股市风险分析篇(1)

【关键词】布林带 布林带风险 中国股市 风险评估

一、引言

在2006年9月至2007年5月中旬的短短8个月期间，中国股市牛气冲天，深证成指涨幅已接近350%，而上证指数增幅也超过了250%。然而，2007年5月底受印花税利空消息影响，中国股市便震荡不断，上证指数最低跌至3404点，比最高时跌幅近20%。之后，成交量逐日萎缩，沪市成交量由最高量2755亿元降低至737亿元。

在股市风险方面，国内学者讨论最多的是投资组合的风险评估，有人采用VaR来评价最优投资组合，在90%、95%和99%置信度下，利用正态分布算法、历史模拟算法和GARCH模型算法对上海股市的风险进行了实证分析。有人采用ES来评价最优投资组合，指出ES具有一致性而VaR不具备，并且进一步推导出基于正态分布算法、历史模拟算法和GARCH模型算法的ES算法，利用ES模型对投资组合进行优化。

风险的本质最初是由马科维茨提出，并采用期望值和标准差来度量风险。当投资组合收益的标准差为零则称为无风险资产，标准差大于零则称为风险资产，标准差越大，风险越大。一般来说，布林带是指导投资决策的一种技术，由上轨线、中轨线和下轨线决定，中轨线是股价移动平均线。布林带宽度是由标准差测定。从其定义来看，布林带正是从本质上刻画风险的工具，并且突破了马科维茨传统意义上的静态方法，从本质的动态角度来诠释风险。因此，本文中首次利用布林带来刻画风险，采用统一的风险度量方法分析和比较中国的上证指数、深证成指，与美国的道琼斯工业指数以及纳斯达克指数之间的布林带风险等级，并探讨布林带的带宽与风险之间的相关性质。

二、布林带风险

1、布林带的定义。上世纪七十年代，John Bollinger提出了布林带理论。布林带利用统计规律对股价等历史数据进行分析和预测。布林带由三条线组成：上轨线、中轨线和下轨线。

取n个时间序列的随机变量x1，x2，∧xn作为样本，则中轨线?滋n+1为：

三、计算股市的布林带风险

本文中上证综指]和深证成指的日收盘价格指数均从2002年1月4日到2006年12月29日。道・琼斯和纳斯达克综合指数均从2002年1月2日到2006年12月29日。图1为上证综指三个月的布林带图形及收盘价序列。

图1揭示了该时间段中上证综指布林带的变化情况。读者可以看到3月与5月，尤其是5月份股价超过布林带的天数较多，如图中的5月12日和15日，两日上证综指分别上涨了4.26%和3.87%。而3月初有3日的收盘价低于布林带的下轨线，跌幅最大为3月7日，达到2.25%。

2006年3月初跌破下轨线的原因在于，此时的沪市大盘还徘徊于熊市的边缘，股指在1260点至1300点间反复整理。三日平均成交金额仅为93亿，市场缺乏资金面的推动。

而5月12日及15日股指暴涨的原因是股市大环境的变化。由于2006年中国股市已经进入股改“中盘”阶段，开始呈现牛市特征，股指节节上升。5月12日，沪深股市双双放量大涨，上证指数攻上1600点大关。沪深股市共成交647亿元。两市接近150家个股涨停，刷新了近期的涨停纪录。

根据公式（1）至（7），我们得到上证综指、深证成指、DOW和NASDAQ在置信度为95%条件下的布林带风险。

从表1中，可得出美国股市平均风险约为3%，而中国股市的平均风险则超过14%，相差11个百分点，差距可见一斑。

四、布林带风险与带宽的相关性质

我们根据对数正态分布p=0.3和p=0.7的分位点，将布林带带宽分成三类，即宽带宽、常带宽和窄带宽，之后分别计算宽带宽和窄带宽的布林带风险。

我们可以从表2中得到一些启示，按照我们对于带宽的划分，属于窄带宽的交易日风险要明显高于属于宽带宽的风险，应该警惕这30%属于窄带宽的交易日。通过识别窄带宽能够较为准确地评价股市风险，为投资者识别和控制股市风险提供一种有效的途径。

五、结语

一般情况下，当带宽由窄变宽或由宽变窄时，股市会出现较大的震荡行情，当然风险也更大。通过我们对布林带风险与布林带带宽的相关性质探讨，可以推论出在窄带宽时的股市交易风险要明显高于宽带宽的风险。

目前，由于各国股市的非系统风险、系统风险特点各有不同，难以从这个角度去建立统一的指标，而本文运用的布林带方法是从统计角度客观分析股市风险，期望我们的研究对建立统一指标比较股市风险有所帮助。此外，我们还从另一个侧面，即布林带带宽和风险相关性质，得出识别窄带宽对于准确评价股市风险的意义。

【参考文献】

[1] 陈志宏、阎春宁、余鹏：市场风险值VaR的算法与应用[J].应用数学与计算数学学报，2002(12).

[2] Bollinger, Bollinger on Bollinger Bands, McGraw Hill. New York, 2002.

股市风险分析篇(2)

关键词：收益；风险；误差修正模型；沪深股市

引言

中国a股市场经过十几年的发展，市场逐渐在规范，但是上市公司整体所表现出来的股市市值规模仍然较小，2005年开始的股权分置改革，使a股市场的发展迎来了新的机遇，走出了多年的熊市，有了较快的发展，处于上升的行情之中，但是与之相伴的却是股市激烈的波动。此外，由于诸多因素的影响和限制，中国a股市场投机气氛较浓。自从2008年世界金融危机以来，股市还出现了市场不确定性因素增多和市场风险加剧的趋势。

当前出现了大量的研究资产收益率方面的文献，有的定量研究波动性的非对称反应机制（李珠，吕明光，2001；胡永红，陆忠华，2005；周立、王东，2005），有的对波动性的形成方式与来源进行了分解（仲黎明等，2003；樊智、张世英，2005），有的研究了两市ipo的版块效应（王燕鸣、楚庆丰，2009），这些研究具有一定的针对性，对我们研究金融市场运行机制与风险控制具有一定的启发意义。此外，有engle等人开创arch和grach计量（engel，1982），grange（1988）的因果检验已经用在了许多经济金融模型检验中（如高辉、赵敬文，2006），使研究者对金融市场有了更多的认识。

本文主要采用误差修正模型（error correct model）即ecm模型，检验两市短期波动模式的异同，判断两市对市场冲击的短期调整及反应程度，描述两市向均衡收敛的过程。同时利用两种garch模型检验两市波动性之间的关系，判断两市的风险特征与风险转移过程，检验两市之间的“溢出效应”（spillover effect）和“杠杆效应”（leverage effect）。

