【doc】 中国证券市场价格冲击传导效应分析

中国证券市场价格冲击传导效应分析中国证券市场价格冲击传导效应分析中国金融?财政论坛中国证券市场价格冲击传导效应分析口陈梦根曹凤岐摘要:资产定价历来是金融经济学研究的中心问题之一.从文献上看,研究者们更多地是从收益序列的分布特征角度展开分析,较少关注市场中不同证券之间的价格关系.实际上,证券市场中不同证券的价格彼此密切相关,形成特定的价格冲击传导机制.特别是在中国这样的转轨经济新兴市场中,投资者受政策预期主导,决策与行为趋同,客观上强化了股价冲击传导的动态作用机制,整个市场表现为”板块联动”,”股价齐涨同跌”现象显着.实证研究表明,上海证券市场不同行业板块之间股价存在着明显的联动特征,新息(innovation)对股价的影响一般将持续45周左右.尽管不同板块在价格冲击传导机制中的重要性各不相同,但证券市场股价波动的市场性显着地超过了不同板块(或个股)的独立性,不同行业间的组合投资策略效果不佳,市场效率还有待于进一步提高.关键词:价格联动冲击传导脉冲响应函数方差分解一,引言资产定价一直是金融经济学研究的中心问题之一,较早的文献可以追溯到Bachelier(1900),以算术布朗运动为基础模型对股价波动进行了开创性研究.自Markowitz提出投资组合理论而开创现代金融学以来,学者们对股价波动的解释更多地是采用几何布朗运动的基本形式.从文献上看,Fama(1965)率先集中研究了证券价格行为的命题,提出了随机游走行为假设,研究股票收益率序列的分布特征与序列相关性,他还进一步指出,对于随机游走假设,事实上包含两个相互独立的假设:(1)连续价格的变化是独立的;(2)价格变化与某个概率分布相一致.尽管以后的研究都不再停留在随机游走假说上,但经典金融经济学文献中对证券价格行为的研究基本上还是沿着这两条主线而展开的(Campbelleta1.,1997;封建强,2001).在经典金融经济学理论体系内,很少人关注投资者心理,偏好与行为过程,而是基于“理性人”假定,认为投资者是同质的,风险厌恶型,长期以来,研究者们的分析主线是在”无套利假设”和”有效市场假说”(EMH)的基础上来探讨资产的定价与市场的均衡决定问题(HuangandLitzenberger,1998;史树中,2004).研究者一般将证券市场的交易客体(即各种证券)高度抽象化,较少关注不同证券之间价格的相互影响与作用,更未由此去探讨一个市场中不同证券之间价格冲击的传导对信息传播,证券定价,均衡决定与市场风险特征的影响.证券市场中有着众多公司的证券,彼此存在着千丝万缕的联系,从它们之间的价格关系人手研究各自对其他证券价格的解释力是一种重要的分析思路,实际操作中更是被投资者广泛使用.从文献上看,针对证券市场价格冲击传导机制进行的研究很少,大多都是从行业效应角度展开的,结论存在着较大分歧.Jegadeesh和Titman(1993)研究发现,不同行业部门间股票价格传导对收益的影响并不显着,Asnesseta1.(2000),Lee和Swaminathan(2000),Grundy和Maain(2001)也认为发达国家证券市场中行业效应一般不能解释股价行为.相反,Stokes和Neuburger(1998)集中研究了美国证券市场中的两大指数Russell1000与Russell2000之一24间的动态关系,这两大指数分别代表大资本化公司与小资本化公司的股价走势,结果发现短期内Rus.sell1000对Russell2000存在依赖关系,并且指出,这一发现应归因于大资本化公司股票所具有的高流动性与低交易成本优势.在为数不多的研究一国(地区)内或同一市场中不同股价间相互关系的文献中,最具代表性的是Ewing(2002),采用方差分解方法对美国证券市场S&P股价指数中代表不同行业部门的资本品指数,金融指数,工业指数,交通指数与公用事业指数等进行研究,揭示了这五大指数间存在着密切的价格冲击传导关系,并深入考察了不同行业指数各自在动态传导机制中的重要性.在中国证券市场上,多数投资者都会产生一种强烈的直观感觉,市场存在着显着的”板块联动”现象,”指标股效应”和”齐涨齐跌”现象等,这种直观认识在实际投资操作中被广泛地用作研判投资机会的依据.