中国股市价格泡沫的马氏域变方法检验1
孟庆斌 周爱民 靳晓婷2
(天津市,南开大学,300071)
摘 要:本文运用 Johansen 协整检验方法并建立股市价格变动的齐次和非齐次马氏域
变(Markov Switching)模型,对 1996 年 1 月到 2007 年 8 月间我国上证指数的理性价格泡沫
情况进行了度量。检验结果显示上证指数价格泡沫主要集中在 1996 年 1 月到 1997 年 6 月、
1999 年全年以及 2006 年 11 月到 2007 年 8 月三个阶段,尤其是从 2006 年底到 2007 年 8 月
泡沫迅速膨胀并达到了较高水平。接着本文将
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
扩展到对深证指数价格泡沫的度量并验证
了沪深两市的联动性。最后,根据实证结果提出了针对股市泡沫问题的政策建议。
关键词:股市价格泡沫;齐次马氏域变模型;非齐次马氏域变模型;Johansen 协整检验
一、引 言
从 2006 年上半年开始,我国股市走出了漫长的熊市,两市指数开始逐渐攀升,2007 年
涨幅均超过 100%,伴随着股市的大幅上涨,财富效应日益显著,场外资金加速入市。面对
股市如此快速的上扬,关于股市泡沫的争论在学术界展开,并引起了政府的重视。为了对我
国股市的泡沫程度进行科学和准确的度量,本文将针对我国股市价格泡沫问题展开研究,探
讨从 1996 年以来我国股票市场的价格泡沫程度。
股市价格泡沫的度量可分为两类:直接度量和间接度量。前者直接从股价波动出发,
利用对未来现金股利预期的折现决定股票的理性价格(也即股票价格的真实值);后者则通过
分析股价与其他经济变量之间的相互影响,间接的确定股票的理性价格,从而分离出价格泡
沫。相对而言,前者虽然更加精确,但由于我国股市尚处于发展初期,上市公司分红较少,
难以对公司未来分红做出准确的预测,故使用该方法的条件并不具备。但从另一方面来看,
正是由于我国股市发展时间较短,我国市场化程度较低,股市受各方面宏观经济因素影响较
大,存在着明显的“齐涨共跌”现象,因此使用间接度量的方法符合我国股市的实际情况,
本文将采用该方法对我国股市价格泡沫进行研究,从股票价格中分离出泡沫部分。
根据股票价格泡沫往往具有的明显的非线性特征,Ahmed,Rosser和Uppal(1999)、
Kelleher(2001) 以 及 崔 畅 、 刘 金 全 (2006) 采 用 非 线 性 的 MTAR(Momentum Threshold
Autoregressive)模型分别研究了环太平洋国家、韩国以及中国股票价格泡沫。马氏域变模型
是另一类非线性模型,该模型由Quandt(1958)提出,并由Goldfeld,Quaudt (1973)和
Hamilton(1990)逐步完善,虽然该理论提出较早,但是直到上世纪 80 年代末 90 年代初期,
1 该论文是社科基金项目:股市价格泡沫的度量与理性扩容速度的行为金融学研究(05BJL027)的一部分。
2 作者简介:孟庆斌(1980-),河北人,南开大学经济学院博士生,电话:13920941918,电子邮箱:
meng_q_b@yahoo.com.cn , 研究方向:股市泡沫理论、风险定价和度量理论;周爱民(1961-),天津人,
南开大学经济学院教授,博士生导师,电话:13389061220,电子邮箱:aiminzhou_tj@163.com ,研究
方向:资本市场理论,金融计量学;靳晓婷(1981-),山西人,南开大学国际经济研究所博士生,电话:
13502107346,电子邮箱:xiaoting.king@mail.nankai.edu.cn ,研究方向:国际金融学。
1
随着计算机技术的发展,才被广泛应用到经济学各领域的实证研究当中。同VAR模型类似,
马氏域变模型参数的显著性未必很高 3,但其对时间序列变化特征的刻画非常准确,如:
Hamilton(1988,1989,1990)对美国利率、GNP和汇率的研究以及Cecchetti,Lam和Mark(1990)
对美国证券回报率的研究等,都体现出了很高的精确性。Nordon,Schaller(1993)和Nordon,
Vigfusson(1998)利用模型状态转移概率不受外部经济变量影响的齐次马氏域变模型对加拿
大和美国股市价格泡沫进行了检验,证明了两国股市沫均存在着“有泡沫”及“无泡沫”等
多个状态,并对各个时点股价处于“有泡沫”状态的概率进行了测算。
然而事实上股市在“有泡沫”和“无泡沫”状态间的转移概率不可避免的都受到外部经
济变量的影响,齐次马氏域变模型无法对这种影响做出准确的刻画,因此本文将使用非齐次
马氏域变模型(将模型状态转移概率考虑为某个经济变量函数)对我国股市价格泡沫程度进
行检验,并与齐次马氏域变模型结果进行比较。本文结构如下:第二部分提出股市价格泡沫
间接检验的理论模型,第三部分在该模型下对我国上证指数进行实证检验,并对深证指数泡