一、变量选择和数据处理

在现有的可以衡量沪深股市的指数中，我们分别选择了上证a股综合指数和深圳a股综合指数作为指标。样本时间的选择，我们选择从2006年2月17日至2007年11月1日，这段时间，剔除节假日，共计样本416个。

我们将股市指数收益率rt定义为股票指数的对数的一阶差分：rt=ln（pt）-ln（pt-1），其中pt是股票指数价格。当股票指数波动不是十分剧烈的时候，它近似等于股票指数的日收益率，对应着股票市场的整体收益水平。

许多的学者研究结果倾向表明中国股市处于弱有效形式（王智波，2004；黄泽先等，2008）。因此，本文对股票指数收益率序列rt、股票指数绝对日收益率序列|rt|、日均方收益率序列r2t的变化情况进行考察。当样本容量比较大的时候，根据大数定理与市场弱型有效，可知样本区间的整体收益率均值为：rt=rt≈0，其中t是样本容量。假设εt表示沪深两市a股指数日收益率与样本均值的偏离，则有εt=rt-rt≈rt，εt=rt-≈rt，ε2t=（rt-rt）2≈r2t。

因此，沪深两市a股指数日收益率rt、日绝对收益率rt、日均方收益率r2t分别表示股指收益率分别围绕均值的双向变动，绝对变动，均方波动，他们体现了波动性逐渐增强的特点。

二、模型的建立

通过对沪深股市价格指数和收益率作单位根检验，granger因果关系检验和协整检验，我们发现：（1）沪指和深指对数序列均为一阶单整i（1），指数收益率序列为平稳序列；（2）上海股票市场指数是深圳股市指数的granger原因，但反之不成立；（3）沪深股指之间存在着协整关系（检验结果在附录）。基于检验结果，本文可以建立以下模型：

（一）误差修正模型

通过平稳检验，可以对沪深股指的收益率序列间建立误差修正模型，结果如下：

rsht=0.7884rszt+0.0957rsh t-1+0.0288rsh t-2-0.0974rsz t-1-0.0787rsz t-2-

0.0006+εsh t

（41.6471） （1.9558） （0.58988） （-2.26068） （-1.82970）

（-1.15173）

rszt=01.0273rsht+0.1121rsz t-1+0.0577rsz t-2-0.1128rsht-1-0.0191rsht-2-

0.0002+εsz t

（41.6471）（2.2821）（1.1734）（-2.02089）（-0.34466）

（-0.46366） （1）

其中，sh表示上海综指，sz表示深圳综指，t表示时间，t-1表示t期滞后一阶。根据上述误差修正方程计算，如果仍然引入非显著的回归项，那么求解收益率序列的无条件数学期望，可以得到两市收益率水平分别为：=0.00371，=0.00428。可见两市的长期收益率有显著差异。两市收益率均受到长期均衡关系的显著影响，但是修正项对沪深股市收益率是负的边际贡献。在ecm模型中，存在沪深两市股票价格收益率的交互影响，因为滞后系数出现部分显著与不显著，体现了短期波动之间的相互影响。

因此，ecm模型表明，沪深两市股票收益率之间存在长期的协整趋势，但是它们的短期波动过程存在着相异的波动模式。

（二）garch模型和溢出效应模型的估计与检验

我们采用garch模型检验收益率序列的条件异方差性，首先利用偏自相关函数（pacf）和自相关函数（acf）决定均值方程中的ar过程与ma过程的阶数，然后根据绝对残差序列的特性，然后确定方差方程中的arch 项和garch项的阶数。在经过不断试错的情况下，garch（1，1）都能比较好地进行解释，其sc和aic值也比较小。

沪深市场的garch－m模型和溢出效应模型估计（括号中为z统计量值）：

rsht=0.1789rsht-0.0597rsh t-1+ε t

（3.338219） （1.15366）（2）

hsht=0.0000105-0.08（εsht-1）2+0.899hsht-1

（1.7415）（3.6922） （31.7933）

rszt=0.18rszt-0.0122rsz t-1+ε t

（3.5721） （0.2446） （3）

hszt=0.00005-0.08（εsht-1）2+0.899hsht

（1.75）（3.66） （31.71）

上述garch－m模型的均值方程和溢出效应模型估计结果显示，中国沪深股市存在一定的风险，波动性增加了当前收益率；两市的风险激励0.18和0.1789相近，且两市都存在显著的正向风险溢价。风险与收益相伴，高收益，伴随着高风险，高风险也伴随着高收益，体现出两个市场上的投资者都有一定程度的风险偏好。以上情况也表明：中国沪深股市经过近几年来的发展，已经逐渐成熟，成交量放大，其收益率水平和波动性能够起到一定的示范作用，其波动性形成了一定程度的“溢出效应”。

（三）杠杆效应模型估计

沪深股市a股指数的t-garch模型估计结果为（括号中为z统计量值）：

rsht=0.2094hsht-0.0433rsh t-1+ε t

（3.7429） （0.8633）

hsht=0.133762（εsht-1）2+0.932536hsht-1-0.102942dsht（εsh t-1）2

（-2.6543） （4）

rszt=0.2019hszt-0.0433rsz t-1+ε t

（3.823） （0.1687）

hszt=0.1028（εsz t-1）2+0.9363hszt-1-0.7956dszt（εsz t-1）2

（-2.4389） （5）

从上述估计结果中可以看出，哑变量前的系数均为负值，并且在5%均十分显著，说明两市存在的“杠杆效应”十分显著，市场利空消息的影响明显强于利好消息的影响。这是中国沪深股市波动性的重要特征，也和国内其他学者的研究及国外学者对股市研究相一致。虽然对沪深两市的影响因素来源基本相同，但由于两市上市公司结构差异较大，沪市主要侧重大型国企，而深市则侧重中小板块，因此，企业规模的差异也影响了两市波动性的程度，即波动性的非对称性程度并不一致，且差异较大（由哑变量的系数大小0.102942和0.7956可以看出），沪市受利空消息影响的波动程度明显比深市要好很多。

结论

我们通过ecm模型和garch模型，分析中国沪深两市的关联性，也对收益率和波动性进行统计检验，得到的结论上面已经有了说明，下面总结如下：

首先，通过ecm模型，我们认为沪深两市的长期收益率几乎没有显著差异。两市收益率均受到长期均衡关系的显著影响，同时修正项为负的，这一反馈机制起到了保持长期均衡的作用。其次，我们发现，沪深两市指数收益率和波动性之中存在较为明显的非线性与非对称性。garch模型中显著的arch和garch项表明，两市的收益率序列存在一定的波动聚类与持续性。garch-m模型估计结果显示，市场存在一定的风险溢价，波动性增加了当前收益率。其中两地存在着相似的的风险溢价，且风险溢价是正向的，两个市场上的投资者都有一定程度的风险偏好。最后，通过t-garch模型检验结果，看到两市存在一定的“杠杆效应”，市场利好消息的影响弱于利空消息的影响，市场的波动性对消息影响呈现一定程度的非对称性。两市存在的利空消息均大于利多消息的作用，尤其是受利空消息的影响时，深市的波动幅度明显大于沪市。

参考文献：

[1]樊智，张世英.非线性协整建模研究及沪深股市实证分析[j].管理科学学报，2005，(2).

