指數崩盤的預測以及兩融業務和股市輿論對指數崩盤的影響

蔡 琛

（貴州大學管理學院，貴陽 550025）

指數崩盤現象會嚴重干擾資本市場的正常運行，影響到金融體系對資本市場的配置效率，從而給實體經濟帶來嚴重的危害，甚至可能導致經濟危機的爆發。對國家的決策者而言，對股市泡沫的監測以及對指數崩盤的預警是很有必要的，對指數崩盤迅速做出應對，降低其對整個金融系統的破壞能避免很多不必要的損失，能保證國家經濟發展的健康穩定；對于股票市場參與來講，找出指數崩盤的危險時間區間，規避由市場泡沫破裂所帶來的巨大損失，對投資交易也有著借鑒意義。所以，不管從監管還是投資的角度，研究指數崩盤的外部宏觀因素與內部驅動因素，對于系統金融風險的主動防控都是非常有價值的工作。

一、文獻研究

為了更準確地描述證券市場的運行，一些物理學家將物理理論應用于證券市場，從證券市場非線性運行的角度去解釋泡沫產生及破裂的現象。Gopikrishnan等人（1998）分析了1994—1995年美國最大的1 000家上市公司的個股收益率，發現股票收益率服從幕律分布。Mataia等人（2002）等人分析了13種商品期貨價格的收益率，結果發現期貨價格收益率與股票等金融資產收益率有相似的統計性質，都服從幕指數為3的冪律分布。T.Kaizoji（2005）提出了相對股價的概念并進行了分析，發現相對股價在指數崩盤的時間點附近服從冪指數為2的冪律分布，且提出監測冪指數變化能有效預測指數崩盤現象。對于幕律分布形成的原因，Bouchaud和Potter（2000）提出了一個關于波動相關和分布尾部的模型。該模型表明，過去的大的波動對今天市場的運轉產生了影響，這導致了概率分布的尾部呈現冪律分布。Gabaxi等人（2003）假設較大的市場波動主要受較大的市場參與者行為的影響，市場參與者（如金融機構和投資者）基于利潤最大化的優化行為導致了股票市場中的冪律分布。他們的研究表明，金融市場冪律分布的形成及冪指數的變化與市場本身、市場參與者和外部因素有著重要的關聯，但沒有最終找到影響冪指數變化的因素。

該研究選取了中國股市發生系統性指數崩盤時的在上海證券交易所上市的公司的每日收盤價，借用日本研究者T.Kaizoji提出的相對股價的概念，構建中國上證市場相對股價，分析了中國證券市場相對股價的概率分布情況。研究發現，上證市場相對股價在指數崩盤的時間點附近時間區間內服從冪指數為2的冪律分布。在此基礎上，采集了當年的滬市的兩融余額和相對應的每日股市相關的新聞量，運用協整檢驗方法、VAR模型進行了實證檢驗，目的在于探究配資額度與市場輿情對上證市場冪指數的影響，研究發現兩融余額、股市相關新聞量與冪指數之間存在協整關系。

二、相對價格的實證檢驗

1.樣本數據。滬市上市公司收盤價每日數據來自wind數據庫，對上證指數跌幅及下跌持續時間進行分析，發現可作為泡沫破裂時間區間的年份為1997年、2001年、2007年、2015，收集共2 963支股票這四年的每日收盤價。兩融余額每日數據來自Wind數據庫，該研究采集2015年兩融余額的每日數據。股票相關新聞量數據來自百度新聞搜索，通過百度新聞高級搜索手工收集了以“股票”為關鍵字的2015年每日新聞量數據，以每日新聞量數據作為市場輿情的替代變量。

2.實證研究。通過監測相對價格的冪指數的變化來對股價的分布特性進行研究。相對股價的定義為當日股價與基期股價之比，基期選定為1997年的首個交易日收盤價，通過對這4個指數崩盤時間點的附近時間區間的相對股價的監測，發現相對股價的高價區間在這四個時間區間內呈現尖峰長尾的特征，此時冪律分布是更適合的數學描述。當用正態分布的工具去分析一個極端世界時，由于使用了不恰當的概率分布進行描述，大大低估了風險。所以在指數崩盤時間點附近的時間區間內應該用冪律分布來解釋證券市場股價的分布情況。

