证券市场显著特征范文

发布时间：2023-12-04 10:00:37

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的13篇证券市场显著特征范例，将为您的写作提供有力的支持和灵感！

证券市场显著特征

篇1

证券监管博弈模型的博弈双方是证券监管者和被监管者。从证券监管的实践来看，证券监管者是多元化的，可以是国家也可以是证券业协会或者证券交易商协会，还可以是证券交易所或者别的什么机构。不过几乎各国的证券监管都是由政府部门、行业协会和证券交易所共同完成。我国采取的也是这种模式:由中国证券监督管理委员会及其派出机构代表政府进行强制性监管，证券交易所和证券业协会等自律性组织进行自主监管。至于被监管者，笼统的说就是整个证券市场，即证券市场的参与者以及他们在证券市场上的活动和行为。不过绝大多数国家都把证券监管的直接对象定位于证券市场的参与者，具体包括发行各种证券的筹资者(政府、企业)、投资各种证券的投资者(政府、企业、个人)、为证券发行和证券投资提供各种服务的中介机构(证券公司、证券交易所、证券登记结算公司、证券托管公司、证券投资咨询公司、证券律师、会计师和评估师)，以及为证券发行和证券投资提供各种融资、融券业务的机构和个人。

实施证券监管对于监管者是有成本的，即监管者的行政成本。为了实施监管，监管者需要设立监管部门来专门负责制定和实施有关条例和细则(如证券发行审核、证券稽查等)，这一过程中自然需要耗费人力、物力以及监管人员进行知识更新所必需的时间和精力，并且监管越严格行政成本越高，为了分析方便，假设监管者只有两种纯策略选择，分别为低成本(low cost)的普通监管(监管成本为cl)和高成本(high cost)的严格监管(监管成本为ch.chcl) 。

实施证券监管对于被监管者也是有成本的，即被监管者的奉行成本。被监管者为了遵守或者符合有关监管规定不得不承担额外成本，如为按照规定保留记录而雇佣专人的费用、提供办公设施和材料的费用、聘请专门中介机构的费用等，只不过这种奉行成本以抵减收益的形式存在。在利益的驱使下，被监管者有可能为了增加收益(包括一非法收人)、降低成本(包括奉行成本)而进行违规操作。所以假设被监管者的纯策略选择是遵纪守法或违规操作。若遵纪守法则可稳定获得收益凡(已扣除了证券监管的奉行成本);若违规操作且未被查处，则可获得超额收益(违法所得或降低的奉行成本)r ( reward )，但若被查处则不但要没收非法所得，而且还会被处以罚款，此时的罚没总成本为p( punishment )。进一步假定，在被监管者出现违规行为的情况下，低成本的普通监管是查不出来的，而一旦监管部门采用高成本的严格监管，就一定能予以查处并处以罚款。

基于前述假设，考虑到证券市场上博弈双方得益信息的可获得性，建立证券市场上监管者与被监管者的完全信息静态博弈，并用矩阵形式示如表1。

利用划线法可以很容易地找出该博弈的纯策略纳什均衡:监管者实施普通监管，被监管者进行违规操作。最终结果是:监管者虽然付出了一定的监管成本却毫无作用;一部分被监管者违规操作获得了超额收益但却使其它的证券参与者遭受损失。显然，这是一个低效率的组合，只会加重证券市场的不规范性，违背了实施证券监管的初衷。

二、对监管者实施监管的证券监管博弈

若我们对证券监管部门实施监管，那又会是个什么样子呢?这里让我们进一步假设，如果监管者通过严格监管查处了被监管者的违规行为，就会得到一定的鼓励b(bonus)，这种鼓励既可以表现为物质奖励(比如来自违规者的罚款，用以增加办公经费)，也可以表现为社会公众对其褒扬带来的精神鼓励，或者兼而有之;但是如果监管者为了节省成本(或偷懒)只进行了普通监管而导致被监管者的违规操作得以成功，则要对其施以一定的惩罚f(fine)，这种惩罚可以是行政上的、法律上的或是经济上的。如此一来，上述博弈模型就发生了较大变化，新的博弈模型的得益矩阵如表2。

仍然利用划线法进行分析，可以看出当对监管者的监管力度较大、使得对其的鼓励与惩罚的量化绝对值之和大于监管者实施普通监管和严格监管的成本差时(即f+b>c-c})，该博弈不存在纯策略纳什均衡，从而避免了(普通监管，违规操作)这种低效率策略组合的出现。这种情形下，博弈双方都将在博弈中采取混合策略，即监管者和被监管者各自以一定的概率随机选择严格监管或是违规操作。让我们定义:监管者进行严格监管的遨纤二几登三寻多笼罐熟:弓多雀诺态咬乏导铸泉录名室圣聆多石杀涟返络题透汉蛋定召砖罗亨恶璧三兮概率为r，进行普通监管的概率为(1-r);被监管者选择违规操作的概率为e，遵纪守法的概率为(1-e)。

给定e，监管者选择普通监管r=0和严格监管二1的期望收益分别为:

即，若被监管者违规的概率小于(c‑-c,)/(f+b)，监管者会选择普通监管;若被监管者违规的概率大于(c‑-c洲(f+b)，则监管者选择严格监管;若被监管者违规的概率等于(c‑-c,)/(f+b)，监管者就随机地选择普通监管或者是严格监管。

给定r被监管者选择遵纪守法e=o和违规操作e=i的期望收益分别为:

即，若监管者进行严格监管的概率小于r/(r+p)，被监管者的最优选择为违规;若监管者进行严格监管的概率大于r/(r+p)，被监管者的最优选择为遵纪守法;若监管者进行严格监管的概率等于r/(r十p)，被监管者则可能违规也可能遵纪守法。

因此，混合策略纳什均衡是:r=r/ (r+p).e=(c,}c,)/(f+b)即，监管者以r/(r+p)的概率进行严格监管，被监管者以(c‑c,)/(f+b)的概率选择违规也可以解释为，市场上大量的被监管者中(c,}-c}/(f十b)比例的被监管者选择违规，(f+b-c‑+c,)/(f+b)比例的被监管者选择遵纪守法;监管者随机地对r/(r+p)比例的被监管者进行高成本的严格监管，而对剩余的被监管者则仅采取普通监管。

篇2

中图分类号：F830．91文献标识码：A文章编号：1000．176X（2008）02．0065．06

在微观金融理论中，价格和交易量作为证券交易的基础性变量，蕴含了市场交易过程中的主要信息。Karpoff对价量关系研究的理论和现实价值作出了深刻的概括：首先，价量之间的真实关系有助于人们了解证券市场的信息流动机制和微观结构；其次，价量关系研究有助于推进证券市场事件研究；再次，价量关系研究对解释证券价格分布状态具有决定性影响；最后，价量关系研究有助于解释技术分析的有效性并为投资者提供有价值的信息[1]。

价量关系研究在国外可以追溯到Clark利用低频数据所进行价量关系的相关性分析[2]，其后Epps、Karpoff、Smirlock、Gallant和Campell等学者利用不同方法深化了这一研究[3．6]。国外在解释价量之间存在的紧密联系方面具有代表性的理论可分为三类:第一类是交易理论模型，它强调交易者的交易行为是解释价量正相关性的关键，认为交易者倾向于在市场交投活跃时进行交易，因此交易量和价格波动在时间上存在集群性[7]；第二类是理念分散模型，该模型认为交易者对市场信息理解的分歧越大，引起价格的波动和交易量也越大[8]；第三类是信息理论模型，它指出信息是交易量和价格波动的共同驱动因素，这与市场微观结构理论所坚持的价格波动主要源于新信息不断到达市场并融入到交易过程中的观点相一致，加之获得了更多的实证研究的支持，信息理论模型目前已经成为解释价量关系的主流模型[9]。

近年我国一些学者基于国外研究成果对我国证券市场价量关系进行了有益的探索。张维、闫冀楠针对上海证券市场的研究发现价格对交易量具有显著的线性因果关系，而交易量对短期价格波动不具有线性因果关系，但长期却存在非线性因果关系[10]；陈良东利用线性Granger因果检验对上海证券市场价量关系进行了剖析，发现交易量的变化与绝对价格收益之间存在显著的正相关关系[11]；陈怡玲、宋逢明通过研究发现交易量与价格变化绝对量、价格变化本身线性正相关，并且存在非对称的价量关系[12]；魏巍贤对上海证券市场价格与交易量进行协整分析，得出两者间存在长期均衡的结论[13]；范钛、张明善利用Granger因果关系检验法和VAR模型对我国A、B、H股市场分割下价量关系的表现特征和内在规律进行研究[14]。

国内价量关系实证研究存在以下不足之处需要加以改进：首先，现有研究在对交易量的处理上不够细致，有些仍直接运用原始交易量序列进入模型，而未将其进行进一步的甄别和分离，从而削弱了研究成果的揭示能力；其次，在分析时段选取上较为随意，并且多为单阶段静态分析，没有充分考虑数据分段特征的变化，也未能从动态对比角度揭示价量关系的演进；最后，对于价量关系实证结果的剖析仍有待深入，未能深入到交易机制层面，因而对于市场发展的实践指导作用相对有限。本文在甄选已有国内外价量关系研究成果的基础上，通过对交易量序列的分解、提取信息交易量作为实证分析的数据基础，并运用信息理论模型中的混合分布假说作为理论基础，在结合市场制度变迁实践的基础上进行两时段价量关系实证分析，从对比分析中谋求更深入地揭示上海证券A股市场价量关系以及该市场交易机制存在的不足，据此提出具有针对性的改进对策。

一、理论基础和研究方法

（一）信息理论模型概述

信息理论模型从信息引起交易需求和交易供给变化的角度解释交易量与价格波动间存在的正相关关系，认为新信息流到达市场的强度和频率决定了市场交易的活跃程度和交易量、价格的波动程度。信息理论模型中具有代表性的混合分布假说(MDH)认为价格波动与交易量的联合分布由一个潜在的、被假定为信息流的混合变量共同驱使，市场中存在着一种反映信息在市场传播速度的潜在性因素，新信息流进入市场产生影响并引起交易量和价格同期变动，并且价格波动和交易量分别与信息流的速率正相关，继而形成价格波动与交易量正相关[15]。在MDH框架下，交易量与价格波动的动态特征仅仅依赖于信息流到达过程的时间序列特征，因此交易量序列可以作为信息流的指标并成为产生价格持续性波动的因素；反之亦然。

（二）研究方法

1．交易量的分解

根据MDH的观点交易量包含两部分――信息交易量和非信息交易量，前者是基于新信息到达诱发信息交易而增加的交易量，后者一般是噪声交易而引起的交易量。信息交易量作为新信息到达并对交易量产生冲击的体现，基于新信息随机、不连续的特征，信息交易量变化较为随机、不具稳定性；而从长期看基于噪声交易因素产生的非信息交易量则相对较为稳定。据此非信息交易量是交易量中可以预测的成分，可由交易量的平均值――预期交易量来表示；信息交易量则无法从历史交易量序列中予以解释并由非预期交易量来表示。用式(1)剔除交易量序列中的线性和非线性趋势的影响。

二、上海证券市场价量关系实证分析

（一）数据特征

1．数据来源

1996年12月16日上海证券交易所开始实行交易价格涨跌幅限制（涨跌停板制度），其后在2006年6月份开始分批推进的股权分置改革进入实施阶段，从市场微观结构理论出发，有理由相信交易机制转换和制度变迁会导致市场交易特征和交易行为产生较为明显的差异，因此有必要以1996年12月16日和2006年5月31日为分水岭将不同特征的市场数据进行分段处理，以避免数据结构转变所带来的分析谬误。据此将检验的样本期分为两个时段进行分析:1990．12．19―1996．12．15为第一时段；1996．12．16―2006．05．31为第二时段。选取上证A股综合指数（简称“上证综指”，下同）日收益率及日交易金额数据为价量关系指标分析对象，数据源自国泰安公司开发的CSMAR数据库，分析中使用计量经济学软件SPSS和Eviews。

2．数据描述

（1）上证综指日收益率序列统计特征

记Pt为日收盘指数，Rt为日(对数)收益率，则Rt=lnPt．lnPt．1,应用SPSS软件对其进行单变量频数分布分析得出上数变量的统计量特征，见表1。

（2）上证综指日交易量序列统计特征

以上证综指日交易额序列为原始交易量序列，对其进行单变量频数分布分析和序列自相关检验，结果分别见表2、表3。

（3）统计分析

从以上的统计特征中可以发现上海证券市场两时段价量指标具有显著的差异，笼统使用全部时间序列数据可能会导致模型设立上的错误并影响分析结论的正确性，分时段考察更为适宜。同时原始交易量序列的自相关系数明显超出了置信区间、存在着显著的自相关，说明原始交易量序列具有高度的可预测性，与将其分解为预期交易量和非预期交易量的要求相一致。

（二）上海证券市场价格与交易量Granger因果检验

1．交易量的处理

去除原始交易量中的线性、非线性时间趋势，得到了去势交易量；然后经过比较，分别选择ARMA (8,0)以及ARMA (9,0)去除了v′t中的序列相关性，得到了非预期交易量v1t；最后用去势交易量v′t减去非预期交易量v1t得到预期交易量v2t。考查期内的相关性检验结果见表4。

