第8卷第5期管理科学学报 2∞5年10月JOURNAL OF MANAGEMENf SCIENCES町α-IINAOct. 21∞5 股市预期收益率与波动关系的研究①黄大海，郑圣诗(天津大学管理学院，天津3α盯72)摘要:利用SV-m模型对K∞pman等的研究结论进行了验证，对SV-m模型进行了扩展，提出了一种能捕捉非对称效应的A-SV-m模型，并用该模型和SV-m模型对预期收益率与波动的关系进行了实证研究.研究结果与K∞pman等人的结论不同，表明预期收益率与波动之间的关系是时变的，而且波动(条件方差)对预期收益率的影响并不显著.结合Harrison、Campbell等人的研究对结果进行了解释.关键词:股市;预期收益率;波动;风险SV-m模型中图分类号: 文献标识码:A文章编号:1∞7 -9807(2∞15)05 -∞%-06 GARCH-m模型，忽略了协方差因素.他们运用双o ~I言变量GARCH-m模型对英国股市指数的周收益率序列进行了研究，认为预期收益率与波动的关系风险与预期收益率的关系是现代金融理论研为正相关.另外，Car叩be11等[4J的研究也都认为预究的一个重要内容，是建立资产定价理论模型的期收益率与波动的关系为正相关.但Glosten等[5J基础.现代许多资产定价模型都建立在投资者是认为传统的GARCH模型中对条件方差过程的设风险庆恶的假定之下，这意味着风险(人们常用收定并不能描述正负收益率对波动的非对称影响，益率的方差来度量风险，用波动作为风险的代名所以他们对GARCH模型进行了改进，加入了非词)与预期收益率之间存在一个正相关关系，即当对称因素和季节因素等，构建了能描述非对称性投资者承担较大风险时应得到较高的风险溢价，效应的GJR-GARCH-m模型，并用来研究预期收益也即高风险(不可分散的系统风险)高收益率.但率与波动的关系.他们的实证结果显示预期收益在目前的实证研究中，对波动(风险的替代)与预率与波动具有负相关关系.Campbell、Breen等的研期收益率关系的认定却莫衷一是.考究目前的实究也支持这一观点[2]另外，K，∞pman等[6]提出了证研究，可以发现对二者关系的认定存在四种结SV-m模型，并将其用来验证预期收益率与波动的论，即正相关、负相关、不相关或关系不显著、及时变关系.如French等[1]的研究将收益率的波动分关系，他们的实证结果也认为二者之间为负相关.为可料与不可料两部分，即系统风险与非系统风但也有一些人认为预期收益率与波动不相关或关系不显著.如，Baillie等[7]利用French等[1]所用的险两部分.并运用GARCH-m模型进行了实证研究，认为预期风险溢价与可料波动之间存在正相数据，采用了基于t分布的GARCH-m模型来进行关关系.Harrison等[2J检验了在不同持有期的情况实证分析，他们的实证结果显示预期收益率与波下，预期收益率与条件波动的关系.他们认为，在动之间的关系不显著.Theodossiou等[8]利用持有期较长的情况下，预期收益率与波动呈正相GARCH-m模型，对十个国家的股市数据进行了研关.Xing等[3J的研究认为以往的研究运用单变量究，并没有发现预期收益率与条件波动之间存在① 收稿日期:2∞13-08-25;修订日期:2邸-08-23基金项目:国家自然科学基金资助项目(7967仪刷). 作者简介:黄大海(1975一)，男，山东人，博士生?췲랽쫽뻝뗚㈰맜䩏う䵁千嘰乯막믆⣌햪튻뷸쪱뺿맘훐컄?틽퇔럧믹틦듊춶튲퓚웚횤싛뇤䪵캪쿕쿂돖ꋙퟷ䝁탲죏뚨쯹뛔킧싊㉉卶떫쾵䫋쪵뚯佣쫽ㆣꎮ啒乁㢾〵샭䥅뷰헟璣쿗튪훖탐뛔볼춼헂쿕뗄뒡싊⧓벴쒿쫕퇐ꎬ쓑뿉솽폐ꎮ剃솿쇐캪늢틔돆펦폫튲쾵늻陸횤횮剣길?듳뇤맘乁䝅긲뻝쓪뿆乃룥쿮볲뇪쫐い?䵅ꎺ쓜쇋뷡듊럖뇠폫튻ꎮ퇡뗄헟룟잰틦뺿벴킾쇏늿죏쾵풤웚ꋻ䠭䝁뷸뒫늻쯻틲늨횧쇭쒣ꎬ폐쿔쎵볤䢣늢?톧䕓죕쒿뷩몣뗄쾵?ꎬ乔쪶샻늶쪵맻ꎺ샠뫅풤룶쿖뛱랽꓆돐럧뗄싊ꎬ헽뾽폫럖캪ꎮ뷏湧뿈淄剣탐춳쓜쏇쯘䞹뚯돖췢탍쯻튻훸?컶깭쎻웚퓂톧랯닉싫ꎬꎮ풤놨䍈맺믆ꞹ폃ힽ횤뷸막뫅ꎺ웚훘듺뗄닮?떣쿕쪵맘뿉쿠ꯊ늻ꎮ䡡쫕뎤뗈쿎ꏐ䠭쇋폫쏨뛔뫍쿒뻟헢ꎬ쏇킩쒣폐ꎺ폃䥎㈰볒듳횣뛸죧?獶럇퇐탐쫐ꎺ쫕튪탭볙살헒뷏⢲횤쾵틔맘뿉늢웚牉틦뗄?춣淄늨䝁쫶벾뭇폐튻䭯죋쯻탍랢쿠?〳ퟔ몣쇋웚ꎮ뛔뺿쇋ꎻ䘸〷틦쓚뛠뚨뛈듳뮿퇐뗄랢ꆢ쇏퓋럧橳싊쟩퓍겺ꏐ뚯剣헽뷚䅒쾵뢺맛潰붫쪵죏ꎬ쏇늻쿖?쟒ꇭꆫ좻⠱믹淄돆ꎮ뷢풤㌰ꆪ싊죝횮솿쫖럧즷뺿죏쿖뢺쪵솽폃쿕潮폫뿶例〸뿆㤷춶ꎬ뗄䣄틲䍈쿠뗣浡웤횤캪䉡쿔뛔?늨湣폚쫕맘ꆪ톧㗒몣ꏐ킧퇐쫍웚ꎮ㤸뗄ꎬ닺쿂럧꺼쿕훉훐뚨뛔쿠쒲늿䝁틧뗈쳵쓑퓁퓓죏맘쫕쯘쯻?溵폃뷡풤楬쪵훸쪮ꇪ뚯梵㈵믹묩곌춶펦뺿ꎮ쫕㤱〷맘쫇뚨ꎬ쿕쪱ꊵ좴뛾ꢶ럖剣볛탄볾킾쯐ꊹ캪쾵췖틦춽뗈쒣쏇좡살맻웚汩횤룶ꎻ뷰ꎬ틦럖⣌졈푋뗄뷡틦⠲쾵붨볛헢ꎬ펦쓏뛔쒪헟ꆢ꾷䢡폫䪼늨풤뿔궷調캪킶싊탍븶퇩튲쫕斵湥맺탞쓐ꎮ늼뚩훺ꎬ潯䆣맻싊〰쫇솢쒣틢폃?뗃뗍늨훔맘늻?벴ꩭ뿉뚯웚쯓붲짊헽퓌뛔탁릹쪵ꎮ䫌횤죏틦젱潤볒싊뗄죕쿮즽〰灭깓폫ꎻ㔩쿖탍쏁늨뮸떽뎷뚯튻쾵쿠쒣쇏뗄쫕쎵탖쮸붨늢횤捡풤캪싊㝊쿔潳ﺷ웚쒿뚫䝁쇭慲慉皣䭯늨〵듺닺뚼ퟅ뚯뷏⢷쫇뗄맘춳탍쯔틦ꖱ룊ﺷ쒽쇋폃뷡浰웚뛾샻쪾獩막쳵폫ꎺ⠷죋붲剃㜲ꆿ깭潰뚯ꆪ뷰뚨붨럧ퟷ﷏룟픩ꎮ죏믲뷸?쾵싊㈰럵ꎬ?ﶵ붲뗄쓜살맻扥?쫕헟늨폃풤潵쫐볾䠭〵㜰늩?뗈쒣涹ꎻ〰죚볛솢쿕캪뗄룟햵뾼뚨맘탐횮믍ꎮ폫껋쓖떫럇겼쏨퇐쿔疡틦뚯䙲웚쫽늨췢淄ꆪ〶쪿뛔뗄탍습럧㜶샭퓚⣈?쫕쓌뺿듦쾵폫쇋볤겳쯻늨?䝬ﶳ폈쫶쪾ꉂ싊늻敮뻉뻝뚯〸㐩짺ꏐ뚯퇐ꎬ죈쿕ꆫ싛춶쯃?틦쒿퓚늻럇쪵듦훓쏇쟔헒潳첵돆牥폫캪쿠捨櫀뷸횮풤ꆪꎮ췀㈳ꎬ뺿늢쮵ꎻ〶퇐쒣잳뗄떣틧싊﨩잰쯄쿔쾵횤퓚탆죏돊쯓瑥쓉펰쮷뛔웚敮늨뢺맘뗈ﯓ탐볤웚뒽맘뷡폃쒽獶탍헟ꏓ듺겼볛ꎮ폫뗄훖훸춳퇐헽?캪쏋?溵쿬돆쫕뗈뚯쿠믲ㄱ쇋듦쫕싛룃彭뗄쫇쏊쏻뒵ꎬ떫풤쪵뷡ꆢ럧쿠쓇?쾵좡탔틦맘늨퇐퓚握?쾵틦뷸쒣??벰퓚븵퇐ꎮ탐탍믍싊쪱?뗄쇋뫍겣똱뗄퇩卖겱펰퇐횤ꎮㆵ쿬ꎬ淄뺿늢뛔ꏐ꓆獖춶?늻졍ꋙꎮ퓔헒쿔淄꓆훸檵ꏐ?쫓ꎮ춽헒ꢶ뷡쓑탁쫓꿖뫏쯀꺼䣋킾꧕ꢶ멳릣꾵쒹潮곌쒹?뿒?뗊ꆢ?捡늶?䡬灢볈敵뗈쿎죋뗄퇐?
