范德寧

摘?要：文章采用金融學(xué)楊云峰博士在《中國股票市場季節(jié)性異象研究》中設(shè)計的季節(jié)異象模型，實證檢驗了股市中滬深300指數(shù)“春生”季節(jié)異象的歷史存在。對滬深300指數(shù)季節(jié)收益率平穩(wěn)性進行了單位根檢驗，并運用格蘭杰因果檢驗法檢驗出“冬播”對“春生”具備預(yù)測解釋能力，“夏歇”對“秋搶”具備預(yù)測解釋能力。最后運用均值標準差模型將滬深300指數(shù)季節(jié)收益率時序數(shù)據(jù)轉(zhuǎn)化為頻率數(shù)據(jù)，為投資者選擇合適的投資時機提供參考。

關(guān)鍵詞：季節(jié)異象；單位根檢驗；格蘭杰因果檢驗；均值標準差模型

中圖分類號：F832.51???文獻標識碼：A?文章編號：1005-6432（2023）25-0041-04

DOI：10.13939/j.cnki.zgsc.2023.25.041

1?引言

有效市場假說是關(guān)于股票價格能在多大程度上反映市場真實狀況的經(jīng)典金融學(xué)理論學(xué)說，即所有的信息都已經(jīng)反映在股票價格中，所有想戰(zhàn)勝市場的努力都是徒勞的。當沒有新信息出現(xiàn)的情況下，證券價格將保持均衡狀態(tài)，投資者無法通過研究股票價格走勢獲得超額收益。從統(tǒng)計特征上可把這種狀態(tài)描述為一種收益率均值恒定，方差收斂的隨機游走形態(tài)，近似服從正態(tài)分布。但實際中股票價格在均值附近停留的時間相對較短，股票價格遠離均值的情況時有發(fā)生，統(tǒng)計特征上把這種情況稱為收益率尖峰厚尾現(xiàn)象。正是由于股票市場異象的存在能夠獲得超額收益，因此股票市場異象研究是目前金融研究的熱門方向。滬深300指數(shù)代表流動性強與規(guī)模大的股票價格組合。滬深300指數(shù)出現(xiàn)意義在于中國證券市場在創(chuàng)立十多年來第一次有了反映整個A股市場全貌的指數(shù)。文章創(chuàng)新之處在于首先證明了滬深300指數(shù)季節(jié)異象中“春生”超額收益率的存在，并進一步檢驗了數(shù)據(jù)的平穩(wěn)性，在此基礎(chǔ)上對季節(jié)收益率數(shù)據(jù)之間的關(guān)系進行了檢驗。最后獨特的將季節(jié)收益率時序數(shù)據(jù)轉(zhuǎn)化為頻率數(shù)據(jù)，對季節(jié)收益率的波動區(qū)間進行了量化。

2?滬深300指數(shù)季節(jié)性異象描述

根據(jù)《中國股票市場季節(jié)性異象研究》中論述的中國股市獨有的反季節(jié)8字方針，即“冬播、春生、夏歇、秋搶”，再結(jié)合中國經(jīng)濟運行規(guī)律可以理解為：?“冬播”（11月1日至1月31日），臨近年底，銀行業(yè)對企業(yè)收回貸款，上市公司要把投出去的資金、借出的資金、委托理財?shù)馁Y金收回來做年報，而股市是需要資金推動的，當社會上資金處于回籠狀態(tài)，股票市場也因為缺乏資金推動而價格下跌，但這時價格對于投資者反而便宜，是買入的時機?！按荷保?月1日至4月30日），是上市公司財報密集公布的時期，國務(wù)院經(jīng)濟工作會議相關(guān)工作也緊鑼密鼓地開展，所以這時股市充盈著信心，做多意愿強勁，容易引發(fā)上升行情也最容易產(chǎn)生超額收益的季節(jié)?！跋男保?月1日至7月31日），上市公司上年年報披露完成，而上市公司半年報集中于7月中旬至8月底，這段時間更像是空窗期，場內(nèi)資金更多是以存量資金博弈，場外投資人更多選擇觀望，而市場是需要資金來推動的。當形成場內(nèi)資產(chǎn)博弈時就容易引發(fā)市場下跌?！扒飺尅保?月1日至10月31日），是相對于“夏歇”而言，當股市夏季出現(xiàn)下跌時，短線交易者往往認為秋季勢必會出現(xiàn)反彈，這時膽量大的投資者就會進場搶秋季反彈，“秋搶”因而得名。[JP]

