沪深300范文（精选12篇）
沪深300 第1篇
股指期货产生于20世纪70年代, 当时在全球范围内, 西方各国面临石油危机。经济波动剧烈, 导致股票市场的价格波动幅度过大, 从而引起恶性循环, 造成社会的不稳定。为了稳定股票投资者, 迎合投资者对于规避股票价格变动的风险, 实现投资保值的金融工具的需求, 股指期货产生了。1972年, 芝加哥商业交易所 (CME) 率先推出外汇期货;1975年, 芝加哥期货交易所 (CBOT) 推出GNMA利率期货, 1 9 8 2年, 美国堪萨斯期货交易所 (KCBT) 推出价值线指数期货合约。股指期货一经推出就受到了市场的广泛关注, 并获得飞快的发展, 成为全球金融衍生品市场中最吸引目光的一个产品。经过短短30多年的发展, 目前金融期货品种的交易量已占到全球期货交易量的80%, 而指数期货无疑是金融期货中历史最短同时发展最快的金融衍生产品。
进行股票投资会面临两种风险, 系统性风险和非系统性风险, 非系统性风险可以通过投资组合多元化加以分散, 而与证券市场整体运动有关的系统化风险则不能, 为了规避系统性风险, 使用股指期货进行套期保值就非常有必要。
股指期货对于股票投资者来讲是一种有效的规避风险, 实现资产保值的工具, 而对于广大的期货市场的投机者来讲, 也丰富了期货投机的品种。对于我国来讲, 由于我国正在处于市场经济转型的时期。我国的证券市场从产生至今, 期间虽然经历过几次大的波动, 但还是逐步走向了正规发展的道路。为了使证券按市场进一步健康稳定发展, 有必要推出股指期货来发挥稳定市场, 平缓市场波动的有效的作用, 这也是对正常市场投资结构的完善。所以说沪深300股指期货的出现填补了我国证券市场的空白。对于我国期货市场结构的完善。
二、沪深300的运作介绍及作用
沪深300股指期货是有中证指数公司编制, 从沪深两家交易所选出300只股票。所选的都是一些具有良好质量的具有市场代表性的股票。
沪深300股指期货的合约乘数为每点300元, 最小的变动位点为0.2点, 也就是说最小变动价位为60元, 合约到期进行交割的月份为当月, 下月, 随后的两个季月, 为了防止价格大幅波动带来风险, 国际上通常对于股指期货的交易规定每日价格最大波动限制, 沪深300的每日价格波动限制为上一交易日的的结算价的10%
沪深300股指期货的交易规则比较严格, 首先由持仓限额制度, 这是为了防止资金实力雄厚的人凭借资金实力槽中市场, 对每一个交易者都有一定的限额的持仓限制, 并且要严格遵守股指期货投资者适当性的标准。可用金额大于50万2期货基础测试成绩高于80分3有十个交易日20比以上的估计期货仿真交易记录, 或者近三年内具有十笔以上的商品期货成交记录。
投资者预期股市上涨时所能采取的投资策略按其功能的不同主要可分为三类:多头套期保值、多头跨期套利以及多头投机。同样道理, 投资者预期股市下跌时所能采取的投资策略也可分为三类:空头套期保值、空头跨期套利以及空头投机。套期保值操作的关键在于确定最优的套保比例, 跨期套利是指利用股票股指期货不同月份的合约之间的价格差价进行相反交易以从中获利, 所以也被成为商品内价差交易。而股指期货投机的目的则是通过股指期货价格的变动来获利。适度的投机交易可以增加股指期货市场的流动性, 促进股指期货市场的价格发现功能。
股票买入后可一直持有, 正常情况下股票数量不会减少。但股指期货都有固定的到期日, 到期就要摘牌。因此, 交易股指期货不能像买卖股票一样, 交易后就不管了, 必须注意合约到期日以决定是提前了结头寸, 还是等待合约到期 (好在股指期货是现金结算交割, 不需要实际交割股票) , 或将头寸转到下一个月。
三, 沪深300股指期货市场的需要完善的地方, 法律法规的不完善的地方
股指期货从推出至今已经将近两年的时间, 总体来说运行平稳, 过度良好, 我国的股指期货市场相比较与其它国家和地区的股指期货市场, 保证金比例较高、合约面值较大、风险控制制度较为严格。政府干预作用明显。但是还是存在政府干预过度的问题, 其实在一个市场发展的初期, 惊醒适当的敢于与引导是合理的并切实有效的, 但是我国的期货市场应当在逐步成熟的同时记住不与国际市场靠拢, 减少对于期货市场的直接干预, 更的依赖制度约束和市场的自我自发的调节能力, 释放市场的力量。现在越来越多人参与, 投机越来越重, 以后还会加强管理和放低门槛。
最近发生的申银万国的跳楼事件给我们很深的警示:进股指期货市场要有良好的心理素质以及过硬的专业知识, 做投资决策的时候一定要量力而行, 切不可有侥幸心理, 盲目跟进。还是那句老话:股市有风险, 入市须谨慎。
摘要：美国是股指期货的发源地, 股指期货的推出是风险管理的需求。股指期货的产生是证券市场适应经济发展的结果。指期货是以股票指数为基础衍生出来的, 股票指数是以一篮子股票价格为基准的。股指期货是一种良好的正处在成长阶段的投资工具。本文就估计期货产生的背景以及操作方法和规律, 做了简单的介绍, 并对股指期货市场的现状提出了观点。
关键词：沪深300股指期货,产生背景,运作规则,交割日,政府管制,交易条件
参考文献
[1]、期货业协会.期货市场基础知识2010年3月29日.
[2]、黄沧海《期货交易精要与案例》浙江大学出版社2008
沪深300 第2篇
期权策略在沪深300股指期权仿真交易中的应用论文
[关键词]
期权策略;沪深300股指期权;仿真交易
一、引言
期权作为金融衍生品家族的重要成员，其一项重要功能就是控制风险。不同于股票、债券的单边交易，期权是可以同时进行双边买卖的金融工具。期权双方的权利义务不对等，期权合约赋予买方在一定时间范围内以一定执行价格买入或卖出标的物的权利，而期权的卖方则有在一定时间内卖出或买入执行标的的义务。基于期权交易的这一特点，交易员们设计了多种多样的交易策略来实现风险对冲以及套利交易。其中包括期权与期权间的交易策略，期权与现货间的交易策略，期权与期货间的交易策略等等。由于每个国家和地区的期权市场都有自身的特点，因而将这些交易策略运用到不同的市场中，其结果也有较大差异。
投资者要进行期权交易，需要掌握相关的期权交易策略。而已有的交易策略是否适用于国内市场，是否能够带来持续盈利，想必是许多投资者关心的问题。因此，本文以沪深300股指期权仿真交易数据为样本，检验多种期权交易策略在当前市场中的获利情况，从而为投资者运用期权策略提供一定借鉴。
二、期权交易的基本策略
期权的魅力在于多样化的投资策略，期权具有杠杆大、风险收益不对称的特点，单一的买入或卖出期权可能不是最优的交易策略，也无法满足投资者多样的风险收益需求。由于期权上市合约众多，合约价格或多或少会有偏差，这就为投资者提供了套利的机会。因此，我们有必要检验投资者在当前仿真交易市场中是否拥有获利空间，以及使用何种交易策略可获得更好的投资回报。
(1)上涨行情策略
通过判断后市行情是急涨、缓涨还是不跌，投资者可以采用不同的期权组合策略。若判断后市将出现急涨行情，可直接采用买入看涨期权策略，收益无限而风险有限，最大损失为权利金。当判断后市出现缓涨行情时，可以采用牛市差价策略，卖出执行价较高的看涨或看跌期权，买入执行价较低的期权，在锁定风险的同时，也锁定了利润空间，最大亏损为(高执行价―低执行价)―净权利金。当判断后市没有下跌可能时，则可以通过卖出看跌期权来获得期权费，但若后市出现大跌行情，则损失无限。
表2.1 上涨行情的期权策略
行情预测 策略方向 权利金 保证金 风险 利润 执行策略
1、急涨 买方策略 支出 不需要 有限 无限 买入看涨期权
2、缓涨(主动) 买方策略 支出 不需要 有限 有限 牛市看涨差价策略
3、缓涨(被动) 卖方策略 收入 需要 有限 有限 牛市看跌差价策略
4、不跌 卖方策略 收入 需要 无限 有限 卖出看跌期权
(2)下跌行情策略
当投资者判断后市将出现急跌行情时，可以买入看跌期权，大盘下跌越多，投资者获利越多，最大损失为权利金。当判断后市出现缓跌行情时，可以采用熊市差价策略，买入高执行价的看涨或看跌期权，卖出低执行价的看涨或看跌期权，同时锁定风险和收益，最大损失为(高执行价-低执行价)-净权利金。当判断行情不会上涨时，则可以通过卖出看涨期权来获得期权费，但若后期大盘上涨，则损失无限。
表2.2 下跌行情的期权策略
行情预测 策略方向 权利金 保证金 风险 利润 执行策略
1、急跌 买方策略 支出 不需要 有限 无限 买入看跌期权
2、缓跌(主动) 买方策略 支出 不需要 有限 有限 熊市看跌差价策略
3、缓跌(被动) 卖方策略 收入 需要 有限 有限 熊市看涨差价策略
4、不涨 卖方策略 收入 需要 无限 有限 卖出看涨期权
(3)震荡行情策略
若投资者认为后市行情将窄幅震荡，则可以采取顶部跨式策略，卖出执行价相同的看涨或看跌期权;或者采用正向蝶式策略，买入不同执行价格的看涨期权或看跌期权，同时卖出2份执行价相同的期权。前者收益有限而风险无限，后者的`收益和风险都有限。
若投资者认为大盘震幅将扩大，则可利用顶部宽跨式策略或者反向蝶式策略。顶部宽跨式策略通过卖出执行价格不同的虚值看涨期权和看跌期权组合获取收益。反向蝶式策略卖出2份不同执行价格看涨或看跌期权，同时买入2份执行价相同的看涨或看跌期权，锁定风险和收益。
若投资者认为后期股指将突破震荡行情，出现上涨或下跌趋势，则可采用底部跨式策略或者底部宽跨式策略，买入执行价格相同的期权，或者买入执行价不同的虚值看涨和看跌期权锁定风险。
表2.3 震荡行情的期权策略
行情预测 策略方向 权利金 保证金 风险 利润 执行策略
窄幅震荡 卖方策略 收入 需要 无限 有限 顶部跨式策略
卖方策略 支出 需要 有限 有限 正向蝶式策略
宽幅震荡 卖方策略 收入 需要 无限 有限 顶部宽跨式策略 卖方策略 支出 需要 有限 有限 反向蝶式策略
震荡突破 买方策略 支出 不需要 有限 无限 底部跨式策略
买方策略 支出 不需要 有限 无限 底部宽跨式策略
三、期权策略在仿真交易中的检验
针对以上期权交易策略，我们利用沪深300股指期权仿真交易数据进行检验，判断其能否在我国股指期权市场中实现持续盈利。
(1)沪深300指数表现
(2)上涨行情策略的检验
1.买入看涨期权
我们构造五种不同的期权组合，检验每种组合的盈亏情况。
