我国医疗保健行业股指收益率波动特征与杠杆效应(2)
参见附件。
下面对股市医疗保健行业指数和上证综合指数收益率序列与深证成指收益率序列进行基本统计描述分析、平稳性检验 (ADF) 和 ARCH 效应检验，揭示我国股市医疗保健行业指数收益率的波动特征，分析结果如表 1 所示。图5深证成指收益率序列趋势图图6深证成指收益率序列Q—Q图
从表1可以看出医疗保健指数日收益率的偏度为负值，峰度大于3，即医疗保健指数收益率序列呈现出左偏、尖峰分布特征，且其Jarque—Bera检验值及其伴随概率P=0也表明其收益率序列不服从正态分布。另外，图2还给出了医疗保健行业指数收益率序列Q—Q图，更加直观地显示了医疗保健指数收益率明显地偏离正态分布的特征，即呈现出厚尾分布特征。医疗保健指数收益率序列在ADF检验1%的显著性水平下是平稳序列，表1的检验结果显示ARCH—LM检验的伴随概率为P=0，拒绝其原假设，这说明医疗保健指数收益率存在着显著的异方差性，即ARCH效应。从表1可以看出医疗保健行业指数收益率序列的统计特征，与上证综合指数收益率序列和深证成指收益率序列呈现的波动特征是一致的。由标准差度量波动上看，医疗保健指数收益率的标准差与深证成指收益率序列比较接近，略大于上证综指，这意味着医疗保健板块的平均收益波动率要高于上证综指，但略低于深证成指，这说明对于一直受制于国家政策的医疗保健行业，其发展过程呈现出比较稳定的特征。
三、基于 SWARCH 模型的医疗保健行业股指波动特征与杠杆效应计量检验由于股市在不同环境和不同时段会产生一定的波动特点，表现出波动持续性和波动状态区制持续性。下面利用马尔可夫区制转移ARCH模型(SWARCH模型)，对我国股市医疗保健指数收益率波动存在的持续性进行检验，并进一步测度不同波动持续状态的持续时间长短，及不同波动持续状态间的转移特征等。
以往大量研究表明ARCH模型族(Engle，1982)对于股市波动时变性中的波动集聚性、波动持续性，及波动非对称性都给出了很好的刻画效果，然而金融时间序列总是复杂的并伴随偶发性结构突变，这在两大类模型中并未得到刻画。Lamoureux and Lastrapes(1990)认为条件方差的持续性被高估，可能是由于存在不能被ARCH模型解释的结构突变。Hamilton and Susmel(1994)提出一个新的ARCH模型，马尔可夫区制转移ARCH模型 (Markov Switching ARCH Model) 即SWARCH模型，该模型将波动的持续性分解成了两个部分，即每个波动状态的持续性和每个波动状态下波动性冲击的持续性。此外，SWARCH模型还刻画出了不同波动状态的持续期和不同波动状态间的转移，从而刻画出了波动结构的突变性，更好地描述了波动的特征。Hamilton提出的SWARCH模型，是在ARCH模型的基础上允许条件波动过程在一个有限个数的区制间随机转移，即ARCH过程的参数是可以随机改变的。
首先，将均值方程中的误差项ut改写成：ut=gst×t，st为一个潜在不可观测的随机变量，依赖于t的取值1，2，…，K。假设st服从一阶马尔可夫链，则st的转移概率矩阵可以表示成以下形式：
其中pij=Prob(st=j|st—1=i)，且∑Kj=1pij=1；变量st是在t时刻的“状态”或者是“区制”。
其次，假设t服从标准的ARCH—L(q)过程：
t=htvt
h2t=a0+a12t—1+a22t—2+…+aq2t—q+ξdt—12t—1
如果t—10 ......
下面对股市医疗保健行业指数和上证综合指数收益率序列与深证成指收益率序列进行基本统计描述分析、平稳性检验 (ADF) 和 ARCH 效应检验，揭示我国股市医疗保健行业指数收益率的波动特征，分析结果如表 1 所示。图5深证成指收益率序列趋势图图6深证成指收益率序列Q—Q图
从表1可以看出医疗保健指数日收益率的偏度为负值，峰度大于3，即医疗保健指数收益率序列呈现出左偏、尖峰分布特征，且其Jarque—Bera检验值及其伴随概率P=0也表明其收益率序列不服从正态分布。另外，图2还给出了医疗保健行业指数收益率序列Q—Q图，更加直观地显示了医疗保健指数收益率明显地偏离正态分布的特征，即呈现出厚尾分布特征。医疗保健指数收益率序列在ADF检验1%的显著性水平下是平稳序列，表1的检验结果显示ARCH—LM检验的伴随概率为P=0，拒绝其原假设，这说明医疗保健指数收益率存在着显著的异方差性，即ARCH效应。从表1可以看出医疗保健行业指数收益率序列的统计特征，与上证综合指数收益率序列和深证成指收益率序列呈现的波动特征是一致的。由标准差度量波动上看，医疗保健指数收益率的标准差与深证成指收益率序列比较接近，略大于上证综指，这意味着医疗保健板块的平均收益波动率要高于上证综指，但略低于深证成指，这说明对于一直受制于国家政策的医疗保健行业，其发展过程呈现出比较稳定的特征。
三、基于 SWARCH 模型的医疗保健行业股指波动特征与杠杆效应计量检验由于股市在不同环境和不同时段会产生一定的波动特点，表现出波动持续性和波动状态区制持续性。下面利用马尔可夫区制转移ARCH模型(SWARCH模型)，对我国股市医疗保健指数收益率波动存在的持续性进行检验，并进一步测度不同波动持续状态的持续时间长短，及不同波动持续状态间的转移特征等。
以往大量研究表明ARCH模型族(Engle，1982)对于股市波动时变性中的波动集聚性、波动持续性，及波动非对称性都给出了很好的刻画效果，然而金融时间序列总是复杂的并伴随偶发性结构突变，这在两大类模型中并未得到刻画。Lamoureux and Lastrapes(1990)认为条件方差的持续性被高估，可能是由于存在不能被ARCH模型解释的结构突变。Hamilton and Susmel(1994)提出一个新的ARCH模型，马尔可夫区制转移ARCH模型 (Markov Switching ARCH Model) 即SWARCH模型，该模型将波动的持续性分解成了两个部分，即每个波动状态的持续性和每个波动状态下波动性冲击的持续性。此外，SWARCH模型还刻画出了不同波动状态的持续期和不同波动状态间的转移，从而刻画出了波动结构的突变性，更好地描述了波动的特征。Hamilton提出的SWARCH模型，是在ARCH模型的基础上允许条件波动过程在一个有限个数的区制间随机转移，即ARCH过程的参数是可以随机改变的。
首先，将均值方程中的误差项ut改写成：ut=gst×t，st为一个潜在不可观测的随机变量，依赖于t的取值1，2，…，K。假设st服从一阶马尔可夫链，则st的转移概率矩阵可以表示成以下形式：
其中pij=Prob(st=j|st—1=i)，且∑Kj=1pij=1；变量st是在t时刻的“状态”或者是“区制”。
其次，假设t服从标准的ARCH—L(q)过程：
t=htvt
h2t=a0+a12t—1+a22t—2+…+aq2t—q+ξdt—12t—1
如果t—10 ......
您现在查看是摘要介绍页，详见PDF附件。