论文写作规范毕业论文格式开题报告范文|MBA论文范文本科论文范文硕士论文范文博士论文范文

  • 在线提交留言
  • 当前位置:首页 > 财会金融论文 > 证券论文

    我国股票市场“政策市”现象探究

    发布时间:2019-10-19 来源:www.coat35.com  作者:博硕论文辅导网

      TAGS标签:研究生论文  免费论文  论文下载  写作辅导  论文写作  论文致谢  参考文献  开题报告  职称论文  毕业论文  论文模板  论文范文

    我国股票市场“政策市”现象探究

    摘 要
    我国证券市场作为社会主义市场经济的一个重要组成部分,在促进资源优化配置和经济结构调整、推动企业改革和技术创新、转变经济体制和经济增长方式等方面发挥了重要作用。证券市场的发展,不仅更新了人们的生活消费方式和投资理财观念,而且筹集了社会主义现代化建设必需的资金,为经济发展和社会进步作出了重要贡献。但“政策市”一直是我国股票市场的“诟病”又是“鸡肋”,分析“政策市”为我国股票市场健康稳定的发展作出参考。
    关键字:股票,“政策市”,现象
    Abstract
    Chinese securities market as an important part of the socialist market economy, in the promotion of resource allocation optimization and adjustment of economic structure, promoting enterprise restructuring and technological innovation, transformation of economic system and economic growth way play an important role. The development of the securities market not only update the  people's life consumption and investment and financial management concepts, and to raise the funds necessary for the socialist modernization construction, and made important contribution to the economic development and social progress. However, the "policy market" has been the "criticism" of China's stock market, and the analysis of "policy market" is a reference to the healthy and stable development of China's stock market.
    Key words: stock, "policy market", phenomenon

     

    目 录

     