第5期黄大海等:股市预期收益率与波动关系的研究一77-任何关系.Lee等[9J利用GARCH-m模型对中国的态分布的SV-m模型，其形式如下:股市数据进行了实证分析，也没有发现预期收益YI =μ1+σ祷exp(()εt 1率与波动之间存在任何的关系.另外，H町ey[lOJ的Œ-NID(O, 1) l 研究提出了预期收益率与波动之间关系是时变的2民=#)1-1 + UU-NID(O, T) (1) t t 观点.在以上研究的基础上，本文利用SV-m模型corr(εt' U) = 0 1对K∞pman等[6J的研究结论进行了验证.另外，本μ=α+ bYI_1 +命精exp(() 1文对SV-m模型进行了扩展，提出了一种能捕捉其中:YI为在时间t的超额收益率或称风险溢价;非对称效应的A-SV-m模型，并用来对预期收益向为预期收益率;(Jt是对数波动;σ铃为尺度因子，率与波动的关系进行了研究.是一常数，本文中对其赋值为1;ê与U是互不相tt关的白噪声过程才为波动持续性参数;T为对数1 SV-m模型波动序列的波动;α为常数;b为一回归系数以度量了波动对预期收益率的影响.通过现有的实证研究可以看出，这些实证所 基于t分布的SV-m模型采用的模型多为GARCH-m模型及其扩展形式，Ballie等[7J的研究中采用了French等[1J所用这些模型建立的基础都是ARCH模型.ARCH模的数据，运用了基于t分布的GAR巳H-m模型，但型是Engle于1982年提出的一种针对时变方差的他们的实证结果显示预期收益率与波动之间的关建模方法，其后Bollerslev于1986年对其进行了扩展，提出了GARCH模型.Engle等[l1J1987年的研系不显著，与French等[IJ的研究不相一致.作为究将ARCH模型扩展为ARCH-m模型，在超额收对应，本文对SV-m模型进行了扩展，提出了基于t益率的均值表达式中加入了条件方差的影响.分布的SV-m模型，以考察条件分布对预期收益率、ARCH-m模型的建立为考察预期收益率与波动关与波动之间关系的影响.其形式如下:系的实证研究提供了有力的支持，Bollerslev等[J2JYt =μt +exp( ，)εt 对ARCH-m模型的应用做了较为详细的论述.从Œ, -t(O,1,k) 实证研究的分析中还可以看出，以前的实证研究2(Jt = #)t-1 + UU, -NID(O, T) (2) t 忽略了对另外一种针对波动的建模方法-SV模corr( Œ, U) = 0 t t型的应用，这是由于SV模型的估计较难而造成μ=α+ bY’_1 + dexp(O,) 的.随着SV模型估计方法的改进，~∞pman等[6J其中，k为自由度.才提出了SV-m模型，并将其用于考察预期收益 非对称SV-m模型率与波动关系的实证研究中.SV模型最早由Black认为股价变化与波动之间存在负相关，cl础于1叨3年提出，后由Jacquier，Harvey等人引即股价的下跌使波动加剧，股价的上涨使波动幅人经济计量学领域.目前应用较为广泛的SV模度变小，即好、坏信息(正、负收益率)对波动的影型是由Taylor提出的，它是一种离散时间的SV模响是非对称的.这种非对称效应可通过令预期收型..SV模型假定时变方差是一种不可观测的随机益率等式与条件波动等式中的自噪声相关来捕过程，GARCH模型则假定时变方差可用一个确定捉，即令corr(句，Vt+1)ρ，ρ通常为负数.Glosten 的函数形式来表示，而这个函数由过去收益率的等[5J曾考虑了非对称效应的影响，对传统的残差平方与滞后的条件方差来决定.考究目前国GARCH-m模型进行了修正，建立了内外有关这两种波动模型的比较研究可以看出，GJR-GARCH-m模型，并用来研究预期收益率与波多数研究认为SV模型在许多方面是优于GARCH模型的，所以本文的研究主要建立在SV-m模型动的关系，结论是二者之间存在负相关关系.为与及其扩展形式之上.各模型如下所示.之对应，本文在传统的非对称SV模型基础上，加 基于正态分布的SV-m模型入了波动对预期收益率的影响，建立了非对称K∞pman等[6J的研究中所用的模型为基于正SV-m模型，其形式如下.?췲랽쫽뻝뗚튻죎막싊퇐맛뛔컄럇?獶춨닉헢탍붨햹ㄹ뺿틦䅒쾵쪵뫶뗄닅捬죫맽닐쓚뛠쒣벰ㆣ䭯첬?斡돰疡⠱닺웤슫쫇맘늨솿믹䉡䫋쯻䪵럖폫뻊⠲炡䉬벴뛈쿬ힽ뗈䝁䝊뚯횮卖믆捯긲㗆㵰ꎡ㷑?陸긽㜷뫎쫐폫뺿뗣䬰뛔맽폃쒣ꎬ㠷붫싊捈뗄䅒횤싔ꎮ쳡慉뺭돌몯닮췢쫽탍웤럖琽훐ꆣ튻뚯쇋폚汬쏇늻쓑펦늼늨긳慣막뇤嬵剣솢劣쫇潰듳ꎮ牲긱?킩琫ꭎꮡ㶸뿚몣튻맘쫽늨쳡ꎮば卶돆쿖뗄랽쓪䅒쪵䍈퇐쇋펦쯦돶毓볃평ꆤꎬ욽폐삩늼ꍎ漫ꎺ캪뎣냗탲暷楥뻝쿔킾뚯ꇪ럇毈볛킡뗈벴巔䣄깇쒣䗏犡⡥⢡淄?