新三板挂牌。新三板与沪深股市在挂牌条件、审核程序、交易方式、投资者资格要求等方面存在较大差异。挂牌门槛低、审核程序简化使新三板挂牌公司数量迅速膨胀，交易方式仅做市及协议转让两种，投资者门槛高等制度因素也成为新三板流动性差的原因之一。统计数据显示，2016年1月，新三板成交金额仅197.48亿元，较沪深股市差距巨大。从目前来看，我国新三板发展空间较大，发展潜力充足。

统计数据显示，新三板挂牌企业中，信息技术企业占比最高，为28.77%，其次是工业28.18%、材料13.67%，可见，中小型高科技企业在新三板中占据较大比重，发展新三板，对于丰富中小型高科技企业融资渠道、解决资金困境具有重大意义。同时，新三板在制度设计上与沪深股市存在较大差异，发展新三板是我国构建多层次资本市场的重要一步，对提高中小微型企业公司治理水平、丰富投资渠道、风险管理等具有重要意义。目前，监管层正在推行新三板分层设计，通过对新三板进行结构化管理，进一步发挥新三板的价值。

在制度设计上，新三板与沪深主板、中小板及创业板之间存在较大差异，主要表现在：定位及准入门槛方面，新三板主要定位于服务创新创业成长型中小微企业，新三板准入门槛远远低于沪深股市；交易制度上，新三板采取做市交易及协议转让两种交易形式；投资者资格上，新三板主要面向机构投资者以及合格个人投资者，投资者门槛较高；交易价格限制上，新三板没有10%涨跌幅限制等。这些差异在沪深主板、中小板及创业板之间是没有的。差异化的制度设计可能导致新三板与沪深股市之间表现出较为明显的市场分割特征，在这样的背景下，本文拟通过采用BEKK-MVGARCH以及DCC-MVGARCH模型，分析新三板与沪深股市（主板、中小板及创业板）之间的波动溢出效应及相关关系的时变性。分析这一问题，既是分析新三板与沪深股市之间的风险特征，可以明确新三板与沪深股市之间的风险传递关系，为风险管理及投资资产配置提供借鉴，同时，对分析新三板在我国股票市场中的地位以及目前存在的问题、未来的发展方向等都具有重要意义。

二、文献综述

国内外对于资本市场的溢出效应和联动关系研究由来已久，但专门针对多层次资本市场内部的联动关系的研究较少，主要集中在对各个市场之间联动关系的研究。一方面是研究不同国家资本市场之间的关联性：Eun和Shim（1989）利用VAR模型研究了9个股票市场之间的国际传递机制，发现美国股市在国际股票市场传递中扮演重要角色[1]；Soydemir（2000）基于4变量的VAR模型研究了发达国家和新兴市场国家的股票传递机制问题，并发现股票联动机制和国际贸易之间有较大的关系[2]；Forbes和Rigobon（2002）利用VAR模型研究了金融危机期间股票市场的传染性问题[3]；国内学者韩非和肖辉等（2005）、张兵（2010）等基于（多元）GARCH模型和线性Granger因果检验研究了中美股市的联动性和市场风险传染问题[4-5]。另一方面是研究股票市场与其他金融市场的关联关系：Yang（2005）等利用基于有向无环图（DAG）的SVAR模型研究了5个工业国家债券市场的关联关系，并基于实证结果探讨了货币政策的国际溢出效应[6]； Gilchrist（2009）等利用FAVAR模型研究了企业债券市场、股票市场、信贷市场和实体经济之间的互动关系，并发现来自债券市场的冲击在预测期2到4年内能解释实体经济波动的30%左右[7]； Apergis和Mmer（2009）、Fills（2010）、Kang和Ratti （2013）等均基于VECM模型研究了石油市场与股票市场的关联性[8-10]；国内学者袁超等（2

008）、王茵田（2010）等、史永东（2013）等分别从多种视角并利用ADCC-GARCH模型、VAR模型和线性Granger因果检验、Copula和GARCH模型相结合研究了中国债券市场与股票市场的动态相关性、流动性溢出和风险溢出效应问题[11-13]；丁剑平（2009）等利用MV-GARCH模型研究了亚洲汇市与股市之间的联动关系[14]；金洪飞等（20

08，2010）分别基于中美两国视角、分行业视角，利用SVA

R模型、二元GARCH模型及双因子GARCH模型研究了石油价格与股票价格之间的关联性[15-16]。

关注多层次资本市场之间联动性的研究极少，Cheung等（2013）利用线性回归模型对中国的主板市场和创业板市场之间的领先滞后关系进行了研究[17]；谷耀、陆丽娜（2004）首次利用DCC-（BV）EGARCH-VAR模型对沪、深、港三地股票市场收益和波动溢出效应与动态相关性进行了研究[18]；王F、杨照军（2009）等通过ARCH模型对深圳的创业板市场的“冲击”效应进行了实证研究[19]；张金林、贺根庆（2012）同样借助DCC-MGARCH-VAR模型对中国创业板和沪、深主板市场之间的时变联动关系和波动溢出效应进行了研究[20]。

目前，新三板市场的发展日益受到关注，我国对于新三板市场的研究不断深入，但多集中在新三板市场的制度和功能研究，对于新三板与沪深股市间的溢出效应及其关联关系的研究几乎没有。如李冰（2013）研究了我国新三板证券市场中做市商制度的构建，认为做市商制度的引入对新三板证券市场具有重大意义[21]；杨勇（2014）在传统做市商弊端的基础上提出了我国新三板市场引入传统做市商制度的监管问题[22]；王永辉（2015）探讨了新三板挂牌企业的绩效，认为找到适合的评价机制对我国未来的资本市场运作具有重要意义[23]；张琳（2015）对新三板企业的流动性进行了分析，发现新三板挂牌企业流动性较弱，并在此基础上分析了流动性较弱的原因[24]。

综上所述，尽管国内外对证券市场间及市场内部的波动溢出效应研究非常丰富，并且多是用VAR及GARCH类模型，我国学者对新三板市场也给予了一定关注，但目前对于新三板与沪深股市间的溢出效应及其关联关系的研究几乎没有。本文的重要贡献在于，通过利用非线性的多GARCH模型，对新三板与沪深股市之间的波动关系分析，弥补这部分空白。

四、实证结果及分析

（一）变量的描述性统计

从不同指数对数收益率序列的走势可以清晰的看出，新三板做市指数与沪深股市的上证综指、沪深300、深证成指、中小板指以及创业板指之间波动特征差异非常明显，证明了新三板与沪深股市之间存在较明显的市场分割特征。从各变量的描述性统计可以看出，观测区间，新三板总体收益率表现仅次于创业板，优于上证综指、沪深300、深证成指以及中小板指数。标准差则远低于沪深股市指数，表明从风险及收益角度来看，新三板具备投资价值，并且在观测区间，总体表现优于沪深股市。从ADF检验可以看出，所有变量都是平稳的。LM检验表明，所有变量都存在ARCH效应，因此适用ARCH类模型。LM检验还表明，新三板指数的波动聚集效应显著性强于沪深股市指数，表明尽管新三板总体标准差较沪深股市低，但存在明显的波动聚焦特征，在特定时期内波动性非常大，存在风险积聚效应。

（二）BEKK-MVGARCH结果

BEKK模型在检验序列间的波动溢出效应上应用非常广泛，为了减少不必要的参数以及保证条件方差矩阵的正定性，对三板做市指数收益率与上证综指、沪深300、深证成指、创业板指以及中小板指分别建立二元BEKK模型，均值方程则选用二元VAR模型，在回归BEKK模型之后，利用F检验，根据前面所述的检验原理，检验序列间的波动溢出效应。为节约篇幅，只报告了BEKK模型的A矩阵和B矩阵交叉项系数及显著性。

从BEKK的实证结果可以看出，五个二元BEKK模型，交叉项系数及其显著性表现出以下特征：

首先，（12项都显著为负，而（21都不显著。表明短期内，沪深股市与新三板之间存在显著的单向波动溢出效应，即沪深股市的波动将传导至新三板，并且这种传导短期表现为负相关，这与新三板、沪深股市之间的市场分割有关，沪深主板、中小板及创业板在交易制度上基本一致，标的流动性非常好，除创业板对投资者资格略有限制外，投资门槛极低，投资者可以自由的在沪深股市配置风险，因此沪深主板、中小板及创业板市场分割特征不明显，市场相关性非常强，“齐涨共跌”为常态，但新三板与沪深股市之间则不同，新三板与沪深股市之间的分割，使新三板与沪深股市之间短期在波动上存在差异，沪深股市的下跌并不能导致新三板指数下跌，反而因为分割特征的存在，使得在沪深股市下跌时新三板的配置价值短期凸显。

其次、从（12项绝对值大小来看，绝对值最大的为上证综指与新三板指数，其次为沪深300、中小板指，创业板指最低。表明短期来看，上证综指对新三板指数的溢出效应更大，创业板则最低，这与不同市场的波动性有关，从描述性统计可以看出，上证综指与沪深300标准差最低，而创业板最高，尽管新三板波动聚集效应最为明显，但新三板总体波动性较低，与上证综指和沪深300指数更为接近。

最后，（12项总体显著性要弱于（12项，并且除创业板与新三板外，其他沪深市场指数与新三板做市指数该项系数为正，而（21项则不显著。表明在长期，新三板与沪深股市之间的波动溢出效应仍然是单向的，即沪深股市传导至新三板，但长期则改变了沪深股市波动负向传导的关系，表明尽管短期内新三板与沪深股市之间交叉配置存在优势，但长期这样的优势并不可持续，在沪深股市下跌时，新三板的短期上涨随着时间的推移也会被侵蚀。

（三）DCC-MVGARCH结果

与BEKK-MVGARCH模型一样，对三板做市指数收益率与上证综指、沪深300、深证成指、创业板指以及中小板指分别建立DCC-MVGARCH模型，计算出动态条件相关系数，制图并做描述性统计。分别以szzzsb、hsthsb、szczsb、zxbzsb以及cybzsb代表三板做市指数与上证综指、沪深300、深证成指、中小板指以及创业板指之间的动态条件相关系数。

从DCC系数的走势图可以看出，新三板与沪深股市的动态相关性总体较为稳定，新三板做市指数与上证综指、沪深300、深证成指、中小板指及创业板之间的DCC系数均值稳定在0.3左右，但市场面临系统性冲击时，新三板与沪深股市之间的动态相关性会出现短暂波动加大，如2015年3月央行降息后，DCC系数波动加剧，在股灾发生前，DCC系数表现出震荡下降的趋势，在这期间，沪深股市涨势良好，被称为“政策牛”，而DCC系数降低，表明沪深股市在上涨期间，与新三板的相关性在降低，而在股灾期间以及2015年8月25日央行降准降息后第一个交易日（8月26日，上证综指下跌7.63%），新三板与沪深股市之间的动态相关性显著上升，表明新三板对沪深股市上行及下跌的冲击反应是不对称的，新三板对沪深股市下跌冲击的反应更明显，而对沪深股市上行则表现出反应不足。从三板做市指数与沪深市场指数之间的DCC系数均值来看，三板做市指数与沪深市场不同板块之间的相关性差别较小，从均值来看，三板做市指数与中小板指的DCC系数均值相对要高于其他板块，而与上证综指、沪深300指数的DCC系数均值相对低于其他指数，表明总体而言，新三板的波动特征与中小板市场更为接近。

