第 1 章 绪 论
1.1 论文研究的背景、目的和意义
1.1.1 论文研究的背景
中国股市自成立以来，仅仅不到三十年时间便实现飞跃式发展与进步。伴随我国股市的逐步发展与成熟，人们对股市的熟识度逐渐改变和加深，特别在2014 年我国股市迎来一轮牛市行情，全国涌现起一波火热的炒股浪潮，技术分析对投资者投资决策的作用和需要日渐重要。股票相关性对投资者实施投资决策有非常重要的借鉴价值，而在我国股市中不同行业的股票常常会表现极其相似的同涨同跌规律，表现出过度相关性，说明行业股票的相关性极有可能受到了股市中超额联动效应的影响，这将导致股票间产生不准确的相关性，由此对投资者决策造成一定程度的影响。股市研究初期，国外学者认为股票市场具有适度波动状态规律，同时创造了经典的金融学理论，解释股价波动的原因。该理论提出在市场有效的基础下，金融资产以及其衍生工具价格可通过某些数学公式计算得出。在该理论框架之下，股价的变化具有某种特定的规律，并且股价可以充分反映股票价值，这就是说股价出现波动的原因主要由股票交易成本、流动性及其它基本因素决定，也能够进一步解释股票基本面信息的变化将充分体现在股价波动的状态中。经过深入研究，经济学家发现股市并不总是处于适度波动状态，而是常常发生异常波动现象。国外学者首先对该发现进行了一定程度的研究，席勒（1981）等学者研究得出股价与股息均是剧烈变化的，且股价波动情况相较于股息波动表现的更加明显，即当股息在稳定变化时，股价仍处于不规则剧烈变动中[1]。有学者深化了对美股的研究，结果为股价和股利分红均呈现显著的不规则变化状态[2]。同时在股票市场中，不同地区、不同板块间和不同行业股票间的同涨同跌等现象也屡屡发生，学者将其称为联动（comovement）。关于联动的探究，现代金融学理论更多地是从基本面角度来诠释，也就是说，股票价格间的同涨同跌现象主要是由影响资产折现率与资产现金流的基本面要素变动引起。然而现实中，诸如孪生证券现象、指数调整效应、我国股市的“5.30 暴跌”以及几乎所有股票市场都曾发生过的暴跌跳水等现象的发生，是经济基本面因素所难以解释的。经济学家将其称之为过度相关性。资本市场中的过度相关性可能导致投资组合失效，甚至有可能加剧金融市场的风险感染程度，破坏一个国家乃至全球经济的健康发展。因此研究股票间的相关性，探索反映股票间真正相关关系的方法对资本估值、投资组合决策等有重要价值。
..........
1.2 国内外研究现状
股票间收益率在股票交易市场中常常发生联动的现象，国外经济学家研究得出，引发股票收益率间产生该种现象的原因和股票基本面因素没有关系，通常包含股票属于相似甚至相同行业、调整市场股指及企业为同一板块或领域等，对以上这些因素的成因，行为金融学将其归因于投资者决策时的情绪干扰与市场有限套利的特点。Barberis（2005）等将这部分“独立于股票基本面的股票收益率间的联动”称之超额联动效应，也就是过度相关性，并且研究分析指出，投资者做出策略决定时的情绪和股市中的摩擦等非基本面因素引发行业股票之间的超额联动效应[3]。Shleifer（1986）实证研究了 1976-1983 年期间的美国股市的标准普尔 500 指成本股，研究表明这些样本股从公告到正式生效这一时期内呈现异常上涨的现象，股价均涨幅实现 2.79%[4]。库珀（Cooper，2006）等以美国互联网泡沫时期更改公司名称的美股为实证对象，发现那些在该期间增添网络词汇的公司股票基本上得到了明显的超额收益，股票在公司公告前后5 天呈现 53%的异常涨幅，即使在公告的两个月后仍可达到 23%之多的超额回报[5]。研究早期，国外经济学家建立回归模型，对股票收益率、价格及市场回报率进行研究得出股票间具有同涨同跌现象，也就是所谓的股票同步关联性。Roll（1988）分别借助 CAPM 模型和 APT 模型进行回归求出能够解释市场系统风险因素部分的 R，并通过创立组合和构建数学模型分析 R 的决定因素，得出结论 R 代表股价中的私有信息量，也说明投资者情绪等与基本面无关[6]。Morck（2000）首次指出股票价格同步等方面概念，研究中，他指出决定 R 大小的主要因素是股价中含有的私有层次信息占市场层次信息的比例情况。他进一步指出，发达国家在股市中的 R 比欠发达国家的小，因为发达国家资本市场比较健全，股价不会随意呈现出齐涨同跌的现象，然而欠发达国家，资本市场尚未健全，股价往往出现更明显的同步化趋势[7]。Rul（2008）把中国股市作研究对象，得出结论在国内外股市同时上市的企业的 R 比只在国内股市上市的企业小；在在香港股市与国内 A 股市场上市的公司与在国内 A、B 股市场同时上市公司相比，前者 R 较低，即系统性风险因素对股票间的相关影响性较小[8]。
.............
