股市收益率

股市收益率（精选8篇）

股市收益率 篇1

摘要：基于沪深股市自建立以来近10余年的数据, 对沪深股市相对低频的周、月股价指数进行研究, 两市股价指数收益序列是“随机游走”, 还是存在“均值回复”的假设进行实证分析, 采用多种均值回复检验方法, 一般性数据分析结果表明沪深股市存在均值回复的证据。

关键词：均值回复,自相关检验,单位根检验,回归分析法,方差比率检验

1 问题的提出

股票市场是资本市场最核心最重要的组成部分, 它在配置金融资源、反映金融信息、提供投资机会等方面发挥着巨大的作用, 作为股票市场中最重要的指标, 股票价格一直是所有投资者、所有金融研究者关注的对象。

20世纪60年代Fama提出“有效市场假说”思想, 认为股票价格反映了与股票有关的全部信息, 市场不存在套利机会。这一理论意味着股票价格的波动是服从布朗运动规律的, 呈现出随机游走的趋势, 自Fama“有效市场假说”思想提出以来, 对股票市场是否满足弱式有效市场假设的经验层出不穷, 主要是基于日、周、月股价指数信息, 采用参数或非参数的检验方法, 对成熟的或新兴的股票市场作“随机游走”检验。如果股价能在任何时点充分及时地反映所有信息, 股价变动就是一个随机游走过程, 股价收益序列不相关, 或者说股票市场是弱式有效市场;反之, 股价变动就是一个均值回复过程, 具有可预测性。均值回复是与随机游走相对的一种“市场异象”, 均值回复是在一个时间序列中特别的长记忆形, 指波动率围绕一个常数值震荡, 即波动率倾向回到长期均值的水平。

大多数早期研究结果通常认为股票价格服从随机游走。但是近期的一些研究发现拒绝了随机游走这一假说的证据。Poberba和Summer (1988) 研究了股票对数收益均值回复性质, 得出股票收益率长期呈现均值回复的结论, 表明资产价格包含一个暂时成分 (transitory component) , 这是随机游走所不具备的特征, Fama和French (1988) 对美国纽约股票市场进行实证研究, 也发现了股价收益序列呈现负相关性, 从而支持了Poberba和Summer的结论。De Bondt和Thaler (1985) 提出了过度反应假说, 认为金融市场对新近信息的反应强于先前信息, 认为市场最终会从背离的预期和价格回归到其基本价值, 这样股票的收益会倾向于均值回复。Lo和Mackinlay (1988) 利用方差比率对美国股市进行了检验, 发现美国股市收益从长期水平看呈现出均值回复现象。Sauer和Chen (1996) 利用1919～1990年英国股指的收益数据, 采用Fama和French (1988) 提出的回归检验, 并没有发现统计意义上显著的证据来支持均值回复, 但是当将收益序列分为战前和战后两部分时, 发现战前收益序列存在显著的均值回复。Dimitrios Malliaropulos和Richard Priestley (1999) 对7个东南亚国家或地区股票市场进行检验, 结果是存在大量均值回复的证据。Balver和Gilliland (2000) 对18个具有代表性欧美发达国家股票市场1969～1996年数据进行实证研究, 结果发现股价收益率长期呈均值回复的结论。Kiseok Nam, Chong Soo Pyun和Augustine C.Arize (2002) 用ANST-GARCH (Asymmetric Nonlinear Smooth-transition GARCH) 模型, 选择1926年1月～1997年12月美国股票市场的月度数据进行研究, 认为股票价格呈均值回复, 但回复是非对称的 (Asymmetric) , 负收益率的均值回复速度明显大于正收益率的均值回复速度。Jeffrey Gropp (2004) 对美国证券交易所 (AMEX) 、纽约证券交易所 (NYSE) 和纳斯达克 (NASDAQ) 进行实证分析的结果发现有明显的均值回复证据。

这些实证研究主要针对发达国家股票市场, 但是对中国新兴股票市场研究相对较少。这些实证研究主要是以日 (高频数据) 指数为基础, 较少分析相对低频的周、月股价指数。若不讨论检验方法的优劣, 从表面上看这些实证结果的差异主要源于使用数据时间的不同, 实际上沪深股市与其它新兴股市一样, 成长快但不稳定, 使股价运动比较复杂, 而且日 (高频数据) 股价变动的不规律性要大于周、月股价。那么, 十几年来, 沪深股价低频数据的表现又如何呢?是满足“随机游走”还是遵循“均值回复”过程呢?从这一研究目的出发, 基于理论和方法适应性角度, 对中国股票市场均值回复特性进行实证检验, 在充分吸收国内外有关均值回复验证研究的最新成果的前提下, 采用经济计量软件Eviews以及Matlab程序编程, 采用多种均值回复验证方法, 对沪深股市均值回复的行为特征进行实证研究, 希望能得出些有意义的发现和结论。

2 数据来源和检验方法介绍

本文采用的数据包括两个市场从开盘到2007年6月15日的上证综合指数和深圳成分指数, 上证A股简单算术平均市场指数 (1990.12.19～2007.6.15) , 深圳A股简单算术平均市场指数 (1991.07.03～2007.6.15) 的周收益率序列 (周序列用周五的收盘价计算收益率) 、月收益率序列 (用每月月末的收盘价计算) 。

两个市场收益率的计算采用对数收盘指数之差, 计算公式为:

Ri, t=logpi, t-logpi, t-1

这里Ri, t表示第i个市场第t周或月的收益率;pi, t表示股市周或月收盘价指数;i分别代表沪市和深市。

数据来源:http://www.ccerdata.com, 北京大学CCER中国经济金融数据库

检验均值回复的计量经济方法主要归结为以下4类:

2.1 自相关检验

如果长期股票价格收益率呈显著的负相关, 就被认定为均值回复。运用自相关检验证明股票收益率均值回复理论的主要有:Dimitrios Malliaropulos和Richard Priestley (1999) , Fama和French (1988) 。自相关函数的定义为:

$\text{r}{}_{\text{k}}=\frac{{\displaystyle \sum _{\text{t}=\text{k}+1}^{\text{Τ}}(}\text{x}{}_{\text{t}}-\overline{\text{x}})(\text{x}{}_{\text{t}-\text{k}}-\overline{\text{x}})}{\text{Τ}\text{s}{}^2}$其中k=1, 2…… (1)

其中rk为样本自相关函数 (Sample Autocorrelation Function, SACF) , T为样本数量, s2为样本方差, k为时滞的阶数, xt, xi-k为时间序列的对数变量值。T为大数时, $\sqrt{\text{Τ}}\text{r}{}_{\text{k}}$呈正态分布 (Mills, 2002) , 如果rk>2T-1/2, 就可以被认为显著地不同于0。rk<2T-1/2, 该时间序列就是随机漫步;如果呈现显著的正自相关, 即rk>0, 股票价格就在一种上升或下降趋势中运行;如果呈显著的负自相关, 即rk<0, 就呈均值回复趋势。

在对序列的自相关进行检验时, 原序列一直到k阶不存在自相关, 检验统计量为:

$\text{Q}{}_{\text{L}\text{B}}(\text{x})=\text{n}(\text{n}+2){\displaystyle \sum _{\text{j}=1}^{\text{k}}\frac{\tilde{\text{r}}{}_{\text{j}}^2}{\text{n}-\text{j}}}$

其中$\tilde{\text{r}}$${}_{\text{j}}^2$为残差序列滞后j期的自相关系数。

2.2 单位根检验

检验均值回复假设的常用方法是单位根检验 (unit root tests) , 当单位根假设被拒绝时, 人们认为股票价格向某个常数均值回复, 投资者可以通过对历史数据的统计分析预测未来的股票价格变化;否则, 时间序列服从单位根过程, 认为存在对股价的永久性偏离, 则说明证券市场的股价遵循随机游走模型。

我们用Pillips-Perron检验来判断股价序列是否服从单位根过程, 考虑线性回归方程:

yt=α+ρyt-1+δt+εt (2)

其中, α为常数, εt为均值为0的随机误差。如果{yt}遵循单位根过程且没有时间趋势, 则上述方程中应有ρ=1, δ=0。所以原假设为:H0∶ρ=1, δ=0。

2.3 回归分析法

Fama和French (1988) 用回归分析法检验了多期对数收益序列的自回归性质。通过对多期对数收益对滞后多期对数收益的回归。下文对回归分析法仅作简单介绍, 该方法的具体细节请参考Fama和French (1988) 的文章Fama和French (1988) 以及Summers (1986) 提出了含有暂时成分的一阶自回归模型AR (1) :

wt=δwt-1+ηt ηt～iidN (0, σ${}_{\text{η}}^2$) (5)

其中:δ∈ (-1, 1) , 并且E (εtηt) =0。

rt为股票价格变动中的随机游动成分, wt为衰减的平稳成分。对于这个模型的可预测性可以采取两种回归方法进行检验。

(1) (Fama和French, 1988) 可以表示为:

${\displaystyle \sum _{\text{i}=1}^{\text{q}}\text{R}}{}_{\text{t}+\text{i}}=\text{α}(\text{q})+\text{β}(\text{q}){\displaystyle \sum _{\text{i}=1}^{\text{q}}\text{R}}{}_{\text{t}-\text{i}+1}+\text{μ}{}_{\text{t}}(\text{q})$ (6)

(2) (Jegadeesh, 1991) 可以表示为:

$\text{R}{}_{\text{t}}=\text{α}+\text{β}(1‚\text{q}){\displaystyle \sum _{\text{i}=1}^{\text{q}}\text{R}}{}_{\text{t}-\text{i}}+\text{μ}{}_{\text{t}}$ (7)

本文利用 (7) 进行检验, 是因为本文采用的样本数据较大, 对于长期回报, 使用β (1, q) 进行检验, 同时计算其它统计量进行比较。

2.4 方差比率 (Variance ratio) 检验

方差比率法是由Lo和MacKinlay (1988) 年提出来的。运用方差比率来检验股票价格收益率波动均值回归理论的主要有:Poterba and Summers (1988) , Campbell (1991) , Bekaert and Hodrick (1992) , Dimitrios Malliaropulos, Richard Priestley (1999) 。其事实依据是:以股市为例, 在股价随机游走假设下, 股价变化的方差随着采样间隔q的大小线性倍增, 因此, 即对所有采样间隔如果股价收益的对数服从随机游走, 那么q>1, 方差比率均等于1, 方差比率的定义公式如下:

VR$(\text{q})=\frac{\mathrm{var}(\text{l}\text{n}\text{p}{}_{\text{t}}/\text{l}\text{n}\text{p}{}_{\text{t}-\text{q}})}{\text{q}[\mathrm{var}(\text{l}\text{n}\text{p}{}_{\text{t}}/\text{l}\text{n}\text{p}{}_{\text{t}-1})]}$ (8)

并且证明:VR$(\text{q})=1+2{\displaystyle \sum _{\text{j}=1}^{\text{q}}\left(1+\frac{\text{j}}{\text{q}}\widehat{\text{ρ}}(\text{j})\right)}$

其中Pt是t期的股票价格, var (·) 是股价收益方差的无偏估计量, var (lnPt/lnPt-q) 和var (lnPt/lnPt-1) 定义为:

$\mathrm{var}(\ln \text{Ρ}{}_{\text{t}}/\ln \text{Ρ}{}_{\text{t}-\text{q}})=(1/\text{m}){\displaystyle \sum _{\text{t}=\text{q}}^{\text{n}\text{q}}(}\ln \text{Ρ}{}_{\text{t}}-\ln \text{Ρ}$t-q-qμ) 2 (9)

$\mathrm{var}(\ln \text{Ρ}{}_{\text{t}}/\ln \text{Ρ}{}_{\text{t}-1})=[1/(\text{n}\text{q}-1)]{\displaystyle \sum _{\text{t}=1}^{\text{n}\text{q}}(}\ln \text{Ρ}{}_{\text{t}}-\ln \text{Ρ}$t-1-μ) 2 (10)

其中:m= (nq-q+1) (1-q/nq) ,

$\text{μ}=(1/\text{n}\text{q}){\displaystyle \sum _{\text{t}=1}^{\text{n}\text{q}}(}\ln \text{Ρ}{}_{\text{t}}-\ln \text{Ρ}$t-1) = (1/nq) (lnPnq-lnP0)

Lo和MacKinlay (1988, 1989) 还给出了收益序列不存在或存在异方差两种假设下的检验统计量Z (q) 和Z* (q) 及其概率分布:

当收益序列不存在异方差假设下的检验统计量Z (q) 及其概率分布为:

Z (q) =[VR (q) -1]/[θ (q) ]1/2～N (0, 1) (11)

其中 θ (q) =[2 (2q-1) (q-1) ]/[3q× (nq) ]

当收益序列存在异方差假设下的检验统计量Z* (q) 及其概率分布为:

Z* (q) =[VR (q) -1]/[θ* (q) ]1/2～N (0, 1) (12)

$\begin{array}{l}\text{其}\text{中}\text{θ}{}^{*}(\text{q})={\displaystyle \sum _{\text{k}=1}^{\text{q}-1}[}2(\text{q}-\text{k})/\text{q})]{}^2\text{δ}{}^{*}(\text{k})‚\\ \text{δ}{}^{*}(\text{k})=\frac{{\displaystyle \sum _{\text{t}=\text{k}+1}^{\text{n}\text{q}}(}\ln \text{Ρ}{}_{\text{t}}-\ln \text{Ρ}{}_{\text{t}-1}-\text{μ}){}^2(\ln \text{Ρ}{}_{\text{t}-\text{k}}-\ln \text{Ρ}{}_{\text{t}-\text{k}-1}-\text{μ}){}^2}{\left[{\displaystyle \sum _{\text{t}=1}^{\text{n}\text{q}}(}\ln \text{Ρ}{}_{\text{t}}-\ln \text{Ρ}{}_{\text{t}-1}-\text{μ}){}^2\right]{}^2}\end{array}$

方差比率是长期回报的方差与短期回报的方差的比, 当VR (q) <1时, 如果Z (q) 和Z* (q) 值小于左侧检验临界值 (Lower Tail) 或有一个较小的检验概率 (P-Value) , 则股价随机游走假设被拒绝, 股市不是弱市有效市场, 则表示短期回报存在负的自相关, 说明短期价格过度波动, 长期股票收益率呈均值回归 (mean reverting) ;当VR (q) >1时, 如果Z (q) 和Z* (q) 值高于右侧检验临界值 (Upper Tail) 或有一个较小的检验概率, 则原假设也被拒绝, 则表示短期回报存在正的自相关, 说明短期股票价格没有过度波动, 长期呈均值回避 (Mean Averting) ;当市场有效时, 则股票价格将随机波动, 故不存在自相关, 即VR (q) 等于1。VR (q) 偏离1越远, 则说明市场的有效性越低。也就是说, 如果方差比率显著不为1, 就拒绝随机漫步假设。

3 实证分析

3.1 自相关分析结果

表1给出了周股价指数收益序列的自相关系数, 如果rk的绝对值大于2T-1/2, 就可以认为显著地不同于0, 那么股票价格的升降对后期存在某种影响, 即股票价格在时间序列上表现出某种自相关。这两个市场都存在某种程度的自相关, 其中上证综指间隔13周 (1个季度) 的自相关系数为-0.074, 绝对值大于2T-1/2=0.0692, 上证A股简单算术平均指数间隔26周 (半年) 的自相关系数为-0.089, 绝对值大于2T-1/2=0.0692, 说明上证综指、上证A股周指数收益率序列存在明显的负自相关, 有可能呈现均值回复的走势特征。而深圳成分指数的自相关系间隔26周 (半年) 的自相关系数为-0.077, 绝对值大于2T-1/2=0.0699, 深圳A股简单算术平均指数间隔13周 (1个季度) 的自相关系数为-0.073, 绝对值大于2T-1/2=0.0699, 说明深圳成分指数、深圳A股指数收益率存在明显的负自相关有可能呈现均值回复的走势特征。通过分析两市股价指数周收益率的自相关系数可知, 收益序列几乎呈负相关, 且持股期越长, 负序列相关性越强。如果股票收益序列遵循这种规律, 则长期的方差比应小于1。下一步将继续运用方差比率进行检验, 进一步验证上述结论。

表2给出了月股价指数收益序列的自相关系数, 从分析知, 这两个市场存在某种程度的自相关, 其中上证指数间隔24个月的自相关系数为-0.149 (2年) , 绝对值大于2T-1/2=0.142, 上证A股简单算术平均指数间隔24个月 (2年) 的自相关系数为-0.149, 绝对值大于2T-1/2=0.142, 说明上证综指、上证A股月股价指数收益序列存在明显的负自相关, 有可能呈现均值回复的走势特征。深圳成分指数间隔24个月 (2年) 的自相关系数为-0.145, 其绝对值大于2T-1/2=0.1436, 深圳A股月股价指数间隔24个月 (2年) 的自相关系数为-0.154, 绝对值大于2T-1/2=0.1447, 说明深圳成分指数、深圳A股月股价收益率存在明显的负自相关, 有可能呈现均值回复的走势特征。通过分析可知, 收益序列几乎呈负相关, 且持股期越长, 负序列相关性越强。如果股票收益序列遵循这种规律, 则长期的方差比应小于1。下一步将继续运用方差比率进行检验, 进一步验证上述结论。

3.2 单位根检验实证分析结果

注:检验类型 (c, t, k) 中的c, t和k分别表示单位根检验方程包括常数项、时间趋势和滞后阶数, 在采用包括常数项, 时间趋势时检验结果是一致的。

典型的平稳过程是均值回复过程, 均值回复过程描述股票价格有一个较长期的均值, 价格在一个较长期的均值上下摆动。以下用Dickey-Fuller的t统计量来判别股价收益率序列的均值回复过程。在1%的显著性水平下均拒绝原假设, 认为上证综合指数、上证A股指数 (周、月) 收益率序列都是平稳序列, 深圳成分指数、深圳A股指数 (周、月) 收益率序列也是平稳序列, 因此存在着均值回复过程。

3.3 回归分析法检验结果

采用Jegadeesh (1991) 的回归分析方法进行检验, 分析结果为:

如前所述, 当斜率达到最小的负值后就开始随着收益期的增加而增加, 这意味着斜率的变化近似一个U型模式。

图1描述了股价月收益率数据计算的回归方程斜率的轨迹, 轨迹呈现出近似U型模式②。这个U型模式说明了股价包括随机游动成分和暂时成分, 股价收益率具有均值回复的性质。

3.4 方差比率实证检验结果分析

表6给出沪深股市股价周收益序列方差比VR (q) 短期或长期的变动趋势, 本次方差比检验的采样间隔q取2, 4 (1个月) , 8 (2个月) , 13 (1个季度) , 26 (半年) , 52 (1年) , 104 (2年) , 都很有代表性。相应的VR (q) 、z (q) 和z* (q) 实证结果见上表。首先, 沪深股市股价周收益序列的z (q) 和z* (q) 经验值几乎都小于0, 在5%的显著性水平下, 其周收益序列方差比为1的假设被拒绝, 因此两市都存在均值回复的特性。从周数据来看, 采样间隔q大于1年的方差比都小于1, 则长期来看, 股票收益呈负相关, 与自相关分析的结果一致, 股价运动过程与均值回复过程一致。

*significant at 5%level.

*significant at 5%level.

