收益率范文10篇

收益率范文篇1

关键词：股票收益率；GARCH模型；统计检验

在风险管理中，我们往往关注的就是资产收益率的分布。许多实证研究表明，金融资产收益率分布表现出尖峰、厚尾的特征。另外,收益率序列还具有条件异方差性、波动聚集性等特点。选择合适的统计模型对金融资产收益率分布进行描述显得尤为重要。

1数据选取

本文实证分析的数据选取上海股市综合指数(简称上证综指)每日收盘指数。考虑到我国于1996年12月16日开始实行涨跌停板限价交易，即除上市首日以外，股票、基金类证券在一个交易日的交易价格相对上一个交易日收市价格的涨跌幅不得超过10%，本文把数据分析时段选择为：1996.12.16-2007.05.18，共2510组有效数据。数据来源为CCER中国经济金融数据库。数据分析采用软件为Eviews5.1。通过对原始序列的自然对数变换，得到上证综指收益率序列，有2509个数据，记为RSH。

2基本统计分析

2.1序列的基本统计量

对称分布的偏度应为等于0，而上证综指收益率的偏度为负值，说明该序列的分布是有偏的且向左偏斜，即收益率出现正值的概率小于收益率出现负值的概率。另外，已知正态分布的峰度等于3，而上证综指收益率的峰度是8.919924，远大于3，这表明RSH序列不服从正态分布，而是具有尖峰厚尾特性。

2.2序列的自相关性

采用Ljung-BoxQ统计量检验上证综指收益率序列的自相关性。原假设为序列不存在阶自相关。根据上证综指收益率的10阶滞后期的Q统计值及其相应概率值可知，上证综指收益率的相关性并不显著。

2.3序列的平稳性和正态性

为了避免伪回归现象的发生，在建立回归模型之前须对收益率序列进行平稳性检验。采用ADF方法检验RSH序列的平稳性，其检验统计值为-51.7733，远小于MacKinnon的1％临界值，认为上证综指收益率序列不存在单位根，是显著平稳的。这就避免了非平稳性带来的许多缺陷。上证综指收益率序列的D.W.值为1.9705，非常接近于2，表明其残差序列不存在序列相关。

本文使用Jarque-Bera方法对RSH序列其进行正态性检验，检验统计值为3682.735(p=0.000)，概率值足够小以至于必须怀疑原假设的正确性。这也就说明，用正态分布对中国股市收益率的波动性进行描述是不正确的。

2.4ARCH效应检验

大量的实证分析表明，大多数金融资产收益率序列的条件方差具有时变性，即ARCH效应。利用ARCH-LM方法检验残差序列中是否存在ARCH效应。选择滞后阶数为5阶，检验统计值为28.92598(p=0.000)，表明残差存在显著的ARCH效应，至少存在5阶的ARCH效应。这就意味着必须估计很多个参数，而这却是很难精确的做到。在这种情况下，可以用一个低阶的GARCH模型代替，以减少待估参数的个数。

3分布模型的确定

金融时间序列的分布往往具有比正态分布更宽的尾部。为了更精确地描述这些时间序列分布的尾部特征，本文分别运用GARCH-Normal、GARCH-t和GARCH-GED模型拟合样本数据。

较之其它模型，GARCH-t(1,1)模型的对数似然值有所增加，同时AIC和SC值都变小，这说明GARCH-t(1,1)模型对上证综指收益率序列波动的刻画能力要强于其它模型。对模型中的未知参数进行极大似然估计，得出GARCH-t(1,1)模型为：

均值方程为：RSH=0.0399(1.7435)

方差方程为：2t=0.1137+0.1331×2t-1+0.8261×2t-1

(4.5005*)(6.6345*)(10.3761*)

在方差方程中，ARCH项和GARCH项的系数都是显著的，且两项系数之和为0.9592，小于1，满足参数约束条件。另外，系数之和非常接近于1，表明收益率序列的条件方差所受的冲击是持久的，这对所有的未来预测都有重要作用。

4分布模型的检验

模型建立的好坏首先要检验其是否有效的消除原序列的异方差性。另外，基于收益率序列概率积分变换的检验方法，可以检验序列分布与理论分布的拟合情况。对原序列做概率积分变换，然后检验变换后的序列是否服从i.i.d.（ol）均匀分布。一般地对变换后的序列进行BDS检验，以判断其是否是独立同分布。而运用Kolmogorov-Smirnov(K-S)检验则可以检验变换后的序列是否服从均匀分布。

4.1残差序列的ARCH-LM检验

对新方程产生的残差序列{εx}进行ARCH-LM检验，以观察是否还存在ARCH效应。选择滞后阶数为1阶，ARCH-LM检验统计值为0.629764(p=0.426)。伴随概率显著不为0，即接受原假设，认为残差序列{εx}不存在ARCH效应。这说明，用GARCH-t(1,1)模型拟合样本数据可以消除序列的异方差效应。

残差εxt的分布为vxσ2xt(vx-2)εxt|It-1~t(vx)，根据残差序列的数值，变换为vxσ2xt(vx-2)εxt序列，并按照自由度为vx=4.6528的t分布函数，对其进行概率积分变换，得到新序列记为{ut}。新序列{ut}在理论上应是独立同分布序列，且服从(0,1)的均匀分布。因此，本文通过BDS检验、K-S检验对新序列{ut}的分布进行检验。

4.2BDS检验

BDS检验的原假设是序列为独立同分布的随机变量。根据表中的概率值可知，在显著性水平α=0.05下，认为新序列{ut}为独立同分布的变量。

4.3K-S检验

对新序列{ut}进行K-S检验，其检验统计值为0.0175(p=0.4245)，这表明，用新序列{ut}服从独立同分布的(0,1)均匀分布。这也说明了GARCH-t(1,1)模型可以较好的拟合上证综指收益率序列的分布。

5结论

本文对上证综指对对数收益率序列的分布模型进行了实证研究。在现实生活中，金融收益序列分布不仅呈现出偏斜、尖峰、厚尾等特征，还具有异方差的特性，本文首先通过大量的统计检验方法验证了金融时间序列的各项特性。GARCH模型比ARCH模型有更快的滞后收敛性，从而大大减少了参数的个数，提高了参数估计的准确性。在运用正态分布假设的GARCH模型来描述金融收益序列的条件分布时，正态分布假设常常被拒绝，人们用一些具有尖峰、厚尾特性的分布，如t分布、GED分布来替代正态分布假设，从而得到一系列GARCH模型的扩展形式，如GARCH-t模型、GARCH-GED模型等。本文依据严密的统计分析方法选择了GARCH-t(1,1)模型描述上证综指对数收益率序列的分布。最后，根据各项模型检验结果说明，用GARCH-t(1,1)模型描述上证综指收益率序列是有充分理由的。

参考文献

［1］高铁梅.计量经济分析方法与建模:Eviews应用及实例［M］.北京:清华大学出版社,2006.

［3］易丹辉.数据分析与Eviews应用［M］.北京:中国统计出版社,2002.

［4］刘仁和，陈柳钦.中国股票市场波动的统计特征分析［J］.现代管理科学，2005,（1）:108~109.

收益率范文篇2

关键词：股票收益率；GARCH模型；统计检验

在风险管理中，我们往往关注的就是资产收益率的分布。许多实证研究表明，金融资产收益率分布表现出尖峰、厚尾的特征。另外,收益率序列还具有条件异方差性、波动聚集性等特点。选择合适的统计模型对金融资产收益率分布进行描述显得尤为重要。

1数据选取

本文实证分析的数据选取上海股市综合指数(简称上证综指)每日收盘指数。考虑到我国于1996年12月16日开始实行涨跌停板限价交易，即除上市首日以外，股票、基金类证券在一个交易日的交易价格相对上一个交易日收市价格的涨跌幅不得超过10%，本文把数据分析时段选择为：1996.12.16-2007.05.18，共2510组有效数据。数据来源为CCER中国经济金融数据库。数据分析采用软件为Eviews5.1。通过对原始序列的自然对数变换，得到上证综指收益率序列，有2509个数据，记为RSH。

2基本统计分析

2.1序列的基本统计量

对称分布的偏度应为等于0，而上证综指收益率的偏度为负值，说明该序列的分布是有偏的且向左偏斜，即收益率出现正值的概率小于收益率出现负值的概率。另外，已知正态分布的峰度等于3，而上证综指收益率的峰度是8.919924，远大于3，这表明RSH序列不服从正态分布，而是具有尖峰厚尾特性。

2.2序列的自相关性

采用Ljung-BoxQ统计量检验上证综指收益率序列的自相关性。原假设为序列不存在阶自相关。根据上证综指收益率的10阶滞后期的Q统计值及其相应概率值可知，上证综指收益率的相关性并不显著。

2.3序列的平稳性和正态性

为了避免伪回归现象的发生，在建立回归模型之前须对收益率序列进行平稳性检验。采用ADF方法检验RSH序列的平稳性，其检验统计值为-51.7733，远小于MacKinnon的1％临界值，认为上证综指收益率序列不存在单位根，是显著平稳的。这就避免了非平稳性带来的许多缺陷。上证综指收益率序列的D.W.值为1.9705，非常接近于2，表明其残差序列不存在序列相关。

本文使用Jarque-Bera方法对RSH序列其进行正态性检验，检验统计值为3682.735(p=0.000)，概率值足够小以至于必须怀疑原假设的正确性。这也就说明，用正态分布对中国股市收益率的波动性进行描述是不正确的。

