我國(guó)銀行和地產(chǎn)類股價(jià)波動(dòng)性對(duì)比研究

【摘要】本文通過描述性統(tǒng)計(jì)和建立GARCH族模型，以2008年1月2日至2013年7月11日的銀行和地產(chǎn)類股票日收盤價(jià)數(shù)據(jù)作為樣本，對(duì)我國(guó)銀行和地產(chǎn)類股指日收益率的波動(dòng)性進(jìn)行了對(duì)比研究。得到以下結(jié)論：銀行和地產(chǎn)兩類股票收益率序列都是平穩(wěn)的，具有“尖峰厚尾”的特點(diǎn)，具有波動(dòng)聚集性；兩類收益率的波動(dòng)均具有“長(zhǎng)期記憶性”；均存在非對(duì)稱效應(yīng)。

【關(guān)鍵詞】GARCH族模型；杠桿效應(yīng)；溢出效應(yīng)

一、引言

從2008年金融危機(jī)以來，中國(guó)的房?jī)r(jià)幾乎是一路高漲，其高昂的價(jià)格遠(yuǎn)遠(yuǎn)超出了絕大部分居民的承受和支付能力，關(guān)于房?jī)r(jià)問題的討論也一直沒有停止。直到2011年9月，在政府經(jīng)過近2年的宏觀調(diào)控之后才出現(xiàn)了一絲轉(zhuǎn)折的跡象。然而，最近銀行出現(xiàn)的“錢荒”現(xiàn)象以及居高不下的房?jī)r(jià)問題再次引起我們的關(guān)注。對(duì)于我國(guó)高房?jī)r(jià)問題[1]原因的討論，一直被認(rèn)為與銀行住房抵押貸款有關(guān)。而股票作為宏觀經(jīng)濟(jì)的晴雨表，能夠相對(duì)快速準(zhǔn)確的反應(yīng)市場(chǎng)的動(dòng)態(tài)變化。考慮到銀行與地產(chǎn)的這一現(xiàn)實(shí)關(guān)系是否也能在股票市場(chǎng)上反映出來？能否通過收益率波動(dòng)性的研究來加以刻畫？

綜合國(guó)內(nèi)外的研究成果，發(fā)現(xiàn)經(jīng)典理論大都側(cè)重于研究波動(dòng)性的理論方面，并且較為成熟，對(duì)于本文運(yùn)用波動(dòng)性這一研究方法本身有很好的指導(dǎo)意義，值得借鑒。但是，由于社會(huì)經(jīng)濟(jì)發(fā)展水平的不同，之前的研究在聯(lián)系現(xiàn)實(shí)問題上顯得有些不夠，因而也幾乎沒有將銀行和地產(chǎn)兩個(gè)行業(yè)聯(lián)系起來研究。本文與以往研究的不同就在于此，以兩個(gè)行業(yè)板塊的股價(jià)轉(zhuǎn)化后的日收益率作為切入點(diǎn)來對(duì)兩類市場(chǎng)的波動(dòng)性加以研究，并提出一些可行的建議。

二、研究方法簡(jiǎn)介

計(jì)量經(jīng)濟(jì)學(xué)中大多數(shù)統(tǒng)計(jì)方法都是針對(duì)隨機(jī)變量的均值建立模型，而GARCH族模型旨在對(duì)因變量的方差進(jìn)行描述并預(yù)測(cè)[2]。模型是由Engle于1982年提出[3]的，最初被成功地應(yīng)用于英國(guó)通貨膨脹指數(shù)的波動(dòng)性研究之中。隨后被廣泛地運(yùn)用于金融時(shí)間序列，特別是用于描述金融資產(chǎn)的價(jià)格行為時(shí)其解釋能力更好。GARCH（Generalized autoregressive conditional heteroskedasticity）模型是由Bollerslve于1986年提出[4]，是ARCH模型的推廣。一個(gè)形式簡(jiǎn)單且應(yīng)用廣泛的模型是GARCH（1，1）模型，該模型具有其他復(fù)雜模型的主要特征而且通常擬合效果較為理想。GARCH-M（均值自回歸條件異方差）模型，TARCH（門限自回歸條件異方差模型）、EGARCH（指數(shù)廣義自回歸條件異方差）模型均是GARCH模型的拓展和深化。GARCH-M模型用于研究收益和風(fēng)險(xiǎn)的關(guān)系，EGARCH模型用于研究波動(dòng)的杠桿效應(yīng)，都刻畫了序列波動(dòng)的主要特征。