    第一章 绪论
    1.1选题背景和意义 
    为了能够让股票市场健康而稳定的发展,世界上任何一个国家都会对股票市场格外关注,会利用很多措施以及政策影响股票市场的行情,即是向美日之类的发达国家也不例外,但是基本上还是要依靠资本市场的市场运作,国家干预措施有限。与别国不同的是,我们国家对股票市场的政策影响力度之深、调节手腕之重是他国所不可比拟的,政策对我国股票市场的影响几乎无处不在。所以,人们称我国的股票市场为“政策市”。
    在此背景下,本选题意义即是为我国股票市场的发展提供理论参考,我国的金融经济发展改革是重要举措,采用高效的管理策略促使监管制度有效可行。保持与全球化金融发展的高度一致发展。监管的力度要扩大全面金融机构的发展,监管机制要适用于全球化发展策略,针对股市风险问题要系统化处理,及时有效的应对股市风险问题,从而促使我国金融健康稳定发展。
    1.2研究内容与研究方法
    本文对“政策市”对我国股票市场的影响进行分析,数据分析应用的主要方法是极值理论。极值理论Emil Julius Gumbel最早提出的。极值理论的适用特点,极值理论提供了描述经验分布尾部的工具,而不需要你拟合整个分布,且可以将左、右尾分开处理,因此其适用范围很广。极值理论非常适合于分析金融市场中极端事件的分布规律,尤其是对胖尾分布可以准确的估计出高置信水平的var。[ Y.MaleVergne.TheGoldMarket[M].South-Western College Publishing,2012:7-19]
    极值理论对市场风险测度和市场风险管理的启示,理论起源于工程领域上的应用,其理论基础是基于序统计量的渐进分布理论,由于金融市场极端事件重要性,用其分析金融市场的波动和分险是一个发展趋势。股市的暴涨暴跌会对经济、金融、社会产生重大影响。金融监管机构的首要目标是维持股票市场的平稳运行、健康发展。监管机构利用极值理论研究股市及直说一变化的规律,可以更好的进行风险管理,对金融机构来说可以更为有效地规避风险。[ IMF Staff Report. ExtremeFinancial Risks [J].Nber Paper.2012(1):7-13]在实际的应用中,金融机构可以使用极值理论计算高置信水平(水平以上)的var,以获得比历史模拟等方法更准确的市场风险评估结果,提高抵抗市场风险的能力。
    1.3 论文研究的难点与创新
    本文研究的难点是对于数据采集的运算以及分析,通过极值理论对上证指数、恒生指数以及道琼斯工业指数进行Var分布运算,分析“政策市”对风险的管控及股市的影响。
    本文的创新点也在于利用极值理论分析“政策市”对股市的影响,本文另一项创新点在于通过Var分布运算,将上证指数与恒生指数、道琼斯工业指数作对比,从而更直观地看出我国的“政策市”对股市的影响。
    第二章 我国“政策市”形成的背景原因
    2.1我国股票市场的概况
    中国股票发行以来,股票市场取得长足进步,但目前中国股市仍然深受政府政策影响,原来的计划经济体制及其运行机制,仍对股票市场产生强大的影响。股票市场实际上是按照国家在特定时期经济工作整体部署的要求运行,不是服从市场自身的规律性。
    2.2我国“政策市”的表现
    “政策市”有利于政府对市场的管控,防止投机倒把、恶意抛售等行为,有利于在出现极端风险时及时调整市场。但是,政策市又影响着股票市场剧烈的波动,新政策的颁布、领导人讲话、舆论造势甚至谣言传播都有可能引起股民们巨大的反应,不利于市场经济的平稳发展。[ 华生. 我国股市宏观调控观点述评[M].北京:经济出版社,2014]针对“政策市”存在的不利因素,我国必须淡化“政策市”对股票市场的影响,建立合理的市场机制,依靠市场调节,加强市场组织经营管理力度,影响促使的风险几率降低。
    2.3我国股市“政策市”的基本特征
    1、政策干预范围大。
    2、政策干预频率高。
    2.4我国股市“政策市”形成的原因
    1、“父权”的儒家思想。我国受儒家思想影响深重,我国政府对于企业特别是国企,就像父亲对孩子一样,一边管控一边“溺爱”,生怕在市场的风雨中受到闪失。
    2、中国早期股市功能错位。我国股票发行初期,是为了配合国企改制而定的,这就造成了股票市场功能错位。
    3、政府定位不清,角色混乱。我国政府在股市中承担了监管者、股东、保护者多重角色,使得定位混乱。[ 曹凤歧. 中国股市的政策特征和诱因. [M].北京:北京大学出版社,2013]
    4、政策缺乏系统性和连续性,时机和预见性较差。比如今年年初的“熔断”机制,没有预见性和系统性,造成了很恶劣的影响。
    5、早期缺乏做空机制等风险平衡工具。
    6、股市制度不健全。
    第三章 我国“政策市”对股票市场的利与弊
    3.1股票市场的融资作用
    改革开放后,我国的金融发展中面临金融改革,金融的改革中金融对内的公开和对外的政策放开需要不断推进。在金融对内的公开化进行中,要建立多元化的金融体系。在金融业的发展中,流露出需要不足,其中金融体系效率问题是主要问题。改善金融体系效率问题的关键是要加大内部竞争力度,仅仅依靠完善内部管理机制不能改善发展局面,更不能提高金融体系的效率。[ 成思危. 中国股票市场“政策市“之博弈. [M].北京:经济科学出版社,2013]必须建立多元化的金融体系来推翻国有对金融发展的限制。要进一步的完善金融市场体系结构,就要深化金融体制的改革,改进资本市场,提高投资吸收能力。
    直接融资可以促进企业的自有资本比率提升,降低金融风险,使得企业的还款能力得以提高,股票发行就是最好的直接融资的手段。在发展直接融资的同时减小了间接融资的范围,但是直接融资本身也具有风险存在,直接融资的发展不能仅仅思索对金融风险的不利因素,主要是考虑资源的利用率。直接融资的资源利用会造成其作用施展受限。
    3.2我国“政策市”对股票市场的影响
    3.2.1 政策影响数据分析
    以道琼斯工业指数DJI为例,计算时将收益序列转化为损失序列以计算左尾分布和var, 若计算右尾分位点,得直接使用收益率序列即可。图一是样本平均超过函数图形,可见在阀值0.02左右以上,呈现直线上升的情形,所以可以认为左尾具有胖尾现象。
    图二是样本经验分布相对正态的Q-Q图,在分部的左右尾的相同概率值处,经验分布的分位点的绝对值比相应的正态分布分位点的绝对值均大,说明经验分布左右尾均存在胖尾现象。直观上也可以发现在阀值0.02以上,Q-Q图的确已经偏离了直线(出现胖尾。)取阀值为-0.0219,对应的概率为2.23%,有80个
      图1道琼斯工业指数样本平均超越函数 
    图2 道琼斯工业指数Q-Q图  
    超越阀子的样本点,采用极大似然估计参数值为§=0.2435,其方差为0.1400,σ=0.0064其方差为0 0011。其他个市场指数的GPD估计阀值,对应的分位点及超限点个数见表1,左右尾的GPD参数的估计结果见表2,其中的参数估计方差通过bootstrap的抽样模拟方法获得,表3是各指数左右尾分别0.1%,99.9%分位点估计置信区间(95%显著水平)估计方法见Evis Kellezi[ IMF Staff Report. ExtremeFinancial Risks [J].Nber Paper.2012(1):7-13],左尾0.1%分位点即99.9%水平的VAR值。
            表1  各市场指数的GPD估计阀值、对应的分位点及超限点数
    指数 右尾 左尾
     阀值 分位点 超限点数 阀值 分位点 超限点数
    SSEC 0.025 0.913 283 -0.015 0.146 475
    SZSC 0.047 0.968 100 -0.046 0.025 80
    DJI 0.019 0.969 111 -0.021 0.022 80
    N225 0.035 0.985 50 -0.033 0.020 72
    HIS 0.023 0.939 214 -0.036 0.020 73
    TWII 0.049 0.990 16 -0.032 0.036 59
    SETI 0.028 0.932 109 -0.035 0.033 55
                    表2  各市场指数的GPD参数估计值 
    指数 右尾 左尾
     ξ se(ξ) δ se(δ) ξ se(ξ) δ se(δ)
    SSEC 0.362 0.086 0.016 0.001 0.219 0.063 0.015 0.0012
    SZSC 0.367 0.149 0.017 0.003 0.324 0.157 0.016 0.0031
    DJI 0.243 0.153 0.005 0.001 0.243 0.14 0.006 0.0011
    N225 0.115 0.150 0.011 0.001 0.119 0.179 0.007 0.0017
    HIS 0.226 0.084 0.009 0.002 0.277 0.165 0.011 0.0024
    TWII 0.292 0.304 0.004 0.001 0.197 0.185 0.009 0.0021
    SETI 0.141 0.133 0.014 0.001 0.273 0.216 0.008 0.0022