尽管一些研究者也注意到了证券市场的这种价格联动性,但真正对不同证券价格相互关系开展理论与实证研究的文献却极少.秦宛顺,刘霖(2001)在研究证券市场价格动态调整过程时证实,中国证券市场存在”板块轮动”现象.何诚颖(2001)率先对中国股市的”板块现象”进行了理论分析,借鉴西方学者研究IPO(即首次公开发行)走势时所使用的相对收益率指标,给出了反映板块现象强度等市场特征的量化指标,并运用现代资本市场理论和行为金融学对中国股市板块轮动现象做了一定的理论分析,认为板块现象是一种特殊的市场投机现象,其形成与中国股市投资者行为特征密切相关.本文拟从不同证券的价格关系人手,深入考察中国证券市场的股价联动现象,认识不同板块之间的价格冲击传导模式,为管理层与投资者决策提供一些理论参考.全文组织如下:第一部分为引言,并对相关文献作简要评述;第二部分介绍研究的理论背景;第三部分以沪市五大行业分类指数为样本,对中国证券市场的价格冲击传导机制进行实证研究;第四部分是对全文的总结.二,理论分析经典金融经济学以有效市场假说(EMH)为基础,较少关注投资者心理与行为,在解释证券市场的价格波动时,学者们尽管对开放经济条件下国际管理世界(月刊)2005年第10期证券市场间的价格传染效应非常关注,但往往忽略或不重视一国(地区)内不同证券市场之间或同一市场内不同证券之间的价格相互影响问题,很少人从不同证券的价格关系人手考察证券市场的价格行为.自20世纪9O年代以来,行为金融理论逐渐兴起,一些研究者开始从投资者行为,信息反应的角度来研究资产定价,市场均衡与投资组合问题(饶育蕾,刘达锋,2003),例如,Shefrin和Statman(1994)提出了行为资本资产定价模型(BehavioralAssetsPricingModel,BAPM),Shefrin和Statman(2000)进一步提出了行为组合理论(BehavioralPortfolioTheory,BPT).研究者对证券价格决定因素的考察范围从宏观经济因素,上市公司基本因素扩展到了投资者心理与行为,由此,基于投资者行为而产生的不同证券之间价格冲击传导效应问题引起一些研究人员的注意(如Ewing,2002).理论上说,经典金融经济学的基本内容已经被归结为线性定价法则,与经典金融经济学相比,信息经济学,行为经济学等在资产定价理论中的应用,实质差异仅仅在于线性定价法则的”具体定价差别”,表现为”随机折现因子”的不同上(史树中,2004).实际上,在实体经济中,受到宏观经济状况,市场竞争与其他多种因素的影响,不同公司的现金流彼此之间可能相互影响,因而某一公司证券价格波动所蕴含的信息可能会对其他证券的价格产生影响.此外,证券市场中代表不同公司资产的证券被高度抽象化,借助于电子交易系统在同一市场内集中交易,投资者的心理与行为往往容易受到他人情绪的影响(可以看作是情绪感染效应),因此,不同投资者的交易行为具有明显的外部性,将对其他投资者的交易行为产生影响.市场情绪是投资者对证券市场事件的一种反应,由于投资者偏好不同和市场信息传递的结构性差异等问题,市场情绪可能不会立即反映到股价中,对源自不同证券的新息(innovation)的反应会产生偏差,在模式上既可能是线性反应,也可能是累积反应.由此导致,投资者所选择的随机折现因子本身也烙上”时变”的特征,同时受到其他证券的新息的影响,证券市场客观上形成一个内在的价格冲击传导机制,不同证券对不同新息的反应大小不一,传导的时间模式也不同.投资者往往会利用这一特性来开展套利交易,进而一25中国证券市场价格冲击传导效应分析中国全融?财政论坛对资产定价,市场均衡决定与风险特征产生影响.在证券市场中,投资者受信息驱动,不同的信息条件既影响投资者对公司盈利状况的预期,又影响投资者对折现因子的预期,进而影响公司理论价值.由于市场存在信息不对称,投资者并非是完全理性的,遵循”约束条件下最大化”的原则进行决策,会产生认知上的偏差,在行动过程中容易产生从众心理,因而”跟风现象”几乎普遍存在于任何证券市场.这样,一旦某种证券的价格发生波动,这一冲击将对其他证券的投资者产生影响,促使部分投资者怀疑这是否由自己未知的某种信息所引起,于是据此决策进行市场操作.