上海股市价格行为的研究，本文主要内容关键词为：上海论文,股市论文,价格论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
［内容提要］上海的股票市场已成为中国证券市场的重要组成部分。但对于市场的管理、有效性、以及价格行为，不能同一个成熟的市场同日而语。本文对该市场中的价格行为进行分析，目的是了解其价格特点，以利于证券市场的管理和新的金融品种的开发，同时有助于证券理论定价模型的建立和应用。文章的分析包括两大内容：一是对股票的价格作相关分析并验证天收益率的分布；二是研究股票价格的星期之效应，并用事件研究的方法分析送配股和分红信息发布前后和除权前后的股票价格特点。
上海股票市场存在三点异常现象，第一是市场上具有众多的散户投资者，并直接在从事交易活动，第二是市场上的筹码太少，而股票的周转率太高，反映出投资者的短线操作，第三是投资者信息来源和操作的不平等。这些都造成了股票价格的过度波动，阻碍了投资性资金进入资本市场，并直接影响到证券市场的发展。但上海这个新兴的市场，在短短的几年内发展成当今的规模，已是举世瞩目，对中国证券市场的发展做出了很大的贡献。本文将对上海股票市场的价格作些研究。
一、研究的方法
(1)一些统计方法的应用
模型拟合得好坏，可从R平方以及回归的标准误差中看到，一般要求R平方较大而回归的标准差较小。另外要提到的是Durbin-Watson统计量，它用于度量残差之间的关系，如果残差不相关，其值大约是2，当有正的序列关系时，D－W的值会降到2以下，最坏是0，负的序列相关时D－W的值处于2－4之间。我们还得到了个股的β值，β值所体现的是当市场的风险定义为1时，个股的相对风险。
另外要谈谈数据的正态性检验，在统计学中通常可用下列方法：
〈1〉用直方图或者正态概率纸；
〈2〉用分布的Pcarsonx[2]检验或K－S检验；
〈3〉用Lillicfors正态性检验；
〈4〉用Shapiro-Wilk and D Agostino正态性检验。
(2)事件研究（event study）的方法
我们采用事件研究的方法，首先定义事件的非正常收益AR(abnormal return),设r[，it]是i股票t期的收益率，我们可用三个模型来定义，即
S.J.Brown和J.B.Warner(1980)对上述三个模型用于事件研究有详细的描述。本文采用第三个模型，算出每个股票在“事件”发生前后N天的累计AR（称CAR），该事件可能指公司发生的任何类型的特殊事件，如公司董事会的某项决定，公司的财务报表，乃至公司经理人员的更换等，当CAR同0有显著差异时，我们说该事件对公司股价是有影响的。若对于某种特殊事件，如分红配股事件，如国家宏观政策或某领导人的行为等对股市的影响，可采用将单个的CAR相加并取平均而得到累计CAR（称CCAR），这样可避免个股选择的特殊影响，当CCAR同0有显著差异时，我们说该事件对市场是有影响的。对于怎样才算有显著差异，可采用t检验。
二、上海股市数据分析
(1)股票价格的相关分析分析的数据来自上海证券交易所的每天的成交行情，主要采用的是每天的收盘价。本文选取部分股票作为代表（表1），我们还选用了上证综合股价指数作为市场的平均指标。上述股票的基本情况列在附录中。分析数据的选用区间是92年12月28日到94年12月31日，有些上市较晚的股票将从上市日起开始分析。
初步结果列于表1中，可以看出指数和天收益率的均值很接近于0，而且其标准差是5%左右。说明市场在样本区间内呈现一个较为理性的表现，但最大值显得太大，主要发生在94年的8月份，而且最小值显得较小，说明市场的投机气氛较浓，市场不够平稳。
表1 股票名称及描述性统计分析（单位为%）
股票名称 代码 所属行业均值标准差最大值 最小值
上证指数
0.05 4.26 33.46
-13.08
二纺机600604
纺织工业-0.085.12 30.08
-20.20
异形钢管 600608
机械重工 0.185.20 40.38
-15.41
大众出租 600611
公用事业 0.375.14 32.44
-13.89
嘉宝实业 600622
轻工业
0.205.34 41.28
-16.06
复华实业 600624
高科技
0.134.86 31.84
-15.49
中百一店 600631
商业类
-0.16
