股票月收益实际波动率的实证研究

股票证券-毕业论文中国股票市场收益率分布曲线的实证研究 精品

前言 迄今为止，我国股票市场才经历十余年的发展历史，却走过了西方发达国家上百年的发展历程。取得了举世瞩目的成绩。在股票市场的规模、上市公司的数量、投资者的规模以及交易系统的完善等方面都得到了迅速的发展,目前已经进入世界股票市场的前列。 不过，由于我国股票市场发展时间比较短，是在探索中前进的，因此，在诸多方面还不成熟，最为明显的是股票市场大起大落，这种大幅波动对投资者造成很多不良后果。经过无数次“风雨”洗礼后，投资者开始学会用在股票价格的波动中寻找规律，希望能够找到股市的制胜“法宝”。然而，目前有关股票理论知识的书籍极多，各述其见，竟有“股票价格的波动有外部噪音引起，并服从正态分布”之说。本论文试图把股票的理论联系实践，找到合理的规律，希望本论文能够给读者一点启发，对股票投资起一点参考价值。 本论文共分为两部分，第一部分对股票日收益率分布曲线作了实证分析，通过偏度峰度检验和2 检验，得到市场收益率更多地呈现出偏离正态分布的形式，市场处在弱势非有效状态。第二部分首先引入了灰色系统的理论和几个概念，利用关联分析，建立了模型，根据关联度大小对各股票的日收益率进行了排序，进而确定股票走势的优劣，并且对前后两个阶段的结果作了详细的比较。 由于时间仓促，论文中的不足和欠缺之处，还望得到各位老师和同学的不吝赐教。在本论文的成长过程中，我得到了成都信息工程学院计算科学系杨老师的帮助，在此，向杨老师表示衷心的感谢。

摘要：本文首先对股票日收益率进行了偏度峰度检验和2χ检验，得到市场收益率更多 地呈现出偏离正态分布的形式，市场处在弱势非有效状态。然后，运用灰色理论的关联度对股票日收益率进行优劣排序，并对前后两个阶段的结果进行了详细比较。 关键词：收益率；正态分布；灰色理论 第一章 收益率分布曲线 §1 收益率的分布与股票价格行为的理论 股票价格总是处于不断的波动之中，这种波动是连续的，非间断性的。股价的波动被认为由外部“噪声”因素造成，当时间间隔?t —>0时，外部噪声将呈现正态分布，服从维纳过程。因此随机理论采用一般化的维纳过程作为描述股价行为的模型。数学表达式如下： ),(t t u S S ??=?σ? （1） z S t u S ?+?=?σ （2） 其中：S ?为短时间t ?后股票价格s 的变化 u 为单位时间内股票的预期收益率 σ为股票价格的波动率 ),(s m ?表示均值为m ,标准方差为s 的正态分布 （1）式表示如果外来噪声服从正态随机过程，S S ?即收益率将服从均值为t u ?, 标准方差为t ?σ的正态分布。其中：t z ?∈?，∈表示服从标准正态分布，z ?在维纳过程中被认为遵从马尔科夫过程，隐含市场是弱势有效的条件。 当收益率服从正态分布时，股价行为的一般化维纳过程式（2）才能成立。当收益率的分布偏离了正态分布，这就意味着式（2）中的外部噪音项z s ?σ就不服从正态随机过程。也就是说，股价的行为方式不再服从正态马尔科夫过程，市场可能不处于弱势有效状态。收益率的分布是股价行为的基础，要了解某股票市场价格行为的特征，必须了解该市场的收益率分布。本文将对八只股票收益率的分布进行实证检验，考察是否符合正态分布或符合其t 分布形式或并无一确切表达的分布形式。 §2 实例与检验 （一）、本文随机选取了八只股票的日收盘价作为实证样本，样本容量是从20XX 年1月4号到20XX 年3月31号的日收盘价个数。为了形成对比，我们分成了两个阶段来研究。

中国股市指数的投资收益分析

中国股市指数的投资收益分析 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，

应用文-中国股市指数的投资收益分析

中国股市指数的投资收益分析 '中国股市指数的投资收益分析 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 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 学及 学等人 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，效应，整数效应，股利理论，盈余公布效应等。 从诺贝尔 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，基于期望均值本文由 联盟 收集整理和方差，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

