厦门大学
硕士学位论文
中国股票市场“周内效应”实证研究
姓名：解如如
申请学位级别：硕士
专业：金融学
指导教师：赵向琴
20080401
摘要
摘要
“周内效应”(day—of—the-week effect)指股票市场在一周内的某一天的平均收
益率比一周内其他任何一天的平均收益率高或者低，且在统计上有显著性。这种股
票收益率在一周内存在周期波动的现象，由于在理论上难以解释，所以一直被认为
是一种股市异象。大量的实证研究表明“周内效应”是绝大多数发达国家股票市场
和某些新兴国家股票市场普遍存在的一种异象。
本文采用1991年至2007年中国股票市场所有上市公司1550只股票日数据
作为样本数据，在使用虚拟变量的基础上，利用Kruskal—Wallis非参数检验方法
检验周内效应的存在性(周内收益率的差异性)，而后在检验存在周内效应的情况
下，运用自回归条件异方差族模型(ARCH族模型)验证是否存在显著的周内效应。
在考察中国股票市场总体是否存在周内效应的同时，本文对股票进行分组，考
察不同规模公司股票收益率是否存在周内效应。国内文献均是采用上证综合指数和
深圳成分指数等指数作为样本，由于数据的限制未能对股票进行分组，所以对周内
效应与规模关系这一问题的探讨至今仍是空白。
研究表明，中国股票市场总体上并不存在“周内效应”，但是规模分组后，大公
司存在周内效应：上海股市存在正的“周三效应”，深圳股市存在负的“周一效应”
和正的“周三效应”。
“周内效应”的存在揭示了我国股票市场在信息披露制度和市场参与者行为等
方面还不够成熟和完善，针对这些问题，本文最后就规范发展我国的股票市场提出
一些政策建议。
关键词：周内效应；股票收益率；ARCH族模型
Abstract
Abstract
The day．of-the．week effect means that in the stock markets，the return rate on one day iS
significant higher or lower than the rest other day during a week．Because this
phenomenon of the stock return rate cyclical fluctuations in a week is difficult to explain
in theory,it has been regarded as a stock market anomaly．A lot of literatures have
showed that The day·-of-the·—week effect exists in most of the developed markets and the
newly industried markets．
Based on the dummy variables and Kruskal-Wallis nonparametric test(stock return
difference)，data from 1 99 1 to 2007 of Shanghai and Shenzhen stock markets are used for
estimation on day—of-the-week effect．Then if day-of-the-week effet exists，we use of
autoregressive conditional heteroskedasticity type model(ARCH type model)verify
whether there is a significant effect within weeks．
After seeing about the existence of China’S stock market overall day-of-the—week effect，
the paper sizes company stocks to test whether day-·of-the·-week effect of different scale
stock return exists．Domestic literature USeS Shanghai Composite Index and Shenzhen
Component Index to study day—of-the—week effect．But as data limitations they cannot
study the relationship between company scale and day·-of-the·-week effect and study of
the problem is still blank．
Research shows that China’S stock market on the whole does not exist day—of-the-week
effect，but after sizing stock,large companies day-of-the—week effect exists．There is a
positive‘‘Wednesday effects’’in Shanghai stock market and negative‘‘Monday effect'’and
positive“Wednesday effect”in Shenzhen stock market．
The existence of day·-of-the--week effect reveals that there are some problems in
information management and behavior of participants in China’S stock market．So we
give some advices on how tO develop the China’S stock market rapidly and healthly in the
end of the paper．
Key Words：day—of-the—week effect；stock return；ARCH type model
厦门大学学位论文原创性声明
兹呈交的学位论文，是本人在导师指导下独立完成的研究成果。本
人在论文写作中参考的其他个人或集体的研究成果，均在文中以明确方
式标明。本人依法享有和承担由此论文产生的权利和责任。
声明人(签名)：都小如
沙占年年月7日
厦门大学学位论文著作权使用声明
本人完全了解厦门大学有关保留、使用学位论文的规定。厦门
大学有权保留并向国家主管部门或其指定机构送交论文的纸质版
和电子版，有权将学位论文用于非赢利目的的少量复制并允许论文
进入学校图书馆被查阅，有权将学位论文的内容编入有关数据库进
行检索，有权将学位论文的标题和摘要汇编出版。保密的学位论文
在解密后适用本规定。
本学位论文属于
1、保密( )，在年解密后适用本授权书。
2、不保密(V)
(请在以上相应括号内打“4")
作者签名：
导师签名：
解如扣日期：Ⅻ占年4月7日
日期：如8年年月7曰
第一章引言
第一章引言
第一节研究的目的与意义
由于现代经典金融理论把假设中的“理性经济人”作为现实中的实际投资者，
把人们“应该”如何决策作为人们的“实际”决策行为，在现实中不可避免地遇到
一些被称为“未解之谜”的难以解释的问题，称为“异象”(anomalies)。
“周内效应"(day-of-the-week effect)指股票市场在一周内的某一天的平均收
益率比一周内其他任何一天的平均收益率高或者低，且在统计上有显著性。这种股
票收益率在一周内存在周期波动的现象，由于在理论上难以解释，所以一直被认为是
一种异象。
由于最早的研究对象是美国股票市场，且发现周一的平均收益率显著低于其他
时间，而周五的平均收益率显著高于其他时间，因此“周内效应”有时也称为“周
一效应”(monday effect)或“周末效应”(weekend effect)。大量的实证研究表明
“周内效应”是绝大多数发达国家股票市场和某些新兴国家股票市场普遍存在的一
种异象。
对于“周内效应”的解释是多角度的，例如交易时间与日历时间，结算制度，
测量误差，时区差异，投资者行为，风险溢价的变动等。不少解释看起来针对某个
情况是合适的，然而考虑到世界范围内这种“周内效应”的广泛存在，还没有哪种
解释能得到广泛的认同。
国外研究证券市场异象的文献很多，但是有关中国股票市场的异象研究的文献
却相对较少，特别是是国内关于周内效应与公司规模之间关系的探讨至今仍是空白。
因此，本文试图对中国股票市场的“周内效应”进行研究，此研究的意义如下：
1．Keim(1988)n3指出，尽管现有的资产定价模型不能解释异象，但这并不表示异
象一定是市场缺乏效率的结果。有证据表明市场机制在此起到了一定的作用。包括
美国在内的众多发达国家都存在某种形式的“周内效应”，中国作为发展中国家，其
市场机制与工业化国家的市场机制有很大程度的不同。因此，对中国股票市场异象的
研究将为市场机制对收益率所起的作用提供重要的信息。这些信息对股票交易所和
其相关监管部门制定相关的政策具有指导作用。“周内效应”的研究也可以为发展
中国股票市场“周内效应”实证研究
更加精确和现实的资产定价模型提供新的思路。
2．证券市场的“周内效应”、“一月效应”、“假日效应”等具有大致相同的表现
形式。因此，能够正确解释“周内效应”的理论模型将可以被类似地用于研究其他
的效应，这将会加深我们对证券市场的进一步认识。
3．吸收西方国家先进的金融计量经济学理论，力争为推动我国股票市场实证研
究工作的向前迈进作出一点贡献，以使其更趋规范，更趋严谨，同时对实践也能起
到更好的引导作用。
第二节研究思路与结构
一般来说，日平均收益率都是直接采用交易日的收盘价进行计算。即是
，；=(p，一pf_1)／p一(1．1)
其中，；和只分别代表t日的收益率和股票收盘价，p一则代表t—1日的股票收
盘价。但是这种方法容易使得收益率受到价格大幅波动的影响。因此，本文取收盘
价的对数的一阶差分为收益率，使之转换为连续收益率：
R=In B—InB—l (1．2)
为了检验每周中周一至周五每个交易日的平均回报率是否有显著差异，我们
设立如下形式的哑变量回归模型：
5
‘=Σ∥t D¨+占， (1．3)
七=l
