嚴(yán)佳佳+王鍇銘+王艷蘭

摘 要：本文以2000—2017年申萬(wàn)一級(jí)行業(yè)收益率為樣本，建立GARCH-M模型對(duì)28個(gè)行業(yè)春節(jié)前后三天收益率進(jìn)行計(jì)量回歸，探究我國(guó)股市是否存在春節(jié)的節(jié)日效應(yīng)。結(jié)果表明：我國(guó)股市在春節(jié)前后三個(gè)交易日表現(xiàn)出不同的收益率與風(fēng)險(xiǎn)；在不同的行業(yè)中，均存在春節(jié)的節(jié)日效應(yīng)，但是周內(nèi)效應(yīng)和風(fēng)險(xiǎn)溢價(jià)理論并不能完全解釋該異象，而各行業(yè)間的效應(yīng)表現(xiàn)也有所差異。

關(guān)鍵詞：節(jié)日效應(yīng)；周內(nèi)效應(yīng)；行業(yè)差異；GARCH類模型

中圖分類號(hào)：F830.91 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：1674-2265（2017）05-0019-06

一、文獻(xiàn)綜述

近年來(lái)，節(jié)日效應(yīng)被證明是對(duì)有效市場(chǎng)假說(shuō)形成巨大挑戰(zhàn)的市場(chǎng)異象，即在節(jié)日前后投資者可以運(yùn)用特定投資策略獲得超額收益或者規(guī)避風(fēng)險(xiǎn)。如果節(jié)日前交易日的收益率與市場(chǎng)平均收益率的差異在統(tǒng)計(jì)上顯著則被稱為節(jié)前效應(yīng)，反之則為節(jié)后效應(yīng)。大量國(guó)外文獻(xiàn)表明，大多數(shù)西方國(guó)家股票市場(chǎng)普遍存在節(jié)前效應(yīng)，但是節(jié)后效應(yīng)極少被提及。Kim和Park（1994）通過(guò)研究1963—1987年多國(guó)股票指數(shù)發(fā)現(xiàn)，美國(guó)S&P500指數(shù)、NYSE指數(shù)、AMEX指數(shù)、NASDAQ指數(shù)、英國(guó)FT30指數(shù)、日本日經(jīng)指數(shù)均存在顯著的節(jié)前效應(yīng)，其中S&P500指數(shù)、NYSE指數(shù)、AMEX指數(shù)、NASDAQ指數(shù)在節(jié)前的收益分別比平日收益高15.4倍、9倍、27倍、10.9倍。Cadsby和Ratner（1992）檢驗(yàn)1962—1989年的股市數(shù)據(jù)發(fā)現(xiàn)，盡管歐洲股市的節(jié)前效應(yīng)并不都很明顯，美國(guó)、加拿大、日本、中國(guó)香港和澳大利亞的股市依舊存在超額收益。但是也有研究證明了節(jié)前效應(yīng)隨著時(shí)間推移出現(xiàn)了下降的趨勢(shì)。Chong和Hudson（2005）通過(guò)研究美國(guó)、英國(guó)和中國(guó)香港三地1973—2003年的股指發(fā)現(xiàn)，三個(gè)市場(chǎng)的節(jié)前效應(yīng)已經(jīng)逐漸降低，美國(guó)股市的節(jié)前效應(yīng)甚至在1991—1997年發(fā)生了逆轉(zhuǎn)，節(jié)前平均日收益反而變?yōu)樨?fù)數(shù)。

