中國(guó)股票市場(chǎng)的非對(duì)稱(chēng)波動(dòng)——一個(gè)新的分析框架

毛前友

(中國(guó)人民大學(xué)財(cái)政金融學(xué)院金融系，北京100872)

一、引言

在股票市場(chǎng)上，股票收益與下一期的條件方差呈負(fù)相關(guān)，即負(fù)的(正的)收益率往往伴隨著向上(向下)的條件波動(dòng)。這種關(guān)系在實(shí)證研究中被稱(chēng)為非對(duì)稱(chēng)波動(dòng)。非對(duì)稱(chēng)波動(dòng)在股票市場(chǎng)的直觀表示就是上漲時(shí)期的波動(dòng)要小于下跌時(shí)期的波動(dòng)，而最明顯的體現(xiàn)是股票市場(chǎng)崩潰(如2008年的金融危機(jī))時(shí)，股票價(jià)格的大幅下跌與市場(chǎng)波動(dòng)的明顯上升。股票市場(chǎng)的非對(duì)稱(chēng)波動(dòng)是股票市場(chǎng)波動(dòng)的特征之一，對(duì)非對(duì)稱(chēng)波動(dòng)的研究有助于深入認(rèn)識(shí)市場(chǎng)行為，對(duì)于投資決策、資產(chǎn)定價(jià)、組合構(gòu)建和風(fēng)險(xiǎn)管理以及上市公司融資政策都具有重要意義，同時(shí)也有助于提高政策監(jiān)管層出臺(tái)政策和發(fā)布信息時(shí)機(jī)的能力。

本文的目的在于對(duì)中國(guó)股票市場(chǎng)上收益率與收益率波動(dòng)的相互關(guān)系提供一個(gè)規(guī)范的解釋并分析其經(jīng)濟(jì)意義。本文認(rèn)為，Campell和Hentschel(1992)[1]以及后續(xù)研究的模型，雖然考慮了股利和股利波動(dòng)，但波動(dòng)反饋系數(shù)被低估，模型在捕捉股市劇烈波動(dòng)時(shí)的反饋效應(yīng)受到了限制。在本文的模型中，公司股利的增長(zhǎng)率服從隨機(jī)波動(dòng)過(guò)程，股利沖擊和股利波動(dòng)沖擊為兩個(gè)獨(dú)立變量，能分別檢驗(yàn)股利沖擊和股利波動(dòng)沖擊對(duì)收益率和收益率方差的影響。與其他研究相比，本文的創(chuàng)新之處主要在于:(1)本文基于無(wú)套利經(jīng)濟(jì)下的資產(chǎn)定價(jià)理論導(dǎo)出了一個(gè)非對(duì)稱(chēng)波動(dòng)模型，同時(shí)包含了杠桿效應(yīng)和波動(dòng)反饋效應(yīng)。實(shí)證結(jié)果表明，杠桿效應(yīng)是中國(guó)股票市場(chǎng)非對(duì)稱(chēng)波動(dòng)的重要原因。此外，波動(dòng)反饋效應(yīng)也是非對(duì)稱(chēng)波動(dòng)的一個(gè)顯著因素。(2)本文制定了一個(gè)股利隨機(jī)波動(dòng)過(guò)程，促使模型中含有兩個(gè)狀態(tài)變量，拓展了以往關(guān)于反饋效應(yīng)的單因素模型。(3)本文進(jìn)一步討論了反饋效應(yīng)的經(jīng)濟(jì)意義。(4)在實(shí)證估計(jì)中，本文嘗試性地運(yùn)用了SNP－EMM框架的有效矩估計(jì)，取得了較為滿(mǎn)意的模擬結(jié)果。

