前言：想要寫(xiě)出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇證券市場(chǎng)的意義范文，相信會(huì)為您的寫(xiě)作帶來(lái)幫助，發(fā)現(xiàn)更多的寫(xiě)作思路和靈感。

證券市場(chǎng)的意義范文第1篇

（一）促使外企在A股市場(chǎng)上大肆圈錢(qián)我國(guó)股市有三分之一的流通股是面向社會(huì)的，上市的國(guó)企、私企、鄉(xiāng)鎮(zhèn)企業(yè)都有可能被圈走巨資，導(dǎo)致其不流通國(guó)家股、法人股的資產(chǎn)價(jià)值會(huì)迅速上升。如：我國(guó)著名的民營(yíng)企業(yè)“用友軟件”，法人股凈資產(chǎn)就從短時(shí)間內(nèi)每股的2.17元上升到10.21元，被圈走資金達(dá)9.17億元。

（二）外企大量上市可能引發(fā)資金外流我國(guó)作為發(fā)展中國(guó)家，是世界發(fā)展中國(guó)家群體中吸引的外資最多，因此也成為世界第四大資本外逃國(guó)家。如果允許外資企業(yè)在我國(guó)大量上市，其無(wú)疑具有重大吸引力，可能吸引更多的資金進(jìn)入我國(guó)，加劇資本外逃的發(fā)生。QFII制度的引進(jìn)在一起程度上增大了外資進(jìn)入我國(guó)的許可性，制度中規(guī)定外資股份可以占到10%以上，這樣很可能導(dǎo)致我國(guó)證券市場(chǎng)出現(xiàn)大量假外資，產(chǎn)生更大資金流逝，進(jìn)一步擾亂我國(guó)的金融秩序。

二、對(duì)QFII進(jìn)入我國(guó)證券市場(chǎng)的對(duì)策建議

（一）建立與健全相關(guān)法律法規(guī)目前，我國(guó)證券法律法規(guī)還處于不夠健全的層面，外國(guó)投資者可能擔(dān)心更多的法律風(fēng)險(xiǎn)而不敢進(jìn)入中國(guó)市場(chǎng)投資，或者抱著巨大的投機(jī)心理進(jìn)行我國(guó)市場(chǎng)圈錢(qián)。我國(guó)《證券法》等相關(guān)法律法規(guī)中缺乏對(duì)合作、合資證券公司以及基金管理公司設(shè)立和管理要求的內(nèi)容，投資者資格的確認(rèn)缺乏可參考的依據(jù)。因此，要順利與成功的引入QFII制度，我國(guó)相關(guān)法律法規(guī)體系還需要進(jìn)一步的完善。

（二）建立規(guī)范的信息披露體系我國(guó)證券市場(chǎng)信息披露還處于相當(dāng)不規(guī)范的階段，這也導(dǎo)致我國(guó)證券市場(chǎng)中上市公司違規(guī)操縱行為泛濫；對(duì)于投資者來(lái)說(shuō)是極不公平的，一定程度上降低了我國(guó)證券市場(chǎng)中股民的信心和參與度，不利于證券市場(chǎng)和我國(guó)上市公司的規(guī)范經(jīng)營(yíng)的健康發(fā)展。因此，我國(guó)急需建立起一套公開(kāi)透明、層次清晰、易于操縱的信息披露體系；為QFII有信心在我國(guó)投資發(fā)展建立信心。

（三）構(gòu)筑完善的市場(chǎng)監(jiān)管體系我國(guó)證券市場(chǎng)存在諸多問(wèn)題，一方面有其歷史原因，但監(jiān)管不力以及非市場(chǎng)化操作等也是導(dǎo)致問(wèn)題產(chǎn)生的重要原因之一。這種情況下引入QFII，無(wú)疑會(huì)對(duì)我國(guó)證券市場(chǎng)的監(jiān)管提出巨大挑戰(zhàn)。因此，需要借鑒國(guó)際慣例、先時(shí)經(jīng)驗(yàn)等來(lái)完善我國(guó)市場(chǎng)監(jiān)管體系。就目前而言，更加有利于改變我國(guó)證券市場(chǎng)諸多不規(guī)范操作的現(xiàn)狀，以此建立更加有序的競(jìng)爭(zhēng)市場(chǎng)秩序，達(dá)到更好吸引外投資者進(jìn)入我國(guó)發(fā)展的目的。

三、結(jié)論

證券市場(chǎng)的意義范文第2篇

關(guān)鍵詞:統(tǒng)計(jì)學(xué) 證券市場(chǎng) 期貨市場(chǎng)

證券市場(chǎng)是高度信息集約化的市場(chǎng),它吸收并消化了整個(gè)社會(huì)經(jīng)濟(jì)體系中的所有信息,包括經(jīng)濟(jì)信息、非經(jīng)濟(jì)信息、上市公司披露的信息和證券市場(chǎng)自身所反映的信息等等。從本質(zhì)上講,證券市場(chǎng)就是一個(gè)信息市場(chǎng),正是信息引領(lǐng)著社會(huì)資金流向各個(gè)實(shí)體部門(mén),從而實(shí)現(xiàn)證券市場(chǎng)的資源配置功能。短短幾年,得到了迅猛發(fā)展。在滬深兩市上市公司和股民不斷增長(zhǎng)。市價(jià)總值占國(guó)內(nèi)生產(chǎn)總值的比重越來(lái)越大。證券市場(chǎng)的作用愈來(lái)愈大,并逐漸成為國(guó)民經(jīng)濟(jì)的晴雨表。

2002 年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)授予在期權(quán)定價(jià)方面做出開(kāi)拓性貢獻(xiàn)的經(jīng)濟(jì)學(xué)家和統(tǒng)計(jì)學(xué)家。他們?cè)?0多年前就探索出具有劃時(shí)代意義的定價(jià)模型―布萊克?斯科爾斯定價(jià)公式。20 世紀(jì)20 年代開(kāi)設(shè)了股票期權(quán)品種, 由于采用柜臺(tái)交易方式和缺乏標(biāo)準(zhǔn)化的設(shè)計(jì)合約, 很難轉(zhuǎn)讓對(duì)沖, 交易量不足稱道。1973年美國(guó)經(jīng)濟(jì)學(xué)家布萊克?斯科爾斯, 引進(jìn)概率統(tǒng)計(jì)上隨機(jī)變量函數(shù)的一些定理和積分求值, 推導(dǎo)出不支付紅利的股票期權(quán)定價(jià)公式, 從此期權(quán)有了明確科學(xué)的價(jià)格定位依據(jù), 很快形成一個(gè)完整的市場(chǎng), 并迅速推廣到全世界, 直至現(xiàn)在, 期權(quán)占據(jù)著金融王國(guó)的重要位置。定價(jià)公式成為整個(gè)市場(chǎng)運(yùn)轉(zhuǎn)的基礎(chǔ)。這個(gè)期權(quán)公式的定價(jià)思想所引發(fā)的金融革命表現(xiàn)在:預(yù)測(cè)遠(yuǎn)期價(jià)格成為可能。不僅使期權(quán)為指數(shù)、貨幣、利率、期貨交易提供了全新的保值, 投資手段, 極大地豐富了金融市場(chǎng), 而且進(jìn)一步推動(dòng)了對(duì)各種金融產(chǎn)品的價(jià)值研究, 提高了操作的理論水平。由此可以推斷, 沒(méi)有布萊克?斯科爾斯定價(jià)模型, 期權(quán)就不可能發(fā)展這么快, 全球金融衍生品市場(chǎng)也就不可能有今天的高度發(fā)達(dá), 如今國(guó)外大型金融機(jī)構(gòu)在總結(jié)金融交易失利原因時(shí), 總是首先追究最初的定價(jià)是否存在漏洞和錯(cuò)誤。

■一、證券金融市場(chǎng)的風(fēng)險(xiǎn)管理

證券金融市場(chǎng)的風(fēng)險(xiǎn)管理是個(gè)永恒的話題,投資者都想尋求收益回報(bào),但又必須面對(duì)各種各樣的損失可能。市場(chǎng)到底存在哪些風(fēng)險(xiǎn),如何確定風(fēng)險(xiǎn)的大小,如何才能實(shí)現(xiàn)收益最大化和風(fēng)險(xiǎn)最小化,歷來(lái)都是受人關(guān)注的焦點(diǎn)和難點(diǎn)。自從1952 年美國(guó)學(xué)者馬柯威茨運(yùn)用數(shù)量方法創(chuàng)立證券組合理論以來(lái),市場(chǎng)風(fēng)險(xiǎn)的神秘色彩逐漸淡化,不再變得那么可怕和不可駕馭。

