我国股市行业指数之间的冲击传导研究
沪港台三地股市波动的风险传导效应研究
作者简介 ： 谢家泉 （９ １ ， ， １ ８ 一）女 湖北宜 昌人 ， 土家族 ， 师 ， 讲 博士生 ， 研究方 向： 经济 和金融 中的非线性 时间序列分析 。
谢家 泉 ： 沪港台三地股市波动 的风 险传导效应研究
点一致。从 Ｊ 统计量来看三者都显著拒绝正态分 Ｂ 布的假定 ， 呈现尖峰厚尾特性。其 中台湾股市偏度 绝对值最大 ， 故其不对称特征更为明显。Ａ Ｆ检验 Ｄ 结果表明三地收益率序列 皆为平稳序列 。 考虑到信息的非对称影响 ， 对三地股市收益率 进行 Ｇ Ｒ Ｈ拟合建模 ， ＡＣ 结果见表 ２ 。
济环境 也与发 达 的市场 经 济 国家有 很 大 差别 ， 此 因
中 国股票市 场 中 的股 价行 为与发 达 国家资本 市场 相
１月２ １ ０日至 ２０ ０ ９年 ８月 ２ ６日。 由于三 地 股市 在
比会 有不 同的特 点 。
交易 日上略有 区别 ， 调整整理 后样本 容量都 为 经
的价格变化伴随较小 的波动性 ， 即所谓反馈机制 。
表 １ 三地股 市描 述性 统计 分析 表
要来刻画信息的非对称影响 ， 三个系数均为负数 ， 表 明信息对三地股市收益率存在 显著 的杠杆效应影 响， 由于投资者对负的价格变化 比对正的价格变化 更加敏感 ， 坏消息对股价 的冲击要 比好 消息 的冲击
来得 更大 ， 导致 负 的价格 变化 伴 随较 大 的波 动性 ， 正
沪 台两 市 传 导 效 应 相 对 较 弱 。但 沪 港 台 三 市 的 收 益 波 动 均 存 在 明 显 的 “ 杆 效 应 ” 杠 。
关键词 ： ｒｎ ｅ 因果检验 ； ｈ—ｐｏ 方法 ； Ｇ ａｇｒ Ｃｉ ｌ ｔ 传导效应 ； 杠杆效应
金融危机对中国证券市场的影响研究
金融危机对中国证券市场的影响研究自2007年次贷危机爆发以来，全球经济陷入衰退，各国经济体面临着前所未有的挑战。
中国的经济领域也不例外，金融危机对中国经济的影响深远。
其中最具代表性的就是对中国证券市场的影响。
本文从三个方面探讨了金融危机对中国证券市场的影响，分别是市场表现、政策措施以及证券市场发展趋势。
一、市场表现金融危机爆发后，中国证券市场的表现可谓是起起伏伏。
在2007年11月至2008年7月这段时间里，中国股市经历了一次惊人的牛市，上证指数一度达到6088点的历史高点。
但是，2008年9月全球金融危机爆发后，中国股市开始由牛市转为熊市，上证指数在短短三个月内下跌了70%。
中国的A股市场在2008年严重的调整中迎来了了长达4年的调整周期，在2012年之前缓慢回升到3500点左右。
然而，这并不意味着金融危机对中国证券市场的影响已经结束了。
2015年6月，由于人民币汇率波动和美国联邦储备委员会加息预期，中国股市再次出现较大的异动，上证指数上升到5178点后又突然下跌，引起市场极度恐慌。
在随后的一个月中，中国证券市场出现了大规模股市暴跌，上证指数下跌了40%。
这次的股市危机持续时间也比之前的危机长，并且影响范围更加广泛，对中国经济产生了很大的负面影响。
二、政策措施面对金融危机对中国证券市场的严重冲击，中国政府采取了一系列紧急措施来稳定市场。
其中最显著的是2008年11月5日起实施的“买入股票、卖出国债”政策，即中国证监会与财政部联手使用国债资金重金接盘，同时停止新股发行和限制股票交易，从而为股市上涨创造条件。
此举导致股票价格有所上涨，但也导致国债价格下跌，进而引发了通货膨胀等问题。
2015年股市危机发生后，中国政府通过合法化短线交易等措施来促进市场活跃，同时辅以大量的市场资金来支持市场，以此实现9月中旬至12月中旬股市连续反弹的目的。
2016年4月，中国证监会宣布大幅缩短股票上市前审核期限，进一步降低了上市门槛。
我国股指期货影响因素的研究
