中國股市波動非對稱性的多維度解析與實證洞察

中國股市波動非對稱性的多維度解析與實證洞察一、引言1.1研究背景與意義在我國經濟體系不斷發展與完善的進程中，股票市場作為資本市場的核心組成部分，占據著舉足輕重的地位。股市不僅是企業重要的融資渠道，助力企業獲取發展所需資金，優化資本結構，推動企業規模擴張與創新發展，例如眾多科技企業通過在股市上市，募集大量資金用于研發投入，實現技術突破和業務拓展；而且通過價格發現機制，反映市場對企業未來盈利能力和發展前景的預期，引導資源的合理配置，資金會流向那些業績優良、發展潛力大的企業，促進產業結構的優化升級。此外，股市還為投資者提供了多元化的投資選擇，滿足不同風險偏好投資者的需求，實現財富的增值與保值，同時也為宏觀經濟政策的制定與實施提供了重要參考依據，成為經濟發展的“晴雨表”，其走勢在一定程度上反映了市場對經濟發展的信心和預期。然而，股票市場的波動特性一直是學術界、投資者和監管部門高度關注的焦點。其中，股市波動的非對稱性是一個極為重要的特征，它指的是同等程度的利好消息與利空消息對股票市場波動的影響存在差異。這種非對稱性現象在金融市場中普遍存在，深入研究中國股市波動的非對稱性具有多方面的重要意義。從理論研究角度來看，探究股市波動非對稱性有助于深入理解股票市場的運行機制和投資者行為。傳統金融理論往往基于有效市場假說，假設投資者是理性的，市場信息能夠及時、準確地反映在股票價格中。但現實中的股市波動呈現出復雜的非對稱特征，這表明投資者并非完全理性，市場中存在著各種認知偏差和情緒因素，影響著投資者的決策，進而導致股市波動的非對稱性。通過對這一現象的研究，可以進一步完善金融市場理論，豐富行為金融學的研究內容，為后續學者研究股市波動提供新的視角和思路。在投資決策方面，股市波動非對稱性的研究對投資者具有重要的實踐指導意義。投資者在進行投資決策時，需要充分考慮市場波動的不確定性和非對稱性。了解非對稱性的存在及其特征，投資者可以更加準確地評估股票投資的風險和收益，合理調整投資組合，優化資產配置，提高投資決策的科學性和有效性。例如，當投資者意識到利空消息對股市波動的影響可能更大時，在市場出現負面信息時，就可以提前采取風險防范措施，如減持股票或增加現金儲備，以降低投資損失；而在利好消息出現時，能更準確地把握投資機會，實現投資收益的最大化。從風險管理層面而言，對于金融機構和監管部門來說，研究股市波動非對稱性是有效進行風險管理和制定政策的關鍵。金融機構在開展業務過程中，面臨著股市波動帶來的各種風險，如市場風險、信用風險等。準確把握股市波動的非對稱性，有助于金融機構更加精準地度量風險，合理設定風險限額，采取有效的風險對沖策略，降低風險敞口，保障金融機構的穩健運營。監管部門則可以依據股市波動非對稱性的研究結果，制定更加科學合理的監管政策，加強市場監管，維護市場秩序，防范金融風險的發生和擴散，促進股票市場的健康、穩定發展。1.2研究目標與創新點本研究旨在深入剖析中國股市波動的非對稱性，具體研究目標包括以下幾個方面：其一，精確刻畫中國股市波動非對稱性的特征。通過運用多種先進的計量模型和統計方法，對中國股市的歷史數據進行細致分析，明確利好消息與利空消息對股市波動影響的差異程度、表現形式以及在不同市場環境和時間跨度下的變化規律。例如，確定在牛市和熊市階段，非對稱性特征是否存在顯著不同，以及隨著時間推移，非對稱性的強度是否發生改變。其二，深入探究股市波動非對稱性的形成機制。從多個維度進行分析，包括市場微觀結構理論，研究交易制度、流動性、買賣價差等因素對非對稱性的影響；基于行為金融學理論，探討投資者的認知偏差、情緒波動、羊群效應等心理因素如何導致股市波動的非對稱性；以及從宏觀經濟環境角度，分析經濟增長、通貨膨脹、貨幣政策等宏觀因素與股市波動非對稱性之間的內在聯系。其三，評估股市波動非對稱性對投資者決策和市場穩定性的影響。通過構建投資決策模型，結合實際市場數據，分析投資者在面對股市波動非對稱性時，如何調整投資策略以實現最優投資組合；同時，研究非對稱性對市場穩定性的影響，如是否會增加市場的系統性風險，以及如何通過監管政策來降低這種風險，維護市場的穩定運行。本研究的創新點主要體現在以下幾個方面：一是研究視角的多元化。綜合運用金融市場微觀結構理論、行為金融學理論以及宏觀經濟學理論，從多個角度對股市波動非對稱性進行研究，打破了以往單一理論視角研究的局限性，能夠更全面、深入地理解股市波動非對稱性的本質和形成機制。例如，在分析市場微觀結構因素時，考慮了不同交易制度下（如競價交易制度和做市商制度）股市波動非對稱性的差異；在行為金融學視角下，研究了不同類型投資者（如個人投資者和機構投資者）的行為特征對非對稱性的影響。二是研究方法的創新。在計量模型的選擇和應用上，采用了最新發展的非對稱GARCH類模型，并結合機器學習算法，如支持向量機、神經網絡等，對股市波動非對稱性進行建模和預測。這些方法能夠更好地捕捉股市數據的復雜特征和非線性關系，提高研究結果的準確性和可靠性。同時，通過將不同模型的結果進行對比分析，為研究股市波動非對稱性提供了更豐富的實證證據。三是數據的全面性和時效性。選取了涵蓋中國股市發展不同階段的長期歷史數據，并及時更新到最新數據，確保研究結果能夠反映中國股市當前的實際情況。此外，還收集了多種與股市波動相關的變量數據，如宏觀經濟數據、投資者情緒指標等，為深入分析股市波動非對稱性提供了更全面的數據支持。1.3研究方法與數據來源為了深入、準確地研究中國股市波動的非對稱性，本研究綜合運用多種研究方法，確保研究的科學性、全面性和可靠性。在研究方法上，本研究主要采用實證分析方法。通過對大量歷史數據的收集、整理和分析，運用計量經濟學模型對股市波動非對稱性進行量化研究，以驗證相關理論假設和研究觀點。例如，運用ARCH類模型（包括GARCH、EGARCH、TARCH等），這些模型能夠有效地捕捉金融時間序列數據中的異方差性和波動聚集現象，精確刻畫股市波動的非對稱性特征。同時，結合事件研究法，分析特定事件（如宏觀經濟政策調整、重大行業事件等）對股市波動非對稱性的影響，進一步探究非對稱性形成的內在機制。案例研究方法也是本研究的重要組成部分。選取中國股市發展過程中的典型時期和具體案例，如2008年全球金融危機期間中國股市的表現、近年來重大政策改革（如股權分置改革、注冊制改革）對股市波動的影響等，深入分析在不同市場環境和政策背景下股市波動非對稱性的表現和變化，從實際案例中總結規律，為理論研究提供實踐支撐。本研究的數據來源具有權威性和可靠性。主要數據取自知名的金融數據庫，如Wind數據庫、CSMAR中國經濟金融研究數據庫等。這些數據庫涵蓋了豐富的金融市場數據，包括股票價格、成交量、宏觀經濟指標等，能夠滿足本研究對多維度數據的需求。以Wind數據庫為例，它提供了全面的中國金融市場數據，數據更新及時、準確，廣泛應用于學術研究和金融機構的分析決策中；CSMAR數據庫則是專門為經濟金融研究開發的數據庫，數據處理方式嚴謹，符合學術研究的要求，已有眾多高質量學術論文采用該數據庫的數據進行研究。在數據篩選方面，為了確保數據的有效性和代表性，本研究設定了嚴格的篩選標準。對于股票數據，選取了上證綜指、深證成指等具有廣泛代表性的市場指數，這些指數能夠反映中國股市整體的運行情況。同時，對樣本區間進行合理選擇，涵蓋了中國股市不同的發展階段，包括牛市、熊市和震蕩市，以全面研究股市波動非對稱性在不同市場環境下的表現。在宏觀經濟數據方面，選取了國內生產總值（GDP）增長率、通貨膨脹率、利率等關鍵指標，這些指標能夠反映宏觀經濟環境的變化，與股市波動密切相關。數據處理過程中，首先對原始數據進行清洗，去除異常值和缺失值，保證數據的質量。對于缺失值，采用合理的插值方法進行補充，如線性插值、均值插值等；對于異常值，通過統計方法進行識別和處理，確保數據的準確性和可靠性。