上海股市波动的周日效应检验 57
文章编号:1002—1566{2004)03—0057—04
上海股市波动的周日效应检验
周少甫1,陈千里2
(1、华叶1科技大学经济学院,湖北武汉4300742、湖北大学商学院,湖北武汉43(x)7())
摘要:与以往日历异常现象的研究大多集中在股市收益率上不同.本文对上海股市波动的周日效
应进行实证研究,无条件波动的修正I删m检验和备件波动的GARcII模型被应用,.结果显示上
海股市存在显著的星期一高波动现象,利用混夸分布模型对此现象进行了解释.周末信息的积累
对星期一交易的影响可能是其高波动的原因+
关键词:股市波动;周日效应;【£vene检验:cARcH模型
中图分类号:0212 文献标识码:^
Testingfortheweekdayeffect0freturnvolatilityinthe
Shanghaistockmarket
Z110UShao.flll.CHENOiaI卜1i2
(ICo【leEPofF(ono【【lLcsHUSr,43(X)74(:11lna2BuslllessSchoolHuBelUnlvcrsllv.43(M】70Chlna)
Al媾tract:ThI‘p8Imr】nvesligatestllewctlkd3yoflI、ct(订忡【Ilmvo】a州l【yintheShallgh⋯“)(-kMarkt、tl,Pvenetesland
(:^I{cHmudeInrr8pplicdThevldellces110wsthaLslgnlnL_aIltM0nd8yhighvolatlmyexlsblIl【hsha“ghaistock
marke【.J【seeIIlsthnlw(sckendln协nna¨onaccu】mIlaIioncauses【heMondavhlghvoIatill“.
Keywords:mlumvo】nLllny;㈣k(javPHen;I州netest;GARCHⅡlodel
一、引言
周日效应(weekd町effect)指股票收益与·周内的某些特定交易日相连的某一模式的存在
(奉立城(2000)称之为“周内效应”)。它是在多个市场股票收益研究中发现的日历异常现象之
一,其他主要的日历异常有·月效应、月度更替效应和假日效应。cross(1973)及Gibbons和H㈣
(1981)较早观察到美围股市收益的周日效应:周一具有显著的负收益而周五有显著的正收益。
wm·g“nf(1999)和奉立城(2000)对f二海股市收益的研究也显示存在显著的周日效应。不同的
股票市场其周同效应模式可能不同。股票市场上异常现象的研究是重要的,它不仪对有效市场
假说提出厂挑战,为新的金融理论如行为金融理论提供了依据,而且对实际的金融投资实践有一
定指导意义,尽符由于交易成本的存在町能还不能直接利用种种异常现象获利。
收益与风险共存,脱离风险而谈论收益是无意义的。股票另一基本特性:波动性,在一定
程度上反映其风险特征。然而过去对异常现象的研究主要集中在股票的收益E,随着新的分
析上具的不断涌现和大量交易数据的提供,近十年来对股票市场波动的特性研究正在不断深
入。股票收益波动在·周内各天问的差异即波动的周日敛应引起研究兴趣,H。和chcung
(1994)采用无条件波动
方法
快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载
对亚太几个股票市场的收益波动的周日效应进行了检验,clare
№f(1997)利用条件波动模型对相同股票市场波动的周日模式进行了研究。本文对上海股市
收稿日期:2002—05—23
万方数据
58 中文核心期刊 数理统计与管理 23卷3期2004年5月
收益波动的周日效应进行了实证研究,既采用了无条件波动的修正kvene统计量对一周五天
的收益同方差性作出检验,又采用GARcH模型对条件方差的周日模式进行
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
,并讨论了实
证结果的相关经济解释。对中国股市波动的研究,特别是波动的日历异常现象的研究很少,尤
其是采用GARcH模型。许多实证的比较研究显示GARcH模型是描述金融时间序列的一个
较好的模型。
二、方法和模型
股票收益波动的度量主要有两类方法。一类是传统的无条件波动度量方法,如采用一定
时期的收益的
标准
excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载
差或收益的极差等来度量。另一类是八十年代才发展起来的条件方差方法
和模型,主要有Engel和Bollerslev提出并发展的广义自回归条件异方差模型(GARcH模型)
和随机波动模型(sV模型)。本文分别采用这两类方法对上海股市收益波动的周日效应进行
实证研究。
无条件波动方法对周日效应的检验采用Bmwn和F0rsylhe(1974)提出的修正的Levene检
验,此方法采用如下统计量
其中 z口=lR。一尺
i:÷寻丑
角鲁%
耻[爱东㈣o量;(x口一弓)叫“~
耻至翌
Ⅳ=∑叶 J=5
这里R。表示星期j的第i个观察的每日收益(j=1,2,3,4,5i=l,2,⋯,毗),R是每日
