張延良，李凡浩，于旭升

(1.山東財(cái)經(jīng)大學(xué)金融學(xué)院，山東 濟(jì)南 250014；2.招商銀行股份有限公司東營分行，山東東營 257000)

股票市場在資本市場中的重要地位不言而喻，是各國經(jīng)濟(jì)發(fā)展的“晴雨表”。隨著經(jīng)濟(jì)的進(jìn)一步發(fā)展，股票市場對上市公司甚至一國經(jīng)濟(jì)的滲透力和影響力日益增強(qiáng)。一個(gè)活躍的股票市場可以為企業(yè)提供良好的融資平臺，促進(jìn)經(jīng)濟(jì)走向繁榮；而一個(gè)低迷的股票市場可能會導(dǎo)致股價(jià)下跌，資金外逃，甚至經(jīng)濟(jì)蕭條。進(jìn)入21世紀(jì)以來，隨著互聯(lián)網(wǎng)技術(shù)的不斷成熟和完善，“互聯(lián)網(wǎng)＋金融”這種全新的金融模式得到了前所未有的突破與發(fā)展，并且逐漸對金融業(yè)的發(fā)展方向產(chǎn)生了影響。關(guān)于互聯(lián)網(wǎng)金融概念上市公司股票收益波動(dòng)性的研究，可以幫助我們把控新興模式下資本市場的發(fā)展規(guī)律。

一、文獻(xiàn)綜述

早在20世紀(jì)60年代，F(xiàn)ama[1]就意識到股票市場收益率具有時(shí)變性和聚集性的特征。自此之后，越來越多的經(jīng)濟(jì)學(xué)家開始了對金融資產(chǎn)收益率波動(dòng)的研究，并建立了一系列的波動(dòng)模型。Engle[2]于1982年在對方差的研究文獻(xiàn)中首先采用了ARCH計(jì)量模型。為了更準(zhǔn)確地估計(jì)和預(yù)測金融時(shí)間序列的波動(dòng)性和相關(guān)性，1986年Bollerslev[3]提出廣義的ARCH模型，即GARCH計(jì)量模型，在研究金融時(shí)間序列的波動(dòng)性和相關(guān)性中被國內(nèi)外學(xué)者廣泛運(yùn)用。ARCH模型假定收益率誤差項(xiàng)服從特定函數(shù)的條件正態(tài)分布，該類特定函數(shù)具有條件期望為零、條件方差為以前若干期收益率誤差平方的特點(diǎn)，其性質(zhì)與金融市場的波動(dòng)集束及異方差等特征相吻合。

在研究金融價(jià)格的傳統(tǒng)時(shí)間序列過程中，Peters等[4]實(shí)證發(fā)現(xiàn)金融價(jià)格時(shí)間序列的波動(dòng)呈現(xiàn)集聚的現(xiàn)象，股市中信息的出現(xiàn)和傳遞不是連續(xù)平穩(wěn)的，從而影響價(jià)格的波動(dòng)有時(shí)相當(dāng)穩(wěn)定，有時(shí)異常激烈，投資者對信息的反應(yīng)存在滯后性，投資者的“羊群”行為導(dǎo)致收益率的變化常呈現(xiàn)出一種非正態(tài)性，即尖峰厚尾的特征。Mcculloch[5]通過CAPM多變量穩(wěn)態(tài)情形論述了金融領(lǐng)域中穩(wěn)態(tài)分布的應(yīng)用。

我國學(xué)者也對收益率的這種非正態(tài)分布做了大量的實(shí)證研究，眾多學(xué)者認(rèn)為GARCH模型可以準(zhǔn)確描述收益率的尾部特征。王美今和王華[6]在研究上海股票市場風(fēng)險(xiǎn)的度量時(shí)，認(rèn)為收益率的尾部特征可以被GARCH模型準(zhǔn)確描述，而正態(tài)假設(shè)的靜態(tài)模型卻效果不佳，由此可見，條件分布的設(shè)定對研究股票市場的收益率波動(dòng)來說至關(guān)重要。陳守東[7]、冷軍[8]、姜翔程[9]、林勇[10]等，均通過實(shí)證分析得出了滬深股市收益率具有非正態(tài)性，即尖峰厚尾特征，但是由于分析這一特征的角度不同，在非正態(tài)性的具體表現(xiàn)形式上有一些不同的結(jié)論。

國內(nèi)對于收益波動(dòng)性的研究大致分為兩個(gè)方向:對大盤指數(shù)的收益波動(dòng)性研究和某個(gè)行業(yè)板塊的股票收益波動(dòng)性研究。在對大盤指數(shù)收益波動(dòng)性的研究方面，趙莉[11]把滬深300指數(shù)作為研究對象，運(yùn)用了GARCH模型進(jìn)行研究發(fā)現(xiàn)，滬深300指數(shù)的收益率波動(dòng)序列分布具有可變性和波動(dòng)集簇性，而且其波動(dòng)性呈現(xiàn)尖峰厚尾的特征。隨后，安起光和郭喜兵[12]等通過運(yùn)用GARCH類模型對我國滬市的日收益進(jìn)行分階段分析，得出在熊市和牛市的不同時(shí)期，利空和利好消息對我國股市的影響是不同的。在此基礎(chǔ)上，張瑛倩[13]進(jìn)一步對滬市股票收益率的杠桿效應(yīng)進(jìn)行分析研究，把滬市分為牛市、熊市和混合市，在這三個(gè)階段中分別對比分析整個(gè)滬市收益率波動(dòng)的特征，表明“利空消息”和“利好消息”的杠桿效應(yīng)具有明顯區(qū)別，但是外部信息產(chǎn)生的這種效應(yīng)是非對稱的。李新光和左碩之[14]利用GARCH-BVAR模型對我國股票、債券和期貨市場波動(dòng)的溢出效應(yīng)進(jìn)行實(shí)證研究，結(jié)果發(fā)現(xiàn)，股票市場與期貨市場均對來自自身沖擊影響的反應(yīng)比較強(qiáng)烈，期貨市場的沖擊對股票市場的影響較小但是持續(xù)時(shí)間長，股票市場的沖擊對期貨市場的影響較弱。