2.4ARCH效应检验

大量的实证分析表明，大多数金融资产收益率序列的条件方差具有时变性，即ARCH效应。利用ARCH-LM方法检验残差序列中是否存在ARCH效应。选择滞后阶数为5阶，检验统计值为28.92598(p=0.000)，表明残差存在显著的ARCH效应，至少存在5阶的ARCH效应。这就意味着必须估计很多个参数，而这却是很难精确的做到。在这种情况下，可以用一个低阶的GARCH模型代替，以减少待估参数的个数。

3分布模型的确定

金融时间序列的分布往往具有比正态分布更宽的尾部。为了更精确地描述这些时间序列分布的尾部特征，本文分别运用GARCH-Normal、GARCH-t和GARCH-GED模型拟合样本数据。

较之其它模型，GARCH-t(1,1)模型的对数似然值有所增加，同时AIC和SC值都变小，这说明GARCH-t(1,1)模型对上证综指收益率序列波动的刻画能力要强于其它模型。对模型中的未知参数进行极大似然估计，得出GARCH-t(1,1)模型为：

均值方程为：RSH=0.0399(1.7435)

方差方程为：2t=0.1137+0.1331×2t-1+0.8261×2t-1

(4.5005*)(6.6345*)(10.3761*)

在方差方程中，ARCH项和GARCH项的系数都是显著的，且两项系数之和为0.9592，小于1，满足参数约束条件。另外，系数之和非常接近于1，表明收益率序列的条件方差所受的冲击是持久的，这对所有的未来预测都有重要作用。

4分布模型的检验

模型建立的好坏首先要检验其是否有效的消除原序列的异方差性。另外，基于收益率序列概率积分变换的检验方法，可以检验序列分布与理论分布的拟合情况。对原序列做概率积分变换，然后检验变换后的序列是否服从i.i.d.（ol）均匀分布。一般地对变换后的序列进行BDS检验，以判断其是否是独立同分布。而运用Kolmogorov-Smirnov(K-S)检验则可以检验变换后的序列是否服从均匀分布。4.1残差序列的ARCH-LM检验

对新方程产生的残差序列{εx}进行ARCH-LM检验，以观察是否还存在ARCH效应。选择滞后阶数为1阶，ARCH-LM检验统计值为0.629764(p=0.426)。伴随概率显著不为0，即接受原假设，认为残差序列{εx}不存在ARCH效应。这说明，用GARCH-t(1,1)模型拟合样本数据可以消除序列的异方差效应。

残差εxt的分布为vxσ2xt(vx-2)εxt|It-1~t(vx)，根据残差序列的数值，变换为vxσ2xt(vx-2)εxt序列，并按照自由度为vx=4.6528的t分布函数，对其进行概率积分变换，得到新序列记为{ut}。新序列{ut}在理论上应是独立同分布序列，且服从(0,1)的均匀分布。因此，本文通过BDS检验、K-S检验对新序列{ut}的分布进行检验。

4.2BDS检验

BDS检验的原假设是序列为独立同分布的随机变量。根据表中的概率值可知，在显著性水平α=0.05下，认为新序列{ut}为独立同分布的变量。

4.3K-S检验

对新序列{ut}进行K-S检验，其检验统计值为0.0175(p=0.4245)，这表明，用新序列{ut}服从独立同分布的(0,1)均匀分布。这也说明了GARCH-t(1,1)模型可以较好的拟合上证综指收益率序列的分布。

5结论

本文对上证综指对对数收益率序列的分布模型进行了实证研究。在现实生活中，金融收益序列分布不仅呈现出偏斜、尖峰、厚尾等特征，还具有异方差的特性，本文首先通过大量的统计检验方法验证了金融时间序列的各项特性。GARCH模型比ARCH模型有更快的滞后收敛性，

从而大大减少了参数的个数，提高了参数估计的准确性。在运用正态分布假设的GARCH模型来描述金融收益序列的条件分布时，正态分布假设常常被拒绝，人们用一些具有尖峰、厚尾特性的分布，如t分布、GED分布来替代正态分布假设，从而得到一系列GARCH模型的扩展形式，如GARCH-t模型、GARCH-GED模型等。本文依据严密的统计分析方法选择了GARCH-t(1,1)模型描述上证综指对数收益率序列的分布。最后，根据各项模型检验结果说明，用GARCH-t(1,1)模型描述上证综指收益率序列是有充分理由的。

参考文献

［1］高铁梅.计量经济分析方法与建模:Eviews应用及实例［M］.北京:清华大学出版社,2006.

［3］易丹辉.数据分析与Eviews应用［M］.北京:中国统计出版社,2002.

［4］刘仁和，陈柳钦.中国股票市场波动的统计特征分析［J］.现代管理科学，2005,（1）:108~109.

收益率范文篇3

在风险管理中，我们往往关注的就是资产收益率的分布。许多实证研究表明，金融资产收益率分布表现出尖峰、厚尾的特征。另外,收益率序列还具有条件异方差性、波动聚集性等特点。选择合适的统计模型对金融资产收益率分布进行描述显得尤为重要。

1数据选取

本文实证分析的数据选取上海股市综合指数(简称上证综指)每日收盘指数。考虑到我国于1996年12月16日开始实行涨跌停板限价交易，即除上市首日以外，股票、基金类证券在一个交易日的交易价格相对上一个交易日收市价格的涨跌幅不得超过10%，本文把数据分析时段选择为：1996.12.16-2007.05.18，共2510组有效数据。数据来源为CCER中国经济金融数据库。数据分析采用软件为Eviews5.1。通过对原始序列的自然对数变换，得到上证综指收益率序列，有2509个数据，记为RSH。

2基本统计分析

2.1序列的基本统计量

对称分布的偏度应为等于0，而上证综指收益率的偏度为负值，说明该序列的分布是有偏的且向左偏斜，即收益率出现正值的概率小于收益率出现负值的概率。另外，已知正态分布的峰度等于3，而上证综指收益率的峰度是8.919924，远大于3，这表明RSH序列不服从正态分布，而是具有尖峰厚尾特性。

2.2序列的自相关性

采用Ljung-BoxQ统计量检验上证综指收益率序列的自相关性。原假设为序列不存在阶自相关。根据上证综指收益率的10阶滞后期的Q统计值及其相应概率值可知，上证综指收益率的相关性并不显著。

2.3序列的平稳性和正态性

为了避免伪回归现象的发生，在建立回归模型之前须对收益率序列进行平稳性检验。采用ADF方法检验RSH序列的平稳性，其检验统计值为-51.7733，远小于MacKinnon的1％临界值，认为上证综指收益率序列不存在单位根，是显著平稳的。这就避免了非平稳性带来的许多缺陷。上证综指收益率序列的D.W.值为1.9705，非常接近于2，表明其残差序列不存在序列相关。

本文使用Jarque-Bera方法对RSH序列其进行正态性检验，检验统计值为3682.735(p=0.000)，概率值足够小以至于必须怀疑原假设的正确性。这也就说明，用正态分布对中国股市收益率的波动性进行描述是不正确的。

2.4ARCH效应检验

大量的实证分析表明，大多数金融资产收益率序列的条件方差具有时变性，即ARCH效应。利用ARCH-LM方法检验残差序列中是否存在ARCH效应。选择滞后阶数为5阶，检验统计值为28.92598(p=0.000)，表明残差存在显著的ARCH效应，至少存在5阶的ARCH效应。这就意味着必须估计很多个参数，而这却是很难精确的做到。在这种情况下，可以用一个低阶的GARCH模型代替，以减少待估参数的个数。

3分布模型的确定

金融时间序列的分布往往具有比正态分布更宽的尾部。为了更精确地描述这些时间序列分布的尾部特征，本文分别运用GARCH-Normal、GARCH-t和GARCH-GED模型拟合样本数据。

较之其它模型，GARCH-t(1,1)模型的对数似然值有所增加，同时AIC和SC值都变小，这说明GARCH-t(1,1)模型对上证综指收益率序列波动的刻画能力要强于其它模型。对模型中的未知参数进行极大似然估计，得出GARCH-t(1,1)模型为：

均值方程为：RSH=0.0399(1.7435)

方差方程为：2t=0.1137+0.1331×2t-1+0.8261×2t-1

(4.5005*)(6.6345*)(10.3761*)

在方差方程中，ARCH项和GARCH项的系数都是显著的，且两项系数之和为0.9592，小于1，满足参数约束条件。另外，系数之和非常接近于1，表明收益率序列的条件方差所受的冲击是持久的，这对所有的未来预测都有重要作用。

4分布模型的检验

模型建立的好坏首先要检验其是否有效的消除原序列的异方差性。另外，基于收益率序列概率积分变换的检验方法，可以检验序列分布与理论分布的拟合情况。对原序列做概率积分变换，然后检验变换后的序列是否服从i.i.d.（ol）均匀分布。一般地对变换后的序列进行BDS检验，以判断其是否是独立同分布。而运用Kolmogorov-Smirnov(K-S)检验则可以检验变换后的序列是否服从均匀分布。4.1残差序列的ARCH-LM检验

对新方程产生的残差序列{εx}进行ARCH-LM检验，以观察是否还存在ARCH效应。选择滞后阶数为1阶，ARCH-LM检验统计值为0.629764(p=0.426)。伴随概率显著不为0，即接受原假设，认为残差序列{εx}不存在ARCH效应。这说明，用GARCH-t(1,1)模型拟合样本数据可以消除序列的异方差效应。

