송풍명/이한양
추상 증권 시장
상부 레일 베어링
I. 개요
금융 분야에서 변동성은 줄곧 중요한 연구 내용이었다. 현재 중국 주식 시장의 변동성에 대한 연구는 대부분 상하이와 심천 두 도시의 지수에 집중되어 있다. 일반적으로 중국 주식 시장에 급격한 변동이 있는 것으로 여겨진다. 서방, 특히 미국이 비교적 발달한 주식시장에 비해 중국 주식시장의 변동은 그 시장의 변동보다 현저히 크다. 그러나, 중국 시장의 특징을 분석한 후, 우리는 주식의 전반적인 변동성을 분해하고, 시장 위험과 개인 위험의 두 가지 차원에서 중국 주식시장의 변동성에 대한 실증 연구를 하는 것이 의미가 있다고 생각할 수 있다.
첫째, 시장에는 많은 수의 소매 업체가 있으며, 상당수의 소매 업체는 포트폴리오가 아닌 많은 주식을 보유하고 있습니다. 기관투자자들이 점차 시장의 주도력이 되었지만, 산가구와 투자총액은 여전히 시장에서 큰 비중을 차지하고 있다. 마코위츠 (1952) 의 현대 포트폴리오 이론에 따르면 이런 투자자들은 투자를 분산시킬 수 없다. 그들에게 있어서, 기업의 개인 파동의 영향은 시장 파동 못지않다. 둘째, 시장은 고도로 불완전하고 완벽한 메커니즘과 충분한 금융 수단이 부족하다. 전통적인 이론은 20-30 개 주식의 포트폴리오가 위험을 잘 분산시켜 이들 주식의 개인적 위험을 제거할 수 있다고 주장하지만, 중국 시장에서는 공매도 메커니즘과 필요한 금융수단이 부족해 위험이 완전히 분산되지 않기 때문에 이 포트폴리오를 구성하는 주식의 개인적 위험은 무시할 수 없다.
이러한 특징 외에도 중국 시장 투자 이념의 변화는 전체 변동을 분해하는 의미를 강조했다. 최근 몇 년 동안 중국 시장 가치 투자 이념이 보편적으로 채택되어 특정 주식에 대한 중시가 심화되고 분산화 관행이 점차 약화되면서 주식의 개인 위험 상황이 특히 중요하다. 또한, 중국 시장에는 많은 투기꾼들과 도박꾼들이 있는데, 그들은 시장의 한 주식의 가격 편차를 이용하여 이익을 챙겼는데, 이때 그들은 시장의 전반적인 위험이 아니라 이 주식의 개인적 위험을 충분히 폭로했다. 그리고 이전 시장에는 심각한 투기 행위가 있었고, 주식의 개별 변동에도 큰 영향을 미쳤다.
위의 분석에 따르면 주식의 전체 변동을 분해하고 시장 변동과 개인 변동을 각각 실증적으로 연구하는 것은 중요한 현실적 의의가 있다고 볼 수 있다. 그러나 국내와 해외에서는 전반적인 변동성을 분해하고 다양한 수준 (시장과 회사) 의 변동성을 실증적으로 분석하는 연구자가 거의 없다. Campbell, lettau, malkie, xu(200 1) 는 미국 주식시장에서 시장 변동성이 증가하지 않았지만 개별 회사의 불확실성이 1962 에서 크게 증가한 것으로 나타났습니다 그러나 이 현상에 대한 해석은 아직 정론이 없다. 중국 주식시장의 경우 송과 강걸 (2003) 은 1998 이후 중국 주식시장의 전반적인 위험은 s & ampp500 주식이 같은 미국 주식시장을 대표한다고 생각하지만 중국 주식시장의 체계적 위험은 항상 미국 주식시장보다 높다고 보고 있다.
다음은 먼저 연구에 사용된 웨이브 분해 모델과 웨이브 측정의 추정 방법을 소개한 다음 다양한 웨이브 컴포넌트의 변화 추세를 중점적으로 분석하고 그 원인을 간단하게 분석합니다.
