中国股票市场的风险识别研究：基于股市波动与国际联动的实证分析

摘要

金融市场是在中国市场经济体系中一个极为重要的组成部分，它的健康发展，对整个国家的经济发展有着非同寻常的影响。本论文主要着眼于中国金融市场中的股票市场，并以股票市场中所存在的风险作为主题。本研究旨在总结目前国际上现有的关于波动性与联动性研究方面比较先进的各种理论模型与实证研究的基础上，通过对中国股票市场的应用，力图全面、综合地分析中国股市的波动性，并通过对股市联动性的实证分析，在定量基础上证实中国股市的国际化、全球化进展情况的同时，致力于考察联动性的产生原因、内在机制。
　　 股市波动率是衡量风险大小的重要指标，因此波动率的准确描述有利于正确评估市场风险，进而提高整体资本市场资源配置效率，降低经济运行的成本。并且，为政府金融管理部门、金融机构准确评估风险以及衡量风险承受程度提供客观、科学的依据。这有利于他们运用完善的风险管理技术，进而提高金融市场的监管水平。股市波动性分析部分以上证综指与深证成指的高频数据作为主要研究对象进行了股市波动特征分析、波动预测比较分析以及波动跳跃现象分析。具体研究方法与主要结果如下：
　　 在股市波动特征方面，上证综指与深证成指的已实现波动率(RV)与已实现极差波动率(RRV)均具有与其他发达国家股票指数相同的统计特征。
　　 在波动预测比较分析方面，本研究针对4种ARCH类模型(GARCH模型、GJR模型、EGARCH模型、APGARCH模型)、对RV与RRV以及其对数序列直接建模的时间序列模型(ARFIMA模型、ARFIMAX模型、HAR模型)以及GARCH-RV模型的一共18种模型，采用滚动窗口的样本外一步预测分析法进行了模型波动预测能力比较研究。关于波动预测精度的评价方法方面，本研究运用了损失函数比较法、Mincer-Zarnowitz回归以及SPA检验。结果发现：在所有模型当中InRV-ARFIMAX模型的波动预测表现最好，并检验结果证实了对数RV序列在波动预测方面的有效性与实用性；ARFIMA模型、HAR模型等高频数据波动率时间序列模型的预测精度明显高于基于低频数据的其他ARCH类模型与GARCH-RV模型。
　　 在股市波动跳跃分析方面，采用波动跳跃显著性检验方法、HAR-RV-J模型以及HAR-RV-CJ模型进行了波动跳跃特征研究。实证检验结果认为：与美国股市相比，沪深两市的显著波动跳跃发生的频率要高，跳跃幅度要大，波动趋势更加激烈；越是波动激烈的时期，显著跳跃幅度与强度越大；在建模与预测方面对数RV具有很强的有用性与可行性。
　　 国际股市联动性代表了信息在股票市场间的传导方向，这可以为我们正确认识世界股票市场格局提供有利依据。准确了解传导机制与中国股票市场的内在机制，有利于有效监控和管理金融市场中所存在的风险、有效规避国外市场发生动荡对于中国股市的冲击。股市联动性研究部分以中国与G5国家的股票市场作为研究对象，分析了股市之间的长期、短期以及超短期联动效应。具体研究方法与主要结果如下：
　　 在长期联动性检验方面，采用了2种协整检验(EG协整检验与Johansen协整检验)与基于LA-VAR模型的长期Granger因果检验进行了实证研究。结果显示：中国与G5股市之间未能发现任何长期均衡关系；基于LA-VAR的长期Granger因果检验结果否定了中国股市与G5股市间存在长期因果关系的可能性。
　　 在短期联动性检验方面，应用了二阶段CCF检验法。检验结果显示：方差-因果检验发现了中国对美国、英国、德国、法国的单方向波动溢出效应；均值-因果检验发现了美国开始影响中国股市的苗头与中日股市日内联动的可能性。
　　 在超短期联动性检验方面，将G5股市的夜间收益率与中国股市的RV应用于AR-EGARCH模型进行了实证分析。检验结果发现，中国股市对G5股市的短期与超短期的波动溢出效应。并且超短期波动溢出效应的影响比短期效应更加明显。
　　 美国第四大投资银行雷曼兄弟控股公司于2008年9月15日正式宣布破产之后，新一轮金融海啸迅速席卷了全球金融市场。本文主要着眼于此轮金融海啸对中国内地、中国香港及美国股市波动的影响，针对RV进行了股市波动特征分析、夜间波动溢出效应研究以及波动跳跃特征研究。具体研究方法与主要结果如下：
　　 在股市波动特征方面，以雷曼危机发生日作为分界点，针对前后两个时段的RV序列进行了特征分析。结果显示：雷曼危机后各股市波动率都非常高，但中国股市受到的影响相对最小。这可能是因为中国国内投资者对外部信息的低敏感度造成的现象；中国股市RV的上升主要来自于夜间与午间波动的上升，而美国与香港股市的RV上升原因主要是夜间和日内波动率的整体提高。
　　 在夜间波动溢出效应方面，对雷曼危机发生前后两个时段采用ARMA-RV模型与AR-EGARCH-RV模型进行了实证检验。结果认为：雷曼危机发生之后股市间夜间波动溢出效应极为显著，金融危机改变了股市信息传导格局；某个股市发生的波动引起另外股市的更大波动。
　　 在波动跳跃特征方面，本文针对雷曼危机发生后的RV进行了实证研究。检验结果发现：波动跳跃发生频率最多、跳跃幅度最大的市场为香港股市，其次为中国，而雷曼危机对美国股市的波动跳跃则是影响最小的；夜间波动率很可能是造成股市波动跳跃的主要影响因素；雷曼危机使得对股市波动预测的准确性下降，对于新兴市场来说这个现象更加明显。