这里，，；为t日的市场收益率，ok．，为每周第k(k=周1至周5)交易日的
哑变量，即仅在周k时取1，其他时间取0。通过检验上式中的哑变量系数是否显
著从而判断中国股市是否存在周内效应。
初步采用非参数检验中的Kruskal—WalliS—H统计量检验周内效应的存在
性。但是非参数方法只是用来检验周内收益率差异性，仍需做出进一步的计量即哑
变量系数是否显著。
我们知道，一些时间序列尤其是金融时间序列，其随机扰动项往往在较大幅度
波动后伴随着较大幅度的波动，在较小幅度波动后面紧接着出现较小幅度的波动这
种性质称为波动的集群性(volatility clustering)。或者说股市收益率存在极强
2
第一章引言
的时变方差(ARCH，Auto—regressive Conditional Heteroskedasticity)效应，不
考虑这种异方差行为而简单进行最小二乘估计得出的参数估计值及其显著性是不可
靠的。
基于金融资产收益率时间序列的时变方差特性，我们在回归时必须抛弃标准的
最d,--乘法(OLS)，而使用能够很好地描述异方差行为的ARCH族模型(ARCH type
model)。
Engle(1982)乜1提出了自回归条件异方差模型(ARCH)。ARCH模型的主要思想
是：扰动项毛的条件方差依赖于它的前期值‘一。的大小。
由于ARCH模型只考虑了有限前期波动的影响，不太符合实际金融时间序列表
现出的当前的风险波动与无限前期波动有关的特点；同时，ARCH模型在估计中也遇
到不少困难(比如不能保证一为正)，所以Bollerslev(1986)陷3提出了GARCH(p，
q)模型解决了这两个问题。
相对于ARCH，GARCH模型的优点在于：可以用较为简单的GARCH模型来代表一
个高阶ARCH模型，从而使得模型的识别和估计都变得比较容易。Engle and
Bollerslev(1986)H1实证发现运用GARCH(p，q)估计高频金融数据时AR多项式
有一个单位根，有鉴于此，提出IGARCH(integrated GARCH)模型。
此外，若残差序列自相关，则必须进行自相关性校正，进一步对模型进行修正，
产生了AR(m)一GARCH(P，q)回归模型。
以往的研究一般认为GARCH(1，1)模型就能够很理想地描述大量的金融时间序
列数据的异方差行为，很少使用和考虑高阶模型。且以往对中国股市日收益率所建
立的GARCH(1，1)模型一般认为％+兀接近于l。大多数经济时间序列残差序
列自相关，则必须进行自相关性校正，进一步对模型进行修正，所以本文采用AR(m)一
IGARCH(1，1)模型。
本文余下的结构安排为：第二部分是文献综述，包括国外文献和国内文献。第
三部分对研究使用的数据和方法作出简要说明，文中用到的主要是ARCH族模型
(ARCH type model)。第四部分是利用ARCH族模型得到的实证分析结果，包括上海
股市和深圳股市，并对中国股票市场收益率分组，进一步检验周内效应。第五部分
中国股票市场“周内效应”实证研究
是本文的结论部分，包括对“周内效应”的检验结论进行解释以及对于规范发展我
国股票市场的相关建议。
第三节创新点
本文的创新之处在于：
1．样本的选择
以往的一些文献注意到了股市的快速变化，故往往以重要的政策性事件为依据，
将样本分成不同区间来检验周内效应。这是在中国股市结构特征多变条件下常用的
办法。然而，过去十多年股市中发生过很多重大的政策性事件，选取哪些事件来划分
样本区间有相当大的随意性；而且，由于中国股市设立时间短，对样本划分太多区
间会导致每个区间中观测量过少，减少了参数估计结果的稳定性和可信度。并且国
内文献都是选取上证综合指数和深圳成分指数等指数作为样本，不能对股票进行分
组，尚未对周内效应与规模关系进行研究。本文选用1991年至2007年中国股票市
场所有上市公司1550只股票日数据1作为样本数据，并进行分组检验中国股票市场
的“周内效应”。
2．模型的设定
本文引入五个哑变量(dummy variables)，若变量前的系数显著，则表示在一
周内的这一天的平均收益率比一周内其他任何一天的平均收益率高或者低，因此存
在周内效应。并且考虑股票收益本身存在的异方差性，本文在模型上充分考虑金融
市场收益率波动的丛集性特征(大的波动后往往紧随着大的波动，小的波动后往往
紧随着小的波动)以及风险对收益影响的特点(高收益往往伴随着高风险)，利用
AR(111)一IGARCH(1，1)模型研究周内效应。
3．规模分组
本文将上海和深圳个股按照流通市值分成十组，各规模组合的样本数各占总样
本数的10％，检验不同规模公司的周内效应，并进行解释。国内文献均是采用上证
综合指数和深圳成分指数等指数作为样本，由于数据的限制未能对股票进行分组，
所以对周内效应与规模关系这一问题的探讨至今仍是空白。
1日数据包括股票的流通市值，上市公司股票日收盘价和上市公司流通股的股数。
4
第二章文献综述
第二章文献综述
第一节国外文献
国外对周内效应的研究始于上世纪70年代，作出开创性的工作当属Cross
(1973)嘲。他对1953年至1970年期间标准普尔500指数的日收益率进行了研究，
发现在此期间标准普尔500指数在星期五上涨的概率为62％，而在星期一上涨的概
率仅为39．5％。星期五的平均收益率为0．12％，而同一时期星期一的平均收益率却为
-0．18％。French(1980)哺1在对1953年到1977年期间标准普尔500指数的研究
中，发现了同样的现象。Keim and Stambaugh(1984)盯1用更长时期的数据进一步证
实了他们的结果。
此后，关于周内效应的研究如雨后春笋般大量涌现，研究的范围不断扩大，从
美国延伸到全球的国家与地区。如Jaffe and Westerfield(1985)陋1研究了澳大利
亚、加拿大、日本和英国这四个发达国家的证券市场的周内效应。研究结果显示英
国和加拿大市场与美国市场相似，最低日平均收益率发生在星期一。而在日本和澳
大利亚，最低的日平均收益率发生在星期二。Aggarwal and Rivoli(1989)旧1研究分
析了四个新兴资本市场(香港，新加坡，马来西亚和菲律宾)的情况。发现这四个
市场都存在显著的周内效应。香港出现周二效应，其他三个市场则同时出现周一效
应和周二效应。Solnik and Bousquet(1990)n们以及Barone(1990)nq分别发现巴黎
证券交易所和意大利股票市场最低的收益发生在星期二。Choudhry(2000)n21则发现
在许多发展中国家，比如印度尼西亚、马来西亚和泰国，其金融市场也存在周内效
应。Chen，Kwok and Rui(2001)n31对中国的股票市场做了研究。他们将1994年7
月1日《公司法》的实施作为分界点，发现在1995年后存在显著为负的“周二效
应”。而Basher and Sadorsky(2006)n耵考察了21个新兴股票市场，研究发现大
部分市场没有呈现“周内效应”。
近年来，研究还发现，周内效应发生了逆转。TingLin and KianLim(2001)n朝
用新的数据重新研究美国和澳大利亚等发达国家的金融市场时，发现周内效应在一
定程度上被抑制。美国股市的周一平均收益显著上升，周一效应被抑制，而澳大利
亚的周二效应也开始逆转。
中国股票市场“周内效应”实证研究
此外，国外学者还研究了周内效应与公司规模的关系。Keim and Stambaugh
(1984)竹1通过对标准普尔500指数1928年至1982年的数据研究，首先发现周内
效应大小与公司规模成负向关系，不过Choy and 0’Hanlon(1989)n61研究英国FTASI
指数时发现周内效应与公司规模成正向关系。Athanassaos and Robinson(1994)n71
发现加拿大未出现收益与规模的稳定关系，Brusa，Pul iu and Schulman(2000)n明
研究美国1990年初至1994年底多种指数发现，当公司规模增大时，周一的收益
逐渐有序地从负到正，并且愈加显著。
对这些现象的解释也多种多样，包括交易时间与日历时间假说(星期五买入的股
票至少要持有两天)(French，1980随1)、结算制度假说(Gibson and Hess，1981)n9】、
测量误差假说(Gibson and Hess，1981‘191；Keim and Stambaugh，1984n1)、时区差
异假说(Jaffe and Westfield，1985嘲；Aggarwal and Rivoli，’1989‘们)和投资者
行为假说(Abraham and Ikenberry，1994乜川)等。
国外学者对周内效应的研究方法也在不断的改进。Cross(1973)瞄1使用的方法很
简单，就是统计周五、周一股票上升下降的个数，求出相关比例进行佐证。不过描
述性统计虽然直观，却不具统计稳定性，所以后人一直将描述性统计与计量方法结
合起来进行研究。French(1980)№1最先使用OLS方法来研究周内效应，选择4个
虚拟变量分别代表周二至周四的取值，然后利用t检验、F检验来论证周内效应的
存在性与显著性。Cross(1973)瞄3就使用了非参数方法来检验周五与下周一收益之间
的差异性。关于收益的非正态分布早就为人所知，后来又发现日收益率也呈现非正
态分布。而非参数统计无需事先知道收益的分布，给研究带来方便。但是非参数方
法只是用来检验差异性，却未能做出进一步的计量。基于时间序列的时变方差特性，
传统的OLS方法会带来较大的偏差，Engle(1982)瞻1在研究英国通货膨胀序列变化规
律时提出ARCH模型，Bollerslev(1986)∞1在此基础上拓展成更加广泛的GARCH模
型，至今已形成一个GARCH模型族。如今GARCH模型族已经成为研究周内效应的
主流方法。
总之，周内效应是一个普遍现象，对于每一个国家不同类型的金融市场都有研
究的价值。
6
中团股票市场“周内效应”实证研究
第二节国内文献
中国股市收益率是否存在周内效应?学者现有的一些研究缺乏共识。
俞乔(1994)倥订应用随机项序列相关检验、游程检验、非参数检验等方法发现在
1990年12月19日一1994年4月17日期间，上海股票市场星期一的平均股价
收益最低并为负值(-0．342)，然后逐渐上升，到星期四达到最高值为0．864，而到
星期五则略为降低，但仍为0．663，远高于星期一至星期三的水平。在1991年4
月3日一1994年4月17日间，深圳股票市场星期一的平均股价收益也为负值，
