武金存，封文麗，張躍輝

應(yīng)用齊次馬氏域變對上海股市異常收益率的實(shí)證檢驗(yàn)

武金存，封文麗，張躍輝

（河北經(jīng)貿(mào)大學(xué)金融學(xué)院，河北 石家莊 050061）

通過在收益率結(jié)構(gòu)中使用齊次馬氏域變模型研究異常收益率，描述以1996年10月到2010年2月的上證指數(shù)為研究對象的非線性動態(tài)異常收益率演進(jìn)過程，并利用Johansen協(xié)整檢驗(yàn)方法剔除其理性價值（即正常收益率），進(jìn)而基于齊次馬氏域變模型針對協(xié)整殘差（即異常收益率）進(jìn)行建模，用極大似然法擬合估計總體參數(shù)。最后根據(jù)實(shí)證結(jié)果，指出股市的宏觀經(jīng)濟(jì)政策因素是影響我國股市異常收益率現(xiàn)象的主要原因，并提出相應(yīng)的政策建議。

異常收益率；Johansen協(xié)整檢驗(yàn)；齊次馬氏域變模型

0 引言

異常收益率是實(shí)際收益率與正常收益率之差。能否獲得異常收益率是驗(yàn)證金融市場有效性的方法之一。在長期異常收益率的度量中，重點(diǎn)是如何測度正常收益率。但目前仍沒有可靠的實(shí)證結(jié)論支持資產(chǎn)定價模型，所以國內(nèi)外對長期異常收益率度量的研究一直存在爭議。本文采用學(xué)術(shù)界一貫的研究方法，將長期異常收益率的度量分為兩類。一類為橫截面研究法（事件時間研究法），即累計異常收益率（Cumulative Abnormal Returns，CAR）和購買并持有異常收益率（Buying and Holding Abnormal Returns，BHAR）；另一類為時間序列研究法（日歷時間研究法），基本研究思路是：通過計算在一段時間內(nèi)股票組合的平均收益(基于日歷時間)并與基準(zhǔn)收益進(jìn)行對比。一般方法是先把每個日歷月的平均收益通過Fama-French或CAPM模型進(jìn)行回歸，之后把考察橫截距項(xiàng)（Intercept）顯著與否作為判斷弱于還是強(qiáng)于基準(zhǔn)收益的標(biāo)準(zhǔn)。兩種研究方法的不同之處是，前者不論月份之間事件發(fā)生頻度和其他差異而賦予月份等權(quán)，后者不論事件發(fā)生的時間而將事件賦予等權(quán)。

然而時間序列研究法的常用方法不能連續(xù)動態(tài)地模擬異常收益率的變化。本質(zhì)上，具有此類特征的序列，其生成過程是非線性的。AR(p)以及ARMA(p，q)和標(biāo)準(zhǔn)協(xié)整模型在樣本期內(nèi)假定分析對象有不變的均值、方差和持續(xù)性，不足以刻畫股市收益內(nèi)生的結(jié)構(gòu)變化而產(chǎn)生的非線性特征。1982年，Engle提出ARCH模型描述收益波動隨收益率水平變化的非線性行為，但盡管經(jīng)過不斷的完善，都沒有改變均值方程是線性這個性質(zhì)，因此其本質(zhì)上仍是線性模型[1。 ]

由于以上的不足，本文提出用改進(jìn)的Hamilton（1989）的馬爾可夫時域轉(zhuǎn)換模型研究異常收益率。經(jīng)濟(jì)時間序列所處狀態(tài)的變化會引起相應(yīng)參數(shù)的變化，并且狀態(tài)之間的變化服從不可觀測的離散時間，被稱為“時域轉(zhuǎn)換（regime switch）”。對于正常的經(jīng)濟(jì)力量和非正常事件導(dǎo)致的收益率變動，通過馬爾可夫域變模型均可得到反映。中國股市正處于不斷深化的成長期，選用該模型是比較合適的。本文基于一個改進(jìn)的馬氏域變模型，描述以上證指數(shù)為研究對象的非線性動態(tài)的異常收益率演進(jìn)過程，在單位根檢驗(yàn)和Johansen協(xié)整檢驗(yàn)方法的基礎(chǔ)上，用協(xié)整將正常收益率剔除，進(jìn)而針對協(xié)整殘差建模，并根據(jù)理論模型引入對收益率具有決定性影響的宏觀經(jīng)濟(jì)變量，對我國股票市場是否存在異常收益率現(xiàn)象進(jìn)行實(shí)證研究，并分析促使我國股票市場異常收益率發(fā)生變化的原因。