表3.1 买入看涨期权组合
由图3.1可知，在下跌行情和震荡行情中，买入看涨期权难以获利;在上涨行情中，买入看涨期权可以获利，且涨幅越大，获利越高。买入实值期权的获利情况优于虚值期权。
2. 牛市看涨差价策略
表3.2 牛市看涨差价组合
(价格间距小) 组合P5
(价格间距大)
3. 牛市看跌差价策略
表3.3 牛市看跌差价组合
(价格间距小) 组合P5
(价格间距大)
在下跌行情中，牛市差价策略难以获利;在震荡行情和上涨行情中，牛市差价策略均可获利，构建执行价格间距大的实值期权和虚值期权组合能够获得较高盈利。
4. 卖出看跌期权
表3.4 卖出看跌期权组合
在下跌行情中，卖出看跌期权不能获利;在震荡行情和上涨行情中，卖出看跌期权可以获利，且卖出实值期权和平值期权的获利情况优于虚值期权。
(3)下跌行情策略的检验
1、买入看跌期权
表3.5 买入看跌期权组合
在下跌行情中，买入看跌期权可以获利，且买入实值期权获利较高;在震荡行情和上涨行情中，买入看跌期权无法获利，且深度实值期权的亏损大于深度虚值期权。
2、熊市看跌差价策略
表3.6 熊市看跌差价组合
(价格间距小) 组合P5
(价格间距大)
3、熊市看涨差价策略
表3.7 熊市看涨差价组合
(价格间距小) 组合P5
(价格间距大)
在市场下跌和震荡行情中，执行熊市差价策略可以获利;在上涨行情中，熊市差价策略不能获利。在下跌和震荡行情中，构建执行价格间距较大的实值和虚值期权组合策略获利较高;在上涨行情中，构建执行价格间距较大的熊市差价策略损失较大。
4、卖出看涨期权
表3.8 卖出看涨期权组合
在下跌行情和震荡行情中，卖出看涨期权可以获利，且卖出实值看涨期权获利较高。在上涨行情中，卖出看涨期权无疑会造成损失，且行情上涨越猛，损失越大。
(4)震荡行情策略的检验
1、顶部跨式
表3.9 顶部跨式组合
市场在震荡下跌和窄幅震荡过程中，顶部跨式策略能够获利;当行情突破震荡区间，例如出现急涨行情时，顶部跨式策略会出现大幅亏损。
2、正向看涨蝶式
表3.10 正向看涨蝶式组合
3、正向看跌蝶式
表3.11 正向看跌蝶式组合
当行情在一定范围内震荡时，正向蝶式策略均有获利可能;但当行情突破震荡区间时，会出现一定损失，但损失有限。
4、顶部宽跨式
表3.12 顶部宽跨式组合
顶部宽跨式策略在行情波动过程中能够获利，且期权执行价格间距越小，获利越多。
5、反向看涨蝶式
表3.13 反向看涨蝶式组合
6、反向看跌蝶式
表3.14 反向看跌蝶式
由于近期股指主要在2200―2500区间内窄幅波动，波动幅度偏小，因此反向蝶式策略难以实现持续获利。
7、底部跨式
表3.15 底部跨式组合
8、底部宽跨式
表3.16 底部宽跨式组合
底部宽跨式策略的获益情况与底部跨式策略类似，当市场处于震荡行情时，该组合策略无法获利，但损失有限;当市场行情突破震荡时，该策略能够获得较大收益。
四、结论
沪深300ETF持续放量 第3篇
《投资者报》数据研究部统计的676只偏股型基金，上周平均跌幅为2.39%，与同期上证指数相比，低了1.6个百分点，与同期深成指数相比则高出2.2个百分点，而且略输同期沪深300指数。
上周持有证券和保险类股票的基金取得了较好的业绩，例如國泰上证180金融ETF及联结基金，分别取得了0.31%和0.35%的收益率。
非指数偏股型基金收益率最好的是南方隆元产业基金，该基金的第一大重仓股是中信证券，上周上涨1.26%，重仓股海通证券也上涨了1.74%，第四大重仓股北大荒，上周上涨了4.48%。
而重仓持有银行和房地产的基金跌幅较大，今年基金新秀中欧中小盘位居跌幅的榜首，上周下跌6.88%，该基金重仓股是清一色的地产和银行股。
我们统计的150只指数型基金上周平均跌幅为2.07%，跌幅最大的是跟踪深市指数的基金，如上周跌幅较大的指数基金有大成深证成长40ETF、南方深成ETF等基金。
上周ETF成交比较活跃，沪深300ETF持续放量，资金抄底迹象明显。
华泰柏瑞沪深300ETF的日成交额在7月19日突破8亿元，以单品种成交额看，该ETF已挤入当日个股和基金成交排行榜的前8位，成为当日最活跃的上市基金品种；华泰柏瑞沪深300ETF的申购量近日也大增，本周内达到日净申购3.85亿的高峰。此外，另一只沪深300ETF，嘉实沪深300ETF交易也很活跃，日成交超过1.5亿元。
上周债券市场主要指数涨跌互现。中信标普企业债指数上涨0.08%，国债指数上涨0.03%。统计的21只债券型基金，上周平均收益率为0.19%，收益率较好的为纯债基金和可转债基金，表现较差的是信用类基金和分级基金。
沪深300指数效应实证分析 第4篇
关键词：沪深300,指数效应,行为金融
中国A股市场经过十多年的发展, 市场机制和政策环境在不断改善中, 作为一个新兴的市场, 是否拥有效率, EMH在中国证券市场能否经得起检验, 本文试图通过总结行为金融理论, 以沪深300指数的样本股调整为研究对象, 对“指数效应”中是否存在超额收益进行了实证研究, 并试图运用行为金融理论解释这一现象。
1. 研究方法与研究对象
本文采用事件研究分析法 (Event Study Methodology) 检验指数调整的价格效应。事件研究分析法主要是研究公司发生的事件对其股价波动的影响的一种经济学方法。其核心是研究股价的异常收益率。在这里将采取Fama、Kenneth的相关方法, 包括定义事件和事件窗口、选择样本、逐步计算异常收益, 最后检验得出合理解释。
以2005年6月~2009年7月沪深300的调进调出的股票为研究对象, 在此期间沪深300指数定期调整了9次, 调进了210只股票, 调出210只股票。实证所用的数据均来自WIND数据库。为了正确计算事件窗口期间的正常报酬, 在计算样本股收益率时, 我们选取距离调整日有80个交易日以上的样本, 这样就排除了不定期调整的样本。因为根据编制规则, 沪深300指数样本股除了定期调整外, 如遇上市公司收购或者大盘股首发等事件, 指数股也会进行不定期的临时调整。
2. 模型构建
模型操作步骤如下:
1) 根据每日收盘价计算日收益率对于各只股票及指数来说, 其日收益率为:Rit=ln Pit-ln Pit-1, 其中Pit为每个交易日的收盘价。
2) 根据市场模型求各股票的期望收益, 对于任一只股票, 其市场模型为:Rit=αi+βiRmt+εit, 其中Rit和Rmt分别为t时刻股票i和证券市场组合的日收益率, 满足独立同分布假设, 且Eεit=0, Var (εit) =σεit2。
对于收益率数据, 由最小二乘估计法, 可得到αi和βi的估计值，为：。
其中为各只股票, 年 月至月的交易日总数，由于各只股票的停牌时间有所不同，T对于各只股票来说并不完全相同。
由此, 我们可以得到各只股票在事件窗口的期望收益为:ERit=αi+βiRmt
3.计算各只股票的超常收益率
设超常收益率为AR, 根据定义有ARit=Rit-ERit=Rit-αi-βiRmt, ARit服从均值为零的正态分布, 其方差为。
4.计算平均超常收益率
设平均超常收益率为值为E(AARi)=0，方差为。
5.计算累计平均超常收益率
设累计平均超常收益率为MCAR (t1, t2) , 并且假设事件窗口内每日的平均超常收益率独立，则有均值为0，则方差为。
6.统计量检验
最后, 我们判断成分股指数的调整事件对股票的价格是否有显著影响, 就是检验调入调出股票的累计异常收益率是否显著不为0, 采用双边检验。如果调入股票在调整日 (CD) 有显著大于0的累计异常收益率, 并在随后的交易日中保持, 其累计异常收益率将保持不变或逐渐增大, 表明指数调整事件给调入股票带来的影响能持续一段时间甚至永久。如果累计异常收益率逐渐回归为0, 甚至为负, 说明调入股票在指数成分股调整后发生了价格反转, 其影响并不持续。对于调出股票, 累计异常收益率也能说明类似问题。
3. 数据和实证结果
根据上面所确定的方法, 研究数据表明, 在宣告日当日, 调入沪深300指数的股票异常收益率均值为+0.00689, 显著性检验结果表明宣告日的异常收益率是显著为正的。而调出沪深300指数的股票在当日的异常收益率均值为-0.00566, 显著性检验结果表明调出事件的异常收益是显著为负的。这表明沪深300指数在宣告日当日的指数调整效应是显著存在的。各个时间区间里调入和调出沪深300事件的平均累计异常收益率 (MCAR) 和显著性检验所得的T值所得结果如图1和图2所示。
图1说明了以宣告日前第15天至宣告日后第15天为窗口的调入事件的指数效应。该图表明, 窗口期的累计超额收益的点大部分落在了x轴的上方, 证明了指数效应的存在, 但是累计超额收益在第14天发生了反转。
图2说明了以宣告日前第5天至宣告日后第25天为窗口的调出事件的指数效应, 从宣告日前第4天至宣告日后的第24天的累计超额收益率全部为负, 很好地说明了调出时候指数效应的存在。
4. 结论
本文通过截取2005年6月~2009年7月调入和调出沪深300指数的股票为样本, 发现沪深300指数效应显著存在, 但是调出时的指数效应相比调入时的要延后5~10天。宣告日调入调出股票的平均异常收益率也支持此结论。沪深300指数表现出的显著的指数效应, 也表明它在推出之后立刻便获得了较高的市场认可, 这也说明了在我国金融市场上, 证券投资基金等机构投资者的主导作用正在得到增强。
对于沪深300指数效应为什么会发生这一问题, 本文的证据支持“信息假说”, 即调入指数被视为好消息而调出指数被视为坏消息。而投资者在处理该信息时表现出的一致性, 既说明了沪深300指数较高的市场认同度, 也说明了我国金融市场上存在比较明显的投资者行为的从众效应。
参考文献
[1]Harris L, Gurel E.Price and Volume Effects Associated with Changes in the S&P500list:New Evidence for the Existence of Price Pressures[J].Journal of Finance, 1986, (41) :815-829.
[2]宋逢明, 王春燕.上证180和深成指的指数效应研究[J].证券市场导报, 2005, (6) :37-38.
