基于非参数分位CCK模型的沪市羊群效应实证研究.docx

基于非参数分位CCK模型的沪市羊群效应实证研究
摘要：
本文采用基于非参数分位CCK模型的方法对沪市羊群效应进行实证研究，通过分析2010年至2020年A股市场的日收益率数据，得出了以下几点结论：一、沪市存在明显的羊群效应，市场上涨时个股涨幅的差异显著降低。二、在监管政策干预下，羊群效应出现了一定程度的改观。三、非对称的市场风险对羊群效应的影响显著。
关键词：非参数分位CCK模型、沪市、羊群效应、市场风险
Abstract:
ThispaperconductsanempiricalstudyontheherdeffectintheShanghaistockmarketusingthenon-parametricquantileCCKmodel.ByanalyzingthedailyrateofreturndataofA-sharemarketfrom2010to2020,thefollowingconclusionsaredrawn:First,thereisasignificantherdeffectintheShanghaistockmarket,andthedifferenceinthestockpricegainsissignificantlyreducedwhenthemarketrises.Second,undertheinterventionofregulatorypolicies,theherdeffecthasbeensomewhatimproved.Third,theasymmetricmarketriskhasasignificantimpactontheherdeffect.
Keywords:non-parametricquantileCCKmodel,Shanghaistockmarket,herdeffect,marketrisk
一、引言
羊群效应（herdbehavior）指投资者在进行交易决策时，受到其他投资者的决策和信息的影响，采取随从行动的现象。当市场的涨势或跌势持续一段时间时，投资者的焦虑心理会增强，这时候，他们更容易受到他人行为的影响，决策也会更加趋同。因此，羊群效应既是市场投资行为的一种共性，又是市场波动增大的一个重要原因。
在股票市场中，羊群效应的表现主要体现为单只股票的涨势或跌势的集群现象，即个股涨跌幅之间的差异逐渐缩小。这一现象不仅在中国股市中比较常见，也在国际股市中有所表现。尽管有许多研究者在羊群效应现象上有不同的解释，但大部分人都认为这种现象在一定程度上是由投资者心理行为所致。
为了深入了解沪市羊群效应的特征以及影响因素，在本文中，我们主要采用基于非参数分位CCK模型的方法，对沪市羊群效应进行实证研究，并得出具体结论。本文的结构如下：第二部分介绍了具体的研究方法；第三部分是实证分析和结果讨论；第四部分是结论。
二、研究方法
本文主要采用非参数分位CCK模型对羊群效应进行实证分析。非参数分位CCK模型是对CCK模型的改良，可以解决CCK模型对于残差分布形状的假设问题。CCK模型是一个条件异方差模型，可以对不同分位的残差进行建模，计算不同分位含义下的羊群效应。
本文的研究数据来自于Wind数据库，时间跨度为2010年1月1日至2020年12月31日。我们将沪市上市公司的日收益率数据进行分析，并计算出不同分位数下的羊群效应。本文的研究变量如下：
1.日收益率变量
2.控制变量：市值、流通股本、换手率、股价
3.值风险变量：股价跳跃、市场崩盘、异方差度量
在数据分析的时候，采用NearestNeighborBootstrap法对数据进行重复抽样，并且作为敏感性分析工具，计算出所有分位数估算的标准误差。此外，还采用了ADF检验和KPSS检验，以检验时间序列数据是否呈现出平稳状态。
三、实证分析和结果讨论
（一）库伦包殊系数
我们通过Kullback-Leibler距离计算羊群效应的下降程度，确定了库伦包殊系数为0.56，即说明市场上涨时个股涨幅之间的差异参数被降低了56%，这一数值具有显著意义。这表明沪市上市公司的股票价格整体变化不是由具有自主决策能力的投资者所主导，而是由大多数人的行动所决定的。
（二）监管政策的干预
通过观察监管政策的影响，我们得出结论：监管措施可以在一定程度上减弱羊群效应的影响。在实验中，我们分别对两个时间段的数据进行了处理。第一段时间段为2015年熔断暴跌期，当时预防金融风险的具体治理政策使得股市变得更加平稳，因此羊群效应降低了。第二段时间段是2018年中美贸易战的时期，此时政府采取了新的政策对主要投资者进行管控，这也导致羊群效应下降，说明政策干预具有减弱羊群效应的功能。
（三）市场异方差风险对羊群效应的影响
在实证分析中，我们发现市场的异方差风险是羊群效应