目录

文摘

英文文摘

第1章 绪论

1.1 本论文的研究背景

1.1.1 研究的目的与背景

1.1.2 研究的发展与现状

1.1.3 本论文的研究意义

1.2 本论文的研究框架与创新点

1.2.1 本论文的研究框架与基本结构安排

1.2.2 本论文的创新点

第2章 中国股票市场概况与股指收益率的统计特征

2.1 引言

2.2 中国股票市场的沿革与基本特征

2.3 中国股票市场的发展与现状

2.3.1 股票指数

2.3.2 市场规模

2.3.3 投资者结构

2.3.4 市盈率与换手率

2.4 中国股市在全球市场中的地位

2.4.1 横向国际比较分析

2.4.2 中日股市泡沫比较分析

2.5 股票指数收益率序列的统计特征

2.5.1 数据综述

2.5.2 中国与国际主要股市的日间收益率序列统计特征分析

2.6 股票指数收益率序列的平稳性检验

2.6.1 平稳性的概念

2.6.2 平稳性检验方法—单位根检验与单位根结构突变检验

2.6.3 平稳性检验结果

2.7 本章小结

第3章 中国股市波动性研究

3.1 引言

3.2 已实现波动率与已实现极差波动率

3.2.1 RV与RRV的理论回顾与其比较

3.2.2 高频数据实证研究所面临的问题与其对策

3.3 波动研究模型与国内外实证研究的回顾

3.3.1 波动率模型回顾

3.3.2 股市波动预测实证文献回顾

3.4 数据综述与波动特征分析

3.4.1 数据综述与RV、RRV的具体计算方法

3.4.2 中国股市RV与RRV的统计特征

3.5 波动预测能力比较研究

3.5.1 实证模型

3.5.2 波动预测能力的比较及其评价方法

3.5.3 实证检验结果

3.6 高频数据波动率在跳跃扩散过程的应用

3.6.1 跳跃扩散过程的理论背景

3.6.2 分析方法

3.6.3 实证检验结果

3.7 本章小结

第4章 中国股市国际联动性研究

4.1 引言

4.2 股市联动性研究文献回顾

4.2.1 国际实证研究文献回顾

4.2.2 国内实证研究文献回顾

4.3 数据综述

4.4 长期股市联动性检验—协整检验与LA-VAR模型

4.4.1 分析方法

4.4.2 实证检验结果

4.5 短期股市联动性检验-CCF检验法

4.5.1 分析方法

4.5.2 实证检验结果

4.6 超短期股市联动性检验—基于高频数据的波动溢出效应检验

4.6.1 分析方法

4.6.2 实证检验结果

4.7 中国股市国际联动性的结构性因素与内在机制分析

4.7.1 中国股市单向波动溢出效应的因素分析—信息传导的视角

4.7.2 美国股市对中国股市的收益溢出效应的因素分析—国际资本流动的视角

4.8 中国股市国际联动性的展望

4.8.1 外商直接投资

4.8.2 QFII与QDII

4.8.3 外资银行

4.8.4 浮动汇率制与资本流动自由化

4.9 本章小结

第5章 全球金融危机下的中国股市波动及国际联动研究

5.1 引言

5.2 数据与基本分析

5.2.1 数据综述

5.2.2 描述性统计量与股市波动特征分析

5.3 全球金融危机对股市联动效应的影响

5.3.1 基于ARMA-RV模型的检验

5.3.2 基于AR-EGARCH-RV模型的检验

5.4 全球金融危机对股市波动跳跃的影响

5.4.1 分析方法

5.4.2 实证检验结果

5.5 本章小结

第6章 总结与展望

6.1 主要结论与政策建议

6.1.1 本论文的主要结论总结

6.1.2 政策建议

6.2 研究展望

6.2.1 中国股市波动性研究展望

6.2.2 中国股市国际联动性研究展望

参考文献

附录A 本论文实证研究流程图

附录B Ljung-Box检验与Diebold(1988)的修正Ljung-Box统计量

附录C 股票市场波动性研究文献一览表

附录D 股票市场国际联动性研究文献一览表

附录E 基于Schwert(1990)模型的联动性分析方法

附录F Toda and Yamamoto(1995)的LA-VAR模型估计方法

致谢

个人简历 在读期间发表的学术论文与研究成果