第 1卷 第 4期
2002年 7月
经 济 学 (季 刊)
China Economic Quarterly
Vo1．1，No．4
July’2002
中国沪深股市收益率和波动性的实证分析
刘金全 崔 畅
摘 要 沪 市和深 市股票收益率和波 动性之 间具有相 互作用和相 互影
响，存在股价 变化和走势之 间的互 动作用和示 范效应．我们发现 两市收益率序
列之 间具有长期协整关系，这说 明它们存在类似 的长期趋 势成分；它们的短期
误差修正系数存在一定 的差异，这说 明它们具有相异的短期波动模式；我们利
用 GARCH模 型等非对称性方法发现两市之 间存在显著的波 动 “溢出效应”和
“杠杆效应”，这 说明两市资金 的流动性约束较低，投资主体 的相 关性较强，两
市收益率和波 动性之 间具有一定程度的整合性。
关键词 股票指数，收益率，波 动性
由于我国的股票市场仍然处于快速成长时期，发展过程 中已经积 累了一
定程度 的泡沫成分，体现出一定程度 的市场波动性 (volatility)，并 出现 了市
场 不确定性 因素增多和市场风 险性程度加剧 的趋势 (Bailey,1994)。但是，
目前对于中国股票市场 的动态分析和系统分析还不够完善，尤其缺乏对于市
场投资主体行为和风险特征的判断，已有 的一些研 究所分析 的样本 区间较短
(Song，Liu和 Peter，1998)，因此得到的实证结论 尚不充分，同时也缺乏必要
的统计稳健性。另外，随着 目前对于股票市场波动性和风险性研究的深入进
展，有必要将股票市场的波动性和相关性 同股票市场的风险度量和风险管理
联系起来 (Jorion， 1997)。由于一般资产 收益率序列具有非正态分布性质，
经常体现出非对称性 (asymmetry)、高峰 (high peaks)和宽尾 (fat tailed)等典
型化特征 (Mittnik和 Rachev，1993)，因此大量描述收益率条件分布 的研究集
中在条件均值过程和条件方差的聚类性等方面上，并且定量刻画了波动性 的
非对称反应机制 (Campbell和 Hentschel，1992)，也有 的研究对波动性 (风 险
性)的形成方式和来源进行 了分解 (Wu，2001)等。应该说这 些研究都具有 明
确 的针对性，对于分析发育 中的股票市场的风险机制和运行机制是十分重要
的，使用这些方法得到的实证结论，对于分析我国股票市场行为和特征具有
相当重要的参考价值。
为此，本文将主要对上海股票市场和深圳股票市场截止到 2001年 6月
的两市关联性、股票收益率以及波动性等问题进行动态分析和实证检验。我
们首先分析股票收益率序 列之间的协整关系 (co-integration relation)，判断两
市收益率水平之间是否存在长期均衡关系。由于协整关系表示变量之间可能
刘金全，吉林大学数量经济研 究中心；崔畅，吉林大学商学院。通信作者及地 址：吉林省长春市吉
林大学商学院， 130021；电话： (0431)5166332；Email：jqliu~public．cc_jl_ca。本研究得到国家自
然科学基金项 目(79900025)和教育部重大项 目(2000ZDXM790009)的资助，在此表示感谢。
维普资讯
886 经 济 学 (季 刊) 第 1卷
具有共同的趋势成分，因此协整检验可 以从整体上判断中国股票市场 的整合
性；然后利用误差修正模型 (error correct model，简称为 ECM)检验 两市短期
波动模 式之间的异 同，判断两市在短期内对于市场冲击的调整和反应程度，
描述两市收益率 向均衡状态的收敛过程；最后，我们利用各种具有非对称性
特征的条件异方差模型检验两市波动性之 间的关系，判断两市的风险特征和
风险转移过程，通过检验 两市之 间的 “溢出效应”(spillover effect)和 “杠杆效
应”(1everage effct)，分析两市波动性的聚类性 (clustering)和非对称性。通过上
述分析，我们不仅可以描述沪市和深市股票价格和收益率之间的长期均衡 关
系和短期波动影响，而且能够判断两市收益率和波动性的互动性和传导性，
进 而揭示两市投资资金在流动性上的约束程度或者灵活程度。在刻画两市对
于市场信息形成和信息种类 (利好消息和利 空消息)的非对称性反应过程中，
可以度量两市当中存在的时变 (time varying)风险特征和风险水平。
在本文第一部分我们主要描述两市的基本数据，介绍使用的理论模型和
检验方法；在第二部分进行趋势性、关联性和波动性检验，并给出模 型的参
数估计和检验结果。在第 三部分总结得到 的主要实证结论，分析两市的主要
市场特征，并且讨论有关的经济政策启示。
一