投资者的这种羊群行为导致市场中某种证券所受的冲击向其他证券传导,从而引发市场中不同证券价格的连锁反应.根据新息对价格影响的范围不同,可以将新息划分为3个层次:一是仅对某一证券价格本身产生影响的冲击(公司层次);二是会对具有某种特定关联的一组上市公司股价产生影响的冲击(板块层次),这种联系可以是地缘关系,行业关联,公司控制关系或其他所谓的某种”概念”(如”三无”概念,ST或PT概念,人世概念,股权分置改革试点概念等),从而形成所谓的”板块现象”,即在某一段时间中,这些证券的价格变化呈现相同的趋势特征,相关性高度显着;三是将对整个市场所有股票价格产生影响的冲击(市场层次).前两种新息属于局部冲击,对股价的影响限于公司个股与板块层面,后一种属于共同冲击,对股价的影响是市场性的.不同证券价格波动的市场性显着超过个股或板块的独立性,股价往往表现为整体性的齐涨同跌现象,正如Peters(1991)所指出,这样的市场是不稳定的,系统性风险极大.三,实证研究(一)样本说明为了认识中国证券市场的价格冲击传导模式,本文选取沪市行业分类指数周收盘价为样本进行实证分析.上海证券交易所从1994年12月6日开始编制和发布行业分类股价指数,包括地产指数(DC),工业指数(GY),商业指数(SY),公用指数(UT)与综合指数(ZH)等5类,样本期为1994年12月6日-2005年5月29日,各获得522个周收盘一26一表1样本序列的描述性统计分析GYDCSYLrrMeannOoo988-0.001040.oo0457O.O02l9nO0055lMediano,Oo0ll3-0.00387-0.0014140.ool899-0.OOlO78Maximum0.374705n3573230.4281370.36624l0.399284Minimum-0.23524_o.1l049.0.248557_o.203138-o.208777St&Dev.0.O4O622O.O45335O.O428l0.041ll8n040874Skewnessl-27l1951.o08l591.6592241.275981.660584Kurtosis19.22851l1.5o59524.8828817.7114421.73452Jarque-Bera5857.526l658,878lO634-324839.6367858.686Probability0.000000O.OOO0000.0000000.0000000.000000Sumn5l4953-0,5419260.238O291.141l79O.286895SumSq.Dev.0.858O621.O687380.9529940.8791380.868749Observations52l521521521521价.依据一般惯例(Ewing,2002;Campbelleta1.,1997),研究中采用分类股价指数的对数收益率(R),计算公式如下:R=In()一ln(X,一)=In(:/t/t_,)(1)其中,为分类股价指数,t为样本期,样本数据取自分析家股票分析系统4.O5版,实证分析主要采用Eviews4.0软件.从描述性统计(表1)来看,样本序列的偏度指标均介于1和2之间,大于正态分布的偏度指标值0,呈现出大小不等的右(正)偏特征;峰度指标显着大于正态分布的峰度指标值3,表现出较明显的尖峰特征;从正态检验结果来看,5个样本序列的JB统计量均非常显着,相应的概率值(P)几乎为0,序列表现出非正态性.(二)实证分析1.初步分析从相关分析来看(见表2),样本序列间的相关系数均超过0.8,其中工业指数与商业,公用,综合指数的相关系数都大于0.9,商业指数与综合指数之间相关系数也大于0.9,可见样本序列显着正相关,中国证券市场不同行业板块之间股价联动特征非常明显.Granger因果检验通过研究变量之间的引导关系,能反映不同行业板块之间相互作用的方向,确表2样本序列相关系数矩阵GYDCSYUTZHGY1.0000000,8295890,927420O,9134920,939969DC0,8295891.000000O,8319930,8230330,858099SY0,92742OO.8319931.Ooo0000.8785700.933493UTO,9134920,8230330,8785701.000000O.891215ZH0,9399690,8580990,933493O,8912151.o0OOo0定不同板块之间价格信息对其他板块的预测效力.