通过对各交易量之间相关系数的分析发现预期交易量v1t和原始交易量vt相关性很高，非预期交易量v2t与原始交易量vt的相关性较低。

对上海证券市场收益率（Rt）及其绝对值（|Rt|）、原始交易量（vt）、预期交易量（v1t）、非预期交易量（v2t）各序列进行ADF单位根检验。上述序列ADF检验值分别为．58．19468、．46．08381、．10．71768、．61．51139和．11．69868，均在1%的显著性水平下拒绝存在单位根的原假设，从而表明上述序列都是平稳过程。基于上海证券市场所有收益变量和交易量变量都为平稳过程，可以进行变量间的Granger因果检验。

2．Granger因果检验

依据AIC准则选取滞后阶数位4，进行价量间两时段Granger因果检验，检验结果见表5和表6，继而归纳两时段Granger因果检验显著性程度，见表7和表8。

表5第一时段Granger因果检验值统计

三、上海证券市场价量关系解析

（一）上海证券市场价量关系分析

在MDH分析框架下，从交易机制层面上可以对上海证券市场价量关系做较为深入的剖析。

Rt、|Rt|在两时段分析中始终能在1%的显著性水平下构成vt、v1t、v2t的Granger原因。这说明在MDH分析框架下，上海证券市场中的价格变量与交易量变量相比较是更为有效的信息流变量替代指标，即价格变量所拥有的信息含量高于交易量变量。需要注意的是在两阶段中，对于vt、v1t、v2t的解释能力强于|Rt|，说明上海证券市场价量关系存在非对称性，这在一定程度上可以归结于卖空限制的存在，缺乏主动性做空机制导致负面信息生成交易、融入价格的能力弱于正面信息，从而影响了市场信息吸收的广度。

v2t在第二时段能够在较高的显著性水平下构成Rt、|Rt|的Granger原因，并且v2t对于vt、|Rt|的解释能力强于vt、v1t，这说明非信息交易量相对于信息交易量和原始交易量具有更强的价格预测能力，前述交易量分解思路得到了实证检验的支持。对于第一时段v2t较低的价格解释能力，可以从上海证券市场发展初期的市场运行特征上寻找原因，在该阶段市场总体规模较小、流动性较低，并且证券价格操纵特征明显，在市场流动性较弱的背景下噪声交易会导致市场出现较为明显的价格波动，价格波动的信息含量和市场价格发现效率明显偏低。其后随着市场规模不断提升、信息披露机制不断完善和市场运作逐步规范化，非预期交易量在整体交易量中所占比重呈上升趋势，其对市场的影响和对价格的解释能力也显著增强。

（二）上海证券市场交易机制改进对策

针对上海证券市场价量分析所揭示的问题，应当进一步推进交易机制的变革。

1．建立混合驱动交易机制

进一步增强市场流动性建设可以有效地降低基于噪声交易和价格操纵所带来的价格过度波动，从而提升市场价格生成的信息含量。在流动性建设中，可以在现有指令驱动交易机制基础上引入报价驱动交易机制，由合格机构充当做市商，并赋予其在收取买卖价差基础上针对市场非常态下出现的流动性瓶颈承担提供流动性的义务，从而建立起常态市场环境下以订单驱动交易机制为主体、在非常态市场环境下以报价驱动交易机制为有效补充的混合驱动交易机制。

2．完善信息披露机制

为了使市场交易能够真实反映证券内在价值，需要进一步加大信息交易在整体交易中所占比重，这就需要不断完善现有的信息披露机制，即在强化现有的常规性信息披露义务的同时，针对市场价格异常波动有效地拓展非常规性信息披露的强度和深度，使市场交易能够及时地反映市场信息并使市场信息的披露能够及时有效地修正市场交易，从而进一步压缩虚假信息的散布空间、平抑其对市场的影响，为有效地提升市场交易的信息含量奠定良好的基础。在这方面应当在进一步规范临时停牌制度的同时，有效地拓宽信息披露范围，将股权分制改革后可能出现的大宗交易激增所需要的冰山订单、交易对手信息等内容囊括到信息披露机制建设中来。

3．建立两层次的市场做空机制

针对价量关系的非对称性，需要建立有效的做空机制来增加负面信息融入市场交易的能力。可以考虑在现有的权证交易基础上，针对市场整体适时推出股指期货交易和针对市场权重证券推出融券卖空交易，从而建立起两层次的市场做空机制体系，起到有效地拆除市场自发性信息屏蔽、拓展信息流进入市场的广度和效率。

四、结论

本文基于MDH，在运用Granger因果关系检验法对上海证券市场价量关系进行分时段分析的基础上，得出结论认为上海证券市场通过交易机制变革在一定程度上推进了市场整体运行效率的提升，交易量特别是信息交易量对于价格变动的解释能力逐步增加，存在价量之间双向的Granger因果关系。从市场发展的角度，进一步增加市场流动性、加大信息交易在整体交易中所占比重和提升价格的信息含量是当前市场交易机制改进的内在要求，具体地应当建立混合驱动交易机制、完善信息披露机制和引入做空机制。

参考文献：

［1］ Karpoff J M．The relation between price changes and trading volume: A survey［J］．Journal of Financial and Quantitative Analysis , 1987, Vol．22, No．1：109．126．

［2］ Clark P K ．A Subordinated Stochastic Process Model with Finite Variance for Speculative Prices ［J］．Econometric，1973，41(Jan)：135．155．

［3］ Epps T W．Security Price Changes and Transaction Volumes: Some Additional Evidence ［J］．Journal of Financial and Quantitative Analysis，1977，12 (March)：141．146．

［4］ Smirlock M, Startks L．An empirical analysis of the stock prices and trading volume［J］．Journal of Banking and Finance,1988， (12)：269．283．

［5］ Gallant A, Ronal, Peter E．Stock Price and Volume, Review of Financial Studies，1992， (5)：199．242．

［6］ Wang．A model of competitive stock trading volumes ［J］．Journal of Political Economy, 1994， (102)：127．168．

［7］ Admati A P, Pfleiderer．A theory of intraday patterns:Volume and Price variability［J］．The review of Financial Studies,1988， (1)：3．40．

［8］ Shalen C T．Volume,volatility,and the dispersion of beliefs ［J］．Review of Financial Studies，1993，（6）： 405．434．

［9］ Harris L．Cross．security tests of the mixture of distribution hypothesis［J］．Joumal of Financial and Quantitative Analysis,1986， (21)：39．46．

［10］张维，闫冀楠．关于上海股市量价因果关系的实证探测［J］．系统工程理论与实践，1998，(6)：111．114．

［11］陈良东．上海股市价量关系的实证分析［J］．上海财经大学学报，2000，（3）：37．41．

［12］陈怡玲，宋逢明．中国股市价格变动与交易量关系的实证研究［J］．管理科学学报，2000，（2）：62．68．

［13］魏巍贤，康朝锋．上海股市价量关系的实证分析［J］．预测，2001，(6)：63．68．

［14］范钛，张明善．中国证券市场分割的VAR模型检验［J］．华东经济管理，2003，(5)：52．58．

篇3

一、网络技术对证券市场有效性的正面

有序高效的证券市场其特征或准确地讲界定指标，包括证券交易成本、流动性、波动性及透明度四个指标。合理的微观结构的设计正是力图在减少资本市场资金配置的交易成本前提下，实现其更优的配置效率。

而人类行为的不确定性、机会主义行为以及信息不对称是造成交易成本或引致“交易费用”的根本原因。网络技术在证券市场的，恰恰成为减少交易过程的障碍和信息壁垒的技术因素。机处理能力的增强提高了证券交易的撮合效率，网络传输能力的提高加快了信息的交换效率。因此，全球信息共享成为现实，传统上的机构与个人投资者信息、交易工具上的优劣对比将大为改变。证券市场的透明度基于网络技术的平台将更趋加强，从而证券市场对信息反应的灵敏度将有很大提高。

同时，证券发行与交易方式大大改进。发行领域网络技术的运用，减少了证券市场的中间环节，传统的券商中介将由无形市场代替，证券交易速度大大提高，这些都极大地降低了成本。

更为显著的是，信息获取成本的降低及交易费用的大幅缩减，使得创造与运用更为复杂、更为精细化的组合交易工具成为可能。而网络的实时性、同步性、跨市场组合性同样成为交易工具创新的技术支撑。

进一步，机构投资者与中小投资者的力量对比的拉近，以及深入到生活更广泛领域的网络技术对投资理念的传播，也将极大地动员社会的闲置资金。如前所述，交易费用的减少对这部分闲置资金进入资本市场也将起到和促进作用。

综上所述，信息壁垒的打破，发行交易成本的极大降低，机构与个人投资者力量对比的拉近，交易工具极大丰富后投资者中介机构选择集的扩展，凡此种种，正体现了构建于网络技术上的证券市场微观结构在突破了信息成本和交易费用的制约后，在市场的深度、广度、速度及透明度上具有了传统证券市场无可比拟的优势，也使资本市场规模的扩展和资金的高效配置成为可能。

二、网络技术对证券市场微观结构有效性的挑战

网络技术在给证券市场带来前所未有的机遇的同时，也将对其微观结构设计理念构成严峻的挑战。

正是基于网络技术的跨时空“握手”的特质，证券市场在深度、广度扩展的同时，也为短线、超短线资金的跨地区、跨市场集中与高速流动客观上创造了条件。而在Internet环境下，数万亿美元的短线资金的无规则流动，对任何局部地区的证券市场都会带来灾难性的市场冲击，震荡乃至崩溃。

加剧市场波动的另一个原因在于网络技术突出体现的点对点的中介服务改变了整个证券市场的人格化特征，即由传统的机构投资者为主的市场主体特征改变为个性化色彩浓厚的市场。个性化色彩一方面表明了个人选择集的扩展与个体意识在证券市场的体现，而另一方面，作为市场稳定力量的机构投资者的地位下降，势必引致证券市场的频繁波动。与前述的冲击相互作用，证券市场的波动性显著放大，金融风险累积并高启，而这最终将危及证券市场的稳定，损害证券市场的效率。

如果说上述的挑战是针对整个证券市场的共有冲击的话，那么网络技术平台上的经济，姑且称作网络经济的特征，同样将各个局部市场的生存发展置于更为严峻的环境中。

具有如下特征：规模越大，用户越多；机遇优先，首发效应显著；路径依赖，锁定效应。而所有这些特征的结果就是网络经济的“赢者通吃”现象。

基于网络经济平台上的各个局部证券市场，由于网络环境下产品与服务的趋同性，其竞争也具有这种“你死我活”的特征，因而网络环境下，各证券市场间的过度竞争难以避免，而过度竞争的直接后果无疑是效率的损失，福利的减少。

以上是基于证券市场的角度，而网络环境下的证券市场其技术层面的网络安全也决不可忽略，用于网络安全的投入可能将成为证券市场微观结构设计中继技术因素后构成交易成本的重要组成部分。

可见，网络技术在改善证券市场微观结构、提升资金配置效率的同时，也引致证券市场的波动性的加大与可控性的恶化，各市场过度竞争和网络安全的也势必成为证券市场微观结构设计必须面对和急需扩展的方向。

篇4

资本市场上存在这样一类交易者，他们根据资产过去的价格而不是对未来价格的预期来构建投资组合。这类投资者在行为金融中称为反馈交易者，根据对过去价格的不同反应分为正反馈交易者和负反馈交易者。在中国资本市场上存在“追涨杀跌”和“低买高卖”说法，前者对应于正反馈交易，后者对应于负反馈交易。

一般说来如果市场上存在足够多的反馈交易者，资本市场的收益将表现出自相关的特征。当有大量的正反馈交易者存在，股票价格相对于它的基础价值会被高估并表现出过高的波动率。因此当市场上存在大量的正反馈交易者的时候，市场会变得不稳定(Delongetal．．1990)；相反，如果市场上存在大量的负反馈交易者，相对于基础价值被低估的股票受到负反馈交易者的追捧，其价格会接近基础价值，当价格被高估时，大量的负反馈交易者抛出被高估的股票，使价格降低至接近基础价值的水平。因此，大量负反馈交易者的存在能够稳定市场，减少市场的波动。

sentana和Wadhwani(1992)扩展了Delong的分析逻辑，考察了反馈交易、收益率自相关和波动率能关系。他们在shiller(1984)的成果的基础上将三者的关系用Sh¨ler-Sentana—Wadhwani模型的形式表述出来。Bohl和siklos(2004)基于shiller-Sentana—Wadhwani模型，用不同的GARCH模型来估计条件力差检验了成熟市场和新兴市场上的反馈交易。检验结论认为，在两个市场上都存在正反馈和负反馈交易行为，但反馈交易行为在新兴市场表现更为明显。在两个市场上，正反馈均随波动率的增加而增强，但新兴市场增强的程度要小一些。唐或等人(2001)也基于shiller－Sentana－Wadhwani模型验证了沪市上证综合指数日收益率自相关和反馈交易之间的关系。他们采用GARCH(1，1)来处理收益波动率的异方差性，实证结果表明沪市存在正反馈引起的序列自相关，且相关系数的绝对值随波动增大而增大。

二、反馈交易的理论模型

sentana和wadhwani(1992)在用投资者的反馈交易行为解释股票收益率的序列相关时，提出一个包含基于对股票基础价值的预期进行投资的交易者(SmartMoney)和反馈交易者的两群体的市场模型。假定第一个群体对资产的需求函数具有以下形式：

S，表示由第一类投资者(SmartMoney)持有的资产的比例。Et-1(rt)表示在t-1时刻对t时刻资产回报率rt的预期，是一个基于t-1时刻所有信息基础上的条件期望。α是无风险资产的收益率(Merton，1980)，当期望收益率为a时，这类投资者不持有该资产。μt表示t时刻投资者持有风险资产的风险溢价，它是条件方差σt2的非降函数。