、 数据描述、协整 关系检验、 ECM 模型和 GARCH模型
我们首先描述建 立模 型和统计检验所使用的基本数据。我们将股票市场
的日收益率 Rt定义为股指对数值的一阶差分：
Rt=ln(Pt)一ln( 一1)
其 中 是股票市场 的 日价格指数 (收盘值)。当股票价格指数波动不是
十分剧烈的时候 (日股价的变化确实如此)，它确实近似地等于股票价格指数
的 日变化率，对应着股市的整体 日收益水平。由于在本文当中我们不考虑样
本数据 当中与 日历顺序有 关的 “周 一效应 (Monday effects)”等 问题 (Mills和
Coutts，1995)，因此可以简单地将数据排成时间序 列，这样 即使出现节假 日
的休市也不影响时间序列的顺序关系。我们分析的数据范围为 1991年 4月 3
日至 2001年 6月 29日 (数据来源：钱 龙股票数据库；沪市和深市的样本 区间
相 同)。
由于 目前的研 究对于股票平均收益率序 列的统计性质尚无定性结论，究
竟股票平均收益率是强有效、弱有效还是无效 的，还一直处于争论当中(Kasa，
1992)。为此，我们 需要分别考察 日收益率序 列Rt、 日绝对收益率序 列 IRtI
和 日均方收益率序列 R 的变化情形。当样本容量 比较大的时候，根据大数
定律和市场弱有效性，可知样本区间的整体平均收益率为：
1三
Rt= >：Rt≈0， ：；
维普资讯
第 4期 刘金全、崔畅： 中国股市收益率和波动性 的实证分析 887
其中 是整个数据的样本容量。假设 表示股票 日收益率与样本均值水平
的偏 离，则 可 以得 到：
t：Rt一 t≈Rt，I tI=IRt一 tI≈ IRtI， =(Rt一 t) ≈R
因此，实际上 日收益率 Rt、日绝对收益率 IRtI和均方收益率 R 分别表
示股票收益率 围绕着均值水平的双向变动、绝对变动和均方波动，它们所体
现 的波动程度将依次增 强。特别是均方收益率实际上表示了收益率序列的当
期波动方差，是一种 当期风险程度 的表示方式。
图 1-a至图 1一f分别给 出了这些指标的时间序列轨迹，通过对于这些轨迹
的考察，我们可 以得 出两市股票收益率变化和波动性的初步判断。
图 1-a 沪市 日平均 收益率
图 1-b 深 市 日平均收益率
注意到在收益率时间序列当中曾经 出现 了多个异常的峰值，表 明股市价
格 日波动的突发性和显著性；另外，收益率序列当中的一些异常波动性出现
了明显的聚类现象 (按照时间顺序集中在某个时段上)，表明时I"．-1序列的波动
性具有条件异方差迹象，因此可以断言这些序列当中出现的扰动不是 白噪声
过 程。
l ；
维普资讯
经 济 学 (季 刊) 第 1卷
JII．上 ． Jj
图 1-c 沪市 日绝对收益率
“ L
一
图 1-d 深市 日绝对 收益率
时间序 列当中随机扰 动的 自相关性可以通过 Ljung—Box的 Q一统计量和
自相关函数体现出来 (Mills，1999)。例如，检验沪市 日收益率序 列 1阶序 列
无关和 2阶序 列无 关假 设 的 Q一统 计量值 为： Q1= 15．280， Q2= 22．087，
它们都在 1％ 的显著性水平下拒绝 1阶和 2阶序列无关的假 设 (深市 日收益
率序列相关性的检验结果类似，计算结果略)。因此我们可以初步断言，这些
收益率序列或者波动性序列当中存在一定程度的 自相关性。
』 ．1-【 一．．
图 1-e 沪市 日均方收益率
维普资讯
第 4期 刘金全、崔畅： 中国股市收益率和波动性的实证分析 889
图 1-f深市 日均方 收益率
另外，我们还需要注意到，对 比沪市和深市的各种收益率序列，特别是
出现波动异常值和聚类区间时，可以看出它们之间具有类似的波动模 式，这
说明它们之间可能存在一定程度的相 关性和波动影响的溢 出效应。这将是我
们下面利用模型描述和检验的主要问题。
如果单纯考虑收益率序列的波动性，可以对均方收益率序 列进行具体分
析，所得到的结果可能更为明显。由于我们有时需要考虑收益率的向下波动
(负的收益率对应着绝对风险水平)，因此，我们下面主要使用 日收益率序列
建 立时间序列模 型，以便分析收益率的双向波动及其影响。
(一)沪深股票平均收益率之间的协整检验和 ECM 模 型
如果两个非平稳 时间序列 (同阶单整)之 间存在协整关系，则意味着 它
们的线性组合可以构成一个平稳随机过程。经过均值平移 以后，一般可 以利
用 白噪声序列表示协整关系的平稳性。假设沪市股票价格指数为 Pat，对应
的 日收益率序列为 RAt；深市股票价格指数为 PBt，对应的 日收益率序 列为
RBt。当日收益率 比较小 的时候， 日收益率序列近似地等于对数股指 的一阶
差分， 即：
