中国房地产股票市场月份效应研究——基于滚动样本分析

文章利用引入虚拟变量的ARMA-GARCH模型,分析2004年1月1日至2023年12月31日20年间的申万房地产指数的日收盘价,研究中国房地产业股票市场的月份效应,同时采用滚动样本分析进一步检验实证结果。研究结果表明:总体样本显示中国房地产业股票市场存在正2月效应和正11月效应,但这种效应不是长期稳定存在的,会随着时间的推移发生变化。

中国股票市场月份效应的实证研究

本文将中国股票市场按发展成熟程度不同进行了两个时间阶段的划分,并运用带虚拟变量的GARCH(1,1)模型结合描述性统计结果对两个阶段进行比较研究。实证结果显示:第一阶段,由于中国证券市场的市场化程度低,沪市和深市均存在多月份效应;第二阶段,中国证券市场存在符合经济学解释且与国外一月份效应类似的年关效应和其中沪市表现为四月效应和十二月效应,深市表现为二月效应和十二月效应。由此可见,中国股票市场的月份效应是随着股市发展程度而变化的。

中国股票市场月份效应研究

使用标准的计量方法检验股票市场收益率是否存在月份效应及其表现形式。研究结果表明,中国股票市场存在收益率月份效应,其表现形式为在三、四月份表现出较高的收益率,在十二月份收益率较低。中国股市的个股也存在月份效应,其月份效应的表现形式为在一月份表现出较高的收益率,但在六月份的收益率较低。

中国A股市场的月份效应研究

文章以1997年～2003年沪深两市的A股指数的日收益为研究样本,对中国股市是否存在显著的月份效应进行了实证分析,结论表明:相对于其它月份而言,中国股市三月份及一月份存在显著的高收益率,而七月份、九月份则表现出显著的低收益率。文章对此进行了充分的论证,并作出了解释。

中国股票市场的月份效应——基于消费习惯的解释

该文以我国A股市场等权重和流通市值加权收益率为研究对象,利用虚拟变量法对“3月、12月效应”进行统计检验,发现3月的平均收益率高于其他月份,12月的平均收益率低于其他月份。控制了股票的3个风险特征——β系数、公司规模和账面/市值比后,月份效应依然显著,这说明这种季节性规律是整个市场的行为。为了解释月份效应,文章提出了“消费习惯假说”,认为元旦和春节期间的消费高峰是造成3月和12月效应的原因,实证中消费增长率与股市收益率的负相关关系有力地支持了这一假说。

月份效应:运用不同计量模型 得出相反实证结果

本文运用传统的标准计量模型与2003年诺贝尔经济学奖获得者恩格尔(RobertEngle)提出的自回归条件异方差性模型(ARCH模型)的改进模型(TARCH模型),对中国股票市场月份效应进行比较研究。检验结果显示:运用传统的计量模型分析得出的结果与使用TARCH模型所得结论相反。研究结果非常依赖研究时所使用的方法。

中国黄金期货的月份效应和节日效应

中国黄金期货的月份效应显示存在2月、4月以及较弱的11月正的超额收益效应,而其他月份则不显著。1月、5月、8月和9月则存在显著的波动率月份效应。最后,节日效应的结果表明国庆节后出现获得超额收益的机会,而除了元旦节前外,劳动节、国庆节和春节的节前波动率均不显著,而除劳动节后,其他三个节日节后的波动性均显著。这些现象与文化、传统消费、全球经济以及投资者行为有关。

中国股票市场的“月份效应”研究——“三月与十二月份”效应

本文就中国股票市场是否存在显著的"月份效应"进行了系统实证分析。通过运用虚拟变量法对沪、深两市1995-2004年间等权重与流通市值加权日收益率进行研究,作者发现沪、深两市并不存在绝大多数工业国家和某些新兴股票市场所具有的"一月效应"和"二月效应"。但在样本期内,作者首次发现沪、深两市日均收益率存在显著为正的"三月效应"和显著为负的"十二月效应"。本研究表明在某种意义上,沪市相对深市具有较强的"三月效应"。深市相对沪市具有较强"十二月效应"。

中小板综合指数收益率的月份效应研究——基于含有虚拟变量的GARCH模型

股票市场中的月份效应是指金融市场与月份有关的非正常收益,是股票市场日历效应的一种类型,也是一种市场异象。月份效应在股票市场中主要表现为某个或某些月份的平均收益率显著地异于其他月份的平均收益率。文章以现有研究为基础,选取2016年1月4日至2018年4月4日两年的中小板综合指数为数据样本,运用包含虚拟变量的GARCH模型对中小板是否存在月份效应这一市场异常现象进行实证检验。研究结果表明,中小板市场综合指数收益率具有六月效应,并且较为显著。最后结合研究结果,针对我国中小板市场上的投资者提出相关建议。

上海股市流动性溢价现象的月份效应实证检验

运用虚拟变量回归的方法,利用1998年1月至2004年12月的上海股市257只股票数据,分不同样本期对上海股市流动性溢价现象的月份效应进行较为全面的分析和检验表明,流动性溢价现象的月份效应的存在依赖于样本期的选择,不同的样本期具有不同的结果。实证结果的最终结论是:在所研究的样本期,流动性溢价现象的月份效应存在但不稳定,这一异象的存在表明上海股市缺乏有效率。

