我国权证市场星期效应的实证研究.docx

我国权证市场星期效应的实证研究.docx

《我国权证市场星期效应的实证研究.docx》由会员分享，可在线阅读，更多相关《我国权证市场星期效应的实证研究.docx（27页珍藏版）》请在冰豆网上搜索。

我国权证市场星期效应的实证研究

2008年中国经济学年会提交论文

研究领域：

金融学

我国权证市场星期效应的实证研究

韩德宗李新锋

（浙江工商大学金融学院，杭州，310018）

摘要：

本文以我国权证市场各品种日收益率作为研究对象，运用描述性统计、最小二乘法（OLS）和广义自回归条件异方差（GARCH）模型，对我国权证市场星期效应的存在性和表现形式进行实证检验。

得到结论：

认购权证存在显著的周一正效应和认沽权证存在显著的周五负效应。

我国权证市场的星期效应一定程度上反映了市场的无效。

关键词：

权证星期效应GARCH

Abstract:

Thispapermakespragmaticstudyonexistenceandpresentformofweekeffectsofwarrantmarketbydescriptivestatistics,OLSandGARCHmodels.Thepaperhasarrivedconclusions:

callwarrantshavepositiveMondayeffectandputwarrantshavenegativeFridayeffectinsignificance.TheweekeffectsofwarrantmarketinChinareflectun-efficientofmarketincertaindegree.

KeyWords:

warrants,weekeffects,GARCH

一、引言

权证是由发行人发行的，能够按照特定的价格在特定的时间内购买或卖出一定数量普通股票的选择权凭证。

权证实质上是一种股票期权。

权证作为一种融资便利、具有高杠杆性和具有对冲风险功能的金融衍生工具，自从1911年美国电灯和能源公司（AmericanLight&Power）发行全球第一个认股权证以来，受到上市公司和投资者的广泛欢迎。

2005年6月13日，上海证券交易所发布《上证所权证业务管理暂行办法》（征求意见稿），我国资本市场再次引入权证这一金融衍生品。

星期效应是股票市场上普遍存在的一种现象，即一周中各交易日股票收益率存在一定规律。

西方股市的星期效应一般表现为周一收益率为负数，即所谓周末效应。

星期效应的存在意味着在不考虑交易成本的前提下，基于股票价格的历史数据就可获得超额收益。

目前关于星期效应的研究集中在股票市场，对权证市场的研究极少，本文试图作些有意义的发现。

国外研究证券市场星期效应的文献有Cross（1973）对1953年至1970年期间标准普尔500指数的日收益率进行了研究，发现在此期间标准普尔500指数在星期五上涨的概率为62%，而在星期一上涨的概率仅为39.5%。

星期五的平均收益率为0.12%，而同一时期星期一的平均收益率却为-0.18%。

French（1980），利用1953年至1977年标准普尔指数数据进行了实证检验，证明了纽约市场存在周末效应，周一的平均收益率最低，而且在统计上显著为负。

Keim和Stambaugh（1984）对美国证券市场的日收益率进行了研究，并且得出与Cross一致的结论：

星期一的平均收益率比一周内其他任何一天的平均收益率要低很多，且在统计上显著为负。

Kamara（1997）仔细研究了1962年至1993年间标准普尔500指数的日收益率。

他发现标准普尔500指数日收益率所呈现出的“星期一效应”随着时间的推移显著减弱，且这种现象与机构成交量和个人成交量之比的增幅显著正相关。

Jaffe和Wester和Field（1985）对其他四个工业国家（英国、日本、加拿大和澳大利亚）股票市场的日收益率进行了研究分析。

他们发现每个国家的股票市场都存在“星期效应”：

英国和加拿大的股票市场存在一个日平均收益率显著为负的“星期一效应”，而位于远东地区的日本和澳大利亚则存在一个日平均收益率显著为负的“星期二效应”。

Aggarwal和Rivoli（1989）研究分析了香港、新加坡、马来西亚和菲律宾四个新兴资本市场，发现存在星期二效应。

戴国强和陆蓉（1999）研究了1993年1月至1998年12月上证综合指数和深圳成份指数每日收盘价，结果表明：

在5%显著性水平下，深圳股市周一股票报酬显著为负，且为最低，周五收益率显著为正，且较一周内其他交易日的报酬都高，上海股市周二股票报酬显著为负，周四、周五不显著。

上海和深圳股市周四平均股票报酬在1%水平下显著为正，较一周内其它交易日的报酬都高。

奉立城（2000）选取1992年6月1日至1998年6月30日期间上证综合指数和深圳成份指数每日的收盘价进行研究，发现中国股票市场并不存在绝大多数发达国家股票市场和某些新兴股票市场所普遍具有的“星期一效应”。