在對某個(gè)行業(yè)板塊的股票收益波動(dòng)性研究方面，王吉恒和張賀泉[15]利用大豆、菜籽期貨的每日收盤價(jià)數(shù)據(jù)，運(yùn)用ARCH模型族對我國油料作物期貨價(jià)格波動(dòng)進(jìn)行了實(shí)證分析，結(jié)果表明，大豆、菜籽期貨的價(jià)格波動(dòng)具有顯著的集聚性以及非對稱性，并且大豆和菜籽期貨市場都不具有高風(fēng)險(xiǎn)高回報(bào)的特征。也有學(xué)者對非金融領(lǐng)域的股票收益率進(jìn)行了研究，唐韻捷和曲林遲[16]對A股市場九家航運(yùn)企業(yè)的股票收益率波動(dòng)進(jìn)行對比分析，將樣本進(jìn)行分類，并且把全樣本數(shù)據(jù)與上證指數(shù)數(shù)據(jù)波動(dòng)進(jìn)行對比，得出外部信息對其影響較大，收益率波動(dòng)存在異方差性、持續(xù)性、非對稱性和投資者缺乏理性的結(jié)論，研究得較為全面。

國內(nèi)對于互聯(lián)網(wǎng)金融概念股的研究較少，李紅梅和王青[17]認(rèn)為，互聯(lián)網(wǎng)金融是將傳統(tǒng)金融業(yè)、信息通信技術(shù)以及互聯(lián)網(wǎng)技術(shù)相結(jié)合的一種新型金融服務(wù)，他們通過對以余額寶為代表的互聯(lián)網(wǎng)金融產(chǎn)品進(jìn)行研究，得到余額寶收益率數(shù)據(jù)確實(shí)具有一般金融時(shí)序數(shù)據(jù)的自相關(guān)性及聚集效應(yīng)的特征，進(jìn)一步作圖發(fā)現(xiàn)，GARCH型殘差控制圖比傳統(tǒng)控制圖更敏感、更有效，從而實(shí)現(xiàn)對余額寶更加有效的監(jiān)控與預(yù)警，這與Pérez-Rave等[18]在2017年的研究結(jié)果類似。郭品和沈悅[19]通過構(gòu)建植入互聯(lián)網(wǎng)金融的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)模型，認(rèn)為互聯(lián)網(wǎng)金融的沖擊加劇了商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)，且該效應(yīng)在不同類型商業(yè)銀行的表現(xiàn)具有異質(zhì)性。褚冉冉[20]選取了26只互聯(lián)網(wǎng)金融概念股作為樣本，考慮非系統(tǒng)風(fēng)險(xiǎn)的影響因素對于非系統(tǒng)風(fēng)險(xiǎn)的解釋能力，發(fā)現(xiàn)互聯(lián)網(wǎng)金融概念股票的定價(jià)效率普遍偏低，且有逐年下滑的趨向，認(rèn)為我國應(yīng)進(jìn)一步對互聯(lián)網(wǎng)金融市場進(jìn)行完善。

目前，學(xué)術(shù)界對于我國股票市場收益波動(dòng)性的研究主要集中在滬深兩市的總體波動(dòng)上，對單個(gè)行業(yè)尤其是金融行業(yè)研究較少。此外，本文除對互聯(lián)網(wǎng)金融概念股票全樣本進(jìn)行研究之外，還把互聯(lián)網(wǎng)金融概念具體分為互聯(lián)網(wǎng)券商概念和P2P平臺概念，并與滬深300股價(jià)指數(shù)進(jìn)行對比研究，因此具有一定的理論價(jià)值和現(xiàn)實(shí)意義。本文運(yùn)用ARCH模型族，選取2014—2016年間26只互聯(lián)網(wǎng)金融概念上市公司股票的每日收盤價(jià)以及同時(shí)期的滬深300指數(shù)作為樣本，對互聯(lián)網(wǎng)金融概念上市公司的股票收益波動(dòng)性進(jìn)行實(shí)證檢驗(yàn)，一方面驗(yàn)證互聯(lián)網(wǎng)金融概念股票的市場波動(dòng)性是否具有股票市場的一般特征，另一方面通過對比互聯(lián)網(wǎng)金融概念股票與市場整體收益率波動(dòng)的差異，分析找出互聯(lián)網(wǎng)金融概念類股票收益率波動(dòng)的特殊性，并給出相關(guān)建議，為互聯(lián)網(wǎng)金融概念上市公司股票市場風(fēng)險(xiǎn)的監(jiān)測和監(jiān)管提供參考。

二、研究設(shè)計(jì)

(一)股票收益波動(dòng)性理論分析

在頻繁的經(jīng)濟(jì)交易和構(gòu)建的理性框架前提下，實(shí)體經(jīng)濟(jì)活動(dòng)的健康程度較大程度地影響著股票的價(jià)格水平，而股票價(jià)格又為實(shí)體經(jīng)濟(jì)的健康運(yùn)行提供指示性功效，兩者緊密相連，互相影響，不可分割。究其根本原因，未來實(shí)際交易活動(dòng)在很大程度上影響著未來現(xiàn)金流的可靠運(yùn)行，而未來現(xiàn)金流的反饋信息卻主要在當(dāng)期股票價(jià)格的上下波動(dòng)中體現(xiàn)出來。在當(dāng)今實(shí)際交易活動(dòng)中，短周期內(nèi)的股票價(jià)格影射出未來實(shí)際交易活動(dòng)的大量信息，這為很多當(dāng)前還未發(fā)生的交易活動(dòng)提供了可靠的指導(dǎo)性基礎(chǔ)。從另外一個(gè)層面上來說，股票的貼現(xiàn)率實(shí)時(shí)影響著股票價(jià)格的波動(dòng)，基于其對實(shí)際產(chǎn)出影響反應(yīng)緩慢的實(shí)際情況，可能會導(dǎo)致實(shí)體經(jīng)濟(jì)發(fā)生變化的時(shí)間比股票價(jià)格晚一步。因此，股票價(jià)格發(fā)生變化所誘發(fā)的財(cái)富效應(yīng)會導(dǎo)致需求與消費(fèi)的變動(dòng)，進(jìn)一步使產(chǎn)出在未來的一段時(shí)間內(nèi)發(fā)生顯著變化。