然后，對數據進行標準化處理，使不同變量的數據具有可比性，以便于后續的模型分析和實證研究。二、文獻綜述2.1國外研究現狀國外對于股市波動非對稱性的研究起步較早，取得了豐碩的成果，為后續相關研究奠定了堅實的理論基礎并提供了有效的研究方法。在理論研究方面，眾多學者對股市波動非對稱性的產生機制進行了深入探討。Black于1976年率先發現股票收益與波動之間存在負相關關系，即股價下跌時波動增大，股價上漲時波動減小，這一現象被視為股市波動非對稱性的早期發現，為后續研究指明了方向。隨后，學者們從不同角度提出了多種理論來解釋這種非對稱性。其中，“杠桿效應”理論頗具影響力，該理論由Black和Scholes在期權定價理論的基礎上提出，認為當公司股價下跌時，公司的債務權益比上升，財務杠桿增加，這使得公司面臨更高的風險，從而導致股票價格波動加劇；而當股價上漲時，公司財務杠桿降低，風險減小，波動也相應降低，如Campbell和Hentschel在1992年的研究中對杠桿效應進行了進一步闡述，使其成為解釋股市波動非對稱性的重要理論之一。“反饋效應”理論也受到廣泛關注，該理論認為投資者的行為會對股市波動產生反饋作用。當市場出現利好消息時，投資者預期股價上漲，會增加買入行為，推動股價進一步上升，這種正反饋使得股價波動相對較小；而當利空消息出現時，投資者預期股價下跌，會紛紛拋售股票，導致股價加速下跌，波動大幅增加。這種投資者行為與股價波動之間的相互作用，導致了股市波動的非對稱性。在實證研究領域，隨著計量經濟學的發展，各種先進的模型被廣泛應用于股市波動非對稱性的研究中，為揭示股市波動的內在規律提供了有力工具。ARCH模型由Engle在1982年開創性地提出，該模型能夠有效捕捉金融時間序列中的異方差現象，即方差隨時間變化而變化的特性。在股市研究中，ARCH模型可以很好地刻畫股票收益率波動的聚集性，即大的波動往往會伴隨著大的波動，小的波動則傾向于聚集在一起。例如，在研究股票市場的短期波動時，ARCH模型能夠準確地反映出收益率方差的動態變化，為后續研究股市波動非對稱性提供了基礎。因其在金融時間序列分析領域的杰出貢獻，Engle榮獲了2003年度的諾貝爾經濟學獎。Bollerslev在1986年對ARCH模型進行了擴展，提出了GARCH模型。GARCH模型不僅考慮了過去殘差平方的影響，還引入了條件方差的滯后項，使得模型能夠更簡潔、有效地描述金融時間序列的波動特征，大大提高了對股市波動的擬合和預測能力。例如，在分析股票市場長期波動趨勢時，GARCH模型能夠綜合考慮多種因素對波動的影響，提供更準確的波動預測。此后，GARCH模型被廣泛應用于股市波動的研究中，成為金融領域研究波動性的重要工具之一。為了更深入地研究股市波動的非對稱性，學者們在ARCH和GARCH模型的基礎上，進一步發展出了一系列非對稱GARCH類模型。Nelson于1991年提出的EGARCH模型具有重要意義，該模型將條件方差設定為對數形式，能夠有效處理條件方差非負的限制問題，并且可以直接刻畫股市對“好消息”和“壞消息”的不對稱反應。具體而言，EGARCH模型通過引入非對稱項，使得利空消息對波動的影響系數與利好消息對波動的影響系數不同，從而準確地反映出股市波動的非對稱性。許多研究運用EGARCH模型對各國股市進行實證分析，結果均表明該模型能夠很好地捕捉到股市波動的非對稱特征，如對美國、英國等發達國家股市的研究中，EGARCH模型清晰地展示了利空消息對股市波動的影響明顯大于利好消息的現象。Zakoian在1994年以及Glosten、Jagannathan和Runkle在1993年分別獨立提出了TARCH模型，該模型也被稱為門限GARCH模型。TARCH模型通過引入虛擬變量作為門限，將沖擊分為正向沖擊（利好消息）和負向沖擊（利空消息），不同的沖擊對應不同的參數，以此來描述股市波動的非對稱性。在實證研究中，TARCH模型能夠直觀地反映出利好消息和利空消息對股市波動的不同影響程度，為分析股市波動非對稱性提供了另一種有效的方法。針對股票市場波動的非對稱性，眾多國外學者運用上述模型對世界各個金融市場展開了廣泛的實證研究。研究結果普遍表明，在大多數發達國家的股票市場中，均存在顯著的波動非對稱性，并且與相同大小的利好消息相比，利空消息對波動性的影響更大。例如，對美國股票市場的研究發現，在面臨同等程度的利好和利空消息時，利空消息引發的股市波動幅度明顯更大，持續時間也更長；對歐洲主要股票市場的研究也得出了類似的結論。這種現象在成熟金融市場中具有普遍性，進一步驗證了股市波動非對稱性理論的有效性。2.2國內研究現狀國內對于股市波動非對稱性的研究隨著中國股票市場的發展逐步深入，研究成果不斷豐富，為理解中國股市的運行機制和特征提供了重要依據。在早期研究中，國內學者就開始關注中國股市波動的特性，并運用國外已有的理論和模型進行實證分析。陳朝旭在2005年運用GARCH-M模型、EGARCH模型、TARCH模型以及非對稱C-GARCH模型，對1996年至2004年上證綜指的收益率進行研究。研究結果驗證了收益與風險正相關的假設，即股票風險增加時，波動率增大，收益也相應提高；同時發現滬市存在顯著的波動非對稱性和杠桿效應，表現為利空消息對股市波動的影響大于利好消息，這與國外大多數研究結果一致，表明中國股市在一定程度上也存在類似成熟市場的波動特征。隨著研究的推進，學者們不斷拓展研究視角，深入探究中國股市波動非對稱性的獨特性質。有研究以上證綜指為樣本，運用EGARCH模型進行實證分析，得出與國外股市相反的結論，即在中國股票市場中，同等程度的利好消息對波動的影響更大。這一獨特現象引發了廣泛關注，學者們從多個角度進行解釋，如中國股市投資者結構以散戶為主，散戶投資者往往存在過度自信、羊群效應等認知偏差和非理性行為，在面對利好消息時，容易產生過度樂觀的情緒，從而導致股市波動對利好消息的反應更為強烈；中國股市的交易機制和政策環境也可能對波動非對稱性產生影響，例如漲跌幅限制、政策干預等因素，會改變投資者的預期和行為，進而影響股市波動對不同消息的反應。行為金融學理論的引入為國內股市波動非對稱性研究提供了新的思路。嚴俊宏基于行為金融學理論，通過對比加入投資者情緒前后的E-GARCH模型，對我國上證股市波動性展開研究。結果表明，投資者情緒是影響我國股市收益波動非對稱性的系統性因子，外來消息通過投資者情緒傳導，使股市收益波動非對稱性明顯加強，且悲觀情緒比樂觀情緒更能影響市場收益的波動。這說明投資者的心理和情緒因素在我國股市波動非對稱性中起著重要作用，進一步揭示了股市波動背后的行為驅動因素。在研究方法上，國內學者不斷創新和完善，采用更先進、更適合中國股市特點的模型和技術。部分學者運用分位數回歸方法，對股市波動非對稱性進行研究，發現不同分位點上股市波動對利好消息和利空消息的反應存在差異，這種方法能夠更細致地刻畫股市波動在不同風險水平下的非對稱特征，為投資者和監管部門提供了更具針對性的信息。還有學者結合機器學習算法，如支持向量機、神經網絡等，對股市波動進行建模和預測，這些方法能夠更好地處理復雜的非線性關系，提高了對股市波動非對稱性的研究精度和預測能力，為投資者制定投資策略提供了更有力的支持。2.3研究述評綜合上述國內外研究現狀，關于股市波動非對稱性的研究已取得了豐碩成果，但仍存在一些不足之處，為進一步深入研究提供了方向。在研究視角方面，雖然現有研究從不同理論角度對股市波動非對稱性進行了探討，但各理論視角之間的融合還不夠充分。例如，市場微觀結構理論主要關注市場交易機制、流動性等因素對股市波動的影響，而行為金融學理論側重于投資者心理和行為偏差的研究，宏觀經濟學理論則聚焦于宏觀經濟環境與股市波動的關系。