二、文獻(xiàn)回顧

股票市場(chǎng)非對(duì)稱(chēng)波動(dòng)的開(kāi)創(chuàng)性研究始于Black(1976)和Christie(1982)，他們發(fā)現(xiàn)股票收益和波動(dòng)之間是負(fù)相關(guān)的。[2-3]這種現(xiàn)象被稱(chēng)為波動(dòng)的非對(duì)稱(chēng)特性(Engle和Ng，1993)。[4]非對(duì)稱(chēng)波動(dòng)的理論研究包括杠桿效應(yīng)和反饋效應(yīng)。Schwert et al.(1987)對(duì)股票市場(chǎng)的杠桿效應(yīng)進(jìn)行了實(shí)證研究，認(rèn)為公司價(jià)值的波動(dòng)取決于杠桿比率、股票和債務(wù)的波動(dòng)率。[5]Duffee(1995)發(fā)現(xiàn)高杠桿比率公司的收益率和波動(dòng)率之間的負(fù)相關(guān)性比低杠桿比率公司更強(qiáng)。[6]類(lèi)似的研究還有Tauchen et al.(1996)和Andersen et al.(2001)。[7-8]Campell和Hentschel(1992)有效地解釋了波動(dòng)反饋機(jī)制。[1]Bekaert和Wu(2000)對(duì)杠桿效應(yīng)和反饋效應(yīng)的解釋力進(jìn)行了比較，發(fā)現(xiàn)了支持波動(dòng)反饋說(shuō)的證據(jù)。[9]此外，Antonio Mele(2007)的周期性預(yù)期行為模型、P.Ahlgren(2007)的管制市場(chǎng)模型、Ann Marie Hibbert et al.(2008)的行為金融框架以及Michael Kirchler(2009)的事件研究方法，都為股票市場(chǎng)的非對(duì)稱(chēng)波動(dòng)提供了新的解釋。[10-13]

在實(shí)證方面，規(guī)范的計(jì)量經(jīng)濟(jì)模型能夠捕捉非對(duì)稱(chēng)波動(dòng)，開(kāi)創(chuàng)性研究來(lái)自Nelson(1991)的非對(duì)稱(chēng)GARCH模型以及此后的一系列運(yùn)用于非對(duì)稱(chēng)波動(dòng)研究的GARCH族模型。[14]如Glosten，Jagnnathan和Runkle(1993)的GJR－GARCH模型，Crouhy和Rockinger(1997)的TGARCH和QGARCH模型。[15-16]此外，一類(lèi)新的捕捉杠桿效應(yīng)和非對(duì)稱(chēng)的GARCH模型，見(jiàn)于E.Babsiri和Zakoian(2001)的文獻(xiàn)中。[17]Hansen和Lunde(2002)對(duì)GARCH類(lèi)模型也進(jìn)行了比較研究。[18]近年來(lái)，GARCH類(lèi)模型運(yùn)用于非對(duì)稱(chēng)波動(dòng)的研究又有了新的進(jìn)展。Cheong et al.(2007)運(yùn)用GARCH_RV模型來(lái)分析股票市場(chǎng)波動(dòng)的非對(duì)稱(chēng)性和長(zhǎng)記憶性。[19]Markus Haas et al.(2007)的非對(duì)稱(chēng)多重GARCH類(lèi)模型，在協(xié)方差和矩條件方面進(jìn)行了改進(jìn)。[20]連續(xù)時(shí)間的隨機(jī)波動(dòng)模型也被應(yīng)用于非對(duì)稱(chēng)波動(dòng)的研究中，如Bakshi(1997)和Bates(1997)。[21-22]Ionut Florescu et al.(2008)則分析了兩類(lèi)一般的隨機(jī)波動(dòng)模型捕捉杠桿效應(yīng)的能力。[23]

國(guó)內(nèi)關(guān)于股票市場(chǎng)非對(duì)稱(chēng)波動(dòng)的研究主要集中于各種GARCH模型的數(shù)值估計(jì)，但缺乏對(duì)非對(duì)稱(chēng)波動(dòng)的規(guī)范化和模型化的解釋。何興強(qiáng)和孫群燕(2003)、江曉東(2002)的研究顯示，我國(guó)股票市場(chǎng)的波動(dòng)存在非對(duì)稱(chēng)性。[24-25]任彪和李雙成(2004)、何曉光和朱永軍(2007)的實(shí)證結(jié)果發(fā)現(xiàn)，中國(guó)股票市場(chǎng)存在階段性的非對(duì)稱(chēng)性波動(dòng)。[26-27]蔣天虹(2008)的實(shí)證結(jié)果顯示，滬深兩市都存在非對(duì)稱(chēng)效應(yīng)，且都存在波動(dòng)非對(duì)稱(chēng)效應(yīng)的反轉(zhuǎn)。[28]