3?實證分析

實際建模時，一些定性變量即非數(shù)值型變量具有不可忽視的重要影響。所謂定性變量就是屬性變量，表示某種屬性存在與否的因素。對定性變量的量化可采用虛擬變量的方式實現(xiàn)，理論上講虛擬變量取“0”值時通常代表比較的基礎(chǔ)類型，而虛擬變量取“1”值時通常代表被比較的類型。

即：“0”代表基期（比較的基礎(chǔ)，參照物）；

“1”代表報告期（被比較的效應(yīng)）。

建模時當引入虛擬變量時要注意避免“虛擬變量陷阱”，即一般指在引入虛擬變量時，如果模型要求M個定性變量，則模型中只能引入M-1個虛擬變量。此處解釋可從數(shù)學(xué)上理解為在對矩陣運用最小二乘法時，矩陣必須是滿秩矩陣，否則矩陣不可逆。

實驗的樣本區(qū)間選取2005年1月至2022年7月的月度數(shù)據(jù)，并通過計算形成符合模型檢驗要求的季度數(shù)據(jù)71個，其中：

（1）季節(jié)均值=（本季度開盤價+本季度最高價+本季度最低價+本季度收盤價）/4；

（2）季節(jié)收益率=（本季度收盤價-本季度開盤價）/本季度開盤價。

表格中的數(shù)值保留3位小數(shù)，文中數(shù)值為負數(shù)時，用括號予以表示，具體數(shù)據(jù)見表1。

根據(jù)表1收益率數(shù)據(jù)計算“冬播”“春生”“夏歇”“秋搶”四季收益率平均值，以下為描述性統(tǒng)計結(jié)果，見表2。

根據(jù)表2數(shù)據(jù)可以得出結(jié)論：在收益率方面“春生”大于“冬播”大于“夏歇”大于“秋搶”。

3.1?檢驗“春生”季節(jié)異象的顯著性

引入季節(jié)異象檢驗?zāi)Ｐ停?/p>

Rt=a0+a1·Wt+a2·St+a3·At+εt

其中，?Rt代表收益率，Wt代表“冬播”虛擬變量，St代表“夏歇”虛擬變量，At代表“秋搶”虛擬變量，εt代表擾動項，a0代表截距項，a1、a2、a3代表虛擬變量前的系數(shù)。運用最小二乘法，如果a0估計值顯著大于0，而a1、a2、a3顯著小于0，說明存在“春生”季節(jié)異象。以下為估計結(jié)果，見表3。

根據(jù)表3數(shù)據(jù)可以得出結(jié)論：滬深300指數(shù)歷史上存在“春生”季節(jié)異象，存在“春生”季節(jié)超額收益。

3.2?對滬深300指數(shù)季節(jié)收益率的時間序列數(shù)據(jù)的平穩(wěn)性進行檢驗

滬深300指數(shù)季節(jié)收益率數(shù)據(jù)平穩(wěn)性檢驗采用EViews軟件中的ADF單位根檢驗方法，等價于檢驗下列三種情形，分別是：

（1）yt=ρyt-1+ut（不含截距項c與時間趨勢項rt）。

（2）yt=c+ρyt-1+ut（含有截距項c）。

（3）yt=c+rt+ρyt-1+?ut（含有截距項c與時間趨勢項rt）。

上述yt為滬深300指數(shù)季節(jié)收益率時序數(shù)據(jù)，yt-1是yt的前一期值，ρ是模型系數(shù)，ut是模型擾動項。因為單位根檢驗的原假設(shè)是時間序列不平穩(wěn)含有單位根，所以判斷標準為：若不拒絕原假設(shè)，yt?為含單位根的非平穩(wěn)時間序列；若拒絕原假設(shè)第一種情形與第二種情形均為平穩(wěn)時間序列，第三種情形為帶趨勢項的平穩(wěn)序列。以下為三種情形單位根的檢驗結(jié)果，見表4。