残差εxt的分布为vxσ2xt(vx-2)εxt|It-1~t(vx)，根据残差序列的数值，变换为vxσ2xt(vx-2)εxt序列，并按照自由度为vx=4.6528的t分布函数，对其进行概率积分变换，得到新序列记为{ut}。新序列{ut}在理论上应是独立同分布序列，且服从(0,1)的均匀分布。因此，本文通过BDS检验、K-S检验对新序列{ut}的分布进行检验。

4.2BDS检验

BDS检验的原假设是序列为独立同分布的随机变量。根据表中的概率值可知，在显著性水平α=0.05下，认为新序列{ut}为独立同分布的变量。

4.3K-S检验

对新序列{ut}进行K-S检验，其检验统计值为0.0175(p=0.4245)，这表明，用新序列{ut}服从独立同分布的(0,1)均匀分布。这也说明了GARCH-t(1,1)模型可以较好的拟合上证综指收益率序列的分布。

收益率范文篇4

收益率的求取方法有市场提取法、累加法、投资收益率排序插入法、抵押贷款与自有资金的组合法、土地与建筑物的组合法等。收益率的求取关键问题是收益额的计算口径与收益率的计算口径要保持一致。这里，就评估实务中采用较多的市场提取法和累加法进行阐述。

1.场提取市法。市场提取法共有两种思路，即净收益采用会计利润和采用净现金流量。

（1）净收益采用会计利润在这种情况下，每年提取的折旧费用在建筑物的寿命期末可以重置，实际上是一种收益无限期的形式，即V=a/r，r=a/V.以出租经营为例，一般的观点是，净收益为年总收入扣除年折旧费、维修费、管理费、有关税费、利息费用、保险费等的余额。这里的折旧费仅指建筑物的折旧，这在土地无限期使用的前提下是适用的。但是目前我国实行的是有限期出让土地政策，土地的价值随着使用年限的增长而降低，因此这里的折旧费是广义的，还应当包含土地使用权价值摊提费。对于利息收入和费用，在求取收益率时，一般假设收入、费用发生在年末，而实际并非如此。如实际租金收入发生在期末，费用在期间均匀发生，这时应考虑期间发生费用的贷款利息；如实际租金收入发生在期初，或存在押金收入，这时还应考虑租金收入或押金收入的存款利息作为收入。

（2）收益采用净现金流量。即前面思路中年总收入不扣除折旧费，这种情况下，实际上是一种收益有限期的形式，即V=a/r[1-1/（1+r）n]，将已知量代入求取r.理论上只要收益额的计算口径与收益率的计算口径保持一致，年净收益采用净利润和净现金流量都是可行的，但是目前我国实行的是有限期出让土地政策，存在土地使用权价值摊提的问题，即要确定建筑物和土地使用权的重置价值，实际操作起来难度很复杂。况且租赁方关心的是净现金流量，非会计净利润，笔者认为用收益法评估房地产，净收益采用净现金流量的做法比较合适。

（3）累加法。累加法又称安全利率加风险调整值法，是评估实务中采用较多的一种方法，其基本公式为：房地产收益率=无风险利率+风险报酬率上述公式对应的净收益口径应该是会计净利润，按照净收益采用净现金流量的做法，应该考率建筑物折旧费和土地摊提费问题，有观点认为，房屋的收益率=无风险利率+风险报酬率+折旧率。笔者认为，将房屋建筑物折旧率或土地摊提率简单相加是不妥当的。假设以国债利率作为无风险利率，因为本金是在国债发行期末一次收回，这种状况可假设本金在经济寿命期内等额收回，则假设房地产经济使用寿命50年，2003年2月份发行的五年期国债利率为2.62%，则其年回收率为（A/F，2.62%，50）=0.99%，这与折旧率1/50=2%差距是很大的。即与净现金流量对应的累加法收益率公式为：房地产收益率=无风险利率+风险报酬率+本金等额回收率（基金年存系数）

二、收益法

收益法的运用关键是收益额的计算口径与收益率的计算口径要保持一致，有关观点已在前面收益率的求取作了阐述。现就土地估价师资格考试及相关教材中例题餐及其观点，阐述一下收益法的运用。

（一）用收益法评估房地产某教材案例如下：1.委估对象概况委估对象为二层楼商场，混合结构，建筑面积2180平方米，占地面积1250平方米，商业用途。

2.估价技术思路方法与估价过程根据委估对象为商场的特点，再根据评估目的及市场因素，采用收益法来测算委估对象在评估基准日的价值。

（1）计算总收益根据商场店铺所处的地理位置及周边相似店铺的租金水平，经市场比较法测算，商场店铺的租金为4.4元/平方米。日。商场店铺平均出租率为75%，每年按365天计，则年租金总收入为1964×4.4×365×75%=2365638元。

（2）计算总费用①年折旧费。商场店铺为混合结构，使用年限为50年，因此房屋折旧年限取50年，残值率取2%，收益年限取50年。根据工程造价行情，该类房屋造价为900元/平方米，则：年折旧费=房屋建筑造价×（1-残值率）/使用年限=900×2180×（1-2%）/50=38455元②年管理费。按年租金的3%计提，年管理费为70969元。

③年维修费。按房屋建筑造价的1.5%计提，年维修费为29430元。

④年保险费。按房屋建筑造价的2‰计提，年保险费为3924元。

⑤年缴纳税费。营业税及附加按年租金的5.565%计提，年营业税及附加为131648元；房产税按年租金的12%计提，年房产税为283877元；土地使用税以5元/平方米。年计算，年土地使用税为：5×1250=6250元；年税费合计为421775元。

⑥年利息。按房屋建筑物造价的6.93%计取，6.93%为一年期的存款利率，设资金在一年建设期内均匀投入，年存款利息67983元。

以上六项费用合计为632536元。

（3）计算年净收益年净收益为年总收益减去年费用总支出为1733102元。

（4）确定还原利率还原利率以一年期贷款利率6.93%，加上3%的风险利率取整为10%.（5）计算房地产价格房地产价格=1733102×（P/A，10%，50）=17183360元。

笔者认为，上述评估思路存在如下问题：首先是折旧费的处理。该例题收益额的计算采用会计利润，只对建筑物计提折旧，未对土地使用权权属状况进行说明，按我国目前的土地出让政策，应对土地使用权价值进行摊提，否则得到的是一种不完全的会计利润，实际上跟用加和法得到的还原利率口径是不一致的。

第二是还原利率的确定。该例题采用累加法确定还原利率，贷款利率是一种含有风险的利率，在这里作为无风险利率显然是不妥当的。

第三是利息费用。该例题按房屋建筑物造价计提利息费用是不妥当的，因为房屋建筑物造价实际上是房地产价值构成的一部分，评估求取的正是房地产价值，其利息正是房地产经营要得到的净收益里最根本的一部分，这里作为费用扣除显然是不合理的。笔者认为，若收入、费用发生的时间和其折现期一致，不应该考虑利息费用，正如假设开发法中的折现法公式中不存在投资利息和开发利润一样，因为它正以恰当的收益率，恰当的折现期折现到评估基准日中了。收益法评估往往假设收入费用发生在某一个时点，实际发生时间与这种假设有偏差，这样才可以用利息费用作调整。如客观租金收入发生在期末，费用在期间均匀发生，而评估时假设收入费用发生在期末，这时应考虑期间发生费用的贷款利息。如客观租金收入发生在期初，费用在期间均匀发生，而评估时假设收入费用发生在期初，这时应考虑期间发生的费用进行折现。收益法实际上是一种动态法，而考虑利息费用是一种静态法，将两种方法混在一起，显得不严谨。因此笔者建议，运用收益法要尽量将收入、费用发生的假设时间与其加权折现期一致，而不必再考虑利息费用。

第四是收入和费用的发生的时间。用收益法评估房地产，一般假设收入、费用发生在期末，而实际情况是租金收入一般发生在期初，费用一般在期间均匀发生。笔者认为假定收入、费用的发生时点，一定要与评估时采用的客观租金、费用发生时间相符，净收益发生在期初和期末评估结果相差一个收益率，这种差距是很大的。

（二）用收益法评估土地使用权2002年全国土地估价师资格考试辅导教材《土地的估价理论与方法》中，用收益法评估土地价格的思路为：首先依据收益法以外的方法求得建筑物的价格，然后从待估不动产的纯收益中减掉属于建筑物的纯收益，得到土地的纯收益；再以土地还原利率还原，即可得到土地的价格。其计算公式为：L=[a-B（r2+d）]/r1=a1/r1式中：L：土地价格；a：建筑物及其相应范围的土地产生的纯收益（a如为折旧后收益则去掉d）；B：建筑物的价格；r1：土地还原率；r2：建筑物还原率；d：建筑物的折旧率；a1：土地的纯收益。

按该教材的观点，式中建筑物的价格B为重置价扣除折旧后的净值，这样随着使用年限的增加，建筑物产生的净收益是逐年减少的，而若不考虑物价变动因素，实际上年纯收益a是基本保持不变的，如此，土地的纯收益a1便会逐年增加，而r1是基本维持不变的，便会出现土地的评估值L随着评估时间的递延而逐年增加的现象，这显然是不符合实际情况的。笔者认为，房地产年纯收益是一种房地产投资的期望收益，是由全新状态的房地产价值决定的，一经确定，若不考虑物价变动因素，便基本维持不变，建筑物的纯收益和土地的纯收益也是如此，因此上述公式中的B应为建筑物的重置价值，而非扣除折旧后的净值。

