中国股市收益率特征的实证研究
上证综指股票收益率波动特点分析
上证综指股票收益率波动特点分析以自回归条件异方差（ARCH）族模型为基础，结合上海证券市场的特点，试图拟合我国股票市场的波动特征，同时研究股票价格指数的波动规律和特点。
标签：上证综指；股票收益率波动；GARCH模型1 引言上世纪80年代，美国学者罗伯特·恩格尔和克莱夫·格兰杰提出了ARCH模型来描述证券市场波动性方差的时变性特征，此后不断发展深入，其相关拓展模型也相继推出，比如GARCH模型，TARCH模型等等。
这些模型在金融领域得到了广泛的应用。
中国股票市场仅仅20多年，从无到有，取得了巨大的成就。
特别是06年以来，股票市场规模不断扩大，上市公司质量也不断提高，沪深股市作为宏观经济晴雨表的作用越来越明显。
然而，我国证券市场毕竟处于发展初期，市场的波动性和风险要远远高于国外市场，特别是欧美等成熟市场。
因此，如何较为真实刻画和衡量股价波动成为广大学者研究的重点。
2 模型和数据2.1 模型介绍（1）ARCH模型。
美国学者罗伯特·恩格尔于1982年提出了ARCH模型，其具体形式如下yt=xtβ+ε（1）σ2t=α0+α1ε2t-1+α2ε2t-2+…+αqε2t-q（2）为保证条件方差σ2t＞0，要求α0＞0，αi＞0（i=1，2…，q）式1称之为均值方程，式2称之为条件方差方程。
基本的ARCH模型又衍生出许多变形，下面具体介绍GARCH模型、TARCH模型和EGARCH模型。
（2）GARCH模型。
罗伯特·恩格尔提出ARCH模型来描述误差的条件方差中可能存在的某种关联。
通过该模型，可以预测经济时间序列中基于某种非线性依赖的大变化。
GARCH模型的一般表示如下:yt=xtβ+ε（1）εt=ht·vt（2）h1=α0+α1ε2t-1+…+αt-1ε2t-q+β1ht-1+…+βpht-p=α0+qi=1αiε2t-1+pj=1βjh t-j（3）其中，p是GARCH项的最大滞后阶数，q是ARCH项的最大滞后阶数。
中国股票市场异常收益之实证研究的开题报告
中国股票市场异常收益之实证研究的开题报告一、选题背景与意义近年来，中国股票市场异常收益的研究逐渐受到学术界和投资者的关注。
股票市场的异常收益是指股票价格在某一时期短时间内的突然上涨或下跌，超过了市场预期的涨跌幅度。
这种波动可能是由于公司内部或外部的因素导致的，例如重大政策变化、行业变革、公司的财务状况和管理能力等因素的变化。
通过对股票市场异常收益的研究，可以为投资者提供有用的信息和参考，帮助他们做出更加明智的投资决策。
二、研究目的本研究旨在通过实证研究的方法，探究中国股票市场的异常收益现象，分析其发生的原因和影响因素，并探讨其对投资者的投资行为和市场的风险管理等方面的影响，为中国股票市场投资者提供有用的参考和指导。
三、研究内容本研究的主要内容包括：1.对中国股票市场异常收益现象进行概述和分析，介绍不同类型的异常收益，探讨其对市场和投资者的影响。
2.选取相关数据，对中国股票市场的异常收益进行实证研究，分析市场的波动性和不确定性，并验证不同相关因素对异常收益的影响。
3.通过比较中国股票市场与国际主要股票市场的异常收益情况，探讨其异同之处，以及国际市场对中国市场的影响。
4.结合实证研究结果，提出相关建议和对策，以应对股票市场波动性增加的挑战，为投资者提供有效的市场风险管理工具。
四、预期成果本研究期望得到以下成果：1.探究中国股票市场异常收益的实证分析结果，从市场波动和不确定性等方面解释股票市场的运行机制。
2.提供对股票市场的深入理解和洞见，促进投资者做出更为理性和明智的投资决策。
3.通过实证结果，为政策制定者提供有关市场监管和风险管理等方面的建议和对策，以促进股票市场的健康发展。
五、研究方法本研究主要采用实证分析的方法，选取相关数据进行统计分析和回归分析，验证不同因素对股票市场异常收益的影响，包括市场结构、公司基本面、行业变化、宏观经济环境等因素。
六、论文结构本论文主要包括以下部分：1.绪论：概述中国股票市场异常收益的研究背景和意义，阐述本研究的目的和意义，提出研究问题和假设。
中国股票市场CAPM的实证研究
中国股票市场CAPM的实证研究中国股票市场CAPM的实证研究摘要：资本资产定价模型（Capital Asset Pricing Model，简称CAPM）是一种被广泛应用于金融市场的理论模型，用于计算股票或资产的期望收益率。
本文旨在通过实证研究探究CAPM在中国股票市场中的适用性和有效性。
关键词：CAPM、中国股票市场、实证研究1. 引言中国股票市场在过去几十年间取得了快速发展，成为全球最大的股票市场之一。
随着市场的发展，投资者对于股票报酬的预期也变得更加重要。
为了准确评估投资风险和期望收益，金融学家们提出了CAPM模型，试图找到一个与风险有关的合理预期收益率。
2. CAPM模型的理论基础CAPM模型是由Sharpe(1964)、Lintner(1965)和Mossin(1966)等学者独立提出的。
它基于市场均衡理论，假设投资者的理性追求最大化效用。
3. CAPM模型的基本假设CAPM模型的有效性建立在一系列假设之上，其中最重要的是市场的完全竞争性和无套利机会。
此外，CAPM还假设投资者具有相同的投资期望值和风险偏好。
4. 使用研究方法本文选取了中国股票市场中的多个股票作为研究样本，通过历史股票价格和市场指数来计算股票的期望收益率。
然后，将这些数据代入CAPM模型中，计算每只股票的预期阿尔法和贝塔。
5. 研究结果及讨论通过对研究样本的实证分析，本文发现，中国股票市场中的股票普遍存在较高的贝塔值，这表明市场波动对股票收益的影响非常显著。
然而，对于预期的阿尔法值，结果却表现出一定的偏差。
这可能是因为CAPM模型中初始假设中的完全竞争性和无套利机会在中国股票市场中并不总是成立，因此存在一定的市场摩擦。
6. 结论和建议综上所述，本文的实证研究结果显示，中国股票市场中的股票收益率普遍具有较高的贝塔值。
然而，对于预期的阿尔法值，结果却较为不准确。
因此，在中国股票市场上，单纯依靠CAPM模型来估计股票的期望收益率可能不够准确。
我国股市市场平均收益率
我国股市市场平均收益率的研究摘要：本文通过对我国股票市场的收益率进行分析，旨在探讨股市平均收益率的变化趋势及其影响因素。
