英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料

风险，不确定性和股票返回可预测性 ——基于新兴股票市场案例

拉克什库马尔

Deen Dayal Upadhyaya学院管理研究系

摘要：目的：本文旨在研究股票收益在崩盘前后的一系列11个新兴股票市场（EEMs）的风险和不确定性下的可预测性。

设计/方法/方法-上市指数被认为是股票市场的代理，在2000-2014期间的数据结构。由于初步结果突出了股票收益率的显著自相关性，因此使用阈值- GARCH（1,1）模型来估计条件波动率，并将其进一步分解为预期和不可预测波动率。

调查结果-结果强调，在崩盘前期间，波动率对股票收益具有对称影响，而在崩盘后期间则存在不对称影响。在检测股票收益率的关系时，发现在崩盘前（崩盘后）期间的预期波动率存在显著的正（负）关系。股票收益率与不可预测波动率正相关。

研究局限/影响 - 样本股市的商业，政治和其他市场条件根本不同。这些经济体在不同年份实行自由化，这可能会影响与国际股票市场的融合程度。

实际影响 - 调查结果强调投资者考虑预期波动率对增长期股票收益预测的影响。他们实现与其投资组合风险相称的回报。然而，他们在经济衰退期间大幅减少投资以应对预期波动。股票收益与不可预测波动之间的正相关关系凸显投资者实现额外回报以使其投资组合面临不可预测波动的事实。

创意/价值 - 通过使用T-GARCH（1,1）程序来分析问题，开创了先锋的努力。 鉴于新兴股票市场的出现，对股票收益动态的新见解为风险和不确定性下的投资组合多样化提供了有趣的发现。

关键词：金融市场，风险，不确定性，投资决策，预期波动率，不可预测波动率，门槛-GARCH，EEMs

一．简介

最近的美国次贷危机导致全球股市崩盘。 这次崩盘导致政策制定者，尤其是投资者特别关注基本问题，例如：

bull;经济和非经济事件对不同经济条件下股票收益的影响;

bull;整个市场的资金多样化;

bull;风险和不确定性下的投资分配。

从政策角度来看，答案很重要，因为过去几十年新兴股票市场（EEMs）的重要性日益增加。 这些市场报告了相当大的增长，特别是在金融体系放松管制之后（Dhal，2009; Kumar，2016; Singh和Ahmed，2016; Kumar和Dhankar，2017）。 最近对EEM的研究非常关注风险和不确定性下的股票收益动态（Chen和Epstein，2002; Hansen等，2006; Anderson等，2009; Chua等，2010）。^

经济学文献从根本上区分了风险和不确定性（Knight，1921）。 在处理风险和不确定性下股票收益的可预测性时，最近的研究具有以下局限：

bull;不区分发达股票市场和新兴股票市场;

bull;仅限于发达的股票市场;

bull;相当不确定;

bull;仅限于估计股票收益率与预期波动率之间的关系。

本研究通过分析新兴股票市场数据集中风险（预期波动率）和不确定性（不可预测波动率）下股票收益的动态来弥补这一差距。 我们假设投资者倾向于调整回报估计值与预期波动率，而他们倾向于实现风险加权回报，以使他们的投资组合暴露于股票收益的不可预测波动。 我们通过跟踪股票收益与增长和衰退期间的预期和不可预测波动之间的关系来检验这一假设。 研究人员报告了股票收益与导致股市波动的国际经济和非经济变量之间的重要关系（Rahman Md。和Uddin，2009）。 这些变量的建模有助于投资者估算EEM中的风险。

1.1文献回顾

在发达市场较少关注新兴股票市场的情况下，股票收益与预期和不可预测波动的关系得到广泛研究。一些研究报告了股票收益率与预期波动率之间的正相关关系（French et al.7 1987; Ghysels et al，2005; Shin，2005; Chua et aU 2010）。例如，Al * Rjoub和Azzam（2012）使用T-GARCH模型来检验金融危机对约旦股票市场的影响：1992-2009。他们发现危机对所有行业的股票收益产生负面影响，Singhania和Prakash（2014）使用GARCH类模型分析了南亚国家（印度，巴基斯坦，斯里兰卡和孟加拉国）2000 - 2011年的每日闭市价格。他们的研究报告股票收益率和条件波动率之间没有相关性，但是，股票收益率和标准化残差（不可预测波动率）之间的关系被发现显著为正。