RAt≈ InPat—lnPAt一1； RBt≈ In t—ln t一1．
如果能够推断价格指数的对数序列都是 1阶单整序列，则可 以进一步分
析 它们之间可能存在 的协整关系。
两个平稳序列 RAt和 RBt的二元误差修正模型 (滞后阶数的选取是在模
型结构节俭的条件下，参照模型的 AIC和 BIC准则进行)可 以表示为 (Mills，
1999)：
RAt：7t(haPat一1一 InPBt一1+C)+(~tRAt一1
+(~2RAt一2+~btRBt一1+~2RBt一2+61t，
RBt：72(haPat一1一 InPBt一1+C)+~ptRA t一1
+ 2RAt一2+ OtRBt一1+ 02RBt一2+ E2t．
维普资讯
890 经 济 学 (季 刊) 第 1卷
其中 7l，72为误差修正的调整参数， ￡lt，￡2t为不相关的白噪声误差序列。如
果上述 ECM 模 型成 立，则 说明 A t和 Ra t受到 相 同的误 差修 正过程 影 响，
只是具有不同的调整速度， 因此 RAt和 RB t在 向长期均衡的恢复 当中具有
共同的趋势成分，因此它们具有类似的周期特征，但 由于误差修正系数 的不
同，可能导致 它们 出现相异的短期波动模式。
在 ECM 模 型当中，假设导致误差修正的长期均衡关系可 以表示为：
lI1( t)一 lI1( t)+C=Ut，
其 中 Ut是零均值 的平稳 时间序 列。上述 线性组合被认为是价格水平序 列
lI1( t)和 lI1( t)之 间的协整关系，标准化 的协整向量为 (1，一 ) 。协整向
量和误差调整系数可以通过Johansen检验和极大似然估计得出 (Mills，1999)。
(二)股票收益率与波动性的 GARCH模型
即使 一个时间序列是平稳 (无条件方差为常数)的，它的条件方差也可能
出现随着时间的变异现象，这就是 Engle(1982)首先发现的条件异方差模型。
条 件 异方差模 型 不仅有 多种 方 式的推广，而且 也广 泛地 应用 到经 济和 金 融等
领域当中(Gourieroux，1997)，其主要原 因就是可以利用条件方差来度量风险
或者收益率的波动程度，并且使得这些波动性和风 险度量具有 时变性质，从
而体现 了新 信 息获得 和新 冲 击 出现 所产 生的动 态影 响。
描述平均收益率 R 的 GARCH ，q)模 型由两部分组成。第一部分是数
据生成过程 (均值过程)：
上式表示 R 的数据 生成过程服从 ARMA(m，n)过程。假设绝对残差
序 列 et不是单纯的 白噪声过程，而是 一个条件异方差过程。在 已知信 息集
厶一1={R。，￡ ；s t—1)的条件下，假设绝对残差序列的条件分布为正态概
率分 布，具有 时变 的条 件 方差：
￡t I厶一l—N(0， )， t：1，2，⋯， ．
GARCH ，q)模 型的第二部分主要由条件异方差的生成过程组成 (方差
方程)， GARCH模型中假设条件异方差序列满足：
q P
2_ +∑如 2+∑ 2 o；
l=l d=l
九 >0， i=1，⋯ ，g； j>0， J= 1，⋯ ，P．
这说明条件方差不仅依赖过去的条件方差，而且依赖模型过去绝对残差
的实现。正是 由于 GARCH 模 型 的条 件 方差依 赖过 去 已经 实现 了的波动程 度
和变更的信息，因此它能够用于描述一些平稳性和波动性混合 的数据 生成过
程
一
∑
+
+
一
R
m∑ +
=
R
维普资讯
第 4期 刘金全、崔畅： 中国股市收益率和波动性的实证分析 891
为 了更好地描述金融 收益率序 列的特征，人们发现随着风 险程度 的加
大，股票的收益率也随之加大，为此可以将 GARCH(p，q)模 型进行推广，允
许条件方差对 收益率产 生影响，这就是 GARCH—M (P，q)模型：
m n
Rt= OL+ ht+ OiRt—t+ t+ r／j6t—J．
i=1 j=l
当存在风 险奖励时，即风险增加 (波动性)时收益水平增加，在上述方程
中当期条件方差的调整系数 >0；当存在风险惩罚时，即风险增加 (波动性)
时收益水平 降低，则对应 的调整系数 <0。
(三)沪深两市波动性之 间的 “溢出效应”和 “杠杆效应”模型
为 了描述股票市场之 间的波动性关联，我们采用 Harmo(1990)提出的波
动 “溢出效应”模型来分析沪深股市波动性之间的短期相依性和互动性。例如
从市场 B向市场 A 的短期溢 出效应可以表示为：
口 P r
hA +∑ H+∑~PjhA +∑q 刍川．
i=1 i=1 l=l
一 f表示前 z期出现在市场 B上的收益率冲击或者扰动，是现实 当中
已经实现的绝对波动程度。如果这些扰动项 的系数在统计上是显著为正的，
