我國(guó)IPO時(shí)間序列波動(dòng)路徑的結(jié)構(gòu)性轉(zhuǎn)變特征與統(tǒng)計(jì)檢驗(yàn)

胡志強(qiáng) 狄晨晨 張卓然

【摘要】本文基于1994年01月至2012年10月間的月度數(shù)據(jù)，研究了我國(guó)IPO數(shù)量和融資量的動(dòng)態(tài)變化路徑，發(fā)現(xiàn)我國(guó)IPO時(shí)間序列具有明顯的結(jié)構(gòu)轉(zhuǎn)變特征。本文結(jié)合結(jié)構(gòu)突變的內(nèi)生和外生檢驗(yàn)方法，采用修正的ICSS算法給出IPO時(shí)間序列可能存在的結(jié)構(gòu)突變點(diǎn)，建立變量的自回歸模型，對(duì)可能的結(jié)構(gòu)突變點(diǎn)逐一進(jìn)行Chow斷點(diǎn)檢驗(yàn)，獲得了我國(guó)IPO數(shù)量和融資量的結(jié)構(gòu)轉(zhuǎn)變點(diǎn)；分析結(jié)構(gòu)轉(zhuǎn)變點(diǎn)附近的經(jīng)濟(jì)事件，給出觸發(fā)IPO變量發(fā)生結(jié)構(gòu)突變的原因，發(fā)現(xiàn)大部分突變的時(shí)點(diǎn)與一些重大經(jīng)濟(jì)事件相對(duì)應(yīng)，這反映出中國(guó)IPO市場(chǎng)的不穩(wěn)定性及政策效應(yīng)。

【關(guān)鍵詞】IPO周期性波動(dòng) 結(jié)構(gòu)突變 修正的ICSS算法 Chow檢驗(yàn) 政府管制

一、引言與文獻(xiàn)綜述

IPO浪潮和周期性波動(dòng)一直受到國(guó)內(nèi)外研究者的關(guān)注。在中國(guó)，IPO市場(chǎng)浪潮確實(shí)存在，可被劃分為三次高峰和三次低谷。同時(shí)，我國(guó)IPO市場(chǎng)的“政策性”十分顯著。由于市場(chǎng)不夠完善，IPO數(shù)量、融資量等變量易受到政策和經(jīng)濟(jì)事件的影響而發(fā)生大幅度波動(dòng)。然而，準(zhǔn)確把握IPO市場(chǎng)的波動(dòng)特性，是制定合理政策，穩(wěn)定市場(chǎng)的先決條件。這使得探究IPO時(shí)間序列的波動(dòng)特性變得尤為重要。

自從Ibboston和Jaffe（1975）首次提出了IPO市場(chǎng)的周期性以來(lái)，IPO市場(chǎng)的周期性現(xiàn)象長(zhǎng)期以來(lái)一直是學(xué)術(shù)界關(guān)注的焦點(diǎn)。對(duì)于IPO周期性波動(dòng)產(chǎn)生的解釋可分成兩方面：從經(jīng)典理論而言是公司需要資金進(jìn)一步發(fā)展，因此會(huì)根據(jù)市場(chǎng)環(huán)境和所能獲取的信息進(jìn)行擇時(shí)，由于對(duì)市場(chǎng)環(huán)境的判斷相同，或者由于學(xué)習(xí)效應(yīng)，出現(xiàn)了熱銷(xiāo)現(xiàn)象（胡志強(qiáng)、王一竹，2013）；而從行為金融角度則是非理性投資者的出現(xiàn)，使得公司受到投資者情緒等因素的影響，在同一階段大量進(jìn)行IPO（邵新建等，2010）。

針對(duì)IPO時(shí)間序列的結(jié)構(gòu)轉(zhuǎn)變點(diǎn)，最早由G.C.Chow（1960）提出，他認(rèn)為只要由分段回歸而構(gòu)造的F統(tǒng)計(jì)量超過(guò)了給定的臨界值，就認(rèn)為發(fā)生了結(jié)構(gòu)變化。在隨后的幾十年里，結(jié)構(gòu)轉(zhuǎn)變的經(jīng)濟(jì)計(jì)量問(wèn)題一直受到廣泛的關(guān)注，并取得了一些進(jìn)展，如已知和未知時(shí)點(diǎn)結(jié)構(gòu)轉(zhuǎn)變的檢驗(yàn)和結(jié)構(gòu)轉(zhuǎn)變點(diǎn)估計(jì)與區(qū)間估計(jì)。

Perron（1989）針對(duì)突變點(diǎn)已知的結(jié)構(gòu)突變提出了三種模型：截距突變的“崩潰”模型A、斜率突變的“增長(zhǎng)率”模型B、截距與斜率都有突變的模型C。Perron（1989）等人對(duì)結(jié)構(gòu)突變點(diǎn)未知的情況，仍延續(xù)結(jié)構(gòu)突變點(diǎn)已知的單位根檢驗(yàn)的思路，首先對(duì)數(shù)據(jù)進(jìn)行退化趨勢(shì)，然后對(duì)所有可能的結(jié)構(gòu)變化點(diǎn)重復(fù)上述外生結(jié)構(gòu)突變點(diǎn)的檢驗(yàn)步驟。