三、實(shí)證研究

（一）樣本數(shù)據(jù)的選取和來源

本文研究的對(duì)象是銀行業(yè)和房地產(chǎn)業(yè)的股價(jià)收益率波動(dòng)性，綜合考慮股價(jià)指數(shù)的代表性和全面性，選取了銀行和地產(chǎn)類的行業(yè)板塊指數(shù)。選取2008年1月2日到2013年7月11日的銀行和地產(chǎn)類股票日收盤數(shù)據(jù)作為樣本，銀行類和地產(chǎn)類各有1340個(gè)數(shù)據(jù)，節(jié)假日不包括在內(nèi)。數(shù)據(jù)來源于Wind資訊數(shù)據(jù)庫，所有的操作均在E-views6.0下進(jìn)行。

（二）數(shù)據(jù)描述性分析和平穩(wěn)性檢驗(yàn)

1.趨勢(shì)分析

圖1中銀行（yh）和地產(chǎn)（dc）類股指顯示了相似的走勢(shì)。但也不難發(fā)現(xiàn)，在股票市場(chǎng)繁榮時(shí)期，地產(chǎn)類股指的漲幅高于銀行類股指漲幅，同時(shí)在蕭條時(shí)期，地產(chǎn)類股指也較銀行類股指下降的更快一些?？梢猿醪娇闯觯禺a(chǎn)市場(chǎng)較銀行市場(chǎng)體現(xiàn)出了更大的波動(dòng)性，但是變化的先后次序并不明顯。

2.數(shù)據(jù)處理及特征分析

銀行和地產(chǎn)類收益率條件方差中ARCH項(xiàng)和GARCH項(xiàng)高度顯著，而且系數(shù)之和均滿足參數(shù)的約束條件[9]，說明收益率條件方差序列是平穩(wěn)的，GARCH（1，1）模型具有可預(yù)測(cè)性，收益率序列具有顯著的聚集性。ARCH項(xiàng)大于0，表明外部的沖擊會(huì)加劇兩類市場(chǎng)的波動(dòng)性，外部沖擊對(duì)銀行類股市波動(dòng)的影響更大一些。GARCH項(xiàng)大于0，表明收益率波動(dòng)具有長(zhǎng)期記憶性，而且地產(chǎn)類收益率更加明顯。

2.三種模型估計(jì)對(duì)比

考慮到GARCH族不同模型對(duì)于刻畫波動(dòng)性的特殊作用，本文分別在GARCH-M、TARCH、E-GARCH模型下進(jìn)行了估計(jì)，估計(jì)結(jié)果如下表5。GARCH-M模型均值方程中GARCH項(xiàng)系數(shù)均不顯著，說明收益率并不受自身波動(dòng)大小的影響。TARCH模型中也有部分系數(shù)不顯著，而E-GARCH模型中系數(shù)均顯著，表明兩類市場(chǎng)中收益率均存在杠桿效應(yīng)。若沖擊為正，則銀行類和地產(chǎn)類條件方差受沖擊的影響分別為0.118、0.004，若沖擊為負(fù)，則分別為0.174、0.017，這說明不論是正的沖擊還是負(fù)的沖擊對(duì)銀行的影響均大于對(duì)地產(chǎn)的影響。