通过对沪深A、B股市场的实证研究，本文揭示了我国股票市场的特点和发展规律。
在此基础上，本文还分析了资产收益的跳跃行为以及股票市场与房地产市场的收益率时变相关性。
关键词：股市；平均收益率；波动性；资产收益；房地产市场1.引言自1990年以来，我国股票市场在我国的经济发展中扮演着不可替代的角色。
在近二十年的发展历程中，不管是在市场资源有效配置，还是在中国经济逐渐走向国际化方面，都起到了至关重要的作用。
中国股票市场已经成为全球股市最重要的分市场之一，股市市值占世界股市市值的比例也在逐年上升。
然而，作为相对不成熟的股市，我国股票市场仍然存在许多问题和挑战。
本文通过对我国股市市场平均收益率的研究，旨在深入理解我国股票市场的运行特点和规律，为相关政策制定提供理论依据。
2.股市平均收益率的实证分析2.1数据来源及处理本文选取了沪深A、B股市场的股票指数日收益率数据作为研究样本。
数据涵盖了从2000年1月1日至2020年12月31日的完整市场数据。
在数据处理过程中，本文去除了节假日和停牌等异常数据，并对收益率进行了标准化处理。
2.2股市平均收益率的计算本文采用了算术平均法计算股市平均收益率。
具体计算公式如下：Rt = (Pt -Pt-1) / Pt-1其中，Rt表示第t期的股市平均收益率，Pt表示第t期的股票指数收盘价，Pt-1表示第t-1期的股票指数收盘价。
2.3股市平均收益率的实证结果通过对沪深A、B股市场的实证分析，本文发现以下特点：（1）股市平均收益率整体呈现上升趋势，但波动较大。
在研究期内，上证综指和深证综指的平均收益率分别为0.18%和0.21%。
（2）股市收益率存在明显的季节效应和周期性波动。
例如，每年一季度和四季度股市收益率普遍较高，而二季度和三季度股市收益率相对较低。
（3）股市收益率的波动性较大，尤其是受到国际金融危机、政策调整等外部因素影响时，股市收益率的波动更加明显。
国内外股市收益率统计特征与相关性分析
国内外股市收益率统计特征与相关性分析选择中国沪深300与世界10个主要国家和地区2007-2013年的股指日收盘价作为代理变量，在描述国内外股指统计特征的基础上，分别基于相关系数和交叉相关系数实证量化国内外股市收益率的相关程度。
研究表明：沪深300指数与香港恒生指数的相关性最高，与纳斯达克指数的相关性最低；发达国家间、发达国家与新兴市场间以及新兴市场间的收益率相关程度普遍较高，中国与世界股市的收益率相关水平较低；交叉相关系数表明，随着滞后期的延长，国内外股市收益率的相关性减弱。
标签：股市收益率；统计特征；相关性；交叉相关系数1 引言经济全球化和金融自由化大背景下，世界各国股市间的相关性逐渐增强是不可避免的趋势。
一方面源于各国金融市场的开放程度不断加深，它有利于世界范围内金融资源的优化配置；另一方面源自世界金融危机蔓延导致的金融风险传染。
在上述正负两种因素的共同作用下，国内外股市存在哪些统计方面的特征？股市间收益率的相关性如何？本文将通过实证量化研究回答这些问题。
2 数据选取与处理综合与中国的经贸关系、金砖国家等因素，选取中国沪深300与10个主要国家和地区的股指日收盘价作为代理变量，它们都是具有代表性的全球股指：其中亚洲3个，包括代表新兴市场股市的香港恒生指数（hsi），代表发达国家股市的日本日经225指数（n225）和代表发展中国家股市的印度孟买30指数（sensex）；欧洲4个，分别为英国富时100指数（ftse）、法国CAC40指数（cac）、德国DAX 指数（dax）和俄罗斯RTSI指数（rtsi）；北美洲、南美洲、澳洲的股指分别选用美国纳斯达克指数（nasdaq）、巴西博维斯帕指数（bov）和澳大利亚普通股指数（aoi）作为代表。
所有股票指数均选取2007年第一个交易日作为起始时间，2013年最后一个交易日作为终止时间。
文章对原始数据的处理共分三步。
首先剔除交易日不重叠的数据（国家间节假日的差异和特殊事件等原因），剔除后共1312组观察值。
浅谈我国A股与B股的收益率波动性的差异
浅谈我国A股与B股的收益率波动性的差异【摘要】中国的股票市场自从上海与深圳证券交易所成立以来，经过了20年的发展，与世界其他国家或地区的股票市场相比，中国的股票市场依旧是一个高度分割的市场，这主要表现在中国的股票市场被人为的分割为A股市场和B股市场。
本文通过实证分析A股与B股指数间的互动关系及变化规律，试图找到中国股票市场不同市场的相似与差异点，从而为政策制定者提供消除或消弱股票场分割提供参考。
【关键词】股票市场；ARCH模型；收益率；波动性Engle（1982）提出的ARCH模型，被认为是最集中地反映了金融数据时间序列方差波动特点的模型，成为现代计量经济学研究的重点。
ARCH模型是用于分析收益率与波动率的有效方法之一，它解释了收益率序列中比较明显的变化是否具有规律性，并且说明了这种变化前后依存的内在传导是来自某一特定类型的非线性结构，较好地刻画了外部冲击形成的波动集聚性。
Bollerslev（1986）修正了ARCH 模型，在ARCH模型中加入了条件异方差的移动平均项，提出了GARCH模型。
本文在分析我国A股与B股市场的波动性问题时，也同样借鉴了上述方法，并收集了2005年至今的近5年的上证A股与上证B股、深证A股与深证B股的市场日数据，着重分析我国A股与B股市场的收益率波动性的差异。
一、证券指数收益率的平稳性检验从下图中从上到下分别是上证A股指数、深圳A股、深证B股、上证B股的波动性曲线，从中，我们可以看到A股的波动要大于B股的波动，存在明显的差异。
同时也可以看出去波动的趋势基本是一致的。
下面，我们来看看其日收益率曲线是否是平稳的，单位根检验如表1，通过分别做上证A股指数、深证A股、深证B股、上证B股的日收益率，及上证A股指数与上证B股的比率、深证A股与深证B股的日收益率的比值的单位根检验，发现上述变量都是平稳的。
二、A股与B股的收益率的波动性分析1.A股与B股的收益率的波动性的一致性分析在这里运用GARCH-M模型，我们以A股指数的收益率作为因变量，B股指数的收益率作为自变量，同时将GARCH项引入均值方程中，如果各个统计量是显着的，那么表明，A股与B股的日收益率具有一致性；相反，如果统计量不显着，那么，表明A股与B股的日收益率不具有一致性。