10月12日沪深晚间公告 第5篇
万林股份股东石河子市舒侃股权投资管理合伙企业(有限合伙)披露减持计划，其拟在公告之日起3个交易日后的6个月内，通过大宗交易方式减持公司股份合计不超过1013.86万股，即不超过公司总股本的2.19%，减持价格视市场价格确定。
新华联控股耗资近64亿举牌北京银行
北京银行午后临停，公告称拟披露重大事项。与此同时，从公开渠道获悉，北京银行已被新华联控股有限公司举牌。
仙坛股份：上调前三季预计业绩
仙坛股份201-9月归属于上市公司股东净利润的预计数，由此前的12，650万元-13，350万元，上调为盈利17，600万元-18，000万元，同比增长1，130.63%-1，158.60%。业绩修正的原因：报告期内公司饲料主要原料价格实际涨幅低于预期，同时鸡肉产品价格下降幅度较缓。
京汉股份：终止筹划重大事项股票复牌
经多方协商与反复论证，相关各方未能达成一致意见，经审慎研究，京汉股份决定终止本次重大事项的筹划。公司股票将于2016年10月13日起复牌。
清新环境：终止发行股份购买资产并募集配套资金事项
由于清新环境本次交易预案公告后证券市场环境、监管政策等客观情况发生了较大变化，交易各方无法就交易方案细节达成一致意见。本次交易各相关方的工作预期难以在规定的时间内全部完成。交易各方决定终止本次发行股份购买资产事项。
湘潭电化：控股股东减持400万股
关注沪深300的181周线 第6篇
在上期文章中，笔者特别提到了沪深300指教的181周线，说只要指数与股价在181周线之上就有机会。为什么本期题目是关注沪深300指数的181周线?主要是因为各大盘指数受到多种因素的影响，令许多投资者感到茫然。创业板的解禁潮、股指期货连续做空后突然反向做多，使许多股民来不及反应，特别是不知道笔者“江恩八线”中364周线与70天移动平均线操作的股民有严重踏空的情况。
笔者在指数跌到364周线时曾在本栏目及时提醒读者，到了7月初又提出了70天移动平均线的理论。如果你学习过“线上阴线买、买错了也要买”与“线下阳线抛、抛错了也要抛”的“殷氏定律”，我想已经赚得有点意思了吧!
大家回顾一下，我们在9月13日深证成指的181周线下抛了(因为不知道机构的思路)，然后在上证综指的70天移动平均线上再买入。这是“江恩理论”中的黄金模式组合，也就是在2010年9月20日上证综指打到最低点2573点，属于想不赚钱都难的买点。笔者怕读者错过70天线的买点，不惜在公开的博客上用红字提醒读者。只要学过笔者“殷氏定律”的读者看到提醒就应该知道，这是周K线的小黄金模式中想不赚钱都难的买点。
由于许许多多的股民不知道甚至不相信股市有操作的规律，更不知道在该点应该满仓操作，以致到了3号线至7号线的高位才匆匆地买入一些股票，严重影响了收益。
从近日的走势看，在沪深300指数的带领下，沪深两地指数在高位盘整，从周K线上看是缩量向上。会不会久盘必涨呢?这是我们需要注意的。
我们要看上证综指能否在11月5日(周五)翻上3089点。我们应该把目标放在江恩8号线的3249点左右。因为11月3日(周三)上证综指回探了江恩7号线后拉出阳线，符合“线上阴线买”的规律。只要11月5日收在7号线3000点之上，就坚持做多，不可轻易抛空股票。
当然最重要的还是要盯住沪深300的181周线(日线设8号线的3355点)。
大家可以参考道琼斯指数10月5日突破8号线之后连续涨到今天的走势笔者的“江恩八线”在全世界的股市都是神奇的精确依据，操作规律同样是“线上阴线买”与“线下阳线抛”、笔者验证过，国际黄金、美元指数等等都与181周线有关，而且精确无比。
现在市场上就有一些被市场骗怕的人，什么都不相信。笔者在一个很有名的网站上做了一个视频节目，为的是帮助一些新股民但我在该视频下面的评论中看到的除了反对还是反对，甚至是骂人!仔细阅读后发现，这些股民的基础知识实在太差。比如，笔者在视频中让观众设一根450天移动平均线，竟然有70个股民骂我在骗他们，说软件根本设不上，只能设300天。他们就不知道，只要修改一下软件指标中的参数，把300天的最大值改为3000天的最大值后，就可以设3000天之内任何数值的移动平均线了。由于不懂这一个小小的基础知识，就失去了在450天线上买入开始暴涨的股票。
下周如何操作?不难，按线操作。沪深300指数的重要支撑为8号线3357点(181周移动平均线)，线上坚决做多。突破3525点必到3698点，突破3698点后才能挑战前期高点3778点的二分之一的重要压力。上证综指的短线支撑是7号线2995点(每天向下4点)，短线压力是3181点与181周线，大约在3249点；深证成指的支撑为小黄金模式的上轨13370点。如果能突破2009年的压力区，必到15271点。
沪深300指数基金绩效实证分析 第7篇
指数基金是最早产生的指数化投资产品,它采取拟合目标指数的投资策略,分散投资于目标指数的成份股,力求基金组合的收益率与该目标指数的跟踪误差最小。美国是指数基金最发达的国家,先锋集团率先于1976年在美国创造第一只指数基金先锋500指数基金。
国内基金的指数化投资始于1997 年7 月基金普丰与基金兴和两只封闭式基金的成立运作, 开放式基金中进行指数投资的第一只基金是2002 年11 月成立的华安上证180 指数增强型基金。
随着指数基金投资的发展,关于指数基金的理论研究日益深入。最早提出跟踪误差计量方法的是Treynor和Black[1],他们将跟踪误差定义为投资组合的收益率序列对基准投资组合收益率序列进行线性回归的残差的标准差。Frino等[2]通过对影响跟踪误差的要素进行多因子回归分析,研究了澳大利亚指数基金的跟踪能力和跟踪误差的影响因素。Paul和Eric[3]引入了平均平方离差MSD来测量跟踪误差。国内对跟踪误差的研究尚处于起步阶段,张玲[4]把跟踪误差分解为净值跟踪误差和价格指数跟踪误差,认为用绝对偏差的平均值来测算跟踪误差能更好的说明问题。严武、洪道麟[5]和张琪[6] 实证分析了我国的封闭式优化指数基金,得出了优化指数基金在熊市明显显示出其抗跌保值方面的优势,但当大势上涨时表现则不尽如人意的结论。叶世绮、苏美红[7]分析了我国开放式指数基金的运作绩效,也得出了相似的结论。陈远志[8]分析了上证50ETF的跟踪误差变化及波动情况。综合分析现有的研究方法,对基金绩效进行分析最直接和有效的当属单因素绩效分析法,其中常用的风险调整收益指标主要有詹森指数(Jensen)、特雷诺指数(Terynor)和夏普指数(Sharp),这三个指数比较适用于评估基金的整体绩效,同时也可简化基金整体绩效评估的复杂度。因此下文我们的研究将在综合运用回归分析、跟踪误差、平均平方离差进行绩效分析基础上运用上述三种指数,对沪深300指数基金的投资风险进行进一步的探讨。 下面首先简述本文方法的原理。
1 研究方法
1.1 跟踪误差法
跟踪误差(Tracking Error,简记为TE)是指数基金的收益率相对于所追踪的指数的收益率的偏差, 体现了指数投资组合对基准指数的相对风险。指数化投资的目的不是在风险一定的情况下获取尽量高的收益, 而是尽量减少投资组合与所跟踪指数之间的收益率之差, 使二者最大限度地保持一致, 即跟踪误差尽量的小,跟踪误差是衡量指数基金业绩的一个重要指标。
基金的跟踪偏离度定义为
TDt=Rt-Rst
其中,Rt为t时期基金收益率,Rst为t时期标的指数收益率。
为了数据的准确性, 参照指数基金的业绩比较基准, 剔除因债券投资部分变动带来的误差,则跟踪偏离度可修正为
TDt=Rt-Rst-Qtq,
其中,Qt为t时刻债券收益率,q为债券投资变动比例。
基金的跟踪误差则为跟踪偏离度的标准差,即
其中,TD为剔除债券变动影响后的日跟踪偏离度,
1.2 回归分析法
线性回归法指用指数基金投资收益率与标的指数收益率进行线性回归,用公式表示如下
Ri=α+βRs+ε,
其中,Ri为第i个指数基金的收益率,Rs为标的指数收益率,ε代表随机误差项。
则指数基金的跟踪偏离度表示为
TDi=Ri-Rs=(α+βRs+ε)-Rs=α+(β-1)Rs+ε=(β-1)Rs+ε′
其中,ε′=α+ε。
若回归方程线性关系显著,则说明总体跟踪效果较好。
1.3 平均平方离差
2001年,Paul Halpemand和Eric Kirzner将平均平方离差 (Mean Squared Deviation ,简记为MSD)作为指数产品追踪误差的一个重要的计量方法。MSD对复制投资组合的业绩偏离其市场基准指数给予了说明,投资者可以从中发现导致追踪误差的因素。平均平方离差定义为
其中,Rt为基金净值第t日的收益率,Rst为标的指数第t日的收益率,n为样本数。
为了便于比较跟踪误差产生的原因,将MSD分解为三部分,其公式如下
其中
分解的第一部分是复制投资组合和基准指数的平均收益率差别的平方,我们把这一部分称作BP,它反映了平均数之间的差别。
第二部分是复制投资组合与基准指数已实现收益的标准差的平方,称作VP。当基准指数和复制投资组合的收益率的标准差是相同的,对跟踪误差没有影响。当复制投资组合的收益率的标准差与基准指数的标准差不同时,将会使跟踪误差增加。
第三部分较为复杂,称作CP。主要是复制投资组合与基准收益率之间的相关性对完全相关的偏离。指数投资组合与基准的相关性越低,这一部分对跟踪误差的影响越大。另外这一部分也由复制投资组合收益的标准差所决定。
1.4 单因素绩效分析法
在现代资产组合理论和资本资产定价模型提出后,相继出现了一些基金业绩评价综合指标,其中最著名的是以Treynor、Sharpe和Jensen的三个指数模型为代表的单因素指数模型。它们都是以CAPM模型为基础,比较适用于评估基金的整体绩效,同时也大大简化了基金整体绩效评估的复杂性。
1.4.1 夏普指数(Sharpe)
1966年,威廉夏普(William F. Sharpe)[9]提出用单位总风险的超额收益率来评价基金业绩,即夏普指数。该指数以均衡市场假定下的资本市场线(CML)作为评估基准,是在对总风险(即标准差)进行调整基础上的基金业绩评估方式。夏普认为,对于管理较好的投资基金,其总风险可能接近于系统性风险,而对于管理不好的投资基金,其总风险可能因非系统性风险不等而相差甚远。因此夏普用单位总风险所获得的超额收益率即“夏普指数”来评价基金的业绩。一个基金的超额收益率同它的β的比值就是夏普比率。夏普指数的计算公式为
其中,Si为夏普指数,σi为基金i的收益率标准差,即基金投资组合所承担的总风险。较大的夏普指数表示较好的业绩。
1.4.2 特雷诺指数(Treynor)
1965年,美国的财务学者杰克特雷诺(Jack L. Treynor)[10]提出一种考虑风险因素的基金业绩评价指标,后人称为“特雷诺指数”,也叫做“波动补偿率”。该指数以均衡市场假定下的资本资产定价模型(CAPM)或证券市场线(SML)作为基准的一种按风险调整的业绩测度指标,也就是用投资组合的系统风险系数日去除投资组合的超额收益率,反映该投资组合承担的每单位系统风险所带来的风险收益。其计算公式为
其中,Ti为特雷诺指数,
特雷诺指数和夏普指数一样,能够反映基金经理的市场调整能力。但特雷诺指数只考虑系统风险,而不是基金的全部风险,因此它适合衡量能很好地进行分散投资的基金。
1.4.3 詹森指数(Jensen)