馬柯威茨組合理論的立足點(diǎn)是全面考慮“期望收益最大”和“不確定性(即風(fēng)險(xiǎn)) 最小”。它通過(guò)總結(jié)投資損失的概率分布和可能收益與預(yù)期收益的偏離程度(即我們統(tǒng)計(jì)學(xué)上的方差) ,發(fā)現(xiàn)投資者應(yīng)該同時(shí)按適當(dāng)比例購(gòu)買(mǎi)各種證券,而不是只買(mǎi)一種證券,進(jìn)行分散化投資,其收益才可能是確定的。通過(guò)數(shù)量分析得出的這種結(jié)論,迎合了投資者避風(fēng)險(xiǎn)的需要。風(fēng)險(xiǎn)管理能力的提高促進(jìn)了基金的蓬勃發(fā)展。在短短的幾十年間,隨著量化研究的不斷深入,組合理論及其實(shí)際運(yùn)用方法越來(lái)越完善,成為現(xiàn)資學(xué)中的主流工具。由于馬哥威茨證券組合選擇理論給金融投資和管理思想帶來(lái)革新,1990 年他獲得了諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。

金融業(yè)的現(xiàn)代化推動(dòng)了統(tǒng)計(jì)與數(shù)理方法的應(yīng)用研究,反過(guò)來(lái),當(dāng)今世界的金融管理特別是防范金融風(fēng)險(xiǎn),也越來(lái)越需要量化研究。早在1995 年9 月,美國(guó)斯坦福大學(xué)經(jīng)濟(jì)學(xué)教授劉遵義就通過(guò)實(shí)證比較、數(shù)量分析和模糊評(píng)價(jià)等方式,預(yù)測(cè)出菲律賓、韓國(guó)、泰國(guó)、印尼和馬來(lái)西亞有可能發(fā)生金融危機(jī)。后來(lái)的事實(shí)果然如此。這從一個(gè)側(cè)面提醒我們,沒(méi)有完整、科學(xué)的分析預(yù)測(cè)工具,就可能在國(guó)際金融競(jìng)爭(zhēng)中蒙受重大損失。只有加強(qiáng)對(duì)作為金融信息的各種變量的研究,才能提高對(duì)金融運(yùn)行規(guī)律的認(rèn)識(shí),才能把握市場(chǎng)的發(fā)展動(dòng)向,有效地防范風(fēng)險(xiǎn)。

■二、統(tǒng)計(jì)分析在證券期貨市場(chǎng)中的應(yīng)用

經(jīng)濟(jì)理論的數(shù)學(xué)化和統(tǒng)計(jì)分析,使各種經(jīng)濟(jì)行為越來(lái)越數(shù)量化。在金融領(lǐng)域也不例外。定價(jià)公式和組合理論地位的確立,證明數(shù)量工具已發(fā)揮了不可替代的作用。有統(tǒng)計(jì)顯示,在西方金融市場(chǎng),三分之一的人運(yùn)用組合理論來(lái)投資,三分之一的人靠技術(shù)分析管理,另外三分之一的人仍在堅(jiān)守基礎(chǔ)分析。雖然運(yùn)用何種手段來(lái)指導(dǎo)決策是投資者個(gè)人偏好、觀念的問(wèn)題,但組合理論和技術(shù)分析所運(yùn)用的統(tǒng)計(jì)工具逐漸被認(rèn)同,說(shuō)明理性投資將成為市場(chǎng)的寵兒。

現(xiàn)在,對(duì)市場(chǎng)和價(jià)格進(jìn)行定量研究,從而揭示客觀存在的數(shù)量依存關(guān)系,已成為投資和管理決策的一項(xiàng)基礎(chǔ)工作。用統(tǒng)計(jì)工具處理各種證券金融數(shù)據(jù),可以比較全面地分析各種因素的影響力度。其主要表現(xiàn)在:

(1)結(jié)構(gòu)分析。分析證券市場(chǎng)與匯率、利率變動(dòng)和國(guó)民經(jīng)濟(jì)發(fā)展有多大的關(guān)聯(lián)度;單一證券與整個(gè)市場(chǎng)之間如何相互影響,市場(chǎng)指數(shù)設(shè)計(jì)是否合理;證券與期貨價(jià)格走勢(shì)是否相互制約;同一類證券有沒(méi)有一定的連動(dòng)關(guān)系。

(2)價(jià)值預(yù)測(cè)。分析未來(lái)證券發(fā)行和上市價(jià)格的理論定位,確定金融衍生證券的價(jià)格,分析預(yù)測(cè)證券期貨的價(jià)格走勢(shì),進(jìn)行投資決策等。

(3)政策評(píng)價(jià)。研究市場(chǎng)系統(tǒng)風(fēng)險(xiǎn)的預(yù)警及控制,探討不同的組合投資效果。

(4)理論檢驗(yàn)。驗(yàn)證證券價(jià)格能否反映所有的信息,進(jìn)行市場(chǎng)的有效性實(shí)證檢驗(yàn)與各種技術(shù)指標(biāo)的適用性和優(yōu)化處理及周期效應(yīng)的對(duì)比分析。

總之,統(tǒng)計(jì)學(xué)及其相關(guān)學(xué)科在證券期貨交易中的重大作用愈來(lái)愈被人們所認(rèn)識(shí)和重視。簡(jiǎn)單的統(tǒng)計(jì)和數(shù)學(xué)方法已經(jīng)滿足不了日益復(fù)雜的金融發(fā)展需要。隨著統(tǒng)計(jì)和數(shù)學(xué)工具的推廣應(yīng)用,一門(mén)新興的邊緣科學(xué)――金融統(tǒng)計(jì)學(xué)應(yīng)運(yùn)而生。將在證券市場(chǎng)中發(fā)揮強(qiáng)大作用。

參考文獻(xiàn):

[1]李才等(1998) .證券投資學(xué),東北財(cái)經(jīng)大學(xué)出版社

證券市場(chǎng)的意義范文第3篇

［關(guān)鍵詞］ 行為金融理論；適應(yīng)性理論；證券市場(chǎng)

［中圖分類號(hào)］ F830.91 ［文獻(xiàn)標(biāo)識(shí)碼］ A ［文章編號(hào)］ 1002-2880(2011)04-0101-02

人類的理性受“內(nèi)部因素”(智力等因素)和“外部因素”(環(huán)境因素)兩方面因素的影響，是內(nèi)部因素適應(yīng)外部因素的結(jié)果，理性的程度取決于“內(nèi)部因素”適應(yīng)“外部因素”的程度。“內(nèi)部因素”越是能適應(yīng)“外部因素”，則人類的行為表現(xiàn)越是理性，反之亦然(理性程度仍然可用主觀效用大小來(lái)衡量，但需要強(qiáng)調(diào)的是在這里它只不過(guò)是衡量理性程度的標(biāo)尺)。這樣的理性必然是一種動(dòng)態(tài)的理性，是在主客觀相互建構(gòu)的過(guò)程中逐步進(jìn)化和發(fā)展的。人類通過(guò)適應(yīng)、協(xié)調(diào)、學(xué)習(xí)，不斷對(duì)環(huán)境變化做出能動(dòng)的反應(yīng)，使自身的心智模式與情境達(dá)到平衡與匹配。從適應(yīng)性理性的觀點(diǎn)來(lái)看，有限理性所描述的決策行為，就是“內(nèi)部因素”適應(yīng)“外部因素”進(jìn)行理性決策的適應(yīng)性結(jié)果。

根據(jù)適應(yīng)性理性假說(shuō)，理性決策是人類決策的追求目標(biāo)，但是由于主客觀兩方面限制因素的影響，人類的決策不可能是理性的，只能是適應(yīng)性理性。因此，基于適應(yīng)性理性假說(shuō)而產(chǎn)生的對(duì)策建議，是以幫助投資者實(shí)現(xiàn)理性決策為目標(biāo)，針對(duì)決策過(guò)程中影響投資者理性決策的“外部環(huán)境”因素和“內(nèi)部限制”因素進(jìn)行的。具體來(lái)說(shuō)，包括兩個(gè)方面，一是對(duì)證券監(jiān)管的對(duì)策建議，主要目標(biāo)是為投資者理性決策創(chuàng)造一個(gè)好的“外部環(huán)境”；二是對(duì)投資者個(gè)人的對(duì)策建議，主要目標(biāo)是有利于投資者建立一個(gè)具有較強(qiáng)適應(yīng)能力的投資決策模式。

