基于事件研究法的“大小非”解禁关于股票市场风险研究

1、_基于事件研究法的“大小非”解禁关于股票市场风险研究 摘要:通过比较“大小非”解禁事件前后不同时期的风险价值var,来评价大小非解禁对证券市场风险的影响。首先针对股票收益率序列具有波动聚集以及尖峰、厚尾的分布形态,应用garch类模型计算解禁前后各一段时期内沪深两市不同解禁量股票的var;其次应用多种定性、定量统计方法对所计算的var值进行前后分析比较,分析结果表明,采用的方法能够很好地捕捉到“大小非”解禁事件增大股票市场风险趋势这一现象。 关键词:事件研究法;var;garch;股票市场 引言 中国股票市场自建立之初就存在着股权分置的问题,非流通股占去了2/3左右的比例,而流通股却只占1/3

2、,此问题一直困扰着中国股市的发展。 2005年中国启动股权分置改革(以下简称“股改”),股改后,原非流通股成为限售股份。现阶段,中国证券市场最主要的限售股份是股改前的非流通股,这些股票可以在股改后一段时间获得流通权,也就是通常所说的“大小非”,“大非”即占总股本5%以上、股改两年后可上市流通的限售股份,“小非”即占总股本小于5%、股改一年后可上市流通的限售股份。 伴随着2009年10月份大小非解禁“洪峰”的到来,a股市场迎来了股改以来的限售股解禁最高峰,a股市场的反弹行情也再次面临考验。数据显示,2009年10月份51家上市公司解禁股数将达3 192.39亿股,占到了全年解禁股份总量的四成。这

3、也是自股改以来解禁规模最大的月份。天量限售股解禁,加上之前已解禁尚未减持的限售股,无论是心理上还是从实际减持结果看,对市场的压力都是显而易见的。伴随着解禁“洪峰”,市场将会受到解禁限售股怎样的影响,将成为市场关注的焦点。 本文正是在这种背景下,通过对“大小非”解禁前后股价的变化来研究这一事件是否影响个股和股市风险的变化。由于人们对股改的预期不一致,从而导致人们对股价定位的认识也不一致,所以股价在这一过程中,会出现较大的变化。通过本文的研究结果,市场监管者可以了解不同的解禁量对市场总体风险的影响,从而根据市场的变化以及监管措施可行性完善市场,同时对于减持比例进行控制。而投资机构或个人投资者,则可

4、以预测投资风险、调整投资结构、从而避免风险较大的投资品种,直接减少损失。 “大小非”解禁作为中国资本市场在一定时间内特有的现象,引起了国内一些学者的研究兴趣。在实证研究方面,“大小非”解禁对收益的影响得到了广泛的市场讨论。夏清华、李文斌采用事件研究法对“大小非”解禁的市场负异常收益的影响因素进行实证探讨。研究表明:“大小非”解禁上市公司的股价在公告日具有显着的负异常收益表现。黄汉利、佘晓燕使用事件研究法对解禁前后的中期市场反应和短期市场反应分别进行了研究。得出在中期市场反应中,“大小非”解禁样本存在正的超额收益的结论。“大小非”解禁对于市场的影响、影响因素以及影响程度,不同的研究也有不少不同的

5、看法。张冬云、张刚、刘振华认为,“小非”由于盘面相对较小对市场只是产生一定压力,并不会带来太大冲击;李慧敏 、闵纬国、石建勋则认为,“小非”冲击影响十分复杂。 对于究竟是“大非”影响大还是“小非”影响大,各篇文献从规模、基本面、控股权、市场预期等多个角度来考察,进而得出了不同的看法。但这些研究多偏于对现有数据的直观分析,缺少对问题建模并进行定量分析。“大小非”解禁是中国证券市场无法超越的问题,2009年中国证券市场大量限售股份(大非)将渡过限售期,在当前金融海啸的前提下,定量判断大小非解禁对中国证券市场的冲击,就有了更深刻的意义。 “大小非”解禁已成为学术界与实务界日益关注的重要事件,本文将运

6、用事件研究法,将首次解禁日视为具体事件,对每只个股分解禁前后进行建模研究。本文采用市场风险统一测量框架var和garch类模型对中国a股市场进行研究,具体地说就是选取沪深股市多个行业的一些不同解禁量的股票,以一只股票首次解禁日为事件日,以每事件发生前八个月(约160个交易日)为估计窗,估计garch类模型参数,计算其var值;再以这些股票首次解禁日后八个月(约160个交易日)为估计窗,同样在var-garch框架下建立模型,计算其var值。最后,将同一只股票事件前后的风险价值var作比较。同时,不同股票之间事件前后风险变化也进行比较,实证结果表明:大小非解禁将使股票市场风险变大。研究中我们发现