4.29 29.53
-12.99
国脉实业 600640
公用事业 0.084.27 30.07
-11.89
众城实业 600641
房地产
0.095.12 40.74-13.20
爱建股份 600643
综合类
-0.15
5.16 29.57-17.78
爱使股份 600652
综合类
0.415.56 40.32-21.57
申华实业 600653
综合类
-0.31
5.57 50.02 -20.85
福建耀华 600660
化学工业 -0.04
4.90 35.10 -16.28
图1 自相关和偏自相关图
Q Statistic(20 lags)49.066 S.E.of Corr 0.044
再来看自相关和偏自相关图，对指数组有如图1所示的图形，其它个股雷同，即也有相近的图形。从图中可以看出，指数（个股）天收益率的自相关性和偏自相关性即相关程度很小，在图中也可以看到似乎第三天和第六天的数据有一定的相关，在统计上说相关程度很小，因为只有0.13左右。接下来我们来检验上述数据的独立性，可以用列联表分析等，我们采用自相关函数(ACF)方法。根据图1所示，当α＝0.01时，可以接受该组数据独立的假设。对其它的个股也可同样做出。
在研究个股和市场的相关性时，将上证指数作为市场的综合水平指标，即研究指数和个股的相关性。结果如表2所示。在表中可以看出，股票同指数的相关程度都很高，它们的相关系数达到0.8以上。说明上海的股票市场中，个股和市场的相关程度很大，因而对股票市场内部的股票进行投资组合，意义似乎不大。但亦有一些股票同市场的相关程度较小些，主要是市场主力经常照顾的，如某些概念股和一些不规范的股票，它们常逆大势而行。再来看图2，图2是指数和个股（例600611）的滞后(lag)和超前(lead)0至10天的相关系数图，除在当天有较大的关系外，其余的似乎相关不大。
用市场模型进行线性拟合，结果列于表3中。从表3中可以看出，除600652和600653外，其它都拟合得很好。其D-W的值基本在2的周围，表示残差的序列相关已很小，在这里大部分股票的β系数分布在1的周围，说明个股的风险同市场的风险相仿，体现了市场是一个“大势”市场，对一些离“1”较远的个股，说明其有自己独特的表现。个股相互之间也有很大的相关性，例如：600604和600622的相关系数为0.791，600652和600653的相关系数为0.825，600652和600611的相关系数为0.821。
表2 个股和指数的相关系数
股票代码相关系数股票代码
相关系数
600604 0.887600640 0.922
600608 0.890600641 0.951
600611 0.863600643 0.913
600622 0.906600652 0.777
600624 0.907600653 0.804
600631 0.907600660 0.906
图2 个股和指数的相关图（以600611为例）
S.E.of Corrclations 0.044
表3 回归分析结果
股票代码 α系数%（标准差） β系数（标准差） R平方 回归SE D-W值
600604 -0.111(0.1040 1.067(0.025) 0.783
0.0242.214
600608 0.123(0.105)
1.086(0.025) 0.792
0.0242.036
600611 0.318(0.115)
1.043(0.027) 0.745
0.0262.029
600622 0.140(0.100)
1.136(0.024) 0.821
0.0232.104
600621 0.097(0.091)
1.032(0.021) 0.822
0.0212.116
600631 -0.083(0.083) 0.909(0.019) 0.822
0.0182.091
600640 0.113(0.079)
0.951(0.019) 0.849
0.0172.021
600641 0.134(0.075)
1.178(0.018) 0.905
0.0162.070
600643 -0.046(0.102) 1.148(0.025) 0.834
0.0212.008
600652 0.354(0.155) 1.015(0.036) 0.603
0.0351.968