三、假设开发法

2003年中国房地产估价师执业资格考试指定辅导教材《房地产估价理论与方法》指出，假设开发法最基本的公式分为以下两种：1.传统法待开发房地产的价值=开发完成后的房地产价值-开发成本-管理费用-投资利息-销售税费-销售税费-开发利润-投资者购买待开发房地产应负担的税费2.折现法待开发房地产的价值＝开发完成后的房地产价值-开发成本-管理费用-销售税费-销售税费-投资者购买待开发房地产应负担的税费按《房地产估价规范》5.5.6条规定：“运用假设开发法估价必须考虑资金的时间价值。在实际操作中易采用折现的方法；难以采用折现方法时，可采用计算利息的方法。”

笔者认为运用该方法要注意两个问题：第一是房地产开发收益率和房地产经营收益率的不同。在2003年中国房地产估价师执业资格考试指定辅导教材《房地产估价理论与方法》教材中，资本化率与折现率是两个不同的概念（如该教材P248例7～4），资本化率是将房地产的净收益转换成价值的比率。而对假设开发法中的现金流量折现法中的折现率，教材中说，与收益法中的资本化率原理相同，具体应等同于同一市场上类似房地产开发项目所要求的平均收益率，它包含资金的利息和开发利润两部分。笔者认为，教材中所说的折现率实质就是房地产收益率，只不过房地产开发的收益率不同于房地产经营的收益率而已，因此称房地产开发收益率和房地产经营收益率，更能反映其本质，更好理解。即房地产开发收益率运用于开发完成后价值和开发成本费用的折现，房地产经营收益率运用于通过租赁经营形式对房地产价值的求取。

第二是上述公式在实际付工程款及其他应缴费用与形象进度一致的情况下适用，但实际付工程款及其他应付款与形象进度往往一致。按现在的有关法律法规，应付工程款具有优先受偿权，因此评估在建工程的价值时，应将实际付工程款及其他应付款与形象进度的差额列入特别事项说明，或在抵押贷款评估时直接扣除。

四、成本法

目前各种教材对用成本法对房地合一项目的评估方法不是很明确，如2003年中国房地产估价师执业资格考试指定辅导教材《房地产估价理论与方法》P149页，适用于旧房地产的基本公式：旧房地价格=土地的重新取得价格或重新开发成本+建筑物的重新购建价格-建筑物的折旧上述公式存在的问题是，现在土地出让是有期限的，缺少剩余使用年限修正；并且土地的重新取得价格或重新开发成本是指土地开发完成后的价值，而房地合一项目土地的重置成本应该是到整个房地产开发项目开发完成后价值，包含建设期贷款利息和开发利润。

实际操作中，有这样一种计算公式：旧房地价格=（土地的重置成本+建筑物的重置成本）×成新率上述公式存在的问题是，把土地剩余使用年限修正等同于建筑物的成新率，也是不妥当的。

笔者认为，改为如下公式更明确：旧房地价格=土地的重置成本×剩余使用年限修正系数+建筑物的重置成本×成新率=（土地取得价+附属费用+有关税费+建设期贷款利息+开发利润）×剩余使用年限修正系数+（前期工程费+工程造价+工程附加支出+配套费+建设期贷款利息+建设单位管理费+开发利润）×成新率需要说明的是，上述公式中土地剩余使用年限修正系数K=[1-1/（1+r）n]/[1-1/（1+r）N]，在这里N不是土地使用权的出让年限，而应该是土地使用权的出让年限扣除项目合理开发期后的剩余使用年限，这是实际运用时一个容易忽略的问题。

房地产价值随使用年限变化的情况用图1来表示，曲线I为房屋建筑物的价值变化情况，曲线Ⅱ为土地使用权的价值变化情况，曲线Ⅲ为房地产的价值变化情况。（见图一）

五、比较法

收益率范文篇5

投资者在选择投资机会决定方案取舍之前,首先要确定一个要求该投资项目应当达到的最小收益率目标,这个目标叫做基准收益率。基准收益率在方案的动态评价中有着极其重要的作用,是衡量方案投资的一个评判标准。对于独立方案的决策,当净现值(NPV)大于等于零或内部收益率(IRR)大于等于基准收益率时,方案可以考虑接受,对于互斥方案的决策,当增量净现值(NPV)大于等于零或增量内部收益率(IRR)大于等于基准收益率时,投资大的方案可以考虑接受。所以,基准收益率取值的合理与否直接影响到项目或方案取舍的正确选择。如果定得太高,可能会使许多经济效果好的方案被拒绝,如果定得太低,则可能会接受过多的方案,但其中有些经济效果并不好。特别在进行多方案比较时,基准收益率的变动对方案的选择影响很大,有时会得出相反的结论。所以确定合理的折现率对投资决策起着决定性的作用。

2国内外确定基准收益率的方法

在西方发达国家,基准收益率(可接受的最小收益率,MARR)是由企业或个人定出的投资可接受的下限。这种方法可使有限的资源与资金尽可能地得到充分利用。它是由企业的决策部门根据企业未来的发展预测和财务情况自行确定的,而且随着条件的变化经常变动。当项目的收益率达到或超过该标准时,企业可考虑对这项方案进行投资;若低于这个标准,企业的资本将不用于该项投资,而转向收益率更高的投资项目。由于企业的类型、市场、环境等的不同,企业间的收益率差别很大,就是在一个企业内部,不同的部门和不同的经营活动所需要的收益率也不相同,其差别实际上反映了项目所包含的风险性。在确定MARR时,国外一般倾向于企业的加权资本成本,而新投资的预期实际收益率一般应大于资本成本,究竟应该高出资本成本多少,这要取决于企业的环境和它的胆略,企业承担的风险越大,折现率就越高,以补偿不能满足的预期收益。在国外,MARR是企业的大批高质量投资方案获得证实的典型数据,并假设从现行项目中赢得的收入可以按与MARR类似的利率(资本的机会成本)对未来的项目进行再投资。联合国工业发展组织向发展中国家推荐的方法是倾向于直接以资本市场的长期贷款利率作为折现率,因为长期贷款利率基本上反映了市场的实际利率,以其作为折现率可以真实的度量资金的时间价值和机会成本。

我国目前投资决策中采用的折现率通常是行业或部门的统一的基准收益率。如投资项目财务评价中使用的行业基准收益率的依据是1993年原国家计划委员会和建设部印发的《建设项目经济评价方法与参数》(第二版)中公布的行业基准收益率,是根据国家当时的经济状况、资源供求状况、宏观经济调控意图、各行业投资经济效益以及项目评价的实际需要而测算的。在这十几年间,我国的经济体制和国民经济状况已经发生了很大的变化,当时测定的行业基准收益率所考虑的财税制度、价格条件以及产业政策也都发生了很大变化,所以再用当时测算的基准收益率作为评判项目和方案优劣的标准已不能正确引导投资决策。为了适应投融资体制改革的要求,促进产业结构调整,优化项目资本结构,提高投资效益,规避投资风险,满足多元投资主体进行科学投资决策的需要,应根据我国目前的经济状况和未来发展趋势以及国际形势,总结以往的经验,积极借鉴国外的先进技术,重新思考折现率确定的思路。

3基准收益率影响因素分析

对于我国基准收益率的问题,目前有着几种不同的观点,有人认为应该取消,有人认为应该保留,还有人认为在投资决策和融资决策两个阶段应当用不同的基准收益率。目前,很多咨询公司或设计院盲目地采用《方法与参数》(第二版)中的社会基准折现率12%作为项目财务基准折现率,这是没有道理的,而且从1993年到现在,已有10年了,社会基准折现率12%本身也不合理。此外,不少单位采用长期贷款利率加几个百分点作为基准折现率,也是缺乏根据的。在我国,行业基准收益率的测算是由国家或专门的部门负责的,数据长期不变,可应用的数据往往滞后于使用期,而市场环境已经发生了很大的变化,图1为1996年~2002年我国长期贷款利率变化曲线,直观地说明了市场状况的变化速度和趋势。随着我国市场经济体制的完善和与国际接轨,实现国际经济一体化进程的加快,行业垄断的局面将被打破,各个企业之间将展开公平竞争,国家将通过税收政策和准入制度来调节各个产业、行业之间的平衡。现在许多投资者已经自主决策,自担风险了。所以笔者认为,行业基准收益率应逐步减小其作用,直至取消。对收益率的确定应当借鉴国外的做法,以投资者可接收的最低收益率(MARR)作为项目或方案可行的判据,由企业的决策部门根据企业未来的发展预测、财务情况、市场状况自行确定,并且随着市场条件的变化随时调整,如果再以行业基准收益率作为项目或方案可行的判据,根本起不到正确决策的作用。合理的折现率是一个非常重要的参数,它不仅是资金时间价值的度量,也是一个投资收益率的标准,对投资决策都是举足轻重的。总的来说,确定基准收益率应考虑以下几个主要因素。