则说 明存在显著的溢 出效应；类似地，可以度量从市场 B 向市场 A 的溢 出
效 应。
另外，股票市场上的一种 “杠杆现象”(此起彼落)也需要引起注意，它体现
了波动性传导的单向性或者一定程度的风险态度差异。一般情况下，股票收
益率 同波 动性之 间可能具 有 负相 关关 系：当股 票 收益率 降低 时，波动 性反 而
上升；当股票收益率上升时，波动性却降低。“杠杆效应”可以通过在 GARCH
模 型中引入一定程度 的非对称性来实现，也可以通过 门限回归实现 (此时称
为 TGARCH模型)。例如 TGARCH模 型的方差方程为：
其 中变量Dt是表示绝对残差变化方向的哑变量，当 Ct--1<0时，Dt=1；
当 t一1 0时， Dt=0。在 TGARCH模型中，如果系数 <0并且是显著
的，那 么对股票收益率前期的正向冲击将产生比反 向冲击更为显著的效果，
这意味着股市当中的波动性对于 “好消息”(导致收益率升高，经 常是市场 的
利好消息)的反应要强于对于 “坏消息”(导致收益率 降低，经常是市场的利空
消息)的反应，从 而体现出一种市场波动程度的非对称性。
在下面的模型估计和检验 当中，我们主要利用上面介绍的具体模型对于
我国沪深两市的收益率和波动性进行实证分析。需要注意到，由于市场波动
和反应的非对称性具有多种结构形式和表示方法，因此还有一些对 GARCH
模型的推广方式，例如 EGARCH模型 (指数 GARCH模型)等。另外，目前也
一
2 t
D
+
，
一
．， ∑
+
一
2 t
≯ ∑
+
=
维普资讯
892 经 济 学 (季 刊) 第 1卷
出现 了一些具有波动性的阶段性转移 (volatility-switching)性质的 GARCH模
型，用于研 究处于结构或者体制转轨 时期的股市波动性和风险特征 (Fornari
和 Mele，1997)。这些具有非对称性质的模型都可以用于推广和检验本文得到
的主 要 实证结论 。
二、协整关系检验、 ECM 模型和 GARCH模型的估计和检验结果
为 了避免在模 型的估计过程 中出现伪回归问题，我们首先进行股票收益
率序列的单位根检验，以便确定时间序列的单整 阶数。
表 1．时间序列的单位根检验 结果 表 2．Johansen协整检验结果
表 1分别计算 了两市股指对数序列h~(PAt)和 ln(Pzt)单位根检验 的 ADF
统计量 (扩展 Dicky-Fuller统计量)和 PP统计量 (Phllips—Perron统计量)(Mills，
1999)。在 1％ 的显著性水平下 (临界值为 一3．44)，检验结果表 明，时间序列
lIl( t)和 lIl(PBt)均接受存在单位根 的原假设 ( 号表示检验显著，下同)。
对其差分序列进一步进行平稳性检验，则拒绝存在单位根 的原假设 (检验结
果略)，这说明它们的差分序列是平稳的，由此可 以推断它们都是 x(1)过程。
由于时间序列 h~(PAt)和 lIl(PBt)具有相同的单整阶数，因此可以进一步
检验 它们之 间的协整 关 系。表 2给 出 了这 两个 变量 的 Johansen协整 检验 结果
(Johansen，1988)。比较似然 比统计量与 1％ 显著性水平下的临界值 (临界值
分别是 20．04和 6．652)，可以断言沪深 两市指数之间仅存在一个显著的协整
关 系。
进一步可 以得到具有标准化协整系数的协整关系估计：
lIl( )一0．972 lIl( ；t)+0．702= t
其 中 t为平稳序列。从协整关系中可以看出，上海股票市场 的收益率和深
圳股票市场收益率间存在着显著的同向变动关系，而且变动的幅度非常接近
(协整系数为 0．972)，协整关系 当中的常数项表示两市指数之间的落差，这是
两市 大盘指 数 的差 异所 致。
图 2给出了数据 区间内沪深两市股指之 间长期均衡关系的变化轨迹，也
就是误差修正过程的变化路径。从图中可以看 出，两市长期均衡关系在短期
内的波动模 式出现 了一定程度的变化。在 1995年 以前，协整误差基本上围绕
着零均线进行短期波动，且前期的波动较为剧 烈，后期较为平缓，这表 明存
在一个 两市共存初 期股指之 间经过调整 而趋于协整的过程。 1995年 以后这
种波动的周期变长 了，并且对均衡关系的正 向和反向作用的持续时间加长，
表 明两 市之 间的交 互影响体 现 了作 用 阶段 的持 续性。在 1995--1996年 间，协
维普资讯
第 4期 刘金全、崔 畅：中国股市收益率和波 动性 的实证分析 893
4 I AM
’
／^ ’
图 2．协整误差的时间路径
整关系对深市收益率的影响是正向的，在 1996--1999年间这种影响转为反 向