國(guó)內(nèi)學(xué)術(shù)界對(duì)節(jié)日效應(yīng)的研究則起步較晚，大多采用不同計(jì)量模型對(duì)不同時(shí)間段內(nèi)的多個(gè)節(jié)日進(jìn)行比較研究。儀垂林、劉淄（2005）利用1996—2003年的上證綜指數(shù)據(jù)進(jìn)行線性回歸，首次探究我國(guó)股市的節(jié)日效應(yīng)，發(fā)現(xiàn)在法定節(jié)日和傳統(tǒng)節(jié)日均存在節(jié)前效應(yīng)和節(jié)后效應(yīng)，其中春節(jié)最為明顯。陸磊、劉思峰（2008）和吳瑋琳（2009）均對(duì)1996—2007年上證綜指日收益率數(shù)據(jù)建立ARMA-GARCH模型進(jìn)行研究，發(fā)現(xiàn)春節(jié)有正的節(jié)日效應(yīng)，并且證明了超額收益只與節(jié)日效應(yīng)有關(guān)、與其他日歷效應(yīng)無(wú)關(guān)。江一濤和楊林燕（2009）、胡躍紅和陳蘭（2010）分別采用GARCH-M模型和虛擬變量回歸方法對(duì)1996—2008年上證A股指數(shù)進(jìn)行研究，均指出春節(jié)的節(jié)日效應(yīng)顯著。嚴(yán)太華、齊頌超（2011）針對(duì)同時(shí)期內(nèi)深證成份指數(shù)的研究也證明了深圳股市節(jié)日效應(yīng)的存在，同時(shí)排除了周內(nèi)效應(yīng)對(duì)節(jié)日效應(yīng)的影響。值得注意的是，國(guó)內(nèi)學(xué)者的研究多集中于1996—2008年之間，并不能夠體現(xiàn)近期我國(guó)股市節(jié)日效應(yīng)的發(fā)展特點(diǎn)和趨勢(shì)。僅有潘麗群等（2017）選取1996—2016年深證成份指數(shù)收盤價(jià)作為研究樣本，采用ARMA模型證明了深市春節(jié)效應(yīng)的存在性，但是車卉淳等（2014）的研究卻認(rèn)為春節(jié)前超額收益現(xiàn)象并不穩(wěn)健。此外，節(jié)日效應(yīng)是否存在行業(yè)依賴性并未在已有文獻(xiàn)中得到體現(xiàn)。

因此，考慮到春節(jié)節(jié)日效應(yīng)的顯著性，本文選取2000—2017年的行業(yè)數(shù)據(jù)研究春節(jié)前后三天的收益率情況，探究我國(guó)股市節(jié)日效應(yīng)的存在性和持續(xù)性。在實(shí)證方法上，本文建立GARCH-M模型，對(duì)殘差采用GED分布假設(shè)進(jìn)行實(shí)證研究，通過(guò)在均值方程與波動(dòng)方程中引入代表周內(nèi)效應(yīng)的虛擬變量，排除周內(nèi)效應(yīng)及周末休市效應(yīng)對(duì)節(jié)日前后收益率及波動(dòng)率的影響。通過(guò)在均值方程引入當(dāng)日收益的波動(dòng)，探究節(jié)日效應(yīng)是否由于風(fēng)險(xiǎn)溢價(jià)引起，并且進(jìn)一步排除風(fēng)險(xiǎn)因素后研究是否還存在超額收益。與已有文獻(xiàn)籠統(tǒng)地得出股市存在節(jié)日效應(yīng)的結(jié)論不同，本文重在研究各行業(yè)的節(jié)日效應(yīng)，具有創(chuàng)新性的實(shí)踐指導(dǎo)意義。

二、實(shí)證檢驗(yàn)

（一）數(shù)據(jù)來(lái)源與說(shuō)明

本文選取2000年1月4日至2017年2月7日申萬(wàn)一級(jí)28個(gè)行業(yè)的日收益率數(shù)據(jù)為研究對(duì)象，所有數(shù)據(jù)均來(lái)源于萬(wàn)得數(shù)據(jù)庫(kù)。每個(gè)行業(yè)有4175個(gè)日數(shù)據(jù)，包含18個(gè)春節(jié)，選擇春節(jié)前后三個(gè)交易日的日收益率數(shù)據(jù)進(jìn)行分析，共108個(gè)春節(jié)前后交易日的數(shù)據(jù)。通過(guò)這些數(shù)據(jù)計(jì)算對(duì)數(shù)收益率如式（1）：