對(duì)于模型結(jié)構(gòu)轉(zhuǎn)變的穩(wěn)定性檢驗(yàn)，除了Chow檢驗(yàn)，方法還有很多：如CUSUM檢驗(yàn)、CUSUM平方檢驗(yàn)等。Andrews（1993）對(duì)Chow檢驗(yàn)作進(jìn)一步描述和研究，修正Chow檢驗(yàn)分布臨界值，并給出了基于Chow檢驗(yàn)對(duì)未知轉(zhuǎn)變點(diǎn)的檢驗(yàn)方法；而B(niǎo)rown、Durbin和vans（1975）提出的CUSUM檢驗(yàn)和CUSUM平方檢驗(yàn)，可以識(shí)別時(shí)間序列波動(dòng)路徑中的內(nèi)生結(jié)構(gòu)轉(zhuǎn)變點(diǎn)，其中CUSUM檢驗(yàn)方法主要是對(duì)均值參數(shù)穩(wěn)定性進(jìn)行檢驗(yàn)，CUSUM平方檢驗(yàn)則是檢驗(yàn)方差穩(wěn)定性。Blondell et al.（2002）使用了累計(jì)和途徑CUSUM算法。這種算法可以簡(jiǎn)便、準(zhǔn)確地探察到序列轉(zhuǎn)換的變點(diǎn)，并可適用于存在高度自相關(guān)性的金融時(shí)間序列，不足之處在于，他們只是做到了存在性的驗(yàn)證，沒(méi)有更進(jìn)一步的劃分。

Inclan和Tiao（1994）運(yùn)用迭代累積平方和算法-ICSS算法構(gòu)造檢驗(yàn)結(jié)構(gòu)突變的統(tǒng)計(jì)量。Bai（1994，1997）推導(dǎo)了結(jié)構(gòu)轉(zhuǎn)變點(diǎn)估計(jì)的漸近分布并給出如何估計(jì)它的置信區(qū)間。隨后，Bai、Lumsdaine和Stock（1998）將一元變量推廣到具有同時(shí)刻結(jié)構(gòu)轉(zhuǎn)變的多元變量。

欒惠德（2007）系統(tǒng)總結(jié)了帶有結(jié)構(gòu)突變的單位根檢驗(yàn)的研究進(jìn)展，并對(duì)該問(wèn)題最新的發(fā)展動(dòng)向加以概括。王成勇（2008）總結(jié)了結(jié)構(gòu)突變模型在估計(jì)和檢驗(yàn)研究上的最新進(jìn)展，并提出了可行的進(jìn)一步研究的思路。

引入時(shí)間序列的結(jié)構(gòu)突變性的影響，對(duì)于研究經(jīng)濟(jì)變量的波動(dòng)特性的至關(guān)重要。若在建模時(shí)沒(méi)有考慮數(shù)據(jù)存在的結(jié)構(gòu)突變，將會(huì)導(dǎo)致預(yù)測(cè)失敗。因此，國(guó)內(nèi)外學(xué)者在結(jié)構(gòu)突變的理論不斷發(fā)展基礎(chǔ)上，對(duì)其應(yīng)用進(jìn)行了拓展。Malik & Hassan（2004）、Rapach & Strauss（2008）等指出，通過(guò)ICSS算法檢測(cè)出的結(jié)構(gòu)突變時(shí)點(diǎn)往往與一些重要經(jīng)濟(jì)沖擊事件相關(guān)，這些政策事件可能是波動(dòng)出現(xiàn)結(jié)構(gòu)突變的誘導(dǎo)因素。楊成（2009）通過(guò)修正ICSS算法檢驗(yàn)，可以發(fā)現(xiàn)我國(guó)證券市場(chǎng)波動(dòng)存在明顯的結(jié)構(gòu)變化。將結(jié)構(gòu)突變因素加入波動(dòng)率模型進(jìn)行比較后，可以發(fā)現(xiàn)含結(jié)構(gòu)突變的波動(dòng)率模型能更準(zhǔn)確地刻畫(huà)波動(dòng)率特征。姚宏偉，蒲成毅（2014）基于1996年12月至2013年7月間的日度時(shí)間數(shù)據(jù)，并加入異常值對(duì)方差的結(jié)構(gòu)突變檢測(cè)影響，運(yùn)用修正的ICSS算法發(fā)現(xiàn)滬深股市收益率的波動(dòng)分別出現(xiàn)了5次結(jié)構(gòu)突變，并且給出了與突變時(shí)點(diǎn)對(duì)應(yīng)的一些重大經(jīng)濟(jì)事件。

此外，很多學(xué)者利用Chow斷點(diǎn)檢驗(yàn)方法檢驗(yàn)時(shí)間序列波動(dòng)路徑和時(shí)間序列模型的結(jié)構(gòu)轉(zhuǎn)變點(diǎn)。例如：劉金全，金春雨和鄭挺國(guó)（2006）運(yùn)用Chow檢驗(yàn)、CUSUM檢驗(yàn)和CUSUM平方檢驗(yàn)方法研究我國(guó)通貨膨脹率的動(dòng)態(tài)變化路徑，發(fā)現(xiàn)我國(guó)通貨膨脹率序列具有明顯的結(jié)構(gòu)轉(zhuǎn)變特征。吳平勇，李佳和唐勇華（2007）選取1994至2006年第二季度的季度數(shù)據(jù)構(gòu)建貨幣需求函數(shù)，并利用Chow檢驗(yàn)驗(yàn)證了1998年為貨幣需求函數(shù)的結(jié)構(gòu)轉(zhuǎn)變點(diǎn)。

