时间：2023-05-31 09:09:52
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇创业板指数，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
中图分类号：F224 文献标识码：A 文章编号：1009-914X（2016）16-0321-02
一、实证分析
（一）样本选取
本文考察样本区间为2012年1月――2014年9月，共33个月度数据，选取反应创业板市场运行情况的创业板指数（399006），反应实体经济运行的采购经理人指数（PMI）。其中创业板指数采用创业板月末收盘指数的环比增长率；PMI采用由国家统计局统计并对外公布的制造业PMI的环比增长率。本文所有数据均采用Eviews6.0计量经济学软件进行数据处理。
（二）数据平稳性检验
在经济分析中，变量时间序列的平稳性检验是进一步分析的基础。采用扩展的迪基-福勒检验（ADF）进行单位根检验，检验结果如表1。由检验结果可以看出，无论是PMI增长率还是股指增长率都是平稳的。
（三）回归分析
使用最小二乘法对股指增长率与PMI增长率进行回归分析。结果显示R2仅为0.05，表示当期的PMI环比增长率和当期的创业板收益率几乎毫无关系。因此，考虑PMI的时滞，引入VAR模型。
（四）VAR模型
引入VAR模型，试图考虑滞后期影响。模型结果显示，引入滞后期后，R-squared为0.87，模型解释力较好。以下是部分模型结果：
（五）VAR模型稳定性检验
特征根的倒数的模全部小于1，表明VAR模型稳定。检验结果如下所示：
（六）格兰杰因果检验
结果表明在股指方程中，PMI变动率构成对股指变动率的格兰杰因果关系，而在PMI变动率中股指不构成对PMI的格兰杰因果关系。
（七）脉冲响应函数
PMI环比增长，股票收益率在第受到冲击后1个月内上升，后来2-4期回调，4-7月后又上升，从第7期回落，第8期有一个明显的波谷，第9期回调，到13期以后回归。
（八）方差分解
股票收益率变动方差由PMI解释的部分逐渐上升，到底8期达到峰值，有60%左右可以由其解释。
二、实证检验结果与解释
第一，PMI与创业板指数相关性很高，确实对创业板指数有很大的影响。PMI通过3个方面对创业板指数变化产生影响，分别是工业增加值、行业利润总额和工业行业出货值。前面我们分析得出，PMI与工业增加值、工业行业出货值存在很强的正相关关系，直接影响了创业板指数的增长。
第二，PMI对创业板的影响，存在滞后性。通关我们的回归分析，大致存在8个月的滞后性。原因在于，PMI对于创业板的影响存在4个主要的传导机制，包括工业增加值、主营业务收入、工业行业出货值和生产者价格指数。从PMI与工业增加值增长图看出，二者相关系数很高，保持在0.82，说明两者有着较好的关联性。PMI 指数体系中的购进价格指数与生产资料环比价格指数进行对比分析研究。从图3可以看出，二者之间走势基本相同。定量研究表明二者之间存在较强的相关性，相关系数为0.77。工业行业出货值环比增长率的变化与PMI的变化相近。定量研究表明二者之间具有较强的相关性，相关系数达到0.815。这说明透过生产量指数的变化可以较好地预测工业总产值增长率的变化。但是从主营业务收入与PMI的散点图看出，PMI对主营业务收入的领先性不是很明显。虽然从相关系数看，平期相关系数远低于领先1期的相关系数，但在图形上观察，二者波峰波谷的错位波动确实存在一定的提前量，尤其是低估和高峰时期，PMI显示了较好的领先性。
参考文献
[1] 蔡进，解读PMI：走在市场之前[M]，化学工业出版社，2011.