为-0．313，且是最低点。然后升至星期四的最高点0．265，在星期五下降至0．1262。
赵骏等(1994)幢21以1993年7月1日至1994年5月1日上海股市12
种股票和上证综指为研究对象，发现周一收益率最低，且均值为负，周四收益率均
值最高且为正。
戴国强等(1999)幢33利用ARCH模型对上海和深圳股市1993年到1998年的
每日股价指数进行了研究，发现深圳股市周一收益率显著为负，是一周最低的，而
周五收益率最高，表明存在周末效应，而上海市场的周内效应则不显著。
奉立城(2000)乜钔认为中国股票市场并不存在绝大多数发达国家股票市场和某
些新兴股票市场所普遍具有的“星期一效应”。但是，用于度量股票收益率波动性的
标准差却在星期一最大。较强的证据显示上海股票市场存在着日平均收益率显著为
负的“星期二效应”和显著为正的“星期五效应”。较弱的证据显示深圳股票市场存
在着日平均收益率显著为负的“星期二效应”和显著为正的“星期五效应”3。
陈超等(2002)乜卯则对中国股票市场的“周内效应”按涨跌停板前一时期进行了
分段检验，并发现上海股票市场A股存在负的“星期二效应”和正的“星期五效应"。
但对数据进行每一年检验时，发现只有1996年的沪市存在“周内效应”。作者认为
“周内效应”只是很偶然的现象，所谓中国股票市场存在的“周内效应”的结论值
得怀疑。
吴启芳等(2006)晗63实证表明上证指数、沪A指数、深成A指、上证180都存
2俞乔．市场有效，周期异常与股价波动一对上海、深圳股票市场的实证分析[J]．经济研究，1994，(9)：43--
50．
3奉立城．中国股票市场的“周内效应”[J]．经济研究，2000，(11)：50-57．
中国股票市场“周内效应”实证研究
在显著为正的周二效应和显著为负的周四效应。
白安芬等(2007)犯71选取深圳综合指数1995年12月25号到2006年7月
7号的2542个日收盘价格指数，检验存在明显的负周四效应。
此外，“周内效应”研究的内容不断丰富，从股票到期货、期权、债券、汇率、
基金；研究的视角不断变化，从收益到换手率、波动性。王鸿冰等(2004)位羽研究
了中国股市交易量在一周里面的变化规律，采样时间跨度是从1990年12月19
日到2002年12月31日。周一到周五的日市场换手率存在显著差异并且周一的
市场换手率达到了一周的最大值。华仁海(2004年)昭叫利用GARCH模型，对我国期货
市场期货价格收益序列以及期货价格收益的条件波动方差序列的周内效应进行了实
证研究，结果表明：铜、铝、大豆、橡胶的期货价格收益以及其条件波动方差不存在
周内效应，而在5％的置信水平下，小麦期货则存在周内效应。周泽炯等(2005)啪1
对2003年6月1日至2005年8月18日期间中国开放式基金收益的周内效
应和收益波动性的周内效应进行实证研究，结果显示，在研究期间内样本基金收益
及收益的波动性在周三这一天显著不同于其他交易日，即存在“周三效应”4。
对于上述中国股市是否存在“周内效应’’所出现的不同观点，我们认为其原因
主要是如下两点：
1．中国股市设立时间较短，法律制度和相应的监管体制不完善。中国股市转轨
与新兴的属性，往往会造成不同的样本有不同的结论。有的研究进行了分组，但分
组的随意性较大。
2．不同的研究方法对最终的结果也会有影响。运用最dx--乘法，简单易懂，但
若不考虑现实股市收益率的时变方差行为，或者虽然运用了GARCH模型，但未考虑
到尖峰厚尾分布，参数估计的可靠性就值得怀疑。
4周泽炯．中国开放式基金剧内效应研究【J】．特区经济，2006，(1)：39-40．
第三章数据和方法论
第三章数据和方法论
第一节数据的说明
一、样本的选取
从20世纪80年代中后期一些国有企业自行发行企业职工内部股票，到1990
年至1991年规范化的上海、深圳证券交易所的成立，中国股市短短十几年间已经
得到了迅速的成长。
事实上，以往的一些文献也注意到股市的快速变化，故往往以重要的政策性事
件为依据，将样本分成不同区间检验周内效应。例如Chen、Kwok and Rui(2001)n31
以公司法颁布为依据将数据分为1995年前后两个时段，陈超等(2002)乜酗以1996
年底的涨跌停板制度为界划分样本，这是在中国股市结构特征多变条件下常用的办
法。然而，过去十多年股市中发生过很多重大的政策性事件，选取哪些事件来划分样
本区间有相当大的随意性；而且，由于中国股市设立时间短，对样本划分太多区间
会导致每个区间中观测量过少，减少了参数估计结果的稳定性和可信度。
因此，本文选用上海和深圳股票市场从1991年至2007年所有上市公司1550
只股票日数据作为样本数据，检验中国股票市场的“周内效应”。全部数据来自Wind
(万得)金融证券数据库。
分析工具是统计分析软件SAS 9．1。
二、分析指标的确定
1．收益率的确定
就收益率而言，存在两种计算方法，分别是简单收益率和连续收益率。即
简单收益率：，；=(B-Pt—I)／Pf-l (3．1)
连续收益率：足=Inp,-Inp,一1 (3．2)
由于有：
ln p，一ln pr-1=lIl旦=ln[(旦一1)+1】≈旦一1：(n—n)／p¨
Pt一1 P，一1 Pt—l
所以可以认为简单收益率‘与连续收益率足大致相等。但连续收益率相对于简
单收益率的一个最大优点在于其满足可加性。以相隔两天的收益率为例：
9
中国股票市场“周内效应”实证研究
ROI=In P，+l-．In P，一1=(In P，+l—In P，)+(In P，一In P卜1)=月II+R?
而吒2≮Pr一≯I碱一1。半， P+訾Pf一i
显然简单收益率不符合可加性。总之，简单收益率受到价格大幅波动的影响。因此，
本文取收盘价的对数的一阶差分为收益率，使之转换为连续收益率。
2．公司规模的确定
在西方国家，股票的市值能够较好地反映企业的整体规模与经营风险，但在中
国的股市上，“市值”牵涉到流通股与非流通股的问题，两者很难得到统一。我国上
市公司的股权结构与国外区别较大，在发行上市时和上市后，同一公司不同股权的
股票在价格和流通性方面不相同，国有股或法人股占绝对控股地位，但不能上市流
通，只能通过协议转让等方式在法人之间进行交易，简称为非流通股；公开发行的
社会公众股占少数股权，但可以自由流通。因此，我国上市公司股票市场价格是在
国有股和法人股不能上市流通的前提下所形成的供求平衡价格，这就隐含这一价格
大大高于全部股票流通前提下的市场平衡价格。我国股市具有的同股不同权，同股
不同价现象。中国大部分投资者对上市公司的总股本采取漠不心的态度。所以，我
们以流通市值为度量标准分析公司规模与周内效应的关系。
个股流通市值SIZE的计算公式：
、．S：，ZE=尸XL (3．3)
式中：SIZE为股票的流通市值，是公司规模的度量，P为该公司股票日收盘价，
三为该上市公司流通股的股数。
本文采用动态分组的方法，借鉴Fama and French(1992拈¨，1993∞21)的分组方
法，用t年6月底流通市值来度量t年度规模的大小。
在十分组投资组合中，我们以公司每年6月底的流通市值为标准升序排序。每
次排序以后，就将其按照规模大小平均分为10组，分别命名为：组合1，组合2，⋯，
组合10。这样分组的结果使得各规模组合的样本数各占总样本数的1／lo。组合l
是流通市值最小的10％的股票，组合2是流通市值次小的10％的股票，依此类推，
第10组是流通市值最人的10％的股票。
lO
第三章数据和方法论
第二节研究方法
为了检验每周中周一至周五每个交易日的平均回报率是否有显著差异，我们设
立如下形式的哑变量回归模型：
5
‘=Σ／zk D¨+占， (3．4)
k=l
这里，，；为t日的市场收益率，ok，，为每周第k(k=周1至周5)交易日的
哑变量，即仅在周k时取1，其他时间取0。通过检验上式中的哑变量系数是否显
著从而判断中国股市是否存在周内效应。
一、非参数检验
关于周内效应的统计检验，比较简单的方法是Levene检验是对收益率的方差
差异性进行分析的一种检验方法。Brown和Foreythe在1974年提出修正Levene
检验，其统计量为F。如果计算出的与统计量相伴概率值小于或等于显著性水平，
那么拒绝各个样本的方差没有显著性差异的原假设。Levene统计量检验的一个前提
条件是收益率时间序列正态分布收益率较大地偏离正态分布，因而采用Levene统
计量检验难以保证结论的准确性；而Kruskal—Wallis—H统计量作为非参数统计
检验过程，不依赖于研究对象的分布形态。因此，本文采用非参数检验中的Kruskal
—Wallis—H统计量检验周内效应的存在性。Kruskal—Wallis检验步骤：
1．将所有的收益率样本混合由大到小排序，确定各收益率在全体样本中的秩，
如果有相同的数值，则加总其秩，以算术平均值代表其等级秩。
2．求各组的样本等级秩总和，计算Kruskal—wallis检验统计量： 日：熹壹壁一3(N+1) (3．5)
N(N+1)智mj 。
3．原假设为H0：周内各个交易日的收益率具有相同均值。
4．在H0假设成立的前提下，H统计量服从自由度为k—l=4的z2分布。如
果H>z：(4)，则表明一周内各交易日平均收益率不相等，市场存在周内效应；反
之，则表明并不存在周内效应。
但是非参数方法只是用来检验周内收益率差异性，却未能做出进一步的计量即
中国股票市场“周内效应”实证研究
哑变量系数是否显著。
二、ARCH族模型
金融资产收益率({z))时间序列的数据特征：(1)置不存在或存在弱的线性
相关cov(X，，Xf．1)=0。(2)Z不服从正态分布，经常表现为后尾分布，峰度大于
3。(3)墨表现为波动群聚性(volatility cluster)行为，{砰)表现为显著的正自
相关，而且波动群聚性会持续很长时间。即大的波动之后通常紧接着另一个大的波
动，而较小的波动紧接着另一个较小的波动。(4)波动率存在显著的杠杆效应
(1everage effect)，波动率对价格的人幅上升和价格大的下降的反应不同。(5)波
动率以连续的方式随时间变化，很少发生波动跳跃，但是NYSEl987年的“黑色星
期一”是一个特例。(6)波动率不会发散到无穷，在一个固定的范围波动，常表现为
一个平稳序列。
基于金融资产收益率时间序列的时变方差特性，因此我们在回归时必须抛弃标
准的最小二乘法(OLS)，而使用能够很好地描述异方差行为的ARCH族模型。
Mandlebrot(1963)∞1首先发现了资产收益率波动的聚集现象，即大的波动往往