此外，Sehgal和Garg（2016）估计了BRACKS（巴西，俄罗斯，印度，印度尼西亚，中国，韩国和南非）国家股票市场的系统波动率（SV）和非系统波动率（UV）。该研究发现，在巴西，韩国和俄罗斯，高SV组合的回报率较低。对这些国家而言，风险溢价显著为负。更进一步观察到，除中国外，所有样本国家的高紫外线组合都表现出高回报。 Kumar（2016）在平均程序中使用GARCH（1,1）检验了九个新兴股票市场的整合。该结果报告样本股市的预期和不可预测波动率之间存在显著的整合。这些结果突出了投资策略的重要元素，即整个市场的投资者往往会对全球预期和不可预测冲击的发生产生同样的反应。

此外，Kumar和Dhankar（2017）使用GARCH类模型分析了世界金融不稳定性对新兴南亚股票市场（印度，巴基斯坦，孟加拉国和斯里兰卡）股票收益的影响。结果报告称，金融自由化将南亚股市与全球股市融为一体。股票价格直接受到全球预期和不可预测经济冲击的影响。 Adjei和Adjei（2017）在检测经济不确定性对股票收益预测的影响的同时，将GARCH应用于外生变量。结果表明经济不确定性对经济衰退期间的股票收益产生负面影响。 Abaidoo（2017）的另一项重要研究发现，在使用误差修正模型时，通胀和经济衰退预期在短期内往往会对风险溢价估计产生重大影响。

大量研究报告了股票收益率与波动率之间的负相关关系（Nelson，1991; Brandt和Kang，2004）。例如，Glosten等人（1993）研究了1951年至1989年样本期间条件均值收益与条件波动率之间的时间序列关系。他们使用T-GARCH来考虑不可预测正面和负面冲击的季节性不对称效应。股票回报。结果报告了条件均值回归和条件方差之间的负相关关系。 Chiang和Doong（2001）调查了七个亚洲股票市场股票收益的时间序列行为。他们的研究报告显示，股票收益率与四个股票市场的不可预测波动率之间存在显著的负相关关系，与预期波动率之间存在显著的正相关Dimitrios和Theodore（2011）使用半参数方法研究了17个国际股票市场的风险 - 收益关系。除奥地利，比利时和卢森堡外，他们发现所有样本市场都存在显著的负相关。

在检测股票收益率和波动率之间的关系时，一些研究已经记录了混合或不确定的结果。例如，Balaban etal（2001）发现，条件波动率对19个国家中的3个国家的股票收益率产生了显著的正相关，对其余样本产生了非显著的正相关。此外，Balaban和Bayer（2005）研究报告了股票收益率和波动率之间的一组混合关系，这种关系来自对称和非对称条件异方差模型，同时使用了14个国家的数据。

二.研究方法

2.1数据来源和描述

我们根据时间段数据的可用性，从IMF新兴股票市场清单（www.imf.org）中考虑11个新兴市场的样本：2000 - 2014年广泛使用的上市指数的月收盘价被视为 代理股票市场：MERVof Argentina（AR），IBOVESPA of Brazil（BR），SSE COMPOSITE of China（CH），SENSEX of India（IN），FTSE-KLCE of Malaysia _，KSE 100 of Pakistan（PAK）， RTSIof Russia（RU），BUX of Hungary（HU），TSEC of Taiwan（TA），IPCMAXX of Mexico（MEX）和JAKARTA COMPOSITE of Indonesia（IND）。 样本期分为由美国次贷危机引发的前后股市崩盘期，分别通过应用结构性突破程序突出增长和衰退期。

初始数据集涉及所提到的指数的绝对值。 系统研究需要相对值，其中需要用中和峰值变化常数均值和方差。使用每月收盘价，自然对数收益率由公式（1）计算：

Rit=[ln（P_t）-ln（P_t-1）]x100 ⑴

其中，In是自然对数，是时间段t中的指数价格，是前一时间段t-1中的价格，Rit是时间段“t”中指数“I”的收益率。

图1显示了样本股市的指数值。研究期强调了全球当代全球经济环境演变中两个不同阶段的组合。第一阶段包括2000年至2007年的时间段，标志着世界股票市场持续上升的增长阶段。第二阶段包括从2008年初到2009年的时期，见证了美国次贷危机导致的全球股市崩盘，随后是世界股市开始稳步上行的复苏期。