我国股票市场收益率的影响因素研究——基于利率调整和流动性变化的数据分析

F inance 金融视线 3年月 5 我国股票市场收益率的影响因素研究——基于利率调整和流动性变化的数据分析 暨南大学 劳健林 摘要：本文通过SV A R 的方法，捕捉系统里银行间7天内同业拆借加权利率和广义货币量分别对上证综指连续复利收益率和深证成指连续复利收益率的结构关系，发现利率对股票市场收益率存在反向即期影响，而广义货币量则存在正向即期影响。最后，本文就研究结论提出政策性建议。关键词：利率广义货币量股票市场收益率结构向量自回归模型中图分类号：F832 文献标识码：A 文章编号：1005-5800(2013)07(b)-075-03 1研究背景 近期受到银行间流动性紧张以及其他方面因素的影响，我国股市出现大幅的下滑。2013年6月25日，沪指盘中击破1949点下探至1849点，市场再度回到2000点以下。中国股市是政策驱动型，当局发出的信号对投资者的影响尤为重要。对于银行间同业拆借利率的飙升，刚开始时央行态度坚定，不予救市并规劝商业银行整理贷款账目，这些利空消息致使投资者急于抛售资产。正因为利率调整和流动性变化对我国股票市场收益率有着重要的影响关系，国家当局可以通过利率和流动性对股票市场的主体来进行引导，促进资本市场进而整个宏观市场的健康发展。 利率是一国货币政策的重要指标，央行对基准利率进行调整，控制国内信贷规模和货币投放量，引导各种市场主体的经济行为，从而达到对宏观经济进行调控的目的，使国家的经济走上平稳发展的轨道。利率是影响股票市场的基本因素，一般认为利率与股票价格存在反向变动关系，因为利率是股票的投资机会成本，一旦利率上升会使资金流出股市，从而导致股价下跌，投资者收益率减少。而流动性反映的是在一个宏观体系中所投放货币量的多寡情况。一般来说，流动性较好的时候，为投资者提供资金来源注入股市，从而有更好的投资预期，即流动性与股市收益率存在一个正向变动关系。既然利率与流动性对一国股票市场产生如此重大的影响作用，本文将从以往的历史数据入手来探究三者之间的关系。 2实证分析 2.1SV AR 模型构建及识别 2.1.1SV AR 模型构建及样本选取 SVAR 较VAR 优良在于可以捕捉模型系统内各个变量之间当期的结构性关系，并可直观地观察标准正交随机扰动项对系统冲击的影响情况，且其脉冲响应函数分析过程中使用到的变量冲击是独立于其他变量冲击，排除其他因素的干扰。因此，本研究分析构建如下的SVAR(p)模型： AALyt=A εtA εt=Bet Eet=0 Eetet'=In 其中，yt 是n 阶列向量，其分量为研究系统内的各变量；A 、B 被称为正交因子分解矩阵，都是n 阶非奇异矩阵。矩阵A 反映结构性冲击对内生变量的影响乘数；矩阵B 则对标准正交随机扰动项的方差-协方差矩阵设置约束条件。εt 是缩减式V AR 模型中的随机扰动项，亦称为脉冲值，服从向量高斯白噪音过程，即εt~VGW(0,Σ)；Σ是随机扰动项的方差协方差矩阵，即εε'=Σ。而则称为标准正交随机扰动项，期望值为零，各分量间正交即相互独立，且其方差协方差矩阵为单位矩阵。矩阵将系统中的随机扰动项ε转 化为标准正交随机扰动项et 的线性组合，该线性组合通过B 矩阵来实现。 AL 是滞后算子多项式的矩阵表达形式：AL=In-i=1pAiLi ，其中，Ai(i=1,…,p)为n 阶系数矩阵，Li 为滞后i 阶的算子。 要考察系统中利率对股票市场收益率的影响作用，利率选取银行间7天内同业拆借加权利率作为代表变量，因为该利率更能反映出货币市场的利率变化情况；而流动性则选取广义货币量作为代表变量。因此，yt 的分量为银行间7天内同业拆借加权利率I Rt ，广义货币量M2，股市收益率RORt ，即yt=(I Rt,M2t,RORt)'。股市收益率分别考虑上海证券交易所的上证综指连续复利收益率SHRORt ，此时yt=(IRt,M2t,SHRORt)'；与深圳证券交易所的深证成指连续复利收益率SZRORt ，此时yt=(IRt,M2t,SZRORt)'。连续复利收益率的计算公式为：RORt=LnPt-LnP t-1，Pt 为t 时点的指数收盘价。 原始数据来源于WIND 数据终端EDB ，选取2001年1月至2012年12月各个随机过程的月数据作为一个实现，样本容量为144。再使用EXCEL 和STATA 等统计软件对数据进行实证分析。 2.1.2SV AR 模型的识别 该模型的识别问题就是要符合联立方程中的阶条件。SVAR (p)模型共有A 、B 矩阵的系数需要估计，共2n2个元素。由所构建的SVAR 模型可推出，A εt εt'A'=BB'，等号两边皆为对称矩阵。即一旦模型设立，就附加n(n+1)/2个约束条件，剩下的2n2-n(n+1)/2个约束条件需要通过其他的限制方式来完成。 通常使用的方法有两种：短期约束条件和长期约束条件，在此仅考虑前者。短期约束条件是对A 、B 两个矩阵的元素进行约束，而这两个矩阵此时也称为类型矩阵。首先，对类型矩阵A 进行分析，需要甄别所建立的SVAR 模型背后的经济意义，考虑到当期我国股票市场收益率和当期广义货币量的结构冲击不会立即对当期的利率产生影响，以及当期我国股票市场收益率也不会对当期广义货币产生影响，使用三个“伍德因果链”约束条件，即I Rt eRORt=0， IRt eM2t=0和M2t eRORt=0。然后，考虑类型矩阵B ，为使结构扰动项彼此不相关，这也是比较合理的假设，从而类型矩阵B 设为对角矩阵的形式。至此，可以构造出两个类型矩阵，此时模型恰好识别：A=100.10..1，B=.000.000.。2.2单位根检验及格兰杰因果检验 2.2.1单位根检验 分别对四个变量进行单位根检验，发现上证综指连续复利收益率的τ值为356，绝对值大于5%置信水平上的临界值35的绝对值，通过单位根检验；而深证成指连续复利收益率的τ值 www.china bt .n et 201707-E t t et -A t -.2-.44

