王芳——国股票市场杠杆效应分析--题目.doc

王芳国股票市场杠杆效应分析 题目 作者： 日期：2 个人收集整理 勿做商业用途中国股票市场杠杆效应实证分析与涨跌停板检验王芳*摘要：波动性的研究是近年来金融实证研究的重要领域,对金融领域的波动性研究以股票市场的波动最为典型。股票市场的波动有诸多特点：波动的群集性、波动的杠杆效应、波动的持续性等，本文仅对我国股市的波动非对称性进行实证分析。通过检验自开市以来的全阶段的上证综合指数和深证成分指数日收益率的ARCH特点,本文采用了EGARCH模型，验证了中国股票市场日收益率波动存在非对称效应即杠杆效应.我国股市作为新兴的资本市场，素有“政策市”、“消息市”的称号,其波动更多地受到制度变迁等因素的影响，从而表现出一定的阶段性，因此本文以引入涨跌停板制度的时点为界分为两阶段进行分析检验，揭示了中国股票市场收益率的波动非对称性是动态变化的，限制涨跌幅度对杠杆效应有着显著降低股市波动性，但同时也显著地增强杠杆效应；这说明交易制度因素对股票市场的波动性具有重要作用.最后根据实证结果进行理论分析，从我国政策影响、信息披露的完善、投资者素质和结构以及我国股市投资者的心理特征等多方面解释了中国股票市场对利好和利空消息到来的反映特征，并从几个方面对以上分析做出了初步解释，同时提出相应的建议。关键词：EGARCH; 杠杆效应；涨跌停板一、绪论(一）研究背景与意义证券市场是市场经济发展到一定阶段的产物物，我国股票市场自从20世纪90年代建立以来，至今已经经历了近20个年头。随着我国改革开放的不断深入和国民经济的不断发展,证券市场在各方面都取得了长足的发展，在国民经济中的辅助作用和支持作用日益扩大。因此分析其发展规律对实现股票市场和国民经济发展具有重要意义。长期以来，股票价格和价格波动的关系一直是金融研究者很感兴趣的重要课题，而波动性作者简介：王芳，中南财经政法大学新华金融保险学院金融0704班本科生。 一般用时间序列的方差表示。的研究是近年来金融实证研究的重要领域。市场的波动性是金融经济学的核心内容,它被广泛应用于风险大小的度量,资本资产定价模型的计算，以及金融市场效率的检验。在股票市场中，股票投资中未来收益的不确定性是股票投资的主要风险，动态风险可以用收益条件方差 所谓的条件方差是指在股票市场一定的信息量前提下方差的动态变化，即有ARCH特点。（称其为波动强度）度量，风险的波动受到众多因素的影响，其中信息对收益的波动具有非对称性的特点，即同样强度的坏消息和同样强度的好消息对收益冲击强度不同，一般来说，坏消息对收益波动幅度比好消息的冲击强度更大，这就是所谓的杠杆效应。在股票市场的崩溃时期,非对称性波动现象尤为明显，股票价格大的下跌常常伴随着股市波动的显著增加 见李胜利（2003）中国股票市场杠杆效应研究。.20世纪90年代以来，学者们将其他领域的研究结果引入到股票价格波动理论中，以探讨波动非对称产生的原因，试图解释资本市场波动的真实行为，使资本市场价格波动的复杂性得到更为真切和准确的解释。早期的观点（Black，1976;Christie，1982)通常认为基本面因素即公司财务杠杆比率（负债-权益比率)导致了杠杆效应,股票价格的波动性是公司财务杠杆的正函数，即财务杠杆越高,波动性越大。股票预期收益下跌导致公司价值降低,加大财务杠杆比率和持股风险,从而加剧波动性；反之，股票价格上升会降低财务杠杆比率，减少波动性和持股风险。因此，股票收益的波动性与公司财务杠杆比率呈正相关关系,与股票当期收益呈负相关关系。Pindyck(1984）,French etal。（1987)和Campell and Hentschel(1992）从投资者行为和反馈机制的角度来解释杠杆效应。由于投资者心理对负的价格变化比对正的价格变化更加敏感，坏消息对股价的冲击大于好消息的冲击,负的价格变化伴随较大的波动性，正的价格变化伴随较小的波动性,即所谓反馈机制或者羊群效应（Shiller,1984）.Bakaert and Wu(2000）和Wu（2001）在两种理论解释的基础上发展了非对称性波动模型,在均衡资产定价框架内规范分析杠杆效应产生的机制认为公司财务杠杆和反馈机制都是产生不对称波动的原因,而反馈机制的作用更大,并做了经验分析予以证实。