金春雨,郭沛, 程浩

摘要：本文運(yùn)用 SWARCH 模型分析了我國(guó)醫(yī)療保健板塊收益率的波動(dòng)，并將醫(yī)療保健板塊收益率與上證綜指、深證成指收益率的 SWARCH 模型的估計(jì)結(jié)果進(jìn)行比較，得出以下結(jié)論：醫(yī)療保健指數(shù)收益率序列呈現(xiàn)出低、中、高三種波動(dòng)狀態(tài)，樣本區(qū)間主要分布于中波動(dòng)狀態(tài)，低波動(dòng)狀態(tài)的平均持續(xù)期最長(zhǎng)、中波動(dòng)狀態(tài)的平均持續(xù)期居中、高波動(dòng)狀態(tài)的平均持續(xù)期最短，醫(yī)療保健指數(shù)收益率波動(dòng)杠桿效應(yīng)顯著；我國(guó)股市醫(yī)療保健板塊收益率波動(dòng)狀態(tài)之間的差異高于滬深綜指波動(dòng)狀態(tài)的差異，醫(yī)療保健指數(shù)收益率與滬深綜指收益率區(qū)制轉(zhuǎn)移趨同，但存在著細(xì)微差異；醫(yī)療保健指數(shù)收益率各區(qū)制間轉(zhuǎn)移相對(duì)頻繁，每種波動(dòng)狀態(tài)的平均持續(xù)期較短，股市醫(yī)療保健板塊收益率對(duì)新信息的反應(yīng)更為敏感。

關(guān)鍵詞：馬爾可夫區(qū)制轉(zhuǎn)移；杠桿效應(yīng)；股指收益率；平滑概率；醫(yī)療保健行業(yè)

中圖分類號(hào)：F224.0；R195文獻(xiàn)標(biāo)識(shí)碼：A

一、引言

20世紀(jì)60代，F(xiàn)ama（1965）發(fā)現(xiàn)投機(jī)性的資本價(jià)格變化和收益率變化具有顯著的時(shí)變性，即價(jià)格波動(dòng)呈現(xiàn)集聚性和條件異方差性，且呈現(xiàn)出尖峰厚尾分布特點(diǎn)。Fama于1970年提出了隨機(jī)游走模型，并把該模型運(yùn)用于股票市場(chǎng)波動(dòng)性研究中。近年來的大量研究也發(fā)現(xiàn)，金融時(shí)間序列數(shù)據(jù)并不符合正態(tài)分布假設(shè)，股票市場(chǎng)波動(dòng)具有顯著的條件異方差性。針對(duì)波動(dòng)的這種特征，Engle（1982）提出了ARCH模型，用以刻畫英國(guó)通貨膨脹指數(shù)變化的特征，有效地刻畫了通貨膨脹率變化的集聚性和條件異方差性；Bollerslev（1986）提出了ARCH模型的擴(kuò)展形式，即GARCH模型。GARCH模型誤差項(xiàng)的條件方差不僅僅是滯后誤差項(xiàng)平方的函數(shù)，也是其滯后條件方差的線性函數(shù)，它既考慮了前期波動(dòng)大小的影響，又考慮了波動(dòng)的變化趨勢(shì)，基于GARCH模型的擴(kuò)展形式演化發(fā)展形成了ARCH模型族。隨著金融市場(chǎng)波動(dòng)性研究的深入，國(guó)外學(xué)者發(fā)現(xiàn)金融市場(chǎng)中易受影響的收益率序列，存在著和經(jīng)濟(jì)周期一樣的波動(dòng)狀態(tài)轉(zhuǎn)換特征。這種波動(dòng)特征是ARCH模型族不能準(zhǔn)確刻畫的，但是股票市場(chǎng)中這種波動(dòng)狀態(tài)變結(jié)構(gòu)又是實(shí)際存在的，比如股市收益率序列的高波動(dòng)往往持續(xù)較短的時(shí)間就會(huì)恢復(fù)到低中波動(dòng)狀態(tài)。大量實(shí)證分析發(fā)現(xiàn)ARCH族模型存在往往會(huì)高估波動(dòng)持續(xù)性的缺點(diǎn)，這主要是由于ARCH族模型忽略波動(dòng)狀態(tài)變結(jié)構(gòu)，導(dǎo)致其高估了波動(dòng)持續(xù)性，這大大降低了其波動(dòng)的長(zhǎng)期預(yù)測(cè)精度，特別是當(dāng)出現(xiàn)異常收益時(shí)，導(dǎo)致估計(jì)參數(shù)極不穩(wěn)定。為了更好地捕捉時(shí)間序列的波動(dòng)性特征，Hamilton（1994）提出了區(qū)制轉(zhuǎn)移的ARCH（Regime—switching ARCH，SWARCH）模型，并以美國(guó)股票市場(chǎng)為研究對(duì)象，結(jié)果證明SWARCH模型大大降低了ARCH模型高估的波動(dòng)持續(xù)性。

