中hrt国股票市场杠杆效应与涨跌停板制度的实证分析

中hrt国股票市场杠杆效应与涨跌停板的实证分析 中国股票市场杠杆效应与涨跌停板制度的实证分析 沈坤荣 方文全 (南京大学商学院经济系，江苏南京 210093) 摘要:本文针对股票市场收益率数据序列的ARCH特性，使用EGARCH模型，对自成立以来的上海和深圳股票市场的指数数据进行实证研究，验证了中国股票市场存在收益率波动非对称性即杠杆效应。通过引入涨跌停板制度变量进行分析检验，揭示中国股票市场收益率的波动非对称性是动态变化的，限制涨跌幅度对杠杆效应有着显著的正相关作用;同时引申认为，交易制度等因素对股票市场的波动特性具有重要的影响。 关键词:EGARCH 杠杆效应 波动非对称性 涨跌停板 一、引 言 股票市场的波动特性与市场的资产定价和组合选择紧密相关。资产定价理论认为，股票市场收益率的波动性与信息所包涵的风险溢价存在正相关关系。但是，进一步的研究发现，利好和利空消息对收益率波动的影响是不对称的，同等强度的利空消息比利好消息导致的市场波动更大，利好消息导致条件波动率降低，而利空消息导致条件波动率变大，即存在“杠杆效应”。Black(1976)首先揭示并使用的“杠杆效应”这个术语进行描述非对称性波动，后续的经验研究文献在许多方面推进了研究，(如Nelson(1991)，Engle and Ng(1993)，Glosten et al.(1993)等)。关于股票市场收益率波动性的研究成果，成为资产定价和投资策略选择实证分析的重要组成部分。 Chiang et al(2002)的经验研究表明，世界范围内的成熟股票市场都存在不对称波动的“杠杆效应”。而中国股票市场自从建立以来，一直存在着所谓的“牛短熊长”现象，尤其是从1996年12月实施涨跌停板制度以来，这种情况更为明显，这似乎是非对称波动的一种形式。近年来，理论界对股市的波动性特征逐渐给予了关注，出现了一些研究成果。刘金全和崔畅(2002)初步揭示沪深两市存在杠杆效应;陈浪南和黄杰鲲(2002)分时段考察了深证综指，认为市场波动非对称性比较显著;李胜利(2003)将上证指数分为多头、空头和盘整期等样本期进行检验;何兴强(2004)检验了上证指数以及八个分类指数，证实确实存在杠杆效应;赵留彦和王一鸣(2003)、陈学华和杨振耀(2004)等也从不同的角度验证了波动非对称性;但是研究从开市以来至今的全样本数据序列的不对称波动及其相关因素的文献还比较缺乏。 对于股票收益的不对称波动，理论上存在不同的观点和解释。早期的观点一般认为基本面因素导致了杠杆效应，Campell and Hentschel (1992)从财务杠杆和反馈效应两方面来解释杠杆效应，认为股票价格的波动性是公司财务杠杆比率的正函数，财务杠杆越高，波动性越高。预期股票收益下跌会导致公司价值的降低，增加财务杠杆比率和持股风险，从而加剧波动性;反之，股票价格的上升会降低财务杠杆比率比率，减少波动性和持股风险。因此，股票价格的波动性与公司财务杠杆比率呈现的正相关关系，与股票当期收益呈现负相关关系。 同时，由于投资者对负的价格变化比对正的价格变化更加敏感，坏消息对股价的冲击要比好消息的冲击来得更大，导致负的价格变化伴随较大的波动性，正的价格变化伴随较小的波动性，即所谓反馈机制或者羊群效应(Shiller, 1984)。Bollerslev et al. (2005)最新研究结果证实了高频数据中这种反馈机制的存在，利好消息连续出现可能将增大股票价格的未来波动，这反过来会提高投资者对股票的预期回报，降低股票价格，削弱利好消息对股价波动的正向效应。 而Tauchen et al(1996)认为，金融市场高频数据中，波动不对称性特点尤其明显，说明市 场的微观结构对杠杆效应具有明显的影响。Figlewski and Wang(2000)等文献的经验分析结果则认为，财务杠杆并非产生波动非对称性的主要原因。Rogers et al.(2004)认为，操纵信息披露是导致股市杠杆效应的关键因素，同时分析比较了不同交易环境中的杠杆效应，指出外部制度对波动性产生显著的影响。 涨跌停板制度是中国股票市场一项重要的交易制度，是否可能导致波动特性发生重要的变化,孙培源和施东晖(2001)，刘煜辉等(2003)，孙培源和范利民(2004)等初步考察了涨跌停板制度条件下股市波动的动态变化，本文将直接对中国股票市场的杠杆效应和涨跌停板制度进行经验分析。 本文余下部分的是:第二部分为样本数据的整理和分析，以及实证研究方法的说明，第三部分是实证的结果，以及模型的诊断和检验分析，最后是结论。 二、数据与方法 股票市场收益率序列，为股票价格对数的一阶差分: R,lnP,lnPttt,1 其中，为收益率，为股票价格，本文采用每个交易日的收盘价。 RPtt 在理论研究和实际运行中，通常认为上证综合指数(上证综指)和深圳成分指数(深证成指)比较全面地反映了市场总体情况，可以作为分析市场整体波动的指标。因此本文采用上证综指和深证成指，分别采集上证综指和深证成指的收盘价，计算出日收益率数据。 关于中国股市波动非对称性研究的现有文献，通常只采用部分收益率数据，没有纳入市场发展早期阶段的数据，对股票价格过程分析不够全面完整，也较少进行前后动态变化的比较。针对这种情况，本文将使用尽可能大的样本数据，采集从股票市场成立开始到2004年 0.80.3底的交易数据进行实证分析。