在上述文獻(xiàn)中，國(guó)內(nèi)外學(xué)者從不同的角度用不同的方法，對(duì)IPO周期現(xiàn)象做出了自己的研究。然而，這些對(duì)于IPO周期性波動(dòng)的研究大多集中于IPO周期的劃分和成因。中國(guó)IPO市場(chǎng)最突出特點(diǎn)是發(fā)展速度快，平均初始回報(bào)率高。中國(guó)IPO研究文獻(xiàn)集中在收益率、滯后期、定價(jià)效率以及IPO周期等方面，而研究IPO發(fā)行周期劃分和時(shí)間序列結(jié)構(gòu)轉(zhuǎn)折點(diǎn)的則不多。對(duì)于中國(guó)IPO數(shù)量的周期性波動(dòng)的研究，應(yīng)益榮、劉士杰（2004）采用相關(guān)分析，實(shí)證檢驗(yàn)了IPO熱銷(xiāo)的存在性問(wèn)題，指出中國(guó)股市的熱銷(xiāo)現(xiàn)象并不顯著，原因在于我國(guó)新股發(fā)行市場(chǎng)仍存在行政性過(guò)度干預(yù)、典型的賣(mài)方市場(chǎng)和監(jiān)管制度不完善等制約性的因素制約，但在中國(guó)上市制度由審批制向核準(zhǔn)制轉(zhuǎn)型之后，IPO熱銷(xiāo)現(xiàn)象逐漸形成（董曉林、高君，2008）。

那么，IPO的波動(dòng)性具有什么特征，是否主要受到政策和經(jīng)濟(jì)因素影響？以該問(wèn)題為核心，本文結(jié)合結(jié)構(gòu)突變的內(nèi)生和外生檢驗(yàn)方法，采用修正的ICSS算法，一方面探究IPO時(shí)間波動(dòng)路徑的結(jié)構(gòu)突變特性，確定發(fā)生突變的時(shí)間點(diǎn)；另一方面找出突變點(diǎn)對(duì)應(yīng)的政策經(jīng)濟(jì)事件，進(jìn)而提出相應(yīng)的政策建議。

本文的創(chuàng)新之處體現(xiàn)在以下幾點(diǎn)：（1）本文在研究IPO時(shí)間序列的波動(dòng)路徑時(shí)，加入對(duì)于結(jié)構(gòu)性轉(zhuǎn)變特征的研究。并且在研究結(jié)構(gòu)性轉(zhuǎn)變之前，剔除異常值對(duì)于結(jié)構(gòu)轉(zhuǎn)變檢驗(yàn)的影響。（2）本文選取IPO數(shù)量和IPO融資量作為變量，不僅考慮到了首次公開(kāi)發(fā)行公司數(shù)量的周期變化，同時(shí)考慮了單個(gè)公司的融資量的大小的變化。（3）本文同時(shí)運(yùn)用外生性和內(nèi)生性結(jié)構(gòu)性突變檢驗(yàn)方法。先用修正的ICSS算法計(jì)算出可能存在的結(jié)構(gòu)突變點(diǎn)，再利用Chow斷點(diǎn)檢驗(yàn)方法逐一確認(rèn)。

本文主要內(nèi)容安排如下：第一章引言，主要介紹研究背景和意義所在，給出文章的總體思路。第二章文獻(xiàn)綜述，介紹國(guó)內(nèi)外IPO周期波動(dòng)的研究理論，以及結(jié)構(gòu)突變檢驗(yàn)的方法演進(jìn)。第三章計(jì)量方法介紹。第四章實(shí)證分析。最后，第五章研究結(jié)果及討論，總結(jié)研究結(jié)果，并分析存在的不足和改進(jìn)的方向。

二、結(jié)構(gòu)突變檢驗(yàn)方法

結(jié)構(gòu)突變檢驗(yàn)方法可分為內(nèi)生性檢驗(yàn)和外生性檢驗(yàn)兩大類(lèi)。在結(jié)構(gòu)突變點(diǎn)已知的情況下，針對(duì)時(shí)間序列的生成過(guò)程，可以進(jìn)行結(jié)構(gòu)突變的單位根檢驗(yàn)，結(jié)構(gòu)突變的協(xié)整檢驗(yàn)。針對(duì)時(shí)間序列模型的穩(wěn)定性，可以運(yùn)用CHOW檢驗(yàn)、CUSUM檢驗(yàn)和CUSUM平方檢驗(yàn)等檢驗(yàn)方法確定在已知點(diǎn)是否出現(xiàn)結(jié)構(gòu)突變。

