中国股票市场联动效应研究

发布时间：2017-04-03 18:06

  本文关键词：中国股票市场联动效应研究，由笔耕文化传播整理发布。

【摘要】：股票联动效应(comovement)是证券市场上普遍存在的一种现象,它指的是不同资产回报率之间存在的同方向或者反方向的运动。这种联动现象既可以出现在全球各个股市之间,也可以存在于一国股市之中。20世纪90年代以来,联动效应在不同国家和地区之间逐渐增强,尤其是2008年金融危机前后,全球诸多国家的股市都有从爆发式增长到全面跌落的经历。另外,在一国的股票市场之中,不同的行业、板块之间也存在着股票价格同涨共跌的现象,比如20世纪50年代的航空板块、20世纪90年代的网络版块等。因此,我们将股票价格或资产收益的跨市场、跨地区、跨行业以及跨板块之间的同向或反向运动称为股票联动效应。大量的研究形成了两种不同的理论对联动现象进行解释,它们分别是基于投资者完全理性以及市场有效的传统金融观点——联动效应成因是资产基本面价值的变化,以及基于市场摩擦、投资者非理性和有限套利的行为金融学观点——除基本面价值变化外,投资者情绪和市场摩擦等非基本面因素也可以造成联动。行为金融学将传统金融理论关于理性人的假设放宽许多,允许投资者存在除基本面因素之外的非理性行为,并且市场也非有效。本文在相关理论假说以及国内外研究的基础上,对中国股票市场的联动效应也进行了探索,通过对沪深300指数和中证100指数的研究来为非基本面因素造的联动效应提供实证支持。沪深300指数是从沪深两市中选取的规模大、流动性好的最具代表性的300只股票组成,中证100指数由沪深300指数样本中规模最大的100只股票组成。这两只指数的良好运行,已逐步得到投资者的认可,并且自其发布以来已为研究提供了较为充足的数据,能够将两只指数进行全面的研究分析,为中国股票市场联动效应提供实证支持,对该现象做出合理的解释,以及对本文所依赖的理论进行验证。本文在内容上主要分为三大部分,六个章节：第一部分包括第一章、第二章和第三章,为绪论、文献综述和理论与模型。第一章分别介绍国内外联动效应产生的背景及原因解释、中国股票市场联动效应研究的意义、研究的问题和创新以及研究方法；第二章对国内外相关文献的总结综述：从行为金融学视角下的联动效应和指数调整效应两个方面对国外文献进行综述；从区域联动效应、指数调整效应和股票联动效应三个方面对国内文献进行综述。第三章首先介绍与本文研究相关的国内外理论,包括信息不对称理论、有效市场假说以及行为金融学理论。进而对联动效应进行解释：引起非基本面价值联动的主要因素为投资者情绪和市场摩擦等。在行为金融学视角下的联动被分为三类,即分类造成的联动(Category view),偏好造成的联动(Habitat view)和信息传播造成的联动(Information diffusion view),然后给出这三类联动的数学表达式。最后设计本文的回归模型,包括单变量回归和双变量回归。第二部分包括第四章和第五章,这是本文的主体部分。第四章首先说明选择沪深300指数和中证100指数的原因；然后分别介绍这两类指数的特点、编制计算、调整方案和行业分布情况等；在样本数据选择时,剔除通过重组、合并、IPO等方式进入指数的股票,剔除初始样本在研究期间内退市的股票,删除调整公告事件发生当月的股票交易数据,剔除每一个时间窗口中交易日不足200天的股票,最终沪深300指数的研究样本为256只调入股票以及361只调出股票、中证100指数的研究样本为54只调入股票以及81只调出股票;样本数据处理时,主要是对存在缺失的股票数据进行插补,本文选择的方法是指数平滑和规划求解。第五章是本文的实证结果分析,分别对沪深300指数和中证100指数建立单变量回归和双变量回归,验证当股票被调入(调出)指数时,其与指数成分股之间的联动效应会增强(减弱),与非指数内股票的联动效应会减弱(增强)；然后用“日历时间法”来检验前面得出的结果；最后通过加入中证200指数,来分析中证100指数和沪深300指数之间的联动关系,结果表明中证100指数和沪深300指数具有长期显著的联动关系,并且沪深300指数只是单方面对中证100指数产生联动影响。第三部分是第七章,结论与展望。文章在行为金融学视角下对中国股票市场的联动效应进行实证检验,并对实证结果进行了深入分析；同时指出研究的不足之处以及未来改进的方向。本文的研究结论主要有三点：第一,沪深300指数和中证100指数各自的调整股票与各自指数成分股之间存在联动效应。本文以沪深300指数(中证100指数)2006年6月到2014年12月(2008年6月到2014年12月)期间每半年调整的样本股为研究对象,分别对两类指数进行单变量回归和双变量回归。实证结果表明,当某只股票被调入(调出)指数时,其与指数成分股之间的联动效应会增强(减弱),与非指数内股票的联动效应会减弱(增强)。当加入非沪深300(非中证100)的A股市场组合收益率后,调入、调出股票产生的联动效应要比单变量回归的结果更加显著,调入、调出的股票与指数成分股之间的联动效应更大。第二,沪深300指数和中证100指数的调出事件引起的联动效应比调入事件引起的联动效应更加显著。实证结果表明,无论单变量回归还是双变量回归,当股票被调出沪深300指数或中证100指数时,其收益率与指数收益率呈显著的负向关系,与非沪深300指数的股票的收益率呈显著的正向关系,调出股票的回归结果明显好于调入股票的回归结果。第三,中证100指数和沪深300指数具有长期显著的联动关系。当加入控制变量中证200指数后,解释变量沪深300的收益率系数β300明显比单变量回归时的收益率系数大得多,而中证200指数的收益率系数β300在各个年份都保持在-0.50上下,表明中证100指数与沪深300指数之间存在显著的联动效应。另外,通过格兰杰因果关系检验,验证了沪深300指数是中证100指数的格兰杰原因,沪深300指数只是单方面对中证100指数产生影响。从以上结论可以概括出指数存在联动效应的机理：当股票被调入某指数时,相当于它加入了大多数投资者的偏好一类,投资者对该指数的偏好使得他们忽略了新加入的股票的基本面情况和与指数内其他成分股的区别,而将其有限的注意力放在指数内成分股与非指数内股票的区别上。这就导致了被调入指数的股票同指数内成分股之间的联动性增加,同非指数内股票的联动性减弱。被调出指数的股票与指数内成分股、非指数内股票的联动性则相反。本文的创新之处体现在：第一,在样本数据初步选取方面,只选择了沪深300指数定期调入、调出事件各18次,中证100指数定期调入、调出事件各14次,保证了数据的完整性、可分析性以及结果的可对比性。第二,在样本股票筛选方面,剔除在研究期间内通过重组、合并、IPO等方式进入指数的股票,以及调入调出事件前后涉及公司重组、合并、退市等重大公司事件的股票,从而保证研究结果更加客观。第三,在时间窗口方面,剔除宣告当月(即事件发生当月的数据),因为不能确定在这个时间段内股票是否已经被调入或调出；研究时间窗口设为事件前一年(pre-event)和事件后一年(post-event),经过事前事后的对比,来计算事件股票对指数成分股产生的联动效应大小；对每一年的交易数据,剔除交易日不到200天的股票,将数据缺失比例控制在文章可接受的范围内。第四,将中证100指数和沪深300指数的研究时间以2008年金融危机为界限,分为几个子时间段,讨论联动效应的大小。第五,加入中证200指数,来验证中证100指数和沪深300指数之间存在显著的联动关系。同时本文也存在一定的不足。首先,国内目前对于股票价格联动效应的研究还较少,还没有形成较为完整的理论体系,因此本文的文献综述仍有不完善之处。其次,文章只是从理论方面说明了噪音交易者情绪对联动效应的作用,并未能直接提供实证支持。以上的不足之处,将是本研究未来需要改进的地方。
【关键词】：股票联动 行为金融学 沪深300指数 中证100指数 调入事件 调出事件
【学位授予单位】：西南财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F832.51
【目录】：

