公务员期刊网 精选范文 证券投资相关分析范文

证券投资相关分析精选(九篇)

前言:一篇好文章的诞生,需要你不断地搜集资料、整理思路,本站小编为你收集了丰富的证券投资相关分析主题范文,仅供参考,欢迎阅读并收藏。

证券投资相关分析

第1篇:证券投资相关分析范文

随着我国证券市场不断的发展,人们的金融意识和投资理财意识也不断加强。证券业的发展吸引了投资者对证券市场进行投资,但是由于我国证券业起步晚,各项制度法规还不健全,人们的思想水平没有达到一定水平,面对证券市场如此快速的发展速度难免会出现一些问题。本文针对证券市场中出现的问题,研究分析了多元统计分析方法在证券投资中的应用,并对证券市场发展提出一些建议。

【关键词】

证券投资;多元统计分析;应用

证券市场的发展也反映出了我国经济的发展,中国证券业在短短十几年的所做出的成就是发达资本主义国家在历经百年的坎坷之后实现的,这样巨大的成就是中国经济发展的骄傲,但是这其中也存在的巨大的问题。近年来随着证券业的不断发展,这些问题不断暴露出来,对整个证券市场和经济市场的发展构成威胁。为了能够减少这些问题的出现人们也在积极地进行各方面方法的研究,其中多元统计分析法就是非常重要的方面。

1 多元统计分析法的介绍

(1)概念:多元统计分析是从经典统计学中发展起来的重要分支,是一种综合性非常强的分析方法。多元统计分析方法,能够在多个对象和多个指标相互关联的情况下分析它们的统计规律,是数理统计学中的重要分支学科。

(2)内容

多元统计分析方法所包含的统计方法包括:多重回归分析、判别分析、聚类分析、主成分分析、对应分析、因子分析、典型相关分析、多元方差分析等。

(3)应用简介

多元统计分析方法主要研究的是某个客观事物中多个变量之间的相互依赖的统计规律性,并在R.A费希尔等多位统计学家的精心研究下得到了重大发展,到20世纪50年代,伴随着计算机科技的发展和普及,多种统计软件应运而生,多元统计分析方法在地质、气象、生物、医学、图像处理、经济分析等领域得到了广泛的应用,这些实际应用的发展也再一次促进了多元统计分析法理论的发展,使人们在使用多元统计分析法时越开越方便。

2 多元统计分析方法在证券投资中的应用

多元统计分析法是证券投资中非常重要的分析方法,它的理论内容包含了多个方面的理论方法,每个理论分析方法对证券投资有着不同的分析作用,应该对每个分析方法进行认真研究得出相关的结论,再应用到实际经济生活中。

2.1 聚类分析在证券投资中的应用

(1)定义:聚类分析是依据研究对象的特征对其进行分类、减少研究对象的数目,也叫分类分析和数值分析,是一种统计分析技术。

(2)在证券投资中应用聚类分析,是基于证券投资的各种基本特点而决定的。证券投资中包含着非常多的动态的变化因素,要认真分析证券投资中各种因素的动态变化情况,找出合适的方法对这种动态情况进行把握规范处理,使投资分析更加的准确、精确。

1)弥补影响股票价格波动因素的不确定性

证券市场受到非常多方面的影响,具有很大的波动性和不稳定性,这种波动性也造成了证券市场极不稳定的发展状态,这些状态的好坏对证券市场投资者和小股民有着非常重要的影响。聚类分析的方法是建立在基础分析之上的,立足基础发展长远,并对股票的基本层面的因素进行量化分析,并认真分析掌握结果再应用于证券投资实践中,从股票的基本特征出发,从深层次挖掘股票的内在价值,并将这些价值发挥到最大的效用。影响证券投资市场波动的因素非常多,通过聚类分析得出的数据更加的全面科学,对于投资者来说这些数据是进行理性投资必不可少的参考依据。

2)聚类分析深层次分析了与证券市场相关的行业和公司的成长性

聚类分析是一种非常专业的投资分析方法,它善于利用证券投资过程中出现的各种数据来对证券所涉及的各种行业和公司进行具体的行业分析,这些数据所产生额模型是证券投资者进行证券投资必不可少的依据。而所谓成长性是一种是一个行业和一个公司发展的变化趋势,聚类分析通过各种数据总结归纳出某个行业的发展历史和未来发展趋势,并不断的进行自我检测和自我更新。并且,要在实际生活中更好的利用这种分析方法进行分析研究总结,就要有各种准确的数据来和不同成长阶段的不同参数,但是,获取这种参数比较困难,需要在证券市场实际交易和对行业和公司的不断调查研究中才能得出正确的数据。因此,再利用聚类分析法进行行业和公司分析和证券投资分析时要注重选取正确的、关键的指标进行检查,例如主营收入增长率、净利润增长率等指标,这样才有利于正确预测证券市场上股票的发展潜力。

3)在实际操作中更加直观实用

聚类分析是根据现代证券市场发展水平和特点发展出来的新的分析方法,这种分析方法的出现与现代的基本的投资组合理论形成了比较,突出了聚类分析方法更加贴近实际生活,更加直观、实用的特点,并且由于技术的发展,聚类分析方法在实际应用中所受到的局限较小,而且易操作,因此它的适用范围就比现资理论更加的广泛。

2.2 主成分分析在证券投资中的应用

(1)定义:在统计分析中,主成分分析是一种分析、简化数据集的技术。主成分分析经常用减少数据集的维数,同时保持数据集的对方差贡献最大的特征。主成分分析由卡尔・皮尔逊于1901年发明,用于分析数据及建立数理模型。其方法主要是通过对协方差矩阵进行特征分解,以得出数据的主成分(即特征矢量)与它们的权值。

(2)主成分分析的应用非常广泛,判别分析的分析方法就是通过对各种分类数据的研究,分析出自变量各组间存在的差异,并总结出差异性,判断哪一个自变量对组间差异的贡献是否完全,根据这些数据将自变量的转变方法进行样本归类。

1)降低影响证券投资市场变动的因素之间的互相影响

在证券市场中有非常多的因素在影响着证券市场的稳定,这些因素之间有着非常多的关系,相互影响、相互关联,但相互之间的影响也存在着非常多的影响。而主成分分析方法就是在对影响证券投资相互关系的因素中进行分析,并对原始数据指标变量进行认真分析,将其中重要的主成分因素概括出来,并进行转换形成相互彼此相互独立的成分,而且经过实践证明在影响证券市场投资分析中的指标间相关程度越高,主成分分析效果越好。

2)通过主成分分析减少指标选择的工作量

主成分分析的目的就是要通过对各种数据、因素的分析总结出相对各种因素的不同影响程度,总结总体因素中的主要影响成分,并总结出不同层次的影响因素梯度,在分析时采取逐级分析的方法,这样既可以抓住主要矛盾进行分析,也可以节省时间,并且提高分析的准确性,减少分析人员的工作量,因此,主成分分析法指标选择上的优势更加的突出。

3)由主成分分析法构造回归模型更加的精确、节省时间

在进行证券投资因素分析时,为了能够更加清晰准确的对模型中的相关数据进行分析,都要对各种数据进行模型处理,这样的处理方式可以提高整个证券投资分析的准确性,是模型更加易于做出结构分析、控制和进行证券市场变动的预报。

2.3 因子分析

(1)定义:因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子,可减少变量的数目,还可检验变量间关系的假设。

(2)应用

因子分析最主要的作用是确定证券投资组合的模型。因子分析将影响股票价格的各种因素看成是不同的变量,建立股价因子模型,利用各因子不相关性确定股票的分类,再分析股票的发展潜力的基础上确定出合适的证券投资模型。

3 总结

随着经济发展的不断加快,金融证券市场的发展也达到了又一个高度。我国证券市场的发展还不完善,暴露出来的诸多经济问题必须引起政府和社会的广泛关注。证券市场研究着也要积极进行证券市场的各种理论对市场的发展做出合理的预测和控制。多元统计分析方法是近年来应用比较广泛、科学的方法,它为整个证券市场的健康发展做出了辅作用。为了证券市场能够更好发展,多元统计分析方法也要进行积极创新,为将来的发展做出贡献。

【参考文献】

[1]彭文浩.多元统计分析方法在证券投资中的应用[J].科技信息,2011(16)

[2]邓秀琴.聚类分析在股票市场板块分析中的应用[J].数理统计与管理,2010(05)

[3]蒋佳璐,杜春伟.关于证券投资基金制度的经济学分析探讨[J].商,2014(8)

[4]王艺钦.行为金融视野下的证券投资风险对策[J].中国管理信息化,2014(8)

第2篇:证券投资相关分析范文

关键词:机构投资者;股价同步性;股价信息含量

中图分类号:F83 文献标识码:A

收录日期:2016年3月20日

一、引言

自从中国证券市场在20世纪90年代初期成立以来,在过去的20余年中,中国证券市场取得迅速发展。但是作为新兴市场的重要一员,我国证券市场的资源配置效率与西方发达国家还有很大差距,股票价格中往往包含很多噪音,不能很好地反映公司基本面的信息,因此股价更多的是受市场和行业层面信息的驱动,表现出“同涨同跌”现象。在我国证券市场成立初期,机构投资者还处于萌芽阶段,市场上主要是一些规模较小、投资比较保守的证券公司。直到1998年3月23日,我国开始正式启动第一批证券投资基金,紧接着基金金泰和基金开元于同年4月7日分别在上交所和深交所上市。相关主管部门持续出台了一系列的政策措施鼓励机构投资者发展,2002年12月,合格的境外投资者(简称QFII)被引入中国市场;2004年10月,中国保险监督管理委员会、中国证券监督管理委员会联合了《保险机构投资者股票投资管理暂行办法》,标志着我国保险资金首次获得股票市场准入资格。但是,我国股市暴涨暴跌、股价波动的同步性现象依然十分突出。

二、文献综述

学术界早期对“股价同步性”的研究可以追溯到资本资产定价模型(CAPM)对个股解释力下降的分析。通过个股收益与市场收益和行业收益回归得到的R2越高,表明市场系统性风险对个股收益的解释力越强,股价的“同涨同跌”现象越严重。Roll(1988)认为是股价中包含的公司层面的私有信息或者是与公司基本面无关的投资者的恐慌、狂热等非理性因素导致了个股独立于市场和行业的价格波动。MYY(2000)根据 Roll 的研究成果,首次把股价“同涨同跌”现象定义为股价同步性,并认为“股价同步性”主要反映了股票价格中公司层面的特质信息的含量,股价中包含的公司特质信息越多,股价同步性越低。由此开创了解释股价同步性的两种主流理论之一――信息效率观。寇宁(2008)通过对我国机构投资者现状的研究,分析了我国机构投资者对市场稳定的影响及造成市场波动的原因。其在文中提出,市场对开放式基金管理人的评价着重,例如Zhou(2007)通过美国股市数据研究得出,股价波动同步性越低,公司的盈余质量越高,并且机构投资者的增加会加强这种联系。但是也有相关研究指出机构投资者持股可以起到稳定市场的作用,有利于缓解股价同涨同跌的现象。王咏梅和王亚平(2011)研究发现,机构投资者经常采用的基于程序的自动交易策略和大量交易会导致市场波动性上升。

Wermers(1999)将羊群行为作为研究的出发点,最终得出证券投资基金有利于股票市场长期稳定的结论。Wdwards、XinZhang(1998)利用信息优势进行研究,从而发现证券投资基金有利于股市的稳定。Cohen et al.(2002)通过考察1983~1998年共计16年的年度数据,实证研究发现美国的机构投资者通常会卖出没有信息但其价格仍然上涨的股票,并买入具有正现金流信息的股票,从而使股票价格向其价值回归,进而产生稳定股市的作用。Bohl和Brzeszczynsku(2004)通过研究新兴市场国家――波兰1994年11月到2003年12月30日的日交易数据的数据表明,伴随其养老金制度的改革,机构投资者持股比例的增加减少股票指数收益的自相关性和收益波动,从而起到了稳定股市的作用。何基报和王霞(2005)以2003~2005年共计12个季度证券投资基金的数据作为样本,实证研究认为机构投资者与稳定市场之间没有必然的联系,并在2007年又对2003~2007年的日交易数据进行研究,结果表明机构投资者对整个股市价格波动的影响力有限,因此不能得出“机构投资者一定能够稳定股市”的结论。由此可见,机构投资者的交易行为可能提高股价信息含量、增加市场效率,也可能破坏市场稳定并降低股价的信息含量。

三、理论分析与研究假设

机构投资者作为专业性的投资者,比个人投资者在资金、专业知识、投资经验、信息资料和分析手段等方面都具有相当大的优势。并且机构投资者还具有专业的研究人员与基金经理人。这些优势使得机构投资者能够准确的评估股票的基础价值。又因持有大额股份而具有较强的动机搜集上市公司的经营管理信息甚至参与到公司治理中,因而更能基于公司的基本面信息做出理性的投资决策,从而提高公司股价的特质信息含量。尽管如此,中国的机构投资者在改善资本市场效率方面仍起到了非常重要的作用。