三、理論模型

本文的理論研究從定價(jià)核(服從隨機(jī)過(guò)程的狀態(tài)依存價(jià)格)開(kāi)始，這是因?yàn)榛诮?jīng)典代理理論和既有資產(chǎn)價(jià)格的定價(jià)核是有差異的。在一定的風(fēng)險(xiǎn)厭惡水平上，基于既有資產(chǎn)價(jià)格的定價(jià)核標(biāo)準(zhǔn)差顯著大于基于代理理論的定價(jià)核標(biāo)準(zhǔn)差。本文即是在合理的定價(jià)核的基礎(chǔ)上，導(dǎo)出能夠捕捉動(dòng)態(tài)非對(duì)稱(chēng)波動(dòng)的模型。

在無(wú)套利經(jīng)濟(jì)中，可以得到狀態(tài)定價(jià)密度(定價(jià)核):

其中，Rt+1為收益率、Dt+1為股利、Pt為股票價(jià)格、mt+1為狀態(tài)定價(jià)密度。

本文假定定價(jià)核為:

為簡(jiǎn)化起見(jiàn)，本文假定無(wú)風(fēng)險(xiǎn)利率為常數(shù)，股利增長(zhǎng)率gt=ln(Dt+1/Dt)，股利增長(zhǎng)率服從如下隨機(jī)波動(dòng)過(guò)程:

模型(3)中，股利變動(dòng)和股利方差的相關(guān)系數(shù)ρ=corr(εd,t+1，μt+1)，即為杠桿效應(yīng)。

下面將進(jìn)一步推導(dǎo)收益率及其方差和股利及其方差的函數(shù)關(guān)系。令Pt=lnPt，dt=lnDt，則:

故模型(4)可寫(xiě)成:

進(jìn)一步地，將股利增長(zhǎng)率代入模型(5)，可得:

將模型(1)代入(6)，得到:

求解模型(7)，得到收益率序列的線(xiàn)性解:

參數(shù)中的λ3度量了波動(dòng)反饋效應(yīng)。如果λ3為正，一個(gè)關(guān)于μt+1的正向認(rèn)識(shí)將導(dǎo)致更大的收益率預(yù)期條件方差，從而對(duì)收益率產(chǎn)生負(fù)向影響。進(jìn)一步地，由于存在杠桿效應(yīng)，εd,t+1與μt+1負(fù)相關(guān)，關(guān)于μt+1的沖擊將導(dǎo)致εd,t+1的反方向變動(dòng)。因此，本文認(rèn)為，波動(dòng)的杠桿效應(yīng)增強(qiáng)了反饋效應(yīng)。

模型(8)可以寫(xiě)成:

收益率和收益率方差的條件相關(guān)系數(shù)為:

該相關(guān)系數(shù)由兩部分組成:杠桿效應(yīng)，ρl＜0；波動(dòng)反饋效應(yīng)，λ3＞0。相關(guān)系數(shù)為負(fù)，并隨著波動(dòng)反饋效應(yīng)參數(shù)λ3和杠桿效應(yīng)參數(shù)ρl的增加而增加(絕對(duì)值)。當(dāng)λ3=0時(shí)，不存在波動(dòng)反饋效應(yīng)，收益率和收益率方差的相關(guān)系數(shù)只受杠桿效應(yīng)影響，即Corr(rt+1,σ2r,t+1)=ρl；當(dāng)ρl=0時(shí)，不存在杠桿效應(yīng)，相關(guān)系數(shù)即為波動(dòng)反饋效應(yīng)，即。

本文模型與其他關(guān)于非對(duì)稱(chēng)波動(dòng)模型的主要差異在于，其他模型假定股利的方差服從于指數(shù)GARCH過(guò)程，而本文模型是基于股利的方差為隨機(jī)波動(dòng)過(guò)程。為了揭示非對(duì)稱(chēng)波動(dòng)的形成機(jī)理，本文將股利波動(dòng)視為一個(gè)單獨(dú)的過(guò)程。

四、實(shí)證檢驗(yàn)