둘째, 변동성 분해 모델 및 추정 방법
1. 변동성 분해 모델
이 글은 주식의 수익을 두 부분, 즉 시장 수익과 개인 수익으로 나누었다. 이런 분해를 통해 우리는 한 주식의 두 가지 변동을 측정하는 측정을 구성할 수 있는데, 이 두 변동의 합은 바로 이 주식 수익의 변동이다. 채택된 방법의 장점은 주식 간의 공분산과 개별 주식의 베타를 계산할 필요가 없다는 것이다.
Capm 모델에 따르면, 우리는 주식 수익 변동의 분할 방법을 얻을 수 있습니다.
(1)var(r[, it])=β[2][, im]var(r[, mt])+var ({figure
여기서 r[, it] 는 개별 주식의 초과 수익이고, r[, mt] 는 시장의 초과 수익이며, CAPM 모델 자체는 {figure} [,it] 와 직교한다. 하지만 이런 분해의 단점은 개별 주식의 베타를 예측하기 어렵고, 각 주식의 베타는 시간이 지남에 따라 변한다는 것이다. 이 문제를 해결하기 위해, 우리는 단순화된 모델을 제시하며, 주가 필요하지 않은 정보를 제공한다. 동시에, 이 모델은 (1) 과 비슷한 주가 수익률 차이를 분해할 수 있다.
첫째, 다음과 같은 베타 없는 주식 수익률 모델을 고려해 보십시오.
(2)r[, it]=r[, mt]+ε[, it]
모델 (2) 에서 r[, mt] 와 ε [,it] 는 직교가 아니므로 개별 주식 수익의 분산을 계산할 때 공분산 항목을 무시할 수 없습니다. 모델 (2) 에 따르면 개별 주식 수익률의 분산은 다음과 같습니다.
그림 {Figure} 하지만 이곳의 분산 분해는 다시 한 번 주식의 베타를 도입했다.
그러나 전체 시장의 모든 주식 이익 분산의 가중 평균은 개별 주가와의 공분산 항목을 제거합니다.
(4) σ [,i]ω[, it]var(r[, it])=var(r[, mt])+σ [,i]ω[,]
여기서 σ[2][, mt]=var(r[, mt]), σ[2][, ε t] = σ [,i]ω[, it] var (; 이 분해 방법에 따르면, 우리는 모델 (2) 의 나머지 ε [,it] 을 이용하여 주가 없는 평균 개인 변동률을 측정할 수 있다. 가중 평균 변동률 σ [,i]ω[, it]var(r[, it]) 은 무작위로 주식을 선택하는 변동률 기대치로 해석된다 (무작위로 주식 I 를 선택할 확률은 가중치 ω [,it] 와 같음).
2. 데이터 및 변동 구성 요소 추정
이 글은 상해증권거래소와 선전증권거래소에서 거래한 A 주 주식 데이터를 이용하여 모델 (4) 중 주식초과수익의 분해를 근거로 방정식 (4) 의 변동성분을 추정한다. 샘플링 주기는 1990 65438+2 월 19 부터 2006 5438+0 65438+2 월 3 1 끝까지 시작됩니다. 현재 기간의 주식 수는 기초 8 마리부터 기말까지의 1 133 마리까지 크게 변했고, 주식일 거래 데이터는 1, 31/kloc-; 모델 (2) 중 주식의 초과수익 (r[, it]) 과 초과수익 (r[, mt]) 을 얻기 위해 무위험 수익은 인민폐 1 년 정기예금금리다.
등식 (4) 에서 두 가지 변동 컴포넌트를 추정하기 위해 다음 단계를 따릅니다. S 를 수익을 계산하는 시간 간격으로 설정하면 이 글은 주로 주식의 일일 수익 데이터를 이용하여 산정한다. T 를 변동을 계산하는 시간 간격으로 설정합니다. 이 문서에서 T 는 일반적으로 월을 나타냅니다. 시간 간격 t 내 시장 이익의 변동은 mkt[, t] 로 표시되며 다음과 같이 계산됩니다.