反馈交易者是根据过去资产的价格而不是对未来的预期来决定对该资产的持有量。假定当期t(期)的持有量由上期(t-1期)的收益水平来决定：Ft=γrt-1

(2)Ft表示反馈交易者的资产持有比例；γ＞0表示反馈交易者是正反馈交易型，即“追涨杀跌”；当丫当两类投资者的相互作用达到均衡时有St+Ft=1，代入(1)式和(2)式有下面均衡时的定价模型：Et-1(γt)=α+μ(σt2)-γμ(σt2)γt-1(3)和标准的资本资产定价模型相比，该定价模型多了一项γμ(σt2)γt-1。由于反馈交易者的存在，第一类投资者对持有资产的风险溢价发生了改变。当市场上有反馈交易者存在时，收益率表现出一阶相关的特征。这种相关的方式取决于反馈交易者的类型，当反馈投资者是正反馈型时，收益率存在一阶负序列相关；当反馈投资者是负反馈型时，收益存在一阶正序列相关。Sentana等人认为，市场上同时存在正反两种反馈交易者，两种反馈交易强度随着波动率的变化而变化：当风险比较小的时，反馈交易者主要采取“低买高卖”的负反馈策略，第一类投资者对市场的影响比较大；当风险较大的时候，第一类投资者的风险厌恶偏好决定了他们要求较高的期望收益因而部分退出市场，反馈交易者对市场的影响增大。当风险大到一定程度，反馈交易投资者表现出风险厌恶特性，采取“追涨杀跌”的正反馈策略。简化考虑，将反馈交易的程度看成是波动率σ12的简单线性函数，(3)式简化为：Et-1(γt)=α+μ(σt2)-(γ0γ1σt2)γt-1(4)虽然这个理论模型最先提出来是用反馈交易行为解释收益序列相关。但是，该模型解释了第一类投资者和反馈交易者之间相互作用的模式，为检验反馈交易行为提供了可能(Bohl和Siklos，2004)。

三、经济计量方法

在金融实证分析中发现，股票收益率的条件方差呈非对称分布，Glosten、Jagannathan和Runkle(1993)及Zakoian(1994)提出了描述这种波动性呈非对称的模型(TGARCH)。Engle(1993)认为取一阶的GARCH模型就能很好的描述收益率的条件波动特征。本文在实证分析中选择TGARCH(1，1)来对收益率的条件方差建模。在检验中国资本市场反馈交易特征存在性方面，联合估计下面的模型：

h1，表示条件方差，εt服从均值为0,方差为h1的条件正态分布。在(6)式和(7)式中，条件方差是过去残差平方和过去条件方差的函数。方差方程的平稳性要求满足：β1β2和β3非负，β1+β2+β3＜1和β1+β2≥0。但是结合回归模型，条件方差不但是残差平方和过去条件方差的函数，也间接是参数α1、α2和α3的函数。考虑到回归方程，条件方差的稳定性条件要更复杂。这个模型是TGARCH-M的变种形式，目前文献还没有给出这个模型条件方差平稳的分析性条件。β2度量了条件异方差非对称的程度，当该系数不为0时，表示上期正的残差和负的残差对当期的条件异方差有不通的影响，当该系数为0时，表明条件异方差不存在非对称现象，可以使用一般的GARCH模型来估计条件异方差。我国学者在检验中国资本市场上反馈交易行为的存在性时，主要用GARH(1，1)模型来预测和估计波动率(唐或等，2002；任波和杨宝臣，2002)。实证检验发现，GARCH(1，1)模型估计中国资本市场的波动率的效果并不是很好,TGARH模型或EGARCH模型对市场的波动率解释能力更强一些，实证也发现，TGARCH模型的效果要比EGARH模型的效果更好(郑梅，苗佳和王升，2005年；郭晓亭，2006)。

(5)式和(6)式构成的联合模型比一般意义上的条件方差模型要复杂。在回归模型(5)式中，除了用滞后的收益率来解释收益率外，还用市场的波动率(条件方差)来解释收益，由于反馈交易的存在，条件方差成为滞后收益率的系数，当这项α3为0时，就成为一般的GARCH-M模型(Chou，1988)，有标准的软件能够处理。由于反馈交易者的存在，该项不为零，不能用标准的统计软件处理这个模型。

四、数据及实证结果

本文研究的样本数据来自于上海证券市场上海综合指数。选择1996年1月5日到2006年8月3日的每个交易日收盘价格指数，样本容量为2554。数据来源于“分析家”软件的在线数据接受系统。两个市场上的收益率按公式

计算，pt表示t时期上海综合指数价格数据。参数估计采用极大似然方法，参数估计结果列于表1中。表1中，+表示参数在1％的置信水平下是显著的；**表示参数在5％的显著性水平下是显著的；***表示参数在10％的显著性水平下是显著；没有标注的表示该参数在10％的显著性水平下是不显著的。

表1中的第二、三栏是本文使用非对称GARCH模型拟和条件异方差的结果，第四、五栏是文献[2]中使用一般GARCH模型拟和条件异方差的结果。从第二栏和第三栏的数据来看，模型的各个参数在10％的水平下都是显著的，不存在进一步改进的可能。特别是参数β2显著不为0，表明上海股市上证综合指数的波动存在明显的非对称现象，说明使用TGARCH模型拟和会比单纯使用GARCH模型更能拟和综合指数的波动。参数α2、α2的估计值都显著不为0，说明上海证券市场存在比较明显的反馈交易行为，这个结论和唐或等人的结论一致，但是在反馈交易行为特征上和唐或等人的结论存在比较大的差距。在使用TGARCH模型时，参数α2的符号为正，和使用GARCH模型时一致(虽然该参数没有通过显著性检验)，表明在风险较低的时候，上海证券市场上的反馈交易行为表现出负反馈的特征。参数α2的符号为负，说明随着市场风险的增加，上海证券市场上反馈交易者更多的采用正反馈的交易行为。而在文献[2]中，使用GARCH模型拟和市场波动，得到的相应参数却为正，说明随着市场风险的增加，上海证券市场上反馈交易者更多的采用负反馈交易行为。

表1：上海证券市场反馈交易行为实证检验结果

唐或等人参数拟和的结果显示，部分参数在10％的显著性水平下是不能通过检验的，需要进一步的调整，至少参数α2可以从模型中去掉。本文的模型至少在两个方面的表现要比唐或等人的模型好。首先，该模型参数均能通过显著性检验，表明该模型不可能进一步改进；其次，TGARCH模型中的参数β2，显著不为0，表明上海股市综合指数确实存在比较明显的非对称现象，使用非对称GARCH模型来拟和波动更合理。

将本文的结论和Bohl等人的结论比较，可以看到和成熟证券市场、其他新兴证券市场都存在较大的区别。Bohl的结论认为：成熟市场在风险较低的时候存在，反馈交易者表现出正反馈的交易特征，随着风险的增加，反馈交易者表现出负反馈的交易特征；新兴市场上，当风险较低的时候，反馈交易者表现出轻度的负反馈交易特征，随着风险的增加，负反馈交易行为也增加，但是幅度普遍要大于成熟市场。

五、结论

篇5

一、关于β系数的稳定性研究

贝塔系数是用于衡量证券市场系统风险的一个重要概念。通过对贝塔系数的估计，投资者可以预测证券未来的市场风险。但是，贝塔系数必须要用过去的数据来估计。所以，除非贝塔系数具有相对的稳定性，否则，它就无法作为证券市场未来系统风险性的无偏差估计。

Blume于1971年在《Beta and Their Regression Tendencies》一文，研究了1926年1月到1968年6月间在纽约证券交易所上市的所有股票。他以每7年为一个时间段，用月收益率数据估计出各个时间段的β系数，然后以统计学的相关分析法为基础，对β系数的稳定性作了深入的研究，最后得出如下结论：在一个时期里估计出来的β系数是其未来估计值的有偏估计；组合规模越大，估计时间段越长，其未来的β系数越能被准确地预测。

靳云汇、李学于2000年在《中国股市β系数的实证研究》一文中，对沪深两市51种1992年以前上市的股票进行了研究，研究结果表明：股票β系数随着上市时间增加基本上趋于不稳定，利用β系数的历史数据来预测未来β系数的可靠性较差。

在关于β系数稳定性的研究中，绝大多数研究认为证券的β系数不具有稳定性，虽然可以借助于组合的方式来获得较为稳定的β系数，但对于大多数的个人投资者来讲，这意味着不能简单地用过去时期数据所估计的β系数作为当前和未来时期的预测值。

二、关于β系数的影响因素研究

从国内外的研究来看，对影响股票风险因素的研究主要集中在分析公司基本特征和行业因素这两个方面。理论上，公司规模的大小、资本结构、经营收入的周期性及公司的负债比例等基本特征的变化将改变公司的风险特性，从而影响公司所发行股票的风险。因此，学术界对公司的基本特征变量是否会影响其股票的系统性风险系数展开研究。

Beaver从公司基本特征入手研究股票β值的影响因素，研究结果表明：在1947年至1956年和1957年至1965年这两个期间，纽约证券市场上307家上市公司单个股票和5种股票的组合的系统风险与盈利变动性、股利支付率、会计贝塔系数和财务杠杆这4个会计变量之间一致且显著相关；对于每个变量，组合的相关程度高于个股的相关程度；系统风险与成长性、规模和流动比率这3个会计变量之间的关系与理论假设不一致或显著无关。

Bildersee研究了1956年至1966年期间纽约证券市场制造业和零售业的71家公司的系统风险与11个会计变量之间的相互关系，最后指出了与系统风险相关的6个会计变量――负债比率、优先股与普通股的比例、销售与权益资本的比例、流动比率、市盈率的标准差、会计贝塔系数，并建立了多元线性回归模型。

Rosenberg和Marathe（1975）进一步把39个行业哑变量加入股票β值的分析模型中，来解释股票β值的差异，形成著名的集个股市场特征、公司基本因素和行业性质于一体的“罗森伯格系统”（Rosenberg’s system）。

吕长江，赵岩于2003年在《中国证券市场中Beta系数的存在性及其相关特性研究》一文中经过研究发现：中国证券市场中Beta系数并不存在显著的行业差异，但在按照是否被纳入计算成份类指数的标准将股票进行分类，即分为成份股和非成份股，这两大类股票的Beta系数存在显著的差异。

刘永涛于2004年在《上海证券市场β系数相关特性的实证研究》一文中指出：就我国目前的五行业分类方法来看，β系数在行业间的区分并不明显；在证监会的CSRC行业分类标准下，β系数在各行业的区分整体上表现出差别性，但两两之间β系数的差别不具有统计学意义。

三、关于β系数的预测性研究

由于经验研究已经证明β系数具有不稳定性，因此，如何准确地预测未来的β值就成为至关重要的问题。对未来β系数的预测主要有两条不同的思路：一是基于时间序列关系的预测；二是基于差异性影响因素的预测。

Blume于1971年在《Beta and Their Regression Tendencies》一文中指出，如果β估计值向均值回归的速度不随时间改变，就可以在估计β系数时围绕这一趋势修正估计值。他采用简单线性模型β2=a+bβ1，来估计相邻两期β估计值之间的回归关系，用此回归关系修正对其将来值的估计。

Vasicke于1973年在《关于在证券β系数的贝叶斯估计中运用横截面信息的一项注释》一文中根据β系数的回归趋势，把贝叶斯决策方法引入β系数的估计中，提出了贝叶斯调整法。Vasicke认为仅仅依据样本的信息来估计β系数是不够的，如果能把有关β系数先验分布的资料与样本的信息结合起来，就能降低估计误差。

基于差异性影响因素的预测方法主要有基础β系数法和罗森伯格系统。基础β系数是根据公司基本特征的变化来估计未来的β系数，模型中的自变量为反映公司特征的财务和会计变量。罗森伯格（Rosenberg）在1973年和1975年以及随后的研究中，集历史β系数、个股市场特征、公司基本因素和行业特征于一体，对β系数的差异性进行研究，并据此对未来的β系数进行预测，建立了著名的“罗森伯格系统”。罗森伯格系统试图将历史β系数和基础β系数两种分析思路综合到一个模型中，以提高β系数预测的准确度。

四、总结及后期研究方向

许多西方学者从理论和实证的角度对会计变量与β系数的关系都作了深入的探讨，他们发现β系数确实和一些反映公司风险状况的会计变量有非常密切的联系，但是不同学者的研究结果并不完全一致。对于究竟哪些因素对β系数有影响作用，学术界仍存在一些争议。因此，对于这一方面的进一步研究仍是有必要的。

我国关于股票预期β系数及其影响因素的研究并不多见。从公司基本特征出发，通过实证研究，利用相关分析、多元回归分析方法研究各公司前一年度的会计变量对后一年度的β系数的影响，可以弥补以往研究的不足，同时也能为投资者和证券监管部门的决策提供理论参考和依据。

参考文献

[1]靳云汇,李学.中国股市β系数的实证研究[J].数量经济技术经济研究,2000(1).

[2]吕长江,赵岩.中国证券市场中Beta系数的存在性及其相关特性研究[J].南开管理评论,2003(1).

[3]袁皓.中国证券市场β系数稳定性:一个大样本的检验[J].中大管理研究,2007,2(2).

[4]朱晓青,李兴国,姜文超.我国股市行业β系数稳定性的实证分析[J].时代金融,2007,358.