7、,本文所采用的比较解禁前后 var值的方法能够很好地捕捉到股票风险的变化,而有些文献中采用的直接比较解禁前后收益率的方法则无法有效反应股票风险的变化。 一、var框架及arch类模型 1.var的定义 关于var的定义本文引述 p.jorion在其着作中的定义:var是给定的置信水平和目标时段下预期的最大损失(或最坏情况下的损失)10: prob(pvar)= (1) 其中,p为资产在持有期内的损失值;为给定的显着水平;var为置信水平1-下的风险价值,即可能损失的上限;prob为概率。也就是说,该资产在未来规定时间内损失(p)大于var的概率为。 2.garch-var模型 在通常情况下,金

8、融数据有强烈的arch效应,其分布尾部和中间部位集中了大量的数据,比正态分布拥有“厚尾”特性。如果用正态分布刻画金融数据将损失大量的尾部信息,会造成var被低估。鉴于金融时间序列有波动聚集性和分布的尖峰厚尾特性,1982年恩格尔(engle)提出了着名的arch模型。其具体形式为: rt=+tt=·vtht=0+i2 t-i(2) 式(2)中rt 收益率序列,为收益序列的均值,ht为残差t的条件方差,vt为独立同分布的随机变量,vt与ht相互独立,0 0,i0(i=1,q)保证条件方差的非负性;i1保证该过程的平稳性。 随后,1986年bollerslev将了残差方差的滞后项引入ar

9、ch模型的方差方程中,得到了广义自回归条件异方差模型(garch模型)11,即garch(p,q)模型。它有如下的条件方差(均值方程不变): ht=0+i2 t-i+jht-j (3) 称序列t服从garch(p,q)过程,其中,0 0,i0(i=1,q),j0(j=1,p)保证条件方差的非负性;i+bj1保证该过程的平稳性。 garch模型考虑了异方差本身的自回归现象,概括能力强,是对arch模型的一种拓展。随后对模型的变形基本都是基于garch模型之上的。不过随着garch模型在金融领域的应用,人们也发现一般的garch存在两个问题。第一,以上模型中,对系数参数的非负性约束太强,过度地限制

10、了条件方差的动态性;第二,garch模型中条件方差ht是t - i的对称函数,它仅取决于t - i的幅度而与其符号无关。这与实际不符,实际金融价格运动存在杠杆效应(leverage effect),即证券价格的上升和下降可能非对称地影响随后的波动,证券价格的下降比其同样幅度的上升对随后的波动有更大的影响。这意味着更好的模型应该对正负两类残差做出非对称的反应。为了解决以上问题,1991年nelson12提出egarch(指数条件异方差模型)。现以egarch(1,1)说明t的条件方差方程(均值方程不变): ln(ht)=0+r1+1+1ln(ht-1)(4) 在garch 类模型中vt的分布常用

11、的有:正态(高斯)分布、学生t分布和广义误差分布。例如,假设vt服从正态分布,则: prob(vt-z)= (5) prob(·vt-·z)= (6) prob(rt-·z)= (7) 其中,z是正态分布概率为时刻对应的临界值,所以,时刻t的var值可用下式来估计: vart=-+·f-1() (8) 在式(8)中,vart 的计算只需要估计vt的分布的分位数f-1(·)。其中,为设定的显着水平,条件方差序列ht由garch模型直接生成。 3.var值的准确性检验 计算var值的模型建立之后,有必要对其进行检验,其中检验方法有多种,本文将采用失

12、败率检验方法。其原理如下:设t代表样本天数,首先,计算实际损失超过var值的失败天数,将其记为n;其次,计算失败率p=n/t。如果失败率p大于计算var值时所选择的显着水平,则模型失败;反之,模型成功。在实际应用中,通常假设var值的估计具有时间独立性,则对失败的统计次数服从t次贝努里分布,每次失败的期望概率为p0=。 假定原假设为h0:p=p0;备择假设为h1:pp0,此时模型的准确性检验转化为对失败率p是否显着异于失败期望概率p0的检验。1995年kupiec13提出了对原假设最合适的检验是似然比率检验: lr=-2ln(1-p0)t-np0n+2ln(1-p)t-npn(9) 在零假设条