一、對(duì)證券市場(chǎng)監(jiān)管的政策建議

1.建立明確連貫的監(jiān)管理念

回顧證券市場(chǎng)十幾年來(lái)的發(fā)展歷史，政府在證券監(jiān)管方面幾乎沒(méi)有一個(gè)明確的理念，幾乎每次監(jiān)管政策的出臺(tái)都是為不同的目標(biāo)所引導(dǎo)，監(jiān)管標(biāo)準(zhǔn)也有所不同。如當(dāng)市場(chǎng)步入熊市，股市低迷時(shí)，管理層思漲心切，監(jiān)管部分往往從寬監(jiān)管，對(duì)市場(chǎng)的違規(guī)行為采取默許的策略，甚至直接以政策刺激股市，如1993—1994年間的三大政策，1999年5.19行情中的人民日?qǐng)?bào)社論都是鮮明的例子。另一方面當(dāng)股市高漲時(shí)，監(jiān)管又往往過(guò)于苛刻，草木皆兵，打壓股市。監(jiān)管的隨意性，使投資者難以適應(yīng)，不能對(duì)相關(guān)信息做出準(zhǔn)確的評(píng)估，影響市場(chǎng)效率的形成。

2.建立合適的監(jiān)管目標(biāo)

明確連貫的監(jiān)管理念主要體現(xiàn)在以“維護(hù)市場(chǎng)公平，保護(hù)投資者利益”為主的監(jiān)管目標(biāo)。我國(guó)證券市場(chǎng)監(jiān)管目標(biāo)除受監(jiān)管理念影響不連貫外，一些監(jiān)管目標(biāo)也不合適。如市場(chǎng)價(jià)格水平、促進(jìn)經(jīng)濟(jì)增長(zhǎng)、融資數(shù)量、建立現(xiàn)代企業(yè)制度規(guī)范等，這些監(jiān)管目標(biāo)在某種程度上扭曲了證券市場(chǎng)的功能，影響了證券市場(chǎng)長(zhǎng)期、穩(wěn)定、健康發(fā)展。1998年國(guó)際證券事務(wù)委員會(huì)(IOSCO)文件確立了證券監(jiān)管的三個(gè)主要目標(biāo)，分別是:(1)保護(hù)投資者；(2)確保市場(chǎng)的公平、效率和透明度；(3)減低系統(tǒng)風(fēng)險(xiǎn)。這三個(gè)原則在某種程度上有所重疊，如保護(hù)投資者要求證券監(jiān)管機(jī)構(gòu)必須評(píng)估市場(chǎng)中介機(jī)構(gòu)的財(cái)務(wù)穩(wěn)健狀況，而這同時(shí)也有助于減低系統(tǒng)風(fēng)險(xiǎn)?？紤]到我國(guó)證券市場(chǎng)發(fā)展的歷史不長(zhǎng)，各項(xiàng)制度還不是很健全，沒(méi)有形成一個(gè)公平的市場(chǎng)環(huán)境，監(jiān)管目標(biāo)應(yīng)以“維護(hù)市場(chǎng)公平”來(lái)“保護(hù)投資者利益”。因?yàn)殡S著投資者理性成分的不斷提高，看似充滿機(jī)會(huì)的投機(jī)市場(chǎng)會(huì)逐漸失去吸引力。

3.重視監(jiān)管措施的適應(yīng)性

對(duì)監(jiān)管者來(lái)說(shuō)，適應(yīng)性強(qiáng)調(diào)滿意的監(jiān)管措施不是一蹴而就的，而是一個(gè)不斷對(duì)監(jiān)管結(jié)果進(jìn)行反饋、評(píng)估、總結(jié)、改進(jìn)的過(guò)程，對(duì)此監(jiān)管者應(yīng)有充分的認(rèn)識(shí)，對(duì)已有監(jiān)管措施的效果進(jìn)行及時(shí)總結(jié)；對(duì)被監(jiān)管者來(lái)說(shuō)，適應(yīng)性強(qiáng)調(diào)滿意的監(jiān)管措施一定包含一個(gè)有效的違規(guī)處罰機(jī)制，違規(guī)行為只有得到處罰的反饋才可能得到糾正。而我國(guó)證券監(jiān)管過(guò)程中對(duì)違規(guī)行為的處罰機(jī)制并不健全，很多違規(guī)行為并不能得到有效的處罰。以2004年7月被證監(jiān)會(huì)行政處罰的ST啤酒花為例。該公司2003年2月至11月期間，先后為15家企業(yè)的27項(xiàng)業(yè)務(wù)違規(guī)擔(dān)保，共涉及近10億元的資金黑洞。為此，證監(jiān)會(huì)對(duì)該公司罰款60萬(wàn)元，對(duì)董事長(zhǎng)艾沙由夫予以警告并罰款30萬(wàn)元。艾沙由夫已于2003年9月失蹤，對(duì)其警告并罰款，顯然意義不大。但對(duì)公司的60萬(wàn)元罰款，還得由全體股東來(lái)“買(mǎi)單”，這樣的處罰機(jī)制顯然不能起到應(yīng)有的效果。

4.注重制度可操作性

制度是對(duì)人們行為進(jìn)行規(guī)范，降低社會(huì)活動(dòng)中不確定性的重要技術(shù)之一。我國(guó)證券市場(chǎng)管理部門(mén)也制定了大量的旨在規(guī)范證券交易活動(dòng)的法規(guī)，但這些法規(guī)的執(zhí)行效果卻不容樂(lè)觀，其中一個(gè)很重要的原因是缺少具體的實(shí)施細(xì)則，或者規(guī)則比較含糊，如“按相關(guān)規(guī)定，承擔(dān)相應(yīng)的責(zé)任”之類的字眼兒，具體由誰(shuí)執(zhí)行，如何執(zhí)行也不明確，這大大降低了制度應(yīng)有的作用。

5.完善信息披露制度

價(jià)格反映相關(guān)信息的前提是投資者可以獲得相關(guān)信息，然而，由于以下條件的限制，證券發(fā)行者存在隱藏或歪曲信息的傾向。首先，作為證券發(fā)行者，其目的是希望投資者購(gòu)買(mǎi)其發(fā)行的證券，因此，就會(huì)本能地向投資者宣傳甚至夸大企業(yè)及其證券的優(yōu)點(diǎn)，而對(duì)企業(yè)存在的問(wèn)題則避而不談，甚至有意歪曲掩飾；其次，有關(guān)企業(yè)的某些信息可能對(duì)競(jìng)爭(zhēng)對(duì)手有利，不能進(jìn)行公開(kāi)或完全公開(kāi)；第三，信息公布會(huì)發(fā)生一些成本，盡可能減小信息公布成本的心理使得企業(yè)不愿意完全、及時(shí)地公開(kāi)信息。因此，采取各種措施完善信息披露制度，只有保證信息披露的真實(shí)性、及時(shí)性，才有可能形成公正、合理的證券市場(chǎng)價(jià)格，使市場(chǎng)定價(jià)效率保持在一個(gè)較高的水平上。

二、對(duì)投資者投資策略的建議

1.樹(shù)立正確的投資理念

大多數(shù)投資者都相信有一個(gè)通向市場(chǎng)的魔術(shù)般的規(guī)則。他們還相信肯定有一小部分人知道這個(gè)規(guī)則，就是那些從市場(chǎng)上獲得了大筆財(cái)富的人。長(zhǎng)期以來(lái)，大多數(shù)人都在努力地尋找這個(gè)規(guī)則。適應(yīng)性有效市場(chǎng)理論說(shuō)明任何投資策略都是有盈有虧的，因有效市場(chǎng)假說(shuō)與行為金融理論的分歧與整合——基于適應(yīng)性理性的分析此盈利與虧損應(yīng)當(dāng)是投資策略中的正常現(xiàn)象，應(yīng)當(dāng)像接受盈利一樣接受虧損，只有這樣才能以一個(gè)平和的心態(tài)去進(jìn)行投資。有人在采訪了世界上一些頂級(jí)交易商并把那些內(nèi)容寫(xiě)了兩本書(shū)之后，得到一個(gè)結(jié)論，就是他們的成功中最關(guān)鍵的因素就是他們每個(gè)人都有一個(gè)適合自己的交易系統(tǒng)。這些交易系統(tǒng)并不是100%的盈利，只是他們有利潤(rùn)的交易頭寸遠(yuǎn)遠(yuǎn)超過(guò)虧損的頭寸，做到這一點(diǎn)需要極大的自我控制力。認(rèn)識(shí)投資策略的這種特性，有助于投資者提高自我控制力，找到一個(gè)適合自己的交易系統(tǒng)。