篇6

一、引言

二、反馈交易的理论模型

反馈交易者是根据过去资产的价格而不是对未来的预期来决定对该资产的持有量。假定当期t(期)的持有量由上期(t-1期)的收益水平来决定：Ft=γrt-1

三、经济计量方法

四、数据及实证结果

表1：上海证券市场反馈交易行为实证检验结果

五、结论

篇7

一、引言

二、反馈交易的理论模型

反馈交易者是根据过去资产的价格而不是对未来的预期来决定对该资产的持有量。假定当期t(期)的持有量由上期(t-1期)的收益水平来决定：Ft=γrt-1

三、经济计量方法

四、数据及实证结果

表1：上海证券市场反馈交易行为实证检验结果

五、结论

篇8

中图分类号：F830-91文献标识码：A

文章编号：1000176X（2014）07005107

一、引言

作为全球重要的新兴市场经济体，中国、俄罗斯和印度三国（以下简称中俄印三国）地缘相近，无论在政治和经济方面，还是在社会、文化、军事和科技等方面的联系都非常紧密，对世界和地区的发展与稳定影响巨大。2003年10月高盛公司发表的一份全球经济报告估计，到2050年世界经济格局将会经历剧烈洗牌，全球新的六大经济体将变成中国、美国、印度、日本、巴西和俄罗斯[1]，中俄印三国位列其中。目前，中国是世界第二大经济体、第一大出口国和第二大进口国，是经济成长最快的国家之一。俄罗斯地跨亚欧，拥有丰富的矿产与能源资源，据2012年4月IMF的世界经济最新排名，俄罗斯现为世界第九大经济体。印度作为世界上发展最快的国家之一，已是国际软件业强国，也是金融、研究、技术服务的重要出口国。长期以来，中俄、中印、印俄双边关系密切，特别是2008年国际金融危机爆发后，在金砖国家机制下中俄印三国经济政治合作进一步加强。同时，中俄印三国也是国际投资和热钱关注的重点地区。国际股票市场价格联动问题是当前金融研究中的热点之一，随着中俄印三国经济与贸易往来的不断增多，金融联系也日益密切，深入考察中俄印三国股票市场之间的价格冲击传导效应具有重要的实际意义。

二、理论与文献回顾

一般地，股票市场联动效应（Co-movement effect）可看做不同证券价格之间的连锁反应，即不同市场、同一市场不同板块或不同个股的收益率呈现显著的相关性，形成明显的长期均衡关系或同步运动趋势。在经济全球化的背景下，不同国家或地区间股票市场价格联动效应问题受到研究人员的密切关注。例如，Premaratneb和Balaa[2]的研究表明，美国、英国、日本、中国香港和新加坡证券市场联动特征显著，但相互之间关联程度各有差别，小型经济体对美国和英国等主要经济体证券市场的传导作用不容忽视。Contessi等[3]的研究也发现类似证据，欧元的引入和欧洲各国经济结构的趋同，使得欧洲各国股票市场近年来联动效应显著增强。

目前，对证券市场联动效应的研究主要可以分为三个层次：资产价格均等化研究、证券市场联动的经济机理研究以及危机期间证券市场联动的国际传播机制研究[4]。资产价格均等化理论从资产定价角度探寻证券市场联动，从资产的风险特征入手考察不同市场上资产价格或收益率的差异性与趋同性，侧重于研究联动程度。证券市场联动的经济机理研究拓展了资产价格均等化理论的研究范畴，将研究视角由金融领域扩展到贸易投资、证券市场特征和地理文化等领域，考察证券市场联动背后的各种因素，是一种机理或动因分析。危机期间证券市场联动的国际传播机制研究则是在时间上的深化，将研究的时间焦点集中在金融危机期间，考察特定时期下证券市场联动不同于一般时期的传播特征与机制。

现有文献对国际证券市场联动效应的理论解释，代表性观点主要有两类：基本面因素引发的联动效应和行为因素引发的联动效应[5]。其中，基本面因素引发的联动效应（fundamentals-based comovement effect）以有效市场假说为基础，认为证券之间收益的联动必然来自于基本面因素的联动，也被称作经济基础假说（economic fundamental hypothesis）。具体到股票市场，基本面因素主要是现金流或折现率变动的相关性，预期现金流变动的相关性源于经济政策变化或重大事件发生对部分证券预期收益或盈利能力产生了同质影响，折现率变动的相关性则源于利率或相关折算方法的变动，或是对某些证券风险预期的同质变动。基本面因素联动理论与经济结构关系密切，可用来解释关系密切的经济体之间、行业之间或同一行业板块内的联动效应。例如，Bekaert和Harvey[6]以及Chinn和Forbes[7]的研究表明，贸易是解释股票市场特别是新兴市场联动性的重要因素。实际上，正如Gerrits和Yuce[8]所指出的，随着全球贸易的高速增长以及各国政府跨区域合作的增加，商品、服务、金融资产以及人力资本自由流动的障碍越来越少，全球金融市场的联动性越来越强。

行为因素引发的联动效应（behavior-induced comovement effect）认为投资者的特定行为会形成某种交易模式，引发不同证券的需求发生变动，从而导致证券收益的联动效应，又被称为交易诱导型联动效应或市场传染假说（market contagion hypothesis）。例如，Connolly和Wang[9]的研究发现，投资者会从股票市场收益率中提取出未观察到的全球信息，从而调整他们的投资决策，最终导致不同股票市场收益率的相关性。有效市场假说的前提是投资者理性，区别于上述基本面因素联动理论，行为因素联动理论中“羊群行为”是一种特殊的非理，是引起联动效应最典型的行为因素[10]。行为金融学定义了两类具有特定行为的投资者：类别投资者和范围投资者，两类投资者不同投资策略下的投资行为都可能导致证券价格联动现象。类别投资联动理论[11]认为，投资者在选择投资组合时会将资产根据某种特征分为不同类别，然后按不同类别分配其资金，当类别投资者将资金在各种类别的资产之间进行转移投资时可能影响其价格，从而引发联动效应。范围偏好联动理论[12]认为，投资者在投资时可能由于交易成本、空间限制和信息缺乏等因素，只能选择所有可得证券中的小部分进行投资，而当风险厌恶程度或情绪发生变化时，会在其偏好的投资范围内调整资金投向，于是在这些偏好范围内的证券之间导入了一个共同因素，从而导致证券价格联动现象。

针对中国股票市场与境外市场的联动关系，已有部分研究人员开展了相关研究。韩非和肖辉[13]研究表明，中美股票市场2000―2004年间的相关性很弱。陈漓高等[14]证实，美国证券市场相对于亚洲新兴证券市场而言具有很强的独立性，日本证券市场与亚洲新兴证券市场存在较高的相关性，中国证券市场仍具有很强的外生性。胡坚和吕鹏博[15]对上海股票市场和香港股票市场的研究发现，两市之间并不存在长期稳定的均衡关系，彼此之间并未受共同因素影响。但是，西村友作[16]却发现，中国股票市场对美国股票市场存在单方向波动溢出效应，美国股票市场也已开始影响中国股票市场。张兵等[17]的研究表明，中国股票市场与美国股票市场虽然不存在长期均衡关系，走势相对独立，但美国股票市场对中国股票市场的波动溢出呈现不断增强之势。值得特别关注的是，李晓广和张岩贵[18]的研究表明，次贷危机发生后中国与国际股票市场的联动性有逐渐增强的趋势，尤其是与英国和中国香港等市场的联动性在不断提高。仪垂林和张翠玉[19]对亚洲六个主要股票市场的研究也发现，在次贷危机发生之前中国内地股票市场受其他经济体股票市场波动的影响较大，次贷危机之后中国内地股票市场对其他股票市场的影响变大。

总的来看，国内相关研究存在两个特点：一是现有文献较多地关注中国股票市场与美国、日本等发达国家股票市场或中国港台地区市场之间的联动性，对中国与其他新兴经济体股票市场之间的冲击传导效应关注较少；二是已有研究多是仅检验不同国家或地区股票市场之间是否存在联动性，并未深入考察不同股票市场价格冲击的传导机制问题。

三、研究方法

（二）经验分析

1-初步分析

从相关分析来看，上证综合指数与俄罗斯RTS指数周收益率的相关系数为0-0947，上证综合指数和印度孟买SENSEX30指数周收益率的相关系数为0-1488，俄罗斯RTS指数和印度孟买SENSEX30指数周收益率的相关系数为0-3651，可见样本期内中俄印三国股票市场周收益率序列之间呈现弱的正相关性。

Granger因果检验通过研究变量之间的引导关系，能够反映不同变量之间相互作用的方向，由此确定中俄印三国股票市场收益序列的相互预测效力。表2列出了对样本序列的Granger因果检验结果，滞后阶数依据AIC和SC信息准则确定。结果显示，RU对SH存在Granger单向引导关系，SH和IN之间不存在Granger引导关系，而RU和IN在5%的显著性水平下存在双向Granger引导关系。

2-脉冲响应分析

根据脉冲响应函数，若在第1期给某个序列施加一个单位标准差的脉冲，VAR系统中各变量将在随后各期做出反应，图1分别显示了各变量前12期的累积反应情况。主要有以下特征：

第一，从反应时间上看，当受到单位标准差冲击后，VAR系统中各变量在前5周的累积反应大小不断变化，表明此时存在价格冲击反应增量，累积反应值大约在第6或第7周趋于稳定，在第8周后基本不再发生变化，迅速收敛并趋于稳定，表明新息对价格的影响大约持续5周或6周，其后影响极小，持续到第8周后新息基本上被完全消化。可见，从时间上看，中俄印三国股票市场中某一市场价格冲击对其他国家股票市场的影响大约持续5―6周。

第二，从反应过程来看，VAR系统各变量对外部冲击的反应模式（例如，反应方向与大小）存在明显差异，一般对自身冲击的累积反应最为剧烈，方向都为正，对外部市场冲击的累积反应更为平淡，且中俄印三国股票市场对不同国家价格冲击的反应方向与大小存在差异。

第三，从最终收敛水平来看，VAR系统对价格冲击的累积反应幅度存在显著差异。其中上海股票市场对来自自身、俄罗斯和印度市场的冲击，累积反应分别收敛于0-0415、0-0066和0-0052左右，全部做出正向反应；俄罗斯股票市场对来自自身和上海股票市场的冲击做出正向反应，分别收敛于0-0710和0-0055左右，对来自印度股票市场的冲击累积反应收敛于-0-0054，即做出负向反应；印度股票市场对来自自身和俄罗斯股票市场的冲击反应分别收敛于0.0354和0.0075左右，对来自中国股票市场的冲击反应极其平淡，几乎收敛于0。可见，上海股票市场受俄罗斯与印度股票市场冲击的影响比较相近；俄罗斯股票市场受中国与印度股票市场冲击的影响差异较大，反应方向相反；印度股票市场几乎不受中国股票市场的影响，但俄罗斯股票市场对其有一定影响。

第四，从传导机制来看，VAR系统各变量对新冲击的传导模式各不相同，三个序列对不同冲击的单期反应有正有负，但似乎并没有明显的规律性，具体而言：（1）上海股票市场对于来自俄罗斯股票市场的冲击在第2―4期做出正向反应，第5期反应为负值，第6期和第7期反应仍为正值，第8期及其后的反应已经很小；对于来自印度股票市场的冲击，在第2期和第3期做出正向反应后，第4期做出负向反应，第5―7期做出正向反应，此后快速收敛。（2）俄罗斯股票市场对于来自上海股票市场的冲击在第2、3、5期和第6期做出正向反应，在第4期和第7期做出负向反应，此后各期的反应幅度快速下降；对于来自印度股票市场的冲击，先做出两期正向反应，接着在第4―7期全部是负向反应，此后各期反应的绝对值已经很小。（3）印度股票市场对于来自俄罗斯股票市场的冲击在第2―4期做出正向反应，在第5期和第6期则为负向反应，第7期再次变为正向反应，此后快速收敛；对来自中国股票市场的冲击，单期反应值均很小，前12期中第2、4、7期和第10期反应为负，其余各期做出正向反应。

3.方差分解分析

方差分解能给出对VAR系统变量产生影响的每个随机扰动的相对重要性信息，可据此评估不同因素在价格冲击传导机制中的重要性。方差分解结果（如表3所示）主要有如下特征：

第一，VAR系统中各样本序列的预测误差中由自身所解释的方差份额最大。根据算法要求，第一步预测误差全部来自该方程的新息，即由序列自身解释的方差份额为100%，在后续预测期中，预测误差将受VAR系统所有变量的新息影响，但总的来说，变量自身所解释的方差份额占绝对主导，比重超过97%。这个结果表明，中俄印三国股票市场尽管存在一定的相互影响，但更多地取决于自身特征，具有显著的独立性。

第二，一般而言，从第7期和第8期后方差分解结果基本稳定，之后的数值维持在相近水平。这一结果与脉冲响应分析结果非常一致，VAR系统中中俄印三国股票市场中新冲击对股票价格的影响一般持续6周左右，第8周后则基本完全被市场消化。

第三，纵观整个预测期内，某一变量方差分解结果中其他变量所占份额在前12期一直呈上升趋势，但总的来看，VAR系统非自身变量所占方差份额相对比较稳定（特别是第4期以后），并未随预测期的延伸而发生大的变化，即在预测时间上并不敏感。

第四，从相对方差贡献率的最大值分布来看，非自身变量的方差份额最大值均出现在第12期，其中SH序列方差分解结果中RU份额最大值为2.0342%，IN最大值为0.7809%；RU序列方差分解结果中SH的最大值为0.8608%，IN的最大值为0.7878%；IN序列方差分解结果中RU的最大值为1.4603%，SH的最大值为0.1540%。因此，VAR系统中各变量冲击的作用传导机制存在一定差异，各国股票市场受其他市场价格冲击的影响大小各异，相对重要性也各不相同，俄罗斯股票市场对其他两个市场的影响相对更为显著，而中国股票市场对俄罗斯市场的影响要高于印度股票市场。