國(guó)內(nèi)學(xué)者在考慮模型中結(jié)構(gòu)轉(zhuǎn)變因素時(shí)，也將馬爾可夫結(jié)構(gòu)轉(zhuǎn)換引入到了ARCH模型中進(jìn)行實(shí)證研究。蔣祥林、王春峰、吳曉霖等（2004）運(yùn)用SWARCH模型，對(duì)中國(guó)股市的波動(dòng)性進(jìn)行實(shí)證分析，發(fā)現(xiàn)SWARCH對(duì)股市波動(dòng)性的刻畫和預(yù)測(cè)能力優(yōu)于ARCH類模型，劉金全、劉志剛（2005）將區(qū)制轉(zhuǎn)移引入GARCH模型中，分析了我國(guó)滬市指數(shù)收益率序列的區(qū)制轉(zhuǎn)移特征，發(fā)現(xiàn)滬市波動(dòng)存在著顯著的波動(dòng)區(qū)制持續(xù)性和轉(zhuǎn)移現(xiàn)象。嚴(yán)太華、陳明玉（2009）通過非線性和結(jié)構(gòu)性變化檢測(cè)發(fā)現(xiàn)了上證指數(shù)波動(dòng)的變結(jié)構(gòu)特征，又進(jìn)一步利用馬爾可夫切換模型模擬數(shù)據(jù)，識(shí)別出上證指數(shù)收益率波動(dòng)有三種主要的狀態(tài)：慢漲、慢跌和快漲，結(jié)果證實(shí)馬爾可夫切換模型在刻畫股市波動(dòng)的階段性特征上比較有效。鄭廷國(guó)、劉金全（2008）討論了非對(duì)稱SV模型的擴(kuò)展Kalman濾波的估計(jì)方法，并對(duì)滬深股市進(jìn)行了實(shí)證分析，驗(yàn)證了滬深股市存在波動(dòng)的杠桿效應(yīng)，證實(shí)了這種估計(jì)方法的有效性、準(zhǔn)確性。劉金全、李楠、鄭廷國(guó)（2010）將區(qū)制轉(zhuǎn)移SV模型的MCMC估計(jì)方法應(yīng)用于上證綜指周收益率序列分析，較好地刻畫了滬市波動(dòng)性特征。由于國(guó)內(nèi)對(duì)于股價(jià)波動(dòng)的模擬與刻畫多數(shù)是針對(duì)上證綜指和深證成指展開的，對(duì)股市行業(yè)板塊的股價(jià)波動(dòng)研究沒有深入到變結(jié)構(gòu)特征的刻畫層面。本文將SWARCH模型應(yīng)用于股市醫(yī)療保健板塊波動(dòng)的計(jì)量檢驗(yàn)，并與上證綜指和深證成指波動(dòng)特征進(jìn)行比較，探究醫(yī)療保健指數(shù)波動(dòng)特征。

二、我國(guó)股市醫(yī)療保健行業(yè)股指與滬深綜合股指波動(dòng)的統(tǒng)計(jì)特征分析本文選取我國(guó)醫(yī)療保健行業(yè)股指，1999年12月30日到2010年10月22日的日交易收盤價(jià)，所選指數(shù)序列記為{Pt}，數(shù)據(jù)來源于Wind資訊網(wǎng)。另外，大盤股市的上證綜合指數(shù)和深圳成分股指數(shù)選取的是2000年1月4日到2010年10月22日雅虎財(cái)經(jīng)網(wǎng)公布的日收盤價(jià)數(shù)據(jù)，下文簡(jiǎn)稱為綜合指數(shù)。股指收益率序列{Rt}的計(jì)算公式為：Rt=100×log（Pt/Pt—1），根據(jù)該計(jì)算公式算得的醫(yī)療保健指數(shù)收益率序列有 2607 個(gè)觀測(cè)值，圖1、圖3、圖5 分別給出了醫(yī)療保健指數(shù)收益率序列、上證綜指收益率、深證成指收益率在樣本區(qū)間的趨勢(shì)圖，圖2、圖4、圖6 分別給出了相應(yīng)的各收益序列的Q—Q 圖。圖1醫(yī)療保健指數(shù)收益率序列趨勢(shì)圖圖2醫(yī)療保健指數(shù)收益率序列Q—Q圖圖3上證綜指收益率序列趨勢(shì)圖圖4上證綜指收益率序列Q—Q圖