数据来源于CSMAR。 上证综指从1990年12月20日开始到 2004年12月31日，共3437个日收益率数据; 0.20.6深证成指从1991年4月4日到2004年12月31日，共3394个日收益率数据。中国股票市场从1996年12月16日开始实行涨跌停板制度，本文以此为界分别将样本数据分为子样本0.11和样本2。具体如图1所示(阴影中数据为样本1)。 0.4 sh sz0.0 0.2 -0.1 0.0-0.2 -0.2-0.3 0025003000 A:上证综指 B:深证成指 图1 上证综指和深证成指日收益率 在进行建模实证分析之前，先对采集到的收益率数据序列进行统计检验，表1列举了对上证综指和深证成指共6个样本的收益率序列的统计分析结果。 表1 上证综指和深证成指日收益率序列描述性统计分析 1 均值 方差 峰值 偏度 J-B LB(12) ADF 样本数量 上证指数 0.00074 0.00077 143.56 6.14 2964159*** 50.140*** -24.088*** 3437 子样本1 0.00161 0.00144 93.25 5.52 546314*** 29.595*** -15.724*** 1497 子样本2 0.00007 0.00026 6.93 -0.30 3883*** 23.786** -19.744*** 1940 深圳成指 0.00033 0.00057 15.97 0.54 36133*** 64.499*** -24.173*** 3394 子样本1 0.00099 0.00092 12.70 0.64 9789*** 48.051*** -14.536*** 1454 子样本2 -0.00016 0.00031 6.04 -0.25 2951*** 25.307** -19.292*** 1940 注:***，**和*分别表示在1%、5%和10%置信水平上显著(下同)。J-B为正态分布的Jarque-Bera 检验，LB(12)为滞后12阶的自相关Ljung-Box检验，ADF为单位根检验。 可以看到，全样本的上证综指和深证成指日收益率序列均值分别为0.074%和0.033%; 偏度值分别为6.14和0.54，说明分布是有偏的;峰度值为143.56和15.97，均远远高于正态 分布时的峰度值3;J-B检验值为2964159和36133。各个子样本序列的情况相似。可以看 出，沪深股市日收益率序列显著异于正态分布，尖峰厚尾现象非常明显。 为了检验序列是否平稳，对日收益率序列进行ADF检验，上证综指和深证成指全样本 ADF检验值为-24.09和-24.17，均小于MacKinnon临界值-3.44(1%水平)，拒绝序列存在单位 根的原假设，说明日收益率序列为差分平稳序列。 Ljung-Box(12)检验结果显示，沪深股市日收益率序列显著自相关，这与大多数文献的 研究结果相互印证，说明上海综指、深圳成指日收益序列具有时变条件异方差特征，即具有 明显的ARCH效应。因此，在研究股票收益率的波动性时，通常需要使用ARCH族模型。 Engle and Ng(1993)，Laumoureux and Lastrapes (1993)等都指出，应用ARCH模型扩展 形式研究市场波动性是必要和合适的，其中EGARCH模型具有很好的应用效果。本文使用 EGARCH(1,1)模型(Nelson, 1991)，即指数GARCH模型来检验我国股市波动的杠杆效应。 EGARCH(1,1)模型的具体形式如下: 2RI~f(u,,) (1) ,tt1tt R,,，,R，, (2) t01t,1t 22ln(,),,，,Z，,Z，,ln(,) (3) tttt01,1,1,1 2f(u,,)I条件收益率定义方程(1)中，R表示在信息集条件下的收益率，为均值,tt,1tt 2,,u方差维度的条件概率密度函数，为均值，为方差。条件均值方程(2)中，表示带一tt0 Z,,,,阶自回归项的条件均值，为残差。条件方差方程(3)中，统计量，代表信息冲tttt ,Z,Z击对收益率波动的影响，表示信息冲击对收益率波动影响程度的大小，则表1t,1t,1 ,,,0,,0示冲击影响的方向;称为杠杆系数，说明不存在杠杆效应，说明存在杠杆效 2,ln(,)t,1,应。项揭示期波动与期波动的关系，如果参数为显著的正值，表明存在tt,1 动量效应。 2 三、实证分析 1、EGARCH实证结果 利用上述整理分析过的不同样本数据，对EGARCH模型进行参数估算，得到实证结果见表2。 表2 上证综指和深证成指日收益率EGARCH实证结果 LogL β β α α δ γ 0101 上证综指 -5.52E-05 0.14313*** -0.67852*** 0.37679*** -0.05116*** 0.94842*** 8624.97 (0.8116) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) 子样本1 0.00291*** 0.17087*** -0.70164*** 0.53719*** 0.05701*** 0.94981*** 3255.44 (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) 子样本2 -0.00034 0.00991 -0.54879*** 