的，从 1999年以后协整偏差又出现 了正向影响并且持续下来，这表示沪市股
价波动对于深市产 生了持续的正 向扰动作用 (Ut>0)。
进一步可 以得到沪深 两市收益率的误差修正模型 ( 号表示参数估计在
5％ 的水平下显著)：
RAt= 一0．002"／／,t+ 0．076RA t一1+ 0．048RA t
一 2— 0．008RBt一1— 0．030RBt一2+ 0．001
(一1．26) (3．80)} (2．42)} (-0．32) (一1．23) (1．62)，
RB t= 0．009ut一 0．009RA t
一 1+ 0．003RA t一2+ 0．053RB t--1+ 0．041RB t
-- 2+ 0．0006
(5·45)} (一0．57) (0．16) (2．66)} (2．09)} (1．13)’
根据上述估计结果，如果仍然引入非显著的回归项，那 么求解均衡方程
(求解收益率序列的无条件数学期望)可以得到两市长期均衡 收益率水平分别
为 (一年 以 240个交易 日计算)：RA=26．71％ ， RB----15．72％ ，由此可见两市
投资的长期 收益率之 间存在显著的差异。虽然沪市开市较早，而且收益率在
早期波动程度较高，但仍然无法解释两市高达 10％ 的年收益率差距。我们认
为导致如此显著偏差的原 因在于，上述均衡 收益率 当中没有包括协整关系修
正带来 的收益率增加，其 中修 正项 0．009ut对于深市收益率存在正的边际贡
献，注意到 图2当中大部分 区间处于 Ut>0的状态，因此深市收益率在短期
内存在 向沪市收益率接近的趋势，因此深市短期收益率要比均衡水平高
， 并
且与沪市收益率水平基本上是接近的。我们应该注意到，虽然达到 ECM 模
型确定的长期均衡收益率水平需要漫长的时间，甚至是无法达到的
， 但 ECM
模 型揭示 了两市在均衡 收益率上可能出现 的差距，对此应该给予深入研 究
。
因此，应该认真考虑股票交易的分市机制是否有助于分散市场风 险，是否能
够提高资本市场效率。如果真 的出现两市长期收益率的显著差异，必将导致
两市投资者的单一选择，促使两市的最终合一
另外，我们发现沪市平均收益率并未受到长期均衡 关系 的显著影响 (误
差修正系数不显著)，而深市平均收益率受到 了长期均衡关系的显著影响 (误
维普资讯
吲蕊 ：。
894 经 济 学 (季 刊) 第 1卷
差修正系数显著)。这说明在长期均衡关系当中，沪市波动性的影响力较强，
这一点可以在下面的 “溢出效应”分析 当中得到确证。
在 ECM 模型当中，存在沪深两市短期收益率水平的交互影响 (滞后变量
系数 中部分显著)，这体现 了短期波动之间的相互影响。 ECM 模型表 明，沪
深两市在平均收益率上存在长期协整趋 势，并且沪市收益率变化的 “示范效
应”显著，同时它们的短期波动过程存在着相异的调整模 式。
下面我们使用 GARCH 模 型检验 收益率序 列的条件异方差性。首先利
用偏 自相 关函数 (PACF)和 自相 关函数 (ACF)决定均值方程 中 AR过程和
MA过程的阶数，然后根据绝对残差序列的特性，确定方差方程 中ARCH项
和 GARCH项的阶数。经过模 型拟合效果的比较，我们最后选择沪深两市收
益序率序 列的均值方程为 ARMA(6，6)，方差方程分别为 GARCH(2，2)和
GARCH(1，1)，整体模型估计及其显著性结果略。我们需要分析的 GARCH—M
模 型、 “溢出效应”模型和 “杠杆效应”模型为 (非主要参数估计略)：
1 两 市 GARCH—M 模 型估 计为：
RAt= 一0 526hA￡+AR(6)+MA(6)
(一1 48) ’
RBt= +1 888hBt+AR(6)+MA(6)
(3．49)木
上述 GARCH—M 模型的均值方程估计结果显示，沪市不存在显著的风险
奖励，甚至存在微 弱的风险厌恶，既波动性降低 了当前收益率；深市存在 显
著 的风险奖励，意味着正向风险溢价存在：高风险要求高收益，高收益伴随
着高风 险，体现 出投资者一定程度的风险偏好。我们上面已经利用 ECM 模
型判断出深市的均衡 收益率低于沪市的均衡收益率，但为什么它们的短期收
益率却是基本相 同的呢?除 了受到均衡关系修正 以外，另一原 因正是深市具
有一定程度的风险偏好和风险奖励，导致深市依靠 自身的波动性和沪市波动
的 “溢出效应”，才维持 了短期内较高的收益率水平。即使如此，沪深两市收
益率与波动性之间关联方式的差异，也值得我们进行深入 的分析，这可能同
两市投资主体 的风险特征具有密切关系。
2．两市 “溢 出效应”模 型 的具体 估 计为：
2 2
hAt=0．0001+∑ 也￡ 一 +∑ ~fljhAt—j一0．0004e2￡一1