沫情况进行研究从而验证两市泡沫的联动性,第四节得出结论并提出相应政策建议。
二、理论模型
为了构建股市价格泡沫间接检验的理论模型,我们首先从以(2.1)式表示的股价行为方程
出发:
1( ) (t t t )tp f X aE p += + (2.1)
其中 tp 表示在时点 的上股票价格的对数值,t tX 表示该时点各宏观经济变量组成的向
量,a为正常数, 表示在掌握信息( ) ( | )tE E I=i i t tI 的条件下的条件数学期望, tI 为 t时刻所
掌握的信息(如股票价格以及各个宏观经济变量等)集合,为一σ -代数, 满足重条件
期望定律,也即 ( i )。(2.1)式说明每一时刻
股价由下一时刻对股价的预期以及该时刻宏观经济变量共同决定。解该差分方程可得其的通
解形式为:
( )tE i
( ( | ) | ) ( ( | ) | ) ( | )t t i t i t t tE E I I E E I I E I+ += =i i i 0≥
t+ + (2.2)
1
1
0
( ( )) ( )
T
j T
t t t j t T
j
p a E f X a E p++
=
= +∑
若股价满足非蓬齐对策条件,也即:
1 1lim ( ) 0
T
t T tT
a E p+ + +→∞ = (2.3)
于是在(2.2)式中令T ,即可得到股票的基础价格部分: →∞
(2.4) *
0
( ( ))jt t
j
p a E f X
∞
+
=
=∑ t j
*
tp 是差分方程(2.1)式的一个特解,反映由宏观经济变量所决定的股价部分,其与股票
真实价格 tp 之差( *t t tB p p= − )为股票价格理性泡沫部分 1tB 与市场噪声部分 2tB 之和
( 1t t 2tB B B= + )。由 *t t tB p p= − 及(2.2)式可得到:
1(t t t )B aE B += (2.5)
3 本文中,虽然模型中某些参数 T 统计量较小,但模型总体的拟合效果明显优于线性模型。
2
由于 往往取为折现率a 1
1 r+ ,故(2.5)式说明股价序列中蕴涵着一个发散路径部分,即
股价的理性泡沫总是在预期增长着的。如股价中不存在理性泡沫,则应有 (1 0tB ≡ 2t tB B≡ ),
其观测值 应服从方差不变的正态分布,也即对每个时刻 t ,ˆtB 2ˆ ~ (0, )tB N σ ( 0σ > )。为
分析股价的理性泡沫,我们将股市状态分为有泡沫状态(用 1 表示)和无泡沫状态(用 0 表示),
在状态 1 下,泡沫产生、膨胀、持续, 1 0tB ≠ , 21ˆ ~ ( , )tB N μ σ ,而在状态 0 下,泡沫将
破灭, ,1 0tB = 20ˆ ~ (0, )tB N σ ( 0 1σ σ< ),也即:
1( | 0) 0t t tE B S+ = = (2.6)
以及:
2ˆ ~ (0,tB N )tσ (2.7)
其中 表示时刻 股市所处状态, 。在(2.6)式中,假设股市处
于状态 0 的概率为 ,则有:
tS t
2 2 2
1 0 (1 )t tSσ σ σ= + − tS
=
tq
(2.8) 1 1 1( ) ( | 0) (1 ) ( | 1)t t t t t t t t t tE B q E B S q E B S+ + += = + −
由(2.5)、(2.6)和(2.8)三式可得:
1
(1 ) 1( | 1) ( )
(1 ) 1
t t
t t t
t t
B r BE B S a
a q q r+
+= = = =⋅ − + (2.9)
每一时刻处于状态 0 的概率 可能与 t时刻前的各个时刻所处的状态有关,也即在每一
时刻 t ,股市处在什么状态由 时刻前的各个时刻所处的状态决定,本文中我们假设股市在
状态 0 和状态 1 之间的变化过程为马尔可夫过程(Markov Process 简称马氏过程),也即时刻 t
股市所处状态仅由
tq
t
1t − 时刻其所处状态决定,可表示为:
1 1 1( | , , ) ( |t t t t t i t t tE S S S S E S S+ − − + )=" (2.10)
这种性质称为马尔可夫性,若时间和状态取值都为有限个离散值,则这种马氏过程也
称为马尔可夫链(Markov Chain 简称马氏链)。假设马氏链状态转移概率为:
1 00 1 01
1 10 1 11
( 0 | 0) ( ), ( 1| 0) (
( 0 | 1) ( ), ( 1| 1) ( )
t t t t t
t t t t t
P S S p z P S S p z
P S S p z P S S p z
− −
− −
= = = = = =
= = = = = =
)t
t
(2.11)
满足 00 01( ) ( )t tp z p z+ = 10 ( )tp z 11( )tp z+ 1= ,故其状态转移矩阵为:
00 01
10 11
( ) ( )
( )
( ) ( )
t
t
t t
tp z p zP z
p z p z
⎛ ⎞= ⎜⎝ ⎠⎟
)−
(2.12)
其中 为 时刻影响马氏链状态转移概率的经济变量。当状态转移概率与 无关
( , 为常数矩阵)时,称该马氏链为齐次马氏链,否则称为非齐次马氏链。在状
态转移服从的马氏链的假设下所建立的模型称为马氏域变模型。
tz t tz
( )tP z P= P
若时刻 t市场处于某个状态的概率不仅受上一时刻状态的影响且与前 n个时刻所处状态
有关,也即有:
1 1 1 1( | , , ) ( | , ,t t t t t i t t t t t nE S S S S E S S S S+ − − + −=" " (2.13)
其中 ,则此时市场状态的变化不再具有马氏性。但我们可以通过状态的重新定义
将其重新变换为马氏链,令:
n i≤
3
*
1 1
*
1 1
*
1 1
*
1 0, 0, , 0, 0;
2 1, 0, , 0, 0;
1 0, 0, , 1, 1;
1,
t t t t n t n
t t t t n t n
t t t t n t
t t t
S S S S S
S S S S S
S n S S S S
S n S S
− − + −
− − + −
− − + −
= = = = =
= = = = =
= − = = = =
= =
"
"
" " "
"
若
若
若
若 1 10, , 0, 1;
t n t nS S− − + −
n
= = ="
" " "
(2.14)
这里一共有 12n+ 个状态,而且容易看到根据(2.10),此时状态变量 仍具有马氏性,其
阶数 n= 。该马氏链的处理方式与二维马氏链的处理方式完全相同。
*
tS
12n+
此时,我们只要得到股价泡沫在不同状态下的标准差 1σ 和 0σ 以及 在 0、1 之间的转
换概率
tS
00 ( )tp z 、 01( )tp z 、 10 ( )tp z 和 11( )tp z 中的参数即可确定出股市在每一时刻不存在泡
沫的概率 ,从而对股价泡沫做出准确的刻画。这些参数通过最大似然估计得到,以上参
数可通过极大似然估计获得,其似然函数的构造遵循如下步骤:
tq
首先,定义: ,以及:
( )
( )
( )
' *
' *
' *
1,0, ,0 , 1
0,1, ,0 , 2
0,0, ,1 , 32
t
t
t
t
S
S
S
ξ
⎧ ⋅⋅⋅ =⎪⎪ ⋅⋅⋅ == ⎨ ⋅⋅⋅⋅ ⋅ ⋅⎪⎪ ⋅⋅⋅ =⎩
当 时
当 时
当 时
( )
( )
( )
*
1
*
1
*
1
| 1, ;
| 2, ;
| 32, ;
t t t
t t t
t
t t t
f B S I
f B S I
f B S I
α
αη
α
−
−
−
⎧ =⎪⎪ =⎪= ⎨ ⋅⋅⋅ ⋅⋅ ⋅⎪⎪ =⎪⎩
,
其中α 为待估参数组成的集合。
其次,用 |t sξ ( t )表示基于 时刻所获得的信息和总体参数对对 所形成的推断,其
中第
s≥ s *tS
j 个元素为 ( )* | ;t sP S j I α= ,则关于 时刻的最优推断和预测可通过式(2.15)和(2.16)
的迭代求得:
t
| 1| '
| 11 ( )
t t t
t t
t t t
ξ ηξ ξ η
−
−
= :: (2.15)
1| |t t t tPξ ξ+ = ⋅ (2.16)
其中⊙表示两个向量间对应元素相乘的计算,1' 为全 1 的 32 维行向量4。
最后,定义整体样本的对数似然函数为:
( ) ( )1
1
log | ;
T
t t
t
L f emp Iα α−
=
= ∑ (2.17)
其中:
( ) ( )32 *1 1
1
| ; , | ;t t t t t
i
f emp I f emp S i Iα α− −
=
= =∑
( ) ( );32 * *1 1
1
| , ; |t t t t t
i
f emp S i I P S i Iα α− −
=
= = =∑ i ' | 11 ( )t t tξ η−= : (2.18)
三、实证检验
4(2.11)和(2.12)的推导过程见 Hamilton(1994)。
4
本节中,我们将以上证指数为主要研究对象来实证分析我国股市价格泡沫。遵循以上理
论模型推导过程,我们首先使用 Johansen 协整检验方法从上证指数中确定其基础价格部分
,进而分离出其价格泡沫部分和市场噪声之和*tp tB ,然后运用马氏域变方法分别在齐次和
非齐次假设下构建实证模型,从而求得各个时间点上存在泡沫的概率。最后,我们对深证指
数进行相似分析,讨论沪深两市股价泡沫的协同变化特征。
(一)上证指数股价泡沫检验
我们选择与股市投资和股票价格波动关系最为密切的工业增加值(由于国民生产总值
GDP 的月度数据无法获得,因此用该指标替代)、广义货币与狭义货币之差、汇率、消费品