表一列出了三个不同年份样本新兴经济体的基本财务和经济信息。它强调：

bull;年度GDP增长率;

bull;上市国内公司的市值占该国GDP的百分比;

bull;外国投资组合股权净投资。

值得注意的是，印度的GDP增长率最高（7.29％），其次是2014年中国（7.27％）和马来西亚（5.99％）。马来西亚拥有上市公司最大的市值基础。占印度尼西亚的GDP百分比。中国是印度最高的外国投资组合投资。

2.2Threshold-GARCH（1,1）模型

股票收益率的显著自相关突出了通常称为异方差性的误差​​项的非正态性。为了模拟这种类型的时间序列数据，研究人员通常使用自回归条件异方差性（ARCH）框架。 ARCH模型使用条件方差作为过去时间段的误差项的函数。 Bollerslev等（1992）进一步将ARCH过程扩展到GARCH，其中时变条件方差（）被假定为过去误差项（）和条件方差（）的滞后值的函数。等式（2）中描述的：

⑵

此外，实证研究报道，好/坏新闻账户股票收益波动的不对称影响。许多实证研究发现，由Glosten等人（1993）开发的T-GARCH适用于捕捉金融时间序列的不对称性（Al-Rjoub和Azzam，2012; Yeh和Lee，2000; Chiang和Doong，2001; Balaban et al，2001; Singhania和Prakash，2014; Kumar和Dhankar，2017）。公式（3）显示了标准的T-GARCH模型：

⑶

上市投资组合股权市值，净流入（BoP，年GDP增长率（％）公司（占GDP的百分比）当前美元，以百万计）

股票指数在此期间呈上升趋势。平均百分比回报率从-0.04％（匈牙利）到1.65％（巴基斯坦）。按标准差衡量的总波动率为4 * 39％（马来西亚）至10.71％（阿根廷）。巴基斯坦股市在阿根廷的回报率最高，与阿根廷（10.71）相比风险较低（8.06）。所有市场的负偏态表明这些市场提供负回报的可能性更高。巴基斯坦和印度尼西亚股票收益率的偏差比正常分布更重，这意味着收益集中在一个层面。我们使用Jarque-Bera（J-B）检测来分析股票收益的正态分布特性。它具有5％的重要性，突出了非正常的回报分布。

Ljung-Box Q统计量用于检测具有不同滞后长度的股票收益中的自相关。没有自相关的零假设是针对显著自相关的替代假设进行检测的。自相关突出了这样一个事实，即所讨论的股票市场被认为具有信息效率，投资者主要在选择股票时权衡当前信息（Faff和Mckenzie，2007; Kumar和Dhankar，2017）。如表II所示，Ljung-Box Q统计滞后长度为1到10是显著的，概述了股票收益的显著自相关，即波动率。研究这种现象的股票回报，研究人员通常使用自回归条件异方差（ARCH）类模型。

本研究还试图通过估计股票收益的相关性来分析样本股票市场之间的整合程度（见表III）。结果突出显示了中国和巴基斯坦之间股票收益率的显著正相关，突出显示了这一时期的重要整合。这一发现与先前的研究一致，这些研究强调了导致股票市场一体化的贸易和投资流动（Darrat和Zhong， 2001; Kim等人/ .2005; Kumar和Dhankar，2017年）。

三.检测

3.1使用结构中断单元进行根检测

静止是数据的最常见属性，需要通过单位根检测进行检测，并具有截距和斜率。 零假设的不接受突出了数据序列是静止的。 然而，Perron（1989）强调，当静止系列中忽略由结构变化引起的结构破坏时，拒绝单位根的能力会降低。 由于经济危机，政策变化或政权转变，结构变化往往发生在经济体系中。

Perron（1989）提出了三种替代模型，以允许数据中已知的结构中断。 这些是：

bull;模型A（碰撞模型）允许拦截中的结构中断;

bull;模型B（变化的增长模型）允许斜坡的结构破坏;

bull;模型C（碰撞 - 增长模型）允许截距和斜率的结构中断。

我们在给定的数据集中通过模型A和模型C检测了单位根模型A具有以下形式：

(4)

模型C采用以下形式：

(5)

其中，A是第一个差分算子，DUt是在TB时刻发生（中断）平均移位的虚拟变量，“r”是时间索引，DTt是相应的趋势和移位变量，其中：

And

上述模型中的零假设是a = 0，其中系列包含具有排除任

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[20930]，资料为PDF文档或Word文档，PDF文档可免费转换为Word