i= 1 =1 ’
(一1．10)
2 2
hBt=0．0002+∑也￡刍￡一t+∑~fljhBt—j一0．0007e2￡一1
i=1 j=1 ’
(-73．7)
上述条件方差方程 的估计结果显示：深市收益率的前期绝对扰动对沪市
的当期收益率波动不存在显著影响，而沪市的前期绝对扰动对深市的当期收
益率波动存在显著影响。这意味着沪市对深市的 “溢出效应”显著存在，而深
市对沪市的 “溢出效应”不显著存在。沪深两市在 “溢出效应”上的非对称性
维普资讯
第 4期 刘金全、崔 畅： 中国股市 收益率和波动性的实证分析 895
表 明，两市在波 动性的传 导上存在着单方向的影响。这主要是 因为沪市的上
市公司较多，资金流量较大，上海股票交易所建立较早，其收益率水平和波动
性能够起到一定的示范作用，因此其波动性形成 了一定程度的 “溢出效应”。
3．两市 TARCH模型估计为：
2 2
hAt=pA+∑ 咖 ￡ t—i+∑ ~pjhAt—j
讧：1 j=1
2 2
hBt： B+∑ ￡刍￡一i+∑~jhBt—J
i=1 j=l
一 0．293DAtC2At
— l
'
(--6．73)
一 0．238DB￡￡刍￡一1
(一5．61)爿(
从上述估计结果 中可以看出，哑变量前的系数均显著为负，这说明沪深
两市都存在显著的 “杠杆效应”，市场利好消息的影响明显强于利空消息的
影响，这是 目前我国股票市场波动性的一种 重要特征。由于沪深 两市的消息
来源基本是 一致的，因此两市波动性所体现 的非对称性程度也基本相 同 (由
哑变量系数 的大小表示)，这表 明了两市投资主体在对待消息面冲击的反应
上具有基本相 同的应交态度。
图 3．沪市消患影响 曲线
图 3和图 4给出 了两市的消息影响 曲线，从 中可 以清楚地看到市场消息
对于波动性的非对称性影响。例如在沪市，当利好消息为 CA=1和利空消息
为 CA=-1时，对应的市场波动性 (条件方差)分别为 0．82和 0．58，显然利好
消息的影响大于利空消息的影响。
应该注意到，上面我们得到 的市场消息反应方式，即利好消息的波动诱
导作用大于利空消息的波动诱导作用，同目前成熟的资本市场反应方式存在
显著差异 (例如， Engle和 Ng，1993)。我们认为导致 中国股票市场投资行为
如此非对称性反应 的主要原 因有二点。一是我国股票市场仍然处于发展过程
中，虽然经历过几次大的波折，但结果表明我国股票市场具有一定的抵御风
险和恢复收益的功能，因此市场投资者大都保持 总体的正收益预期，这种预
期导致投资者容易形成乐观预期下的 “追涨动机”，因此对于市场 出现的利好
维普资讯
—_■ 霹
896 经 济 学 (季 刊) 第 1卷
图 4．深市消息影响 曲线
信息反应更为强烈，进 而导致利好消息下的波动性增 强；二是我国股票市场
仍然具有一定的政府主导或者影响特征，这是市场化程度较低和开放化程度
不足产生的必然结果。当市场 出现收益率降低或者投资亏损 时，投资者对于
市场利空消息反应谨慎，并不急于立即 “减仓”或者 “清仓”来帮助市场 “促
降”，因此投 资者 对于政府进行干预或者 “政策救市”的预期十分稳固，导致
市场利空消息产 生的波动性偏 弱。
三、沪深股市收益率和波动性实证检验的基本结论
在 上述实证分析 当中，我们利用协整模型、 ECM 模 型和几种形 式的
GARCH模型对于我国沪深股市的收益率、波动性及其关联性进行 了统计检
验，我们不仅获得一些比较合适的模 型形 式和参数估计，而且也得到 了一些
重 要 的实证 结论。
首先，我们发现沪深股指之间存在显著的协整关系，这意味着两市股指
之 间存在着共同的长期趋势，体现 了两市投资收益率之 间的紧密关联。两市
之 间存在 的共同趋势表 明，两市的投资资金具有 比较灵活的双 向流动性，两
市资金在两市股票买卖之 间转移和分割的流动性约束较低，这说明无论是机
构投资者还是散户投资者大都 同时关注两市股票收益率的变化，并且及 时调
整投 资资金结构，寻求收益率更高的投 资组合。这种 两市价格波动和走势上
的整合性表明，两市受到 了国家宏观经济政策、产业结构调整方 向和企业绩
效优劣等 因素的共 同影响，并且两市在上市公 司种类和结构、两市投资者 的
投 资策略和风险态度等方面均具有一定程度的共性。
其次，通过 ECM 模 型对于股票平均收益率的刻画，我们发现沪市收益
率并未显著地受到短期波动的影响，而深市收益率却对与均衡关系的偏 离产
生 了比较敏感的调整。这说明在形成长期均衡关系的过程 中，沪市股指 的变
化起到 了主导作用和 “示范作用”，沪市内生的 自回归过程决定 了沪市股指的
自身动态调整过程，而深市股指的调整则受到 了一定 的外生因素影响，其 中