[2]高辉，赵进文.期货价格收益率与波动性的实证研究[j].财经问题研究，2007，(2).

[3]黄泽先，曾令华，江群.市场有效性传统及其演进和反思[j].数量经济技术经济研究，2008，(2).

[4]胡永宏，陆忠华.沪深股市杠杆效应的实证分析[j].数学的实践与认识，2005，(3).

[5]李姝，吕光明.中国股市股价指数变动的协整研究[j].辽宁师范大学学报，2001，(9).

[6]史代敏.沪深股市股指波动的协整性研究[j].数量经济技术经济研究，2002，(9).

[7]王智波.1970年以后的有效市场假说[j].世界经济，2004，(8).

[8]王燕鸣，楚庆丰.沪深股市ipo行业版块研究[j].金融研究，2009，(1).

[9]仲黎明，刘海龙，吴冲锋.深发展与深成指协整和引导关系的实证检验[j].预测，2003，(2).

[10]周立，王东.沪深股市的互动[j].统计与决策，2005，(8).

[11]engle.r，1982，“autoregressive conditional heteroscedasticity with estimates of the variance of united kingdom inflation”，economitrics，volume 50，issue 4，pp：987-1007.

股市风险分析篇(3)

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，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，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)=α (1)

其中，p为资产在持有期内的损失值;α为给定的显着水平;VaR为置信水平1-α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α。

2.GARCH-VaR模型

在通常情况下，金融数据有强烈的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=μ+εtεt=·vtht=α0+αiε2 t-i(2)

式(2)中rt 收益率序列，μ为收益序列的均值，ht为残差εt的条件方差，vt为独立同分布的随机变量，vt与ht相互独立，α0 0，αi≥0(i=1，…，q)保证条件方差的非负性;αi1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ARCH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=α0+αiε2 t-i+βjht-j (3)

称序列εt服从GARCH(p，q)过程，其中，α0 0，αi≥0(i=1，…，q)，βj≥0(j=1，…，p)保证条件方差的非负性;αi+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，过度地限制了条件方差的动态性;第二，GARCH模型中条件方差ht是εt - i的对称函数，它仅取决于εt - 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Nelson[12]提出EGARCH(指数条件异方差模型)。现以EGARCH(1，1)说明εt的条件方差方程(均值方程不变):

ln(ht)=α0+r1+α1+β1ln(ht-1)(4)

在GARCH 类模型中vt的分布常用的有: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≤-zα)=α (5)

Prob(·vt≤-·zα)=α (6)

Prob(rt≤μ-·zα)=α (7)

其中，zα是正态分布概率为α时刻对应的临界值，所以，时刻t的VaR值可用下式来估计:

VaRt=-μ+·F-1(α) (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，α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α，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=α。

假定原假设为H0:p=p0;备择假设为H1:p≠p0，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Kupiec[13]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)

在零假设条件成立下，统计量LR服从自由度为1的χ2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、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，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.小非不足惧，大非要提防[J].证券导刊，2007，(29):69-70.

张刚.震荡市中斗法大非套现[J].证券导刊，2007，(10):61-62.

刘振华.全流通解禁压力探秘[J].新财经，2006，(7): 94-95.

李慧敏.浅谈大小非解禁问题[J].现代商业，2008，(21):27.

闵纬国.2009大小非解禁对股价的影响[J].大众理财顾问，2009，(4):42-43.

股市风险分析篇(4)

树立风险意识，树立正确的投资观，有必要对现存的风险有一定的认识和了解。从风险与收益的关系来看，证券市场风险主要包括系统性风险、非系统性风险和交易过程风险三大类。

一、 系统性风险

系统性风险，又叫不可分散风险，是指由于某种全局性的共同因素引起的投资收益的可能变动，这种因素会对所有证券的收益产生影响。

宏观经济形势的好坏，财政政策和货币政策的调整，汇率的波动，资金供求关系的变动等，都会引起证券市场的波动。对于证券投资者来说，这种风险是无法消除的，投资者无法通过多样化的投资组合进行证券保值。这就是系统性风险的原因所在。系统性风险的来源主要由政治、经济及社会环境等宏观因素造成。它包括以下四个方面：

1.政策风险:指政府有关证券市场的政策发生重大变化或是有重要的法规、举措出台，引起证券市场的波动，从而给投资者带来的风险。

政府的经济政策和管理措施可能会造成证券收益的损失，这在新兴股市表现得尤为突出。经济政策的变化，可以影响到公司利润、债券收益的变化；证券交易政策的变化，可以直接影响到证券的价格。

2.经济周期性波动风险：指证券市场行情周期性变动而引起的风险。这种行情变动不是指证券价格的日常波动和中级波动，而是指证券行情长期趋势的改变，它可分为：看涨市场或称多头市场、牛市和看跌市场或称空头市场、熊市两大类。证券行情随经济周期的循环而起伏变化。在看涨市场，随着经济回升，股票价格从低谷逐渐回升，随着交易量扩大，交易日渐活跃，股票价格持续上升，升至很高水平后，资金大量涌入并进一步推动股价上升，但成交量不能进一步放大时，股价开始盘旋并逐渐下降，标志着看涨市场的结束；看跌市场是从经济繁荣的后期开始，伴随着经济衰退，股票价格也从高点开始一直呈下跌趋势，并在达到某个低点时结束，在看涨行市中，几乎所有的股票价格都会上涨：在看跌行市中，几乎所有的股票价格都会下跌，因此，盲目的股票买卖不可取。

3.利率风险：指市场利率变动引起证券投资收益变动的可能性。利率与证券价格呈反方向变化，即利率提高，证券价格水平下跌；利率下降，证券价格水平上涨。利率主要从两个方面影响证券价格：①改变资金流向②影响公司的盈利。当市场利率提高时，会吸引一部分资金流向银行储蓄、商业票据等其他金融资产，减少对证券的需求，使证券价格下降；当市场利率下降时，一部分资金流回证券市场，增加对证券的需求，刺激证券价格上涨。另一方面，利率提高，公司融资成本提高，在其他条件不变的情况下净盈利下降，派发股息减少，引起股票价格下降；利率下降，融资成本下降，净盈利和股息相应增加，股票价格上涨。