较强的证据显示上海股票市场存在着日平均收益率显著为负的“星期二效应”和显著为正的“星期五效应”。

较弱的证据显示深圳股票市场存在着日平均收益率显著为负的“星期二效应”和显著为正的“星期五效应”。

范钛和张明善（2002）以随机游走模型为基础，利用沪深股票市场1991年至2001年数据进行研究，结果表明：

中国股票市场存在“周末效应”，但沪深两市周末效应显著性不同，上海股票市场的周末效应更加明显。

史代敏（2003）利用1993年1月4日至2001年7月31日上海股票市场的上证综合指数日收益率序列进行研究，结果表明，上海股市存在“星期五效应”，星期五具有明显正的超额收益率。

张兵（2005）运用滚动样本检验方法研究股票市场的日历效应，采用GARCH模型，研究结论：

中国股市的星期五效应从1998年开始逐渐消失，星期二效应只是出现在市场的早期，星期一的波动最大；总体不具有明显的月份效应，小公司一月效应较为显著。

刘志亭，张慧云（2006）以上证180成份指数为研究对象，采集近3年每个交易日收盘数据，结果表明：

在样本区间内上海股市收益率存在“周二效应”。

刘志葵（2007）编制认购、认沽权证指数，对权证市场进行了星期效应的检验，结果表明我国认沽权证存在星期一效应。

本文选取在沪深交易所上市交易的40只权证作为研究样本，采集2005年6月10日至2008年6月30日期间每个交易日的收盘数据。

其中，上海证券交易所14只认购权证，11只认沽权证；深圳证券交易所7只认购权证，8只认沽权证（见表1）。

数据资料来源于天相金融数据库和万得金融数据库，采用eviews5.1作为分析工具。

表1权证样本

代码

权证名称

权证类型

行权方式

存续截止日期

标的证券

030001

鞍钢JTC1

认购权证

百慕大式

2006-12-5

鞍钢股份

030002

五粮YGC1

认购权证

百慕大式

2008-4-2

五粮液

031001

侨城HQC1

认购权证

百慕大式

2007-11-23

华侨城A

031002

钢钒GFC1

认购权证

百慕大式

2008-12-11

攀钢钢钒

031003

深发SFC1

认购权证

百慕大式

2007-12-28

深发展A

031004

深发SFC2

认购权证

百慕大式

2008-6-27

深发展A

031005

国安GAC1

认购权证

百慕大式

2009-9-24

中信国安

031006

中兴ZXC1

认购权证

百慕大式

2010-2-21

中兴通讯

038001

钢钒PGP1

认沽权证

欧式

2007-5-3

攀钢钢钒

038002

万科HRP1

认沽权证

百慕大式

2006-9-4

万科A

038003

华菱JTP1

认沽权证

百慕大式

2008-3-1

华菱管线

038004

五粮YGP1

认沽权证

百慕大式

2008-4-2

五粮液

038005

深能JTP1

认沽权证

百慕大式

2006-10-26

深圳能源

038006

中集ZYP1

认沽权证

百慕大式

2007-11-23

中集集团

038008

钾肥JTP1

认沽权证

百慕大式

2007-6-29

盐湖钾肥

580000

宝钢JTB1

认购权证

欧式

2006-8-30

宝钢股份

580001

武钢JTB1

认购权证

百慕大式

2006-11-22