我国股指期货影响因素的研究一、股指期货概述股票价格指数期货（SPIF），是以股票指数为标的物的标准化期货合约，是一种较为成熟、级别较高的金融投资工具。
股指期货有三大最基本的功能，一是价格发现功能，二是对冲股市系统性风险的功能，三是资产配置功能。
中国股指期货的发行具有里程碑式的意义，这不仅完善了金融投资体系更是促进了多元化金融市场的稳定和发展。
二、我国股指期货合约价格影响因素分析（一）股指期货合约标的物价格期货合约的价格都会随着标的物价格的变动而变动，而且交割时间越近这种变动就越显著。
根据经济学规律，股指期货价格表现为在对应标的股指价格上下波动，两者呈高度正相关关系。
（二）我国宏?^经济形势国家宏观经济形势会影响投资者对市场的信心，宏观经济形势越好，投资者对市场信心就越足，股指期货价格就越高；反之，股指期货价格就会下跌。
国家统计局在年末都会向社会公布反映宏观经济的指标，例如：GDP增长率、CPI、通货膨胀率等。
（三）国内国际货币金融政策货币政策是中央银行为实现特定经济目标而采取的影响利率、货币供应量等变量的方针措施，例如再贴现率、法定存款准备金率、公开市场操作等。
无论是国内还是国际货币政策，其实施都会对我国股市资金的流动、股指期货的价格产生影响。
（四）市场中流动资金的供需状况投资者的投资能力在一定程度上会受到市场流动资金的影响。
当市场流动资金充足时，股市会有大量资金涌入，从而推高股票价格指数，反之股票价格指数就会下降。
在经济学中通常用广义货币供应量（M2）来体现市场中流动资金。
（五）国际经济金融发展状况随着经济的发展，资本在国际间的流动日益自由，经济一体化进程不断加深。
中国作为世界第二大经济体，经济发展早已经不能独善其身，因此为了研究沪深300股指期货的走势，必须充分考虑国际经济金融发展的状况。
（六）投资者的非理性心理预期由于我国证券市场处于半强有效，所以投资者在做出决策的时候会受到各种心里因素的影响而无法做出理性选择。
中国股票价格指数波动影响因素分析
中国股票价格指数波动影响因素分析中国股票价格指数（CSI）是反映中国股市整体行情的重要指标，其波动对中国经济和社会发展具有重要影响。
本文从宏观经济、市场供求、投资者心理等角度探讨了影响中国股票价格指数波动的因素。
一、宏观经济因素1.1 国内经济形势国内经济形势是影响股票价格指数波动的重要因素。
当经济增长势头强劲、企业盈利增长等数据良好时，投资者会更加乐观，股票价格指数也会随之上涨。
相反，如果经济增长乏力、企业盈利下滑，市场信心会受到打击，股票价格指数也会下跌。
1.2 宏观政策政府宏观政策的调控力度也是影响股票价格指数波动的重要因素。
如央行货币政策的调控、政府经济刺激政策的实施等都会影响股票市场的供求关系，进而影响股价波动。
二、市场供求因素2.1 投资需求投资者对于股票的需求是决定股票价格指数波动的最直接因素。
如当市场投资需求旺盛时，股价也会随之上涨，市场交易量也会增加。
相反，投资需求减弱时，市场交易量减少，股价也会受到较大压力下跌。
资金供求也是决定股票价格指数波动的重要因素。
如投资者的资金量增多时，市场的资金供应会增加，进而增加了市场总市值，股票价格指数也会上涨。
反之，资金紧缺时，市场的流动性不足，也会对股票价格指数产生负面影响。
三、投资者心理因素3.1 投资者风险偏好投资者的风险偏好也是影响股票价格指数波动的重要因素。
当投资者风险偏好程度增强时，他们会更加愿意投资于高风险的股票等金融产品，进而推高市场需求和股票价格指数上涨。
反之，投资者风险偏好降低时，他们会选择低风险较稳健的投资方案，导致市场交易量减少和股票价格指数下跌。
3.2 市场心理预期市场心理预期也是影响股票价格指数波动的重要因素。
如市场投资者普遍预期经济增长速度加快，上市公司业绩更为出色，市场供求状态良好，这都会对股票价格指数产生积极影响。
