我国医疗保健行业股指收益率波动特征与杠杆效应(1)
参见附件。
摘要：本文运用 SWARCH 模型分析了我国医疗保健板块收益率的波动，并将医疗保健板块收益率与上证综指、深证成指收益率的 SWARCH 模型的估计结果进行比较，得出以下结论：医疗保健指数收益率序列呈现出低、中、高三种波动状态，样本区间主要分布于中波动状态，低波动状态的平均持续期最长、中波动状态的平均持续期居中、高波动状态的平均持续期最短，医疗保健指数收益率波动杠杆效应显著；我国股市医疗保健板块收益率波动状态之间的差异高于沪深综指波动状态的差异，医疗保健指数收益率与沪深综指收益率区制转移趋同，但存在着细微差异；医疗保健指数收益率各区制间转移相对频繁，每种波动状态的平均持续期较短，股市医疗保健板块收益率对新信息的反应更为敏感。
关键词：马尔可夫区制转移；杠杆效应；股指收益率；平滑概率；医疗保健行业
中图分类号：F224.0；R195文献标识码：A
一、引言
20世纪60代，Fama(1965)发现投机性的资本价格变化和收益率变化具有显著的时变性，即价格波动呈现集聚性和条件异方差性，且呈现出尖峰厚尾分布特点。Fama于1970年提出了随机游走模型，并把该模型运用于股票市场波动性研究中。近年来的大量研究也发现，金融时间序列数据并不符合正态分布假设，股票市场波动具有显著的条件异方差性。针对波动的这种特征，Engle(1982)提出了ARCH模型，用以刻画英国通货膨胀指数变化的特征，有效地刻画了通货膨胀率变化的集聚性和条件异方差性；Bollerslev(1986)提出了ARCH模型的扩展形式，即GARCH模型。GARCH模型误差项的条件方差不仅仅是滞后误差项平方的函数，也是其滞后条件方差的线性函数，它既考虑了前期波动大小的影响，又考虑了波动的变化趋势，基于GARCH模型的扩展形式演化发展形成了ARCH模型族。随着金融市场波动性研究的深入，国外学者发现金融市场中易受影响的收益率序列，存在着和经济周期一样的波动状态转换特征。这种波动特征是ARCH模型族不能准确刻画的，但是股票市场中这种波动状态变结构又是实际存在的，比如股市收益率序列的高波动往往持续较短的时间就会恢复到低中波动状态。大量实证分析发现ARCH族模型存在往往会高估波动持续性的缺点，这主要是由于ARCH族模型忽略波动状态变结构，导致其高估了波动持续性，这大大降低了其波动的长期预测精度，特别是当出现异常收益时，导致估计参数极不稳定。为了更好地捕捉时间序列的波动性特征，Hamilton(1994)提出了区制转移的ARCH(Regime—switching ARCH，SWARCH)模型，并以美国股票市场为研究对象，结果证明SWARCH模型大大降低了ARCH模型高估的波动持续性。
国内学者在考虑模型中结构转变因素时，也将马尔可夫结构转换引入到了ARCH模型中进行实证研究。蒋祥林、王春峰、吴晓霖等(2004)运用SWARCH模型，对中国股市的波动性进行实证分析，发现SWARCH对股市波动性的刻画和预测能力优于ARCH类模型，刘金全、刘志刚(2005)将区制转移引入GARCH模型中，分析了我国沪市指数收益率序列的区制转移特征，发现沪市波动存在着显著的波动区制持续性和转移现象。严太华、陈明玉(2009)通过非线性和结构性变化检测发现了上证指数波动的变结构特征，又进一步利用马尔可夫切换模型模拟数据，识别出上证指数收益率波动有三种主要的状态：慢涨、慢跌和快涨，结果证实马尔可夫切换模型在刻画股市波动的阶段性特征上比较有效。郑廷国、刘金全(2008)讨论了非对称SV模型的扩展Kalman滤波的估计方法，并对沪深股市进行了实证分析，验证了沪深股市存在波动的杠杆效应，证实了这种估计方法的有效性、准确性。刘金全、李楠、郑廷国(2010)将区制转移SV模型的MCMC估计方法应用于上证综指周收益率序列分析 ......