表3列出了对样本序列的Granger因果检验结果,滞后阶数依据AIC和SC信息准则确定.结果表明,样本序列中仅工业指数对商业指数,工业指数对公用指数,地产指数对公用指数,综合指数对公用指数之间存在引导关系,其他的则不存在Granger意义上的因果关系.这一结果表明,上海证券市场中不同行业板块在价格冲击传导效应上存在着明显差异.2.脉冲响应函数分析对于VAR模型来说,对第个变量的冲击不仅直接影响第个变量,而且通过VAR系统的动态结构传导给所有其他的内生变量.脉冲响应函数正是刻画在某个扰动项上施加一个一次性的冲击后,对内生变量的当前值和未来值所带来的影响.设一个VAR(P)模型为:=4一l+A2Y,一2+L+一+St(2)这里Y是一个j维内生变量向量,是方差为Q的扰动向量.Y韵VMA(o.)表达式为:Yt=(+L+L),(3)由于VAR(p)模型可逆,Y的VMA模型的系数可以由VAR模型的系数求得.设:(),q=l,2,则Y的第个变量y可以写成:袁3Granger因果检验结果管理世界(月刊)2005年第lO期=+,_1+2+,_3+L)(4)假定在基期给y一个单位的脉冲,即【1,t=1r10,口/s口=0,Vf,J于是,一般地,由对y,的脉冲引起的Y的响应函数可以表示为:0,1,2,3,L若在第l周给某个序列施加一单位的脉冲,VAR系统中各变量将在随后各期做出反应,表4(见下页)列出了前15期的单期反应情况.从结果来看,存在以下几个显着的总体特征:第一,VAR系统对新息的反应没有表现出即时收敛性,一般最长可持续至第l0周左右,之后价格反应几乎完全收敛为0.长期来看,新的信息对上海证券市场的影响最长可能持续9周左右,从信息反应的角度来看,上海证券市场对新信息的消化还不能做到即时反应,而表现为一种渐进式的消化模式,存在延迟反应现象.理论上说,在一个有效市场中,价格将对信息做出即时反应,市场面对新的冲击将迅速调整至某个新的均衡价格上,实现市场出清,也就是说这种反应是即时性的.由此可见,上海PairwiseGranger因果检验样本:1521;滞后期:10原假漫注释观测值F境计量概率值(P)是否引导关系DCdoesnotGrangerCauseGYRDC!:!:RGY1.396490.17846否GYdoesnotGrangerCauseDCRGY_RDC5II0.828140.6016o否SYdoesn0tGranger(NuseGYRSY一竺:+RGY5l11.32283n2149l2否GYdoesn0tGrangerCauseSYRGY:RSY1.725230.07233是LITdoesnotGlllllgerCauseGYRUT兰RGY5l11.224180.27256否GYdoes/lotGrangerCauseUTRGY:RUT2.648430.00374是1.485570.14130否ZHdoesnotGrangerCauseGYRZH一:RGY5l1GYdoesnotGrangerCauseZttRGYr_RZH1.458920.15167否SYdoesn0tGrangerCauseDCRSYr+tlDC5I10.622560.79499否DCdoesnotGrangerCauseSYRDC坠RSY1.307720.22308否UrdoesnotGrgerCauseDCRUT一!:+RDCI.329100.21I6o否DCdoes哪GrangerCauseLITRDcr+RUT5l11.589750.09634是ZHdoesn0tGrangerCauseIX;RZH!r+RDC0.97l160.46766否G.C.5l1DCdoesnotGrangerCauseZttRDC+RZH1.36440nl9368否LITdoesCttng6rCauseSYRU1LRSY0.987790.45293否SYdoesn0tGrgerCauseLITRSY_+RUT51l1.96oo60.03575”是ZHdoesn0tCrrangerCauseSYRZH:!