上证综指收益率波动性实证分析
上证综指收益率波动性实证分析股票市场作为金融市场的重要组成部分，受到投资者和学者的广泛关注。
中国a股市场2015年更是波澜壮阔的一年，上半年疯狂且短暂的牛市以及自6月份开始断崖式下跌，引起了投资者和经济金融领域研究人员的重视。
选取上证综合指数收益率作为研究对象，重点研究收益率波动性，一方面分析了收益率描述性统计特征，一方面基于Garch（1，1）和EGarch（1，1）模型采用实证分析方法估计了收益率条件方差，并比较了这两种模型。
研究结果表明，上证综指收益率具有显著的波动聚集性，通过R/S（重标极差分析法）得出收益率具有长记忆性特征，周期近似为170天，通过自相关系数检查了收益率波动的ARCH效应，并通过Garch模型估计了收益率的条件方差。
值得注意的是，通过方差序列的变化观察到收益率短期波动性的增大能够提示投资者回避下跌损失，更为宏观的结论是管理层应该重视股市过度波动对金融市场产生的影响，在未来的证券市场建设中加强法制建设，提升前瞻性，提高管理的有效性。
标签：收益率波动性；Garch模型；市场风险doi：10.19311/ki.16723198.2016.27.0501引言2015年中国股市的剧烈波动，引起了政府和管理层的重视，股价的剧烈波动反映了市场风险的急剧变化，无论从监管层对证券市场的监管角度还是从个人投资者对市场把握的角度，研究收益率波动特征都是有重要意义的。
对个人投资者而言，通过度量波动率估计可能面临的风险大小，是投资者获取收益回避损失的基础；对于监管层意义更为重大，考虑到金融对整个国民经济的重要作用，监管层对市场可能风险的把握十分必要。
在研究方法和内容上，本文采用描述性统计分析和实证分析结合的研究方法，研究数据属于时间序列数据，采用平稳性检验，显著性检验，广义自回归条件异方差模型（Garch）等计量经济学有关时间序列的分析方法。
选取了2005年1月4日至2016年7月8日上证指数收盘价作为样本，通过Garch（1，1）和EGarch（1，1）模型估计了收益率的条件方差，并对两种模型进行了比较分析。
上证指数与10年期国债收益率关系研究——从利率角度分析中国股市底部和顶部特征
D O I :10.19702/j .c n k i .js e m c .2019.04.004上证指数与10年期国债收益率关系研究从利率角度分析中国股市底部和顶部特征陶育华(江苏省委党校社会和文化学教研部,江苏南京210009)摘 要:利率是影响股市估值水平的重要因素之一㊂文章利用上交所沪市市盈率数据和中国债券信息网10年期国债收益率数据,从利率角度研究分析了中国股市底部和顶部特征,发现以下规律:牛市顶部时,沪市收益风险比小于1;熊市底部时,沪市收益风险比大于2;运用收益风险比对股市进行估值时,还需警惕超低利率陷阱㊂此外,文章对收益风险比影响股市的逻辑作出了解释:当收益风险比大于2时,投资者投资上市公司的利润足以覆盖融资成本并补偿股票本身的高风险,股市的低估值还为资金救市创造了良好的条件㊂关键词:利率 盈利收益率 股指 风险比中图分类号:F 832.5 文献标识码:A 文章编号:1672 3988(2019)01 0026 07收稿日期:2018 08 21作者简介:陶育华(1975-),女,江苏省扬州市人,江苏省委党校社会和文化学教研部讲师,研究方向:行为金融学和英美文化比较研究㊂ 自2018年1月以来,中国股市开始下跌㊂截至2018年12月2日,上证指数从3587点跌至2493.90点,跌幅超过25.95%㊂如果按照西方国家的标准(股市跌幅超过20%即为熊市),中国股市已经步入了熊市㊂在中国经济基本面良好的情况下,中国股市为什么会出现这么大的跌幅?在这一跌幅背后,除了愈演愈烈的中美贸易战的利空消息升级发酵之外,还因为中国央行流动性收紧和市场利率走高,进一步导致资本市场资产价格下跌㊂一㊁利率对股市杠杆作用的实证众所周知,利率变动对资产价格(股票价格㊁房地产价格)的涨跌影响巨大㊂不少国外专业投资者,对此都有过清晰的阐述㊂比如,美国的埃利斯在‘我在高盛的经济预测法“一书中,清晰地这样表述: 利率对股票价格的影响要更直接一些,甚至是非专业的经济观察者也认为,利率和股票估值存在负向关系㊂ ‘巴菲特教你读财报“一书更是这样表述: 在巴菲特看来,股票就是利息不固定的债券而已㊂ 这表明,巴菲特将股票直接与利率(债券利息)挂上了钩㊂在实际经济运行当中,利率的确如一只无形之手,影响着股市涨跌㊂从20世纪70年代到80年代初,美国经历了漫长的滞胀,1980年美国通胀率高达13.51%(世界银行数据)㊂为了遏制这一令人难以忍受的高通胀,时任美联储主席的保罗㊃沃尔克用了 虎狼之药 ,美国上海市经济管理干部学院学报第17卷第1期2019年1月J o u r n a l o f S h a n g h a i E c o n o m i c M a n a g e m e n t C o l l e ge V o l .17N o .1J a n .2019贷款利率由1978年的9.06%上升到1981年的18.87%(世界银行数据)㊂在高利率的重压之下,大批美国企业借贷成本高企,经营陷入困境,市场流动性也陷入枯竭㊂在实体经济凋敝和资金面恶化的双重打击下,股市投资者人心惶惶,美国道琼斯指数一度跌至不足800点㊂同时,高利率开始吸引大量海外资金流入美国㊂高通胀逐渐被遏制,美联储也开始逐步放松了银根,利率下降㊂伴随利率的逐步回落,道琼斯指数终于在1982年重新踏上上涨之路,在1987年越过2000点㊂1987年1月8日,道琼斯指数以2002.25点收盘,首次将2000点整数关口踩在脚下㊂进入20世纪90年代,随着美国贷款利率从10%以上回落到6%,道琼斯指数一路上扬:1991年突破3000点,1995年相继越过4000点㊁5000点,1999年首破1万点大关㊂在这一过程中,除了美国当时良好的经济基本面(电脑普及㊁互联网开始崛起㊁信息革命初起)和股市投资者的情绪波动之外,利率逐步降低的推动作用也功不可没㊂在中国历史上,也曾出现过利率影响股市的情况㊂特别是在中国股市初创时期,利率大起大落,造成股市暴跌暴涨的现象尤为突出㊂20世纪90年代初,随着经济过热,叠加当时的部分重要民生领域的价格改革,全国通胀几乎失控:1994年1月,中国的C