恢复与沪市投资收益率的长期均衡关系是其调整的主要动力之一。从协整误
维普资讯
第 4期 刘金全、崔畅： 中国股市收益率和 波动性 的实证分析 897
差路径 的发展趋势上看 (图 2)，沪深两市之间的短期波动正在趋于平稳，长
期关联的稳定性正在增 强。
第三，我们发现，在沪深两市收益率和波动性 当中均存在显著的非线性
和非对称性，这是股市发育过程当中的典型特征 (Hinich和 Patterson，1985)
我国股票市场流通资金和市值规模较低，上市公 司数量较少，并且经济结构
和市场 结构 均处于调整 当中，所有这些因素都加剧 了我 国股 市的波 动性。
GARCH模型中显著 的 ARCH项和 GARCH项表 明，两市收益率序 列当中存
在一定程度的波动聚类和持续性，这正是 图 1所体现的特征。 GARCH—M 模
型估计表示沪市投资者在整体上体现出投资谨慎，投资者的风险中性程度较
高；与此对应，深市投资者 的风险追逐性较强，导致风 险溢价 明显，正是风
险奖励的存在鼓励 了一些风险偏好的投资者入 市。
第 四，通过 “溢出效应”检验，我们也发现 了两市在波动性的传导和影响
上存在一定程度的非对称性，仍然存在溢 出影响的单 向性，即存在沪市向深
市的显著 “溢出效应”，而深市波 动对于沪市波动的影响微 弱，这 同 ECM 模
型得 出的股价单 向调整结论是一致的。通过 TGARCH模 型检验，我们发现
了市场波动性对于消息面反应 的非对称性，这 时 “杠杆效应”的存在使得市
场利好消息的作用显著地大于利空消息的作用。在对待消息面的反应方 向和
反应程度上，沪深两市投资者具有几乎相同的表现方式和调整过程，这是两
市 收益率存在长期协整关系和 沪市波动性具有 “溢 出效应”的结果。
总之，我们 的实证分析表明，沪深两市的股票收益率和市场波动性存在
着互动性和整合性。由于两市之间存在长期协整关系和短期动态调整，因此
两市之间不存在系统的投资套利机会，同时也无法通过两市的投资组合分散
共 同的市场风险。沪深两市 日收益率和波动性之 间关联和影响的实证分析，
为判断我国股票市场的基本特征和投资者行为，提供 了一定的参照标准，并
且有助于制定股市监管政策、分析宏观经济政策对于股市的影响，以便更好
地发挥股票市场的重要功 能。
参考文献
【l1 Bailey，W．，“Risk and return on China’S new stock markets：preliminary evidence"，Pacific
Basin Financial Journal,1994，2，243—260．
[2】Campbell，J．Y．and Hentschel，L．，“No news is good news：an asymmetric model of
changing volatility in stock returns”，Journal of Financial Economics，1992，31，281—318．
[3】Engle，R．F．，“Autoregressive conditional heteroskedasticity with estimates of the variance
of the United King dom inflation”，Econometrica，1982，50，987-1008．
[4】Engle，R．F．and Ng，V．K．，“Measuring and testing the impact of news on volatility”，
Journal of Finance，1993，48，1749--1778．
【5】Fornari，F、and Mele，A．，“Sign-and volatility—switching ARCH models：Theory and
applications to international stock markets”，Journal of Applied Econometrics，1997，12，
4《卜 5．
维普资讯
898 经 济 学 (季 刊) 第 1卷
[6】6 Gourieroux，C．，ARCH Models and Financial Applications，New York：Springer-Verlag，
1997
[71 Harmo，Y．，and Masulis，R．W ，“Correlations in price changes and volatility across inter-
national stock markets”，Review of Financial Studies，1990，3，281—307