武钢股份

580002

包钢JTB1

认购权证

百慕大式

2007-3-30

包钢股份

580003

邯钢JTB1

认购权证

百慕大式

2007-4-4

邯郸钢铁

580004

首创JTB1

认购权证

百慕大式

2007-4-23

首创股份

580005

万华HXB1

认购权证

百慕大式

2007-4-26

烟台万华

580006

雅戈QCB1

认购权证

百慕大式

2007-5-21

雅戈尔

580007

长电CWB1

认购权证

百慕大式

2007-5-24

长江电力

580008

国电JTB1

认购权证

百慕大式

2007-9-4

国电电力

580009

伊利CWB1

认购权证

百慕大式

2007-11-14

伊利股份

580010

马钢CWB1

认购权证

百慕大式

2008-11-28

马钢股份

580011

中化CWB1

认购权证

百慕大式

2007-12-17

中化国际

580012

云化CWB1

认购权证

百慕大式

2009-3-7

云天化

580013

武钢CWB1

认购权证

百慕大式

2009-4-16

武钢股份

580989

南航JTP1

认沽权证

欧式

2008-6-20

南方航空

580990

茅台JCP1

认沽权证

欧式

2007-5-29

贵州茅台

580991

海尔JTP1

认沽权证

百慕大式

2007-5-16

青岛海尔

580992

雅戈QCP1

认沽权证

百慕大式

2007-5-21

雅戈尔

580993

万华HXP1

认沽权证

百慕大式

2007-4-26

烟台万华

580994

原水CTP1

认沽权证

百慕大式

2007-2-12

原水股份

580995

包钢JTP1

认沽权证

百慕大式

2007-3-30

包钢股份

580996

沪场JTP1

认沽权证

欧式

2007-3-6

上海机场

580997

招行CMP1

认沽权证

百慕大式

2007-9-1

招商银行

580998

机场JTP1

认沽权证

百慕大式

2006-12-22

白云机场

580999

武钢JTP1

认沽权证

百慕大式

2006-11-22

武钢股份

根据各权证样本的收盘价格，计算每日收益率如

式：

式中，

表示

期的收益率，

表示

期的收盘价格，

表示

期的收盘价格。

二、模型的选择

1、描述性统计

将每只权证样本日收益率序列按日收益率所在周内交易日（周一至周五）分成5组，计算星期一至星期五每天的平均收益率和收益率标准差。

通过平均收益率指标，可以考察一周内各交易日（周一至周五）的平均收益率的分布情况，大概了解一周内平均收益率最大和平均收益率最小的日子，以此初步判断权证样本在星期效应的表现形式。

2、最小二乘法（OLS）估计模型

回归分析在计量经济分析中使用非常广泛。

运用最小二乘法估计的多元线性回归模型的一般形式：

为因变量，

为自变量，

为自变量系数，

为误差项，T为样本个数。

本文在研究星期效应时运用最小二乘法（OLS）估计模型，通过在回归方程中引入虚拟变量来进行研究。

由于选用的是日收益数据，在回归时为了避免出现多重共线性问题，本文在研究时引入5个虚拟变量的模型（假定无解释变量），可将回归系数看成因变量在周内每交易日的平均值，模型如下：