基于中国资本市场数据的相关研究发现,机构投资者持股比例越高,公司的应计盈余管理活动越少,盈余信息真实性越强,股票市场的定价效率和稳定性则越好,而机构投资者的交易则显著增加了公司股价中的特质信息含量(程书强,2006;侯宇、叶冬艳,2008;王亚平等,2009;王永梅、王亚平,2011)。可见,在中国的资本市场上,机构投资者能够促进资本市场效率的提升。机构投资者持股比例越高的股票,其股价受噪音的影响程度越低,董秘与股价同步性之间的正相关关系也会相应降低。机构投资者持有上市公司相当比例的股份,这使得机构投资者可能成为上市公司的内部人或者准内部人,在一定程度上机构投资决策是受到其私有信息影响的,机构持股的变化将传递信息。机构持股份额和交易规模的变化传递着它们拥有的信息,例如机构持股水平变化应该是与监督、获取企业异质性信息渠道相关的,机构投资组合传递着公司的相关信息,所以机构持股能够增加股价的异质性信息含量,降低股价的同步性。所以,提出本文假设:在其他条件一定的情况下,机构投资者持股比例与股价同步性负相关。

四、实证结果与分析

(一)样本的筛选和数据的来源。本文选取了2011~2012年沪深两市A股上市公司来作为我们的样本来源,所使用的数据包括机构投者持股比例、股票收益率的数据、公司财务特征数据。数据主要来自WIND数据库、国泰安数据库CSMAR和CCER数据库。剔除金融行业样本;剔除年度内周收益率的数据少于30个观测值的公司;从原始数据中剔除ST、*ST以及PT的公司;剔除当年IPO的公司;剔除存在数据缺失的样本公司。

(二)模型设定。在前人研究的文献中,学者们采用了资本资产定价模型得到股价同步性指标。本文借鉴Roll(1988)、Duenev et al.(2003)、Hutton et al.(2009)等的方法对股价同步性进行估计,运用模型(1)来估计个股的R2。

以往研究使用的公式(2)进行对数转换得到本文所使用的股价同步性指标,作为股价同步性的替代变量。越小,则说明股价同步性越低;越大,说明股价同步性越高。

(三)机构投资者持股与股价同步性回归分析。表1为模型的回归结果,通过结果可以看出,机构投资者持股比例的系数为-0.164,而且在1%水平上显著为负,说明随着机构投资者持股比例的增加,可以增加公司的特质信息,增加股价的信息含量,从而减缓了股价同步性。其他相关的控制变量基本上是显著的,roe、lev、turnover均是在1%水平上显著负相关的,size是在1%水平上显著正相关的,只有mb和central不显著,整体上是符合预期的,模型效果也比较好,比较有说服力,有力验证了我们的假设。表1中,t statistics in parentheses*p< 0.05,**p < 0.01,***p < 0.001 syn是股价同步性的衡量指标;inst,机构投资者持股数量与流通股数量之比;roe,等于净利润除以净资产,是反映企业盈利状况的重要指标;mb,市场账面比,市场价值比账面价值;lev,总负债与总资产的比值;central,第一大股东的持股数量与总股数的比;size,期末总资产的自然对数;turnover,日平均换手率;Year和Ind是虚拟变量,控制年和行业的影响。(表1)

(四)稳健性检验。为了进一步检验机构投资者持股与股价同步性之间的经验关系,本文从两方面进行稳健性分析。由于篇幅限制,本文并没有将回归结果列出,只进行如下相关分析,验证了本文的结论。

1、用机构投资者持股变化和持股机构投资者数量来代替机构投资者持股比例来衡量机构投资者持股,通过回归,机构投资者持股与股价同步性仍然显著正相关,与表1的表述一致,说明我们的结论比较可靠。

2、对于股价同步性的计算方法,因为在本文的样本中制造业占绝大多数,其他行业占比较少,为了排除行业因素对股价同步性的影响,我们选择将模型(1)中去掉行业周收益率,重新回归求R2,重新根据公式(2)计算出SYN进行回归,得出与之前相同的结论。

五、结论及相关政策建议

机构力量在我国资本市场上迅速发展成长。机构投资者作为专业投资者日益成熟,机构投资者参与公司治理的作用也不断增强。本文的分析初步表明机构投资者能够作为资本市场的主体力量,机构投资者在维持市场稳定、促进资本市场效率的作用在成熟的经济体中日益明显。如果机构投资者作为专业投资者进行的交易是基于公司特质信息进行的,那么其投资行为将导致更多的公司特质信息被包含在公司股价中,降低所投资股票的股价同步性。

监管当局应当加强对机构投资的监管,通过立法、改进公司治理等措施规范机构投资者的行为,增强市场的公平性和合理性,引导价值投资理念;监管当局应加强各地区制度环境的建设,加快市场化进程,减少政府干预,完善法律法规体系并强化投资者保护,通过营造良好的制度环境,改善市场信息环境,提高市场效率。

主要参考文献:

[1]王亚平,刘慧龙,吴联生.信息透明度、机构投资者与股价同步性[J].金融研究,2009.12.

第3篇:证券投资相关分析范文

关键词:股票价格指数;收益率;相关性;相关性分析

中图分类号:F224 文献标识码:A 文章编号:1009-2374(2013)24-0159-02

1 研究的背景、目的、意义

沪深股市是从一个地方股市发展而成为全国性的股市的,刚营业时上市的股票数量只有为数很少的几只,其规模很小,且上市的股票基本上都是上海和深圳的本地股。而今,我国股市正从一个相对独立的市场逐渐地与全球股市相连接和相互影响,并且正在逐步地完善和发展,市场规模不断壮大。

并且徐龙炳、陆溶利用R/S方法分析了沪市收益率的非线与相关系数。对以后研究金融市场的相关性具有指导意义。

选取指数研究是因为投资者根据指数的升降,可以判断出股票价格的变动趋势,反映股市的动向,所有的股市几乎都是在股价变化的同时即时公布股价指数。

2 数据选取

选取的数据为上海证券交易所综合指数、深圳证券交易所成份指数、道琼斯工业指数和纳斯达克综合指数的对数收益率。

3 各个市场实证分析

3.1 上证综合指数年收益率平稳性、正态性检验

在spss中定义变量,把收集到的上海证券交易所指数的年收益率数据输入,绘制出相应时间序列图和QQ图,见图1和图2。

从上证综合指数收益率时间数列图我们可以看出一些明显的特征:该图从2001~2006年,该股指收益率呈现调整上升的趋势;2006~2008年间突然大幅下跌,达到谷底,是12年间的最低点;2009年底大幅上涨到平均值以上;2010年至今趋于稳定。

从图2中可看出上证综合指数收益率数据大部分落在了斜线之外,分布于斜线两侧,这说明上证综合指数收益率不服从正态分布。

3.2 道琼斯工业指数年收益率平稳性、正态性检验

在spss中定义变量,把收集到的道琼斯工业指数的年收益率数据输入,绘制出相应时间序列图和QQ图,见图3和图4。

可以看出:从2001~2007年,该股指收益率一直在较高点位震荡波动但幅度不大;2006~2008年间突然大幅下跌,达到谷底,是12年间的最低点;随即立即反弹,2009年底恢复到高位;2010年至今趋于稳定。

从图4中可看出对数收益率数据大部分落在了斜线之外,分布于斜线两侧,这说明道琼斯工业指数收益率不服从正态分布。

综上,可以看出沪深股市收益率波动较大,而其他两个较成熟的股票市场收益率的波动则相对稳定。由于我国股市起步晚,规范性等方面还不成熟,加上投机性比较严重,导致我国的股市波动较大。由于本文搜集的是以年为基期的数据,数据少、时间跨度大,因此收益率均不服从正态分布。

4 四个股票市场实证分析结果

从表1中可以看出,道琼斯工业指数收益率、纳斯达克综合指数收益率显著相关,且为高度正相关;而我国的两个股票指数的收益率与这两个市场的相关性则为中度

相关。

5 结论与展望

通过分析五个股票市场年股指对数收益率,我们可以看出沪深两市收益率波动性较强、波动幅度大,这说明我国股市的规范和英、美等成熟国家的股票市场有一定差距。同时,可看到我国股票市场的股指收益率与其他三个市场的股指收益率中度相关,说明我国股市和西方国家股市之间的联系不是很紧密,我们应该加快与世界市场的合作步伐。

参考文献

[1] 化生.中国股市的经济学思考[M].北京:经济科学出版社,2004,(1):18-20.

第4篇:证券投资相关分析范文

关键词:银行体系流动性;存差;资金配置结构

中图分类号:F830文献标识码:A文章编号:1006-1428(2006)04-0008-06

正确认识存差现象

1.当前世界各国和全国各省普遍呈现存差,存差现象符合全球、全国的一般规律

全面考察全球、全国存差,美国存差率50%,香港43%(李扬,2002),而我国是31%,相比之下我国存差率较低。同时,我国银行体系信贷投放占GDP比例达1.78,仅次于美国2.62的水平,高于世界平均水平(详见表1),反映了在全球范围内,我国银行体系信贷投放比较充分。截至2005年末,全国31个省(自治区、直辖市)均呈现存差。这都说明了存差现象符合全球、全国的一般规律。

表1:银行体系信贷占GDP比例之全国、国际比较单位:%

2.回顾我国存差演变历程,经济发达地区先转为存差,经济落后地区后转为存差

从我国存贷差演变历程看,经济发展起步阶段全国各省市普遍呈现贷差,经济发展到一定水平时各省市相继出现存差,随着经济日益发展存差也不断扩大。其中,经济发达的广东、浙江、江苏、山东分别于1991年、1991年、1993年、1994年由贷差转为存差;全国总体于1995年由贷差转为存差;而经济相对落后的青海、吉林直至近年才转为存差。

3.实践证明,存差与经济发展水平、金融市场发达程度密切相关

实证分析表明,存差与地区经济发达程度高度正相关。我们取2005年全国31个省(自治区、直辖市)存差与GDP数据进行相关性分析,结果显示相关系数达0.8177,且显著性较强,说明存差与经济总量呈现正相关关系。进一步分析反映,存差还与地区金融市场状况密切相关。在剔除北京、上海、广东三个较为特殊的省市后相关系数更达0.8764,且显著性更强,说明全国性商业银行总行和证券交易所对地区存差也有明显影响。以北京为例,2005年北京存差率达47%,存贷比仅53%。可见,经济总量越大、金融市场越发达,其存差相对就越大。

4.存差既不能涵盖社会资金供求状况,也不能反映银行资金松紧程度,更不能衡量金融支持经济的水平

首先,在大一统的金融体制下,金融机构只有银行,银行资产只有贷款,银行资产负债平衡式可以简化为:

贷款=存款十所有者权益(1)

从等式(1)中可以看出,只要所有者权益大于零,就会存在贷差。

其次,金融体制改革后,各类型金融机构林立,金融市场加速发展,货币投放渠道和金融资产日趋多元化,使得银行资产除贷款外,增加了证券投资、外汇占款等。银行资产负债平衡式越来越复杂:

贷款+有价证券及投资+外汇占款+其他资产=存款+金融债券+其他负债+所有者权益(2)

存款-贷款=有价证券及投资+外汇占款+其他资产-金融债券-其他负债-所有者权益(3)

再次,现阶段在银行资金来源中,存款占绝大多数,比重达95.1%。而在银行资金运用中,外汇占款比重升至23.6%,有价证券及投资比重升至11.6%(详见表2)。因此,许多资金以非贷款形式投向实体经济,存差已经不能全面描述社会资金供求的总体状况。

表2:2005年全国银行资产负债结构单位:%

5.真正反映银行资金松紧程度和贷款投放能力的是超额准备金

银行存差可能以法定存款准备金、外汇占款、有价证券、金银占款、财政借款、固定资产、应收及预付款、分支机构上存资金(总部统一用于项目贷款、购买国债、购买金融债券等投资)等不同形式占用,因此,存差不能反映银行资金松紧程度,真正反映银行资金松紧的是超额准备金。近年来,央行实行了低比例、低利率的准备金制度,积极促进银行扩大信贷投放。1998年以来,央行分三次调整法定存款准备金比率,由13%下调至7.5%:同时,连续三次下调超额准备金存款利率,由2.07%下调至0.99%。目前,超额准备金利率等于活期存款利率,属于无利资产,因此,低利率低比例的准备金制度,有效促进追求利润最大化的商业银行尽量压缩超额准备金,扩大信贷投放。截至2005年末,全国金融机构超额准备金率为4.1%,全年波动幅度低于前两年水平,总体水平均控制在4%左右,表明金融机构仅保留临时资金头寸支付需要,并没有过多闲置资金。存差成因的

实证分析关于存差成因的论述,可以归纳为很多假说,包括货币化进程假说、金融深化假说、经济基本面假说、财富积累假说、有效需求假说、资产运用多元化假说、外汇占款假说、资金来源多元化假说、被迫储蓄假说、信贷萎缩假说、信贷约束假说、特殊资本结构假说、制度转轨假说等等。为检验各种假说,寻找存差形成的最主要因素,本文以厦门为例,收集了与各类假说相关的变量的时间序列数据,通过运用相关分析、单位根检验(Augmented Dickey-Fuller Test)、因果检验(Granger Causality rest)、AIC(Akaike Info Criteflon)和SC检验(Schwarz Criterion)以及最小二乘法等,不断筛选和优化变量,试图从理论和实证两方面论证存差成因。