利率风险是债券的主要风险。当市场利率提高时，以往发行又尚未到期的债券利率相对偏低，此时投资者若继续持有债券，在利息上要受损失；若将债券出售，又必须在价格上作出让步，要受损失。可见，此时投资者无法回避利率变动对债券价格和收益的影响。而对普通股票来说，其股息和价格主要由公司经营状况和财务状况决定，而利率变动仅是影响公司经营和财务状况的部分因素，所以利率风险对普通股票的影响不像债券那样没有回转的余地，长期上，取决于上市公司对利率变动的化解能力。

4.购买力风险：购买力风险又称通货膨胀风险，是由于通货膨胀、货币贬值给投资者带来实际收益水平下降的风险，在通货膨胀的情况下，物价普遍上涨，社会经济运行秩序混乱，企业生产经营的外部条件恶化，证券市场也难免深受其害，所以购买力风险是难以回避的。购买力风险对不同证券的影响是不相同的，最容易受到影响的是固定收益证券，如优先股、债券。而普通股股票的购买力风险相对较小，当发生通货膨胀时，由于公司产品价格上涨，股份公司的名义收益会增加，公司净盈利增加，此时股息也会增加，股票价格随之提高，普通股股东可得到较高收益，部分可减轻通货膨胀带来的损失。一般来说，率先涨价的商品、上游商品、热销或供不应求商品的股票购买力风险较小；国家进行价格控制的公用事业，基础产业和下游商品等股票购买力风险较大。

在通货膨胀初期，企业消化生产费用上涨的能力较强，又能利用人们的货币幻觉提高产品价格，股票的购买力风险相对小些，当出现严重通货膨胀时，各种商品价格轮番上涨，社会经济秩序紊乱，企业承受能力下降，盈利和股息难以增加，股价即使上涨也很难赶上物价上涨，此时普通股票也很难抵偿购买力下降的风险了。

二、 非系统性风险

非系统性风险，又称可分散风险或可回避风险，指只对某个行业或个别公司的证券产生影响的风险。

单个股票价格同上市公司的经营业绩和重大事件密切相关。公司的经营管理、财务状况、市场销售、重大投资等因素的变化都会影响公司的股价走势。这种风险主要影响某一种证券，与市场的其他证券没有直接联系，投资者可以通过分散投资的方法，来抵消这种风险，若投资者持有多样化的不同证券，当某些证券价格下跌，收益减少时，另一些证券可能价格正好上升，收益增加，这样就使风险相互抵消。

非系统风险包括以下四个方面：1.信用风险。信用风险又称违约风险，指证券发行人在证券到期时无法还本付息而使投资者遭受损失的风险。它主要受证券发行人的经营能力、盈利水平、事业稳定程度及规模大小等因素影响。债券、优先股、普通股都可能有信用风险，但程度有所不同，债券的信用风险就是债券不能到期还本付息的风险，因为债券是需要按时还本付息的要约证券，故而，信用风险是债券的主要风险。政府债券的信用风险最小，中央政府债券更是几乎没有信用风险，其他债券的信用风险依次从低到高排列为地方政府债券、金融债券、公司债券。股票没有还本要求，普通股股息也不固定，但仍有信用风险，不仅优先股股息有缓付、少付甚至不付的可能，而且如公司不能按期偿还债务，立即会影响股票的市场价格，更不用说当公司破产时，该公司股票价格会接近于零，无信用可言。

在债券和优先股发行时，要进行信用评级，投资者回避信用风险的最好办法是参考证券信用评级的结果，信用级别高的证券信用风险小，信用级别越低，违约的可能性越大。

2.经营风险。是指公司的决策人员与管理人员在经营管理过程中出现的失误而导致公司盈利水平变化，从而使投资者预期收益下降的可能。公司的经营状况最终表现于盈利水平的变化和资产价值的变化，经营风险主要通过盈利变化产生影响，对不同证券的影响程度也不同。经营风险是普通股票的主要风险，公司盈利的变化既会影响股息收入，又会影响股票价格。当公司盈利增加时，股息增加，股票价格上涨;当公司盈利减少时，股息减少，股价下降。公司债的还本付息受法律保障，除非公司破产清理，一般情况下不受企业经营状况的影响，但公司盈利的变化同样可能使公司债的价格是同向变动，因为盈利增加使公司的债务偿还更有保障，信用提高，债券价格也会相应上升。

影响公司经营业绩的因素很多，投资者在分析公司的经营风险时，既要把握宏观经济大环境的影响，又要把握不同行业、不同经营规模、不同产品特点、不同管理风格等对公司经营业绩的影响。

3.财务风险。是指公司财务结构不合理、融资不当而导致投资者预期收益下降的风险，主要表现为无力偿还到期的债务，利率变动风险，再筹资风险等。形成财务风险的因素有资本负债比率、资产与负债的期限、债务结构等。一般而言，公司的资本负债比率越高，债务结构越不合理，其财务风险也就越大。投资股票就是投资于公司，投资者的股息收益与通过股票价格变动获得的资本利得与公司的经营效益密切相关。所以，股票的财务风险将直接取决于公司的经营效益。投资者在投资时应注重公司财务风险的分析。

4.道德风险。道德风险主要指上市公司管理者的道德风险。上市公司的股东和管理者是一种委托-关系。由于管理者和股东追求的目标不同，尤其在双方信息不对称的情况下，管理者的行为可能会造成对股东利益的损害。

三、交易过程风险

即投资者由于自己不慎或券商失责而遭致股票被盗卖、资金被冒提、保证金被挪用等风险。

对于此种风险，建议投资者注意以下有关事项，学会自我保护，尽可能降低交易过程风险。

1.选择一家信誉好的证券公司营业部。投资者买卖股票，必须通过证券公司的下属营业部进行。因此，证券公司及其营业部管理和服务质量的好坏直接关系到投资者交易的效率和安全性。根据国家规定，证券公司及其营业部的设立要经过证券监督管理部门的批准，投资者在确定其合法性后，可再依据其他客观标准来选择令自己放心投资的证券营业部。这些标准包括：①公司规模②信誉③服务质量④软硬件及配套设施⑤内部管理状况。