1968年,迈克尔詹森(Michael C. Jensen)[11]提出一种评价基金业绩的绝对指标,即詹森指数。詹森根据资本市场线估计基金的超常收益率,即通过比较评价期的实际收益和由CAPM推算出的预期收益来评价基金业绩。计算公式为
其中,αi为詹森指数,
2 样本选取及数据来源
本文实证对象选取目前我国证券市场中以沪深300指数为标的指数的17家指数基金。从沪深300正式推出日期2005年4月8日开始到2012年2月16日,共1 728日数据。运用上述模型, 考察和判别不同阶段指数基金的绩效的优劣。
2.1 样本的选取与调整
按照沪深300指数的实际走势,总体上可大致分为四个阶段:第一上涨期(2005年4月8日至2007年10月22日)、下跌期(2007年10月23日至2008年12月31日)、第二上涨期(2009年1月5日至2009年8月3日)、调整期(2009年8月4日至2012年2月16日)。为了保持实证结果的一致性和可比性,根据各基金的成立日期(参见附录2),截取各阶段已上市基金的公共日期,对各阶段做出如下调整:第一上涨期(2007年7月25日至2007年10月22日)、下跌期(2007年11月9日至2008年11月4日)、第二上涨期(2009年5月8日至2009年8月3日)、调整期(2010年2月12日至2012年2月16日)。
经过调整后,第一阶段有3家基金:博时300、嘉实300、大成300;第二阶段增加了国泰300;第三阶段又增加4家:广发300、工银300、南方300、鹏华300(华夏300在第三阶段仅上市8天,不予考虑);第四阶段新增9家:华夏300、易基300、瑞和300、国海富兰克林300、银华300、建信300、银河300、申巴300。
本文通过分阶计算的方法, 比较在不同趋势下指数基金的各项指标并做出评估。
2.2 数据的来源
本文采用公开发布的数据作为样本数据,基金净值数据来自巨灵金融数据库(www.gtifinance.com),基金所跟踪股票指数沪深300指数的数据来源于证券之星网站(www.stockstar.com) ,见附录1(因原始数据占的篇幅太大,仅列出第一阶段的数据)。指数基金基本情况以及基金业绩比较基准的资料来源于天天基金网(www.1234567.com.cn),见附录2。
2.3 市场基准的确定
目前各类沪深300指数基金的投资组合中不仅包含沪深300指数股票部分,还有一部分非指数投资。本文为了更好地反映指数基金日收益率与其跟踪指数日收益率之间的关系,拟合一个包含其他n种金融产品(如国债)投资的市场基准组合:这一组合的a%随指数基金相应的跟踪指数变动,bk%(k=1n)按相应的其他金融产品的日收益率计算。所以市场基准组合的日收益率相应变化为
其中Rs为股票指数日收益率,Rb为市场基准组合日收益率,Rk为第k个其他金融产品日收益率。
2.4 无风险利率的确定
无风险利率通常以短期国债利率来确定,但由于我国的债券市场并不发达,品种比较少,而且发行期限也比较长,因而本文采用一年期银行定期存款利率折算为日收益率作为近似的日无风险收益率。折算方法是以央行公布的每年利率扣除相应的利息税后,再以月为权数进行加权平均,换算成日收益率后得到的无风险利率(央行公布的各年一年期银行定期存款利率及利息税详见附录3,资料来源于中国人民银行网www.pbc.gov.cn)。
2.5 指数基金投资组合β值的确定
理论上,基金投资组合β系数可由该基金投资的各单个资产的β值进行简单加权平均得到,即
由于受到数据的限制,本文通过对指数基金的收益率相对于市场基准组合的回归分析来估计其β系数。采用的回归方程式基于初始的资本资产定(CAPM)模型
Ri=Rf+βi(Rm-Rf)
可以变换为
Ri=Rf(1-βi)+βiRm
由于Rf、βi均为常数,则Rf(1-βi)也是常数,用新的参数αi来替代Rf(1-βi),则估计βi值的回归方程变为
本文中的Rm即为Rb。
3 实证结果与分析
将整个样本空间分为四个阶段,实证部分将分别就各阶段进行比较分析,最后进行综合分析,评价各基金绩效优劣。
3.1 第一阶段
3.1.1 线性回归分析
基于回归模型,用EViews6.0软件对3家基金收益率分别对沪深300指数收益率做线性回归进行参数估计,得到回归方程和决定系数,结果见表1。
比较可知嘉实的决定系数R2仅为0.68,拟合度不好,而博时和大成的R2值在0.95以上,有较好的拟合效果。
进一步做出三支基金与沪深300指数的简单散点图(见图1、2、3),博时和大成与沪深300指数具有十分显著的线性关系,嘉实则较差。
3.1.2 跟踪误差分析
本阶段三支基金的跟踪误差TE和平均平方离差MSD以及其三个分解部分求得的结果如表2:
通过比较可知嘉实的TE值最大,相关系数最低,并且CP值没有明显高于VP值和BP值,说明嘉实在本阶段与表的指数的拟合存在较大偏差。而博时和大成在此阶段很好的跟踪了标的指数,这与回归分析的结果相一致。
3.1.3 单因素绩效分析
对3支基金分别计算其夏普指数、特雷诺指数、詹森指数的结果如下表:
对比可知博时和嘉实的3个指数均大于其基准沪深300指数,表现出较强的抗风险能力。大成的3个指数均小于其基准,表明其在牛市阶段的抗风险能力不足。其原因在于博时投资债券的比例较高,发挥了一定规避风险的作用。
3.2 第二阶段
3.2.1 线性回归分析
比较4支基金与沪深300指数的简单散点图(见附录4)并对4家基金收益率分别对沪深300指数收益率做线性回归进行参数估计(见附录5),可知国泰的决定系数R2不到0.6,说明拟合度明显不如其他3支,而其他3支基金的R2值在0.9以上,尤其博时和大成的R2值接近于1,拟合效果很好。
3.2.2 跟踪误差分析
比较本阶段4支基金的跟踪误差和MSD以及其3个分解部分(见附录6),国泰的TE值明显高于另3支,其相关系数较低,业绩不佳,与其刚上市建仓,准备不足有很大关系。嘉实指标有了较大提升,但仍略低于博时和大成。本期的MSD的三部分分解表现出VP值较大,CP值不明显占优,说明本期中各基金收益率与标的指数收益率的波动率的差异是影响跟踪误差的主要原因。
3.2.3 单因素绩效分析
对4支基金分别计算其夏普指数、特雷诺指数、詹森指数(见附录7)表中显示4支基金的3种指数均小于沪深300,说明它们在市场处于熊市时没有表现出抗跌性。原因在于本期中爆发的美国次贷危机以及由此引发的全球金融危机使得整个证券市场处于疲弱状态,而各基金的成分结构没及时做出相应调整,所能采用的回避手段相当有限,难以抵抗系统性风险引发的下跌。
3.3 第三阶段
3.3.1 线性回归分析
比较8支基金与沪深300指数的简单散点图(见附录4),直观上发现嘉实和鹏华拟合较差。
对8家基金收益率分别对沪深300指数收益率做线性回归进行参数估计(见附录5),从回归模型中看出拟合最好的有博时、大成、国泰、广发,嘉实和南方次之,工银和鹏华最差。
3.3.2 跟踪误差分析
通过比较本阶段8支基金的跟踪误差和MSD以及其3个分解部分求得的结果(见附录6),博时、大成、国泰、广发业绩最好,南方、嘉实次之,鹏华较差,工银最差,这与回归分析结果完全一致。其中工银跟踪误差主要来自长期停牌后复牌的成分股票(如长江电力)、基金时不时较大比例的申购赎回、年中成份股票调整等因素。本阶段中广发、大成、国泰以及博时的VP值占的比例较大,说明它们的收益率与标的指数收益率的波动率的差异仍是影响跟踪误差的主要原因。而嘉实的CP值所占比例大大提高,说明其基金与指数收益率的波动对TE值影响较大,但其波动的差异影响减弱。
3.3.3 单因素绩效分析
对8支基金分别计算其夏普指数、特雷诺指数、詹森指数(见附录7)结果表明,嘉实、大成、国泰、广发、鹏华的3种指数均优于其基准,而博时、工银、南方均劣于其基准。
3.4 第四阶段
3.4.1 线性回归分析
通过比较各基金与沪深300指数的简单散点图(见附录4),直观上发现鹏华、银华、建信拟合较最差,银河、申巴较差。
对17家基金收益率分别对沪深300指数收益率做线性回归进行参数估计(见附录5)。回归模型中拟合最好的依次有华夏、易基、大成、博时、国泰、工银,其决定系数均接近于1;国富、富国、嘉实、银河、南方、申巴、广发,决定系数均大于0.9,拟合效果较好。
3.4.2 跟踪误差分析
根据TE值(见附录6)对基金业绩从高到低进行排名,依次为:华夏、博时、易基、大成、国泰、工银、富国、国海富兰克林、嘉实、银河、南方、申巴、广发、瑞和、鹏华、建信、银华,与其相关系数排列大致相当。从MSD各成分来看,易基、大成、华夏、博时的VP值占的比重较大,表明它们与基准的波动的差异较大,其余的基金MSD主要集中在CP值上,而它们的相关系数都较高,可以认为它们以及标的指数的收益率的标准差在很大程度上影响了跟踪误差。此外建信的跟踪误差主要缘于标的指数中的两只股票工商银行和建设银行限于法律法规规定无法投资,而必须寻找其他股票替代。并且部分交易日的大额申购赎回、某些成份股长期停牌造成的估值调整、部分时期市场波动性增加等因素也对跟踪误差及偏离度产生了一定影响。
3.4.3 单因素绩效分析
对17支基金分别计算其夏普指数、特雷诺指数、詹森指数(见附录7),可知,3个指标均优于其基准的有7支基金,它们是:博时、嘉实、华夏、易基、瑞和、国海富兰克林、国富;3个指标均劣于其基准的有7支基金,分别为: 大成、国泰、广发、工银、南方、银河、申巴;鹏华、银华、建信的Sharpe指数值高于其基准,而Jenson指数和Treynor指数均小于其基准,表明这两支基金处理系统风险能力不佳,处理非系统能力强。
4 结论
由前面四个阶段的比较分析可知,纵贯四个阶段博时300的跟踪误差始终处于最小者之列,表现出很强的业绩,其次是大成300表现最佳,这与博时300和大成300基金发行最早,管理经验丰富有关。虽然嘉实300同样发行最早,但其在业绩表现上稍微弱于前两者;后发行的基金中南方300业绩较好;最后阶段发行的基金整体上劣于先发行的基金。
比较跟踪误差分析结果与单因素绩效分析结果,发现它们并不一致。这说明沪深300基金在跟踪其标的指数时并没有较好的考虑其抗风险能力。笔者分析主要是两个:一方面基金经理素质、能力稍显不足,在选股上发生偏差,这其中涉及行为经济学方面的问题;另一方面,也是本文的不足,即本文在分组与阶段的划分上带有一定的主观性,使得结果中可能存在误差。
此外,基金收益率和标的指数收益率间的差异、基金收益率和标的指数收益率波动之间的差异并不是造成基金跟踪误差的主要原因,跟踪误差的存在更多的由其它原因造成,如管理费用及其他费用,现金管理等。
附录4:二、三阶段基金与沪深300指数拟合散点图
第二阶段基金与沪深300指数拟合散点图
第三阶段基金与沪深300指数拟合散点图
第四阶段基金与沪深300指数拟合散点图
附录5:二、三、四阶段指数基金的回归分析
附录6:二、三、四阶段指数基金的跟踪误差
附录7:二、三、四阶段指数基金的单因素绩效分析
参考文献
[1]TREYNOR J L,BLACK F.How to use security analysis toimprove portfolio selection[J].Journal of Business,1973,46(1):66-86.
