中石油股价异动的市场效应

来源:用户上传      作者:

　　【摘要】本文研究了市场大跌与中石油大涨的关系，通过研究发现市场大跌与前5个交易日内中石油大涨这一事件存在显著的负相关关系，同时我们发现市场在经历一波上涨行情后，中石油的大涨成为稳定大盘掩护资金出逃的有效手段。
　　【关键词】股价异动市场效应负相关
　　一、引言
　　自2007年11月5日，中石油这头庞然大物登陆A股市场以来就一直上演着跌跌不休的行情，至今股价未能超过发行价。这只发行前被业界吹捧为可以传给孙子的股票，对于上市初买入的投资者看起来有可能要到孙子手里才能够解套。更为奇怪的现象是，许多时候，一旦中石油大涨，随后几个交易日内的A股市场就会上演一幕跳水的行情，最近一次最明显的事件就是2010年11月12日A股市场大跌5.15%，恰好前一个交易日石化双雄（中石油、中石化）冲击涨停板，当天中石油收盘上涨7.69%。中石油的大涨与A股市场随后的大跌是偶然事件还是有些某种特定的关系？如果有些某种关系，它的原因又是什么呢？这就是本文致力于解决的问题。文章总体安排如下，第二部分是数据的统计性描述，第三部分是模型的建立，第四部分实证检验，第五部分是结论。
　　二、统计性描述
　　数据来源于CSMAR中国股票市场交易数据库、中国宏观经济研究数据库以及中国银行间交易数据库，日数据时间跨度2007.11.5-2011.1.4，月数据为2007.11-2010.11。下面着重对中石油上市以来股价的日收益率与上证综合指数的日收益率做统计性描述。
　　表1是中石油上市以来日收益率的区间分布情况，从表中我们可以看到中石油日收益率绝大多数分布在（-3%，3%）的区间范围中，且收益为正的交易日占总交易日47.01%，收益为负的交易日占总交易日52.99%，收益为正的交易日明显大于收益为负的交易日。同时收益率大于4%和小于-4%的天数分别为29天和38天，占总交易日的比率分别为3.77%和4.94%；所占的比率非常之小，所以我们定义中石油收益率大于4%和小于-4%分别为中石油的大涨日和大跌日，从概率的角度来看，显然中石油的大涨日和大跌日的发生可以看成是小概率事件，所以这样的定义是符合经济学客观规律的。同时，根据统计，在中石油上市后，上证综指共有37个交易日日收益率小于4%，占总交易日的4.8%，所以我们可以认定上证综指跌幅超过4%为大跌。
　　表2-1给出了中石油大涨后5个交易日内上证综指大跌的情况，在这里我们可以清楚地看到，在中石油大涨之后的5个交易日内，上证综指出现了大跌的情况共有9次，占中石油上市来总的大涨日的31%，因此我们认识中石油的大涨和在它大涨之后5个交易日内上证综指的走势存在有一定的关系，至于具体有多少影响，我们将在实证部分检验。另外，在这里我们为什么选的交易日期限是5个交易日，而不是更长或更短？因为，影响股票市场的因素可以说是错综复杂的，延后的交易日越多，则影响股票市场的因素越多，这样的话原有某一因素对股票市场的影响力将随着新的影响因素的产生而不断削弱，即在中石油某次大涨后，随着时间的流逝，这一次大涨对上证综指的影响会逐渐的消失，所以不能把交易日期限取得过长。当然，交易日期限取得过短也是不行的；从表2-2中我们可以清楚地看到，只有20008年6月18日和2010年11月11日这两组数据的交易日间隔小于两天，所以交易日期限过短会导致数据的缺乏，而这种意义上的数据缺乏，不易于后面模型的检验。
　　三、模型
　　本文主要研究中石油的大涨与随后A股市场大跌间的关系，因此我们只考虑中石油股价上涨的交易日，同时认为中石油股价上涨4%（包括4%）为大涨，上证综指跌幅超过4%为大跌，建模如下：
　　Ri=β0+β1Ri--5+β2ri+β3πi+β4Di+μi
　　Ri ：中石油上市后上证综指的日收益率
　　Ri--5 ：上证综指前5个交易日的平均收益率，反映市场的动量交易情况
　　ri ：银行隔夜拆借利率，反映市场资金的紧缺情况
　　πi ： 通货膨胀率，用当月的CPI的增幅表示
　　Di ：0-1型变量，若上证综指大跌日（收益率小于-4%）前5个交易日内中石油存在大涨 为1，否则为0
　　μi ： 影响上证综指大跌的其他因素
　　该模型的意义为，当上证综指未大跌时，我们认为前5个交易日的平均收益率，银行隔夜拆借利率和通货膨胀率为主要解释变量，当上证综指大跌时，前5个交易日内中石油的大涨这一事件也为解释变量，因此这一模型可以很清楚的检验出历次市场大跌与中石油大涨之间的关系。
　　四、实证检验
　　通过计算，我们共获得744个样本点，其中银行间拆借利率缺失的数据点用前一交易日数据补齐，原因在于市场上资金的供求情况的往往会影响一段时间，因此用前一交易日的数据补齐不会造成大的影响。
　　表4-1给出了模型回归结果，前五个交易日内平均数据的系数为0.047，所以解释变量—前五个交易日内的平均收益率与被解释变量—中石油上市后上证综指的日收益率，是正相关的，并且在保持其他三个解释变量不变的情况下，前五个交易日内的平均收益率每增加一个单位，将会使中石油上市后上证综指的日收益率增加4.7%个单位。这个解释变量可以看成是股票市场追涨杀跌的一种惯性。银行间隔夜拆借利率的系数为-0.191，所以解释变量—银行间隔夜拆借利率与被解释变量—中石油上市后上证综指的日收益率，是负相关的，并且在保持其他三个解释变量不变的情况下，银行间隔夜拆借利率每增加一个单位，将会使中石油上市后上证综指的日收益率减少19.1%。这说明市场的资金状况对股票市场有着深远的影响，这也符合中国股市是一个资金推动型市场的客观实际。通货膨胀率的系数为-0.018，所以解释变量—通货膨胀率与被解释变量—中石油上市后上证综指的日收益率负相关，并且在保持其他三个解释变量不变的情况下，通货膨胀率每增加一个单位，将会使中石油上市后上证综指的日收益率减少1.8%。这说明当通胀增加，国家为控制通胀，将实行紧缩的货币政策，将导致市场资金紧缺，从而导致股市下跌。前5个交易日内中石油上涨的影响的系数为-0.049，所以解释变量—前5个交易日内中石油上涨的影响与被解释变量—中石油上市后上证综指的日收益率是负相关的，并且在保持其他三个解释变量不变的情况下，若中石油出现大涨，并且在五个交易日内上证综指出现大跌，则我们可以认为中石油大涨这一事件会使上证综指下降4.9%。 　　是什么原因造成了市场大跌与前5个交易日内中石油大涨之间这一显著的负相关关系呢？我们将通过如下的统计结果看出。