反之，市场心理预期偏悲观时，投资者对市场的信心下降，也会对股票价格指数产生消极影响。
总而言之，中国股票价格指数波动的因素复杂而多样，包括宏观经济形势、市场供求和投资者心理预期等多个方面。
金融学专业优秀毕业论文范本中国股市波动的影响因素分析
金融学专业优秀毕业论文范本中国股市波动的影响因素分析在金融学专业中，研究中国股市波动的影响因素是一项重要而复杂的任务。
本文旨在分析这些影响因素并提供一个优秀的毕业论文范本，以供研究者参考。
一、引言金融市场是国民经济的重要组成部分，股市作为其中的重要分支，其波动对整个经济运行起着至关重要的作用。
因此，了解和分析中国股市波动的影响因素对于投资者、政策制定者和研究者来说都具有重要意义。
二、宏观经济因素的影响1. GDP增长率中国的GDP增长率直接关系到股市的走势。
较高的GDP增长率意味着经济繁荣和投资机会增加，有助于推动股市上涨。
2. 通货膨胀率通货膨胀对股市的波动也有很大的影响。
高通胀水平可能导致人们购买力下降，进而影响企业的盈利和市场投资者的信心。
因此，通货膨胀的变动对股市的走势具有重要影响。
3. 利率水平利率水平是投资者决定购买股票还是其他投资工具的一个重要因素。
高利率会使人们更倾向于选择储蓄而非投资股市，从而对股市的需求产生影响。
三、政策因素的影响1. 货币政策货币政策的变化对股市的影响也非常明显。
紧缩的货币政策可能导致资金紧缺，使得股市出现下跌。
相反，宽松的货币政策会刺激市场流动性，对股市有利。
2. 财政政策财政政策的变动同样对股市产生影响。
例如，在扩张性的财政政策下，政府增加了投资和支出，为股市带来积极的影响。
四、行业因素的影响不同行业的走势在一定程度上会影响股市的整体波动。
一般而言，表现良好的行业会吸引更多的投资者，从而推动股市上涨。
而表现不佳的行业则会拖累整个股市。
五、投资者心理的影响1. 恐慌心理当投资者恐慌时，他们倾向于大量抛售股票，导致股市下跌。
恐慌情绪的传播对股市的波动具有显著影响。
2. 信心水平投资者对股市的信心和预期也会影响股市的波动。
较高的信心水平会吸引更多的投资者，从而推动股市上涨。
六、结论通过对中国股市波动的影响因素进行分析，可以发现宏观经济因素、政策因素、行业因素和投资者心理等多个方面对股市的波动产生影响。
我国股指期货与股市波动相关关系的实证研究
我国股指期货与股市波动相关关系的实证研究一、研究背景随着中国经济的发展，中国股市及其与之相关的衍生品，如股指期货，从1997年开始增长，我国股市的规模已经超过其他主要发达国家市场，占世界股市总市值的比重也超过了20％，已经发展成为一个全球重要的股票市场。
股票市场上的金融资本是整个实体经济中重要的资本形式之一，在宽松政策的促进下，资本运作相互联系，与政策的改善、物价涨落及其他各种社会变量相互依赖，尤其是与股市波动相关的股指期货衍生品日益受到市场关注，也受到学术界广泛关注，同时，也越来越受到广大投资者的重视。
因此，研究我国股指期货与股市波动的关系显得尤为重要。
二、相关文献综述近六年来，相关文献中对我国股指期货与股市波动的含义已经较为清楚。
第一，赵志明等（2012）采用时间序列模型研究发现，尽管我国股指期货投机收益率低于股票市场，但是股指期货仍然有助于降低股票市场风险。
其次，贾卫斌（2012）利用半参数VAR模型检验了2009年5月到2011表明，熔断保护措施对双边市场中股指期货和股票市场的表现有着重要的影响，同时还发现熔断保护措施能够降低股指期货与股票市场之间的互动行为。
再次，王恩俊（2012）研究发现，虽然投资者可以利用股股指期货作为一个装填风险的工具，但是投资者在具体实践中往往因为投资者自身的主观性偏离了理性投资，给股市带来了重大的不利影响。
最后，程兆辉（2012）发现，FTSE中国A50股指期货在北京A股市场上的联动作用可以加强股票市场的市场效率，从而提高股市的投资回报。