2.設(shè)立止損點(diǎn)，加強(qiáng)自我控制

根據(jù)適應(yīng)性理性假說(shuō)，投資者的理性總是相對(duì)的，很有可能隨著決策環(huán)境的變化而變得不再適應(yīng)。因此，設(shè)立止損點(diǎn)對(duì)于保護(hù)投資者的財(cái)富有著非常重要的意義。很多成功的投資者只有35%~50%的成功率，他們成功并不是因?yàn)槟軌蚝芎玫仡A(yù)測(cè)價(jià)格，而是因?yàn)槟軌蚝芎玫乜刂茡p失，從而使他們有利潤(rùn)的交易頭寸遠(yuǎn)遠(yuǎn)超過(guò)了虧損頭寸。

3.集中投資策略

采用分散投資的策略固然可以降低風(fēng)險(xiǎn)，但投資組合越大所需要的資金越多，投資者資金實(shí)力往往難以勝任。另一方面，投資者的信息處理能力有限，投資過(guò)于分散后，投資者將無(wú)力對(duì)相關(guān)信息及時(shí)做出正確的反應(yīng)。有目的地將注意力集中在少數(shù)幾家公司上，投資者才有足夠的精力和能力對(duì)影響證券價(jià)格的相關(guān)信息及時(shí)做出準(zhǔn)確的評(píng)估。

4.投資于自己熟悉的領(lǐng)域

適應(yīng)性理性告訴我們，對(duì)一個(gè)問(wèn)題決策的理性程度受決策者的經(jīng)驗(yàn)、知識(shí)的限制，對(duì)于不熟悉的問(wèn)題往往會(huì)尋求外部的幫助，這樣決策就容易受到外界的影響，失去自己的判斷，產(chǎn)生“羊群行為”。投資于自己熟悉領(lǐng)域，一方面可以提高決策的理性程度，另一方面可以有效減少?gòu)谋娦袨椤?/p>

5.經(jīng)常與觀點(diǎn)相左的人進(jìn)行討論

根據(jù)適應(yīng)性理性假說(shuō)，幾次成功決策后，投資者很容易陷入過(guò)度自信的誤區(qū)而產(chǎn)生判斷上的偏誤，經(jīng)常與觀點(diǎn)相左的人進(jìn)行討論，避免只關(guān)注自己陣營(yíng)內(nèi)部的討論可以有效地避免過(guò)度自信，克服判斷上的偏誤。

徐 京:基于適應(yīng)性理論對(duì)證券市場(chǎng)和投資者的建議［參考文獻(xiàn)］

［1］周東生，唐煥文．有效市場(chǎng)假說(shuō)與市場(chǎng)適應(yīng)性有效［J］．管理科學(xué)，2005(3）:76-80．

［2］何大安．行為經(jīng)濟(jì)人有限理性的實(shí)現(xiàn)程度［J］．中國(guó)社會(huì)科學(xué)，2004(4):91-101．

［3］胡新宇．證券市場(chǎng)管理的基本目標(biāo)研究［J］．市場(chǎng)周刊:商務(wù)營(yíng)銷，2004(10):56-57．

證券市場(chǎng)的意義范文第4篇

【關(guān)鍵詞】金融工程；波動(dòng)影響；實(shí)證測(cè)算；波動(dòng)率性；滬深300指數(shù)

1.引言

資產(chǎn)價(jià)格波動(dòng)率建模是實(shí)務(wù)操作和金融學(xué)研究的一個(gè)主要問(wèn)題，作為資產(chǎn)價(jià)格風(fēng)險(xiǎn)度量指標(biāo)，波動(dòng)率對(duì)于理解資產(chǎn)價(jià)格的動(dòng)態(tài)特征是極為重要的。波動(dòng)率是標(biāo)的資產(chǎn)投資回報(bào)率變化程度的度量，也是投資組合理論、資本資產(chǎn)定價(jià)模型、套利定價(jià)模型機(jī)期權(quán)定價(jià)等模型的核心變量。波動(dòng)率對(duì)于企業(yè)的投資與財(cái)務(wù)決策、消費(fèi)者的消費(fèi)行為和模式、經(jīng)濟(jì)周期及相關(guān)宏觀經(jīng)濟(jì)變量等都具有重要影響，是體現(xiàn)金融市場(chǎng)質(zhì)量和效率的最簡(jiǎn)潔和有效的指標(biāo)之一。目前對(duì)波動(dòng)率的測(cè)算方法主要可以分為歷史波動(dòng)率方法和隱含波動(dòng)率方法。歷史波動(dòng)率是基于過(guò)去的統(tǒng)計(jì)分析得出的，假定未來(lái)是過(guò)去的延伸，利用歷史方法估計(jì)波動(dòng)率類似于估計(jì)標(biāo)的資產(chǎn)收益系列的標(biāo)準(zhǔn)差。由于股指期貨推出前后，證券市場(chǎng)價(jià)格波動(dòng)性引起的市場(chǎng)風(fēng)險(xiǎn)是否有改變，對(duì)于投資者正確進(jìn)行理性投資，把握市場(chǎng)有極其重要的意義。

在股指期貨推出初期，人們普遍認(rèn)為股指期貨有利于規(guī)避股票現(xiàn)貨市場(chǎng)的系統(tǒng)風(fēng)險(xiǎn)，有利于促進(jìn)現(xiàn)貨市場(chǎng)健康發(fā)展，因而世界性的股指期貨品種迅速涌現(xiàn)。市場(chǎng)波動(dòng)性是市場(chǎng)價(jià)格對(duì)信息的反應(yīng)而引起的波動(dòng)程度，用以度量市場(chǎng)的風(fēng)險(xiǎn)。波動(dòng)性對(duì)于市場(chǎng)運(yùn)行效率是十分重要的，而且與市場(chǎng)信息效率的聯(lián)系非常緊密。股指期貨推出的初衷之一就是為股票現(xiàn)貨市場(chǎng)投資者提供一種避險(xiǎn)工具，規(guī)避系統(tǒng)性風(fēng)險(xiǎn)，進(jìn)行風(fēng)險(xiǎn)管理。如果其上市后顯著加劇了現(xiàn)貨市場(chǎng)的波動(dòng)性，則無(wú)疑加大了現(xiàn)貨市場(chǎng)的風(fēng)險(xiǎn)。這與各國(guó)貨地區(qū)交易所推出股指期貨的初衷相違背。

Bessembinder和Seguin（1992）分析了1978年至1989年S&P500指數(shù)期貨推出前后的情況，發(fā)現(xiàn)期貨市場(chǎng)的引入使現(xiàn)貨市場(chǎng)波動(dòng)性減小。Lee和Ohk（1992）研究了1984年至1988年香港恒生指數(shù)期貨與恒生指數(shù)的關(guān)系認(rèn)為，股指期貨不但沒(méi)有增加現(xiàn)貨市場(chǎng)的波動(dòng)性而且在某種程度上減小了波動(dòng)幅度。Robinson（1994）對(duì)1980年至1993年FT-SE100指數(shù)的期現(xiàn)貨市場(chǎng)的研究表明，引入期貨市場(chǎng)后現(xiàn)貨市場(chǎng)波動(dòng)性減小。Antoniou et al.（1995）對(duì)1987年至1993年DAX指數(shù)及期貨的研究表明，股指期貨降低了現(xiàn)貨市場(chǎng)的波動(dòng)性。Antoniou和Holmes（1995）利用日收益率數(shù)據(jù)，對(duì)FT-SE100股票指數(shù)期貨的交易對(duì)基礎(chǔ)現(xiàn)貨市場(chǎng)的波動(dòng)性的影響進(jìn)行了研究表明，期貨交易導(dǎo)致了現(xiàn)貨市場(chǎng)波動(dòng)性的增加，但這種波動(dòng)性并非來(lái)源于投機(jī)者擾亂市場(chǎng)的消極效應(yīng)，而是來(lái)自于信息的增加，期貨市場(chǎng)的引入提高了現(xiàn)貨市場(chǎng)信息流的速度與質(zhì)量。