在對股票收益波動(dòng)性研究的影響因素中，股票價(jià)格的波動(dòng)性與交易量兩者之間的聯(lián)系尤為顯著。信息流理論模型認(rèn)為市場上存在的各種信息均會不同程度地影響著交易量，而信息流主要受價(jià)格波動(dòng)的影響和反映。因此，兩者均基于信息流的變化而發(fā)生變化，進(jìn)而將兩者之間的聯(lián)系建立起來。而信息非對稱模型理論認(rèn)為，基于市場不完善等因素，信息的不對稱普遍存在于市場交易行為中。交易雙方由于掌握信息不對稱，往往會導(dǎo)致其對交易的大小、股票的內(nèi)在價(jià)值等多方面判斷發(fā)生不一致，進(jìn)而導(dǎo)致股票價(jià)格波動(dòng)性的形成。對于單筆交易行為而言，交易量與價(jià)格變化的絕對值之間存在著一定的正相關(guān)關(guān)系。除了交易量會對股票收益波動(dòng)性產(chǎn)生影響外，內(nèi)幕交易也會加劇股價(jià)的波動(dòng)，內(nèi)幕信息通過“衍生知情交易機(jī)制”直接影響股價(jià)的劇烈波動(dòng)。當(dāng)內(nèi)部人員利用內(nèi)部信息影響到股票交易行為時(shí)，交易行為會發(fā)生特殊變化，未擁有內(nèi)幕信息的投資者會了解到這種情況，跟隨并帶動(dòng)其他投資者效仿內(nèi)幕人員的操作，最終引發(fā)股市波動(dòng)。

眾多學(xué)者文獻(xiàn)的實(shí)證研究顯示，收益率序列是一個(gè)隨機(jī)的過程，需要加入對數(shù)處理。所以本文不再使用簡單收益率進(jìn)行計(jì)算，而是采用對數(shù)收益率。對數(shù)收益率認(rèn)為時(shí)間序列是一個(gè)連續(xù)型的，計(jì)算的是復(fù)利條件下的收益率，數(shù)據(jù)處理比較簡單，因此目前絕大多數(shù)學(xué)者都傾向于采用這種方法。收益率計(jì)算公式為:

其中，p(t)表示在時(shí)刻t的收盤指數(shù)，rt表示收益率，時(shí)間標(biāo)度τ為1日。

(二)研究變量的選取和數(shù)據(jù)說明

本文選取2014—2016年26只互聯(lián)網(wǎng)金融概念上市公司股票共計(jì)734個(gè)每日收盤價(jià)以及同時(shí)期的滬深300指數(shù)作為樣本數(shù)據(jù)，并計(jì)算出個(gè)股收益率及全樣本收益率，數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。由于2014—2016年間，我國股市經(jīng)歷了一個(gè)從復(fù)蘇到繁榮再到衰退的較為完整的周期，因此選取本時(shí)間段的樣本數(shù)據(jù)進(jìn)行研究能夠減少異常值的干擾，提高模型的擬合優(yōu)度。滬深300指數(shù)能夠較為充分地反映市場主流投資的收益狀況，并成為投資機(jī)構(gòu)進(jìn)行投資評級的重要依據(jù)，具有較強(qiáng)的市場代表性，因此本文選取其作為對比樣本。

在“互聯(lián)網(wǎng)＋”的大趨勢下，互聯(lián)網(wǎng)已經(jīng)涉及到金融、農(nóng)業(yè)、教育、醫(yī)療等眾多行業(yè)，本文選取了26只互聯(lián)網(wǎng)金融概念上市公司股票為研究對象，這些股票都是互聯(lián)網(wǎng)概念股，而且發(fā)展相對比較成熟，主營業(yè)務(wù)突出，同時(shí)與互聯(lián)網(wǎng)金融概念的關(guān)聯(lián)度相對更高。

本文選取的26只互聯(lián)網(wǎng)金融概念上市公司股票中，東方財(cái)富、同花順和大智慧三大互聯(lián)網(wǎng)券商平臺，均是國內(nèi)較早發(fā)展起來的金融信息服務(wù)公司，財(cái)經(jīng)領(lǐng)域覆蓋全面，是多數(shù)投資者認(rèn)可并使用的證券投資分析平臺，具有較強(qiáng)的市場影響力。因此，本文將東方財(cái)富、同花順與大智慧三家公司作為互聯(lián)網(wǎng)券商行業(yè)的代表。從2013年起，大多P2P公司撮合個(gè)人對個(gè)人貸款從線下轉(zhuǎn)移到線上，開始發(fā)展互聯(lián)網(wǎng)P2P概念，并出現(xiàn)了P2P互聯(lián)網(wǎng)上市公司概念股。而騰邦國際等八只股票跟P2P概念的關(guān)聯(lián)度相對比較高，本文用來代表P2P互聯(lián)網(wǎng)金融平臺概念。

(三)實(shí)證模型及研究方法

ARCH模型被認(rèn)為是最能集中反映方差變化特點(diǎn)而被廣泛應(yīng)用于金融時(shí)間序列分析的模型。該模型解釋了收益率序列的變化是否具有規(guī)律性，并且說明了這種變化前后依存的內(nèi)在傳導(dǎo)是來自某一特定類型的非線性結(jié)構(gòu)，從而可以較好地刻畫外部沖擊形成的波動(dòng)集聚性。若ARCH(q)模型的階數(shù)q過大，在樣本有限的情況下，參數(shù)估計(jì)的效率會發(fā)生明顯變化。為彌補(bǔ)這一弱點(diǎn)，我們引入廣義ARCH模型——GARCH模型。