䥄ꏒ뺡⬶뗈믹쾵뻝뚯돶퓚?킧폐쒣램뗄䍈뻹淄횤ꆪ뺿뛔폃ퟅ쇋?볆呡卶䝁탎랽맘ꎬ햹䥄㚼풤쫽퓫쇐횲쪵훸뾲놾獖횮⮣뒣쿎쪽쇮쓄䅒탍璣ꓦꎺ⭥⠰묱侣ꏒ⡏?ꎮ뷸횮쇋틔쮧쒣펦뗄ꏐ탍ꎬ퇐횵淄쇭卖卶맘㤷솿祬剃쪽폫헢죏쯹탎⠰걍ꇒ캪웚짹뛔벵嬷퓋횤믏컄볤걥돆ꪹ쿂벴捯볂䍈놾막폚ꦵ硰ꎬ⮵걬묱튻昩䵦步탐볤풤짏뗈탍뗄맘쪵뛠웤凡뇭춵뺿ꏐ럖췢헢쒣쾵㏄톧潲䣄살훍솽캪틔쪽ꎬ묱퓚쫕놾맽늨쑓嶵폃뷡폫뛔硰ퟔ卶즼뗸뫃쳵牲쟁춽ꎮ컄쫐?⡏ㄩꎬ⭍爲氫ㄹ죲헽㴰⤽풤뗈쇋듦웚퇐ㄶ뷸䆡쾵횤캪뫳ꍃ삩듯쒽쳡춵컶튻쫇탍쒣뗄쇬볙ꏐ뇭훖卖놾횮爲⮳쪱틦컄돌뚯癟쓑맻䙲믖獖⠰평?쪹ꆢ볾⡥쮷淄싛퓚탎ꎮ웟?摥웚붨㠲뺵?ㄹ쪵퓚쫕뺿檵탐꩓뷸퇐䝁䉯䣄햹쪽ꣁ릩쓓훐훖평맀탍폲돶뚨췔쪾뗄늨쒣컄짏?볤싊ꎻ淄킾믹쿔敮슣ꎮꎬ뛈뮵헢ꆣ잶탁ꏐ쫇뒫㖾硰첬쫕쓪䫀횤죎뗄쓑쇋皡탐뺿剃略ꏐ캪훐ꋎꛓ뮹헫폚볆ꎬꎮ쪱쳵뚯탍쨱녥ꇪꎻ뛔짹뿚뿖쪾捨껗淄틔펰㖿⢾꿓탅훖풳쯐춣뛾춳죧틦솢쳡⦡쩉싊ﯓ럖뫎믹킾삩ꩭ쇋뿉䢡牳춣䅒볓꪿폐쏗뛔卶랽늢퇐겺쒿ꎬ뇤?뛸볾쒣퓚룷웤硰뗄틔캪?킲ꇪ풤뗈ꏐ뾼쿬?쾢럇돰원?겲헟쿂폫썇컶뗄뒡뾽햹쒣퇐틔ꩭ돶汥깅捈죫벲솦늨램붫뺿잰쯼랽헢탍탭뿖탎⢿뎬쫇뢳뎣짓럖웚?춽달ꎮ⥥ꢶ뻧⣕뛔쪽⬱ꟓﶣꋓ횮럇늼늨䅒ꎬ맘늨짏탍뺿뾴쒣盓䧧쇋쮽웤훐쥊펦쫇닮놱룶뛠훷쪽?뛮뛔횵쫽펰쏁늼쫕쳵?꿖ﶡ돆⤽ꚵ쏀볤뗄탋뚯믹䍈튲쾵뚯ꎬ?쳡ꎮ돶탍?쒣쳵꓆횧쿎뗄룄폃慣쫇몯살뇈랽튪죧?쫕쫽캪돖ꎻ쿬쭆틦탁볾탎꺼막ꊸ킧汄쓓듑듦돆맘튻陸쾵彭쎻ꎮ횮놾돶늢ꎬ벰㤸뗈탍볾?돖붨맀뷸폚卶煵뷏훖튻붲쫽뻶쏦쿂틦늨ㆣ탸㛎牥䝁싊쯀럖쪽볛뫊펦냗냏킾퓚卖뒡훖쎵뗄쒣폐쇭볤컄탁쇋폃헢웤㛄ꆾꎬ랽헒틔볆뾼楥캪샫훖평뚨퇐쫇솢쯹ꎺ싊뚯뭥탔湣剃폫꧕늼죧뗄뿉퓫汄뿔뢺붨퇐헫淄쓄탍랢췢맘샻쯑튻살킩삩뚼ㄱ퓚닮䉯뢵잰랽뷏䭯달犣맣즢늻짓맽ꎮ폅쪾믲ꎻꆣ닎뮻梵䠭늨릣뛔쿂?짏춨짹겶꓆쿠솢뺿뛔ꏐ뛔쿖ꎬ쾵폃훖쪵햹퓆뎬뗄쫓ꋲ쓂램쓑潰풤ퟮ걈랺쪱뿉쏒좥뾼폚獶ꎮ돆?폫쫽?좡淄뚯곌ꎺ뫏헇쨩맽쿠뎣풴?맘믹쇋쪱췎훐풤䡡쫇卶꒣쓜횤탎뛮펰敲?쪵튻뛸浡웚퓧慮뗄볤맛뮸쫕뺿틔䝁ꆪ럧ꆣꆰꎻ빬ꏐ횮쪹뛔쇮맘캪ꯍ헒뒡럇?뇤ꪻ맺웚牶쪱껁늶쯹쪽쫕쿬ꢶ獬횤獖퓬溵평?뗄닢틦쒿뾴剃淄쿕캪ꎻ狎뗊춣볤?늨풤살뢺뎵쾵짏뛔䫲랽陸뗄쫕敶뇤쒣ힽꎬ탁ꎮ꾹꺴퇐돉졛틦뗈卶랶싊잰돶?ꏐ틧돟쫇ꪶﶣ겵쮻뚯웚늶쫽쫓돆틦ꆾ뗄탍띈닮쯀?뗈뺿㙝죋쒣쯦맺ꎬ?볛뛈뮥퓊뭤맘陸싊럹쫕ꎮ캪볓겱?嬱틽믺ꎻ틲늻뛈?펰䝬폫뗄쒣嶵?㉝ퟓ쿠潳?ꎬ瑥탍?ꎮ䅒捈쒣
一78一管理科学学报2∞5年10月Composite Stock Index所用元风险利率的替代为tt t lMμp(Ø-NID(O,1) 美国三月期国债利率;Topix Stock Index所用无风。1+1战+rV+l V+l -NID(O, 1) tt(3) 险利率的替代为日本一月期国债利率;而我国元coπ(ép的+1)=ρ 相应的短期国债，所以，本文用三月期固定存款利μt = a + bYt-l + dexp(8) t率作为无风险利率的替代.并用如下公式其中:!'为对数波动的波动;p为相关系数，取值为T= (1 + T)l/300 -1 (7) t n[-1，1]，若ρ为负值，则说明相同强度的冲击，利空计算元风险日利率T•其中，T为第n个时段内三tn(收益率为负值)消息的冲击对波动的影响大于利月期固定存款的年利率.在本文所用的上证指数好冲击.公式中将对数波动设定为。川=战+和深圳成指采样区间内，我国于、rV+1是因为YU[13]的研究认为此种形式能更好地、、、，2α口.描述非对称效应.令对三月期固定存款利率进行了调整.U+1 = (Vt+l -(˘t) /11丁p2t即Vt+1= U+ll1刁2+ρ(Yt -问)/exp(, 3 实证结果t则式(3)变为必=μt+ exp()εtεt -NID(O, 1) t本文实证分析中，对SV-m模型及其扩展模型的估计采用了MCMC方法(马尔可夫链蒙特卡罗81+1如t+以Ut+l叮_p2 + 方法).因为在对SV模型进行估计的现存方法中，Jacqui町等人[14]的研究说明MCMC方法是最优Ut+l -NID(O,I) 的.文献[15J曾对MCMC方法作过较为详细的介corr(鸟，U+1)= 0 t绍.文中模型的估计是利用Winbugs软件μt = a + bYt_l + dexp(8) t( Spiegelhakter等，1999)编程实现的，对每个模型(4) 的估计均模拟30栅次(其中前4侧次循环用于"退火").2 数据及处理 基于正态分布的SV-m模型的实证作为对Koopman等问]的研究结论的检验，本本文所用实验数据为四个指数序列，分别为文采用四组股票指数，运用基于正态分布的SV-mS&P Composite Stock Index(美国)、TopixStock 模型进行了验证，估计结果如表1所示.Index(日本)、上证指数和深圳成指.其中，前两组表1模型参数估计结果{括号内为标准差)Table 1 Prediction of model p盯ameters数据为Koopman等问]的研究中所用数据，起止时间为，每组指数包括2869S&P Topix 上证指数深圳成指个数据;后两组数据的起止时间为.的 5 ω α () (0.ω20) () () ←2∞，上证指数包括1282个数据，深圳成指包括1284个数据.所有数据用如下公式 O.