• 摘要4-8
• Abstract8-14
• 1. 绪论14-21
• 1.1 研究背景14-16
• 1.2 研究意义16-17
• 1.3 研究问题与创新17-18
• 1.4 研究思路与研究方法18-21
• 1.4.1 研究思路18-20
• 1.4.2 研究方法20-21
• 2. 文献综述21-28
• 2.1 国外研究综述21-25
• 2.1.1 行为金融学视角下的联动效应综述21-24
• 2.1.2 指数调整效应综述24-25
• 2.2 国内研究综述25-28
• 2.2.1 区域联动效应综述25-26
• 2.2.2 指数调整效应综述26-27
• 2.2.3 股票联动效应综述27-28
• 3. 理论与模型28-37
• 3.1 基本理论28-32
• 3.1.1 有效市场假说28-29
• 3.1.2 信息不对称理论29
• 3.1.3 行为金融学理论29-32
• 3.2 联动效应的行为金融学解释32-33
• 3.2.1 分类造成的联动32-33
• 3.2.2 偏好造成的联动33
• 3.2.3 信息传播造成的联动33
• 3.3 联动效应的数学表达33-35
• 3.3.1 分类和偏好造成的联动34-35
• 3.3.2 信息传播造成的联动35
• 3.4 模型设计35-37
• 3.4.1 单变量回归35-36
• 3.4.2 双变量回归36-37
• 4. 指数介绍与数据选取37-47
• 4.1 沪深300指数37-43
• 4.1.1 沪深300指数简介37-39
• 4.1.2 沪深300指数计算39-40
• 4.1.3 沪深300指数调整40-41
• 4.1.4 样本数据选取41-43
• 4.2 中证100指数43-45
• 4.2.1 中证100指数简介43-44
• 4.2.2 样本数据选取44-45
• 4.3 样本数据预处理45-47
• 5. 实证分析47-59
• 5.1 沪深300指数的实证分析47-52
• 5.1.1 单变量回归47-48
• 5.1.2 双变量回归48-50
• 5.1.3 “日历时间法”检验50-52
• 5.2 中证100指数的实证分析52-56
• 5.2.1 单变量回归52
• 5.2.2 双变量回归52-54
• 5.2.3 “日历时间法”检验54-56
• 5.3 沪深300指数与中证100指数的联动关系56-59
• 5.3.1 回归结果的实证分析56-58
• 5.3.2 格兰杰因果关系检验58-59
• 6. 结论与展望59-63
• 6.1 结论59-61
• 6.2 展望61-63
• 参考文献63-69
• 致谢69-70