首先运用相关分析,从多个变量中筛选出与存差相关性最强的7个变量,其中因变量为存差(Y),自变量为国内生产总值(X1),社会固定资产投资总额(X2),社会消费品零售总额(X3),净出口总额(X4),广义货币供应量(X5),有价证券及投资(X6),外汇占款(X7),数据采用1980-2005年的数据。通过定性和定量分析,得出以下结论:

1.货币供应量偏大,货币流通速度减慢,货币流动性滞存造成存差持续扩大,货币化进程的阶段性特征决定了存差现象

长期以来我国货币供应量超速投放,M2增幅长期高于GDP增幅与物价之和,M2/GDP已经达2.0左右,远远超过世界平均水平。超速的货币投放在我国经济起飞阶段被实体经济充分吸收,促成我国基本实现货币化进程,但是,在经济回归平稳增长时期,超速的货币投放就会滞存于家庭部门或金融部门,难以被实体经济充分吸收,具体表现为,货币流通速度下降,存差迅速膨胀,比如1995年前后我国货币流通速度(M1/M2)大幅减慢,由0.45水平下降至0.35水平,经济难以吸收超速投放的货币,货币出现滞存,也正是1995年我国由贷差转为存差,产生了3000亿元存差。

为从实证角度加以检验,通过对存差与上述7个自变量的相关分析显示,广义货币供应量M2与存差相关性最大,呈现正相关,相关系数高达0.9779。为判断M2是否为存差的原因,必须先对M2与存差进行平稳性检验,才能决定能否进行Granger因果检验。ADF检验表明M2与存差均为二阶平稳序列,符合因果检验条件;AIC和SC检验确定了M2与存差因果判断的最佳滞后期为2;Granger因果检验显示,在滞后期为2和1时,M2是存差的成因。运用最小二乘法回归显示,在方程(3)中可决系数达0.9774;对M2与存差单独回归可决系数达0.9562,说明M2对存差的解释能力很强;对M2与存差取对数回归分析显示,存差对M2的弹性系数为2.37。总之,实证分析表明,M2是存差的主要成因,M2投放对存差的显著影响体现在货币增投后的第2年,在不受其他因素干扰情况下,M2每增长1%,存差将扩大2.37%,货币化进程假说得到了实证分析的强有力支持。

2.经济日益发展和财富不断积累,提高了社会资金的丰裕程度,经济发展变化是存差形成的根本性原因

改革开放初期,物质基础薄弱,积累匮乏,资金成为最为稀缺的生产要素。当时人民难以解决温饱问题,存款资金来源极少,银行被迫采取有奖储蓄、储蓄贴水保值等吸收存款;另一方面,信贷资金长期供不应求,贷差缺口长期由央行增发货币弥补。90年代以后,社会和居民的财富明显增加,非国有经济高速发展,个人收入多元化,财政收入也翻倍增长,社会资金日趋丰裕,信贷资金供求关系发生变化,银行存差不断增加。

以GDP作为经济水平和财富状况的变量,对GDP与存差的相关分析显示,GDP与存差相关系数达0.9655,仅次于M2。GDP通过了二阶平稳检验;Granger因果检验显示,在滞后期为7和5时,GDP对存差扩大有显著影响,反映经济增长对存差的影响滞后期较长。最小二乘法回归显示,在方程(3)、(6)中可决系数均达0.977以上,反映GDP对存差的解释能力很强,总之,实证分析较好地支持了经济基本面假说和财富积累假说。

值得一提的是,反映财富积累程度的居民储蓄变量,不能入选主要自变量范围。主要原因是,尽管居民储蓄与存差相关系数高达0.9730,但居民储蓄不能通过ADF平稳性检验,居民储蓄与存差不存在Granger因果关系,实证分析不支持居民储蓄是存差扩大的原因。实际上,居民储蓄存款更是存差扩大本身的结果和表现,而不是先决成因,被迫储蓄假说缺乏实证支持

3.金融资产多元化,资金运用多种多样,同时金融负债单元化,资金来源主要依赖存款,金融深化程度也是存差扩大的另一重要原因

银行资产多元化主要表现在四个方面。首先,1998年起,我国实行积极的财政政策,财政发债数量大增,金融部门持有的国债也快速增长。1981―1997年我国累计发行国债不足1万亿元,而1998―2005年累计发行国债约4万亿元,大大增加了金融部门的债券资产。其次,近年来中央银行、政策性银行和部分中小商业银行不断增发债券,也增加了商业银行的金融债券资产。2005年银行体系持有含国债、金融债券、中央银行债券、企业债券等债券总计1.3万亿元,占银行体系金融总资产11.6%,高于1990年9.6个百分点。再次,银行资产多元化还表现在中间业务迅速发展,金融机构签发银行承兑汇票、出具保函、开立信用证等或有资产比重不断上升。另外,2005年外汇占款占银行资产达23.6%,也是金融资产多元化的一种表现(在第4点单独做分析)。

对存差与有价证券及投资相关分析显示,相关系数为0.9539。Granger因果检验显示(详见表3),在滞后期为1时,有价证券及投资是存差的成因,仅通过置信水平为10%的显著性检验;对有价证券及投资与存差单独回归可决系数为0.8835,低于M2和GDP,说明有价证券及投资对于存差的影响相对较弱。但是,如果对存差率与7个自变量进行相关分析,则有价证券及投资相关系数最高。总之,有价证券及投资对存差的影响较弱,但对存差率的影响最强,有价证券及投资假说得到实证分析的一定支持。

为检验结构因素与总量因素对存差影响的显著程度,建立仅以结构因素为自变量(X6、X7)的回归方程(2)(详见表4),同时建立仅以总量因素为自变量(X1、X2、X3、X4、X5)的回归方程(1),比较分析显示,方程(1)的可决系数高于方程(2),同时DW值较优,可见,总量因素对存差的影响显著强于结构因素,换言之,资产多元化假说的实证支持稍弱于货币化进程假说和经济基本面假说。

讨论金融资产多元化时,值得一提的是,金融负债单元化。回顾80年代以来,金融机构存款占资金来源的比重呈现坚定上升趋势,比重由1993年80%,上升至2005年的95%,金融资产和负债多元化的不对称性,侧面反映了货币市场发展明显滞后于资本市场发展,进一步加剧存差扩大。

4.贸易顺差、利用外资、人民币升值等导致外汇占款超常增长,尤其是贸易项下净结汇增长,强化了存差扩大趋势

当前,在贸易项下净结汇、资本(投资)项下净结汇、短期流动资金净结汇的三重推动下,企业大量向银行结汇,银行向央行结汇,在现行外汇管制下央行被迫投放基础货币。与此同时,央行其他货币政策操作工具难以对冲外汇占款所投放的流动性,造成货币超常投放,强化了存差扩大趋势。1994年外汇管理体制改革以来,外汇占款成为基础货币投放的主要渠道,外汇占款占基础货币比重从1990年的9%,上升到1995年的31%,2000年41%,2003年的56%,并在近两年人民币升值预期下,迅速上升至2005年的96.6%。外汇占款占银行资产比重也从1993年的3.9%,上升至2005年的23.6%。

实证分析不支持外汇占款是存差的成因。尽管外汇占款与存差相关系数高达0.9374,但是由于外汇占款受国际因素、政治因素等外生变量影响太大,极其不平稳,不能通过ADF平稳性检验,因此,外汇占款与存差不存在Granger因果关系,外汇占款假说并未得到实证检验的有效支持。

但实证分析显著支持贸易净出口(相当于贸易项下净结汇)是存差的成因,两者相关系数0.9154,在滞后期为1、2、3、4、5、6时净出口是存差的成因,并全部通过1%置信水平的显著性检验(详见表3),在方程(1)、(3)、(6)中可决系数均超过0.97的水平(详见表4)。可见,净出口(即贸易项下净结汇)是存差极其显著的成因,贸易项下净结汇假说比外汇占款假说更精确,对存差成因解释能力更强。

表3:因果检验(Granger Causality Test)

最终消费水平影响投资增长的可持续性,决定了贷款的有效需求,也是存差变动的主要因素如果消费和投资需求旺盛,商业银行可以通过动用超额准备金、出售债券资产,从其他机构拆入资金,或向央行再贷款来扩大贷款,存差就会变小。如果最终消费水平偏低,投资增长不能持续,贷款有效需求就会不足,这样即使迫使银行信贷资金流向实体经济,被逼出商业银行的资金也只能滞留在金融市场,存差就会持续变大,这也是货币内生性的含义。

实证分析显示,投资和消费与存差的相关系数分别为0.9060和0.9370;消费在滞后期为3、4、5时,投资在滞后期为4、6、7时对存差的影响显著(详见表3);回归方程(1)、(3)、(5)、(6)中可决系数达0.97-0.98(详见表4),可见,投资和消费对存差解释能力很强,影响很显著,有效需求假说得到充分验证。

为检验地区性因素与全国性因素对存差影响的显著程度,建立仅以地区性因素为自变量(X1、X2、X3、X4)的回归方程(5)(详见表4),同时建立仅以全国性因素为自变量(X5、X6、X7)的回归方程(4),比较分析显示,方程(5)的可决系数高于方程(4),同时DW值较优,可见,地区性因素对地方存差的影响显著强于全国性因素。

6.货币投放渠道发生新变化,尤其是剥离不良资产投放了大量基础货币,成为近年来存差扩大的特殊因素

近年来,国家加大剥离不良资产和核销呆账贷款的力度,直接减少了贷款存量,并且带来了大量的存款来源。1999-2004年剥离不良贷款,扣除资产管理公司可回收的部分外,预计损失达1.5万亿元。国有商业银行股份制改革过程中处置大量不良贷款,加上各类银行自行核销的贷款,预计有2.5万亿元贷款损失。在大力剥离不良资产和核销呆账贷款情况下,截至2005年末,全国不良贷款比率仅为8.6%,比2004年第三季度末的26.6%整整下降了18个百分点。这些特殊因素对存差扩大带来突发却又重大的影响。

表4:回归方程(Least Squares Method)

综上所述,通过理论分析和实证检验,我们可以得出存差成因的相关结论:一是在存差成因的7个主要自变量中,M2对存差的解释能力最强,假设不考虑其他因素,M2增长1%后第2年存差将扩大2.37%;其次是GDP对存差的解释能力也很强,再次分别是投资、消费、净出口、有价证券及投资。二是在各种存差成因的理论述评中,货币化进程假说、经济基本面假说、有效需求假说得到了实证分析的强有力支持;有价证券及投资假说、资产多元化假说的实证支持相对较弱;被迫储蓄假说、外汇占款假说没有得到实证分析的有力支持。实证分析还发现,存差扩大是储蓄增长的成因,而贸易项下净结汇假说比外汇占款假说更精确。三是在存差成因分类比较中,总量因素对存差的影响强于结构因素,地区性因素对地区存差的影响强于全国性因素。客观评价金融支持经济的状况

对于存差问题存在着许多批评,常见的批评可以概括为信贷约束假说、资金上存假说、制度转轨假说、特殊资本结构假说等。反思造成上述存差认识误区,并引发存差争议的深层次原因,我们认为有两个问题值得关注,一是相当社会公众对金融支持经济的力度存在着根深蒂固的误判和质疑,往往习惯于采用传统的存差指标,作为评价金融支持经济力度的依据,比如,1995年全国出现存差以来,社会各界对存差就争论不休。二是当前农村经济、县域经济、中小企业发展急需资金,进一步加深了社会公众对于存差的误解,社会资金配置结构有待优化和调节。为此,本文分别提出两方面建议。

1.重建评价金融支持经济的指标体系及其定期公布机制

一是评价金融支持经济的新指标要具有延续性和普及性。首先,要保持与传统存差指标的可比性和连续性,反映信贷支持经济的实际状况,因而,M2并不具有针对性。其次,社会公众容易理解、普遍接受的概念,而学术专用名词,比如超额储备率,就比较不适合。可以考虑采取银行“各项融资”代替“各项贷款”;采取“存款融资比例”代替“存贷比例”;采取“存款融资差额”代替“存贷差”。其中银行“各项融资”等式为:

各项融资=各项贷款+有价证券及投资+外汇占款+其他融资性资产(4)

以全国为例,2005年全部金融机构本外币各项贷款19.47万亿元,有价证券及投资3.49万亿元,外汇占款7.12万亿元,各项融资合计30.08万亿元;相比各项存款30.02万亿元,存款融资差额为-0.06万亿元,出现了“融资差”,相当于原来意义上的“贷差”。说明了银行充分运用各项贷款、有价证券及投资、外汇占款等多种融资方式支持经济,换言之,金融支持经济是充分的。新的评价指标兼顾了金融资产多元化趋势,更加全面地评价金融支持经济的状况。

二是建立金融支持经济的定期公布机制。可以考虑在季度货币政策执行报告、月度金融数据分析等官方信息中披露“各项融资”、“存款融资比例”、“存款融资差额”等数据,更加明确地反映银行资金松紧程度、金融支持经济力度的相关情况,引导公众舆论导向,消除社会公众关于金融支持经济的质疑,更加全面地评价金融支持经济的真实状况。