中国国内上市公司收益率分析报告

对中国国内上市公司的资本资产定价模型的分析报告 一、理论介绍 资本资产定价模型,即Sharpe （1964），Lintner （1965）和Black （1972）建立的简捷、完美的线性资产定价模型CAPM （又称SLB 模型），是金融学和财务学的最重要的理论基石之一。CAPM 模型假定投资者能够以无风险收益率借贷，其形式为： E ［R[,i]］＝R[,f]＋β[,im]（E ［R[,m]］－R[,f]）， （1） Cov ［R[,i]，R[,m]］ β[,im]＝─────────── （2） Var ［R[,m]］ R[,i]，R[,m]，R[,f]分别为资产i 的收益率，市场组合的收益率和无风险资产的收益率。 由于CAPM 从理论上说明在有效率资产组合中，β描述了任一项资产的系统风险（非系统风险已经在分散化中相互冲消掉了），任何其它因素所描述的风险都为β所包容。因此对CAPM 的检验实际是验证β是否具有对收益的完全解释能力。 资本资产定价模型(CAPM)在理论上是严格的，但是在实际中长期存在着实证研究对它的偏离和质疑，其原因主要是资本资产定价模型的一组假设条件过于苛刻而远离市场实际。本次分析报告旨在通过对随机抽样的中国上市公司的收益率的分析，考察在中国的股市环境下，CAPM 是否仍然适用。 二、数据来源 本文在CSMAR 大型股票市场数据库中随机选取了1995年1月到2001年12月的100支股票（存为名叫rtndata 的EXCEL 文件），作为对中国股票市场的模拟。同时还收集了同时期中国银行的年利率（取名为rf ）作为无风险利率，并通过各股票的流通股本对上海、深圳两个市场A 股的综合指数进行加权（取名为mr2）。 在SAS 中建立数据集，其中各列指标分别为各股票的月收益率（为处理方便，股票名称已改为y1-y100）、中国银行的年利率rf （本次报告没有将rf 转换成月无风险收益率，因为这一差异将反映在系数上，且为倍数关系，对结果没有实质性影响）和以流通股进行加权（因为本次报告计算的是市场收益率）的上海、深圳两个市场A 股的综合指数mr2。 本次报告采用的CAPM 模型为：100,...,2,1,?10=++=j e r jt j jt βγγ。 三、方法及步骤 1，在SAS 中以libname 命令设定新库，名为finance 。程序为： libname finance 'G:\finance\rtndata'; run; 2，采用means 过程（也可以用univariate 过程）对这100支股票做初步的均值分析，初步得出各股票的样本均值等数据。程序为： proc means data =; var y1-y100; run ; 3，采用corr 过程对随机抽取的若干支股票进行相关分析，以判断中国股票市场的相关性。程序如下： proc corr data = cov ; var y23 y67; where stkcd>=199512 and stkcd<=199712; run ;