(一)數(shù)據(jù)

本文運(yùn)用上證A股的日收益率指數(shù)對(duì)非對(duì)稱(chēng)模型進(jìn)行模擬。中國(guó)滬市股票開(kāi)始于1990年12月18日，股票價(jià)格由人為定價(jià)產(chǎn)生；直到1992年5月21日，股票價(jià)格由市場(chǎng)自由競(jìng)價(jià)產(chǎn)生。為了消除系統(tǒng)性因素的影響，保持樣本數(shù)據(jù)的連續(xù)性，本文選擇從1992年6月1日到2009年6月30日的上證綜合指數(shù)為樣本，樣本量為4158個(gè)。從主體參與程度、穩(wěn)定性、關(guān)聯(lián)性、信用風(fēng)險(xiǎn)等方面考慮，選擇銀行間債券回購(gòu)市場(chǎng)相應(yīng)期限的金融產(chǎn)品作為無(wú)風(fēng)險(xiǎn)資產(chǎn)，具有一定的優(yōu)越性。進(jìn)一步地，就目前我國(guó)銀行間債券回購(gòu)市場(chǎng)各品種的交易量和活躍程度來(lái)看,選擇回購(gòu)期限為3-7天的債券回購(gòu)(R07D)作為我國(guó)金融市場(chǎng)無(wú)風(fēng)險(xiǎn)資產(chǎn)以及利用R07D(加權(quán))平均利率來(lái)估計(jì)金融定價(jià)中的無(wú)風(fēng)險(xiǎn)利率，則更加具有科學(xué)性。

表1 上證指數(shù)統(tǒng)計(jì)特征

(二)實(shí)證模型

本文的實(shí)證研究基于以下模型:

其中，λ1、λ2、λ3由第三部分給出。需要估計(jì)的參數(shù)為ρ、α0、α1、β0、β1、ρl、ρm、ημ。為了對(duì)模型進(jìn)行有效估計(jì)，本文設(shè)定ρ為樣本平均比率，等于指數(shù)除以指數(shù)與股利之和，日收益率的ρ值為0.9996。股利增長(zhǎng)的長(zhǎng)期均值為樣本股利增長(zhǎng)的均值，日數(shù)據(jù)下該值為0.00015。假設(shè)股利波動(dòng)的長(zhǎng)期均值為20%。因此，本文的估計(jì)參數(shù)為α1、β1、ρl、ρm、ημ?；谏鲜瞿Ｐ停▌?dòng)的反饋效應(yīng)和非對(duì)稱(chēng)系數(shù)都將被有效捕捉。

(三)估計(jì)方法(SNP－EMM)

本文運(yùn)用SNP－EMM框架對(duì)非對(duì)稱(chēng)模型進(jìn)行估計(jì)。Gallant和Tauchen(1996)發(fā)展的EMM方法兼顧了估計(jì)的有效性和靈活性，對(duì)隨機(jī)變量的條件分布函數(shù)不事先假定，故非常適用于不確定性資產(chǎn)收益的建模。[29]EMM方法的另一個(gè)優(yōu)點(diǎn)還在于，它提供了對(duì)結(jié)構(gòu)模型進(jìn)行分別檢驗(yàn)的系統(tǒng)性方法，能有效地分別檢驗(yàn)結(jié)構(gòu)模型的相互適用性。與其他隨機(jī)波動(dòng)模型相比，對(duì)于小樣本而言，EMM較GMM效率更高；對(duì)于大樣本而言，EMM與MCMC同樣有效，且更容易實(shí)現(xiàn)。

EMM的基本思想是，基于模擬技術(shù)的矩匹配過(guò)程，使用輔助模型的結(jié)果在結(jié)構(gòu)模型下的期望值作為矩條件。EMM估計(jì)方法可分為兩個(gè)步驟。首先，選用能刻畫(huà)樣本特征的輔助模型進(jìn)行偽極大似然估計(jì)，得到樣本的條件密度函數(shù)(本文選用SNP模型為輔助模型)；然后，以輔助模型刻度向量為矩條件進(jìn)行有效矩估計(jì)，得出模型的估計(jì)參數(shù)。