跟随着大的波动，小的波动往往跟随着小的波动。Engle and Kraft(1983)阳1在分
析宏观数据时，发现一些现象：时间序列模型中的扰动方差稳定性通常比假设的要
差。Engle的发现说明在分析通货膨胀模型时，大的及小的测量误差常常会成群出
现，表明存在一种异方差。为了刻画预测误差的条件方差中可能存在的某种相关性，
Engle(1982)乜1提出了自回归条件异方差模型(ARCH)。ARCH模型的主要思想是：
扰动项t的条件方差依赖于它的前期值乞一，的大小。
y t=x：p+s t
st=0 h
f et
^，：缈+ΣP y抄h， ‘3·6’
J=l
P，陟f-l～N(0，1)
其中P≥0，国>o，y，≥0，以确保条件方差忍>0。
模型中q表示第t时刻的残差，h，表示基于t--I时刻信息集合％一。的
12
中国股票市场“周内效应”实证研究
．"的条件方差。ARCH刻画了金融市场时间序列的几个典型特征：(1)短期的波动
是前期波动函数；(2)一个大的波动会影响到以后数期的市场波动；(3)大的波动往
往跟随着大的波动，而小的波动往往跟随着小的波动。由于这一模型所允许的方差
的时变性非常符合金融市场时间序列的特征，因此白提出后就马上得到了广泛的响
应。
由于ARCH模型只考虑了有限前期波动的影响，不太符合实际金融时间序列表
现出的当前的风险波动与无限前期波动有关的特点；同时，ARCH模型在估计中也遇
到不少困难(比如不能保证‘为正)，所以Bollerslev(1986)眵1提出了如下的
GARCH(p，q)模型解决了这两个问题：
yt=x：|B+￡t
￡t=瓜et
吃：彩+兰叩三，+Σp帆，． @·7’
i=l 』=l
P，I∥f-l～N(O，1)
相对于ARCH，GARCH模型的优点在于：可以用较为简单的GARCH模型来代
表一个高阶ARCH模型，从而使得模型的识别和估计都变得比较容易。
Engle and Bollerslev(1986)“1实证发现运用GARCH(P，q)估计高频金融数
据时AR多项式有一个单位根，有鉴于此，提出IGARCH(integrated GARCH)模型，
即满足圭q+圭乃：I。
f=l j=1
此外，若残差序列自相关，则必须进行自相关性校正，进一步对模型进行修正，
产生了AR(m)一GARCH(p，q)回归模型。
yt=X：p+Vt
yf 2占f一缈lyr—I一⋯一伊myr．m
占，=以，P， (3．8)
h，=缈+芝口f占二f+芝7：h，一J
f=l J盎I
P，Iy r-l—N(O，1)
由于金融资产风险的变化会对收益产生影响，高收益的资产往往伴随着高风险，
中国股票市场“周内效应”实证研究
此风险应该对收益率之间有正相关作用，所以应该将条件方差作为解释变量引入到
收益率方程中去，从而得到一个更一般的GARCH(P，q)一M模型(Engle，Li l ien and
Robbins，1987盥朝)。
Yt=x：p+6一ht+st
st=0htel
h，=缈+Σ口f占三f+Σyjh，一，
e，l沙f-l～N(o，1)
以上的模型虽然很好地刻画了金融市场上大的波动往往伴随着大的波动，小的
波动往往跟着小的波动的时间序列特征，但是却隐含地假定了波动的对称性，即外
部对市场的冲击，无论是正的冲击或者是负的冲击，对其后的波动的影响都是相同
的。Black(1976)懈1发现，股票价格的变化与股票价格波动的变化负相关，也就是
说，当股票价格上升的时候，股票的波动减小，而当股票价格下降的时候，价格波
动更大，换句话说，股票市场的波动性与波动方向有关，负的收益伴随着更大的价
格波动，而正的收益伴随着较小的价格波动。为了刻画金融收益的这种非对称性，
Nelson(1991)∞71提出了EGARCH模型。Nelson and Cao(1992)‘矧认为GRARCH模
型条件方差方程右端的系数非负约束太具有限制性了，而EGARCH模型并没有对系数
％和／，的非负限制。在EGARCH模型中，条件方差忽是滞后分布q一，的非对
称函数。
¨”⋯和拱一痧五括，+驴P哪州⋯．㈣
在这个模型中，正面消息的冲击s川对t时期方差的贡献是
c”五，拱；负面消息的冲击乳r对t时期方差的贡献是：c旷五，拱，
所以，由非对称波动理论得出：丑<0。
考虑到风险与收益的关系，惯用的方法是将方差引入到收益方程中去，由此得
到EGARCH-M模型：
14
第三章数据和方法论
yt=x：p+6再+st
￡t=厄et
¨"⋯和拱一莎以丽sl--i，+驴P啪叫，∞·11’
e，Iy，_1～N(O，1)
EGARCH很好地刻画了方差波动的非对称性，但是这只是刻画非对称性的众多特
例中的～种。自从EGARCH提出后，产生了～系列的非对称GARCH模型，具有代表
性的有GJR-GARCH(Glosten，Jagannathan and Runkle(1993)13s])，TGARCH
(Zakoian(1994)t401)和简单非对称GARCH(Simple Asymmetric GARCH，SAGARCH，
Engle(1990)Ⅲ3)。
经过二十多年的发展，目前ARCH族模型已被认为是最集中地反映了方差的变化
特点，因而它在经济和金融领域具有广阔的应用前景。也正因为如此，ARCH族模型
在诞生后短短的不N-十年时间里已取得了极为迅速的发展，目前已经被广泛地应
用于股票市场、货币市场、外汇市场、期货市场的研究中，来描述股票价格、利率、
汇率、期货价格等金融时间序列的波动性特征。
以往的研究一般认为GARCH(1，1)模型就能够很理想地描述大量的金融时间序
列数据的异方差行为，很少使用和考虑高阶模型。例如，Lamoureux and
Lastrapes(1993)心3认为GARCH(1，1)能够很好地评估条件异方差．，其他
GARCH(1，1)的证据见Hamilton(1994)H31。且以往对中国股市日收益率所建立的
GARCH(1，1)模型一般认为％+一接近于l(赵留彦等，2003㈨)，本文使用检验
自相关性的Durbin—Watson检验(结果在第四章中)来检验模型(1)的残差的自相关
性。如果Diubin-Watson检验结果表明残差序列自相关，则必须进行自相关性校
正，进一步对模型进行修正。因此本文我们直接采用AR(m)一IGARCH(1，1)模型。
中国股票市场“周内效应”实证研究
第四章实证检验结果
第一节收益率序列的统计特征
表4．1和表4．2分别给出上海、深圳股票市场总的和周一至周五每日股票收
益率序列统计特征，包括样本数、均值、标准差(用来度量波动性的指标)、t值、
偏度以及峰度。
表4．1：上海、深圳股票市场每日股票收益率的均值、方差、偏度、峰度
样本数均值标准差偏爱峰度
上海3790 0．00038 0．0270 1．023 22．961
深圳3778 0．00048 0．0230 0．480 12．436
表4．2：上海、深圳股票市场周一至周五股票收益率的均值、方差、偏度、峰度
样本数均值标准差t笤偏麦峰度
周一830 O．00109 0．0296 1．06 1．347 17．992
周二837 ．0．0001 5 0．0245 ．0．18 ．1．378 17．755
上海周三837 0．00239 0．0256 2．7l 2．888 31．178
周四839 0．00032 O．0284 0．33 5．255 76．675
周五835 0．00260 0．0214 3．50 2．134 17．400
周一826 0．00025 0．0300 0．24 0．874 16．428
周二835 0．00069 0．0241 0．83 0．567 20．565
深圳周三833 0．0018l 0．0225 2．33 1．198 12．931
周四834 ．0．0002 1 0．0238 ．O．25 1．710 18．08l
周五829 0．0034l 0．0573 1．72 23．752 640．567
从表4．1的数据可以看出，沪市和深市1991年至2007年总的平均股票收益
率均为正，分别为0．00038和0．00048，且上海股市的波动性比深圳股市更大一些。
正的偏度和很高的峰度表明上海、深圳每日股票收益率的分布较正态分布有偏且具
有尖峰，呈现厚尾的特征。因为正态分布的偏度为0，峰度3。因而，上海、深圳
16
第四章实证检验结果
股市每日股票收益率的时间序列呈现非正态分布。
从表4．2可以看出，在所讨论的样本区间内，对于上海股票市场来说，周一、
周三、周四、周五平均股票收益率为正，周三和周五股票收益率显著且周五最高，
为0．00260，周二平均股票收益率最低，为一0．00015，但不显著：对于深圳股票市
场来说，周一、周二、周三、周五平均股票收益率为正，周三股票收益率在5％水
平下显著，为0．00181，周五平均股票收益率最高，在10％水平下显著，为
0．00341，周四平均股票收益率最低，为一0．00021，但不显著。
上海股市用于度量股票收益率波动性的标准差在星期一最大，为0．0296，星期
五最小，为0．02 1 4；而深圳股市用于度量股票收益率波动性的标准差在星期五最大，
为0．0573，星期三最小，为0．0225。
戴国强等(1999)嘲发现1993年到1998年深圳股市周一收益率显著为负，是
一周最低的，而周五收益率最高，而上海市场周二收益率显著为负。陈超等(2002)
乜即研究表明沪市在1992年到1996年期间，星期二日平均收益率最低，为一0．401％。
在1997年到1999年期间，沪深两市股票的平均日收益率在周二仍最低，在星期
三为最高，分别达到0．307％和0．317％。
显然戴国强等(1999)乜羽，陈超等(2002)乜51所得到的结论与本文在所讨论的样
本区间内得到的结论存在一定的差异，说明根据描述统计的结果推出的结论不一定
可靠，必须进行严格的统计检验。
第二节周内效应存在性检验
利用Kruskal—Wal 1is检验中国股票市场收益率周内效应的存在性，其检验
结果如下：
表4．3：中国股票市场周内效应存在性检验
检验统计量H P值
上海6．6982 0．1527
深圳6．5749 O．160l
中国股票市场“周内效应”实证研究
由表4．3可知，P值较大，在5％或10％的显著性水平下，不能拒绝周一
到周五平均收益率相等的原假设，认为周一到周五的平均收益率不存在显著的差异。
第三节分组检验周内效应的存在性
由上述Kruskal—Wallis检验可知，中国股票市场周一到周五的总的平均收
益率不存在显著的差异。那不同规模的股票收益率是否存在周内效应呢?