2.调节和优化社会资金配置结构

当前,国民经济部分领域出现资金短缺,其本质是结构失衡问题,并非总量不足问题。因此,调节资金配置结构,是加大金融支持经济力度的重要途径。

一是调节资金内外平衡。从优化全社会资金配置的宏观角度,及时调整外汇储备管理、外汇体制管理、引进外资的战略和政策,推进汇率形成机制改革,统筹安排和充分利用存差资金。

2005年我国外汇储备达到8189亿美元,超量外汇储备面临投资难题和贬值风险;迫于外汇储备超常增长格局,我国将30%左右的外汇储备投资美国国债,长期向外国输出大量廉价外汇资金。与外汇储备难寻投资出路形成鲜明反差的是,外汇资金在国内仍是“稀缺资源”,国内政府千方百计高成本招商引资,企业居民通过对外举债满足用汇需求。这些现象,突显了现行外汇管理制度和招商引资政策,已经不适应外汇供求形势的变化,因此,当前亟待调整外汇储备投资管理战略,提高运作外汇储备资产的灵活性。可以考虑在国内试行运作外汇储备证券化,回收市场的超额流动性。另外,要尽快转变招商引资观念,把注重引进国外资金,转为注重引进国外技术和先进设备,要从社会资金优化配置的角度,鼓励优先使用国内商业银行存差资金。

二是调节资金的地区和企业平衡。充分利用利率市场化手段,结合政策性支持措施,更好地实现信贷资金在农村经济、县域经济、中小企业、新兴行业的有效流动和合理配置。

我国信贷资金难以流入落后地区和企业,其主要问题在于利率尚未完全市场化,利率管制则限制了资本的市场化流动。从金融角度来看,银行放贷过程中收益和风险的不对称性(即利率非市场化),使银行难以平衡风险,因此,要加快利率市场化步伐,充分运用利率杠杆实现资金在行业和地区间的有效配置。另外,政策性支持措施也是平衡风险的另一个有效途径。特别是建立政策性担保体系,包括政策性担保机构和再担保机构为主的信贷担保体系,对于引导和促进信贷资金流向作用重大。

三是调节资金市场结构平衡。谨慎对待银行证券资产的利率风险、流动性风险和系统性风险,改变大量信贷资金盲目向债券回购市场聚积的态势。

当前,银行证券资产面临的风险不容忽视。一是市场利率风险。2005年一年期记账式国债发行利率降至1.14%,2005年农发行一年期金融债券发行利率也仅1.65%,均低于同档次一年期存款利率水平,说明债券资产收益偏低,同时又缺乏规避风险的衍生产品,因此利率风险偏大。二是期限结构风险。目前国债品种期限大多趋同,国债市场投资者多为金融机构,一旦发生风险,变现将出现困难。三是系统性风险。债券占资产结构比重日益上升,一些中小商业银行比重甚至高达50%以上,资产经营过于集中将难以规避债券市场的变化。因此,要加快发展货币市场,增加货币市场衍生金融工具,通畅货币市场与资本市场的渠道,促进资金在不同金融市场的合理配置。

四是强化银行利润约束机制,提高银行风险控制水平。强化银行利润最大化的激励机制,可以从根本上提高信贷资金的使用效率;只有通过支持银行体制改革,规范商业银行法人治理结构,切实建立利润最大化的激励机制,才能从制度上正确引导商业银行信贷资金使用效率,通畅货币信贷传导机制。提高银行风险控制水平和风险定价能力,可以促进信贷资金流向新兴行业、中小企业、农村经济和县域经济,实现资金的市场化流动,最终优化资金的配置结构。

参考文献:

[1]周小川.当前研究和完善货币政策传导机制应关注的几个问题.金融时报,2004;4-14

[2]曾康霖.怎样看待商业银行的存贷差额[J].金融研究,2003;3

[3]张杰.国有银行的存差:逻辑与性质[J].金融研究,2003;6

第5篇:证券投资相关分析范文

【关键词】 金融工具;投资收益;价值相关性

随着我国资本市场的不断完善,企业将其闲置资金投资于证券市场的行为已越来越普遍,由此而产生的有别于企业传统资产的“新型资产”――金融资产已成为企业资产中不可忽视的重要组成部分。那么金融工具投资收益对企业价值的影响到底如何呢?企业是否可以通过对其持有的金融工具进行调整来提高公司价值、促进企业价值最大化呢?本文对金融工具投资收益进行价值相关性实证研究,以期发掘金融工具投资收益信息的决策有用性,为利益相关者提供具有较高价值的决策依据。

一、研究假设及变量选取

价值相关性研究按照研究对象的报表属性可分为资产负债表项目研究、利润表项目研究、现金流量表项目研究以及其他价值相关性研究(EVA,市盈率等)。资产负债表项目的价值相关性研究是指研究金融资产、无形资产、金融负债、股本规模、资本结构等资产负债表上的项目或此类项目计算的指标与公司股票价格的相关性。利润表项目的价值相关性研究是指研究会计盈余、剩余收益等利润表上的项目或此类项目计算的指标与公司股票价格的相关性。现金流量表项目的价值相关性研究是指研究经营现金流量等现金流量表上的项目或此类项目计算的指标与公司股票价格的相关性。

本文将资产负债表项目的价值相关性研究与利润表项目的价值相关性研究相结合,作出研究假设:金融业上市公司金融工具投资收益具有价值相关性。

由于不同上市公司的所得税可能存在差异,为了排除不同所得税对公司盈余产生的影响,研究选择了能综合反映企业业绩的盈余指标――利润总额作为衡量金融工具投资收益对企业盈余所起作用的变量。选用股票价格模型对假设进行检验,选取样本公司在t+1年4月底最后一个交易日的收盘价作为被解释变量。因为每年的1―4月是上市公司公布年报的法定时期,如果市场是有效的,有理由相信4月底的股价已经吸收了公司的会计数据的信息。控制变量选用上年利润总额、净资产倍率、总资产对数分别用来控制时间序列性对利润总额的影响、控制企业风险和成长性的潜在影响、控制企业规模对经营业绩的影响。

二、建立模型

基于Ohlso(1995),Barth&Landsman(1995),Aboody,et al(1999)的相关研究,本文拟采用以下模型来检验金融业上市公司金融工具投资收益的价值相关性:

Pt,i=β0+β1INCOMEt,i+β2IVt,i+β3RATEt,i+β4NIt,i+β5EPSt,i

+ξt,i

其中:

Pt,i为样本公司在t+1年4月底最后一个交易日的每股市场价格;

INCOMEt,i代表样本公司在t年度末的金融工具投资收益总额;

IVt,i代表样本公司在t年度末投资的金融资产总额;

RATEt,i代表样本公司在t年度末的金融工具投资收益率;

NIt,i为样本公司t年度的每股扣除了金融资产投资收益之后的税前利润;

EPSt,i为i公司t年度的每股净利润;

ξt,i为误差项;

β0为截距项,β1、β2、β3为自变量的系数。

三、样本的选取

本文采用SPSS 17.0软件对相关数据进行统计分析。由于不同行业上市公司投资的金融资产种类和规模都可能存在较大差异,其金融工具投资收益对企业绩效的影响和会计信息价值相关性的影响也可能会因此而产生较大差异,因此我们选取2007―2009年作为研究区间,以沪深两市A股金融业上市公司为研究对象。为了保证数据的有效性,尽量消除异常样本对研究结论的影响,根据以下标准对原始样本进行筛选:(1)剔除截至2009年12月30日在沪深两市已经暂停上市和终止上市的公司。(2)剔除没有金融资产或者金融资产数额为0的公司。(3)剔除ST类和PT类上市公司,这些公司或处于财务状况异常的情况,或者已连续亏损两年以上,若将其纳入研究样本将影响研究结论。(4)剔除数据缺损的样本。经过筛选,最终选取了24家金融业上市公司,其中沪市17家,深市7家。

除特殊说明外,本研究的有关数据信息直接取自上市公司披露的年度财务报告和凤凰财经网。

四、实证分析

(一)描述性统计

根据研究模型涉及主要变量所计算的样本的描述性统计量见表1:

从Panel A可见,金融工具投资收益与金融资产投资规模均呈上升趋势,这说明金融业上市公司对金融资产投资的重视程度在逐步上升,也佐证了金融资产的投资有助于增加企业财富、提高企业价值。从标准差角度来看,金融工具投资收益和金融资产的标准差分别从2007年的65 192.14百万元和1 928 280.00百万元上升到2009年的70 952.42百万元和2 674 950.00百万元,说明金融业上市公司各公司对金融资产的重视程度存在较大区别,呈现出两极分化的现象。但与利润总额标准差比起来,其两极分化程度没有那么大,利润总额的标准差从2007年的33 017.15百万元上升到2009年的45 649.56百万元,上涨了35.17%。

从PanelB可见,投资收益与金融资产的比例呈现出下降的趋势,从2007年的36.65%下降到2008年的23.20%,再下降到2009年的14.34%,投资与利润总额的比例也呈现震荡下降的趋势,从2007年的159.81%先上升到2008年的232.09%,又下降到2009年的134.08%。这与2008年的全球性金融风暴有很大关联,也证实了金融资产的投资风险较大,企业在进行金融资产投资时应进行理性的分析与决策。

PanelC给出了投资收益、金融资产和利润总额基于平均值的增长率,可以发现金融资产的增长率明显提高,从2008年的10.25%提高到了2009年的69.29%,翻了6.76倍。这与金融业对金融资产投资的高度重视息息相关,与金融业自身的行业特点也分不开。而投资收益增长率和利润总额增长率却是先下降后提高,这可能与2008年的金融危机和2009年的经济复苏有关。

(二)相关分析

变量间的相关关系需要使用相关系数进行测量,不同的相关系数适应不同类型的变量,如柯达(Kehdall t)相关系数是用非参数方法度量定序变量间的线性相关性,斯皮尔曼(Spearman)等级相关系数用来度量定序变量间的先行相关性,而皮尔森(Pearson)简单相关系数用来度量定距变量间的线性相关性。由于本文的变量大部分为定距变量,并且相关分析仅是初步判断变量间的关系,因而本文不严格区分变量性质,仅使用皮尔森(Pearson)简单相关系数进行初步判断,变量间的相关关系见表2。

由表2可见,在0.01的显著性水平(双侧)下,金融业样本公司的金融资产和投资收益均和利润总额显著正相关,但投资收益率却和利润总额呈负相关;金融资产和投资收益均和股票价格呈负相关,投资收益率和股票价格正相关。

尽管相关性分析显示了金融业金融工具投资收益与公司盈利能力存在若干显著相关关系,但是由于没有控制其他因素可能产生的影响,因此还不能就此做出金融工具投资收益会影响公司价值的判断,只有在运用多元回归分析对各种可能的干扰因素加以控制,进行进一步的检验,才能得到可靠的结果。

(三)回归分析

我们依次将模型中的税前每股净利、每股净利润、投资收益、金融资产和投资收益率等变量放入回归方程,可得金融业样本公司的回归结果见表3、表4。

通过回归分析,发现金融业样本公司投资收益、金融资产以及投资收益率等变量对股价的解释力不是很强,调整后的R2只有0.579,解释比率只有57.9%。这是因为股价除了受上述变量的影响,还会受到其他非量化因素的影响。由于金融业样本公司选择的是2007、2008、2009三年的样本数据进行的测试,而金融市场的外界环境在这三年本身存在着较大的波动性,2007年的股市属于明显的牛市,年底上证指数(收盘价)高达5 261.81、成交量771 870手、成交额13 368 039万元,深证成份股指数达17 700.62、成交量5 951 376手、成交额1 638 318万元;而2008年受全球金融危机的影响,国内股市行情明显下落,年底上证指数跌落到1 820.81、成交量下降至503 961手、成交额降低至3 352 616万元,深证成份股指数只有6 485.51、成交量为7 277 832手、成交额仅为596 889万元;得益于国家相关部门的调控,以及行业的不断努力,积极开拓新途径、寻求新的发展思路,2009年股市有一定的回升,年底上证指数回升至3 277.14、成交量达到1 165 204手、成交额为13 897 736万元,年底深证成份股指数达13 699.97、成交量为7 328 752手、成交额也上升至1 420 624万元。由此可推定,外部环境的显著变化是导致变量指标对股价的解释力相对较低的重要原因。

进一步对变量指标进行检验,系数估计的结果显示,金融资产具有最佳的解释力,Beta系数达-0.825,表明金融业样本公司投资金融资产的规模越大,股票价格越低。其次是投资收益指标,Beta系数为0.562,表明金融业样本公司投资金融资产产生的投资收益越大,股票价格越高。这是由于金融资产具有较高的投资风险,高风险必然给公司带来负面的影响,金融资产越多,股票价格越低,符合常理。当然高风险可能会带来高的投资回报率,当公司投资的金融资产取得了相应的收益时,公司价值必然随之提升,股票价格也必然上涨。

五、结论

通过上述分析,本文得出结论:金融业上市公司金融工具投资收益具有价值相关性,但相关性较低。通过相关和回归分析发现,金融业样本公司金融资产总额和金融工具投资收益总额与公司股票价格无论是在0.01水平(双侧)上,还是在0.05水平(双侧)上相关系数分别只有-0.173和-0.151,Pearson相关性分别为-0.464和-0.429。这表明,金融工具投资收益与股票价格具有一定程度的负相关性。即,金融业上市公司投资金融资产越多、金融工具投资收益越高,公司股票价格可能会更低,当然,这只有60%左右的解释力(R2=0.609,调整后的R2=0.579)。而导致金融工具投资收益对股价的解释力相对较低的重要原因可能是研究区间金融市场外部环境的显著变化。金融市场经历了2007年的牛市、2008年的熊市,以及2009年的市场回暖三个迥然不同的阶段,这必然会影响金融业样本公司金融工具投资收益的价值相关性。

【参考文献】

[1] 张益民,薛卫孝,钱洪清.金融资产公允价值信息的价值相关性实证研究[J].现代商业,2008(36):264.

