楊科,林洪
(1.中山大學(xué)嶺南學(xué)院,廣州510275;2.廣東商學(xué)院,廣州510320)
中國股市波動率與收益率的因果關(guān)系研究
楊科1,林洪2
(1.中山大學(xué)嶺南學(xué)院,廣州510275;2.廣東商學(xué)院,廣州510320)
文章以上證綜指2000年到2008年高頻數(shù)據(jù)為例,基于Dufour、Taamouti(2010)測量短期和長期因果關(guān)系的方法構(gòu)建了一個(gè)關(guān)于收益率與波動率的向量自回歸線性模型,用來測量和比較了中國股票市場收益率和波動率之間的動態(tài)杠桿效應(yīng)、波動率反饋效應(yīng)等因果關(guān)系。實(shí)證結(jié)果表明我國股票市場無論是對已實(shí)現(xiàn)波動率還是對二次變差前三天都有較強(qiáng)的動態(tài)杠桿效應(yīng),而波動率反饋效應(yīng)在所有的時(shí)間跨度上都可以忽略不計(jì),并且收益率和波動率之間的瞬時(shí)因果關(guān)系在有些時(shí)間跨度上較顯著。
杠桿效應(yīng);波動率反饋效應(yīng);因果關(guān)系測量
收益率和波動率之間的不對稱性是股票收益的典型特征之一。在國外文獻(xiàn)中,對波動率的不對稱性有兩種不同的解釋。第一種解釋是杠桿效應(yīng)(Leverage effect):資產(chǎn)價(jià)格的下降能夠增加金融杠桿和破產(chǎn)的概率,導(dǎo)致資產(chǎn)風(fēng)險(xiǎn)的增加,從而增加波動率。當(dāng)運(yùn)用到股票指數(shù)時(shí),就轉(zhuǎn)化為動態(tài)杠桿效應(yīng)(參見Jacquier,Polson and Rossi(2004))。第二個(gè)解釋是和時(shí)變風(fēng)險(xiǎn)溢價(jià)理論相關(guān)的波動率反饋效應(yīng)(Volatility feedback effect):波動率的一個(gè)預(yù)期增加,能夠提高收益率,為了保證更高的未來收益,需要股票價(jià)格的立即下降(參見Bekaert,Wu(2000))。在比較杠桿效應(yīng)和波動率反饋效應(yīng)方面,Bekaert,Wu(2000))和Wu(2001)指出:在實(shí)證研究中,波動率的反饋效應(yīng)要比杠桿效應(yīng)大。然而,還存在一些其他的研究(如Nelson(1991),Engle,Ng(1993)發(fā)現(xiàn):波動率的增加導(dǎo)致的負(fù)收益率比正收益率多,并且期望收益率和波動率之間的關(guān)系是不顯著的,甚至在有些實(shí)證研究中是負(fù)的。
國內(nèi)很少見到同時(shí)考察股市波動率的杠桿效應(yīng)和波動率反饋效應(yīng)的系統(tǒng)研究成果,已存在的研究基本上都是基于GARCH族模型。本文首先通過上證綜指2000年到2008年高頻數(shù)據(jù)來計(jì)算收益率和估計(jì)波動率,然后建立一個(gè)關(guān)于收益率和波動率的向量自回歸(Vector autoregressive,VAR)模型,最后,運(yùn)用Dufour,Taamouti(2006,2010)提出的短期和長期因果關(guān)系測量來數(shù)量化和比較中國股票市場的動態(tài)杠桿效應(yīng)以及波動率反饋效應(yīng)的大小。
本文假設(shè)股價(jià)的對數(shù)pt服從連續(xù)時(shí)間的跳躍擴(kuò)散過程:
其中μt是連續(xù)的局部有界變差過程,σt是隨機(jī)波動率過程,Wt表示一個(gè)標(biāo)準(zhǔn)的布朗運(yùn)動,qt是一個(gè)計(jì)數(shù)過程,當(dāng)qt=1時(shí),表示t時(shí)有跳躍,而當(dāng)dqt=0時(shí),表示在t時(shí)無跳躍,其中跳躍密度為λt。參數(shù)κt表示跳躍的大小。收益率從t時(shí)到t+1時(shí)的二次變差由下式表示:
其中第一個(gè)組成部分稱為積分波動率,它是由式(1)中的連續(xù)部分得到,而第二部分是由離散的跳躍得到。當(dāng)不存在跳躍時(shí),式(2)右邊第二部分消失,此時(shí)二次變差正好等于積分波動率。