一、分组后收益率序列的统计特征
表4．4和表4．5分别给出上海、深圳股票市场按规模十分组后周一至周五每
日股票收益率序列统计特征，包括均值和t值。
表4．4：上海股票市场十分组后周一至周五每日股票收益率的均值及t值
躅一蜀二躅三蜀匹l 周五
SIZE．Small 0．0006l 0．00024 0．00240 ．0．0001 1 0．00245
(0．47) (0．25) (2．59)木宰木(．0．11) (2．72)宰宰木
2
0．00055 0．00093 0．00237 0．00032 0．00236
(0．43) (1．09) (2．53)木木(0．34) (2．73)木宰宰
3 0．00130 ．0．0003 8 0．00198 ．0．00004 0．00201
(1．05) (．0．45) (1．95)$ (．0．04) (2135)牛木
4
0．00105 ．0．00029 0．00270 0．00057 0．00245
(0．86) (．0．34) (2．80)幸宰幸(0．55) (2．72)唪水宰
0．00101 0．00037 0．00237 ．0．00084 0．00246
5
(0．79) (0．41) (2．50)木宰(．0．88) (2．80)jIc奉宰
0．00089 ．0．00017 0．00249 ．0．00007 0．00279
6
(0．79) (．0．15) (2．29)木宰(．O．07) (3．28)宰木木
0．00158 ．0．00022 O．00197 ．0．00036 0．00236
7
(1．47) (．0．26) (2．06)枣木(．0．37) (2．73)乖幸宰
O．00147 ．0．00040 0．00230 ．0．00076 0．00275
8
(1．26) (．0．46) (2．58)木宰奉(．0．86) (3．34)宰木宰
O．00116 ·O．00049 0．00303 ．0．00069 0．00258
9
(1．04) (．0．37) (2．57)宰奉(-O．67) (3．27)宰凇木
．0．000l 9 ．O．001 15 O．00132 ．0．00053 0．00244
SIZE-Big
(．0．16) (．1．23) (1．32) (．0．56) (3．13)宰宰宰
说明：小括号中为相应参数的t统计量；爿c表示在10％水平．}：显著，木木表示在5％水平上显著。料宰表示在1％水平
第四章实证检验结果
上显著。
上海股票市场按规模十分组后，小公司股票收益率在周三和周五显著为正(在
1％显著水平下)，且周五收益率最高，为0．00245；大公司股票收益率周五显著为
正(在1％显著水平下)，且周五收益率最高，为0．00244。
表4．5：深圳股票市场十分组后周一至周五每日股票收益率的均值及t值
两一餍二碣三嗣强周五
SIZE．Small
0．00124 0．00097 0．00192 ．0．00033 0．00120
(1．06) (1．09) (2．28)枣木(．0．35) (1．40)
2
0．00018 O．00121 0．00247 0．00008 0．00088
(0．14) (1．24) (2．71)枣木· (0．08) (0．99)‘
0．00061 0．00031 O．00167 0．00002 O．00115
3
(0．51) (0．35) (1．96)宰卑(0．02) (1．35)
4 0．00087 0．00073 0．00217 0．00006 0．00143
(0．72) (0．73) (2．25)幸幸(0．06) (1．54)
0．00131 0．00037 0．00207 ．0．00077 0．001lO
5
(1．11) (0．43) (2．49)木事(．0．78) (1．35)
6 0．00091 0．00146 0．00182 ．0．00054 0．00137
(0．72) (1．43) (2．18)木木(．0．58) (1．72)·
0．00061 ．0．00005 0．0015l ．0．00120 0．00107
7
(0．51) (．0．06) (1．92)宰(．1．27) (1．43)
O．00116 0．00036 0．00140 ．0．00l 14 O．00149
8
(1．00) (0．42) (1．71)毒(-1．28) (1．93)幸
0．00074 0．00093 0．00185 一0．00080 0．00157
9
(0．64) (1．10) (2．34)幸幸(-0．92) (2．25)木幸
0．00005 ．0．00024 0．00118 ．0．00052 0．00193
SIZE—Big
(0．05) (．0．31) (1．53) (．0．65) (2．65)木木}
说明：小括号中为相应参数的t统计量；爿c表示在10％水平上显著，料表示在5％水平上显著，料牛表示在1％水平
上显著。
深圳股票市场按规模十分组后，小公司股票收益率在周三显著为正(在5％显
19
中圉股票市场“周内效应”实证研究
著水平下)，且周三收益率最高，为0．00245；大公司股票收益率周五显著为正(在
l％显著水平下)，且周五收益率最高，为0．00244。
描述统计的结果推出的结论不一定可靠，必须进行严格的统计检验。下面我们
利用Kruskal—Wallis分别检验上海，深圳股票市场收益率十分组后周内效应的存
在性。
二、分组后周内效应存在性检验
由表4．6和表4．7可知，上海，深圳股票市场都是小公司的P值较大，在5
％或10％的显著性水平下，不能拒绝周一到周五平均收益率相等的原假设，只有
大公司周一到周五的平均收益率存在显著的差异，即大公司存在“周内效应’’。
表4．6：上海股票市场十分组后周内效应存在性检验
检验统计量H P值
S亿E．Small 4．1831 0．3818
2 2．8933 0．5758
3 3．7544 0．4403
4 5．3348 0．2546
5 7．8514 0．0972
6 5．0990 ‘0．2773
7 5．9509 0．2028
8 8．0871 0．0884
9 8．1524 0．086
SIZE—Big 9．9752 0．0408
第四章实证检验结果
表4．7：深圳股票市场十分组后周内效应存在性检验
检验统计量H P值
S亿E．Small 5．7654 0．2174
2 6．7188 0．1515
3 3．5846 0．465l
4 3．0379 0．5515
5 7．0030 0．1357
6 6．8722 O．1428
7 7．6321 0．1060
8 6．9177 0．1403
9 8．1659 0．0857
SIZE—Big 10．0256 0．0400
但是Kruskal—Wallis只是用来检验周内收益率差异性，下面我们用AR(m)一
IGARCH(1，1)模型对大公司做出进一步的计量即哑变量系数是否显著。
运用AR(m)一IGARCH(1，1)模型测度哑变量系数是否显著之前，须检验大公
司股票收益率序列的自相关性、平稳性和自回归条件异方差性(ARCH效应，
Auto—regressive Conditional Heteroskedasticity)。
三、大公司收益率序列检验
1．自相关性检验
大多数经济时间序列都有一个明显的特点，就是它的惯性和粘滞性。众所周知，
GNP、价格指数、就业、失业等时间序列都有(商业)循环规律。从衰退的低谷开始复
苏时，大多数经济序列开始上升。在此上升期间，序列在每一时刻的值都高于前一
时刻的值，直至某些情况(如利率或课税升高)出现才会把它拖慢下来。因此，在涉
及时间序列的回归中，应该讨论序列的自相关性。股票市场也毫不例外地存在自相
关性，一个是消息释放的过程导致收益的自相关，另外，持续存在的市场人气也会
影响市场的收益，产生出一定的波动行为。
21
中国股票市场“周内效应“实证研究
口．B
暑0．6
苜
。
旦口．4
专
点口2
0
．0，2
0．日
旨0．6
宴口．4
《
丘
蜃0．2
口
．0，2
图4．1：上海股票市场大公司股票收益率自相关圈
Sample Autecon'etation Function∞日
⋯。。’。’：。。。。。1。。。。1。。⋯、。‘。t。‘。。__‘J‘_L ‘J L-_L__
_1‘11'_’'’●_f-'__j r1__J_J⋯____J_r r_f__1__
‘--。-‘-。}。--。r-●-__f___r_L-⋯-。L_。，-。_J
‘__J____ __r1__，_
一__ ___。1⋯J__J__ __●_r
千二T 二． ● ●
T ● r ● T
o ● ’
：lib ’ ●
：
一
●
：
I 1
0 2 4 6 日'D 12 14 1右1日加
Lag
图4．2：深圳股票市场大公司股票收益率自相关图
SaM．1le Autoco盯elmion Fun廿ion∽F】
●
●
__JL__‘J J_●_ '___J___
______r_ ‘-。一-‘-‘'-‘。一一--。一-‘--一’
-_●r__‘_ J．L．，+●
__1。r，r--r-r‘-r--r--，：r
- 一
T _ P ’ T 1 ． ● T 一r T
| ● ●
； i
口2 4 6 日1口12
Lag
第四章实证检验结果
从图4．1和图4．2可以看出，本文所选取的数据——中国股市大公司收益率
存在一定程度自相关，但这种判断只是感性认识，应该用统计方法严格检验这种自
相关是否显著地存在。
本文采用Durbin—Watson检验股票收益率自相关，因为我们是研究周一至周五
的收益率序列，所以DW=5。对股票收益率的模型(1)的残差进行广义
Durbin—Watson检验，结果如下：
表4．8：上海股票市场大公司股票收益率DW检验结果
阶数Dw值Prob<DW
1
1．8707 <。0001
2 1．9164 0．0055
3
1．8503 <．0001
4 1．9194 0．0078
5 1．9189 0．0063
表4．9：深圳股票市场大公司股票收益率Dw检验结果