[2] 吴战篪,罗绍德,王伟.证券投资收益的价值相关性与盈余管理研究[J].会计研究,2009(6):42-49.

[3] 杜军.会计盈余价值相关性研究述评[J].财会月刊,2010(9):72-74.

第6篇:证券投资相关分析范文

当前我国银行存差的特征

1994年以前,我国银行业资金配置的普遍状态是贷款大于存款,贷款/存款比率(下文简称存贷比)高达100%~110%。1995年,我国实行资产负债比率管理后,银行业的资金配置开始调整,出现了存款大于贷款,当年存差3324.2亿元,2000年末的各项存款余额为12.38万亿元,各项贷款余额为9.94万亿元,存贷比为80.26%,存差为2.44万亿元。2005年末,我国全部银行(含外资银行)本外币并表的各项存款余额为30.02万亿元,各项贷款余额为20.68万亿元,存贷比下降至68.89%,银行的存差高达9.34万亿元。(参见表1)。

当前我国银行存差呈现以下几个特征。

(1)银行存差伴随GDP的增长逐年递增。我国经济总量扩张必然导致企业和居民收入提高、企业存款和储蓄存款增加;同时,由于法定存款准备金的规定和满足日常现金需求,所增加的存款必然有一部分以法定存款准备金的形式游离于实体经济之外。1995年以来,我国存款增幅大于贷款增幅,存差逐年递增,存差增幅呈现出三个波峰,分别是1996年的123.16%、1999年的63.99%、2005年的47.72%,GDP增幅波峰大致与银行存差保持一致,分别是1996年的9.8%、2000年的8.4%、2005年的9.9%。

(2)商业银行的信贷约束促使银行存差不断增大。商业银行审慎的经营理念,以及其严格的银行监管制度,必然促使我国银行更加谨慎地进行信贷项目选择,理性地控制信贷投放规模,这些现实或潜在的约束客观上使商业银行的存差呈现不断增大的趋势。如2005年末,全国存款余额较2004年增长了24.35%,而全国贷款余额较2004年增长了16.05%;存贷比由2004年的73.81%降到2005的68.89%,(参见表1),呈现出逐年下降的趋势,而存差却呈现出不断扩大的趋势。

(3)外向型经济的发展,推动我国银行存差的不断扩大。1994年,我国实行了外汇体制改革,实行银行结售汇制,取消外汇留成和上缴。之后,出口顺差额开始大幅扩大,企业在银行大量结汇,银行从企业买入外汇的同时,增加了企业在银行的存款。外汇顺差资金除部分进入生产流通环节,其余进入了银行资金流。银行外汇占款增多,中央银行为购入外汇必须投放更多的基础货币并最终反映为存款,从而导致银行存差扩大。2004年末,全国进出口总额9.56万亿元,进出口贸易顺差2655.7亿元,外汇占款5.26万亿元,而银行新增存款为3.34万亿元。可见,我国外向型经济的不断发展,进一步推动了我国银行存差的扩大。

我国银行存差的相关实证分析

中央银行与商业银行的行为分析

首先,看我国商业银行行为与存差的相关性。根据表1,作者运用SPSS11.5统计软件,对我国银行1995年以来的各项存款与存差的相关系数进行了计算,结果表明,我国银行存差与各项存款的相关系数高达0.993(相关分析在0.01水平上通过双尾检验, Sig.=0),说明我国银行存差的不断扩大与存款具有高度的相关性;而通过计算我国银行1995年以来的各项贷款与存差的相关系数,我国银行存差与各项贷款的相关系数为0.985(相关分析在0.01水平上通过双尾检验, Sig.=0),说明我国银行存差的不断扩大与存款相关性高于与贷款的相关性。通过计算我国银行存差与各项存贷款的相关度,验证了我国银行存差的存在原因是,信贷紧缩导致市场约束、政策约束、总需求不足等而引起银行的存差;居民被迫储蓄导致居民资产结构单一,储蓄只增不减,从而不断扩大银行存差;存款和资本金共谋,将存款看成是资本金,存款作为金融风险缓冲器。

其次,看我国中央银行行为与存差的相关关系。根据表2,作者计算我国1995年以来的货币供应量M0、M1、M2与银行存差的相关系数分别为0.973、0.992、0.991(相关分析在0.01水平上通过双尾检验, Sig.=0),说明我国银行存差与货币供应量高度相关。2005年3月末,我国银行存差已达70112亿元的存差,存款增量大于贷款增量(参见表1),虽在某种程度上表明了银行信贷资金尚未充分有效地运用,但从国际经验看,随着经济和金融的迅速发展,会给社会和公众带来财富的增长,自然产生巨额的资金剩余。

第三,看看我国银行存差与资金运用的相关关系。根据表2,作者计算我国银行1995年以来的存差与有价证券及投资、外汇占款、金银占款的相关系数分别为0.953、0.961、0.961(相关分析在0.01水平上通过双尾检验, Sig.=0),验证了我国银行存差的外汇占款假说论,银行存差的不断增长,主要原因是我国贸易长期顺差。

银行存差与我国经济总量的实证分析

作者计算了1995~2004年我国银行存差与全国GDP的相关系数,结果表明,我国银行存差与GDP的相关系数高达0.978(相关分析在0.01水平上通过双尾检验, Sig.=0),说明我国银行存差的不断扩大与我国的经济总量具有高度的相关性。可见,经济总量扩张必然导致企业和居民收入提高,从而带来企业存款和储蓄存款增加,进而影响我国银行存差持续发展。

银行存差与我国经济息息相关

银行存差是实施财政政策和货币政策的重要基础。我国银行巨额存差,支持了积极的财政政策和稳健的货币政策,在扩大内需、保持货币稳定、促进国民经济快速发展等方面发挥了重要作用,2004年末,银行的有价证券投资和外汇占款的资金分别为3.04万亿元和5.26万亿元,存差资金为6.32万亿元,银行存差资金提供了72.12%的支持,有效地减少了中央银行的货币(M0)发行,在经济快速发展的同时,维护了我国币值的稳定。毕竟,我国银行的资金来源是各项存款与中央银行发行的货币(M0)。存差一旦减少,就要增加货币发行,前面研究表明,我国银行存差与M0的相关系数分别为0.973。可见,如果没有6.32万亿元的巨额存差资金,实施积极财政政策、发行国债和政策性金融债券、收购外汇储备的资金,就只有依靠中央银行货币的(M0)发行,M0的发行将不可避免地增加通货膨胀的压力。无论是缩减外汇储备还是压缩国债发行规模,都将对财政政策和货币政策的调控目标产生不利影响。因此,我国银行存差是实施积极财政政策和稳健货币政策的重要基础。

银行存差现象不能直接确认为金融对经济的支持力度弱化。银行存差不断扩大,并不代表银行贷款不积极。真正决定银行贷款能力的不是存差,而是超额存款准备金。即使商业银行有存差,但如果没有超额存款准备金,一样无法发放贷款。超额准备金是商业银行超过法定准备金以外的储备,表现为商业银行在中央银行的一部分存款和库存现金。商业银行的超额准备金要在满足日常结算和维持流动性的情况下,才能贷款,增加存款的供给。

经济总量与银行存差现象是高度相关的,并给中央银行带来了新的挑战。我国银行存差的不断扩大与我国的经济总量具有高度的相关性(0.978),经济总量扩张必然导致企业和居民收入提高,从而带来企业存款和储蓄存款增加,进而影响我国银行存差持续发展。目前,我国虽不属于发达国家,但在发展中国家却保持强劲的增长势头,开始出现了资金剩余的趋势。尤其在我国金融业按照分业经营和分业管理的体制下,加强风险管理、分割融资渠道,更加剧了银行存差状况。目前,存贷双增的银行存差的增长模式的确给中央银行带来了新的挑战。尤其是近几年我国国际收支所出现的大额顺差,导致外汇占款和外汇储备的增长,在现行结售汇制度下,不可避免地增加了货币供给和货币投放,这些现象也是中央银行不易控制的。

政策建议

尽管决定我国银行存差的主要因素是客观的,但也不能忽视金融支持经济的主观能动性,就中央银行与地方政府而言,要在防范风险的前提下,坚持不懈地探索扩大有效信贷投放,支持区域经济发展,推进信用建设,倡导银企合作。

(1)充分发挥“窗口指导”作用,引导银行扩大有效信贷投入,促进经济结构调整优化,并要着力改进金融服务。一要增加对中小企业、民营企业、“三农”、再就业、助学、消费信贷等领域的信贷投放。二要做好资金结算服务工作,为经济金融发展提供畅通的资金往来通道。三要加快社会征信体系建设,完善银行授信信息的共享机制,降低信贷市场上的信息不对称带来的成本。四要加强货币市场的属地监管,促进市场公平竞争,避免银行资金过多流入货币市场造成信贷供给能力不足的情况发生。

(2)积极创新和推广信贷产品,拓宽银行增加有效信贷投入的途径。一要建立和完善以客户为中心的金融服务理念,开发满足客户个性化需求的信贷产品,有效适应客户全方位的融资和金融服务需求。二要促进银行建立符合实际的贷款审批、授权制度,完善信贷经营管理机制。三要做好信贷审批制度调整的利弊分析,收权要考虑到可能的效率损失,放权要考虑到可能的风险暴露,力争达到风险控制与效率提高之间的平衡。

(3)中央银行货币供应量调节既要加强协调和信息交流功能,还要考虑国际收支、人民币汇率、外汇管理体制以及国际政治经济等综合因素。一要实现货币政策与财政政策的协调。二要实现货币市场与资本市场的协调,应将人民币流出/入量、洗钱、资本外逃等因素作为人民币供应量的一个重要变数纳入货币供应调节的范畴。三要与银监、证监、保监部门保持政策的协调。中央银行虽在金融宏观调控面位置有所提高和超脱,但需要有关监管和政府部门协调、沟通、配合和支持。若中央银行把自己定位于局外人或“独臂人”的角色,必会使货币政策和货币供应量调控效应大打折扣。

第7篇:证券投资相关分析范文

另外,不论是股票的交易量、股票收益以及股票收益的变动性都呈现序列平稳性,而股票价格则呈现出非平稳性。股票交易量和股票收益之间存在双向因果关系,收益的变动性和交易量之间不存在Granger因果关系。

一、引言

价格和交易数量的关系是市场关系中的最基本关系。在股票市场上就表现为股票交易量和股票价格、收益以及收益变动性(volatility)之间的关系。近年来国外有许多文献对此进行了分析。一般认为交易量在甄别市场信息方面起着明显的作用[1]。交易量反映了股票交易者掌握影响市场的不同新信息,交易人员对市场未来看法的差异越大,市场的交易量也越大。有些学者通过实证分析指出股票绝对价格和交易量之间存在着正相关,价格的变化将促使交易量变化到一个新水平;还有些学者认为交易量精确地反映了股票价格的历史信息,因此包含交易量的股票技术分析比不包含交易量的股票技术分析更准确[2]。股票收益和交易量之间的因果关系分析,就是检验股票收益和交易量哪个是原因哪个是结果,是互为因果还是不存在因果关系,是否真如华尔街古老格言所讲:“是交易量在推动股票价格变动。”众多学者对两者之间的因果关系进行了分析。如Rogalski运用Haugh提出的数量方法对股票收益和交易量之间的因果关系进行了实证研究[3];Tauchen和Pitts对股票价格变化的变动率和交易量之间的关系进行了研究[4]。中国股票市场发展至今已有相当规模,由于中国上市公司特有的股权结构以及权益市场特有的特征,对我国股票市场上股票收益和交易量的关系也需要进行具体研究,而不能照搬国外现成的分析结果。本文分如下几部分:首先运用ADF和PP方法对深圳股票收益和交易量的平稳性进行单位根检验;接着对深圳A股市场的股票收益和交易量之间进行相关分析和回归分析,从静态方面分析二者之间的关系;再次对深圳股票市场上的交易量和股票收益及收益的变动性进行Granger因果关系分析;最后是一简短的结论。研究的数据包括深圳交易所从1991年4月3日到2002年12月5日全部深圳成份股日收盘指数和全天A股日交易量,共计5776组数据。本文涉及到的两个基本公式定义如下:股票的日收益公式定义为Rt=log(Pt/Pt-1)。假设股票的期望收益为零,即E(R)=0,则股票收益的变动率为σ2=E(R2)-(E(R))2=E(R2),那么,股票日收益变动率可定义为σ2=(log(Pt/Pt-1))2。