为比较沪、深股市月收益序列方差比VR (q) 短期或长期的变动趋势, 本次方差比检验的采样间隔q取2, 4 (1季度) , 6 (半年) , 12 (1年) , 24 (2年) , 36 (3年) , 48 (4年) , 60 (5年) , 72 (6年) , 84 (7年) , 96 (8年) , 108 (9年) , 120 (10年) , 都很有代表性。相应的VR (q) 、z (q) 和z* (q) 实证结果见上表。沪、深股市月收益的z (q) 和z* (q) 经验值几乎都小于0, 在5%的显著性水平下, 其月收益序列方差比为1的假设被拒绝, 因此两市都存在均值回复的特性。从月数据来看, 采样间隔q大于1年的方差比都小于1, 则长期来看, 股票收益呈负相关, 与自相关分析的结果一致, 股价运动过程与均值回复过程一致。

4 结 论

本文选用股市开盘以来10余年的数据研究沪深股市股价变动是“随机游走”还是“均值回复”的实证研究, 是基于两市自建立以来的周、月股价指数序列, 采用自相关检验法、单位根检验法、回归分析法、方差比率分析法进行实证分析, 数据的分析结果显示:通过分析股价收益率序列的自相关系数可知, 收益序列几乎呈负相关, 且持股期越长, 负序列相关性越强, 都有可能呈现均值回复的走势特征。采用单位根检验方法对股价指数收益序列进行检验, 所有收益序列均是平稳序列, 因此, 存在着均值回复过程, 股票价格有一个较长期的均值, 价格在一个较长期的均值上下摆动。采用回归分析法进行实证分析知, 从股价收益序列数据计算的回归方程斜率的轨迹看, 轨迹呈现出近似U型模式。这个U型模式说明了股价包括随机游动成分和暂时成分, 股价收益率具有均值回复的性质。进一步采用方差比率方法验证上述结论, 实证检验结果显示, 沪深股市股价收益序列的z (q) 和z* (q) 经验值几乎都小于0, 在5%的显著性水平下, 都拒绝方差比为1的假设, 即拒绝随机漫步假设, 两市都存在均值回复的特性。采样间隔q大于1年的方差比都小于1, 则长期来看, 股票收益序列负相关, 与自相关分析的结果一致, 股价运动过程与均值回复过程一致, 两市都存在均值回复的特性。

我国沪深股市的VR值在逐渐下降, 表明我国股票市场竞争在加强, 反映出在供给量不断扩大的情况下, 内幕人士对股票市场的操控力在减弱。根据Campbell等 (1997) 的分析, 美国市场不同时期的VR值在逐渐下降, 表明市场竞争在增强。利用可预测性赢利的可能性在减弱, 排除制度性限制价格因素, 我国股票市场的VR值也在逐渐下降, 同样表明我国股票市场竞争在加强。

沪深股市都拒绝了随机游走假设, 即拒绝了沪深股市弱有效性市场假设, 两市都存在均值回复的走势特征, 但这并不能证明中国股市是无效的, 即股票价格满足随机游走则该市场一定达到弱式有效, 而不满足随机游走的市场则不一定是无效市场。

均值回复对长线投资者具有相当重要的指导作用, 无论对于中小投资者还是大的机构投资者, 短线操作只能是投机, 判断短期升跌是不可能的, 目前股票价格可预测性理论的研究也都集中在对长期趋势的预测性上, 到目前为止, 均值回复理论仍不能解决回复的时间间隔问题, 即回复的周期呈“随机漫步”。对研究中国的股票市场仅仅发现一个均值回复现象是不够的, 因为均值回复对长线投资者来说具有重要的指导意义。均值回复理论是股票价格可预测理论的一个突破性进展, 而目前股票价格可预测理论的研究也都集中在对长期趋势的预测上, 到目前为止, 均值回复理论仍不能解决回复的时间间隔问题, 即回复的周期呈“随机漫步”。不同的股票市场, 回复的周期会不一样, 回复的幅度和速度也不一样, 就同一个股票市场来说, 每次回复的周期、速度和幅度也不一样, 如果能够发现均值回复的时间周期或者回复的时间周期的分布范围, 则股票收益的可预测性会更强, 这些都是以后进一步研究的方向。

参考文献

[1].Fama, E., French, K..Permanent and temporarycompments of stock price, Journal of Political Economy, 1988, 96:246～273

[2].Lo A, MacKinlay C.Stock prices do not followa ran-domwalk, Reviewof Financial Studies, 1988, 1:41～66

[3].Poterba J, Summers L.Mean reversion in stockprices, evidence and implication, Journal of Financial Eco-nomics, 1988, 22:27～59

[4].Dimitrios Malliaropulos, Richard Priestley.Mean re-versionin Southeast Asian stock markets.Journal of EmpiricalFinance, 1999, 6:355～384

[5].Lo, A.W.and C.A.MacKinlay.The size and powerof the variance ratio test in finite sample variability in futuresmarkets.Joural of Futures Markets, 1989, 11:613～621

[6].[美]G.S.马达拉, G.R.拉奥.金融中的统计方法[M].王美今, 芮萌, 林嘉永译.上海人民出版社

[7].张群.股价均值回复检验方法综述[J].经济研究导刊, 2008, (13)

投连险分享股市阶段性收益 篇2

4月份资本市场稳中有升，报告期内上证综指上涨接近150点，涨幅超过10％。各家保险公司在严格风险控制的前提下，积极参与股市投资。投连险作为保险公司保费参与资本市场的主力军，分享股市阶段性机会带来的收益。

根据数据，秉承指数投资策略的光大永明指数型继续保持领先，以24.21％的收益位列第一。招商信诺成长型以22.47％的收益继续排在次席。招商信诺包揽了成立以来年化收益的前2名，年化收益均超过23％，这两个账户成立的历史都超过2年。平安人寿基金投资账户上榜中长期排名，近一年收益排名第二，成立以来年化收益排名第三。

在混合偏股型账户中，唯一一个兼具短期和长期优势的账户为瑞泰人寿成长型，近3个月收益达到17％，成立以来年化收益也接近20％表现优异。

混合偏债型账户较上期收益表现稳定。前3名均在11％之上。近一年收益榜三甲成员连续4期没有改变，本期仅位次稍有调整。瑞泰人寿平衡型在3个月收益和成立以来年化收益继上期之后继续稳坐榜首位置。招商信诺和谐A型和平安人寿平安发展投资账户分别在短期和长期指标评价中表现突出。

偏债型账户近3个月收益排名中，信诚人寿稳健配置和首创安泰稳健型再次胜出。瑞泰人寿稳定型以超过9％的年化收益挤进榜单。同表现稳定的偏债型账户类似。货币型账户中，首创安泰、平安人寿继续保持优势。

股市收益率 篇3

随着世界金融市场的不断发展壮大, 国家放松管制、金融创新和金融自由化, 人们开始关注金融市场的波动, 其中资产收益率的波动特征尤为引人注意。Engle于1982年创造性的运用时间序列模型来刻画条件方差的时变性, 提出了自回归条件异方差模型, 即ARCH模型, 这标志着异方差建模研究的开始。这种模型能反映方差时变性, 还能反映收益率波动的集聚现象。中国的金融市场自20世纪90年代创立以来, 发展十分迅速, 股票市值占GDP的比重逐年上升, 在国民经济中所占的地位也越来越重要。但作为一个新兴的金融市场, 无论是在自身运行方面还是监管方面较发达国家成熟的金融市场存在很多不足, 收益率波动性很大, 需要不断发展和完善。因此国内学者开始了对股票市场收益率的波动进行了一系列理论和实证分析。建立一个合适的反映股票收益率波动性特征的模型是十分重要的, 主要是由于以下原因:一是波动性的测量对于VaR的预测有重要作用, 现在VaR方法被众多金融机构广泛使用, 并成为目前测量市场风险的主流方法;投资者对波动性十分关注。二是波动性是对资产风险数量化的一个度量, 当投资者进行投资时, 势必会选一个与自己风险承受能力相适应的资产或资产组合。期权投资者尤为关注波动性, 因为期权合约的价值取决与证券的波动性, 为了获取利润, 期权投资者必须预测波动性。此外, 各种投资者出于不同的目的, 都会对收益率波动性十分关注。

二、模型选择及实证分析

图1刻画了深证成分指数从2003年1月2日-2009年12月31日的日收盘价格走势图根据图中的走势我们可以大体定义以下阶段:2003年1月1日-2006年9月20日为一个相对平稳的阶段;2006年9月21日-2007年1月31日 (当日的收盘价为19531.15点) 是一个上涨的阶段;2007年2月1日-2008年11月4日 (当日的收盘价为5668.81点) 是一个下降的阶段;2008年11月5日-2009年12月31日是一个上升的阶段。

本文研究股票收益率采用的是对数收益率, 其计算公式如式 (1) 所示:

Rt表示收益率, Pt表示当日的收盘价格, Pt-1表示前一天的收盘价格。

为了更好地对股票收益率的均值进行预测, 我们建立回归方程如式 (2) 所示:

由于以上几个阶段共有三种类型:平稳、上涨和下降。因此我们需要引入两个虚拟变量D1和D2来表示股市行情。两个虚拟变量的定义如下:

回归方程 (1) 的估计结果如式 (3) :

注:***表示该系数在1%显著性水平下显著。[]内的值为系数估计值得标准差, () 为T统计量的值。

可决系数的值为0.018666, 调整后的可决系数为0.017508, 方程的F统计量为16.12046, 相应的伴随概率为0, 说明整个方程在1%显著性水平下是显著的。两个虚拟变量前面的系数估计值的相伴概率分别为0.0031和0.0001, 说明在1%显著性水平下, 这两个虚拟变量对r有显著影响。D1对r有显著正的影响, D2对r有显著负的影响而且D1前面系数的估计值的绝对值大于D2前面系数估计值的绝对值。因此将股市行情加入到回归模型中有助于对条件均值的预测。由于在行情稳定阶段, 股票收益率的平均水平非常接近零, 所以常数项不显著, 我们从回归方程中将常数项去掉然后重新进行回归, 回归结果见式 (4) :

注:***表示该系数在1%显著性水平下显著。[]内的值为系数估计值得标准差, () 内的值为T统计量的值。

可决系数的值为0.018328, 调整后的可决系数为0.017749 (如果采用ARMA模型估计得到的可决系数是0.006892, 调整后的可决系数是0.000631, 如果按照星期效应估计均值方程得到的可决系数为0.004722, 调整后的可决系数为0.004135, 这也说明我们基于股市大体行情估计收益率的均值效果更好一些) 。调整后的可决系数比前面的方程有增无减, 说明从拟合优度上来看第二个方程优于第一个方程。两个虚拟变量前面的系数估计值的相伴概率分别为0.0000和0.0001, 说明在1%显著性水平下, 这两个虚拟变量对r依然有显著影响。D1对r有显著正的影响, D2对r有显著负的影响, 而且D1前面系数的估计值的绝对值仍然大于D2前面系数的估计值的绝对值。