（1）

其中，表示行業(yè)，表示時(shí)間，表示日收益率，表示當(dāng)天收盤點(diǎn)數(shù)。

（二）收益率的描述性統(tǒng)計(jì)與分析

在建立模型之前，需要對(duì)春節(jié)前后三個(gè)交易日的日收益率和其他交易日的日收益率的均值和標(biāo)準(zhǔn)差進(jìn)行統(tǒng)計(jì)分析，結(jié)果見(jiàn)表1和表2。從均值上看，在春節(jié)前第三個(gè)交易日共有17個(gè)行業(yè)的收益率是其他交易日的10倍以上；在春節(jié)前第二個(gè)交易日所有行業(yè)都體現(xiàn)出較前一交易日更高的收益率，并且該日的收益率均為其他交易日的10倍以上，除了通信、農(nóng)林漁牧、國(guó)防軍工、綜合這四個(gè)行業(yè)外，該日收益率均為春節(jié)前后三個(gè)交易日中最大值；在春節(jié)前第一個(gè)交易日，所有行業(yè)都依然體現(xiàn)出較平時(shí)更高的收益率，但較前一個(gè)交易日有所下降。而在春節(jié)后兩個(gè)交易日，不同行業(yè)則表現(xiàn)出差異，農(nóng)林漁牧、國(guó)防軍工、綜合在春節(jié)后第一個(gè)交易日的收益率達(dá)到春節(jié)前后三個(gè)交易日的最大值，同時(shí)共有15個(gè)行業(yè)的收益率依舊比其他交易日高出10倍以上，較為特殊的銀行和非銀金融在這兩個(gè)交易日均表現(xiàn)出負(fù)收益率；而在節(jié)后第三個(gè)交易日，所有行業(yè)又表現(xiàn)出較其他交易日高出10倍以上的收益率，除農(nóng)林漁牧和軍工外，其他行業(yè)的收益率都比各自春節(jié)前第二個(gè)交易日的收益率稍低。從標(biāo)準(zhǔn)差上看，春節(jié)前第三和第二個(gè)交易日的收益率波動(dòng)并沒(méi)有較其他交易日發(fā)生大的改變，在春節(jié)前一個(gè)交易日和節(jié)后第三個(gè)交易日波動(dòng)均比其他交易日小，在春節(jié)后兩個(gè)交易日各行業(yè)的波動(dòng)均比其他交易日大。因此，在春節(jié)前第一個(gè)交易日與春節(jié)后第三個(gè)交易日均呈現(xiàn)出高收益、低風(fēng)險(xiǎn)的特征，而春節(jié)前第二個(gè)交易日的風(fēng)險(xiǎn)較其他交易日不變但收益率明顯增加，這三天均有明顯的超額回報(bào)，而其他交易日則更多表現(xiàn)出高收益、高風(fēng)險(xiǎn)特征。

（三）平穩(wěn)性檢驗(yàn)與模型的建立

對(duì)每個(gè)行業(yè)的對(duì)數(shù)收益率數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果如表3。各個(gè)行業(yè)的數(shù)據(jù)均通過(guò)在1%顯著性水平下的ADF檢驗(yàn)，各行業(yè)數(shù)據(jù)都為平穩(wěn)時(shí)間序列。

因此建立模型如式（2）。其中，為日收益率，代表不同的行業(yè)，為時(shí)間，、為虛擬變量，代表春節(jié)前第個(gè)交易日，代表春節(jié)后第個(gè)交易日，取值0或1，取值為1、2、3。

（2）

為了排除周內(nèi)效應(yīng)對(duì)收益率的干擾，在模型中引入代表周內(nèi)效應(yīng)的影響因素，代表周一至周五的虛擬變量，取值為1、2、3、4，分別代表周一、周二、周四、周五，而周三對(duì)收益率的影響則包含在常數(shù)中。由于已有研究普遍證明我國(guó)股市一月效應(yīng)不顯著（李紅兵等，2009；周美花等，2016），因此不再引入代表一月效應(yīng)的影響因素。得到模型如式（3）：

（3）

通過(guò)對(duì)殘差平方序列做二階自回歸檢驗(yàn)（見(jiàn)表4），發(fā)現(xiàn)各行業(yè)的統(tǒng)計(jì)量都在1%顯著性水平下顯著，因此均具有效應(yīng)，故建立類模型。

由描述性統(tǒng)計(jì)可知，春節(jié)效應(yīng)對(duì)收益率的影響不僅體現(xiàn)在均值上，而且體現(xiàn)在收益率的波動(dòng)上。由于周內(nèi)效應(yīng)對(duì)收益率的均值和波動(dòng)率也有影響，因此在波動(dòng)方程中同時(shí)引入代表節(jié)日效應(yīng)與周內(nèi)效應(yīng)的虛擬變量。由于金融資產(chǎn)的收益率可能依賴于其同期的波動(dòng)率，節(jié)日效應(yīng)的高收益率可能是由股市風(fēng)險(xiǎn)的改變?cè)斐桑虼私⒛Ｐ腿缡剑?）、（5），排除風(fēng)險(xiǎn)改變對(duì)收益率造成的影響。