第 2 章 股票间相关性测量方法及超额联动效应概述
2.1 股票间相关性涵义及已有的测量方法
2.1.1 股票间相关性涵义
股票相关性指的是多只股票的股价或收益率，在一个时段内的相关联系，通常用相关系数来表示。通常而言在股票市场中的上市公司间相同行业的相关性较高，相似行业的相关性次之，对属于完全不同行业的则相关性最低。根据现有研究成果可知，股票关联性对资本市场性风险的衡量及资产组合的构建都具有重大价值，所以股票相关性成为了个人投资者或者投资机构衡量股票市场风险以及构建资产组合的有效性的重要参考依据。相关性的性质表明，股票间的相关程度越高，其所组成的市场的系统风险越强，由股票所组成的资产组合的有效性相应的也就越差[28]。国家股票市场的股票相关性水平可以反映股票市场的成熟度，随着股市逐渐成熟和完善，股票的相关性将逐渐下降。同时依据相关性性质可知，行业内个股的相关性大于行业间个股相关性。格兰杰因果关系检验指判断经济变量间形式上的因果相关关系计量研究法，而序列数据平稳是前提，若由两变量 X、Y 滞后值对 Y 估测效果比只由 Y 滞后值做估测好，也就是产生误差更小，那么称 X 对 Y 存在因果关系[30]。该检验的原命题是自变量 X 不是因变量 Y 因果关系，若得到的 F 值大于设定显著水平下F 分布临界值 F ( m, n k) （其中 m 指 X 的滞后项数量，n 数据容量，k 指囊括 X的滞后项之回归函数需估测的参数数量），则拒绝零假设，认为 X 对 Y 有因果联系，反之 X 对 Y 没有格兰杰因果原因[31]。
........
2.2 股票间超额联动现象的界定
在股票市场中，不同地区、不同板块及不同行业股票之间经常会出现同涨同跌等现象，学者将其称为联动（comovement）。关于联动的探究，现代金融学更多地是从基本面角度来诠释，也就是说，股票价格间的同涨同跌现象主要是由于对资产现金流与资产折现率的基本面要素变动产生影响而导致的。然而现实中的暴涨暴跌是基本面所很难解释的。Kallberg 和 Pasquariello（2007）等经济学家将这超出基本面因素所能解释的资产价格间的共变性称之为过度联动也叫超额联动。也就是说当经济基本面没有出现本质改变时，股票收益率或价格在一定时期内表现出了超出经济基本面因素解释范畴的跨市场、跨板块同涨同跌现象称为超额联动现象。股票间的超额联动效应会使不存在直接内在关联的股票价格之间表现出过度相似的变化规律，使相对独立的个股间产生表象上紧密关联的特性，从而对投资者行为产生误导、影响投资组合的有效性。以一个形象的例子加以阐述。当一大群人在操场中活动时，不同的人有的在散步、快走、跑步或站着聊天等，每个人活动的速度相互独立且变化不定。任选两人来试图测算由他们的活动速度构成的的相关系数，可预期该相关系数近似于零，这是由于每个人的活动方式的高度独立性决定的。然而若有一批人（如 100 人）统一听一人指挥齐步走时，则其中任意两个人的运动速度构成的序列间的相关系数必然接近于 1。像这样听从统一的号令运动的人与人间的运动速度的高度相关性是一种间接相关，并不意味着两个人的运动速度有内在的因果关联。这就像股票市场行情处于随机波动时，股票会按照各自方式波动，且这种波动方式具有较强的独立性，体现为股票间的相关性较弱，只有企业之间高度相似（比如处于相同的行业并且生产的产品高度一致）时相关性才较强。而当大行情出现时，股票价格变动趋于一致，这时不论股票是否处于相同行业，与随机波动行情相比，大部分股票间的相关性变强，这种相关性并不是股票之间内在本质关联的产物，而是某些间接因素引起的。我们在本论文中称这类间接因素导致的股票间相关性的增强现象为超额联动效应。
..........