然而，在實際股市運行中，這些因素相互交織、共同作用，單一理論視角難以全面解釋股市波動非對稱性的復雜現象。因此，未來研究需要進一步加強不同理論視角的整合，構建更加綜合、全面的分析框架，以更深入地理解股市波動非對稱性的形成機制和影響因素。在研究模型和方法上，盡管ARCH類模型及其擴展模型在股市波動非對稱性研究中得到了廣泛應用，但這些模型也存在一定的局限性。例如，傳統的GARCH模型假設波動對利好消息和利空消息的反應是對稱的，無法直接刻畫股市波動的非對稱性；EGARCH模型和TARCH模型雖然能夠描述非對稱性，但在模型設定和參數估計過程中，可能受到數據特征和模型假設的限制，導致模型的擬合效果和預測能力受到影響。此外，隨著金融市場的發展和數據量的不斷增加，傳統計量模型在處理高維、非線性和時變數據時面臨挑戰。因此，未來研究需要不斷改進和創新研究方法，探索更加適合股市波動非對稱性研究的模型，如結合機器學習、深度學習等人工智能技術，提高模型對復雜數據的處理能力和對股市波動非對稱性的刻畫精度。在研究對象和數據方面，現有研究主要集中在發達金融市場和主要股票指數，對新興市場和細分行業板塊的研究相對較少。然而，新興市場具有獨特的市場結構、投資者行為和政策環境，其股市波動非對稱性可能表現出與發達市場不同的特征；不同行業板塊受到宏觀經濟、行業競爭、技術創新等因素的影響程度不同，其波動非對稱性也可能存在差異。此外，部分研究的數據樣本時間跨度較短，難以全面反映股市波動非對稱性在不同市場周期和經濟環境下的變化規律。因此，未來研究應進一步拓展研究對象和數據范圍，加強對新興市場和細分行業板塊的研究，采用更長時間跨度和更豐富的數據，以提高研究結果的普遍性和可靠性。國內關于中國股市波動非對稱性的研究雖然取得了一定進展，但在研究的深度和廣度上仍有提升空間。一方面，對于中國股市波動非對稱性的獨特形成機制和影響因素，尚未形成系統、深入的認識，需要進一步結合中國股市的實際特點，如投資者結構以散戶為主、政策干預較為頻繁等，進行針對性研究。另一方面，在研究成果的應用方面，如何將股市波動非對稱性的研究結果更好地應用于投資者決策、風險管理和市場監管等實踐領域，還需要進一步探索和實踐。綜上所述，本研究將針對現有研究的不足，綜合運用多種理論和方法，從多個角度對中國股市波動非對稱性進行深入研究，以期為完善股市波動理論、指導投資實踐和加強市場監管提供更有價值的參考。三、中國股市波動非對稱性的理論基礎3.1股市波動理論概述股市波動是指股票市場價格在一定時間范圍內的上下起伏變化，其背后蘊含著復雜的經濟、金融和心理因素。從本質上講，股市波動是多種因素相互作用的結果，其中供求關系和投資者行為是兩個最為關鍵的因素。供求關系作為經濟學的基本原理，在股市波動中起著基礎性的作用。股票市場本質上是一個供需市場，股票的價格由其供給與需求的平衡狀態所決定。當市場上對某只股票的需求旺盛，而供給相對穩定或減少時，如公司發布了超出市場預期的業績報告，引發投資者對該公司未來盈利能力的樂觀預期，從而紛紛買入該股票，使得需求大于供給，股價往往會上漲；相反，如果股票的供給增加，而需求不變或減少，如公司進行大規模的增發新股，增加了股票的供給量，或者市場整體經濟形勢不佳，投資者對股票的投資意愿下降，導致需求減少，此時股價則可能下跌。這種供求關系的動態變化，時刻影響著股票價格的波動，是股市波動的根本驅動力之一。投資者行為對股市波動的影響也不容忽視，投資者并非完全理性的經濟人，其決策過程往往受到多種心理因素和認知偏差的影響。投資者情緒是影響投資行為的重要因素之一，當市場情緒樂觀時，投資者往往對未來市場走勢充滿信心，更傾向于買入股票，推動股價上漲。例如，在牛市行情中，投資者普遍樂觀，大量資金涌入股市，導致股價不斷攀升。而當市場情緒悲觀時，投資者則容易產生恐懼和恐慌心理，紛紛拋售股票，引發股價下跌。2020年初，受新冠疫情爆發的影響，投資者對經濟前景感到擔憂，市場情緒極度悲觀，股市大幅下跌。羊群效應也是投資者行為中的一種常見現象，即投資者在決策時往往會受到其他投資者行為的影響，而忽視自身所掌握的信息。當部分投資者開始買入或賣出某只股票時，其他投資者可能會跟隨其行動，形成一種群體行為。這種羊群效應會導致股票價格的波動被放大，加劇市場的不穩定性。如果一只股票在短期內受到部分投資者的追捧，其他投資者可能會盲目跟風買入，使得股價迅速上漲，遠遠超出其實際價值；而當市場出現負面消息時，羊群效應又可能導致投資者集體拋售，股價大幅下跌。過度自信和損失厭惡等心理偏差也會影響投資者的決策，進而對股市波動產生作用。過度自信的投資者往往高估自己的能力和對市場的判斷，可能會過度交易，增加市場的成交量和波動性。損失厭惡則使投資者對損失更為敏感，在面對損失時，往往會采取保守的策略，如過早賣出股票以避免進一步損失，或者在股價下跌時不愿意買入，這種行為也會加劇股市的波動。除了供求關系和投資者行為外，宏觀經濟因素、行業競爭態勢、公司基本面變化以及政策法規等因素也會對股市波動產生重要影響。宏觀經濟的繁榮與衰退直接影響企業的盈利能力和市場信心，進而影響股市走勢。在經濟增長強勁時期，企業盈利增加，投資者對股市的信心增強，股市往往呈現上漲趨勢；而在經濟衰退時期，企業盈利下滑，投資者信心受挫，股市則可能下跌。行業競爭態勢的變化會影響企業的市場份額和盈利能力，從而對企業股票價格產生影響。公司的財務狀況、管理水平、技術創新能力等基本面因素是決定股票價值的基礎，基本面的變化會導致投資者對股票價值的重新評估，進而引發股價波動。政策法規的調整，如貨幣政策、財政政策、金融監管政策等，也會對股市產生直接或間接的影響，改變市場的供求關系和投資者的預期，從而導致股市波動。3.2非對稱性的概念與內涵股市波動非對稱性是指在股票市場中，同等程度的利好消息和利空消息對股市波動的影響存在顯著差異的現象。這種差異不僅體現在波動幅度上，還表現在波動的持續性和影響范圍等方面。從本質上講，股市波動非對稱性打破了傳統金融理論中關于市場信息對股價波動影響的對稱性假設，揭示了市場參與者行為和市場運行機制的復雜性。當市場出現利好消息時，如公司發布超出預期的業績報告、宏觀經濟數據表現強勁、政策利好等，通常會引起投資者對股票未來收益的樂觀預期，從而增加對股票的需求，推動股價上漲。然而，利好消息對股市波動的影響程度相對有限，股價上漲的幅度和速度往往較為溫和。這是因為投資者在面對利好消息時，雖然會增加投資熱情，但也會保持一定的理性，對股票價格的上漲空間進行合理評估，不會盲目追高。例如，當一家公司公布了大幅增長的季度財報時，股價可能會在短期內出現一定幅度的上漲，但隨著市場對這一消息的消化，股價上漲的動力會逐漸減弱，波動也會趨于平穩。與之相反，利空消息對股市波動的影響通常更為顯著和強烈。一旦市場出現利空消息，如公司財務造假曝光、行業競爭加劇、宏觀經濟形勢惡化、政策收緊等，投資者往往會對股票的未來收益產生悲觀預期，導致恐慌情緒蔓延，紛紛拋售股票，引發股價大幅下跌。這種下跌不僅幅度大，而且速度快，常常伴隨著市場的恐慌性拋售和交易量的急劇放大，使得股市波動迅速加劇。以2020年初新冠疫情爆發為例，疫情的突然爆發引發了投資者對經濟衰退的擔憂，大量利空消息充斥市場，股市在短時間內大幅下跌，波動劇烈，許多股票價格跌幅超過30%，甚至更多。在實際股市運行中，股市波動非對稱性還呈現出多種表現形式。在波動幅度方面，利空消息引發的股價下跌幅度往往大于同等程度利好消息帶來的股價上漲幅度。在市場下跌過程中，股價可能會出現連續大幅下跌的情況，而在市場上漲時，股價上漲的過程則相對較為平緩，呈現出“下跌陡峭，上漲緩慢”的特征。在波動的持續性上，利空消息導致的股市波動持續時間通常比利好消息更長。一旦市場受到利空消息的沖擊，投資者的信心受到嚴重打擊，市場情緒需要較長時間才能恢復，股市波動也會在較長一段時間內維持在較高水平。