_tlSY5l10.760950.63否SYdoesn0tGrangerCauseZHRSY坠RZH0.649850.77090否2.212430.016o8是ZHdoesnotGrangerCause【,rRZH一:RUT5l1LITdoes哪GrangerCauseZHRIRZH1.387290.18272否注:表示在1%水平下显着,表示在5%水平下显着,表示在10%水平下显着.证券市场在信息有效性方面还存在着明显的不足,市场效率有待于进一步提高.第二,对于某一序列所受的脉冲,VAR系统中各序列一般都是在前4周反应最为剧烈,从第6周开始,收敛为0的速度非常迅速.VAR系统对新息的反应在第2周到第5或6周这段时期比较剧烈,之后系统受新息的影响逐渐减弱,这种影响大约持续到第10周将基本完全消失.这一结果表明,新信息对上海证券市场价格波动产生显着影响大约是45周,市场对新息的消化包容须要经历一段时间,才能达成共识.一27中国证券市场价格冲击传导效应分析中国金融?财政论坛表4样本序列的脉冲响应分析PeriodGDCSYUTPeriodGDCSYUTofGY:11.0c帅00n000O00000000000c00000.o00000RofUT:1n00D000n0000000.0000001.0c00000.0c帅002-0.01OO960.100058-01793020.0682670.02169220.叭0l64n084146-0.2341630血141n1129223-0109313-0089178-00o5175-0.0554940.2103563-0.186530-01332:0.0210330165826n0跎36840.261037-0.093柏1-0.1556750.叭67080.01484040_398418-0.蝴0-0.195624-0.004005-0.1173975n131893-0.089746-0134726n144565-0.07917750.227282-0.10o350-0.1245740.032166-0.O7781460014578-0.0c46560O23358-0.024503-0.0267106n062810n02452o0.021766-0.036219.0.089l1870.0567110.013709-0.0187580021000-0.o6220670O942880.022454-0.034623-0.037635.0.030o508nO490120.025975-0013439-0.OO4l14-0.05337380.O42139n015372-0.008239-0.OO4285.0.0464419-0_00695000089180028510-0.024436-0.0l03199-0.02o1860.0137960.023736-0.0202o70.0o2382100O091330.0o5699-0.008045-0.0c0657-0.0c口225100001771-0.002309-0.0088890.Oo41090.008848l1nO059700.000888-00o5580-0_0065000.0o55331l-0.O睨739n000258-0Do41060.Oo4205n002o7912-0.004577-0.0o3575n0o3718-0O3400.00442712-0瑚278-0.0o36730.OO4258-0.000288n0o553413nO0()481-0.000699-0.oo4942nO027160.0040671300065-0.O01371-0加47260.004563000O50914-0.00o092-0.0CO7-0.0o04980.0008200.000443140.0005320.0003690.O00033n000370.0.00148015-0.O睨007-0.