0.26929*** -0.04311*** 0.95915*** 5555.60 (0.1987) (0.6649) (0.0000) (0.0000) (0.0000) (0.0000) 深证成指 -0.00025 0.05161*** -1.85980*** 0.37781*** 0.04063*** 0.79219*** 8377.46 (0.4844) (0.0065) (0.0000) (0.0000) (0.0001) (0.0000) 子样本1 -0.00471*** 0.05213* -2.64059*** 0.51926*** 0.06870*** 0.68251*** 3202.15 (0.0000) (0.0894) (0.0000) (0.0000) (0.0016) (0.0000) 子样本2 -0.00049* 0.02391 -0.33997*** 0.21454*** -0.03143*** 0.97866*** 5399.95 (0.0918) (0.2849) (0.0000) (0.0000) (0.0000) (0.0000) 注:括号中数值为z检验统计量的P值。 实证结果显示，以全样本数据分析，上证综指的杠杆系数为-0.05，在1%的置信水平上统计显著，说明沪市总体的波动性杠杆效应非常明显;而深证成指的杠杆系数为0.04，并不存在杠杆效应。图2A直观展示了非预期收益冲击信息对股价波动性的影响:在上海市场，利空消息的作用大于利好消息，而在深圳市场，利好消息的作用强度则远远大于利空消息的0.0200.004作用。 0.0150.003sh 0.0020.010szsz 0.0010.005 sh 0.0000.000-10-50510-10-505 A:全样本 B:子样本2 图2 上证综指和深证成指日收益率波动杠杆效应 然而，分别以实行涨跌停板制度前后的子样本1、2为研究对象进行的估算结果显示，在实施涨跌停板制度之前，沪市的杠杆系数为0.05701，深市的杠杆系数为0.06870，都是明显异于0的正值，而且都在1%的置信水平上显著，深沪两市股市均不表现出存在杠杆效应。 在实施涨跌停板制度之后的子样本2中，上证综指和深证成指的杠杆系数分别为-0.04和-0.03，都为明显异于0的负值，并且都在1%的置信水平上统计显著，这说明沪深两市同时存在明显的杠杆效应。而且，总体上分析，沪深两市的波动非对称性在系数和显著性上没有质的差异。如图2B所示，同样强度的非预期收益信息，对股价波动的冲击作用是不对称的，利空消息的影响大于利好消息的影响。 3 同时，不同样本的方程参数估计量都为正值而且统计上显著，表明中国股市波动性的, 动量效应比较明显，未呈现明显的反转效应，惯性策略还是投资者采取的主要策略。 中国股票市场的波动非对称性现象是独特的。在不限制涨跌幅度的期间，中国股市并不存在明显的杠杆效应;实施涨跌停板制度以后，产生明显的波动非对称性。对于这种现象，Yeh and Lee(2000)也曾经观察到，在中国台湾地区，由于存在涨跌幅度限制制度，影响股票收益的信息影响作用比较独特，市场波动的杠杆效应相对异常。 2、诊断与检验 模型残差诊断:为了检验EGARCH对中国股市非预期收益对股价波动非对称性影响结果，对模型参数估计结果进行诊断检验，分别进行模型的标准化残差及其平方的一阶自相关检验、联合检验和Engel’s LM检验(Engle, 1982)，结果见表3。 表3 EGARCH模型诊断结果 上证综指 子样本1 子样本2 深证成指 子样本1 子样本2 STD.RESID(-1) -0.017 0.016 0.013 0.000 0.023 0.037 (0.323) (0.545) (0.553) (0.992) (0.375) (0.106) 2STD.RESID(-1) -0.0021 -0.007 0.033 0.0002 -0.007 0.039* (0.8998) (0.779) (0.143) (0.9922) (0.803) (0.088) Joint Test F-stat. 0.01585 0.0783 2.1384 9.54E-05 0.0620 2.9119* (0.8998) (0.7796) (0.1438) (0.9922) (0.8033) (0.0881) Engel’s LM 0.01586 0.0784 2.1383 9.55E-05 0.0621 2.9106* Test-stat. (0.8998) (0.7795) (0.14367) (0.9922) (0.8032) (0.0880) 注:括号中数值为F检验统计量的P值。 检验结果显示，除了深圳子样本2，其他样本的标准化残差及其平方的一阶回归检验、联合检验和Engel’s LM检验值基本上都不显著地异于0，拒绝模型残差依然存在自相关的零假定。这说明，EGARCH模型分析结果是可以接受的，较好地揭示了沪深指数非预期收益对股价波动性非对称性的影响，即存在显著的杠杆效应。 在深圳子样本2中，滞后一阶的标准化残差平方及相应的统计量诊断结果表明，方程残差依然存在着一定程度的自相关，而二阶以上的统计量就通过检验，说明模型是可以改进的，以提高捕捉信息对股价波动的非对称性影响的能力。 杠杆效应与涨跌停板的检验:模型实证结果展示，沪深两市子样本1和子样本2之间的杠杆效应存在重大差异。