P I突破20%,达到21.1%;1994年10月,中国的C P I 竟然高达27.7%㊂为遏制高达两位数的通胀,同时,为了让基建投资等过热领域降温,中央政府开始釜底抽薪㊁抽紧银根㊂在资金面紧缩的压力之下,加上中央政府的宏观调控政策连连出手,1994年7月,上证指数跌至325.89点的谷底,与1993年2月相比,跌幅高达79%㊂一年期定期存款利率从7.56%提升至10.98%㊂随着中央银行逐步放松银根,金融机构贷款一年期基准利率从10.98%逐级回落到3.78%㊂上证指数也从1994年7月的325.89点,一路上涨到2001年6月的2245.42点,涨幅高达589%㊂由此可见,在一个比较长的周期中,利率对股市的杠杆作用非常明显:利率涨,股市跌;利率跌,股市涨㊂纵观中国股市近30年的发展过程,利率就如万有引力一般,影响着股市涨跌的大周期㊂每一次央行降息或加息,未必会带来短期股市立竿见影式的涨跌,但中国股市每一轮超级大牛市,无一例外都有低利率的推动与助攻;每一轮大熊市的到来,一次次加息累积造成的高利率都是罪魁祸首㊂高利率,一直是压垮股市的 最后一根稻草 ㊂二、10年期国债收益率和股市市盈率对判断股市顶部和底部的作用2000年后,中国经历了多轮利率周期和股市周期㊂各种债券收益率曲线也逐步建立和完善,这使得定量分析利率与股市周期成为可能㊂(一)用国债收益率衡量股市的可行性研究国债,是国家以国家信用作为背书发行的债券,体现的是国家信用㊂国债收益率,即中央政府融资的利率,作为风向标,反映的是无风险收益率,能比较好地反映市场资金松紧情况和风险偏好程度;而股票,则是市场上风险最大的资产品种之一㊂用国债收益率来衡量股市价格的高低,即用最安全的资产(国债)来衡量波动率最大的资产(股票)的风险,是一种比较好的思路和方法㊂事实上,国际金融机构一般都是将10年期国债收益率视作资本市场上各种资产定价的基础㊂而其他形式的债券利率,如地方债㊁商业银行普通债㊁企业债等,只不过是在国债收益率的基础上,加上风险溢价而已㊂2000年后的中国历年数据表明,国债利率与股市有着明显的相互作用关系,特别是10年期国债收益率㊂(二)用10年期国债收益率与上证指数进行比较的具体方法股市是变幻无常的市场,受种种客观条件和投资者情绪等主观因素影响,具体的某一只股票的价格走势是捉摸不定㊁无法预料的㊂但是,如果把股市视作是一个整体,将整个股市看作是一家虚拟的 巨无霸 公司,里面的一家家上市公司是这一家超级公司的子公司,那么,这家虚拟的 巨无霸 公司的整体价值就非常容易被判断㊂以沪市为例,具体步骤如下: 1.沪市整体收益率计算方法根据沪市的市盈率,可以计算出投资者购买这家虚拟 巨无霸 公司(上证指数)的收益状况: 股市盈利收益率=(1ː股市市盈率)ˑ100%根据这一公式,如果沪市整体市盈率是20倍,沪市整体盈利收益率为5%,它可以被视作一只利率为5%的特殊债券㊂不过,这种特殊债券的风险和波动率,要比没有任何风险的国债大得多㊂ 2.沪市整体收益率和10年期国债收益率的比较如果将沪市整体盈利收益率和同一时期的10年期国债收益率进行比较的话,就可以清晰地看到股市整体的收益风险比㊂简单地说,资本市场中的投资者可以判断出,此时是投资股市合算,还是购买10年期国债合算㊂收益/风险=股市盈利收益率ː10年期国债收益率 比如,沪市整体盈利收益率为5%,10年期国债收益率为2.5%,沪市收益/风险为2,即投资者购买股票所获得的收益,是购买10年期国债的2倍㊂不过,需要强调的是,这里的 购买股票所获得的收益 ,指的是投资者从上市公司那里得到的利润(含分红㊁留存收益)等公司真实的经营收益,并不包含投资者短期炒股票时买进卖出的股票差价㊂(三)牛市顶部和熊市底部时沪市收益风险比的特征根据这一思路和方法,以上证指数为例,笔者计算了自2002年以来,中国股市历次波动情况(见图1,表1㊁表2): 注:数据源自上海证券交易所㊂图1沪市收益风险比 历史波动图表1 牛市顶部时,沪市收益/风险比 表现情况时间沪市市盈率(单位:倍)沪市盈利收益率(单位:%)10年期国债收益率(单位:%)沪市收益/风险比(单位:倍)月底股市表现备 注20071069.641.444.57320.31405954.77点沪指本月触顶6124点20090729.473.393.56760.95113412.06点沪指本月触顶3454点20150620.824.803.60001.33004277.22点沪指本月触顶5178点,触顶当天,沪市收益风险比为1.1081注:数据源自上海证券交易所㊂表2熊市底部时,沪市收益风险比表现情况时间沪市市盈率(单位:倍)沪市盈利收益率(单位:%)10年期国债收益率(单位:%)沪市收益/风险比(单位:倍)月底股市表现备注20051015.566.4273.06132.09931092.82点沪指在之前的2005年6月探底998点20081014.097.0973.11512.27831728.79点沪指本月探底1664点20130610.169.8433.51452.80051979.21点沪指本月最低1849点20160113.757.2732.84192.55912737.60点沪指本月最低2638点,千股跌停注:数据源自上海证券交易所㊂分析以上数据,可以看出,2002年之后的每一次牛市顶部㊁熊市底部,都存在着清晰的规律: 1.牛市顶部沪市收益风险比小于1历次牛市顶部,无论是2007年的6124点㊁2009年的3450点,还是2015年的5178点,都出现或逼近沪市收益风险比小于1的情况㊂特别是2007年超级大牛市时,沪市收益风险比仅为0.3左右,这说明,当时如果购买无风险的 10年期国债 的收益如果是1的话,那么,同时期购买股票的平均收益仅为0.3㊂这意味着,持有高风险股票的收益,还比不上最安全资产国债的收益㊂当时股票市场的高估状况㊁投资者的狂热情绪可见一斑㊂这时股市估值的高估状态,即使是没有任何专业知识的普通人,仅以自己的常识也能判断出来㊂而股市价值的极度高估,也正是引发一年之后的2008年股市跌幅巨大的根本原因㊂在2001年6月起开始的漫长4年熊市中,沪市收益风险比也基本小于1(见图1)㊂这显示出,长达4年的下跌,使得股市收益无法与10年期国债收益率相比,股市根本不具备性价比优势㊂当时以这么高的价格买进股票,仅依靠上市公司基本面,基本没有投资价值,只有坐庄圈钱或是短炒赌博的投机价值㊂2.