2.签订指定交易等有关协议。投资者选择了一家证券公司营业部作为股票交易人时,必须与其签定《证券买卖协议》和《指定交易协议》等,形成委托的合同关系,双方享有协议规定的权利和义务。指定交易,是指投资者可以指定某一证券营业部作为自己买卖证券的唯一的交易营业部,在与该证券营业部签定协议并完成一定的登记程序后，投资者便可以通过指定的证券营业部进行委托、交易、结算、查询以及其他服务。

3.认真核对交割单和对帐单。目前A股交易采用T+1交收制度，即当天买卖，次日交割。投资者应在交易日后一天在证券营业部打印交割单，以核对自己的买卖情况。如发现资金账户里的资金与实有资金存在差异，应立即向证券营业部提出进行查询核对。

4.防止股票被盗卖和资金冒提。投资者股票被盗卖和资金被冒提，主要有两个原因：一是股民的相关证件和交易资料发生泄露，使违法者有机可乘；二是因为证券公司管理不严等因素，使违法者得以进行盗卖或冒提，为保障投资者的股票和资金安全，维护正常的市场交易秩序，证券公司应建立规范的风险管理体系和健全的内控制度，而投资者也必须在日常投资过程中增强风险防范意识。尤其要注意以下事项：①在证券营业部开户时要预留三证（身份证、股东卡、资金卡）复印件和签名样本；②细心保管好自己的三证和资金存取单据、股票买卖交割单等所有的原始凭证，以防不慎被人利用；③经常查询资金余额和股票托管余额，发现问题及时处理，减少损失；④注意交易密码和提款密码的保密；⑤不定期修改密码；⑥逐步采用自助委托等方式减少柜台委托。

证券投资者的两大目标在于投资收益最大化以及同时风险最小化。股市是一个复杂的投资场所，对于股市投资，许多新股民并没有足够的思想准备和知识准备，对股市风险还缺乏清醒的认识，在投资方式上存在明显的认识误区，认为低价股便宜，ST就等于要重组。按照规定，上市公司连续三年亏损，将实施退市制度。一旦退市，几元钱的股票，退市后基本上都不到一元。其实，股价高低不是衡量风险大小的依据，低价股很多是亏损的垃圾股，风险远远大于蓝筹股。许多刚入市的股民，在ST股票的连续涨停中获利，而大盘蓝筹股却表现平平。这样的经历促使他们产生了一个很大的认识误区，使得缺乏经验的新股民，更偏爱低价股，错误地认为低价股有更多上涨的机会，而忽略了其潜在的风险。垃圾股一般价位较低，容易受主力控制，升得快，跌得也快，如果资金及止损等制定不好的话，容易造成损失，甚至一些绩差公司暴露出来的问题可能仅是冰山一角。此类股票的市盈率、换手率大多远高出市场平均水平，有很强的投机性。然而缺乏实质性的投资价值作支撑，低价股终究风险很大，一旦大盘风云突变，低价股更可能出现以连续跌停方式急剧回落，中小股民根本没有出逃的机会。然而在投资过程中，由于资金量和经验的限制，新股民相当比重的投资集中于低价股和“垃圾股”，这正是当前股市的风险所在。

一般来说，一家上市公司的股票之所以沦落为垃圾股，与企业的现存情况有巨大的关系。因此依靠其自身的力量往往难以改变其垃圾股的状况，大部分须依赖外部力量进行重组才有可能。重组能给企业带来全新的变化和发展动力，对二级市场的股价会产生极大的做多效应，股价也会相应出现上涨，因此，要仔细研究该股之所以沦为垃圾股的原因。有些上市公司由于没有明确主业导致业绩下降；有些上市公司管理不善而导致业绩不佳；有些是由于背负巨额债务而拖累经营情况难以改善，特别是一些上市公司，债务沉重，动辄上十亿，或者官司缠身，这样的垃圾股少碰为妙，即使有人愿意重组，往往面对如此状况也会望而却步。这样的公司往往表现机会不大，应尽量少碰。只有在该公司动了“大手术”后，才可关注。因此，对投资垃圾股应控制好风险，慎之又慎。

从长期来看，真正让投资者分享股市上涨的仍将是大盘绩优蓝筹股，市场中蓝筹股和低价题材股的涨升其性质是有区别的，因而投资策略也是需要有所不同。它从行业的发展态势入手，立足于预测相关上市公司未来的业务收入和净利润水平，从而选择有潜力的股票进行投资，这种投资模式不管从程序上还是内容上都是科学的、理性的，这种理念就是价值投资。随着我国证券市场制度建设和监管的日益完善，价值投资理念正日益成为主流投资理念，所谓价值投资，是指对影响证券投资的经济因素、政治因素、行业发展前景、上市公司的经营业绩、财务状况等要素的分析为基础，以上市公司的成长性以及发展潜力为关注重点，从而判定股票的内在投资价值的投资策略。价值投资的真谛就在于通过对股票基本面的经济分析，去估计股票的内在价值，并通过对股价和内在价值的比较去发现并投资那些市场价值低于其内在价值的潜力个股，从而以期获得超过大盘指数增长率的超额收益。进行证券投资分析有利于提高投资决策的科学性，减少盲目性，采用基本分析和技术分析等专业分析方法和手段，指导投资决策，从而保证了在降低投资风险的同时获取较高的投资收益。一般来说，价值投资包括宏观经济分析、行业分析、公司分析。

（一）宏观经济分析是价值投资的前提

通过宏观经济分析，可以把握证券市场的总体变动趋势，判断整个证券市场的影响力度与方向，宏观经济分析以国家整体经济走势和经济政策走向为研究基础，主要研究国内生产总值、就业状况、通货膨胀、国际收支等宏观经济指标对证券市场的影响，并结合对财政、货币政策的分析，来分析和预测宏观经济走势，以此来判断大盘的走势。证券市场对国家经济政策十分敏感，近年来,我国宏观经济形势一片大好,经济高速稳定增长,这加速了蓝筹股股票业绩的提升。因此，对国家预算、税收、投资政策、利率和汇率变动的分析是价值投资模式的基础。

（二）行业分析是价值投资的基础

从证券投资分析的角度看，宏观经济分析是为了掌握证券投资的宏观环境，把握证券市场的总体趋势，但宏观经济分析并不能提供具体的投资领域和投资对象的建议。行业分析主要是针对行业现状和前景的研究，来判断行业投资价值，揭示行业投资风险，从而为投资者提供投资依据。在进行行业分析时，比较研究法是一种较常用的分析方法。比较研究又分为横向比较和纵向比较，横向比较是取某一时点的状态或某一固定时段（如一年）的指标，在这个横截面上对研究对象及其比较对象进行比较分析；纵向比较是利用行业的历史数据，如：销售收入、利润、企业规模等，分析过去的增长情况，并据此预测行业的未来发展趋势。利用比较研究法可以直观和方便地观察行业的发展状态和比较优势。投资者通过宏观经济预测和行业经济分析，可以判断当前经济所处的阶段和未来几年内的发展趋势，这样可以进一步判断未来几年内可以有较大发展前景的行业。