阶数Dw值Prob<DW
1
1．9199 0．0072
2 1．9539 0．0830
3
1．9504 0．070l
4 1．8349 <．0001
5 0．0225 1．9347
由表4．8和表4．9可以很明显地看出，由于1阶Durbin-Watson检验是非
常显著的，所以上海、深圳股票市场大公司股票收益率存在明显的自相关现象。但
是广义Durbin—Watson检验并不能用于决定自回归的阶数，为得到模型(1)残差的
自回归阶数，选用SAS AUTOREG过程的BACKSTEP选项。
中国股票市场“周内效应”实证研究
上海股票市场大公司股票收益率序列自回归项向后消除的报告显示在时间间隔
2，4的自回归参数不显著并且被消除，因此对自相关进行修正，自回归残差模型的
阶数确定为1，3，5。
深圳股票市场大公司股票收益率序列自回归项向后消除的报告显示在时间间隔
2，3，5的自回归参数不显著并且被消除，因此对自相关进行修正，自回归残差模
型的阶数确定为1，4。
2．平稳性检验
由于运用ARCH族模型研究的前提是所研究的时间序列必须是平稳的时间序
列，因此本文有必要对沪深两市的个股收益率进行平稳性检验。最常用的平稳性检
验是单位根检验(unit root test)。对简单的一阶自回归模型Z=pr,一l+“，，误差
项U。满足零均值、恒定方差和非白相关等经典假定，若方程中P=1，就出现了单
位根的问题，也就是非平稳序列。
本文使用Augmented Dickey—Fuller检验，验证上海、深圳股票市场大公司股
票收益率是否具有单位根，即是否是稳定序列，结果如下：
由表4．10可以看出，显然上海、深圳股票市场大公司股票收益率序列是平稳的。
表4．10：上海、深圳股票市场大公司股票收益率ADF检验结果
滞毛阶数统计量Rho Pr<Rh0
O 3549．38 0．000l
上海1 3289．83 0．0001
2 2704．56 0．0001
O ．3633．16 0．000l
深圳1 ．3480．OO 0．000l
2 ．3255．37 0．000l
3．ARCH效应检验
图4．3和图4．4给出的是1991年至2007年上海和深圳股票市场的日收益率的
时间序列图，从中我们发现收益率序列呈现很强的波动聚集性，即波动相对大的部
*四$班Ⅱ榆验补果
分集中在一个时间段，而波动相对小的则集中在另外的时段，往往在较大幅度波动
后伴随着较人幅度的波动，在较小幅度波动后面紧接着出现较小幅度的波动-根明
显，这意味着收益率的方差处丁随时间而变化的趋势。
。，
口j
。2
。15
。1
§。*
q
q∞
{1
口15
口2
图4 3：1991年--2007年上海股票市场大公司股票收益率
山汕乩“．恤』虬J【l¨山川|||J』L一一．．1．“I。lL“．』_山L．“．止^剀
聊’ ∥ n研fP|||1I吖7r叩1”。7”””。’””⋯⋯“吖”
图4．4：1991年--2007年深圳股票市场大公司股票收益率
址山I |I 】I
lIJ_jjIIl】|I【IIlLL。肌。“m。一。l¨。。山。乩“。L。山蛎
m仰‘卅”⋯mW盯下”⋯叩1nllf-1”⋯’”1叩1”wli"
中国股票市场“周内效应”实证研究
检验序列是否存在ARCH效应，最常用的检验方法是Langranger Multiplier
法，即LM检验。在给定回归阶数q时，若检验所得的P值小于模型设定的显著性水
平，则序列存在ARCH效应。一直到P值大于模型设定的显著性水平，我们认为不存
在ARCH效应，此时的ARCH(q)模型才是正确的。通过指定SAS AUTOREG过程的
ARCHTEST选项进行异方差性检验，得到下列结果：
表4．Ii：ARCH效应的Q和LM检验
阶数Q值Prob>O LM值Prob>LM
上海12 1021．679l <．0001 514．461 1 <．0001
深圳12 555．991 8 <．0001 291．441 1 <．000l
由Q和LM(拉格朗日乘子)检验结果可以看出，上海和深圳股市大公司股票报
酬序列直到高阶收益率序列仍然存在着强烈的异方差性，说明用ARCH族模型来拟
合数据是合理的。
四、GARCH模型的估计
经过前面的讨论，本文选用AR(m)一IGARCH(1，1)模型，对上海、深圳股票市场
大公司股票收益率时间序列拟合。
上海股票市场模型如下：‘
深圳股票市场模型如下：
‘=Σ∥t D¨+占，
七=l
yf
2 Ef一矽1yf—I一驴3yf一3⋯一缈5y卜5
占，=√Jlz，er (4．1)
hr=缈+口ls二l+7Ihr—I
口1+y1=1
e，ly，一l—N(0，1)
第网章实证榆验结果
结果如下：
o=Σ∥^D¨+s，
k；l
y
r 5占f一伊Iy f一1一驴4v f一4
￡t=一h t
e
f
hf=国+口l s r2-l+，，l h
r—l
口I+7 l=1
e，炒f-I～N(0，1)
表4．12：上海：AR(m)--IGARCH(1，1)
(4．2)
变量系数标准差t笤Prob值
D1 ．0．0002 11 0．0003 82 ．0．55 0．5801
D2
0．00052 l 0．000452 1．15 0．2493
D3
0．001341 0．000380 3．53 0．0004***
D4 —0．000495 0．0003 77 ．1．3l 0．1894
D5
0．000882 0．000413 2．14 0．0325**
ARl ．0．0183 O．0134 ．1．37 0．172l
AR3 ．0．0283 0．0138 ．2．06 0．0396**
AR5 ．0．0248 0．0140 ．1．78 0．0756
ARCHl 0．0710 0．001674 42．43 <．0001"**
GARCHl 0．9290 0．001674 554．90 <．0001串木掌
表4．13：深N-AR(m)一IGARcH(1，1)
变量系数标准差￡詹Prob值
D1
．0．00084 1 0．0003 86 ．2．18 0．0295**
D2 0．000440 0．000447 0．98 0．3255
D3
0．OO 1456 0．000394 3．69 0．0002***
D4
．0．000306
0．000372 ．0．82 0．4110
中国股票市场“周内效应”实证研究
D5
o．o00818
o．o004i7 L 96 0．0496**
ARI -0．040l O．0135 —2．97 0．0030***
AR4
-0．0431 0．0146 —2．96 0．0031：Ic木木
ARCHl
0．0658
0．001599 41．17 <．000I术：l：术
GARCHl
0．9342
0．001599 584．17 <．000l半术水
说明：宰丰表示在5％水平上碌著，卓料表示在1％水平上显著。
对中国股市股票收益率的实证结果如下：
1．在本文所选取的样本区间内，较好地拟合中国股票收益的时间序列模型为
AR(m)一IGARCH(1，1)模型，反映中国股市中的内生变量的大幅度波动集中在某些时
段上，而小幅波动则集中在另一些时段上。
2．对于上海股市大公司来说，在5％显著性水平，周三和周五股票收益率显著
为正，且周三最高，周一、周二和周四的系数不显著；对于深圳股市大公司来说，
在5％显著性水平，周一股票收益率显著为负，且为最低。周三和周五收益率显著
为正，较一周其它交易日的报酬都高，从而表明上海股市与深圳股市大公司平均股
票收益率在一周各交易日的表现有所不同。
3．上海股市大公司存在正的“周三效应”，深圳股市大公司存在负的“周一效应’’
和正的“周三效应”。
第五章结论及政策建议
第五章结论及政策建议
第一节结论
实证结果表明1991年至2007年上海股市和深圳股市并不存在“周内效应”，
但是规模分组后，大公司存在“周内效应”，上海股市大公司存在正的“周三效应”，
深圳股市大公司存在负的“周一效应”和正的“周三效应"。
中国股票市场存在“周内效应”，本文认为其存在的主要原因是：
1．套利的有限性，行为金融的核心论点是现实中的套利不仅充满风险，而且作
用有限。未考虑委托代理问题时，套利者在价格偏离基本价值较大时，会变得更加
敢作敢为。为了回避风险，套利者在卖出或者卖空价格高估股票的同时，必须能买
进同样或相似且价格没有高估的替代证券，但是我国股票市场缺乏卖空机制，而且
缺乏相关的衍生证券，替代品难以找到。另外由于存在“噪音交易者风险”5(noise
trader risk)，套利者必须承受由噪音交易者对市场的错误判断造成的风险。因为
不可预知是非理性投资者的一般特征。这个星期三的正的收益可能由于投资者心态
的变化，下个星期三，其股票收益可能变为负，所以限制了套利。
其次，考虑委托代理问题时，套利者替人理财时，他们的投资者并不明白套利
者具体要做什么，投资者能看到的就是价格偏离基本价值时，属于投资者的钱被亏
掉了，他们据此推断该套利者并非像他们开始想像的那样能干，从而拒绝再增加资
本金、甚至会撤资，尽管这时可能从交易中获利的预期已经大大增加了，所以限制
了套利。
2．中国股票市场存在羊群效应。金融市场中投资者趋向于忽略自己的有价值的
私有信息，而跟从市场中大多数人的决策方式。羊群行为表现为在某个时期，大量
投资者采取相同的投资策略或者对于特定的资产产生相同的偏好。即投资者可能在
一个星期中的某天都去买某只股票，而又在大家都抛售时，抛售手中的股票。
本文得出的结论表明，小公司收益率高于大公司，且不存在“周内效应"。购并
活动常常发生在小公司中，因而造成小公司股价上涨，收益率的提高。在购并活动
中，公司规模是影响企业购并行为成功与否的重要因素之一。这是因为，购并小规
5由于噪音交易者心态变化导致对正常状态更远偏离形成的风险，称之为噪音交易者风险。
中国股票市场“周内效应”实证研究
模公司需要的资金量小，涉及的业务范围较少，所以购并行为成功的可能性比较大。
而大公司由于规模庞大，涉及的业务范围广，增加了购并的难度，相对于小规模公