摘要：本文运用 SWARCH 模型分析了我国医疗保健板块收益率的波动，并将医疗保健板块收益率与上证综指、深证成指收益率的 SWARCH 模型的估计结果进行比较，得出以下结论：医疗保健指数收益率序列呈现出低、中、高三种波动状态，样本区间主要分布于中波动状态，低波动状态的平均持续期最长、中波动状态的平均持续期居中、高波动状态的平均持续期最短，医疗保健指数收益率波动杠杆效应显著；我国股市医疗保健板块收益率波动状态之间的差异高于沪深综指波动状态的差异，医疗保健指数收益率与沪深综指收益率区制转移趋同，但存在着细微差异；医疗保健指数收益率各区制间转移相对频繁，每种波动状态的平均持续期较短，股市医疗保健板块收益率对新信息的反应更为敏感。
关键词：马尔可夫区制转移；杠杆效应；股指收益率；平滑概率；医疗保健行业
中图分类号：F224.0；R195文献标识码：A
一、引言
20世纪60代，Fama(1965)发现投机性的资本价格变化和收益率变化具有显著的时变性，即价格波动呈现集聚性和条件异方差性，且呈现出尖峰厚尾分布特点。Fama于1970年提出了随机游走模型，并把该模型运用于股票市场波动性研究中。近年来的大量研究也发现，金融时间序列数据并不符合正态分布假设，股票市场波动具有显著的条件异方差性。针对波动的这种特征，Engle(1982)提出了ARCH模型，用以刻画英国通货膨胀指数变化的特征，有效地刻画了通货膨胀率变化的集聚性和条件异方差性；Bollerslev(1986)提出了ARCH模型的扩展形式，即GARCH模型。GARCH模型误差项的条件方差不仅仅是滞后误差项平方的函数，也是其滞后条件方差的线性函数，它既考虑了前期波动大小的影响，又考虑了波动的变化趋势，基于GARCH模型的扩展形式演化发展形成了ARCH模型族。随着金融市场波动性研究的深入，国外学者发现金融市场中易受影响的收益率序列，存在着和经济周期一样的波动状态转换特征。这种波动特征是ARCH模型族不能准确刻画的，但是股票市场中这种波动状态变结构又是实际存在的，比如股市收益率序列的高波动往往持续较短的时间就会恢复到低中波动状态。大量实证分析发现ARCH族模型存在往往会高估波动持续性的缺点，这主要是由于ARCH族模型忽略波动状态变结构，导致其高估了波动持续性，这大大降低了其波动的长期预测精度，特别是当出现异常收益时，导致估计参数极不稳定。为了更好地捕捉时间序列的波动性特征，Hamilton(1994)提出了区制转移的ARCH(Regime—switching ARCH，SWARCH)模型，并以美国股票市场为研究对象，结果证明SWARCH模型大大降低了ARCH模型高估的波动持续性。
国内学者在考虑模型中结构转变因素时，也将马尔可夫结构转换引入到了ARCH模型中进行实证研究。蒋祥林、王春峰、吴晓霖等(2004)运用SWARCH模型，对中国股市的波动性进行实证分析，发现SWARCH对股市波动性的刻画和预测能力优于ARCH类模型，刘金全、刘志刚(2005)将区制转移引入GARCH模型中，分析了我国沪市指数收益率序列的区制转移特征，发现沪市波动存在着显著的波动区制持续性和转移现象。严太华、陈明玉(2009)通过非线性和结构性变化检测发现了上证指数波动的变结构特征，又进一步利用马尔可夫切换模型模拟数据，识别出上证指数收益率波动有三种主要的状态：慢涨、慢跌和快涨，结果证实马尔可夫切换模型在刻画股市波动的阶段性特征上比较有效。郑廷国、刘金全(2008)讨论了非对称SV模型的扩展Kalman滤波的估计方法，并对沪深股市进行了实证分析，验证了沪深股市存在波动的杠杆效应，证实了这种估计方法的有效性、准确性。刘金全、李楠、郑廷国(2010)将区制转移SV模型的MCMC估计方法应用于上证综指周收益率序列分析 ......
您现在查看是摘要介绍页，详见PDF附件。