3•1资本成本资本成本是企业为取得资金使用权所支付的费用。不论资金来源于何种渠道,资金提供者都要求资金使用者支付一定的报酬,使用借贷资金要付给贷款者利息,使用股本资金要付给股票持有人股息,就是使用自己的资金,也要考虑机会成本。投资所需的长期资金主要有两种来源:权益资本和债务资本。在确定企业资本成本时可通过对不同资金渠道的单个资本成本加权平均得到,即加权平均资本成本(WACC)。用公式表示为:WACC=DV•Kd+EV•Ke,其中:V———企业资产总值,D———债务资本,E———权益资本,Kd———债务资本的成本,Ke———权益资本的成本。资本成本是确定投资盈利目标所必须考虑的一个基本因素。一项投资要实现盈利目标,首先必须提供足够的收入以补偿投资与成本的支出,然后才谈得上盈利。如果为取得一定数量资金所支付的费用越少,则这项投资盈利的可能性就越大。一般说来,如果某个投资项目的收益率大于资本成本,则投资者将可获得满意的利润。相反,如果某个投资项目的收益率小于资本成本,则投资者将不能获得满意的利润。因此,资本成本是企业选择资金来源、拟定筹资方案的依据,也是评价投资决策是否可行的基本经济标准。

3•2投资风险企业在进行某个项目的投资时,会面临各种各样的风险。对于存有风险的投资项目,投资者自然要求获得高于一般利润的报酬。风险越大,所要求的基准收益率就越高,否则,他就不会去冒这个风险。风险的来源总的来说分为两种:影响经济体系中所有企业(或绝大多数企业)的一般性风险和只对某些企业产生影响的企业特殊风险。一般性风险包括消费水平、税收水平、利率水平、能源价格等因素,企业特殊风险包括广告促销效果、企业管理能力、管理效率等因素。在考虑风险确定折现率时,必须加上这类风险报酬。由于影响企业的因素不同,风险在不同的企业是不一样的,如果对风险不同的项目用统一的基准收益率,则会导致投资倾向于高风险的项目,使企业遭受损失;另外,风险报酬率的大小不仅与项目的程度有关,还与投资企业对待风险的偏好等因素有关。因此,在考虑风险因素时,应根据项目的具体情况进行具体的分析。可以把折现率分解成几个组成部分,第一部分是无风险利率,第二部分是一般性风险的风险利率,第三部分是企业所具有的特定风险利率。用公式表示为:I=I1+I2+I3,其中,I—基准收益率,I1—无风险利率,I2—反映一般性风险的风险利率,I3—反映特定项目承担的特定风险或决策者风险偏好的风险利率。一般性风险利率可参照国家一定时期的产业政策,对于产品市场前景好、收效快的项目,可选择较低的利率,如果产品市场前景不明朗,需要开拓、采用新技术的项目,可选择较高的利率。在确定风险报酬率时,应先找到项目的风险来源,只有这样,才能对风险程度不同的项目进行有效的比较。

3•3通货膨胀货币的购买力不断变化是所有现代经济体系的特点,考虑通货膨胀的影响是为了进一步增加投资决策的准确性,特别是对现金流量中价格波动范围较大的方案。由于通货膨胀,出现了两个利率:一个是按不考虑通货膨胀的不变元计算的利率(实际利率),另一个是考虑了通货膨胀的时价元计算的利率(名义利率)。设通货膨胀率为F,名义利率为IF,实际利率为I,则三者之间的关系为I=1+IF1+F-1=IF-F1+F,从式中可知,实际利率随着名义利率的提高而提高,随着通货膨胀率的提高而降低。在计算现金流量时如果没有考虑通货膨胀的影响,就应该用实际利率,如果考虑了通货膨胀的影响,就应该用名义利率。投资项目的寿命周期一般都比较长,为了防止物价上涨、货币贬值导致投资项目的失利,应根据物价变动率调整基准收益率,以保证在物价上涨的情况下,所选择的投资项目在经济上仍然是可行的。

收益率范文篇6

关键词：上证指数深证成指收益率正态性检验相关性分析

我国股市从1984年11月14日第一只股票公开发行起步，至今已经21个年头。尤其经过1990年12月至今这一阶段的高速发展，我国股市从一个相对独立的市场正在逐渐地与全球股市相连接和相互影响，并且正在逐步地完善和发展，同时也应该看到，我国股票市场在全球股票市场中的比重和地位在不断的增强。因此，研究我国股票市场现在的发展程度和状况，研究它与美国等国际成熟的股票市场相比有什么样的特点以及与这些国际股市的联系是否密切等都是证券相关人员所关切的问题。股票市场价格及收益率的变化特征是考察和分析股票市场运行机制、风险特征和结构特点的重要层面，也是运用现代资本市场理论对股票市场进行实证研究的基础。由于股票指数是作为反映股票市场上所有股票价格变化趋势的测度指标，所以研究它的统计规律性具有重要的分析价值和现实意义。本文运用正态性检验、相关性分析等统计方法，通过对道琼斯工业平均指数、恒生指数、上证指数以及深证成指9年间的实际数据进行统计、分析和比较，从实证层面来研究和解释我国股票市场过去九年间所具有的某些特点和特征。

道琼斯工业平均指数、上证指数与深证成指的收益率分布对比

考虑到涨跌停板制度对我国股市收益率分布的影响，我们选取上证指数和深证成指从1996年12月16日至2005年12月16日期间的数据作为我们研究的对象。为了便于进行对比，我们同样截取了道琼斯工业平均指数同期的数据作为与上证指数、深证成指的对比对象。下面我们考虑日收益率r(t)的分布情况：其中P(t)表示时刻的股票指数(或股票价格)。

在本文中，我们首先采用正态性检验新标准中的图方法来对上证指数和深证成指的收益率进行分析和研究。当我们对某证券指数(或股票价格)的数据统计、整理、计算和根据图方法绘出正态概率图，就可以得到类似图1的图形。当正态概率图上所绘的点相对直线出现系统偏差时，正态性检验新标准还提供了真实数据的概率分布与正态分布之间偏离程度的直观信息。

图1是根据上证指数自1996年12月16日至2005年12月16日期间的每个交易日数据而绘出的日收益率r(t)(t=0,1,2,L)的正态概率分布图。从图1中曲线的分布情况，我们得知上证指数日收益率不完全满足正态分布，而是相对正态分布都具有明显的“高峰厚尾”或“宽尾”现象。这正是Mandelbort在1963年发现的“金融收益率序列的高尖峰和厚尾”的事实。我们做出了深证成指和道琼斯指数的正态概率分布图，也看到了相同的高峰厚尾现象。

上面已经从指数收益率的正态概率图中得出了收益率序列不服从正态分布的结论，下面采用偏度—峰度法来对三个证券指数收益率序列进行正态性检验。我们已经知道标准正态分布的峰度为3，偏度为0。如果某一分布其峰度大于3，则称此分布相比标准正态分布具有高峰厚尾现象。使用Matlab6.5软件对所得到的日收益率数据进行计算得表1。

表1表示出了道琼斯工业平均指数、上证指数与深证成指的收益率的统计特征。从表1可知，三个指数的峰度值都大于3，都有高峰厚尾现象。偏度都不等于0，这说明三个指数收益率的分布都不是对称的，其中上证指数与深证成指的偏度都大于0，说明它们都是右偏的，表现在股市上说明市场上出现正收益的机会要比出现负收益的机会大；道琼斯指数的偏度小于0，说明道琼斯指数是左偏的，在股市中出现负收益的机会比正收益的机会大。从均值的比较可以知道道琼斯指数的平均收益率要远远大于上证指数和深证成指的平均收益率。从方差的比较可以看到上证指数和深证成指的方差要远大于道琼斯指数的方差，这也说明我国股票市场的风险要比美国股票市场的风险大很多。从上面的对比中我们不难发现中国证券市场具有收益不稳定、风险高等新兴市场特点，而美国证券市场具有收益稳定、股市波动小等成熟市场的特点。这一特点也可以从证券指数绝对收益率图得到验证。

图2是上证指数、深证成指和道琼斯工业平均指数收益率绝对值的图像，其中图中的横坐标表示交易日的时刻，纵坐标表示单个交易日日收益率的绝对值，它反映了日收益率的大小。从图2的比较可以看到，在我国的两个证券指数收益率绝对值的图中，暴涨或暴跌的频率高、涨跌幅度大，再加之我国现今为止既没有做空机制也没有指数期货等套期保值工具，所以我国投资者投资股票面临的风险很大；而道琼斯指数在相同的时期里则表现的较为平缓，股市较为平稳，而且美国股市既有做空机制又有股指期货、股指基金等避险投资工具，美国投资者选择的空间大，风险相对要小的多。

道琼斯指数、恒生指数与上证指数、深证成指的相关性分析

由于我国股市从发展初期就具有其相对的独立性和特殊性，虽然上证指数与深证成指具有极强的联动性，但是我国股市与全球股市的联系和联动性并不十分明显。近些年来，随着我国经济的不断发展壮大，这种联络和联动性正在不断地加强。在这里我们讨论过去九年中，道琼斯指数和香港恒生指数与我国的上证指数和深证成指价格之间的互动关系。

通过上述分析可以看出我国大陆股市与美国、香港等成熟股市之间的联系以及互动性的程度。如果相关系数为正，则说明我国股市会随着这些成熟股市的波动而做同向的波动，如果相关系数为负则说明我国股市会与这些成熟股市做逆向波动。如果相关系数很小或不具有统计意义就说明我国股市的波动性基本不受上述成熟股市波动性的影响。在这个研究中，我们将利用一些应用软件来分析相关的数据，这里主要利用SPASS12.0软件中的二元变量相关性分析(BivariateCorrelation)计算Pearson相关系数(PearsonCorrelation)，可得表2。