從圖1與圖2可以看出醫(yī)療保健指數(shù)的日收益率序列波動(dòng)呈現(xiàn)出顯著的時(shí)變性與集聚性特征，特別是2007年到2010年間收益率呈現(xiàn)頻繁的高波動(dòng)狀態(tài)，這說明來自2007年美國(guó)次貸危機(jī)引起的全球金融風(fēng)暴對(duì)我國(guó)股市強(qiáng)烈的影響作用，已嵌入到了我國(guó)股市行業(yè)層面。另外，在2001年下半年到2002年年初這一時(shí)段，醫(yī)療保健行業(yè)指數(shù)收益率波動(dòng)集聚表現(xiàn)也很突出，這主要是由于時(shí)逢1997年以來的證劵市場(chǎng)監(jiān)管年，以及7月份申奧成功、9月份美國(guó)“9·11事件”和11月份通過加入WTO的審議等諸多頗具影響力的事件，股市受到強(qiáng)烈頻繁的沖擊，各行業(yè)板塊出現(xiàn)了暴漲暴跌的現(xiàn)象，醫(yī)療保健板塊受到不可避免的沖擊，將圖1、圖2表示的醫(yī)療保健指數(shù)的日收益率序列，與圖3、圖4表示的上證綜指收益率序列，及圖5、圖6表示的深證成指收益率序列比較，可以發(fā)現(xiàn)醫(yī)療保健指數(shù)日收益率序列波動(dòng)呈現(xiàn)的時(shí)變與集聚特征時(shí)段與我國(guó)股市綜合指數(shù)的日收益率序列波動(dòng)的時(shí)變與集聚時(shí)段幾乎相同，且在觀測(cè)區(qū)間內(nèi)高波動(dòng)集聚現(xiàn)象幾乎同時(shí)期發(fā)生。

下面對(duì)股市醫(yī)療保健行業(yè)指數(shù)和上證綜合指數(shù)收益率序列與深證成指收益率序列進(jìn)行基本統(tǒng)計(jì)描述分析、平穩(wěn)性檢驗(yàn) （ADF） 和 ARCH 效應(yīng)檢驗(yàn)，揭示我國(guó)股市醫(yī)療保健行業(yè)指數(shù)收益率的波動(dòng)特征，分析結(jié)果如表 1 所示。圖5深證成指收益率序列趨勢(shì)圖圖6深證成指收益率序列Q—Q圖

從表1可以看出醫(yī)療保健指數(shù)日收益率的偏度為負(fù)值，峰度大于3，即醫(yī)療保健指數(shù)收益率序列呈現(xiàn)出左偏、尖峰分布特征，且其Jarque—Bera檢驗(yàn)值及其伴隨概率P=0也表明其收益率序列不服從正態(tài)分布。另外，圖2還給出了醫(yī)療保健行業(yè)指數(shù)收益率序列Q—Q圖，更加直觀地顯示了醫(yī)療保健指數(shù)收益率明顯地偏離正態(tài)分布的特征，即呈現(xiàn)出厚尾分布特征。醫(yī)療保健指數(shù)收益率序列在ADF檢驗(yàn)1%的顯著性水平下是平穩(wěn)序列，表1的檢驗(yàn)結(jié)果顯示ARCH—LM檢驗(yàn)的伴隨概率為P=0，拒絕其原假設(shè)，這說明醫(yī)療保健指數(shù)收益率存在著顯著的異方差性，即ARCH效應(yīng)。從表1可以看出醫(yī)療保健行業(yè)指數(shù)收益率序列的統(tǒng)計(jì)特征，與上證綜合指數(shù)收益率序列和深證成指收益率序列呈現(xiàn)的波動(dòng)特征是一致的。由標(biāo)準(zhǔn)差度量波動(dòng)上看，醫(yī)療保健指數(shù)收益率的標(biāo)準(zhǔn)差與深證成指收益率序列比較接近，略大于上證綜指，這意味著醫(yī)療保健板塊的平均收益波動(dòng)率要高于上證綜指，但略低于深證成指，這說明對(duì)于一直受制于國(guó)家政策的醫(yī)療保健行業(yè)，其發(fā)展過程呈現(xiàn)出比較穩(wěn)定的特征。