考慮到本文選取的數(shù)據(jù)時(shí)間跨度較大，數(shù)據(jù)較多，且數(shù)據(jù)結(jié)構(gòu)變化不夠明顯，使用內(nèi)生性檢驗(yàn)效率較低。因此，我們首先考慮外生性結(jié)構(gòu)突變檢驗(yàn)?zāi)Ｐ?。根?jù)Malik&Hassan（2004），Rapach & Strauss（2008）等指出的，通過(guò)ICSS算法檢測(cè)出的結(jié)構(gòu)突變時(shí)點(diǎn)往往與一些重要經(jīng)濟(jì)沖擊事件相關(guān)，這些政策事件可能是波動(dòng)出現(xiàn)結(jié)構(gòu)突變的誘導(dǎo)因素。因此，首先選取修正的ICSS算法計(jì)算IPO時(shí)間序列波動(dòng)路徑中的結(jié)構(gòu)轉(zhuǎn)變點(diǎn)。考慮到異常值的存在會(huì)影響ICSS算法的輸出結(jié)果，因此，在計(jì)算之前，我們首先提出數(shù)據(jù)波動(dòng)路徑中的異常值。

由于每一種檢驗(yàn)方法有其局限性，結(jié)合多種方法有利于提高結(jié)果的準(zhǔn)確性。因此，本文在修正的ICSS算法給出可能的結(jié)構(gòu)突變點(diǎn)的基礎(chǔ)上，引入內(nèi)生檢驗(yàn)方法-Chow斷點(diǎn)檢驗(yàn)。Chow檢驗(yàn)用于檢驗(yàn)?zāi)Ｐ偷姆€(wěn)定性，若存在斷點(diǎn)，則模型不夠穩(wěn)定。此時(shí)，斷點(diǎn)前后擬合模型得到的殘差平方和小于全樣本擬合模型得到的殘差平方和。因此，我們需要先建立回歸模型?？紤]到IPO時(shí)間序列的自相關(guān)性，我們選擇自相關(guān)模型進(jìn)行回歸，然后針對(duì)已知的斷點(diǎn)進(jìn)行Chow檢驗(yàn)。

（一）修正的ICSS算法

目前，Sanso、Arago&Carrion（2004）提出的修正ICSS算法下的結(jié)構(gòu)突變檢測(cè)方法在研究中應(yīng)用最為廣泛。該方法是在 Inclan&Tiao（1994）的基礎(chǔ)之上修正而來(lái)。Inclan&Tiao（1994）提出的檢驗(yàn)統(tǒng)計(jì)量IT為：

■（3.1）

其中，Dk=（Ck/CT）-（k/T），Ck=Σ■■e■■，k=1，2，，，T。k表示能夠最大化IT統(tǒng)計(jì)量的檢測(cè)時(shí)點(diǎn)；et表示t時(shí)刻下資產(chǎn)的百分?jǐn)?shù)收益率。假設(shè)et服從一個(gè)的獨(dú)立同分布過(guò)程N(yùn)～（0，σ20），檢驗(yàn)的原假設(shè)為et的無(wú)條件方差在k=1，2，…，T時(shí)刻下為一常數(shù)；備則假設(shè)為et在某一時(shí)刻無(wú)條件方差發(fā)生結(jié)構(gòu)突變。IT統(tǒng)計(jì)量可表示為■，■，其漸進(jìn)分布服從一個(gè)布朗橋（Brownian Bridge），且w（r）為一個(gè)標(biāo)準(zhǔn)的布朗運(yùn)動(dòng)。有限樣本下IT統(tǒng)計(jì)量的臨界值可通過(guò)Monte Carlo模擬方法給出。Andreou&Ghysels（2002）及Sanso、Arago&Carrion（2004）指出，當(dāng)et服從一個(gè)非獨(dú)立過(guò)程時(shí)IT統(tǒng)計(jì)量將被大幅高估，從而傾向于過(guò)度拒絕原假設(shè)。Sanso、Arago&Carrion（2004）進(jìn)一步修正了這一假定，允許et在原假設(shè)下服從一個(gè)GARCH過(guò)程，調(diào)整后的IT統(tǒng)計(jì)量（簡(jiǎn)稱(chēng)AIT統(tǒng)計(jì)量）為：

■（3.2）

其中，■ （3.3）

■ （3.4）

■（3.5） （3.6）

1-1-1（m+1）-1是Batlett Kernel的窗。調(diào)整后的AIT統(tǒng)計(jì)量漸進(jìn)分布supr|w·（r）|同樣是一個(gè)的布朗橋，有限樣本的臨界值也通過(guò)Monte Carlo模擬方法給出。

（二）Chow斷點(diǎn)檢驗(yàn)

在現(xiàn)實(shí)生活中，有時(shí)會(huì)由于某些重大的政策和制度變化或偶發(fā)事件，導(dǎo)致經(jīng)濟(jì)運(yùn)行機(jī)制或行為改變。對(duì)于計(jì)量經(jīng)濟(jì)學(xué)研究工作來(lái)說(shuō)，這種情況表現(xiàn)為模型的參數(shù)發(fā)生改變。如果在樣本資料所涉及的期間內(nèi)發(fā)生過(guò)這樣的情況，那么就有必要檢驗(yàn)?zāi)Ｐ蛥?shù)的穩(wěn)定性。Chow檢驗(yàn)考慮樣本是否包括了不同質(zhì)的組，即檢驗(yàn)不同組間的參數(shù)是否相同。

