资源描述：
《基于事件研究法的“大小非”解禁关于股票市场风险研究的论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、基于事件研究法的“大小非”解禁关于股票市场风险研究的论文摘要:通过比较“大小非”解禁事件前后不同时期的风险价值var,来评价大小非解禁对证券市场风险的影响。首先针对股票收益率序列具有波动聚集以及尖峰、厚尾的分布形态,应用garch类模型计算解禁前后各一段时期内沪深两市不同解禁量股票的var;其次应用多种定性、定量统计方法对所计算的var值进行前后分析比较,分析结果表明,采用的方法能够很好地捕捉到“大小非”解禁事件增大股票市场风险趋势这一现象。 关键词:事件研究法;var;garch;股票市场 中图分类号:f83文献标志码:a文章编号:1673-291x(2010)33-0
2、068-06 引言 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为设定的显著水平,条件方差序列{ht}由g
3、arch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值时所选择的显著水平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是否显著异于失败期望概率p0的
4、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1500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
5、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eviebollerslev,generalizedautoregressiveconditionalheteroskedasticity[j].journalecon-ometrics,1986,(31):307-327. [12]nelson,d.b.,archmodelsasdiffusionapproximations[j].journalofeconometrics,1990,(45):7-38. [13]kupiecp
6、h.techniquesforverifyingtheaccuracyofriskmeasurementmodels[j].thejournalofderivatives,1995,(2):73-84. studiesontheriskinchinesestockmarketsbasedonthemethodofeventstudy of“thesizeofnon-liftingoftheban” zhangchen-xi,yangyi-anagement,northpactontheriskofthestockmarketbyparingthedifferen
7、tperiodsofvar(valueatrisk)beforeandaftertheeventof"thesizeofnon-liftingoftheban".firstly,consideringthereturnofthestockhavingvolatilityclustering,high-peakedandheavy-tailedcharacteristics,thepaperusesthegarchmodelstoparethevarofhu-shenstockmarketsinchina