α到 O.ω:42 b ,() () (0.ω89) (0.但89)Rt = 1∞.ln(pt1pt_1) (5) 计算其连续时间的日收益率，其中P是每组指数 8 -o.α>21 1 td () (0.但36)(0.但89)(0.但61)第z个交易日的收盘价，凡是其相应的日收益率.然后，用如下公式 ￠ (0.(剧3)(0.∞79) () () Yt = Rt -1∞x ~ (6) 1 计算每组指数的超额日收益率或称风险溢价.其τ () (0.但43)() () 中，Yt代表每组数据的超额日收益率，T为无风险t日利率.在计算每组指数的超额收益率时，S&P表1中前两列指数是Koopman等[6]中采用的?췲랽쫽뻝튻맜㈰벡ꇶꇫ敯ꆱꇎ웤寒⣊뫃쏨ꆰ捯䥮쏀獴쿕쿠싊溣⠷볆퓂뫍ㄹ㊣벴?쪵퓲ꇪ뻊瀨灴⠴㋊놾匦䍯쫽볤㠶룶늷㈸돉쓡⠵뗚좻枡⠶훐죕뗄랽䩡짜⡳〰㎣믹ퟷ컄쒣뇭呡偲て牲灡厣㝲짏짮侣⠰ꎮ⡏ꆣ죉㌩?ィ튻侣獴却쒣㤩⡏㌩㈩⠰?扬敤汯Ꙑ기侣ィ튻긹浰潣ꌽ긱潰?ꎮ〩⠰㔩⡏㘩㤩㠩샭〵㤸犳횤ィ기侣긹㷂汬ꇪ?㶡ꆣ䚡牲㵯횸㴱췋㜸훐묱헒돥쫶潣摥맺샻펦ퟷ쯣웚짮긲쪽ꆧ컄뻝캪쫽㊸㒸暸뫳ꎬ맀램捱ꎮ灩ゴ폚닉탍㌩⠰㤩⡏㜩伩㇖ㆡ뒨?楣爷기튻㈳ィ㌰㠶긹㔹긳〱먨횤ﶾ潳ꎥ?务楸돉〱ꎮ㈩〳〰㜩〲〴기㤹㘳긹㔲긲㈰뿆쓪ꎮ贈횸?닎瑩㈲ィ〲㐲〱㔱기㌲㔳걦爨㶿캡ꏒ⡥⬶냼〰믰㊰ㄳ㈴㌴㔷㥲튻ꎺꎬ믷럇楴磋죽싊뗄캪컞만?ㆶ⠳ꎮ쯹砨ㄹ뻝웤ꏒ쎿쪵볆⦣畩컄敧츨컑헽뛔폃뷸횸?〴〱〲〽〳탇끎쫇潮긱톧㎣쫽瑥?〴〲〱ㄫ뷡?⭥斡??⬱ꌫ义뮣暣삨ꆤ묱ꆱ닾㘱〲〳狎ㅝ쫎ꎮ뛔陸뗄뛌컞럧뚨돉퓈⦱ㄽ义폃쏀죕䭯㠸ꎻﶾ솬믒ퟩ듺횤닉껒敲쿗훐敬뻹웤궻첬쯄탐맀?냁톧퓂긲牳ㅄ틲〰㤩?硰㚡數䐨꺺걍튻?ㅮ⦣犡맻내볆㤩퇖ꋳ놨㖡ꪶꎬꪸ릫돆쏎웚쳦럧쿕듦횸㶵퇴䐨쪵맺놾?ꎮ뫳?탸죧ꇁ뇭퓚럖폃뗈嬱쒣桡훐럓潰ퟩ쇋뷁뷡⠰⡯겷캡캪瀨ィꇪㄫ⡰ꈱ?ꌩꛀ퓊죴뫖쪽킧?맺듺쿕죕뿮닉싆?ꇪ侣퇩⦡浡ㆣ솽곉껋쪱햵쿂쫽쎿볆컶쇋죋㕝탍歴쓢잰쏓늼막맻탖ꎮ꼫?ィ갱ꌩ⬱摥ꎯ㤹ꎬ奵껅⣀㚣ﶲꆻ딩훐펦햮?캪샻뗄퇹?⮶갱쫽ꉔꋉ溵긱ퟩ陸볤쓊릫쯣䵣?ㄱ퓸敲㌰욱횤룊ㇴ㖺ㄩ뭬㢣긵ꎯ⤽硰滒ꢺㄩ泒ꢶ䓎쿻붫ꎮ헀샻죕ꎬ싊쓪쟸긷첶ꊡ?뻝潰쿖졛ꆪ쫽탊뗄헅쪽뎬쎿䵣푳㑪뛔맀뗈卖좡횸엄㊡⭤틔數⠸묱긲껒㶢?⠳뗄ꎮ敦뭄數꾵ꪸ쾢뛔쇮﯂싊놾쯹溣샻볤ꢴ푟⥥ꌨ瀨ꇪ캪楸ꓖ㙝ㄹ뻝ﶾ?죕첼뛮ퟩ랽囄䵃볆ꎬ?쫽맀읋ꪱ묱ㆡ㎣ꇪ?瀨퇐ꆣィ쒲뫖뗄쫽쪵ꎻ튻틔쳦껆싊쓚ꋲ쯄룊㤸?쫕?죕횸獖램ꏐ䵃쫇ㄹ淄ꎬ볆潯ꈱ뛾벲璡뻊긵ꢶ떣돥늨뺿쓌吰퓂ꎬ듺ꎮꆧ룶ﶺ퇐웰쏈틦곖쫕뎬쫽ꆪ⣂춽랽샻ꏐ퓋뷡灭㤹곉ꇪ㜫㢡㢣꾣곔믷뚯灩웚놾ꎮ킣퓚컒﯂횸췉뺿ㄲ횹싊틦뛮뗄淄쮵램폃⦱춵맻慮죏䥄?ꌩ쿖긱뭰뛔짨龜?맺컄늢걨놾쪽ꆻㅾ쫽훐ꎮ쪱승ꎬ쟆싊죕뎬ꏐ﮿킹쏷ퟷ坩쓊뷡믹죧뗈캪⡏㊣?캪뗃늨뚨?햮폃컄폚ꎯ탲?쯹㌱볤ꓖꯊ웤믲쫕뛮춼즷삼䵣맽湢쳊뗖싛뇭ꆮ긷ꎬ듋〨쿠뚯캪샻죽죧뗚쯹ㄹꆢ탁㇒쇐짖폃ꎬ?훐돆틦쫕냆욵䵣뷏畧뗏뗄헽㇋㘳ㄩ훖룊?ㄹ맘뗄틔싊퓂쿂溸폃㥲쮵뮡ꎬ뢣쫽쎿횻ꚵ럧틦듃쓏랽캪珈횵볬첬流훐ꆣ탎㤹ﶰ쾵곇펰⮣ꎻ웚릫뗄㞣튻뭄럖껆뻝ퟩ㤸쫇쓈쿕ꎬ싊꧕짌횴램쿪쒣퇩뺣닉ꎮ쪽쫽뾶쿬갽뛸만쪽놶짏긱ﮣ㈫뇰ꎬ횸ꎮ쎿헊틧滎쪱맄?쫇쾸?겶늼폃㚣ꇎﳀ쓜긱ꎬ좵듳퇴컒뚨컄횤ィ?캪킣웰쫽㊣ퟩ헒볛ꏐꣂ붷ퟮ뗄퓃놾ァ꠱룼튻좡쒳폚ꆣ맺듦?횸긲곇횹냼?ꎮ?猦꣖폅뷩뾸獖ꈲ횵샻?뫃컞뿮쫽㎡⦣냁쪱삨쪣웤킣〰캪샻?㊣뷗ꏐ뗘꽥?곀짹硰﮿?⡯ꎮꆣ㖺ꎬ⦣꿌?
79 , 第5期黄大海等:股市预期收益率与波动关系的研究数据，本文中的尺度因子设定为1，结果与一种能对非对称效应进行描述的A-SV-m模型，并Koopman等人的数值有些差异，但总体特征一致.利用它对四组指数数据进行了实证研究，结果见另外，从第三列数据看，利用上证指数所得的模型表3.褒3模型参数估计结果{括号内为标准差)参数特征与Koopman等人的结论也是一致的，参Table 3 Prediction of model p町ameters数d也为负值，但从深圳成指所得的模型看，其参数d为正值.可见，本例的结论与Koopman等人S&P Topix 上证指数深圳成指 2 一认为参数d总是负的结论不同.这里的结论是，当α ( 2) (0.但27)() (0.ω69) 利用SV-m模型来研究波动与预期收益率的关系 O.ω86 b 时，参数d可负也可正.() ( 1) () () 一O.例。 基于t分布的SV-m模型的实证d () () ( 6) () Ballie等[7J的研究显示，在利用GARCH-m模 2 0.%17 ￠ 型对预期收益率与波动之间关系进行研究时，条(0.∞>5 7) ( 1) () ( 1) 件分布对研究结果是有影响的.为检验这一结果 6 6 p () () () () 是否也存在于SV-m模型的实证分析中，本文将条 r 件分布设为t分布后利用与相同的四组数据(0.ω57) (0.ω14) () ( 1) 对模型进行了估计，结果见下表2.由表3可以看出，A-SV-m模型所得结果与表2模型参鼓估计结果(括号内为标准差)SV-m模型所得结果相比有较大变化，突出表现Talbe 2 Prediction of model parameters 为，由Topix和上证指数所揭示的预期收益率与波S&P Topix 上证指数深圳成指动的关系从负相关变为正相关，而S&P和深圳成 6 a 指的结果则没有变化.由此可以看出，非对称效应() (0.