表2表达了道琼斯指数、恒生指数与上证指数、深证成指价格的相关系数。SPASS的相关性分析过程的原假设为：两个变量间的相关系数为0。SPASS的相关性分析过程给出了该假设成立的概率。一般地，SPASS给出假设成立的显著性水平为（表中Pearson相关系数后带**项的显著性水平是）当所得概率小于（或者带**的项的概率小于）时，则认为原假设不成立,其相关系数为表中给出的值；否则接受原假设，认为两个变量的相关系数为0。可以得到以下结论：

道琼斯指数对上证指数的影响要比对深证成指的影响大的多，甚至比对恒指的影响更大。从表中道指一行可以看到：道琼斯指数与上证指数的相关系数为0.49，在显著性水平为1%下，有统计意义。道指与深证成指的相关系数为0.02，双尾检验下的概率0.363在显著性水平为5%下没有统计意义，因此可以认为道指与深证成指没有线性相关性。同样可知，道指价格与恒指价格成明显的正相关性，可见恒指受道指的影响也很大。

恒生指数对深证成指的影响要比对上证指数的影响大。从恒生指数一行的数据可看到：恒指与上指和深指的的相关系数分别为0.288和0.472，在显著性水平1%下都有统计意义。

上证指数与其它三个指数的相关系数由大到小依次为：深证成指、道琼斯指数和恒生指数。这一结论可以从上证指数一行得到。

本文通过对中外四个证券指数收益率的对比以及价格的相关性分析，说明我国股票市场作为一新兴股市具有波动大、难以预测等特点。虽然目前我国证券指数的波动具有相对的独立性，但是在不远的将来，我国股市与美国、香港等发展成熟的股市会有明显的正向互动性而且联系会更加密切。

参考文献：

收益率范文篇7

本文实证分析的数据选取上海股市综合指数(简称上证综指)每日收盘指数。考虑到我国于1996年12月16日开始实行涨跌停板限价交易，即除上市首日以外，股票、基金类证券在一个交易日的交易价格相对上一个交易日收市价格的涨跌幅不得超过10%，本文把数据分析时段选择为：1996.12.16-2007.05.18，共2510组有效数据。数据来源为CCER中国经济金融数据库。数据分析采用软件为Eviews5.1。通过对原始序列的自然对数变换，得到上证综指收益率序列，有2509个数据，记为RSH。

2基本统计分析

2.1序列的基本统计量

对称分布的偏度应为等于0，而上证综指收益率的偏度为负值，说明该序列的分布是有偏的且向左偏斜，即收益率出现正值的概率小于收益率出现负值的概率。另外，已知正态分布的峰度等于3，而上证综指收益率的峰度是8.919924，远大于3，这表明RSH序列不服从正态分布，而是具有尖峰厚尾特性。

2.2序列的自相关性

采用Ljung-BoxQ统计量检验上证综指收益率序列的自相关性。原假设为序列不存在阶自相关。根据上证综指收益率的10阶滞后期的Q统计值及其相应概率值可知，上证综指收益率的相关性并不显著。

2.3序列的平稳性和正态性

为了避免伪回归现象的发生，在建立回归模型之前须对收益率序列进行平稳性检验。采用ADF方法检验RSH序列的平稳性，其检验统计值为-51.7733，远小于MacKinnon的1％临界值，认为上证综指收益率序列不存在单位根，是显著平稳的。这就避免了非平稳性带来的许多缺陷。上证综指收益率序列的D.W.值为1.9705，非常接近于2，表明其残差序列不存在序列相关。

本文使用Jarque-Bera方法对RSH序列其进行正态性检验，检验统计值为3682.735(p=0.000)，概率值足够小以至于必须怀疑原假设的正确性。这也就说明，用正态分布对中国股市收益率的波动性进行描述是不正确的。

2.4ARCH效应检验

大量的实证分析表明，大多数金融资产收益率序列的条件方差具有时变性，即ARCH效应。利用ARCH-LM方法检验残差序列中是否存在ARCH效应。选择滞后阶数为5阶，检验统计值为28.92598(p=0.000)，表明残差存在显著的ARCH效应，至少存在5阶的ARCH效应。这就意味着必须估计很多个参数，而这却是很难精确的做到。在这种情况下，可以用一个低阶的GARCH模型代替，以减少待估参数的个数。

3分布模型的确定

金融时间序列的分布往往具有比正态分布更宽的尾部。为了更精确地描述这些时间序列分布的尾部特征，本文分别运用GARCH-Normal、GARCH-t和GARCH-GED模型拟合样本数据。

较之其它模型，GARCH-t(1,1)模型的对数似然值有所增加，同时AIC和SC值都变小，这说明GARCH-t(1,1)模型对上证综指收益率序列波动的刻画能力要强于其它模型。对模型中的未知参数进行极大似然估计，得出GARCH-t(1,1)模型为：

均值方程为：RSH=0.0399(1.7435)

方差方程为：2t=0.1137+0.1331×2t-1+0.8261×2t-1

(4.5005*)(6.6345*)(10.3761*)

在方差方程中，ARCH项和GARCH项的系数都是显著的，且两项系数之和为0.9592，小于1，满足参数约束条件。另外，系数之和非常接近于1，表明收益率序列的条件方差所受的冲击是持久的，这对所有的未来预测都有重要作用。

4分布模型的检验

模型建立的好坏首先要检验其是否有效的消除原序列的异方差性。另外，基于收益率序列概率积分变换的检验方法，可以检验序列分布与理论分布的拟合情况。对原序列做概率积分变换，然后检验变换后的序列是否服从i.i.d.（ol）均匀分布。一般地对变换后的序列进行BDS检验，以判断其是否是独立同分布。而运用Kolmogorov-Smirnov(K-S)检验则可以检验变换后的序列是否服从均匀分布。4.1残差序列的ARCH-LM检验

对新方程产生的残差序列{εx}进行ARCH-LM检验，以观察是否还存在ARCH效应。选择滞后阶数为1阶，ARCH-LM检验统计值为0.629764(p=0.426)。伴随概率显著不为0，即接受原假设，认为残差序列{εx}不存在ARCH效应。这说明，用GARCH-t(1,1)模型拟合样本数据可以消除序列的异方差效应。

残差εxt的分布为vxσ2xt(vx-2)εxt|It-1~t(vx)，根据残差序列的数值，变换为vxσ2xt(vx-2)εxt序列，并按照自由度为vx=4.6528的t分布函数，对其进行概率积分变换，得到新序列记为{ut}。新序列{ut}在理论上应是独立同分布序列，且服从(0,1)的均匀分布。因此，本文通过BDS检验、K-S检验对新序列{ut}的分布进行检验。

4.2BDS检验

BDS检验的原假设是序列为独立同分布的随机变量。根据表中的概率值可知，在显著性水平α=0.05下，认为新序列{ut}为独立同分布的变量。

4.3K-S检验

对新序列{ut}进行K-S检验，其检验统计值为0.0175(p=0.4245)，这表明，用新序列{ut}服从独立同分布的(0,1)均匀分布。这也说明了GARCH-t(1,1)模型可以较好的拟合上证综指收益率序列的分布。

5结论

本文对上证综指对对数收益率序列的分布模型进行了实证研究。在现实生活中，金融收益序列分布不仅呈现出偏斜、尖峰、厚尾等特征，还具有异方差的特性，本文首先通过大量的统计检验方法验证了金融时间序列的各项特性。GARCH模型比ARCH模型有更快的滞后收敛性，从而大大减少了参数的个数，提高了参数估计的准确性。在运用正态分布假设的GARCH模型来描述金融收益序列的条件分布时，正态分布假设常常被拒绝，人们用一些具有尖峰、厚尾特性的分布，如t分布、GED分布来替代正态分布假设，从而得到一系列GARCH模型的扩展形式，如GARCH-t模型、GARCH-GED模型等。本文依据严密的统计分析方法选择了GARCH-t(1,1)模型描述上证综指对数收益率序列的分布。最后，根据各项模型检验结果说明，用GARCH-t(1,1)模型描述上证综指收益率序列是有充分理由的。

摘要：在金融市场迅速发展、金融创新不断深入的今天，股票市场的波动也日益加剧，风险明显增大，资产收益率的分布形态也更加复杂化。对上证综指对数收益率序列进行实证研究，依据严密的统计分析方法建立了GARCH-t(1,1)模型。最后，通过相应的模型检验方法验证了GARCH-t(1,1)模型能够很好的刻画上证综指对数收益率序列的统计特征。

关键词：股票收益率；GARCH模型；统计检验

在风险管理中，我们往往关注的就是资产收益率的分布。许多实证研究表明，金融资产收益率分布表现出尖峰、厚尾的特征。另外,收益率序列还具有条件异方差性、波动聚集性等特点。选择合适的统计模型对金融资产收益率分布进行描述显得尤为重要。



参考文献

［1］高铁梅.计量经济分析方法与建模:Eviews应用及实例［M］.北京:清华大学出版社,2006.

［3］易丹辉.数据分析与Eviews应用［M］.北京:中国统计出版社,2002.

［4］刘仁和，陈柳钦.中国股票市场波动的统计特征分析［J］.现代管理科学，2005,（1）:108~109.