Edwards（1988a，1988b）對(duì)S&P500指數(shù)和價(jià)值線指數(shù)在推出期貨市場(chǎng)前后的波動(dòng)性進(jìn)行的分析表明，股價(jià)指數(shù)的日波動(dòng)增加不是由于股指期貨引起的，期貨市場(chǎng)使得現(xiàn)貨市場(chǎng)更為穩(wěn)定和完善。Beckettihe和Roberts（1990）研究了S&P500指數(shù)期貨與現(xiàn)貨市場(chǎng)的關(guān)系認(rèn)為，抑制股票指數(shù)期貨交易量不能減少股票市場(chǎng)的波動(dòng)，而斷路器機(jī)制和提高保證金等措施能夠有效降低股票市場(chǎng)波動(dòng)。Freris（1990）對(duì)香港恒生指數(shù)期貨推出前后的現(xiàn)貨市場(chǎng)波動(dòng)性進(jìn)行了分析，認(rèn)為指數(shù)期貨對(duì)股票指數(shù)波動(dòng)沒(méi)有產(chǎn)生影響。Hodgson和Nicholls（1991）分析了引進(jìn)股指期貨后澳洲所有普通股指數(shù)的波動(dòng)情況發(fā)現(xiàn)，股指期貨并沒(méi)有加大澳洲股市的波動(dòng)。Baldauf和Santoni（1991）在研究S&P500指數(shù)時(shí)考慮了ARCH效果，認(rèn)為指數(shù)期貨上市對(duì)股票市場(chǎng)波動(dòng)性影響并不顯著。Brorsen（1991）對(duì)引入指數(shù)期貨前后S&P500股票市場(chǎng)的波動(dòng)性是否發(fā)生了顯著變化進(jìn)行了檢驗(yàn)。他發(fā)現(xiàn)，盡管短期（日）股價(jià)變化的方差發(fā)生了顯著變化，但長(zhǎng)期（5日和20日）指數(shù)價(jià)格變化的方差并沒(méi)有發(fā)生顯著變化。Gerety和Mulherin（1991）通過(guò)研究道瓊斯工業(yè)指數(shù)期貨對(duì)股價(jià)指數(shù)的影響發(fā)現(xiàn)，變異比率并無(wú)明顯改變。Lasstsch（1991）對(duì)MMI股票指數(shù)期貨和構(gòu)成指數(shù)的20只成份股的關(guān)系進(jìn)行了研究認(rèn)為，期貨交易沒(méi)有使現(xiàn)貨市場(chǎng)波動(dòng)變大。Lee和Ohk（1992）分別研究了美國(guó)價(jià)值線指數(shù)、香港恒生指數(shù)、澳洲所有普通股指數(shù)、新加坡交易的日經(jīng)指數(shù)和英國(guó)的FT-SE100指數(shù)期貨與相應(yīng)的現(xiàn)貨市場(chǎng)的關(guān)系，發(fā)現(xiàn)美國(guó)市場(chǎng)中期波動(dòng)上升，長(zhǎng)期并無(wú)影響；香港市場(chǎng)的波動(dòng)短期下降，長(zhǎng)期上升；澳洲市場(chǎng)無(wú)顯著變化；日本市場(chǎng)的波動(dòng)顯著上升；英國(guó)市場(chǎng)的波動(dòng)短中期上升，長(zhǎng)期并無(wú)影響。Pericli和Koutmos（1997）對(duì)S&P500股指期貨的研究表明，除了1987年10月股災(zāi)的特殊情況外，指數(shù)期貨與期權(quán)交易并未促使現(xiàn)貨市場(chǎng)的波動(dòng)產(chǎn)生結(jié)構(gòu)的變化。Charles和Sutcliffe（1997）研究了1978年至1995年世界股票指數(shù)期貨市場(chǎng)上12種股指期貨與股指波動(dòng)性后顯示，開(kāi)辦股指期貨后，股指波動(dòng)性不變的占7例，波動(dòng)性減少的占4例，波動(dòng)性增加的只有1例。 轉(zhuǎn)貼于

Damodaran（1990）研究了S&P500指數(shù)期貨后發(fā)現(xiàn)，S&P500成份股的波動(dòng)有增大的趨勢(shì)。Lockwood和Linn（1990）對(duì)道瓊工業(yè)指數(shù)的研究表明，現(xiàn)貨市場(chǎng)收益變異系數(shù)上升。Antoniou和Holmes（1995）對(duì)FTSE100指數(shù)進(jìn)行的研究表明，股票指數(shù)期貨交易加大了股價(jià)的波動(dòng)性，但改善了現(xiàn)貨市場(chǎng)的信息反應(yīng)速度與品質(zhì)。

2.EWMA模型簡(jiǎn)介及參數(shù)選取

2.1 EWMA模型

EWMA模型是1993年由J.P.Morgan在其金融風(fēng)險(xiǎn)度量系統(tǒng)RiskMetrics中提出來(lái)的，指數(shù)加權(quán)移動(dòng)平均模型是動(dòng)態(tài)模型中最簡(jiǎn)單的一種，形式上對(duì)t時(shí)間波動(dòng)率的預(yù)測(cè)模型為：

是EWMA模型中滬深300指數(shù)在t時(shí)期對(duì)數(shù)收益率的條件方差；是滬深300在一定樣本區(qū)間估計(jì)得到的第t-1期對(duì)數(shù)收益率的條件均值；是滬深300在一定樣本區(qū)間估計(jì)得到的第t-1期對(duì)數(shù)收益率的方差估計(jì)值；是300指數(shù)在第t-1期的對(duì)數(shù)收益率；

選取滬深300股指對(duì)數(shù)收益率代替實(shí)際收益率是由于，對(duì)數(shù)收益率是對(duì)普通收益率泰勒級(jí)數(shù)展開(kāi)得到的，t期的對(duì)數(shù)收益率是，對(duì)數(shù)收益率一般適用于時(shí)間間隔比較短的時(shí)候（因?yàn)槭且浑A泰勒級(jí)數(shù)逼近的，所以時(shí)間間隔大導(dǎo)致誤差比較大）。對(duì)數(shù)收益率的好處是可以直接相加，

一般地，越小波動(dòng)率曲線對(duì)市場(chǎng)異動(dòng)反映越靈敏，T越小波動(dòng)率曲線對(duì)市場(chǎng)的異動(dòng)反映較大，對(duì)應(yīng)的風(fēng)險(xiǎn)覆蓋至也越大，相反越大、T越大波動(dòng)率曲線對(duì)市場(chǎng)的敏感性越小，對(duì)應(yīng)的風(fēng)險(xiǎn)覆蓋相對(duì)也越小。J.P.Morgan推薦樣本個(gè)數(shù)計(jì)算公式：，不同的容忍度下衰減因子與時(shí)間跨度的變化關(guān)系（圖1）。

3.波動(dòng)率的測(cè)算

由于大盤(pán)股指是股票市場(chǎng)的綜合導(dǎo)向指標(biāo)，本文研究滬深300股指期貨的推出對(duì)股市的波動(dòng)性影響局限于對(duì)滬深300大盤(pán)股指在前后期波動(dòng)性的顯著性變化上。根據(jù)相關(guān)文獻(xiàn)研究表明：利用單位根方法對(duì)滬深300股指的波動(dòng)率和收益率序列進(jìn)行平穩(wěn)性檢驗(yàn)，發(fā)現(xiàn)兩者都是平穩(wěn)時(shí)間序列。為此，我們直接利用指數(shù)加權(quán)移動(dòng)平均模型對(duì)2010年4月16日滬深300股指期貨上市前后2009.01.05—2010.04.15和2010.04.16—2010.12.28兩個(gè)時(shí)間段的股指現(xiàn)貨日間價(jià)格歷史波動(dòng)率進(jìn)行測(cè)算分析。

考慮證券市場(chǎng)在股指期貨推出前后的影響時(shí)，為了覆蓋日內(nèi)即隔夜價(jià)格波動(dòng)風(fēng)險(xiǎn)，我們主要計(jì)算基于日間收益的歷史波動(dòng)率，根據(jù)相關(guān)研究表明對(duì)于日價(jià)格數(shù)據(jù)，最優(yōu)衰減因子值為0.94。因此，我們選取日交易收盤(pán)價(jià)格作為我們的樣本，選取的衰減因子為0.94。通常取86天為理想值，作為對(duì)比我們選的時(shí)間跨度T=100，T=86天，T=60天天分別計(jì)算。