式中，

为权证第

期收益率，

、

、

、

和

为未知参数，

、

、

、

和

为虚拟变量，

为残差项。

虚拟变量取值：

星期一时

=1，其他为0；星期二时

＝1，其他为0；星期三时

＝1，其他为0、星期四时

＝1，其他为0，星期五时

＝1，其他为0。

参数

、

、

、

和

分别测度星期一、星期二、星期三、星期四和星期五的平均收益率。

3、广义自回归条件异方差（GARCH）模型

在金融领域的研究分析中经常发现时间序列模型中的扰动方差稳定性通常比假设的要差，误差项的条件方差不是某个自变量的函数，而是随时间变化并且依赖于过去误差的大小。

为了刻画预测误差的条件方差中可能出现的某种相关性，恩格尔（Engle）提出了自回归条件异方差（ARCH）模型。

ARCH模型的主要思想是扰动项

的条件方差依赖于它的前期值

的大小。

“波动丛集性”或“波动聚集性”是许多金融资产收益序列偏爱ARCH模型的一个重要特征。

波动丛集性描述在资产价格的大的变化（正或负的）后，往往随后也会有大的变化，小的变化（正或负的）后有小的变化。

换句话说，波动的当期水平往往与它的最近的前些时期水平有正相关关系，即“波动的自相关性”。

在ARCH模型中，“波动的自相关性”的模型化是通过让残差项的条件方差依赖于其前一项的残差平方的值来表示的。

ARCH（p）过程包括均值方程和方差方程，一般形式的ARCH（p）模型为：

在金融领域，尤其是采用日数据或者周数据的应用时常常出现

的条件方差

依赖于很多时刻之前的变化量的现象，这就需要必须估计很多个参数，这却很难精确地做到。

为了克服ARCH模型的缺陷，Bollerslev（1986）提出了广义自回归条件异方差（GARCH）模型。

GARCH模型允许条件方差依赖于自身的前期值，GARCH（p，q）模型的方程中，当期条件方差被参数化为依赖q阶滞后的平方误差和p阶滞后的条件方差。

一般化的GARCH（p，q）模型为：

GARCH模型的优点在于能够以简单的GARCH模型代表高阶的ARCH模型，因此近年来GARCH模型在股票指数、股票、汇率、利率、期货等证券的风险度量和风险收益的计算中得到越来越广泛的应用。

一般来讲，在金融领域研究中，GARCH（1，1）能够充分捕获数据中的波动丛集性，因此，在本文研究中，采用GARCH（1，1）模型。

三、实证结果

1、平稳性检验

所谓时间序列的平稳性，是指时间序列的统计规律不会随着时间的推移而发生变化。

平稳性在计量经济建模中具有重要地位，因此有必要对观测值的时间序列数据进行平稳性检验。

平稳性检验方法主要有：

平稳性的非参数检验，自相关函数检验和单位根检验。

本文运用单位根检验中的扩展的迪克—富勒检验（AugmentedDickey—FullerTest）来研究收益率

的平稳性，有截距项而无趋势项。

检验结果表明在1%的显著性水平下，权证样本收益率

都拒绝随机游走的假设，说明权证收益率

是平稳的时间序列数据，收益率序列可以直接用于进行最小二乘法估计。

2、ARCH效应检验

在估计GARCH类模型前，应对残差进行Engle（1982）提出的ARCH效应检验，以确保该类模型适用于特定的数据。

通过对最小二乘法回归方程的残差进行ARCHLM检验，可以检验残差中是否存在ARCH效应。

本文中ARCH效应检验结果中深市认购权证中有031004、031005和031006的ARCH效应不显著，深市认沽权证中有038005的ARCH效应不显著，沪市认购权证中有580008、580009、580010、580011、580012和580013的ARCH效应不显著，沪市认沽权证中有580989、580993和580998的ARCH效应不显著。