ω315) () ( 7) 也并非是影响预期收益率与条件波动关系的决定。α) b 因素.但由此也可看出，模型的设定对实证结果的( 8) () (0.但80)() 影响也还是较大的. 3 -O.ω19 0 。ω05d () () (0ω66) () 4 结论与解释 0.%97 ￠ (0.∞14) (0.(阳7)() () 通过本文的实证研究首先可以看出，利用O.σ71 3 2 T (0.∞80) ( J) () () SV-m模型研究预期收益率与波动的关系时，模型参数d有时为负，有时为正，并非如Koopman等问]将表2与表1进行比较，可以看出，将条件分结论所述总为负.由此可以看出，预期收益率与波布改为t分布后，模型参数符号并没有改变.由参动的关系是时变的，参数d并非一成不变.这也可数数值的变化可以看出，基于t分布的SV-m模型以解释为什么近年来人们会对传统的资产定价理对数据的描述较正态分布时更好，如￠值普遍增论模型提出较多的质疑.本文认为参数d的正负大，说明对波动的持续性把握较好;τ值普遍变可能与不同市场不同时刻所表现出的特性有关.小，说明对数据的拟合更好.所以，条件分布的变另外，由本文的研究还可看出，虽然参数d是时变化并不能影响SV-m模型的实证结果.的，但其数值较小，说明波动(条件方差)对预期 非对称SV-m模型的实证Glosten等人[5J的研究中提出了能对非对称收益率的影响是微弱的.为对此结论进行解释，首先来看一下波动与效应进行描述的GJR…GARCH-m模型，并用其对预期收益率与波动的关系进行实证分析，得到了与风险的关系.假定一种金融资产的收益率均值为利用GARCH-m模型相反的结论.为考察类似情况μ，波动为σ.考虑投资者风险厌恶的影响，假定当是否存在于SV-m模型的实证研究中，本文提出了收益率r实现时的效用为U(r) = r •γ，2.γ是风?췲랽쫽뻝뗚쫽䭯쇭닎죏샻쪱㎣믹䉡탍볾쫇뛔뇭呡吰짏짮侣?⡏⠰ィ튻ꇙ붫늼듳킡뮯럇䜱䪵킧웚厣哟㜩㤩㈳㐩슫ㄩ평卖캪뚯횸튲틲펰뷡춨獖틔싛뿉뗄쫕럧낶?ィ㜩⡏侣〩튻⠰㈩㤩ꆪ㠩ㄵ㌩㘩ㄩ㐩伩쒣짏짮믆灩汢偲潦浯기ィ?㜩侣㌩튻伩긹扬Ꙑ⠰긱㘩긲㋄횤?ꎮ⡏ㄩ긳땩㗆긲灡기튻侣⠰긹炡ィ긱㜩?㎣뻝潰췢쫽擒캪폃ꎬ폚汬뛔럖럱쒣ꎮ㔩뇭룄늢び쓑펦쫕훖탍횤?뗄쯘쿬맽뷢쓜틦쿕?敤摥厣㔳기⡏〴㌵㠩〱〲ィ〳㤷긹㘹ぬ긱㐱㌳㐸侣㜹㘱〱긶捲〸긲듳싛ꏐ횸돉ꇞ〳〰?〷〵浭㐳ィ㘩〵기ㄶꎮ〲㠳㜱긲끡㌰㘸긴긳㤸㌸?楣Ꙑ㈹ꎮ〲기㤱㈰㔳〰㘶긲〱닎횸돉㐳㐵〴㌷긳㜱㜵몣整기㠳〱ㄸ㘵䥉㔵ㄱ⠰㈷㠱ꎬ浡쳘닎擎卖暷楥풤늼튲탍춲쫽횸?〳㋓캪횵뻝쮵늻돆瑥킾뷸틦䝁듦쓜쯼爷㎿쒣평맘뷡럇ꎮ놾擓쯹쫍폫떫싊듋뗄늨瑩〲ひㄳ?㐰㌵㠩〲〳㔰쫽횸폫敲㠳?汥㔹ꎮ컊뗈潮?놾溵듓헷ꪸ쫽횲웚뛔듦짨뷸璷뗄쏷쓜卶뿖탐싊剣퓚맀짒탍呯쾵맻쫇떫뮹컄탊쫶캪쳡늻평웤뷡맘뚯狊?瑥〳ﶹꎺ牳?볆뷢컄죈뗚폫뫖擗쒣撿벵ꆾ쫕퇐퓚캪탐삼횲뇤쏨뛔펰ꎮ탌䡟폚럇쯄풿쯹灩듓퓲평쫇뗄뇎ퟜ쪲돶춬놾쫽싛쾵뗏막뷡욽쫍훐쮵죽䭯떣?탍즸쑓㝪틦뺿폚ꇪ쇋뷸벺뮯쫶늨쫽쿬淄쭛卖뛔ퟩ맻뒳뗃確뢺쎻듋뷏쪵ꪸ캪쪱쎴컄횵ꎮ?훊쫐⣀풤뗄쓊쇐?겵꺿잸살뫒瘭싊뷡獖럖맀ﬨ탐뿉뷏뚯뻝卖ꏐ?ꎮ돆횸췉쿠폐튲듳횤몣뢺뇤뷼뛠뎡쫇볙놵ꢺ웚삨돟쫽浡ꮴ즼몵퇐늿淄폫맻늼볆뇈계틔헽뗄ꆪ춵쯄䝊췏킧엄걁쿖맘뇤웚뿉곓ꎮ쓪늻킡캢뷢뚨뾼쓐뫅쫕?뛈뗓뻝溵평ﮣ쒽뺿징ꏐ늨쫇쒣뫳ꎬ쓚뷏뾴첬돖쓢淄쓊?劣맘펦쫽ꎮ쿠ꓖ뇤뮯쫕탊살훊춬죵쫍튻싇ꟓ틦ꪱ캪싊틲탐뾴죈겱늨ﶣ춵쿔뚯폐탍샻뷡ꎬ춲돶럖탸뫏ꏐ뗖풷깇쾵뒵뷸뻝獖뇈룊캪ꎮ틦쫗뇎듋닎죋틉쪱뮹쮵뗄훖춶쏎뇪벲폫ퟓꦲꎬ쮵?뻀?뚯?쓊쪾횮펰뗄폃맻ힼ뿉컊늼탔룼춵잶䅒뷸쒽탐ꆪ폐헽평싊쿈쫽쏇ꎮ뿌쏷쫗뷰ꩵ늨닮짨샻쒽짖ﶵ믍폫뗖ꎬ볤쿬쪵볻틔ﶷ믹쪱냑뫃쓊풳捈탐쏨淄뷏尿쿠듋쒣뿉ﶣ撲믡놾쯹뾴늨쿈죚헟⡲뚯?뚨폃룋쒽겣풤?퓚뗄횤㎣쿂뾴﮺폚룼컕ꎮ뗖쪵?ꓑ쫶쇋ꏐ듳틊뿉쳵탍틔늨겲ꊷ뛔컄뇭돶뚯살럧⤽맘쾵캪겵짏?例껕웚샻ꎮ럖긱뇭돶얲ꇪ뫃뷏쯹꒽쒣횤껎킾뗄쪵췋뇤뺵ꎬ틔볾뾴뚯ꊷ쟒뒫죏쿖⣌닺쿕犡뗄ㆣꯗ횤닊쎵?쫕폃뷸캪컶쿠㊣ꎬꋃ럖뫃틔탍꪿뿖䆣例뮯쓔뛸뾴늨짨돶뗄쟈뮳춳쯤튻퇡퇐경?횸쟒쓄틦䝁탐볬훐춬?붫믓늼죧ꎻꎬﮣ컶벲킣깓퇐쎽꓆猦돶뚯뚨맘풤즲뗄닎좻ﺷ쿂쫕뛱툲뺿쫽믖ꏐ潯쒽싊剃퇐퇩ꎬ뗄쳵킸짹狖?늢겱嘭뺿춻?傺맘뛔샻쾵〰웚뮱쳘닎붲늨틦ꎮﯓ?쯹습춿灭뗄䠭뺿헢놾쯄볾쒱卶횵뗆폃뗃뻎淄ꎬ돶헒췉럇쾵쪵쪱쫕닺撵탔쫽뚯싊펰⦣?뗃쒣뒣慮?맘淄쪱튻컄ퟩ럖ꆪ웕햱웤떽웇쓌ꏐ뷡뇭뛔뗄횤ꎬ틦껕뚨쓕폐擊폫뻹쿬곊믖뗄겲곆뗈잣쾵?ꎬ뷡붫쫽껓淄뇩늼뛔쇋춣맻쿖쫓?돆뻶쒣싊볛ﶸ맘쟊풤횵잷슣쒣?죋겵쳵맻뻝즲ꏐ퓶뗄풤폫겲볻킧뚨탍ㄶ늿샭ꎮ놱웚캪볙?탍뇤펦뗄늨뚨떱
-80一管理科学学报2∞5年10月险厌恶系数，它决定U(.)的凹度.在这个例子右边第一项集中体现了风险与收益率的关系，第中，预期效用为μ-y(σ2 +μ勺，由此，可以得到二项与Mertonl叨3所提模型中的对冲组合相类EU(r) = U(Er) -ìíσ作为预期效用最大化的似.当风险偏好系数γ=1时，或V础(t)= 0时，投资者，对其预期结果的效用评价是一个波动调或V础(t)与V(t)完全相关时，公式(9)便是传mm整过程，调整的程度取决于风险厌恶系数γ，调整统的Sharp-Iinter-Mossin资本资产定价模型，即当量是-y.