1 理論模型

根據(jù)Robert E Lucas（1978）模型[2]和消費(fèi)的跨時Euler條件的觀點(diǎn)：假設(shè)商品完全由不同的生產(chǎn)單位生產(chǎn)；生產(chǎn)過程外生于模型，完全由狀態(tài)決定；產(chǎn)量服從馬爾可夫過程。這些生產(chǎn)單位的所有權(quán)由競爭性股票市場決定。每個企業(yè)會發(fā)行一單位股票，這張股票是可以無限分割的，其紅利就是產(chǎn)出的市場價值，是由外生馬爾可夫過程決定的外生變量。股票在發(fā)放紅利以后可在市場上進(jìn)行交易。

一項(xiàng)資產(chǎn)的異常收益率是該資產(chǎn)的實(shí)際收益率與正常的投資收益率（指投資處于一種長期穩(wěn)態(tài)時的均值，是由宏觀經(jīng)濟(jì)變量所決定的收益率理性的部分）之差，異常收益率和對數(shù)異常收益率為

其中R0t和r0t分別是該參考資產(chǎn)的正常收益率和對數(shù)正常收益率。

在所建立的模型框架中，數(shù)據(jù)生成過程在兩個狀態(tài)間轉(zhuǎn)換，而從一個狀態(tài)到另一個狀態(tài)的過程動態(tài)行為可以有很大的不同。進(jìn)一步假設(shè)該過程受到兩狀態(tài)馬爾可夫過程決定的離散轉(zhuǎn)換的影響。觀測到的時間序列zt來自兩個不同的狀態(tài)；St是潛在的隨機(jī)變量，是一個未觀測到的狀態(tài)變量；t取離散值0，1，2，…；St取值為1，2，決定zt所處的不同的時域狀態(tài)。為了便于討論股市收益率狀態(tài)，將股市的狀態(tài)劃分為無異常收益率狀態(tài)Ⅰ和有異常收益率狀態(tài)Ⅱ。設(shè)定St=1處于無異常收益率狀態(tài)；St=2表示處于有異常收益率狀態(tài)；抽取出來的均值和方差都是當(dāng)時所處狀態(tài)的函數(shù)；ztSt～N(μst,Ωst)，其中μst=(μ1, μ2)分別為zt在Ⅰ和Ⅱ時的均值，Ωst=(σ1, σ2)為狀態(tài)依賴的標(biāo)準(zhǔn)差。利用“Hamilton過濾器”， 它服從一階馬爾可夫過程：

p11為當(dāng)前期和前期都處于無異常收益率狀態(tài)的經(jīng)濟(jì)概率，p12為從無異常收益率狀態(tài)向有異常收益率轉(zhuǎn)換的平滑轉(zhuǎn)移概率，其中p11，p12，p21和p22為正的常數(shù)，滿足p11+p12=p21+p22=1，于是得到該馬氏鏈的狀態(tài)轉(zhuǎn)移矩陣P為

我們事先不能確定每一時刻經(jīng)濟(jì)處于何種狀態(tài)的概率。該概率可能與t時刻前期的各個時刻所處的狀態(tài)相關(guān)，即由t時刻前的各個時刻所處的狀態(tài)決定在每一時刻t經(jīng)濟(jì)所處的狀態(tài)。本文假定經(jīng)濟(jì)在狀態(tài)Ⅰ和狀態(tài)Ⅱ之間的變化服從馬爾可夫過程（Markov Process簡稱馬式過程），也即