可以看出我国权证市场中，上市时间较早权证品种的ARCH效应均比较显著。

对于具有ARCH效应的权证数据，可以采用GARCH模型做进一步的估计研究。

3、描述性统计结果

统计各权证在周内不同交易日的平均收益率及其最大值和最小值的分布。

结果如表2所示。

表2描述性统计结果

序号

权证

星期一

星期二

星期三

星期四

星期五

最大值

最小值

1

030001

0.0303

0.0029

-0.0090

0.0031

-0.0069

周一

周三

2

030002

0.0209

0.0045

-0.0007

0.0002

0.0067

周一

周三

3

031001

0.0194

0.0137

0.0006

0.0055

-0.0064

周一

周五

4

031002

0.0149

0.0066

0.0036

-0.0009

-0.0010

周一

周五

5

031003

0.0063

-0.0064

0.0057

-0.0017

-0.0076

周一

周五

6

031004

-0.0039

-0.0196

0.0019

0.0006

-0.0139

周三

周二

7

031005

0.0016

-0.0158

0.0030

0.0013

-0.0061

周一

周二

8

031006

0.0088

-0.0237

-0.0015

0.0167

-0.0073

周一

周二

9

038001

0.0147

0.0023

-0.0092

-0.0008

-0.0229

周一

周五

10

038002

0.0212

-0.0080

-0.0146

-0.0330

-0.0591

周一

周五

11

038003

0.0092

-0.0019

0.0050

-0.0121

-0.0269

周一

周五

12

038004

0.0185

-0.0083

0.0086

-0.0127

-0.0238

周一

周五

13

038005

-0.0154

-0.0141

-0.0019

-0.0175

-0.0675

周三

周五

14

038006

-0.0073

0.0035

0.0002

-0.0097

-0.0318

周二

周五

15

038008

0.0069

0.0049

-0.0039

-0.0101

-0.0257

周一

周五

16

580000

0.0290

-0.0138

-0.0132

-0.0086

-0.0303

周一

周五

17

580001

0.0376

-0.0174

-0.0110

-0.0107

-0.0235

周一

周五

18

580002

0.0441

0.0051

-0.0087

0.0028

-0.0049

周一

周三

19

580003

0.0424

0.0044

-0.0029

-0.0026

-0.0085

周一

周五

20

580004

0.0477

-0.0036

-0.0102

-0.0076

-0.0076

周一

周五

21

580005

0.0200

0.0055

-0.0079

0.0075

0.0056

周一

周三

22

580006

0.0404

0.0016

0.0016

-0.0034

-0.0009

周一

周四

23

580007

0.0212

-0.0043

0.0021

0.0063

-0.0092

周一

周五

24

580008

0.0158

0.0117

-0.0036

0.0037

0.0027

周一

周三

25

580009

0.0101

0.0100

-0.0014

-0.0040

-0.0046

周一

周五

26

580010

0.0167

0.0001

0.0038

0.0005

-0.0065

周一

周五

27

580011

0.0312

0.0143

0.0047

-0.0120

-0.0026

周一

周四

28

580012

0.0146

0.0001

0.0065

0.0042

-0.0029

周一

周五

29

580013

0.0080

-0.0013

0.0023

-0.0030

-0.0050

周一

周五

30

580989

0.0207

-0.0069

0.0052

-0.0162

-0.0308

周一

周五

31

580990

0.0043

0.0055

-0.0092

-0.0098

-0.0335

周一

周五

32

580991

0.0028

0.0171

-0.0188

-0.0072

-0.0332

周二

周五

33

580992

0.0071

0.0169

-0.0080

-0.0149

-0.0356

周二

周五

34

580993

0.0110

-0.0024

-0.0056

-0.0177

-0.0283

周一

周五

35

580994

0.0092

-0.0047

-0.0076

-0.0109

-0.0322

周一

周五

36

580995

0.0159

0.0100

0.0006

-0.0097

-0.0301

周一

周五

37

580996

0.0162

-0.0080

-0.0066

-0.0135

-0.0192

周一

周五

38

580997

0.0043

0.0002

-0.0094

-0.0066

-0.0277

周一

周五

39

580998

0.0186

-0.0101

-0.0044

0.0000

-0.0205

周一

周五

40

580999

0.0208

0.0029

0.0006

-0.0179

-0.0430

周一

周五

按照上市交易所和权证类型的不同，可以把权证分为沪市认购、沪市认沽、深市认购和深市认沽四种类型。

对所有权证收益率最大值和最小值次数的星期内统计分布情况如表3所示。

表3权证收益率最大值和最小值次数的星期分布

星期

最大值

占比例

最小值

占比例

星期一

35

87％

0

0

星期二

3

8％

3

8％

星期三

2

5％

4

10％

星期四

0

0

2

5％

星期五

0

0

30

77％

在描述性统计中，深市认沽、沪市认购和沪市认沽权证基本都出现了周一为最大收益率，周五为最小收益率且为负值，深市认购权证大部分满足周一收益率最高，周五收益率最小。

从统计数据可得，收益率最大值出现在周一的所占的比例为87%，最小值出现在周五的所占比例为77%。

综上所述，可以初步判断我国市场可能存在正的“周一效应”，和负的“周五效应”。

4、最小二乘法（OLS）估计结果

表4、5、6和7列出了运用含虚拟变量最小二乘法检验我国权证市场的星期效应的估计结果。

表中包含了三个统计指标分别为四种类型在周内不同交易日的平均收益率估计值、相应t值和P值。

表4沪市认购权证最小二乘法估计结果

权证代码

星期一

星期二

星期三

星期四

星期五

580000

0.029

-0.014

-0.013

-0.009

-0.030

t

2.239

-1