σ所以，由此可以看出，波动并非风险市场或投资者是完全理性时，波动与预期收益率的全部，资产的风险取决于两个部分，一是波动正相关，此时波动可作为风险的完美替代;而当以σ;另一个是风险偏好系数γ[16]这对本文的结论上条件不满足时，即当市场或投资者表现出非完具有部分解释作用，为更好地对本文的结论进行全理性时，波动与预期收益率便表现出负相关;而理解，可以通过以下公式来进行解释.这是一个加当市场中理性技资者与非理性交易者即噪声交易人风险偏好因素的资产定价模型，其形式如下者势均力敌时，从总体的平均水平来看，波动对预期收益率的影响是微弱的[2，17]E Vat(t) 几t+1-rl,t+1 + -2-一=通过本文的实证结论及以上的理论解释可以γVim(t) + (y -l)V仇，(V) (8) 看出，波动与预期收益率的关系是时变的，非线性其中，ri. t+1为从t到t+ 1时刻，资产i的收益率;的.而在传统的资本资产定价模型中，波动与预期η，川是从t至Ut + 1时刻，无风险资产的收益率;收益率的关系是静态的，线性的，这显然与现实是几(t)是资产i在t时刻的条件方差;Vim(t)是E不相吻合的，于是人们在对传统的资本资产定价时刻资产i和市场收益率的条件协方差;V;的(t)是模型进行质疑、批判的同时，也对其进行了修正和t时刻资产i的非预期收益率与市场未来收益率拓展，如Merton于1973年提出的lCAPM(In›贴现值的协方差;γ是风险偏好系数，取值区间为te由mpo时CAPM)、Breeden于1叨9年提出的[-1，1]，γ= 1表明市场或技资者是绝对风险厌CCAPM (Consumption CAPM)、Statnian和Shefrin于恶型;Y 1，表明市场或投资者是绝对风险喜1994年提出的BCAPM(Beha'悦oralCAPM)等，前两好型.令资产i为市场组合，则利用Jensen不等者都侧重于从对资产风险的重新界定角度来进行式，公式(8)可变为如下形式修正，因为波动并非风险的全部，仅用资产收益率的波动来代替风险有时并不能真正揭示出风险与E( rm，t+1一+1)= (γ-~)Vmm(t)+ 预期收益率的关系.而BCAPM则对传统的巳APM(γ-l)V(t) (9) rnh进行了扩展，将投资者分为按传统CAPM行事的等式左边为从t到t+ 1时刻，市场组合的预信息交易者和会犯认知偏差错误并不按传统期超额收益率，Vmm(t)是t时刻时市场收益率的CAPM行事的噪声交易者.在BCAPM中，资产的条件方差，Vrnh(t)是t时刻时的条件协方差;等式预期收益率是由其行为Beta决定的.参考文献:[1]French K R, Schwert G W, S国由aughR F. Expected stock returns and vola山咛[J].Joun叫ofFinancial Economics, 1987, 19: 3-29. [2]H缸世sonP, zhang H H. An investigation of由erisk and retum relation at long horizons[J]. The Review of Economics and Statis›tics，朔，81(3): 399一物8.[ 3 ]:Xing X J, Howe J S. The empirical r哩lationshipbetween risk and retum: Evidence from the UK stock market[J]. lntemational Re›view of Financial Analys毡，立即，12: 329-346. [ 4 ] Campbell J Y, Hentschel L. No news is good news: An asymmetric model of cha咱吨volatilityin stock returns[J]. Joumal of Fi›nancial Economies, 1现泣，31:281-318. [5]Glosten L R, Ja伊nna出anR J. Runkle D E.伽therelation between the exr配tedvalue and由evolatility of the nominal excess re›tum on st∞ks[J]. Joumal of Finance, 1993, 48(5): 1779-一1801.?췲랽쫽뻝튻맜㈰쿕훐䕕춶헻솿뗄뿚뻟샭죫?祋⠸웤牮ꎥ쪱瓊쳹寒뛱뫃쪽䔨䮡⡹⠹뗈웚쳵닎폒뛾쯆믲춳쫐헽짏좫떱헟춨뾴쫕늻쒣췘瑥䍁䍃ㄹ䏉탞풤뷸탅?䩆垣䚣獴牥慮癯䕣㎡嬲傣潦瑽物慴棃剥瑩嬳䪣厣扥愱瑨畋癩䙩嬴妣䲣湥楳㤰慳浯捨瘰楮䦣て뾧ㄵ䜱劣癡浥溼數瓄班劣?受䅮䖣浥瑉數捥瑵睳潣?걚䢣ㅥ獫폱癩潮ꆪ敷湡깎つ摥튻び湥뎹걈瑷ㅤㅡ걊獳샭儵牥깅嵈捳嶢嵣慮깥泋걓楮慬기汥灥?ꌨ洩湬ꨲ瑉污⦣潮犽㠰퇡ꎬ⡲맽쫇좫폐뷢럧ꆣ훐⮡뿌놿쿖묱탍牭쪽뾼뇟쿮뗄뎡쿠쳵쫐쫆쫕돶ꎮ틦햹偍㤴뚼헽늨웚탐쾢瑵뾧걒汵쑯ꎻ⢡?桡깁䑮敷ぉ湣敮ꎺꆿ捩瑥敥켱볾튻ꎮ䡉?ね潷긷敥瑩慧捨癥楳祳ㄱ捴뎬ꇫ뿆쓪湣瑡삤懃ヨꎬבּ慮杩瑵멯汬?楡瑳䅮潦ꇪ䴨㦣벡瑩걔澢ꆾ앣븩污睥獴?楳敤튻뛱풤⤽헟돌늿ꎬ쿕⡦뿊쳗횵ꎻꎮ릫ퟳ컄뗚폫卨믲맘볾탔뎡뻹틦놾뛸싊컇뷸灣⦡쓪닠뚯쫕쇋붻탐楣牮捫汩慮疼斳쇭楣捨慬ㅡ톧?浢散둛ㄹ汰湧湬랽牴楧ꎬꋳ⤫ㄩ떱䥲䍯ꉓ玣?