五、结论与建议

利用BEKK/DCC-MVGARCH模型，分析了2015年1月4日―2016年1月29日期间，三板做市指数与上证综指、沪深300、深证成指、中小板指以及创业板指之间的波动溢出效应及动态相关性发现：

首先，三板做市指数的标准差低于沪深股市，但其波动聚集效应较沪深股市更为显著，表明新三板市场总体交易不活跃，市场发展还不够成熟，风险较为集中。

其次，新三板与沪深股市之间存在显著的波动溢出效应，但这种波动溢出效应主要表现为单向的，即沪深股市传导至新三板市场，表明尽管新三板定位为我国多层次资本市场的组成部分，但其对整个市场的影响力还非常弱。

最后，新三板对沪深股市上行及下跌的冲击反应是不对称的，新三板对沪深股市下跌冲击的反应更明显，而对沪深股市上行则表现出反应不足。

综上所述，目前新三板与沪深股市之间市场分割特征非常明显，新三板市场发展还很不成熟，新三板市场存在明显的风险集征，由于对沪深股市上行及下跌的冲击反应不对称，在负向冲击到来时，新三板市场容易出现暴跌行情，风险较大。因此，从新三板的风险特征来看，新三板市场目前还不适合普通投资者进入，但同时市场交投量不够活跃也一定程度上限制了新三板市场走向成熟，因此，除设置合格投资者门槛外，更应当加强对新三板市场投资者的风险教育，培育成熟的投资者；同时，可以考虑适当降低合格投资者的准入门槛，活跃市场，在合格投资者进入市场前进行充分的风险揭示、投资者教育。尽管新三板扩容速度快，但目前的新三板与构建我国多层次资本市场的定位还有一定的距离，挂牌公司数量的增加并不是推动新三板市场走上成熟的手段，在注重新三板作为中小微企业融资途径的同时，应当更加注重从制度层面完善新三板市场，真正发挥其发现价值的功能，提高新三板在资本市场中的地位，将其打造成差别化、能进能出、有投资价值的证券市场。

参考文献：

[1]Eun C S，Shim S. International transmission of stock market movements[J].Journal of financial and quantitative Ana-

lysis，1989，24（02）：241-256.

[2]Soydemir G.International transmission mechanism of stock market movements； evidence from emerging equity markets[J].Journal of Forecasting，2000，19（3）；149-176.

[3]Forbes K J’ Rigobon R. No contagion，only interdependence； measuring stock market comovements[J]. The journal of finance，2002，57（5）：2223-2261.

[4]韩非，肖辉.中美股市间的联动性分析[J].金融研究，2005（11）：117-129.

[5]张兵，范致镇，李心丹.中美股票市场的联动性研究[J].经济研究，2010（11）：141-151.

[6]Yang J. International bond market linkages： a structural VAR anaIysis[J].Journal of International Financial Markets，In-

stitutions and Money，2005，15（1）：39-54.

[7]Gilchrist S，Yankov V， Zakrajsek E.Credit market shocks and economic fluctuations：Evidence from corporate bond and stock markets[J].Journal of Monetary Economics，200

9，56（4）：471-493.

[8]Apergis N，Miller S M. Do structural oil-market shocks affect stock prices？[J].EnergyEconomics，2009，31（4）：569-575.

[9]Filis G.Macro economy， stock market and oil prices： Do meaningful relationships exist among their cyclical fluctuations？[J]. Energy Economics，2010，32（4）：877-886.

[10]Kang W，Ratti R A.Oil shocks， policy uncertainty and stock market retum[J].Journal of International Financial Markets，Institutions and Money，2013，26：305-318.

[11]袁超，张兵，汪慧建.债券市场与股票市场的动态关系研究[J].金融研究，2008（1）：63-75.

[12]王茵田，文志茵.股票市场和债券市场的流动性溢出效应研究[J].金融研究，2010（3）：155-166.

[13]史永东，丁伟，袁绍锋.市场互联、风险溢出与金融稳定――基于股票市场与债券市场溢出效应的视角[J].金融研究，2013（3）：170-180.

[14]丁剑平，赵亚英，杨振建.亚洲股市与汇市联动：MGARCH模型对多元波动的测试[J].世界经济，2009（5）：83

-95.

[15]金洪飞，金荦.石油价格与股票市场的溢出效应―基于中美数据的比较分析[J].金融研究，2008（2）：83-97.

[16]金洪飞，金荦.国际石油价格对中国股票市场的影响一基于行业数据的经验分析[J].金融研究，2010（2）：173-187.

[17]Cheung W， Liu K. A comparison of China Main Board and Growth Enterprise Market Board-Market Microstructure Approach[J].Review of Pacific Basin Financial Mar

kets andPolicies，2013， forthcoming.

[18]谷耀，陆丽娜.沪、深、港股市信息溢出效应与动态相关性[J].数量经济技术经济研究，2004（11）：34-56.

[19]王F，杨朝军，廖士光.创业板市场对主板市场的冲击效应研究[J].财经研究，2009（5）：63-73.

[20]张金林，贺根庆.中国创业板和主板市场时变联动与波动溢出――基于DCC-MGARCH-VAR模型的实证分析[J].中南财经政法大学学报，2012，（2）：100-106.

[21]李冰.我国新三板证券交易市场中做市商制度的构建研究[J].经济视角（上），2013（7）：34-35.

股市动态分析篇5

Study on the dynamic correlation of stock and bond markets in the context of European debt crisis

-Empirical research Based on the DCC-MVGARCH model

Wang Ran1， Li Cheng-gang2

（1. Department of Economics， Renmin University of China， Beijing 10000， China， 2. Faculty of Finance， Guizhou University of Finance and Economics， Guiyang 550004， China）

Abstract： This paper uses the DCC-MVGARCH model proposed by Engle to study the dynamic correlation between stock and bond markets in China in the context of the European debt crisis， and characterizes the time-varying characteristics of the correlation between stock and bond markets. The empirical results show that the dynamic conditional correlation of stock and bond markets in the context of the European debt crisis is time-varying. The impact of European debt crisis on the correlation between stock market and bond markets is obvious. The impacts of European debt crisis on the dynamic correlation coefficients between stock and Treasury bond markets， and between stock and corporate bond markets are substantially identical.

Key words： DCC-MVGARCH model； European debt crisis； dynamic correlation； time-varying characteristic

1.引言

2009年12月以来，由于希腊、法国、西班牙、意大利等国的债务问题凸显，引发了欧债危机。在欧债危机的冲击下，我国股票市场大幅下跌，而债券市场却出现了上涨。因此，在欧债危机的冲击下，我国股票市场与债券市场是否存在较强的相关关系？相关关系是否呈现出时变特征？对于这些问题的研究和探讨，有利于理解欧债危机对我国股票市场与债券市场的作用机理，揭示欧债危机背景下我国股票与债券市场的变动规律，指导投资者在欧债危机及类似金融危机冲击下的投资决策和投资转移。

2.文献回顾

国内外大量学者研究了股票市场与债券市场之间的相关性。Chan等（1997）[1]的研究表明至少存在一种非静态的因素推动股票和债券价格的变动，而这种非静态因素并不能对两资产的价格同时产生影响。Gulko（2002）[2]重点研究了股票市场崩盘时的股票与债券相关性，结果表明伴随着股票市场崩盘，股票与债券之间呈现出负相关性。Andersson等（2008）[3]的研究结果表明，在高通货膨胀预期时，股票与债券价格同向变动；在低通货膨胀预期时，股票与债券呈现出负相关关系。Yang等（2009）[4]研究了宏观经济因素影响下的股票与债券相关性，结果发现，短期利率与通货膨胀率更高时，股票与债券的相关性也更高。Baur（2010）[5]分析了8个发达国家的股票与债券指数相关性，发现同一个国家的股票与债券相关性呈负相关，跨国家的股票与债券市场呈现出正相关。Garcia和Tsafack（2011）[6]的研究表明同一种资产在两个区间中的依赖性都较强，但是在股票与债券之间依赖性较弱，甚至在同一个国家里的股票与债券市场上也是如此。Dhillon和Johnson（2012）[7]通过检验红利变动对股票和债券价格的影响，发现股票价格与债券价格在红利变动宣告时呈现出负相关关系。

国内学者也对股票与债券市场相关性进行了一些有益的探讨，取得了一些有益的研究成果。一些学者集中于股票市场或债券市场内部相关性的研究，一些学者重点探讨了股票市场与债券市场之间的相关性研究。赵留彦和王一鸣（2003）[8]采用向量GARCH模型研究了A、B股之间的相关性和波动溢出，研究结果发现，2001年2月B股对境内投资者开放事件使得A股和B股之间的联系增强。谷耀和陆丽娜（2006）[9]对上海、深圳和香港三地股票市场动态相关性的研究结果显示，沪市和深市之间的条件相关性是动态调整的，在牛市时两市的相关性变动幅度较大，而在熊市时两市的相关性变动幅度较为平缓。袁超等（2008）[10]采用非对称动态条件相关系数模型，实证分析了债券市场与股票市场的动态相关性，结果发现股票和债券市场的相关关系存在结构性变化。吴吉林和原鹏飞（2009）[11]采用AG-DCC模型研究了我国股票、债券及外汇市场一体化问题，结果发现我国股票、债券和外汇市场间存在明显的动态相关性。郑振龙和陈志英（2011）[12]实证分析了中国股票市场和债券市场收益率动态相关性，分析结果表明股票和债券市场相关性是时变的。

从以上的文献研究成果可以看出，现有学者尚未研究欧债危机影响下的股票与债券市场相关性，尚未刻画欧债危机背景下的股票与债券市场相关性时变特征。本文将引入Engle（2002）[13]提出的动态条件相关多元广义自回归条件异方差模型（DCC-MVGARCH），刻画股票市场与国债市场以及股票市场与企业债市场相关性的时变特征，分析欧债危机对股票市场与债券市场相关性的影响。

3.股票与债券市场动态相关性实证分析

3.1数据

为了考察欧债危机背景下我国股票市场与债券市场相关性，同时将欧债危机爆发前与爆发后股票市场与债券市场相关性进行比较，本文选取2008年9月1日至2012年5月31日的上证指数（000001）、上证国债指数（000012）以及上证企债指数（000013）日收盘价，共909组的收盘价数据。数据来源于RESSET金融研究数据库。

上证指数、上证国债指数和上证企债指数的日收益率 可以利用如下公式进行计算：

（1）

其中，，分别表示上证指数、上证国债指数和上证企债指数。

对上证指数、上证国债指数和上证企债指数收益率序列做统计性描述（限于篇幅，统计性描述未列出）。三大指数收益率时间序列都没有通过正态检验（Jarque-Bera检验，即JB检验），在1%的显著性水平下，欧债危机背景下的股票市场和债券市场收益率都显著异于正态分布。峰度（Kurtosis）分别为5.9769、23.1246和48.7726，说明股票市场和国债市场收益率序列不服从正态分布，呈现出尖峰厚尾特征。三大指数收益率序列及收益率平方序列的自相关及异方差检验结果显示，收益率序列在1%的水平下存在显著的序列相关性。这表明股票市场与债券市场均存在显著的自相关现象，收益率序列波动聚集现象非常显著。单位根检验结果表明，股票市场和债券市场收益率序列均为平稳的时间序列。