本文選用“非高斯，AR(1),GARCH(1,1)”作為SNP模型。參數(shù)ω=(A2,A3,A4,φ1,φ2,τ1,τ2,τ3)。條件均值由AR(1)給出，μx,t-1=φ1+φ2xt-1。條件方差由GARCH(1,1)給出，Rx,t-1=τ1+τ2。模型的非高斯性是指條件密度函數(shù)由一個(gè)高斯密度函數(shù)和多項(xiàng)式構(gòu)成，該多項(xiàng)式是一個(gè)三階的Hermite多項(xiàng)式。將A1標(biāo)準(zhǔn)化為1，A2、A3、A4為多項(xiàng)式的參數(shù)。表2為SNP輔助函數(shù)的估計(jì)參數(shù)值，該值表明模型存在明顯的GARCH效應(yīng)，也可以捕捉到非高斯性的動(dòng)態(tài)過(guò)程(A2、A3、A4統(tǒng)計(jì)上顯著)。

表2 SNP參數(shù)估計(jì)值

表3 EMM模型參數(shù)估計(jì)值

(四)EMM估計(jì)結(jié)果

表3為非對(duì)稱(chēng)結(jié)構(gòu)模型的EMM估計(jì)值及標(biāo)準(zhǔn)差和t值，估計(jì)值均在5%的置信水平上表現(xiàn)為統(tǒng)計(jì)顯著。

由表3估計(jì)結(jié)果，實(shí)證模型可寫(xiě)成:

模型(13)的估計(jì)結(jié)果顯示:收益率與股利方差正相關(guān)，與股利增長(zhǎng)率的沖擊正相關(guān)。任何正向的股利沖擊(不論大小)都會(huì)對(duì)收益率產(chǎn)生正向沖擊。因此，股利增長(zhǎng)的利好同樣是股票本身的利好。

現(xiàn)在，本文進(jìn)一步討論模型的非對(duì)稱(chēng)性。模型顯示，如果存在一個(gè)對(duì)股利增長(zhǎng)方差的正向沖擊，即預(yù)期外的股利增長(zhǎng)，則會(huì)即刻導(dǎo)致收益率方差的增加(σr,t=0.8944σd,t，模型中λ3為負(fù))，因此會(huì)對(duì)股票價(jià)格產(chǎn)生負(fù)向沖擊，即產(chǎn)生非對(duì)稱(chēng)波動(dòng)。相反，如果存在股利增長(zhǎng)方差的負(fù)向沖擊，則會(huì)對(duì)股票價(jià)格產(chǎn)生正向影響。因此，收益率與收益率方差的負(fù)向關(guān)聯(lián)的非對(duì)稱(chēng)波動(dòng)，是通過(guò)股利方差的沖擊而產(chǎn)生的。

(五)擴(kuò)展:波動(dòng)反饋效應(yīng)的經(jīng)濟(jì)意義

本文將進(jìn)一步討論股票收益率波動(dòng)反饋效應(yīng)的經(jīng)濟(jì)意義。從模型(11)可知，股票收益率與方差的負(fù)相關(guān)(即非對(duì)稱(chēng)波動(dòng))由杠桿效應(yīng)(ρl)和反饋效應(yīng)(λ3)組成。實(shí)證結(jié)果顯示，ρl=-0.5376，總體非對(duì)稱(chēng)系數(shù)，其中杠桿效應(yīng)為－0.1978、波動(dòng)反饋效應(yīng)為－0.0600。杠桿效應(yīng)和波動(dòng)反饋效應(yīng)均為統(tǒng)計(jì)顯著，杠桿效應(yīng)對(duì)非對(duì)稱(chēng)波動(dòng)的貢獻(xiàn)是反饋效應(yīng)的三倍。

表4顯示，收益率與條件方差的相關(guān)系數(shù)(非對(duì)稱(chēng)系數(shù))為杠桿系數(shù)ρl的函數(shù)。其中，杠桿效應(yīng)對(duì)非對(duì)稱(chēng)系數(shù)的貢獻(xiàn)隨著ρl的增大而增加，而波動(dòng)反饋效應(yīng)對(duì)非對(duì)稱(chēng)系數(shù)的貢獻(xiàn)則保持平穩(wěn)。并且，隨著杠桿效應(yīng)的加強(qiáng)，波動(dòng)反饋效應(yīng)對(duì)非對(duì)稱(chēng)系數(shù)的貢獻(xiàn)緩慢下降。