价格指数和无风险利率组成宏观经济指标集。由于利率的涨跌会直接影响股市的涨落,因此
我们用前四个指标来确定股票的基础价格部分,将无风险利率作为影响状态转移概率的变
量。所选数据区间为 1996 年 1 月到 2007 年 8 月的月度数据,数据来源于 CCER 中国经济
研究服务中心数据库(www.ccerdata.com)以及《统计月报》。
在进行协整检验之前,我们首先对这些宏观经济变量进行对数变换,而且为消除季节
影响,对工业增加值数据进行 X-11 季节调整。接下来,检验上证指数和这些宏观经济数
据的平稳性,结果如表 1 所示。
表 1 变量序列单位根检验结果
经济指标 原序列 ADF 统计量 差分序列 ADF 统计量
上证指数 -0.2771 -10.1562 * * *
工业增加值(季节调整后) 2.9360 -23.0787 * * *
广义狭义货币差 -1.9482 -15.0363 * * *
汇率 6.6774 -5.5982 * * *
消费品价格指数 -2.1601 -10.3884 * * *
无风险利率 -2.2461 -18.2038 * * *
注:* * *表示在 1%水平下显著。
从表 1 可以看到,在 10%显著性水平下,所有原序列都无法拒绝存在单位根的假设。
继而对各序列的差分序列进行平稳性检验可见,各序列均在 1%水平下拒绝了存在单位根的
假设,因此,这六个序列均为 I(1)过程。为从股票价格中分离出基础价格部分,确定序列之
间的长期关系,我们对上证指数和除无风险利率外四个经济变量序列进行 Johansen 协整检
验,结果如表 2 所示。从该表中可以看到五个变量间存在三个协整关系,另外对上证指数的
协整残差(见图 1)进行平稳性检验得到其 ADF 统计量为 11.7991,在 1%的显著性水平下拒绝
了存在单位根的假设,因此如果使用传统协整检验方法就可以得到我国股市不存在理性价格
泡沫的结论。
但是如图 1 所示,协整残差中存在着较为明显的非线性,为此我们假设股市存在无泡
沫状态 0 和有泡沫状态 1,并分别建立齐次和非齐次的马氏域变模型对协整残差进行分析,
以更加准确的测定出市场的泡沫程度,在对模型进行估计的过程中,由于在进行协整分析时
已从股价中剔除了截距项,因此我们只针对残差波动率进行建模,而不再考虑残差均值。
5
表 2 Johansen 协整检验结果
原假设 特征根 LR 似然比
不存在协整关系 0.2633 69.8189*
最多有一个协整关系 0.2247 47.8561*
最多有两个协整关系 0.1427 29.7971*
最多有三个协整关系 0.0792 15.4947
最多有四个协整关系 0.0023 3.8415
注:*表示在 5%水平下显著
-.2
-.1
.0
.1
.2
.3
96 97 98 99 00 01 02 03 04 05 06 07
图 1 协整残差图
模型一:齐次马氏域变模型。
如第二节所述,在该模型中,我们假设上证指数状态所服从的马氏链状态转移概率与无
风险利率无关,这样模型的待估参数为 0σ 、 1σ 、 00p 、 01p 、 10p 和 11p ,估计结果见表 3。
表 3 上证指数齐次马氏域变模型参数最大似然估计结果
参数 模型参数值 参数估计值 标准差 T 统计量
00p 0.7271 0.9801 0.2735 3.6
10p 0.4869 -0.0525 0.244 -0.21
2
0σ 0.0025 5.9988 0.0010 600
2
1σ 0.0079 4.8461 0.0033 147
对数似然值 180.17 - - -
注:模型参数值通过对参数估计值进行 Logistic 变换得到。
从表 3 中可以看到:
1. 当上证指数处于无泡沫状态时,下一时刻维持无泡沫状态的概率较大,而当其处于
有泡沫状态时,下一时刻处于有泡沫状态和无泡沫状态的概率相近,说明无泡沫状态的持续
性较强。利用状态转移概率,还得到无泡沫状态和有泡沫状态的平均周期分别为 3.66 个月
和 2.05 个月。
2. 两个状态下序列波动率相差很大,有泡沫状态序列方差是无泡沫状态方差的三倍以
上,这说明两个状态是确实存在的。
为进一步证明这一结论,我们考虑上证指数不存在状态转移 (也即加入限制条件
6
00 11 1p p= = 或 20 21σ σ= )的简单模型,并使用对数似然检验法以判断在考虑状态转移后模
型的拟合效果是否有显著提高。当不考虑状态转移时,利用最大似然估计法求得序列方差为
0.0664,对数似然值为 137.47,根据对数似然值检验法可知:
1 12(log log )LR L L2= − − (3.1)
其中 是不考虑状态转移情况下模型的对数似然值, 是考虑状态转移情况下
的模型对数似然值。根据以上模型的对数似然值,可计算得 =85.4
1log L 2log L
1LR 2 (0.05)χ> ,也即在
