市场波动性与中小企业成长性评价Word文档格式.docx
《市场波动性与中小企业成长性评价Word文档格式.docx》由会员分享，可在线阅读，更多相关《市场波动性与中小企业成长性评价Word文档格式.docx（17页珍藏版）》请在冰豆网上搜索。
波动性主要来源于两个方面：
一是推动价格变化的基本经济因素发生了变化；
二是由于信息不对称或委托暂时不平衡引发噪声交易。
市场稳定和适度波动是证券市场充分发挥其功能的基础，也是市场质量的重要衡量标准。
在一个波动剧烈的市场，波动将扭曲市场的价格出清机制，导致股票市场效率损失。
同时，适度的波动可以增加市场的活跃度，提高市场的流动性。
同时价格的波动是投资者投资证券，获得收益的一个重要来源，稳定不变的价格将使投资者无利可获（若不考虑红利），市场的发展受到限制，甚至使交易中断。
目前，国内外学者对波动性的研究主要集中在以下两个方面：
（1）波动性与风险溢价、预期报酬间的关系（Bollerslev，1981；
French，1987）。
（2）波动性衡量模型的建立。
Engle（1982）提出的自回归条件异方差模型（ARCH模型）和Bollerslev（1986，1992）提出的广义自回归条件异方差模型（GARCH模型）就能较好地刻划出波动的这种时变特性。
而国内学者对波动性的研究大致可以分为两类：
一类主要以观察股票指数或者个股股价的涨跌幅度、频率为主对中国股票市场的波动状况进行定性分析（刘海龙，2005；
陈维云，2005）。
另一类则主要利用数量模型，估计股票指数或者个股收益率的波动率来研究中国股票市场收益率的波动特性（宋逢明，2003；
王燕辉，2004；
张维，2005）。
这些研究均通过应用各种定量分析方法来对我国股票市场的波动性进行分析，研究基本上都认为其波动十分剧烈，显示出极大的非稳定性。
由此可见对我国上市公司的评价，特别是对中小上市公司成长性的评价而言，考虑公司股价的波动性是十分必要的。
因此本文将运用GARCH模型来估计中小上市公司股价波动率，并将其波动率指标加入到中小企业的成长性评价综合体系中，从而得出考虑了市场波动的中小上市公司成长性分析。
2.2波动率的估算
GRACH模型是目前最为常用的估计波动率的动态模型（Bollerslev,1986），它是ARCH（AutoregressiveConditionalHeteroskedasticity）模型（Engle，1982）的推广。
股票价格时间序列数据常常表现出不稳定的特点，幅度较大的波动会相对聚集在某一段时间，即所谓的波动集聚现象。
传统的计量经济模型假定样本的方差不变，但大量的实证研究表明这一假设并不适合股市时间序列数据的分析，因此人们寻求特定的时间序列技术来成功地预测金融资产收益率的方差。
GRACH模型把方差分解为无条件部分和时序依赖的条件部分。
GRACH类模型抓住了金融领域时序数据的特性，很多实证研究表明，将GARCH类模型应用于金融市场波动率估计的动态模型中，可以提高对收益率高阶矩的解释功能，预测能力优于其它模型。
在实际应用中，GRACH（1，1）是估计波动率比较常用的GARCH模型。
本文将采用的是GARCH（1，1）和EGRACH（1，1）模型，其公式分别由均值方程和条件方差方程给出，GARCH（1，1）的方程为：
（1）
（2）
（3）
（1）式通常是一个ARMA模型，描述了模型的条件期望部分，投资者在交易中所得到的信息依赖于过去时刻的收益以及过去时刻预期收益和实际收益间的误差。
（3）式描述了模型的条件方差部分，它不仅是滞后随机扰动项平方的线性函数，还是滞后条件方差的线性函数，表明了过去时刻的波动对未来价格波动有着正向缓解的影响，从而模拟了波动的集聚现象。
（4）
（4）式是冲击过程
存在有限方差的充分必要条件，其值大小反映了序列波动的持续性。
同时有
（5）由此可见，我们可以通过比较
的值来对序列的收益率波动性进行判断。
本文通过GRACH模型来测算中小企业版上市公司的波动风险值。
为了避免数据的非连续性和不一致性，本文采用样本公司除权后的每日收盘价为样本数据，参数选取得置信度水平是95%，持有期间为一天。
现以新和成（002001）为例，以其2005年一年的收盘价为样本数据，首先对每日收盘价Pt进行对数转换，得ln（Pt），根据对数收益率的计算公式：
按此来计算该公司每日收盘价的对数收益率,可得到该公司2005年收益率序列.由于该收益率序列存在一定的自相关性、非正态性和异方差性，则可通过EVIEWS软件测算最后得出新和成（002001）2005年的波动率风险值即为0.025524。
根据收益率计算公式，得出各公司的收益率，如表1。
表1深交所中小企业板上市公司日收益率描述性统计
最大值
最小值
均值
标准差
日收益率最大值
0.242851
0.078643
0.105989
0.029057
日收益率最小值
-0.0672
-0.20645
-0.10564
0.030019
日收益率均值
0.003796
-0.00161
0.00053
0.001218
日收益率标准差
0.036433
0.024036
0.028912
0.002935
日收益率偏度
2.323823
-1.13435
0.23605
0.553589
日收益率峰度
18.4311
0.811022
3.170233
3.06533
通过对深交所中小企业板所有公司的日收益率作描述性统计,可以发现:
（1）公司日收益率的平均峰度系数达到3,说明它们的分布显著异于正态分布,呈现肥尾尖峰特征，但公司间的峰度系数标准差较大,呈现较大的差异,最大最小值相差很大.