二、序列平稳性检验序列的平稳性是进行相关分析、回归分析以及进行因果关系检验的前提

当序列非平稳时,会出现伪回归、伪相关。平稳性检验方法主要有:非参数检验、自相关函数检验和单位根检验等。本文运用单位根对深圳A股交易量和深成指进行平稳性检验[5]。为了检验单位根,采用扩展的迪克—富勒(D-F)检验和Phillips-Perron(P-P)检验。迪克—富勒回归:Δxt=ρ0+ρxt-1+∑ni=1δiΔxt-iPhillips-Perron回归:xt=α0+αxt-1+ut零假设为该序列是非平稳的(存在一个单位根),即ρ=0和α=0。对深圳A股交易量和深成指进行平稳性检验结果。迪克—富勒(D-F)检验和Phillips-Perron(P-P)检验的结果完全一致。深圳成份股指数绝对值呈现出显著的非平稳的特征。但是深成指日收益和日收益的变动率以及交易量序列则表现出平稳的特征。

三、交易量和收益的相关与回归分析

关于股票价格和交易量之间的相关与回归分析有多种研究思路,有从绝对价格和交易量之间关系来研究的(Granger和Morgenstern,1963)[6],有从价格变化和交易量之间关系来研究的,还有从价格变动的方差和交易量之间关系来研究的[7]。本文从交易量和股指收益之间的相关和回归方面进行研究高达0•6146;第二,交易量和股票指数的收益呈正相关,相关系数为0•0776;第三,收益变动性(volatility)和交易量之间呈负相关,相关系数为-0•0297。

四、因果关系分析Granger因果关系由两个部分组成

首先必须有充足的理由支持两个变量之间的因果联系;其次作为原因的变量发生变化,作为结果的变量也应该随之发生变化。本质上,Granger因果关系是采用F检验来决定是否变量X的滞后信息在解释变量y目前值方面有统计显著性,即下式是否成立的问题:σ2(yt|yt-k,k>0)>σ2(yt|yt-k,xt-k,k>0)如果用x的滞后值和y的滞后值对y进行预测比只用y的滞后值对y进行预测所产生的预测误差要小,则称x是引起y变化的Grange原因,否则称x不是引起y变化的Grange原因;如果通过F检验得出x是引起y变化的Grange原因,y也是引起x变化的Grange原因,这时为互为因果,存在一种双向反馈的关系。这时可能有其他变量的存在,由于它的变化引起x和y的共同变化。进行因果关系分析需要两个变量均为平稳的时间序列。由于实际上大多数金融时间序列是非平稳的,这时可考虑对这两个序列进行共积(cointegration)检验,进而进一步研究两者之间关系[8]。如下的双变量回归模型用来检验交易量和深圳成份股指数收益及收益变动性的Granger因果关系。xt=α0+∑mi=1αixt-i+∑ni=1βiyt-i+εtyt=γ0+∑mi=1γixt-i+∑ni=1δiyt-i+ηtH0:βi=γi=0假设xt和yt分别是交易量和收益。如果βi系数在统计上具有显著性,那么就表明用过去的交易量值和过去收益值对交易量进行预测比只用交易量的过去值进行预测误差小,则称收益是交易量的Granger原因。

同样在第二个式子中,如果γi系数在统计上具有显著性,那么就表明用过去的交易量值和过去收益值对收益进行预测比只用收益的过去值进行预测误差小,则称交易量是收益的Granger原因。如果F统计检验没有拒绝γi=0,称交易量不是收益的Granger原因;如果βi和γi在统计上都具有显著性,称交易量和收益之间存在双向反馈关系。对深圳A股日交易量和深圳成份股指数的日收益以及收益变动性的因果关系分析结果。可以得出:第一,不论怎样选取滞后值,深圳A股的日交易量和深成指日收益存在双向反馈关系或双向因果关系,但是双向因果关系的显著性和滞后值的长短成反向关系;第二,无论怎样选取滞后值交易量和收益的变动性都不存在Granger因果关系超级秘书网

五、结论

本文对1991年4月3日至2002年12月5日深圳证券交易所A股日交易量和深成指日收益以及日收益的变动性的相互关系进行了实证分析,主要目的是揭示交易量信息是否有助于提高对日收益以及日收益变动预测的准确性。通过单位根检验得出深圳证券交易所A股日交易量和深成指日收益以及日收益的变动性为一平稳时间序列。交易量在预测股票收益有显著的作用;但也发现收益对交易量有更明显的作用,两者之间的关系表现在,收益变化引起交易量变化。这样,在证券投资分析别是在技术分析中,将交易量和价格结合起来进行分析,可以进一步提高预测的准确性。本文的进一步研究有如下两个方面:一是研究日内收益和交易量的关系,如在一个交易日每隔若干分钟分析交易量和收益变化;另一个是运用其他动态模型分析两者之间关系[9]。

参考文献:

[1]JiangWang.TradingVolumeandAssetPrices:AnnalsofEconomicsandFinance[M].PekingUniversityPress,2002•3;299-359.

[2]MartinT.BohlandHaraldHenke.TradingVolumeandStockMarketVolatility:ThePolishCase[DB/OL].viadri-na.edu-frankfurt-o.de,2002-6.

[3]Rogalski,R.J..TheDependenceofPricesandVolume[J].ReviewofEconomicsandStatistics,1979.268-274.

第8篇:证券投资相关分析范文

【关键词】商业银行 风险管理 VaR值 蒙特卡罗

金融危机的余波已经慢慢退去,冲击后新的金融市场应充分认识到金融工具以及金融市场的危险性,信用风险的监管将成为重要的管理目标之一。如何在风险可控的前提下实现利润最大化成为现代商业银行管理的核心问题。而在学术领域,信用风险的度量成为受人关注的热门话题。众多发达国家纷纷采用VaR(Value at Risk)的方法进行分析评估。风险价值方法(Vaiue-at-Risk简写为VaR)将风险进行量化,在风险的计量、预测和控制等方向得到广泛的应用和重视。风险价值方法作为巴塞尔协议推崇的风险计量模型,能够综合衡量金融产品或投资的市场风险,既有利于商业银行内部的风险识别与控制,也有助于监管部门的统一监管。因此,将风险价值方法引进我国商业银行利率风险具有重要的现实意义。但是我国由于历史及技术水平的限制,对风险价值方法没有很好的应用,对其应用领域的使用范围并不清楚。因此,本文将针对VaR 的三种量化方法及其适用范围进行介绍和评析。

一、我国银行风险资产管理的现状

目前我国银行资产风险管理的理论主要是传统的风险管理理论,重点是采用分类单独控制策略来管理和控制各类风险,主要围绕资产负债管理和信贷评估展开工作,主要处在对风险定性的评估方面,而在定量风险管理的认识上起步较晚,认识相对滞后。

1、风险管理策略落后

在风险管理策略上,没有构建社会和企业信用状况度量机制,评级方法、评级结果的检测、评级机构培育和资信数据库等方面都与国际上的现代商业银行存在相当的差距。

2、风险管理方法落后

在风险定量管理的方法、技术上,虽然根据1988年巴塞尔协议建立了风险管理的基本框架,但是风险量化管理还只是停留在资产负债指标管理和头寸配备方面,更多的是定性分析信用风险来进行风险评估,局部上运用定量分析方法,如企业报表的分析、风险度计算等,完全没有设计风险评估模型来对商业银行的信贷风险进行实时监控。我国商业银行的风险管理方法主要是风险定性分析,其定量分析的水平只是风险评估的初级阶段。然而相同性质的风险资产在选择上更多的添加了人为因素,导致了银行风险管理上的疏漏。

二、VaR方法介绍

VaR(Value-at-Risk)中文译为“风险价值”,是指在正常的市场条件和一定的置信水平上,计算出给定时间段内预期发生的最坏情况损失的风险评估方法。VaR实际上是要回答在概率给定的情况下,银行投资组合价值在下一阶段最多可能损失多少。VaR有绝对风险值和相对风险值之分,绝对风险值是指相对于初始投资额的最大可能损失,相对于收益期望值的最大可能损失即相对风险值。

VaR可以简单明了地表示市场风险的大小,单位是美元或其他货币,可以事前计算风险,不仅能计算单个金融工具的风险,还能计算由多个金融工具组成的投资组合风险,这是传统金融风险管理所不能做到的。

在正常的市场条件和给定的置信度内,用于评估和计量任何一种金融资产或证券投资组合在既定时期内所面临的市场风险大小和可能遭受的潜在最大价值损失。比如如果我们说某个敞口在99%的置信水平下的在险价值即VaR值为$1000万,这意味着平均看来,在100个交易日内该敞口的实际损失超过$1000万的只有1天(也即,每年有2―3天)。在数学上,VaR可表示为投资工具或组合的损益分布(P&L Distribution)的分位数(?琢―quantile),表达式如下:

Prob(ΔPΔt≤VaR)=?琢

VaR的具体定义为:在一定的持有期Δt内,一定的置信水平1-?琢下投资组合P可能的最大损失。即:

Prob(ΔPΔt≥-VaR)= 1-?琢

例如持有期为1天,置信水平为97.5%的VaR是10万元,是指在未来的24小时内组合价值的最大损失超过10万元的概率应该小于2.5%。

在具体计算VAR值时,有三种不同的方法。一是历史模拟法(historical simulation method),二是方差―协方差法(Delta),还有一种是蒙特卡罗模拟法(Monte Carlo simulation)。不同方法的假设都不尽相同,但都有两个基本假设,即投资组合在持有期内保持不变以及历史上的变化对将来变化有影响。历史模拟法进一步假设数据的历史变化直接对未来变化构成影响,而Delta正态法和蒙特卡罗模拟法则预先假定数据的变化服从特定的分布。三种VaR的计算方法各具特点且使用的范围不同,应针对具体问题具体分析。

1、历史模拟法

“历史模拟法”是借助于计算过去一段时间内的资产组合风险收益的频度分布,通过找到历史上一段时间内的平均收益,以及在既定置信水平?琢下的最低收益率,计算资产组合的VaR值。历史模拟法假定投资组合的回报分布是独立同分布,市场因子的未来波动和历史波动完全一样,其核心是利用过去一段时间资产回报率数据,估算资产回报率的统计分布,再根据不同的分位数求得相应置信水平的VaR。

历史模拟法直接根据风险因子收益的历史数据来模拟投资组合的未来损益分布,利用分位数给出一定置信度下的VaR的估计值。主要的计算步骤如下。

(1)映射,即首先识别出基础的风险因子,收集风险因子适当时期的历史数据(通常是3―5年的日数据),并用风险因子表示出资产组合中各个金融资产的盯市价值。

(2)根据风险因子过去N+1个时期的价格时间序列,计算风险因子过去N+1个时期价格水平的实际变化(得到N个变化水平)。假定未来的价格变化与过去完全相似,即过去N+1个时期价格的N个变化在未来都可能出现,由此结合市场因子的当前价格水平可以直接模拟风险因子未来一段时期的N种可能的价格水平。

(3)运用资产定价公式,根据模拟出的风险因子未来的N种可能价格水平,求出证券组合的N种未来盯市价值,并与当前风险因子的资产组合价值比较,得到证券组合未来的N个潜在损益,即损益分布。

(4)根据上述求解的损益分布,通过分位数求出给定置信度下的VaR。

2、方差―协方差法

方差―协方差法是假定风险因子收益的变化服从特定的分布(通常为正态分布),然后通过历史数据分析和估计该风险因子收益分布的参数值如方差、相关系数等,进而根据下式整理出整个投资组合收益分布的特征值:

和j的相关系数;为整个投资组合对风险因子i变化的敏感度,有时也被称为Delta。在正态分布的假设下,xi为组合中每个金融工具对风险因子i的Delta之和 。

3、蒙特卡罗模拟法

基于蒙特卡罗模拟的VaR计算,原理与历史模拟法相类似,不同之处在于市场因子的变化不是来自于历史观测值,而是通过随机数模拟得到。其基本思路是重复模拟金融变量的随机过程,使模拟值包括大部分可能情况,这样通过模拟就可以得到组合价值的整体分布情况,在此基础上就可以求出VaR。

蒙特卡罗模拟法也称为随机模拟法,首先建立一个概率模型或随机过程,使它的参数等于问题的解,然后通过对模型或过程的观察计算所求参数的统计特征,最后给出所求问题的近似值,解的精度可以用估计值的标准误差表示。其基本步骤如下。

(1)针对现实问题建立一个简单且便于实现的概率统计模型,使所求的解恰好是所建立模型的概率分布或其某个数字特征,比如是某个事件的概率或者是该模型的期望值。

(2)对模型中的随机变量建立抽样方法,在计算机上进行模拟试验,抽取足够的随机数,并对相关的事件进行统计。

(3)对模拟结果加以分析,给出所求解的估计及其方差的估计,必要时改进模型以提高估计精度和模拟计算的效率。

三、三种VaR估值方法的应用范围与存在缺陷的比较分析

1、历史模拟法

同方差―协方差法以及蒙特卡罗模拟法相比,历史模拟法简单易懂便于操作,不要求对回报率分布形式作出假设,可以解决比如回报率分布厚尾或不对称等问题,同时避免了因为参数估计或选择模型而引起的误差。