3.2实证模型

Engle（2002）[13]对相关性研究方法和模型进行了改进，提出了DCC-MVGARCH模型。DCC-MVGARCH模型假定k种资产的收益率rt服从均值为0，协方差矩阵为Ht的条件多元正态分布，表示如下：

～ （2）

（3）

其中，Ft-1为t-1期的信息集合，rt为k×1维向量，Ht为条件协方差矩阵，Rt为k×k维时变相关矩阵。，为单变量GARCH模型求出的n×n维时变标准差对角线项组成的矩阵。hi，t可以采用如下的单变量GARCH模型求出：

（4）

标准化残差，，则动态条件相关结构为：

（5）

（6）

其中，为标准残差的无条件方差矩阵，，。αm和βn称为DCC-MVGARCH模型的系数。 ，。最常用的模型为DCC-MVGARCH（1，1），则为：

，为标准化残差εt的非条件相关系数，，，并且

Engle（2002）[13]提出用两阶段法估计DCC-MVGARCH模型。采用对数似然估计，对数似然函数为：

（7）

对数似然函数值可以分解为波动部分和相关性部分。第一阶段对波动部分进行估计，分别对每个市场单独采用单变量GARCH进行估计，并将各GARCH模型的对数似然函数进行求和。第二阶段运用第一阶段获得的单变量估计值对相关性部分进行估计。两阶段估计出来的DCC参数具有一致性和渐进正态性。

3.3模型估计结果

本文对上证指数、上证国债指数和上证企债指数收益率分别构建GARCH（p，q）模型，刻画股票市场、国债市场和企业债市场的波动性风险。由于三大指数收益率序列都存在显著的自相关，本文采用ARMA模型作为均值方程。ARMA模型首先需要确定滞后阶数，利用偏自相关函数（PACF）确定均值方程中ARMA模型的滞后阶数，最终确定为：上证指数收益率的均值方程符合ARMA（1，1）的结构，上证国债指数收益率的均值方程符合ARMA（3，1）结构，上证企债指数收益率的均值方程符合ARMA（2，2）结构。对三个ARMA结构均值方程的残差序列进行ARCH-LM检验，检验结果显示P值为0，拒绝原假设。这表明，本文建立的三个ARMA模型残差序列都存在显著的ARCH效应，可以进一步建立GARCH模型进行分析。根据残差序列的特征，确定方差方程中ARCH项和GARCH项的滞后阶数，最终采用GARCH（1，1）模型刻画三大指数收益率序列的波动性。本文采用对数极大似然估计GARCH（1，1）。同时，对上证指数、上证国债指数和上证企债指数收益率序列建立的GARCH（1，1）模型的残差序列进行Liung-Box统计量检验。检验结果显示，残差序列已不存在自相关和ARCH效应。这表明本文所构建的模型以及模型滞后阶数的设定是合理的。从估计结果可以看出，在方差方程中，ARCH项和GARCH项的系数都是显著的，并且ARCH项和GARCH项的系数之和都小于1，并且这两项系数之和都接近1，估计结构都符合约束条件，这说明在欧债危机背景下，三大指数收益率序列的波动都具有显著的持续性（限于篇幅，估计结果和检验结果未列出）。

基于前文对单变量GARCH模型的估计结果，利用DCC-MVGARCH模型分别考察欧债危机背景下，股票市场和债券市场收益率的动态条件相关性。在估计DCC-MVGARCH模型时，条件方差的ARCH项和GARCH项分别设定为1，即采用GARCH（1，1）形式。DCC-MVGARCH模型具体的估计结果见表1。

表1 DCC-MVGARCH模型估计结果

α t值 β t值

上证指数与上证国债指数 0.0520 14.85 0.9096 138.35

上证指数与上证企债指数 0.0482 13.59 0.9322 205.93

DCC-MVGARCH模型的估计结果显示，α+β﹤1符合约束条件；α与β都显著异于零，说明滞后一期的标准化残差乘积对市场之间的动态相关系数具有显著的影响。α分别为0.0520和0.0482，表明滞后一期的标准化残差乘积对动态相关系数的影响较小；β显著并且接近于1，表明股票市场和债券市场之间的动态条件相关系数受前期影响较大，它们的相关性变动具有较强的持续性特征。为了更直观地反映股票市场与债券市场的动态条件相关系数的变化特征，作出动态条件相关系数图，分别如图1和图2所示。

3.4实证结果分析

从图1和图2可以很直观地看出在欧债危机背景下，我国股票市场与债券市场的动态条件相关系数具有以下特征：第一，股票市场与国债市场、股票市场与企业债市场的动态条件相关系数随着时间的变化，动态条件相关系数不断变化，呈时变特征；第二，在欧债危机发生以前，股票市场与债券市场的相关性大多数时间里呈现正相关关系，而在欧债危机发生以后，股票市场与债券市场的相关性呈现负相关关系；第三，当希腊债务危机爆发以后，股票市场与债券市场的动态条件相关系数由0.3左右突然降至-0.7左右，相关性变化较大，变化非常明显。第四，股票市场与债券市场的动态条件相关系数绝大多数时间里介于-0.8～0.3之间。第五，通过对股票市场与国债市场的动态条件相关系数图同股票市场与企业债市场的动态条件相关系数图进行比较，股票市场与国债市场的动态条件相关系数走势基本上与股票市场与企业债市场的动态条件相关系数走势相同。之所以出现以上特征，主要是因为以下原因：首先，欧债危机引发的风险会在股票市场与债券市场之间动态传染，投资者会在股票市场与债券市场之间进行投资转移。这导致股票市场与债券市场的相关性不断发生变化。其次，由于欧债危机对我国股票市场与债券市场的冲击较为明显，在欧债危机爆发以后，我国股票市场与债券市场的相关性变化较大。第三，我国企业债大多数是由国有大中型企业发行，其信用等级都为A级，信用等级基本上等同于国债，因此股票市场与国债市场的动态条件相关系数走势同股票市场与企业债市场的动态条件相关系数走势类似。

4.结论

本文采用DCC-MVGARCH模型，实证研究了欧债危机背景下的我国股票市场与债券市场的动态相关性。通过实证结果分析，本文得到以下以下结论：

（1）股票市场与国债市场、股票市场与企业债市场的动态条件相关系数随时间的变化而变化，呈现出时变特征。

（2）欧债危机对股票市场与债券市场的相关性影响较为明显。欧债危机发生后，股票市场与债券市场的动态条件相关系数由正转变为负。

（3）企业债的发行主体大多数为国有大中型企业，信用等级基本上等同于国债，使得股票与国债市场动态条件相关系数同股票与企业债市场动态条件相关系数走势基本一致。

参考文献

[1]K. Chan， S. Norrbin， P. Lai. Are stock and bond prices collinear in the long run？ [J]. International Review of Economics & Finance， 1997， 6（2）： 193-201.

[2]L. Gulko. Decoupling. Journal of Portfolio Management， 2002， 28（3）， 59-67.

[3]M. Andersson， E. Krylova， S. V?h?maa. Why does the correlation between stock and bond returns vary over time？ [J]. Applied Financial Economics， 2008， 18（2）： 139–151.

[4]J. Yang、Y. Zhou， Z. Wang. The stock–bond correlation and macroeconomic conditions： One and a half centuries of evidence [J]. Journal of Banking & Finance， 2009， 33（4）： 670-680.

[5]D. Baur. Stock-bond co-movements and cross-country linkages [J]. International Journal of Banking Accounting and Finance， 2010， 2（2）： 111-129.

[6]R. Garcia， G. Tsafack. Dependence structure and extreme comovements in international equity and bond markets [J]. Journal of Banking & Finance， 2011， 35（8）： 1954-1970.

[7]U. Dhillon， H. Johnson. Oil prices， speculation， and fundamentals： Interpreting causal relations among spot and futures prices [J]. Energy Economics， 2009， 31（4）： 550-558.

[8]赵留彦， 王一鸣. A、B股之间的信息流动与波动溢出[J].金融研究， 2003， （10）： 37-52.

[9]谷耀，陆丽娜.沪、深、港股市信息溢出效应与动态相关性—基于DCC-（BV） EGARCH-VAR的检验[J].数量经济技术经济研究，2006， （8）： 142-151.

[10]袁超，张兵，汪慧建.债券市场与股票市场的动态相关性研究[J].金融研究，2008， （1）：63-75.

[11]吴吉林，原鹏飞.信息、政策冲击和中国股票、债券及外汇市场一体化——基于AG-DCC模型的金融市场动态相关性分析[J].南方经济， 2009， （10）： 12-21.

[12]郑振龙，陈志英.中国股票市场和债券市场收益率动态相关性分析[J].当代财经，2011，（2）： 45-53.

股市动态分析篇6

一、引言

自1990年12月上海证券交易所和1991年7月深圳证券交易所正式营业以来，我国股票市场取得了巨大的发展。据统计，截至2011年底，我国股票市场上市公司总数达到2342家，流通市值达到16.49万亿元，而股票总市值也已达到了21.46万亿元，证券化率已达45.54%，以上数据显示，随着股票市场的不断发展及市场化程度的不断提高，股票市场的融资功能、资源配置功能等逐渐显现出来，股票市场已经成为我国社会主义经济体系的重要组成部分，在国民经济中发挥着越来越重要的作用。

根据市场有效性假说，股票一种作为金融资产，其价格会受到不断传达至股票市场的新信息的影响。货币政策作为政府调整宏观经济的一种手段，其所传递的信息也将会对股票市场的价格产生一定的影响。但是对于货币政策影响股票市场的渠道和效果各国经济学家尚没有统一的定论。

二、文献综述

国外已有的文献主要从货币供应量和利率两个方面研究货币政策是否对股价产生影响，且结论也不尽一致。Bernanke（2005）研究表明，联邦基金利率预期之外下降25个基点，股价指数将会增长1%，非预期的货币政策变动对股票市场的超额收益有很大的影响。Nuno Cassola（2008）等对欧洲GDP、M2、短期利率、债券收益率及股价指数之间采用SVAR模型进行实证分析，得出利率和资产价格在欧洲货币政策传导机制中发挥着重要的作用，股市的周期性波动与货币政策的短期冲击密切相关。Leitemo(2009)研究发现，股票实际价格和利率之间存在显著的相互关系，联邦基金利率升高100个基点，股票实际价格立刻下降7%-9%。Edouard Challe等（2011）研究表明股票市场对货币政策的变动无论在数量还是质量上都符合经验估计，预期之外的名义利率变化对股票价格会产生显著的影响。联邦基金利率变动25个基点，会使股票指数变动0.5%到2.3%不等。

国内学者在研究货币政策与股票市场关系时，主要选取的变量包括货币供应量、利率、存款准备金率以及银行信贷规模等。一些学者认为货币政策不能显著地影响股票价格。如孙华妤、马跃（2003）采用滚动式VAR模型进行研究，发现货币供给量对股市影响不大，并且存在时滞。张蕾、郑振龙（2007）对1996-2006年短期利率与上证综指间的动态相关性进行了实证研究，发现2002年之前利率与股指之间有微弱的动态负相关性，但在2002年之后这种负相关性逐渐增强，表明我国金融市场存在分割性并逐步走向成熟。