第 3 章 股票交易数据中体现的股票间的超额联动效应 ..........21
3.1 金融时间序列分析中存在的超额联动效应 .........21
3.2 CAPM 模型中所体现出的超额联动现象 .....22
3.2.1 资本资产定价模型概述 ...... 22
3.2.2 CAPM 模型存在的超额联动现象 ....... 23
3.3 投资者行为引起的超额联动效应 .......23
3.4 不同行情特征下的股票收益率间超额联动效应的统计分析 .........24
3.5 本章小结...........44
第 4 章 有效规避超额联动效应的股票间相关系数测量方法构建...........45
4.1 尽可能规避股票间超额联动效应的理论和应用意义 ...........45
4.2 基于时间段截取法有效规避超额联动效应 .........47
4.3 基于 CAPM 模型构建有效规避超额联动效应的相关系数公式 ....51
4.4 本章小结...........52
第 5 章 规避超额联动效应的新型股票间相关性测量方法的实证研究与应用.......53
5.1 规避超额联动效应的时间段截取股票相关性测量方法研究 .........53
5.2 基于 CAPM 模型有效规避超额联动效应的股票相关性实证研究 ........60
5.3 规避超额联动效应的新型股票间相关系数测算方法的应用 .........64
5.4 本章小结...........70
第 5 章 规避超额联动效应的新型股票间相关性测量方法的实证研究与应用
股市中的市场行情对股票相关性分析有着重要影响，本文依据上一章节基于行情特征分析的时间段截取法及基于 CAPM 模型规避超额联动效应的新型股票间相关性测算方法计算相关系数并与传统方法实证比较，使用相关系数的变换状况来表述两种相关性测算在判断股票间相关性的差异效果，并将新型股票间相关性测算方法应用于实际相关性测算中去。
5.1 规避超额联动效应的时间段截取股票相关性测量方法研究
文中以行业股票日收盘价测算的对数收益率为研究基础，筛选了 2013 年 1月 4 日至 2017 年 1 月 26 日期间 990 个交易日的上证 A 指、行业差别较大的医药、钢铁原材料行业股票的样本数据为研究对象。文章数据均来自 Wind 终端数据库及大智慧数据终端，以上证 A 股为研究对象，研究时期包括若干次较大的多头、空头及随机波动行情，行业股票选取基于 GICS。实证研究前，为防止出现经营状况不善，违法违规、股价处于异常波动或财务报表缺陷等异常股票的影响，本文剔除所选时期内的停牌股、ST、新股及开盘交易日低于 60 的股票，并选取行业自由流通市值排名前 50 的具有代表性的医药、钢铁原材料行业股票，选取股票如下表 5-1、5-2（部分数据）。传统的股票间相关性测算模型中，计算相关系数时，时间序列数据未剔除超额联动效应的影响。相关系数的正负代表变量间关联程度的方向，当其值小于 0 时，负数越小，说明负相关越大。所以本文以相关系数的绝对值描述变量间相关程度的高低，传统方法测算的股票行业间的收益率相关系数矩阵部分数据如表 5-2，经过统计分析，传统方法测算的个股相关系数的概率统计如图 5-1。
...........