[8】Hinich，M and Patterson，D．，“Evidence of nonlinearity in daily stock returns”，Journal
of Business and Economic Stat~tics，1985，3，69—77．
[9】Johansen，S．，“Statistical analysis of cointegration vector”，Journal of Economic Dynamics
and Control,1988，12，231—254
[10】Jorion，P．，Value at Risk：The new benchmark／or controlling market risk,New York：The
M cGraw-Hill Com panies，Inc．，1997．
[11】Kasa，K．，“Common stochastic trends in international stock markets”，Journal of Monetary
Eco nom ics，1992，20，196-210
[12】Mills，T．C．，The Econometric Modelling of Financial Time Series，second edition，Cam—
bridge：Cam bridge University Press，1999．
[13】Mills，T．C．and Coutts，J．A．，“Anomalies and calendar affects in the new FT—SE Indices”，
European Journal of Finance，1995，1，79-93．
f14】Mittnik，S．and Pt~hev，S．T．，“Modeling asset returns with alternative stable distribu-
tions”，Econom etric Review，1993，12，261—330．
[15】Song，H．，Liu X．，and Peter，R．，“Stock returns and volatility：an empirical study ofChinese
stock market”，International Review of Applied Economics，1998，12，129-139．
f16】Guojun Wu，“The determinants of asymmetric volatility”，The Review of Financial Stud-
ies，2001，14，837-859．
The Positive Analysis of Stock Returns and
Volatilities in China’S Stock M arkets
JINQUAN LIu CHANG CUI
(Jilin University)
A bstract There axe interactions and influences ofreturns and volatilities between
Shanghai an d Shenzhen Stock Exchange Centers in China．W e find that there iS long run
co-integration relations hip in these two stock markets an d their short run error correction
coe伍cients ar e dm rent．So．these two stock markets have similar cyclical components
an d dissimilar fluctuation patterns ． Using the asymmetric ARCH mode1．we also find
that there are significan t spillover effec ts an d leverage effects in these two mar kets
． The
capital liquidity cons traints ar e very lOW in these two stock mar kets
． and they show some
degr ees of integr ations and correlate eac h other closely．
JEL Classification G10，O16．N25
维普资讯