4.稳健性检验

2008年国际金融危机对全球金融市场产生了巨大而深远的影响，基于稳健性的考虑，我们以2008年1月作为分界点将全样本划分为子样本1和样本2分别进行比较分析，各有494和252个观测值。结果显示，子样本2中外部价格冲击对本国股票市场价格的影响更为显著，敏感性上升，反应幅度增大。具体来看，主要有如下结论：

第一，从相关分析结果来看，子样本1结果显示中俄、中印和俄印股票收益序列相关系数分别为0.0598、0.0965和0.2439，子样本2中各自分别为0.1495、0.2196和0.6150，可见在后一阶段中俄印三国股票市场之间相关性明显增大。

第二，Granger因果检验结果中，第一阶段仅IN对RU存在Granger引导关系，第二阶段SH对RU与IN均存在单向Granger引导关系，RU与IN存在双向Granger引导关系。

第三，脉冲响应分析结果显示：（1）子样本1中中俄印三国股票市场对新冲击的反应持续5―6周左右，其后快速收敛并趋于稳定，但子样本2并未表现出明显的收敛性，外部冲击对本国股票市场的影响呈明显的不稳定性，这或许也从另一个侧面证实2008年国际金融危机对各国金融市场的巨大影响。（2）从对新冲击的反应幅度上看，子样本2要明显大于子样本1。（3）从反应方向上看，上海股票市场在两个阶段子样本中对来自俄罗斯与印度股票市场价格冲击均做出正向反应；俄罗斯股票市场在前一阶段对来自中国与印度股票市场价格冲击的累积反应先为正然后逐步转为负并趋于稳定，在后一阶段中对来自中国股票市场价格冲击的累积反应一直为正，而对印度股票市场冲击的反应仍然先为正后转为负；印度股票市场对来自中国股票市场价格冲击的累积反应在子样本1中一直为负，而在子样本2中一直为正，对来自俄罗斯股票市场价格冲击的反应在两个子样本中均为正，但在后一阶段幅度明显增大。

第四，分阶段子样本方差分解的分析结果与全样本结果类似，各国股票市场自身所解释方差份额占主导，外部股票收益变量所占方差份额最大值也出现在第12期。对于子样本1，SH方差分解中RU所占最大方差份额为2.3299%，IN为0.7335%；RU方差分解中SH最大份额为1.0526%，IN为1.2389%；IN方差分解中SH最大份额为0.4846%，RU为2.6953%。对于子样本2，SH方差分解中RU所占最大方差份额为4.7059%，IN为3.4877%；RU方差分解中SH最大份额为5.1878%，IN为3.0448%；IN方差分解中SH最大份额为1.1675%，RU为2.8793%。由此可见，后一阶段外部股票收益变量所占方差份额与前一阶段相比明显增大，中国因素在俄罗斯和印度股票收益中所解释的方差份额更是大幅上升，表明2008年国际金融危机爆发后外部股票市场价格波动对各国股价的预测能力增强，特别是中国股票市场对俄罗斯与印度股票市场的影响显著提高，这与李晓广和张岩贵[18]以及仪垂林和张翠玉[19]的研究结论一致。

五、主要结论

国际股票市场之间的价格联动效应与冲击传导机制已成为金融研究人员关注的一个热点问题。本文以1998年1月至2012年12月上证综合指数、俄罗斯RTS指数和印度孟买SENSEX30指数周收盘价为样本，考察了中俄印三国股票市场之间的价格冲击传导效应。结果表明，三个市场之间存在相互影响，但各国股价波动更多地取决于国内因素，具有显著的独立性。中俄印三国股票市场间新冲击的影响一般要持续5―6周，在第8周后则基本完全被市场消化，各国股票市场价格冲击对其他市场产生影响的效应传导机制存在显著差异。相对而言，俄罗斯股票市场对其他两个市场的影响更为显著，而中国股票市场对俄罗斯市场的影响则高于印度股票市场对其的影响。进一步的分阶段子样本研究表明，2008年国际金融危机爆发之后外部市场价格冲击对各国股票市场价格波动的影响更为显著，敏感性上升，反应幅度也增大，特别是中国股票市场对国外市场的影响显著提高。

参考文献：

[1]高盛公司.与金砖四国一起梦想：展望2050年[R].高盛全球经济报告，2003.

[2]Premaratneb，G.，Balaa，L.Stock Market Volatility： Examining North America，Europe and Asia[R].National University of Singapore Working Papers，No.1，2004.

[3]Contessi，S.，De Pace， P.，Francis，J.The Cyclical Properties of Disaggregated Capital Flows[R].Federal Reserve Bank of St.Louis Working Paper，No.2008-041C，2010.

[4]Grieb，T.，Reyes，M.G.The Temporal Relationship Between Large- and Small-Capitalizations Stock Returns： Evidence from the UK[J].Review of Financial Economics，2002，（11）：109-118.

[5]杨绮霞.内地与香港股票市场金融板块的联动性研究[D].北京：对外经济贸易大学硕士学位论文，2007.

[6]Bekaert，G.，Harvey，C.R.Foreign Speculators and Emerging Equity Markets[R].Working Paper of William Davidson Institute at the University of Michigan，Series 79，1997.

[7]Chinn，M.，Forbes，K.A Decomposition of Global Linkages in Financial Markets over Times[J].Review of Economics and Statistics，2004，86（3）：705-722.

[8]Gerrits，R.J.，Yuce，A.Short- and Long-Term Links among European and U.S.Stock Markets[J].Applied Financial Economics，1999，9（1）：1-9.

[9]Connolly，R.A.，Wang，F.A.On Stock Market Return Co-Movement： Macroeconomic News，Dispersion of Beliefs and Contagion[R].Working Paper ofUniversity of North Carolina，2002.

[10]易志高，茅宁.股票市场过度联动理论研究综述[J].经济学动态，2008，（8）：111-115.

[11]Barberis， N.，Shleifer，A.Style Investing[J].The Journal of Financial Economics，2003，68（2）：161-199.

[12]Lee，C.，Shleifer，A.，Thaler，R.Investor Sentiment and the Closed-End Fund Puzzle[J].The Journal of Finance，1991，46（1）：75-109.

[13]韩非，肖辉.中美股票市场间的联动性分析[J].金融研究，2005，（11）：117-129.

[14]陈漓高，吴鹏飞，刘宁.国际证券市场联动程度的实证分析[J].数量经济技术经济研究，2006，（11）： 124-132.

[15]胡坚，吕鹏博.上海股票市场与香港股票市场的联动分析[J].山西财经大学学报，2008，（12）：93-98.

[16]西村友作.中美两国股票市场联动性研究[J].经济评论，2009，（2）：43-49.

篇9

本文拟采用方差相等检验,ARCH族模型检验2007年5月30日及2008年4月25日的两次证券交易印花税变动对沪、深股市及对财政收入的影响。

一、印花税对证券市场波动性的短期影响

1、方差相等检验(Variance Equality Test)

大量实证研究表明,金融市场时间序列数据尤其是股票收益率的分布往往较大地偏离正态分布。我们在运用F检验方法来检验两组样本的方差是否相等时忽略了F检验需正态分布这一假设条件。因此,我们应对样本的分布进行正态性检验。

为了充分反映两次印花税调整对A股市场波动性的影响,本文对每次调整前后10、30、45、60个交易日的收益率波动分别进行方差分析,以检验印花税率调整是否对我国A股市场波动性产生显著影响。本文采用市场收益率序列的标准差作为波动率的估计。市场收益率以相邻营业日收盘股价指数的对数一阶差分再乘以100来表示,即:Rt=1n(Pt / Pt-1)×100

其中Rt为大盘第t个交易日的收益率,Pt为大盘第t个交易日的收盘价,Pt-1是第t-1个交易日的收盘价,大盘指数选用上海证券综合指数和深圳证券成分指数。数据来源于国泰安研究服务中心的CSMAR数据库。

2、正态分布检验――偏度(Skewness)、峰度(Kurtosis)及夏皮洛-威尔克(Shapiro-Wilk)检验

表1是两市分别在2007年5月30日和2008年4月25日两次税率变化前后的n个交易日的样本正态性检验结果。对2007年5月30日的调整,15、30、45、60日的样本分布呈左偏态,峰度方面,除深圳A股在15日的样本外,其余数据均显著出尖峰态,不符合正态分布。同时,Shapiro-wilk检验的结果也都很显著地拒绝了正态分布的虚拟假设。对2008年4月25日的调整,除上证A股在变化前后15日的样本分布,其余的样本分布均呈右偏态,同时各样本区间均呈现尖峰态,粗略得看也不符合正态分布。但从Shapiro-wilk检验的结果都接受了正态分布的虚拟假设,因此对于2008年的调整,两市的收益率服从正态分布。对于服从正态分布的时间序列数据,我们可以用F检验来检验其同方差性;对于不服从正态分布的时间序列数据,不能用F检验检验其同方差性。

3、Levene统计量与修正后的Levene统计量

表2和表3分别为两次调整前后N各交易日的Levene检验结果。2007年5月30日的税率上调,其中对于上证A股,当n=15时,Levene检验结果都很不显著,当n=45,60时Levene检验结果显著。对于深证A股,当n=30,45,60时,Levene检验结果都很显著。2008年4月25日的税率下调,当n=30时,两市的p值均在5%上显著,这表明,在税率下降后的30个交易日中,两市的收益率方差存在显著差异,这表明股市存在明显的波动。除此之外,在15天、45天、60天的检验结果都不显著,说明两市的波动性不存在明显的变化。

二、印花税对证券市场波动性的长期影响

本文选择ARCH类模型来研究证券市场的波动性。

1、建模的方法与步骤

鉴于两次调整间隔不到1年,而且2008年后我国股票市场收到众多因素的影响,导致股市出现猛烈的波动,我们分析2007年5月的印花税调整效应时,样本区间为2007年3月3日(调整前300个交易日)到2007年12月31日(共448个交易日);在分析2008年4月的印花税调整效应时,样本区间取2008年1月1日到2009年5月18日(共335个交易日)。

建模的步骤如下:对数据进行平稳性检验选定合适的均值方程ARCH效应检验拟合方程。

2、平稳性检验

本文采用单位根检验方法来检验序列的平稳性。表4显示,两次调整中,上证A股和深圳A股的检验结果p值都为0,因此,我们可以显著拒绝原假设,得出结论:序列是平稳的。

3、均值方程形式的确定

从两市两次调整印花税的收益率曲线图中可以看到两市的收益率序列都存在收益集群性的特征(限于篇幅,仅列出2007年5月30日图),这表明收益率存在着随时间变化的方差因素。

除此之外,我们还应考虑收益率序列是否具有自相关性,这关系到我们在确定均值方程时是否需要引入自相关的描述部分。从自相关-偏自相关图来分析,我们可以发现,{Rt｝不存在显著的自相关性。因而在均值方程形式的确定中不需加入自相关性的描述部分。于是,我们采用的均值方程为: Rt=c+εt

4、ARCH检验

下面我们用LM检验来判断时间序列中是否存在ARCH现象。

从上表可以看到,2007年5月30日上证A股的LM统计量到3阶时为9.267583,p值为0.025653,小于0.05;深证A股的LM统计量到14阶时为40.36806,P值为0.000223,远小于0.01,这说明无论是沪市还是深市,εt都存在明显的ARCH效应。2008年4月25日上证A股的LM1阶统计量为2.501121,p值为0.113765,深证A股的LM统计量到32阶时为41.49772,p值为0.121356,εt不具有ARCH效应。

5、拟合GARCH模型

(1)模型比较

我们构建GARCH(1,1)、GARCH(1,2)、GARCH(2,1)模型,比较它们的拟合效果,选取适合的GARCH模型的阶数,然后将GARCH模型与EGARCH模型进行比较,选择最佳模型。

从上表结果显示,用GARCH(1,2)和GARCH(2,1)模型来拟合结果都造成了参数检验的不显著。例如,对于2007年5月30日的调整,上证A股GARCH(1,2)模型中的α1、α2及GARCH(2,1)中的α0、α1都不显著;深证A股GARCH(1,2)模型中的α2及GARCH(2,1)中的β1都不显著。这表明,用GARCH(1,1)模型即可拟合rt。

接着,我们来比较GARCH(1,1)和EGARCH(1,1)的拟合效果。从表中结果可以看到,无论是上证A股还是深证A股,两次调整的参数γ的检验都不显著,这表明,GARCH(1,1)模型是描述证券市场样本区间波动性的最佳模型。

(2)结果分析

为检验交易成本变化对证券市场波动性的影响,我们在GARCH(1,1)的条件方差中加入虚拟变量Dt,该变量在调整前的交易日取0,在调整后的交易日取1,通过检验其系数,可以检验调整证券交易印花税对条件方差或者大盘收益率波动性是否具有显著的影响,以及影响的大小。

2007.5.30沪市实证结果:

Rt=0.241598+εt

(0.0050)

ht=0.045978+0.072066ε2t-1+0.920741ht-1+0.001029Dt

(0.0832)(0.0000)(0.0000) (0.9801)

2007.5.30深市实证结果:

Rt=0.296278+εt

(0.0015)

ht=0.067198+0.066251ε2t-1+0.921470ht+0.002188Dt

(0.0890)(0.0000)(0.0000)(0.9667)

2008.4.25沪市实证结果:

Rt=0.060692+εt

(0.6622)

ht=0.614087+0.042533ε2t-1+0.906135ht-1+0.299209Dt

(0.0208) (0.0354) (0.0000) (0.0301)

2008.4.25深市实证结果:

Rt=0.074425+εt

(0.6219)

ht=0.869422+0.022036ε2t-1+0.909698ht-1+0.378077Dt

(0.0710) (0.2791)(0.0000) (0.0680)

从以上结果我们可以看出,沪深两市GARCH(1,1)模型的α+β之和都小于1(沪市,分别为0.992807,0.948668;深市0.987991,0.931734)。这说明,模型是平稳的,可以进行各项检验。

从上表可知,对于2007年5月30日调整的GARCH(1,1)模型里的虚拟变量Dt的参数检验都不显著,这表明,印花税率的上升并没有使我国A股市场的波动性产生显著的变化。而对于2008年4月25日GARCH(1,1)模型中Dt的参数检验都显著,这表明印花税率的下降使我国A股市场的波动性产生了明显的变化。

三、证券交易印花税对证券市场流动性的影响

1、流动性指标

印花税税率调整的影响会快速反应在股票价格和交易量上,因此在印花税税率调整后相对较短的一段时期内,证券市场上的股票价格和交易量会发生显著的变化,从而影响证券市场的流动性。

对于流动性指标的选择,刘海龙,仲黎明,吴冲锋(2003)曾经提出一种新的流动性指标――有效流速。设p1(t)表示期间t为的最高成交价格,p2(t)表示期间t为的最低成交价格,h表示最小价格变动单位,这时市场有效流速EL(t)可以表示为:

EL(t)=T(t)VR(t);其中,波动幅度

股票的流动性是换手率T(t)的增函数,是波动幅度的减函数。由于证券日换手率数据难以取得,因此我们采用指数的成交额代替换手率,因此,流动性实际为:

liqt=M(t)VR(t),其中M(t)为成交额。

2、数据分析

我们就印花税调整对两市在5到20个交易日内的影响进行了研究,根据上文所述的流动性指标的选择及计算方法,我们计算出两市在两次印花税调整后5到20个交易日的流动性及两市的正常流动性。如表9。

从表中可以看到,流动性对印花税调整有比较敏感的反映,2007年的印花税税率上调造成了两市流动性的下降,2008年印花税税率的下调造成了两市流动性的增加。从5到20日分别的数值来看,印花税上调时,随着时间的推移,流动性的减少量逐步减少;印花税下调时,流动性的增加量也逐步减少。

参考文献:

[l]Alan J. Auerbach,Leonard E. Burman and Jonathan Sieqel(1998),Capital Gains Taxation and Tax Avoidance: New Evidence From Panel Data[J]. National Bureau of Economic Research Working Paper No.6399.

[2]Amihud, Yakov and Haim Mendelson (1986),Asset Pricing and the Bid-Ask Spread[J] .Journal of Financial Economics, Vol.17,Issue 2.

[3]Atkins, Allen B. and Dyl, Edward A.. Stock Price Volatility, Transaction Costs and Securities Transaction Taxes [J]. Managerial and Decision Economics,1997(18):709-718.

[4]Campbell, John Y. and Froot, Kenneth A(1994),International Experience with Securities Transaction Taxes[J], NBER Working paper, The Internationalization of Equity Markets, University of Chicago Press.

[4]Engle, Robert F..Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K.Inflation[M], Econometrica, 1982(50):987-1008.

[5]Grundfest,J. and Shoven,J..Adverse Implications of a Securities Transactions Excise Tax[J]. Journal of Accounting and Finance,1991(6):409-442.

[6]张雪莹,金德环.金融计量学教程[M].上海:上海财经大学出版社,2002.

[7]董再平.我国证券市场的税制研究[D].成都:西南财经大学,1997.

[8]东北财经大学金融工程研究中心和华夏证券研究所联合课题组. 中国证券交易市场交易费用效应问题的实证研究[J]. 上证联合研究计划第四期课题报告,2002.

[9]范南,王礼平.我国印花税调整对证券市场波动性影响实证研究[J].金融研究,2003(6):38一48.

[10]胡世明.我国印花税调整效应及其制度改进[D].上海:上海财经大学,2004.

篇10

二、证券市场功能的弹性模型

从上面的证券市场功能的经济学分析可以看出，证券市场功能与制度因素和行为主体因素，也可以称为主体行为因素存在着复合函数关系，即证券市场功能是因变量F，行为主体是中间变量U，制度是自变量S，因此，可以将证券市场功能与制度因素和行为主体因素写成函数关系F=f［U(S)］。为方便分析，将证券市场功能函数简写成F=f(S)。进一步假设，该函数为光滑曲线，存在二阶导数。根据经济学的相关知识可以知道，在自变量S为横轴和因变量F为纵轴的直角坐标系内，如果证券市场功能函数越陡峭，那么制度因素S对证券市场功能影响越敏感;如果证券市场功能函数越平坦，那么制度因素S对证券市场功能影响越不敏感。因此，若分析制度因素对证券市场功能影响程度，只需要分析证券市场功能函数的陡峭程度就可以。那么，用哪个工具来描述证券市场功能函数的陡峭程度比较合适呢?“弹性”自然是最佳选择。根据经济学弹性定义，可以方便地写出证券市场功能函数的弹性公式，如下:e=dFdS×SF此时，又涉及如何衡量制度因素S问题，可以将证券市场制度是否完善作为一个衡量标准，如是否存在“一股独大”、产权、监管和“内部人控制”等。为了更好的进行分析，可以借助曲率重新改写证券市场功能函数的弹性公式。假设证券市场功能函数的弧h与制度因素S存在函数关系h=h(S)，同时，因为证券市场功能函数F=f(S)具有二阶导数，又因为dFdS=tanα，其中α为证券市场功能函数F=f(S)为弧两端切线的夹角。所以下面公式成立。当证券市场功能函数为增函数时，证券市场功能函数的一阶导数dF/dS取正值，所以证券市场功能函数弹性e为正数。当证券市场功能函数为减函数时，证券市场功能函数的一阶导数dF/dS取负值，所以证券市场功能函数弹性e仍然为正数。从这个修改后的弹性公式可以看出，该弹性公式不适合证券市场功能函数为直线形式，要求证券市场功能函数为光滑的曲线。

三、证券市场功能弹性模型的图形分析

无须证明，当弹性越大时，表示制度因素对证券市场功能影响越大;当弹性越小时，表示制度因素对证券市场功能影响越小。下面对影响证券市场功能函数弹性的各种因素进行逐一分析。当证券市场功能函数的曲率N越大时，根据弹性表达式可以知道，证券市场功能函数的弹性e越小。当证券市场功能函数的二阶导数d2F/dS2越大时，即证券市场功能函数的切线转动的较显著时，证券市场功能函数的弹性e越大。一般说来，在证券市场功能函数的驻点处，曲率较大，并且切线转动的比较显著，所以证券市场功能函数的曲率N和二阶导数都较大，它们对弹性的大小起着相反的作用，因此，要将它们统一起来考虑。通常说来，二阶导数的力量超过了曲率的力量。所以，在驻点f点、、p点和w点处，证券市场功能函数弹性e较大。虽然在和w点弹性较大，但是证券市场功能却较小。和w点处表明，虽然制度改善了，但是证券市场功能却下降了，称为“弹性陷阱”。当一个国家的证券市场处于证券市场的“弹性陷阱”时，应该实行一些新的制度，如让证券市场更加接近完全竞争市场，跳出证券市场功能的“弹性陷阱”。但是，当一个国家证券市场处于“弹性陷阱”时，也不能说此时证券市场制度不完善。例如，的制度完善程度要大于f点的制度完善程度，但是f点处的证券市场功能却发挥的很好，这种情况也是存在的，比如一个国家刚刚实行现代企业制度时，就属于这种情况，这也符合“边际效用递减”原理。因此，当前我国证券市场功能的发挥受到限制的原因，很可能是处于的“弹性陷阱”。该状态表明我国证券市场制度比以前更加完善，只是证券市场的功能没有更好的发挥出来。可以预测，随着证券市场制度的进一步完善，将来我国证券市场功能一定能够到达p点，也一定会再次陷入新的“弹性陷阱”，即w点处。但是，到那时，我国证券市场的制度会更好。运用这个弹性图形，也可以说明，即使证券市场高度发达的国家，例如美国，有的时候也会陷入“弹性陷阱”，即证券市场功能发挥受到限制的时候，证券市场出现混乱状态。但是，美国的证券市场所陷入的“弹性陷阱”比我国陷入的“弹性陷阱”位置更高，制度更加合理。接着，再来思考证券市场功能弹性e的S/F部分，将∠xOSx记为，∠yOSy记为φ。因此直线Ox的斜率为tan=Fx/Sx，直线Oy的斜率为tanφ=Fy/Sy，所以对于中国来说，Sx/Fx=1/tan;对于美国来说，Sy/Fy=1/tanφ。该状态表明我国证券市场制度比以前更加完善，只是证券市场的功能没有更好的发挥出来。可以预测，性小于美国证券市场功能函数弹性，也就是说美国证券市场制度比中国证券市场制度完善，证券市场功能运作的比较好。另外，也可以运用两条证券市场功能函数曲线来探讨中国和美国证券市场功能函数弹性大小。

篇11

一、引言

羊群行为又称群体心理、社会压力、传染等。经济学家用羊群行为描述金融市场中的一种非理,指投资者趋向于忽略自己的私有信息,而跟从市场中大多数人的决策方式。最早提出羊群行为的经济学家是凯恩斯,他提出“在投资收益日复一日的波动中,显然存在某种莫名的群体偏激,甚至是一种荒谬的情绪在影响整个市场的行为”。

伴随着我国股票市场的发展,学者们对我国股票市场的羊群行为进行了大量研究。宋军、吴冲锋(2001)对我国证券市场的羊群行为进行实证研究,并与美国市场作比较,发现我国证券市场存在较高程度的羊群行为。常志平、蒋馥(2002)研究发现:在上涨行情中,我国深圳证券市场与上海证券市场均不存在羊群行为;但在下跌行情中,深圳证券市场与上海证券市场均存在羊群行为,且深圳证券市场更明显。张宗强、金志国、伍海华(2005)运用CSAD 法对上证180 指数的样本股票进行的实证检验,发现市场上涨期间的羊群行为要强于下跌期间的羊群行为。艾冬青(2006)对我国中小企业板市场进行了研究,最后得出结论:在股价下跌时,中小企业板块表现出明显的羊群效应。本文运用CSAD法,以沪深300指数的样本股(2005年7月11日至2009年3月3日)为研究对象,发现我国股票市场在上涨和下跌阶段均存在明显的羊群行为,且上涨阶段的羊群行为特征更为明显,这与常志平、蒋馥(2002)以及艾冬青(2006)等的研究结果正好相反,造成这种反差的直接原因是样本股选择的差异,更深层次的原因可能在于各个时期投资理念的差异。另外,本文的数据覆盖了股市暴涨以及随后次贷危机所带来的暴跌阶段,而股市剧烈变化与投资者行为密切相关,也是造成本文研究结果与已有结论差异的重要原因。

二、检验方法

对于羊群行为的实证研究,主要分为对基金经理和个体投资者的投资行为的研究。本文是对我国股票市场个体投资者羊群行为的实证研究,这里主要介绍关于后者的研究方法,即CSAD法。其具体设计如下:

根据sharp(1964)提出的资本资产定价模型(CAPM),股票的期望收益率等于无风险利率加上风险溢价,即有:

Et(Ri)=γ0=βi[Et(Rm)-γ0],i=1,•••,N(5)

其中,Et(Ri)表示市场组合t时间的预期收益率,Ri为任意资产i的收益率,Rm为市场证券组合的收益率,γ0为无风险利率,βi为股票的系统风险衡量指标。

对(5)式变形后可以得到:

Et(Ri)-Et(Rm)=(βi-1)[Et(Rm)-γ0](6)

由于股市存在风险溢价(risk premium),因此市场组合的预期收益率Et(Rm)将大于无风险利率γ0,对(6)式取绝对值后得到:

Et(Ri)-Et(Rm)=(βi-1)[Et(Rm)-γ0](7)

对(7)式加总求和得到:

1N∑Ni-1Et(Ri)-Et(Rm)=1N∑Ni-1(βi-1)[Et(Rm)-γ0](8)

(8)式的左边即为横截面绝对偏离度的期望值E( CSADt),因此可得到如下关系:

E( CSADt)=1N∑Ni-1(βi-1)[Et(Rm)-γ0](9)

对(9)式分别求取Et(Rm)的一阶导数和二阶导数后可以得到:

E(CSADt)Et(Rm)=1N 1N∑Ni-1│(βi-1)│>0、E(CSADt)Et(Rm)2=0(10)

即一阶导数大于零,二阶导数等于零,说明在理性资本资产定价模型中个股收益率的绝对差值(CSAD)与市场收益率(Rm)为线性递增关系。由于 E(CSADt)和Et(Rm)都是不可测的,因此用 E(CSADt)和Et(Rm)分别代替和 ,即为:

CSADt=1N 1N∑Ni-1│(βi-1)│(Rm,t-γ0)(11)

当市场存在羊群行为时,由于市场参与者的行为一致性,个股收益率与市场收益率的绝对差值和市场收益率之间的线性递增关系将不再存在,而会表现为一种非线性的递减增长,在羊群行为严重时甚至变为绝对市场收益的减函数。为描述这种特征,可在上述理性线性关系中加入二次项,即:

CSADt=α+γ1│Rm,t│+γ2R2m,t+εt(12)