另一部分学者则通过实证研究认为货币政策对股票价格有着显著的影响。如刘文超、韩非（2010）运用协整回归方法，研究结果表明：货币供应量同比变动同股票市场存在着长期均衡关系。其中M0和M1的同比增速是上证综指的格兰杰原因。货币政策在紧缩期对股市的负面作用大于其在扩张期的积极影响。郑鸣，倪玉娟（2011）运用MS―VAR方法分析货币政策与沪、深股市收益率的动态相关性及与股票市场特征的关系。实证表明，货币供应量与股市的相关性比利率与股市的相关性要高。

从上述文献可以看出，目前学者研究在研究货币政策对股票市场的影响时，大多采用固定参数模型，得出了一些有价值的结论，对我国货币政策操作有一定的指导意义。但是由于货币政策存在着一些不可观测的因素，采用上述固定参数模型难以准确反应现实情况。近年来，由于经济改革、外界冲击和政策变化等因素的影响，中国的经济结构逐渐发生变化，货币政策冲击对股市的影响也越来越不固定，因此需要构建时变参数模型才能更好地反映货币政策对股市影响的动态性。本文拟采用时变参数的状态空间模型对货币政策对股票市场的影响进行分析。

三、实证研究

状态空间模型表达了由于输入引起系统内部状态的变化，并由此使输出发生的变化，是反映动态系统的完整模型，它不仅能反映系统内部状态，而且能揭示系统内部状态与外部的输入和输出变量的联系。

（一）变量的选取与数据处理

本文采用上证综合指数的对数的差分即上证综指收益率（dlnindex）作为自变量，采用广义货币供应量对数的差分即货币供应量变化率（dlnm2）、利率对数的差分即利率变化率（dlnr）作为自变量建立时变参数状态空间模型。本文设定了一个虚拟变量t来考察货币政策在股权分置改革前后对股市影响的效果。

本文选取样本为1997年1月至2011年12月的月度数据。数据均来自于中经网统计数据库。

（二）单位根检验

采用时间序列建模，为避免伪回归问题，要求序列是平稳序列或序列之间存在协整关系，因此，需要先对各变量进行平稳性检验。本文采用ADF检验，检验结果表明，广义货币量（M2）、利率（R）、上证综合指数（index）的对数序列在5%的置信水平下均为一阶差分平稳过程，即都是一阶单整时间序列。

（三）协整检验

Johansen协整检验是一种以模型为基础的检验回归系数的方法，它能够同时对多变量进行协整检验。本文采用Johansen协整检验方法，结果表明，在5%的显著性水平下，各变量之间都存在着长期协整关系。

（四）状态空间模型分析

利用状态空间模型的时变参数模型来研究上证综合指数收益率（dlnindex）、广义货币供应量增速（dlnm2）、利率变化率（dlnr）之间的关系，t为虚拟变量，以实行股权分置改革为界，2005年12月以前取0,2006年1月以后取1。该模型的量测方程为：

@signal dlnindex=c(1)*t+sv1*dlnm2+sv2*rr+sv3

其状态方程为：

@state sv1=sv1(-1)

@state sv2=sv2(-1)

@state sv3=c(3)*sv3(-1)+c(4)*sv4(-1)+c(5)*sv5(-1) +[var = exp(c(2))]

@state sv4=sv3(-1)

@state sv5=sv4(-1)

估计得到如下结果，括号内为z统计量：

(-8.36E+08)

(8.07E+12) (-3.90E+15) (-6.21E+13) (-1.29E+13)

经过z统计量检验，上述模型在5%的显著性水平下是显著的，进而可以得到广义货币供应量变化率和利率变化率对上证综指收益率的弹性变化趋势，如图1、图2所示：

图1广义货币供应量变动率对上证指数收益率的影响系数

图2利率变动对上证综指收益率的影响系数

从图中可以发现在1997年-1999年间，我国股市变动剧烈，货币供应量变动和利率变动对股市影响十分显著。在此期间广义货币供应量变动率对上证指数收益率的影响系数为[-0.044,0.26]，利率变动对上证指数收益率的影响系数为[-0.153,0.59],并且变动十分剧烈。究其原因，1997年席卷亚洲的金融危机对经济造成了巨大冲击，为了刺激经济增长，央行开始实行积极的货币政策，货币供应量逐月增加，利率不断降低，银行信贷不断增加，从而使我国股票市场在1998年5月前后走出了一波不断上涨的行情。这一时期货币政策对股市收益率的影响十分显著。此后，货币政策调控的效果显现，股票市场逐渐恢复稳定，虽然央行继续坚持执行积极的货币政策，广义货币供应量增速保持在15%左右，利率水平维持在3%左右，股票市场对货币政策的预期比较稳定，货币政策对股票市场的影响未现巨大波动。即便是1999年至2001年的牛市行情，货币政策对股票市场影响的系数也变动较小，在这一阶段，货币政策对股市的影响有所减弱。

2005年股权分置改革开始实行，并于2006年全面展开。我们发现，股改前后，影响系数有着显著的变化。股改之前，由于国家法人股的无法上市流通，市场流通股规模较小，因而股票市场受货币政策影响的变动幅度也较小。股权分置改革后，央行执行宽松的货币政策，虽然货币供应量增速依然维持在15%左右，但利率始终在3%以下，居民储蓄率不断降低，大量的资金涌入股市，促使我国股市走出一波前所未有的牛市行情。从图中结果可以看出，2006年以后，货币政策对股市影响的系数变动率有所增大。货币供应量变化率对上证综指收益率的影响不断增强，从2006年7月的0.001增加到2011年12月的0.071，并在09年以后影响逐步减弱，而利率变化率对股市收益率的负向影响则从0.05增加至0.37，并在09年以后逐步增强。这也一定程度上表明股权分置改革提高了我国货币政策对股票市场的影响力度。

2008年，美国次贷危机引发的金融危机席卷全球，为了克服金融危机，国家出台了四万亿经济刺激计划，并实行了宽松的货币政策，货币供应量增速一度达到30%，利率降低到1%以下，并在1.5%左右波动，股票市场出现了上升行情。随着经济的企稳回升，资产泡沫凸现，为了抑制资产泡沫，国家开始执行稳健的货币政策，货币供应量增速有所放缓，利率也有所提升，股市也表现出了疲软的态势，这与图中曲线的斜率变缓，利率变动率的系数为负并不断增加相吻合，这表明在这一段时间，货币供应量变化率对股市的影响是显著的，但是影响作用在减弱，而利率变化率对股市的影响作用却在加强，这也能解释在利率调整公告前后，股市出现巨大波动的原因。

四、结论及建议

本文采用时变参数状态空间模型实证分析了股指收益率与货币供应量变化率、利率变化率之间的关系，实证结果表明：货币政策调整对股票市场影响是显著的，但是在不同阶段采取不同的手段对股市的影响效果是不同的。在经济危机时期，货币政策的微小变动都会带来股市的巨大波动，并且货币供应量增速越高，股市收益率水平越高，提升利率对股市的抑制作用要比降低利率对股市的促进作用要大。在经济过热时期，货币供应量变动对股市收益率的影响较小，但利率变动对股市收益率的影响依然显著，并且呈现出一定的波动性，提高利率会降低股市收益率，反之亦然。股权分置改革提高了货币政策的股票市场传导的有效性，使得股票价格对货币政策信息的反应更加灵敏。

鉴于货币政策对股市影响的有效性，结合我国货币政策最终目标，虽然稳定币值和促进经济增长仍是央行的首要任务，但货币政策应适当关注股票市场价格的波动，并将股票价格等指标作为重要的参考依据，可以适时建立股票价格波动的监控体系。从长远来看，我国的货币政策目标不仅仅是确保人民币币值的稳定，更应当是保证金融稳定，不仅包括物价稳定，还应包括银行体系的利率稳定和汇率稳定以及股票价格在内的资产价格的稳定。从货币政策中介目标来看，央行应着重推进利率的市场化进程，强化利率传导机制的作用，提高利率变动对金融资产价格变化的传导效应。

参考文献：

[1]孙华妤，马跃.中国货币政策与股票市场的关系[J].经济研究.2003;7

[2]张蕾、郑振龙.股票价格与短期利率动态相关性的实证分析[J]. 商业经济与管理.2007;5

股市动态分析篇7

一、引言

对股票市场综合指数的分析和预测一直是国内外学者研究的热门问题，之前对股票指数的分析预测主要以计量经济学为理论基础，国内外学者主要通过计量经济模型以及预测模型来刻画和分析股票市场的具体走势情况，此外宋军（2001）等人从市场行为的角度来研究非理导致的过度投机对资产价格的影响，另外，陈其安（2010）等人分析研究了宏观经济的货币与财政政策对股票市场的影响。关于我国主板和创业板股票指数走势差异性问题还没有专门的研究，本文旨在通过马尔可夫链相关方法，对主板与创业板市场进行对比分析预测。

二、股票指数马尔可夫预测模型的构建

（一）模型假设条件

1.自2009年11月至今，我国创业板指数与沪综指均符合弱有效假设，当前的股指走势包含及反映了历史信息。2.股票走势的变化过程为时间离散、状态离散的次马尔可夫过程。3.我国股票市场属于有效市场，投资者心态基本属于风险中性，市场内在机制对股指的涨跌起支配性作用。

（二）股票数指所属状态空间划分

本文选取股市中常用的涨、平、跌三种状态进行分析，通过时距扩大法选取每月末的股指收盘点位以消除每日股指的不规则波动，利用月末收盘点位相对于前一月末收盘点位的相对涨跌幅来界定股指状态。

（三）时间跨度或转换步数的选择

根据统计学中大样本原则以及数据的可获取性选取创业板指数与沪综指同期内近40个月末收盘点位来反映两个市场指数的单步转换概率。

（四）转换概率矩阵的设定：指状态空间仅包含三种状态，因此状态转换矩阵为3阶矩阵。

三、实证分析

（一）数据来源

本文通过大智慧股票软件选取了自2010年8月至2013年11月创业板指与沪综指40个月份的月收盘点数与相对涨跌幅为样本数据，并根据相对涨跌幅度及标准分别界定两市场同期所处状态。

（二）描述统计分析

进一步选取创业板指数与沪综指近40个月的月末实际收盘点位的数据，利用SPSS19.0软件对两个市场指数进行描述统计分析。分别计算创业板指数与沪综指的离散系数。

由以上结果看出，在未来的短期内，创业板指数将以46.6%的概率处于下跌趋势，沪综指则会以55.6%的概率处于走平的状态。

四、结论与建议

1.从指数总体的波动幅度上看，创业板指数显著大于沪综指，投资者可根据自身的风险偏好选择不同市场的投资策略。

2.从指数相邻下一期预测走势上看，创业板指数与沪综指均以相对较大概率趋平，中小投资者下一期应该选择短线高抛低吸的投资策略，规避长期持股带来的收益与损失的不确定性。

3.从指数稳态所处的状态上看，创业板的中小投资者应该在未来短期内逐步逢高减仓，沪市主板市场的投资者仍可以坚持高抛低吸的投资策略。（作者单位：西安财经学院）

参考文献：

[1] 徐国祥.统计预测与决策[M]上海：上海财经大学出版社，1998

股市动态分析篇8

中图分类号：F222.3　文献标识码：A　文章编号：1003-7217(2010)02-0035-05

关于股票价格的定性和定量分析的理论研究有着较长的历史，并且已经形成了一个十分庞大的金融学分支。新的研究方法不断被提出，许多现代的数学工具被用来研究股票价格的内在规律性，它包括微分方程、统计分析、计量经济模型、非线性方程、随机过程、微分流形、分形分维、小波理论、人工神经网络等。