通过观察残差的自相关和偏自相关图 (见图2) 发现残差序列已不存在自相关现象, 所有的自相关函数都落入了置信区间内, 还可以从自相关图中看出这是一个平稳时间序列 (还可以通过ADF检验来证实, 由于篇幅所限这里不对这种方法进行详细说明) 。

从图3可以看到虽然是在零附近波动, 但是, 有时波动比较大, 有时波动比较小, 大的波动后面往往伴随着大的波动, 小的波动后面往往伴随着小的波动, 即有所谓的波动集群现象。这样的残差序列在分布图上表现出来的就是尖峰厚尾性。它的分布图如图4所示。

从图4可以看出回归方程的残差分布图和正态分布相比有更高的峰和更厚的尾。分布图和时间序列图相互得到了印证。这种现象还称作ARCH效应, 我们可以通过ARCH LM检验来说明ARCH效应是否存在检验结果如表1所示。

ARCH LM检验的原假设是回归方程的残差不存在ARCH效应, 因为在各个阶数下检验统计量的相伴概率都小于0.01, 说明应该拒绝原假设, 即残差存在高阶显著ARCH效应。

我们需要进一步建立ARCH模型簇来反应这种现象, 通过多次试验发现有三个模型都是比较合适的, 分别是:GARCH (1, 1) , TARCH (1, 1) , EGARCH (1, 1) 。这几个模型的均值方程都是一样的, 不同的是方差方程。

均值方程的形式:

其中, i表示的是第i个模型。

方差的形式分别是:

估计结果如表2所示:

在三个模型中, 系数c3、c4在1%显著性水平下都是显著的。说明加入方差方程后仍没改变股市行情对收益率条件均值的显著影响。三个模型中的系数α在1%显著性水平下都是显著的, 这说明收益率的非条件方差部分是显著地。三个模型中的系数β在1%显著性水平下是显著的, 说明本期的方差受到前期方差的影响是显著的。前两个模型的β系数和α系数的和都是小于1的, 说明这两个模型是稳定的不会出现方差无限膨胀的现象。对于第三个模型不需要关注β系数和α系数的和, 因为那是没有意义的。所有模型β系数的取值都接近1, 说明股市波动自身的记忆性是很强的, 既波动性衰减缓慢会持续存在。对于TARCH模型, 系数γ为正且在5%显著性水平下是显著的, 说明股市确实存在着非对称性, 股票下跌过程往往会伴随着更剧烈的波动。对于E-GARCH模型, γ为负且在10%显著性水平下是显著的, 也说明利差消息要比利好消息引起更大的波动。对于两个反映股市非对称性效应的模型TARCH和E-GARCH, 从AIC准则上来看, EGARCH模型要更好一些, 但是二者的差距不大。

三、结论

建立ARCH模型簇时, 在均值方程中加入股市行情虚拟变量比在均值方程中加入其他项比如说AR MA项或者是星期效应项效果都要好, 这是从可决系数取值大小看出来的。通过对方差方程的估计发现中国的深市存在着波动集群现象, 而且其长期记忆是很强的。和第一个模型相比, 后两个模型可以反映股市的非对称性, 即利差消息要比利空消息引起更大的波动。和TARCH (1, 1) 模型相比, E-GARCH (1, 1) 模型的AIC信息准则又稍小一些, 说明用EGARCH (1, 1) 模型拟合深证成指股票收益率波动性是最合适的。

注:***表示在1%显著性水平下显著, **表示在5%显著性水平下显著, *表示在10%显著性水平下显著

摘要：文章用ARCH模型簇对股票收益率波动性进行建模, 在充分考虑到股市行情对均值方程的影响后, 用ARCH模型簇对最能反映中国股市波动情况的指数之一——深证成指股票对数收益率的波动进行建模。经过实证分析, 中国的股市存在杠杆效应, 在充分考虑到影响均值方程的股市行情后, 得出EGARCH (1, 1) 模型是最优的拟合模型。

关键词：股市行情,ARCH模型簇,深证成指,杠杆效应

参考文献

[1]、胡永宏.沪深股指波动的杠杆效应和星期效应分析[J].数学的实践与认识, 2008 (4) .

中国股市指数的投资收益分析 篇4

关键词：股价指数,投资,收益率,金融说明

一、投资理论概述

(一)资产组合理论

资产组合理论是以一系列资产收益率的均值和方差作为组合选择的依据,提出了均值—方差资产组合选择的基本方法,即保持一定的方差的资产组合,使期望收益率最大化,或者保持一定的期望收益率的资产组合,使方差最小化;意味着资产选择不能依据资产本身的某一特征,还必须考虑该资产与其他资产的相互作用。该理论不仅描述了资产及其组合的收益与风险关系,而且解决了最优资产组合的选择问题,使得资产组合分析和管理科学化、程序化,从而奠定了其在金融投资理论中的地位。

(二)资本资产定价理论

在资产组合理论的基础上提出的。资产定价理论认为,一项投资所要求的收益率取决于以下三个因素:(1)无风险收益率,即将国债投资(或银行存款)视为无风险投资;(2)市场平均收益率,即整个市场的平均收益率,如果一项投资所承担的风险与市场平均风险程度相同,该项收益率与整个市场平均收益率相同;(3)投资组合的系统风险系数,是某一投资组合的风险程度与市场证券组合的风险程度之比。而期望的收益率由无风险收益和该组合的风险系数与市场平均收益和无风险收益差额之乘积决定。

(三)有效市场假说

根据市场对信息反应的有效性,将市场分为弱势有效、半强势有效、强势有效市场。而反应程度分为反应不足以及反应过度两种情况,描述了信息对市场的影响。

(四)行为金融理论

将金融学与社会学及心理学等人文学科相结合,从另一个假设的层面出发,认为人的一些社会性特征及自身人性影响引导自己的投资行为,诸如羊群效应、过度自信等。

(五)其他

在投资中,还有其他很多效应,由于诸多因素导致的,诸如IPO抑价效应,小公司效应,税收效应,整数效应,股利理论,盈余公布效应等。

从诺贝尔经济学奖的颁奖时间看,前两个理论是一组,第三及第四是另外一组,两组进行比较。第一组是从数理的角度出发,基于期望均值和方差,将收益和风险进行量化,由这两个变量来主导投资,通过一系列的对比分析,均衡选择,得出结论。而后一组中有很大程度的数量分析,但主要思想是从外部和内部相结合的理论,外部的信息以及人的行为对进行投资的影响。

二、指数介绍

(一)上证指数

上证综合指数是最早发布的指数,是上海证券交易所从1991 年7 月15 日起编制并公布上海证券交易所股价指数,它以1990 年12 月19 日为基期,设基期指数为100 点,以全部上市股票为样本,以股票发行量为权数,按加权平均法计算,遇新股上市、退市或上市公司增资扩股时,采用除数修正法修正原固定除数,以保持指数的连续性。然后于2006 年1 月4 日发布了新上证综合指数,新综指选择已完成股权分置改革的沪市上市公司组成样本,实施股权分置改革的股票在方案实施后的第2 个交易日纳入指数,新综指是一个全市场指数,以2005 年12 月30 日为基日,以该日所有样本股票的总市值为基期,基点为1 000 点。新综指采用派许加权方法,以样本股的发行股本数为权数进行加权计算,当成分股变化时,同样采用除数修正法修正原固定除数。

(二)深证成分指数

深圳成分股指数是由深圳交易所编制,通过对所有在深圳证券交易所上市的公司进行考察,按一定标准选出40 家有代表性的上市公司作为成分股,以成分股的可流通股数为权数,采用加权平均法编制而成。成分指数以1994 年7 月20 日为基日,基日指数为1 000 点,起始计算日为1995 年1月23 日。

(三)中小板指数

以在深圳证券交易所中小企业板上市的全部股票为样本。中小板指数以可流通股本数为权数,进行加权逐日连锁计算,以2005 年6 月7 日为基日,基日指数为1 000 点,2005年12 月1 日开始发布。

(四)创业板指数

以在深圳证券交易所创业板上市的全部股票为样本。创业板指数以可流通股本数为权数,进行加权逐日连锁计算,创业板指数以2010 年5 月31 日为基日,基日指数为1 000点,2010 年8 月20 日开始发布。

三、收益率

本文运用简单的复利计算方法,以日为最小变动单位,365天为一年,从基日开始,以基期指数为期初指数设为I0,同时以2013 年11 月29 日收盘指数为期末指数,设为I,式子表示为I=I0(1+R)T,R为年化收益,T是以日为最小变动单位表示的年数。

由于四个指数的基日不同,为了方便对比,以同日的指数作为期初指数进行计算,所以总共有四个时间段,指数多少四舍五入取整。同时加入标准普尔指数方便与上证指数对比,具体指数(如下表所示):

从上表中可以明显看出,时间有四段,计算得T=(22.96,19.38,8.48,3.5)。代入公式,得到收益率,为了方便对比(如下图所示):