表4 杠桿效應(yīng)與反饋效應(yīng)貢獻(xiàn)對(duì)比

波動(dòng)反饋模型中的收益率rt+1由三部分組成:無(wú)風(fēng)險(xiǎn)利率與λ1之和，股利消息的影響λ2εd,t+1和波動(dòng)反饋效應(yīng)(-λ3σd,tμt+1)。為進(jìn)一步理解波動(dòng)反饋效應(yīng)的經(jīng)濟(jì)意義，分別將各部分用圖形表示(見(jiàn)圖1)。

圖1顯示，預(yù)期收益率與其他三項(xiàng)相比具有較小的量綱，股利沖擊對(duì)收益率的影響最大。波動(dòng)反饋在量綱上為股利沖擊的一半左右。但是，如果有大的波動(dòng)沖擊，波動(dòng)反饋效應(yīng)會(huì)被放大，如2008年的全球金融危機(jī)，引起了中國(guó)股市的大幅下跌。這一直觀結(jié)果可以從估計(jì)模型中得到解釋。估計(jì)模型顯示，當(dāng)收益率非預(yù)期性增加10%，如從20%增至22%，則會(huì)產(chǎn)生－0.57%的收益率沖擊；當(dāng)收益率非預(yù)期性增加20%，如從20%增至24%，則會(huì)產(chǎn)生－1.19%的收益率沖擊。因此，波動(dòng)反饋效應(yīng)在市場(chǎng)劇烈波動(dòng)時(shí)期，作用會(huì)被放大；但在市場(chǎng)穩(wěn)定時(shí)期，其對(duì)收益率的影響不如股利沖擊大。

五、結(jié)論與展望

本文基于無(wú)套利經(jīng)濟(jì)下的資產(chǎn)定價(jià)理論，導(dǎo)出了一個(gè)捕捉股票市場(chǎng)非對(duì)稱(chēng)波動(dòng)的模型。該模型同時(shí)包含了杠桿效應(yīng)和波動(dòng)反饋效應(yīng)。在模型中，本文設(shè)定股利沖擊服從隨機(jī)波動(dòng)過(guò)程，因此產(chǎn)生了兩個(gè)獨(dú)立的狀態(tài)變量，為反饋效應(yīng)提供了更具解釋力的分析框架?；赟NP-EMM框架的估計(jì)結(jié)果顯示，中國(guó)股票市場(chǎng)存在波動(dòng)的非對(duì)稱(chēng)性特征:當(dāng)期收益率與收益率的條件波動(dòng)(方差)呈負(fù)相關(guān)。估計(jì)結(jié)果表明，反饋效應(yīng)在經(jīng)濟(jì)上和統(tǒng)計(jì)上都表現(xiàn)為顯著。本文同時(shí)發(fā)現(xiàn)，杠桿效應(yīng)和波動(dòng)反饋效應(yīng)均在中國(guó)股票市場(chǎng)的非對(duì)稱(chēng)波動(dòng)中發(fā)揮作用?；谥袊?guó)股票市場(chǎng)的數(shù)據(jù)表明，杠桿效應(yīng)對(duì)非對(duì)稱(chēng)系數(shù)的貢獻(xiàn)更大，且隨著杠桿效應(yīng)的加強(qiáng)，波動(dòng)反饋效應(yīng)對(duì)非對(duì)稱(chēng)系數(shù)的貢獻(xiàn)緩慢下降。對(duì)反饋效應(yīng)的經(jīng)濟(jì)意義作進(jìn)一步的分析表明，股利沖擊和波動(dòng)反饋均會(huì)影響收益率。在市場(chǎng)劇烈波動(dòng)時(shí)期，反饋效應(yīng)會(huì)被放大；而在市場(chǎng)穩(wěn)定時(shí)期，對(duì)收益率的動(dòng)態(tài)影響較股利消息小。