Chow轉(zhuǎn)折點(diǎn)檢驗(yàn)基于這樣一種思路：如果確實(shí)存在結(jié)構(gòu)變化，那么分別對(duì)結(jié)構(gòu)變化發(fā)生前和發(fā)生后的子樣本數(shù)據(jù)做回歸時(shí)得到的殘差平方和要小于利用全部樣本數(shù)據(jù)估計(jì)模型得到的殘差平方和。Chow轉(zhuǎn)折點(diǎn)檢驗(yàn)方法存在一個(gè)問(wèn)題，若某個(gè)子樣本包括的觀察值太少，那么可能無(wú)法用其估計(jì)子模型。此時(shí)可以考慮采用Chow預(yù)測(cè)檢驗(yàn)。

三、實(shí)證檢驗(yàn)

本章將利用第2章介紹的模型，選取變量，進(jìn)行實(shí)證分析。這里，本文結(jié)合內(nèi)生性結(jié)構(gòu)突變檢驗(yàn)—修正的ICSS算法，以及外生性結(jié)構(gòu)突變檢驗(yàn)Chow斷點(diǎn)檢驗(yàn)確定IPO數(shù)量和IPO融資量波動(dòng)路徑中的結(jié)構(gòu)突變點(diǎn)，檢驗(yàn)步驟如下：

第一，由于異常值的存在會(huì)影響ICSS算法的精確度，因此，本文首先剔除數(shù)據(jù)中的異常值，異常值的計(jì)算由EVIEWS 6.0軟件中的箱型圖給出。

第二，剔除異常值之后，本文運(yùn)用修正的ICSS算法計(jì)算出IPO數(shù)量和融資量波動(dòng)路徑中的突變點(diǎn)。修正的ICSS算法由GAUSS 9.0實(shí)現(xiàn)。

第三，在修正的ICSS算法給出的結(jié)構(gòu)突變點(diǎn)的基礎(chǔ)上，運(yùn)用外生性檢驗(yàn)方法，即Chow斷點(diǎn)檢驗(yàn)進(jìn)行逐一驗(yàn)證。

第四，進(jìn)行Chow斷點(diǎn)檢驗(yàn)之前，本文首先需要建立IPO數(shù)量和IPO融資量的自回歸模型，然后在回歸模型的基礎(chǔ)上進(jìn)行Chow檢驗(yàn)。如果Chow斷點(diǎn)檢驗(yàn)給出的結(jié)論與修正的ICSS算法一致，則確定該點(diǎn)為波動(dòng)路徑中的結(jié)構(gòu)突變點(diǎn)。Chow檢驗(yàn)有EVIEWS 6.0實(shí)現(xiàn)。

（一）數(shù)據(jù)來(lái)源和變量選擇

本文選擇滬深兩市首次公開(kāi)發(fā)行A股作為研究樣本，所采用的數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)和同花順iFind金融數(shù)據(jù)庫(kù)。為了確保模型效果的可靠并反映出IPO市場(chǎng)的特征，最終的研究樣本確定為 1994年1月至2012年10月間共計(jì)2370只首次發(fā)行A股。

Guo，Brooks and Shami（2010）在探測(cè)中國(guó)A股市場(chǎng)IPO熱銷(xiāo)冷發(fā)周期時(shí)將衡量IPO活動(dòng)的指標(biāo)分為四類(lèi)：IPO數(shù)量、抑價(jià)、市場(chǎng)風(fēng)險(xiǎn)和市場(chǎng)條件。而邵新建、巫和懋、覃家琦和王道平（2010）在其對(duì)IPO周期的研究中認(rèn)為使用IPO數(shù)量為指標(biāo)會(huì)忽略融資規(guī)模差異，故使用IPO融資量代替IPO數(shù)量為變量。因此本文選取IPO數(shù)量（Nt）和IPO融資量（Vt）作為變量，結(jié)合兩個(gè)變量的時(shí)間序列數(shù)據(jù)特性研究IPO周期和及其波動(dòng)的結(jié)構(gòu)突變特性。

（二）結(jié)構(gòu)突變檢驗(yàn)

1.初步確定結(jié)構(gòu)突變點(diǎn)—修正的ICSS算法。本文運(yùn)用修正的ICSS算法，分別對(duì)剔除異常點(diǎn)后的IPO數(shù)量、IPO融資量序列進(jìn)行結(jié)構(gòu)突變檢驗(yàn)。修正的ICSS算法由Gauss9.0軟件實(shí)現(xiàn)。輸出結(jié)果如下：

表1 IPO數(shù)量和IPO融資量的結(jié)構(gòu)突變點(diǎn)

■

本文通過(guò)結(jié)構(gòu)突變檢驗(yàn)發(fā)現(xiàn)，IPO數(shù)量出現(xiàn)了4次結(jié)構(gòu)突變現(xiàn)象，將樣本序列劃分為5個(gè)不同的機(jī)制（Regime）。分別為1997年7月、2004年5月、2009年9月以及2011年6月。IPO融資量總共出現(xiàn)了3次結(jié)構(gòu)突變，分別為2006年6月、2009年11月以及2011年10月。