此稱為馬爾可夫性。假定狀態(tài)和時間都取有限個離散值，這種馬式過程也稱為馬爾可夫鏈。當(dāng)轉(zhuǎn)移概率不受其他變量影響時，該馬氏鏈稱為齊次馬氏鏈(Homogeneous Markov Chain)，利用齊次馬氏鏈建立起來的模型則稱為齊次馬氏域變模型[6]。

為了方便求極大似然函數(shù)，可定義新的狀態(tài)變量S*以表示t 時時域

t

其中Ωt=(zt, zt?1，…,z0)，α=(μ1, μ2, σ1,σ2,p11,p22)刻畫zt的概率密度特征的總體參數(shù)向量，用極大似然估計能最好地擬合數(shù)據(jù)的總體參數(shù)。

同理可求出S*=2，3，4 時異常收益率z的條件密度。

t t

全部樣本ΩT的對數(shù)似然函數(shù)如下（具體推導(dǎo)過程見文獻(xiàn)[7]）

其中

由于假定馬氏鏈狀態(tài)轉(zhuǎn)移概率不變，因此馬氏鏈狀態(tài)轉(zhuǎn)移矩陣P中的元素可作為PSt+1St的值。馬氏鏈的平穩(wěn)分布（當(dāng)時間趨于無窮時，馬氏鏈所收斂的分布）可取初始值P(S0)，設(shè)定的初始值直接影響算法的收斂速度，通過求出異常收益率所處狀態(tài)和持久時間的無條件概率向量π可得到初始值。

盡管以上討論的是二維馬氏鏈，但對于多維馬氏鏈實(shí)際上同樣適用。

2 基于齊次馬氏域變模型的上海股市異常收益率的實(shí)證檢驗(yàn)

本節(jié)將以上證指數(shù)為主要研究對象討論我國股市異常收益率。首先對收益率產(chǎn)生決定性影響的宏觀經(jīng)濟(jì)變量進(jìn)行單位根檢驗(yàn)，接著使用Johansen協(xié)整檢驗(yàn)方法從實(shí)際收益率中剔除其基礎(chǔ)價值收益率決定部分,最后在兩狀態(tài)假設(shè)下運(yùn)用齊次馬氏域變模型進(jìn)行檢驗(yàn)。

2.1 對影響收益率的宏觀經(jīng)濟(jì)變量進(jìn)行單位根檢驗(yàn)

“齊漲共跌”是我國股市明顯存在的現(xiàn)象。由于宏觀經(jīng)濟(jì)因素的影響在收益率的分析中作用明顯，因此在收益率基礎(chǔ)價值的研究中選擇宏觀經(jīng)濟(jì)變量作為解釋因素[8]。

我們所選取的數(shù)據(jù)區(qū)間為1996年10月～2010年2月的月度數(shù)據(jù)，數(shù)據(jù)均來源于RESSET（銳思）金融研究數(shù)據(jù)庫（http://www.resset.cn/）以及《中國經(jīng)濟(jì)景氣月報》[由于2006年12月以后的工業(yè)增加值的月度數(shù)據(jù)不能從數(shù)據(jù)庫直接得到，依據(jù)當(dāng)月工業(yè)增加值=上年同期工業(yè)增加值×（當(dāng)月比上年同期增長百分比+1）計算得到，2007，2008，2009，2010年1月的月度數(shù)據(jù)可用插值法得到]。首先，對上證指數(shù)及各宏觀經(jīng)濟(jì)變量進(jìn)行對數(shù)變換，并且對工業(yè)增加值、消費(fèi)品價格指數(shù)和匯率進(jìn)行X－11季節(jié)調(diào)整，用來消除序列中所存在的季節(jié)效應(yīng)；然后對數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果如表1所示。

表1 經(jīng)濟(jì)變量序列的單位根檢驗(yàn)結(jié)果Tab.1 Unit root test results of economic variables