熊市底部沪市收益风险比大于2历次熊市底部,无论是2005年的998点附近㊁2008年的1664点㊁2011 2014年2000点附近以及2015年下半年至2016年1月的 千股跌停底部 时,都出现了沪市收益风险比大于2的情况㊂2011 2014年长达3年的熊市时间里,沪市收益风险比均大于2(详见图1)㊂在银行间市场违约传闻盛行㊁股市闪崩㊁投资者谈股色变的2013年6月,沪市收益风险比高达2.8,即购买整个沪市股票所获的整体收益,是购买10年期国债收益的2.8倍 这说明,虽然当时身处长达3年的大熊市,流动性极其紧张,但沪市股票相对于国债来说,已经具备了相当的投资性价比优势,股市的价值底部已经成立㊂上述现象充分说明,股票㊁债券(国债)等大类资产价格的波动,还是围绕着价值中枢来进行的 这就是股市价值投资者所说的 价值只会迟到,但绝不会缺席 这一信条的理论基础㊂如果不仅仅局限于沪市,而是放眼整个沪深A股,把沪深股市看作一个整体来计算, 沪深A股收益/风险比 在牛市顶部㊁熊市底部的情况也基本相同,大体呈现出类似的规律性特征㊂3.用收益风险比对股市价值中枢进行测量中国股市历史上的估值中枢在哪儿?从2007年11月到2015年6月,中国股市经历了一轮完整的牛熊大周期,历时92个月,基本上符合中国股市 七年一牛熊 的周期㊂在这一典型的股市周期中,根据笔者的计算,沪市收益风险比为1.70,即沪市股票平均的盈利收益率,比国债平均收益率要高70%㊂三㊁运用收益风险比对股市进行估值需警惕超低利率陷阱用 10年期国债收益率 作为标尺,对股市进行估值是非常有效的㊂在利用 10年期国债收益率 对股市进行估值时,一般情况下没有问题,但仍需警惕 超低利率陷阱 ㊂这种 超低利率陷阱 一般是量化宽松或是政府激进救市的结果,虽然出现的概率极低,但在历史上确实曾经发生过㊂在所有的债券品种中,相对于企业债㊁银行债而言,国债的信用等级最高㊁违约风险最小㊂在所有期限的债券中, 10年期国债收益率的历史波动率最小,它的收益率也并非一成不变㊂这就需要我们了解 10年期国债收益率的波动情况(见图2)㊂注:数据取自中国证券信息网㊂图2 10年期国债收益率(%)波动情况 从2002年至今,10年期国债收益率的波动范围在2.3694%-5.3419%之间,但对于这17年间的利率大周期来说,3.4%基本是10年期国债收益率的低位,4.3%是高位㊂10年期国债收益率大部分时间都在这一区间波动㊂利率是资金的价格,能反映出市场流动性的松紧情况㊂国债的发行主体是中央政府,如果连国家都要以4.3%的高利率才能融到资的话,那么,信用等级较差的中小企业和其他市场主体,融资利率就会更高㊂反之,如果10年期国债收益率<3.4%,说明市场流动性充裕,市场不差钱㊂ 2016年,由于市场流动性过剩,热钱横行,10年期国债收益率一度低于2.8%,中国金融市场上曾出现过 资产荒 ,各路投资者都在高价追逐资产㊂在这一情况下,根据股市 收益风险比 ,看上去投资股市更合情合理㊁有利可图,但它更多的是由于流动性过剩造成的,需要特别警惕国家出手调控㊁利率政策从宽松回归常态㊁市场流动性反转(见表3)㊂表3 2016年7月股市情况时间沪市市盈率(单位:倍)沪市盈利收益率(单位:%)10年期国债收益率(单位:%)沪市收益/风险比(单位:倍)当月月底股市表现20160714.806.75682.782.43052979.34点20170416.705.98803.471.72563154.66点注:数据取自中国证券信息网㊂ 从以上数据可以看出,2016年7月,沪市收益风险比高达2.43,远远大于熊市底部为2的情况㊂投资股市所获收益率,是10年期国债收益率的2.43倍,此时股市应该 极具投资价值 ㊂但实际上,仔细分析数据就可看出,股市这一高性价比优势,实际上是由于 10年期国债 的 超低收益率 造成的,而这种情况是不可持续的㊂根据上文中的计算公式,计算沪市收益风险比得出的数值,除了沪市股票价格是否便宜这一因素之外,还取决于国债收益率的高低㊂一旦市场 变脸 ,流动性收紧,国债收益率上升,与国债相比,股市的高性价比优势就会荡然无存,甚至会导致持股的投资者误判,被严重套牢㊂事实上,在2016年7月之后的上证指数走势,就已经充分证明了这一点,上证指数最高也只不过从2979点上涨到3301点,上涨幅度非常有限㊂而从2017年4月以来的下跌,更是因为 10年期国债收益率 从当初的2.78%骤升到3.56%,充分反映出流动性由非常宽松到回归常态㊂这也再一次说明了 利率涨㊁股市跌 的基本原理㊂四㊁以收益风险比为依据的模拟股票买卖研究总的来说, 10年期国债收益率 是一个有效的标尺,可以测量出股市估值的高低㊂笔者曾经做过一个模拟试验,如果用股市收益风险比的方法,在沪市收益风险比大于2时买进上证指数,在沪市收益风险比小于1时卖出㊂结果是,从2005年10月至2018年7月12日,可以跑赢上证指数3904点,2018年7月12日的上证指数收盘才2837.66点㊂如果据此操作的话,投资者不仅能轻松战胜上证指数,而且投资成本将是负数 当初的投资成本可以全部收回㊂这一模拟试验的买卖条件,并未设定在 沪市收益风险比 最大值,如果买在 沪市收益风险比 最大值(即股市最低点),跑赢上证指数的幅度会更大㊂五㊁收益风险比影响股市的逻辑以上历史数据表明,沪市收益风险比确实可以用来对股市估值,并在一次次的熊市大底㊁牛市大顶中一一得到验证㊂那么,为什么会出现这种现象?金融市场真实的交易行为又可能是怎样的? (一)收益风险比大于2时投资上市公司的利润足以补偿股票本身的高风险如果舍弃了安全无风险的国债投资机会,那么需要多高的收益率,才能吸引场外社会资金投身风险巨大的股市?