本文的理論分析和實(shí)證分析均表明，中國(guó)股票市場(chǎng)的非對(duì)稱(chēng)波動(dòng)兼具杠桿效應(yīng)和波動(dòng)反饋效應(yīng)，杠桿效應(yīng)的貢獻(xiàn)更大，且對(duì)反饋效應(yīng)的貢獻(xiàn)形成擠出。本文認(rèn)為，中國(guó)股票市場(chǎng)的這種非對(duì)稱(chēng)波動(dòng)特性表明中國(guó)投資者更多地關(guān)注上市公司的價(jià)值及其財(cái)務(wù)狀況的變化，而非單純地關(guān)注股價(jià)的波動(dòng)。尤其是近年來(lái)，在股權(quán)分置改革的制度紅利、海外藍(lán)籌回歸的財(cái)富效應(yīng)以及宏觀經(jīng)濟(jì)增長(zhǎng)和上市公司業(yè)績(jī)提升的預(yù)期效應(yīng)影響下(吳曉求，2008)，[30]投資者越來(lái)越關(guān)注股票市場(chǎng)基本面的變化，趨向價(jià)值投資，這也是市場(chǎng)逐步成熟和理性的標(biāo)志。

目前，對(duì)于中國(guó)股票市場(chǎng)非對(duì)稱(chēng)性的規(guī)范研究尚不多見(jiàn)，本文的非對(duì)稱(chēng)模型是一個(gè)嘗試。本文認(rèn)為，加強(qiáng)對(duì)中國(guó)股票市場(chǎng)波動(dòng)特征的研究是非常重要的，尤其是規(guī)范研究。隨著中國(guó)股票市場(chǎng)融資功能的凸顯和市場(chǎng)產(chǎn)品的豐富，尤其是金融衍生產(chǎn)品的杠桿效應(yīng)將提高市場(chǎng)的波動(dòng)性和不確定性(陸岷峰、陳志寧，2009)，[31]對(duì)其波動(dòng)特征的研究將更為重要。同時(shí)，研究股票市場(chǎng)波動(dòng)的非對(duì)稱(chēng)性，對(duì)于投資決策、資產(chǎn)定價(jià)、組合構(gòu)建和風(fēng)險(xiǎn)管理都具有重要意義，并能提高政策監(jiān)管層把握出臺(tái)政策和發(fā)布信息時(shí)機(jī)的能力。

當(dāng)然，引起股票價(jià)格非對(duì)稱(chēng)波動(dòng)的因素并不僅限于杠桿效應(yīng)和波動(dòng)反饋效應(yīng)，如經(jīng)濟(jì)周期、貨幣政策等宏觀因素，以及投資者交易行為和心理預(yù)期等都會(huì)對(duì)非對(duì)稱(chēng)波動(dòng)產(chǎn)生影響。將這些因素納入分析框架，為非對(duì)稱(chēng)波動(dòng)提供較為完備、規(guī)范的解釋是以后研究的方向。

[1]Campbell， JohnY.，and Ludger Hentschel.No News is Good News:An Symmetric Model of Changing Volatility in Stocker Returns[M].Princeton University，1992.

[2]Black,F..Studies of Stock Prices Volatility Changes[C].Proceedings of the 1976 Meeting of the American Statistical Association,Business and Economic Statistics Section，1976:177-181.

[3]Christie,A..The Stochastic Behavior of Common Stock Variances-Value,Leverage and Interest Rate Effects[J].Journal of Financial Economics,1982，(10):407-432.

[4]Engle,R.F.,and Ng,V..Measuring and Testing the Impact of News on Volatility[J].Journal of Finance，1993，(48):1749-1778.

[5]Schwert,G.W.,and Stambaugh,R..Expected Stock Returns and Volatility[J].Journal of Financial Economics,1987，(19):3-29.

[6]Duffie,D.,and K.J.Singleton.Simulated Moments Estimation of Markov Models of Asset Prices[J].Econometrica,1995，(61):929-952.

[7]G Tauchen,H Zhang,M Liu.Volume,Volatility,and Leverage:A Dynamic Analysis[J].Journal of Econometrics，1996，(74):177-208.

[8]TG Andersen,T Bollerslev,FX Diebold.The Distribution of Realized Stock Return Volatility[J].Journal of Financial Economics，2001，(61):43-76.