檢驗(yàn)結(jié)果表明，在5 %顯著性水平下，樣本期內(nèi)所有序列都無法拒絕存在單位根的原假設(shè)，序列是非平穩(wěn)的；對其差分序列進(jìn)行平穩(wěn)性檢驗(yàn)，在1 %的顯著性水平下，檢驗(yàn)統(tǒng)計量均拒絕存在單位根的原假設(shè)，即所選變量序列在數(shù)據(jù)區(qū)間內(nèi)均服從一階單整變量，即I(1)過程。

2.2 基于Johansen協(xié)整檢驗(yàn)方法剔除正常收益率

首先對相關(guān)宏觀經(jīng)濟(jì)變量做協(xié)整回歸，剔除不顯著變量以及估計結(jié)果與經(jīng)濟(jì)實(shí)際意義不符的變量，由此可以盡量避免誤設(shè)定異常收益率問題。對股市收益率影響最為明顯是工業(yè)增加值（由于國民生產(chǎn)總值GDP的月度數(shù)據(jù)無法獲得，故使用工業(yè)增加值對其進(jìn)行替代）、準(zhǔn)貨幣、無風(fēng)險利率、匯率、消費(fèi)品價格指數(shù)和上市公司凈資產(chǎn)收益率，這些被選擇組成宏觀經(jīng)濟(jì)指標(biāo)集來確定正常收益率部分。本文采用Johansen協(xié)整檢驗(yàn)方法剔除正常收益率，若統(tǒng)計量的值低于臨界值，則不能拒絕無協(xié)整關(guān)系的零假設(shè)。從表2中可以看出Johansen協(xié)整檢驗(yàn)結(jié)果。雖然各經(jīng)濟(jì)指標(biāo)是非平穩(wěn)的一階單整序列，金融資產(chǎn)收益變量和宏觀經(jīng)濟(jì)變量具有長期均衡的協(xié)整關(guān)系。一般認(rèn)為，當(dāng)宏觀經(jīng)濟(jì)因子變化和股價之間存在協(xié)整關(guān)系時，表明股票市場趨于穩(wěn)定，市場正逐步走向有效和成熟；反之，若二者不存在協(xié)整關(guān)系，則預(yù)測市場可能仍然不成熟，需要利用法律等對交易主體進(jìn)行規(guī)范。

表2說明，七個變量間存在顯著的長期均衡關(guān)系，并在樣本期內(nèi)存在三個協(xié)整關(guān)系。λ?max統(tǒng)計量54.887 0(0.00) 49.077 1(0.01) 31.464 7(0.03) 26.664 8(0.07) 15.620 1(0.25) 8.383 0(0.34) 4.078 5(0.23)

表2 Johanson協(xié)整檢驗(yàn)結(jié)果Tab.2 Johanson cointegration test results

如果按照傳統(tǒng)的單位根和協(xié)整檢驗(yàn)方法，可以拒絕在我國股市上存在異常收益率的原假設(shè)。然而，此種方法無法準(zhǔn)確描述異常收益率的非線性路徑和周期性變化。為了更準(zhǔn)確地測定收益率的泡沫程度，將使用馬氏域變方法對其進(jìn)行分析。由于正常收益率在進(jìn)行協(xié)整分析時已從收益率中剔除，因此只針對協(xié)整殘差進(jìn)行建模，而無需考慮殘差均值。根據(jù)全樣本區(qū)間內(nèi)的協(xié)整殘差路徑，可以得出上證指數(shù)的協(xié)整殘差就是tz，即是異常收益率。圖1表明，協(xié)整殘差中存在著明顯的非線性特征，若使用線性模型進(jìn)行分析,必然造成較大的誤差。

圖1 上證指數(shù)協(xié)整殘差圖Fig. 1 The shanghai stock index cointegration residual plot