然而,历史模拟法也存在一些缺陷。主要表现在以下三个方面:第一,回报率分布在整个样本时期内是固定不变的,如果历史趋势发生逆转时,基于原有数据的VaR值会和预期最大损失发生较大偏差;第二,历史模拟法不能提供比所观察样本中最小回报率还要坏的预期损失;第三,样本的大小会对VaR值造成较大的影响,产生一个较大的方差;第四,历史模拟法不能作极端情景下的敏感性测试。

2、方差―协方差法

方差―协方差法又被称为Delta正态法,这种方法在现实生活中应用并不多,主要用于对期权类工具的风险度量,其持有期很短,如只有一天,则Delta正态法与其余两种方法的差别不大;反之,如果持有期变长,则Delta正态法不能很好地度量风险。因为它是用线性展开来近似地映射风险,但对期权而言,其变动往往是非线性的,因此持有期变长后,线性逼近与实际变动之间的差距就会越来越大,这正是Delta正态法失效的原因。

3、蒙特卡罗模拟法

蒙特卡罗模拟技术是三种技术中最为复杂最为高端的,应用非常灵活,可以用于不同收益率走势的假设下以及收益率服从不同分布时进行模拟分析。蒙特卡罗模拟技术利用计算机模拟生成大量情景,使得其在测算风险时对可能出现的情况进行预测,能得出更可靠、更综合的结论。另外,蒙特卡罗模拟方法是一种全值估计方法,体现了非线性资产的凸性,有效的解决了分析方法在处理非线性、非正态问题中遇到的阻碍。蒙特卡洛方法的优点在于其不受金融工具类型复杂性、金融时间序列的非线性、厚尾性等问题限制,能较好地处理非线性问题,且估算精度好,计算机为这一方法提供了有力的计算支持。

但是,我们还必须看到这种方法的不足。其一是计算量大。一般来说,复杂证券组合往往包括不同币种的各种债券、股票、远期和期权等金融工具,其基础市场因子包括多种币种不同、期限不同的利率、汇率、股指等等各种原因使得市场因子成为一个庞大的集合,不论是从市场矢量因子的数目还是分布来说,我们都要进行几千次甚至上万次的模拟,这对工作量的要求是很大的。其二,模型选择误差。金融产品的价格波动是个随机过程,不同产品价格波动方式也不同,用特定模型无法准确的模拟真正市场上金融产品的价格波动,因而模型选择会带来一定的选择误差。

将三种方法进行比较分析:历史模拟法和蒙特卡罗模拟法都能有效的估算包含期权类工具的投资组合,而Delta只能估算包含少量持有期很短的期权类工具;当投资组合相应市场因素的历史数值都能获得时历史模拟法较好,当投资组合所含工具的条件符合一些常用软件设定条件时,则Delta较方便操作,当投资组合所含工具的条件符合一些常用软件设定条件时,可以考虑蒙特卡罗模拟法;历史模拟法和Delta 的计算速度较快,而蒙特卡罗的计算量决定了其计算速度;当考察的数据没有代表性时,历史数据模拟法会计算出错误的VaR值,但是Delta和蒙特卡罗模拟法可以通过备择相关系数和标准差或备择参数估计来避免;历史模拟法对采用备择假设后的效果进行分析较难,Delta在检验备择假设有关标准差和相关系数的效果较容易,而检验备择假设有段市场因素变动服从特定分布的效果则较困难,蒙特卡罗模拟法对备择假设后的效果进行分析较容易。

四、我国VaR风险度量方法应用存在的问题讨论

1、市场缺陷

VaR模型假设金融资产的收益率是成正态分布的,这一假设是许多金融模型计算的基础。在一个比较健全完善的资本市场,这一假设是基本成立的。然而我国金融业市场化程度不高,还存在着许多制度上和法律上的漏洞,在应用VaR进行分析的时候有点力不从心,不能实现很好的模拟。

2、操作缺陷

VaR方法使用的前提是需要收集大量的历史数据作为分析基础,而我国金融市场发展的历史短,金融分析中的数理统计方法的运用都面临样本数据有限的问题。各金融机构关于贷款的各项数据仍处于非公开状态,金融数据的采集受到限制。在对某些资产的价值进行评估时,只能根据各自的实际情况进行估算,且评估人员的素质存在很大差异,因此计算结果的精确性受到影响,同时在进行相关分析时也不具普遍性。我国数据的采集和分析的基础工作十分薄弱,历史数据往往不准确甚至虚假,会给风险价值的准确测量造成困难。另外,利率、汇率没有完全市场化,同宏观政策还存在着一定的联系,市场风险还可能来自人为因素。因此,在我国使用VaR法存在着特殊的难度。

以上存在的问题要求我国谨慎的使用VaR这一风险度量工具,不能一味的只参考VaR风险值进行评估,必须结合实际情况灵活的应用。虽然这种风险度量方法有一定的局限性,但是它是将来风险度量的新趋势,也是中国和世界接轨的必然。VaR方法可以对投资组合或机构所需承担的市场风险而发生的潜在损失有一个客观的、事前的估计值,使市场风险管理决策有了客观的依据。这个客观的估计值(VaR值),概括反映了投资组合或业务单位或者商业银行的市场风险状况,方便了业务部门对风险信息的交流,有利于商业银行对市场风险的统一管理。

【参考文献】

[1] 梁志森:VAR在我国商业银行市场风险管理中的适用性与局限性[J].市场论坛,2006(3).

[2] 周革平:VaR基本原理、计算方法及其在金融风险管理中的应用[J].金融与经济, 2009(2).

[3] 杨琴:我国商业银行信用风险评价方法研究[D].南昌大学,2008.

第9篇:证券投资相关分析范文

关键词:机构投资者;羊群行为;正反馈交易;市场稳定性

JEL分类号:G28 中图分类号:F830 文献标识码:A 文章编号:1006-1428(2011)12-0055-08

一、文献综述

机构投资者的崛起是全球金融体系近30年来最重大的变化之一。目前机构投资者已经成为世界主要资本市场的主流投资力量,对全球的资源配置、资本市场稳定和公司治理等都产生了重大而深远的影响。随着中国机构投资者队伍的迅猛壮大,其行为正在对中国资本市场产生越来越大的影响,而其中最突出、最显著的就是对证券市场稳定性的影响。

国内外学者对此进行了多方位的深入研究,无论在理论模型方面还是实证分析上都有着丰富的研究成果。从行为金融理论视角出发,学术界基于不同角度进行分析,其中,关于机构投资者的羊群行为和正反馈交易就进行了多方面的解释,建立了多种理论模型。羊群行为在心理学上被解释为人类的从众心理,从投资角度来看,经济学家将其解释为主体的有限理性。关于羊群行为的检验,比较有影响力的理论模型主要有四种,分别是Scharfstein和Stein(1990)提出的委托羊群行为模型和声誉羊群行为模型,Bikhchandani,High-leifer和Welch(1992)提出的信息串连模型,Lakon-ishok,Shleifer和Vishny(1992)构建的LSV模型。

正反馈交易行为也称为动量交易或惯易,是指买入过去表现好的股票,卖出表现不好的股票(Lakonishok,et al.,1992)。在正反馈交易的形成机制中,羊群行为只是诠释角度之一,学者们还从其他角度对其形成进行了阐释,比如,投资者外推预期(Koutmos,1997)、问题(Lakonishok,Shleifer,Vish-ny,1992)和追随趋势趋向(Andreassen,Kraus,1990)等。有的学者构建了正反馈交易理论模型进行解释,其中具代表性的包括De Long,Shleifer,Summers和Waldmann(1990)的DSSW模型、Barberis和Shleifer(2003)的BS模型,以及Sentana和Wadhwani(1992)的价值预期投资者和反馈交易者的两群体市场模型。那么,如何测量是否存在正反馈交易呢?部分学者设计了指标来进行测算。Grinblatt,Titman和Wermers(1995)设计了GTW指标;Badrinath和Wahal(2002)沿用他们设计的指标,但做出一些改进,引入Hratio将股票分为建仓、持仓调整和清仓三种状态;Shu(2008)假设机构投资者对不同的股票会采取不同的交易行为,构建了MT指标。

在展开对投资者行为进行理论阐释的同时,国内外学者实证分析了机构投资者的羊群行为及反馈交易与市场稳定性之间的关系。国外Lakonishok,Shleifer和Vishny(1992)、Grinblat,Titman和Wermers(1995)、Wermers(1999)、Cohen,Gompers和Vuolteenaho(2002)、Ramalingegowda(2005)等的研究表明机构投资者存在羊群行为或正反馈交易,但其行为促进了市场稳定。国内祁斌,黄明和陈卓思(2006)、姚姬和刘志远(2007)、盛军锋、邓勇和汤大杰(2008)的实证也显示机构投资者在一定程度上稳定了市场。不过,有人持不同的看法。加入时间因素之后,Dreman(1979)、Friedman(1984)、Puckett和yah(2009)认为机构投资者行为在短期加剧了市场波动。国内学者施东晖(2001)、伍旭川和何鹏(2005)、张羽和李黎(2005)、何佳和何基报等(2007)、谢赤和禹湘等(2007)认为国内投资者存在较严重的羊群行为或正反馈交易并加剧了股价波动。

概括而言,国外的理论及实证研究对于机构投资者与股市稳定性的关系倾向于支持机构投资者提高了市场的稳定性,而国内的研究对于机构投资者和市场稳定性的关系没有倾向性的研究结论,研究结论的分歧比较大。由此,进一步对这一问题展开深入而全面的研究就显得尤为重要和迫切。

二、中国机构投资者与市场稳定性的实证研究

(一)研究方法及数据来源

目前,我国的证券投资基金在国内机构投资者中占据主导地位,截至2009年10月末,A股市场上所有基金的资产净值已经达到23407亿元,较十年前的574亿元增长近40倍。其中基金所持股票市值超过2万亿元,占A股可流通市值的15.6%,占A股可自由流通市值约25%。因此,我们在以下实证分析中以证券投资基金为代表性样本进行研究。

如前所述,基金交易行为对市场稳定性的影响可从多个角度来考察。在本文的实证研究中,我们假设基金交易行为(指在股票上的净现金流量)对股票市场稳定性(指股票市场回报变动和市场波动)的影响通过羊群行为和正反馈交易体现。由此,本文将检验基金是否存在羊群行为和正反馈交易,如果存在,其程度如何,是否影响了市场稳定。

文中使用经典的LSV模型,以及Wermers(1999)在LSV基础之上提出的买方羊群测度(BHM)和卖方羊群测度(SHM)来检验投资者羊群行为及其程度,对不同类型基金以及不同时间段的基金羊群行为进行统计分析。实证中,定义HM(i,t)为基金关于股票i在时间t下的羊群测度:

其中boldi,t是股票i在t期末的基金持股比例,ppindexi,t是股票i在t期的收益率于市场上所有股票中的排序值,即将股票按收益由小到大分为10组:-5,-4,-3…3,4,5,以此来区分股票。MT的取值范围为[-5,5],MT>0意味着机构投资者在该区间对股票采取动量交易,MT

影响市场稳定的因子并不只有交易行为,随着股市中上市公司总市值占GDP的比例不断上升,其与宏观经济及经济政策的相关度在增强。因此,我们在研究基金交易行为对市场稳定性的影响时,需要考虑到宏观经济环境的不同。接下来,本文考察在剔除了宏观经济变量的影响后,基金交易行为对股票市场稳定性的影响,对此,文章采用广义自回归条件异方差模型进行计量分析。

Engle(1982)在研究英国通货膨胀率时提出自回

归异方差模型(ARCH),Bollerslev(1986)则在ARCH模型的基础上,提出了广义的自回归条件异方差模型,该模型增加了对自相关变量的描述,提高了预测的准确性。同时,Merton(1973)认为证券回报率与波动率相关,Engle,Rubin和Lilien(1987)在此基础上,建立GARCH-in-MEAN模型。Black(1976)和Christie(1982)发现杠杆效应,认为股票回报率与波动性之间存在负的相关关系。即坏消息比好消息对股价影响更大。为了刻画股票市场的杠杆效应,Nelson(1991)在ARCH模型的基础上,假设误差项服从指数分布,建立EGARCH模型,使得模型更适用于实际情况。

本文在GARCH-in-MEAN的基础上,结合Nel-son(1991)的假设,考虑GDP、CPI、M2对市场的影响,建立多变量EGARCH-in-MEAN。我们假设回归误差项服从指数正态分布,同时在后续的数据统计中,我们发现所选的数据并不存在显著的尖峰厚尾的现象,因此本文采用Gausian分布,而不是student t分布。在对回报率进行自相关系数检验中,我们发现回报率存在很强的自相关关系,而GDP,CPI,M2也存在一阶单位根,因此我们采用一阶差分后的平稳数据作为自变量进行研究。建立模型如下:

a2表示GDP增长率的一阶差分对股指回报率的影响;a3表示CPI同比的一阶差分对股指回报率的影响,a4表示M2同比的一阶差分对股指回报率的影响。a5表示收益方差对回报率的影响。β1表示误差绝对值对股指波动率的影响,β2表示利空和利好消息对股指波动率的影响的杠杆效应,β3表示GARCH自相关关系。

