上证指数周内效应研究.PDF

上证指数周内效应研究 ——基于AR-GARCH-GED模型和滑动窗口回归 周孝华 （博士生导师），郭柱成 ，袁诗淼1 1 2 【摘要】通过引入自回归项，改进了以往国内研究所使用的GARCH-GED模型，建立了AR- GARCH-GED模型，使用1990年12月19日~2015年7月15日期间将近25年的上证指数日数据研究其 周内效应，得出了上证指数较之前研究更为显著的周内效应。为了进一步考察显著的周内效应是否仅仅 是一个数据挖掘的纯机会主义行为，对该模型进行滑动窗口回归发现，周内效应显著的比例仅在13%~ 25%之间。基于该研究结果，国内以往研究中普遍存在的周内效应极有可能是一个统计假象，上证指数的 周内效应依赖于数据挖掘。 【关键词】周内效应；上证指数；滑动窗口回归；GARCH；数据挖掘 【中图分类号】F832.48 【文献标识码】A 【文章编号】1004-0994（2017）17-0009-5 一、引言 ~1998年6月的周内效应，发现我国股市存在显著 周内效应指的是一周五个交易日中某个交易日 为负的星期二效应和显著为正的星期五效应。汪炜 的收益率显著高于或者低于其他几个交易日的现 （2002）研究发现，我国股市小公司股票在3月和8月 象。金融资产收益率周内效应的存在将会对有效市 的相对收益率显著高于市场指数，并将其归因于流 场假说产生巨大的挑战，因为一旦投资者发现了可 动性。张兵（2005）证实，我国股市的星期二效应只出 信的周内效应，他们就可以不断地执行有利可图的 现在市场早期，星期五效应从1998年开始逐渐消 交易策略，因而周内效应长期以来被视为一种市场 失，一旦某种周内效应被提出，该效应从此以后就不 异象。自Fields（1931）和Osborne（1962）对周内效应 再显著。陈雄兵与张宗成（2008）发现，沪深两市收益 进行研究后，关于金融资产收益率周内效应的研究 率均值的最大值与最小值均分别出现在星期二和星 便成为经久不衰的研究主题（Cross，1973；French， 期四，两市的最小波动均在星期二，沪市的最大波动 1980；Keim和Stambaugh，1983；Jaffe 和Westerfield， 在星期三，深市的最大波动在星期一，并证明我国股 1985）。然而，到目前为止，对于周内效应的解释依然 市的收益率与风险之间存在显著的正相关关系。韩 非常有限，主要包括：系统交易模式与测量误差 国文与刘安坤（2013）发现，我国股市在相应的样本 （Gibbons和Hess，1981）、买卖区间的系统性移动 区间内存在显著的周内效应，但不同区间周内效应 （Keim，1989）、交易时间与非交易时间的差异（For⁃ 的具体分布不同，并证明股票风险的增加能够增大 tune，1991；Penman，1987）、个人投资者与机构投资 收益率，收益率的波动性存在杠杆效应。 者的不同交易行为（Lakonishok和Maberly，1990； 以往对我国股市收益率周内效应的研究主要存 Sias和Starks，1995）以及投资者的短期投机行为 在以下问题：一是样本区间选择的随意性导致结论 （Chen和 Singal，2003）。 缺乏稳健性，例如有的研究以涨跌停制度的实施时 下面是部分具有代表性的关于我国股市收益率 间作为样本起始时间，有的研究则以证券法的实施 周内效应的研究。奉立城（2000）研究了1992年6月 时间作为样本起始时间。二是较早的研究由于样本 【基金项目】国家社会科学基金重大项目“开放经济条件下我国虚拟经济运行安全法律保障研究”（项 目编号：14ZDB148） 2017.17财会月刊·9·□ 区间太短导致研究结果难以反映我国股市的运动特 是一种统计假象而非真实的市场异象，从而为经典 征，从而降低了其可信度。三是模型设定的问题。大 的有效市场理论提供了实证支持。 多数研究考虑了金融时间序列波动率聚集的特征， 二、描述性统计 运用了GARCH模型，却没有考虑尖峰厚尾的统计 研