摘要：本文以國家“十大產(chǎn)業(yè)振興計劃”為研究背景，以行業(yè)板塊指數(shù)數(shù)據(jù)為研究對象，在運用聚類分析方法獲得具有統(tǒng)計意義上的相關行業(yè)數(shù)據(jù)的基礎上，利用Gumbel—Copula模型分析了行業(yè)結(jié)構的上尾相關性，計算出表征行業(yè)之間上尾相關性測度的Kendall秩相關系數(shù)，運用多元Garch模型考察了十大產(chǎn)業(yè)對其他行業(yè)的風險傳遞效應、信息傳遞效應及產(chǎn)業(yè)振興計劃對該產(chǎn)業(yè)自身的拉動效應，并得出了相關研究結(jié)論。
　　關鍵詞：十大產(chǎn)業(yè)振興計劃；A股市場；拉動作用
　　中圖分類號：17832.5
　　文獻標識碼：A
　　文章編號：1007-7685(2010)06-0022-04
　　
　　2008年，由美國次貸危機引發(fā)的國際金融危機嚴重沖擊了全球的實體經(jīng)濟，也導致我國經(jīng)濟增長速度回落。在這一背景之下，我國在2008年年底出臺4萬億元的龐大的投資拉動內(nèi)需計劃后，根據(jù)國際金融危機對我國行業(yè)經(jīng)濟影響程度的不同，根據(jù)各個行業(yè)對拉動內(nèi)需作用程度的不同，根據(jù)產(chǎn)業(yè)發(fā)展對我國經(jīng)濟發(fā)展輕重緩急程度的不同，又選出鋼鐵、汽車、船舶、石化、紡織、輕工、有色金屬、裝備制造、電子信息及物流等十大產(chǎn)業(yè)作為我國產(chǎn)業(yè)經(jīng)濟振興規(guī)劃的首選行業(yè)，即十大振興產(chǎn)業(yè)�；仡�2009年，我國經(jīng)濟率先實現(xiàn)了復蘇，A股市場也隨之一路走高。因此，考察“十大產(chǎn)業(yè)振興計劃”對行業(yè)自身及其他行業(yè)的拉動作用、研究行業(yè)之間相互關聯(lián)的微觀基礎，不僅在理論上，而且在具體的政策實踐中都具有重要意義。
　　
　　一、樣本數(shù)據(jù)選取及模型設計
　　
　　(一)樣本數(shù)據(jù)選擇
　　本文以行業(yè)板塊指數(shù)日數(shù)據(jù)為研究對象，時間窗口為2009年1月5日至2009年12月31日。之所以選擇這一時間窗口，一方面是因為2009年1月14日第一個振興產(chǎn)業(yè)——汽車產(chǎn)業(yè)的產(chǎn)業(yè)振興計劃出臺；另一方面，由于這十大產(chǎn)業(yè)的振興計劃均在2009年1月和2月出臺，可能存在的市場預期也會影響A股市場的指數(shù)變化。在實證分析中，本文使用了30個行業(yè)板塊指數(shù)，分別為工程建筑、電力、計算機、電子信息、房地產(chǎn)、紡織服裝、鋼鐵、供水供氣、化工化纖、電器、交通設施、銀行、旅游酒店、煤炭石油、釀酒食品、農(nóng)林牧漁、商業(yè)連鎖、建材、汽車、機械、醫(yī)藥、外貿(mào)、教育傳媒、儀電儀表、有色金屬、造紙印刷、電力設備、通信、運輸物流和保險。∞日收益率采用對數(shù)收益率：R_i,t=ln(P_i,t／P_i,t-1)。其中，R_i,t表日收益率，P_i,t為t時行業(yè)i日收盤指數(shù)，P_i,t-1為t-1時行業(yè)i日收盤指數(shù)。
　　
　　(二)樣本統(tǒng)計特征
　　為了更好地刻畫行業(yè)之間的相關結(jié)構，首先對行業(yè)的日收益率進行初步的統(tǒng)計分析，其基本統(tǒng)計特征如表1。從樣本的統(tǒng)計數(shù)據(jù)可以看出，30個行業(yè)的偏度都不等于0，最大的正偏度為電力行業(yè)，達到0.48，最大的負偏為紡織服裝行業(yè)，達到-0.92。同時，峰度上具有尖峰特征，峰度最高的為電力行業(yè)，達到7.30(3+4.30)。因此，從統(tǒng)計值看，行業(yè)時間序列具有典型的異方差性質(zhì)，應使用條件異方差模型進行分析。
　　
　　(三)行業(yè)的聚類分析