假設(shè) ARCH(q)過程中，獨(dú)立同分布，且有νt～(0，1)，t＝1，2，˙˙˙，T。 令 ARCH 過程的階數(shù)q→∞，這種情況下的條件異方差ht可表示為:ht＝α0＋π(L)ε2t；這里，π(L)為無窮階滯后多項(xiàng)式:

此時(shí)，條件方差不僅受前p個(gè)時(shí)刻信息的影響，而且還受到其自身滯后值的影響，可有效地?cái)M合具有長期記憶性的異方差函數(shù)，從而使得模型的識別和估計(jì)都變得比較容易，同時(shí)GARCH模型還可以較好地描述金融時(shí)間序列的尖峰厚尾性。

Harvey[21]發(fā)現(xiàn)ARCH和GARCH模型的對稱性缺陷。一方面，對稱性缺陷的增加和減少非常明顯地影響股票的收益，條件方差不能有效地表示出來。GARCH模型解釋股票收益的杠桿效應(yīng)不精確，因?yàn)樽兞慷际瞧椒教幚磉^的；另一方面，當(dāng)參數(shù)受到限制時(shí)，GARCH對系數(shù)的估計(jì)不能很好地確定置信度。因此，為了避免和克服這些缺陷和不足，1990年Nelson[22]在文獻(xiàn)中使用了指數(shù)GARCH計(jì)量模型，本文介紹以下三種:

1.ARCH-M模型

ARCH-M模型在等號的右邊增加了一項(xiàng)ht，此時(shí)的表達(dá)式為:

其中，ht服從GARCH計(jì)量模型。假設(shè)GARCH計(jì)量模型可以用來解釋金融資產(chǎn)的回報(bào)率，因?yàn)槊總€(gè)投資者都期望資產(chǎn)回報(bào)率與風(fēng)險(xiǎn)度密切聯(lián)系，而增加的這種條件方差ht就代表了期望風(fēng)險(xiǎn)。因而ARCH-M計(jì)量模型適合于描述那些期望回報(bào)與期望風(fēng)險(xiǎn)關(guān)聯(lián)度相對較高的金融資產(chǎn)。

2.TARCH模型

Zakoian[23]實(shí)證研究得出TARCH計(jì)量模型，在這個(gè)模型中的條件方差如下:

其中，dt是一個(gè)名義變量。

由于引入dt，股價(jià)上漲信息(εt＜0)和下跌信息(εt＞0)對條件方差的作用效果不同。股價(jià)變大時(shí)，它造成的變化程度可用系數(shù)α代表，股價(jià)變小時(shí)為α＋γ。若γ≠0，則說明信息作用是非對稱的；而當(dāng)γ＞0時(shí)，認(rèn)為存在杠桿效應(yīng)。

3.EGARCH模型

Nelson[24]研究提出的EGARCH計(jì)量模型，有效地描述了條件方差ht對市場中正、負(fù)干擾情況下非對稱性的表現(xiàn)形式。與其他計(jì)量模型的一個(gè)顯著的區(qū)別就是，條件方差ht和延遲擾動(dòng)項(xiàng)εt-1互為反對稱:

因?yàn)閷δＰ椭袟l件方差進(jìn)行了自然對數(shù)處理，所以杠桿效應(yīng)是指數(shù)型的。若φ≠0，說明信息的作用是非對稱的；若φ＜0，杠桿的效應(yīng)是非常顯著的。國內(nèi)外眾多學(xué)者的文獻(xiàn)研究表明，EGARCH計(jì)量模型非常適合描述金融市場中的非對稱性。

本文將采用GARCH、EGARCH、TARCH以及ARCH-M四個(gè)模型來對互聯(lián)網(wǎng)金融概念股票收益波動(dòng)性進(jìn)行檢驗(yàn)。ARCH模型族可以通過反映方差變化特點(diǎn)來對金融時(shí)間序列進(jìn)行分析，不僅可以得到收益率序列的變化是否具有規(guī)律性，而且可以說明這種變化前后依存的內(nèi)在傳導(dǎo)是來自某一特定類型的非線性結(jié)構(gòu)，從而較好地刻畫外部沖擊形成的波動(dòng)集聚性。通過對已有文獻(xiàn)的分析，采用ARCH模型族確實(shí)可以很好地對股票市場的收益波動(dòng)性進(jìn)行描述，但這四種方法又有其各自不同的側(cè)重點(diǎn)。GARCH模型主要用來檢驗(yàn)收益率序列的波動(dòng)聚集性以及外界沖擊對收益率波動(dòng)的影響效應(yīng)，TARCH模型以及EGARCH模型主要用來檢驗(yàn)收益率序列的非對稱效應(yīng)以及杠桿效應(yīng)，ARCH-M模型通常用來檢驗(yàn)收益與風(fēng)險(xiǎn)的匹配程度。結(jié)合采用這四種方法對互聯(lián)網(wǎng)金融概念股票收益波動(dòng)性進(jìn)行研究，可以更加全面地得出收益率波動(dòng)的特征，從而使研究結(jié)論更加可靠。

三、互聯(lián)網(wǎng)金融概念股票收益率波動(dòng)性實(shí)證檢驗(yàn)

(一)互聯(lián)網(wǎng)金融概念上市公司股票收益率的基本統(tǒng)計(jì)特征分析

通過運(yùn)用ARCH模型族對互聯(lián)網(wǎng)金融概念上市公司全樣本收益率序列、滬深300指數(shù)收益率序列、互聯(lián)網(wǎng)券商收益率序列及P2P互聯(lián)網(wǎng)平臺收益率序列進(jìn)行實(shí)證檢驗(yàn)，得到以下實(shí)證檢驗(yàn)結(jié)果。

