股市行業(yè)波動效應研究
——以醫(yī)藥生物行業(yè)為例

息巨迎 李倩 沈陽工業(yè)大學

一、引言

行業(yè)波動性是衡量金融市場的指標之一。波動性直接與市場不確定性及風險關聯(lián)，能夠體現(xiàn)金融市場的質(zhì)量與效率[1]。波動性是企業(yè)進行投資、財務杠桿等決策需要考慮的方面，其對經(jīng)濟周期和宏觀經(jīng)濟變量產(chǎn)生一定影響[2]。

2020年年初，因疫情原因，醫(yī)藥生物行業(yè)進入公眾視野。排除疫情問題的影響，其實伴隨著科技發(fā)展、社會進步，及人口老齡化問題的日益嚴重，醫(yī)藥生物行業(yè)的前景本就十分開闊，早就引起廣大投資者的關注。

二、研究設計

（一）研究方法與計量模型

目前，研究金融數(shù)據(jù)波動情況的兩大主流模型是GARCH族模型與SV族模型，GARCH 模型的特點是波動率方程是確定性的函數(shù)，估計方法可直接采用極大似然估計[3]；SV 模型則減少了限制條件，SV 類模型的假設條件更貼近現(xiàn)實，理論研究也相對容易[4]。因此本文采用SV-T模型刻畫醫(yī)藥生物行業(yè)的波動性。

SV-T模型是均值方程yt的殘差項 服從自由度為ω的t分布，能夠更好刻畫具有尖峰厚尾特性的金融序列。公式如下：

其中，εt～i.i.dt(ω),t=1,2,…n，ηt～i.i.d N(0,σ2),t=1,2,…n，yt為第 t日序列收益率，θt為序列的波動率。εt獨立同分布且服從標準正態(tài)分布，ηt描述了波動的擾動幅度情況。 是關于波動持續(xù)性的參數(shù)[5]。己知收益率，需要估計的參數(shù)是 。

（二）數(shù)據(jù)選取

本文選取研究對象為申萬一級行業(yè)指數(shù)中醫(yī)藥生物行業(yè)指數(shù)，數(shù)據(jù)為2010.07.01-2020.08.30的日收益率。

三、實證分析

（一）數(shù)據(jù)平穩(wěn)性檢驗

從表1可知，醫(yī)藥生物行業(yè)收益率偏度為負即是左偏，且峰度大于3，表現(xiàn)為尖峰厚尾，即兩邊部分更加寬厚，中間部分峰值更高。

下面進行數(shù)據(jù)平穩(wěn)性檢驗。依據(jù)ADF檢驗，選取5%的置信水平，若P值不超過0.05，則該序列是平穩(wěn)的。根據(jù)表2可知，該行業(yè)收益率序列的單位根檢驗T統(tǒng)計量為0.0000，不超過0.01，則該收益率序列是平穩(wěn)序列，可以進行后續(xù)SV-T模型建模。

（二）波動性實證分析

該行業(yè)對數(shù)收益率序列平穩(wěn)，尖峰厚尾分布顯著，運用SV-T模型來進行建模。運用WINBUGS軟件對數(shù)據(jù)進行20000次迭代，得到該模型的參數(shù)估計值。結果如表3所示。

φ值是表示波動持續(xù)性，它的均值越接近于1，則行業(yè)的波動持續(xù)性越強。從上表可知，生物醫(yī)藥行業(yè)的φ值均值為0.9969，說明該行業(yè)的波動具有一定的持續(xù)性，表現(xiàn)出波動集聚效應。醫(yī)藥生物行業(yè)風險較大，投資時需要承受更高的風險。

表1 描述性統(tǒng)計結果

表2 單位根檢驗

表3 生物醫(yī)藥行業(yè)SV-T模型參數(shù)估計結果

σ2表明波動的擾動水平，σ2值越大，代表行業(yè)的波動過程越難以預測。該行業(yè)的值較高，表明不容易把握波動情況。

四、結論

2020 年初國內(nèi)外新冠肺炎疫情暴發(fā)，目前我國正迎來生物醫(yī)藥行業(yè)的黃金期。本文通過擴展的隨機波動模型進行實證分析，結果顯示：醫(yī)藥生物行業(yè)的收益率序列表現(xiàn)為尖峰厚尾，且波動集聚性明顯，表明該行業(yè)的波動持續(xù)性較強，較不易把握波動情況。