洲640.0013940.001194-0.00067015-0000183-0.0002740.001480-0.000449.0.001O69ofDC:1n0000001.0c00000.o00o00n000000n000000Rcn塔e0fm10.0c0000n0000000.0000000.0c0O001.0c00002nO0O7080.032615-0.176o35伽胛6320.0舳7022nO615850.065638-0197897-0.0122踟n0814173-0.313789-0.1O4481-0.01782301195910.2823853-0221212-0.122699-0.0133450.001777n3238044n叭9232-0.110366-0106671n129610nl162134n133526-0.138919-00727740082149n0312155n234818-0.145448-0.217010n131059-0.05188250.0919o3-0.09O467-0.1341600.167549.0.O688306n叭2302-0.O睨O060.0315560013961-0.0707666-0.O769-00083620.0378450.007754.0.05094670.O8370.0202柏-0.01-0.016028-0.08231870.O647510018429-0.Oo79550.O09815.0788418nO呦n02783o-0.022171-0.00-0.O6150280.052392n028128-0.0l2928-0.007241-0.0547959乜峨0.0221440.039437-0.033848-0.02331590.0o3483n0141690028092-0.034975-0.01498010n叭鸺390.0o3110-0.008413-0.0096920.Oo7287100.01082800o5187-0.Oo7655-0.Oo77760.O0凹35l100019260.001O9o-0.Oo7317-0.0011620O06759l100o572500899-0.O06597-0.007184n0o805212-0,008147-0.O039020.OO4918-0.Oo41000.OO853712-0_0D6171-0.0042340003103-0.伽2769nO0769713-0.000705-0.0o3108-0.OO6O640.0o536200o598113-0.0018o3-0.001770-0.0046690.0044470.0o527314-0O0()911-0.000352-0.OOO783n002412-0.00029414-0.001333-0O01083-0_00o5890.O021800.蝴1615-0O021l1-000085200019640.O0()917-0.0c055415-0.O睨475.0.0c05300.0015790.001929-0.O0()919ResponseofSY:10.0000000.000000l0000000.000000ol0行反向修正,实现市场的均衡.2.o0569890.085230.o170加70.0218123.o240705.o.1034520-049153.o.0l65990257363第四,从单期反应上看,VAIl系统某变量受40.170287.o.1】2264-0015645-00839l】引一单位冲击时,各变量反应达到最大值(这里指50.156695-0.122612.o.2l53260l5865560OO92820.0036840031469.o.o33794舢3是绝对值)的时间一般都在第3,4和5周,但彼砒700286050.00330700036150.002076n之间存在着明显的不同,似乎也没有表现出显着80.046l830o25l5l-0.0287240Ol84259.oO1661O0.Ol12590036733.o.眈4976.m94规律性.