收益率范文篇8

本文实证分析的数据选取上海股市综合指数(简称上证综指)每日收盘指数。考虑到我国于1996年12月16日开始实行涨跌停板限价交易，即除上市首日以外，股票、基金类证券在一个交易日的交易价格相对上一个交易日收市价格的涨跌幅不得超过10%，本文把数据分析时段选择为：1996.12.16-2007.05.18，共2510组有效数据。数据来源为CCER中国经济金融数据库。数据分析采用软件为Eviews5.1。通过对原始序列的自然对数变换，得到上证综指收益率序列，有2509个数据，记为RSH。

2基本统计分析

2.1序列的基本统计量

对称分布的偏度应为等于0，而上证综指收益率的偏度为负值，说明该序列的分布是有偏的且向左偏斜，即收益率出现正值的概率小于收益率出现负值的概率。另外，已知正态分布的峰度等于3，而上证综指收益率的峰度是8.919924，远大于3，这表明RSH序列不服从正态分布，而是具有尖峰厚尾特性。

2.2序列的自相关性

采用Ljung-BoxQ统计量检验上证综指收益率序列的自相关性。原假设为序列不存在阶自相关。根据上证综指收益率的10阶滞后期的Q统计值及其相应概率值可知，上证综指收益率的相关性并不显著。

2.3序列的平稳性和正态性

为了避免伪回归现象的发生，在建立回归模型之前须对收益率序列进行平稳性检验。采用ADF方法检验RSH序列的平稳性，其检验统计值为-51.7733，远小于MacKinnon的1％临界值，认为上证综指收益率序列不存在单位根，是显著平稳的。这就避免了非平稳性带来的许多缺陷。上证综指收益率序列的D.W.值为1.9705，非常接近于2，表明其残差序列不存在序列相关。

本文使用Jarque-Bera方法对RSH序列其进行正态性检验，检验统计值为3682.735(p=0.000)，概率值足够小以至于必须怀疑原假设的正确性。这也就说明，用正态分布对中国股市收益率的波动性进行描述是不正确的。

2.4ARCH效应检验

大量的实证分析表明，大多数金融资产收益率序列的条件方差具有时变性，即ARCH效应。利用ARCH-LM方法检验残差序列中是否存在ARCH效应。选择滞后阶数为5阶，检验统计值为28.92598(p=0.000)，表明残差存在显著的ARCH效应，至少存在5阶的ARCH效应。这就意味着必须估计很多个参数，而这却是很难精确的做到。在这种情况下，可以用一个低阶的GARCH模型代替，以减少待估参数的个数。

3分布模型的确定

金融时间序列的分布往往具有比正态分布更宽的尾部。为了更精确地描述这些时间序列分布的尾部特征，本文分别运用GARCH-Normal、GARCH-t和GARCH-GED模型拟合样本数据。

较之其它模型，GARCH-t(1,1)模型的对数似然值有所增加，同时AIC和SC值都变小，这说明GARCH-t(1,1)模型对上证综指收益率序列波动的刻画能力要强于其它模型。对模型中的未知参数进行极大似然估计，得出GARCH-t(1,1)模型为：

均值方程为：RSH=0.0399(1.7435)

方差方程为：2t=0.1137+0.1331×2t-1+0.8261×2t-1

(4.5005*)(6.6345*)(10.3761*)

在方差方程中，ARCH项和GARCH项的系数都是显著的，且两项系数之和为0.9592，小于1，满足参数约束条件。另外，系数之和非常接近于1，表明收益率序列的条件方差所受的冲击是持久的，这对所有的未来预测都有重要作用。

4分布模型的检验

模型建立的好坏首先要检验其是否有效的消除原序列的异方差性。另外，基于收益率序列概率积分变换的检验方法，可以检验序列分布与理论分布的拟合情况。对原序列做概率积分变换，然后检验变换后的序列是否服从i.i.d.（ol）均匀分布。一般地对变换后的序列进行BDS检验，以判断其是否是独立同分布。而运用Kolmogorov-Smirnov(K-S)检验则可以检验变换后的序列是否服从均匀分布。4.1残差序列的ARCH-LM检验

对新方程产生的残差序列{εx}进行ARCH-LM检验，以观察是否还存在ARCH效应。选择滞后阶数为1阶，ARCH-LM检验统计值为0.629764(p=0.426)。伴随概率显著不为0，即接受原假设，认为残差序列{εx}不存在ARCH效应。这说明，用GARCH-t(1,1)模型拟合样本数据可以消除序列的异方差效应。

残差εxt的分布为vxσ2xt(vx-2)εxt|It-1~t(vx)，根据残差序列的数值，变换为vxσ2xt(vx-2)εxt序列，并按照自由度为vx=4.6528的t分布函数，对其进行概率积分变换，得到新序列记为{ut}。新序列{ut}在理论上应是独立同分布序列，且服从(0,1)的均匀分布。因此，本文通过BDS检验、K-S检验对新序列{ut}的分布进行检验。

4.2BDS检验

BDS检验的原假设是序列为独立同分布的随机变量。根据表中的概率值可知，在显著性水平α=0.05下，认为新序列{ut}为独立同分布的变量。

4.3K-S检验

对新序列{ut}进行K-S检验，其检验统计值为0.0175(p=0.4245)，这表明，用新序列{ut}服从独立同分布的(0,1)均匀分布。这也说明了GARCH-t(1,1)模型可以较好的拟合上证综指收益率序列的分布。

5结论

本文对上证综指对对数收益率序列的分布模型进行了实证研究。在现实生活中，金融收益序列分布不仅呈现出偏斜、尖峰、厚尾等特征，还具有异方差的特性，本文首先通过大量的统计检验方法验证了金融时间序列的各项特性。GARCH模型比ARCH模型有更快的滞后收敛性，从而大大减少了参数的个数，提高了参数估计的准确性。在运用正态分布假设的GARCH模型来描述金融收益序列的条件分布时，正态分布假设常常被拒绝，人们用一些具有尖峰、厚尾特性的分布，如t分布、GED分布来替代正态分布假设，从而得到一系列GARCH模型的扩展形式，如GARCH-t模型、GARCH-GED模型等。本文依据严密的统计分析方法选择了GARCH-t(1,1)模型描述上证综指对数收益率序列的分布。最后，根据各项模型检验结果说明，用GARCH-t(1,1)模型描述上证综指收益率序列是有充分理由的。

摘要：在金融市场迅速发展、金融创新不断深入的今天，股票市场的波动也日益加剧，风险明显增大，资产收益率的分布形态也更加复杂化。对上证综指对数收益率序列进行实证研究，依据严密的统计分析方法建立了GARCH-t(1,1)模型。最后，通过相应的模型检验方法验证了GARCH-t(1,1)模型能够很好的刻画上证综指对数收益率序列的统计特征。

关键词：股票收益率；GARCH模型；统计检验

参考文献

［1］高铁梅.计量经济分析方法与建模:Eviews应用及实例［M］.北京:清华大学出版社,2006.

［3］易丹辉.数据分析与Eviews应用［M］.北京:中国统计出版社,2002.

［4］刘仁和，陈柳钦.中国股票市场波动的统计特征分析［J］.现代管理科学，2005,（1）:108~109.

收益率范文篇9

关键词：股票实际收益率；通货膨胀率；ADL模型

从上世纪30年代开始，美国等国家就有学者陆续开始研究股票收益率与通货膨胀率的关系，而我国自从20世纪90年代开始才陆续涌现出一批学者对该论题进行研究。论文百事通在国外，最早的研究是费雪（1930）的“费雪效应”，他认为在理论上资产的实际收益率应保持不变，当通货膨胀率发生变化时，资产的名义收益率会相应做出等幅调整，通货膨胀率的增加或者减少完全能够通过资产的名义收益率体现出来，从而导致资产的实际收益率保持不变。

1股票实际收益率和通货膨胀率的实证研究

本文采用自回归分布滞后模型（ADL）来研究我国股票实际收益率和通货膨胀率的相关关系。在以往的研究中，绝大多数学者一般采用如下模型来研究股票实际收益率和通货膨胀率的关系：

其中INFt指通货膨胀率，RRSt指股票实际收益率，但模型（1）还不能反应股票实际收益率的所有因素，如经济增长率、长期国债利率、股权分置改革、证监局的新政策等。因此本文在结合我国股市的实际情况，以及主要是为了度量股票实际收益率和通货膨胀率关系的前提下，对模型（1）稍作改进：

之所以在该模型中添加了RRSt的滞后项，因为根据“羊群效应”，我们知道前期股市收益会对当期收益率起到影响。一般情况下，假如股市前期收益率提高，未入场者就会被股市的赚钱效应所吸引，导致更多的资金涌入股市，根据供需模型的原理，在供给较固定的情况下，需求增加会导致股票价格上涨，从而导致当期收益率的进一步提高；反之，亦成立。

1.1数据的处理

本文采用能同时反映沪深两市整体运行情况的沪深300指数的月度数据，数据区间为2002.1~2008.1，对于通货膨胀率则采用常用的CPI指数来度量。定义月股票实际收益率为当前月收盘价减上月收盘价再除以上月收盘价并扣除当前月的通货膨胀率，即：

1.2模型的实证研究

我们采用自回归分布滞后模型（2）来对2002.1~2008.1期间我国股市的实际收益率和通货膨胀率之间的关系进行实证分析。为了区分短期和长期之间的区别，本文先只考虑当期RRSt和当期INFt的关系，经检验发现模型在5%的显著水平下残差存在异方差性，且满足ARCH（1），故利用ARCH（1）模型进行估计：

对模型（3）进行相关检验，在1%的情况下能通过显著性检验，模型不存在异方差。同时模型（4）中的绝大多数系数也能通过显著性检验，对模型（4）的残差进行自相关检验和ARCHLM检验，在5%的显著水平下也都通过显著性检验，说明该模型拟合是成功的。