牥䥨潮웶琩湡獛斣敬뛮⡴쾵웚唨ꎬ⦣럖뿉욫⤫物잴닺쪲뗄ㅝ쇮쪽ꆣ뇟쿗튻䵥慲춶늻쪱훐솦싊컄늨퓚뫏탐죧ꉂ쳡훘틲살틦삩틗쫂ꎺ콥賓憡㈰톧퓂慉瑥潮䩝㤹扥獛튻쫇慬갱?瑨湳瑡污돶旔敳䩝빩〳닮뗈瑩놨汧?ꎮꋲ䩝쫽킧컷뛔뗷겡뷢틔뫃⠩涡펡榺響킭ꎬ갽⠸⬱ꇫ캪ꎺ쿮牴럧炣듋싺샭뗐뗄뚯뒫맘훊䵥牥돶폚듺싊햹헟㤸旟䕶췂慮쯽潮쫕⧓룶畬?瑩?퉣ꎬ㤹絬㞣牉㠱ꎮㄲꎬ폃⧒웤헻ꓘ닺쫍춨틲뿎췊뗄랽礽튻⦿ꆪ듓벯潮깵헟쪱ퟣ늨탔펰쪵폫춳쾵틉牴敤쳦뫍퓫쫇楤整癯ꎺ⢡쿕湰慮갱潮ㄹ㎣桥⠳䩯쫇닺汩틦㌲쯼캪믏풤뗄ퟷ맽쯘튻ꪴ붡킳럇닮ㆱㆣ槎즱㝞ꇪ훐氹湴쫇늨쪱뚯춶ꎬ쿬횤폚ꆢ潮敮䉃뛔럧맘붫믡짹평㦣孊污ꇫ瑩뫍⦣痋㤲?갴㥟槔욫?物튻뻶룘툲웚돌ꎮ럧폃틔뗄ㄩ퍦ꇊ풤ꎻ겱琫떽쳥㜳敲췪뚯ꎬ폫듓쫇뷡뺲엺폚䅐늢쿕쾵춶랸붻웤먳捥嶣ꝡ瑤潮獨㠨싊⡴㌴잰瑹?㤹?뚨튻ꎮ뷡뛈쯹쿕ꎬ쿂ꇫ떽㇊헒웚秊킳ㄩ琫쿖뫃좫뿉벴풤헟ퟜ캢싛쫕놾첬죋에ㄹ族䴨닺럇폐죏틗탐捡킲깉㌱믻ㅡ㔩㚣⧊ꆪ?ꎬ琩욫쪱칮ꎺ用礨ퟷ맻좡틔캪릫닺⡹昫놿쫕잷킳ꇗ㶡㇊쇋쳡䵯샭떱웚폫쳥죵벰틦뗄쏇㜳㜹䉥럧뛸헟횪?湴潦쾵㐰?솽孊잡폚㈸ㄷꆤ뿚캪뗄뻶ꎬ뫃룼쪽뚨?㇊첣뿌쪵틦ꆻ킳싐븩놿럧쒣獳탔쫐쫕럇틔싊닺퓚춬쓪桡쿕늢䉣럖욫ꎮ䉥돺ꇫ췪㢣쫽ㆡ㜹?⦵㈫풤킧폚평뫃살볛놿곎쓌싊헆ꆻ쾣컊ꎬ첣쿕탍楮쪱럧뎡틦샭욽ꆾ짏뚨쿟뛔쳡癩늻䅐캪닮퓚瑡慴쾵뗄嶣⢡좫ꨳꆪ쒰뫫웚폃럧듋솽뗘뷸쒣첣?폫ꮺ뛗곔?튻곊훐礽ꎬ쿕믲싊탔뻹㈧뗄맘볛뒫돶潭훘좫쓜䷔내듭䉃뻶楯쫽쳵놿ㄸ벶㈩킧움쿕뿉룶뛔탐탍곗ﻐ쫐쏏쫕뛗쯂킳뗄쿠놾늨춶뇣붻쮮泒샭쾵쒣춳튲?탂늿헦뒫컳洩뚨湡깊⦣뒨볾㇊ꎮ〱쳊좣ꎬ폃볛퇡틔늿놾뷢쪲헗궷뎡뗊?쫕ﯓ?ꇗ틦뛔뚯췪뇭틗욽ﶣ싛쫇탍뗄䥃뷧헽풴춳늢䷖ꎮ겢랽쫇맘놵놣껔평ퟮ쫇뛱뾴럖컄쫍웤響쪲붲캴ﶣ잾?썊싊돥닺폫쏀헟쿖살?뷢쪱훐헢䅐뚨뷶뷒ꯍ䍁늻킣ꎮ〱닮ꇪ쓌쪱?듋듳튻쾵돶ꎬ뗄ꎮ탎⮳蝹살곈잾敮ퟩ겻뚨풤쳦뇭벴뾴쫍뇤쿔놾뷸䴨뷇폃쪾뎵偍내곗껕ꎻꎬ뮯룶쫽튻뷡헢쪽쫕쓊뮡ꇖ풷獥쓔맘뫏볛웚듺쿖뢺퓫뿉뗄늨좻탐梣뛈돶쑣뒫쪲엳쪱ꇫ뿉뗄늨禣쫇싛죧틦헒뗇풷溲?쾵쿠쒣쫕ꎻ돶짹틔ꎬ뚯폫닺쇋살럧ꆻ쫂춳蝹ﻐ뢣뿌릫풱⡴憡틔뚯겵늨뷸튻쿂싊昩헑뮵ꎬ샠탍틦뛸럇맘붻폫쿖뚨탞쫕쿕瑐뗄?궷?뗃뗷늢뚯뻎탐룶ꎻ쪣⧊쫇헏뗚琩ꎬ싊떱췪틗뛔쿟풤쪵볛헽틦폫쪱쪽붲뽯떽?럇볓벴틔뛸풤탔웚쫇뫍싊쒵이㴰쫐⠹럧떱쒽쪱暡쿕뎡⦱뮵ꎬ?죊쫕?틦잴楡싊??뗄
第5期黄大海等t股市预期收益率与波动关系的研究-81一[6J~∞pman S J, Uspensky E H.咀lestochastic volatility in mean n时el: Empirical evidence from international st毗m础ets[ of Applied Econometrics, 2仅l2，17: 667一毛89.[7JBaillie R T, D由nnaroR P. Stock returns and voal血可[ of Financial and Quantitative Analysis, 1剿，25(2):2 -214. [8 JT heodossiou P, Lee U. Relationship between vola凶ityand ex严ctedl哩，turnsacross international stock mark幽[ of Busi›ness Finance and Accounting, 1995, 22(2): 289-一页刀.[9JLeeCF，由.enG M, Rui 0 M. Stock returns and volatility on China’ s stock mark出[ of Financial , 2ω1， 24( 4): 523-543. [ 10 ] C R. Time varying conditional in te幽dω pricing mode1s[J]. Joumal of Financial Economics, 1989, 24: 289-317. [ 11 J Engle R F, Lilien D M, Robins R P. Estimating time varying risk p阳niain the tenn structure: The ARCH-m model[JJ. Econo›metJ才饨，1987, 55(2): 391一咽7.[12J Bollerslev T, Chou R Y, Kroner K F. ARCH modeling in finance[JJ. Jo町nalof Econometriω， 1992, 52: 5-59. [13JYu J. MCMC M咄咄forEs由由ngSt∞hastic Volatility Models with Leverage四ects:Comments on Jacquier, Polson and R，幡i(2脱)[RJ. WORKING PAPER, 2伽.[14]Jacquier E, Polson N G, Ro倒iP E. Bayesian Analysis of S阳hasticVolatility Mode1s[JJ. Joumal of Business and Economic Statistics, 1织品4，12: 371一417.[15J王春峰，万海辉，李刚.基于MCMC方法的金融市场风险VaR的估计[JJ.