为了明确这种差异与涨跌停板制度之间的关系，需要作进一步的检 D验。设虚拟变量代表涨跌停板制度，并将其作为条件方差回归因子加入到方程(3)，得t 到一个改进的条件方差方程: 22ln(,),,，,Z，,Z，,ln(,)，,D (4) tt,t,t,t01111 t,T0,,TD,其中，，为沪深两市实施涨跌停板制度的时点。 ,t1,t,T, D这样，方程(2)与方程(4)构成包含作为条件方差因子的虚拟变量的EGARCH模型。t 使用上证综指和深证成指全样本数据对该EGARCH模型进行参数估算，检验结果见表4。 4 表4 杠杆效应与涨跌停板制度的检验结果 β β α α δ γ θ LogL 0101 上证综指 -5.63E-05 0.11165*** -0.64484*** 0.34575*** -0.05850*** 0.94450*** -0.08446*** 8702.52 (0.7984) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) 深证成指 -0.000463* 0.04312** -1.24618*** 0.31697*** -0.01374 0.85366*** -0.21419*** 8529.89 (0.0996) (0.0193) (0.0000) (0.0000) (0.1207) (0.0000) (0.0000) 注:括号中数值为z检验统计量的P值。 模型参数估计结果显示，虚拟变量D显著有效地进入模型，在上证综指全样本中的相t 关系数为-0.08，在深证成指全样本的相关系数为-0.21，并都在1%的置信水平上显著，表明 涨跌幅度限制制度与股价波动性存在着统计上非常显著的负相关关系，与杠杆系数所反映的 波动非对称性则呈正相关。虚拟变量D的加入，使杠杆系数,产生较大的变化，明显改变t 模型关于杠杆效应的结果，尤其是深证成指的杠杆系数为-0.014，虽然还没有达到统计上可 信的显著水平，但是与未加入条件方差回归因子的结果相比，模型结果得到了明显的改进。 见，实施涨跌幅度限制制度，对中市场波动的影响是显著的。因此，作为市场微观结可 构变量的交易制度，在研究中国股票市场的微观运动过程时，确实需要、也可以在技术上加 以考虑和分析。 涨跌停板制度与数据频率的检验:股票市场收益率的波动特性，与数据序列的频率有着 密切的关系，改变数据序列的频率，会影响波动非对称性结果。涨跌停板制度限制了股价的 单日波动幅度，但并没有降低消除市场的波动，而是延长了非预期信息的作用周期，扭曲了 股价对信息的反应过程，加剧了波动非对称性。因此，通过分析不同频率的数据序列的波动 特性，可以检验涨跌停板制度是否影响杠杆效应。 本文调整收益率序列的频率，以周跨度的收益率数据，对EGARCH模型的方程(2)式和 (3)式进行估算，得到相应的检验结果，具体见表5。 表5 上证综指和深证成指周收益EGARCH检验结果 β β α α δ γ θ LogL 0101 上证综指-0.00097 0.12503*** -1.49962*** 0.66682*** -0.05879** 0.79134*** -0.46564*** 1192.021 (周) (0.4340) (0.0001) (0.0000) (0.0000) (0.0390) (0.0000) (0.0000) 子样本1 0.0063* 0.0903 -1.5089*** 0.8898*** -0.0795 0.8162*** 356.8349 (0.0778) (0.1559) (0.0000) (0.0000) (0.2431) (0.0000) 子样本2 -0.0006 0.0760 -2.4530*** 0.4239*** -0.0353 0.6994*** 843.1588 (0.6931) (0.1212) (0.0019) (0.0000) (0.4978) (0.0000) 深证成指-0.00172 0.10810*** -0.25168*** 0.33712*** -0.02649 0.80373*** -0.39691*** 1136.361 (周) (0.238) (0.0038) (0.0000) (0.0000) (0.4081) (0.0000) (0.0000) 子样本1 0.005701 0.1988*** -7.0202*** 0.06389 0.2238*** -0.3310* 347.1010 (0.2587) (0.0055) (0.0000) (0.4827) (0.0053) (0.0723) 子样本2 -0.0025* 0.0773 -2.4912*** 0.5238*** 0.0133 0.6961*** 805.9316 (0.0922) (0.112) (0.0000) (0.0000) (0.8298) (0.0000) 结果显示，在考虑了涨跌停板制度的周收益率序列上，全样本的指数收益率的波动非对 称性的变化非常明显，上证指数周收益率的杠杆系数为-0.0588，与日收益率序列所反应出 5 来的杠杆系数-0.0585相差不大，置信水平为5%，统计显著性明显下降;深证成指的杠杆系数为-0.026，但是置信水平40%，统计上并不显著。沪深两市的杠杆效应随着收益率计算周期延长而减弱了。 