根據其相對股價大小進行排序后，它的排名（相對股價高的排名靠前）。對兩側的變量進去對數變換得，能計算出每個交易日對應的股價冪指數值。發現在指數崩盤時間點之前，冪指數會隨著時間的變化呈現下降趨勢，在指數崩盤之前的某一時間點下降到2，冪指數在值為2值域區間內徘徊一段時間，在指數崩盤時間點處冪指數下降到最低點。而在指數崩盤時間點之后，冪指數開始呈現上升趨勢。為了進一步的研究這四個時間區間內相對股價的發散情況，計算了樣本每日收盤價的方差，并對每日收盤價方差的變化進行了分析，發現隨著泡沫的產生、積累，股價方差和相對股價方差逐漸增大，且在股票指數崩盤時間點附近陡然下降，這表明隨著泡沫的持續積累，股價以及相對股價在逐漸發散。當α>2時，隨著冪指數α值的減小，相對股價方差逐漸增大；當α的值趨向于2時，相對股價方差趨于無窮大。驗證了在研究的1997年、2001年、2007年、2015年這四個時間區間內，滬市上市公司的相對股價服從冪律分布，且當冪指數等于2時，此時股價接近指數崩盤的臨界時間，通過相同的方法計算其他年的冪指數，發現在這四次股價上漲到指數崩盤的過程中，冪指數值都于崩盤之前下降到2，且它的值在指數崩盤前的短時間內在2附近波動，這說明當冪指數值下降到2時，股市處于指數崩盤高風險期，監測冪指數值能有效地對指數崩盤進行預測。

三、相對股價冪指數、兩融余額和股票相關新聞量的協整檢驗

為了建立能夠更加準確地描述中國證券市場指數崩盤時間點的模型找出相對股價冪指數變化的影響因素，該研究借助協整檢驗以及VAR模型，結合配資情況與市場輿情這兩個方面進行研究。配資情況與市場輿情的替代變量分別是兩融余額與股票相關新聞量。檢驗兩融余額與股票相關新聞量對相對股價冪指數的影響時，該研究以相對股價冪指數（r）為因變量，兩融余額（mt）、股票相關新聞量（news）為自變量。

1.單位根檢驗。對因變量和2兩個自變量進行單位根檢驗，三個變量的水平值不能拒絕單位根檢驗的原假設，變量的水平值是非平穩的，一階差分后，△r、△mt和△news在1%的顯著性水平上拒絕原假設，因此r、mt、news都是Ⅰ（1）序列。

2.協整檢驗?！皡f整向量個數不存在”的原假設的相伴概率為0.0013，拒絕該原假設；“協整向量個數最多為1”的原假設的相伴概率為0.0460，拒絕該原假設；“協整向量個數最多為2”的原假設的想把概率為0.3405，沒有拒絕該原假設。因此，在0.05的顯著水平下，拒絕“協整向量個數最多為1”的原假設，特征根跡檢驗顯示序列r、mt和news之間最多存在2個協整方程，三個變量間存在協整關系。

3.格蘭杰因果檢驗。通過格蘭杰因果檢驗發現，r、mt和news之間存在格蘭杰因果性。其中，“news不是引發r變化的原因”的原假設的概率為0.04，拒絕該原假設；“mt不是引發r變化的原因”的原假設的概率為0.0002，拒絕該原假設，故mt和news可作為VAR模型的自變量，r作為VAR模型的因變量。

4.標準化的協整向量與VEC模型。一般而言，第一個協整向量具有較強的解釋力，對該協整方程進行關于r的正規化后，得出代表序列之間的長期均衡關系的協整方程，協整方程中的自變量mt和news均顯著，變量之間存在長期均衡關系，從自變量的系數可以看出，股票市場相關的新聞量對冪指數的長期敏感度強于兩融業務數據，樣本期間，股市相關新聞量每變動一個百分點，冪指數就反方向變動0.0127個百分點，news對r的影響程度相較于mt而言是較大的。協整方程顯示，news系數的符號為負（移項寫成協整方差后，news系數為負），在其他條件不變的情況下，市場熱度的增加會導致冪指數的下降；mt系數的符號為正，在他條件不變的情況下，兩融余額增加，冪指數會有較小程度的增加。盡管序列r、news和mt之間存在長期均衡關系，但在短期內，這些變量可以是非均衡的，變量間的這中短期非均衡關系的動態結構可以由向量誤差（VEC）模型來描述。VEC模型是含有協整約束的VAR模型，建立VEC模型，從所確定的VEC模型可知，news的短期影響要強于mt。

由此可見，為了延緩冪指數的下降趨勢，抑制股市泡沫的產生，有效控制指數崩盤風險，應主要在長期和短期內盡量設法降低市場的熱度。

四、結語

在該研究中，研究了我國股市相對股價的統計特性。通過監測我國滬市1997年、2001年、2007年、2015年的相對股價的變化，發現在指數崩盤時間點的附近時間區間，相對股價的高價區間服從冪律分布，并且當冪指數α到達2時，股市泡沫將會破裂。在此基礎上，為了能建立描述指數崩盤的預測性模型，找出冪指數變化的影響因素，引入了市場配資的額度和整體的市場輿情，希望找到冪指數、兩融業務、市場輿情三者間的內在聯系。通過協整檢驗，建立VAR模型，發現這三者間存在協整關系，并且市場輿論的影響在長期和短期內均要超過兩融業務量，這有助于制定有效的策略來抑制泡沫產生，對指數崩盤現象進行主動防控。