根據(jù)表4數(shù)據(jù)可以得出結(jié)論：三種情形的檢驗結(jié)果P值均小于0.05，故可以拒絕原假設(shè)。第二種情形的截距項系數(shù)根據(jù)計算P值等于0.078大于0.05，第三種情形的時間趨勢項系數(shù)根據(jù)計算P值等于0.162大于0.05都不顯著，故滬深300指數(shù)季節(jié)收益率時序數(shù)列為不含截距項與時間趨勢項的平穩(wěn)時間序列。

3.3?檢驗“冬播”與“春生”，“夏歇”與“秋搶”的格蘭杰因果關(guān)系

因為滬深300指數(shù)季節(jié)收益率時序數(shù)據(jù)平穩(wěn)，故可以檢驗“冬播”與“春生”季節(jié)收益率時序數(shù)據(jù)的格蘭杰因果關(guān)系，在表1中分別選取“冬播”與“春生”的季節(jié)性收益率時序數(shù)據(jù)18個，檢驗方法采用EViews軟件中的格蘭杰因果檢驗。格蘭杰因果檢驗的意義在于能夠說明解釋變量與被解釋變量之間是否具有預(yù)測能力，以下為“冬播”與“春生”的格蘭杰因果檢驗結(jié)果，見表5。

根據(jù)表5數(shù)據(jù)可以得出結(jié)論：“春生”不能預(yù)測“冬播”，因為P值等于0.751大于0.05，無法拒絕原假設(shè)，但“冬播”能夠預(yù)測“春生”，因為P值等于0.010小于0.05，說明拒絕原假設(shè)，故“冬播”對“春生”具有預(yù)測解釋能力。

同理，檢驗“夏歇”與“秋搶”?季節(jié)收益率時序數(shù)據(jù)的格蘭杰因果關(guān)系，在表1中分別選取“夏歇”與“秋搶”的季節(jié)收益率時序數(shù)據(jù)17個。以下為“夏歇”與“秋搶”的格蘭杰因果檢驗結(jié)果，見表6。

根據(jù)表6數(shù)據(jù)可以得出結(jié)論：“秋搶”不能預(yù)測“夏歇”，因為P值等于0.297大于0.05，無法拒絕原假設(shè)，但“夏歇”能夠預(yù)測“秋搶”，因為P值等于0.027小于0.05，拒絕原假設(shè)，故“夏歇”對“秋搶”具有預(yù)測解釋能力。

4?運用均值標準差模型將滬深300指數(shù)季節(jié)收益率時序數(shù)據(jù)轉(zhuǎn)化為頻率數(shù)據(jù)

首先，均值標準差模型為Z=（xt-μ）/σ，式中xt代表樣本中各個季度均值，μ代表季度總體均值，σ代表季度均值的標準差，Z值是滬深300指數(shù)季節(jié)均值的頻率數(shù)據(jù)，頻率數(shù)據(jù)相對于時序數(shù)據(jù)能夠非常直觀地反映其在空間中的具體位置。Z值描述的意義是用標準差σ的倍數(shù)來度量各個季度均值偏離總體均值μ的程度。