结 论
2014 年以来我国股市进入一轮显著的牛市行情，全国掀起一波火热的炒股的浪潮，技术分析在投资者投在资决策中的作用和需要日渐重要。股票相关性是研究股价或者收益率间的关系和行业分类的技术工具，它对股票市场系统性风险与资产组合的有效性的衡量具有重要价值。所以，个人与机构投资者均把股票间的相关性作为一个重要标准，以此权衡股市风险的大小与组建的的投资组合有效性。然而股票市场中显著的牛市或熊市行情会引起不同行业股票间的超额联动效应，导致测算的股票间相关系数偏离真实值，影响投资者的投资决策、行业分类及投资组合有效性。本文基于现有的股票间相关性测量方法，验证了行情特征下超额联动效应的普遍存在性，对现有相关性测量方法加以改进构造尽可能规避超额联动效应的股票间相关性新型测量方法，并将其应用于复杂网络对行业股票相关性的分析研究中。本文通过研究得出以下结论。
（一）超额联动效应是受大盘波动影响产生的，与股票本身性质变化无关，超额联动效应的存在不能反映股票收益率波动的真实成因，可能导致传统资产组合策略或资产定价方法失效。研究得出，股票之间超额联动效应具有普遍性，其中包括（1）金融时间序列分析 OLS 统计出现的伪回归现象；（2）CAPM 定价模型存在系统风险产生的超额联动效应；（3）投资者行为产生的超额联动效应（；4）股票市场行情等方面存在的超额联动效应。本文以 2015.01.05-2015.10.31时段的上证 A 指、同行业医药股票及不同行业的银行与钢铁原材料股票为研究对象，以大数据程序算法及横向与纵向比较，详细分析出超额联动效应的普遍存在性及对股票相关性的影响。超额联动效应对不同行情特征下的股票相关性的影响包括（1）任何行情特征下，同行业股票收益率间的相关系数大于不同行业相关系数；（2）随机波动行情下的股价收益率的波动更能反映股票间真实的相关性；（3）股票市场在单边上涨或下跌行情下，不同行业股票间的相关系数相比于随机波动行情都大幅提高，相同行业个股的相关系数略有降低；（4）单边下跌行情下，相同行业和不同行业股票收益率间的相关性增强程度均大于单边上涨行情。基于超额联动效应的普遍存在性及对股票相关性的影响本文提出构建尽可能规避超额联动效应的股票间相关性新型测量模型。
（二）股票间超额联动效应的削弱可以有效提高投资者投资决策，行业分类的准确性及增强投资组合的有效性。针对股票间超额联动效应存在的普遍性构造尽可能规避股票间超额联动效应的新型股票相关性测量方法包括基于时间段截取（人工截取法、自动按照成交额截取法、按照滚动时间窗的相关系数线截取法）及基于 CAPM 模型剔除系统性风险来有效规避股票间超额联动效应。通过验证基于 CAPM 模型剔除系统风险以及将人工截取结合按滚动时间窗口相关系数曲线截取的时间段截取法能够尽可能有效的规避超额联动效应对行业股票间相关性的影响。
（三）本文选取 2013.01.04-2017.01.26时段内的 990 个交易日的上证 A 指、行业差别较大的医药、钢铁原材料行业股票的样本数据为研究对象，依据基于行情特征分析的时间段截取法及基于 CAPM 模型规避超额联动效应的新型股票之间相关性的计量方法进行相关系数研究分析，并将其与传统方法测算的相关系数进行横向与纵向比较分析。比较发现运用新型的股票间相关性测量方法测算出的相关系数普遍小于传统方法测算的相关系数，说明改进的股票间相关性测量方法是有效的。最后，将新型股票间相关性测量方法测算的相关系数应用于复杂网络（小世界模型）对于股票间相关性的研究中。
..........
参考文献（略）