司来说，则不易成为被购并的对象。
以往的大量实证研究表明，西方发达国家的证券市场呈现的是负的“周一效应’’
与正的“周五效应”，例如Cross(1973)喳1、French(1980)畸1、Keim and Stambaugh
(1984)口3以及Kamara(1997)H引。周内效应在我国的表现形式与在工业化国家不同。
中国股票市场的价格波动对政策的敏感性很强，政策消息的公布往往又集中在周末；
从股市效率理论来看，价格是资金配置的信号，而价格是否真实取决于信息的完整
性、分布的均匀性和时效性，市场交易者之间的差异性使得他们对相关信息的消化
需要一个过程，因此政策消息在股价上的反映有一个滞后效应。负的“周一效应”
反映了在所选取的样本区间内，‘从总体上来看深圳股票市场公布的政策利空消息大
于利多消息。上海股市股票收益率的模型检验结果没有显示显著的“周一效应”。这
有可能也预示着两个股票市场在信息的吸收、消化上存在着差异。
当每一交易周完成后，市场参与者要逐步地吸收前一周的所有信息，所以，周
初的股价便表现为较低平均收益。而随着信息充分吸收，星期三便将股价推到最高
点。
总体而言，本文有如下的结论：
1．深沪股市的偏度和峰度与成熟市场相比有很大的差异。Cochran and
Mansur(1993)H酊对美国股市的研究表明其偏度一般在一O．3左右，峰度在3．8左
右。而本文的表4．1显示上海市场的偏度为1．023，峰度为22．961，同时期的深
圳市场的偏度为0．480，峰度为12．436。如此高的峰度系数既表明收益率序列不服
从正态分布而且也意味着中国股市具有较强的投机色彩。我国股票市场带有比较明
显的政策性市场的特点，再加上经济中存在着可以随时调度的巨额游资。这样，政
策性股市与巨额游资的迭加效应导致了股票市场指数既能在一月内上涨220％，也能
在不到半年的时间内暴跌到“崩盘”的边缘。这种高涨之奇、衰退之烈的场景，不
仅人为地放大了市场风险，而且造成了股市消极因素的扩张和积极因素的削弱，对
培养人们在走向市场经济时的投资意识是极为不利的。
2．比较两个市场我们发现深圳市场的稳定性略高于上海市场，前者的标准差为
30
第五章结论及政策建议
0．0230，而后者则是0．0270。这也从一定程度上反映了上海股市的投机色彩比深圳
股市强烈。从中国股市历次大的波动来看，几乎都能找出政策性因素使然的痕迹，
以致于不少人将我国股市戏称为“政策市”。Jaffe and Westerfield(1985)陋1研究
指出成熟市场的股票指数(如美国的S&P500、日本的Nikki Dow、英国的LSE、加拿
大的Toronto指数)的标准差均在0．01左右，而我国的上海股市与深圳股市则超
过0．02，这同样表明我国的市场投机性色彩浓厚从而波动性较大。
3．通过对上海和深圳市场股票进行规模分组，实证分析可以发现，AR(m)一
IGARCH(1，1)模型能很好的拟合上海和深圳股市大公司日收益率的时间序列，上海
和深圳股市大公司存在明显的ARCH效应。不同时期模型的结构可能存在差异，随
着市场规模的扩大和市场制度的完善，市场风险变异特征和收益状况也在不断的发
生变化j我们需要将模型进行调整，才能适应新的情况。
4．周内效应在我国的表现形式与在工业化国家不同。在成熟的市场中，连续出
现的是负的周一(二)效应和正的周五效应。而在我国的股票市场，总体不存在所谓
的周内效应，只是进行规模分组后上海股市大公司存在正的“周三效应”，深圳股市
大公司存在负的“周一效应”和正的“周三效应”。
从以上的结论中可以体会到，中国股票市场并未满足有效市场假说的理论基础：
1．投资者被认为是理性的，所以他们能对证券做出合理的价值评估；2．在某种程度
上某些投资者并非理性，但由于他们之间的证券交易是随机进行的，所以他们的非
理性会相互抵消，所以证券价格并不会受到影响；3．在某些情况下，非理性的投资
者会犯同样的错误，但是他们在市场中会遇到理性的套利者，后者会消除前者对价
格的影响。中国股票市场存在的“周内效应”，无法用标准金融理论来解释，即存
在“股市异象”。
这说明中国股票市场的发展还很不健全，噪音偏多，缺乏卖空机制，而且缺乏
相关的衍生证券及其存在羊群效应，这在一个成熟市场是不应该出现的，从而充分
地说明了我国股市还存在很多弊端，要走上健康规范的轨道还有一段很长的道路，
因此迫切需要社会各界人士的共同努力。对政府而言，仍要大力加强法制法规的建
设，加强市场监管，按照市场经济的规律扶植培育股票市场；对广大投资者而言，
要努力提高自身素质，减少对股票的盲目侥幸认识，培养起应有的投资意识；对股
3l
中国股票市场“周内效应”实证研究
市的研究人员，应该敞开门路，积极吸收西方发达国家成熟股市的先进经验和理论，
运用于我国股票市场，以起到理论带动实践发展的作用。本文正是以此为目的，希
望在这方面作出一点贡献，为我国股市的规范完善起到一些抛砖引玉的作用。
第二节规范发展我国股票市场的政策建议
十几年来，我国股票市场在交易体系的建设、市场法规的健全、中介机构培养
等方面都有明显的进展，股票市场己逐渐成为中国市场经济体系重要的组成部分，
并对中国的投融资体系改革、金融体制改革、企业制度改革等发挥了极为重要的作
用。但是，实证分析表明，我国股票市场大公司的周内效应，也反映了我国股票市
场存在信息披露制度不规范，信息披露不完全，行政机制过分介入，中介机构行为
不规范等问题。针对这些问题，本文提出以下一般性的政策建议：
1．进一步完善监管体系，尤其要重视信息披露和信息发布。
由于我国股票市场在信息发布、信息加工和信息传递等方面都存在着许多不足，
市场交易者的行为非理性和大量的噪声交易，使证券市场价格产生剧烈波动，市场
信息低效率，无法实现证券市场的价值发现功能、优化资源配置功能。
不管在成熟证券市场还是新兴的证券市场，政府政策信息始终是证券政策的制
定和实施应当遵循审慎性原则。我国宏观政策对股票市场的运行有重大的影响，而
且政策实施后往往造成股票市场的剧烈波动，因此，政府在实施股票市场干预政策
时应当遵循审慎原则，政策的实施应有利于规范市场目标的实现，有利于市场的稳
定，有利于政策效率的提高。股票市场的法律法规以及监管制度制定之后，应当保
持一段时间内的相对稳定性和连续性，这样才能真正对股票市场提供制度化的监管
依据，也才能真正对股票市场起到规范的作用。
加强对信息披露的监管同样重要。首先，建立电子化信息披露系统对信息进行
统一披露。可以参考美国证券交易委员会所实施的电子数据收集、分析、恢复系统，
建立一个及时的上市公司信息申报系统，使上市公司信息更为及时，内部人员利用
内幕信息获利的可能性也可大大降低。其次，对披露的信息进行动态化监管。第三，
信息披露制度应详细且全面地规定上市公司必须披露的财务报表的种类、范围和信
息披露的质量要求。
第五章结论及政策建议
2．加强市场整体环境的建设，着重是培育机构投资者。
注重市场整体环境的提高，丰富投资工具，大力培养机构投资者；致力于改进
公司治理结构改进，努力使中介服务机构保持中立和诚信，促使投资银行或券商的
尽责、司法的公正和有效。
机构投资者具有专业的理财队伍，理性的投资行为，并兼具规模经济所带来的
成本优势，其发展壮大无疑将改善证券市场的投资者结构，起到稳定市场，活跃交
易，促进上市公司治理结构改善等作用。在对其积极作用达成共识的情况下，从当
前机构投资者所占的比例来看，机构投资者有巨大的发展空间，我们应该大力推进
机构投资者的发展在重视发展国内机构投资者的同时，也应高度关注和重视外国机
构投资者在发展中国家的作用，这有可能在引进资金、引进技术与管理，加强竞争
合作方面起积极作用。同时，严厉打击和惩处内幕交易行为，防止机构投资者误入
投机炒作的歧途。
3．规范中介服务机构的行为。
中介服务机构是指为证券发行和交易提供专业性服务的法人机构，如从事证券
业务的会计师事务所、律师事务处、资产评估机构、证券咨询顾问机构等。随着我
国股票市场的发展，我国的中介服务机构迅速成长起来，但是由于各种主客观原因，
中介服务机构存在巨大的问题。例如，注册会计师可能会出于竞争压力或政府压力
等出具不符合实际情况的审计报告；在执业过程中没有严格悟守独立谨慎的原则，
与上市公司合谋篡改上市公司财务报表。这些行为大大影响了我国股票市场的效率。
为此，必须规范中介服务机构的行为。首先，要加大对独立审计的规范力度，
提高会计信息的真实性。会计信息是上市公司最重要的信息之一，因此，独立审计
作为股票市场中的重要的中介机构，其认真负责的工作态度不仅增强上市公司信息
披露的可靠性，而且，其中立和客观的立场也将增强投资者对上市公司信息披露与
股票市场的信心。其次，加强中介服务机构的行业自律，加大执法的严肃性与力度，
引进国外的中介机构，推动中介服务机构的良性竞争，完善关于中介服务机构的法
律法规。
4．借鉴国外证券交易委员会的角色界定和职能分配，赋予证监会更高的独立性
和更大的权力。
33
中国股票市场“周内效应”实证研究
美国证券交易委员会(SEC，Securities and Exchange Commision)是一个超然
于政府之外的独立组织，它的基本使命是保护投资者和维护证券市场的廉正诚实，
只对国会负责，与纽约证交所、证券业协会都没有行政隶属关系。而中国证监会由
于权力非常有限，监管力度大打折扣。
在赋予证监会更高独立性和更大权力的同时，要对证监会实行问责制，完善对
证监会的监督机制以促进证监会充分运用手中的权力，更有针对性地、及时地改进
监管工作。
第三节本文的后续研究及不足之处
本文的后续研究，可以从以下几个方面考虑：1．本文初步探讨了公司规模与周
内效应的关系，解释只是处于假设阶段，今后应当加强这方面的研究。2．今后可以
用滚动样本法对股市周内效应的稳健性进行研究。3．将能够正确解释周内效应的理
论模型推广到其他股市异象的研究。
笔者对我国股市历程和政策的理解大多是从书本和互联网中获得的，没有证券
行业的实际从业经验，也许不能很好地理解有关我国股市周内效应的问题。欢迎各
位专家和老师多多指正!