그림 (그림)
여기서 μ [,mt] 는 시간 간격 T 내 시장 수익률 r[, ms] 의 평균이며, 시장 수익률은 시간 간격 T 내 모든 주식의 수익률로 가중 평균되며, 각 주식의 현재 시가가 현재 총 시가에 차지하는 비율은 현금 배당금의 재투자에 관계없이 해당 주식의 가중치로 사용됩니다. 이렇게 하면 주식 변동의 첫 번째 부분, 즉 시장 변동의 추정치를 얻을 수 있다.
주식 변동의 두 번째 부분, 즉 개별 요인으로 인한 수익 변동의 경우 먼저 공식 (4) 에 따라 개별 주식의 초과 이익과 시장의 초과 수익의 차이 ε [,is]=r[, is]-r[, ms] 를 계산한 다음 시간 간격 T 내의 개별 주식의 변동을 계산해야 합니다.
그림 (그림)
위에서 설명한 바와 같이 계산에서 개별 주식 간의 공분산을 제거하려면 전체 시장에서 모든 주식 수익의 분산에 대해 가중 평균을 내야 합니다. 이에 따라 각 주식의 개별 요인으로 인한 평균 변동의 추정치가 firm[, t] 로 표시됩니다.
그림 (그림)
위 단계를 통해 두 개의 추정 mkt[, t] 와 firm[, t] 을 얻어 시장의 개별 주식에 대한 시장 위험과 개인 위험을 측정합니다.
셋째, 다른 변동 성분의 추세 분석
상술한 모델과 추정 방법에 근거하여, 우리는 중국 시장 주식수익률의 변동을 분해할 수 있다. 우선, 앞의 추정 방법에 근거하여 우리는 시장 변동과 개별 주식 변동을 추정하고 그림 분석을 하였다. 그림 1(a) 는 상하이 증권거래소와 선전 증권거래소에 상장된 모든 A 주를 포함하여 중국 주식시장의 시장 변동 성분이 시간에 따라 변하는 것을 보여 주며 유통시가에 따라 가중 평균을 기록하고 있다. 그림에서 볼 수 있듯이, 시장 변동 성분은 어느 정도 하락세를 보이고 있지만, 아직 뚜렷하지는 않다.
그림 1(b) 그림 1(a) 의 데이터에 대한 간단한 이동 평균, 지연 12 (즉, 데이터 지연 1 년) 는 시장 변동 구성 요소에 대한 하락 추세를 자세히 보여줍니다. 1990 부터 199 1 까지 주식 샘플 수와 거래량이 너무 작아 변동이 뚜렷하지 않지만 1992 부터 시장 변동성 특히 1994 중기 이후 시장 변동 하향 추세가 더욱 두드러졌다.
그림 2(a) 는 중국 주식시장의 개별 요인이 시간에 따라 변하는 변동 성분을 보여줍니다. 그림에서 볼 수 있듯이, 개별 파동 성분은 시간에 따른 뚜렷한 추세가 없다. 그림 2(b) 도 그림 2(a) 의 데이터 이동 평균의 결과이며 12 의 지연이 있습니다. 그림에는 일정한 추세가 있지만 분명하지 않다. 초기 변동 값은 약 0.020 이고 200 1 종료 시 변동 값은 약 0.0 10 입니다. 전반적으로 이미지는 비교적 부드럽다.
그림 (그림)
그림 2 중국 주식시장의 개인적 요인의 변동성 (회사 [,t])
그래픽 분석에서 볼 수 있듯이 중국 주식시장의 시장 변동 성분은 샘플기간 동안 뚜렷한 하락세를 보이고 있으며, 개별 요인의 변동 성분은 샘플기간 동안 감소했지만 뚜렷하지는 않다. 또한 시계열 데이터 두 열에 연속 변동이 있어 변동 추세가 무작위일 수 있음을 나타냅니다. 따라서 그래픽 분석 외에도 두 변동 구성 요소의 시계열 데이터가 결정적인 추세인지 아니면 단지 무작위 추세인지 확인하기 위해 추가 계량 경제 분석이 필요합니다.