文档为个人收集整理，来源于网络个人收集整理，勿做商业用途国外成熟市场的波动非对称特性还是比较鲜明的，而且大多情况是与相同大小的好消息比坏消息对波动性的影响更大，即杠杆效应明显；我国股票市场作为一个新兴市场,虽然存在其特殊性，但仍然满足这些规律。我国股票市场的高收益伴随着高波动性,其中上海股票市场的年平均波动性是25。64 数据为1991年1月1日至2010年6月1日上海综合指数日收益率。，深圳市场则为31。66 数据为1991年5月1日至2010年6月1日深圳成分指数日收益率。,在19911996年较高的波动性都出现在股市上涨的年份，而较低的波动性都出现在股市下跌的年份；而在1997-2009年较高的波动性都出现在股市下跌的年份，较低的波动性都出现在股市上涨的年份，这些情况都说明我国股票市场的波动性存在着非对称的特征。中国股票市场有许多独特交易制度，涨跌停板制度是其中重要一项.涨跌停板制度直接限制了价格波动幅度，必然影响价格形成和波动特性.关于这一点，理论界存在三种假说，即价格限制具有延迟价格发现效应，波动性溢出效应和阻碍交易效应。Fama（1989）认为如果价格发现过程受到阻碍，波动性会增大；Lehmann（1989）提出股价在一个交易日内受到涨跌限制，波动性会扩散到随后的几个交易日.Kim and Rhee(1997)用东京股票交易所1989-1992年的部分数据进行了检验，表明涨跌幅限制扭曲了股票价格行为,是缺乏效率的。中国股票市场是否存在非对称性波动和非对称性波动表现出现怎样的特征，以及涨跌停板制度对波动性的大小及波动的非对称性特征有没有影响？对于这个问题的分析不仅可以深入认识中国市场风险特性,从而更准确的把握我国股票市场的波动趋势，准确预测金融市场的波动对于选择理想的投资组合，进行资产管理,乃至对基础资产和衍生产品的定价都有重要作用，而且还可以验证价格限制这一交易制度在降低市场风险、引导投资者走向成熟和市场的规范化，有效性等方面的作用效果。这对于实际的投资决策和风险权衡是有价值的，同时也可以为完善中国证券市场交易制度建设提供理论依据。另外，当前,在国内信息对股票收益率波动非对称性影响的研究还不多见，而中国股票市场作为新兴加转轨市场，与国外成熟的资本市场相比表现出更高的复杂性和不可预测性，股票价格波动频率高,波动幅度大,从而对我国这样一个新兴市场股票市场波动非对称性特征进行深入研究具有重要的理论意义和实际意义。不仅如此，分析杠杆效应与涨跌停板的相互关系,可以从交易制度的角度分析波动特性和资产收益的可预测性,为深化理论提供新的经验证据和思路。(二)国内外文献综述1国外相关文献综述国外对股票市场价格的波动性研究已有很长一段历史，早在20世纪60年代，Fama(1965) Fama, Eugene（1989）Black Monday and the Future of the Financial Markets。就观测到投机性价格的变化和收益率的变化具有稳定时期和易变时期,即几个波动呈现集群性，方差随时间变化。最成功地模拟了随时间变化的方差的模型首推Engle（1982)年提出的自回归条件异方差模型（Auto Regressive Conditional Heteroskedasticity，ARCH）以及它的扩展模型。但Engle的ARCH模型只是一种最简单的线性模型，还不能刻画金融资产收益时间序列如“微弱但却长久的记忆”。此时广义自回归条件异方差模型 即GARCH(Generalized Auto Regressive Conditional Heteroskedasticity)。就应运而生.Bollerslev(1956）在对Engle的ARCH模型进行推广后，提出了GARCH模型.Bollerslev在GARCH模型中，除了考虑误差项的滞后期外，还同时加入了误差项条件方差的滞后期，这样使其具有更高的概括能力，较为简洁的描述了“尖峰厚尾”的特征.