相反，利好消息引發的市場波動往往在短期內就會得到消化，市場很快恢復平靜。股市波動非對稱性在不同市場環境和不同股票板塊中也表現出差異。在熊市中，市場整體處于下跌趨勢，投資者情緒悲觀，此時利空消息更容易引發市場恐慌，加劇股市波動，而非對稱性特征更為明顯；而在牛市中，市場整體向上，投資者信心較強，對利空消息的承受能力相對較高，非對稱性特征可能相對較弱。不同股票板塊由于其行業特點、投資者結構等因素的不同，對利好消息和利空消息的反應也存在差異，波動非對稱性的表現也各不相同。例如，科技板塊由于其創新性和高風險性，對市場消息更為敏感，波動非對稱性可能更為顯著；而消費板塊由于其穩定性和防御性，波動非對稱性相對較弱。3.3相關理論解釋3.3.1杠桿效應理論杠桿效應理論是解釋股市波動非對稱性的重要理論之一，其核心觀點是公司財務杠桿的變化會導致股票價格波動對利好和利空消息產生不同反應。在企業的資本結構中，債務和權益是兩個重要組成部分。當公司股價下跌時，其債務權益比會上升，這意味著公司的財務杠桿增加。較高的財務杠桿使得公司面臨更高的風險，因為在債務規模不變的情況下，股權價值的下降會導致公司的償債壓力相對增大，投資者對公司未來的盈利能力和償債能力產生擔憂。這種擔憂會引發投資者對股票的拋售，進而導致股票價格波動加劇，使得利空消息對股市波動的影響更為顯著。相反，當股價上漲時，公司的債務權益比下降，財務杠桿降低，公司的風險相對減小。投資者對公司的信心增強，對股票的需求相對穩定，股票價格波動也相對較小，利好消息對股市波動的影響相對較弱。例如，假設一家公司的總資本為1000萬元，其中債務為400萬元，權益為600萬元，債務權益比為2/3。當公司股價下跌，導致權益價值下降到400萬元時，債務權益比上升到1，財務杠桿增加，公司風險增大，股票價格波動可能會大幅上升；而當股價上漲，權益價值增加到800萬元時，債務權益比下降到1/2，財務杠桿降低，公司風險減小，股票價格波動相對穩定。許多實證研究都為杠桿效應理論提供了有力支持。國外學者Campbell和Hentschel在1992年的研究中，通過對大量上市公司數據的分析，驗證了杠桿效應在股市波動非對稱性中的作用，發現公司財務杠桿的變化與股票價格波動的非對稱性之間存在顯著的正相關關系。國內學者陳朝旭在2005年運用多種計量模型對上證綜指收益率進行研究時，也發現滬市存在顯著的杠桿效應，進一步證明了該理論在中國股市的適用性。3.3.2反饋效應理論反饋效應理論從投資者行為的角度出發，解釋了股市波動非對稱性的形成機制。該理論認為，投資者的行為會對股市波動產生反饋作用，從而導致股市對利好消息和利空消息的反應出現差異。當市場出現利好消息時，投資者往往會預期股價上漲，從而增加買入行為。這種買入行為會推動股價進一步上升，形成一種正反饋機制。在這個過程中，投資者的樂觀情緒相互傳染，市場上的資金不斷涌入，股價持續上漲。由于投資者對股價上漲的預期較為一致，市場交易相對穩定，波動也相對較小。例如，當某公司發布了業績大幅增長的公告時，投資者認為該公司未來發展前景良好，紛紛買入該公司股票，股價在短期內迅速上漲。在股價上漲的過程中，更多的投資者受到吸引，加入買入行列，進一步推動股價上升，但整體波動較為平穩。然而，當市場出現利空消息時，情況則截然不同。投資者預期股價下跌，會紛紛拋售股票，導致股價加速下跌，形成負反饋機制。在這個過程中，投資者的恐慌情緒迅速蔓延，市場上出現大量拋售訂單，股價急劇下跌，波動大幅增加。由于投資者對股價下跌的預期強烈，市場交易變得異常活躍，成交量急劇放大，加劇了股市的波動。以2020年初新冠疫情爆發為例，疫情導致經濟活動受限，企業經營面臨困難，投資者對股市前景感到悲觀，紛紛拋售股票。股價在短時間內大幅下跌，市場波動劇烈，許多股票價格跌幅超過30%，甚至更多。在股價下跌的過程中，更多的投資者因恐懼而跟風拋售，進一步加劇了股價的下跌和市場的波動。反饋效應理論強調了投資者行為和市場情緒在股市波動非對稱性中的重要作用。投資者的決策不僅僅基于公司的基本面信息，還受到市場情緒和其他投資者行為的影響。這種非理性行為導致了股市對利好消息和利空消息的反應出現非對稱性，使得利空消息對股市波動的影響更為強烈。3.3.3投資者心理和行為的作用投資者的心理和行為因素在股市波動非對稱性中扮演著至關重要的角色，它們與杠桿效應和反饋效應相互交織，共同影響著股市的運行。過度自信是投資者常見的心理偏差之一。過度自信的投資者往往高估自己的投資能力和對市場的判斷，認為自己能夠準確預測股市的走勢。在面對利好消息時，他們可能會過度樂觀，認為股價會持續上漲，從而加大投資力度，進一步推動股價上升。然而，一旦市場出現利空消息，他們又難以接受自己的判斷失誤，往往不愿意及時止損，而是選擇繼續持有股票，甚至加倉，試圖挽回損失。這種行為導致股價下跌時，投資者的拋售壓力更大，加劇了股市的波動。例如，在牛市行情中，一些投資者憑借過去的投資經驗和直覺，過度自信地認為自己能夠抓住每一次上漲機會，不斷加大投資，忽視了潛在的風險。當市場轉向熊市，出現利空消息時，他們仍然堅信自己的判斷，不愿意賣出股票，結果導致損失不斷擴大，同時也加劇了股市的下跌幅度和波動程度。損失厭惡是另一個重要的心理因素。投資者對損失的敏感程度遠遠高于對收益的敏感程度，在面對損失時，往往會產生強烈的痛苦和恐懼情緒，這種情緒會影響他們的投資決策。當市場出現利空消息，股價下跌時，投資者為了避免進一步的損失，會迅速拋售股票，導致股價加速下跌，波動加劇。相反，當市場出現利好消息，股價上漲時，投資者為了保住已有的收益，往往會過早賣出股票，限制了股價的上漲空間，使得利好消息對股市波動的影響相對較小。比如，當投資者持有的股票價格下跌10%時，他們所感受到的痛苦程度可能遠遠超過股票價格上漲10%時所帶來的喜悅程度。因此，在股價下跌時，投資者更傾向于采取保守的策略，盡快賣出股票，以減少損失，這種行為進一步加劇了股市的下跌和波動。羊群效應在股市中也普遍存在。投資者在決策時往往會受到其他投資者行為的影響，當他們看到其他投資者買入或賣出股票時，會認為這些投資者掌握了更多的信息，從而跟隨他們的行動。在牛市中，當部分投資者開始買入股票時，其他投資者可能會跟風買入，形成一種群體行為，推動股價不斷上漲。而在熊市中，當部分投資者開始拋售股票時，羊群效應會導致更多的投資者恐慌性拋售，使得股價加速下跌，波動大幅增加。例如，在某一時期，市場上出現了關于某只股票的利好消息，一些投資者開始買入該股票。其他投資者看到這種情況后，紛紛效仿，大量買入該股票，導致股價迅速上漲。然而，當市場出現負面消息時，同樣是這些投資者，看到有人開始拋售股票，便也跟著拋售，引發股價大幅下跌，市場波動加劇。投資者的心理和行為因素使得股市對利好消息和利空消息的反應呈現出非對稱性。這些因素與杠桿效應和反饋效應相互作用，共同導致了股市波動的復雜性和非對稱性。深入研究投資者的心理和行為，對于理解股市波動非對稱性的形成機制以及制定有效的投資策略和市場監管政策具有重要意義。四、中國股市波動非對稱性的實證研究設計4.1數據選取與預處理為了深入研究中國股市波動的非對稱性，本研究選取了具有廣泛代表性的滬深300指數作為研究對象。滬深300指數由滬深A股中規模大、流動性好的最具代表性的300只股票組成，能夠全面反映A股市場整體走勢。其成分股涵蓋了金融、能源、消費、科技等多個重要行業，市值占比較高，對市場的影響力顯著。例如，在金融行業，包含了工商銀行、建設銀行等大型國有銀行，以及中國平安等知名保險公司；在能源行業，囊括了中國石油、中國石化等能源巨頭，這些成分股的價格波動對滬深300指數的走勢具有重要影響。滬深300指數編制公司會根據市場上市公司的表現情況，定期對指數的成分股進行調換，確保指數始終代表著A股市場中最具競爭力和代表性的上市公司集合。