三、基于 SWARCH 模型的醫(yī)療保健行業(yè)股指波動(dòng)特征與杠桿效應(yīng)計(jì)量檢驗(yàn)由于股市在不同環(huán)境和不同時(shí)段會(huì)產(chǎn)生一定的波動(dòng)特點(diǎn)，表現(xiàn)出波動(dòng)持續(xù)性和波動(dòng)狀態(tài)區(qū)制持續(xù)性。下面利用馬爾可夫區(qū)制轉(zhuǎn)移ARCH模型（SWARCH模型），對(duì)我國(guó)股市醫(yī)療保健指數(shù)收益率波動(dòng)存在的持續(xù)性進(jìn)行檢驗(yàn)，并進(jìn)一步測(cè)度不同波動(dòng)持續(xù)狀態(tài)的持續(xù)時(shí)間長(zhǎng)短，及不同波動(dòng)持續(xù)狀態(tài)間的轉(zhuǎn)移特征等。

以往大量研究表明ARCH模型族（Engle，1982）對(duì)于股市波動(dòng)時(shí)變性中的波動(dòng)集聚性、波動(dòng)持續(xù)性，及波動(dòng)非對(duì)稱性都給出了很好的刻畫效果，然而金融時(shí)間序列總是復(fù)雜的并伴隨偶發(fā)性結(jié)構(gòu)突變，這在兩大類模型中并未得到刻畫。Lamoureux and Lastrapes（1990）認(rèn)為條件方差的持續(xù)性被高估，可能是由于存在不能被ARCH模型解釋的結(jié)構(gòu)突變。Hamilton and Susmel（1994）提出一個(gè)新的ARCH模型，馬爾可夫區(qū)制轉(zhuǎn)移ARCH模型 （Markov Switching ARCH Model） 即SWARCH模型，該模型將波動(dòng)的持續(xù)性分解成了兩個(gè)部分，即每個(gè)波動(dòng)狀態(tài)的持續(xù)性和每個(gè)波動(dòng)狀態(tài)下波動(dòng)性沖擊的持續(xù)性。此外，SWARCH模型還刻畫出了不同波動(dòng)狀態(tài)的持續(xù)期和不同波動(dòng)狀態(tài)間的轉(zhuǎn)移，從而刻畫出了波動(dòng)結(jié)構(gòu)的突變性，更好地描述了波動(dòng)的特征。Hamilton提出的SWARCH模型，是在ARCH模型的基礎(chǔ)上允許條件波動(dòng)過程在一個(gè)有限個(gè)數(shù)的區(qū)制間隨機(jī)轉(zhuǎn)移，即ARCH過程的參數(shù)是可以隨機(jī)改變的。

首先，將均值方程中的誤差項(xiàng)ut改寫成：ut=gst×t，st為一個(gè)潛在不可觀測(cè)的隨機(jī)變量，依賴于t的取值1，2，…，K。假設(shè)st服從一階馬爾可夫鏈，則st的轉(zhuǎn)移概率矩陣可以表示成以下形式：

其中pij=Prob（st=j|st—1=i），且∑Kj=1pij=1；變量st是在t時(shí)刻的“狀態(tài)”或者是“區(qū)制”。

其次，假設(shè)t服從標(biāo)準(zhǔn)的ARCH—L（q）過程：

t=htvt

h2t=a0+a12t—1+a22t—2+…+aq2t—q+ξdt—12t—1

如果t—10，則dt—1=1，反之dt—1=0，vt是一個(gè)均值為零，單位方差的獨(dú)立t分布。ARCH—L（q）過程的變量t系數(shù)是根據(jù)st的取值決定的，當(dāng)處在st=1代表的狀態(tài)時(shí)，變量t的系數(shù)為g1；當(dāng)處在st=2代表的狀態(tài)時(shí)，系數(shù)為g2，以此類推。對(duì)于j=2，3，…，K，gj1，第一個(gè)狀態(tài)g1正則化為單位1，這種思想就是像改變過程比例因子一樣刻畫區(qū)制轉(zhuǎn)移。

在已知當(dāng)前和過去狀態(tài)的條件下，誤差項(xiàng)ut的條件方差為：

E（u2t|st，st—1，…，st—q，ut—1，ut—2，…，ut—q）=gst{a0+a1（2t—1/gst—1）+a2（2t—2/gst—2）+…+aq（2t—q/gst—q）+ξdt—1（2t—1/gst—1）}≡σ2t（st，st—1，…，st—q）

如果ut—10，則dt—1=1，反之dt—1=0，稱ut過程服從一個(gè)K狀態(tài)q階的馬爾可夫區(qū)制轉(zhuǎn)移ARCH過程，即ut～SWARCH（K，q）。當(dāng)ξ≠0時(shí)，波動(dòng)過程存在杠桿效應(yīng)，此時(shí)稱ut過程服從SWARCH—L（K，q）。