【相似文献】

中国期刊全文数据库 前10条

1 王立洲;;我国股市和楼市对居民储蓄的影响——基于联动效应的实证研究[J];经济视角(中旬);2011年11期

2 舒立,景济南;“拖动战略”带来联动效应[J];中国机电工业;1999年02期

3 王宏涛;;国际金融危机下中国股市与全球股市联动效应的实证研究[J];统计与决策;2009年24期

4 刘亚;张曙东;;境内外金融市场联动效应:理论基础与文献综述[J];科学决策;2010年08期

5 王海丽;;中美股市的联动效应研究[J];商场现代化;2011年07期

6 陶鑫;;关于中国沪深股市联动效应的实证研究[J];技术与市场;2012年12期

7 谢瑞平;王艺明;;汇率干预的联动效应及对我国汇制改革的启示[J];生产力研究;2007年18期

8 李宏宇;;证券市场中板块联动效应的空间计量分析[J];统计与决策;2010年07期

9 李晓 ,刘怡春 ,王学文;企业机制与金融体制改革的联动效应[J];经济问题;1991年10期

10 连飞;;金融开放条件下中美两国汇率与利率的联动效应——基于两区制门限协整的实证检验[J];金融发展评论;2014年04期

中国重要报纸全文数据库 前10条

1 本报记者 韩万宁;中美联动效应明显 美3D打印股继续上涨[N];中国证券报;2013年

2 本报记者 马灿;台泥华南布局渐显联动效应[N];民营经济报;2007年

3 记者 黄颖;玻璃期货上市“开门绿” 期股联动效应再度显现[N];上海证券报;2012年

4 记者 戴金鸿;重视美股、A股联动效应[N];第一财经日报;2014年

5 向志强;广西：中西部地区物价上涨现联动效应[N];新华每日电讯;2008年

6 通讯员 刘凤学;民航甘肃监管局：加强协调配合 形成联动效应[N];中国民航报;2010年

7 贾凤山　周昆;注重创新的“联动效应”[N];解放军报;2004年

8 白崇行 陈元洁;充分发挥联动效应 解决中小企业融资难题[N];陕西日报;2001年

9 黄嵘;联动效应趋弱 国内期市绿瘦红肥[N];上海证券报;2007年

10 吕小明;探寻化肥降价的“联动效应”[N];牡丹江日报;2006年

中国博士学位论文全文数据库 前1条

1 陈正声;互换类衍生产品的定价及其市场联动效应研究[D];大连理工大学;2011年

中国硕士学位论文全文数据库 前10条

1 顾中洋;关中城市群住宅价格波动的联动效应研究[D];西安建筑科技大学;2015年

2 范雅祺;基于投资者情绪传染的中美证券市场联动效应研究[D];山西大学;2015年

3 史文锦;基于风格投资的收益预测性和联动效应[D];东北财经大学;2015年

4 石芸昕;香港离岸人民币市场与在岸市场联动效应的研究[D];东北财经大学;2015年

5 王雅;中国与其他金砖国家股市的联动效应研究[D];吉林财经大学;2016年

6 欧阳昕;基于复杂网络的我国行业股票指数联动效应研究[D];湖南大学;2015年

7 张艳;中国股票市场联动效应研究[D];西南财经大学;2016年

8 段希文;基于两次金融危机的股市联动效应研究[D];江西财经大学;2009年

9 陈国亮;A股与H股市场联动效应的实证研究[D];河北经贸大学;2014年

10 赵丹;利率与汇率联动效应的理论分析及实证研究[D];河北工业大学;2010年

  本文关键词：中国股票市场联动效应研究，，由笔耕文化传播整理发布。

本文编号：284739