[2]FRINO A,GALLAGHER D R.Is index performance achiev-ableAn analysis of Australian equity index funds[J].ABA-CUS,2002,38(2):200-214.
[3]PAUL H,ERIC K.Quality Standards for Index Products[G].University of Toronto Working paper.2001.
[4]张玲.ETF跟踪误差产生原因探究[J].证券市场导报,2002(11):44-49.
[5]严武,洪道麟.我国指数基金运作与绩效研究[J].统计研究,2000(12):30-35.
[6]张琪.我国指数基金绩效实证研究分析[J].南开经济研究,2002(6):66-70.
[7]叶世绮.苏美红.我国开放式指数基金绩效分析[J].经济论坛,2005(9):50-52.
[8]陈远志.上证50ETF的跟踪误差实证研究[J].技术经济与管理研究,2007(6):6-9.
[9]WILLIAM F SHARPE.Mutual Fund Performance[J].Journal of Business,1966,39(1):119-138.
[10]JACK L TREYNOR.How to Rate Management of Invest-ment Funds[J].Harvard Business Review,1965,43(1):63-75.
沪深300指数的ARCH效应 第8篇
在现代金融理论中,金融市场上收益的风险和价格的不确定性往往是用方差来测量,传统的经济计量模型往往假定样本的方差保持不变,随着金融理论的发展和实证工作的深入,已经发现了这一假设不甚合理。许多研究表明传统的线性回归模型的关于独立同方差的假设,不适合于描述金融价格与收益的变化规律,于是许多金融学家和经济计量学家开始试图用不同的模型与方法来处理这一问题。1982年,Engle构造了方差随时间变化的自回归条件异方差ARCH(Autoregressive Conditional Heteroskedasticity),简称ARCH模型。经过近20年的发展,目前该模型已被认为是最集中地反映了方差的变化特点,从而广泛地应用于经济领域的时间序列分析。后来,波勒斯勒夫(Bollerslev)、恩格尔(Engle)、利立安(Lilien)和罗宾斯(Robbins)等人又先后对ARCH模型进行改进,提出了GARCH、ARCH-M以及NARCH等一系列推广模型。同原有的ARCH模型一道,构成了一套比较完整的条件异方差自回归理论,在经济和金融领域引起了高度的重视并获得广泛的应用。
Fama(1965)、Hagerman(1978)和Lau(1990)等学者还相继发现,股票收益率的分布具有两大特性:(1)有偏性,而且偏度往往大于0,即概率分布不是对称的,而是偏向右边;(2)尖峰厚尾性,且其峰度往往要远大于3,也就是说,收益率剧烈波动,即出现极端事件的可能性要大于正态分布假设下极端事件发生的概率。这些同时也指出了传统的假定收益率服从正态分布的不足。虽然对称的GARCH模型能较好地处理异方差的问题,并能有效地消除收益率分布尖峰厚尾性的影响,但它却难以很好地处理收益率分布的有偏性,且该模型对系数的非负性约束太强。为此,Nelson(1992)提出了指数GARCH模型,即EGARCH,此模型能很好地解决收益率分布的两大特性及异方差问题。从金融学的角度来说,风险与收益应是对称的,金融资产的风险随着时间的变化会对收益率产生一定的影响,高的条件方差应该使条件均值也相应增加。因此,有必要把条件方差作为变量引入条件均值方程中,这就是Engle、Linen和Robbins所提出的ARCH-M模型的扩展,即GARCH-M模型。一般说来,大多数经济时间序列,包括股票和股指收益序列,由于其自身惯性和滞后效应的影响,往往会呈现出不同程度的序列相关性。Black(1976)最先发现了股价波动的杠杆效应,即未预期的价格下降(利空消息)和未预期的价格上升(利好消息)对波动度的影响是非对称的。针对这一现象,Glosten、Jagannathan&Runk Ie(1992)、Zakoian(1990)、Nelson(1990)对传统的ARCH模型进行修正,提出了GJR、TARCH和E-GARCH这三个非对称模型。
在国外,研究者用已有的模型对股票收益率波动的ARCH现象进行了一系列实证研究,Bodurtha和Mark(1991)对纽约股市中股票月度收益波动的分析用到了ARCH(3)模型,而Engle和Mustafa(1992)对单个股票收益率序列的研究证实了ARCH效应也是显著的。有关条件均值与条件方差的关系,French Schwert和Stambaugh(1987),Campbell(1977),Glosten、Jagaannathan&Rumkle(1992)的研究结果认为两者是负相关的,且是统计上显著的。Engle和Ng(1993)比较了GARCH、EGARCH等模型捕捉波动非对称性的能力,并应用日本TOPIX指数收益率进行实证研究;Chiang和Doong(2001)应用TAR-GARCH对亚洲7个股票交易所的日收益率、周收益率和月收益率分别建模进行估计;Crouhy和Rockinger(1997)应用ATGAR CH和HGARCH模型对全球21个主要股票市场的波动性进行实证研究。
我国学者也对我国证券市场的指数进行实证研究,岳朝龙(2002)、陈健(2003)、钱瑛(2005)、曾慧(2005)都对上证综合指数进行了实证研究,同样反映出我国证券市场的指数收益率呈现尖峰厚尾的特性。但目前还没有学者对沪深300指数进行过ARCH效应的实证检验。
二、研究的目的与数据的选取
沪深300指数是从上海和深圳证券市场中选取300只A股作为样本的,其中沪市有179只,深市121只。以2004年12月31日为基日,基点为1000点。沪深300指数是我国将推出的股指期货的标的指数,因而本文选取沪深300指数进行分析,以描述与估计其波动性,从而为股指期货的推出及其风险防范提供一定的参考意义。
本文选取2002年1月4日至2007年12月28日的沪深300指数的收盘价进行分析,共1446个数据。资料来源于wind资讯。本文所有的分析均使用Eviews3.1进行分析。
由于这一指数属于时间序列,容易导致不平稳性,因而用对数指数收益率。公式为:
rt=(ln P-tln Pt-1)×100
三、沪深300指数的描述性统计量
(一)直方图和JB统计量
JB统计量957.14,p值很小,表明拒绝零假设,即序列不服从正态分布。偏度S=-0.122<0,峰度K=6.98>3,与正态分布相比,呈现左偏、尖峰的分布形态,具有尖峰厚尾的特征。
收益率分布具有厚尾特征,直观上讲是指与正态分布相比在分布的尾部区域有更多的观测值或更大的面积,亦即收益率波动性发生大变化的概率要大于正态分布条件下的概率。收益率的厚尾性有两种经济解释:一种认为是由于信息的大量出现而产生,从而引起价格的大幅波动;另一种解释认为投资者对信息的处理是非线性的,信息并非马上在当前的价格上反映出来,信息的累积效应使得价格大幅波动,从而形成厚尾分布。
注:对时间序列rt的1448个数据,利用EVIEWS3.1软件生成。
(二)单位根检验
单位根检验主要是检验时间序列是否平稳,而平稳性假设是时间序列建模的基本假设,因而对沪深300指数的对数收益率序列进行单位根检验。经过多次试验与比较,ACI准则和SC准则在滞后期为1时达到最小。因此,对样本进行滞后长度为1的单位根检验。结果表明,ADF的检验统计量的值是-26.6149,在1%、5%、10%的显著性水平上均小于临界值,拒绝原假设,序列不存在单位根,对数收益率是平稳的时间序列。
注:对时间序列rt的1446个数据,利用EVIEWS3.1软件生成。
(三)画出时序图
从图中,可以看出收益率序列存在波动率的群集现象和异方差效应,即大的收益集中在某一段时间发生,大的波动之后紧跟大的波动;小的收益集中在另一段时间发生,小的波动之后紧跟着小的波动。因此要对序列进行ARCH效应检验。
注:对时间序列rt的1446个数据,利用EVIEWS3.1软件生成。
四、沪深300指数的ARCH效应
(一)对样本序列的自相关函数和偏相关函数进行检验
Eviews的结果表明,自相关与偏相关系数不强,说明是平稳的时间序列,
(二)建立ARMA(1,1)模型
ARMA(1,1)模型的形式为:
注:对时间序列rt的1446个数据,利用EVIEWS3.1软件生成。
这一估计结果可写为:
rt=0.097-0.8220(rt-1-0.097)+$t+0.8453$t-1
=0.1767-0.822rt-1+$t+0.8453$t-1
残差图如图3,图形显示模型存在自回归条件异方差,即存在ARCH效应。
注:对时间序列rt的1446个数据,利用EVIEWS3.1软件生成。
(三)ARCH-LM检验。
经过反复试验,当滞后长度为4时,AIC和SC值达到最小,因而进行滞后长度为4的ARCH-LM检验。当滞后长度为4时,ARCH-LM检验的结果可知,p值很小,因而拒绝原假设,即残差存在ARCH效应。
注:对时间序列rt的1446个数据,利用EVIEWS3.1软件生成。
(四)建立ARCH模型
ARCH模型能够较好地设计和刻画股指波动性所存在的条件异方差性,但无法表达某些情形中自相关系数消退缓慢以及在实际应用中对完全自由的滞后分布的估计常导致非负约束的破坏。同时,ARCH模型为了充分地描述资产收益率的波动率过程,往往需要许多参数。于是,一些波动率的刻画就需要建立ARCH(p)(p>9),GARCH模型便应运而生。GARCH模型考虑了异方差本身的自回归,能捕捉到金融日收益序列的波动群集趋势。
1. GARCH模型
标准的GARCH(1,1)模型为:
对对数收益率序列rt进行GARCH(1,1)模型估计的结果为:
均值方程为:
rt=0.0606rt-3+μt
R2=-0.0003,DW=1.9619,
GARCH(1,1)方程是:
Z值(5.1)(6.5)(50.8)
α+β=0.9678<1满足参数的约束条件。系数之和小于1,表明条件方差所受的冲击会逐步衰减。
2. GARCH-M模型
通过建立GARCH-M模型,发现项没有显著性,因而没有必要建立GARCH-M(1,1)模型。
3. TARCH模型
通过建立TARCH模型,结果表明具有显著性。
注:对时间序列rt的1446个数据,利用EVIEWS3.1软件生成。
于是:
均值方程为:
rt=0.0668rt-1+μt
P值(0.0207)
TARCH方程形式为:
σt2=0.1171+0.1224μt-12-0.0739t-12dt-1+0.8643"t-12
P值(0.0000)(0.0000)(0.0015)(0.0000)
由于u2t-1dt-1项的系数为-0.0739≠0,因而GARCH模型中存在信息冲击曲线的非对称性特征。
4. EGARCH模型
均值方程为:
P值(0.01)
EARCH结果是:
由于项的系数为0.0821≠0,因而E-GARCH模型中存在非对称性特征。
5.GARCH、GARCH-M、EGARCH、TARCH模型的比较
从四个模型的对比表中可以看出,在ARCH族的模型中,EARCH的模型稍好一些。本文将利用EGARCH模型而不是GARCH模型来进行波动性预测。这是因为GARCH模型隐含了这样一个假设:同等程度即绝对值相等的正冲击和负冲击所引起的波动条件方差是相同的,即条件方差对正、负冲击的反应是对称的。但是,我们注意到正面信息和负面信息对于股价波动性的影响明显不同,即存在着杠杆效应。因此,当杠杆效应存在时,股价的波动性会因负面信息的出现而增加,并随正面信息的出现而减小。对于这种现象提出的经济解释是,负面信息的冲击不仅增加了波动风险,而且减少了相对于债务的股东权益比率,增加了公司的杠杆率从而提高了持有股票的风险,因此可能导致股价波动性的增大而正面信息的冲击增加波动风险的同时减少了公司的杠杆比率。很显然,GARCH模型是无法刻画这种非对称效果的。
这样,均值方程为:
P值(0.01)
EGARCH结果是:
五、ARCH模型的研究结论
1.实证研究表明,对于沪深300指数的波动性序列能够用ARCH族模型来拟合,并揭示出确实存在尖峰厚尾性、波动群集性以及非对称性,其波动特点也表现为新信息冲击集中而强烈且持续性较长。