13、件成立下,统计量lr服从自由度为1的2分布,在95%的置信水平下的临界值为3.84,如果lr 3.84,则拒绝原假设,说明var模型不适合。 二、实证研究 1.样本选取 因目前沪、深股市a股已达到1 500支左右,为使样本具有代表性,本文采取分层抽样的方法,选取沪、深两市各12支股票进行研究。股票市场收益率rt采用对数收益率。 本文采用事件研究法对股票收益率序列建立模型,计算var值,将首次“大小非”解禁视为具体事件,对每只个股均分为解禁前和解禁后进行建模研究,并将首次解禁日前后各八个月(约160个交易日)定为时间窗。数据处理采用eviews 5软件。现将本文所选股票及首次“大小非”解禁时间、

14、首次解禁量(如表1所示): 2.实证分析 (1)模型分析。我们利用上面描述的garch类模型对表1中的24只股票分别建立两个模型,即解禁前模型和解禁后模型。从模型估计的参数看,绝大部分参数检验的p值小于0.05,也就是说在5%的显着水平上,基本接受股票收益率的计算模型。 将由garch类模型得到条件方差ht代入公式(8)计算各期var值,然后和实际损失进行比较,从而得到实际损失超过var值的天数,利用此天数,就可利用式(9)给出的lr统计量对模型准确性进行检验。针对解禁前和解禁后var模型的计算我们发现,lr统计量均小于3.84,所以接受计算var值的模型。而且,解禁前后的n/t值在0.01和

15、0.05显着水平下差异均不显着,这也进一步说明了,var模型对风险的描述是比较准确的。 (2)个股解禁前后市场风险比较。图1及下页图2给出解禁前后两市股票var值随时间变化的情况,每个图包括解禁前、解禁后两部分,以空格隔离开。从图中可以看出,“大小非”解禁前后风险是有较明显的变化的,大部分股票var值解禁后比接近前大,同时,变化也比较剧烈。 为进一步分析比较解禁前后风险的变化,图3及下页图4分别给出两市股票 var的箱线图。从图中我们发现:大部分股票解禁后箱体中位数都有增大趋势,而且,箱体最大值也有明显的提升,这就说明股票在解禁后整体var值有所增加,即风险水平提高。在给出上述定性分析的同时,

16、本文做了进一步的定量分析,即检验解禁前后var的均值是否有显着差异,检验结果在下页表2中给出。从检验结果看,绝大多数股票var的均值解禁后较之解禁前有显着差异,风险水平整体提高,这进一步说明“大小非”解禁后风险是有显着差异的。 通过上述实证分析,发现:解禁后19只风险变大,5只风险变小,分别为“云南白药”、“高新发展”、“三一重工”、“贵州茅台”、“四创电子”。所以本文的结论为:“大小非”解禁后将使股票市场风险变大。19只风险变大的股票中只有“金牛能源”、“五洲交通”这两只股票解禁前后var的均值在0.05的显着水平下差异不显着,其余17只股票解禁前后var的均值的差异均显着,这进一步说明,用

17、var模型对风险变化进行描述是恰当合理的。 本文同时也采用相同的方法对比研究了解禁前后收益率的变化,结果发现,解禁前后收益率的均值在0.05显着水平下没有显着差异,而且通过作图,也看不出明显的变化。因此,仅从收益率角度,不能有效衡量股市解禁前后风险的变化。而采用市场风险统一测量框架var和garch类模型对中国a股市场进行研究,则可以很容易地发现大小非解禁对股市风险的影响。而且,模型的建立更能反映股市的共性,从而发现更为一般的规律。 结论 “大小非”的解禁,是会使股市的风险发生变化的。如果单从收益率角度研究问题,那么,无论是运用定性或是定量方法解禁前后差异均不显着,所以用收益率变化不能衡量股市

18、解禁前后风险的变化。而采用var方法和适合描述尖峰厚尾特征的garch类模型对中国a股市场进行定性、定量研究,则可以很容易地发现解禁前后风险是有大的差异的。 本文探讨了如何研究“大小非”解禁对于股市风险的影响,即采用的比较解禁前后 var值的方法能够很好地捕捉到股票风险的变化,并且,模型的建立更能反映股市的共性,从而发现更为一般的规律。而大小非解禁如何具体地影响风险不是本文的内容。 “大小非”解禁无疑是一次长期持续的市场扩容,对中国股市影响深远,从一定意义上可以说是对股市重造的必经之路,所以将它作为研究对象是有意义的。 参考文献: 杨栋,张建龙,张小涛.“大小非”解禁冲击了中国证券市场吗j.当代经济,2009,(2):49-55. 夏清华,李文斌.“大小非解禁”对中国a股上市企业股价的影响j.技术经济,2009,(5):64-70. 黄汉利,佘晓燕.大小非解禁市场反应实证研究j.财会通讯,2009,(6):64-67. 张冬云.小非不足