2.3 基于兩狀態(tài)馬氏域變模型的異常收益率驗(yàn)證

為了更本質(zhì)地解釋樣本區(qū)間內(nèi)估計母體參數(shù)的內(nèi)在機(jī)理，假定上證指數(shù)中存在無異常收益率狀態(tài)Ⅰ和有異常收益率狀態(tài)Ⅱ，應(yīng)用對數(shù)極大似然法對異常收益率進(jìn)行估計。對數(shù)極大似然法通過Eviews 5.0的LogL編程實(shí)現(xiàn)，算法的收斂速度受初始值設(shè)定的直接影響。通過求出異常收益率所處狀態(tài)和持久時間的無條件概率向量π可以得到初始值，得到表3。

從動態(tài)的角度，馬氏域變模型研究股市收益率與波動性的對應(yīng)關(guān)系，描述并證明了金融市場“收益與風(fēng)險相對應(yīng)”的特征。通過對上海股市進(jìn)行實(shí)證研究，可知：

表3 上證指數(shù)異常收益率的域變模型的估計結(jié)果表Tab.3 Homogenous markov regimes switching model estimation results table of Shanghai Stock Index abnormal returns

1) 表中參數(shù)具有較小的方差，并且都落在各自的置信區(qū)間中，在一定程度上可以認(rèn)為它們是一致的、魯棒的；當(dāng)前狀態(tài)與前期狀態(tài)均與模型中的波動率存在相關(guān)性，但真正原因尚待進(jìn)一步研究；

2) 時域轉(zhuǎn)換概率均小于8 %；在上證指數(shù)異常收益率的域變模型中，一個狀態(tài)變?yōu)榱硪粋€狀態(tài)的概率分別為p12=0.062 6（p12=1－p11），即無異常收益率狀態(tài)繼續(xù)的可能性為0.937 4，轉(zhuǎn)為有異常收益率狀態(tài)的概率為0.062 6（p12=1－p11），說明股市狀態(tài)有很強(qiáng)的持續(xù)性；

3) 在1 %水平下兩個參數(shù)均高度顯著，序列波動率在兩個狀態(tài)下相差很大，有異常收益率狀態(tài)與無異常收益率狀態(tài)的方差之比為1.93倍，這暗含著不僅存在更大的波動性，更重要的是，潛伏著更大的沖擊不確定性和金融風(fēng)險；與其他模型相比，域變模型更好地解釋了金融市場收益與風(fēng)險相對應(yīng)的基本特征，更深刻、準(zhǔn)確地刻畫股市收益率水平與股價波動風(fēng)險的對稱特征以及隨機(jī)沖擊持續(xù)性之間的動態(tài)關(guān)系。

對區(qū)間內(nèi)各個時點(diǎn)考察得出上證指數(shù)處于有異常收益率狀態(tài)的概率如圖2所示。

圖2 上證指數(shù)處于有異常收益率狀態(tài)的概率Fig.2 Probability of shanghai stock index in abnormal returns

由于使用計量方法形成了樣本損失，圖中僅描繪出1996年12月到2010年2月間處于有異常收益率狀態(tài)的概率，與同期上證指數(shù)序列(見圖3)對照可以看到：

圖3 上證指數(shù)Fig. 3 Shanghai stock index

2000年以前收益率泡沫情況較2000年大；從2000年以后股市陷入低迷，存在泡沫的概率均在30 %以下；泡沫概率在2006年后出現(xiàn)了逐漸增大的趨勢，與2006年上半年股市逐漸走出熊市，股指開始上升的實(shí)際情況相符。