四、總結(jié)及建議

本文利用GARCH族模型對(duì)銀行和地產(chǎn)類兩類股指的收益率進(jìn)行了對(duì)比分析，得到以下結(jié)論：①銀行和地產(chǎn)兩類股市收益率序列都是平穩(wěn)的，都不服從正態(tài)分布，具有“尖峰厚尾”的特點(diǎn)，均存在明顯的ARCH效應(yīng)，表現(xiàn)出了波動(dòng)集簇性。②外部沖擊對(duì)兩類股市收益率造成的影響有無限延伸下去的趨勢(shì)，波動(dòng)具有“長(zhǎng)期記憶性”。這種情況下，外部政策沖擊對(duì)兩類股票市場(chǎng)的影響將是長(zhǎng)期的。我國(guó)股市的波動(dòng)主要由管理當(dāng)局的政策干預(yù)造成，比如銀行頻繁加息政策，不斷調(diào)整的存款準(zhǔn)備金率政策，政府對(duì)股市的宏觀調(diào)控等，因此國(guó)家在出臺(tái)相關(guān)政策時(shí)，應(yīng)當(dāng)站在長(zhǎng)遠(yuǎn)的角度，審慎的考慮市場(chǎng)應(yīng)對(duì)政策沖擊的應(yīng)對(duì)吸收能力，從而更好的把握政策調(diào)節(jié)市場(chǎng)的力度。③銀行和地產(chǎn)兩類股市都沒有GARCH-M效應(yīng)，其收益率不受本身波動(dòng)大小的影響即收益和風(fēng)險(xiǎn)沒有直接的明顯的關(guān)系。④銀行和地產(chǎn)類都存在非對(duì)稱效應(yīng)。這種杠桿效應(yīng)歸因于投資者脆弱的投資心里，當(dāng)價(jià)格出現(xiàn)某種暫時(shí)性的下跌時(shí)，許多投資性者往往會(huì)產(chǎn)生恐慌心理，容易導(dǎo)致所謂的“羊群負(fù)效應(yīng)”[10]。這就提醒廣大投資者應(yīng)該盡量克服自身的盲從心理，多學(xué)習(xí)股票市場(chǎng)分析技術(shù)，用科學(xué)理性的方式來對(duì)待股市投資。監(jiān)管者也要一方面加大對(duì)地產(chǎn)投資者的教育力度，另一方面考慮到杠桿效應(yīng)，不斷的完善監(jiān)管措施，共同削弱這種不對(duì)稱效應(yīng)，努力營(yíng)造一個(gè)良好的理性投資環(huán)境。

參考文獻(xiàn)

[1]林素鋼.宏觀調(diào)控背景下的中國(guó)房地產(chǎn)價(jià)格分析[J].南通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2006（1）：

23-28.

[2]Fama，E.and K.French.Permanent and Temporary Components of Stock Prices[J].Journal of Political Economy，1996.

[3]Engel，R.Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K.Inflation[M].Econometrica，1982.

[4]Bollerslev，T，R，Chou and K.Kroner.ARCH Modeling in Finance[J].A Review of the Theory and Empirical Evidence，1992.

[5]康繼田.滬深300指數(shù)收益率波動(dòng)性研究[J].中南財(cái)經(jīng)政法大學(xué)研究生學(xué)報(bào)，2009（3）.

[6]張曉峒.Eviews使用指南和案例[M].北京：機(jī)械工業(yè)出版社，2010.

[7]張文娟.我國(guó)中小企業(yè)板市場(chǎng)與主板市場(chǎng)波動(dòng)性對(duì)比研究[J].中南財(cái)經(jīng)政法大學(xué)研究生學(xué)報(bào)，2011（2）.

[8]王振龍，胡永宏.應(yīng)用時(shí)間序列分析[M].北京：科學(xué)出版社，2007：178-184.

[9]周少磊，桂林.我國(guó)股指期貨對(duì)股市波動(dòng)非對(duì)稱性影響的實(shí)證研究[J].中南財(cái)經(jīng)政法大學(xué)研究生學(xué)報(bào)，2011（4）.

[10]李漢東，張世英.自回歸條件異方差的持續(xù)性研究[J].預(yù)測(cè)，2000，19（1）.

作者簡(jiǎn)介：段瓊（1990—），女，山西呂梁人，東北財(cái)經(jīng)大學(xué)數(shù)學(xué)與數(shù)量經(jīng)濟(jì)學(xué)院2012級(jí)碩士研究生，研究方向：宏觀經(jīng)濟(jì)預(yù)測(cè)與分析。