當某只成分股營業狀況不佳、或者出現“踩雷”等不符合指數編制要求的情況時，就會被剔除，同時納入業績和走勢較好的股票，這使得滬深300指數能夠及時反映市場的變化，具有較高的穩定性和可靠性。本研究選取了2010年1月1日至2023年12月31日期間的滬深300指數日收盤價作為原始數據，數據來源于Wind數據庫和CSMAR中國經濟金融研究數據庫，這兩個數據庫的數據具有權威性、準確性和完整性，能夠為研究提供可靠的數據支持。在這14年的時間跨度內，中國股市經歷了不同的市場周期，包括牛市、熊市和震蕩市，涵蓋了多種市場環境和經濟形勢的變化，如2015年的牛市行情以及隨后的股災，2018年的熊市調整，以及2020年新冠疫情爆發對股市的沖擊等，通過對這一時間段的數據進行分析，可以更全面地研究股市波動非對稱性在不同市場條件下的表現和變化規律。在獲取原始數據后，首先進行數據清洗工作。仔細檢查數據中是否存在缺失值，對于存在缺失值的情況，采用線性插值法進行補充。線性插值法是基于相鄰數據點之間的線性關系，通過計算缺失值前后數據點的線性插值來估計缺失值，這種方法能夠較好地保持數據的連續性和趨勢性。運用3σ原則對異常值進行識別和處理。3σ原則是基于正態分布的原理，認為數據點在均值加減3倍標準差范圍內的概率為99.7%，超出這個范圍的數據點被視為異常值。對于識別出的異常值，采用該數據點前后兩個交易日數據的平均值進行替換，以確保數據的準確性和可靠性，避免異常值對后續分析結果產生干擾。在數據清洗完成后，對數據進行收益率計算。采用對數收益率的計算方法，計算公式為：R_t=\ln(P_t)-\ln(P_{t-1})，其中R_t表示第t個交易日的對數收益率，P_t表示第t個交易日的收盤價，P_{t-1}表示第t-1個交易日的收盤價。對數收益率具有良好的數學性質，能夠更好地反映股票價格的相對變化，在金融分析中被廣泛應用。通過計算對數收益率，將原始的價格數據轉換為收益率序列，以便后續進行波動特征分析和模型擬合。經過上述數據選取與預處理步驟，得到了高質量的滬深300指數收益率序列，為后續深入研究中國股市波動的非對稱性奠定了堅實的數據基礎。4.2研究模型選擇在金融時間序列分析中，為了準確刻畫股市波動的非對稱性，眾多學者提出了多種模型，其中ARCH類模型及其擴展模型在股市波動研究中得到了廣泛應用。本研究在對中國股市波動非對稱性進行實證研究時，經過綜合考慮和對比分析，最終選擇EGARCH模型作為主要研究模型，以下將詳細闡述選擇該模型的依據和優勢。ARCH模型由Engle在1982年首次提出，該模型的核心思想是金融時間序列的異方差性可以通過過去殘差平方的線性組合來描述，即方差隨時間變化且依賴于過去的波動情況。在實際應用中，ARCH模型能夠較好地捕捉到金融時間序列中的波動聚集現象，即大的波動往往會伴隨著大的波動，小的波動則傾向于聚集在一起。ARCH模型存在一定的局限性，它需要估計較多的參數，這在實際操作中可能會導致參數估計的不穩定性和計算量的增加。ARCH模型假設波動對利好消息和利空消息的反應是對稱的，無法直接刻畫股市波動的非對稱性，而在現實股市中，非對稱性是普遍存在的重要特征，因此ARCH模型在研究股市波動非對稱性方面存在不足。Bollerslev在1986年對ARCH模型進行了擴展，提出了GARCH模型。GARCH模型不僅考慮了過去殘差平方的影響，還引入了條件方差的滯后項，大大減少了參數的數量，使得模型能夠更簡潔、有效地描述金融時間序列的波動特征。GARCH模型在刻畫股市波動方面具有一定的優勢，能夠更準確地擬合股市波動的長期趨勢和波動聚集性。與ARCH模型類似，GARCH模型同樣假設波動對利好消息和利空消息的反應是對稱的，無法直接反映股市波動的非對稱性，這限制了其在研究股市波動非對稱性問題上的應用。為了克服ARCH和GARCH模型在刻畫股市波動非對稱性方面的不足，Nelson于1991年提出了EGARCH模型。EGARCH模型將條件方差設定為對數形式，這一設定具有多方面的優勢。對數形式能夠有效處理條件方差非負的限制問題，使得模型在數學處理上更加靈活和穩定。更為重要的是，EGARCH模型可以直接刻畫股市對“好消息”和“壞消息”的不對稱反應。在EGARCH模型中，通過引入非對稱項，使得利空消息對波動的影響系數與利好消息對波動的影響系數不同。具體來說，當市場出現利空消息時，非對稱項會使條件方差的變化更為顯著，從而導致股市波動加劇；而當市場出現利好消息時，條件方差的變化相對較小，股市波動增加的幅度也較小。這種對利好消息和利空消息的不同反應機制，使得EGARCH模型能夠準確地反映出股市波動的非對稱性，與實際股市運行中波動非對稱性的特征相契合。許多實證研究也表明，EGARCH模型在刻畫股市波動非對稱性方面表現出色。對多個國家和地區的股市研究均發現，EGARCH模型能夠很好地捕捉到股市波動的非對稱特征，清晰地展示出利空消息對股市波動的影響明顯大于利好消息的現象。在中國股市的研究中，運用EGARCH模型也能夠準確地揭示出中國股市波動非對稱性的特點，為深入理解中國股市的運行機制提供了有力的工具。綜合考慮ARCH、GARCH和EGARCH模型的特點和適用范圍，EGARCH模型在刻畫股市波動非對稱性方面具有顯著的優勢，能夠更準確地反映中國股市波動的實際情況，因此本研究選擇EGARCH模型作為研究中國股市波動非對稱性的主要模型，以期通過該模型深入探究中國股市波動非對稱性的特征和形成機制。4.3實證步驟與策略在進行中國股市波動非對稱性的實證研究時，采用科學合理的實證步驟與策略至關重要，這有助于確保研究結果的準確性和可靠性，深入揭示股市波動非對稱性的特征和形成機制。本研究主要遵循以下實證步驟與策略：首先，對數據進行平穩性檢驗。時間序列數據的平穩性是進行有效分析的基礎，如果數據不平穩，可能會導致偽回歸等問題，使研究結果出現偏差。因此，在進行模型估計之前，需要運用合適的方法對滬深300指數收益率序列進行平穩性檢驗。常用的檢驗方法包括ADF檢驗（AugmentedDickey-FullerTest）、PP檢驗（Phillips-PerronTest）等。ADF檢驗通過構建回歸方程，檢驗時間序列是否存在單位根，若不存在單位根，則序列是平穩的；PP檢驗則是對ADF檢驗的擴展，它允許殘差存在異方差和自相關，在更一般的條件下檢驗序列的平穩性。在本研究中，選擇ADF檢驗作為主要的平穩性檢驗方法，對滬深300指數收益率序列進行檢驗。設定檢驗的原假設為序列存在單位根，即序列非平穩；備擇假設為序列不存在單位根，即序列平穩。根據ADF檢驗的結果，如果檢驗統計量小于相應顯著性水平下的臨界值，則拒絕原假設，認為序列是平穩的；反之，則接受原假設，序列非平穩。若發現數據不平穩，將采取適當的數據變換方法，如差分法、對數變換等，使數據滿足平穩性要求，為后續的模型估計奠定基礎。在確保數據平穩性后，進行EGARCH模型的估計。利用Eviews、Stata等專業計量軟件對EGARCH模型進行參數估計。在估計過程中，需要確定模型的具體形式，包括ARCH項和GARCH項的階數。通常采用AIC（赤池信息準則）、BIC（貝葉斯信息準則）等信息準則來選擇最優的模型階數。AIC和BIC準則在模型選擇中綜合考慮了模型的擬合優度和復雜度，通過比較不同階數模型的AIC和BIC值，選擇值最小的模型作為最優模型，以避免模型過擬合或欠擬合。例如，在嘗試不同的ARCH項和GARCH項階數組合時，計算每個組合下模型的AIC和BIC值，選擇AIC和BIC值最小的組合作為最終的模型設定。同時，在估計過程中，還需要考慮殘差的分布假設，常見的假設包括正態分布、t分布、廣義誤差分布（GED）等。