在1776年出版的‘国富论“中,亚当㊃斯密写道, 英国商人把相当于两倍利息的利润,看做适中合理的利润㊂ 中国股市每一次在底部时, 沪市收益/风险比 都大于两倍,与亚当㊃斯密在‘国富论“中所称的 适中合理的利润 应是两倍于利息,竟然是不谋而合㊂与两个世纪以前的英国商人一样,对于今天的投资者而言,利息(利率)相当于资金的成本㊂资本是逐利的,是要考虑 收益/风险比 的,是要考虑机会成本的㊂对于股票这种风险极大的资产而言,高风险是需要由高收益来进行补偿的㊂如果股市下跌,估值降低, 收益风险比>2 ,甚至更多,就足以补偿股票投资的高风险㊂在这种情况下,保险资金㊁私募基金以及部分社会资本等 聪明钱 就会捷足先登,先后进场埋伏㊂反之,如果股市飙升, 收益风险比<1 ,即投资者冒着巨大的风险,以极高价格购买股票,从上市公司获得的收益,甚至比不上最安全的国债资产,那只能说明市场对股票的定价错误,更说明投资者的实际收益,甚至无法覆盖融资成本(或购买国债的机会成本)㊂即使热钱涌动㊁疯狂入市买进,但这种情况注定无法持续,最终只能击鼓传花,造成股市崩盘㊂(二)收益风险比大于2时,给救市创造了良好的条件对照中国历年的宏观经济数据可以看出,收益风险比大于2一般对应着银根紧缩㊁资产价格(股市下跌)㊁经济低迷不振,是重启经济㊁解决企业资金短缺的燃眉之急㊂对于金融市场而言,特别是股市,企业利用融资并购是常态㊂而融资并购的高峰期,一般是在欣欣向荣的股市顶部区域㊂因为伴随流动性充沛㊁市场需求旺盛,经济向好会让企业产生扩建厂房㊁添置设备的冲动,更有不少企业选择并购这条捷径㊂企业并购,除了自身拿出一部分真金白银之外,更多地是要依靠借贷融资,这其中,股权抵押是一条重要的融资途径㊂如果股市大幅下跌,会造成股价缩水,如果股指长期处于不合理的低位,银行等金融机构手中的抵押物就会大幅缩水,银行等金融机构就会向企业追索补充抵押品,同时金融机构自身坏账风险的压力就会越来越大㊂为了拯救实体经济,同时也是为了稳定资本市场,一般救市势在必行㊂而收益风险比大于2时,则给国家队救市提供了充足的廉价 弹药 ㊂比如,以3%的利率可以融到市场上利率最低的资金,去买进年化收益率6%以上股权资产(股票),即使短期内股市不涨,即使长期持有10年,也是有利可图的㊂反之,收益风险比小于1时,实体经济一般都处于过热状态,股票等资产价格泡沫严重,无论是2007年还是2009年,都是如此㊂宏观政策的主要着力点是要给经济降温㊁消除市场泡沫,再加上企业利润无法覆盖并购融资的利息成本,此时购买股权资产(股票)显然 很不划算 ,剩余资金就会退出市场㊂参考文献:[1]约瑟夫㊃埃利斯.我在高盛的经济预测法[M].北京:机械工业出版社,2011:35-36.[2]玛丽㊃巴菲特,戴维㊃克拉克.巴菲特教你读财报[M].北京:中信出版社,2009:2.[3]亚当㊃斯密.国富论[M].唐目松等译.上海:商务印书馆,2016.S t u d y o n t h e r e l a t i o n s h i p b e t w e e n S h a n g h a i i n d e x a n dt h e y i e l d o f10-y e a r T r e a s u r y B o n d sA n a l y z e t h e b o t t o m a n d t o p f e a t u r e s o f C h i n e s e s t o c k m a r k e tf r o m t h e p e r s p e c t i v e o f i n t e r e s t r a t eT A O Y u h u a(J i a n g s u P r o v i n c i a l P a r t y S c h o o l D e p a r t m e n t o f S o c i o l o g y a n d C u l t u r a l S t u d i e s,J i a n g s u N a n j i n g210009) A b s t r a c t:I n t e r e s t r a t e i s o n e o f t h e i m p o r t a n t f a c t o r s i n f l u e n c i n g t h e s t o c k m a r k e t v a l u a t i o n.T h i s p a p e r s t u d i e s a n d a n a l y z e s t h e c h a r a c t e r i s t i c s o f t h e b o t t o m a n d t o p o f C h i n e s e s t o c k m a r k e t f r o m t h e p e r s p e c-t i v e o f i n t e r e s t r a t e b y u s i n g t h e p r i c e e a r n i n g s r a t i o d a t a o f S h a n g h a i S t o c k E x c h a n g e a n d t h e10 y e a r T r e a s u r y y i e l d d a t a o f C h i n a b o n d i n f o r m a t i o n n e t w o r k.A t t h e b o t t o m o f a b e a r m a r k e t,w h e n t h e S h a n g h a i r e t u r n/r i s k r a t i o >2u l t r a l o w i n t e r e s t r a t e t r a p s a l s o n e e d t o b e o n g u a r d,w h i l e a p p l y i n g t h e y i e l d/r i s k r a t i o t o v a l u e t h e s t o c k m a r k e t.I n a d d i t i o n,t h e a r t i c l e m a k e s e x p l a n a t i o n o n t h e l o g i c o f t h e b e n e f i t/r i s k i n f l u e n c e: b e n e f i t/r i s k r a t i o>2t