收益的中位数。利用kvene统计量对下列假设进行检验:
H。:一周五个交易日之间收益具有同方差性
H。:一周五个交易日之间收益具有异方差性
条件方差方法采用GARcH(1,1)模型,其条件方差方程引入四个哑变量:d,,也,也,d。,d,
在星期j取值为l,否则取值为o(j=l,2,3,4)。星期五的波动平均水平用条件方差方程的常
数项m表示: R,=c+s。
^。=F(s:I,卜1)=ccI+d8IL+卢^:.1+7ldl+y2d2+y3d3+74d4
t一;表示t—l期可获得的所有信息,如果某些哑变量的系数是显著不为零,则可认为股市
波动具有显著的周日效应。
从两种方法的比较看,非条件波动的kvene检验只能从整体上判断收益异方差性是否显
著,但无法进一步了解其具体的周日模式,而GARcH模型通过哑变量的系数能具体表现各周
日收益波动的差异及其显著性,为进一步解释和分析打下基础。
三、数据和初步分析
实证研究选取1997年1月3日—2001年12月30日每个交易日上证综合指数为对象以
P.表示。选取此时段的考虑是97年眦前我国股市规模偏小,易受各种人为因素的影响,且其
问交易
制度
关于办公室下班关闭电源制度矿山事故隐患举报和奖励制度制度下载人事管理制度doc盘点制度下载
发生了二次重大变化,这些可能对波动模式造成影响。上证综指收益率采用连续
复合收益百分数: R。=100(109P。一log只一。)
万方数据
上海股市波动的周日效应检验
将收益序列{R。)分成五个子序列,每个子序列包含特定星期j的m,个观察值,用iR。,}表
示(j=1,2,3,4,5)。此五个子序列的描述性统计如表1。
表1:五个收益子序列的描述性统计(%)
收益R 均值{标准差 中位数C峰值 偏斜度 观察值个数
星期一 _0(姗【)0331.884036O0414184.3554l.o、18575 240
星期二 I).034661 616145O132417IO(M)273_0.30736 244
星期i 0153891.5836450.1246663591794045909l 243
星期四 ’o.08’591 63S889旬¨26 7.20608—l 07542 240
星期五 0.2(,978l1 4939O2219294742094_0.60273 238
对表1的初
步分析显示,在样
本期内上海股市
平均收益率最低
的是星期四,为
旬.08759%,此现
象是独特的,美国
股市最低的收益在星期一,而日本和澳大利、脏股市的最低收益在星期二。平均收益最高的在
星期五,为O.209781%,与大部分市场的实证结果一致即星期五效应。反映无条件波动的收
益标准差在星期一最大,为i.884036%,在星期五最小,为1.4939%,此结果与大部分市场的
结果相吻合。进一步研究收益与波动的关系,此实证结果不符合风险溢价理论。星期五平均
收益率最高,但其波动最小即风险最小。这并不奇怪,风险与收益之间的负向关系在许多实证
研究中发现,Pagan和Hong(1991)及Nelson(1989,1991)发现条件均值和方差问的负向关系。
为深入研究波动在~周内各天问的差异的显著性,需对周日效应进行统计检验。
四、波动的周日效应检验
首先利用修正的Levene检验统计量F。对无条件收益波动的周日效应进行整体检验。在
一周各效易日问收益具有同方差性的零假设下,F.统计量渐进服从F(4,。。)分布。收益序列
的巾位数月为o.072378%,令~=}R一矗J,由收益序列{峨}生成新的序列{x。{以计算修
正的L£vene统计量,计算过程如表2:
袁2:修难的kvene检验统计量的计算
序列{z。} 均值i 观察值个数m. F。统计量及临界值
壤期一 1.3】6299240 F,=22712
星期二 1.027087244 F005(4,∞)=237
星期三三 I 124852243 F0lo(4.∞)=1.94
星期四 1 1039l 240
星期砬 l 032782238
整个样本期 1.i208301205
从表2的n统计量及临
界值显示,在5%显著水平下
不能拒绝H。,而在10%显著
水平下才能拒绝H。,因此一
周内各交易日收益的异方差
性即周日效应只是勉强显著
的,由于是整体检验,一周内
特定交易H的波动特性尤法
检测出来,有必要采用条件方差方法和模型来进一步深入研究波动的周日效应。
本文采用描述金融时间序列最常用的GARcH(1,1)模型,为了检测周日效应,条件方差
方程中引入四个哑变量。模型参数的估讨采用拟最大似然法(qu∞i—aximun、likelihoocl
QMI.),即误差项假定为正态分布下的最大似然法。正如{R.}的描述统计所呈现,误差项假定
为正怎分布足不合适的,但Bollerslev和worddid印(1992)指出,在条件正态分布不成立时,只
要均值方程和条件方差方程正确设立,GARcH类模型的最大似然估计值是一致的,但协方差
矩阵的估计不一致,可采用异方差一致协方差方法来修正。模型的估计‘结果如表3。
从表3的估计结果看,反映星期~条件波动差异的哑变量d,的系数估汁值为0.793093,z
一统计量值是4.231950,高度显著异于零,而其他哑变量的系数估计值不显著异于零,说明L
万方数据
60 中文核心期刊 数理统计与管理 23卷3期2004年5月