[9]Bekaert,G.,and G.Wu.Asymmetric Volatility and Risk in Equity Markets[J].Review of Financial Studies,2000,(13):1-42.

[10]Antonio Mele.Asymmetric Stock Market Volatility and the Cyclical Behavior of Expected Returns[J].Journal of Financial Economics,2007，(86):446-478.

[11]Ahlgren，P.et al.Frustration Driven Stock Market Dynamics:Leverage Effect and Asymmetry[J].Physica A，2007，(2):312-325.

[12]Ann Marie Hibbert,RT Daigler,B Dupoyet.A Behavioral Explanation for the Negative Asymmetric Return-Volatility Relation[J].Journal of Banking&Finance,2008，(32):2254-2266.

[13]Michael Kirchler.Underreaction to Fundamental Information and Asymmetry in Mispricing between Bullish and Bearish Markets:An Experimental Study[J].Journal of Economic Dynamics&Control,2009，(33):491-506.

[14]Nelson,D.B..Conditional Heteroskedasticity in Asset Returns:A New Approach[J].Econometrica,1991，(59):347-370.

[15]Glosten,L.,Jagannathan,R.,and Runke,D..Relationship Between the Expected Value and the Volatility of the Nominal Excess Return on Stocks[J].Journal of Finance,1993，(48):1779-1801.

[16]Michel Crouhy,and Michel Rockinger.Volatility Clustering,Asymmetry and Hysteresis in Stock Returns:International Evidence[J].Asia-Pacific Financial Markets，1997，(4):1-35.

[17]El Babsiri,M.,and Zakoian,J.M..Contemporaneous Asymmetries in GARCH Processes[J].Journal of Econometrics,2001，(101):257-294.

[18]Peter Reinhard Hansen，and Asger Lunde.Realized Variance and Market Microstructure Noise[R].Working Paper,2002.

[19]Cheong,et al.Asymmetry and Long-Memory Volatility:Some Empirical Evidence Using GARCH[J].Physica A,2007，(373):651-664.

[20]Markus Haasa.Asymmetric Multivariate Normal Mixture GARCH[J].Computational Statistics&Data Analysis.2007，(10):1-26.

[21]Bakshi,G.S.,C.Cao,and Z.Chen.Empirical Performance of Alternative Option Pricing Models[J].Journal of Finance,1997，(52):2003-2049.

[22]Bates,D.S..Post-'87 Crash Fears in S&P 500 Futures Options[R].Working Paper No.5894,NBER，1997.

[23]Ionut Florescu.A Study about the Existence of the Leverage Effect in Stochastic Volatility Models[J].Physica A,2008，(10):1-14.

[24]何興強(qiáng)，孫群燕.中國(guó)股票市場(chǎng)的杠桿效應(yīng)和風(fēng)險(xiǎn)收益權(quán)衡[J].金融研究，2003，(9):62-66.

[25]江曉東.滬深股指收益率波動(dòng)分析[J].統(tǒng)計(jì)與決策，2002，(6):20-21.

[26]任彪，李雙成.中國(guó)股票市場(chǎng)波動(dòng)非對(duì)稱(chēng)性特征研究[J].數(shù)學(xué)的認(rèn)識(shí)與實(shí)踐，2004，(9):62-68.

[27]何曉光，朱永軍.中國(guó)A股市場(chǎng)收益波動(dòng)的非對(duì)稱(chēng)性研究[J].數(shù)理統(tǒng)計(jì)與管理，2007，(1):22-26.

[28]蔣天虹.我國(guó)股票市場(chǎng)波動(dòng)非對(duì)稱(chēng)效應(yīng)的反轉(zhuǎn)[J].當(dāng)代財(cái)經(jīng)，2008,(2):65-68.

[29]Gallant,A.R.,and G.Tauchen.Which Moments to Match?[J].Econometric Theory,1996，(12):657-681.

[30]吳曉求.全球視野下的中國(guó)資本市場(chǎng)[J].當(dāng)代財(cái)經(jīng)，2008，(2):5-6.

[31]陸岷峰，陳志寧.金融衍生產(chǎn)品功能與定位的再思考[J].江西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2009，(4):24-27.