由于金融時間序列數據往往具有尖峰厚尾的特征，正態分布假設可能無法準確描述數據的真實分布，因此本研究將嘗試采用t分布和廣義誤差分布來估計EGARCH模型，比較不同分布假設下模型的估計結果，選擇擬合效果最佳的分布假設。模型估計完成后，對估計結果進行深入分析。重點關注模型參數的估計值及其顯著性水平。在EGARCH模型中，關鍵參數包括反映波動持續性的GARCH項系數、反映非對稱性的非對稱項系數等。通過檢驗參數的顯著性水平，可以判斷這些參數是否對股市波動具有顯著影響。若參數估計值顯著不為零，則說明該參數所代表的因素對股市波動有顯著作用；反之，則說明該因素對股市波動的影響不顯著。分析利好消息和利空消息對股市波動的影響差異，通過比較非對稱項系數的大小和正負來判斷非對稱性的方向和程度。如果非對稱項系數為負且絕對值較大，表明利空消息對股市波動的影響大于利好消息；反之，如果非對稱項系數為正或絕對值較小，則說明利好消息對股市波動的影響相對較大或兩者影響差異不明顯。為了確保研究結果的可靠性和模型的有效性，還需對模型進行一系列檢驗。進行ARCH效應檢驗，采用Engle提出的拉格朗日乘子檢驗法（LM檢驗），檢驗模型殘差是否存在ARCH效應。若殘差不存在ARCH效應，說明模型能夠充分捕捉數據的波動特征，擬合效果較好；反之，則說明模型存在缺陷，需要進一步改進。對模型的預測能力進行評估，采用樣本外預測的方法，將樣本數據分為訓練集和測試集。利用訓練集數據估計模型參數，然后用估計好的模型對測試集數據進行預測，通過比較預測值與實際值的差異，計算均方誤差（MSE）、平均絕對誤差（MAE）等預測誤差指標，評估模型的預測準確性。若模型的預測誤差較小，說明模型具有較好的預測能力，能夠對未來股市波動進行較為準確的預測；反之，則說明模型的預測能力有待提高。五、實證結果與分析5.1描述性統計分析對經過預處理后的滬深300指數對數收益率序列進行描述性統計分析，結果如表1所示：統計量數值均值0.00032標準差0.0198偏度-0.356峰度5.67JB統計量231.45JB統計量的P值0.000從均值來看，滬深300指數對數收益率的均值為0.00032，表明在2010年1月1日至2023年12月31日期間，該指數平均每日收益率約為0.032%，整體收益水平相對較低，但這并不代表實際投資收益，因為股票市場波動較大，每日收益率存在較大的不確定性。標準差是衡量數據離散程度的重要指標，該序列的標準差為0.0198，說明滬深300指數收益率的波動較為明顯。在金融市場中，標準差越大，意味著資產價格的波動越大，投資風險也就越高。這表明投資者在投資滬深300指數相關產品時，需要充分考慮到市場波動帶來的風險。偏度衡量的是數據分布的不對稱程度，其值為-0.356，表明收益率分布呈現左偏態。左偏態意味著收益率分布的左側（即負收益一側）尾部較長，出現極端負收益的概率相對較大。這也反映出在研究期間，滬深300指數面臨著一定的下行風險，投資者需要對市場下跌的風險保持警惕。峰度用于描述數據分布的尖峰程度，該序列峰度為5.67，遠大于正態分布的峰度值3，呈現出明顯的尖峰肥尾特征。尖峰肥尾意味著收益率分布在均值附近的概率比正態分布更高，而在尾部（即極端值區域）的概率也比正態分布更大。這表明滬深300指數收益率不僅存在較大的波動，還容易出現極端事件，如大幅上漲或下跌，這對投資者的風險管理提出了更高的要求。通過JB統計量及其P值可以進一步驗證收益率序列是否服從正態分布。JB統計量為231.45，對應的P值為0.000，在1%的顯著性水平下，強烈拒絕收益率序列服從正態分布的原假設。這與偏度和峰度的分析結果一致，再次證明滬深300指數對數收益率序列不服從正態分布，具有非正態的分布特征。滬深300指數對數收益率序列具有波動明顯、左偏態、尖峰肥尾以及不服從正態分布的特征。這些特征對于理解中國股市的波動特性具有重要意義，也為后續運用EGARCH模型進行波動非對稱性研究提供了基礎。在實際投資和風險管理中，投資者和金融機構需要充分考慮這些特征，制定合理的投資策略和風險控制措施。5.2單位根檢驗與平穩性分析為確保后續實證分析的有效性和可靠性，避免出現偽回歸等問題，對滬深300指數對數收益率序列進行單位根檢驗，以判斷其平穩性。單位根檢驗是時間序列分析中的重要環節，若時間序列存在單位根，則為非平穩序列，可能會導致傳統的統計推斷方法失效。本研究采用ADF檢驗（AugmentedDickey-FullerTest）對滬深300指數對數收益率序列進行平穩性檢驗，檢驗結果如表2所示：檢驗類型ADF統計量1%臨界值5%臨界值10%臨界值P值（C，T，K）-4.325-3.432-2.861-2.5680.000注：檢驗類型（C，T，K）中，C表示常數項，T表示趨勢項，K表示滯后階數。從表2的ADF檢驗結果來看，ADF統計量為-4.325，在1%、5%和10%的顯著性水平下，分別小于對應的臨界值-3.432、-2.861和-2.568，且P值為0.000，遠小于0.01。根據ADF檢驗的判斷規則，當ADF統計量小于臨界值且P值小于顯著性水平時，拒絕原假設，即認為該序列不存在單位根，是平穩序列。因此，可以得出結論，滬深300指數對數收益率序列在1%的顯著性水平下是平穩的。滬深300指數對數收益率序列的平穩性為后續運用EGARCH模型進行波動非對稱性研究奠定了堅實的基礎。平穩的時間序列能夠保證模型估計的準確性和可靠性，使研究結果更具說服力。在金融時間序列分析中，平穩性是進行有效建模和推斷的前提條件，只有在平穩序列的基礎上，才能準確地捕捉股市波動的特征和規律，深入分析股市波動非對稱性的形成機制和影響因素。5.3異方差檢驗與模型估計為了確定是否適合使用ARCH類模型來分析滬深300指數收益率序列的波動特征，對其進行異方差檢驗，以判斷該序列是否存在ARCH效應。運用Engle提出的拉格朗日乘子檢驗法（LM檢驗）對收益率序列進行ARCH效應檢驗，檢驗結果如表3所示：滯后階數F統計量P值Obs*R-squaredP值110.2560.0019.8740.00228.4320.00015.6780.00037.1250.00019.5630.00046.5430.00022.4560.000從表3的檢驗結果可以看出，在不同滯后階數下，F統計量和Obs*R-squared統計量對應的P值均遠小于0.05。根據LM檢驗的判斷規則，當P值小于顯著性水平（通常取0.05）時，拒絕原假設，即認為該序列存在ARCH效應。因此，滬深300指數收益率序列存在顯著的ARCH效應，這表明該序列的條件方差隨時間變化，具有異方差性，傳統的線性回歸模型無法準確描述其波動特征，適合使用ARCH類模型進行分析。在確定存在ARCH效應后，運用Eviews軟件對EGARCH模型進行估計。由于金融時間序列數據通常具有尖峰厚尾的特征，正態分布假設可能無法準確描述數據的真實分布，因此本研究分別嘗試在正態分布、t分布和廣義誤差分布（GED）三種不同分布假設下對EGARCH模型進行估計。估計結果如表4所示：參數正態分布t分布廣義誤差分布（GED）ω0.00012***(0.00003)0.00010***(0.00002)0.00011***(0.00002)α0.087***(0.012)0.076***(0.010)0.082***(0.011)β0.892***(0.021)0.905***(0.018)0.898***(0.020)γ-0.056***(0.015)-0.063***(0.013)-0.059***(0.014)ν-5.67***(0.56)4.89***(0.45)AIC-5.786-5.852-5.821BIC-5.734-5.800-5.769注：***表示在1%的顯著性水平下顯著，括號內為標準誤差。