中国股票市场杠杆效应与涨跌停板制度的实证分析

中国股票市场杠杆效应与涨跌停板制度的实证分析 （南京大学商学院经济系，江苏南京 210093） 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。 EGARCH 杠杆效应 波动非对称性 涨跌停板 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。 本文余下部分的内容是：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， 1 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。 股票市场收益率序列，为股票价格对数的一阶差分： R,lnP,lnP ttt,1 其中，PR为收益率，为股票价格，本文采用每个交易日的收盘价。 tt 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 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； 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 1和样本2。具体如图1所示（阴影中数据为样本1）。 0.80.3 0.20.6 sh sz 0.10.4 0.0 0.2-0.1 0.0-0.2 -0.2-0.35001000150020002500300050010001500200025003000 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 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。 2 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： 2 (1) RI~f(u,,)tt1tt, R,,，,R，, (2) t01t,1t 22 (3) ,ln(),,，,Z，,Z，,ln(,)01,1,1,1tttt 2条件收益率定义方程(1)中，f(u,,)IR表示在信息集条件下的收益率，为均值－ttt,1t 2方差维度的条件概率密度函数，,u,为均值，为方差。条件均值方程(2)中，表示带一tt0 阶自回归项的条件均值，,Z,,,为残差。条件方差方程(3)中，统计量，代表信息冲tttt 击对收益率波动的影响，,Z表示信息冲击对收益率波动影响程度的大小，则表,Zt,11t,1 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,,,0,,0 2应。,ln(,)t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t,1,t,1 动量效应。 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) 3 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 0.0040.020作用。 0.0030.015sh 0.0020.010szsz 0.0010.005 sh 0.0000.000-10-505-10-50510 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。 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 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，分别进行模型的化残差及其平方的一阶自相关 4 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。 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 验。设虚拟变量D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： 22 (4) ,ln(),,,，Z，,Z，,ln(,)，,D01111t,t,t,tt 0,t,T,其中，，为沪深两市实施涨跌停板制度的时点。 D,T,t1,t,T, 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D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。 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。 5 D模型参数估计结果显示，虚拟变量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。 可见，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 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。 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 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 6 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。 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。 ,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. ,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. 7 ,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》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 济科学》第2期。 8 9