从而开辟了ARCH模型族研究的新篇章。然而ARCH和GARCH模型还是存在对称性的缺陷，不能很好地解释股票收益的杠杆效应.于是Nelson（1991)提出EGARCH模型,条件方差被定义为对数形式，此模型的运用发现了美国股市报酬波动具有不对称性和股市的杠杆效应。Glosten，Jagannathan&Runkle（1993)提出了标准GARCH-M、修正的GARCH-M及EGARCHM模型，并将此模型应用于研究纽约证券交易所股价指数的月度收益。Franses etal.(1998)使用QGARCH、GJRGARCH、AARCH、STARCH和一种基于STARCH的扩展模型，对AEX、DAX、DJI、FTSE、NIKKEI这五个股票市场指数杠杆效应进行了讨论.TARCH（Threshold-ARCH）模型由ItZakoian(1994)等提出，模型在非对称模型的基础上加入虚拟变量，使得模型能较之以前模型，在股价上涨信息和下跌信息对条件方差的作用效果不同。本文为互联网收集，请勿用作商业用途本文为互联网收集，请勿用作商业用途随着市场非对称性研究的不断深入，对理论模型的要求也就愈加系统化，同时也有许多的模型组合相应产生，充分显示了国外在这个研究领域的显著成绩.Braun等（1995)运用EGARCH模型研究美国股票市场，发现好消息与坏消息对市场波动的影响具有不对称性。Fornari和Mele(1997)利用波动转换GARCH模型与GJRGARCH模型对英国、美国、香港、意大利、新加坡、日本与南非等国家（地区)的股票市场进行实证研究，发现股票市场的条件波动具有不对称性。Brooks，Faff,MckenzieMitehell(2001)运用更加灵活的APGARCH模型对10个国家的股票指数以及加权世界股价指数的波动度进行拟合，估计结果显示，除新加坡外，其它各国的指数都更适合使用TARCH模型,即以条件标准差而并非条件方差作为考察重点。上述这些研究表明，股票市场的非对称性波动是显著存在的。并且，这些研究提供了很多用于研究股市波动性的模型和研究方法，为以后的进一步研究搭建了一个良好的平台。2国内文献综述目前国内关于股票价格波动非对称性的研究仍处于初级阶段，尤其是利用主流方法如广义自回归条件异方差模型（GARCH)和随机波动模型的研究。由于股市起步较晚,国内研究大多建立在国外己有理论研究成果的基础之上,且以实证研究为主要内容。因此，一些学者在方法的运用上还不是很成熟,由此得出的实证结果也必然会有所出入。陈泽忠等（2000）用EGARCH-M模型 是指在EGARCH模型的均值方程中加入均值。 对上证综指和深圳综指进行实证分析,发现这两个市场都具有反向杠杆效应.何兴强和孙群燕（2003）使用1993-2002年上证综合指数，深证成分指数和综合日收益序列分别进行考察，发现我国股票市场存在显著地“杠杆效应”，其中上证股市“杠杆效应”更显著；但我国股票市场的风险收益权衡关系不显著.楼迎军（2003）检验了1999-2002年上证指数以及八个分类指数，证实市场局部存在杠杆效应。赵留彦和王一鸣（2003）研究发现未预期交易量和同期的波动正相关，与下期波动也有可预测相关性，收益率的波动存在明显杠杆效应，负的冲击比正的冲击会造成股价更大的波动.另外,陈工孟和芮萌（2003)研究了沪深两市开始至1997年底AB股指数的预期收益和预期波动性，发现两者之间不存在显著地可预测关系,这也间接说明了杠杆效应的作用。上述文献只是利用了国外已有的模型，并没有结合中国股票市场的特色进行具体分析。回顾我国股市波动率杠杆效应的实证研究,陈浪南和黄杰鲲（2002）、李胜利（2002）、陆蓉和徐龙炳(2004)是三个重要的文献,这三个文献在利用国外已有的研究成果基础上进行了创新，动态的揭示了我国股票市场的杠杆效应.陈浪南和黄杰鲲（2002）分时段考察了深证综指，认为市场波动非对称性比较显著，是动态变化的，前期的杠杆效应比较弱，后期的杠杆效应比较强,并且认为这是投资者逐渐成熟、风险厌恶程度逐步提高的表现。