　　在研究行業(yè)之間的相關結(jié)構之前，應首先進行行業(yè)相關結(jié)構分析，即對以上行業(yè)數(shù)據(jù)統(tǒng)計特征進行聚類分析，初步檢驗行業(yè)之間的相關性。聚類分析結(jié)果表明，在“十大產(chǎn)業(yè)振興計劃”中，鋼鐵產(chǎn)業(yè)和房地產(chǎn)、旅游酒店在統(tǒng)計上的關系較為密切；汽車產(chǎn)業(yè)與電器產(chǎn)業(yè)在統(tǒng)計上的關系較為密切；紡織服裝與供水供氣統(tǒng)計上的關系較為密切；裝備制造業(yè)中的機械與工程建筑分別與建材、運輸物流和交通設施具有很強的統(tǒng)計關系；化工化纖與造紙印刷具有很強的統(tǒng)計關系；電子信息行業(yè)、有色金屬行業(yè)則相對獨立。通過聚類分析發(fā)現(xiàn)，十大產(chǎn)業(yè)所屬的板塊存在明顯的關聯(lián)性，一個板塊的利好或利空，會對另一個板塊的漲與跌產(chǎn)生重要影響。盡管由于未能考慮行業(yè)之間對于重大利好消息的相互關聯(lián)特性、波動率的信息傳導效應和經(jīng)濟意義的相關性，而使以聚類分析來研究行業(yè)之間的相關性略顯粗糙。但聚類分析能提供一個分析框架，并能初步表明行業(yè)之間的類別關系，為接下來的研究提供一個基礎和方向性的指引。從這個意義上講，聚類分析還是有一定意義的。由于有色金屬和電子信息板塊在聚類分析中相對獨立，船舶行業(yè)的上市公司屬于運輸物流板塊，裝備制造行業(yè)相關上市公司分別屬于工程建筑板塊與機械板塊，石化行業(yè)的上市公司大多屬于化工化纖板塊，因此，本文在聚類分析基礎上，著重從鋼鐵、汽車、紡織、工程建筑、機械、運輸物流、化工化纖、運輸物流等幾個行業(yè)分析“十大產(chǎn)業(yè)振興計劃”對產(chǎn)業(yè)自身及其他產(chǎn)業(yè)的拉動效應。
　　
　　(四)模型選擇
　　1，Gumbel—Copula函數(shù)模型及Kendall秩相關系數(shù)�！笆�大產(chǎn)業(yè)振興計劃”這一利好消息會對行業(yè)收益率產(chǎn)生影響，因此，本文引入Gumbel—Copula函數(shù)來刻畫收益率對利好信息的反應程
　　
　　當a=1時，代表兩個行業(yè)是相互獨立的，a越大，表明兩個行業(yè)相關性越強；其Kendall秩相關系數(shù)為：T=1-a。Gumbel—Copula的密度函數(shù)具有非對稱性，其密度函數(shù)呈“J”字型，即上尾高、下尾低，并能快速捕捉上尾相關的變化。但Gumbel—Copula對變量在分布下尾處的變化不敏感，因此難以捕捉到下尾相關的變化。
　　2　多元Garch模型。對于多元Garch模型，國外學者已做了較多的研究。但我國目前對行業(yè)相關結(jié)構的研究主要集中在板塊現(xiàn)象的描述和測量上，很少進行多元Garch模型與實際背景相結(jié)合的研究。而已有的研究成果也很少考慮行業(yè)對利好消息反應的尾部相關性問題。本文使用的是Engle和Kroner(1995)引入的多元Garch的BEKK模型，具體為二元Garch模型。該模型既能有效地反映各個變量具有條件異方差時的時變特征和聚類特征，又能體現(xiàn)變量之間的動態(tài)相關結(jié)構。模型具體為：
　　
　　
　　二、實證分析結(jié)果
　　
　　(一)Gumbel—Copula函數(shù)實證分析結(jié)果
　　本文利用Gumbel—Copula函數(shù)模型分別考察了以下行業(yè)：鋼鐵、房地產(chǎn)和旅游酒店行業(yè)；汽車與電器行業(yè)；紡織服裝與供水供氣行業(yè)；機械與建材行業(yè)；32程建筑與交通設施行業(yè)；化工化纖與造紙印刷行業(yè)；運輸物流、建材與機械行業(yè)。采用非參數(shù)核密度估計的極大似然方法，運用s—plus和Eviews軟件對這些行業(yè)相關數(shù)據(jù)進行計算，結(jié)果如表2。從計算結(jié)果可以看出，以上各組行業(yè)間都有顯著的上尾結(jié)構相關性。通過上尾相關性系數(shù)可看出，當所振興的行業(yè)有重大利好消息時，與之相關的板塊也會有較大的正向波動。因此，當出現(xiàn)“十大產(chǎn)業(yè)振興計劃”這一重大利好時，哪怕投資者由于市場預期或信息不對稱而錯失投資

相關熱詞搜索：十大 實證 拉動 振興 股市