因此，股指期货与股市之间的关系已经受到学者们越来越多的重视。
三、研究方法考虑到对我国股市波动和股指期货之间关系的研究非常复杂，本文使用协整检验和VAR模型来实证地检验股市波动与股指期货之间的关系。
使用的样本数据来自2000年1月到2012年12月的沪深300指数收盘价格、成交量、融资融券余额和股票指数期货收盘价格以及成交量。
根据以上数据，对数据进行ADF正交差相关和VAR模型检验，检验股市波动与股指期货之间的关系。
我国股市波动性及原因分析研究
我国股市波动性及原因分析研究作为我国金融市场的重要组成部分之一，股市的波动性一直备受关注。
股市的波动性通常指的是股指或股价的波动程度，也可以指股市在一定时间内价格的变动幅度。
股市波动性的高低与上涨或下跌的程度和幅度直接相关，同时也可以预示市场的风险和投资机会。
然而，股市波动性的高低不仅取决于市场自身的因素，还受到政策、经济和社会因素的影响，因此往往会出现较大的波动。
本文将系统分析我国股市波动性的影响因素及其原因，以期对股市投资者提供一些参考意见。
一、经济因素1.中国经济变化股市与经济有着密切的关系，股市的表现通常表现出来的是市场对当前经济环境的看好或者忧虑。
而中国的经济作为全球第二大经济体，因此其经济运行状况一定程度上会影响股市。
例如，中国的投资、出口、就业和产出相关数据，都会影响市场和投资者情绪，进而影响股市的波动性。
在当前的全球经济形势下，尤其是新冠疫情和中美贸易摩擦对中国经济产生的影响，都会对股市产生波动影响。
2.利率水平变动股市是风险投资市场，投资者在股市中赚到的收益自然与贡献有关，因此，利率的高低对于股市波动性的影响非常大。
一般来说，利率高，则股票的吸引力就会下降，投资者也会选择其他投资工具。
而利率低，股票的吸引力就会提高，基本面较好的公司股票会逐步走高。
而由于利率波动与国家宏观政策密切相关，因此政策变动也会对股市产生影响。
二、政策因素1.宏观政策作为社会的调节者，政府宏观经济政策的转变都会对股市产生波动影响。
例如，政策的调控、经济结构、宏观调控目标的变化等都对股市有着不同的影响。
例如，政府对经济发展目标的调整或调控会引起压力和期望的变化，直接影响到股市的波动性。
2.市场政策政府对股市的政策也会影响股市的波动。
例如，政府对股市的上市、发行、交易等管理政策，都会影响市场上股票的供需和股市的波动性。
此外，在股市发生特殊情况时，例如上市公司的诈骗事件，政府出台的监管政策也将引起股市的波动。
因此，政府对股市的政策也是影响股市波动的重要因素之一。
中国A股市场的行业轮动现象分析--基于动量和反转交易策略的检验
中国A股市场的行业轮动现象分析--基于动量和反转交易策略的检验武文超【摘要】行业轮动现象是股票市场上常见的一种现象。
通过动量和反转交易的思想，利用沪深300行业指数对我国A股市场的行业轮动现象进行了实证检验。
对交易测试的结果反映出我国A股市场的行业动量现象在日和月的时间区间上相当明显，而在周的时间区间表现为阶段性的行业轮动和动量现象。
研究结果一定程度上证实了我国A股市场行业轮动现象的短期性和特殊性，此外，对于投资者的投资实践也有一定的借鉴意义。
【期刊名称】《金融理论与实践》【年(卷),期】2014(000)009【总页数】4页(P111-114)【关键词】股票市场;行业轮动;反转交易;动量交易【作者】武文超【作者单位】河南省社会科学院金融与财贸研究所，河南郑州 450002【正文语种】中文【中图分类】F830.91在股票市场上，一个行业指的是一组经营相同或类似业务的公司股票的集合。
由于宏观经济和产业等经济因素的影响，同一行业内公司的经营前景和盈利的变动相关度很高。
因此，同一行业或者板块内股价会经常出现齐涨齐跌的现象。
行业轮动是板块现象的一种，指的是股票市场上不同行业的股票表现出交替上涨或下跌的现象，即呈现出所谓“轮动”的情况。