李胜利（2003）将上证指数分为多头、空头和盘整期等样本期进行检验，发现杠杆效应只在股价走势较弱的时期出现，走势较强和平稳期都没有发生不对称性.陆蓉和徐龙炳（2004）子样本划分方法与李胜利（2002)相似，是依照股市波浪理论将两市开业至2003年1月29日的日收益率划分为两个牛市阶段和两个熊市阶段,考察我国股市在不同的行情阶段对信息的不平衡反应。研究采用的是EGARCH模型和条件正态分布,参数估计结果显示，在牛市阶段我国股市呈现的是反向杠杆效应，在熊市阶段正好相反。以上这些研究大都采用某一时段的市场数据描述波动性，得到的结论都是局部的；同时多数观点认为杠杆效应的存在反映了投资者理性程度逐渐提高。因此，要得到较为全面可靠地理论,需要对股市发展的全过程进行考察，这方面的文献还不多见。中国股票市场有许多独特交易制度，涨跌停板制度是其中重要一项。涨跌停板制度直接限制了价格波动幅度，必然影响价格形成和波动特性。因此研究涨跌停板制度对杠杆效应的影响具有重要意义。国内主要的文献主要有以下：孙培源和施东晖（2001）运用了Kim and Rhee（1997)的方法，使用19972000年沪深的每日成交数据进行了实证分析，他们认为涨跌幅限制并没有降低股价波动性和投资者的过度反应行为，相反却阻碍了均衡价格的实现过程和投资者的正常交易活动，其实际运作绩效与当初预想的政策目标存在较大偏差。徐龙炳（2002）改进了Kim and Rhee(1997)的方法，使用1996-2000年的数据同时检验三个假说，认为涨跌幅限制并没有扭曲中国股票市场价格行为.刘煜辉等(2003）的研究结果则认为，涨跌停限制大大降低A股市场波动性,极大地缩短了冲击持续时间，提高了市场效率。孙培源和范利民（2004）还发现涨停后次日的平均异常收益率显著为负，而跌停后次日的平均异常收益率显著为正,证实中国股市存在比较明显的过度反应现象。吴林祥等（2003）则对相似的实证结果做出相反的解释。宋逢明和江婕(2003)考察股市波动相对稳定性时，考虑到了涨跌停板会影响波动特性，然后对收益率数据做了调整,过滤掉涨跌停板制度的影响；他们指出中国股市的整体风险近年来已经与成熟市场水平相当,但最主要的风险是系统风险，同时相对稳定性差，波动率缺乏相对稳定的分层。可见，对于涨跌停板对市场波动特性的影响，还需要进行深入的探讨。本文为互联网收集，请勿用作商业用途文档为个人收集整理，来源于网络（三)研究思路虽然当前研究股市波动有GARCH-M,GJR，PNP等，但普遍采用的模型还是ARCH类模型，也就是自回归条件异方差模型。而其中最引入注目的是指数广义自回归模型,即EGARCH模型，这主要归因于它能够刻画利好消息和利空消息对资产收益波动率产生不同影响的。因此本文采用EGARCH模型进行实证分析.为了分析股票市场全阶段波动非对称的动态变化，将采取时间跨度尽可能长的数据以进行全面反应,上证综合指数采取自1990年12月19日至2010年6月1日的数据，深证成分指数采取自1991年4月4日至2010年6月1日的数据。本文将首先对中国股市全过程的波动非对称性进行描述研究,然后分析检验其结果与涨跌停板制度的关系.本文余下部分的内容是这样安排的：第二部分为样本数据的整理和统计描述分析，以及实证研究方法的说明，第三部分是实证的结果，以及模型的诊断和检验分析，最后是结论。二、理论模型的描述股票市场收益率采用股票指数的一阶差分：其中，为收益率,为股票价格，本文采用每个交易日的收盘价。在理论研究和实际运行中，通常认为上证综合指数(上证综指）和深圳成分指数（深证成指）比较全面地反映了市场总体情况，可以作为分析市场整体波动的指标。因此本文采用上证综指和深证成指作为研究对象，分别采集其收盘价,计算出日收益率数据。迄今为止，关于中国股市波动非对称性的现有文献，通常只有采用部分收益率数据,没有纳入市场发展早期阶段数据，对股票价格过程分析不够全面完整,也较少进行前后动态变化的比较。