此外,从脉冲反应结果看,针对工业指数10-0.00075l000ll78.o.0021470.0034900.000334单位冲击,其余4个指数中产生单期最大反应的捏l10_册79210.002989-0.009s79-0.0o1837l2.o.003696.o.O040560.o05635.o.004725:;综合指数,针对商业指数单位冲击产生单期最大反l30.OOO7l8.o.000746-0OO44l700024500.003483应者也是综合指数;针对地产指数的单位冲击,翼l40.001713.oO00l49-0001647.o.00OO44余4个指数中产生单期最大反应的是工业指数,l5-0.001607-0OOO6l50-00l7650.O00285第三,在VAR系统中各变量对冲击的单期反应值中,正负符号交错出现,没有明显的规律性.这种杂乱的方向性表明上海证券市场不同行业板块股价对冲击的反应存在着反向调整趋势,这也从侧面表明,上海证券市场对新信息可能存在一定的过度反应(ovei”一reaction)现象,但市场马上会对此进一28一是工业指数.可见,针对其他指数的冲击,工业指数和综合指数的单期反应更为剧烈,所受影响更明显.第五,针对来自不同变量所受冲击,VAR系统的传导模式存在着显着的差异性.下面针对来自不同变量冲击的传导效应作具体说明,鉴于在实际操作中有关第2周的反应特征和各变量最大反应的信息最为有用,故这里主要关注这两个方面:(1)对于工业指数的单位冲击,商业指数与工业指数自身在第2周产生负的反应,即作反向调整,大小分别为一0.1793和一0.0101,而其他指数则产生正的反应,第2周反应最强烈的是商业指数,为一0.1793,反应最弱的是工业指数自身.在整个15周持续反应期中,各变量产生最大反应的大小不同,时间不同,方向不同,工业指数自身和地产指数的最大反应都出现在第4周,二者符号刚好相反,分别为0.2610和一0.0892,商业指数最大反应出现在第2周,为一0.1793,而公用指数和综合指数的最大反应分别出现在第5周和第3周,数值分别为0.1446和0.2104.(2)对于地产指数的单位冲击,第2周反应仅有商业指数为负,即作反向调整,而其他指数均作同向反应,第2周反应最为剧烈的也是商业指数,达到一0.1760,反应最弱的为工业指数,仅为0.0007.在15周持续期内,工业,地产,商业和公用指数的反应最大值都出现在第5周,分别为0.2348,一0.1454,一0.2170和0.1311,而综合指数的最大反应值出现在第3周,为0.2824.(3)对于来自商业指数的单位冲击,从第2周反应上来看,工业指数与商业指数的调整方向相同,均为负值,而地产指数,公用指数与综合指数均作正向修正,同时,第2周反应最强烈的是商业指数一0.1702,反应最弱的是公用指数,仅为0.0218.在整个持续期内,工业指数和综合指数脉冲响应的最大值出现在第3周,大小分别是一0.2407和0.2574,而地产指数,商业指数和公用指数的最大反应值出现在第5期,各自为一0.1226,一0.2153和0.1587.(4)对于来自公用指数的单位冲击,仅有商业指数是作逆向调整,而其他指数都作同向调整,第2周反应最强烈的也是商业指数,大小为一0.2342,反应最弱的是工业指数,仅为0.0102.在整个持续期内,针对公用指数的单位冲击,工业指数和综合指数的反应最大值出现在第4周,大小分别为0.3984和一0.1174,而地产指数和公用指数的最大反应出现在第3周,数值分别为一0.1332和0.1658,而商业指数在第2周即做出最大反应,之后开始变弱.(5)对于来自综合指数的单位冲击,商业指数与公用指数第2周做出逆向调整,而工业,地产和综合指数则做出同向调整,第2周反应最强烈的是商业指数,为0.1979,而反应最弱的公用指数,仅为一0.0123.在持续期内,工业与综合指数在第3周达到最大反应,分别为一0.2212和0.3238,地产指数和公用指数分别在第4和第5周达到最大反应,数值分别为一0.1389和0.1675,而商业指数则在第2周达到最大反应,之后开始减弱.上面是针对VAR系统受单位冲击时的单期反应进行分析,为了更深刻地认识上海证券市场的价格冲击传导机制,下管理世界(月刊)2005年第1O期面我们再针对不同变量施加一单位标准差(S.D.)