四、收益对比分析

对比第一组数据,可以看出,上证的收益率是标普的1.88倍。两个指数都是选择大量的样本股,能较好地反映股市的整体情况。不同的是面对的市场不同和自身的市场机制不同,而股票市场是经济的晴雨表,从经济的发展上看,中国作为发展中国家经济发展迅速,每年GDP增长高达8%,美国作为发达国家则是维持较为稳定的经济增长为3%,新兴国家的股票市场收益高于发达国家的股票市场,可以用经济高速增长来解释。同时也发现股指收益差异小于GDP增长率的差异,可见一个开放成熟的市场虽然经济增速较低,但是股票市场还是保持不错的收益增长。而且只是指数计算,没有包括股利之类的收益。然由于现在中国经济增速逐渐减缓,面临经济转型,产业结构调整,而房地产泡沫、产能过剩和地方债务等问题也一直影响着经济,经济发展面临着滞胀的风险,股市自从2008 年金融危机后便跌到2 000 多。而美国经历危机后,失业率已经逐渐降低,同时之前的医疗改革也取得一定成效,在社会保障体系稳固的情况下,加之相应措施的采取,如对于企业及时的救助,QE政策的推出等,伴随着房地产市场的复苏,同时技术进步的不断出现,如对页岩气技术的革新等。经济恢复的迹象显著,股市也涨到新高。很快美国将停止QE政策,到时将会让美元走强,大宗商品价格会受到更大的影响,而国内的经济发展,之前召开的十八届三中全会上提出了60 个目标,但具体实施的方略还未出台方,中国股市的仍维持在之前的指数上下波动。当前的股市反映了相应的政策信息,信息同时作用于股市。经过与其他时间段对比上证的收益在第一组最高,这是因为期初的指数为100,虽然中间经过新综指的改革,但是当时的指数在1 100 左右,就没有去进行分开计算,而且市场也不会出现这种错误。以上基于所选取的指数的时间点的特殊性,以及时间段的长短做出了简单分析,由于时间结点是一致的,下面的对比就不再提及这点。

对比第二组数据,深成的收益高于上证,是上证的1.27倍。这是因为深成选取的样本股远远少于上证,从投资组合理论上看,虽然股票选择量达到20 个样本股以后,波动差异不是很明显,但0.27 还是反应了区别。而深成选择的样本股都是行业中具有代表性,大盘股,流动性好的,同样的上证因为样本多,盘子大,需要带动的资金力量也因此要大,但这只能说明深成的收益区间会大于上证的收益波动区间,而深成收益率高,主要还是因为期初指数1 000 的原因,低估了指数的价格。第二组数据所选的时间背景下,中国经济发展也较为迅速。

对比第三组数据,中小板高于深成,深成高于上证。首先中小板上市的企业流通值低于主板同时企业大多处于成长期,而且股票所处的行业也大多是比较有前景性的行业,如同新兴市场的高增长一样,相对于成熟期的企业而言,基本面上就有高收益和高成长的预期,但也意味着相对于主板有很大的波动性,可以用投资学中的“小公司效应”来解释,对于创业板方面也是如此。同时一些相应的预期理论加重了人们对预期情况的关注。中小板指数也受到了期初1 000 低估指的影响收益高。而第三组的时间背景下,金融市场的迅速发展所占比重大,加之经济的发展,这组的平均收益最高。

对比第四组,创业板高于其余三个,同时三个都为负,而中小板要好于剩下两个,上证好于深成。创业板指数相对于其他三个指数,选取的公司样本流通值更小,当然企业的成长空间也更大,行业特性更明显,“小公司效应”也是如此,但不确定性也更多。作为对风险的补偿,较高的收益,也是合理的。宏观层面上看这段时间的背景是金融危机的后时代,同时也是政府实施4 万亿投资的后时代,市场的对于这段时期的反应是这样,三个板块的累积收益为负,不及银行存款利率和国债回购率,同时这段时期也出现了IPO停止的情况,虽然不能简单地评论IPO对市场的影响是好是坏,但基于整个大环境的影响下,市场的反应更多的是负面,IPO本是帮助企业上市融资,让投资者有更多的选择好事,经济学中的选择越多越好,现在却被认为是“洪水猛兽”,那些能从很大程度上影响股市的力量,是在众多投资者的博弈中脱颖而出的,对于IPO,可能更多的认为只是上市公司的一种圈钱行为,并不是为投资者谋利。 缺乏良好的退市和监督机制,也就类似于只能选择欢迎和留下,却不能选择送走,那可供的选择从维度上减少了,有的只是量上的增多,会产生边际递减的效果,而且人们经历过信息不对称和道德风险影响的市场重复博弈后会变得很理性,不得不承认IPO的前景不是很乐观。而在11 月30 日证监会公布了相关的方案,IPO重启及一些相关概念的提出,除却周一的证券股上涨,作为市场的反应外,但目前指数的反应与之前仍无太多变化。

五、总结

通过上述的对比分析,可以看出了实体经济与虚拟经济之间的关系,这个问题已经被多次探讨了,在成熟的发达国家,金融的发展相对于发展中国家成熟而且尖端,但这都是以实体经济的发展为基础的,虚拟经济是能帮助实体经济更好的发展,有效的投资融资,发挥金融机构应当有的作用,两者虽然互相联系,但是却又是分开的。而现在的股票市场是否真实地反映了真实经济的情况,不清楚,但前段时间出现上证指数跌破两千点,而后又回到了2 200 左右,与6 000 点时相比,不得不说现在的市场受到了很大的冲击。

股市收益率 篇5

关键词：GARCH,VaR,股市收益率,回顾测试

0 引言

时间序列波动的研究由来已久, 而目前研究波动的通行方法是GARCH模型和SV模型。自从Engle提出ARCH模型以后, 对序列波动的研究便如火如荼, 而在研究中的模型服从何种分布的认识不尽相同, 张卫国, 胡彦梅和陈建忠 (2006) 采用的模型服从t分布, 徐炜和黄炎龙 (2008) 对比了正态分布和Skewed-t分布, 曹广喜 (2009) 采用Skewed-t分布来研究中国股市收益的双长记忆性。总的来说股市收益率时间序列并不满足正态分布, 比其更具有尖峰厚尾性质的t分布是一个更好的替代。本文通过对中国股市收益率序列的波动构建模型, 用模型法求出其99%置信水平上的Va R, 并进行回顾测试, 以验证其效果。

1 理论和方法简介

1.1 GARCH-error Model

自回归条件异方差模型 (ARCH) 最早由Engle, R. (1982) 提出, 并由Bollerslev, T. (1986) 发展成为GARCH模型———广义自回归条件异方差模型。

对于ARCH模型, 其主要思想是:扰动项ut的条件方差依赖于它的前期值的大小。一个ARCH (p) 过程, 可以写成:

εt是一个白噪声过程。ARCH模型的一个实践难点是:如果滞后阶数p较大, 无限制约束的估计常常会违背αi都是非负的限定条件。因此对ARCH模型的自然扩展就是用σ2t的一个或几个滞后项代替ut2的许多滞后值, 这就是广义自回归条件异方差 (GARCH) 的基本思想。标准的GARCH (1, 1) 模型为:

而一般的GARCH (p, q) 模型可以写成:

而对其的均值方程或方差方程进行扩充或限定就有以下两种特定GARCH模型:

1.1.1 GARCH-M模型

金融理论认为金融资产的收益应当与其风险成正比, 风险越大, 预期的收益就越高。这种利用条件方差表示预期风险的模型被称为GARCH—M模型, 表示为:

1.1.2 IGARCH模型

如果对方差方程中的参数和限定为1, 并且去掉常数项, 就得到IGARCH模型, 这是由Engle和Bollerslev首先提出的。表示如下:

而对于ut的假设则是各有不同, 通常假设ut服从正态分布, 则如引言所说, 通常股市收益率并不满足正态分布的假定, 对其的一般改进就是假设服从t分布或者偏t分布。

1.2 VaR风险度量

Va R是度量整体风险的流行方法, 它表示市场处于正常波动的状态下, 对应于给定的置信度水平, 投资组合或资产组合在未来特定的一段时间内所遭受的最大可能损失, 用数学语言可以表示为:Prob (ΔP<-VaR) =1-α。

2 实证检验

本文研究的中国股市收益率采用的是沪市300收益率, 代码为000300。时间段为:2008-10-1—2010-10-1。该阶段内其统计情况见表1。

注:p值是检验原假设即“收益率序列服从标准正态分布”的错误率。

从表1的偏度、峰度以及Jarque-Bera值可以看出, 股市收益率序列并不满足标准正态分布, 存在着尖峰和左偏的现象, 而这恰好可以用t分布来模拟。为进一步分析GARCH模型的适用性, 需要对收益率序列进行ARCH检验, 设定滞后阶数为1, 此时的F统计量为2.57407, 对应p值为0.1093。这说明收益率序列存在ARCH效应, 可以建立GARCH模型对其进行刻画。

2.1 参数估计

根据上文的理论描述, 文中采用GARCH (1, 1) , GARCH (1, 1) -M, I GARCH (1, 1) 分别对股市收益率进行估计, 参数估计见表2。

从表2的均值和方差方程参数估计值可以看出:

(1) GARCH的方差方程中的参数全部显著而且均满足不小于0的限定条件, 而其常数项均不显著。

(2) GARCH的均值方程中常数项只有GARCH (1, 1) 的是显著, 其他两个模型的常数项均不显著。而对于GARCH (1, 1) -M, 其均值方程中GARCH项的系数并不显著, 这说明整体上看来, 人们对风险的溢价为0。这可能是由本国居民缺乏更广泛的跨国投资渠道所致, 也可能是由于股市整体没有替代品而致。

(3) 在波动方面, 本期的波动和过去的波动密切相关, 这表明波动的长记忆性。

注:表格里括号内的值为其对应参数的Z统计量。***表示在99%的显著水平上有效。

2.2 VaR估计和回顾测试

在随机误差服从t分布的假设条件下, 置信水平为99%的Va R为:VaR=- (μ-tα (n) ) 。但不管采用什么样的方法计算Va R, 一个重要的现实检验为回顾测试。假定一个模型可以计算出一天的99%VaR, 在回顾测试中, 我们要找出交易组合的每天损失有多少次超过了一天的99%VaR。如果超过的天数大约占整天天数的1%, 这说明这个Va R模型表现良好。在本文中, 我们分别对以上三个GARCH模型的Va R进行计算并进行回顾测试, 结果见表3。

通过表3可以看出, 这三种方法得到的Va R失败率均接近1%, 但后面两种方法似乎表现得更好。而在99%的显著水平上, 基于t分布的的GARCH (1, 1) -M和I GARCH (1, 1) 对风险的评估是适合的。

3 结论

通过上面的分析可以看出, GARCH模型对股市收益率进行建模是合适的, 而由此得到的Va R也是有效的;用t分布来刻画股市的扰动项更合适, 而需要得到更好的的风险管理效果, 需要对收益率尾部进一步分析。

参考文献

[1]张卫国, 胡彦梅, 陈建忠.中国股市收益及波动的ARFIMA-FIGARCH模型研究[J].南方经济, 2006 (3) :108-112.