2.結(jié)構(gòu)突變點(diǎn)檢驗(yàn)—Chow檢驗(yàn)。為了對(duì)ICSS算法給出的時(shí)間突變點(diǎn)進(jìn)行Chow檢驗(yàn)，首先建立IPO數(shù)量Nt的自回歸模型，根據(jù)Nt的自相關(guān)圖以及AIC和SC準(zhǔn)則，確定滯后階數(shù)為3；其模型擬合結(jié)果如表4.7。由表2可以看出，Nt的3階滯后自回歸模型的擬合程度較好，調(diào)整過(guò)后的擬合優(yōu)度為0.635。同時(shí)，變量的系數(shù)顯著地不為零。

表2 IPO數(shù)量自相關(guān)模型的擬合結(jié)果

■

在上述Nt的自回歸模型基礎(chǔ)上，逐一對(duì)ICSS算法給出的結(jié)構(gòu)突變點(diǎn)進(jìn)行Chow檢驗(yàn)。對(duì)第42個(gè)樣本數(shù)據(jù)，即1997年7月前后的子樣本數(shù)據(jù)做回歸時(shí)得到的殘差平方和，顯著地小于利用全部樣本數(shù)據(jù)估計(jì)模型得到的殘差平方。F統(tǒng)計(jì)量的伴隨概率為0.0261，小于置信水平0.05。因此，拒絕1997年7月不是結(jié)構(gòu)突變點(diǎn)的原假設(shè)。在時(shí)點(diǎn)1997年7月，修正的ICSS算法以及Chow檢驗(yàn)的結(jié)論一致，因此確定此點(diǎn)確實(shí)為一個(gè)結(jié)構(gòu)突變點(diǎn)。

同理，對(duì)第124、188、209個(gè)樣本的Chow檢驗(yàn)。根據(jù)后兩個(gè)時(shí)間點(diǎn)將總樣本分為兩個(gè)子樣本后，時(shí)間點(diǎn)后面的子樣本所包含的樣本量太小，不足以估計(jì)子模型。因此，這里我們選用Chow預(yù)測(cè)檢驗(yàn)驗(yàn)證這兩個(gè)時(shí)間點(diǎn)是否為結(jié)構(gòu)突變點(diǎn)。

檢驗(yàn)結(jié)果表明，IPO數(shù)量的時(shí)間序列一共存在2次結(jié)構(gòu)突變，分別是1997年7月和2009年9月。同樣地，建立IPO融資量的自回歸模型，選取4作為滯后階數(shù)。模型擬合結(jié)果如表3。

表3 IPO融資量的自回歸模型的擬合結(jié)果

■

由表3可以看出，模型的擬合程度較好，調(diào)整后的擬合優(yōu)度為0.687。變量的系數(shù)除了AR（2）外，均顯著地不為零。在Vt滯后4階的自回歸模型的基礎(chǔ)上，我們對(duì)ICSS給出的結(jié)構(gòu)突變點(diǎn)進(jìn)行Chow檢驗(yàn)。首先對(duì)第149樣本（即2006年6月）作為結(jié)構(gòu)突變點(diǎn)做Chow檢驗(yàn)，其前后的子樣本數(shù)據(jù)做回歸時(shí)得到的殘差平方和，顯著地小于利用全部樣本數(shù)據(jù)估計(jì)模型得到的殘差平方。F統(tǒng)計(jì)量的伴隨概率為0.000，小于置信水平0.05。因此，拒絕2006年6月不是結(jié)構(gòu)突變點(diǎn)的原假設(shè)。在時(shí)點(diǎn)2006年6月，ICSS算法以及Chow檢驗(yàn)的結(jié)論一致，因此確定此點(diǎn)確實(shí)為一個(gè)結(jié)構(gòu)突變點(diǎn)。同理，運(yùn)用Chow檢驗(yàn)，對(duì)第184個(gè)樣本（2009年11月）、第206個(gè)樣本（2011年10月）是否為結(jié)構(gòu)突變點(diǎn)進(jìn)行檢驗(yàn)。根據(jù)這兩個(gè)時(shí)間點(diǎn)將總樣本分為兩個(gè)子樣本后，時(shí)間點(diǎn)后面的子樣本所包含的樣本量太小，不足以估計(jì)子模型。因此，選用Chow預(yù)測(cè)檢驗(yàn)驗(yàn)證這兩個(gè)時(shí)間點(diǎn)是否為結(jié)構(gòu)突變點(diǎn)，Chow檢驗(yàn)結(jié)果拒絕2009年11月不為結(jié)構(gòu)突變點(diǎn)，而接受2011年10月不為結(jié)構(gòu)突變點(diǎn)的原假設(shè)。綜上IPO融資量時(shí)間序列存在兩個(gè)結(jié)構(gòu)突變點(diǎn)，分別是2006年6月和2009年11月。

（三）突變點(diǎn)對(duì)應(yīng)的政策或經(jīng)濟(jì)事件

確定了IPO數(shù)量和IPO融資量時(shí)間序列的結(jié)構(gòu)突變點(diǎn)后，我們考慮這些突變點(diǎn)是否由政策和經(jīng)濟(jì)事件引發(fā)。因此，我們?cè)谙卤碇辛谐隽诉@些結(jié)構(gòu)突變時(shí)點(diǎn)附近選取的一些重要經(jīng)濟(jì)沖擊事件。