下面運(yùn)用SWARCH模型，對(duì)我國(guó)股市醫(yī)療保健行業(yè)指數(shù)進(jìn)行實(shí)證分析。為了看到股市醫(yī)療保健行業(yè)指數(shù)條件波動(dòng)的隨機(jī)轉(zhuǎn)移和捕捉內(nèi)生的轉(zhuǎn)移點(diǎn)，本文選取了帶杠桿效應(yīng)、t分布的SWARCH—L（3，2） 模型 （蔣祥林，2004），模擬股市醫(yī)療保健行業(yè)指數(shù)波動(dòng)的方差，SWARCH—L（3，2）模型的轉(zhuǎn)移概率pij滿足條件0苝ij1，并且∑Kjpij=1。

表 2 給出了醫(yī)療保健行業(yè)指數(shù)收益率的ARCH（2）—T模型和SWARCH—L（3，2） 模型估計(jì)統(tǒng)計(jì)量。為了將股市醫(yī)療保健行業(yè)指數(shù)波動(dòng)的持續(xù)性與股市綜合指數(shù)進(jìn)行比較，分別對(duì)上證綜合指數(shù)收益率與深圳成分股指數(shù)收益率進(jìn)行 ARCH（2）—T 模型和 SWARCH—L（3，2） 模型估計(jì)，估計(jì)結(jié)果如表 2 所示。

從表2中的AIC和SC準(zhǔn)則值比較結(jié)果，可以看出SWARCH模型對(duì)醫(yī)療保健行業(yè)指數(shù)和綜合指數(shù)收益率序列的模擬結(jié)果明顯優(yōu)于ARCH模型。收益率序列SWARCH模型的擬合結(jié)果中持續(xù)性參數(shù)明顯低于ARCH（2）模型，這說明考慮了波動(dòng)狀態(tài)轉(zhuǎn)移的SWARCH模型大大降低了ARCH模型高估的部分波動(dòng)持續(xù)性，說明SWARCH—L（3，2）模型擬合效果較好。包含t分布的SWARCH—L（3，2）模型的參數(shù)估計(jì)結(jié)果如表3所示。

表3中的模型估計(jì)結(jié)果顯示g^2和g^3的估計(jì)結(jié)果十分顯著，這表明我國(guó)股市醫(yī)療保健指數(shù)波動(dòng)呈現(xiàn)出明顯的三種波動(dòng)狀態(tài)。系數(shù)g^2表示中波動(dòng)狀態(tài)（st=2）的方差是低波動(dòng)狀態(tài)（st=1）方差的3倍，同時(shí)高波動(dòng)狀態(tài)（st=3）是低波動(dòng)狀態(tài)（st=1）的11倍多，這說明三種不同的波動(dòng)狀態(tài)之間存在著顯著的差異。從表3中還可以看出我國(guó)股市醫(yī)療保健指數(shù)波動(dòng)三種不同的波動(dòng)狀態(tài)之間的差異性明顯大于上證綜合指數(shù)和深證成分綜合指數(shù)三種不同波動(dòng)狀態(tài)之間的差異性。ξ值的估計(jì)結(jié)果表明我國(guó)股市醫(yī)療保健板塊存在顯著的杠桿效應(yīng)，利空信息引起的收益率波動(dòng)顯著的大于利好信息，而上證綜指與深證成指的收益率的杠桿效應(yīng)均未通過顯著性檢驗(yàn)。

表4給出了我國(guó)股市醫(yī)療保健行業(yè)指數(shù)和上證和深證綜合指數(shù)不同狀態(tài)的轉(zhuǎn)移概率，其中醫(yī)療保健指數(shù)收益率分布在低波動(dòng)狀態(tài)的轉(zhuǎn)移概率值為0.9847，分布在中波動(dòng)狀態(tài)的轉(zhuǎn)移概率值為0.9830，分布在高波動(dòng)狀態(tài)的轉(zhuǎn)移概率值為0.9688，這些較大的轉(zhuǎn)移概率值意味著每個(gè)波動(dòng)狀態(tài)非常穩(wěn)定，不同狀態(tài)之間的轉(zhuǎn)移并不很頻繁。另外，還可以看出我國(guó)醫(yī)療保健指數(shù)和綜合指數(shù)收益率波動(dòng)分布在低、中狀態(tài)的轉(zhuǎn)移概率p11、p22都在0.98以上，分布在高波動(dòng)狀態(tài)的p33值也達(dá)到了0.96以上。這些較大的轉(zhuǎn)移概率值意味著每個(gè)波動(dòng)狀態(tài)持續(xù)期都很長(zhǎng)，不同波動(dòng)狀態(tài)之間的轉(zhuǎn)移并不很頻繁。特別是低波動(dòng)狀態(tài)到中波動(dòng)狀態(tài)和高波動(dòng)狀態(tài)到低波動(dòng)狀態(tài)的轉(zhuǎn)移概率p12、p31幾乎為零，這說明發(fā)生高波動(dòng)狀態(tài)到低波動(dòng)狀態(tài)轉(zhuǎn)移跨區(qū)制轉(zhuǎn)移的概率幾乎為零，并且穩(wěn)定股市受經(jīng)濟(jì)環(huán)境沖擊發(fā)生狀態(tài)轉(zhuǎn)移時(shí)，極大可能是轉(zhuǎn)移到高波動(dòng)狀態(tài)，并持續(xù)一段時(shí)間才會(huì)恢復(fù)，這也說明我國(guó)股市波動(dòng)存在著顯著的杠桿效應(yīng)。