均值方程：

（4）

波動(dòng)方程：

（5）

（四）計(jì)量結(jié)果與分析

通過(guò)比較殘差所服從的不同分布假設(shè)，發(fā)現(xiàn)在服從分布的假設(shè)下，擬合效果最好。由于部分行業(yè)的虛擬變量顯著性水平不高，為了降低不顯著虛擬變量給整體參數(shù)估計(jì)帶來(lái)的影響，將參數(shù)估計(jì)分為兩步。

步驟1：建立只包含周內(nèi)效應(yīng)的模型如式（6）、（7），對(duì)28個(gè)行業(yè)進(jìn)行計(jì)量回歸。

（6）

（7）

步驟2：在均值方程與波動(dòng)方程中剔除代表周內(nèi)效應(yīng)不顯著的虛擬變量，并且引入代表春節(jié)前后交易日的虛擬變量，得到結(jié)果。

表5給出了均值方程中代表春節(jié)前后三個(gè)交易日的虛擬變量所對(duì)應(yīng)參數(shù)及其顯著性水平。對(duì)于春節(jié)前后三天收益率的比較，發(fā)現(xiàn)扣除風(fēng)險(xiǎn)溢價(jià)因素后除外，、基本為正，說(shuō)明節(jié)前節(jié)后收益率普遍受節(jié)日正向影響，與描述性統(tǒng)計(jì)得出的結(jié)論一致，同時(shí)發(fā)現(xiàn)春節(jié)前第二個(gè)交易日的超額收益最高，而節(jié)后兩個(gè)交易日的春節(jié)效應(yīng)則比較差。在系數(shù)顯著性方面，代表春節(jié)前第二個(gè)交易日的虛擬變量的系數(shù)除銀行外，其他都表現(xiàn)出10%以內(nèi)的顯著性，其中有17個(gè)行業(yè)在1%以下顯著，說(shuō)明春節(jié)前第二個(gè)交易日的節(jié)前效應(yīng)是十分明顯的，而在春節(jié)前一個(gè)交易日與春節(jié)后第三個(gè)交易日，各行業(yè)顯著性水平也表現(xiàn)較好。從行業(yè)差異看，銀行和采掘機(jī)構(gòu)在春節(jié)后兩個(gè)交易日虛擬變量系數(shù)均為負(fù)，房地產(chǎn)、家用電器、食品飲料、非銀機(jī)構(gòu)、公用事業(yè)、化工的節(jié)日效應(yīng)表現(xiàn)相對(duì)較弱，而建筑材料、汽車、紡織、綜合、農(nóng)林漁牧、電氣設(shè)備行業(yè)春節(jié)期間所帶來(lái)的超額收益十分明顯。在系數(shù)顯著性方面，建筑材料、鋼鐵、商業(yè)貿(mào)易、電子、紡織服裝、綜合、機(jī)械設(shè)備、電氣設(shè)備、計(jì)算機(jī)、食品飲料這10個(gè)行業(yè)在1%的顯著性水平下出現(xiàn)了明顯的節(jié)前效應(yīng)和節(jié)后效應(yīng)，休閑服務(wù)、輕工制造、銀行3個(gè)行業(yè)在1%的顯著性水平下只出現(xiàn)節(jié)前效應(yīng)，農(nóng)林漁牧、公用事業(yè)在1%的顯著性水平下只出現(xiàn)節(jié)后效應(yīng)，有色金屬、汽車、交通運(yùn)輸、通信、非銀金融這5個(gè)行業(yè)在5%或者10%的顯著性水平下出現(xiàn)了節(jié)前效應(yīng)和節(jié)后效應(yīng)，房地產(chǎn)、家用電器、建筑裝飾、醫(yī)療生物、采掘、傳媒、國(guó)防軍工、化工等行業(yè)只出現(xiàn)節(jié)前效應(yīng)，采掘行業(yè)只在春節(jié)前兩個(gè)交易日通過(guò)10%的顯著性檢驗(yàn)，有色金屬、通信、化工只在5%的顯著性水平下出現(xiàn)節(jié)前效應(yīng)。

表6給出了波動(dòng)方程中代表春節(jié)前后三個(gè)交易日的虛擬變量所對(duì)應(yīng)參數(shù)及其顯著性水平。對(duì)于估計(jì)結(jié)果，發(fā)現(xiàn)除春節(jié)后兩個(gè)交易日系數(shù)為正外，其他多數(shù)為負(fù)，這說(shuō)明春節(jié)后兩個(gè)交易日的波動(dòng)變大，而春節(jié)前后其他交易日的波動(dòng)在減小，這也與描述性統(tǒng)計(jì)的結(jié)果相符。