2实证结果解释

本文根据改进后的ADL模型对我国2002.1~2008.1间的股票实际收益率和通货膨胀率的关系进行实证分析，得到的模型都能通过显著性检验。根据实证结果还可以得到如下结论：

（1）实际影响股票实际收益率的因素有很多，通货膨胀率只是其中的重要因素之一，这就决定了它不能完全解释股票实际收益率的变动，从模型（4）知，通货膨胀率及其7期滞后一起仅能解释股票实际收益率变动的43%左右。但考虑到我国股市一直属于所谓的“政策市”以及其他因素的影响，出现这种情况就不足为奇了。

（2）说明前一期股票实际收益率每变化1%，能引起当期收益率0.628%的变化，这反映当期收益率受前期收益率影响较大。这些都可以用市场的“趋势”力量和“羊群效应”等来解释。这表明我国股市虽然不够完善但还是遵循着一定的规律。

（3）从短期看股票实际收益率和通货膨胀率之间存在着强的负相关关系，即通货膨胀率每上涨1%会导致股票实际收益率下降约0.998%；从长期看，从表二的检验结果可知INFt的回归系数之和是显著非零的，且，说明股票实际收益率和通货膨胀率之间存在着显著的负相关关系，且INFt滞后7期每增加1%就能导致t期的RRSt降低约0.197%。故无论从短期看还是从长期看，通货膨胀率对股票实际收益率影响都为负，即在这段时间通货膨胀率的上升会降低股票实际收益率，也就是说现阶段投资股票并不能起到对抗通货膨胀率带来的贬值风险。

（4）从模型（4）知：股票实际收益率和通货膨胀率二者之间存在着显著负相关的关系，这与一些专家得出的通货膨胀率对股票收益有正面影响的观点相悖。如费雪（1930）、黎春（2001）等均得出过股票实际收益率和通货膨胀率之间存在着正相关的结论。本文结论表明“费雪效应”在我国现阶段并不一定成立。

3结语与建议

本文侧重于分析股票实际收益率和通货膨胀率两者之间的关系，所以在分析时没有考虑其他有影响作用的因素，也可能由于样本容量不够大，导致模型（5）中拟合度不是很高，但该模型通过了显著性检验。从上述结论可知，现阶段投资股票不能起到对抗通货膨胀率带来的贬值风险。这与我国金融市场还不是特别规范，市场上的一些矛盾还不能通过市场的自动调节来解决有关。每当通货膨胀率超过预期时，政府多采取提高存贷利率等刚性较强的紧缩性政策来遏制它。

参考文献

收益率范文篇10

关键词：股票收益率；GARCH模型；统计检验

在风险管理中，我们往往关注的就是资产收益率的分布。许多实证研究表明，金融资产收益率分布表现出尖峰、厚尾的特征。另外，收益率序列还具有条件异方差性、波动聚集性等特点。选择合适的统计模型对金融资产收益率分布进行描述显得尤为重要。

1数据选取

本文实证分析的数据选取上海股市综合指数(简称上证综指)每日收盘指数。考虑到我国于1996年12月16日开始实行涨跌停板限价交易，即除上市首日以外，股票、基金类证券在1个交易日的交易价格相对上1个交易日收市价格的涨跌幅不得超过10%，本文把数据分析时段选择为：1996.12.16-2007.05.18，共2510组有效数据。数据来源为CCER中国经济金融数据库。数据分析采用软件为Eviews5.1。通过对原始序列的自然对数变换，得到上证综指收益率序列，有2509个数据，记为RSH。

2基本统计分析

2.1序列的基本统计量

对称分布的偏度应为等于0，而上证综指收益率的偏度为负值，说明该序列的分布是有偏的且向左偏斜，即收益率出现正值的概率小于收益率出现负值的概率。另外，已知正态分布的峰度等于3，而上证综指收益率的峰度是8.919924，远大于3，这表明RSH序列不服从正态分布，而是具有尖峰厚尾特性。

2.2序列的自相关性

采用Ljung-BoxQ统计量检验上证综指收益率序列的自相关性。原假设为序列不存在阶自相关。根据上证综指收益率的10阶滞后期的Q统计值及其相应概率值可知，上证综指收益率的相关性并不显著。

2.3序列的平稳性和正态性

为了避免伪回归现象的发生，在建立回归模型之前须对收益率序列进行平稳性检验。采用ADF方法检验RSH序列的平稳性，其检验统计值为-51.7733，远小于MacKinnon的1％临界值，认为上证综指收益率序列不存在单位根，是显著平稳的。这就避免了非平稳性带来的许多缺陷。上证综指收益率序列的D.W.值为1.9705，非常接近于2，表明其残差序列不存在序列相关。

本文使用Jarque-Bera方法对RSH序列其进行正态性检验，检验统计值为3682.735(p=0.000)，概率值足够小以至于必须怀疑原假设的正确性。这也就说明，用正态分布对中国股市收益率的波动性进行描述是不正确的。

2.4ARCH效应检验

大量的实证分析表明，大多数金融资产收益率序列的条件方差具有时变性，即ARCH效应。利用ARCH-LM方法检验残差序列中是否存在ARCH效应。选择滞后阶数为5阶，检验统计值为28.92598(p=0.000)，表明残差存在显著的ARCH效应，至少存在5阶的ARCH效应。这就意味着必须估计很多个参数，而这却是很难精确的做到。在这种情况下，可以用1个低阶的GARCH模型代替，以减少待估参数的个数。

3分布模型的确定

金融时间序列的分布往往具有比正态分布更宽的尾部。为了更精确地描述这些时间序列分布的尾部特征，本文分别运用GARCH-Normal、GARCH-t和GARCH-GED模型拟合样本数据。

较之其它模型，GARCH-t(1，1)模型的对数似然值有所增加，同时AIC和SC值都变小，这说明GARCH-t(1，1)模型对上证综指收益率序列波动的刻画能力要强于其它模型。对模型中的未知参数进行极大似然估计，得出GARCH-t(1，1)模型为：

均值方程为：RSH=0.0399(1.7435)

方差方程为：2t=0.1137+0.1331×2t-1+0.8261×2t-1

(4.5005*)(6.6345*)(10.3761*)

在方差方程中，ARCH项和GARCH项的系数都是显著的，且两项系数之和为0.9592，小于1，满足参数约束条件。另外，系数之和非常接近于1，表明收益率序列的条件方差所受的冲击是持久的，这对所有的未来预测都有重要作用。

4分布模型的检验

模型建立的好坏首先要检验其是否有效的消除原序列的异方差性。另外，基于收益率序列概率积分变换的检验方法，可以检验序列分布与理论分布的拟合情况。对原序列做概率积分变换，然后检验变换后的序列是否服从i.i.d.（ol）均匀分布。1般地对变换后的序列进行BDS检验，以判断其是否是独立同分布。而运用Kolmogorov-Smirnov(K-S)检验则可以检验变换后的序列是否服从均匀分布。4.1残差序列的ARCH-LM检验

对新方程产生的残差序列{εx}进行ARCH-LM检验，以观察是否还存在ARCH效应。选择滞后阶数为1阶，ARCH-LM检验统计值为0.629764(p=0.426)。伴随概率显著不为0，即接受原假设，认为残差序列{εx}不存在ARCH效应。这说明，用GARCH-t(1，1)模型拟合样本数据可以消除序列的异方差效应。

残差εxt的分布为vxσ2xt(vx-2)εxt|It-1~t(vx)，根据残差序列的数值，变换为vxσ2xt(vx-2)εxt序列，并按照自由度为vx=4.6528的t分布函数，对其进行概率积分变换，得到新序列记为{ut}。新序列{ut}在理论上应是独立同分布序列，且服从(0，1)的均匀分布。因此，本文通过BDS检验、K-S检验对新序列{ut}的分布进行检验。

4.2BDS检验

BDS检验的原假设是序列为独立同分布的随机变量。根据表中的概率值可知，在显著性水平α=0.05下，认为新序列{ut}为独立同分布的变量。

4.3K-S检验

对新序列{ut}进行K-S检验，其检验统计值为0.0175(p=0.4245)，这表明，用新序列{ut}服从独立同分布的(0，1)均匀分布。这也说明了GARCH-t(1，1)模型可以较好的拟合上证综指收益率序列的分布。

5结论

本文对上证综指对对数收益率序列的分布模型进行了实证研究。在现实生活中，金融收益序列分布不仅呈现出偏斜、尖峰、厚尾等特征，还具有异方差的特性，本文首先通过大量的统计检验方法验证了金融时间序列的各项特性。GARCH模型比ARCH模型有更快的滞后收敛性，从而大大减少了参数的个数，提高了参数估计的准确性。在运用正态分布假设的GARCH模型来描述金融收益序列的条件分布时，正态分布假设常常被拒绝，人们用1些具有尖峰、厚尾特性的分布，如t分布、GED分布来替代正态分布假设，从而得到1系列GARCH模型的扩展形式，如GARCH-t模型、GARCH-GED模型等。本文依据严密的统计分析方法选择了GARCH-t(1，1)模型描述上证综指对数收益率序列的分布。最后，根据各项模型检验结果说明，用GARCH-t(1，1)模型描述上证综指收益率序列是有充分理由的。

参考文献

［1］高铁梅.计量经济分析方法与建模：Eviews应用及实例［M］.北京：清华大学出版社，2006.

［3］易丹辉.数据分析与Eviews应用［M］.北京：中国统计出版社，2002.

［4］刘仁和，陈柳钦.中国股票市场波动的统计特征分析［J］.现代管理科学，2005，（1）：108~109.