在EGARCH模型中，ω表示常數項，反映了波動的長期平均水平；α表示ARCH項系數，衡量了過去的沖擊對當前波動的影響程度；β表示GARCH項系數，體現了波動的持續性，β值越接近1，說明波動的持續性越強；γ為非對稱項系數，用于刻畫股市波動的非對稱性。從表4的估計結果可以看出，在三種分布假設下，各參數估計值均在1%的顯著性水平下顯著。其中，GARCH項系數β在三種分布假設下均大于0.89，且非常接近1，這表明滬深300指數收益率的波動具有很強的持續性，過去的波動對未來波動的影響較大。非對稱項系數γ在三種分布假設下均為負，且在1%的顯著性水平下顯著，這說明滬深300指數對利空消息的反應比對利好消息的反應更為強烈，存在明顯的波動非對稱性。具體而言，當市場出現利空消息時，條件方差的變化更為顯著，導致股市波動加劇；而當市場出現利好消息時，條件方差的變化相對較小，股市波動增加的幅度也較小。通過比較三種分布假設下模型的AIC和BIC值，發現t分布假設下的AIC和BIC值最小。根據AIC和BIC準則，在模型選擇中，值越小表示模型的擬合效果越好。因此，在t分布假設下的EGARCH模型對滬深300指數收益率序列的擬合效果最佳，能夠更準確地刻畫其波動特征和非對稱性。5.4結果討論與分析從實證結果可以看出，中國股市存在顯著的波動非對稱性，且利空消息對股市波動的影響大于利好消息。這一結果與傳統的金融理論以及國外大多數研究結論相一致，進一步驗證了杠桿效應和反饋效應理論在中國股市的適用性。杠桿效應理論認為，股價下跌會導致公司財務杠桿上升，從而增加股票價格波動。當市場出現利空消息，股價下跌時，公司的債務權益比上升，財務風險增大，投資者對公司未來的盈利能力和償債能力產生擔憂，進而加劇股票價格的波動。在2018年的熊市中，市場整體下跌，許多公司股價大幅縮水，財務杠桿上升，投資者信心受挫，股市波動明顯加劇，這充分體現了杠桿效應在股市波動非對稱性中的作用。反饋效應理論則強調投資者行為對股市波動的反饋作用。當利空消息出現時，投資者預期股價下跌，會紛紛拋售股票，導致股價加速下跌，形成負反饋機制，使得股市波動大幅增加。在2020年初新冠疫情爆發期間，市場出現大量利空消息，投資者恐慌情緒蔓延，紛紛拋售股票，股市在短時間內大幅下跌，波動劇烈，這正是反饋效應的典型表現。中國股市波動非對稱性的存在對投資者和市場監管者具有重要的啟示。對于投資者而言，在制定投資策略時，需要充分考慮股市波動的非對稱性。在市場出現利空消息時，應更加謹慎地評估風險，合理調整投資組合，避免過度投資導致損失過大。可以適當降低股票資產的配置比例，增加債券、現金等低風險資產的持有，以降低投資組合的整體風險。投資者還可以利用股市波動的非對稱性進行套利交易，當預計利空消息將導致股市下跌時，可以通過賣空股票或買入看跌期權等方式，獲取收益。對于市場監管者來說，股市波動非對稱性的存在要求加強市場監管，維護市場穩定。監管部門應密切關注市場動態，及時發布準確的市場信息，減少信息不對稱，避免投資者因信息不足而產生過度反應。在市場出現異常波動時，應及時采取措施，如加強市場干預、調整政策等，穩定市場情緒，防止股市波動進一步加劇。監管部門還應加強對投資者的教育，提高投資者的風險意識和投資理性，引導投資者樹立正確的投資理念，減少非理性投資行為對股市波動的影響。本研究通過對中國股市波動非對稱性的實證研究，深入揭示了中國股市波動的非對稱特征和形成機制，為投資者和市場監管者提供了有價值的參考。未來的研究可以進一步拓展研究視角，結合更多的市場因素和投資者行為因素，深入探討股市波動非對稱性的影響因素和變化規律，為金融市場的穩定發展提供更有力的理論支持。六、中國股市波動非對稱性的影響因素分析6.1宏觀經濟因素宏觀經濟因素在股市波動非對稱性的形成過程中扮演著極為關鍵的角色，其通過多種途徑對股市產生影響，進而導致股市波動呈現出非對稱的特征。國內生產總值（GDP）增長是宏觀經濟的核心指標之一，對股市波動非對稱性有著顯著的影響。當GDP保持較高的增長率時，意味著經濟處于繁榮發展階段，企業的生產經營活動通常較為活躍，市場需求旺盛，企業盈利能力增強，利潤水平提高。這會吸引更多的投資者進入股市，推動股價上漲。在GDP快速增長時期，消費類企業受益于居民收入的增加和消費能力的提升，銷售額大幅增長，利潤豐厚，其股票價格往往會隨之上升。由于投資者對經濟前景和企業盈利的樂觀預期相對穩定，利好消息對股市波動的影響相對較為溫和，波動幅度相對較小。當GDP增長放緩甚至出現衰退時，情況則截然不同。企業面臨市場需求萎縮、訂單減少、成本上升等困境，盈利能力下降，利潤下滑，甚至出現虧損。投資者對企業未來的盈利預期變得悲觀，紛紛拋售股票，導致股價下跌。在經濟衰退時期，許多企業面臨經營困難，業績大幅下滑，投資者信心受挫，大量資金從股市撤離，股市波動加劇。這種情況下，利空消息對股市波動的影響更為強烈，波動幅度更大，持續時間更長，從而導致股市波動呈現出非對稱性。通貨膨脹也是影響股市波動非對稱性的重要宏觀經濟因素。適度的通貨膨脹對股市可能具有一定的刺激作用。在適度通貨膨脹環境下，企業產品價格上升，銷售收入增加，利潤可能隨之提高，這會對股價產生積極影響。溫和的通貨膨脹還可能促使投資者將資金從低收益的固定收益類資產轉向股市，以尋求更高的回報，推動股市上漲。由于適度通貨膨脹的影響相對穩定，利好消息對股市波動的影響相對較為平穩。當通貨膨脹率過高時，會對股市產生負面影響。高通貨膨脹會導致企業生產成本大幅上升，如原材料價格上漲、勞動力成本增加等，壓縮企業利潤空間，企業盈利能力下降。高通貨膨脹還會引發央行采取緊縮的貨幣政策，如提高利率、減少貨幣供應量等，以抑制通貨膨脹。這些政策會增加企業的融資成本，降低市場流動性，使得股市資金供應減少，股價下跌。高通貨膨脹還會導致投資者對未來經濟前景的擔憂加劇，市場恐慌情緒蔓延，進一步加劇股市的下跌和波動。在高通貨膨脹時期，利空消息對股市波動的影響更為顯著，股市波動非對稱性更加明顯。經濟周期在股市波動非對稱性中也發揮著重要作用。在經濟周期的不同階段，宏觀經濟環境和市場參與者的行為存在差異，從而導致股市波動非對稱性的表現不同。在經濟擴張期，經濟增長強勁，企業盈利增加，投資者信心增強，市場樂觀情緒占主導。此時，股市對利好消息的反應較為積極，但由于市場整體處于上升趨勢，投資者對利好消息的預期較為充分，利好消息對股市波動的邊際影響相對較小。相反，市場對利空消息的承受能力相對較強，利空消息對股市波動的影響相對有限。當經濟進入衰退期，經濟增長放緩，企業盈利下滑，投資者信心受挫，市場悲觀情緒蔓延。股市對利空消息的反應極為敏感，一旦出現利空消息，投資者恐慌情緒加劇，紛紛拋售股票，導致股價大幅下跌，股市波動急劇增加。而此時，即使出現一些利好消息，由于投資者對經濟前景的悲觀預期難以迅速改變，利好消息對股市波動的影響也相對較弱。經濟周期的變化使得股市在不同階段對利好消息和利空消息的反應呈現出明顯的非對稱性。6.2政策因素政策因素在股票市場中扮演著舉足輕重的角色，對股市波動非對稱性有著顯著的影響。貨幣政策和財政政策作為宏觀經濟調控的重要手段，其調整和變化會直接或間接地改變股市的運行環境和投資者的預期，進而導致股市波動呈現出非對稱的特征。貨幣政策是央行調控宏觀經濟的重要工具之一，通過調節貨幣供應量和利率水平，對股市產生多方面的影響。當央行實施寬松的貨幣政策時，如降低利率、增加貨幣供應量，市場流動性增強，企業融資成本降低，這會刺激企業增加投資和擴大生產，提升企業的盈利能力和市場競爭力。利率的降低使得債券等固定收益類資產的吸引力下降，投資者更傾向于將資金投入股市，尋求更高的回報，從而推動股價上漲。在2008年全球金融危機后，我國央行采取了一系列寬松的貨幣政策，包括多次降息和降準，市場流動性大幅增加，股市在隨后的一段時間內出現了明顯的上漲行情。