三、結(jié)論與建議

本文采用2000年1月4日至2017年2月7日申萬(wàn)一級(jí)28個(gè)行業(yè)的日收益率數(shù)據(jù)作為研究對(duì)象，建立類模型并且排除一月效應(yīng)、周內(nèi)效應(yīng)、風(fēng)險(xiǎn)溢價(jià)因素的干擾，研究各行業(yè)的春節(jié)節(jié)日效應(yīng)。研究發(fā)現(xiàn)在扣除風(fēng)險(xiǎn)溢價(jià)后，各行業(yè)春節(jié)前后仍舊存在超額收益，特別在春節(jié)前兩個(gè)交易日與春節(jié)后第三個(gè)交易日的超額收益表現(xiàn)明顯，但也表現(xiàn)出了一些行業(yè)間的差異，各行業(yè)的超額收益與波動(dòng)率差異在春節(jié)后第一個(gè)交易日較為明顯；不同行業(yè)的春節(jié)效應(yīng)強(qiáng)烈程度也存在較大差別，如休閑服務(wù)、汽車、農(nóng)林漁牧、建筑材料、綜合行業(yè)春節(jié)期間超額收益十分突出而銀行、非銀機(jī)構(gòu)、化工行業(yè)春節(jié)效應(yīng)則比較弱，商業(yè)貿(mào)易、食品飲料等行業(yè)的春節(jié)效應(yīng)也不如大眾預(yù)期的強(qiáng)，又如建筑材料、電子、紡織服裝行業(yè)的系數(shù)顯著性水平高而農(nóng)林漁牧、公用事業(yè)行業(yè)的顯著性水平低。

筆者分析，造成各行業(yè)春節(jié)效應(yīng)現(xiàn)象的原因主要包括以下三點(diǎn)：一是年底的流動(dòng)性緊張，通常到春節(jié)期間明顯緩解，更多資金可以流入股市。因此，央行應(yīng)合理安排貨幣供應(yīng)量，合理控制市場(chǎng)流動(dòng)性，特別是在春節(jié)前進(jìn)行大量公開(kāi)市場(chǎng)操作時(shí)應(yīng)注意資金投放量并且合理引導(dǎo)資金流向，避免春節(jié)期間流動(dòng)性放松的同時(shí)大量財(cái)富流入股市，進(jìn)而造成股市的泡沫。二是中國(guó)股市更多由政策引導(dǎo)，而春節(jié)之后不久就是兩會(huì)，兩會(huì)期間往往出臺(tái)各類型政策，市場(chǎng)普遍對(duì)于兩會(huì)有正面預(yù)期，能夠有效提高市場(chǎng)風(fēng)險(xiǎn)偏好。未來(lái)應(yīng)當(dāng)通過(guò)加強(qiáng)市場(chǎng)的主導(dǎo)作用，合理定位政府在規(guī)范和發(fā)展證券市場(chǎng)中的角色，正確處理政府與市場(chǎng)的關(guān)系，減少管理部門對(duì)股市的過(guò)度干預(yù)，讓市場(chǎng)機(jī)制及依法治市代替行政監(jiān)管，進(jìn)而減少各種政策對(duì)股市的影響，淡化投資者進(jìn)行投資時(shí)對(duì)政策的偏好程度。三是春節(jié)效應(yīng)可能與投資者春節(jié)前后的情緒有關(guān)，張宗新（2013）通過(guò)構(gòu)造投資者情緒指標(biāo)發(fā)現(xiàn)其對(duì)收益率及其波動(dòng)率存在正向沖擊，原因是投資者由于春節(jié)的喜慶氣氛，可能對(duì)市場(chǎng)產(chǎn)生良好的預(yù)期。春節(jié)前的較低標(biāo)準(zhǔn)差也與投資者的樂(lè)觀預(yù)期較為一致，春節(jié)后的高風(fēng)險(xiǎn)與高收益并存則表明投資者預(yù)期開(kāi)始出現(xiàn)差異，但仍以樂(lè)觀預(yù)期為主?？梢?jiàn)從根本上看，應(yīng)通過(guò)提高股票市場(chǎng)有效性來(lái)減小春節(jié)效應(yīng)的影響。通過(guò)優(yōu)化投資者結(jié)構(gòu)降低過(guò)多散戶在市場(chǎng)中的非理性投機(jī)，進(jìn)而提高市場(chǎng)效率。通過(guò)加強(qiáng)專業(yè)知識(shí)及風(fēng)險(xiǎn)警示的宣傳教育，引導(dǎo)市場(chǎng)參與者特別是散戶審慎評(píng)估風(fēng)險(xiǎn)，形成合理預(yù)期，培養(yǎng)著眼于長(zhǎng)期的價(jià)值投資理念，避免追漲殺跌行為及各種盲目的短線投資，最終不斷完善自己的行為決策能力，從根源上減少非理性投資行為的產(chǎn)生，進(jìn)而減小投資者節(jié)日情緒對(duì)股市的沖擊。