    指数 右尾 左尾
     下界 分位点 上界 下界 分位点 上界
    SSEC 0.160 0.2102 0.3149 -0.2088 -0.1548 -0.0635
    SZSC 0.126 0.159 0.250 -0.180 -0.126 -0.106
    DJI 0.04 0.0501 0.0721 -0.0702 -0.0514 -0.0438
    N225 0.062 0.071 0.0931 -0.0803 -0.061 -0.0552
    HIS 0.073 0.0868 0.116 -0.134 -0.0923 -0.076
    TWII 0.0578 0.064 0.096 -0.1357 -0.0794 -0.064
    SETI 0.0683 0.111 0.1702 -0.0692 -0.0692 -0.0692
          表3  右尾99.9%分位点和左尾0.1%分位点(VaR)的95%置信空间
    图3是道琼斯指数左尾的GPD分不拟合图,可见拟合效果非常好,图4是相应的收益率左尾分布对数坐标图,近似直线的图形说明左尾是渐进pareto分布,图5是选择不同的超限点数(对应不同的阀值)得到的GPD参数的变化图,当超限点为80时开始平稳。
    图3道琼斯工业指数GPD分布拟合图
    图4道琼斯工业指数尾部分布图(对数图)
    图5道琼斯工业指数左尾参数§与超限点数的关系

    根据2015年3月份股市数据,下面是采用BLOCK方法进行的计算,取子区间长度为一个月(约21天)计算格各指数的极值指数见表1。极值指数均不等于,说明分块极值不是独立过程,在计算GEV-var的时候需要引入极值指数。图7~图9分别是上证指数、道琼斯
                        表1  极值指数的计算
    指数 SSEC SZSC DJI N225 HIS TWII SETI
    极值指数 0.52 0.61 0.7 0.65 0.56 0.74 0.68