冲击后的累积反应进行研究,考察一个标准差新息对VAR系统的累积影响(如图1所示).从图中可以.dnRn.?.”匡薹Y置l一sl图1样本序列的累积脉冲响应图一29中国证券市场价格冲击传导效应分析中国金融?财政论坛清楚地看到,不同变量在受到单位标准差冲击后,累积反应值大约在第5或6周趋于稳定,在第10周后基本不再发生变化,表明新息对价格的影响大约持续4或5周,其后影响极小,持续到第10周后新信息基本上被完全消化.这一结果与单期反应分析所得结果非常吻合.具体来看,样本序列的累积脉冲响应机制具有以下特点:第一,从图中可以看出,当受到单位标准差冲击后,VAR系统中各变量在第5周前的累积反应大小不断变化,表明此时存在价格冲击反应增量.在第5周后,各序列的累积冲击反应迅速收敛,趋于稳定.在收敛于某一稳定水平之前,VAR系统中非原冲击变量的累积反应存在反复,方向可能发生变化,但似乎并没有明显的规律性.而且,由冲击引发VAR系统中各变量的传导反应模式显着不同,各自具不同特征,例如,对于工业指数的单位标准差冲击,工业指数自身的累积反应刚开始略微下降后开始上升,最终收敛于0.56左右;综合指数累积反应基本保持在较小的水平,第4周后迅速收敛,到第8周后接近于0;公用指数的累积反应在前4周都非常小,第5周后基本上稳定在0.00500.0060的水平;地产指数的累积反应经过由正转负的过程后,从第5周开始趋于稳定,维持在一0.05左右的水平.第二,针对不同序列单位标准差所引发的累积冲击反应过程中,VAR系统各变量反应模式(例如:反应方向与大小幅度)存在明显差异,一般都是受冲击变量自身的累积反应最大,并且方向都为正,而其他变量的累积反应更小一些,特别是在累积反应的方向上存在显着差异.第三,单从最终收敛水平来看,VAR系统对不同序列单位标准差冲击的累积反应模式具有显着的差异.具体来说:(1)对于工业指数的单位标准差冲击,从方向上看,地产指数与商业指数的累积反应最终收敛数值为负,而工业指数自身,公用指数和综合指数的累积反应为正;从大小幅度上看,工业指数自身对冲击具有放大效应,商业指数的累积反应较强烈,而地产,公用和综合指数的累积反应均不大,综合指数更是接近于0.(2)对于地产指数的单位标准差冲击,除商业指数的累积反应收敛于负值外,其他指数的累积反应均为正;从大小幅度一30一上看,商业指数的反应也最为强烈,工业,综合,公用指数的累积反应数值依次递增.(3)对于商业指数的单位标准差冲击,除地产指数的累积反应为负值外,其余指数的累积反应均为正;从大小幅度上看,公用指数的累积反应数值很小,接近于0,工业指数的累积反应略大,而地产指数和综合指数的累积反应大小较接近,各自基本维持在一0.0096和0.0135的水平.(4)对于公用指数的单位标准差冲击,工业指数和公用指数自身的累积冲击反应为正,而其他3类指数的累积反应为负;从大小幅度上看,地产和综合指数的累积反应较小,工业与商业指数的累积反应数值较大,且二者大小比较接近.(5)对于综合指数的单位标准差冲击,从方向上看,地产指数与商业指数均为负的反应,而工业指数和公用指数为正的反应;从大小幅度上看,各变量的累积反应均较为显着,工业指数与公用指数的累积反应大小极为接近,地产指数累积反应幅度更大,而商业指数最大,对综合指数的冲击更为敏感.第四,从结果来看,上海证券市场中商业,地产和工业指数对其他冲击的反应相对较为敏感,而公用与综合指数的反应相对更为平淡.比较而言,商业指数总体上对其他指数所受冲击的反应比较敏感,累积反应幅度较大,而公用指数仅对地产指数冲击的传导效应稍大,对其他指数所受冲击的反应非常平和.同时,公用指数对其他指数所受冲击的反应也较为平淡.3.方差分解分析脉冲响应函数描述的是VAR系统中一个内生变量的冲击给其他内生变量所带来的影响,而另一种分析方法方差分解是把内生变量中的变化分解为对VAR系统的分量冲击(Boxetal,1997).因此,方差分解能给出对VAR中变量产生影响的每个随机扰动的相对重要性的信息,可据此评估不同股票在价格冲击传导机制中的重要性.方差分解的基本思路如下:在(4)式中括号内各项为第.个扰动项,从无限过去到现在时?