在现代的股票价格分析理论中借用了一些其他学科特别是物理学中的概念，如压力、支撑、惯性、平衡、动能、流动性等。本文借用物理学中关于材料的塑性和弹性的概念及其性质，基于类比分析的原理来研究股票市场中股票价格变动的量价关系的内在规律性。本文所提出的股票价格的塑性和弹性理论是从一个新的角度来研究股票价格的变化规律，将人们熟知的关于材料的塑性和弹性的性质类比地应用于对股票价格变动的描述。

一、人们对股票价格变化规律的认识

一般认为，股票价格分析方法可分为基本分析和技术分析。股票价格基本分析的根据是经济学、金融学、财务管理学和投资学的基本原理，认为股票的价格取决于一些基本要素，如宏观经济指标走势、经济政策、行业发展状况、产品市场状况、公司的经营及财务状况以及公司未来的发展潜力等等。通过对这些基本因素的定量和定性的分析来评估股票的投资价值，为股票投资提供技术支持。而技术分析则主要从股票市场的自身行为来分析股价的走势，其特点就是对股价和成交量等历史交易数据序列进行分析，而较少考虑股票本身质地的好坏。可以大致认为基本分析是解决“买什么证券”的问题，而技术分析则是解决“什么时候买证券”的问题。

股票价格预测方法的相对的无效性使得人们从另一个方面来认识股票市场，人们认识到或许股票价格的无法预测性正是成熟的股票市场的重要特征之一。20世纪50年展起来的现代金融理论的基本假设都与有效资本市场理论有关，包括Markowitz的证券投资组合理论、Black－Scholes股票期权定价理论、套利定价理论等。

二、股票量价关系的相关理论研究

股票市场的基本分析和技术分析侧重于股票投资的实际操作，而关于股票量价分析的理论研究则侧重于探讨由股票的价格和成交量所反映的股票市场的内在规律性。为了解释股票量价间的关系，国内外学者从不同的角度、选取不同的市场进行了大量的研究，国外的研究大致可以分为成交量与股价变动量的关系、成交量与股价波动率的关系、量价间的引导关系三个方面。国内学者的研究大致可以分为量价因果关系的检验、成交量与股价变动关系的实证研究、ARCH与GARCH族以及量价关系的其它相关研究四个方面。Karpoff认为研究股票的量价关系具有如下意义：第一，通过对量价关系的研究可以更深入地熟悉金融市场的微观结构；第二，量价关系的特征对于确定随机价格的经验分布有决定性的意义；第三，量价关系是技术分析的核心内容和工具，与技术分析的有效性密切相关，其理论解释将成为技术分析的理论基础；第四，量价关系的研究成果对研究股票市场有极高的应用价值。

三、股票价格的塑性和弹性概念

股票市场上最重要的指标之一是成交量，成交量的变动直接表现为市场交易是否频繁，人气是否旺盛，股价的持续上涨或持续下跌均需要成交量的配合。在股价的持续上涨过程中，一方面股价维持在高位并不断创出近期新高，另一方面成交量维持在相对高的水平上；在股价的持续下跌过程中。一方面股价维持在低位并不断创出近期新低，另一方面成交量也维持在相对高的水平上。当成交量萎缩时，持续上升的股价一般将回落，持续下跌的股价一般将反弹。由于股票价格受市场供需双方力量大小的控制并受各种相关信息的影响，所以股票价格经常出现较大的波动。由于存在投资者行为特征和对各种相关信息理解的差异以及信息产生的不确定性等多种因素的共同作用，股价波动呈现较强的随机运动特性。

(一)具有一定塑性的弹簧运动与股价运动的类比相似性

股票价格在成交量作用下的涨跌过程非常类似于一个被拉伸或被压缩的有一定塑性的弹簧的运动过程；弹簧在外力作用下的运动可类比地看成股价在成交量推动下的涨跌，外力越大则弹簧离开其平衡位置越远，当减小或取消外力的作用时，由于弹簧具有弹性，弹簧将从现在的位置向原平衡位置移动，同时由于塑性的存在，弹簧的平衡位置发生了变化；弹簧回不到原平衡位置而停在原平衡位置与曾达到的最远位置之间的某处。弹簧所受外力越大且持续的时间越长则塑性变形就越大，弹簧能够回到的位置离原来的平衡位置越远，同时这个具有一定塑性的弹簧将建立起新的平衡位置。材料受到外力的作用而使各点间相对位置改变，当外力撤销后材料恢复原状的形变则称为弹性形变，若撤去外力后不能完全恢复原状的形变则称为塑性形变。

与弹簧的平衡位置相对应，股票价格在每一个时刻都应该有一个均衡价格。不断增加的成交量使股价上涨到高位并持续一段时间，当成交量萎缩后股价一般会出现一定的回落，这种股价向均衡价格的回落是股价弹性的表现。但股价很少回落到原均衡价格，而是达到中间的某个价位，形成新的均衡价格，这种均衡价格的向上移动是股价塑性的表现；反之，不断增加的成交量使股价下跌到低位并持续一段时间，当成交量萎缩后，一般股价会出现反弹，这种股价向均衡价格的反弹是股价弹性的表现。但股价很少回升到原均衡价格，而是达到中间的某个价位，形成新的均衡价格，这种均衡价格的向下移动是股价塑性的表现。股价在成交量推动下的涨跌过程与材料的塑性和弹性的特点有很好的相似性，虽然股价的变动并不等同于材料的变形，但可借用物理学中塑性和弹性的概念对股价的塑性和弹性进行界定和研究。

(二)关于股票均衡价格的讨论

应用类比推理的方法，有塑性的弹簧在外力作用下的这一运动过程可以用来描述股价在成交量作用下的变动。为了引入股票价格的塑性和弹性的概念，对应于弹簧的平衡位置，先引入股票的均衡价格概念。股票的均衡价格是该支股票的买卖双方处于均衡态势时共同认可的价格，对应于弹簧在无外力作用时的平衡位置。

对于弹簧来说，要确定它的平衡位置只需去掉

外力并让弹簧保持静止就可以标出其平衡位置。但对于股票价格来说，由于股票始终保持连续的交易状态，就像一个有一定塑性的弹簧一直受外力的作用而难以确定其每一时刻的平衡位置一样，股票在每一时刻的均衡价格也是难以确定的。人们可以通过分析股票的均衡价格的特征来了解股票的均衡价格。股票的均衡价格应具有以下三个特征：(1)股票价格围绕其均衡价格波动，而由于塑性的存在，均衡价格随股价波动也在进行调整(这里在引入股价的塑性概念之前就使用了股价具有塑性的说法，由于是与有一定塑性的弹簧的类比，所以不至于引起逻辑上的混乱)。(2)均衡价格是大多数投资者普遍认可的心理价格，否则，就会出现股票在当前价格上的供求不平衡，从而导致股价的变动并进而导致该股票的均衡价格的变动。(3)当股票交易量萎缩且进行了较长时期的窄幅盘整之后，股价近似等于均衡价格。就像具有一定塑性的弹簧在任何时刻都有一个平衡位置一样，交易中的股票在任何时刻都有一个均衡价格，这应该是股票在该时刻的理论均衡价格。当股票在大的成交量配合下大幅上涨或大幅下跌时，股票的价格会暂时较多地偏离均衡价格，同时均衡价格的位置也会有显著的移动。

(三)股票价格的塑性和弹性概念的引入

根据前面对具有一定塑性的弹簧的运动与股价运动的类比分析，下面给出股价塑性和股价弹性的定义。股价塑性是指当股价偏离均衡价格且有一定的成交量和一定时间的作用下，股票的均衡价格产生移动的性质。股价弹性是指当股价偏离均衡价格且成交量萎缩的情况下，股票的价格会自动向均衡价格做恢复性移动的性质。

在股价大幅上涨过程中，由于股价在高于其均衡价格的水平上交易和成交量放大，这时股票的均衡价格不断地向上移动，这期间股票价格的塑性性质起主要作用，成交量萎缩后股价会在新建立起来的较上涨前更高的均衡价格附近波动；同样地，在股价大幅下跌过程中，由于股价在低于其均衡价格的水平上交易和成交量放大，这时股票的均衡价格不断地向下移动，这期间股票价格的塑性性质起主要作用，成交量萎缩后股价会在新建立起来的较下跌前更低的均衡价格附近波动。在股票的交易量较小的情况下，股票价格的上涨和下跌对其均衡价格的拉动作用很小，股票价格的变化不能为市场所认可，股价将会在短时间内在弹性力的作用下向均衡价格做恢复性移动，这期间股价的弹性性质起主要作用。

具有一定的股票投资经验的投资者，依据他们对股价变动规律的观察与总结，他们中的大部分人一定会同意和接受我们所提出的用股票均衡价格、股价塑性和股价弹性的概念来理解股票价格的变动特点的思想。

股价变化的塑性性质和弹性性质可以通过建立适当的计量经济学模型来定量地表述，由于文章篇幅有限，这部分工作可参考作者的另外两篇文章及博士论文。在博士论文中，作者对股价变化的塑性性质和弹性性质的计量经济学模型进行了充分的实证研究，并通过大量的理论分析和应用性研究来考察该理论的理论价值和应用价值。

四、股票价格的塑性和弹性理论与已有理论的相似点和不同点

实际上在已有的多种证券价格分析的理论方法中都部分地蕴含着股价变动具有塑性和弹性的双重特性的思想，并且有些分析原理与我们提出的股价的塑性和弹性理论有一定的相似性，所以有必要对它们进行比较分析。

(一)摆荡指标分析法与股票价格的塑性和弹性

摆荡指标分析法是股票技术分析中一类重要的方法，当市场进入无趋势阶段时，股票价格通常在一个水平区间上下波动，这时跟随趋势的分析方法难以正常工作，摆荡指标可以指示“超买”和“超卖”状态，为市场交易者提供获利的机会。在有趋势阶段，把摆荡指标和股票价格图表参照使用，以期寻找到股票交易的好机会。摆荡指标分析法与股价的弹性性质很类似，“超买”状态表明股价高于其均衡价格较多，一旦成交量下降，股价的弹性力将使股价回落，“超卖”状态表明股价低于其均衡价格较多，一旦成交量下降，股价的弹性力将使股价反弹。当然，股价的弹性性质只有在成交量萎缩时才能体现出来。

乖离率(BIAS)是移动平均线原理派生的一项技术指标，其功能主要是通过测算股价在波动过程中与移动平均线出现偏离的程度，从而得出股价在剧烈波动时因偏离移动平均趋势而造成可能的回档或反弹，以及股价在正常波动范围内移动而形成继续原有趋势的可信度。乖离率的计算公式如下：