在高頻數(shù)據(jù)下,波動率可以由幾種不同的方式進(jìn)行估計(jì)。日已實(shí)現(xiàn)波動率定義為高頻日內(nèi)收益率平方的加總,可以由下式表示:
Andersen等(2003)和Barndorff-Nielsen等(2002)指出,已實(shí)現(xiàn)波動率滿足,即已實(shí)現(xiàn)波動率是積分波動率與跳躍貢獻(xiàn)部分之和的一致估計(jì)。類似的,標(biāo)準(zhǔn)的二次冪變差(Bipower variation)由下式定義:
Barndorff-Nielsen等(2004)指出,在假設(shè)條件(1)下,二次冪變差滿足:這意味著二次冪變差是積分波動率的一致估計(jì),且不受有無跳躍的影響。因此,跳躍對二次變差所作貢獻(xiàn)的一致估計(jì)可以由下式得到:
下面兩式給出了其他兩種關(guān)于跳躍對二次變差所作貢獻(xiàn)的測量方式:
Huang,Tauchen(2005)指出式(6)和式(7)是跳躍對整個(gè)價(jià)格離差所作貢獻(xiàn)的更穩(wěn)健的測量方法。
定義1對于正整數(shù)h≥1,
定義(1)對應(yīng)著從r到σ2在時(shí)間跨度的因果關(guān)系,即如果r的過去值能夠改善在信息集下的預(yù)測值。同理可以定義從σ2到r在時(shí)間跨度的無因果關(guān)系。Dufour,Taamouti(1998)指出,在沒有其他變量的條件下,在時(shí)間跨度1無因果關(guān)系意味著在任意時(shí)間跨度h(h嚴(yán)格大于1)都無因果關(guān)系。Dufour,Taamouti(2010)的研究發(fā)現(xiàn),對于正整數(shù)h≥1,從r到σ2在時(shí)間跨度h的因果關(guān)系的一種測量方法,記為,可以由下式得到:
同理,對于正整數(shù)h≥1,從σ2到r在時(shí)間跨度h的因果關(guān)系的測量,記為C(σ2→hr),可以由下式得到:
只要在時(shí)間跨度1存在因果關(guān)系,則在其他不同的時(shí)間跨度,因果關(guān)系的測量可能有所不同。Dufour,Taamouti(2010)建議r與σ2之間的瞬時(shí)因果關(guān)系測量可以由下面的函數(shù)得到:
由式(8)-(10)可以推出式(11)可以分解為下式:
其中系數(shù)ψi,i=0,…,h-1表示方程(13)的MA(∞)形式的脈沖響應(yīng)系數(shù)。預(yù)測誤差(14)的協(xié)方差矩陣為:
同時(shí)本文考慮如下的受限模型:
綜上所述,采用克羅米芬聯(lián)合絨毛膜促性腺激素、人絕經(jīng)促性腺激素治療婦科內(nèi)分泌失調(diào)具有顯著效果,能夠有效提高患者卵泡雌激素及雌二醇水平,降低不良反應(yīng)發(fā)生,促使患者盡快恢復(fù)健康。
為了比較模型(13)和模型(16)的預(yù)測誤差的方差,本文假設(shè)p=由受限模型(16)可以得到的預(yù)測誤差(rt+1,lnσ2t+1)'的協(xié)方差矩陣為:
其中系數(shù)ψ軒i,i=0,…,h-1表示方程(27)的MA(∞)形式的脈沖響應(yīng)系數(shù)。
由協(xié)方差矩陣(15)和(17),可以用下面的函數(shù)測量在任意時(shí)間跨度h≥1的杠桿效應(yīng)和波動率反饋效應(yīng),
同樣,任意時(shí)間跨度h≥1的瞬時(shí)因果關(guān)系可以由下面的函數(shù)進(jìn)行測量:
最后,任意時(shí)間跨度h≥1的依賴關(guān)系可以由式(12)得到。
本文采用OLS估計(jì)上部分介紹的VAR(p)模型,運(yùn)用BIC來設(shè)定VAR(p)模型的階數(shù)。對于已實(shí)現(xiàn)波動率,通過BIC判定VAR(5)是最優(yōu)的模型,而對于二次冪變差差,VAR (4)是最優(yōu)模型。為了得到因果關(guān)系測量(見式(18)-(20))的一致估計(jì)值,本文通過未知參數(shù)的估計(jì)值代替未知參數(shù)得到。本文計(jì)算了因果關(guān)系測量在時(shí)間跨度的h=1,…20值。因果關(guān)系測量值越大,意味著因果關(guān)系越強(qiáng)。本文還計(jì)算了因果關(guān)系測量的估計(jì)值相對應(yīng)的95%的自助置信區(qū)間,其步驟大致如下:
本文研究的數(shù)據(jù)樣本為上證綜指(SSEC)從2000年1月04日到2008年12月31日的分筆交易高頻數(shù)據(jù),總共有2085個(gè)交易日,數(shù)據(jù)來源于中國經(jīng)濟(jì)研究中心(CCER)股票市場高頻數(shù)據(jù)庫。其中我們剔除了一些數(shù)據(jù)記錄不全的交易日。考慮到市場微觀結(jié)構(gòu)擾動的影響,本文按照Bollerslev等(2006)的建議,對分筆交易高頻數(shù)據(jù)進(jìn)行每5分鐘抽樣來加總收益,樣本總體的高頻數(shù)據(jù)量為100080個(gè)。假設(shè)取對數(shù)后的股價(jià)為pt,本文中第t天的(每五分鐘)的高頻收益率利用相鄰的高頻股價(jià)計(jì)算:rt,△=pt-pt,△,△=1/48,則每小時(shí)的收益率和每天的收益率分別為
表1給出了每五分鐘、每1小時(shí)以及日收益率的描述性統(tǒng)計(jì)量,從表1可以得到以下幾個(gè)結(jié)論:①每5分鐘、每1小時(shí)以及日收益率的無條件分布都表現(xiàn)出尖峰和負(fù)的偏度的特征,其中每5分鐘、每小時(shí)的收益率的峰度系數(shù)比正態(tài)分布的峰度系數(shù)3的5倍還要大;②雖然每1小時(shí)收益率的無條件分布向左偏,但每5分鐘收益率和日收益率的樣本偏度系數(shù)都接近于0。
表1 上證綜指收益率的描述性統(tǒng)計(jì)量,2000-2008
表2給出了已實(shí)現(xiàn)波動率和二次冪變差及其對數(shù)形式和跳躍的描述性統(tǒng)計(jì)量。由表2可以看出已實(shí)現(xiàn)波動率和二次冪變差的無條件分布都是尖峰、非對稱的,而已實(shí)現(xiàn)波動率和二次冪變差的對數(shù)轉(zhuǎn)換的無條件分布非常接近于正態(tài)分布。從表2中跳躍測度Jt+1的描述性統(tǒng)計(jì)量可以推出Jt+1的無條件分布是尖峰、具有正的偏度系數(shù)。
表2 日波動率的描述性統(tǒng)計(jì)量,2000-2008
檢驗(yàn)已實(shí)現(xiàn)波動率和二次冪變差是否存在顯著差異的一種方式是檢驗(yàn)數(shù)據(jù)中是否存在跳躍。當(dāng)不存在跳躍時(shí),二次變差等于積分波動率,即已實(shí)現(xiàn)波動率漸進(jìn)的(△→0)等于二次冪變差。文獻(xiàn)中存在許多統(tǒng)計(jì)量用來檢驗(yàn)金融數(shù)據(jù)中是否存在跳躍(例如,Barndorff-Nielsen,Shephard(2004),Andersen,Bollerslev,Diebold(2003),Huang,Tauchen(2005))。本文考慮以下幾個(gè)檢驗(yàn)統(tǒng)計(jì)量來檢驗(yàn)跳躍的存在性:
zQPl,t=和其中QPt+1是已實(shí)現(xiàn)的四次冪變差,可以由下式計(jì)算得到:
對于任意時(shí)間t,在沒有跳躍的假設(shè)條件下,檢驗(yàn)統(tǒng)計(jì)量zQPl,t、zQP,t和zQPlm,t都漸進(jìn)的服從正態(tài)分布N(0,1)。本文所用數(shù)據(jù)的跳躍檢驗(yàn)結(jié)果由圖1給出。當(dāng)不存在跳躍時(shí),圖1中的粗線與虛線將重疊。然而,由圖1可以清晰看出,粗線與虛線沒有重疊,且差異性很大,這意味著本文的實(shí)證數(shù)據(jù)存在跳躍,即已實(shí)現(xiàn)波動率與二次冪變差存在顯著的差異。由于已實(shí)現(xiàn)波動率是真實(shí)波動率的一個(gè)很好的逼近,它比其他波動率的測量穩(wěn)健,而二次冪變差對跳躍穩(wěn)健,因此本文實(shí)證研究同時(shí)考慮波動率的這兩種測量值。
表3 波動率反饋效應(yīng)的測量(lnRV)
表4 波動率反饋效應(yīng)的測量(lnBV)