2.均值方程的系数不为零而为正(0.0665),说明股票价格波动呈群集现象,同时过去的波动对未来波动有正向影响。
3.由于ARCH、GARCH模型中,α+β<1,表明条件方差所受的冲击会衰减。说明冲击对条件方差的影响并不是趋势性的、持久性的。这与我国股市的波动性特征相一致。因为我国股市是政府管制下的新兴市场,每当股市出现暴涨或暴跌行情时,政府就会出面干预股市,因而股市的波动持续性较短。
4.非对称性。即沪深300指数对好的信息和坏的信息的反应存在一定的不对称性。好的信息对条件方差的冲击为0.2428(0.0821+0.1607),坏的信息对条件方差的冲击为0.0786(|0.0821-0.1607|)。这与通常的资本市场表现不一样。究其原因,主要是因为所选取的样本区间为2002年1月4日至2007年12月28日,其间在2006年以后,我国证券市场经过长期低迷,正在进行所谓的“报复性反弹”,因而对好的消息也更为敏感。这也说明资产的向下运动通常伴随着比之程度更强的向上运动。
六、ARCH模型的不足
沪深300 第9篇
一、文献综述
规避风险与价格发现是股指期货的两大基本功能。所谓“价格发现”功能就是指期货市场通过公开、公正、高效、竞争的期货交易运行机制, 形成具有真实性、预期性、连续性和权威性价格的过程。价格发现与套期保值, 是期货市场所拥有的独特功能。期货市场的价格发现功能必须满足:期货交易参与者众多;期货交易中交易人士大都熟悉某种商品行情;期货交易透明度高。自1982年美国Value Line指数期货创设以来, 广大学者及实务工作者就开始对其价格发现功能进行广泛而深入的研究, 但尚未就其达成一致的观点。多数研究表明股指期货具有价格发现功能。Garbade和Silber (1983) 通过建立期货价格与现货价格之间相互联系的动态模型, 最早使用数量的方法刻画期货价格和现货价格在价格发现功能中作用的大小。Kawaller等 (1987) 研究了S&P500指数期货价格与现货价格之间的关系, 发现期货价格领先于现货价格变化, 提出期货市场比现货市场具有更好的价格发现功能。Abhyankar (1998) 研究表明, 无论是对于原始收益率序列, 还是对于经过波动持续性调整后的收益序列, FTSE100指数期货领先于现货指数大约5~15分钟。Maosen Zhong等 (2004) 利用IPC指数日交易数据的分析结果表明, 墨西哥股指期货市场对现货市场具有价格发现功能。肖辉等 (2006) 研究S&P 500指数、道琼斯工业平均指数、香港恒生指数、日经指数和金融时报100指数现货市场和期货市场之间的价格发现过程, 结果发现, 期货市场在价格发现过程中占主导地位, 并且随着期货市场的发展, 期货市场在价格形成过程中的作用越来越大, 起到了信息中心的作用。熊熊等 (2008) 利用协整检验、向量误差修正模型 (VECM) 以及脉冲响应和方差分解的方法, 研究了我国沪深300股指期货仿真交易市场对现货市场的价格发现功能, 实证研究结果表明, 我国仿真交易的沪深300股指期货对沪深300指数具有长期价格发现的功能。
但也有学者对股指期货的价格发现功能存在一定的疑虑, 认为两个同为公开集合竞价的市场, 股指期货价格的预期未必能真实反映出证券市场现货价格, 甚至股指现货价格领先于期货价格。Edwards (1988) 研究S&P 500指数期货和价值线指数期货与现货间的关系, 结果表明股期指数不能领先于现货指数。综上所述, 不同市场的有效性程度不同, 股票现货价格与期货价格间的引导关系也可能不同。
二、沪深300股指期货价格发现功能实证分析及结果
股指期货是以股票指数为标的物的期货, 由交易双方订立, 约定在未来某一特定时间按特定价格进行股票指数交易的一种标准化合约, 具有流动性好, 交易成本低, 高杠杆率, 可以卖空等特点。股指期货是在股指现货基础上衍生出来的, 二者相互影响。本文拟通过现有沪深300股指期货交易数据, 分别选用指数上升和下降阶段日内数据建立向量自回归模型, 运用Granger检验及脉冲响应函数实证分析我国期货市场的价格发现功能。
其一, 变量选择与样本数据说明。目前, 我国资本市场上市交易的沪深300股票指数期货合约有四种, 分别为当月、下月和随后两个季月合约, 均以沪深300指数为标的资产。为增强时间序列平稳性并消除异方差现象, 使检验结果更加平稳可靠, 因此, 本文选取沪深300指数和期货合约指数的对数收益率为变量进行分析检验, 即RI, t=lnIt-lnIt-1, 其中, I分别代表沪深300指数 (IS) , 股指期货IF1006合约指数, 股指期货IF1007合约指数, 股指期货IF1009合约指数, 股指期货IF1012合约指数。样本数据选用2010年6月8日、9日和2010年6月28日、29日的日内一分钟高频数据, 共2096个观测值, 数据来源于大智慧交易系统, 软件采用Eviews6.0。由于我国沪深300股指期货上市交易至今时间不长, 交易初期的价格必然会受投资者情绪的影响而出现非理性的波动, 因此本文舍弃交易初期的数据而选用相对趋于合理时期的数据。为更为全面分析沪深300期指指与现指收益率间的领先滞后关系, 研究过程分别选用了沪深300股票指数的上升过程 (2010年6月28日~29日) 和下降过程 (2010年6月28日~29日) 进行检验, 并比较分析检验结果。
其二, 模型构建。欲对数据进行建模, 首先要进行单位根检验, 以考查其平稳性。若序列是平稳的, 则可以建立VAR模型, 进而进行Granger因果检验, 解释股指期货与现货价格间的领先滞后关系。对沪深300指数和各期货合约指数的对数收益率序列进行单位根检验, 检验结果显示:当市场行情处于上升态势时 (2010年6月28日~29日) , 沪深300指数和各期货合约指数的对数收益率序列的ADF检验结果分别为-22.83783, -23.03801, -24.81737, -25.31057, -24.41842, 均小于1%显著水平下的临界值-3.442231, 因此, 拒绝变量序列存在单位根的原假设, 即各变量序列均为平稳序列。同理, 当市场行情处于下跌态势时 (2010年6月8日~9日) , 沪深300指数和各期货合约指数的对数收益率序列的ADF检验结果分别为-24.57940, -24.17734, -25.18090, -26.27913, -25.82512, 也均小于1%显著水平下的临界值-3.442231, 表明各变量序列均为平稳序列, 是I (0) 过程, 可以建立VAR模型, 模型如公式 (1) 和公式 (2) 所示。
其中, αIS, t, αIF, t为截距项;βIS, i表示股指现货指数对自身前i期的敏感性, βIF, i表示股指期货指数对自身前i期的敏感性;γIS, i表示股指期货指数对股指现货指数前i期的敏感性, γIF, i表示股指现货指数对股指期货指数前i期的敏感性;p1, p2, p3, p4为最大滞后阶数;εIS, t, εIF, t为随机扰动项。
其三, 检验结果。根据模型可以检验股指期货与现货指数的对数收益率间的领先滞后关系。对公式 (1) 进行参数估计, 若γIF, i联合统计性显著, 表明股指期货价格领先于股指现货价格, 参数γIF, i的估计结果显著异于0的估计值中, i的最大取值即为领先期数。同理, 对公式 (2) 进行参数估计。估计结果见表1。表1中括号内的数据表示依据VAR模型参数估计结果所得股指期货与现货指数收益率间的领先滞后关系检验结果, (m, n) 表示股指现货指数收益率领先股指期货指数收益率m期, 同时, 股指期货指数收益率领先股指现货指数收益率n期。m, n由参数估计值显著性确定, 主要依据参数估计值的t统计量。
结果显示, 当市场呈上升行情时, 沪深300指数与股指期货合约指数收益率表现出相互引导的关系, 其中, 当月现货指数收益率领先8期, 而期货指数收益率领先7期, 现货价格领先作用更强, 其他月份期货与现货价格领先期数相同, 只是程度不同。当市场行情呈下降态势时, 二者的领先滞后关系弱于行情上升时, 表现为领先期数较小, 且领先关系不一, 说明市场行情下降时市场价格发现功能较弱。其中, 期货IF1006合约指数收益率领先沪深300指数收益率2期, 而现货对期货价格无明显领先现象;期货IF1007合约指数收益率与沪深300指数收益率表现为相互引导关系;沪深300指数收益率领先期货IF1009合约指数收益率7期, 而期货对现货价格无明显领先现象;期货IF1012合约指数收益率领先沪深300指数收益率1期, 而现货领先2期。总体而言, 现货指数收益率表现出较强价格发现功能。
为进一步验证变量间引导关系的方向性, 分别对两样本的股指期货与现货指数收益率两两之间的因果关系进行Granger因果检验, 结果表明:当市场呈上升态势时, 沪深300指数收益率与期货合约指数收益率互为Granger因果, 即期现价格相互引导, 且现货指数收益率的价格发现功能更强;当市场呈下降态势时, 沪深300指数收益率不是期货IF1006合约指数价格变化的Granger原因, 期货IF1009合约指数收益率不是沪深300指数收益率变化的Granger原因, 其余期货合约的期现价格相互引导。检验结果与VAR模型的参数估计结果得出的结论相同, 因而验证了参数估计分析结果的结论。
运用脉冲响应函数分析沪深300指数与期货合约指数收益率间的领先滞后关系结果如表2所示。表2中括号内的数据 (m, n) 表示沪深300现货在受到沪深300期货一个标准化的信息冲击后, 波动持续m期, 沪深300期货在受到沪深300现货一个标准化的信息冲击后, 波动持续n期。结果显示, 当市场处于上升阶段, 给现货一个标准化冲击对各期货价格带来的冲击持续时间长于给期货一个标准化冲击对现货价格带来的冲击持续时间, 现货价格表现出的响应持续时间更长, 说明现货引导作用更明显。当市场处于下降阶段, 冲击持续时间短于上升阶段, 且表现不一, 主力期货合约冲击对现货价格带来的冲击持续时间长, 即期货引导作用较强, 而季月期货合约反之。由此可见, 脉冲响应函数分析结果与参数估计分析结果相似。
本文选用沪深300指数与沪深300股指期货合约指数的日内一分钟数据为研究对象, 分别采集价格上升和下跌两个样本期, 在深入阐述期现价格间理论关系的基础上, 建立VAR模型, 进行参数估计分析, 并通过Granger因果检验进一步验证变量间的引导关系;运用脉冲响应函数分析我国股指期货市场的价格发现功能。结果表明:现阶段我国股指期货的价格发现功能并不强, 当市场处于上升态势时, 期货价格和现货价格表现出双向引导关系;当市场处于下降态势时, 期货价格和现货价格引导关系表现不一, 主力期货合约价格引导现货价格, 而季月合约现货价格引导期货价格。总体而言, 现货指数的价格发现功能表现更强。说明现阶段我国期货市场的价格发现功能尚未真正发挥作用, 原因主要在于:第一, 由于我国刚刚推出股指期货交易, 入市交易的投资者数量有限, 且长期以来我国股票市场为单边市交易机制, 广大投资者的投资决策理念尚未得到转变。因此, 投资者结构需要不断完善, 只有当成熟的投资者成为市场的主要参与者时, 股指期货市场的价格发现功能才能得到充分发挥, 为股票现货市场价格提供指导, 避免股价的剧烈波动。第二, 价格发现功能是指期货市场通过公开、公正、高效、竞争的期货交易运行机制, 形成具有真实性、预期性、连续性和权威性价格的过程。只有公开、高效的期货市场快速传递海量信息流, 才能使投资者依据所获取的这些讯息对股价做出预期, 使期货市场发挥对未来股市价格的发现功能。这就要求期货市场具有一定的深度和广度, 即一定的市场规模和流动性。由于现阶段投资者参与有限, 市场流动性不足, 且信息从期市向现市传导过程中存在阻滞漏损, 影响期市价格发现功能。随着投资者的广泛参与, 市场体系及交易制度的日益完善, 市场深度和广度的不断提高, 股指期货市场的价格发现功能必将得到充分发挥, 实现有效规避市场风险, 稳定资本市场的目标。
参考文献
[1]肖辉、鲍建平、吴冲锋:《股指与股指期货价格发现过程研究》, 《系统工程学报》2006年第21期。
[2]熊熊、王芳:《我国沪深300股指期货仿真交易的价格发现分析》, 《天津大学学报》2008年第7期。
[3]Edwards F R.Does Futures Trading Increase Stock Volatility.Financial Analysts Journal, 1988, 44.