[2]徐炜, 黄炎龙.GARCH模型VaR的度量研究[J].数量经济技术经济研究, 2008 (1) :120-132.

我国股市收益波动率的实证分析 篇6

对于波动率产生的原因有不同的看法, 有人认为:股票价格波动仅仅是由于股票的未来收益的新消息的税基到来的冲击而产生的。其他的学者们则认为波动主要由股票买卖本身产生。但是我们就由此产生这样的想法波动率在连续交易日和周末闭市之间的时候是否相同。Fama (1965) 、K.French (1980) 以及French和Rol (1980) 用实际数据检验了这个问题, 他们收集了很长时间段每一交易日收盘时的股票价格数据, 然后计算: (1) 当中间不包含非交易日时, 一天交易收盘价与下一个交易日收盘之间的股票价格收益方差; (2) 在周五收盘与周一收盘之间股票价格收益方差。如果交易日和非交易日是等价的, 在情况2中的方差应该是情况1中方差的3倍。但是他们三人的证明的事实并非如此。三项研究结果分别证明第2项的方差分别只比第1项的方差高22%、19%以及10.7%。一般人看来, 这些结果可能是由于在交易开盘时有更多信息, 但是Roll (1984) 的研究结果并不支持这一观点, Roll检测了橙汁期货的价格:对于橙汁期货价格而言, 最重要的决定因素是气候, 而有关气候的信息对于任何时间都有同样的可能性, Roll做了一个类似的以上两种情况的分析, 他发现第2项 (星期五至星期一) 方差只是第1项的1.54倍。得出的结论是市场在某种程度上是由交易本身造成的 (交易员认为这样的结论是可以接受的) 。对此Fama、K.French及Roll是以美国的股票数据来检验的, 鉴于此本文以中国的股票市场的数据来检测以上相关的结论, 从而进一步我国资本市场和外国市场是否存在类似的结果。

二、数据选取与处理

1. 数据的选取。

本文根据研究的需要和所研究的知识的特点上证综合指数收益率来反映沪市股指波动情况, 但是由于本文所研究的重点是交易间隔与交易连续天数的波动率之间的关系, 没有必要高频数据, 因此采用了上证指数每天的收盘指数来源于大智慧历史数据的下载。样本数据选取的时间区间为2006年7月24日至2012年2月22日, 共计1359个交易日。

2. 数据的处理。

本文将上证综合指数的日收益率和周五收盘到下周一收盘收益率采用对数处理。计算公式如 (1) - (2) 所示:

这里, ut+1表示每天收益率, p为第t个交易日的股票收格, N为样本期内交易日总数 (本文中, N=1359) , 100起放大数作用。

式 (2) 中, 表示周五闭市到开市的第一个交易日结束收益率, 为周一交易日收盘价格。周五闭市的收盘价。需要进一步说明的是当考虑除息日或者是支付股票红利时收益率的公式变为:

这里d表示每股股利。但是, 即使考虑股利或除息的影响, 率的公式仍然可以用 (1) 和 (2) 来表示。

根据研究需要本文中将把数据分成两个组, 一组是周一收盘价到周五收盘价的数据, 周五收盘价到下周一的收盘价作为一个研究数据组。本文采用EVIEWS6.0软件来对GARCH (1, 1) 模型的相关参数和方程进行估计。

三、GARCH (1, 1) 模型的建立及结果估计

利用GARCH (1, 1) 模型估计波动率, 得到的结果分别为:

由此可知两者的收益的方差之比为:, 即周五到下周一股票价格收益的方差比一天收盘价与下一个交易日收盘之间股票价格收益方差高82.25%。Fama (1965) 、K.French (1980) 以及French和Roll (1980) 利用本国实际数据检验了这个问题, 他们得出的结论分别为:周五到下周一股票收益的方差比一天收盘价与下一个交易日收盘之间股票价格收益方差高22%、19%以及10.7%。

四、结论分析

本文造成周末至周一股票价格收益方差比连续交易日之间的价格收益方差的原因有以下几方面的因素:

1. 中国股票市场的交易者在周末里会对上周或者周末产生的信息对交易者的影响会在周一中通过交易活动得到充分的表现。

2.中国市场中的大多数股民是新股民, 对信息的分析能力存在着很多不足。长期持有者相对国外的私人投资者少, 经过周末的休市, 周一的时候大家都会在股市中交易。

3.每个投资者对风险的偏好程度和风险的承受能力各有不同, 投资者在对信息的理解能力和理解程度不一, 无法做出理性分析, 在信息冲击时承受能力较弱, 因此周一时交易比较活跃, 造成收益方差较大。周一作为新一周中新的第一天开始, 投资者都期待这这一天当中能够发生一些新鲜事情, 一旦市场中有一点风吹草动, 中国的投资者由于受到传统的文化的影响, 不愿冒险、求稳的心理, 都会进行交易持观望的态度。

摘要：利用GARCH模型对上证综指日收益波动和周五到下周一收盘价收益的方差进行更深入地研究, 并根据模型各参数的含义深入分析和分别计算两组数据收益率的方差, 从而得出中国股票市场的结论, 与国外市场的相关结论进行比较。

关键词：波动率,GARCH模型,ARCH模型

参考文献

[1]Fama E F.The behavior of stock—market prices[J].Journal of Business, 1965, 38:34—105

[2]Kenneth R.French, , William S, Robert F S.Expected stock re-turns and volatility[J].Journal of Financial Economics, 1987, 19:3—29

[3]约翰·赫尔 (著) , 王勇、索吾林 (译) .期权、期货及其他衍生产品 (第七版) [M].机械工业出版社, 2009, 194-215, 335-347

[4]高铁梅.计量经济分析方法与建模EVIEWS应用及实例 (第二版) .清华大学出版社, 2009 (5)

[5]张晓峒.EVIEWS使用指南与案例.机械工业出版社;2007

股市收益率 篇7

一、空气污染降低股票投资收益

空气污染程度通常采用空气质量指数(简称AQI)来衡量,AQI的取值范围在0-500之间。AQI值越高,对健康的危害就越大:0-50代表空气良好;51-100代表空气中等但对人体健康几乎没有危害;101-150代表空气对敏感人群不健康;151-200代表空气不健康,201-300代表空气非常不健康;301500代表空气有毒害。据中国环境监测总站发布的2013年1月13日全国重点城市空气质量日报统计,47个城市中有29个城市的AQI超过100,最高的达到500,可见中国的空气污染已经到了相当严重的程度了。

股票投资收益是指投资者投资于股票所能获得的收益,通常包括两部分:一是上市公司给投资者的分红,二是投资者低价买进、高价卖出所获得的差价收益。由于各家上市公司的分红情况不同,每个投资者的差价收益也相异,因此通常使用股票指数收益率来衡量整个市场投资者的股票投资平均收益,其计算公式是:某时期股票指数收益率=(期末股票指数值-期初股票指数值)/期初股票指数值。

来自以色列内坦亚学院的塔米尔·乐维(Tamir Levy)教授和海法大学的约瑟夫·亚吉(Joseph Yagil)教授利用空气质量指数和美国四个证券交易所的股票收益数据,研究了空气污染与股票投资收益之间的关系。他们发现,交易所附近的空气质量指数与股票投资收益率负相关,也就是说,交易所附近的空气污染程度越严重,投资者的股票投资收益率就越低。如,道琼斯500指数和美国证券交易所指数在空气质量良好的时要比空气质量差时的日平均收益率分别高出0.49%和0.32%。他们还发现,证券交易所离污染区越远,空气污染对股票投资收益的这种负面影响就越弱。这些研究结论是他们在将证券市场存在的“周一效应”、“一月效应”、“气温效应”、“天气效应”等等其他因素对股票投资收益的影响都剔除后得出的。

无独有偶,丹麦哥本哈根商学院的莱波里(Lepori)教授以意大利米兰证券交易所为对象的研究也有类似发现,而且他还发现,即使米兰证券交易所在采用电子化和分散化的交易系统后空气污染对股票投资收益的负面影响同样存在。最后他还将美国、加拿大、爱尔兰、西班牙、英国、法国、德国、意大利、中国等国也纳入其研究对象,结果发现,在爱尔兰、德国、西班牙、美国和中国都发现了空气污染导致股票投资收益降低的证据。

由于我们尚未发现我国国内学者研究中国的空气质量对股票投资收益的影响,因此,莱波里对中国的研究就特别值得一提,他以PM10和NO2衡量空气质量,考察2002～2008年间它们与上证50和180指数收益率之间的关系,结果发现,以NO2衡量的中国空气质量与上证指数收益负相关:NO2上升一个单位,上证50指数收益率就下降3.67%。不过,2013年1月也许是一个例外,因为这个月的空气污染质量极差,但股市行情似乎有所好转:上证指数1月末收盘2385.42,较年初开盘上涨了4.8%,几乎是2012全年涨幅(2.5%)的两倍。

二、空气污染如何影响股票投资收益

空气污染为什么会影响股票投资者的投资收益呢?研究人员在综合了医学、心理学和经济学领域的大量研究成果后认为,糟糕的空气质量容易导致投资者悲观、焦虑和发怒等不良情绪,这种糟糕的情绪会提高其风险规避水平,过早地卖出或买进股票,从而导致更低的投资收益。

医学领域的研究发现,空气污染对身处其中的人们的情绪有负面影响。空气中的有毒物质会损害人体神经系统的功能,使得长期暴露在严重空气污染中的人们更加焦虑、紧张、无助和恼怒,出现记忆力衰退、运动神经反应迟缓、智力下降、发育减缓、衰老加速等症状。