其中为εt残差项。检验分散度与市场收益率之间的线性关系, 等价于检验上式中回归二次项系数在统计学意义上是否为显著为零。若二次项系数显著不为零,则当二次项系数为负时,市场上存在明显的羊群行为。

考虑到市场上涨和下跌时羊群行为的程度可能有所不同,因此我们对上涨市场和下跌市场分别进行研究,即分别对下面两个方程进行回归分析:

CSADupt=α+γup1│Rupm,t│+γup2(Rupm,t)2+εt(13)

CSADdownt=α+γdown1│Rdownm,t│+γdown2(Rdownm,t)2+εt(14)

其中,CSADupt和Rupm,t分别为市场上涨时的横截面绝对偏离度和市场收益率,而CSADdownt和Rdownm,t分别为市场下跌时的横截面绝对偏离度和市场收益率。它们的检验原理同(12)式相同。

三、数据说明与实证分析

(一)数据说明及处理

本文以沪深300样本股为研究对象,包括从2005年7月11日至2009年3月3日之间共886个交易日的数据。根据我国股市走势,分别对上涨和下跌阶段进行分析,即2005年7月11日至2007年10月16日为上涨阶段,2007年10月17日至2009年3月3日为下跌阶段。

为了使实证结果能更加真实的反映我国股票市场的总体特征,本文对沪深300指数所包含的样本股票进行了筛选,剔除了变动较大以及数据不全的股票,最终留下了212只样本股。为了研究样本之间的差异,将这212只股票按即有标准分成金融地产、工业、原材料、可选消费、公用事业、能源、电信业务、医药卫生、信息技术、主要消费十个行业。所用数据来自wind数据库。相关结果利用eviews5.0和excel软件计算得出。

根据(4)式,先求出CSAD,再根据(13)、(14)式,分别进行回归分析,并对回归参数进行显著性检验,结果如表1、表2所示。

表1:各板块分散度

上涨行情数据下跌行情数据

CSAD(%) 排序股票个数 CSAD(%) 排序股票个数

金融地产 2.0147 2 26 2.2842 2 26

工业 1.9327 6 44 2.0261 9 44

原材料 2.0783 1 49 2.2151 4 49

可选消费 1.9918 3 29 2.0892 7 29

公用事业 1.7151 10 18 2.0046 10 18

能源 1.8268 9 14 2.3016 1 14

电信业务 1.8793 8 3 2.1522 6 3

医药卫生 1..8836 7 7 2.2411 3 7

信息技术 1.9569 5 8 2.0718 8 8

主要消费 1.9854 4 14 2.1862 5 14

数据来源:WIND资讯

表2:各板块回归结果

上涨行情结果下跌行情结果

γ2估计值T检验值检验结果γ2估计值T检验值检验结果

金融地产 -0.03076 -2.81719 显著 -0.02078 -2.27553 显著

工业 -0.02515 -2.71911 显著 -0.03338 -5.17732 显著

原材料 -0.02775 -2.49005 显著 -0.03219 -4.27196 显著

可选消费 -0.04031 -3.83702 显著 -0.02948 -3.78473 显著

公用事业 -0.02645 -2.21388 显著 -0.01878 -2.06621 显著

能源 -0.03216 -2.40842 显著 -0.02291 -2.13545 显著

电信业务 -0.02447 -1.28272 不显著 -0.03803 -2.6327 显著

医药卫生 -0.02401 -1.70739 不显著 -0.00984 -0.81591 不显著

信息技术 -0.01852 -1.33144 不显著 -0.01281 -1.10053 不显著

主要消费 -0.03905 -3.1333 显著 -0.03032 -3.28303 显著

(置信度水平为5%),数据来源:WIND资讯

表1 给出了沪深300指数各个行业的分散度水平,并对其进行排序,结果表明我国股票市场各个行业之间的羊群行为程度存在明显差异。同时,研究发现各个行业在上涨阶段的分散度水平明显小于下跌阶段的分散度水平。

表2给出了γ2的估计值,并对其显著性进行检验,得出了T检验值,并对γ2估计值是否显著为负进行判断。研究表明,在股市上涨阶段,γ2的估计值均为负,显著性检验表明电信业务、医药卫生及信息技术板块的γ2值不显著为负;在股市下跌阶段,γ2的估计值同样均为负,显著性检验表明医药卫生和信息技术板块的γ2值不显著为负。另外,除了工业和原材料板块,其他板块的γ2值在上涨阶段明显小于下跌阶段,这表明在市场大幅上涨时,CSADt的递减速度更快,即表现出更为明显的羊群行为。

(二)实证结果分析

由表1、表2可以看出,我国股票市场在上涨阶段的羊群行为特征较下跌行情更为明显。即我国股市有更明显的“追涨”特征。从2005年7月11日到2007年10月16日,我国股市总体上一路高歌猛进,上证综指累计涨幅高达500%,曾一度突破6000点大关,是名副其实的大“牛”市。在这个阶段,受股权分置改革的推行,宏观经济向好,企业利润大幅增加,党的十七大召开,以及08年奥运会等诸多利好因素的影响,股市开始呈现牛市行情直至暴涨,广大学者以及证券分析人士亦对我国证券市场前景普遍看好。随着股指接连创新高,受股市乐观情绪的影响,大批中小投资者投入股市,几乎形成全民炒股的热潮。统计表明,2007年,新入市的投资者平均每天13万户,最多单日开户数达到90多万户,新开户数为3269万户,是2006年A股开户数的10倍,投资者开户数突破1亿大关。但我国中小投资者往往缺乏股票方面的专业知识,获取的有关股市的信息有限,不能对股市进行理性分析,因此他们往往通过观察他人的行为进行投资决策,从而产生从众行为。在这种情况下,一些所谓“庄家”利用投资者的心理,通过一些虚假消息或者采取其他“坐庄”的技术手段,诱使别人跟从自己的交易。由于市场缺乏做空机制,投资者只能通过做多来获益,即使知道相关信息可靠性较低,投资者还是加入到做多的交易中去,从而股市表现出很强的“追涨”倾向。

另外,在这种罕见的大“牛”市环境下,广大投资者在追随他人的投资决策时,往往能从股市上涨中分得一杯羹,即从投资股票中获益。这就使追随者产生一种错觉,即无需掌握充分的股市信息,无需理性的分析,仅仅依据他人的行为进行投资决策就能获得相当的收益。从而客观上纵容了这种从众行为,使我国股市在该阶段呈现较为明显的羊群行为特征。

从2007年10月17日到2009年3月3日,我国股市总体上处于下跌阶段,研究显示,该时期羊群行为特征较上涨期间弱,说明投资者在沪深300指数股票投资上存在“惜售”现象。这可能与沪深300指数样本股的构成以及投资者投资理念的转变有关。沪深300指数是由上海和深圳证券市场中选取300只A股作为样本,选择标准为规模大、流动性好的股票,集中了一批质地较好的公司。样本覆盖了沪深市场六成左右的市值,具有良好的代表性。因此沪深300指数的样本股基本为A股市场上的大盘股、蓝筹股。2002年以来,开放式基金、社保基金、QFⅡ等机构投资者大力倡导价值投资理念,价值投资理念逐渐深入人心。根据价值投资的原则,投资者加大了对国企大盘股、蓝筹股的投资力度,而这些股票绝大部分是以沪深300指数样本股为代表的。价值投资的原则之一是长期持有,因此,投资者在沪深300指数股票投资上存在“惜售”现象,导致下跌期间的羊群行为特征较弱。

从各个板块来看,无论是股市上涨还是下跌阶段,医药卫生和信息技术板块的T检验均不显著。这两个板块T检验不显著的原因如下:信息技术产业的生命周期相对而言较长,由不确定性造成的风险很大,一旦投资项目的成长性和市场前景发生变化,未来的收益预期就会迅速改变,因而投资风险比较大。我国投资者投资理念还不成熟,往往陷入单纯题材炒作的误区,“科技股”、“网络股”神话的破灭是最好的证明。经过多年的讨论,虽然万众关注,翘首以盼,但是医改方案仍然没有能如期推出,导致投资者对医药卫生板块的投资热情不高。研究发现电信业务板块在上涨阶段的T检验并不显著。我国电信行业在这个阶段开始走亲民、低价、优质的路线,这是竞争的必然结果,挤掉水分的电信行业自然挤掉了部分超长收益,使价值逐步回归,不再成为投机者的宠爱。之所以在股市下跌阶段重新引起投资者的关注,是因为人们认识到该板块价值的回归,加之该板块样本股票均为大盘股,在整个股市处于熊市的形式下,自然成为投资者青睐的对象。

四、政策建议

我国股市在2007年的暴涨以及金融危机以来的大跌,羊群行为在其过程中均起了推波助澜的作用。因此要维护我国股票市场的稳定,必须减少羊群行为的发生,应从以下几个方面进行改进:

(1)减少监管部门对证券市场的过度干预

频繁的行政干预破坏了市场的价格发现功能和资源配置功能,导致股价的异常波动。因此,随着市场运行机制的逐渐完善以及管理经验的不断积累,监管层应将重点放在改善股价运行机制和市场信息获得效率上,真正让市场机制决定股市运行,使投资者能够获得较为稳定的长期投资收益预期。

(2)完善信息披露制度

完善市场信息披露制度,增加信息的透明度,完备与上市公司相关的微观信息的,彻底改善一些公司故意隐瞒信息和延迟信息的情况。完善的市场信息披露制度有助于改善投资者中信息不对称的情况,减少“庄家”利用虚假信息来诱导投资者根据其投资行为进行跟风操作,有利于市场稳定。

(3)完善市场运行机制

我国股市由于缺乏卖空机制,投资者只能通过做多来获得收益,这会导致投资者过度投机,导致市场不稳定。因此可以尝试在市场中引入做空机制,利用卖空策略的套利功能对追涨行为进行制约,完善价格发现机制,也可以为价值投资者提供一种套期保值的工具。

参考文献:

[1] 宋军、吴冲锋,基于分散度的金融市场的羊群行为研究[J],经济研究,2001(1)

[2] 孙培源、施东晖,基于CAPM 的中国股市羊群行为研究[J],经济研究,2002(2)

[3] 常志平、蒋馥,基于上证30 及深圳成指的我国股票市场“羊群行为”的实证研究[J],预测,2002(3)

[4] 张宗强、伍海华,基于上证180指数股票的羊群行为实证研究[J],财经理论与实践,2005(1)

[5] Delong, Shleifer, Summers, and Waldmann. Noise Trader Risk in Financial Markets[J],Journal of Political Economy ,1999 ,98 :703～738.

[6] Banerjee,Abhijit.A Simple Model of Herd Behavior [J],Quarterly Journal of Economics,1992,107 :797～818.

篇12

中图分类号：F830.91　文献标识码：　A文章编号：1674-2265(2011)01-0076-05

一、引言

自2007年美国次贷危机爆发以来，贝尔斯登、雷曼兄弟、美林等著名投资银行的倒下，使得美国次贷危机迅速演变为传染遍及主要发达国家的金融危机，进而导致全球经济危机，重创了全球经济。而证券公司的财务危机并非瞬间所致，都经历了一个渐进累积转化的过程。在这一过程中，各种导致危机的因素都将直接或间接地通过一些敏感性财务指标反映出来。所以找出对证券公司失败有预警能力的指标尤为重要。目前，专门研究证券公司财务指标的文献极少。数量本来就很少的证券公司失败预警研究文献虽然不可避免地要涉及证券公司的财务指标，但是基本都没有全面分析、考察各个财务指标的失败预警能力。本文将在对主要的一般企业失败预警模型和证券公司失败预警模型所涉及的财务指标进行全面梳理的基础上，结合证券公司的特点设计出一批新的财务指标。然后对这些财务指标的失败预警能力进行实证研究，从而明确证券公司的哪些财务指标具有较好的失败预警能力。

二、公司失败预警模型中选取的财务指标

在公司财务失败预警文献中，无论运用何种方法建立模型，财务指标作为分析的基本要素是必不可少的。Beaver在1966年选择了总负债／总资产、净收入／总资产、现金流／总负债等变量，最早采用了单变量分析法进行企业财务失败预警研究，开创了运用财务指标进行企业财务困境预测研究的先河。后来，公司失败预警研究在全世界范围蓬勃展开并产生了大量的企业失败预警研究的文献，但其中对一般公司的研究较多，对于金融类公司尤其是证券公司的研究较少。

国外证券公司失败预警的代表性研究是1976年Altman和Loris发表的论文。文章所选取的指标包括三个方面的内容：一是传统财务指标，如盈利性指标、流动性指标、杠杆类指标等。二是能够代表证券行业特征的指标，如次级债占股东权益的比率等。三是寿命、组织形式等非财务性指标。文章根据数据完整性和可靠性并运用系统选择技术对变量的判别能力进行评估后，最终选择了6个指标：(1)反映盈利能力的净利润／总资产；(2)反映财务杠杆水平的(总负债+次级债)／权益；(3)反映公司总资产结构流动性的总资产／调整净资本；(4)(期末资本一资本附加)／期初资本；(5)在一定程度上反映风险的加权寿命；(6)涵盖十个元素的综合指标，这十个元素包括反映盈利能力的指标、对资本短缺和破产较敏感的指标，反映寿命以及报告及时性的指标。