海股市星期一的波动显著高于其他交易日,周日效应是显著的,这与表1的描述统计结果是一
致的。令人感兴趣的是无条件波动修正的Levene检验仅显示周日效应勉强显著,这反映了两
种方法的差异。与其他股市的实证结果相比较,星期一的高波动具有普遍性,clare“。f
(1997)在澳大利亚、香港、马来西亚、菲律宾和新加坡股市上都发现了显著的波动星期一效
应。
表3带有哑变量的eARcH(】,1)模型的估汁结果
系数 估计值 标准误 z一统计量 概率p值
均值方程 O.0410360.032735 1.2535820.2l
条件方差 ‘|) 0078699()0887880886366 O3754
方程 Ⅱ 0242794 002“87 9.166417O0000
B 0.700703O021691 323034l 0.0Do()
Yl O.7930930.1874064.23195 0.0000
Y2 _00799140.121264_0.659008O.5呻9
n 旬.08937l ()15423l_0579460O.5623
Y4 0.0591560.1744900.339025 O.7326
五、经济解释和结论
对金融时间序列的波动的基本特性:波动集簇性即ARCH效应已被广泛的实证研究所证
实,但对其产生原因的解释有多种,其中混合分布模型及其扩展是主要解释之一。该模型假定
每单位日历时间发生的交易次数是一随机变量,每单位日历时间的价格变化或收益(8。)是t
^
.
日I.个日内均衡价格增量8.。的和: s。=∑5。 乱一i‘dⅣ(o,口2)
以I。为条件,每日价格变化可写成:
s,=盯√t毛 ‘一Ⅳ(O,1)或黾l‘一Ⅳ(0,盯。‘)
混合变量I。度量的是信息到达市场的速率,事实上这个日内均衡个数一般是未知的。如
果信息到达市场的每日数量I.序列自相关,则收益的条件方差也是自相关即波动集簇性或
ARcH效应出现。
用混合分布模型可以适当船释显著的星期一高波动现象。如果在交易和不交易时期信息
的到达是不变的,我们可预期这种现象,因为星期一交易所依据的是三天的信息量,这势必引
起已观察到的星期一高波动现象。有一段时间,中国证监会和深沪交易所常常在星期五股市
收盘后分布信息以及众多上市公司股东大会在周末召开,由此造成周末信息量剧增,加剧了星
期一的高波动现象。从国际上看,多次的“黑色星期一”也为这种解释提供了佐证。
本文分别利用无条件波动的修正kvene统计量和条件波动的GARcH模型对上海股市波
动的周日效应进行了检验,实证结果显示存在显著的星期一高波动现象。混台分布模型可提
供此现象的一种解释,这种现象可能是周末信息的积累对星期一交易的影响所致。
[参考文献]
[1]奉立城,《中国股票市场的“周内效应”》[J]《经济研究》2000(11)期
[2jcla弛,And阳w,1anGan℃“andc。egJonesTesh“g
forscas;
ctionusing肥umlllftWk异:J].Decjsiolls“ppo^svst㈣.1994,11:
545—557
[ 12。 za。g忡ncV Assfr洲ng【hevul儿erabLll‘ylohilure甜Amen㈨1industml6丌ns:a109ismanaIysis[J。
Journalofl】uslnessnⅢeanda㈣unt⋯g,1985.12:19—45
万方数据
上海股市波动的周日效应检验
作者: 周少甫, 陈千里
作者单位: 周少甫(华中科技大学经济学院,湖北武汉,430074), 陈千里(湖北大学商学院,湖北武汉
,430070)
刊名: 数理统计与管理
英文刊名: APPLICATION OF STATISTICS AND MANAGEMENT
年,卷(期): 2004,23(3)
被引用次数: 3次
参考文献(3条)
1.Montalvo;Jose G Volume versus GARCH effects reconsidered:an application to the Spanish Government
Bond Futures Market 1999(09)
2.Clare;Andrew Ian Garrett and Greg Jones Testing for seasonal patterns in conditional return
volatility:Evidence from Asia-Pacific markets 1997(07)
3.奉立城 中国股票市场的"周内效应" 2000(11)
引证文献(3条)
1.许庆光 基于ARCH模型对上海股票市场特征的研究[期刊
论文
政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载
]-北方经济 2007(20)
2.周蓓.齐中英 对我国期货市场波动性的分阶段实证研究[期刊论文]-数理统计与管理 2007(3)
3.罗登跃 上海股市周日历效应及长期记忆研究[期刊论文]-西北农林科技大学学报(社会科学版) 2006(1)
本文链接:http://d.g.wanfangdata.com.cn/Periodical_sltjygl200403013.aspx