股票市场收益率

股票市场收益率 摘要：在金融市场迅速发展、金融创新不断深入的今天，股票市场的 波动也日益加剧，风险明显增大，资产收益率的分布形态也更加复杂化。对上证综指对数收益率序列进行实证研究，依据严密的统计分析 方法建立了GARCH-t(1,1)模型。最后，通过相应的模型检验方法验证 了GARCH-t(1,1)模型能够很好的刻画上证综指对数收益率序列的统计 特征。 关键词：股票收益率；GARCH模型；统计检验オ 在风险管理中，我们往往关注的就是资产收益率的分布。许多实证研 究表明，金融资产收益率分布表现出尖峰、厚尾的特征。另外,收益率 序列还具有条件异方差性、波动聚集性等特点。选择合适的统计模型 对金融资产收益率分布进行描述显得尤为重要。 1数据选取 本文实证分析的数据选取上海股市综合指数(简称上证综指)每日收盘 指数。考虑到我国于1996年12月16日开始实行涨跌停板限价交易， 即除上市首日以外，股票、基金类证券在一个交易日的交易价格相对 上一个交易日收市价格的涨跌幅不得超过10%，本文把数据分析时段选择为：1996.12.16-2007.05.18，共2510组有效数据。数据来源为CCER中国经济金融数据库。数据分析采用软件为Eviews5.1。通过对 原始序列的自然对数变换，得到上证综指收益率序列，有2509个数据，记为RSH。 2基本统计分析 2.1序列的基本统计量 对称分布的偏度应为等于0，而上证综指收益率的偏度为负值，说明 该序列的分布是有偏的且向左偏斜，即收益率出现正值的概率小于收 益率出现负值的概率。另外，已知正态分布的峰度等于3，而上证综指

收益率的峰度是8.919924，远大于3，这表明RSH序列不服从正态分布，而是具有尖峰厚尾特性。 2.2序列的自相关性 采用Ljung-BoxQ统计量检验上证综指收益率序列的自相关性。原假设为序列不存在阶自相关。根据上证综指收益率的10阶滞后期的Q统计值及其相应概率值可知，上证综指收益率的相关性并不显著。 2.3序列的平稳性和正态性 为了避免伪回归现象的发生，在建立回归模型之前须对收益率序列进行平稳性检验。采用ADF方法检验RSH序列的平稳性，其检验统计值为-51.7733，远小于MacKinnon的1％临界值，认为上证综指收益率序列不存在单位根，是显著平稳的。这就避免了非平稳性带来的许多缺陷。上证综指收益率序列的D.W.值为1.9705，非常接近于2，表明其残差序列不存在序列相关。 本文使用Jarque-Bera方法对RSH序列其进行正态性检验，检验统计值为3682.735(p=0.000)，概率值足够小以至于必须怀疑原假设的正确性。这也就说明，用正态分布对中国股市收益率的波动性进行描述是不正确的。 2.4ARCH效应检验 大量的实证分析表明，大多数金融资产收益率序列的条件方差具有时变性，即ARCH效应。利用ARCH-LM方法检验残差序列中是否存在ARCH 效应。选择滞后阶数为5阶，检验统计值为28.92598(p=0.000)，表明残差存在显著的ARCH效应，至少存在5阶的ARCH效应。这就意味着必须估计很多个参数，而这却是很难精确的做到。在这种情况下，可以用一个低阶的GARCH模型代替，以减少待估参数的个数。 3分布模型的确定

中国股市收益率特征的实证研究

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、b的估计结果 (10) 3、对估计b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 t i t i 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：