在 5%水平下拒绝了引入状态变量后模型效果无显著改进的原假设,因此我们可以认为当引
入了状态转移后,模型的拟合效果有了显著提高。
另外,为验证两状态假设的合理性,我们将其与三状态假设下的马氏域变模型进行比较,
也即假设股市中存在 0、1、2 三个状态。在此假设下对股价协整残差建立齐次马氏域变模型,
得到模型对数似然值 ,由于3log 180.18L = 2 2 32(log log ) 0.2LR L L= − − = 2 (0.05)χ< ,
故可知在引入第三个状态后模型的拟合效果无显著提高,这就说明两状态假设是合理的。
0
1,000
2,000
3,000
4,000
5,000
6,000
96 97 98 99 00 01 02 03 04 05 06 07
图 2(a) 上证指数
图 2(b) 上证指数处于有泡沫状态概率(齐次马氏域变模型)
考察区间(由于在数据处理过程中损失了部分样本,因此该模型考察区间为从 1996 年 2
月到 2007 年 8 月)内各个时点上证指数处于有泡沫状态概率见图 2(b),图中的 60%水平线为
截断率水平,超过该水平则认为上证指数中存在泡沫。对照上证指数(见图 2(a))和图 2(b),
股价泡沫更多的集中在 1999 年 6 月份之前和 2006 年 12 月之后,前一个阶段泡沫的出现主
要是由于股价上升未能得到宏观经济层面的有力支持,后一个阶段虽然宏观经济的蓬勃发展
一定程度上支持了股价的上升,但由于股价上升过快,故导致了泡沫的产生。2000 年到 2006
年底之间虽然泡沫程度较轻,但在不少月份里上证指数存在泡沫的概率接近 60%的截断率
7
水平,故若调整截断率水平势必对结果产生很大的影响,同时,其存在泡沫概率的波动过于
剧烈,无法体现股价泡沫的产生、发展、膨胀以及破灭,因此模型对两个状态的识别并不令
人满意,为此我们考虑建立非齐次马氏域变模型。
模型二:非齐次马氏域变模型。
由于模型一中确定出两个状态的假设是合理的,因此模型二所考虑的非齐次马氏域变
模型仍然假设股市存在无泡沫状态 0 和有泡沫状态 1 两状态,我们假设状态转移概率函数满
足 Logistic 函数形式,也即:
0 1 1
00 1 1
0 1 1
0 1 1
11 1 1
0 1 1
01 00 1 1
0 1 1
10 11
exp( )( ) ( 0 | 0, , )
1 exp( )
exp( )( ) ( 1| 1, , )
1 exp( )
1( ) (1 ) ( 1| 0, , )
1 exp( )
( ) (1 ) (
t
t t t t
t
t
t t t t
t
t t t t
t
t t
c c zp z P S S z c
c c z
d d zp z P S S z c
d d z
p z p P S S z c
c c z
p z p P S
−
− −
−
−
− −
−
− −
−
+ ⋅= = = = + + ⋅
+ ⋅= = = = + + ⋅
= − = = = = + + ⋅
= − = 1 1
0 1 1
10 | 1, , )
1 exp( )t t t
S z c
d d z− − −
⎧⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪ = = =⎪ + + ⋅⎩
(3.2)
其中 、 、 和 为常数, 取为无风险利率的变化率。使用最大似然估计得到
参数的估计值见表 4。
0c 1c 0d 1d tz
表 4 上证指数非齐次马氏域变模型参数最大似然估计结果
参数 模型参数值 参数估计值 标准差 T 统计量
0c 4.7624 4.7624 1.4763 3
1c -2.8476 -2.8476 1.8251 -1.56
0d -20.7700 -20.7700 8.8577 -2.34
1d -8.8676 -8.8676 12.9233 -0.68
2
0σ 0.0031 5.7727 0.0005 11545
2
2σ 0.0096 4.6506 0.0033 1409
对数似然值 180.25 - - -
注:模型参数值通过对参数估计值进行 Logistic 变换得到。
0
1,000
2,000
3,000
4,000
5,000
6,000
96 97 98 99 00 01 02 03 04 05 06 07
图 3(a) 上证指数
8
图 3(b) 上证指数处于有泡沫状态概率(非齐次马氏域变模型)
从表 4 中可以看到,上证指数处于有风险状态的方差是无风险状态方差三倍以上,说
明股市中确实存在着两个状态。考察区间内(由于在数据处理过程中损失了部分样本,因此
该模型考察区间为从 1996年 4月到 2007年 8月)上证指数处于有泡沫状态概率变化如图 3(b)
所示,对照该图与上证指数(见图 3(a))可以看到,使用非齐次马氏域变模型对股市泡沫状态
的区分更清晰,更好的反映出了股价泡沫产生、膨胀以及破灭的过程。价格泡沫主要集中在