乖离率=当日收盘价－N日内移动平均收盘价/N日内移动平均收盘价×100％

其中，N日为设立参数，可按自己选用移动平均线日数设立，一般可选择6日、12日、24日或12日。由计算公式可知，乖离率分正值和负值，当股价在移动平均线之上时为正值；当股价在移动平均线之下时为负值；当股价与移动平均线一致时为零。乖离率的基本研判原理是：如果股价离移动平均线太远，则不会持续太长时间，而会很快再次趋均线。这一点与股价弹性类似，但这种研判原理没有考虑成交量的因素。在成交量维持在较高的水平时，股价的塑性变形起主要作用，即使这时股价的乖离率很大，从而有较强的向移动平均线运动的趋势，但这时成交量的推动力远远大于这种恢复力，所以股价会在成交量的推动下继续沿已形成的趋势运动，而不理会什么乖离率的大小。我们经常看到股价在较长的时间内保持远离移动平均线的状态，在多头和空头行情中均常见，只有当成交量大幅萎缩之后乖离率指标才显示其作用。

股价塑性和弹性理论认为，尽管当股价远离其均衡价格时存在使股价向均衡价格移动的弹性力，并且这种力的大小与股价偏离均衡价格的程度成正比，但只有成交量萎缩时股价的弹性性质才体现出来，表现为股价的上涨(下跌)因无成交量的继续支持而回档(反弹)，强调了成交量的影响。

(二)趋势通道分析法与股票价格的塑性和弹性

在股票价格的趋势分析中，趋势通道分析是一种常用的方法。根据上升趋势的底部确定上升通道的下轨，根据上升趋势的一系列涨势的峰位确定上升通道的上轨，若两条轨线近似平行则认为股价在一个上升的趋势通道中运行。同样地，根据下降趋势的顶部确定下降通道的上轨，根据下降趋势的一系列跌势的谷底确定下降通道的下轨，若两条轨线近似平行则认为股价在一个下降的趋势通道中运行。无论是在上升通道还是下降通道，股价在接近通道的下轨时受到支撑线的支撑作用。投资者意识到支撑的有效性后买盘增大而卖盘减小，股价会上涨；股价在接近通道的上轨时受到压力线的压制作用，投资者意识到压制的有效性后卖盘增大而买盘减小，股价会下跌。趋势通道分析是一种形态分析方法，基于形态的持续性来判断未来的股价变动趋势。

在股价的塑性和弹性理论中，股票价格的趋势运动是股票均衡价格的运动。在股价持续上涨的过程中，股价长时间地处在其均衡价格之上，多方的力量明显大于空方，成交量和时间因素的作用使得股

票的均衡价格不断向上移动，而在此过程中股价过多地偏离其均衡价格会使股票的弹性起重要作用，股价高于其均衡价格过多会产生大的使股价回落的力量，股价低于其均衡价格过多会产生大的使股价反弹的力量，这样导致股价在一个上升通道中运行。同样地，在股价持续下跌的过程中，股价长时间地处在其均衡价格之下，多方的力量明显小于空方，成交量和时间因素的作用使得股票的均衡价格不断向下移动，因而股价过多地偏离其均衡价格会使股票的弹性起重要作用，股价高于其均衡价格过多会产生大的使股价回落的力量，股价低于其均衡价格过多会产生大的使股价反弹的力量，这样导致股价在一个下降通道中运行。用股价的塑性和弹性理论分析股价的趋势通道特征是基于股票的塑性和弹性的，是一种机理分析方法，不是形式上的形态分析方法。

(三)经济均衡分析法与股票价格的塑性和弹性

经典的经济均衡分析是有关商品的供给、需求、均衡价格和均衡价格移动的几何意义明显的分析方法。人们已认识到对一般的有形商品的经济均衡分析并不总是适合于分析金融市场的均衡，在金融市场中的均衡是用无套利原理来描述和分析的，当然单用无套利均衡原理还不能满足描述股价变动规律的分析。以下分析经典的经济均衡分析在描述股票价格方面所遇到的困难，同时考察有关股价的塑性和弹性理论与经典的经济均衡分析的异同点。

经济均衡分析从一条向上弯曲的供给曲线和一条向下弯曲的需求曲线出发，坐标系的纵轴是价格，横轴是供给量和需求量，两条曲线的交点所对应的纵坐标是均衡价格，所对应的横坐标是市场处于均衡状态时的供给量和需求量。若在当前的均衡价格上的需求量增大时需求曲线向右移动，均衡价格向上移动，而需求量减小时需求曲线向左移动，均衡价格向下移动；若在当前的均衡价格上的供给量增大时供给曲线向右移动，均衡价格向下移动。而供给量减小时供给曲线向左移动，均衡价格向上移动。当我们在一个动态的较长时间段内考察价格、需求量和供给量时，经济均衡分析的结果显示价格会逐渐地靠近均衡价格。具体有以下的动态调节过程：供给的过剩导致价格的下降，价格的下降导致供给的减少和需求的上升，需求的上升导致价格的上涨，价格的上涨导致供给的增加和需求的减少。

在股票市场中股票的总供给量(有送配股时供给量将增加，而有上市公司回购股票时供给量将减少)一般是固定的。市场对股票需求的大量的增加(求购)或供给的大量减少(惜售)只能通过价格的大幅上涨来达到新的均衡，与一般的商品市场不同的是，当股票的新的均衡价格得到市场的认可之后，即使市场对股票的需求量又回到原来较低的水平甚至更低的水平时，股价不会大幅下跌，市场在新的价格上达到新的均衡，这是股价塑性的体现。同样地，市场对股票需求的大量的减少(惜买)和供给的大量增加(抛售)只能通过价格的大幅下跌来达到新的均衡，与一般的商品市场不同的是当股票的新的均衡价格得到市场的认可之后，即使市场对股票的供给量又回到原来较低的水平甚至更低的水平时，股价不会大幅上涨，市场在新的价格上达到新的均衡，这也是股价塑性的体现。也就是说，对股票的需求或供给的增大会导致价格的变动而当对股票的需求或供给恢复到原来的水平时股票价格并不回到原位。或者说对于股票来说需求曲线是不存在的，对股票的相同的需求水平可以对应很不相同的股票价格。经典的经济均衡分析在分析股票的供给、需求、均衡价格和均衡价格的移动方面有很大的困难。这是由于股票价格的塑性性质所导致的。

股市动态分析篇9

中图分类号：F832.5 文献标识码：A

一、引言

随着全球经济一体化和金融自由化的程度加深，股票指数在近年来也呈现联动的趋势。众多研究表明西方发达国家呈现较强的股票市场联动性。中国经济逐渐融入全球，资本市场的逐步对外开放，中国股市与国际股市的联动性也进一步增强。本文力求利用联动性的变化来验证我国在2008年金融危机期间采取的宏观经济政策的有效性。

二、文献综述

谷耀、陆丽娜（2006）应用DCC-EGARCH-VAR模型，检验表明港市在收益和波动上都对沪、深两市存在显著的溢出效应，并没有表现出其他国家资本市场的“杠杆效应”。李晓广、张岩贵（2008）运用回归模型表明总体上我国股票市场与国际市场的联动性不强。徐有俊等人（2010）采用DCC-MGARCH模型研究，认为中国与国际股市的联动性较小，但有增强之势。

从已有研究文献来看，DCC-GARCH模型在研究国际股市联动性方面的应用较多，但基本上侧重于中国与不同国际股市动态相关性的横向比较，基本没有针对于金融危机期间的变化研究。本文将弥补以此为视角，运用DCC-MGARCH模型和马尔科夫状态转移模型进行政策有效性分析的这一空缺。

三、中国股市与国际股市实证研究结果

（一）样本数据及检验。

本文采用2006年1月至2012年6月上证综指、S&P500与S&P Europe 350指数对数收益率的日度数据，来分析我国股市同国际发达股市间的联动性。在分析中采用对数收益率的形式，计算方法如下：

在进行DCC-GARCH模型的参数估计前，我们有必要对数据进行相关检验。收益率序列的平稳性检验表明，数据序列均为平稳的时间序列，直接对其建模不会出现伪回归问题。经过收益率的自相关性检验，本文选择AR（5）对S&P500数据进行过滤，采用AR（1）对EUROPE进行建模消除数据自相关性。

（二）马尔科夫状态转移模型分析结果。

通过马尔科夫状态转移模型可计算出的平滑概率，可看出此次危机是逐渐加深的，而且在雷曼兄弟倒闭后，进入了危机的深处。

据此我们将所选取得数据划分为3个阶段：危机前（2006.1-2007.8）、危机中（2007.8-2009.8）、危机后（2009.8-2012.6）

（三）不同市场之间的波动溢出效应。

1、单变量的GARCH估计。

本文直接采用GARCH（1，1）模型对数据进行分析，参数估计结果表明，各参数的估计值都是显著的，并且各市场的波动性都具有明显的持续性。而后对残差序列用Ljung-Box Q统计量进行自相关检验，结果表明，残差序列不存在显著的相关性。对残差序列进行ARCH-LM检验结果也在1%的表明均值方程和方差方程的设定都是合理的。

2、多变量GARCH模型估计。

下面利用DCC-MVGARCH 模型对中国、美国、欧洲市场各股市的相关性进行考察，这里的条件方差形式设定仍然为GARCH（1，1）形式，DCC估计的阶数为1。

从模型参数的估计结果可以看出，滞后1期的标准化残差的乘积对动态相关系数影响显著。接近于1，说明相关性具有明显的持续性特征。同时，和具有明显的统计显著性，我们可以判断一定存在动态可变的条件相关系数。

使用DCC-MGARCH得到的时变相关系数的图，可以看出在整个样本区间，三组动态条件相关系数均表现出显著的时变性特征。分析比较后得出中国股市同国际的联动性仍然较小，远不及国际发达股票市场的联动性。

根据DCC-MGARCH估计结果，分别计算的危机前、危机中和危机后的时变相关系数的均值可以看出在危机期间，美国次贷危机所引发的全球股市普遍下跌，导致美欧间股市的联动性明显升高，而中美、中欧的时变相关系数的均值在此期间却反之降低了，直到危机结束后才又回到了危机之前的水平。我们有理由相信，在全球股市暴跌，各国股市联动性升高的情况下，是我国的宏观经济政策起到了积极的作用，一定程度上减少了我国同其他国家股市间的联动程度。

进一步，我们发现在2008年9月由于雷曼兄弟破产而导致的全球股市同步快速深幅下跌时期，三组市场间的联动性都在这一时期突然升高了。不同的是，在中国推出四万亿的救市计划后，我国同欧洲和美国的联动性迅速重新回到了较低水平，而美欧之间的联动性却在此之后一直维持的较高水平直到危机结束。这进一步印证了前面的观点：我国政府在金融危机期间的宏观经济干预政策起到了积极的作用，减少国际股市对我国股市的冲击，减弱我国同国际股市联动性。

四、结论

本文通过不同时间段中国股票市场与国际股票市场联动性的研究，发掘中国股票指数与国际指数的相关规律，力求利用这种股票市场联动性变化的来度量我国在金融危机期间采取的宏观经济救市政策的有效性。通过上文的实证分析表明：在以稳定国内股市的角度考察，宏观经济政策的对我国股市同国际股市的联动性影响十分明显。

根据本文的结论在受到较大外部冲击时，金融监管当局应当制定相关政策以减少国内市场波动，稳定国内股市，使股票市场保持正常的筹资功能，为我国市场经济的稳定发展做出贡献。