（三）公司分析是价值投资的关键

公司分析以上市公司财务状况和发展潜力为研究基础。其中，最重要的是公司财务状况分析。财务报表通常被以为是能够发现有关公司信息的工具。在信息披露规范的前提下，已公布的财务报表是上市公司投资价值预测与证券定价的重要信息来源。具有投资价值的股票不但要有良好的业绩，更要能长久保持稳定的发展，所以，把公司的行业竞争能力，经理层的管理能力，各种财务指标的综合评价等统筹起来分析，预测公司将来的盈利能力，是价值投资理念分析的重中之重。

龙头股是各行业中最具有投资价值的股票。这类公司往往市场份额很大、竞争优势明显、业绩增长平稳、投资风险较小,因此容易受到机构投资者的青睐。具有很高的投资价值。

另外，投资者要关注公司业绩的持久性。具有投资价值的上市公司,不仅要有良好的业绩,而且要具备长久保持稳定增长的能力,只有这样,投资者才能分享上市公司增长所带来的收益。

股市风险分析篇(5)

关键词：B系数CAPM模型风险与收益

一、综述

(一)CAPM实证检验的一般方法

对CAPM的实证研究一般用历史数据来进行，经常用到的模型为：

Ri=Rf+B(Rm-Rf)+ei

其中：Ri表示资产i的收益率，Rf表示无风险收益率，Rm表示市场收益率，B表示资产i的B系数，ei为其它因素影响的度量。

对此模型可以进行横截面上或时间序列上的分析。分析此模型时，首先要估计B系数。通常采用的方法是对单个股票或股票组合的收益率m与市场指数的收益率Rm进行时间序列的回归，模型如下：

Rit=ot+BiRmt+eit

这个回归方程通常被称为“一次回归”方程。

确定了B系数之后，就可以作为检验的输入变量对单个股票或组合的B系数与收益再进行一次回归，并进行相应的检验。一般采用横截面的数据，回归方程如下：

Ri=10+1lBi+Ui

这个方程通常被称作“二次回归”方程。

在验证风险与收益的关系时，通常关心的是实际的回归方程与理论方程的相合程度。回归方程应有以下几个特点：

1回归直线的斜率为正值，即Y1>0，表明股票或股票组合的收益率随系统风险的增大而上升。

2在B和收益率之间有线性关系，系统风险在股票定价中起决定作用，而非系统性风险则不起决定作用。

3回归方程的截矩Y0应等于无风险收益率Rf，回归方程的斜率Y1应等于市场风险贴水Rm-Rf。

(二)本文采用CAMP模型的研究思路

本文采用时间序列的CAPM模型对证券业板块的风险情况进行分析，时间序列的CAPM实证分析最著名的研究是Black,Jensen和Scholes在1972年做的，他们的研究简称为BJS方法。BJS为了防止B的估计偏差。采用了指示变量的方法，成为时间序列CAPM检验的标准模式，具体如下：

1利用第一期的数据计算出股票的B系数。

(1)根据计算出的第一期的各股B系数划分股票组合，划分的标准是B系数的大小。

(2)采用第二期的数据，对组合收益与市场收益进行回归，估计组合的B系数。

(3)将第二期估计出的组合B值，作为第三期数据的输入变量，进行时间序列回归分析。

股票的B系数，在资本资产定价的单指数模型中被表述为证券市场特征线的斜率，称为股票市场的系统风险系数。如果用股票市场的价格指数的收益率来代表市场组合的收益率时，p系数就是股票对市场系统性风险的量度，反映股票收益率变化对市场指数收益率变化的敏感度。投资者可根据市场走势预测选择不同的贝塔系数的证券从而获得额外收益，特别适合作波段操作使用。

二、样本的选取和检验方法

对于样本数据的选取，由于上证综合指数存续时间最长，包括了中国大多数上市公司，而且涉及了几乎所有行业，最大程度地代表了中国股票市场。因此，本文将选取上证综合指数作为市场组合，市场组合的收益率为上证综指的日收益率。

在单一资产的选择也就是个股的选择上，基于证券市场的长期稳定性及可研究性，试图分析证券板块的风险特性，在各个市场阶段如何规避风险，获得超额收益。本文选取21只在上交所上市的证券股，为获得尽可能多的时间序列数据。本文选取自上市之日起的时间序列，数据全部来源于光大证券交易软件，个股取日收益率Rit，上证综合指数取收益率Rmt。其中Rit=logPit-logPit-1，Rmt=logPmt-logPmt-1。Pit，Pmt分别为个股和上证综指的收盘价。为了比较股权分置改革前后个股的市场风险，本文将采用较全面的数据、较规范的方法并利用Eviews统计软件中最小二乘法估计求得B值，然后进行研究分析，对股权分置改革前后分别做回归分析，比较股票的贝塔系数，分析股权分置改革前后个股收益是否超越大盘，同时，也能分析出股改的效果是否好于预期。

依以上所述，我们将样本分为股权分置改革之前上市的公司和股权分置改革之后上市的公司两类，共取得样本21个，其中股权分置改革前上市样本为8个，股权分置改革后上市的公司为13个。

三、回归结果分析

(一)股权分置改革后上市的公司B系数分析

由于历史原因我国股市上约有2／3的股权不能流通，并且非流通股通常处于控股地位，其结果是存在同股不同权不同利等“股权分置”的弊端，使上市公司治理结构存在严重缺陷，容易产生“一股独大”的现象，使流通股股东特别是中小股东合法权益遭受损害，影响着中国股市的发展。经过多年的摸索，2005年4月29日经国务院批准，中国证监会终于了《关于上市公司股权分置改革试点有关问题的通知》，宣布启动股权分置改革试点工作。本文选取的上交所上市的21只股票中有13只是2005年4月以后上市的股票，因无法比较股改前后对个股收益率的影响，在此我们做单独分析。证监会宣布股改之后上市的13只证券板块的上市公司里，在我国股市进入牛市行情的环境里，有10只股票B系数大于1，即跑赢大盘，这与我国经济持续高速发展以及通货膨胀等因素有关，这些也加剧了投资者的投机活动。但是，随着美国次贷危机的爆发和金融泡沫的破灭以及投机过度等的影响，导致股价波动较大，在随后的熊市里大幅下跌。另外，B系数小于1的只有工商银行、建设银行、中国银行三家公司，为低风险防守型股票，从K线走势上看也确实落后于同期大盘，与这三家公司的本身性质、投资者预期和投资偏好有关。