參考文獻(xiàn)：

[1]CW Kim，J Park.1994.Holiday Effects and Stock Returns： Further Evidence.Journal of Financial and Quantitative Analysis[J].29（1）.

[2]CBCadsby，MRatner.1992.Turn-of-month and pre-holiday effects on stock returns：Some international evidence.Journal of Banking & Finance[J].16（3）.

[3]R Chong，R Hudson，K Keasey，K Littler.2005.Pre-holiday effects： International evidence on the decline and reversal of a stock market anomaly.Journal of International Money & Finance[J].24（8）.

[4]儀垂林，劉淄.上海股市法定節(jié)日及傳統(tǒng)節(jié)日效應(yīng)的實(shí)證研究[J].財(cái)經(jīng)科學(xué)，2005，（5）.

[5]陸磊，劉思峰.節(jié)日效應(yīng)在中國(guó)股票市場(chǎng)的表現(xiàn)[J].數(shù)理統(tǒng)計(jì)與管理，2008，（4）.

[6]吳瑋琳.中國(guó)股市“節(jié)日效應(yīng)”的實(shí)證研究[J].經(jīng)濟(jì)前沿，2009，（8）.

[7]江一濤，楊林燕.中國(guó)股市的節(jié)日效應(yīng)研究[J].經(jīng)濟(jì)經(jīng)緯，2009，（6）.

[8]胡躍紅，陳蘭.中國(guó)股票市場(chǎng)節(jié)日效應(yīng)的比較研究[J].統(tǒng)計(jì)與決策，2010，（18）.

[9]嚴(yán)太華，齊頌超.股市的節(jié)日效應(yīng)探源：基于上證綜指和深證成指收益率[J].改革，2011，（1）.

[10]潘麗群，何紅芳，喬立娟.基于ARMA模型的深圳股票市場(chǎng)春節(jié)效應(yīng)實(shí)證分析[J].金融經(jīng)濟(jì)，2017，（4）.

[11]車卉淳，沈大龍.中國(guó)股市春節(jié)“節(jié)前效應(yīng)”與投資者情緒——基于31個(gè)行業(yè)面板數(shù)據(jù)的實(shí)證研究[J].財(cái)會(huì)月刊，2014，（24）.

[12]李紅兵，孫麗敏.中國(guó)股票市場(chǎng)一月效應(yīng)的實(shí)證研究[J].財(cái)貿(mào)研究，2009，（2）.

[13]周美花，劉志偉.基于GARCH模型的我國(guó)股市異象月份效應(yīng)研究[J].中國(guó)物價(jià)，2016，（8）.

[14]張宗新，王海亮.投資者情緒、主觀信念調(diào)整與市場(chǎng)波動(dòng)[J].金融研究，2013，（4）.

Research on the Spring Festival Effect of China 's Stock Market

——An Empirical Study Based on Data of 28 Industries

Yan Jiajia Wang Kaiming Wang Yanlan

（School of Economics and Management，F(xiàn)uzhou University，F(xiàn)ujian Fuzhou 350116）

Abstract：Based on the SW first industry income rate from 2000 to 2017 as the sample，this paper establishes the GARCH-M model to measure the return rate of the 28 industries in the days before and after the Spring Festival and explores whether the China's stock market has the holiday effect of the Spring Festival. The results show that China's stock market shows different rates of return and risk in the three trading days before and after the Spring Festival. In the different industries，there is a holiday effect of the Spring Festival，but the week effect and risk premium theory can not completely explain the vision. And the effect of the performance between the various industries are also different.

Key Words：festival effect，week effect，industry differences，GARCH model