行业轮动出现的原因是多种多样的，既可能来自于技术面因素，也可能来自于基本面因素。
例如某公司发布并购的消息，在市场上引起了大量的买单出现。
这可能会被市场认为是该行业的股票在未来上涨前景的信号，从而导致大量资金流入，进而推动整个板块的上涨。
基本面的因素同样会导致行业轮动，例如财政和货币政策的调整、新技术的出现、经济环境的变化等。
近年来，我国A股市场有种很流行的说法叫做“炒概念”，例如高科技概念、“三农”概念、新能源概念等，也是对行业现象的一种描述。
国内外的机构和学者对于行业轮动现象有很多的研究。
美林公司在2004年的一份报告中利用投资时钟的概念，通过经济周期的角度分析了行业轮动的原因，介绍了一些判定经济周期和行业轮动的指示性指标。
新冠疫情前后中国三大股指收益率联动性变化
新冠疫情前后中国三大股指收益率联动性变化新冠疫情前后中国三大股指收益率联动性变化2020年1月底，新冠疫情在中国迅速蔓延，对中国经济和金融市场产生了深远影响。
在疫情爆发前后，中国三大股指——上证指数、深证成指和创业板指表现出了不同的收益率联动性变化。
本文将探讨疫情前后中国股市的表现，分析其原因以及可能的未来走势。
新冠疫情之前，中国股市整体呈现出相对稳定的表现。
2019年，中国经济增长率放缓，但A股市场仍然保持较为活跃，尤其是创业板指数。
多个政策措施的支持下，创业板指数在2019年累计上涨了近50%。
与此同时，上证指数和深证成指也在一定程度上随创业板指数的上涨而受益。
股指之间的联动性较为紧密，整体呈现出上涨的趋势。
然而，新冠疫情的爆发改变了一切。
中国政府采取了严厉的封锁措施，导致经济活动停滞，企业面临巨大的压力。
股市受到重创，三大股指全面下跌。
2月3日，上证指数暴跌7.72%，深证成指跌幅更大，下跌8.45%。
创业板指数也未能幸免，一度下跌9.01%。
此后，虽然股市有过短暂反弹，但整体仍然处于下跌趋势中。
这一时期，三大股指之间的联动性开始变得混乱，收益率相关性降低。
疫情爆发导致中国经济面临严重萎缩，这对企业的盈利能力产生了负面影响。
疫情期间，多个行业遭受重创，如航空、旅游和零售等。
这些行业对中国经济的整体贡献较大，其影响也传导到了股市。
而与此相对立的是，互联网、医疗和科技等领域受到了一定程度的保护，并且甚至在疫情期间获得了增长机会。
这导致了A股市场内部行业之间走势的较大差异，对三大股指的联动性产生了冲击。
另一个影响股指联动性的因素是投资者情绪的剧烈波动。
疫情带来的不确定性和恐慌导致投资者对风险的敏感性增加，在这种情况下，投资者更倾向于避险性资产和避免过度集中在某个行业或股票上。
这就导致了股指之间的联动性降低，投资者更多地进行个别股票的选取和配置，而不是整体市场。
然而，尽管新冠疫情对三大股指的联动性带来了一定的负面影响，但也催生了一些新的机会。
中国股市波动原因分析与走势展望
公布新股发行额度 95．5．22
从100多点持续上涨 从624点暴涨至1335点 从572点暴涨至752点 从1559点持续下跌
从326点暴涨至449点
从926点暴跌
中 国 证 监 会 发 出 加 强 96．12．9 风险控制通知
人 民 日 报 发 表 特 约 评 96．12．16 论员文章
这次“熊市”是中国开设股市以来 最严重的一次
从2007年10月16日中国A股(沪)创下6124点历 史记录以来，到2008年7月3日最低价2566 点,仅仅八个半月,中国股市已大跌58%以上， 不少股票甚至跌掉三分之二:中国石油开盘 (601857)从48.6元跌到15.22元(7月29日收 盘价),跌去68.7%;中国平安(601318)从149 元跌到44.02元,跌去71%;云南铜业(000878) 从98元跌到17.92元,跌去82% ……
2、宏观经济分析是基本分析的基石 1)通常下宏观经济形势对股市影响―正相关：例美国、