Bollerslev等(2006)的研究指出杠桿效應(yīng)和波動率反饋效應(yīng)對波動率不對稱性的解釋最基本的不同點(diǎn)在于因果關(guān)系的方向不同。然而,他們的研究僅僅考慮了波動率與收益率之間的線性相關(guān)關(guān)系,并沒有研究他們之間的其他因果關(guān)系。波動率的不對稱性是由于各種不同的因果關(guān)系產(chǎn)生:收益到波動率、波動率到收益、瞬時(shí)因果關(guān)系、或者所有的因果效應(yīng)都有,或者只有其中一些。在測量這些因果關(guān)系時(shí),由于低頻數(shù)據(jù)不能將這些因果關(guān)系分離出來,因此采用低頻數(shù)據(jù)可能會掩蓋波動率與收益率真實(shí)因果關(guān)系,而采用高頻數(shù)據(jù)卻能較好的分離出這些因果關(guān)系,而本文構(gòu)建的VAR模型能進(jìn)一步辨別波動率與收益率之間的瞬時(shí)效應(yīng)、當(dāng)前效應(yīng)以及滯后效應(yīng)。本文中測量和比較中國股票市場波動率與收益率之間的因果關(guān)系的實(shí)證結(jié)果主要由圖形給出。每個(gè)圖的縱軸代表因果關(guān)系測量,橫軸代表時(shí)間跨度。每個(gè)圖中還給出了95%自助置信區(qū)間(圖中加點(diǎn)的線給出)。
由圖2可知,利用高頻數(shù)據(jù)計(jì)算得到的每日收益率和波動率在前三天有較強(qiáng)的杠桿效應(yīng),這個(gè)結(jié)論無論是對已實(shí)現(xiàn)波動率還是對二次冪變差都成立(基于已實(shí)現(xiàn)波動率和二次冪變差杠桿效應(yīng)在前三天的值都大于0.05)。然而,從表3和表4可以看出無論是對已實(shí)現(xiàn)波動率還是二次冪變差,波動率反饋效應(yīng)在所有的時(shí)間跨度上都可以忽略不計(jì)。通過比較這兩種效應(yīng),我們發(fā)現(xiàn)杠桿效應(yīng)要比波動率反饋效應(yīng)更加重要(見圖3)。
由于從波動率到收益率的反饋效應(yīng)幾乎不存在,而圖4中卻顯示波動率和收益率之間的瞬時(shí)因果關(guān)系在有些時(shí)間跨度上仍然比較重要,這意味著波動率對收益率有一個(gè)當(dāng)期的影響,類似的,收益率同樣對波動率也有一個(gè)當(dāng)期的影響。這個(gè)結(jié)論無論是對已實(shí)現(xiàn)波動率還是二次冪變差都成立。由圖5可知,波動率和收益率之間的依賴關(guān)系也在一些時(shí)間跨度上在經(jīng)濟(jì)和統(tǒng)計(jì)意義上都比較重要,這個(gè)結(jié)論無論是對已實(shí)現(xiàn)波動率還是二次冪變差也都成立。
本文以上證綜指2000年到2008年高頻數(shù)據(jù)為例,分析和數(shù)量化了中國股票市場收益率和波動率之間的因果關(guān)系?;贒ufour、Taamouti(2010)測量短期和長期因果關(guān)系的方法構(gòu)建了一個(gè)關(guān)于收益率與波動率的向量自回歸線性模型,測量比較了中國股票市場的動態(tài)杠桿效應(yīng)、波動率反饋效應(yīng)等因果關(guān)系的強(qiáng)弱。本研究在國內(nèi)屬于首例,這種因果關(guān)系測量的方法比Bollerslev等(2006)的樣本相關(guān)系數(shù)測量方法更全面、更有效。
實(shí)證結(jié)果顯示我國股票市場無論是對已實(shí)現(xiàn)波動率還是對二次冪變差前三天都有較強(qiáng)的杠桿效應(yīng),而波動率反饋效應(yīng)在所有的時(shí)間跨度上都可以忽略不計(jì)。通過比較這兩種效應(yīng),我們發(fā)現(xiàn)杠桿效應(yīng)要比波動率反饋效應(yīng)更加重要。實(shí)證結(jié)果還表明波動率和收益率之間的瞬時(shí)因果關(guān)系在有些時(shí)間跨度上比較顯著。
[1]Bekaert,G.,G.Wu.AsymmetricVolatilityandRiskinEquity Markets[J].The Review of Financial Studies,2000,13.