i m e s,p r o f i t s t h a t t h e i n v e s t o r i n v e s t e d i n t h e l i s-t e d c o m p a n i e s s t o c k i t s e l f i s e n o u g h t o c o v e r t h e c o s t o f f i n a n c i n g a n d c o m p e n s a t i o n o f h i g h r i s k .B e-s i d e s,w h e n t h e b e n e f i t/r i s k">2t i m e s,l o w s t o c k m a r k e t v a l u a t i o n s a l s o h a v e c r e a t e d g o o d c o n d i t i o n s f o r t h e n a t i o n a l t e a m p l a y t h e b a i l o u t.K e y w o r d s:i n t e r e s t r a t e y i e l d r a t e s t o c k i n d e x r i s k r a t i o。
- 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)。
中国股市收益率特征的实证研究目录目录 (1)一、数据说明 (2)二、个股与投资组合的的收益率分布特征 (4)1、样本个股的收益率分布特征 (4)2、投资组合的收益率分布特征 (6)三、贝塔系数的估计及其分析 (9)1、贝塔系数的计算方法 (9)2、的估计结果 (10)3、对估计值的分析 (11)四、股票收益率与其规模之间的线性回归 (13)五、资产定价模型（CAPM）在中国股市的效果 (15)六、上证股票收益率中的月份因素 (17)七、本文局限与不足 (19)参考文献 (20)一、数据说明中国的股票市场从建市之初至今，几经起伏，虽然建立时间并不长，其间却经历了快速发展和阶段性变化。
本文选取的样本数据是上海股票市场2006年6月2网至2008年6月31日每周收盘价数据，共计106个交易收盘价，数据来自大智慧软件系统。
我们选取数据样本的主要原因有：一是沪市上市公司数量较多、交易量较大，而且指数序列较长便予分析，一直是中国股票市场最有影响力的指数之一，具有很好的代表性；二是这段区间的数据恰好包含了股票指数的一个波动周期(既包含扩张裳，也包括收缩期)，股指于2006年11月20日突破2000点整数关墨，随后加速上扬，此后又连续突破3000点、4000点大关。
这段区间数据的优点是避开了金融危机这项异常值的干扰，能够提高模型的拟合精度。
（1） 周收益率：其中周收益率的计算公式为：,,,1ln ln i ti ti t R P P,i t R 表示股票i 的周收益率，,i t P 代表股票i 在t 日的收盘价，,1i t P 代表股票i 在t-1日的收盘价。
（2）无风险利率无风险利率=实际利率+通货膨胀率，综合考虑我国股票市场，我们小组采用人民银行公布的06~08年一年期定期存款利率的加权平均作为无风险利率，为3.22%.下表为历年人民银行调整利率表：（数据来源：中国人民银行网）（3）市场利率我们将大智慧软件中上证大盘的每周的收益率按上面公式计算出来，作为该期间市场的收益率。
二、个股与投资组合的的收益率分布特征1、样本个股的收益率分布特征数据的统计特征：在此，我们只列出了上证A股中的同仁堂股份的描述统计：列1平均0.001801标准误差0.007286中位数-0.00321众数#N/A标准差0.074657方差0.005574峰度0.693206偏度0.184831区域0.412616最小值-0.18797最大值0.224642求和0.189116观测数105最大(1)0.224642最小(1)-0.18797置信度(95.0%)0.014448个股周收益率的时间分布折线图如下所示：由excel生成的直方图如下所示：我们用非参数检验的方法来进行正态性检验：接收频率期望频数差差的平方差方/期望频数-0.12275655000 -0.09593855000 -0.07790145-110.2 -0.06360935-240.8 -0.05138835-240.8 -0.04045145-110.2 -0.0303568539 1.8 -0.020********.2 -0.01163875240.8 -0.00265795416 3.20.00625938539 1.80.015240245-110.20.024420645-110.20.033957815-416 3.20.0440*******0.054989995416 3.20.067211235-240.80.081502635-240.80.0995********0.126358135-240.8>0.12635865110.2 H：该个股的周收益率服从正态分布建立假设：H：该个股的周收益率不服从正态分布1计算检验量22121()ni ii iO EE=19.2>20.05(18)9.39拒绝H；认为，该个股的收益率不服从正态分布。
在我们的30只股票中，有21只不符合正态分布，而通过我们查阅资料知道，中国股市收益率大多符合尖峰后尾的分布特征，而非完全的正态分布。
2、投资组合的收益率分布特征我们选取同仁堂和四川长虹两支股票，以6：4的比例构建出一组投资组合来检验投资组合的收益率分布特征。