在子样本2中，上证综指周收益率的杠杆系数为-0.0353，但是置信区间50%，没有达到可信的显著性水平;深证成指周收益率的杠杆系数为0.0133，也不具有统计显著性;在周收益序列上，中国股市不存在显著的杠杆效应。这说明，正是由于限制涨跌幅度制度，导致了股票收益对信息反应延迟和异常，产生杠杆效应。 中国股票市场波动非对称性的实际情况表明，公司价值中财务杠杆作用和投资者非理性反馈行为，并不能完全解释其内在原因和机制。首先，没有证据显示中国上市公司的财务杠杆和公司价值在实行涨跌停板制度后出现全面的恶化，以至于反映到整个市场指数上产生明显的杠杆效应;其次，投资者正在逐渐走向成熟和理性，非理性行为不可能在实施涨跌停板后才随之产生，导致反馈机制出现;第三，上文检验表明，正是由于限制涨跌幅度，股票收益变动的信息产生的冲击后果发生了变化，股票价格过程发生延迟和扭曲，导致不对称波动。第四，正如Figlewski and Wang(2000)、Rogers et al.(2004)、Bollerslev et al.(2005)等人的经验研究成果显示，交易制度环境、上市公司规模和质量、操纵信息披露等因素，对股票市场市场波动非对称性起着相当重要的作用。对于中国股票市场的波动非对称特性及其内在机制，需要对这些因素进行更深入的研究。 四、结 论 本文通过以上的实证分析，得到以下结论: 第一，总体上看，中国股票市场收益率波动过程存在杠杆效应。尤其是从实施涨跌停板制度以来，沪深两市都呈现出明显的杠杆效应，并且两市没有显著的差异。 另外，上证综指和深圳成指的波动非对称性趋于一致说明，在市场环境和交易制度趋于一致之后，两市的微观过程正在逐渐趋同。 第二，实施涨跌停板制度显著影响了股价波动的杠杆效应。涨跌停板制度限制了股价的单日波动幅度，但并没有降低消除市场的波动，而是延长了非预期信息的作用周期，扭曲了股价对信息的反应过程，加剧了波动非对称性。 第三，本文关于中国股市的经验分析表明，导致股价波动非对称性的因素，并非只有公司财务杠杆因素和市场投资者反馈机制;限制波动幅度的等交易制度因素，也是影响股市波动不对称的重要原因。 参考文献 ,1,Black, Fischer, 1976, Studies of Stock Market Volatility Changes, Proceedings of the American Statistical Association, Business and Economic Statistical, 177 – 181. ,2,Bollerslev, Tim, Julia Litvinova, and George Tauchen, 2005, Leverage and Volatility Feedback Effects in High-Frequency Data, Working Paper, Duke University. ,3,Campell, John Y., and Ludger Hentschel, 1992, No News is Good News: An Asymmetric model of Changing Volatility in Stock Returns, Journal of Financial Economics, 31, 281-318. ,4, Chiang, Thomas C., Cathy W.S. Chen, and Mike K.P. SO, 2002, Returns and Volatility Asymmetries in Global Stock Markets, EFA 2002 Berlin Meetings Discussion Paper. ,5,Engle, Robert, and Victor Ng, 1993, Measuring and Testing the Impact of News on Volatility, Journal of Finance, 48, 1749 -1778. ,6,Figlewski, Stephen, and Xiaozu Wang, 2000, Is the "Leverage Effect" a Leverage Effect? SSRN Working Paper, ssrn id256109. 6 ,7,Glosten, Lawrence R., Ravi Jagannathan, and David E. Runkle, 1993, On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stock, Journal of Finance, 48, 1779-1801. ,8,Lamoureux, Christopher G., and William D. Lastrapes, 1993, Forecasting Stock Return Variance: Toward an Understanding of Stochastic Implied Volatilities, Review of Financial Studies, 5, 293-326. ,9,Nelson , Daniel B., 1991, Conditional Heteroscedasticity in Asset Returns: A New