[2]Wu,G.,The Determinants of Asymmetric Volatility[J].The Review of Financial Studies,2001,14.
[3]Bollerslev,T.,J.Litvinova,G.Tauchen.Leverage and Volatility Feedback Effects in High-frequency Data[J].Journal of Financial Econometrics,2006,4(3).
[4]Dufour J-M.,A.Taamouti.Nonparametric Short and Long Causality Measures[C].The 2006 Meeting of the American Statistical Association Business and Economic Statistics,2006.
[5]Dufour J-M.,A.Taamouti.Short and Long Run Causality Measures:Theory and Inference[J].Journal of Econometrics,2010,154(1). [6]Andersen,T.G.,T.Bollerslev,F.X.Diebold.Parametric and Nonparametric Volatility Measurement[M].Handbook of Financial Econometric,New York:Elsevier Science,2003.
[7]Barndorff-Nielsen,O.E.,Shephard.N.Estimating Quadratic Variation Using Realized Variance[J].Journal of Applied Econometric,2002, (17).
[8]Barndorff-Nielsen,O.E.,Shephard.N.Power and Bipower Variation with Stochastic and Jumps[J].Journal of Financial Econometrics,2004,(2).
[9]Barndorff-Nielsen,O.E.,S.E.Graversen,J.Jacod,M.Podolskij, Shephard.N.A Central Limit Theorem for Realized Power and Bipower Variations of Continuous Semimartingales[C].Working Paper,Nuffield College:Oxford University,2005.
[10]Huang,X.,G.Tauchen.The Relative Contribution of Jumps to Total Price Variance[J].Journal of Financial Econometrics,2005,3(4).
[11]Dufour J-M.,E.Renault.Short-run and Long-run Causality in Time Series:Theory[J].Econometrica,1998,66(5).
[12]陳千里.上證綜指收益波動的不對稱性研究[J].中國管理科學(xué),2002,(10).
[13]萬尉,江孝感.我國滬深股市的波動性研究——基于GARCH族模型[J].價(jià)值工程,2007,(10).
[14]閆濤,孫濤.上海股票市場波動的非對稱性和杠桿效應(yīng)研究[J].金融發(fā)展研究,2009,(6).
(責(zé)任編輯/亦民)
F830;F064.1
A
1002-6487(2010)21-0123-05
國家自然科學(xué)基金資助項(xiàng)目(70673116);國家社科基金重點(diǎn)課題(08ATL007);國家社會科學(xué)基金資助項(xiàng)目(07BTJ012)
楊科(1983-),男,湖南岳陽人,博士研究生,研究方向:金融經(jīng)濟(jì)學(xué)。
林洪(1958-),男,江西萍鄉(xiāng)人,教授,研究方向:國民經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)。