1996 年到 1997 年 6 月、1999 年以及 2006 年 11 月到 2007 年 8 月三个阶段。第三个阶段的
概率值呈现出高位波动的特征,说明 2007 年国家的宏观调控政策,如多次使用上调利率和
准备金率这样的货币政策以及上调印花税等财政政策,对上证指数的价格泡沫产生了较为明
显的抑制作用。在不存在泡沫的时期,只有 2003 年 9 月份股市处于有泡沫概率达到 48%,
其他时间均处于 20%以下,说明该模型对无泡沫状态的识别较齐次马氏域变模型相比有了
明显改善。
(二)深证指数泡沫分析
本小节中我们使用在研究上证指数价格泡沫中效果更好的非齐次马氏域变模型对深证
指数进行相似的研究,以确定深证指数中的泡沫程度,并考察深证指数与上证指数的协同性。
模型的参数估计值见表 5。由表 5 可见,深证指数处于无泡沫状态和有泡沫状态时的方差差
距更大,而比照考察区间内(由于在数据处理过程中损失了部分样本,因此该模型考察区间
为从 1996 年 4 月到 2007 年 8 月)各时刻深证指数处于有泡沫状态的概率(图 4(b))和深证指数
(见图 4(a))可以看到,深证指数存在泡沫概率的变化与上证指数基本相同,说明两市的联动
效应是比较明显的,同时也说明了我国股价的涨跌都是与国家整体的宏观经济形势的变化紧
密相联的。其差异主要在于上证指数从 2006 年底已开始进入有泡沫的阶段,而深证指数于
2007 年 3 月之后才显示出明显的价格泡沫。
表 5 深证指数非齐次马氏域变模型参数最大似然估计结果
参数 模型参数值 参数估计值 标准差 T 统计量
0c 4.5471 4.5471 1.2254 3.71
1c -2.8816 -2.8816 1.5474 -1.86
0d -14.5420 -14.5420 8.0334 -1.81
1d -4.6483 -4.6483 12.3269 -0.37
9
2
0σ 0.0039 5.5480 0.0006 9247
2
2σ 0.0139 4.2725 0.0045 949
对数似然值 161.64 - - -
注:模型参数值通过对参数估计值进行 Logistic 变换得到。
0
200
400
600
800
1,000
1,200
1,400
1,600
96 97 98 99 00 01 02 03 04 05 06 07
图 4(a) 深证指数
图 4(b) 深证指数处于有泡沫状态概率(非齐次马氏域变模型)
四、结论及政策建议
本文构建了衡量股市价格泡沫的理论模型,并通过实证检验研究了我国股票市场从
1996 年 1 月到 2007 年 8 月间上证指数的理性价格泡沫情况。我们首先利用 Johansen 协整检
验的方法从股票价格中剔除了基础价格部分,得到了股票价格理性泡沫与市场噪声之和。然
后在无泡沫和有泡沫两个状态假设前提下,分别建立了齐次和非齐次马氏域变模型,在此基
础上对上证指数的协整残差进行检验,得到了上证指数处于两个状态的概率。从检验效果来
看,非齐次马氏域变模型比齐次马氏域变模型对股市泡沫状态的区分更清晰,能够更好地反
映出股价泡沫产生、膨胀以及破灭的过程,所以我们采用非齐次马氏域变模型的估计结果。
从中可以得到以下主要结论:上证指数 2000 年以前泡沫程度较大;2000 年到 2006 年 5 月
份之前泡沫程度较小;从 2006 年 5 月份之后开始股价不断上涨,但在 2006 年 11 月之前仍
可被宏观经济因素所解释,因此这段时期上证指数的泡沫程度仍然较小;2006 年底到 2007
年 8 月份,虽然宏观经济的蓬勃发展一定程度上支持了股价的上升,但由于股价上升过快,
故导致了泡沫的产生。非齐次马氏域变模型对深证指数的估计结果说明,深证指数存在泡沫
10
概率的变化与上证指数基本相同,两市具有较强的联动性,这说明了我国宏观经济因素对股
市的影响是比较显著的。两市的差异主要体现在上证指数从 2006 年 11 月已开始进入有泡沫
的阶段,而深证指数于 2007 年 3 月之后才显示出明显的价格泡沫。
在以上分析的基础上,我们可以看到目前的股价泡沫问题已经显现,为防止股价泡沫对
经济可能造成的危害,应该从微观市场、宏观经济环境等各方面采取
措施
《全国民用建筑工程设计技术措施》规划•建筑•景观全国民用建筑工程设计技术措施》规划•建筑•景观软件质量保证措施下载工地伤害及预防措施下载关于贯彻落实的具体措施
,为此我们提出以
下主要政策建议:
1.我们应该清醒地认识到股价泡沫存在的危害。目前我国的股市价格已呈现出脱离宏
观经济基本面而持续快速单边上涨的态势,股市价格泡沫已经形成并在不断膨胀,其中必然
不断积累着泡沫破裂所可能带来的金融风险。尤其是在两市市值总和已发展到相当大规模的
今天,一旦泡沫突然破裂,必然对国家经济造成难以想象的损失。上个世纪 80 年代和 90
年代,无论是我国台湾地区资产市场经历的泡沫急速膨胀和破灭的动荡,还是东南亚国家及