Approach, Econometrica, 59, 347-370. ,10,Rogers, Jonathan L., Catherine M. Schrand, and Robert E. Verrecchia, 2004, Does strategic disclosure explain the ‘leverage effect’? Working Paper, Pennsylvania University. ,11,Shiller, Robert J., 1984, Stock Price and Social Dynamics, Brookings Papers on Economic Activity, 2, 457-498. ,12,Tauchen, George, and Harold Zhang, and Ming Liu, 1996, Volume, Volatility, and Leverage: A Dynamic Analysis, Journal of Econometrics, 74, 177-208. ,13, Yeh,Yin-Hua, Tsun-Siou Lee, 2000, The Interaction and Volatility Asymmetry of Unexpected Returns in the Greater China Stock Markets, Global Finance Journal, 11,129-149. ,14,陈浪南，黄杰鲲，2002，中国股票市场波动非对称性的实证研究,J,，《金融研究》第5期。 ,15,陈学华，杨振耀，2004，股市风险VaR与ES的动态度量与分析,J,，《系统工程》第1期。 ,16,何兴强，孙群燕，2003，中国股票市场的杠杆效应和风险收益权衡,J,，《南方经济》第5期。 ,17,刘金全，崔畅，2002，中国沪深股市收益率与波动率的实证分析,J,，《经济学(季刊)》第一卷第4期。 ,18,刘俊山，张陶伟，2004，成交量与股价波动ARCH效应的实证研究,J,，《财经科学》第3期。 ,19,刘煜辉，贺菊煌，沈可挺，2003，涨跌停板制度下中国A、B 股市场波动的动态变化,J,，《管理科学》 第5 期。 ,20,楼迎军，2003，基于EGARCH模型的我国股票市场杠杆效应研究,J,，《中国软科学》第10期。 ,21,李胜利，2003，中国股票市场杠杆效应研究,J,，《证券市场导报》第10期。 ,22,孙培源，施东晖，2001，涨跌幅限制降低了股价波动吗,,J,《证券市场导报》第11期。 ,23,孙培源，范利民，2004，涨跌幅限制与投资者过度反应,J,，《世界经济》第4期。 ,24,吴林祥，徐龙炳，王新屏，2003，价格涨跌幅限制起到了助涨助跌作用吗,,J,《经济研究》第10期。 ,25,赵留彦，王一鸣，2003，沪深股市交易量与收益率及其波动的相关性:来自实证分析的证据,J,，《经 电脑 电脑的屏幕是由小的荧光点组成的，这些荧光点是闪烁的，要济科学》第2期。 想看清楚就需要我们眼睛不断地调节。我们自己感觉不到，但却真实存在，我们的眼睛要去适应它就容易产生疲劳。在打字的时候，眼睛要不断在文稿、屏幕、键盘之间变换，眼睛的焦点和距离不断地调节，也会使眼睛感到疲劳。 PSP、手机 即使是在摇晃的公交车上、拥挤的地铁上、甚至在电梯里，潮人们都不忘玩弄手中的PSP、iPod或是MP4，玩游戏、看电影，加上习惯紧盯着手机狂按短信，长期紧盯着窄小的屏幕，也容易让人的眼睛感到疲劳。 隐形眼镜 人的角膜直接从空气中摄取氧气呼吸，现在，上面盖了一层“轻纱”，摄取的氧气便少了。而且，隐形眼镜毕竟是放置在角膜上的异物，眼睛的每一次眨动，都会使隐形眼镜与眼球表面产生一定的摩擦。所以，长时间或连续佩戴隐形眼镜，都会使角膜处于持续的缺氧状态，引起角膜上皮水肿、糜烂。如果有细菌或病毒存在，就可能导致角膜炎，甚至形成角膜溃疡。 长时间驾车 眼睛死盯前方，精神高度紧张，这是每天早晚高峰驾车族的体会。加上高架桥、进出隧道等兜兜转转正好能让眼睛饱受强光各个角度的考验。虽然够不上疲劳驾驶，但是眼睛已经非常疲劳。 精神压力 因情绪不良、压力过大、免疫平衡被打破以及用眼强度过大，都会直接影响眼睛的正常运行。这是因为，当人体出现紧张、焦虑和压抑等不良情绪时，脑垂体、肾上腺激素分泌就会相对减少，使得双眼视觉传导和视觉信息加工功能均处于低水平状态，会直接导致晶体及眼部肌肉收缩和舒张步骤不协调。编辑本段防范方法生活行为 7 1、光线充足 光线要充足舒适，(光线太弱，字体看不清楚，就会越看越近视)。 2、反光要避免 书桌应有边灯装置，其目的在减少反光，以降低对眼睛的伤害。 3、 阅读时间勿太长 无论做功课或看电视，时间不可太长，每一小时左右休息片刻为佳。 4、坐姿要端正 不可弯腰驼背，靠得很近或趴着做功课，这样易造成睫状肌紧张过度而引起疲劳，进而造成成近视。 5、看书距离应适中 书本与眼睛之间的标准距离以30公分为准，且桌椅的高度也应与身体相适应，不可勉强将就。 6、看电视距离勿太近 看电视时应保持与电视画面对角线六至八倍的距离，每一小时应休息片刻为宜。 7、睡眠不可少，作息有规律 睡眠不足身体易疲劳，易造成假性近视。 8、多做户外运动 经常眺望远处放松眼肌，防止近视，与大自然多接触，青山绿野有益于眼睛的健康。 