参考文献
[参考文献]
[1]Keim D．B．Stock Market Regularities：A Synthesis of the Evidence and Explanations[M]．
Cambridge University Press，1988．
[2] Engle R．F． Autoregressive conditional heteroscedasticity with estimates of the
variance of UK inflation[J3．Econometrica，1982，50，987—1008．
[3]Bollerslev T．A Generalized Autoregressive Conditional Heteroskedasticity[J]．
Journal of Econometrics，1986，31，307—27．
14]Engle R．F．and Bollerslev T．Modelling the Persistence of Conditional Variances[J]．
Econometric Review，1986，5，卜50．
[5]Cross F．The behavior of stock prices on Fridays and Mondays[J]．Financial Analysis
Journal，1973，29，67—69．
[6]French K．Stock returns and the weekend effects[J]．Journal of Financial Economics，
1 980，8，579—596．
[7]Keim D．B and Stambaugh R．F．A further investigation of the weekend effects in stock
returns[J]．Journal of Finance，1984，13，814—819．
[8]Jaffe J．and Westerfield R．The weekend efect in common stock returns：The
intemational evidence[J]．The Journal of Finance，1985，)(L(2)，433-454．
[9]Aggarawal R．and Rivol i P．Seasonal and Day of the Week Effects in Four Emerging
Stock Markets[J]．The Financial Review，1989，1l，24．
[10]Solnik B．and Bousquet L．Day-of-the-week Effect on the Paris Bourse[J]．Journal
of Banding and Finance，1990，14，461—468．
[11]Barone E．The Italian Stock Market[J]．Journal of Banking and Finance，1990，14(3)，
43 1—439．
[12]Choudhry T．Day of the week effect in emerging Asian stock markets：evidence
model[J]．Applied Financial Economics，2000，10，235—242．
[13]Chen G．，Kwok，C． and Rui，0．The day of the week regularity in the stock markets
of China[J]．Journal of Multinational Financial Management，2001，1 1，139—163．
[14]Basher A．and Sadorsky P．Day-of-the-week effects in emerging stock markets[Z]．
working paper，2006．
[15]Chien Ting Lin and Lee Kian Lim．On the Disappearance of Tuesday Effect in
Austral ia[Z]．working paper，2001．
35
中国股票市场“周内效应”实证研究
[16]Choy A．and J．0’Hanlon．Day of the wek efects in the UK equity market：A Cross
sectional analysis[J]． Journal of Business， Finance and Accounting
1989，16(1)，89—104．
[1 73 Athanassaos G．and M．Robinson．The day of the week anomaly：The Toronto stock
exchange experience[J]． Journal of Business Finance and Accounting
1994，21(6)，833—856．
[18]Brusa J．，P．1iu and C．Schulman．The weekend efect，“reverse”weekend efect，
an d firm size[J]．Journal of Business，Finance and Accounting 2000，27(5-6)，555-574．
[19]Gibbons M．and P．Hess．Day of the week effects and asset returns[J]．Journal
of Business，1981，54，579—596．
[20]Abraham A．and D．Ikenberry．The individual investor and the weekend efect[J]．
Journal of Financial and Quantitative Analysis，1994，29(2)，263—277．
[21]俞乔．市场有效，周期异常与股价波动一对上海、深圳股票市场的实证分析[J]．经济
研究，1994，(9)：43—50．
[22]赵骏，项红周，殷弘．上海证券市场价格行为分析[A]．第二届中国证券市场发展与中
外证券市场比较会议论文．1994．
[23]戴国强，陆蓉．中国股票市场的周末效应检验[J]．金融研究，1999，(4)：48—54．
[24]奉立城．中国股票市场的“周内效应”[J]．经济研究，2000，(II)：50-57．
[25]陈超，钱苹．中国股票市场“周内效应”再检验[J]．经济科学，2002，(1)：85-91．
[26]吴启芳，赵秀娟．中国证券市场的周期性异象检验[J]．南方经济，2006，(2)：54—70．
[27]白安芬，魏和清．基于GARCH模型的深圳股市周内效应研究[J]．统计教育，
2007，(7)：14—15．
[28]王鸿冰．中国股市交易量的周内效应[J]．清华大学学报(自然科学版)，2004，
44(12)：1615-1617．
[29]华仁海．我国期货市场期货价格收益及条件波动方差的周同历效应研究[J]．统计研究，
2004，(8)：33-37．
[30]周泽炯．中国开放式基金周内效应研究[J]．特区经济，2006，(1)：39—40．
[31]Fama E．F．and French K．R，The cross-section of expected stock returns[J]．
Journal of Finance，1992，47，427—465．
[323 Fama E．F．and French K．R．Common ri sk factors in the returns on bonds and
参考文献
stocks[J]．Journal of Financial Economics，1993，3-56．
[33]Mandelbrot B．The variation of certain speculative prices[J]．Journal of
Business，1963，36，394—419．
[34]Engle R．F．and Kraft D．Multiperiod Forecast Error V ariances of Inflat ion
Estimated from ARCH Models[J]．A Zellner Applied Time Series Analysis of Economic
Data，1983，293—302．
[35]Engle R．F．，Lilien D．M．and Robins R．P．Estimating Time Varying Risk in the Tem
Structure：The ARCH-M Model[J]．Econometrica，1987，55，391-407．
[36]Black，F．Studies in Stock Price Volatility Changes[J]．Proceedings on the 1976
Business and Economic Statistic Section，American Statistic Association，1976，
177—181．
[37]Nelson D．B．Conditional Heteroskedasticity in Asset Returns：A New Approach[J]．
Econometrica，1991，59，347—370．
[38]Nelson，D．B．and Cao，C．Q．Inequality Constraints in the UnivariateGARCH
Model[J]．Journal of Business and Economic Statistics，1992，10，229—235．
[39]Glosten L．R．，Jagannathan R．and Runkle D．E．On the Relation between the
Expected Value and the Volati l ity of the Nominal Excess Return on Stocks[J]．Journal
of Finance，1993，48(5)，1779-1801．
[40]Zakoian JeanMichel．Threshold Heteroskedastic models[J]．Journal of Economic
Dynamics and Control，1994，18，931—944
[41]Engle R．F，V．Ng，and M．Rothschi id．Asset Pricing with a Factor ARCH Covariance
Structure：Empirical Estimates for Treasury Bills[J3．Journal of Econometrics，
1990，45，213—38．
[42]Lamoureux，Christopher G．and Lastrapes，William D．Forecasting Stock Return
Variance：Toward an Understanding of Stochastic Implied Volatilities[J]．Review of
Financial Studies，1993，5，293—326．
[43]Hamilton，James D．Time Series&nalysis[M]．Princeton University Press，1994．
[44]赵留彦，王一鸣．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，2003，(2)：57-67．
[45]Kamara A．New evidence on the Monday seasonal in stock returns[J3．Journal of
37
中国股票市场“周内效应”实证研究
business，1997，70，63—84．
[46]S．J．Cochran and I．Mansur．Expected returns and economic factors：a GARCH
approach[J]．Applied Financial Economics，1993，3，243—54．
38
后记
后记
时光如梭，从三年前踏入厦大这块朝气蓬勃的热土到即将离开这令人流连忘
返的校园，在厦大生活的点点滴滴都将是我人生中的宝贵财富。
本文的研究和写作得到了多方面的支持和帮助。首先，我向尊敬的导师，厦
门大学的赵向琴老师致以衷心的感谢。在攻读硕士学位期间，赵老师无论在学习
上还是生活中都给我提供了莫大的帮助，特别是赵老师渊博的学识，敬业精神和
严谨的治学态度值得我一生去学习。需要感谢的，还有我的同学们，在论文的写
作中，我得到了很多同学的热情帮助。
还要感谢我的父母，感谢他们无论在生活上还是学业上永远不变的支持的鼓
励。
由于本人才疏学浅，能力有限，论文中出现不足之处，敬请各位老师和同学
批评指正。
39
解如如
2007年2月于厦门大学