心理学领域的实验研究表明,糟糕的情绪通常会使人更加规避风险。人是有情感的动物,在做决策时往往难以避免地会伴有某种情绪。例如,人们在讨价还价时,通常就会伴有诸如愤怒、恐惧或难堪等情绪。心情好的时候人们更倾向于做出乐观的决策,反之则更容易做出悲观的决定。因此,情绪的好坏会直接影响到人们行动的成功率。多项研究均表明,糟糕的情绪会影响人们对未来事件风险的主观评价,使人们更加规避风险。

经济学家认为,高风险规避的投资者倾向于卖出股票,而低风险规避的投资者则倾向于买进股票,从而使前者得到正的股票投资收益,后者得到负的股票投资收益。经济学家有许多证据可以证明糟糕的情绪会降低股票投资收益。由于投资者的情绪是非常难以衡量的,但人的情绪往往跟天气的好坏密切相关,如,通常而言,晴天使人心情舒畅,而阴雨天令人忧郁沮丧,因此一些学者就对天气与股票投资收益的关系进行研究。如一项由美国、加拿大和哥伦比亚三国学者合作研究并发表在《美国经济评论》上的研究成果显示,股票投资收益与秋冬季的白昼时间长短有关。研究者认为,人类普遍存在着一种被称之为“季节性情感障碍”问题,即到了秋冬季,白昼时间越来越短,人们的悲观和焦虑情绪会越来越严重,从而使股票投资者的风险规避倾向更为严重,进而降低了其股票投资收益。美国麻省大学的桑德斯(Saunders)教授的研究发现,纽约市的云量越多,股票投资收益就越低。来自加拿大的两位学者的则研究发现,气温越高,股票投资收益就越低。

三、基于空气质量的股票投资策略

笼罩在糟糕的空气中,关心社会的人痛心疾首于社会发展的种种痼疾,关心投资的人则需要学会从污染的空气中制定股票投资策略。

1.基于空气质量的股票交易策略

前述以色列的两位学者就建议,投资者应充分利用空气质量与股票投资收益为负的这种关系构建正确的交易策略,即空气质量交易策略(AQI):空气质量好的日子应买进股票,而空气质量差的日子应卖出股票,具体来说就是:如果预期明天的空气质量变好,就应在今天收盘前买进股票,相反就应该卖出股票。当然,这种策略能否成功的关键在于对未来空气质量的预测是否准确。有三种方法可以预测空气质量:(1)气象部门发布的空气质量预报;(2)当天的空气质量;(3)利用时间序列数据进行回归。研究发现,如果采用普通的“买进-持有”策略,1997～2007年间道琼斯500指数的总收益率为104%,相当于年均收益率7.1%,但是,如果采用AQI策略,按以上三种预测方法,年均收益率分别可以达到10.55%、8.87%和13.11%。可见,无论采用哪种预测方法,AQI策略的投资收益率都要远高于普通的投资策略。当然,根据有效市场理论,如果所有的投资者都基于这一策略进行股票投资的话,则任何人都不能获得超额收益。

2.基于空气质量的选股策略

连续的雾霾天气,反映了转变经济发展方式、优化升级产业结构已经到了刻不容缓的地步。因此,投资者在选择股票时,首先可以考虑节能环保题材,重点关注具有尖端节能环保技术的上市公司;其次可以关注医疗题材,这是因为,研究显示,雾霾主要以PM2.5为主,且含有数百种有毒物质,PM2.5等与肺癌、心脑血管疾病的关联性得到了多个国内外研究机构的实证支持;再次,可以关注社会责任表现良好的公司,研究显示,企业社会责任履行情况与其股价密切相关,尤其是在环境质量欠佳的情况下,投资者对于加大环保投资力度,积极履行社会责任的公司会更加青睐。

我国的空气污染问题已经引起了党中央国务院的高度重视,国务院总理温家宝、副总理李克强先后做出指示,必须改变粗放的生产方式,加大环保执法力度,用行动让人民看到希望。相信在政府的领导下,社会各界积极参与,采取切实行动,我国的空气质量一定可以得到改善,让空气质量与股票投资收益的相关关系“随风飘去”,让基于空气质量的股票投资策略无用武之地!

注释

1[1]“中科院:京津冀1月共5次强霾污染仅4个晴天”,中新网http://www.chinanews.com.2013年2月3日。

股市收益率 篇8

一、文献回顾

(一) 收益平滑存在性

对于收益平滑是否存在, 学者们没有得到一致的结果。Gordon、Horwitz和Weyers (1966) 使用了三种检验方法对企业两年的收益增长进行分析, 检验企业是否利用递延联邦收入税进行平滑处理, 但结果表明收益平滑并不存在。Ball (1972) 采用正交检验方法研究了1947年至1960年间发生各种自愿性会计政策变更的365家美国上市公司数据, 结果也没有发现收益平滑存在的证据。Dascher和Malcom (1970) 对52家公司的财务报表进行研究, 研究结果表明收益平滑确实存在。Dharan和Lev (1993) 使用与Ball (1972) 相同的研究方法, 对1978年至1989年间发生了各种自愿性会计政策变更的285家美国上市公司数据进行研究得出了与Ball (1972) 相反的结论, 285家美国上市公司的财务数据表明, 美国上市公司确实通过各种自愿性会计政策变更进行了收益平滑。我国学者对收益平滑存在性问题也进行了积极的探索。陈汉文和郑鑫成 (2003) 研究A股市场发现, 经营活动现金净流量与应计利润总额间的呈负相关, A股市场存在收益平滑。张国清等 (2006) 通过净利润与其各个组成部分的相关性分析也得到了中国A股市场存在收益平滑的证据。

(二) 收益平滑实施动机

最早对收益平滑动机进行研究的学者是Hepworth, Hepworth (1953) 认为, 稳定的收益使股东和债权人对企业管理者有信任感, 由此提出了收益平滑的各种实施动机和可能的一些平滑变量。Gordon (1964) 认为管理层进行收益平滑的动机有两方面:一是公司收益越平稳股东对管理层就越满意, 管理层的个人收益, 如个人收入、福利、职务晋升等就会得到提高, 基于自身利益最大化的需要管理层会进行收益平滑;二是迎合投资者的需要。投资者对股票的满意程度不仅与公司收益的增长率正相关, 而且还与公司收益的稳定性成正比。Defond和Park (1997) 以13297家公司作为样本, 利用琼斯模型研究管理层收益平滑行为后发现:为降低被解雇的可能性, 当本期业绩好而预期未来业绩差时, 管理层会将未来费用调整至本期, 以调高未来收益;反之, 当本期业绩差而预期未来业绩好时, 管理层会将本期费用调整至未来, 以调高当期收益。这一结果支持了Gordon (1964) 的研究。

(三) 收益平滑方法

学者对收益平滑方法的研究主要集中在两个方面:一是会计政策选择, Cushing (1969) 利用正交分析的方法探讨了自愿性会计政策变更与收益平滑的相关性, 发现自愿性会计政策变更对当期利润的影响程度越大, 自愿性会计政策变更与收益平滑的相关程度就越大。刘斌等 (2005) 对我国160家上市公司的收益平滑进行研究得到了我国上市公司利用自愿性会计政策变更进行收益平滑的证据。Barnea (1976) 发现股利分配策略是部分公司进行收益平滑的手段。二是收入费用的确认时点, Beidleman (1973) 考察了43家公司20年的时间序列收益数据和6个平滑变量的关系, 研究结果显示:股权激励、研发费用、销售广告费用以及养老金费用等项目是管理当局进行收益平滑的方法。Lev和Kunitzky (1974) 发现销售收入、产量和资本支出是收益平滑的基本变量。Mande等 (2000) 以日本公司为研究对象, 发现部分公司以调整研发费用的确认时点作为收益平滑的手段。宋志永和彭良英 (2006) 指出, 企业通过多提折旧、建立或有损失储备、低估资产价值等手段可以实现收益平滑。

(四) 收益平滑市场反应

对收益平滑市场反应的研究主要集中在股价和风险。Beidleman (1973) 认为, 证券分析师对那些实施了收益平滑的公司股票更加感兴趣, 收益平滑间接地拓宽了公司的股票市场, 给股价和资本成本带来了积极的影响。Ronen和Sadan (1980) 认为, 前期收益往往是投资者预测未来的收益基础, 通过平滑前期非经常性的收益波动可以使预测收益更加精确, 从而减少市场风险, 稳定股价。Raul Iniguez和Francisco Poveda (2004) 的研究结果也支持了这一结论。但Michelson、Wagner和Wootto (1995) 的研究结果却与此有所差异, 其研究结果发现, 收益平滑确实可以降低市场风险, 但收益平滑并没有提高的企业价值。

二、研究设计

(一) 收益平滑计量

Albrecht和Richardson (1990) 通过计算某一期收益变化量系数与同期销售收入变化量系数的比值来确定公司是否存在收益平滑, 如果该值小于1则表明存在收益平滑。其他学者如Michelsonetal. (1995) 和Carlsonand Bathala (1997) 等也采用了类似的方法。Zarowin (2002) 认为, 收益平滑与应计利润、经营活动现金流量密切相关, 通过计算应计利润变化量与经营活动现金流变化量的相关系数可以判定上市公司是否存在收益平滑, 如果该系数为负值且表现出显著性, 说明公司存在收益平滑。本文采用Zarowin (2002) 的方法计量收益平滑, 具体为:Correlation (ΔACCit, ΔCFOit) … (1) 。其中:ΔACCit表示i公司t年与t-1年应计利润的差额, 应计利润等于净利润减去经营活动现金流量。ΔCFOit表示i公司t年与t-1年经营活动现金流量的差额。