管理科学学报，2翩，3(2): 54-61. W吨Chun-feng，Wan Hai-hui, Li Gang. MCMC-based prediction of financial market risk VaR[J]. Joun叫ofManagement Sci›ences China, 2α泊，3(2): 54一币1. (in Chinese) [ 16 J Christensen B J. Financial阳汰，Volatility Modelling, and Econometric Inference[RJ. Working Pa阳，2∞3.[ 17] Cantpbell J Y. Understanding risk但dreturn[J]. Joumal of Political Economy, 1粥，1归:298-345. SV -m models-based study 00 relationship betweeo expected stock returns and volatility HUANGDα-hαi， ZHENG Pi-e School of Management, Tianjin University, Tianjin 3α阳72，China Abs位act:In出ispaper conclusion of K∞pman et al(2∞，2) has been tested using SV-m model. Then, SV-m model is extended and A-SV-m model is proposed, which can catch a叩邵阳tryinformation effi四t.队)()tthe old SV-m mod›el and A-SV -m model are used in empirical studies on the relationi3hip between e职ctedreturns and volatility. Re›sults are different from K∞pman' s conclusion and show由刨出erelationship between e甲ectedreturns and volatility is time varying, and出eeffect the volatility has on the expected retruns is insignificant. Finally, results are ex›plained hy using studies of Harrison (1999 )、Campbellet al (1996) . Key words: stock market; expected returns; volatility; riskj SV-m model ?췲랽쫽뗚튻嬶?䪣班癯楮浥敶䨰て䅰䕣嬷咣傣牥慮潦䙩慬凡䅉㈱嬸扥䑥慣獴䋨䅣ꆮ嬹䚣湭㈴嬱癡捯慳浯湮㈸䶣瑩璿䅒䥮牲䵥䕳䴰睩䖱䩡勆⠲偁䖣䆽却䵯䉵垳䍨䡡䝡灲晩湬囦䵡敮剩偡妣偯卖噤䡕偩卣啉㌰䅢烟䭯瑥畳溻楳數灭捡敡瑬潬敬䆡慲敭潮慉獵摩暣獨浡斳牽瘰瑽旧灬整ㆡ睯䢣數劣䚣?景䥊捥䆡卖獴癡潦믆瑽愱湬瑵䥬䑯批?㒣瑷癡潮㥟浥䍈걃妣瑨摥瑬偅걐䞣潣榡汬敤灥汭ㅬ汤瑵牯둩걒깍污獩?깮桯湣敮獴瑥瑣ㄱ꩓灩깭牮楬畤빥㗆걵?灈嵂慬溼崱嵉ꆿ步湡そ特摥돺ㅝ汥㍝瑩捱〰㑝쮺逸畮慲業楮㙝晥㝝氩汴潷整ㅡ瑮돦꺣灥깔겢敶䖣瑥潲깳湬污潣걃ꋲ⠴獥깅㕝셛䥬潮ꆪ汩땥⠲㇋牉⠱㠱嵋楤걄뙭뒡潤앹깵瓅䅎쟺꩓畤特慪료?敥䥩潉튻彭桯걋汳홴劣〱걒梶潲ꑨ枣楣뾧汬潭犣捡慴牬潰?깥獩듳汥ㅤ泆沴捯特ꝳ㉝獫泋뫷?浳언킲汳潢깁䍍浩瑩湥湡?潬汵敤湤祭皣物散汧楥갱捴楮敲깂氭?獰敤慩瑩ꅣㄱ䩥慭瑳彬湣䡡楉捩䕮쫔奵䥬䱬㈩䩡弶䦺ꎬ敳䍬牥䍡敬こ敥畭注慮汬㌱浬갲獯濰畩깍楬整嚡楥汳楮瓟뻝慳ꋲ뫷汯汹毟桥⦣瓔獴췵䩝潭噥㜲〰捴멬楳㤹몣ㅬ敬汥楥慧慹튻潯敮慬敇볏楮瑩槨?瑹獩汩獳汬湤빛敤撡깭捡潮湥돺捥楣㞣汥玣〰?칩ꎬ䍍潮捩物汳楬䥬獶ㆣꋲ敉汬汩楡敯敃楴孊慬牶汧杬捡泋楥孒捱浧끲㈰攩汲湣䩉ꩭ敤枣둩ꎻꅴ畮?뾧灥牥敮멬?敳棒瑩킻뒣浥獩瑥콲浣湇먵퉣둒榺剣牮瑹뒺ꎮ敭捩禣摹敥牳潮㈩湴獬敤킶㘩뗈玷玣?㊣䥪䌭ꎬ㎣捥敭癥潮ꆭ敲䩝捴ꋲ걡멳楡汳楥琩?摯⥲嶣汭敹ꎬ먱犣檣畩玣楳〰敛汰뛟攩浡썴갱몡?扡慬ⵢ槂뫷彭껟汩晩쒣ꎺ풣?潮整?玣步䶣㈳楬럥䨰敮楴䍨桡⠱ꎮꇪ物捴敲噯汯污엾䥬歹牛獳꺣ꎺ敳깊㤸ㄹ걐깗갱坡獥ꎬ瑥汤剝扥睫桡ꆾ慉믗瑩?慬ꎮ䢼獴뾧瑯막摥汉慬獬楣갱瑳걒ꆪ汧㦣楉物ꎬ?ㅊ璱敭禣業整뉥ꆯ捡깺䩝榽潲捬ꕥ獥潬㠷獴佒潵㤹㌨湳ꎮꋲ捨灥楦獫䥬獬泵揙瑩剥?갲䕣慉䨰梡捫뭶쫐玣㤹污孊컩㔴汧ꇴ捳췲쓒㚣牥걔楮㤩ꎮ큐汩慲ꆿꎬ潣獯ꋻ湬㈩敮坯?捴䡅㒣敤溣湴풤?潮汤ㅬ끳汧짫牥敶ﵴ갲䨰ィꎬ嶣き涡捨㎣ㄱ㔵絬溳乇慬갱몣憡ꎺ牫榳ꆢ敤웚氰뙉열污呩걓景ꎮ潬㇀䧫꽳ꎬꆿ澡⠲慳賓㊣㔴楉뛖浡〰갲깊ꎮ?ㄹ믔뽯〴頻䍡ꎬ湩ꎺꑳꇬ쫕?썵㈰慬⦣瑩潮먳弭돪瘭䙩㊣㔨潵班?汧㤲ꎬ䥩ꎺ楮浭浰틦慴?ꎮㄹぬ爱먳㜱㘱桩⠱갱㈩牲ꎬ샮㈹楮湡扥싊獫剥ꎬ㥬럃ꆪꎮ濨瑩폫㞣ꎺ污㤵ㅬ㔲룕㢡뒥?ꋲ楬泋ꆪ弴⡩늨먶㈰?뒣ꎺꎮꨳ둬潮멯ⴴㄷꎬ敬禣뚯㘷㎡㖡믹㐵呬〷ꎮ楴뾧䥩죧맘㈲탎갱ꆪ?獽ꎮꨵ폚쾵汩ꎺ㘸捥㦣䵣?捴ㅥ⥲⠲뗄?㦣䵣퇐獵⦣孊瑉ꎮꎻ?랽뺿汴먲嶣램䉯?䥩뗄㢲汬깊潴捡뷰뜳獫〱죚〰쫐??연ꎻ뎡ꎮ憡럧卖慮쿕뽯癡ꆪ?劵쒹淉삼왛빥䩝?ꎮ맜샭뿆톧톧놨ꎬ㈰〰ꎬ㌨㈩ꎺ㔴弶ㆣ?