       图7上证指数的极值指数
       图8道琼斯工业指数的极值指数
                     图9恒生指数的极值指数
    工业指数、香港恒生指数的极值指数(横坐标是阀值对应的概率),当阀值在90%概率以上的高分位点时,极值指数基本上是稳定的。
    对上证综合、深证成分、香港恒生指数,分别取GEV估计的分块区间长度为一个月,两个月,三个月,六个月,计算相应的GEV分布参数的极大似然估计,结果见表5,其他指数采用同样的方法可以计算。不同分块长度的估计参数值基本一致,实证表明不同区间长度的极大序统计量的分布差别很小。
    表5  GEV分布参数估计结果
    指数 尾部 长度 ξ σ μ se(ξ) se(σ) se(μ)
    SSEC 右尾 1个月 0.2312 0.02 0.0274 0.0588 0.0014 0.0018
      2个月 0.162 0.0259 0.039 0.085 0.0026 0.0033
     左尾 1个月 0.3189 0.014 0.025 0.0667 0.001 0.0014
      2个月 0.3135 0.0195 0.0334 0.0916 0.0021 0.0025
    SZSC 右尾 1个月 0.391 0.0191 0.0244 0.064 0.0015 0.001
      2个月 0.3916 0.02 0.0334 0.0983 0.0032 0.0036
     左尾 1个月 0.219 0.0196 0.023 0.0719 0.001 0.001
      2个月 0.133 0.0249 0.031 0.1009 0.0025 0.0032
    HIS 右尾 1个月 0.254 0.009 0.0222 0.065 0.0007 0.0008
      2个月 0.2854 0.0105 0.026 0.0966 0.001 0.001
     左尾 1个月 0.3112 0.0101 0.0191 0.0763 0.0008 0.0009
      2个月 0.284 0.012 0.025 0.092 0.0013 0.0015

    基于GEV分布的市场极端风险分析,市场极端事件的发生对市场秩序的稳定是不利的,如大的市场崩盘现象。下面根据各市场的极值分GEV分布,计算市场最大损失低于某一预期值的期望等待月数,以及市场最大收益高于某一预期值的期望等待月数。以反映市场的尾部风险状况。设预期损失值为μ,X为一个月的最大损失序统计量。
    考虑到多数市场实行涨跌±10%停板制度,重点考察-0.05、-0.09、0.05、0.09四个预期点(对数收益率),结果见表6。
                  表6  极端收益超出或低于某一阀值的期望月数
    指数 低于-0.05 低于-0.09 高于0.05 高于0.09
    SSEC 3.4596 9.3018 3.8567 13.3235
    SZSC 3.261 11.055 4.3174 15.809
    DJI 59.815 670.401 42.772 483.272
    N225 11.7 114.8 15.3 4847
    HIS 9.9325 64.027 9.0829 42
    TWII 8.767 282.41 7.74 103.77
    SETI 4.8135 22.0871 6.7491 83.1925

     

     


        考察在T月之内至少发生一次的极端事件。
    即在T月内收益或损失至少有一次超过μ,各市场分析结果见表7,分为有利事件(牛市)和不利事件(熊市) 两个相反的市场极端行为。
                  表7   各市场的T月极端事件比较
    指数 3月事件 6月事件 12月事件
     牛市 熊市 牛市 熊市 牛市 熊市
    SSEC 0.0451 -0.0426 0.0707 -0.0634 0.1027 -0.0863
    SZSC 0.047 -0.0408 0.069 -0.058 0.093 -0.080
    DJI 0.0199 -0.020 0.025 -0.0253 0.032 -0.0319
    N225 0.0311 -0.0322 0.0405 -0.0405 0.0503 -0.047
    HIS 0.031 -0.0297 0.0418 -0.0418 0.053 -0.056
    TWII 0.0375 -0.0366 0.045 -0.046 0.0535 -0.0563
    SETI 0.040 -0.0372 0.0548 -0.0482 0.071 -0.0589
        根据上面的分析,可以得到一些重要的结论:
    对同一极端事件,美国,英国,日本,新加坡等成熟市场的期望等待时间要比中国,泰国,墨西哥,马来西亚等新兴市场长,反映了新兴市场的极端风险较大。另外,中国市场实行涨跌停板制度后,期望等待时间均增长了二到三倍,说明市场运行更有序稳定。再次表明,成熟市场比新兴市场的T月事件绝对值小相应的风险也小,中国股市时是涨停板制度以后,降低了市场极端事件发生的概率;在1997年以后,中国市场的极端风险在亚洲国家中处于中游水平,受1997年亚洲金融危机的长期影响,泰国,印尼,马来西亚的极端风险较高。可以看得出,“政策市”在金融风险管控上卓有成效。

    原文地址:http://www.coat35.com/ckjr_lunwen/zq_lunwen/21665.html,如有转载请标明出处,谢谢。 您可能在寻找关于证券论文方面的范文,您可以到财会金融论文频道查找。

    在线咨询】【写作辅导】【论文检测】【论文改重】【论文翻译

    会员投稿】【范文模板】【开题报告】【资料下载】【提交留言

    发表评论 共有条评论
    用户名: 密码:
    验证码: 匿名发表
    论文写作指导
    论文在线咨询

    热门论文热门下载

    京ICP备18055229号
    四季在线轮盘机