针对这种情况，本文将使用尽可能大的样本数据,采集从股票市场成立开始到2010年6月1日的交易数据进行实证分析。数据来源于巨灵金融数据库。上证综指从1990年12月19日开始到2010年6月1日，一共有4767个日收益率数据;深证成指从1991年4月3日到2010年6月1日，共有4724个日收益率数据.我国股票市场从1996年12月16日开始实行涨跌停板制度，本文以此为界分别将样本数据分为子样本1和子样本2.图1 深圳样本（阴影部分为子样本一）图2 上海样本（阴影部分为子样本一）在进行实际建模分析之前，首先对采集到的样本进行了统计描述分析,表一列举了对上证综指和深证成指共6个样本日收益率的统计分析结果。表1 上证综指和深证成指日收益率序列描述性统计分析均值方差峰值偏度JBADFQ统计量样本数量上证综指0.0006810.000672138。85585.3346633689367*-65。68586*52.0614768上证样本一0.0015910.00144193.936145。370376528588.336.1352528.4471513上证样本二0.000290.0003117.30385-0.2663912549.913*-58.11728*32。5513254深证成指0。0004920。000546215.871900。33415232707.33*30.55845*70。8034725深证样本3一0。0009840.000919715。593850。6474739817.265*36.07368*40.5611470深证样本二0.0003020.00037666.5832250.2612411777。835*55。42061*3405123254注：,，分别表示在1%,5，10%置信水平上显著显著（下同）。ADF为单位根检验。可以看到,全样本的上证综指和深证成指日收益率序列均值分别为0.06815和0。000492，偏度值分别为5。33和0。334152，这说明其分布是有偏的；峰度值分别为138.86和15.87，均远远高于正态分布时的峰度值3；各个子样本序列情况相似；可以看出沪深股市日收益率序列显著异于正态分布，尖峰厚尾现象十分明显。为了检验序列是否平稳，对日收益率序列进行ADF检验，上证综指和深证成指全样本的ADF检验值分别为-68.69和-30.56，均小于Mackinnon临界值,拒绝序列存在单位根的原假设，说明日收益率序列为平稳序列。同时，Q统计量检验结果显示，沪深股市日收益率是显著自相关的，这与大多数文献相印证，即沪深两市日收益率具有时变条件异方差特征,具有明显的ARCH效应.因此在研究股票收益率的波动性时，通常使用ARCH族模型。Engle and Ng（1993）指出，应用ARCH模型扩展形式研究市场波动性是必要和合适的,其中EGARCH模型在灵敏捕捉杠杆效应方面具有很好的应用效果。本文使用EGARCH(1,1）模型(Nelson，1991)，即指数GARCH模型来检验我国股票市场波动的杠杆效应。EGARCH（1,1）模型的具体形式如下: （1） （2)（3）条件收益率定义方程（1）中,表示在信息集条件下的收益率，为均值方差维度的条件概率密度函数,为均值，为方差。条件均值方程（2)中,表示带一阶自回归项的条件均值，为残差.条件方差方程（2）中，统计量，代表信息冲击对收益率波动的影响,表示信息冲击对收益率波动影响程度大小，则表示冲击影响的方向;成为杠杆系数，0表明不存杠杆效应，0说明存在杠杆效应。项揭示t期波动与t1期波动的关系,若参数为显著地正值，表明存在动量效应 动量效应是指投资者在股市中操作的惯性。三、实证结果分析(一)EGRCH实证结果本文利用上述经过整理分析的样本数据，对EGARCH模型进行参数估计，得到实证结果见表2.表2 上证综指和深证成指日收益率EGARCH实证结果LogL、上证综指-0.0002721*(0。0259)0。000000(0。0000）-0。493907*(0.0000)0.364678*(0。0000）0。