地区发生的金融危机,都给予我们资产价格泡沫危害的警示。因此,我国要特别注意防范股
市泡沫和金融风险。对股市泡沫应以预防为主,当股价快速攀升时,应采取措施使股市变“快
牛”为“慢牛”;但如果泡沫已经形成,就应该采取措施放慢股价上升势头,抑制泡沫的进
一步膨胀,为股市和国家经济再次协调发展赢得时间,最终达到缩小和化解泡沫而不是挤破
泡沫的目的。
2.从已有的政策实施效果中我们可以得到一些政策启示。2007 年国家采取的一系列宏
观调控政策已对股价泡沫的快速膨胀起到了较为明显的抑制效果。2007 年 5 月底提高印花
税的财政政策以及多次提高利率和准备金率的货币政策,已经在一定程度上对泡沫的膨胀起
到了抑制作用。另外,虽然受宏观数据的局限,我们还未对八月份以后的股市泡沫进行准确
的检验,但从两市指数可以直接观察到,随着建设银行、中国神化、中国石油、中国中铁以
及中国太保等大盘蓝筹股的相继上市,上证指数的高速上涨势头得到了有效的控制。因此,
只要国家采取适当的财政、货币政策,辅之以节奏合理的股市扩容,并从长期着手在金融体
系上设置防火墙,隔断银行资金和股市资金的关系,就可以较好地达到抑制和化解泡沫膨胀
的目的。
3.监管部门也应配合宏观政策,适时推出卖空机制,使中国股市成为一个完整的市场,
增加维护股市价格稳定的力量;同时适时推出股指期货,也是调动期货市场的价格发现功能
与风险规避功能的合理措施;另外有必要加强风险提示及对风险的监管,避免股市中可能出
现的恐慌心理,为股市未来的稳定发展奠定基础。为了抑制股市的投机性需求,还可考虑通
过增加非货币资产的短期投机成本,来降低非货币资产短期投机的预期收益率。例如,为了
增加短期交易的税收成本,可以制定随持股时间递减的印花税率,并只对卖出者单边征收。
持股不满一周的交易按最高限征收,并逐渐递减至持股满一年的交易免印花税。这样可引导
投资者变投机为投资,从而减少股市的过度波动,达到抑制股市泡沫的目的。
4.通过合理引导参与股票市场主体的行为,也可以有效抑制泡沫的产生。股市泡沫的
存在反映了我国居民投资偏好由固定收益市场向风险市场的转移,居民投资行为在财富效应
推动下呈现出非理性的短期投机行为特征,这是造成股市不正常波动且催生出股市泡沫的一
个重要原因。针对这一问题,首先应该向投资者宣传一些必要的理性投资原则,例如,“闲
余资金原则”,即提醒投资者在丰富家庭理财品种时,注意参与风险投资合理程度的把握,
11
避免为了追逐短期风险投资的收益,过度参与超出自身风险承受能力的风险投机;“止损原
则”,即提醒投资者注意及时退出股市,避免由于资金沉淀而盲目增加对股市一线股向上的
支撑力度;“羊群原则”即提醒投资者培养长期投资意识,避免盲目追涨杀跌,从而通过减
少日常的换手率,达到降低价格波动性的目的。
5.从与股票市场密切联系的宏观经济环境来看,股价泡沫问题的日益严重是人民币资
产升值不可避免的结果,同时也是当前我国流动性过剩问题的集中表现之一。只有放缓人民
币的升值速度,才能避免股市的过热,减轻股市价格泡沫的程度;只有大力推进市场完全化
进程,才能有效缓解流动性过剩的压力,分流投机性资金,并从源头上抑制股市价格泡沫。
因此,继续完善适度从紧的货币政策,控制货币供给增长速度;加强资本监管,防范流动性
的国际输入等治理流动性过剩的对策都将有助于股市泡沫的缓解和未来股市的健康发展。
参 考 文 献
崔畅、刘金全:《我国股市投机泡沫分析――基于非线性协调整关系的实证检验》,《财
经科学》,2006 第 11 期,第 24-30 页。
Ahmed, E., Rosser, J. B. and Uppal, J. Y., 1999, “Evidence of Nonlinear Speculative Bubbles
in Pacific-Rim Stock Markets”, The Quarterly Journal of Economics and Finance 39: 21-36.
Cecchetti, S. G., Lam, P. and Mark, N. C., 1990, “Mean reversion in equilibrium asset prices”,
American Economic Review, 80: 398-418.
Goldfeld, S. M., Quandt, R. E., 1973, “A Markov Model for Switching Regressions”, Journal
of Econometrics 1: 3-16.
Hamilton, J. D., 1988, “Rational-expectations Econometric Analysis of Changes in Regimes:
An Investigation of the Term Structure of Interest Rates”, Journal of Economic Dynamics and