香港、中国经济周期与指数对应 2)中国宏观经济对股市影响的独特性：不相关/负相关 3)政府的政策导向对中国股市影响最大
3、供求关系是中国股市涨跌的原动力
1)通货膨胀；2)利率变动；3)汇率变动；4)具体政策
1998年3月25日,第四次降息，为国企改革创造 了良好的资金环境；
1998年7月1日,第五次降息(克林顿访华)；
•1998年12月7日 央行第六次降息； •1999年6月10日 央行第七次降息； •1999年11月1日，央行决定征收利息税，居民储蓄 存款一度出现绝对下降； •2002年2月21日，第八次降息，带动中国股市从 1500点走出近200点的反弹行情； •2004年10月29日，央行上调存贷款基准利率，存款 由1.98%提高到2.25%，贷款由5.04%提高到5.31%;
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
调整系数， β 为协整向量。 α 和 β 均为 p × r 阶矩阵，这里 p 和 r 分别为序列个数和协整向 量的个数。 为了更好解释变量关系， 对 VAR 模型结果的解释常常围绕脉冲响应函数和方差分 解来进行。脉冲响应函数追踪系统对一个内生变量的冲击效果，方差分解则是将系统的均方 误差(Mean Square Error)分解成各变量冲击所做的贡献。在计算脉冲响应函数和方差分解时， 由于实际中 VAR 模型的残差序列的协方差矩阵并不是对角的， 也就是说， 残差存在即期的相 关关系，仅仅对一个方程的冲击来分析系统演化是不合适的，因而常常用 Cholesky 分解来正 交化残差的协方差矩阵，使得冲击变成了单方向的。然而，这种正交化方法存在这样两个问 题：首先，在 Cholesky 分解中，暗含假定存在一个递归的即期因果关系结构（即变量的波动 导致变量二的波动， 变量一和变量二导致变量三的波动等等） ， 因而常常依赖各种各样的理由 来确定递归结构，而那些理由可能并不可靠；其次，当协方差矩阵中变量的顺序改变从而导 致递归关系改变时，脉冲响应函数和方差分解结果会发生改变。对于这两个问题，Sims 建议 分析脉冲响应函数和方差分解结果对变量顺序改变的敏感性 [9]，Bernanke 建议对 VAR 残差 的进行结构化分解，该方法不要求递归结构，从而提供给研究者刻画即期因果关系的一个普 适框架[1]，但是同 Cholesky 分解一样，这种方法也依赖于主观看法或者某种理论来确认即期 因 果关系[8, 12] ， Swanson 和 Granger 基 于 VAR 残 差 项给出 一个 即期因 果关系，从而减 少 Cholesky 分解中递归结构确定的任意性，而且这种因果关系本身就包含了新信息如何从一个 行业传导到另外一个行业的路径，但是他们的方法对因果关系作出了限制性假定[12]。
数据、变量与计量方法
一、数据和变量说明 金融研究员、金融分析师及金融管理部门常将同质公司进行归类，从而可以将行业中其 他公司作为基础来分析某一事件（如公司重组或者财务政策变动）对某个公司带来的影响。 对于投资者而言，可以基于具体事件与行业绩效之间的经济关系来进行投资策略的选择。理 论界和实务界遵循各种各样的同质标准和方法对公司进行分类。国外比较权威的行业分类标 准，主要有五种，包括：联合国国际标准产业分类(ISIC)、北美行业分类系统(NAICS)、国家 统计局的行业分类标准、 全球行业分类系统 (GICS)和富时全球分类系统(FTSE)。 其中， GICS 由标准普尔(S&P)与摩根斯坦利公司(MSCI) 于 1999 年 8 月联手推出，进行四级分类，包括 10 个经济部门（Economic Sector） ，24 个行业组（Industry Group） ，67 个行业（Industry）和 147 个子行业（Sub-Industry） 。