（作者单位：中央财经大学统计与数学学院）

股市动态分析篇10

股票价格的波动情况一直被人们看中，通过相关的数据研究，可以发现，当前的收益和下一期的收益是呈负相关的，而且，收益能够与方差联系起来，呈现出一种非对称的现象。在股票市场低迷的时期，非对称性特征是非常明显的，而且，股票价格的下跌常常与股票的非对称特点联系，通过对杠杆效应和波动特征分析，可以发现，如果股票的价值下降，就会导致其金融杠杆的上升，而且，股票的风险会越来越大，使股票的价格发生很大的波动，股票的价格出现不稳定性的问题。为了能够使股票的交易具有平衡性的特点，就要对股票的波动进行分析和预测，从而能够在够买股票的过程中减少风险。

一、研究的相关方法和金融计量分析

从股票价格波动研究的角度出发，运用GARCH模型，能够在一定程度上将时变方差进行转换，从而能够分析滞后的回报平方，确定函数模型，从而能够抓住金融时间，找到价格的差异性，将股票价格的波动性按照一定的序列进行排列，找到股票价格波动的动态特性，所以，在运用GARCH模型的过程中，首先要分析的就是市场上股票价格的波动特点，本文选择了几种不同的模型，分析股票价格的波动性，从而对股票市场的波动性进行了准确地研究。

（一）GARCH（1，1）-M模型

这个模型是在1982年由Engle提出的，这类模型是在自然回归条件下提出的，建立条件差异性方差，这类模型能够按照时间的顺序，建立方差的模型，在1986年，这个模型又得到了完善，在建立条件方差的过程中，容易出现各类时变风险，这时就要对时变风险进行度量，分析风险与收益的关系，从而能够建立起完善的防范风险的模型。这个模型运用了递归的形式，从而能够对误差系数和滞后系数进行分析，在分析的基础上，建立递归公式，完善一个ARCH模型，这个模型具有无限性特点，误差系数与滞后系数相加也不会大于1，实现了GARCH在使用过程中的二阶平稳，误差系数和滞后系数能够反映股票市场波动的特征，而且能够分析持续阶段的股票市场的波动性，而且相加的数值越接近于1，表明波动的时间越长。

（二）指数GARCH（1，1）模型

这个模型是Nelson在ARCH模型的基础上提出的一类新的模型，这类模型能够实现非线性方程的计算，是在非线性变换指数的方式上提出的，这个模型又可以称为EGARCH模型，这类模型，能够对系数参数进行约束，防止系数出现了负数的形式，所以，在一定程度上导致了条件方差不具有动态性，在完善后的EGARCH模型中，就不会存在这类问题，能够展现出条件方差的动态性特点。在这个模型中，能够实现标准化的正态分布，而且能够显示出非对称的响应函数，起到了良好的调节作用。而且，这个模型能够对回报的负冲击程度进行分析，从而能偶完善更加标准的条件方差，通过相关的数据分析，可以发现，EGARCH模型能够对金融数据进行精确地模拟，但是，这个模型不能建立更加完善的股票市场波动性的预测。

（三）GJR GARCH（1，1）-M模型

这个模型是针对股票市场的非对称性建立的，能够建立起虚拟的变量，从而分析利好消息和利空消息，然后，让虚拟变量为零，分析对条件方差的冲击，然后将虚拟变量设计为1，分析条件方差的冲击性。所以，如果虚拟变量不为零，那么利好消息和利空消息之间就存在着比较大的波动，呈现出非对称的特点，而且虚拟数值的量很大，说明利空消息产生的冲击力比利好消息要大，为了能够分析条件方差，应该对预期收益的平稳度进行分析。

二、数据波动时间的划分和相关数据的统计

在2000年之前，我国的股票市场规模还不是很大，而且在操作的过程中还没有相关的标准，所以，本文选择了2000年-2010年的指数进行分析，由于在此期间，很多制度会发生变化，所以，中国股票市场上呈现出了一定的波动性，这样的波动性也呈现出一定的阶段性特征，在2006年的涨跌停板对中国股票的波动性造成了一定的影响。上证指数与深证成份指数的收益率和特征如表1所示。

通过对表1的数据分析可以看出，在不同的市场上，指数收益率与样本的均值都不大，但是，样本的方差是比较大的，说明股票市场的波动性比较大，而且，在第二阶段的标准差小于第一阶段，这说明，我国的股票市场的波动是在逐渐减小的，而且，偏态和峰值都不为零，这说明，拒绝正态性的分析是正确的，在对相关的模型进行分析的基础上，】闯鲈诙允奔湫蛄薪行设计的时候，必须确保序列的平稳。

三、结束语

现在，我国的股票市场波动还是比较明显的，导致了股民都不敢够买股票，所以，要对股票市场的波动性进行分析，在此基础上，能够把握好股票的波动情况，运用建立模型的方法，对系数参数进行约束，防止系数出现了负数的形式，EGARCH模型能够对金融数据进行精确地模拟。

参考文献：

[1]任彪，李双成.中国股票市场波动非对称性特征研究[J].数学的实践与认识，2014

股市动态分析篇11

股市长期低迷，很多投资者亏损累累，从而引起人们进行探究和反思：这个股市怎么这么弱？自己为什么会亏损？笔者也在苦苦思索这些问题。为此，还翻阅了一些书刊，觉得王师勤博士2001年出版的《股市心经》很有启发。其中感悟最深的一个观点就是：股市上最大的敌人是自己的心态。

王师勤博士是国内第一份专业性证券刊物《股市动态分析》的创始人。他作为经济学博士，精于基本分析与技术分析，更精于探求投资智慧，研究股市心态问题。《股市心经》就是他的代表作。

《股市心经》在分析“大敌为自心”时指出：“有些股民屡战屡败，屡败屡战。他们往往不从主观上找失败的原因，而从客观上找败北之因。”“他们从未认真想一想，为什么同样条件下，还是有人赚到不少钱呢？”“实际上，股市上最大的敌人不是别的东西，而是自己的心态。”《股市心经》引用麦迪的话说：“心态对一个股票投资人来说太重要了！它几乎影响着你的投资行为的全部过程，股市赢家的基因就是要修炼良好的心态”。《股市心经》还指出：“凡是成功的投资家，大多数是专注的、有定力的；而失败的股民，大多数是心浮气躁无耐心的。”这些都是把投资者个人的心态，作为股市投资成败的最主要，或者最重要的因素来分析论证。

上述分析和论证很适合股市现在的情况。面对股市低迷的情况，有些投资者怨天尤人，往往从客观上找原因，从股市的功能完善、制度建设、监督管理等方面找问题。这些方面确实存在不少问题，影响投资者的情绪和收益。但这些问题的解决需要有个过程。就是在这样的市场条件下，有些人都能赚钱，而且赚了不少钱。《股市动态分析》有个实盘大赛，读者如果注意的话，就会发现这个大赛几乎每周都有人赚钱，有的甚至赚百分之十几、二十多。就这需要研究投资者的个人行为和心态，寻找成功与失败的原因。再从另一个角度说，我国现在的股市只有二十多年历史，属于新兴市场，存在这样那样的问题，风险很大；即便是境外的成熟市场，如美国、欧洲国家的股市，还有我们的香港股市等，同样也有很大的风险，也不是所有投资者都能赚钱，赔钱的人也不在少数。所以，无论是国内，还是国外（包括境外），都有人在研究投资者的个人心态问题。在投资者的心态中，有很多不良的东西，比如贪婪、急功近利、心浮气躁、缺乏耐心、容易冲动，等等。这些不良的东西，往往会成为投资者成功的绊脚石，成为打败投资者自己的敌人。《股市心经》指出：“贪婪是人生烦恼的首要根源，也是股民失败的首要因素。”因为贪婪，想赚快钱，甚至想一夜暴富，股票操作就往往失去理性，盲目追涨杀跌。结果，或者被牢牢套住，或者亏得很惨。说到耐心，也十分重要。股市中时机成熟，往往需要耐心等待，有时候赢亏就在于再耐心坚持一下的努力之中。如果心浮气躁，缺乏耐心，不该买的时候买了，不该卖的时候卖了，都会给投资者造成不小的损失。再说热衷跟风炒新股、炒高价小盘股的问题。这“两炒”的特点是赚钱快、赔钱也快。极端情况下，今天买入它跌停，你隔天卖出它又涨停，股价瞬间上蹿下跳，风险大，很难把握，因而赚钱的人少，赔钱的人多。话说回来，钱是你自己的，没有人逼着你去炒，只是你的心态不好，禁不住诱惑，才冒大风险去炒。

投资者要克服自己的心里障碍，修炼和保持良好的心态，很不容易。正所谓“江山易改，本性难移”。《股市心经》在这方面有很多论述，集中起来就是要读书，读东西方圣哲的书，读投资大师、股市成功人士的书，从中吸取投资智慧和心态上的营养。笔者觉得，把一些名言警句抄录下来，或制成条幅，经常诵读，对人的心态是会有帮助的。比如，有人把诸葛亮的“非淡泊无以明志，非宁静无以致远”作为条幅；有人把苏轼的“猝然临之而不惊，无故加之而不怒”作为条幅等等，用这些条幅来砥砺自己的心态。著名人口学家马寅初先生虽历尽艰难却长命百岁，与其心态有很大的关系。他曾书写一幅对联以自勉：“宠辱不惊，看庭前花开花落；去留无意，望天上云舒云卷”。这些看上去与做股票没有直接关系，但对于修炼人的心态，使投资者能够在股市中存活长寿，以致成功都是有益的。

股市动态分析篇12

一、证券市场非线性特征研究

对我国证券市场复杂性研究的文献已有不少，学者们从不同角度、用不同方法做了分析，结论不尽相同。下面对近年来的有关文献进行归纳整理：

(一)非线性分析

考虑到非线性是复杂系统的最主要特征之一，学者们首先在证券市场的非线性方面做了大量工作，比如：徐龙炳等(1999)应用非参数分析法――R/S法(重标极差分析法)实证研究了沪深两市的非线性、Hurst指数及状态持续性，结果表明两市均存在着状态持续性和波动集群性，股价指数所构成的时间序列呈现非线性，Hurst指数H>0.5，表明人们是在对以非线性方式呈现的信息作出非线性的反应，并最终通过市场交易活动反映在股价指数上。伍海华等(2001)通过R/S分析计算相关维、自相关函数与Lyapnov指数，结果同时表明上海股票市场具有非线性。赵桂芹等(2003)选取沪市的日交易量数据为样本进行GPH检验，认为沪市存在长期记忆特征，充分反映了市场的非线性。长期记忆的主要原因是市场中较多的噪声交易者对信息的非线性反应，而缺乏风险规避工具和信息披露不完善又放大了交易者对信息反应的聚集性。