從圖7的平滑概率顯示的不同波動(dòng)狀態(tài)看，我國(guó)股市醫(yī)療保健板塊波動(dòng)在觀測(cè)區(qū)2001年1月至2010年11月間主要分布在中波動(dòng)狀態(tài)，在這期間也發(fā)生過多次中波動(dòng)狀態(tài)向低、高波動(dòng)狀態(tài)的轉(zhuǎn)移。2000年7月，我國(guó)醫(yī)療保健指數(shù)收益率從中波動(dòng)狀態(tài)（st=2）轉(zhuǎn)移到低波動(dòng)狀態(tài)（st=1），并維持了一年多的低波動(dòng)狀態(tài)持續(xù)期；2002年7月份，我國(guó)醫(yī)療保健指數(shù)從波動(dòng)狀態(tài)（st=2）轉(zhuǎn)移到波動(dòng)狀態(tài)（st=1），同樣維持了一年多的低波動(dòng)狀態(tài)；隨后，波動(dòng)狀態(tài)一直在中、高兩狀態(tài)間轉(zhuǎn)移，2004年到2007年間波動(dòng)狀態(tài)較多的分布在中波動(dòng)狀態(tài)（st=2），2007年到2009年則處于高波動(dòng)狀態(tài)。雖然不同狀態(tài)之間的轉(zhuǎn)移比較頻繁，但分布在波動(dòng)狀態(tài)（st=2）的時(shí)段最多，且其持續(xù)時(shí)間也相對(duì)較長(zhǎng)。

另外，可以進(jìn)一步的估計(jì)每一個(gè)狀態(tài)的平均持續(xù)期，狀態(tài)（st=1）、狀態(tài)（st=2）和狀態(tài)（st=3）的持續(xù)期1/1—pii分別為65、59和32天。三種波動(dòng)狀態(tài)的持續(xù)期中，我國(guó)醫(yī)療保健指數(shù)處于波動(dòng)狀態(tài)（st=3）的持續(xù)期最短，處于波動(dòng)狀態(tài)（st=1）、（st=2）持續(xù)期較長(zhǎng)，是高波動(dòng)狀態(tài)持續(xù)時(shí)間的兩倍。三種波動(dòng)狀態(tài)平均持續(xù)期的不同與波動(dòng)狀發(fā)生轉(zhuǎn)移次數(shù)的不同在一定程度上反映了醫(yī)療保健指數(shù)收益率波動(dòng)的非對(duì)稱性。從股市醫(yī)療保健指數(shù)波動(dòng)狀態(tài)轉(zhuǎn)移上看，我國(guó)醫(yī)療保健行業(yè)還是一個(gè)相對(duì)穩(wěn)定的行業(yè)，雖然前期大致是處于低波動(dòng)狀態(tài)（st=1），隨后中波動(dòng)狀態(tài)（st=2）和高波動(dòng)狀態(tài)（st=3）之間的轉(zhuǎn)移比較頻繁，但主要維持在中波動(dòng)狀態(tài)。圖7股市醫(yī)療保健行業(yè)指數(shù)收益率三種波動(dòng)狀態(tài)（st）的平滑概率圖8上證指數(shù)收益率三種波動(dòng)狀態(tài)（st）的平滑概率