（2）公司的日收益率偏度显示,平均偏度值为正,说明大部分公司的偏度为正,具有偏右性,这与西方成熟的市场指数偏度类似,而其他公司左偏,但偏斜系数较小,所以仍可以认为它们的分布大致是对称的。
（3）大部分公司的日平均收益率为正，而所有公司的日收益率的最大值最小值在10%范围内浮动，标准差基本都在0.03左右。
从公司的日平均收益率可以发现，深交所中小企业板的公司大部分发展较好，由于受到我国对上市公司日交易收益率的涨跌幅度不能超过10%，因此,在正常的情况下,公司的日收益率最大最小值大部分在10%的范围内。
3、实证研究
陈晓红、佘坚等从2004年开始建立了中小上市公司成长性评价体系，并连续数年对我国沪深股市中小上市公司的成长性进行研究，本研究将对该研究已有的指标体系进行完善，加入在险价值因素来对中小上市公司的成长性作实证分析。
3.1建立考虑市场风险在险价值的评价指标体系
已有的中小上市公司成长性评价指标体系中，财务类指标主要是用于衡量公司的成长能力、盈利能力及资金营运能力；
一般类指标是用来评价公司的市场预期及企业规模大小。
由于GARCH模型所衡量的是公司潜在的波动风险损失，它将影响公司未来的收益，因此将市场风险这个重要因素加入到一级指标中，建立评价指标体系如下，如表2。
表2中小上市公司成长性评价指标体系
财务类指标XA
成长能力A1
主营业务收入增长率A11
近三年每股净利润平均增长率A12
近三年每股净资产平均增长率A13
盈利能力A2
主营业务毛利率A21
近三年加权平均净资产收益率A22
资金营运能力A3
本期每股经营性现金流量A31
本期资本周转率A32
一般类指标XB
市场预期B1
净资产倍率B11
利润增长率与市盈率之比B12
企业规模B2
本期资产总额B21
本期企业员工总数B22
风险指标Xc
波动风险C
3.2样本选择
所选取的样本是深圳证券交易所的中小企业板上市公司，共计50家公司。
为了能更好地检验加入了波动性风险因素后的指标体系的有效性，将采用样本公司2005年的数据进行评价，并以2005年、2006年的市场回报率作为标准，来进行是否考虑波动性风险的两种评价方法的有效性检验。
3.3成长性评价步骤
由于突变级数法具有不需对指标赋权重，减少主观性且计算简易准确的优点，本文将继续用突变级数法做实证分析。
突变级数法是一种对评价目标进行多层次矛盾分解，然后用突变理论与模糊数学相结合产生的突变模糊隶属函数，由归一公式进行综合量化计算，最后归一为一个参数，即求出总的隶属函数，从而得出综合评价结果的评价方法。
首先，我们根据评价目的，对评价总指标进行多层次分解，排列称倒状树型目标层次结构，从评价指标到下层指标再到下层子指标，原始数据只需要知道最下层子指标的数据即可。
然后，确定突变评价指标体系的突变系统类型，包括尖点突变系统（一个指标分解为两个子指标）、燕尾突变系统（一个指标分解为三个子指标）、蝴蝶突变系统（一个系统分解为四个子指标），并根据突变理论，利用归一公式对同一对象各个控制标量（即评价指标）计算出对应的x值。
同一对象下的各个指标间的关系若为非互补型，则采用“大中取小”的原则求出其值；
若为互补型，则采用求平均数的方法来求出其值。
据此原理从指标体系的最下层子指标的原始数据开始求其上层指标值，如此不断求其相应的上层指标值，这样即得到其总评价指标的得分。
现以新和成（002001）为例，具体介绍其突变级数法成长性评价的具体实证（如图1）。
（1）计算三级指标
（2）计算二级指标
（3）计算一级指标
图1采用突变级数法计算新和成（002001）的步骤
按图1的顺序进行计算，求得新和成（002001）最后的成长能力得分为0.8620。
最后按得分大小对样本公司的成长性进行排序。
3.4中小企业板成长性排名及比较