Control 12: 385-423.
Hamilton, J. D., 1989, “A New Approach to the Economic Analysis of Nonstationary Time
Series and the Business Cycle”, Econometrica 57: 357-384.
Hamilton, J. D., 1990, “Analysis of Time Series Subject to Changes in Regime”, Journal of
Econometric 45: 39-70.
Kelleher, D., Kim, G. S. and Kim, S., 2001, “Evidence of Bubbles in the Korean Stock
Markets”, EFMA Meeting Proceedings, Lugano, Switzerland.
Kim, C. J., Nelson, C. R. and Startz, R., 1998, “Testing for Mean Reversion in Heteroske
-dastic Data Based on Gibbs-Sampling-Augmented Randomization”, Journal of Empirical
Finance 5: 131-154.
Van Norden, S. and Schaller, H.1993, “The Predictability of Stock Market Regime : Evidence
from the Toronto Stock Exchange”, Review of Economics and Statistics 3: 505-510.
Van Norden, S. and Vigfusson, R. 1998, “Avoiding the Pitfalls: Can Regime –Switching Tests
Reliably Detect Bubbles?” Studies in Nonlinear Dynamics and Econometrics 3: 1-22.
Quandt, R. E., 1958, “The Estimation of Parameters of Linear Regression System Obeying
Two Separate Regimes”, Journal of the American Statistical Association 55: 873-880.
12
Chinese Stock Price Bubbles Test Based On
Markov Switching Method
Qingbin Meng Aimin Zhou Xiaoting Jing
(Nankai University, Tianjin, 300071)
Abstract: To explore the price bubbles in Chinese stock markets, we choose the econometric
method of Johansen Co-integration test and set up homogeneous and non-homogeneous Markov
Switching models to test the bubbles of Shanghai-securities Index between January 1996 and
August 2007. The result shows that the bubbles mainly appear in 1996-1997, 1999 and November,
2006-August, 2007. From the end of 2006 to August 2007, bubbles become bigger and bigger.
Meanwhile, bubbles of Shenzhen-securities Index of the same period are studied to validate the
co-movement of the two stock markets in China. According to the result, several suggestions are
given to avoid the negative effects to the economy.
Key Words: Homogeneous Markov Switching model, Non-homogeneous Markov Switching
model, Johansen Co-integration test , Stock Price Bubbles
13