[4]Garbade K D, Silber W L.P rice movement and p rice discovery in futures and cash markets.Review of Economics and Statistics, 1983, 65.
沪深300 第10篇
平稳性和协整关系检验:本文采用ADF检验, 通过比较ADF统计量值和T检验统计量值来判断序列是否平稳。如果T检验统计量值大于ADF统计量值, 就可以认为序列是非平稳的;反之, 则认为序列是平稳的。我们的检验结果都显示T检验统计量值大于ADF统计量值, 因此股指期货和现货价格序列都是非平稳的, 需要进一步进行协整关系检验。本文只有股指期货和现货价格两个变量, 所以采用两变量协整关系的EG两步法检验。
建立VAR模型:本文通过建立VAR模型来判断股指期货和现货价格之间相互影响的程度。建立VAR模型进行脉冲响应检验是利用时间序列模型分析影响关系的一种研究方法, 主要考虑扰动项的影响是如何传播到各变量的。使用VAR估计方法首先要确定滞后期为多少阶最为合理, 然后检验VAR模型是否稳定, 最后通过观察系统的脉冲响应函数来对VAR模型做出结论。
研究样本及数据处理:本文采用沪深300指数 (HS300) 日收盘价格作为现货价格, 沪深300股指期货 (HS300IF) 是2010年4月16日在中国金融期货交易所挂牌上市的, 从2010年4月16日到2010年10月29日, 总共129个交易日数据。
二、实证分析
对HS300和HS300IF进行ADF检验结果, 在5%的显著性水平下, HS300、HS300IF存在单位根, 它们均是非平稳序列。
对HS300和HS300IF一阶差分序列分别作单位根检验, 在5%的显著性水平下, 差分序列均不存在单位根, 即HS300和HS300IF序列都是一阶单整的。
为了分析HS300和HS300IF之间是否存在协整关系, 先做两变量之间的回归, 然后检验回归残差的平稳性。以HS300为被解释变量, HS300IF为解释变量, 用OLS回归方法估计。回归模型如下:
检验回归残差的平稳性, 对残差序列进行单位根检验, 由于残差序列的均值为0, 所以选择无截距项、无趋势项的DF检验, 估计结果如下表1所示。
在5%的显著性水平下, t检验统计量的值为-5.826547, 小于相应临界值, 从而拒绝原假设。表明残差序列不存在单位根, 是平稳序列, HS300和HS300IF之间存在协整关系, 价格发现功能上是否具有领先滞后关系还需由Granger因果检验给出。
从检验结果来看, 沪深300股指期货价格变化不是沪深300指数现货价格变化的Granger原因;沪深300指数现货价格变化在14阶下是沪深300股指期货价格变化的Granger原因, 沪深300指数现货价格为沪深300股指期货价格原因的F统计量在滞后阶数为1时达到最大, 然后随阶数的增大依次递减, 说明沪深300指数现货价格对当前的沪深300股指期货价格具有一定的影响, 沪深300指数现货价格领先于沪深300股指期货价格。
建立2阶的VAR模型并分析模型的稳定性:该模型是稳定的, 可以考察系统的脉冲响应函数。
首先, 分析股指期货价格对现货指数的一个单位标准差冲击的响应情况:第一天和第二天的冲击力度最小, 随后缓慢增强, 到第七天时, 基本上趋于稳定。这意味着股指期货的一个单位标准差引起现货价格的脉冲响应虽然很弱, 但却具有长期效应。
其次, 考察现货价格对股指期货价格的一个单位标准差冲击的响应情况:第二天的冲击力度有一个减小的过程, 随后在第三天趋于稳定, 并且保持较大的冲击, 现货对期货的冲击要大的多, 而且长期效应显著。
最后, 分析股指期货和现货对其自身的一个标准差大小的信息冲击的响应情况。股指期货对其自身的冲击由大变小再增大, 最后趋于平稳, 但是仍然小于现货市场对它的冲击。现货对其自身的冲击力度较大且较平稳。
因此, 脉冲响应的实证分析表明, 中国沪深300股指期货的价格对现货市场的价格具有长期价格发现的功能, 但现货市场主要是受自身扰动的影响, 而现货对期货的影响很大且持续时间长, 这种影响明显比期货对其自身的影响要大的多。
三、结论
沪深300现货价格领先于股指期货价格, 股指期货价格发现能力并不强, 这一结论与理论上股指期货领先现货价格是不一致的。我国股指期货上市不到一年, 成交量和成交额也在稳步增长, 不过还是不具备一定的市场深度和广度, 市场参与主体有限, 这在一定程度上限制了股指期货发挥其价格发现和领导作用。期货市场价格发现功能的强弱直接反映了市场结构的完备程度和市场的有效性, 要使股指期货发挥其价格发现主导功能, 前提是股指期货市场必须具备一定的市场规模和流动性, 这在监管当局进行市场微观结构层面的规则制订时所必须要考虑的, 为此, 需要进一步建立健全我国证券市场法律法规以及交易制度, 为股指期货的推行创造良好的环境。
参考文献
[1]肖辉鲍建平吴冲锋:股指与股指期货价格发现过程研究[J].系统工程学报, 2006; (21) :438441
[2]熊熊王芳:我国沪深300股指期货仿真交易的价格发现分析[J].天津大学学报, 2008; (7) :321325
沪深300 第11篇
作者简介：袁东安(1964-)，男，江西吉安人，经济学博士，华东师范大学金融与统计学院金融学系讲师。
摘要：本文分析了我国沪深300样本公司的现金股利分配比例与投资机会之间的关系。从股利占销售额的比例和股利占经营活动现金流入的比例来看，沪深300样本公司的现金股利分配比例与投资机会之间存在较为明显的正相关关系。这一分析结果可能意味着我国上市公司存在较为严重的代理问题。
关键词：代理问题;股利政策;股利分配比例;投资机会
中图分类号：F830．91文献标识码：A文章编号：1006-1428(2007)12-0054-03
一､引言
La Porta等人(2000)研究了不同法制环境国家上市公司的股利分配比例与其投资机会之间的关系。他们发现，对投资者保护程度较高的国家和地区的上市公司与对投资者保护程度较低的国家和地区的上市公司相比，前者的股利分配比例与其投资机会之间一般呈负相关关系，而后者的股利分配比例与其投资机会之间一般呈正相关关系;而且，前者的股利分配比例要高于后者。他们认为，这是由于前者的代理成本比较低，投资者有比较便利的办法让那些投资机会不多的上市公司以股利或回购的形式吐出多余的现金，也愿意将较多的现金以留存收益的形式留在投资机会较多的上市公司里;后者的代理成本比较高，投资者没有比较便利的办法让那些投资机会不多的上市公司以股利或回购的形式吐出多余的现金，只有那些投资机会较多的上市公司为了日后再融资的考虑才不得不通过较高的股利分配比例来树立良好的市场形象。
本文采用与La Porta等人(2000)大致相同的方法分析我国上市公司的股利分配比例与其投资机会之间的关系，并试图探讨我国上市公司的代理问题。
二､样本和数据
本文数据取自Wind资讯截至2006年底有关沪深300样本公司的财务信息。本文使用的是2002年至2006年的年报和半年报信息。表1描述了本文所用基本样本的筛选过程：首先剔除沪深300样本公司中在2002年至2006年的年报净收益数据或年报净资产数据或年报总资产数据不全的公司12家;然后剔除剩余288家公司中在2004至2006年的年报或半年报现金红利数据或年报销售额数据或年报经营活动现金流入数据不全的公司7家;最后剔除剩余281家公司中在2002年至2006年的年报中至少1次出现亏损的公司25家。剩余256家公司即为本文使用的基本样本。
表1概括了本文第三部分第1节和第2节所涉及的变量。股利占净收益的比例､股利占销售额的比例和股利占经营活动现金流入的比例等3个变量代表公司的现金股利分配比例;净收益占净资产的比例(或称净资产收益率)和净收益占总资产的比例(或称总资产收益率)等2个变量代表公司的盈利能力，本文还将用这2个变量来代表公司的投资机会。如果样本公司都只选择盈利前景好的项目进行投资，公司盈利能力的高低就能较好地代表公司投资机会的多少。
与本文不同的是，La Porta等人(2000)用年均销售额增长率的高低来代表投资机会的多少。这是因为他们的样本公司来自多个国家，而不同国家的会计准则可能存在较大差异;与净收益､净资产､总资产及经营活动现金流入等变量相比，销售额较少受到会计因素的影响。
表1 变量
注：年报和半年报中的现金股利分配预案随后都得以实施。
三､分析结果
1．简单统计分析。
首先将256家基本样本公司按2002年至2006年的年报净资产收益率的算数平均值从高到低进行排序，并用四分法将前64家公司归入成长型公司，将后64家公司归入成熟型公司。表2第2列和第3列分别列出了这两类公司3个现金股利分配比例变量的算术平均值，第4列列出了衡量这两类公司之间3个算术平均值差异程度的Z统计量。
表2 股利分配比例与投资机会(净资产收益率)
注：*､**和***分别代表在1%､5%和10%显著水平存在显著差异(双尾检验)。
然后将256家基本样本公司按2002年至2006年的年报总资产收益率的算数平均值从高到低进行排序，并用四分法将前64家公司归入成长型公司，将后64家公司归入成熟型公司。表3第2列和第3列分别列出了这两类公司3个现金股利分配比例变量的算术平均值，第4列列出了衡量这两类公司之间3个算术平均值差异程度的Z统计量。
表3 股利分配比例与投资机会(总资产收益率)
注：*､**和***分别代表在1%､5%和10%显著水平存在显著差异(双尾检验)。
从表2和表3可以看出，从股利占销售额的比例和股利占经营活动现金流入的比例来看，成长型公司的股利分配比例要明显高于成熟型公司的股利分配比例，这与La Porta等人(2000)所分析的对投资者保护程度较低的国家和地区的上市公司的情况一致。按照La Porta等人(2000)的分析框架，我国上市公司可能存在较为严重的代理问题。
2．回归分析。
表4和表5列出了用OLS方法(最小二乘法)对256个基本样本公司进行简单回归分析的结果。表4和表5的应变量都是第1列所列2006年报的3个变量：股利占净收益的比例､股利占销售额的比例和股利占经营活动现金流入的比例。表4的自变量是2002年至2006年的年报净资产收益率的算术平均值(代表投资机会);表5的自变量是2002年至2006年的年报总资产收益率的算术平均值(代表投资机会)。表4和表5不仅报告了回归分析所得到的常数项和回归系数这两个参数值，还分别报告了这两个参数值的标准差､t统计量及t统计量概率。