9、营养摄取应均衡 不可偏食，应特别注意维生素b类(胚芽菜、麦片、酵母)之摄取。[1] 10.多做眼保健操 有时间在家里多做眼保健操，这样使眼睛不起就不疲倦。 七大注意 1、注意养成良好的卫生习惯:电脑操作者不宜一边操作电脑一边吃东西，也不宜在操作室内就餐，否则易造成消化不良或胃炎。电脑键盘接触者较多，工作完毕应洗手以防传染病。 2、注意保持皮肤清洁:应经常保持脸部和手的皮肤清洁，因为电脑荧光屏表面存在着大量静电，其集聚的灰尘可转射到操作者脸部和手的皮肤裸露处，如不注意清洁，时间久了，易发生难看的斑疹、色素沉着，严重者甚至会引起皮肤病变，影响美容与身心健康。 3、注意补充营养:电脑操作者在荧光屏前工作时间过长，视网膜上的视紫红质会被消耗掉，而视紫红质主要由维生素a合成。因此,电脑操作者应多吃些胡萝卜、白菜、豆芽、豆腐、红枣、橘子以及牛奶、鸡蛋、动物肝脏、瘦肉等食物，以补充人全内维生素a和蛋白质。平时可多饮些茶,因陋就简茶叶中含有茶多酚等活性物质，有吸收与拮抗放射性物质的作用，对人体造知功能以及遗传基因有一定的保护作用。 4、注意正确的姿势:操作时坐资应正确舒适。应将电脑屏幕中心位置安装在与操作者胸部同一水平线上，眼睛与屏幕的距离应在40-50厘米,最好使用可以调节高低的椅子。在操作过程中，应经常眨眨眼睛或闭目休息一会儿，以调节和改善视力，预防视力减退。 5、注意工作环境:电脑室内光线要适宜，不可过亮或过暗，避免光线直接照射在荧光屏上而产生干扰光线。定期清除室内的粉尘及微生物，清理卫生时最好用湿布或温拖把，对空气过滤器进行消毒处理，合理调节风量，变换新鲜空气。如果是在家中进行电脑操作，也应尽量参照心个条悠扬，并使用防护屏，以最大可能地减少电子辐身对人体的危害。 6、注意劳逸结合:一般来说，电脑操作人员在连续工作1小时后应该休息10分钟左右。并且最好到操作室之外活动活动手脚与躯干，散散步，做做广播操，进行积极的休息，或者在室内做眼睛保健操和活动头部(很多人抱怨颈椎疼，活动头部会有帮助)。 7、注意保护视力:欲保护好视力，除了定时休息、注意补充含维生素a类丰富的食物之外，最好注意远眺，经常做眼睛保健操,保证充足的睡眠时间。一光线须充足:光线要充足舒适，光线太弱而因字体看不清就会越看越近。[1] 使用电脑须知 多眨眼远眺比点眼药水管用 一，不要将电脑摆在窗边，避免光源从头顶上方照射造成反光，造成电脑屏幕不清晰。 二，电脑屏幕顶端高度要略低于眼睛的视平线，摆放最理想的位置是电脑屏幕中心应在眼睛视线下方约20度的地方。 三，电脑屏幕和眼睛距离60厘米为宜。 四，经常眨眼睛，以增加泪水分泌，达到滋润眼睛功效。 凝望电脑屏幕每隔1小时应休息10-15分钟，如果可闭起眼睛、远眺等都能达到完全休息。 同样，眼睛的肌肉也需要运动，在每天的上午、下午，多眨眨眼，望望远处，不断地让晶体有舒张和收缩的运动。或做眼保健操。把双手搓热放置眼球上有活血功能。 五，如果平 8 时眼睛很容易干涩，可以补充人工泪液。不过有一点要注意的是，一般单瓶包装大多含有防腐剂，最好一天使用不要超过三次。 六，注意光线刺激。很多白领喜欢夜间玩游戏，为不影响他人而往往需要关掉灯光，电脑屏幕光线直接刺激眼球，对眼睛伤害很大。 简易方法 将棉花蘸满爽肤水或以冰冻甘菊茶包敷眼十分钟，能舒缓眼睛疲惫，且具有收紧消减眼袋作用，回复双眼神采。[2] 办公室的饮茶，可以适量饮用一些菊花茶、枸杞茶、绿茶、决明子茶等。[3] 保护方法 眼珠运动法 头向上下左右旋转时，眼珠也跟着一起移动。 眨眼法 头向后仰并不停的眨眼，使血液畅通。眼睛轻微疲劳时，只要做2~3次眨眼运动即可。 热冷敷交替法 一条毛巾浸比洗澡水还要热一点的热水，另一条毛巾浸加了冰块的冷水，先把热毛巾放在眼睛上约五分钟，然后再放冷毛巾五分钟。 眼睛体操 中指指向眼窝和鼻梁间，手掌盖脸来回摩擦五分钟。然后脖子各项左右慢慢移动，接着闭上双眼，握拳轻敲后颈部十下。 看远看近法 看远方三分钟，再看手掌1~2分钟，然后再看远方。这样远近交换几次，可以有效消除眼睛疲劳。[4] 关于佩戴隐形眼镜 在以下几种情况下是不能佩戴隐形眼镜的: 1.感冒时。因感冒时手上往往带有大量病毒，在取戴眼镜时病毒易进入眼中。此外，许多抗感冒、止咳和止痛药物中都含有抑制眼泪的成分，泪液分泌量减少会使隐形眼镜过于干燥、透明度降低，进而影响视力。 2.月经期。因女性在行经期间及月经将到的前几天，眼压常常比平时增高，眼球四周也较易充血，尤其是有痛经症的妇女，这时如果戴隐形眼镜，会对眼球产生不良影响。 3.孕期。因孕期妇女激素分泌发生了变化，从而使体内含水量也发生了变化，眼皮有些肿胀，眼角膜变厚，特别是怀孕后的3个月，变厚更为明显，会与正常时选配的隐形眼镜不相吻合，而引起眼睛不适。 4.免疫力下降时。因此时眼睛局部抵抗力下降，泪液分泌减少，细菌就会大量繁殖，使细菌的代谢产物沉积在角膜与镜片之间，造成隐形眼镜透氧性降低，角膜正常的代谢受到干扰，从而引起细菌性角膜溃疡。 5.佩戴彩色隐形眼镜也要谨慎。因为彩片内部有很多颜色，使光线并不是正常地传递到眼睛，加上特殊的镜片结构，比普通隐形眼镜更加不透气，对眼睛危害更大。[3] 常用电脑度数可稍配浅点 有些人往往因为有一只眼睛视力比较好，因此不愿配眼镜。但这样就相当于人一只脚穿高跟鞋一只脚穿平底鞋，是非常不利的，也容易拖累视力较好的眼睛。 当人长期操作电脑的时候，特别是要在屏幕前工作4、5个小时的时候，建议你应该配一个浅度数的眼镜。