從圖2可以看到，滬深300大盤(pán)指數(shù)，兩年內(nèi)由2009年9月12日的高點(diǎn)回落到股指期貨推出后的小幅反彈，波動(dòng)率變化0.001點(diǎn)，2010年4月16日滬深300股指期貨推出以來(lái)，滬深300大盤(pán)指數(shù)波動(dòng)率見(jiàn)底反彈，但反彈幅度不大，約0.0003點(diǎn)，后期總體趨于平穩(wěn)。因此，到目前為止可以看到：中遠(yuǎn)期看，滬深300股指期貨的推出對(duì)股票市場(chǎng)有一定平滑作用，在一定程度上緩減了股票市場(chǎng)的波動(dòng)性；短期看，對(duì)股票市場(chǎng)有刺激作用，在股指期貨推出后約一個(gè)月內(nèi)，波動(dòng)率環(huán)比提高一個(gè)檔位（約50%）。

參考文獻(xiàn)

證券市場(chǎng)的意義范文第5篇

關(guān)鍵詞：貝葉斯向量自回歸模型（BVAR）；GARCH模型；期貨市場(chǎng)；股票市場(chǎng)；債券市場(chǎng)

中圖分類號(hào)：F830.91文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1008-2670（2014）04-0023-06

一、引言

股票、債券、期貨是證券市場(chǎng)中三大重要組成部分，隨著金融全球化的快速發(fā)展，各證券市場(chǎng)間聯(lián)系日漸密切，只要某一領(lǐng)域出現(xiàn)波動(dòng)，就會(huì)快速影響至其他子市場(chǎng)。探討不同市場(chǎng)在面對(duì)外部沖擊時(shí)如何相互影響和傳染，正確引導(dǎo)不同市場(chǎng)健康發(fā)展，關(guān)系到一個(gè)國(guó)家金融監(jiān)管當(dāng)局金融政策的制定，有助于維護(hù)證券市場(chǎng)的穩(wěn)定、繁榮。為進(jìn)一步說(shuō)明不同證券市場(chǎng)之間風(fēng)險(xiǎn)的相互傳染路徑，促進(jìn)它們有序協(xié)調(diào)發(fā)展，構(gòu)建一個(gè)涉及股票、債券、期貨三者的動(dòng)態(tài)模型來(lái)探討不同市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)，具有一定的理論和現(xiàn)實(shí)意義。

我國(guó)證券市場(chǎng)之間風(fēng)險(xiǎn)傳遞的相關(guān)問(wèn)題受到國(guó)內(nèi)學(xué)者的廣泛關(guān)注，取得了一定成果。王寶[1]運(yùn)用DCC-MVGARCH方法對(duì)我國(guó)證券市場(chǎng)間風(fēng)險(xiǎn)傳染問(wèn)題進(jìn)行了分析，發(fā)現(xiàn)股票市場(chǎng)和債券市場(chǎng)之間容易傳染。蔣序懷等[2]運(yùn)用VAR模型對(duì)傳染效應(yīng)存在的渠道進(jìn)行了實(shí)證研究，發(fā)現(xiàn)股票市場(chǎng)與債券市場(chǎng)間的聯(lián)系較為密切。陳燕武等[3]運(yùn)用非參數(shù)分位數(shù)回歸，得到中、美、英、日四國(guó)股票市場(chǎng)存在非線性的風(fēng)險(xiǎn)傳染效應(yīng)。陳庭強(qiáng)等[4]從銀行信貸行為視角對(duì)信用風(fēng)險(xiǎn)轉(zhuǎn)移市場(chǎng)信用風(fēng)險(xiǎn)傳染的特征、實(shí)踐路徑進(jìn)行了評(píng)述。此外，蘭鵬[5]采用BEKK模型，發(fā)現(xiàn)中國(guó)香港、中國(guó)臺(tái)灣等亞洲6個(gè)地區(qū)或國(guó)家股票市場(chǎng)間風(fēng)險(xiǎn)存在顯著的溢出效應(yīng)。華桂宏等[6]采用三元VAR模型，發(fā)現(xiàn)金融發(fā)展會(huì)主動(dòng)刺激固定資產(chǎn)投資，銀行體系對(duì)投資的刺激功能更顯著，而股票市場(chǎng)不具備這種功能。張慧蓮[7]以上海證券交易市場(chǎng)為例，得出證券投資基金是上證指數(shù)的單向granger原因，而上證指數(shù)與保險(xiǎn)市場(chǎng)之間不存在granger因果關(guān)系。

國(guó)外學(xué)者主要針對(duì)不同國(guó)家股票市場(chǎng)之間風(fēng)險(xiǎn)傳染進(jìn)行研究，而針對(duì)股票與其他市場(chǎng)之間的傳染分析較少。比較有代表性的成果有：Theodossiou等[8]采用廣義GARCH方法分析了美、日、英等主要發(fā)達(dá)國(guó)家股票市場(chǎng)收益波動(dòng)特征，發(fā)現(xiàn)它們之間存在顯著傳染效應(yīng)。King等[9]認(rèn)為由于資本市場(chǎng)人對(duì)其他市場(chǎng)價(jià)格波動(dòng)信息的不準(zhǔn)確預(yù)期，導(dǎo)致錯(cuò)誤信息很容易傳染至其他市場(chǎng)。Hahm[10]發(fā)現(xiàn)美國(guó)對(duì)韓國(guó)的股票市場(chǎng)的滯后波動(dòng)溢出效應(yīng)顯著，反之則不然；但未發(fā)現(xiàn)收益率之間存在相互溢出效應(yīng)。Park等[11]通過(guò)自回歸模型研究了亞洲危機(jī)期間各金融市場(chǎng)傳遞情形，結(jié)果發(fā)現(xiàn)東南亞市場(chǎng)并未直接觸發(fā)韓國(guó)的危機(jī)，而臺(tái)灣金融市場(chǎng)的不穩(wěn)定是重要原因。

傳統(tǒng)的VAR模型不能回避待估參數(shù)過(guò)多和自由度問(wèn)題，這可能導(dǎo)致估計(jì)可能會(huì)出現(xiàn)偏誤；同時(shí)，還會(huì)由于各滯后變量之間可能存在高度的共線性關(guān)系導(dǎo)致結(jié)果出現(xiàn)一定的偏誤。因此，本文嘗試從以下幾個(gè)方面進(jìn)行分析：一是選擇代表不同風(fēng)險(xiǎn)市場(chǎng)的變量，對(duì)各市場(chǎng)之間風(fēng)險(xiǎn)傳遞進(jìn)行分析；二是將克服傳統(tǒng)VAR的上述缺陷，運(yùn)用貝葉斯向量自回歸模型（BVAR）進(jìn)行建模，搜集最新月度數(shù)據(jù)進(jìn)行實(shí)證，以分析期貨、債券、股票市場(chǎng)之間風(fēng)險(xiǎn)的溢出效應(yīng)。

二、貝葉斯向量自回歸模型（BVAR）概述

含有k變量的p階向量自回歸模型VAR（p）的一般矩陣形式可以表示如下：

雖然VAR模型克服了一般聯(lián)立方程模型需要嚴(yán)格區(qū)分內(nèi)、外生變量的缺陷，但是它本身亦存在不可避免的缺點(diǎn)[13]：第一，待估參數(shù)太多，對(duì)時(shí)間序列長(zhǎng)度要求較大。如果VAR模型中有m個(gè)內(nèi)生變量、滯后階數(shù)為p，則將有m（mp+1）個(gè)參數(shù)需要估計(jì)。由于我國(guó)金融市場(chǎng)可得數(shù)據(jù)時(shí)間跨度不長(zhǎng)，將普通VAR模型應(yīng)用于中國(guó)金融市場(chǎng)研究是很不利的。第二，由于普通VAR模型中的解釋變量均為被解釋變量向量的各階滯后項(xiàng)組成，如y1t-1，y1t-2，……。這些滯后解釋變量容易產(chǎn)生高度的共線性關(guān)系，從而導(dǎo)致系數(shù)估計(jì)偏誤。

為此，Litterman[13]和Sims[14]提出通過(guò)引入貝葉斯先驗(yàn)信息，可以克服上述問(wèn)題。根據(jù)Sims所提出的方法，設(shè)xt=（yt-1，yt-2，yt-3……yt-p，1），則（1）式可表述為：