中国股票市场收益率分布曲线的实证

文章编号:1002—1566(2002)05—0009—03中国股票市场收益率分布曲线的实证 Ξ 陈启欢 (上海交通大学管理学院,上海　200030) 摘　要:股票价格行为的随机理论认为市场收益服从正态分布,但在现实中这一假设不一定成立,市场收益率更多地呈现出偏离正态分布的形式。本文检验中国市场的收益率分布形态。 关键词:股票;收益率;价格行为;正态分布;t 分布 中图分类号:O212;F830文献标识码:A 1.收益率的分布与股票价格行为 股票价格行为的随机理论认为实际的股价遵循某种随机的离散过程。股价的波动被认为由外部噪声造成,当时间间隔Δt →0时,外部噪声将呈现正态分布,服从维纳过程。因此,随机理论采用一般化的维纳过程作为描述股价行为的模型。数学表达式如下: ΔS S =φ(μ?Δt ,σΔt ) (1)ΔS =μ?Δt +σ?S ? Δz (2)　[1]ΔS 为短时间Δt 后股票价格s 的变化 μ为单位时间内股票的预期收益率 σ为股票价格的波动率 φ(m ,s )表示均值为m ,标准方差为s 的正态分布 (1)式表明如果外来噪声服从正态随机过程,Δs/s 即收益率将服从均值为μ?Δt ,标准方差为σΔt 的正态分布 Δz =∈Δt ,∈表示服从标准正态分布,Δz 在维纳过程中被认为遵从马尔科夫过程,隐含市场是弱势有效的条件。 收益率的分布方式影响着股票价格的行为,只有当收益率遵从正态分布,股价行为的一般化维纳过程式(2)才能成立。当收益率的分布偏离了正态分布意味着式(2)中的外部噪声项σ?s ? Δz 就不服从正态随机过程。换而言之股价的行为方式不再遵从正态马尔科夫过程,市场可能不处于弱势有效状态。另外,收益率从遵从正态分布也是B lack -Scholes 微分方程的基本假设前提,如果收益率偏离正态分布,微分方程也需要进行修改。这个角度观察,收益率的分布是股价行为的基础,要了解某股票市场价格行为的特征,必须了解该市场的收益率分布。本文将对中国深沪两市的股指收益率的分布进行实证检验,考察其是否符合正态分布或符合其t 分布形式或并无一确切表达的分布形式。9中国股票市场收益率分布曲线的实证 Ξ收稿日期:2001-04-25

国内外股市收益率统计特征与相关性分析

龙源期刊网 https://www.360docs.net/doc/cc4111577.html, 国内外股市收益率统计特征与相关性分析 作者：赵玉荣张艳华 来源：《现代商贸工业》2015年第03期 摘要：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。 关键词：股市收益率；统计特征；相关性；交叉相关系数 中图分类号：F74 文献标识码：A 文章编号：16723198（2015）03009202 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。其次，对剔除后的所有数据取自然对数。

我国股票市场交易量与收益率关系的计量分析(详细步骤)

我国股票市场成交量与收益率关系的计量分析 摘要：本文用上证综合指数代表了市场组合的各种指数，通过对上其研究，采用VAR模型来分析我国股票市场股票价格的变动，来研究股票成交量与收益率之间的关系。 关键词：股票成交量股票收益率VAR模型计量分析 一．引言 股票市场的成交量和收益率是描述股票收益和风险的最基本变量而量价关系研究的主要目的是探索两者之间的统计表现特征及内在规律联系，反映了市场中信息的传递方式和投资者对信息的获取及价格发现的过程。 二．文献综述 以前也有很多学者来研究股票市场成交量与收益率之间的关系。如Campbell 等认为随着大成交量的价格变化将导致价格的反转；Copeland提出的信息顺序到达模型发现股票价格和交易量之间存在正向因果关系；Blume等认为由于市场存在信息不对称和市场噪音，投资者无法单独从价格信号中获取所需的全部信息，因此必须将成交量作为分析价格信息的额外参考变量；Hasbrouck将交易和报价调整写成向量自回归模型，通过研究交易对价格冲击的滞后期研究信息的各种特征；Engle将时间加入到VAR模型中。而国内对股票市场交易量与收益率之间的关系的研究主要集中在量价的相关性分析上。陈良东利用线性Granger因果检验对沪市价量关系进行了初步分析；徐信忠、郑纯毅的研究中对成交量与收益惯性的关系进行了检验，但由于研究的目的和侧重点不同，他们的研究着重分析换手率对1个月以上的股票却是效应的影响，而不是专门探讨成交量与收益率序列相关性的关系及成因。 本文将在前面各种理论研究的基础上，对中国股市中成交量与股票收益率序列相关性的关系进行研究。

三．模型的设计思路及数据的采集与处理 数据来源：国泰安数据库。 样本选取：本文选取了2000年1月1日至2011年12月31日上证综合指数的日收盘价和成交量，共2901个交易日的数据。 收益率的计算方法有简单收益率和对数差分收益率两种。对数差分收益率可以满足收益的累加性，分布更接近于正太分布，所以本文选用的就是对数差分收益率的方法来计算： P=ln(P t/P t-1)×100 P t表示t时刻的收盘指数。 成交量序列采用取自然对数的方法， V=ln(V t) V t来表示原始成交量序列。 分析工具：Eviews6.0软件 在此需要说明一点的是，由于中国股市节假日的问题，导致股票数据不连续，所以本文将数据导入Eviews时选择的是截面数据类型。 （一）描述性检验 对对数收益率P和成交量V进行描述性统计结果如下：（表1） 通过上表可以看出，由于正态分布的偏度应该是0，而收益率P的偏度为-0.103245，所以收益率的数据分布向右偏；正态分布的峰度应该为3，而P的是 6.960964，故收益率曲线具有尖峰宽尾的特征。