IPO數(shù)量的結(jié)構(gòu)突變點(diǎn)為1997年7月和2009年9月。1997年7月2日，泰銖實(shí)行浮動(dòng)匯率制，東南亞金融危機(jī)拉開(kāi)序幕，與此同時(shí)，受到金融危機(jī)的影響，IPO從熱銷(xiāo)期轉(zhuǎn)為冷銷(xiāo)期。從1996年7月開(kāi)始一直到1997年7月，每月平均IPO數(shù)量為22個(gè)。然而1997年7月之后，一直持續(xù)到2000年，每月平均IPO數(shù)量?jī)H有大約8個(gè)。另一個(gè)結(jié)構(gòu)突變發(fā)生在2009年9月。從2009年開(kāi)始，我國(guó)的銀行體系開(kāi)始大規(guī)模開(kāi)閘放水，市場(chǎng)上充沛的流動(dòng)性可以從“天量信貸”的數(shù)字中看到，到了9月，我國(guó)信貸水平已從一季度的4.58萬(wàn)億漲到三季度的8.67萬(wàn)億。

IPO融資量的結(jié)構(gòu)突變點(diǎn)為2006年6月和2009年11月。2006年6月，暫停了11個(gè)月的IPO重啟。這一結(jié)構(gòu)突變點(diǎn)不能歸為政策或經(jīng)濟(jì)事件的沖擊造成。另一個(gè)突變點(diǎn)是2009年11月。這一突變點(diǎn)可能由油價(jià)金價(jià)的飆升觸發(fā)。2009年11月10日零時(shí)起，根據(jù)國(guó)家發(fā)改委要求，內(nèi)地上調(diào)汽柴油零售價(jià)，漲幅均為480元/噸。而黃金繼突破每盎司1000美元后，國(guó)際金價(jià)又站上了1100美元/盎司的高位。另外，10月底，中國(guó)創(chuàng)業(yè)板大幕正式開(kāi)啟，這也是造成11月發(fā)生結(jié)構(gòu)突變的一個(gè)重要原因。

四、研究結(jié)果與討論

本文選取1994年1月至2012年10月的IPO數(shù)量和IPO融資量的月度數(shù)據(jù)，運(yùn)用修正的ICSS算法初步給出可能的結(jié)構(gòu)突變點(diǎn)，接著根據(jù)Chow檢驗(yàn)，確定ICSS算法給出的點(diǎn)是否為結(jié)構(gòu)突變點(diǎn)。根據(jù)上述檢驗(yàn)過(guò)程，得到以下結(jié)論：首先，我國(guó)IPO數(shù)量以及IPO融資量的時(shí)間序列路徑確實(shí)存在結(jié)構(gòu)轉(zhuǎn)變性質(zhì)，而且在歷史時(shí)期均表現(xiàn)出兩次明顯的結(jié)構(gòu)轉(zhuǎn)變。這說(shuō)明在某些經(jīng)濟(jì)或者政策因素的沖擊下，IPO時(shí)間序列系統(tǒng)內(nèi)某些經(jīng)濟(jì)參數(shù)產(chǎn)生了明顯的變化，從而發(fā)生了結(jié)構(gòu)轉(zhuǎn)變。

其次，對(duì)于我國(guó)IPO數(shù)量的波動(dòng)路徑，修正的ICSS算法給出了4個(gè)結(jié)構(gòu)突變點(diǎn)，進(jìn)行Chow斷點(diǎn)檢驗(yàn)發(fā)現(xiàn)，IPO數(shù)量的波動(dòng)路徑確實(shí)存在的結(jié)構(gòu)突變有兩次，分別發(fā)生在1997年7月和2009年9月。同樣的，對(duì)于我國(guó)IPO融資量的波動(dòng)路徑，IPO融資量確實(shí)存在的結(jié)構(gòu)突變有2次，發(fā)生在2006年6月和2009年11月。

盡管中國(guó)經(jīng)濟(jì)總量已躍居世界第二，但中國(guó)資本市場(chǎng)的發(fā)展依然相對(duì)滯后。在金融自由化和全球化浪潮下，監(jiān)管者應(yīng)準(zhǔn)確把握金融市場(chǎng)的波動(dòng)特性及其時(shí)變特性。一方面，應(yīng)當(dāng)完善制度建設(shè)，通過(guò)出臺(tái)相關(guān)政策法規(guī)，從法理上規(guī)范資本市場(chǎng)的正常秩序。另一方面，在干預(yù)市場(chǎng)時(shí)，監(jiān)管者還應(yīng)密切關(guān)注國(guó)內(nèi)外宏觀經(jīng)濟(jì)形勢(shì)，評(píng)估這些沖擊因素對(duì)中國(guó)資本市場(chǎng)的影響，方可制定有效的政策方案來(lái)應(yīng)對(duì)其可能對(duì)中國(guó)資本市場(chǎng)。

參考文獻(xiàn)

[1]Ibbotson R，Jaffe F.“Hot issue”markets[J].Journal of Finance，1975，30（4）：1027-1042.