三、實(shí)證研究

（一）變量選取與數(shù)據(jù)處理

本文分析指標(biāo)主要選取股票成交額（gp）、國(guó)債成交額（zj）和期貨成交額（qh）。其中股票成交額為深交所、上交所股票成交額當(dāng)月數(shù)之和。國(guó)債成交額為上交所、深交所國(guó)債現(xiàn)貨、回購(gòu)成交額當(dāng)月數(shù)之和。期貨成交額為上海、大連、鄭州三大商品交易所期貨成交額當(dāng)月數(shù)之和。單位為億元。

為了保證所有數(shù)據(jù)的完整性、可得性，選取2002年12月-2013年2月的月度數(shù)據(jù)，共123個(gè)樣本。數(shù)據(jù)來(lái)自中經(jīng)網(wǎng)、中國(guó)人民銀行網(wǎng)站。對(duì)所有數(shù)據(jù)作剔除物價(jià)因素，考慮到月度數(shù)據(jù)可能存在季節(jié)影響，對(duì)所有指標(biāo)進(jìn)行剔除季節(jié)用eviews軟件，運(yùn)用X12方法去除季節(jié)性。因素處理。為了縮小指標(biāo)本身差異和消除可能存在的異方差，對(duì)上述經(jīng)過(guò)處理后的指標(biāo)取對(duì)數(shù)，分別記作：期貨成交額為lnqh；債券成交額為lnzj；股票成交額為lngp。

（二）運(yùn)用GARCH（1，1）提取各變量“風(fēng)險(xiǎn)”信息

通常在金融市場(chǎng)上是用方差來(lái)衡量金融產(chǎn)品收益的風(fēng)險(xiǎn)和價(jià)格的不確定性，Engle[15]提出的“自回歸條件異方差模型”（Autoregressive Conditional Heteroskedasticity Model）被廣泛運(yùn)用于金融時(shí)間序列中。馬超群等[16]認(rèn)為“研究這類具有叢集性與異方差性特征的金融數(shù)據(jù)變動(dòng)規(guī)律性的最有效方法與途徑”。本文借鑒前人的做法，采用GARCH模型中的條件異方差б2t的回歸形式來(lái)反映出金融市場(chǎng)不確定性，具體用模型殘差的條件方差項(xiàng)來(lái)模擬各大市場(chǎng)的波動(dòng)率（即風(fēng)險(xiǎn)信息）。GARCH（1，1）模型可以表述為：

其中，yt為期貨、股票、債券等變量，μ、c、α、β為未知參數(shù)，它們的值由最大似然法估計(jì)。條件方差σ2t就是后續(xù)在BVAR模型中將用于反映風(fēng)險(xiǎn)的變量（波動(dòng)率）在進(jìn)行GARCH（1，1）分析之前，我們用三個(gè)變量lngp、lnqh、lnzj分別對(duì)常數(shù)進(jìn)行回歸，然后對(duì)殘差進(jìn)行ARCH效應(yīng)檢驗(yàn)，lngp與lnqh回歸后的殘差均在滯后一期resid^2（-1）的1%水平顯著；而lnzj回歸后的殘差在滯后1-4期均在5%水平下顯著?？梢?jiàn)，都存在arch效應(yīng)，可以進(jìn)行后續(xù)的GARCH建模分析。。最后，通過(guò)GARCH（1，1）模型得到三個(gè)變量的條件方差變量σ2t，分別用gp_ch、qh_ch、zj_ch表示。

（三）貝葉斯向量自回歸（BVAR）模型估計(jì)

1.變量平穩(wěn)性和VAR系統(tǒng)平穩(wěn)性檢驗(yàn)

為了避免因?yàn)閱挝桓F(xiàn)象而出現(xiàn)對(duì)模型估計(jì)結(jié)果不準(zhǔn)確，首先進(jìn)行各變量的平穩(wěn)性檢驗(yàn)。通過(guò)ADF檢驗(yàn)，發(fā)現(xiàn)gp_ch（ADF-1.815）、qh_ch（ADF=-2.716）分別在10%、1%水平下平穩(wěn)，而zj_ch（ADF=-0.706）呈現(xiàn)I（1）特征。我們將zj_ch 差分以后用dzj_ch（ADF=-6.201）表示，和另外的兩個(gè)變量按照很多文獻(xiàn)的做法，進(jìn)行VAR建模時(shí)一般要求所有變量平穩(wěn)。此處我們發(fā)現(xiàn)gp_ch和qh_ch均是平穩(wěn)的，只有zj_ch不平穩(wěn)。原變量是表示波動(dòng)情況，差分一次后經(jīng)濟(jì)意義解釋可作相近理解，不影響分析。建模，根據(jù)LR、FPE、AIC等信息準(zhǔn)則確定最佳滯后階數(shù)為1。經(jīng)過(guò)VAR系統(tǒng)檢驗(yàn)發(fā)現(xiàn)是平穩(wěn)的，可以進(jìn)行后續(xù)的BVAR和脈沖響應(yīng)分析。

2.貝葉斯向量自回歸（BVAR）設(shè)置說(shuō)明

首先，對(duì)于BVAR模型滯后階數(shù)的設(shè)置，采用Matlab2010b提供的LR指標(biāo)，結(jié)果顯示最佳滯后為2階。其次， BVAR模型估計(jì)方法需要事先設(shè)定超參數(shù)以反映模型的先驗(yàn)信息。本文借鑒相關(guān)文獻(xiàn)，經(jīng)過(guò)多次調(diào)試，最終將BVAR模型的超參數(shù)設(shè)置為： nlag=2（滯后階數(shù)）； weight=0.5（權(quán)重矩陣）； decay=1； tight=0.1（衰減參數(shù)，Minnesota先驗(yàn)信息）； odum='o1'（代表Cholesky分解）。

（四）貝葉斯向量自回歸（BVAR）脈沖響應(yīng)分析

圖1股票市場(chǎng)的脈沖響應(yīng)圖圖2期貨市場(chǎng)的脈沖響應(yīng)圖1.股票市場(chǎng)的脈沖響應(yīng)分析

從圖1可以看出，當(dāng)期貨市場(chǎng)當(dāng)期遭到一個(gè)標(biāo)準(zhǔn)差的正向沖擊，股票市場(chǎng)第1期會(huì)產(chǎn)生正向的沖擊響應(yīng)，強(qiáng)度為-0.005；第2期開(kāi)始上升，至第6期達(dá)到最大強(qiáng)度0.2465；此后逐漸下降。而如果債券市場(chǎng)受到一個(gè)標(biāo)準(zhǔn)差的波動(dòng)沖擊后，股票市場(chǎng)的在第1期響應(yīng)非常微弱，從第2期開(kāi)始影響增強(qiáng)，但是對(duì)股票市場(chǎng)的影響一起呈現(xiàn)負(fù)向關(guān)系，持續(xù)期較長(zhǎng)，但影響十分微弱。而股票市場(chǎng)對(duì)來(lái)自自身市場(chǎng)沖擊后的反應(yīng)是最為強(qiáng)烈的，在第一期就會(huì)產(chǎn)生一個(gè)強(qiáng)度大小為0.643的正向響應(yīng)，第2-5期影響顯著下降，至第6期的影響趨于平緩只有0.3374左右，此后逐漸接近削弱，這也正好說(shuō)明股市風(fēng)險(xiǎn)大的特性。

圖3債券市場(chǎng)的脈沖響應(yīng)圖2.期貨市場(chǎng)的脈沖響應(yīng)分析

從圖2可知，給定債券市場(chǎng)波動(dòng)的一個(gè)單位標(biāo)準(zhǔn)差正向沖擊，期貨市場(chǎng)在第1期產(chǎn)生一個(gè)較大的負(fù)向響應(yīng)，強(qiáng)度為-0.051；第3期影響減弱為-0.017，第4期以后逐漸變得平緩，但是整個(gè)影響均為負(fù)。而針對(duì)來(lái)自股票市場(chǎng)波動(dòng)的一個(gè)單位標(biāo)準(zhǔn)差正向沖擊，期貨市場(chǎng)波動(dòng)沖擊第一期響應(yīng)值為0.105，第4期達(dá)到最大值0.158，此后影響逐漸減弱。而期貨市場(chǎng)對(duì)來(lái)自自身沖擊的響應(yīng)情況來(lái)看，第1期為響應(yīng)最大、強(qiáng)度為0.267，第2期顯著減少，第6期響應(yīng)強(qiáng)度減弱為0.132，此后緩緩減弱。