以统计学方法进行检验如下：投资组合描述统计平均0.002202标准误差0.006135中位数-0.00154众数#N/A标准差0.062868方差0.003952峰度0.380702偏度-0.01701区域0.328192最小值-0.15144最大值0.176749求和0.231207观测数105最大(1)0.176749最小(1)-0.15144置信度(95.0%)0.012166投资组合周收益率的时间分布折线图如下所示：由excel生成的直方图如下所示：我们用非参数检验的方法来进行正态性检验：接收频率期望频数差差的平方差方/期望频数-0.1026965110.2-0.080145-110.2-0.0649175240.8-0.0528815-416 3.2-0.0425915-416 3.2-0.0333845-110.2-0.0248845-110.2-0.016851055255-0.0091295416 3.2-0.0015565110.20.00595665110.20.013519550000.021*******0.02928145-110.20.0377*******.20.04699265110.20.05728335-240.80.06931845-110.20.08450745-110.20.1070945-110.2>0.1070965110.2建立假设：H：该投资组合的周收益率服从正态分布1H：该投资组合的周收益率不服从正态分布计算检验量22121()ni ii iO EE=19.2>20.05(18)9.39拒绝H；认为，该投资组合的收益率不服从正态分布。
与个股分析一样，我们用如上方法做了15只投资组合的正态性检验，发现只有1只符合，这里不再列出其检验过程。
三、贝塔系数的估计及其分析1、贝塔系数的计算方法贝塔系数，市场上有三种方法来估算贝塔系数：方法一：根据系数的定义估计：2(,)i m mCov r r方法二：根据单指数模型估计：,,,,i ti i tm ti tR R与CAPM 相比，“单指数模型”(也称市场模型)基于现实市场中证券资产的价格或收益变动普遍存在同涨同跌的现象，认为这种联动关系是由于共同因素的影响，这一共同因素的最佳度量是市场收益。
它描述了证券期望收益与市场期望收益之间的关系，不论证券市场是否处于均衡状态，因此没有苛刻的前提条件。
而且该模型根据证券实际收益和市场实际收益这两个变量的数据就可以估计B ，无需无风险利率。
与标准CAPM 模型相比较，市场模型的理论假设、应用条件以及模型中的参数个数都较少，更具有可操作性，因此在涉及系数的实证研究中，大多数研究采纳了市场模型来估计B 系数，市场模型在我国目前的实证研究中也得到广泛的应用。
其模型表述如下：,,iti i m ttR R实证研究中，在应用单指数市场模型时，市场组合替代物的确定，国外的研究在系数的实际估计中，基本上都是采用市场指数的收益率作为市场组合收益率的替代，如S&P500，NYSE 综合指数等；国内的研究一般用上证A 股指数，深证A 股指数等。
一般来说，在市场指数的编制方法既定的情况下，作为市场组合替代物的指数所包含的证券种数越多，系数估计的偏误程度越小。
基于以上的论述，本文采用单指数模型估计值，市场收益率为采用上证综合指数计算的市场收益率。
E R R E R R方法三：根据CAPM模型来估计：()(())i f i m fCAPM本身是建立在一系列关于投资者行为假设和完全市场假设基础之上的均衡模型，用CAPM估计应满足苛刻的前提假设，包括市场完备、信息无成本、资产可分割、投资者厌恶风险、投资者对收益具有共同期望、投资者可R)的估计实际上是不可能按无风险资产收益率自由借贷等经济学假设。
而且E(i的。
Black在《限制借贷条件下的资本市场均衡》一文中就曾指出，由于通货膨胀，真正的无风险利率并不存在，正因为在现实金融市场中不存在无风险利率或无风险资产收益，所以在估计证券市场线时一般用居民存贷款利率或短期国债利率来代替。
这些都在一定程度上限制了CAPM在估计系数上的应用。
在我国现阶段，这些问题尤为突出：(1)中国的股票市场虽然已经走过了10多年的发展历程，但仍然是新兴的股票市场，带有新兴市场投机性强、波动性大等种种缺陷，远非一个均衡市场。
CAPM适用的前提假设更难以满足；(2)中国的利率尚未完全市场化，没有合适的基准无风险利率或可替代的无风险利率。
国债市场的发展也处于初级阶段，国债结构也以中长期国债为主，短期国债的市场容量较小，短期国债的利率尚不能有效地作为无风险利率韵替代物。
因此，目前在实证研究中较少使用CAPM估计值。
2、的估计结果我们采用周收益数据来计算，我们小组分别采用了方法一与方法二计算，其结果非常接近，下表只列出了方法二的估计值，并对拟合度做了方差分析。
3、对估计值的分析系统风险口说明了股票与大盘之间的连动性，当市场组合价值变动1个百分点，该资产的价值变动了几个百分点，系统风险比例越高，连动性越强。
一般来说，当>l时，被认为是进攻型的，因为在“牛市”(即上升市场)时，它会比市场指数上升的更快，但在“熊市”时(即下跌市场)下落的也快；当<1时，则被认为是防守型的，总体上它的收益率波动比市场缓和；当=l时，它与市场同步波动。
通过上表我们可以看出沪市值都分布在1.0左右，F值均通过检验，说明方程解释变量和因变量之间线性关系显著。
但是从以上的回归值可知，系数估计的决定系数2R比较低，说明大部分股票风险收益有不到一半左右取决于市场的风险。
从估计的系数值来看，有17个企业的系数值都小于1，说明都是比较稳健的股票，个股风险小于市场的风险，相对来说收益就可能小一些。
上图是我们将贝塔系数与30只股票的平均收益组合起来所做的散点图，从图中可以看出，这些点分布很广，完全不在一条直线上。
四、股票收益率与其规模之间的线性回归我们组将30只股票的两年的平均周收益率与其总股本做了线性回归分析，其中，对其总股本取了对数，其检验结果如下：从上结果可以看出，不论是F检验，还是t检验，其结果都是不显著的，且2R，即该线性回归的拟合度也是很低的。
从下图可以看出来：国外大量实证研究表明，小规模公司的股票收益率在经过风险调整后高于大公司，这种现象成为规模效应。
但是从上述表格中可以看出，以总股本为规模衡量股票收益率的时候，其成正相关关系，反而存在“大公司效应”，这可能与这段时期的环境形势有密不可分的关系：中国出台产业结构调整重大政策，六项外汇政策调整，投资信贷过头，央行釜底抽薪融资融券试点申请启动，八部门联合发令围剿大股东占款，财政部宣传将证券交易印花税由1‰上调至3％o，而此前有传闻上层要求所有保险基金5月23日退出股市，最迟不得迟于5月29日(此消息引发投资者愤怒，股市连续几个交易日内由4300点暴跌至3400点，上千个股连续跌停，史称“5·30惨案”，次贷危机乌云罩顶，美股拖累全球股市下挫。