600653 0.249(0.146) 1.051(0.034) 0.646
0.033 2.186
600660 0.010(0.104) 1.090(0.026) 0.821
0.021 2.159
(2)分布
我们来看各级数据的直方图（如图3），图形大体上雷同，看上去并不很象正态分布，有较高的峰值和较长的拖尾，这同Fama在1965年给出的结果相同。我们还对指数和个股的天收益率数据进行正态性检验，用各种有用的置信水平，都拒绝其正态性。但经过检验数、600608、600622三组数据服从对数正态分布，而其它组数据则不服从对数正态分布。
图3 上证指数天收益的直方图
(3)星期之效应分析
研究股票价格的另一种形式是研究周、月、季对股票价格的影响。该研究有利于投资者进行投资决策，有利于管理层对市场进行综合考虑而形成合乎市场规律的管理体制。我们这里只研究周的问题。
分析的方法是将样本数据中已算出的天收益率，按周一到周五分别进行累计，然后取平均，得到表4，为了排除选择个股的特殊性，将个股的各个平均数再取平均，得到表4的最后一行，将它同指数比较，可得到以下结果：一周的天收益率中，周一有一个明显的负收益，而周五的股价在一周中是最高的，而上涨幅度最大的要数周三和周四。这同Gibbon和Hess在1981年提出的星期之效应相同，更进一步，周一之负收益可以用“周末效应”来解释。因为周五下午收市后要到下周一上午才开市。上海证券交易所在周五发布信息例会消息时期，这个周末效应更为明显，当时到周末有一种搏消息的成分，投机者趁机在市场中兴风作浪，利用内幕消息影响市场，并获得非法收益，因而市场要求能有更规范、更有效、更法制化的管理，使市场更能做到公平、公正、公开；取消周五的信息例会后，周的特点不很明显，但星期一之负效应还存在。
表4 星期之效应分析
周一% 周二% 周三%周四%周五%
指数收益 -0.4360.072 0.233 0.1990.196
指数平均
843.96
841.45844.17846.74
847.50
600604 -0.445
-0.0220.121 0.0130.058
600608 -0.006
0.368 0.257 0.320-0.035
600611 -0.4130.5270.572 0.8370.336
600622 -0.1370.2750.425 0.1430.295
600624 -0.2230.2340.332 0.2000.097
600631 -0.346-0.342
0.237 -0.269
-0.105
600640 -0.2570.2500.232 -0.086 0.240
600641 -0.2020.2720.2140.022
0.134
600643 -0.528-0.253
0.044-0.272 0.252
600652 0.345 1.300
0.221-0.164 0.354
600653 0.265 0.324
0.792-0.153 0.294
60060 -0.340 -0.040
0.484
-0.226 -0.069
平均 -0.191 0.2410.328
0.030 0.154
(4)送配股和分红消息及除权前后的价格分析
在股票的定价理论中，公司发放的红利对股票的内在价值很有关系，虽然Modiglini和Miller认为红利对公司股票的价值不相关，但基于红利的Gorden模型被广泛利用。送股没有实质的意义，只是流通股数量的变化导致市场供求关系的变化。配股则要看市场的利率水平、公司的盈利和增长、投资期望收益率等多种因素。我们将上海股市中送配股、分红消息及除权作为事件，并对这些事件发生前后的价格行为作出分析。
选取的样本是事件发生当天的前后各30天，共有61个数据，采用市场模型，具体结果列于表5中。从表中可以看出，信息发布和除权这两个事件的确对价格有影响，但对于发布前后及发布当天和除权当天的影响不同，发布当天比除权当天的影响大，这说明了信息在市场中的重要性，信息是股票定价的重要指标；再来研究事件发生前后的影响，表中可以看出，信息发布前的影响比较大，这不符合有效市场的理论，说明了市场中信息披露的不规范，有可能存在内幕交易或者投机气氛太严重；对于除权前后的情况，在除权前已把利好信息基本消化掉，以后只可能在除权后几天里产生一种除权效应。
表5 事件研究结果（单位%）
附录 选用股票的基本情况表