[2]胡志強(qiáng)，王一竹.新股發(fā)行周期波動(dòng)的Markov三區(qū)制轉(zhuǎn)換模型研究[J].統(tǒng)計(jì)研究，2013，（3）.

[3]邵新建，巫和懋，覃家琦，王道平.中國(guó)IPO市場(chǎng)周期：基于投資者情緒與政府擇時(shí)發(fā)行的分析[J].金融研究，2010，（11）.

[4]Chow，G.C.Tests of Equality Between Sets of Coefficients in Two Linear Regressions [J].Econometrica，1960，28：591-6051.

[5]Perron，P.（1989），The Great Crash，the Oil Price Shock，and the Unit Root Hypothesis，Econometrica，57，1361-1401.

[6]Andrews，D.W.K.Tests of parameter Instability and Structural Change with Unknown Change Point [J].Econometrica，1993，61：821-8561.

[7]Brown，R.L.，J Durbin，and J.Evans，Techniques for testing the constancy of regression relationship over time[J].1975，37：149-63.

[8]Blondell D，Hoang P，Powell J G，Shi J.Detection of financial time series turning points：a new CUSUM approach Applied to IPO Cycles[J].Review of Quantitative Finance and Accounting，2002，18（3）： 293-315.

[9]Inclan，C.and G.C.Tiao.Use of cumulative sums of squares for retrospective detection of changes in Variance[J].Journal of the American Statistical Association，1994，89（427）：913-923.

[10]Bai，Jushan.Least Squares Estimation of a Shift in Linear Process [J].Journal of Time Series Analysis，1994，15：453-721.

[11]Bai，Jushan.Estimation of a Change Point in Multiple Regression Models[J].Review of Economics and Statistics，November，1997，79：551-631.

[12]Bai，Jushan.，Robin L.Lumsdaine and James H.Stock.Testing for and Dating Common Break in Multivariate Time Series[J].Review of Economic Studies，1998，64：395-4321.

[13]欒惠德.帶有結(jié)構(gòu)突變的單位根檢驗(yàn)——文獻(xiàn)綜述[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007，（3）.

[14]王成勇.結(jié)構(gòu)突變模型研究的新進(jìn)展[J].統(tǒng)計(jì)與決策，2008，（20）.

[15]Malik，F(xiàn).and S.A.Hassan.Modeling volatility in sector index returns with GARCH models using an iterated algorithm [J].Journal of Economics and Finance，2004，28（2）：211-225.

[16]Rapach，D.E.and J.K.Strauss.Structural breaks and GARCH models of exchange rate volatility[J].Journal of Applied Economics，2008，23（1）：382-416

[17]楊成.我國(guó)證券市場(chǎng)結(jié)構(gòu)突變與波動(dòng)性實(shí)證研究[J].南京師大學(xué)報(bào)（社會(huì)科學(xué)版），2009，（3）.

[18]姚宏偉，蒲成毅.股票市場(chǎng)的波動(dòng)性存在結(jié)構(gòu)突變嗎——來(lái)自滬深股市的實(shí)證分析[J].貴州財(cái)經(jīng)大學(xué)學(xué)報(bào)，2014，（2）.

[19]劉金全，金春雨，鄭挺國(guó).我國(guó)通貨膨脹率動(dòng)態(tài)波動(dòng)路徑的結(jié)構(gòu)性轉(zhuǎn)變特征與統(tǒng)計(jì)檢驗(yàn)[J].中國(guó)管理科學(xué)，2006，（1）.

[20]吳平勇，李佳，唐勇華.中國(guó)貨幣需求函數(shù)的Chow檢驗(yàn)[J].統(tǒng)計(jì)與信息論壇，2007，（2）.

[21]應(yīng)益榮，劉士杰.我國(guó)股票IPO熱銷(xiāo)市場(chǎng)的實(shí)證研究[J].江西師范大學(xué)學(xué)報(bào)，2004，（3）.

[22]董曉林，高君.我國(guó)股票市場(chǎng)IPO熱銷(xiāo)現(xiàn)象的實(shí)證研究[J].投資研究，2008，（9）.

[23]Sanso，A，V Arrago，J.L.Carrion.Testing for change in the unconditional variance of financial time series[J].Revistade Economia Financiera.2004（4）：32-53

[24]Andreou，E.and E.Ghysels.Detecting Multiple Breaks in Financial Market Volatility Dynamics [J].Journal of Applied Econometrics，2002，17 （5）：579-600.

[25]Guo，H.，Brooks，R.，& Shami，R.2010）.Detecting hot and cold cycles using a Markov regime switching model-Evidence from the Chinese A-share IPO market.International Review of Economics and Finance，19（2），196-210.

作者簡(jiǎn)介：胡志強(qiáng)（1962-），男，漢族，湖北漢川人，任職于武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院，研究方向：資產(chǎn)定價(jià)，金融工程；狄晨晨（1989-），女，河北唐山人，武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院金融工程系碩士研究生，研究方向：資產(chǎn)定價(jià)，IPO理論；張卓然（1993-），女，漢族，湖北武漢人，武漢大學(xué)金融工程系本科生，英國(guó)帝國(guó)理工學(xué)院計(jì)算金融碩士研究生，研究方向：資產(chǎn)定價(jià)，IPO理論。