表4 原始数据回归分析(自变量为净资产收益率)
注：*､**和***分别代表在1%､5%和10%显著水平存在显著差异(双尾检验)。
表5 原始数据回归分析(自变量为总资产收益率)
注：*､**和***分别代表在1%､5%和10%显著水平存在显著差异(双尾检验)。
从表4和表5可以看出，回归分析的结果与简单统计分析的结果大致相同。代表股利分配比例的3个变量中的2个变量，即股利占销售额的比例和股利占经营活动现金流入的比例都与投资机会之间存在非常显著的正相关关系，但代表股利分配比例的另外1个变量，即股利占净收益的比例与投资机会之间则不存在明显的正相关关系。所以从股利占销售额的比例和股利占经营活动现金流入的比例与投资机会之间关系来看，我国上市公司可能存在较为严重的代理问题。
3．稳健性检验。
表2至表5所列分析结果可能与特定年份(2006年)的年报和半年报现金股利数据､年报净收益数据､年报销售额数据和年报经营活动现金流入数据以及特定阶段(2002年至2006年)的年报净收益数据､年报净资产数据和年报总资产数据有关，并不具有一般代表性。针对这一问题，首先分别用2004年至2006年的年报净资产收益率的算术平均值(代表投资机会)和年报总资产收益率的算术平均值(代表投资机会)与2006年的3个现金股利分配比例变量重做一遍上述简单统计分析和回归分析，分析结果与表2至表5所列结果大致相同，只是表4中股利占销售额的比例和股利占经营活动现金流入的比例的回归系数的显著水平由10%显著提高到5%显著。
然后分别用2003年至2005年的年报净资产收益率的算术平均值(代表投资机会)和年报总资产收益率的算术平均值(代表投资机会)与2005年的3个现金股利分配比例变量重做一遍上述简单统计分析和回归分析，分析结果与表2至表5所列结果大致相同，只是表2中股利占经营活动现金流入的比例的Z统计量的显著水平由5%显著降低为10%显著。
最后分别用2002年至2004年的年报净资产收益率的算术平均值(代表投资机会)和年报总资产收益率的算术平均值(代表投资机会)与2004年的3个现金股利分配比例变量重做一遍上述简单统计分析和回归分析，分析结果与表2至表5所列结果稍有不同：表2中股利占销售额的比例和股利占经营活动现金流入的比例的Z统计量的显著水平由5%显著降低为10%仍然不显著;表4中股利占净收益的比例的回归系数的显著水平由10%仍然不显著提高到5%显著。
四､结论和启示
从股利占销售额的比例和股利占经营活动现金流入的比例来看，沪深300样本公司的现金股利分配比例与投资机会之间存在较为明显的正相关关系，这与La Porta等人(2000)所分析的对投资者保护程度较低的国家和地区的上市公司的情况一致。按照La Porta等人(2000)的分析框架，我国上市公司可能存在较为严重的代理问题。
根据Fama和French(2001)的研究，现金股利作为投资者约束公司管理层的机会主义行为的工具之一，由于其成本相对较高，在代理成本相对较低的美国已出现逐步放弃使用的趋势。但在代理成本相对较高的中国，我们暂时还得继续依赖这一成本相对较高的约束工具。
参考文献：
[1]Easterbrook， Frank． Two agency cost explanations of dividends． American Economic Review 74，1984， 650-659
[2]Fama， Eugene F．， and Kenneth R． French． Disappearing dividends： Changing firm characteristics or lower propensity to pay?． Journal of Financial Economics 60， 2001，3-43
[3]Jensen， Michael． Agency cost of free cash flow， corporate finance， and takeovers． American Economic Review 76， 1986， 323-329
[4]La Porta， Rafael， Florencio Lopez-De-Silanes， Andrei Shleifer， and Robert W． Vishny． Agency problems and dividend policies around the world， Journal of Finance 55， 2000， 1-33
[5]Lintner， John． Distribution of income of corporations among dividends， retained earnings， and taxes． American Economic Review 46， 1956， 97-113
[6]Miller， Merton， and Franco Modigliani． Dividend policy， growth， and the valuation of shares． Journal of Business 34， 1961， 411-433
[7]Modigliani， Franco， and Merton Miller． The cost of capital， corporation finance， and the theory of investment． American Economic Review 48， 1958， 261-297．
沪深300 第12篇
关键词：沪深300,收盘价,波动,标准差
一、股指期货功能
1、价格发现
现货市场中的价格信号是分散的、短暂的, 而期货价格在一个规范的市场通过集合竞价方式, 形成具有真实性、预期性、连续性和权威性价格。再通过交易所的现货交割制度, 使得期货价格和现货价格收敛, 因此期货价格能够比较准确地反映真实的供求状态及其价格变动趋势。
2、套保避险
股指期货为市场引入了对冲风险的途径, 投资者可以通过在股指现货市场和期货市场上进行相反方向的交易来锁定风险。例如投资者在现货市场上买入与股指期货相关的股票, 他可以通过卖出股指期货合约以规避风险。
3、提供卖空机制
股指期货是双向交易, 可以先卖后买。因此当投资者对整个股票大盘看跌的时候, 可以卖空股票指数期货, 从而实现投机盈利或对持有的股票组合进行风险管理, 也从而使股票指数的价格能够更加充分的反映市场各方的信息。
4、提供投资、套利交易机会
所谓套利, 就是利用股指期货定价偏差, 通过买入股指期货标的指数成分股并同时卖出股指期货, 或者卖空股指期货标的指数成分股并同时买入股指期货, 来获得无风险收益。套利机制可以保证股指期货价格处于一个合理的范围内, 一旦偏离, 套利者就会入市以获取无风险收益, 从而将两者之间的价格拉回合理的范围内。
二、我国股指期货的发展
中国资本市场起步较晚, 同时面临着计划经济向市场经济转变的复杂局面, 导致股指期货推出较晚。2006年1月11日全国证券期货监管工作会议透露, 国务院批准成立中国金融期货交易所。2010年4月16日沪深300指数期货合约在中金所上市交易。沪深300指数期货是以沪深300指数作为标的物, 由上海和深圳证券市场中选取300只A股作为样本, 样本选择标准为规模大、流动性好的股票。沪深300指数样本覆盖了沪深市场六成左右的市值, 与上证综合指数的相关性在97%以上, 总市值覆盖率约70%。高市场覆盖率与成份股权重分散的特点决定了该指数具有较好的抗操纵性, 是目前沪深股市最适合作股指期货标的指数的指数。
三、股指期货推出对股指波动的影响
1、来自国外的经验
国外股指期货推出的时机各不相同, 对股指的影响大致如表1:
从国外的经验来看, 推出后短期内对股指可能加剧波动, 但是长期来看, 涨多跌少, 对股指影响并不显著。
2、我国沪深300指数期货推出后的影响
对沪深300指数期货推出日附近的时间段的波动做简单统计, 得结果如表2:
可以看出沪深300指数期货推出日临近时间的波动幅度相比临近两年的平均波动率较大。
沪深300指数期货推出时间为2010年4月16日, 因此选取2009.7.12011.1.17的日收益率数据, 并把数据分为前后两个部分, 对不同阶段做了统计分析如表3。
可以发现, 在样本区间内, 推出沪深300指数期货之前的沪深300指数日平均收益率比推出之后的高, 而推出之后的收益率标准差比推出之前的小, 因此推出沪深300指数期货并不会引起恒指大的波动, 反而会降低指数的波动。从偏度和峰度的数值来看, 推出期指前后的日收益率偏度值都为负, 表明沪深300指数日收益率的分布是左 (负) 偏, 分布具有极其显著的尖峰肥尾的特性。
沪深300指数期货推出之前, 最小收益率为-0.07106, 最大收益率为0.66755, 而推出之后的最小、最大收益率分别为-0.6215、0.37807, 这表明推出之后沪深300指数的最大跌幅和最大涨幅都有所减小。
四、结论
总体来说, 我国资本市场迎来了股指期货, 这是我国资本市场发展的重要里程碑。沪深300股指期货的推出, 虽短期内使股指波动有所加剧, 但长期来看, 有着降低股指波动的作用, 并且使得较大涨跌幅出现的次数减少, 这归因于股指期货的价格发现、做空功能, 改变了单边市的局面, 使得市场能更迅速的找到均衡价格。因此各方应该继续制定与股指期货相关政策法规, 完善我国金融市场, 使市场更有效的运行。
参考文献
[1]、甄红线, 对国外股指期货市场发展的思考.金融发展研究, 2009 (4) :第61-64页.
[2]、李强, 股指期货对股票市场影响的研究综述.武汉金融, 2007 (4) :第16-17+43页.
[3]、李华与程婧, 股指期货推出对股票市场波动性的影响研究——来自日本的实证分析.金融与经济, 2006 (2) :第81-83页.
[4]、彭蕾与肖涛, 股指期货推出对股市波动性影响研究——来自日本的实证分析.云南财贸学院学报, 2004 (5) :第34-36页.