下面將我國(guó)股市醫(yī)療保健板塊的波動(dòng)與上證綜合指數(shù)收益率與深證成指收益率的波動(dòng)狀態(tài)進(jìn)行比較。觀察圖7和圖8、圖9可以看出醫(yī)療保健板塊收益率和滬深綜合指數(shù)收益率序列的平滑概率圖呈現(xiàn)出大致相同的區(qū)制轉(zhuǎn)移趨勢(shì)，其波動(dòng)區(qū)制持續(xù)性在樣本觀測(cè)區(qū)的大多時(shí)期與綜合指數(shù)表現(xiàn)出共同的波動(dòng)狀態(tài)持續(xù)特征。如2000年6月份到2001年8月份之間主要維持著低波動(dòng)狀態(tài)，2003年9月份到2007年初波動(dòng)主要分布在中低波動(dòng)狀態(tài)，2003年10月份到2010年10月份，醫(yī)療板塊與滬深綜合指數(shù)收益率大體在中波動(dòng)狀態(tài)與高波動(dòng)狀態(tài)間發(fā)生區(qū)制轉(zhuǎn)移。2007年4月份至2009年初這段時(shí)間收益率主要分布在高波動(dòng)狀態(tài)，2010年收益率則主要分布在中波動(dòng)狀態(tài)。

醫(yī)療保健板塊收益率與滬深綜合指數(shù)收益率波動(dòng)狀態(tài)的時(shí)間一致性反映了股市醫(yī)療保健板塊與大盤滬市與深市之間的波動(dòng)呈現(xiàn)聯(lián)動(dòng)效應(yīng)。醫(yī)療保健板塊收益的波動(dòng)在很大程度上受大盤影響，其獨(dú)立性不足也在一定程度上反映了股民從眾行為依然普遍存在。從平滑概率圖我們可以發(fā)現(xiàn)醫(yī)療保健行業(yè)指數(shù)收益率與滬深指數(shù)收益率波動(dòng)在總體趨同的情況下也偶存差異，股市醫(yī)療保健板塊狀態(tài)轉(zhuǎn)移頻率較高，平均持續(xù)期較短。2000年3月份到2000年6月期間，醫(yī)療保健板塊經(jīng)歷了一次較短的高波動(dòng)狀態(tài)向中波動(dòng)狀態(tài)后向低波動(dòng)狀態(tài)的區(qū)制轉(zhuǎn)移過程，這一過程在上證綜指收益率波動(dòng)中有所體現(xiàn)，但上證綜指收益率在中波動(dòng)狀態(tài)的持續(xù)期明顯偏短，而這一時(shí)期深證綜指的收益率一直維持在低波動(dòng)狀態(tài)，并未發(fā)生類似的區(qū)制轉(zhuǎn)移。2000年12月份到2001年2月份期間，股市醫(yī)療板塊收益率發(fā)生一次短暫的低波動(dòng)狀態(tài)轉(zhuǎn)向中波動(dòng)狀態(tài)轉(zhuǎn)移，之后又向高波動(dòng)狀態(tài)發(fā)生區(qū)制轉(zhuǎn)移的過程，上證綜指與深圳成指收益率均未發(fā)生轉(zhuǎn)移。圖9深證成指收益率三種波動(dòng)狀態(tài)（st）的平滑概率

四、結(jié)論

本文對(duì)我國(guó)醫(yī)療保健指數(shù)收益率數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)分析描述，發(fā)現(xiàn)我國(guó)醫(yī)療保健指數(shù)收益率序列與滬深股市共同呈現(xiàn)出顯著的時(shí)變性與集聚性特征，且具有顯著的左偏、尖峰厚尾分布特征。ARCH 模型與 SWARCH 模型的比較顯示，SWARCH 模型能夠有效刻畫異方差過程的結(jié)構(gòu)突變特征，有效降低在 ARCH 模型中被高估的條件方差持續(xù)性，AIC 值與 SC 值的估計(jì)表明 SWARCH 模型能夠獲得更好的估計(jì)結(jié)果。利用 SWARCH 模型模擬的實(shí)證結(jié)果發(fā)現(xiàn)，我國(guó)醫(yī)療保健指數(shù)收益率的條件波動(dòng)過程表現(xiàn)出顯著的區(qū)制轉(zhuǎn)移現(xiàn)象，這在一定程度上反應(yīng)了我國(guó)股市醫(yī)療保健板塊風(fēng)險(xiǎn)程度和風(fēng)險(xiǎn)特征的變化，易受來自整體經(jīng)濟(jì)環(huán)境轉(zhuǎn)變、國(guó)家宏觀政策沖擊、突發(fā)事件和國(guó)際金融環(huán)境變化等因素的影響而發(fā)生區(qū)制轉(zhuǎn)移的波動(dòng)性特征。