1.正態(tài)性檢驗(yàn)

通過對互聯(lián)網(wǎng)金融概念上市公司股票收益率序列進(jìn)行描述性統(tǒng)計(jì)，回歸結(jié)果如表1所示。分析發(fā)現(xiàn)，全部26家互聯(lián)網(wǎng)金融概念上市公司個(gè)股收益率偏度均小于0，表現(xiàn)為左偏，其中12家公司的股票收益率左偏程度較大，偏度絕對值超過3；同時(shí)26只股票收益率分布的峰度均大于3，說明選取的分析樣本股票收益率波動(dòng)幅度較大且波動(dòng)頻繁；從所選取的樣本公司個(gè)股的均值和標(biāo)準(zhǔn)差來看，有10家公司股票收益率序列的標(biāo)準(zhǔn)差較大，超過0.05，說明這幾只股票收益率波動(dòng)幅度較大，且從標(biāo)準(zhǔn)差與均值的匹配程度上來看，均值與標(biāo)準(zhǔn)差匹配程度在合理范圍內(nèi)，收益與風(fēng)險(xiǎn)匹配得當(dāng)，符合一般規(guī)律。

表1 互聯(lián)網(wǎng)金融概念上市公司股票收益率描述性統(tǒng)計(jì)

續(xù)表1

在所選的樣本期內(nèi)，從股票收益率序列的最大值與最小值之差來看，四組樣本從大到小排序?yàn)榛ヂ?lián)網(wǎng)券商、P2P互聯(lián)網(wǎng)平臺、全樣本、滬深300指數(shù)，與四組標(biāo)準(zhǔn)差從大到小排列順序一致，這表明四組樣本股票收益率波動(dòng)幅度與波動(dòng)頻率方向一致，較高的波動(dòng)頻率伴隨較大的波動(dòng)幅度。從峰度與偏度統(tǒng)計(jì)量來看，四組樣本收益率序列偏度值均為負(fù)，且峰度值均大于3，因此均呈現(xiàn)出尖峰厚尾的特征，并且四組樣本均呈現(xiàn)出明顯的波動(dòng)集聚性。說明樣本股票收益率波動(dòng)幅度較大且波動(dòng)頻繁，并且大都存在大漲大跌的現(xiàn)象，具有非常典型的金融數(shù)據(jù)特征。其中，與正態(tài)分布相比，互聯(lián)網(wǎng)券商與滬深300指數(shù)收益率序列偏離程度較大，而全樣本與P2P互聯(lián)網(wǎng)平臺收益率序列偏離程度較小。

圖1展示了四組樣本核密度與正態(tài)分布的對比，其中滬深300指數(shù)收益率核密度曲線頂端偏離正態(tài)分布曲線的程度最大，而全樣本收益率核密度曲線較其他三組收益率序列來說較為柔和，偏離正態(tài)分布曲線程度較小，反映出滬深300指數(shù)具有較大的市場帶動(dòng)效應(yīng)，波動(dòng)持續(xù)時(shí)間較長。從圖2四組樣本的收益率時(shí)間趨勢對比中可以看出，四者的波動(dòng)集聚性都非常顯著，四組樣本的收益率均經(jīng)歷了由相對平穩(wěn)向巨幅波動(dòng)再到相對平穩(wěn)的過程；再與時(shí)間坐標(biāo)相結(jié)合，不難看出2015年是股票收益率波動(dòng)最為劇烈的時(shí)期，股市發(fā)生頻繁變動(dòng)對股票收益率產(chǎn)生較大沖擊?？傮w來看，從圖1和圖2中可以更加直觀地看出樣本的股票收益率序列特征，四個(gè)樣本組收益率隨時(shí)間不斷變化，聚集區(qū)交替產(chǎn)生、伴隨出現(xiàn)，具有明顯的波動(dòng)聚集性，同時(shí)又體現(xiàn)出時(shí)變方差的特征。因此，四組樣本收益率均具有尖峰厚尾的特征，不符合正態(tài)分布。

表2 Shapiro-Wilk檢驗(yàn)結(jié)果

對4組樣本收益率進(jìn)行Shapiro-Wilk檢驗(yàn)，結(jié)果見表2。從檢驗(yàn)結(jié)果中可以明顯地看出，四組樣本收益率序列的正態(tài)檢驗(yàn)統(tǒng)計(jì)量較大，且p值均為0，說明其收益率顯著異于正態(tài)分布。該檢驗(yàn)結(jié)果證實(shí)了互聯(lián)網(wǎng)金融概念股時(shí)間序列呈現(xiàn)出明顯的尖峰厚尾的非正態(tài)特征，且樣本數(shù)據(jù)分布峰值較大。

圖1 四個(gè)樣本組收益率序列核密度

圖2 四個(gè)樣本組收益率序列時(shí)間趨勢

2.平穩(wěn)性檢驗(yàn)

為防止出現(xiàn)“偽回歸”現(xiàn)象，在模型估計(jì)之前，還需要對收益率時(shí)間序列進(jìn)行平穩(wěn)性檢驗(yàn)。檢驗(yàn)結(jié)果如表3所示，四組樣本收益率序列均在1%的顯著性水平下拒絕隨機(jī)游走的原假設(shè)，即不存在單位根，說明收益率的時(shí)間序列是平穩(wěn)的，不存在隨機(jī)游走現(xiàn)象，可以建立一個(gè)平穩(wěn)的模型來預(yù)測收益率序列。

3.ARCH-LM檢驗(yàn)

在做實(shí)證模型之前，首先要通過ARCH-LM檢驗(yàn)來驗(yàn)證四組樣本具有ARCH效應(yīng)。如表4所示，四組樣本的收益率序列均通過了ARCH-LM效應(yīng)檢驗(yàn)，除互聯(lián)網(wǎng)券商的p值接近0之外，其余p值均為0，即拒絕原假設(shè)。因此，四組樣本的收益率序列均存在ARCH效應(yīng)，適合用ARCH模型族進(jìn)行實(shí)證研究。