基于GARCH模型的我国股市异象月份效应研究

运用带虚拟变量的GARCH(1,1)模型结合描述性统计结果对上证指数21世纪以来的收益率进行建模,实证分析得出中国股票市场蓝筹股聚集的上证指数收益率呈现明显的月份效应,其中二月和十二月表现出高于其他月份的收益率,而六月表现出负收益率。

中国股票市场月份效应研究——基于行业视角

中国股票市场是否存在月份效应尚无定论,本文选取了2000年1月至2018年6月之间上证综指、深证综指和申银万国行业指数为研究样本,引入基于广义误差分布的EGARCH-M模型,从不同市场和不同行业两个方面对月份效应进行研究,最后运用滚动回归的方法对回归结果的稳健性进行检验。实证结果表明,中国股票市场存在显著的二月效应与六月效应。受行业因素的影响,不同行业股票的月份效应往往表现出一些行业特点。

中国A股市场月份效应实证检验

在有效市场的假设下,股票价格应该服从随机游走过程.但是,西方的大量研究证实了时间效应的存在.本文针对中国A股市场,对1995年至2005年间,沪市的收益率进行了“月份效应”的实证检验.通过检验发现中国A股市场并不存在大多数工业发达国家股票市场和其他某些新兴股票市场所普遍具有的“元月效应”;但是实证分析显示,沪深两市均存在显著的正的“3月效应”和负的“12月效应”.这些表明沪深两市在某种意义上都缺乏有效性.

中国股市月份效应和节日效应实证研究

本文利用上证综合指数每日收益率的数据,使用虚拟变量和GARCH模型对中国股市月份效应和节日效应进行检验,发现中国股市一月效应和春节效应非常显著,投资者可以利用这些市场异常现象获取超额收益。最后本文对市场异常现象做一些简单的解释。

沪深300指数收益率的月份效应研究一基于含有虚拟变量的GARCH模型

20世纪初期,美国著名金融学教授尤金·法玛提出有效市场假说(EMH),该假说认为股票市场的未来价格趋势并不依赖于过去的价格走势。然而如今国内外众多实证研究发现,证券市场上存在着月份效应这一异象,违反了市场有效性,即投资者可以通过分析过去的价格走势来预测未来,以此获得超额收益。本文主要研究我国沪深300指数的月份效应,以2010年5月10至2020年5月8日的有效交易日作为样本数据,选取沪深300指数每个交易日的收盘价格,采用包含虚拟变量的GARCH模型来分析我国沪深300指数是否存在显著的月份效应。通过研究结果表明:我国沪深300指数收益率具有较为显著的二月效应和十月效应。最后结合我国国情和实际情况针对投资者给出沪深300指数收益率存在月度效应的原因并提出相关建议。

中国股票市场月份效应研究

文章选取2008年至今的沪深300指数市盈率,通过实证分析,研究了中国股票市场是否存在显著的“月份效应”。建立线性回归模型后得出:近十年来,中国股票市场已经告别了波动率显著不同的特点,逐步向平稳发展过渡。这得益于中国金融市场机制的完善、政府监管措施的规范及人民金融意识的提高。

中国股份市场的月份效应研究

中国的股市因为发展的时间较短以及政策限制,导致中国股市当前还存在着一些各种各样的问题。但即便如此,中国股市近些年来的发展成就也是不能否认的。在中国A股上,存在着各种各样的股市怪象,比如月份效应,星期效应等等。因此本文选取股市中的月份效应作为切入点,来研究月份效应产生的原因与运行机制,并对投资者的投资策略做相应的分析,以求与行为金融学中的理论知识相互对应。

美国石油期货市场“月份效应”研究

"月份效应"是资本市场上一种较为常见的收益率异常现象。本文通过美国石油期货市场1990年-2017年的价格数据,使用GARCH模型进行了研究,发现美国石油期货市场并不存在"月份效应",可以推断出美国石油期货市场具有较强的价格发现功能。这对我国即将在上海推出的原油期货市场具有重要的参考价值。

不同市场状态下行业投资时钟的构建——基于中国股票市场行业月份效应的研究

本文以2000年2月至2021年1月的28个申万一级行业指数月度收益率数据为研究样本,通过万得全A市场指数数据对中国股票市场进行了市场状态的划分,基于EGARCH模型对中国股票市场整体市场、牛市期间、熊市期间分别进行了行业月份效应的研究,并构建了相应的行业投资时钟,最后通过回测模型验证了实验结果的可靠性。研究发现:我国股票市场存在月份效应;月份效应在不同月份中、不同行业中存在显著区别;牛市期间与熊市期间的行业月份效应也存在显著区别。

中国股市月份效应研究

本文运用滚动样本检验的方法,全程考察了中国股票市场的月份效应。并运用基于广义误差分布的 GARCH 模型,以提高拟合精度,得出更为可靠的结论。中国股票市场三、四月份收益显著为正,且为全年最高值;九、十月份收益显著为负,存在“春涨秋收”现象;早期显著为负的十二月份效应近年来逐渐消失。这些都是与中国股票市场的制度特征紧密联系的。