011582*（0.0036）0.969279*(0。0000）12098。77子样本一0.003148*（0.0000)0。065562*（0.0000)0.799429*（0.0000)0.572468*(0。0000）0.098958(0。0000）0。936981(0.0000)3287。025字样本二6。580000（0。9765）0。004881(0。7762)0。332842*(0.0000）0。206624(0.0000）-0。037316*（0.0000）0.978405（0.0000)8937。804深证成指0.000595*(0.0308）0。039048(0。0022)-0.361274*(0.0000)0.151979*(0。0000)-0.003162（0.3353）0.966882*（0。0000)11639。48子样本一0.004764*(0。0000)0.041849（0.0735）-1。045271*（0.0000)0.349391*(0.0000）0。061210*(0。0000)0。889975*（0.0000)3248。071子样本二7。810005（0.7589）0。044603*(0。0098）0.269411（0.0000）0.189072*（0.0000）0。024637*（0。0000)0.984356（0。0000）8649。344实证结果显示,在全样本数据分析中，上证综指的杠杆系数为0。01在5的置信水平上统计显著，说明沪市总体的波动没有杠杆效应；同时深市的杠杆系数为-0.003,在1的置信水平上统计显著，说明深市总体上来说波动有杠杆效应，并且杠杆效应明显。然而在以子样本一和子样本二为样本数据的EGARCH模型中，实行涨跌停板制度之前，沪市和深市的子样本一的杠杆系数分别为0。1和0。06,在1%置信水平上统计显著，说明沪深两市在实行涨跌停板制度之前不存在杠杆效应。在实行涨跌停板制度之后,沪深两市的子样本二杠杆系数分别为-0。03和-0。02，都明显的异于0，在1%的置信水平上显著，这说明此时存在明显的杠杆效应.同时，不同样本的方程参数估计量均为正值而且统计意义上显著,表明中国股市波动性动量效应比较明显,未呈现出明显的反转效应，这说明投资者采取的主要策略仍是惯性策略。中国股票市场的波动非对称性现象是独特的.在不限制涨跌幅幅度的期间，中国股市并不存在明显的杠杆效应;实行涨跌停板制度以后,产生明显的波动非对称性。（二）模型的诊断与检验模型残差诊断：为了检验EGARCH模型对中国股市非预期收益对股价非对称性影响的分析结果,本文对模型参数估计结果进行诊断检验，分别进行模型的标准化残差，ADF检验，Engels LM检验(Engle,1982)，结果见表三。表3 EGARCH模型诊断检验上证综指子样本一字样本二深证成指子样本一字样本二STD。RESID（-1）0.031927（0。0275)-0。002262（0.8759)0。009732（0。5015)0.012782（0。3798）0.024968(0.0862)-0.000625(0.9657）ADFRESID-66.88382*69.21204*31。9989019.39794*19。360228.440257Engels LM0。058836(0。8084）0。097033(0.7555)1.919200（0.1660）1。065526（0。3020）0。010643（0。9178)2。160500（0.1417）检验结果显示，除了上证综指外，其他样本的标准化残差基本上都不显著异于0，拒绝模型残差依然存在自相关的零假定。这说明，EGARCH模型分析结果是可以接受的，较好的揭示了沪深指数非预期对股价波动性非对称的影响，即存在显著地杠杆效应。在上证综指中，滞后一阶的标准化残差结果表明方程残差依然存在着一定程度的自相关,但在两阶以上的统计量就通过检验，说明模型是可以改进的，以提高捕捉信息对股价波动的非对称性影响的能力。