这样可以少用调节，使视疲劳情况减低。[3] 保湿眼膜 建议每周敷一次保湿眼膜，可滋润眼周皮肤。 每周做一次眼部按摩有助舒缓双眼疲劳，排去眼周的毒素及多余水分。[2] 药物 维生素A、B1、B2、C以及蛋白质都是有益眼睛健康的。不妨多吃鸡蛋、豆类、黄绿色蔬菜、牛奶等含以上营养的食物。[2]编辑本段有关激光手术 激光手术不是人人能做 每到升学考试时，到医院做准分子激光手术的年轻人就非常多。一些人甚至认为，视力差了没有关系，反正今后可以做手术。但是如果不好好爱惜自己的眼睛，你可能连做手术的机会都没有了。 分子激光矫治等角膜屈光手术有一定的适应范围。一般来说，近视在100-1500度，但患者一定不能低于18岁，并且近视应相对稳定两年以上，每年的变化最好小于50度。而伴有某些眼病或全身疾病的人不能做准分子激光手术，临床上分为绝对禁忌症和相对禁忌症。 绝对禁忌症主要有3类: 1、圆锥角膜、青光眼、重症干眼及眼部 9 活动性炎症;2、矫正视力极差的重度弱视者;3、影响伤口愈合的全身性疾病，如糖尿病、自身免疫性疾病等。[3]编辑本段调整电脑保护视力 设置方法:打开控制面板中的"显示" 选择外观(appearance),高级(advanced)，然后在项目(items)那栏选窗口(windows)，再点颜色(color),其它(others)，然后把Hue(色调)设为85，Sat(饱和度)设为90，Lum(亮度)设为205。 然后单击 添加到自定义颜色(Add to custom colors)，按"确定"...一直OK。 把窗口设成绿色之后，再来把IE的网页背景也变成养眼的绿色吧:打开IE，点击工具(TOOLS)，点INTERNET选项(INTERNET OPTIONS)，点右下角的 辅助功能(Assessibility)，然后勾选 不使用网页中指定的颜色(ignore colors specified onweb pages)，然后点"确定"退出。 现在屏幕已经变成淡淡的绿色了。这个颜色会比白色柔和许多，刚开始可能还有些不适应，但确实对眼睛有好处 绿色护眼效果 编辑本段改善饮食保护视力 (一)少食甜食:甜食消化后，在血液中产生大量的酸性代谢物质，后者中和血液中的钙镁离子，造成血钙下降。缺钙会影响巩膜功能，使眼球壁弹性降低，眼轴伸长，最终导致近视。 (二)多食富含维生素B2的食品:缺乏VB2时，眼睛怕光、流泪、发痒，有烧灼感，导致视觉疲劳，久而久之形成近视。富含VB2的食品为:动物心脏和肝脏、瘦肉、蛋、乳、多种绿叶蔬菜和酵母等。 (三)多食含铬食品:研究表明，近视的发生与发展与饮食中缺铬密切相关。铬是人体必须的微量元素之一。体内缺铬时，胰岛素功能明显降低，从而血糖升高，导致血液渗透压改变，随之晶状和眼房水的渗透压也改变。当房水渗透压低于晶状体渗透压时，房水就进入晶状体内，使晶状体变凸，增大屈光度，映像模糊，即造成近视眼。含铬食品:多种豆类、海产品、肝、瘦肉等。 (四)忌食烟酒:长期吸烟者会发生“烟草中毒性弱视”。开始双眼不适，随之视力减退，辨色不清，严重者导致视神经炎或失明。现代研究证实，因烟草中的氰化物积存于体内，超过某一“临界值”时发生慢性中毒，引起全身反应，眼睛受害最为明显。 酒中乙醇可造成眼球结膜充血，长期作用可引起局组织营养缺乏。大量饮酒会消耗过的VB类，导致角膜结膜干燥，视神经炎和晶状体混浊。 (五)中医疗法:中医认为，近视主要是肝肾不足、气血亏虚所致。经常食用补肝肾、益气血的食品，如动物肝、肾、眼、鱼类及龙眼、葡萄、桑椹、芝麻、胡桃及中药决明子、枸杞等，对防治近视眼有一定的效果。如:龙眼杞枣蒸仔鸡、芝麻胡桃乳蜜饮、牡蛎蘑菇紫菜汤和豆仁粳米八宝粥等。编辑本段光污染成为视力新杀手 近年，医学界指出“视觉环境是形成近视的主要原因”。 研究表明，受到光污染的视觉环境可对人眼的角膜和虹膜造成伤害，引起视疲劳和视力下降。 视环境中的光污染与水污染、大气污染、噪声污染等一样都会危害人类的健康。视环境中的光污染大致可分为三种:一是室外视环境污染，如建筑物外墙;二是室内视环境污染，如室内装修、室内不良的光色环境等;三是局部视环境污染，如书簿纸张、某些工业产品等。目前，很少有人认识到光污染的危害。据科学测定:一般白粉墙的光反射系数为69%,80%，镜面玻璃的光反射系数为82%,88%，洁白的书簿纸张的光反射系数高达90%，严重危害到了青少年视力健康。编辑本段创造微光量子视环境，实现有效护眼 现有的近视防控手段，以缓解视疲劳为主，缺乏对光污染恶劣的视觉的重视。视疲劳是在用眼过程中产生的，与视觉环境息息相关，因此采取科学健康的方法改善光污染对眼睛的影响，是缓解视疲劳、预防和控制近视的有效方法。 良好的光照条件下，人眼内的视锥体细胞有自身间歇性的休眠规律，在光污染恶劣的视觉环境里，视锥体细胞的疲劳度加重，正常的休眠规律遭到破坏致使紊乱。非正常休眠的视锥体细胞将会加速视疲劳的产生、眼球睫状体的调节功能降低并持续恶化，因此引发近视、散光等眼疾病。 进行近视防控，康亮美微光量子护眼仪在30-60CM的读写范围内通过微光量子复合激发层创造健康用眼的微光量子视环境，主动护眼，有效改善日常用眼中光污染恶劣的视觉环境，能够有效激活非正常休眠的视锥体细胞，使之恢复正常的休眠规律，在源头上缓解视疲劳，促进眼球睫状体的调节功能，预防和控制近视，提高工作、学习 10 效率。 11