分析表明，2006年5月到2008年4月異常收益率的概率超過50 %。泡沫概率在2008年后逐漸減小，但也超過30 %。這與現(xiàn)實(shí)宏觀環(huán)境相一致：我國經(jīng)濟(jì)當(dāng)時發(fā)展迅速，人民幣匯價不斷提高，宏觀經(jīng)濟(jì)面是可以解釋收益率上漲的?？梢钥闯龊暧^調(diào)控政策對我國股市影響較大，尤其是代表貨幣政策變化的控制變量，低彈性的貨幣政策調(diào)控減弱了控制變量對股市的影響。對于收益率時間序列的均值回復(fù)、波動聚集以及非線性特征，“依賴波動持久時間”現(xiàn)象具有很強(qiáng)的解釋力。由波動性的低波動狀態(tài)向高波動狀態(tài)轉(zhuǎn)移的時間點(diǎn)以及后續(xù)的持續(xù)時間上看，這些時間點(diǎn)大多位于監(jiān)管當(dāng)局加強(qiáng)監(jiān)管力度或?qū)墒袑?shí)施政策影響的時候。明顯的例子是2008年在我國股市受美國次貸危機(jī)的影響而導(dǎo)致大幅下跌后，央行實(shí)行了降息政策，致使一年期存款利率由4.14 %下降至2.25 %。

3 政策建議

由于異?；貓舐蕰谀撤N程度上對投資甚至對整體經(jīng)濟(jì)的運(yùn)行造成較大影響，因此研究異常收益率對探索如何促進(jìn)經(jīng)濟(jì)的穩(wěn)定發(fā)展及可持續(xù)發(fā)展有著積極的意義。從上文分析可以看出，宏觀調(diào)控和政府監(jiān)管對股市影響較大，然而也不能忽略市場、上市公司和投資主體的影響，為此提出以下主要建議。

3.1 維持宏觀調(diào)控的穩(wěn)定性、貨幣政策的連續(xù)性，消除產(chǎn)生異常收益率的宏觀因素

從上文對股票市場分析的結(jié)論及日本的金融危機(jī)可以看出政策的力度對股市影響較大。當(dāng)指數(shù)迅速變化，股市泡沫可能被刺破或產(chǎn)生，股市由“?！鞭D(zhuǎn)“熊”或由“熊”轉(zhuǎn)“?！薄３雠_貨幣調(diào)控政策時，不但要輔之以其他的有利措施，而且要注意貨幣政策制定的前瞻性和透明度，避免股市的大幅度波動，保證股票市場的穩(wěn)定發(fā)展。

3.2 加強(qiáng)政府對證券市場的監(jiān)管，消除制度性風(fēng)險

當(dāng)前我國證券監(jiān)管體系還不太完善。政府用行政命令替代市場選擇功能，過多地頻繁干預(yù)二級市場的價格形成，導(dǎo)致監(jiān)管手段偏于“政策化”，政府行政手段過于剛性。這些情況不但不利于我國證券市場的長遠(yuǎn)穩(wěn)定發(fā)展，而且也深刻折射出我國市場存在著制度風(fēng)險，即政府對市場參與主體的隱性擔(dān)保和投資人對政府的尋租行為，所以要規(guī)范政府監(jiān)管行為，消除制度隱患和風(fēng)險。

3.3 健全市場法規(guī)，完善金融法律，促進(jìn)市場的規(guī)范與透明

完善的法律法規(guī)是市場健康高效運(yùn)行的基礎(chǔ)和前提，因此要不斷健全《證券法》、《公司法》和《證券交易法》等法律體系。規(guī)范透明的證券市場，有利于消除市場信息的不完全和不對稱，抑制欺詐行為和內(nèi)幕交易，改善市場的信息供給狀況，有助于證券市場形成一個良性發(fā)展的交易環(huán)境，并可以在某種程度上消除新股的投機(jī)情緒，減少股市產(chǎn)生泡沫的概率。

3.4 提高上市公司的整體質(zhì)量，完善上市退市制度

建立現(xiàn)代企業(yè)制度，完善法人治理結(jié)構(gòu)，強(qiáng)化上市公司內(nèi)部管理，改善上市公司股權(quán)結(jié)構(gòu)的不合理，從而提高上市公司的整體質(zhì)量，增加股票市場的可投資性。對于長期效益不好，經(jīng)營或資產(chǎn)出現(xiàn)重大問題的上市公司，要嚴(yán)格執(zhí)行中止上市或終止上市，強(qiáng)行督促上市公司提高自己的經(jīng)營業(yè)績，維護(hù)證券市場的健康運(yùn)行。