3.債券市場(chǎng)的脈沖響應(yīng)分析

從圖3來(lái)看，國(guó)債市場(chǎng)對(duì)來(lái)自自身市場(chǎng)的沖擊反應(yīng)最為劇烈，第1期產(chǎn)生一個(gè)強(qiáng)度為-0.243正向沖擊；第2期減弱至-0.024；第3期影響為正，且達(dá)到最大值0.063，此后影響遞減有逐漸消失。股票市場(chǎng)受到一個(gè)單位標(biāo)準(zhǔn)差的沖擊后，國(guó)債市場(chǎng)的響應(yīng)整個(gè)后續(xù)時(shí)期均不大，第1期產(chǎn)生一個(gè)強(qiáng)度為0.017的影響；第2期的影響達(dá)到最大0.031；此后慢慢消失。而對(duì)來(lái)自期貨市場(chǎng)一個(gè)單位標(biāo)準(zhǔn)差的沖擊后，債券市場(chǎng)首期響應(yīng)為-0.038，此后的影響非常微弱。

四、結(jié)論與啟示

本文通過(guò)建立貝葉斯向量自回歸（BVAR）模型，對(duì)股票、期貨、國(guó)債等市場(chǎng)間風(fēng)險(xiǎn)傳染進(jìn)行了研究，得到如下結(jié)論：第一，從三大市場(chǎng)增長(zhǎng)的情況和波動(dòng)信息統(tǒng)計(jì)指標(biāo)來(lái)看，股票市場(chǎng)在近11年增長(zhǎng)速度最快，其市場(chǎng)波動(dòng)幅度也最大。而國(guó)債市場(chǎng)的增長(zhǎng)速度最小，波動(dòng)情況居中。期貨市場(chǎng)增長(zhǎng)速度居中，波動(dòng)幅度最小。第二，從因果關(guān)系檢驗(yàn)結(jié)果來(lái)看，股票和期貨市場(chǎng)等高風(fēng)險(xiǎn)市場(chǎng)之間具有較為顯著的影響和傳染關(guān)系。而由于我國(guó)國(guó)債市場(chǎng)交易和管理制度都相對(duì)嚴(yán)格，所以國(guó)債市場(chǎng)的抗干擾能力相對(duì)較強(qiáng)。第三，從模擬的脈沖響應(yīng)分析效果來(lái)看：（1）股票市場(chǎng)對(duì)來(lái)自自身市場(chǎng)沖擊的當(dāng)期響應(yīng)迅速且較大；期貨市場(chǎng)沖擊的前期影響較小但后續(xù)影響時(shí)間較長(zhǎng)；債券市場(chǎng)沖擊對(duì)股票市場(chǎng)的影響為負(fù)，幅度不大。（2）期貨市場(chǎng)對(duì)來(lái)自股票市場(chǎng)沖擊的影響反映較弱；而對(duì)來(lái)自自身的影響反映強(qiáng)烈，但是時(shí)間都較短，這與股票市場(chǎng)非常類似，這些正好驗(yàn)證了股票、期貨市場(chǎng)的高風(fēng)險(xiǎn)、高投機(jī)性的市場(chǎng)特征；而債券市場(chǎng)波動(dòng)對(duì)期貨市場(chǎng)的影響一樣為負(fù)。（3）國(guó)債市場(chǎng)對(duì)來(lái)自股票市場(chǎng)、期貨市場(chǎng)的沖擊的響應(yīng)整個(gè)時(shí)期都不大。對(duì)來(lái)自自身沖擊的響應(yīng)也只顯著響應(yīng)3期后，影響快速減弱。

針對(duì)本文實(shí)證分析結(jié)果，結(jié)合我國(guó)當(dāng)前的金融形勢(shì)，可以得到以下啟示：第一，培育良好有序的金融環(huán)境，認(rèn)真監(jiān)管與規(guī)范債券市場(chǎng)的運(yùn)營(yíng)操作，重點(diǎn)關(guān)注債券市場(chǎng)與股票、期貨市場(chǎng)的融合機(jī)制。從granger因果關(guān)系檢驗(yàn)和脈沖響應(yīng)分析可以看出，由于我國(guó)對(duì)債券市場(chǎng)管理較為嚴(yán)格，其與別的市場(chǎng)具有相對(duì)獨(dú)立性，股票市場(chǎng)和期貨市場(chǎng)上的某種隨機(jī)沖擊均不會(huì)輕易引起債券市場(chǎng)大幅振動(dòng)。但是反過(guò)來(lái)，由于債券市場(chǎng)長(zhǎng)期以來(lái)都是一種在被保護(hù)的機(jī)制下運(yùn)作，形成了債券（國(guó)債占大部分比重）市場(chǎng)相對(duì)高安全性。一旦最安全性事物受到某種實(shí)質(zhì)性的外部沖擊，帶來(lái)的影響可能是巨大和負(fù)面的。從前述脈沖響應(yīng)分析來(lái)看，債券市場(chǎng)的某種波動(dòng)沖擊對(duì)股本、債券均是產(chǎn)生負(fù)向的影響路徑。所以，有必要重點(diǎn)引導(dǎo)債券市場(chǎng)如何和其他市場(chǎng)協(xié)調(diào)發(fā)展機(jī)制的設(shè)計(jì)，使其經(jīng)營(yíng)操作變得更加靈活、彈性更大。第二，股票和期貨市場(chǎng)之間的感染能力較強(qiáng)，且granger因關(guān)系顯著，說(shuō)明了它們的高投機(jī)性與虛擬性，從而導(dǎo)致風(fēng)險(xiǎn)更容易市場(chǎng)中傳遞。加大對(duì)高風(fēng)險(xiǎn)市場(chǎng)的監(jiān)督管理，尤其針對(duì)股票、期貨市場(chǎng)。

參考文獻(xiàn)：

[1]王寶， 肖慶憲. 我國(guó)金融市場(chǎng)間風(fēng)險(xiǎn)傳染特征的實(shí)證檢驗(yàn)[J]. 統(tǒng)計(jì)與決策， 2008（11）：78-79.

[2]蔣序懷， 吳富佳， 金樁. 當(dāng)前資本市場(chǎng)的風(fēng)險(xiǎn)傳導(dǎo)機(jī)制――基于傳染效應(yīng)的實(shí)證分析 [J]. 財(cái)經(jīng)科學(xué)， 2006（2）： 16-24.

[3]陳燕武， 黃靜菲. 利用非參分位數(shù)回歸模型分析金融市場(chǎng)的風(fēng)險(xiǎn)傳染 [J]. 華僑大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2013（2）： 215-219.

[4]陳庭強(qiáng)， 何建敏， 尹群耀，等. 基于銀行信貸行為的CRT市場(chǎng)信用風(fēng)險(xiǎn)傳染評(píng)述 [J]. 金融理論與實(shí)踐， 2011（11）： 95-99.

[5]蘭鵬， 李銘. 波動(dòng)溢出、風(fēng)險(xiǎn)傳染與信息傳遞效應(yīng)――基于亞洲股票市場(chǎng)的實(shí)證研究 [J]. 哈爾濱商業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2012（2）： 16-24.

[6]華桂宏， 周茂彬， 成春林. 銀行體系、股票市場(chǎng)與固定資產(chǎn)投資――基于三元向量自回歸模型的格蘭杰因果關(guān)系檢驗(yàn) [J]. 財(cái)貿(mào)研究， 2008（1）： 90-94，146.

[7]張慧蓮. 證券投資基金和保險(xiǎn)資金對(duì)股票市場(chǎng)影響的實(shí)證分析 [J]. 金融理論與實(shí)踐， 2010（01）： 81-85.

[8]THEODOSSIOU P， KAHYA E， KOUTMOS G， et al. Volatility Reversion and Correlation Structure of Returns in Major International Stock Markets [J]. Financial Review， 1997，32（2）： 205-224.

[9]KING M A， WADHWANI S. Transmission of Volatility between Stock Markets [J]. Review of Financial Studies， 1990，3（1）： 5-33.

[10]HAHM S. Transmission of Stock Returns and Volatility： the Case of Korea [J]. The Journal of Korean Economy， 2003，5 （1）：17-45.

[11]PARK Y C， SONG C Y. Financial Contagion in the East Asian Crisis： With Special Reference to the Republic of Korea [R]. Korea University Working Paper， 2000.

[12]LESAGE J P. Applied Econometrics Using MATLAB [M]. Department of Economics University of Toledo， 1999.

[13]LITTERMAN R B. Forecasting with Bayesian Vector Autoregressions-Five Years of Experience [J]. Journal of Business and Economic Statistics， 1986，4（1）： 25-38.