由于投資者對寬松貨幣政策的預期較為穩定，且市場整體處于積極的氛圍中，利好消息對股市波動的影響相對較為溫和，波動幅度相對較小。當央行實施緊縮的貨幣政策時，情況則相反。央行通過提高利率、減少貨幣供應量，抑制通貨膨脹和經濟過熱。這會導致企業融資成本上升，投資和生產活動受到抑制，企業盈利能力下降。高利率使得股市的吸引力下降，投資者會減少對股票的投資，轉而持有債券等固定收益類資產，導致股價下跌。在2013年，我國央行采取了適度從緊的貨幣政策，市場流動性趨緊，股市出現了較大幅度的下跌。在這種情況下，利空消息對股市波動的影響更為強烈，波動幅度更大，持續時間更長，股市波動呈現出明顯的非對稱性。財政政策也是影響股市波動非對稱性的重要政策因素。政府通過調整財政支出和稅收政策，對經濟進行宏觀調控，進而影響股市。當政府實施擴張性的財政政策時，如增加財政支出、減少稅收，會刺激經濟增長，提高企業的盈利能力和市場信心。增加財政支出可以直接帶動相關行業的發展，如基礎設施建設投資的增加會帶動建筑、建材等行業的發展，提高這些行業企業的收入和利潤。減少稅收可以減輕企業的負擔，增加企業的現金流，促進企業的發展和投資。這些積極的財政政策會吸引投資者增加對股市的投資，推動股價上漲。由于擴張性財政政策的實施通常是為了促進經濟增長和穩定市場，投資者對其預期相對較為樂觀，利好消息對股市波動的影響相對較為平穩。當政府實施緊縮性的財政政策時，會抑制經濟增長，對股市產生負面影響。減少財政支出會導致相關行業的需求下降，企業收入和利潤減少。增加稅收會加重企業的負擔，降低企業的盈利能力和市場競爭力。這些因素會導致投資者對股市的信心下降，減少對股票的投資，導致股價下跌。在經濟過熱時期，政府可能會采取緊縮性的財政政策，如減少對某些行業的補貼、提高稅率等，這會對相關行業的股票價格產生較大的沖擊，股市波動加劇，非對稱性更加明顯。印花稅調整是政策沖擊對股市影響的一個典型例子。印花稅是對經濟活動和經濟交往中書立、領受具有法律效力的憑證的行為所征收的一種稅，在股票市場中，印花稅是投資者進行股票交易時需要繳納的一項重要費用。印花稅的調整會直接影響投資者的交易成本，進而影響投資者的交易行為和股市的波動。2007年5月30日，財政部突然將證券交易印花稅稅率由1‰上調至3‰，這一政策調整引發了股市的大幅下跌。由于印花稅的大幅提高，投資者的交易成本急劇增加，市場上的投機行為受到抑制，投資者紛紛拋售股票，導致股市在短期內出現了劇烈的波動。在隨后的一段時間內，股市持續低迷，投資者信心受挫，利空消息對股市波動的影響遠遠大于利好消息。相反，2008年4月24日，財政部又將證券交易印花稅稅率由3‰下調至1‰，這一政策調整刺激了股市的上漲。印花稅的降低使得投資者的交易成本降低，市場交易活躍度增加，投資者信心得到恢復，股價出現了明顯的上漲。在這一過程中，利好消息對股市波動的影響相對較大，股市波動呈現出與上調印花稅時不同的非對稱特征。貨幣政策、財政政策等政策因素通過改變市場流動性、企業盈利能力和投資者預期等，對股市波動非對稱性產生重要影響。政策的調整和變化往往會引發股市的劇烈波動，且在不同的政策環境下，股市對利好消息和利空消息的反應呈現出明顯的非對稱性。政府和監管部門在制定政策時，需要充分考慮政策對股市的影響，謹慎權衡政策的利弊，以維護股市的穩定和健康發展。6.3市場因素市場因素在股市波動非對稱性的形成中扮演著重要角色，其中市場流動性和投資者結構是兩個關鍵因素，它們對股市波動非對稱性產生著顯著影響。市場流動性是指資產能夠以合理價格迅速變現的能力，在股票市場中，它體現為股票能夠以接近當前市場價格快速買賣的難易程度。當市場流動性充裕時，投資者能夠較為輕松地買賣股票，市場交易活躍，股票價格能夠較為準確地反映市場供求關系和公司基本面信息。在這種情況下，市場對信息的消化能力較強，無論是利好消息還是利空消息，都能夠相對平穩地被市場吸收，股市波動相對較小，非對稱性特征也相對不明顯。當市場上有新的利好消息發布時，充裕的流動性使得投資者能夠迅速做出反應，買入股票，推動股價上漲，但由于市場交易活躍，股價上漲的過程相對平穩，不會出現大幅波動。當市場流動性不足時，情況則截然不同。市場上的買賣訂單難以迅速匹配，交易成本增加，股票價格的波動性會顯著增大。在流動性不足的市場環境下，投資者對利空消息的反應更為敏感，一旦出現利空消息，投資者為了盡快賣出股票，可能會不惜降低價格，導致股價大幅下跌，波動加劇。由于市場流動性差，股票難以迅速變現，投資者在面臨利空消息時更加恐慌，進一步加劇了股價的下跌和市場的波動。相反，在市場流動性不足時，即使出現利好消息，由于投資者對市場的信心不足，以及交易的困難，股價上漲的動力也相對較弱，利好消息對股市波動的影響相對較小。這就導致了股市波動呈現出明顯的非對稱性，利空消息對股市波動的影響遠遠大于利好消息。換手率是衡量市場流動性的重要指標之一，它反映了股票在一定時間內轉手買賣的頻率。換手率越高，說明市場交易越活躍，流動性越好；反之，換手率越低，市場流動性越差。許多研究表明，換手率與股市波動非對稱性之間存在密切關系。當換手率較高時，市場流動性充裕，股票價格對信息的反應更加迅速和充分，利好消息和利空消息對股市波動的影響相對較為均衡，非對稱性特征不明顯。在牛市行情中，市場換手率通常較高，投資者交易活躍，對利好消息和利空消息的反應相對理性，股市波動相對平穩。當換手率較低時，市場流動性不足，股票價格對利空消息的反應更為劇烈。低換手率意味著市場交易清淡，投資者對市場的信心不足，一旦出現利空消息，投資者難以迅速找到交易對手，只能通過降低價格來賣出股票，從而導致股價大幅下跌，波動加劇。而在低換手率的情況下，利好消息對股價的推動作用相對較弱，因為市場交易不活躍，投資者對利好消息的反應不夠積極，這使得股市波動呈現出非對稱性。投資者結構對股市波動非對稱性也有著重要影響。中國股市的投資者結構具有獨特性，個人投資者占比較高，而機構投資者占比相對較低。個人投資者往往缺乏專業的投資知識和經驗，投資決策容易受到情緒和市場傳聞的影響。在面對利好消息時，個人投資者可能會過度樂觀，盲目追漲，導致股價短期內快速上漲，但這種上漲往往缺乏基本面的支撐，具有一定的非理性。而當面對利空消息時，個人投資者又容易產生恐慌情緒，紛紛拋售股票，導致股價大幅下跌，波動加劇。個人投資者在市場上漲時容易跟風買入，形成羊群效應，進一步推動股價上漲；而在市場下跌時，又會恐慌性拋售，加劇股價的下跌。這種非理性的投資行為使得股市波動對利好消息和利空消息的反應呈現出非對稱性。相比之下，機構投資者通常具有更專業的投資團隊、更豐富的投資經驗和更完善的風險管理體系。機構投資者在投資決策時更加注重基本面分析和長期投資價值，對市場信息的解讀和反應相對更為理性。當市場出現利好消息或利空消息時，機構投資者能夠基于自身的研究和判斷，做出相對合理的投資決策，不會像個人投資者那樣出現過度反應。機構投資者在面對利空消息時，會通過分散投資、套期保值等方式來降低風險，而不是盲目拋售股票，這有助于穩定市場，減少股市波動的非對稱性。因此，機構投資者占比的提高有助于降低股市波動的非對稱性，促進股市的穩定發展。6.4投資者行為因素投資者行為因素在股市波動非對稱性的形成中扮演著關鍵角色，投資者情緒和羊群行為作為其中的重要組成部分，對股市波動產生著深遠影響。投資者情緒是投資者對市場的一種主觀感受和預期，它涵蓋了投資者的信心、恐懼、貪婪、樂觀和悲觀等多種情緒。這些情緒會顯著影響投資者的決策行為，進而導致股市波動呈現出非對稱的特征。當投資者情緒樂觀時，他們對市場前景充滿信心，往往會高估股票的未來收益，低估風險。這種樂觀情緒會促使投資者增加投資，大量買入股票，推動股價上漲。在牛市行情中，投資者普遍樂觀，市