(二)股权改制前上市的公司B系数分析

股权分置改革后，逐渐实现“全流通”，使上市公司股东的利益趋于一致。就上市公司而言，大大提升了流通股股东的资产价值。非流通股与流通股实现“同股同价”，不是以每股净资产作为转让价格，而是以市场价格转让，非流通股的价值得到提升。

股权分置改革会增加股票供给，减少二级市场上的非正常溢价，减少股票波动，如表3显示，股权改制前上市的8只股票中从整体来看有7只B系数全部大于1，为进攻型股票，表明证券板块股票波动大于大盘，在牛市中可以获得超额收益，在熊市中却面临巨大风险。再看股改前后的数据，8只股票中有7只股改后的p系数大于股改前的系数。从整个上证综指2005年以后的走势来看，直到2007年11月中国股市一直处于大牛市阶段，从GDP增长率来看，这几年我国经济也都强劲增长。证券价格这几年更是增长几倍，这使得整个板块特别是证券业板块也持续增长，再加上这几年国内资金充足的流动性和股东对中国股市的信心，造就了投资者对证券板块的过高青睐。但2007年12月后的行情里。随着泡沫的破灭和金融危机的负面影响。上证综指一路下跌，随着证券价格的回落和经济的缓慢发展，仅有几只股票跌幅小于大盘，其它股票同期跌幅都远远超过大盘。这也同样验证了CAPM模型高风险高收益的特性。

从国外股市的发展历史来看，市场成立初期系统风险对股票价格影响较大，此时非系统风险对股票价格影响较小，成熟市场系统风险对个股的影响趋于收敛，非系统风险在股票总分险中占有的比例趋于增加，非系统风险能够通过投资组合加以有效回避。由于投资也意味着风险，对于投资者可以根据自己要求的收益率水平与风险的承受能力来选择进攻型股票或防御型股票。

四、结论与启示

(一)结论

通过本文中对证券板块上市公司B系数进行的实证检验分析，可以得到如下的结论：

1关于B系数对收益率的解释能力的检验中表明，整个板块的股票的B系数具有对其收益率的显著解释能力。

2由证券板块指数回归估计的B系数具有对收益率的显著解释，可以由此得出证券板块的风险情况并进而找出符合理性人假设的风险投资组合。

3在市场行情上涨期，可选择B>1的股票，以获取高于市场的超额收益；在市场行情下跌期应选择B<1的股票，以规避市场的系统风险，适当减少投资损失。由于证券板块的B系数普遍大于1，从股改前后证券股票的收益与风险来看，证券业股票的走势与系数较高时代表股票的高风险高收益相吻合。

(二)启示

股市风险分析篇(6)

[关键词]信用利差 违约风险 利率风险

一、研究方法

选择KMV模型计算违约距离。首先,计算企业资产价值V及其波动率 ,应用Merton的违约证券估价方法估计V和 。第二,根据公司现值确定公司预期价值,用Matlab7.0计算违约距离DD。另外,选择违约风险、利率风险、流动性因素作为分析信用利差的影响因素。用DD衡量违约风险;由日无风险收益率衡量利率风险,用发行规模衡量流动性风险,利用Eviews6.0分析各因素显著性。

二、实证分析

1.信用利差分析

以2006年到2009年我国上市企业发行的一年期短期融资券为研究对象,共174个研究样本,计算到期收益率r1。由中国债券信息网获得一年期国债的到期收益率r0,得到信用利差CS= r1-r0。使用Eviews6.0分析信用利差数据,得到约60%的短期融资券的信用利差分布在1.2%至2.2%之间。

2.违约距离分析

将违约距离数据分为正常上市和ST-*ST类两类,用Eviews6.0得到如下结果(如图1-图4)。

第一,ST企业违约距离大于*ST企业违约距离,即ST上市企业的信用风险小于*ST上市企业的信用风险,与理论相符。

第二,由违约距离定义知,违约风险越小,企业违约距离越大。但实证研究结果显示,仅2006年的结果与理论相符,即从正常上市A股到ST,*ST类股,随着违约风险的增加,违约距离递减;而2007年至2009年,正常上市类企业的违约距离比ST,*ST类企业小,属于异常情况。这源于这三年间我国资本市场经历了牛市到熊市的异常波动过程。股权分置改革后,我国股市进入牛市,2007年股市空前高涨,A股市场正常类股票上涨空间较大,股价上涨迅速。2008年底全球金融危机的爆发使我国股市泡沫破灭,股价迅速下跌,造成了这三年间我国股价的巨大波动,使企业资产波动率较大,违约距离较小,因而出现了这期间的异常违约距离数据。

第三,正常类股票同样存在高信用风险,2007至2009年平均违约距离数值相对2006年数据较小,符合违约距离越小,信用风险越大的理论意义。

第四,平均违约距离呈现减小再增大的规律,这与我国股市从泡沫产生到2009年泡沫破裂,即信用风险增加再到违约风险释放的过程一致。

3.因素分析

用Eviews6.0建立误差修正模型,对影响信用利差的因素进行回归分析。建立长期关系模型,得到平稳残差序列,长期关系模型的变量选择合理。再建立误差修正模型,得到变量间的短期动态关系(表1)。

表1 ECM模型回归结果

由回归结果看出,在1%置信水平下,模型通过了F检验,模型整体拟合效果较好;各解释变量均通过T检验;误差修正模型消除了变量间的自相关;误差修正项系数的反向调整达到长期均衡。

由回归模型知,短期内违约距离每增加1%,信用利差减少0.00051%;发行规模、无风险收益率每增加1 %,信用利差均增大,且均受两个变量滞后期的影响。另外,违约风险非并影响信用利差的主要因素,而利率风险对信用利差的解释力度最大,流动性风险的解释力最弱。

三、结论

第一,短期融资券的信用利差可由违约风险、利率风险和流动性风险解释,解释力近30%。

第二,违约距离对信用利差的解释力不占主导地位,而利率风险是衡量信用利差的主要因素,流动性风险的解释力最弱。

第三,2007年到2009年违约距离数据异常,不符合违约距离与信用风险的反向关系。这与我国股市的异常波动密切相关,在一定程度上表明由于我国处于新兴资本市场发展阶段,市场不够成熟,资本市场的稳健发展与市场机制的健全有待完善和提高。