GICS 分类方法不仅考虑公司的运作特点，也考虑到投资者眼中该 公司未来前景，相比之下更能反映公司的投资价值，在解释行业之间的波动传导、联动性及 各种财务比率方面更具优势[5, 7]，因而为投资实务界所广泛接受，在理论界也被逐渐使用。我 国的上证 180 指数在所有 A 股股票中抽取最具市场代表性的 180 种样本股票，在编制时也采 用了 GICS 作为行业分类标准。 本文采用上证 180 指数行业分类的一级划分，选取能源、原材料、工业、非日常生活消 费品、日常消费品、医疗保健、信息技术和公共事业共 8 个行业，按照流通股加权平均计算 得出各行业指数，取其对数值，分别记为 G1－G8（各行业主要包含的产业如下：G1（能源）－能
源设施、冶炼、石油和天然气的开采，G2（原材料）－化学品、金属采矿、纸产品和林产品，G3（工业） －资本货物、交通、建筑、航空和国防，G4（非日常生活消费品）－汽车、服装、休闲和媒体，G5（日常 消费品）－日用产品、食品和药品零售，G6（医疗保健）－经营型医疗保健服务、医疗产品、药品和生物 技术，G7（信息技术）－硬件、软件和通讯设备，G8（公共事业）－电力设备和天然气设备） 。1997 年以
引
言
不同股市行业指数的变动可能存在相互影响，冲击会从一个行业传递到另一个行业。对 于投资者而言，理解不同指数之间的相互关系极为重要，投资者可根据冲击传导的方向和影 响的大小去判断其他市场的价格变化，进而进行有效的风险预防和投资管理。此外，对于不 同行业间冲击传导的认识有利于进行合理的资产组合，降低风险。 目前国外对行业间冲击传导的研究主要是沿着两条主线进行的： 一是在 VAR 研究的框架 下进行方差分解，考查较长 时期内不同市场或行业之间的冲击传导。 Ewing（2002 ）[3]使用 1988 到 1997 年 S&P 指数中代表不同行业部门的资本品指数、金融指数、工业指数、交通指 数与公用事业指数的月度 数据，发现一个行业冲击对其他 行业的回报具有显著影响；Ewing 和 Malik（2005）[2]在研究冲击对大盘股和小盘股指数（Russell 1000 和 Russell 2000） 影响时， 发现冲击结果存在非对称性，并认为这是由于大资本化公司股票具有较高流动性与较低交易 成本优势。 二是借助 ARCH 模型刻画股票价格时变的条件方差和股票之间的相关关系。 Hassan [4] 和 Malik（2007） 用 BEKK 模型，采用 1992 年 1 月到 2005 年 6 月的美国六个行业指数的 日收益数据，刻画了行业收益波动的传递机制，表明各行业之间存在显著的互动作用。对于
2.DAG
（1）DAG 的基本思想 DAG 代表了因果关系分析的最新进展[6, 10]，不需要对因果关系事先作出假定，在 VAR 分析框架下被越来越多的使用，并有很多文献对 DAG 模型进行了详细的讨论。DAG 是基于 一组变量之间的相关和偏相关系数而得到的因果关系图。图中用边来描述每对变量间的即期 因果关系，通常存在四种可能的关系：第一种， ( X Y ) 之间的没有连线，表明两变量是独 立的；第二种， ( X − Y ) 表明存在协方差，但不存在因果关系；第三种， ( X → Y ) 表明在保 持其他变量不变的情况下， X 的波动能够直接（不经过其他变量）带来 Y 的线性变化；第四 种， ( X ↔ Y ) 代表 X 和 Y 互为因果关系。图中没有循环，也就是从图中任何一个变量出发 沿着箭头的方向行进都不会回到自身。 （2）DAG 与 Granger 因果检验比较 Granger 因果关系检验考察的是某变量的滞后项对另一变量当期值的影响，并未考虑变 量间同期的因果关系，并且 Granger 因果关系并不意味着真实的因果关系。如果 Y 和 Z 都受 到一个共同因素不同滞后期的影响，那么这两个之间就存在 Granger 因果关系，考虑一个三