3.5 加強(qiáng)投資者教育，使之形成正確的投資理念

投資者的非理性投資做法，不但會損害其自身的利益，而且破壞了市場的內(nèi)在運(yùn)行機(jī)制，因此政府要合理正確地引導(dǎo)股票市場主體的投資行為，避免“羊群行為”、“追漲殺跌”，進(jìn)而可以有效地抑制泡沫的產(chǎn)生，促進(jìn)股票市場穩(wěn)健有序發(fā)展。

[1] 閆榮國 , 陳宇峰.基于馬爾可夫域變模型的上海股市收益率非線性特征分析[J]. 統(tǒng)計與信息論壇, 2008(5):56-60.

[2] STEPHEN G C, POK-SANG L, NELSON C M. Mean reversion in equilibrium asset prices [J].The American Economic Review ,1990(60):398-418.

[3]HAMILTON J D, SUSMEL R. Autoregressive conditional heteroskedasticity and changes in regime [J]. Journal of Econometrics, 1994(64): 307-333.

[4]HAMILTON,J D. A new approach to the economic analysis of nonstationary time series and the business cycle [J].Econometrica,1989(57):357-384.

[5]MADDALA G S , RAO C R.金融中的統(tǒng)計方法[M]. 上海:上海人民出版社, 2004.

[6]孟慶斌,周愛民,汪孟海.基于齊次馬氏域變方法的中國股市價格泡沫檢驗(yàn)[J].金融研究,2008(8):105-118.

[7]HAMILTON J D著, 劉明志譯.時間序列分析[M]. 北京:中國社會科學(xué)文獻(xiàn)出版社,1999.

[8]江洲,謝赤.基于分布特征與宏觀經(jīng)濟(jì)因素的證券市場收益率描述與預(yù)測[D]. 濟(jì)南: 山東大學(xué),2009.

[9]郭名媛,張世英.具有馬爾可夫結(jié)構(gòu)轉(zhuǎn)換機(jī)制的波動模型及其應(yīng)用[D]. 天津: 天津大學(xué),2003.

[10]鮑未平,王金利.中國股票市場異常收益之實(shí)證研究[D]. 濟(jì)南: 山東大學(xué),2008.

[11] 黃輝,周孝華.IPOs長期異常收益率的度量方法及其實(shí)證研究[D]. 重慶: 重慶大學(xué),2005.

[12]CHRIS B 著,鄒宏元主譯.金融計量經(jīng)濟(jì)學(xué)導(dǎo)論[M]. 成都:西南財經(jīng)大學(xué)出版社,2005.

Analyzing and Testing for Abnormal Return of Shanghai Stock
with Homogenous Markov Regimes Switching Model

WU Jin-cun，F(xiàn)ENG Wen-li，ZHANG Yue-hui
（Department of Finance, Hebei University of Economics and Business, Shijiazhuang 050061,Hebei Province, P.R.China）

Studies abnormal return by using homogenous Markov Regimes Switching Model and describes the nonlinear dynamics process of Shanghai Stock Index from October, 1996 to February, 2010. The author eliminates rational value component (normal return) based on Johansen Co-integration Test, and then constructs model of co-integrational residual error (abnormal return) by using homogenous Markov Regimes Switching Model and utilizes the method of Maximum Likelihood to estimate the reason. Finally, according to the analysis this paper indicates it is macro-economic policy factors that influence the abnormal return of China’s stock market , and propose corresponding policy suggestions.

abnormal return； Johansen co-integration test ； homogenous markov regimes switching model

F830.19

A

1001-4543(2010)02-0149-07

2010-04-28;

2010-06-11

武金存（1980－），女，甘肅金昌人，碩士研究生，研究方向?yàn)橘Y本市場與證券投資，電子郵件：wujincun@yahoo.com.cn封文麗（1967－），女，河北平山人，博導(dǎo)，研究方向?yàn)橘Y本市場與證券投資