第四,对于信用利差变动仍有较大部分无法被解释。原因如下,首先,我国企业违约数据和信用评级数据系统的不完善导致数据获得上存在局限性,无法利用违约距离进一步测算违约概率,以达到更好的分析效果。另外,我国资本市场的不健全导致股市的异常波动,这在一定程度上影响了分析结果。同时,短期融资券市场的有效性同样会影响分析效果。

相信随着我国资本市场的发展,短期融资券市场将进一步健全完善,这对信用利差的研究将起到促进作用。

参考文献:

股市风险分析篇(7)

关键词：地产；风险；贝塔值；收益率

一、 背景

大约自2005年人民币不断升值之后，地产行业迅速膨胀，大量资本开始流入地产业，房价也随之猛升，到目前为止，一线二线城市的房价甚至翻了几倍，这是人们在最开始都没有想到的。但在2010年，有人曾预测我国的楼市将崩盘，人们纷纷认为我国房市发展跟日本等国家的走势特别相像，这也引起商业界人士的注意，国家对此很重视，并在2010年出台了“国十条”来稳定房地产市场。但之后地产行业的表现虽然没有之前预测的那么严重，但在某些地区出现了资金链断裂的现象，导致房地产泡沫的发生，例如鄂尔多斯出现的“鬼城”。为观察近几年的地产行业的发展，本文拟从其风险角度进行分析，对其系统风险及整体风险进行评估，从而依据风险水平来分析地产业市场状况，并根据评估结果对地产业风险的防范进行研究。

二、 实证分析

（一） 数据选取及分析

本文从国泰安数据库选取了2010年1月1日至2012年12月31日的上证地产股（股票代码：000006）的每周股票回报率，以及同一时期的上证指数的股票回报率，根据数理统计的线性回归原理，将地产股实际收益率作为因变量，上证指数收益率作为自变量，建立如下回归模型：y=β0+β1x+ε，通过eviews6.0软件对数据进行处理得到散点图和关系趋势图来观察二者的关系，发现二者关系趋近于一条上升的直线，并且二者上升或者下降的趋势是一致的，说明二者之间存在线性关系，通过最小二乘法我们得出结论如下图1所示：

图1

根据上图得出地产股的贝塔值为1.13，T值很大，P值为0，标准差很小，说明所得结果是显著的，即上证指数与地产股指数的收益率线性关系是显著的，X的系数是可信的，并且我们对该回归方程进行单位根检验以及怀特检验，该模型都可以通过检验，由于该模型只存在一个自变量，所以不涉及多重共线性问题。此处R2表示地产股的系统风险与上证指数的系统风险之间的相关性，R2表示地产股的系统风险受市场整体系统风险度越高，这与地产股与上证指数间的实际经济特性有关，所以此处拟合优度为63.91%并不影响我们测算的贝塔值结果。

（二） 实证结论

通过以上实证分析我们发现我国地产股上市公司整体的系统风险水平要比整体市场稍高，这样符合地产业的实际情况，地产业本就是一个相对系统风险高的行业，从以前发生的国家对整体资本市场的政策、资本市场的资金链变动以及金融危机等都可以证明地产业的系统风险之高。

三、 地产业风险分析

根据以上实证分析我们得出了地产业风险的大小，接下来我们对地产业的具体风险内容进行分析。对于地产业的风险一般主要是存在其价格风险和金融风险的，其中金融风险相对较大，并对地产业可以带来严重的危机，甚至崩盘。接下来对这两个方面的风险进行详细介绍。

（一） 地产业的价格风险

其实对于地产的市场风险主要是因为价格与价值的相背离造成的，从地产行业近几年的发展来看，虽然随着供需的线性关系，需求不断增长，使得供应紧缺，但是价格的上涨已远超于市场供需的调节对价格的影响，甚至已超出预期增长。这便很容易造成地产市场泡沫的出现，为地产市场带来很大的风险。我们但从住宅供应来看，住宅的供应不合理从侧面已经反映出了房价已超出其实际价值的情况。

对于目前价格风险的状况，也要从地区角度来看，目前一线城市虽然经济发展水平普遍较高，但由于多年以来房价增速相对更快，因此从房价收人比层面上看一线城市确实偏高，但考虑到其激烈的市场供求矛盾，高房价所带来的风险仍然是可控的。但是对于一些中小城市来说，价格过高以及投资过大，就会出现供求关系的紧张，当地居民的收入就会很难支撑这种价格偏离价值的现象，其次很多人涌向大城市务工，所以小地方的供过于需，所以便出现了地区不同，价格风险不同的局面。

（二） 地产业的金融风险

地产业的开发运营对资金的要求非常高，其资金来源主要是自有资金、银行信贷以及预收资金。这三种资金来源，不管是哪一种，如果在企业开发过程中出现问题，都可能会导致资金链断裂，使企业陷入财务困境。其中，预收资金和自有资金占企业开发项目资金来源的比例很高，如果这部分资金回款出现问题，会给企业带来很大的风险。银行近几年对地产企业放贷的要求也越来越高，原因便是地产业给银行带来的金融风险太大，银行要求企业自有资金至少占总资金的30%，并且四证齐全才会放贷，并对企业的信用、资质等要求很高，所以地产企业得到银行贷款的门槛越来越高，这推动企业另觅其他方式来获取资金，使得资金获取的风险提高。

另外地产业中很大一部分是房地产开发，这就会涉及个人住房贷款偿还问题。个人住房贷款渠道有限，一般是通过商业银行和住房公积金。对于这方面的风险也是相当高的，因为额度比较大，渠道有限导致规模过于集中，且比较难于管理。近几年房地产信贷规模加速上涨，企业与中介机构勾结套取银行按揭保证金的违规行为越来越多。并且银行为拉取市场份额，在激烈的竞争环境下，不断压低自己的贷款标准，更加使得房地产信贷质量下降，使风险加剧。

四、 结论

本文利用对地产股的贝塔值分析计算，发现地产行业要比总体行业的系统风险大，虽然系统风险由贝塔值直接来进行评价存在一定局限性，但是本文通过实证分析得出的地产股贝塔值从一定程度上可以体现地产业的系统风险要比市场整体风险水平高。并且经本文对地产股总体风险内容进行分析发现，地产股的风险主要为价格风险和金融风险，对于这两种风险可以通过增加融资渠道、加强信贷管理以及完善信用等级等方式进行防范，感兴趣的读者可以对该方面做进一步研究。（作者单位：内蒙古财经大学）

参考文献：

[1]夏松.《如何使用贝塔系数投资》.经济工作.2007年第5期

[2]高聚辉.《房地产融资渠道现状分析与发展趋势展望》.中国房地产金融·开发与经营.2006年第6期

[3]吕涛，王建稳.沪深股市波动率研究.[D]，北方工业大学硕士学位论文，2006.