The Transmission of Shocks among Industry Indexes
in Chinese Stock Market
Jiang ZhiPing Abstract: This study investigates the dynamic structure of causality among eight major stock industries using an error correction model and directed acyclic graphs (DAG) and finds some important results. Firstly, stock indexes from eight industries are cointegrated with one cointegrating vector. Secondly, significant transmission of shocks exists between industry indexes but behaves differently: the Energy industry is among the most highly exogenous and the Unnecessary Consume industry among the least exogenous in our eight-industry study; the Energy industry is highly influenced by its own historical innovations; the Energy industry and Necessary Consume industry have consistently strong impact on price movements in other major stock industries in the short-run and long-run. Thirdly, the industry indexes are neither fully integrated nor completely segmented, which suggests the potential for inter-industry diversification. Key words:
前我国股市规模偏小， 受各种人为因索的影响较大， 并且其间交易制度发生了两次重大变化， 1994 年 l2 月 31 日从 T+0 交易制度变成 T+I 交易制度， 1996 年 12 月 15 日从 T+I 交易制度变 成涨跌停板交易制度，这些势必对波动模型造成一定的影响，因此本文选择了 1998 年 1 月 9 日到 2008 年 4 月 24 日行业板块行情序列周数据。数据来源于 Wind。本文所使用的计量软件
我国股市行业指数之间的冲击传导研究
蒋治平 (安徽大学经济学院，安徽 合肥 230039) 摘要： 本文运用误差修正模型和有向非循环图（DAG） ，分析了上证 180 指数中 8 个行业指 数之间的信息流动特征。研究结果表明：行业指数之间存在长期稳定关系；行业指数之间存 在着显著的冲击传导作用，但影响效果不同，能源行业具有最强的外生性，非日常生活消费 品行业受其他行业波动影响最大，能源行业和日常消费品行业的波动对其他行业无论在短期 还是在长期中都有很大影响； 各行业不是完全相互依赖， 行业之间进行投资组合是有意义的。 关键词： 股市行业指数；行业研究；市场指数；冲击传导 作者简介： 蒋治平，安徽大学经济学院讲师，上海财经大学金融学博士生，研究方向：资产 组合理论。 中图分类号： F830.91 文献标识码： A