表3 ADF檢驗(yàn)結(jié)果

表4 ARCH-LM檢驗(yàn)結(jié)果

(二)ARCH族模型檢驗(yàn)

1.GARCH模型檢驗(yàn)

運(yùn)用GARCH模型對四組樣本收益率序列進(jìn)行回歸，回歸結(jié)果如表5所示，四組樣本的收益率序列條件方差方程中ARCH項(xiàng)的系數(shù)α1均為正值，表明四組樣本的收益率序列波動(dòng)聚集性非常明顯，其中互聯(lián)網(wǎng)券商GARCH模型的ARCH系數(shù)最大，約為0.61，滬深300樣本次之，P2P平臺與全樣本收益率序列相差不大。說明作為影響力較大的互聯(lián)網(wǎng)券商與滬深300指數(shù)收益率波動(dòng)聯(lián)動(dòng)影響較強(qiáng)，即收益率能夠?qū)ν饨绲臎_擊(比如新經(jīng)濟(jì)政策的發(fā)布或上市公司本身發(fā)生重大事件等)做出靈敏反應(yīng)，而P2P互聯(lián)網(wǎng)平臺對一些外在的沖擊反應(yīng)稍顯遲鈍，波動(dòng)集聚性稍差。同時(shí)，計(jì)算ARCH項(xiàng)系數(shù)α1與GARCH項(xiàng)系數(shù)β1之和可以得出，四組樣本的α1與β1之和均小于1，說明四組樣本受到外部沖擊導(dǎo)致的收益率序列波動(dòng)隨著時(shí)間的推移而慢慢衰減，沖擊的影響逐漸減弱；但通過比較系數(shù)和的數(shù)值，可以看出全樣本系數(shù)和最大，達(dá)到0.997，其次為P2P互聯(lián)網(wǎng)平臺，再次為滬深300指數(shù)與互聯(lián)網(wǎng)券商。通常來說，ARCH項(xiàng)與GARCH項(xiàng)系數(shù)之和越接近1，越表明該收益率序列受到外界沖擊的時(shí)間持續(xù)性更長。因此，通過比較來看，作為新興股票品種的P2P平臺股票以及互聯(lián)網(wǎng)金融概念上市公司股票綜合的收益率對隨機(jī)沖擊的反應(yīng)時(shí)間持續(xù)較長，這說明當(dāng)市場中出現(xiàn)某種事件使得P2P上市公司股票收益率發(fā)生劇烈波動(dòng)時(shí)，其“恢復(fù)時(shí)間”較長，影響消除緩慢；而互聯(lián)網(wǎng)券商以及滬深300指數(shù)所表現(xiàn)出的收益率波動(dòng)反應(yīng)在相對短的時(shí)期內(nèi)，由于發(fā)展較為成熟，其運(yùn)行規(guī)律本身包含自我調(diào)節(jié)功能，因此隨機(jī)沖擊對互聯(lián)網(wǎng)券商與滬深300指數(shù)的沖擊影響能在短時(shí)期內(nèi)得到“恢復(fù)”，與先前對四組樣本收益率反應(yīng)敏捷程度的分析相匹配。

表5 互聯(lián)網(wǎng)金融概念上市公司GARCH模型系數(shù)

2.TARCH模型

表6展示了TARCH模型對四組樣本收益率序列的回歸結(jié)果，可以看出，所有的非對稱項(xiàng)系數(shù)α1的符號均在5%的顯著性水平上為正值，說明四組樣本收益率序列均存在非對稱效應(yīng)。但通過比較四組樣本的θ系數(shù)可以看出，滬深300指數(shù)、互聯(lián)網(wǎng)券商與全樣本的θ系數(shù)均為負(fù)數(shù)，只有P2P互聯(lián)網(wǎng)平臺的θ系數(shù)為正值。因此，實(shí)證結(jié)果表明，P2P互聯(lián)網(wǎng)平臺股票收益率存在明顯的杠桿效應(yīng)，而其他三者的杠桿效應(yīng)均不明顯。對于P2P互聯(lián)網(wǎng)平臺股票收益率來說，當(dāng)市場出現(xiàn)利好消息時(shí)，其沖擊倍數(shù)為0.2376721，而當(dāng)出現(xiàn)利空消息時(shí)，其沖擊倍數(shù)為0.2545349(0.2376721＋0.0168628)；但對于其他三組樣本來說，由于θ系數(shù)為負(fù)值，利空消息并不會使得股票收益率序列波動(dòng)更大，因此這三組樣本幾乎不存在杠桿效應(yīng)。這意味著對于P2P互聯(lián)網(wǎng)平臺上市公司股票收益率的波動(dòng)情況，“利空消息”能夠產(chǎn)生比等量的“利好消息”更大的波動(dòng)，并且利空與利好之比較大(系數(shù)與系數(shù)截距項(xiàng)和之比)，說明P2P互聯(lián)網(wǎng)平臺上市公司股票樣本的收益率不但有杠桿效應(yīng)，而且利空利好的沖擊效果比較明顯。這應(yīng)該與投資者對新興事物所抱有的觀望態(tài)度有關(guān)，有相當(dāng)一部分人對P2P互聯(lián)網(wǎng)平臺并沒有完全了解，因此同等程度的利空消息會加劇人們的不確定心理，使人們的投資行為缺乏更多依據(jù)和數(shù)據(jù)來參考分析，無法做出恰當(dāng)?shù)呐袛?，致使利空消息的杠桿效應(yīng)產(chǎn)生。反觀互聯(lián)網(wǎng)券商及滬深300指數(shù)收益率序列波動(dòng)情況，由于具有較多的投資經(jīng)驗(yàn)，或者有更多的歷史數(shù)據(jù)可以參考，投資者能夠做出更加理性的投資選擇，對利空消息與利好消息能夠進(jìn)行恰當(dāng)?shù)姆治龊团袛啵虼藥砹顺墒旃善憋@現(xiàn)出的特征，即對利空消息反應(yīng)的敏感程度較低。