按突变级数方法对中小上市公司的加入波动性风险因素及未加波动性风险因素的指标体系进行评价，得实证结果（如表3），设加入波动性风险在险价值因素的排名为①，未加波动性风险在险价值因素的排名为②。
表32005年深交所中小企业板上市公司排名
证券代码
证券简称
①排名
②排名
2025
航天电器
1
2043
兔宝宝
26
31
2050
三花股份
2
8
2030
达安基因
27
23
2029
七匹狼
3
11
2039
黔源电力
28
39
2041
登海种业
4
2036
宜科科技
29
37
2032
苏泊尔
5
19
2049
晶源电子
30
12
2022
科华生物
6
2026
山东威达
40
2008
大族激光
7
2027
七喜控股
32
2014
永新股份
22
2013
中航精机
33
2003
伟星股份
9
2037
久联发展
34
2024
苏宁电器
10
2017
东信和平
35
38
2023
海特高新
20
2002
江苏琼花
36
2040
南京港
2044
江苏三友
2048
宁波华翔
13
2019
鑫富药业
21
2033
丽江旅游
14
2006
精工科技
2001
新和成
15
25
2021
中捷股份
42
2046
轴研科技
16
2009
天奇股份
41
43
2004
华邦制药
17
2034
美欣达
2010
传化股份
18
2042
飞亚股份
45
2035
华帝股份
2028
思源电气
44
2045
广州国光
2047
成霖股份
47
2007
华兰生物
2038
双鹭药业
46
2031
巨轮股份
2011
盾安环境
48
2018
华星化工
24
2012
凯恩股份
2015
霞客环保
2016
威尔科技
49
2020
京新药业
2005
德豪润达
50
4、两种排名结果的有效性检验
4.1非参数检验
首先对排名①（加入波动性风险因素）和排名②（未加入波动性风险因素）进行非参数检验，通过采用威尔科克森符号秩等级检验法和斯皮尔曼等级相关系数法检验法来验证两种排名结果是否有显著差别。
假设的原假设H0：
两序列排名没有显著的差别；
备择假设H1：
两序列排名有显著的差别。
检验的置信度为95％，检验为双侧检验。
所检验的样本分别为深交所中小企业板的所有公司、排前15名的高成长性公司、排名后15名的低成长性公司。
采用SPSS软件，对三个不同样本分别进行检验，得结果（如表4、表5）：
表4威尔科克森符号秩等级检验法结果
检验样本
样本数
排名①＝排名②
排名①>
排名②
排名①<
Z值
Asymp.Sig
结论
全样本
-0.444
0.657
接受原假设
前15名
-2.048
0.041
拒绝原假设
后15名
-1.608
0.108
表5斯皮尔曼等级相关系数检验法结果
-0.158
0.874
0.549
经威尔科克森符号秩等级检验发现，排名①和排名②中对所有样本公司和后15位的成长性排名有显著的差别，而对前15位的成长性排名无显著性的差别；
而经斯皮尔曼等级相关系数检验发现，排名①和排名②中对所有样本公司、前15位和后15位的成长性排名都存在显著的差别。
4.2有效性检验
经过非参数检验发现，排名①（加入波动性风险因素）与排名②（未加入波动性风险因素）的评价结果存在显著的差异，然后用2005年、2006年公司的股票回报率来检验这两个排名的评价结果。
本文采用2005年的数据对深交所的中小企业板所有公司的成长性进行排名，现通过用2006年4月28日除权后的收盘价与2005年4月29日除权后的收盘价求得其股票的回报率，利用所求得的回报率来对排名①和排名②的评价结果进行有效性检验。
所得结果如表6：
表6两种指标体系成长性排名的回报率检验
收益率
总体
排名①
313.46%
100.3
升级会员 