国内对证券公司失败预警最早的研究是合肥工业大学――国元证券课题组(2005)发表的《证券公司失败研究》，课题组运用Logit回归分析模型建立证券公司财务困境预警系统，但未得到理想结果。李涛(2008)选取了流动资产／流动负债、总负债／总资产、净收入／股东权益、净资本／总负债、(手续费收入、自营证券差价收入、受托资产管理收入和证券发行收入四项占营业收入的比例的平方和)、上述四项收入之和占营业收入的比例、(自营证券+受托资产)／总资产等指标进行了研究。王晓燕(2009)利用非参数检验、相关性检验、逐步判别分析等方法对36个财务指标进行了筛选，最终选择5个变量即流动负债／总资产、营业收入／总资产、自营股票／自营债券、(代买卖证券款+受托资金)／净资产、净资本／总负债进行了建模研究。

Dimitras(1996)对1932―1994年的47篇公司失败预警研究文献进行了归纳总结，他指出公司失败预警模型的建立是以公司的财务状况为依据的，而公司的财务状况又是以公司的财务指标体现出来的，统计出了47篇文献所建立的56个模型中18个最常使用的财务指标。

但是Dimitras的研究只是针对一般公司，排除了针对金融类公司失败预警研究的文献，我们对Dimi―tras所做的研究进行了补充，统计了包括证券公司在内的金融类公司失败预警研究文献和1995-2009年一般公司失败预警研究文献，考察了14篇文献建立的17个模型。最终统计出包括Dimitras所做研究在内的6l篇文献所建立的73个模型中最常使用的财务指标(见表1)。

可以看出，在众多文献所使用的财务指标中最重要的是反映公司清偿能力的指标，如营运资本／总资产、总负债／总资产等。其次是盈利能力指标，因为盈利能力是一个公司赖以生存的资本。除上表中所列的指标外，金融类公司中常用的指标还有资本充足率，营业收入／营业支出等反映金融类公司特有风险的指标，由于专门针对金融类公司的研究比较少，所以未能在表中体现出来。

三、证券公司财务指标的设计与选取

在选取反映证券公司财务状况差异的指标时，一方面，我们借鉴了文献中被广泛应用的财务指标。另一方面，通过深入剖析证券公司失败的原因，有针对性地设计了一些能够反映证券公司业务特点和风险状况的指标。比如，与工商业企业不同，证券公司财务报表含净资本计算表。净资本是根据证券公司的业务范围和资产流动性特点，在净资产的基础上对资产等项目进行风险调整后得到的综合性风险控制指标。基于这一点，本文设计了净资本／总资产、净资本／总负债等指标以反映证券公司的资本充足性和资产流动性状况。此外，我们还参考了中国证监会颁布的《证券公司风险控制指标管理办法》等法律法规中的监管指标。最后我们选取并设计了反映偿债能力、财务杠杆比率、盈利能力、管理效率和发展能力等方面的22个财务指标，和2个非财务指标比例年限AGE、综合指标Composite(见表2)。两个非财务指标均取自Altman在1976年发表的文章，AGE是与该公司经营年限相同的失败公司占与该公司经营年限相同的所有公司的比率。反映公司在证券市场上的经营经验。综合指标的选取则在借鉴Altman综合指标构成的基础上，结合我国的情况选取了如下六个定量指标：“成立年限《5=1”，“自营差价收入

四、证券公司财务指标预警能力的实证分析

针对选取和设计的24个变量，我们结合证券公司实际情况对其预警能力进行了横截面和纵向时间序列分析。首先在横向上，2001到2005年间，我国证券市场一直处于熊市中，证券公司所面临的外部环境并没有发生大的改变，所以2004年到2006间被处置的证券公司所面临的宏观经济条件以及证券市场背景是相近的，年度之间的经营成果具有一定的可比性。我们选取了24家在2004年至2006年期间失败的证券公司和依据按报表时间和资产规模原则配对的24家健康证券公司，根据2003年至2005年的财务数据进行配对研究24个财务指标变量的区分能力。

样本配对坚持按报表时间和资产规模的原则，原因有两个：一是不同的时间证券公司所面临的证券市场背景是不同的，所以配对样本采用同一年度的财务报表使数据更有可比性：二是证券公司的规模也会在一定程度上影响公司的经营绩效，按资产规模配对可以减少规模差异的影响。

在进行组间差异性检验之前，我们先做了各指标的分布检验，SAS软件的统计结果显示，大多数指标在5％的显著性水平下，原假设(服从正态分布)未能通过检验。鉴于此，我们运用SAS9.0 NPARIWAY过程对24个变量指标的组间差异进行了非参数检验。因为相对于t检验，非参数检验方法对总体分布不作严格规定，统计量计算不依赖于总体的分布类型，易于对各种设计类型资料进行假设检验。SAS软件中提供的NPAR1WAY过程是单因素的非参数方差分析过程，将两组数据统一按数据大小排队后编秩，用各组秩和进行检验，推断两样本所代表的总体有无差别，即组间是否存在差异。检验结果如表3。

可以看出，24个指标中有13个指标在5％的显著性水平下差异性显著，而其中10个是在1％的水平下显著，说明变量在两组间存在显著差异。经过以上分析，按1％的显著性水平以及数据的可得性，我们得到了10个对证券公司所承受财务风险有针对性且区分能力较好的指标。下面我们再对这10个财务指标的平均值进行统计意义上的描述，进一步研究这些变量在失败组与健康组之间的差别。

从表4我们可以得出以下几点初步的结论：(1)平均而言，健康证券公司流动性和资本充足率均远远优于失败证券公司，相关同类指标给出了一致的结论。(2)平均而言，健康证券公司有较低的财务杠杆。(3)平均而言，健康证券公司盈利性好于失败公司，但两类证券公司净资产收益率均值都为负值，反映了2003―2005年整个证券行业盈利性不强的现实。同样，两类公司的成长性也呈现类似的特征。可以看出，以上分析结果均符合我们的预期，也与经济理论相吻合。

纵向上，我国证券市场继2001年至2005年熊市之后，2006年、2007年迅速高涨，2008年又大幅下跌。证券市场的这些变化对证券公司产生的影响将会通过敏感的财务指标体现出来。鉴于此，我们选择了具有代表性的国内6家上市的证券公司，长江证券、东北证券、中信证券、海通证券、国元证券和海通证券，从纵向上考察所筛选出的三个方面10个指标2003年至2008年的变化趋势，各指标变化情况如表5所示。

篇13

在规模持续扩张的同时，金融市场的国际化进程不断加快。在资本市场，资金开始大范围地跨过边界自由流动，各类债券和股票的国际发行与交易数额快速上升。整个90年代，主要工业国家企业发行的股票增长了近6倍。1975年，主要发达国家债券与股票的跨境交易占GDP的比重介于1％到5%之间；1998年，此比重上升到91%（日本）到640%（意大利）。其中，美国由4%上升到230%，德国由5%上升到334%，各国该比重增长最快的时期几乎都集中在80年代末和90年代初。

国际债券市场的二级市场蓬勃发展。债券市场信息传递渠道、风险和收益评估方式以及不同类型投资者的行为差异逐渐减小，投资银行、商业银行和对冲基金等机构投资者，以复杂的财务管理技巧，根据其信用、流动性、预付款风险等的差异，在不同货币计值的不同债券之间进行大量的"结构易"，导致各国债券价格互动性放大，价格水平日趋一致

海外证券衍生交易的市场规模快速提高。几乎在所有主要的国际金融中心，都在进行大量的海外资产衍生证券交易。在新加坡商品交易所，既可以从事日经225种期货合约的交易，也有部分马来西亚的衍生证券交易；美国期货交易所的交易对象则包括了布雷迪债券和巴西雷亚尔、墨西哥比索、南非兰特、俄罗斯卢布、马来西亚林吉特、泰国铢和印尼盾等多种货币计值的证券和衍生产品。

二、我国证券市场的国际化发展

在席卷全球的证券市场一体化潮流中，我国证券市场的国际化悄然启动。1992年，我国允许外国居民在中国境内使用外汇投资于中国证券市场特定的股票，即B股。有关管理部门对于B股市场的总交易额实行额度限制，超过300万美元的B股交易，必须得到中国证券监督管理部门的批准。

1993年起，我国允许部分国有大型企业到香港股票市场发行股票，即H股。部分企业在美国纽约证券交易所发行股票，称为N股。境外发行股票筹集的资金必须汇回国内，经国家外汇管理局批准开设外汇帐户，筹集的外汇必须存入外汇指定银行。

进入2000年后，部分民营高科技企业到香港创业板和美国NASDAQ上市筹集资金，标志着我国证券市场的国际化进入一个新的发展时期。

在债券市场，我国对于构成对外债务的国际债券发行实行严格的计划管理。由经过授权的10个国际商业信贷窗口机构和财政部、国家政策性银行在国外发行债券融资，其他部门可以委托10个窗口单位代为发行债券，或得到国家外汇管理局的特别批准后自行发债。债券发行列入国家利用外资计划，并经国家外汇管理局批准。在国外发行债券所筹集的资金，必须汇回国内，经批准开设外汇帐户，存入指定银行。

三、我国证券市场国际化的前景

随着我国加入WTO步伐的不断加快，我国证券市场正在逐步与国际市场接轨，国际化进程将明显加快。

根据我国与有关国家达成的双边协议，加入WTO后，中国将允许外资少量持股的中外合资基金管理公司从事基金管理业务，享受与国内基金管理公司相同待遇；当国内证券商业务范围扩大时，中外合资证券商亦可享有相同待遇；外资少量持股的中外合资证券商将可承销国内证券发行，承销并交易以外币计价的有价证券。

显然，随着金融服务领域的对外开放，我国证券市场将逐步走向全面的国际化。

这种全面国际化含义是：以资金来源计，国外资本以允许的形式进入我国证券市场，国内资本则可以参与国外有关证券市场的交易活动；以市场筹资主体计，非居民机构可以在国内证券市场筹融资，国内机构则可以在国外证券市场筹融资；国外交易及中介机构参与我国证券市场的经营及相关活动，国内有关交易及中介机构获得参与国际证券市场经营及相关活动的资格和权力。

四、证券市场国际化的利益

证券市场国际化进程的加快，将降低新兴市场获得资金的成本，改善市场的流动性和市场效率，延展市场空间，扩大市场规模，提高系统能力，改善金融基础设施，提高会计和公开性要求，改进交易制度，增加衍生产品的品种，完善清算及结算系统等。

海外证券资本的进入，以及外国投资者对市场交易活动的参与，迫使资本流入国的金融管理当局采用更为先进的报价系统，加强市场监督和调控，及时向公众传递信息，增加市场的效率。越来越多的新兴市场国家通过采用国际会计标准，改进信息质量和信息的可获得性，改善交易的公开性。交易数量和规模的增加，有助于完善交易制度，增加市场流动性。而外国投资者带来的新的证券交易要求，在一定程度上促进了衍生产品的出现及发展。建立一个技术先进的清算和结算系统，对于有效控制风险、保持该市场对外国证券资本的吸引力、有效地分配金融资源具有重要的意义。

五、证券市场国际化的风险表现

证券市场国际化进程在带来巨大利益的同时，也蕴涵着一定的风险：

1、市场规模扩大加速甚至失控的风险

与国际化相伴随的外国资本的大量流入和外国投资者的广泛参与，在增加金融市场深度、提高金融市场效率的同时，将导致金融资产的迅速扩张。在缺乏足够严格的金融监管的前提下，这种扩张可能成为系统性风险爆发的根源。此外，由于国内金融市场发育程度较低，金融体系不成熟，相关的法律体系不够完善，资本流入导致其金融体系规模的快速扩张，而资本流入的突然逆转，则使其金融市场的脆弱性大幅度上升。

2、金融市场波动性上升

由于新兴市场缺乏完善的金融经济基础设施，在会计标准、公开性、交易机制、票据交换以及结算和清算系统等方面存在薄弱环节，无法承受资本大量流入的冲击，导致价格波动性上升。新兴金融市场股票价格迅速下降以及流动性突然丧失的危险，大大地增加了全局性的市场波动。

3、与国外市场波动的相关性显著上升

外国资本的流入和外国投资者对新兴市场的大量参与，潜在地加强了资本流入国与国外金融市场之间的联系，导致二者相关性的明显上升。

这种相关性主要表现为：①国内金融市场与主要工业国金融市场波动的相关性，即主要工业国金融市场对资本流入国金融市场的溢出效应显著上升。国外研究表明，美国股票市场波动性对韩国股票市场波动性溢出的相关程度在1993年到1994年间高达12%；美国股票市场波动性对泰国股票市场波动性溢出的相关程度在1988年到1991年间高达29.6%；美国股票市场波动性对墨西哥股票市场波动性溢出的相关程度在1990年到1994年间高达32.4%。

这种溢出的影响表现为两方面：其一，在市场稳定发展时期，资本流入国金融市场波动接受主要工业国的正向传导，表现为二者波动的同步性；其二，在市场波动显著、存在一定的恐慌心理时，二者波动出现背离，甚至呈反向关系。

从日本和韩国股票指数的相关性看，从1989年1月到2000年4月，二者股票指数的相关系数为36.52%，而在1989年1月到1992年7月间，该相关系数达89.09%。从1992年7月到1998年5月，该相关系数下降到44.86%，此后，该系数再度提高到80.65%。

②新兴市场国家之间金融市场波动具有一定的同步性。

由于新兴市场国家宏观经济环境具有一定的相似性，外资流入周期及结构基本相同，因此，其金融市场表现具有很强的同步性。

证券市场显著特征范文

篇1

篇2

篇3

篇4

篇5

篇6

篇7

篇8

篇9

篇10

篇11

篇12

篇13

精选范文

学术杂志

证券导刊

中国证券期货

证券法苑

证券市场导报