另外，從我國(guó)醫(yī)療保健指數(shù)收益率與滬深股指波動(dòng)特征的比較結(jié)果看，我國(guó)醫(yī)療保健板塊波動(dòng)與滬市更為接近，并與兩市都有著共同的波動(dòng)狀態(tài)持續(xù)特征。然而與滬深股市相比，醫(yī)療保健板塊收益率波動(dòng)區(qū)制轉(zhuǎn)移更加頻繁，在低、中、高，三種波動(dòng)狀態(tài)的持續(xù)性概率均小于滬市與深市，每一種狀態(tài)的平均持續(xù)期均短于滬市與深市，相對(duì)頻繁的波動(dòng)狀態(tài)轉(zhuǎn)移，意味著投資于醫(yī)療保健板塊收益的不確定性略高于大盤，醫(yī)療保健板塊收益對(duì)傳導(dǎo)至股市的各種信息的反應(yīng)更為靈敏。從波動(dòng)狀態(tài)區(qū)制的轉(zhuǎn)移概率和持續(xù)期來看，不同的波動(dòng)狀態(tài)持續(xù)時(shí)間、狀態(tài)之間的轉(zhuǎn)移次數(shù)也在一定程度上體現(xiàn)了我國(guó)股市醫(yī)療保健指數(shù)波動(dòng)的非對(duì)稱性。

參考文獻(xiàn)：

[1]Fama E F.The behavior of stock market prices[J].Journal of Business，1965，38：34—105.

[2]Fama E F.Multiperiod Consumption—Investment Decisions[J].The American Economic Review，1970，60： 163—174.

[3]Engle R F.Autoregressive conditional heteroscedasticity with estimates of the variance of U.K. inflation[J].Econometrica，1982，50：987—1008.

[4]Bollerslev T.Generalized autoregressive conditional heteroskedasticity [J].Journal of Economics，1986， 31：307—327.

[5]Hamilton J D，Susmel R.Autoregressive conditional heteroskedasticity and changes in regime[J].Journal of Econometrics，1994，64：307—333.

[6]蔣祥林，王春峰，吳曉霖.基于狀態(tài)轉(zhuǎn)移ARCH模型的中國(guó)股市波動(dòng)性研究[J].系統(tǒng)工程學(xué)報(bào)，2004，19（3）：270—277.

[7]劉金全，劉志剛.我國(guó)股票市場(chǎng)收益波動(dòng)性的區(qū)制轉(zhuǎn)移分析[C].中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集，2005：326—330.

[8]嚴(yán)太華，陳明玉.基于馬爾科夫切換模型的上證指數(shù)周收益率時(shí)間序列分析[J].中國(guó)管理科學(xué)，2009，17（6）：33—38.

[9]鄭挺國(guó)，劉金全.基于擴(kuò)展Kalman濾波的非對(duì)稱 SV 模型估計(jì)及其在滬深股市的應(yīng)用[C].教育部文科重點(diǎn)研究基地聯(lián)誼會(huì)2008年年會(huì)暨青年經(jīng)濟(jì)學(xué)者論壇論文集，2008：272—272.

[10]劉金全，李楠，鄭挺國(guó).隨機(jī)波動(dòng)模型的馬爾科夫鏈—蒙特卡洛模擬方法——在滬市收益率序列上的應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理，2010，29（6）：1026—1035.

Volatility Characteristics and Leverage Effect of Stock Index Returns ofChina′s Healthcare Industry Based on Markov Switching Model

JIN Chun—yu1，GUO Pei2， CHENG Hao2

（1.Quantitative Research Center of Economics， Jilin University， Changchun 130012， China；2.School of Business， Jilin University， Changchun 130012，China）

Abstract： In this paper， SWARCH model is used to analyze the stock index returns of China′s healthcare industry， and we compare the estimation results of stock index returns of healthcare industry with the results of Shanghai Stock Exchange Composite Index and Shenzhen Stock Exchange Component Index. The following conclusions can be drawn： The volatility of index returns of healthcare industry demonstrates low， medium and high states， the sample of returns series is mainly distributed in medium—volatility state， and the average duration of low—volatility state is the longest， the medium—volatility state is in the medium， the high—volatility state is the shortest， leverage effect of volatility in healthcare index returns is significant. The difference of returns volatility states of healthcare industry index is higher than that of Shanghai Stock Exchange Composite Index and Shenzhen Stock Exchange Component Index. Regime switching features of returns volatility of Shanghai Stock Exchange Composite Index and Shenzhen Stock Exchange Component Index are similar to healthcare industry， but there are subtle differences. The three regimes of healthcare index returns shift frequently， and the average duration of each regime is short， meaning that healthcare index returns is more sensitive to new information.

Key words：markov regime switching； leverage effect； stock index returns； smoothing probability； healthcare industry

（責(zé)任編輯：李江）