（三)杠杆效应和涨跌停板的检验在上述的实证结果中证实，沪深两市子样本一和子样本二之间的杠杆效应存在巨大差异，为了明确这种差异与涨跌停板制度的关系，需要进一步做检验。设虚拟变量代表涨跌停板制度，并将其作为条件方差因子加入到方程（3），得到一个改进的条件方差方程： （4）其中这样方程(2）和方程（4)构成包含作为条件方差因子的虚拟变量的EGARCH模型。使用上证综指和深证成指的全样本对改进后的EGARCH模型进行参数估算，得到结果如下:表4 杠杆效应与涨跌停板制度的检验结果LogL 极大似然函数，主要用来反映方程总体的拟合效果，数值越大越好，下同。深证综指9。530005(0.7054）0。049533（0.003）-0。430792（0。0000）0.182026（0。0000)-0.005783（0.2042）0。954643（0.0000)-0。076455（0。0000)11782.79上证成指6.200005(0.7185）0.015681（0。0210)0.525673(0。0000）0.362279（0。0000）0。002391(0。6527)0.958331(0.0000)0。083976（0.0000)12164。22结果显示，虚拟变量显著地有效进入模型，在上证综指和深证成指全样本中的系数分别为-0.07和0。08，并且都在1%的置信水平上显著，表明涨跌幅度限制与股价波动性存在着统计意义上的非常显著地反向关系，与杠杆系数所反映的波动非对称性存在相同方向的作用,并且虚拟变量的加入时杠杆系数发生较大的变化，明显的改变模型关于杠杆效应的结果，尤其是上证综指的杠杆系数-0.002，虽然在统计上不够显著，但与未加入条件方差回归因子的结果相比，模型结果得到了明显的改进。由此可见，实施涨跌停板制度，确实降低了日收益率的条件波动性，但是也显著增强了波动非对称性，产生杠杆效应,对中国股票市场的影响是显著地.因此,这种作为市场微观结果变量的交易制度,在研究中国股票市场的微观运动时，确实需要在技术上给予考虑和处理。（四）涨跌停板制度与数据频率的检验股票市场收益率的波动性特征与数据序列的频率有着密切的关系，改变时间序列的频率,会影响波动非对称结果。涨跌停板制度限制股价的单日波动幅度，但并没有消除市场波动,而是将股价波动的周期延长，扭曲了收益信息对股价的影响过程。因此，这种制度实际影响了分析数据的波动频率,造成了波动的非对称性。那么，通过改变收益率数据序列的时间周期，可以检验涨跌停板制度是否影响杠杆效应。本文通过调整收益率序列的频率，以周跨度的收益率数据，对EGARCH模型的方程式（2）和（3）进行估算，得到相应的检验结果如下：表5 上证综指和深证成指周收益EGARCH检验结果LogL深证综指0。000678(0.5694）0.093353（0.0054）-0。603896（0。0000)0。290417(0。0000)-0.055057(0。0121)0.922889(0.0000）0。111979（0。0000）1558.706子样本一-0。009544(0。0004）0。231157（0。0001）-0.900569（0。0000)0.321928（0.0000)0。006882(0.8553）-0.822507(0。0000)353。0625字样本二0.000133(0。9195)0。120570（0。0056)0。587330（0。0000)0.277393(0。0000)-0。031938（0.2884)0。942542（0.0000）1235。648上证成指-0.001260（0.2242)0。206830（0。0000)1。847212（0。0000)0。709736（0.0000)0.052699(0。0198）0。757019(0。0000）0.281081(0。0000）1674.852子样本一-0.000696(0。7868)0.381718(0。0000）2。968115（0。0000）1。141400（0。0000)0。229326(0。0000）0。608100（0。0000)406。