中国股市中板块间动态关联效应及组合在险价值测度.docVIP

中国股市中板块间动态关联效应及组合在险价值的测度 　　【摘要】首先，本文采用多元GARCH模型，对中国股票市场上与房地产行业板块相关联的三个板块收益率的统计特征进行研究，然后应用DCC-MVGARCH模型计算房地产板块与其他三个板块的相关系数。最后构造了房地产板块和建筑板块的一个投资组合，比较在不同信息影响下，由动态相关系数和常相关系数所估算出的投资组合的VaR值的大小，并由此得出结论：与常相关系数下的VaR相比，动态相关系数下的VaR能更好地描述实际风险，特别是在市场波动剧烈时期。 　　【关键词】股市板块；关联效应；在险价值 　　 　　一、引言 　　现代投资组合理论认为，一个资产组合的非系统风险主要与两个因素相关，一是初始资源禀赋在各个资产上配置比例，即权重结构；二是组合所包含的资产间的协方差。进一步，协方差可以分解成为两个资产间的相关系数与各自标准差的乘积（Harry Markowits，1952）。 　　此处，相关系数是两个股票预期收益率的变动方向的测度，由于考察投资者只是单期的投资行为，因此，这里相关系数仅是一个静态指标。投资者如果按照这个指标选择股票构造组合并对组合风险进行度量，显然容易被误导。因为市场中，股票的预期收益率是典型的时间序列现实，而且两个随机变量间的相关系数一定也是动态的（Ruey S.Tsay，2005）。即便是两个时间序列之间同样存在着静态相关性（通常用常相关系数衡量）和动态相关系数。本文以股票市场中的房地产业板块作为基础，研究与其相近的其他3个产业板块的关联效应，旨在解决下面的问题：一是对中国股票市场上行业板块的收益率时间序列的4个统计特征检验，目的是为下步使用统计工具所进行的环境识别问题；二是应用DCC-MVGARCH模型对4个板块指数收益的时间序列关联效应进行实证研究，将所得到的时变关联系数重构投资组合并对其进行VaR检验，从而为投资组合的重建提供一个新的理论诠释；解析引起板块间波动相关性改变的原因，因为波动的变化会影响到投资组合的风险，板块间的相关性变化则会影响到避险策略。实证研究表明，用时变相关系数计算出的投资组合的VaR值，能更好地反映出??块间的相关性质对投资组合的影响，尤其在市场处于波动时期。 　　二、材料来源与各板块时间序列的特征统计量值验证 　　（一）材料来源及使用说明 　　本文选取我国股票市场上房地产板块指数、建筑板块指数、金融服务板块指数和金属非金属板块指数作为研究对象。截至2009年底，在A股市场上房地产板块共有72家上市公司，建筑板块共有41家上市公司，金融服务板块共有29家上市公司，金属非金属板块共有101家上市公司。据统计，与房地产板块关联的行业板块有数十个之多，之所以选择这三个板块，理由如下：在实物经济中，建筑业是从房地产业深化分工的产物；金融服务业板块主要以商业银行构成，与房地产业的密切关联是因为房地产业属于资本密集型的产业属性使然；金属非金属业（如钢材、装饰材料等）位居房地产业的上游，为其提供原材料服务，房地产业的发展必然受到该行业的影响。本文数据来源为Wind金融数据库，数据区间为Wind金融数据库开始设立该行业指数的时间2001年4月2日至2009年12月28日，所用统计软件为EViews 5.0和Matlab 6.5。如前所述，一般用收益率的标准差来衡量金融资产的波动性，而不是用价格的标准差，因此有必要把股票价格指数序列变换为收益率序列①，定义股票价格指数的日收益率为相邻两天股价指数对数的一阶差分，即： 　　其中：为第t日的收益率，为第t日的股价指数，为第t-1日的股价指数。 　　（二）时间序列的基本统计特征检验 　　1．序列的正态分布检验 　　在金融理论研究中，常常假设收益率序列服从正态分布，但实际上大多数金融收益率序列是服从非正态分布的。正态分布的偏度应该是0，峰度应该是3，而从图中我们可以看出，房地产指数和金融服务指数的日收益率序列的偏度值为正数②，表明这两个时间序列是右偏的；建筑指数和金属非金属指数的日收益率序列的偏度值为负数，表明这两个时间序列是左偏的。四个时间序列的峰度值均大于3，表明分布的凸起程度大于正态分布。这种“尖峰厚尾”的特性是大多数金融时间序列所拥有的。四个时间序列的Jarque-Bera值都很大，P值都为0，从而拒绝了序列服从正态分布的原假设。另外，从四个时间序列的线性图可以看出，收益率呈现出明显的波动群聚效应，即大的波动之后跟随着较大的波动，小的波动之后跟随着较小的波动。 　　2．时间序列的平稳性检验 　　时间序列的平稳性对于研究时间序列的统计特征极其重要，因此，我们对这四个收益率序列的平稳性做单位根检验（单位根检验的原假设是：时间序列存在单位根），这里我们采用ADF检验（Augmented Dic