表6 互聯(lián)網(wǎng)金融概念上市公司TARCH模型系數(shù)

3.EGARCH模型

表7 互聯(lián)網(wǎng)金融概念上市公司EGARCH模型系數(shù)

從表7可以看出，選取的四組樣本運(yùn)用EGARCH模型進(jìn)行回歸后，系數(shù)的p值在5%的水平上顯著，α1系數(shù)顯著不為零且均為正值，說明非對稱效應(yīng)存在于四組樣本的收益率序列中，同時(shí)θ系數(shù)的符號與上述的TARCH模型回歸結(jié)果相同，除P2P互聯(lián)網(wǎng)平臺的θ系數(shù)為負(fù)值以外，其他三組樣本的θ系數(shù)均為正值。因此，可以得到與TARCH相同的結(jié)論:P2P互聯(lián)網(wǎng)平臺股票收益率的波動(dòng)具有杠桿效應(yīng)，且利空利好的沖擊效果比較明顯；而互聯(lián)網(wǎng)券商、滬深300指數(shù)及全樣本的收益率序列杠桿效應(yīng)并不顯著，利空消息不會對股票收益率波動(dòng)產(chǎn)生更大的沖擊效果。這也表明，作為新興的P2P互聯(lián)網(wǎng)行業(yè)仍處在發(fā)展初期，投機(jī)色彩也比較濃厚，投資風(fēng)險(xiǎn)較大，應(yīng)當(dāng)對該行業(yè)進(jìn)行適當(dāng)?shù)匾龑?dǎo)規(guī)范，逐步發(fā)展其與互聯(lián)網(wǎng)券商市場類似的較為成熟的投資氛圍。

4.ARCH-M模型

運(yùn)用與TARCH模型相同的回歸方程分別對四個(gè)樣本收益率序列波動(dòng)性進(jìn)行ARCH-M建模，以修正檢驗(yàn)各公司股票收益率波動(dòng)性規(guī)律，得出四組樣本的ARCH-M模型回歸結(jié)果。從表8可以看出，各條件方差項(xiàng)系數(shù)顯著為正，說明互聯(lián)網(wǎng)金融概念公司股票收益率與期望風(fēng)險(xiǎn)呈正相關(guān)關(guān)系，符合經(jīng)濟(jì)學(xué)中收益與風(fēng)險(xiǎn)成正比的一般性結(jié)論。其中，互聯(lián)網(wǎng)券商的條件方差項(xiàng)系數(shù)最大，約為0.613，說明互聯(lián)網(wǎng)券商的收益與風(fēng)險(xiǎn)匹配程度最高，其次為滬深300指數(shù)，而P2P互聯(lián)網(wǎng)平臺收益率與全樣本收益率序列風(fēng)險(xiǎn)和收益的對應(yīng)程度最低，也反映了投資者的不確定心理。

表8 互聯(lián)網(wǎng)金融概念上市公司ARCH-M模型系數(shù)

以上四個(gè)模型從不同的角度對四個(gè)樣本組序列股票收益波動(dòng)性進(jìn)行研究，雖然得到的結(jié)果有相似之處，但也有各自的側(cè)重點(diǎn)。總體而言，四組樣本的收益率序列波動(dòng)聚集性非常明顯，并且均存在非對稱效應(yīng)。進(jìn)一步來看，互聯(lián)網(wǎng)券商股票收益率與P2P互聯(lián)網(wǎng)平臺收益率檢驗(yàn)結(jié)果差異較大，互聯(lián)網(wǎng)券商股票收益率可以對外界沖擊做出靈敏的反應(yīng)，并且對隨機(jī)沖擊的反應(yīng)持續(xù)時(shí)間較短，自我調(diào)節(jié)功能較強(qiáng)，收益與風(fēng)險(xiǎn)匹配程度較高，杠桿效應(yīng)較弱；而P2P互聯(lián)網(wǎng)平臺收益率對一些外在的沖擊反應(yīng)稍顯遲鈍，波動(dòng)集聚性稍差，對隨機(jī)沖擊的反應(yīng)“恢復(fù)時(shí)間”較長，影響消除緩慢，不但具有杠桿效應(yīng)，而且利空利好的沖擊效果也比較明顯，同時(shí)其收益率風(fēng)險(xiǎn)和收益的對應(yīng)程度較低。這說明新興市場相對于成熟市場來說有其獨(dú)特的特點(diǎn)，不僅對外界的隨機(jī)沖擊比較脆弱，而且風(fēng)險(xiǎn)較大，具有杠桿效應(yīng)。同樣，互聯(lián)網(wǎng)金融概念股票屬于新興的股票市場，其相對于滬深300等傳統(tǒng)行業(yè)來說，股票收益率的脆弱性、杠桿性、風(fēng)險(xiǎn)性都較強(qiáng)，投機(jī)色彩也比較濃厚，所以應(yīng)當(dāng)對該行業(yè)進(jìn)行適當(dāng)?shù)匾龑?dǎo)規(guī)范，逐步發(fā)展其與滬深300市場類似的較為成熟的投資氛圍。

四、研究結(jié)論與對策建議

(一)研究結(jié)論

本文運(yùn)用ARCH模型族，以2014—2016年26只互聯(lián)網(wǎng)金融概念上市公司股票的每日收盤價(jià)數(shù)據(jù)為樣本，分為四個(gè)樣本組序列進(jìn)行對比分析，實(shí)證研究了我國互聯(lián)網(wǎng)金融概念上市公司股票收益率波動(dòng)性，得出以下結(jié)論:

第一，互聯(lián)網(wǎng)金融概念上市公司股票收益率序列呈現(xiàn)尖峰厚尾的特征，不符合正態(tài)分布，符合金融時(shí)間序列的一般規(guī)律。滬深300指數(shù)收益率序列和互聯(lián)網(wǎng)券商收益率序列與正態(tài)分布存在顯著差異，其股票收益率波動(dòng)會左右投資者的投資決策；而P2P互聯(lián)網(wǎng)平臺股票收益率序列與互聯(lián)網(wǎng)金融概念行業(yè)綜合股票收益率序列偏離程度較小，因這兩者為新興行業(yè)，其市場帶動(dòng)效應(yīng)相對較小，很少出現(xiàn)大規(guī)模投資者同時(shí)收益或同時(shí)虧損的現(xiàn)象，暴發(fā)戶與暴跌戶在這兩類行業(yè)中出現(xiàn)較多。

第二，四個(gè)樣本組收益率序列均為平穩(wěn)時(shí)間序列，不存在單位根。且均通過了ARCH-LM模型檢驗(yàn)，存在ARCH模型效應(yīng)，適合用ARCH模型族建模進(jìn)行實(shí)證研究。

第三，四個(gè)樣本組收益率序列均存在明顯的波動(dòng)集聚性，對外部隨機(jī)沖擊反應(yīng)時(shí)間持續(xù)性均有限。其中，滬深300指數(shù)收益率序列與互聯(lián)網(wǎng)券商收益率序列的波動(dòng)集聚性更強(qiáng)，受到外界隨機(jī)沖擊后，股票收益率表現(xiàn)出短時(shí)期內(nèi)的頻繁波動(dòng)；而P2P互聯(lián)網(wǎng)平臺與互聯(lián)網(wǎng)金融概念行業(yè)綜合股票收益率序列的波動(dòng)集聚性相對稍小，對外界隨機(jī)沖擊的反應(yīng)程度相對不敏感，股票收益率出現(xiàn)波動(dòng)時(shí)間較長，即其自身調(diào)節(jié)風(fēng)險(xiǎn)的能力較弱。

第四，四個(gè)樣本組收益率序列均存在非對稱效應(yīng)。其中P2P互聯(lián)網(wǎng)平臺收益率序列存在杠桿效應(yīng)，即相對利好消息，P2P互聯(lián)網(wǎng)平臺股票更易受同等程度利空消息的影響，其沖擊效應(yīng)更大，反映出P2P互聯(lián)網(wǎng)平臺股票尚未成熟，投資者對該行業(yè)存在觀望心理和投機(jī)心理，信息公開與反饋效率不足。

第五，四個(gè)樣本組收益率序列的風(fēng)險(xiǎn)與收益均存在正相關(guān)關(guān)系。其中，互聯(lián)網(wǎng)券商與滬深300指數(shù)因其發(fā)展相對成熟，其風(fēng)險(xiǎn)與收益匹配程度較好；而P2P互聯(lián)網(wǎng)平臺與互聯(lián)網(wǎng)金融概念行業(yè)的股票收益率風(fēng)險(xiǎn)與收益匹配程度一般，需引導(dǎo)投資者進(jìn)行理性投資，使得預(yù)期收益和風(fēng)險(xiǎn)匹配程度達(dá)到合理的范圍。

(二)對策建議

1.加強(qiáng)互聯(lián)網(wǎng)金融監(jiān)管。互聯(lián)網(wǎng)金融雖然是一種新型的金融服務(wù)，但其實(shí)質(zhì)脫離不開金融的本質(zhì)，其數(shù)據(jù)仍然具有自相關(guān)性及聚集性等金融時(shí)序數(shù)據(jù)的特點(diǎn)，時(shí)而波動(dòng)劇烈，時(shí)而波動(dòng)平緩。目前，互聯(lián)網(wǎng)金融呈爆發(fā)式發(fā)展趨勢，而對于互聯(lián)網(wǎng)金融的監(jiān)管手段相對滯后，潛在風(fēng)險(xiǎn)不容忽視，決策者應(yīng)加強(qiáng)對互聯(lián)網(wǎng)金融監(jiān)管方法方面的研究。

2.提高投資者風(fēng)險(xiǎn)意識。在互聯(lián)網(wǎng)金融的大背景下，投資者應(yīng)理性分析互聯(lián)網(wǎng)金融概念股票的收益與風(fēng)險(xiǎn)?，F(xiàn)階段互聯(lián)網(wǎng)金融概念股票發(fā)展不成熟，尤其是受到外界沖擊時(shí)，股票收益率波動(dòng)時(shí)間較長，自身調(diào)節(jié)風(fēng)險(xiǎn)的能力較弱，如果投資者不提高風(fēng)險(xiǎn)意識，一旦發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)，不僅會帶來巨大的經(jīng)濟(jì)損失，而且還有可能造成社會的動(dòng)蕩。因此，投資者需要更為有效、敏感的風(fēng)險(xiǎn)預(yù)警手段來防范未知風(fēng)險(xiǎn)。

3.互聯(lián)網(wǎng)金融產(chǎn)品多元化。創(chuàng)新是一個(gè)企業(yè)發(fā)展的巨大動(dòng)力，只有不斷創(chuàng)新才能源源不斷地為企業(yè)注入新鮮血液，在激烈的競爭中拔得頭籌，促進(jìn)企業(yè)的長遠(yuǎn)發(fā)展?；ヂ?lián)網(wǎng)金融給企業(yè)提供了廣闊的平臺和多元的客戶群，廣大企業(yè)應(yīng)以此為契機(jī)，穩(wěn)抓創(chuàng)新，不斷推出新產(chǎn)品、新業(yè)務(wù)，適應(yīng)廣大群體的多元化要求?；ヂ?lián)網(wǎng)金融的突出特點(diǎn)就是依托網(wǎng)絡(luò)平臺進(jìn)行交易，要充分利用網(wǎng)絡(luò)資源，建立屬于企業(yè)獨(dú)樹一幟的網(wǎng)絡(luò)優(yōu)勢，也是促進(jìn)互聯(lián)網(wǎng)金融企業(yè)不斷持續(xù)健康發(fā)展、避免股價(jià)大起大落的重要途徑。