以上学者的研究通过R/S或者GPH方法验证了我国证券市场是一个非线性市场，但数据处理略显粗糙。对非线性更细致的分析还需从混沌和分形入手。

(二)混沌分析

混沌分析研究的是证券市场的时间演化，用以预期市场的反馈效应和对初始条件的敏感性。

孙广振和王劲松(1994)选择对宏观经济运行具有高度敏感性的(深圳)股市指数时间序列进行处理，继而估算出Lyapnov指数λ≈0.0184，表明深市指数存在明显的混沌行为，描述股市动态机制需要2～7个变量。徐前方(1994)分析了上海证交所综合股价指数的时间序列，通过算法去除经济增长对股价指数的影响后，求得上证指数的奇异吸引子的分维数值约为2.72，最大Lyapunov指数约为0.0107，从而肯定上证股价指数所反映的系统是个具有分维结构的低自由度的混沌系统。叶中行等(1998)改进了Lyapunov指数计算方法，对上证指数的Lyapunov指数进行计算，得到其最大值为正值，表明上证指数具有混沌特性。杨凌等(2006)为了探测我国证券市场的混沌，首先利用小波分解重构法与非线性小波变换阈值法对沪综指和深成指的日收盘价序列进行去噪处理，用去噪后的日收盘价序列计算出日收益率序列，并用MALAB实施了对日收益率序列的快速Fourier分解，发现此方法能够较好地保留序列自身固有的特性。王福来等(2006)用G-P和G-K两种算法比较上证综合指数与MSCI英国指数后指出，中国证券市场更复杂，且存在较多的高维混沌成分，需用四个数据来描述它的系统特性。李红权等(2007)以证券市场全样本时间为分析对象，采用特殊的对数线性趋势消除法(LLD)处理数据、引入小数据量算法计算系统的Lyapunov指数，结果表明我国股市存在着有序的混沌吸引子结构，股票价格具有内在的不可预测性。作者还发现了低维奇怪吸引子的经验证据(沪市具有分数维为2.54的混沌吸引子，深市吸引子维数为2.55)，表明股市运动(波动)是内生的复杂性非线性动力学现象，挑战了传统理论的波动外生论的观点。

(三)分形分析

分形分析研究的是市场的空间特性，可以检验市场的有效性和波动性。

庄新田等(2003)用基于标准差时间序列的改进的Hurst指数计算方法计算出Hurst指数H>0.5，证明沪深股市收益率均不服从正态分布，在跨时间尺度的股价指数之间存在着相关性，两市相关系数C均不等于零，分形维数α均小于2，市场具有分形结构特征。张金良等(2004)应用多重分形理论，分析沪深证券市场的多只A股和两市综指的分时价格实际交易数据序列，样本计算和统计结果表明，证券交易数据序列具有显著的多重分形特性，而且在转折点附近存在突变奇异性。王新宇等(2004)运用Peters建议的提高R/S分析有效性的若干方法，选取更长的时间序列，对上证综指和深圳成指的日收益率和周收益率进行R/S分析，同时BDS检验收益率波动的长记忆性、易变性的期限结构、非周期性循环和非正态分布，结果验证了我国证券市场是一分形市场。

曹宏铎(2005)分析深圳股市的对数收益率时序，计算肯定市场具有分形特征和长程正相关性，具体表现为分形时间序列，服从FBM(分数布朗运动)。另外标度分析表明市场存在短周期和长周期，并给出了短循环周期值是160天，稳定长期循环周期值是1080天，揭示了股市的波动规律。苑莹等(2007)运用多重分形的R/S方法对深证成指进行研究，结果表明市场存在2个时间标度临界点，体现了股指价格在不同标度范围下的状态跃迁现象，该状态跃迁现象与股市中各个参与者间的相互作用及政策、政治等因素密切相关。在整个时间标度上Hurst指数均表现出持久性，且与标度τ正相关；运用多仿射方法确认了深圳股市多仿射特征的存在，验证了R/S分析方法中存在的标度临界点，并指出用不同的标度临界值将股指价格机制分成不同的标度范围，能够更好地研究短期标度及中期标度下起作用的局部价格机制。吴建民等(2007)选取8种大盘指数，通过样本数据对数收益分形分布的参数估计和柯尔莫哥洛夫(Kolmogorov)检验，发现收益率分布呈现尖峰态，具有较小的特征指数和较大的尺度参数，表明我国股市波动性较大；故分形分布比正态分布能更好地拟合和描述我国股市的收益率特性。

(四)小结

从以上可以看出，后期的研究在理论运用、方法改进和研究范围上都更加深入细化。但是具体采取的数据对象相差较大，很多以(对数)收益率为对象，而对于非线性动力学系统需以价格为直接研究对象，收益率又不是价格的一个适当变换形式，故由此分析得出的结论未必具有真实性，至少存在一定的偏差。

二、证券市场自组织性特征研究

自组织性也是证券市场的复杂性特征之一，指的是远离平衡态的非线性开放系统，经过不断与外界交换物质(资金流入或流出)和能量(多空力度)，在系统内部某个参量的变化达到一定的阈值时，通过股价的波动，系统可能发生响应(突变)，即暴涨或暴跌，由原来的混沌无序状态转变为一种在时空或功能上的有序状态的属性。非均衡的震荡市场最终可以自行回归到有序的均衡，就是自组织性的表现。这方面的研究成果不多，主要是孙博文等(2005)在其文献中界定了股市自组织临界性(SOC)的重要参数，然后应用SOC理论对大盘指数及个股进行考察，发现了其逐渐走向自组织临界态的演化过程和幂次关系，从而验证了中国股市中存在自组织临界性(远离平衡态的均衡)，说明股市是一个逐渐演化到自组织临界状态的复杂系统。

自组织性研究的一个重要意义在于探讨监管者在证券市场运作中的角色，是做一个“全能家长”，还是做一只“轻轻推动的手”，即究竟该如何权衡监管与证券市场自发演化的关系。

三、证券市场复杂性特征相关研究

有的学者是从“复杂性”直接入手对市场进行考量，并未分析具体特征，比如高红兵等(2000)定性分析了影响证券市场波动的内外部因素及市场的运行特征，发现在市场整体运行中显示出迭代特征，在暴涨和暴跌时具有突发性和奇异性，说明我国证券市场运行系统是一个复杂的非线性系统。只要系统处于某一临界值，无外部因素的作用它就能进入混沌均衡产生剧烈振荡甚至崩溃。这一过程中内部因素占据主导地位，外部因素不是系统的直接参数。他们还找出了我国证券市场步入混沌均衡的原因是投资主体的投资方式单一，投资品种少，故建议认为消除市场大幅波动的有效途径是实现证券市场的多元化。肖辉等(2002)将改进的Lemple―Ziv复杂性度量法――移动均值极值点法应用于股票市场的复杂度衡量，对比研究了中、英、美三国股指，实证发现中国股票市场复杂度明显小于英美股票市场的复杂度。可以据此认为，股票市场有效性和成熟程度的大小与股票市场的复杂度存在一定的正相关性。这与王福来的结论恰恰相反，实际上，目前中外证券市场复杂度对比研究确实仍然存在一定分歧，有待我们继续深入探讨。

四、总结

为便于更清晰地了解各学者的研究，现将以上部分有代表性的实证成果列为表1(以时间为序)：

国内学术界运用复杂系统理论研究证券市场的复杂性特征已有十余年，上述文献即是比较有代表性的研究成果，虽然它们应用的理论、算法和具体研究对象有所差异，但多数结果一致表明，我国的证券市场具有明显的混沌、分形即非线性这一典型的复杂性特征。该结论的重要意义在于：对传统线性范式的随机游走理论和资产定价理论等提出强有力的挑战，不仅开阔了我们的研究视野，而且将促使我们运用更能深入、全面分析证券市场运作机理的非线性复杂系统理论，从而建立起全新的证券理论。总体上看，目前我们研究的不足之处主要是：

1.研究目的上，集中于初级的非线性特征即混沌、分形的验证，只是发现了证券市场复杂性的部分证据，而对市场的突变性(暴涨暴跌)、自组织性(自我调整)和协同性(与外界的关联)等其它复杂性特征几乎未有涉及。事实上，后者对建立全新的证券市场理论体系可能更有基础价值。

2.研究方法上，不同学者的样本区间相异甚远，多数又采用传统的算法直接进行复杂特征检验，导致他们的结论在量上出现较大差异，结论的可靠性大为降低。

3.研究性质上，多属实证检验，缺少理论探讨，使得后续的系统研究深显乏力。

有鉴于此，笔者认为，未来对证券市场复杂特征的研究可以从以下几个方面进行完善和深化：

1.数据样本的选择与处理。数据样本的选择上，应尽量满足大样本、低噪声的要求，这既是非线性分析方法的前提，也是因为证券市场本身的样本量就有限，难以完全反映出市场真实的运行趋势。此外噪声量往往随着样本量的增大而升高，故原始数据样本还需要处理，可以采用统计方法比如对数线性趋势消除法，尤其可以借鉴小波理论进行噪声去除。

2.算法的优选。例如在计算Lyapunov指数时，采用对于物理系统有效的经典Wolf算法不一定适合于证券市场的分析与测度，可以尝试引入Rosenstein提出的小数据量算法来精确计算Lyapunov指数。采用G-P算法估计分形维时，可以用G-K算法进行替代，后者更适合处理非静态、短数据集和混有噪声的高维混沌系统数据。

3.研究范围的拓展。如前所述，应着重于突变性、自组织性和协同性等其它复杂特征的研究，以期更深入地分析市场机理和更有力地指导证券投资。

4.模型的采用。积极学习并运用国外较成熟的理论，通过Agent、Swarm、元胞自动机、人工生命、神经网络、遗传算法等虚拟手段，建立起完整的考虑所有非线性等复杂特征效应的证券市场理论模型。

参考文献：

[1]徐龙炳，陆蓉.R/S分析探索中国股票市场的非线性[J].预测，1999，No.2.

[2]伍海华.非线性动力学分析在股票市场中应用――以上海股票市场为例[J].青岛大学学报，2001.12，Vo1.16，No.4.

[3]赵桂芹，曾振宇.证券市场长期记忆特征的实证分析[J].管理科学，2003.4，Vo1.16，No.2.

[4]孙广振，王劲松.深圳股市混沌现象的辨识及其讨论[J].数量经济技术经济研究，1994，No.1.

[5]徐前方.上证指数中的奇异吸引子[J].数量经济技术经济研究，1994，No.2.

[6]叶中行，杨利平.上证指数的混沌特性分析[J].上海交通大学学报，1998.3，Vo1.32，No.3.

[7]杨凌，颜日初.我国证券市场经济混沌探测研究――一种基于小波变换的噪声处理[J].中南财经政法大学学报，2006，No.2.

[8]王福来，达庆利.中国证券市场的高维混沌现象分析[J].数学的实践与认识，2006.11，Vol.36，No.11.

[9]李红权，邹琳.股票市场混沌吸引子的特征量――基于G-P算法与小数据量算法[J].计算机工程与应用，2007，43(6).

[10]庄新田，庄新路，田莹.Hurst指数及股市的分形结构[J].东北大学学报(自然科学版)，2003.9，Vo1.24，No.9.

[11]张金良，杨忠直，杜厌芳.证券市场多重分形理论的应用[J].河北农业大学学报(农林教育版)，2004.3，Vol.6，No.1.

[12]王新宇，宋学锋，吴瑞明.中国证券市场的分形分析[J].管理科学学报，2004.10，Vol.7，No.5.

[13]曹宏铎.证券市场复杂行为分形标度分析与机会决策研究[J].金融研究，2005，No.1.

[14]苑莹，庄新田.股指时间序列的多重分形Hurst分析[J].管理学报，2007，Vo1.4，No.4.

[15]吴建民，庄菁.分形分布在股票市场的应用研究[J].中国流通经济，2007.3.

[16]孙博文，于天河，宋莉莉，孙百瑜，张本祥.中国股市自组织临界性实证研究[J].复杂系统与复杂性科学，2005.10，Vo1.2，No.4.