　　表4-2给出了中涨日整个市场的情况，有下划线的为在之后5个日存在市场大跌的情况。从表中我们可以清楚地看到，前6个有下划线的交易日，市场和中石油同时上涨超过3%，其中有5个交易日超过4%，且上证A股上涨的公司数占绝对优势，同时从时间上来看，这段时间恰好是金融危机时间，大涨本身就是昙花一现的情形，因此这6次中石油大涨随后的市场大跌可以看成市场大涨后的调整行为。后3个有下划线的交易日则较为特殊，市场上涨小于3%，且2009年7月24日和2010年11月11日两个交易上证A股下跌公司是上涨公司的2倍多，当然我们也观察到2009年3月20日那天也有类似情况发生而随后5个交易日内却未发生大跌，这是为什么呢，通过查阅资料发现2009年3月20日恰好一波上涨行情的启动时，之前市场行情一直较为平淡，而2009年7月24日和2010年11月11日为一波上涨行情接近尾声。因此可以认为这两个交易日是利用中石油在上证综指中的权重，拉高中石油稳住大盘掩护资金出逃。
　　五、结论
　　本文研究了市场暴跌与中石油大涨的关系，主要得到以下结论：
　　市场的大跌与与前5个交易日内中石油大涨这一事件存在存在显著的负相关关系。这一负相关关系存在的原因在于中石油和市场同步上涨时市场的回调影响，而非同步上涨时，利用中石油在行情尾声时做资金出逃行为。
　　参考文献
　　[1]Andersen T G，Bollerslev T，Diebold F X，et al.Modeling and forecasting realized volatility[ J]. Econometrica，2003，71（ 2） ： 579 - 625.
　　[2]Andersen T G，Bollerslev T，Diebold F X，et al. Great realizations[J]. Risk 2000，（ 13） ： 105 - 108.
　　[3]Andersen T G，Bollerslev T，Lange S. Forecasting financial market volatility： Sample frequency vis-a-vis forecast horizon J]. Journal of Empirical Finance，1999，6（ 5） ： 457 - 477.
　　[4]Andersen T G，Bollerslev T，Meddahi N. Analytic evaluation of volatility forecasts J]. International Economic Review，2004，45（ 4） ： 1079 - 1110.
　　[5]Andersen T G，Bollerslev T，Diebold F X，et al. The distribution of stock return volatility[J]. Journal of Financial Economics，2001，61（ 1） ： 43 - 76.
　　[6]魏宇. 沪深300 股指期货的波动率预测模型研究[J]. 管理科学学报，2010，13（ 2） ： 66 - 76.
　　Wei Yu. Volatility for ecasting models for CSI300 index futures[J]. Journal of Management Sciences in China，2010，13 （ 2） ： 66 - 76. （ in Chinese）
　　[7]Barndorff-Nielsen O E，Shephard N. Econometric analysis of realized covariation： High-frequency covariance，regression and correlation in financial econometrics J]. Econometrica，2004a，72（ 3） ： 885 - 925.
　　[8]Andersen T G，Bollerslev T，Diebold F X. Parametric and Nonparametric Volatility Measurement[M]/ / Ait-Sahalia Y，Hansen L P. Handbook of Financial Econometrics，Amsterdam： North-Holland，2008.
　　[9]McAleer1 M，Marcelo C M. Realized volatility： A review[J]. Econometric Reviews，2008，27（ 1 - 3） ： 10 - 45.
　　[10]Andersen T G，Bollerslev T，Diebold F X，et al. Exchange rate returns standardized by realized volatility are （ nearly） Gaussian[J]. Journal of the American Statistical Association， 2001，96（ 453） ： 42 - 55.
转载注明来源:https://www.xzbu.com/9/view-4535354.htm