羊群行为与正反馈交易检验所用数据主要来源于聚源和Wind数据库,包括2000年到2009年所有基金的半年报和年报的持股明细、个股股本、送股转增、收益率、波动率等数据,市场和个股的流动性方面的数据来自上交所和深交所每年公布的市场质量报告。

我们选取的样本数据包括自2000年到2009年的基金半年报和年报中披露的持股明细,以及这段时间内基金所有持股的送股转增数据。由于基金持股数量增加可能由于送股转增造成,因此我们剔除当期出现送股转增的股票,对于增发、配股等情况造成的持股数量增加,我们视为基金主动增加持股,不做处理。我们还发现有些股票中参与买卖的基金数量较少。或者基金持股的变动数量很细微,如果将这些交易行为视作基金增减持仓,可能会影响最后的羊群结果,因此剔除参与买卖的基金数量小于5的股票和基金持股数量变动小于1000股的样本。

在实证分析剔除宏观经济变量影响之后,基金交易行为对市场稳定性的影响时,我们选取了对股市影响最大的,主要反映经济周期和流动性的指标,包括GDP增速、CPI同比和M2同比(分别用GDP、CPI、M2代表),在研究宏观经济对股市影响的大部分文献中都是使用这些变量。实证中这些变量存在单位根。

股票方面,我们使用自己构造的股票指数代表市场,包括有基金持股的股票指数、无基金持股的股票指数、基金重仓股指数和基金轻仓股指数。根据所披露的基金持股明细汇总统计,我们得到基金所持股票占该股票总股本的比例值,每半年度进行一次排序,取比例值大于0的股票构造“有基金持股的股票指数”,取比例值等于0的股票构造“无基金持股的股票指数”,取排名前三分之一的股票构造“基金重仓股指数”,取排名后三分之一的股票构造“基金轻仓股指数”。这些指数都是采用流通股本加权的方式,编制软件为天相系统。实证中,我们依次分别以R1、R2、R3和R4代表以上指数的收益率。代表基金行为的指标主要有HM和MT,均为本文之前计算所得。由于宏观经济变量公布时间不同,实证中最终使用的均为季度数据。

(二)实证检验结果

1、羊群行为的实证结果。

我们对不同时间下基金持股的羊群效应进行测度。实证发现随着年份的增加,羊群效应有减弱的趋势,但是羊群行为在1%的水平下统计性显著,最近计算得到的值为0.114。而根据国外研究文献,美国市场1974-1984年间274位基金经理旗下的共同基金的平均值为0.025(Grinblat,Titman和Wermers,1995),1985-1989年769家免税股票基金的平均HM值为0.027(Lakonishok,Shleifer,Vishny,1992),1975-1994年间所有共同基金的平均HM值为0.034(Wermers,1999)。相比之下,国内基金的羊群行为更为明显。不过,从HM值的趋势来看,随着市场规模不断扩大,监管层的监管力度加强,基金投资者越来越成熟,国内基金羊群行为的趋势是越来越弱的。

图1显示买方羊群、卖方羊群和整体市场羊群效应相对一致。在2003年和2004年,卖方羊群高于买方,而在2007年下半年,买方羊群行为则高于卖方,到了2008年,卖方羊群则开始高于买方羊群,可以看出基金在不同行情阶段的羊群行为有明显的差异。

那么,不同类型的基金,其羊群行为是否存在差异呢?为此,本文将基金划分为开放式和封闭式、股票型和积极配置型,进行分类计量,计量结果显示,2004年到2008年间,封闭式基金的羊群行为比开放式基金严重。而在2008年金融危机开始,封闭式基金的羊群行为率先于开放式基金开始减弱,但到2008年底,封闭式基金和开放式基金又从“靠拢”向“分离”发展。我们认为出现如此差异的重要原因可能是开放式基金和封闭式基金赎回方式的不同,封闭式基金在到期日之前是没有赎回压力的,而且分红也比较少,所以管理者可能偏向于采用更为激进的交易策略。

同时,股票型基金羊群行为的波动小于积极配置型基金。从图3可见,自2005年股票市场开始复苏,积极配置型投资基金的羊群行为比股票型基金显著,而在2007下半年,当股市走势趋淡时,积极配置型基金的羊群效应开始弱化,这说明由于积极配置型对资产的灵活配置,在股票市场预期好转的时候。积极配置型基金羊群行为比股票型的基金要严重,而在市场预期变坏的情况下,积极配置型基金的羊群行为要低于股票型基金。

既然不同行情下不同类型基金的羊群行为存在差异,那么基金投资不同规模的股票,是否存在羊群行为的差异?我们首先以A股流通股本的大小作为分类标准,在市场上的所有股票中进行排序分类,按股本比例从大到小排序,将前30%、后30%分别作为大盘股和小盘股,将中间的40%作为中盘股。

实证结果显示,小盘股和中盘股的羊群行为均高于大盘股,而中盘股与小盘股的羊群差异不明显。笔者认为造成这种情况的主要原因是,中小盘股公布的

信息比较少,且盘子比较小,易于拉升,带动羊群行为,从而获得正反馈收益。

2、正反馈交易的检验结果。

在正反馈交易的检验中,本文先统计得到所有基金作为整体的MT指标,之后进行不同方向的分解,首先按照封闭式和开放式基金分解,再按照股票型和积极配置型分解,最后按持股流通盘的大小进行分类,统计基金在大、中、小盘三类股票上的MT指标。具体结果及相关分析如下。

2002年到现在,基金整体MT均值处于上升的趋势中,这表明基金的正反馈交易程度是不断上升的,期间在2005年底达到最高点,随着2006到2007年大行情的启动,MT值快速回落,到2007年底,MT值再次回升并于2009年上半年达到高点。从基金整体的MT均值与上证指数的比较可见,MT值与大盘走势有较强的相关性。在股票指数不断涨升的时候,整体MT均值下降;而在市场低迷或是下跌时,整体MT均值便会升高。

Shu(2008)计算得到的美国市场机构投资者MT均值在2004年为0.3左右,1982年到2004年之间最高水平也只有0.5,而目前国内基金的MT均值为1.7,明显高于美国市场。

从基金分类统计的结果来看,封闭式基金的正反馈交易程度较高且波动较剧烈,而开放式基金程度较轻且较平缓。与此类似的是,积极配置型基金的MT值相对平缓,股票型基金的MT值震荡更为剧烈,股票型基金在股市上涨阶段的正反馈程度要高于积极配置型,而当股市处于整理或下跌状态,两类基金的MT值就明显收窄。

此外,基金在大、中、小盘股票上的正反馈交易都比较明显,但小盘股上的MT均值低于大盘股,中盘股的MT均值波动最为剧烈。总体看,机构投资者在大盘股上的正反馈交易行为较中盘和小盘股更为明显。究其主要原因,笔者认为,一方面,大盘股较少而基金越来越多,大量资金追逐不多的大盘股,易于形成正反馈交易;另一方面,流通盘越大,获取超额收益的难度也越大,投资者往往会采取趋势投资的方法,在趋势出现后才加大仓位,从而加剧了正反馈交易。

总之,国内基金的正反馈交易一直存在,在经过一段时间的上升后,目前基本保持稳定,但明显高于国外水平,这种交易行为在一定程度上会增加市场的波动。从正反馈交易行为与市场走势的对比中,我们发现明显的规律,即基金的正反馈交易行为与大盘走势相反,上涨时基金的正反馈交易程度下降,下跌时则上升。此外,不同类型基金和在不同股票上的正反馈交易行为有明显差异,比如封闭式基金的正反馈交易要高于开放式基金,积极配置型基金要低于股票型基金,基金在大盘股上的正反馈交易要高于小盘股。

3、剔除宏观经济影响后的基金交易行为与市场稳定性。

如前“实证方法与数据来源”中所述,我们使用自己构造的股票指数代表市场,分别为:有基金持股的股票指数、无基金持股的股票指数、基金重仓股指数和基金轻仓股指数。

首先,我们对四个指数收益率序列进行统计描述,发现,有基金持股指数和重仓股指数的平均收益率要高于无基金持股指数和轻仓股指数,标准差则反之。无基金持股指数和轻仓股指数的收益率序列出现明显的尖峰、右偏,从Jarque-Bera中可以看出并不能拒绝正态分布假设,同时,从峰度(kurtosis)小于或等于3来看,不存在厚尾现象。

接下来,我们采用自回归条件异方差模型对序列分别进行计量分析。通过EGARCH(1,1)模型,我们估计出模型参数,并且得到Log(GARCH),其等同于波动率。

四类指数的收益与宏观经济变量有较显著的相关性。观察上面的统计结果,可以发现:(1)代表市场资金充裕度的M2与指数收益呈现显著正相关,这与定性理解相符,市场流动性越充裕,资产收益表现越好;(2)代表经济增速的GDP与指数收益也呈现显著正相关,即经济高增长伴随着上市公司业绩的快速上升,股价顺势上涨;(3)三个重要的宏观经济变量中仅CPI与指数收益相关性较弱,但有基金的组合收益与CPI仍存在显著相关性;(4)各类指数与宏观经济变量的关系不尽相同,所以在对指数的波动率进行估计时,剔除宏观经济变量的影响是有必要的。

表6是我们使用EGARCH-in-MEAN模型对方差进行分析,结果显示:(1)利好和利空信息对指数波动的影响基本上都没有通过显著性检验;(2)从系数正负和数值大小来看,利空信息对指数波动的影响均为正向,即利空会增加指数波动,但在四个指数间存在差异;(3)利好消息对有基金和基金重仓股的影响较小,而利空信息对有基金和基金重仓股的影响却更大。虽然系数都不显著,但是这个现象令我们联想到基金的羊群行为,在市场出现利空消息后,基金的一致行为会增加股票的波动,所以下面我们将收益方差与基金的羊群行为和正反馈交易相对应,看看两者之间的关系。

我们先观察四个指数收益波动的大小,可以发现。数值上并没有绝对高低之分,分阶段来看,在2003-05年和2009年一季,有基金和基金重仓的波动性要大于无基金和基金轻仓,而2006-2008年却是相反的结果。基金轻仓的收益波动最为平稳,其余三个指数收益波动上下震荡非常明显,尤其是有基金持股的股票指数和无基金持股的股票指数。接下来,我们把四个指数的收益波动与之前统计得到的基金羊群和正反馈交易行为数值放在一起比对,可以明显看到:基金羊群行为与有基金指数、基金重仓指数的收益波动之间都存在明显的正相关关系,特别是在2003-2006年和2009年这段时间:而无基金组合和基金轻仓组合与羊群行为关系不明显。正反馈交易方面,2004-2005年和2008-2009年是正反馈交易最高的时期,但其与指数收益波动不存在相关性。

总之,在剔除CPI、GDP和M2等宏观经济变量的影响之后,经过GARCH模型的检验,我们发现:基金持有股票并不能降低股票的波动率,但是股票收益对各类信息包括利空和利好消息的反应能力更加明显:虽然有无基金持有不会造成股票波动性的显著差异,但是基金的交易行为会对其持有的股票产生明显的阶段性影响,当基金羊群处于较高水平时,有基金持股的股票和基金重仓股票收益的波动会出现异常升高和大幅度的震荡。

三、实证研究结论

在对基金持股明细进行统计分析和定量检验其羊群行为和正反馈交易程度之后,我们得到以下主要结论:

第一,投资者的交易行为是影响市场稳定性的重要因素。在对基金交易行为的定量检验中,我们发现,国内基金的羊群行为HM值远大于美国1970年代至1990年代的水平,正反馈交易指标MT远大于美国1980年代到2000年代,说明基金存在非理性投资行为。不过值得关注的是,基金的羊群行为在逐年下降。正反馈交易的程度趋于平稳,这表明基金的投资行为在逐渐趋于理性,对市场稳定性的影响也在朝正面且积极的方向逐步变化。

第二,对不同基金和不同类型股票中基金的交易行为进行细化研究发现:

(1)基金在不同行情阶段的羊群行为和正反馈交易程度有明显的差异。在市场上涨时,基金的买方羊群BHM值明显高于卖方羊群SHM值,MT均值下降;而在下跌阶段,卖方羊群SHM高于买方羊群BHM,MT均值升高,这种规律可能会加剧市场的波动。如市场缺乏做空机制,这种现象更难以有效解决。

(2)封闭式基金的羊群行为HM值和正反馈交易MT值均高于开放式基金。出现这种现象的原因可能与运作方式的差异有关,包括赎回机制上的不同。由于封基的赎回和分红压力要远小于开放式基金,基金作为人,其交易方式也会出现一些变化。

(3)在股市高涨阶段,积极配置型基金羊群测度HM高于股票型基金,市场低迷期。两类基金的羊群行为测度HM趋近;相反,在股市持续上涨时,股票型基金正反馈交易程度MT值高于积极配置型,而低迷,阶段,两类基金的MT值趋近。笔者认为,这可能与积极配置型基金的股票仓位比较灵活有关。