(二) 收益平滑项目

根据相关文献的研究结果, 收入费用的确认和会计政策选择是收益平滑的主要手段, 这两种方法有一定的共通性。会计政策选择、会计估计可能会影响资产、负债、收入和费用的确认, 但最终都通过摊销等方式计入本期或后期的收入或费用。从收入上来看, 收入分为现销和赊销。现销有现金流入, 直接影响本期现金流量, 较容易满足收入确认的条件, 因此企业通过现销方式调整利润难度比较大。比较而言, 赊销是其操纵利润主要的方法, 若为赊销方式则会产生应收账款, 企业可利用坏账准备对当期盈余进行调节, 通过计提或转回坏账准备来实现其收益平滑的目的;若是分期收款出售商品, 则企业可以利用分期收款的机会将本该一次性计入本期的收入平均或不平均地分摊到各个会计期间去, 以达到调节各期盈余的目的。从成本费用上看, 折旧计提、无形资产摊销、长期待摊费用摊销、资产减值计提和存货受管理层决策的影响, 并且持续的时间比较长, 可以作为企业操纵利润的手段。 (1) 折旧。折旧金额大小受固定资产原价、残值率、折旧年限、折旧方法和减值等因素影响。每一个因素的变化都将影响当期折旧的计提数额, 从而影响管理费用, 继而间接影响了当期盈余。固定资产原价的确定会计制度中有比较细致的规范, 可调节余地不大。残值率由企业自行确定属会计估计, 该因素受管理者的学识、经验、能力和意愿影响。折旧年限在会计法规中有明确规定, 企业在这一方面所能做的变动也不大。折旧方法的确定是由企业根据固定资产所含经济利益预期实现方式来选择, 可选择的折旧方法包括年限平均法、工作量法、年数总和法和双倍余额递减法, 选择的折旧方法不一样每期的折旧数额也就不同。另外, 固定资产的经济利益预期实现方式与固定资产使用后实际的经济利益实现方式是否一致, 该种经济利益的实现方式是否与选定折旧方法匹配等问题都存在主观性和不确定性, 企业往往利用这种不确定来调整折旧额, 从而达到其平滑各期收益的目的。 (2) 无形资产。无形资产一般包括专利权、商标权、土地使用权、著作权、特许权、非专利技术等。无形资产的摊销由无形资产入账价值、摊销期限这两个因素决定。自用无形资产的摊销计入当期管理费用, 出租无形资产的摊销计入其他业务支出。类似于固定资产, 企业可利用无形资产的摊销调节管理费用或其他业务支出, 进而调节了各期损益, 进行收益平滑。入账价值方面, 自行开发或是购入的无形资产, 其入账价值按照取得时发生的注册费、聘请律师费等费用或实际支付的价款确定;接受捐赠取得的, 按捐赠方提供凭据上注明的价款入账, 若捐赠方没有提供凭据, 其入账价值应按同类或是类似无形资产的市场价格估计金额作为实际成本, 同类或类似无形资产不存在活跃市场的, 按该接受捐赠的无形资产的预计未来现金流量现值作为实际成本。对捐赠取得的无形资产入账价值, 企业有一定的操作空间, 但由于这类业务比较少, 总的来说, 通过无形资产的入账价值来调节利润可能性不大。摊销方面, 企业会计制度规定, 无形资产的摊销期限不得超过合同或法律规定的有效年限, 若受益年限小于合同或法律年限应在受益期内进行摊销。在当期业绩较好时, 企业可减少无形资产的摊销年限, 增加当期期间费用, 降低当期收益, 理论上来讲, 无形资产摊销年限为企业平滑收益提供可能。 (3) 长期待摊费用。长期待摊费用是指企业已经支出, 但摊销期限在一年以上 (不含一年) 的各项费用。长期待摊费用应在期受益期限内分期平均摊销。对于长期待摊费用, 企业自主操作的空间较大, 如确定摊销年限及判断长期待摊费用是否还能使以后的会计期间受益, 是否有必要将未摊销完的摊余价值全部转入当期损益等。 (4) 资产的减值。根据企业会计制度计提减值的资产共有八项, 包括短期投资、应收账款、存货、固定资产、无形资产、长期投资、在建工程和委托贷款。资产减值的计提均根据各项资产的特定情况加以判断, 概括起来有两点:一是与资产有关的市场发生变化, 致使该资产的市价大幅度下跌, 其跌幅高于因时间推移或正常使用而预计的下跌, 并且预计在近期内不可能回复;二是资产本身发生实质性损坏或因某些原因致使其价值大幅下跌, 且修理或再投资的成本也不能低于被创造的新增加部分未来现金流量的现值。当出现减值迹象时, 企业可根据其经验及市场特定的状况, 判断资产是否发生减值或已计提的减值准备是否有转回现象, 如确有发生, 则企业可自主计提相应的减值准备或冲回已计提的减值准备, 从而增加或减少管理费用、投资收益等损益类科目, 继而影响了当期损益, 达到收益平滑的目的。减值准备是否应该计提或冲回及何时该计提或冲回都由企业自行判断, 这为企业人为调节利润提供可能。 (5) 存货。存货是指企业在正常生产经营过程中持有以备出售的产成品或商品, 或为了出售仍然处在生产过程中的在产品以及将在生产过程中或提供劳务过程中耗用的材料、物料等。销售成本受存货发出计价方法的影响。按照会计制度规定, 企业可以采用个别计价法、先进先出法、后进先出法、加权平均法等对发出存货进行计价。当物价平稳时, 企业选择哪种存货发出的计价方法并不会对企业产生太大的影响, 但当物价出现波动, 不同的计价方法将使各期的营业成本不同得出不同的利润。当物价上涨时, 采用先进先出法会高估企业当期利润, 物价下跌时, 则会低估企业存货价值和当期利润, 而采用后进先出法则反之。企业可利用对存货计价方法的选择机会来调节其盈余。根据上述分析结果, 构造出以下模型:

其中:IMP为收益平滑变量, 当公司收益平滑时取1, 否则为0;Δ应收票据为第t年应收票据余额与第t-1年应收票据余额的差额;Δ应收账款为第t年应收账款账面净额与第t-1年应收账款账面净额的差额;Δ无形资产为第t年无形资产账面净额与第t-1年无形资产账面净额的差额;Δ累计折旧为公司第t年累计折旧余额与第t-1年累计折旧余额的差额;Δ资产减值为公司第t年资产减值余额与第t-1年资产减值余额的差额。为消除公司规模的影响, 上述差额均除以第t年的资产总额。

(三) 样本选择及描述性统计

本文以2001年到2005年我国全部A股上市公司为研究样本, 上市公司从2001年开始执行企业会计制度, 这为不同上市公司会计信息的可比性奠定了基础, 故样本时间从2001年开始。2007年所有上市公司均开始执行新准则, 旧制度与新准则在收入、费用等要素确认与计量方面存在重大差异导致数据间不再具有可能比。同时受可比会计信息的影响, 许多上市公司在编制2006年财务报表时可能会考虑新准则的相关规定。因此, 本文样本的截止期为2005年。按照证监会的有关规定, 上市公司连续两年亏损就会被实施退市警示风险特别处理 (简称ST) , 对于亏损公司来说, 进行收益平滑可能意义不大。因此, 本文选择2001年至2005年连续盈利的上市公司为研究样本, 扣除缺失数据的公司共获得605家公司。在模型 (2) 的回归分析中, 主要对2004年和2005年的年报数据进行分析。数据来源于CSMAR数据库和中国证监会公布的年报资料, 采用SPSS软件进行处理。从 (表1) 可以看出, 样本公司以制造业为主占样本总数的54.55%, 其余依次为综合类、批发零售业和电力、煤气及水的生产和供应业, 但所占比例都在10%以内, 比例最低的是传播与文化产业占全部样本公司的0.66%。

三、实证结果分析

(一) 收益平滑计量

模型 (1) 的统计结果如 (表2) 所示。按照前述分析, 如果连续盈利上市公司应计利润变化量与经营活动现金流变化量的相关系数为负值且显著, 说明公司存在收益平滑。从 (表2) 看出, 在0.05显著性水平下, 应计利润变化量与经营活动现金流变化量的相关系数为负值的公司数为452家。在0.1显著性水平下, 应计利润变化量与经营活动现金流变化量的相关系数为负值的公司数为509家。本文以0.1为显著性水平来区分收益平滑公司和非收益平滑公司, 其统计结果如 (表3) 所示。

(二) 报表项目偏好

样本公司各变量描述性统计如 (表4) 所示。从中可以看出, 样本公司2005年应收票据较2004年有所增加, 应收账款有所减少, 两项抵消后为-0.0701 (-0.0703+0.0002) , 说明2004年的部分赊销额在2005年得到收回。2005年累计折旧较2004年增加0.0201, 不考虑固定资产处置的影响, 表明2005年计提折旧额占资产的比例为2.01%。2005年长期待摊费用较2004年减少0.0002, 说明2005年计提的长期待摊费用少于其摊销额。资产减值的均值为-0.0001表明2005资产减值为转回。相较于2004年, 样本公司的存货比例有所上升, 平均上升了1.76%。 (表5) 列示的是模型 (2) 的回归结果。从 (表2) 中可以看出, 在代表收益平滑手段的各变量中, 只有资产减值变量在0.01的显著性水平上显著, 其他变量包括应收票据、应收账款、无形资产净额、累计折旧、长期待摊费用和存货等都不显著。这说明资产减值是上市公司进行收益平滑的普遍手段, 而收入 (以应收票据、应收账款为代表) 、成本 (存货为代表) 费用 (以无形资产、固定资产、长期待摊费用摊销为代表) 并非为上市公司所普遍使用。原因主要有两点: (1) 资产减值涉及的主观判断比较强, 操作比较容易。对于其计提金额是否合理没有统一标准, 同行业也没有值得借鉴的标准, 不容易进行监管。无形资产、固定资产和长期待摊费用的摊销也涉及大量主观判断, 但准则对这些资产的摊销有比较严格的规定, 如时间、计算方法等。对于收入和成本的确认与计量, 准则有严格的规定, 操纵收入与成本难度较大, 且同行业的数据有较强的可比性, 审计监管相对较易。 (2) 资产减值隐蔽性强。资产减值隐蔽性较强, 其金额相对其他项目而言不是很大, 报表使用者、注册会计师对其关注度不够, 不容易被发现。对于营业收入、营业成本和累计折旧, 不仅报表使用者关心, 而且往往也是注册会计审计的重点, 通过营业收入、营业成本和累计折旧来调整利润实现收益平滑比较困难。一般情况下, 收益平滑所需调整的金额并不太大, 通过资产减值即可实现, 无须调整其他项目以免加大被发现的可能性。

四、结论与启示