7355字样本二-0.001606（0.1879）0.097176(0。0214）0。503661(0。001)0.216214（0.0000）0.043683(0。1122)0.950226（0。0000)1316.196结果显示，在考虑了涨跌停板制度的周收益率上，全样本指数收益率的波动非对称性基本没有发生很大变化，深证综指的杠杆系数为-0。06，在5的置信水平上显著，这与日收益率显示的0.006没有发生显著变化。上市的全样本杠杆系数为0.05,在置信水平为5%上显著,这与日收益率杠杆系数为0。002有很大差距。这说明沪深两市的杠杆效应并没有随着收益率计算周期的延长而发生变化。在子样本二中，上证综指周收益率的波动性杠杆系数为0.04，在统计上未通过检验，深证成指周收益率的杠杆系数为0。03，也未通过统计检验,因此，在周收益率的序列中，中国股市样本二不存在显著地杠杆效应。这说明正是由于限制涨跌幅度制度，导致了股票收益对信息的反应延迟和异常，降低了波动非对称性的杠杆效应。四、原因分析与政策建议（一)股市非对称性原因分析我国股票市场中利好或利空消息导致的股票市场的非对称性波动，之所以出现上述情况，笔者认为可以从以下几个方面加以探讨其原因。1从“政策市”的根源来看，我国股票市场的波动非对性的特殊表现与政府在股票市场中的定位有关.我国股市素有“政策市”之称，政府是上市公司最大的股东代表，同时也是众多的未上市公司的庞大的国有资产的所有者代表,自然产生希望股市繁荣的内在倾向.因此无论是媒体宣传还是监督都是偏好于股市上涨。从历史经验来看，政府经常在股市低迷的时候出手救市,政府干预股市维持“政策性底部”已经成为市场的共识.这实际上是向投资者提供了隐形担保,使他们更加激进乐观。例如1993年初沪深的熊市发展到1994年,各类的股市分析、评论和投资者对股市未来持悲观态度；然而自证券监管部门在1994年7月推出了稳定、规范、培育和发展股市的三项措施之后,沪深两市大涨，并创下股价开放之后的涨幅之最。上证指数从7月的3339l点开始上升到该年9月的103346点,深证成分指数也从89318点上升到208782点。1996年4月，针对股市低迷状况,国务院领导在听取了证监会关于股市情况的汇报后，批示要“稳步发展，适当加快”，几天后消息传到股市，立即拉动了股市大幅上涨，从1994年4月1日到12月12日，上证指数涨幅达124%，深圳成指涨幅达346%。因此“政策市”导致了股票市场对利好消息的过分敏感。个人收集整理，勿做商业用途个人收集整理，勿做商业用途2从投资者的构成来看,国外证券市场的投资者主要是由机构投资者构成，在国外成熟的市场,90%以上的个人投资者都是委托基金等投资机构进行证券交易的,机构投资者控制的股市总市值一般在50%以上,约23以上的交易额由其完成.而我国股票市场主要由散户构成，机构投资者相对较少。个人投资者收入少，入市资金少。而他们进入股市的目的是想快速赚钱，投资行为呈现短期化特征。另外个人投资者的队伍呈老龄化以及知识水平较低,从而导致这些个人投资者承受风险的能力较差，容易对股票市场的波动产生过度反应，或者急于购入股票或者急于抛售股票,进而造成市场的投机气氛相当浓厚。对散户投资者的心理分析表明,散户投资者在过滤各种信息时,注重那些能够增强他们自信心的信息,而忽视那些伤害他们自信心的信息。比如当股市下跌时，很多散户投资者出现亏损了就往往不愿意卖出已经发生亏损的股票,因为这等于承认自己决策失误，并伤害了自己的自信心。散户投资者除了厌恶损失的心理外,我国的散户投资者还有一种“投资转储蓄”心理.我国公众的储蓄倾向较发达国家要高的多，股票市场的投资者愿意将股票投资看成一种储蓄，因此当“坏消息”一导致股价下跌时，投资者将股票当成储蓄来持有,很少止损.本文为互联网收集，请勿用作商业用途本文为互联网收集，请勿用作商业用途3信息的可获得性也是导致波动非对称性的一个重要原因。基于利益诱导和外界压力而产生的强烈的信息需求，促使投资者优化信息资源的配置,充分挖掘信息的价值.个人投资者在获取、