其次，根據(jù)表1中季節(jié)均值計算總體均值μ與標準差σ，結(jié)果見表7。

然后，將表1中滬深300指數(shù)71個季節(jié)均值的時序數(shù)據(jù)通過均值標準差模型轉(zhuǎn)化為頻率數(shù)據(jù)。根據(jù)表1，滬深300指數(shù)季節(jié)波動的最低谷值點出現(xiàn)在2005年1月31日，xt?等于974.880，計算Z值等于（1.947）倍σ，目前波動的最高峰值點出現(xiàn)在2021年4月30日，xt?等于5323.728，計算Z值等于1.952倍σ。在此波動區(qū)間的幾次上漲與下跌中滬深300指數(shù)在2008年1月31日季節(jié)性波動的峰值xt?等于5171.233，計算Z值等于1.815倍σ；2009年1月23日季節(jié)性波動谷值xt?等于1848.893，計算Z值等于（1.164）倍σ；在2015年7月31日季節(jié)性波動的峰值xt?等于4373.150，計算Z值等于1.100倍σ；2016年4月29日季節(jié)性波動谷值xt?等于3053.380，計算?Z?值等于（0.084）倍σ；?2018年10月31日季節(jié)性波動谷值xt?等于3309.240，計算Z值等于0.146倍σ。從歷史Z值幾次季節(jié)波動的谷值點不難發(fā)現(xiàn)2018年10月31日以后，滬深300指數(shù)季節(jié)波動的谷值點位置已經(jīng)逐漸地趨于總體均值μ上方，Z值大于0，而波動的峰值點Z值未來一定大于1.952倍σ。

2022年以來滬深300指數(shù)季節(jié)均值從1月28日xt等于4786.393，計算Z值等于1.470倍σ，下行至7月29日xt等于4126.085，計算Z值等于0.878倍σ，如果因戰(zhàn)爭、疫情、全球加息潮等不利因素導(dǎo)致滬深300指數(shù)季節(jié)均值的Z值繼續(xù)回落，則滬深300指數(shù)季節(jié)波動的谷值點按照斐波那契數(shù)列推斷會依次回落至0.819、0.618、0.5倍σ附近，計算滬深300指數(shù)季節(jié)性均值xt依次為4060.178、3836.010、3704.409，這些數(shù)值也是滬深300指數(shù)季節(jié)均值回落過程中的重要支撐位。反之，按照文章“春生”季節(jié)性異象歷史存在性的證明，按照2022年“冬播”的時間節(jié)點來投資，則2023年滬深300指數(shù)波動的峰值點估計會依次在1.191、1.382、1.5倍σ附近，計算滬深300指數(shù)季節(jié)均值xt依次為4475.055、4688.070、4819.671，這些數(shù)值也必將成為滬深300指數(shù)季節(jié)均值上升過程中的重要壓力位。

5?結(jié)論

（1）文章對A股股票市場重要的滬深300股票市場指數(shù)異象的淺析，從季節(jié)歷史數(shù)據(jù)的研究中展現(xiàn)了我國股票市場具有中國特色的市場異象，即符合中國經(jīng)濟運行規(guī)律的“冬播”“春生”“夏歇”“秋搶”現(xiàn)象。

（2）文章按照四季時間節(jié)點對滬深300季節(jié)收益率數(shù)據(jù)進行處理，證明了“春生”異象的存在，證明了滬深300季節(jié)收益率數(shù)據(jù)的平穩(wěn)，證明了“冬播”對“春生”、“夏歇”對“秋搶”具備預(yù)測解釋能力，最后將滬深300季節(jié)收益率波動區(qū)間進行了量化。

（3）文章選取季節(jié)數(shù)據(jù)進行探究，相對于高頻交易數(shù)據(jù)而言，對于廣大投資者更有指導(dǎo)性，因為任何事物放大看得明明白白，縮小了看估計只能窺見一斑，這也是文章寫作的初衷。

參考文獻：

［1］楊云峰.中國股票市場季節(jié)性異象研究［M］.北京：中國經(jīng)濟出版社，2014：1-166.

［2］李丹妮，舒曉惠.中國股票市場季節(jié)性特征及投資策略［J］.經(jīng)濟研究導(dǎo)刊，2021（14）：78-82.

［3］莫易嫻，周樂敏.大數(shù)據(jù)時代中國股票市場月份效應(yīng)研究［J］.上海立信會計金融學(xué)院學(xué)報，2020（1）：60-72.

［4］楊隕菽，李曉柯.中國股票市場月份效應(yīng)研究［J］.中國市場，2019（22）：12-13.