【关键词】量价关系 午后效应 短线波动
一、研究背景及样本选择
许多学者的相关研究发现，我国股市可能连弱有效市场的阶段都没有达到。这也就表明：股票的价格及成交量信息是有价值的，可以通过观察其规律获益。而随着大数据时代的来临、技术分析的普及以及量化概念的兴起，投资者及学者们观察量价关系的视角越来越短，而事实也证明，量价关系确实在短周期视角下呈现出独特的规律，研究空间很大，短周期交易也存在诸多机会。
根据笔者对创业板指数的观察，如果午后开盘半小时的成交量要明显大于上午收盘前半小时的成交量，那么股价往往会在下午呈现较大的波动性，且上涨的可能很大，笔者把此现象定义为“午后效应”。从现象本身出发，笔者选取了创业板从成立至2013年7月底的量价数据，以1分钟及30分钟为跨度提取，研究创业板指数的“午后效应”。
二、“午后效应”的实证检验
（一）成交量特征与收益波动大小的关系
首先，分类样本。由于量存在趋势，因此不使用绝对指标，而使用相对指标，以午后半小时成交量较午前半小时成交量变化率为考量，将样本分为“大幅增加”、“基本不变”、“大幅减少”三个子样本，先进行对比，再拉出“大幅增加”样本单独进行分析，成交量变化率由：
Cv=■ （1）
表示与计算。
其次，定义波动。研究波动性的时段范围定在午后半小时之后，即1：30到3：00的时间区间，为了更为简化与直观，本小节将收益波动定义为在时间区间内每一分钟价格的变化，即：
σp=Pt-Pt-1 （2）
从后期收益与波动角度看，分别计算三个样本区间各自的均值，得到表1：
表1 成交量变化与后期收益波动大小关系分析
由表来看，“大幅增加”样本区间的收益变化均值为6.87，远远大于其他两个样本区间，这表明当午后成交量相比午前迅猛放大的情况下，之后盘面的平均涨幅可以达到6.87点，这不单单表明在此情况下的总的波动性是比较大的，更表明波动可能具有方向性。
而从超短周期看，“大幅增加”样本下的每分钟波动绝对值之和的均值要高于其他样本，这表明午后半小时量能的放大会导致后盘产生较大的波动，比量能没有放大的情况平均多出12到14点的总点数波动。事实上，一些极端样本，比如后盘每分钟波动绝对值之和大于100点的样本，以及虽没过百但也远超均值的样本，大多也在“大幅增加”区间中。
进一步看，无论是波动的标准差还是波动绝对值的标准差，在量能放大的情况下都是属于较高的，因为1分钟平均产生的波动也只在1点左右，而其标准差却达到了0.57和0.39，这说明超短期视角下，量能的放大虽然导致了后盘的波动放大，但这种大的波动或许存在较高的不确定性，这一问题将在第三小节中深入分析。
综上所述，“午后效应”初步来看是存在的。
（二）简单统计及特殊样本点分析
基于上一小节，本小节将拉出“大幅增加”的样本，对Cv与后盘收益及波动的关系作进一步探讨。
对样本做简单的概率统计发现，一旦“午后效应”出现征兆，即午后成交量较午前明显放大，后盘即1：30到3：00盘面上涨的概率达到了77.3%，而一旦确认为上涨，其上涨幅度超过10点的概率达到了56.3%，超过15点的概率达到了25%。这无疑是较为可观的“胜算”。
而在样本中，有几个样本点值得我们关注。第一个点是2010年7月2日，也就是创业板成立不久，那一天指数下探到832.62，成为了一个中长期底部，之后指数开始了长达半年的上攻，直指1239.60点。而在那一天，午后半小时的成交量较午前放大了50%，虽然这在样本中并不算大，但关键是后盘直接上涨了32.21点，是样本区间中最高的，而其波动绝对值之和也达到了90.58点，是样本中的第二高。这表明午后多空开展了激烈的搏杀，而在态度与实力见分晓后，多头在下午开始了猛烈的反攻，空头虽顽强抵抗，但最终仍然以多头大获全胜告终。
另外两个值得关注的样本点是2011年5月24日以及2012年9月27日，它们都是午后成交量极端放大的样本，分别放大了334%和149%。从宏观K线看，它们有许多共同点，比如它们出现的前一天都是一根没有上下影线或上下影线很短的大阴线，而它们出现当天都是一根没有上下影线或上下影线很短的大阳线；它们出现当天都有微小的放量，但放得不明显；它们离中期或长期的底部都有较长的距离，即它们的出现并没有改变中短期的下降趋势。从“午后效应”角度看，极端的放量并没有带来后盘较大的收益以及波动，收益变化分别为1.54点和-1.44点，波动绝对值之和分别为26.05点和24.61点，勉强与其他两个样本的均值持平。一方面，这说明了Cv大小与后盘的收益波动大小不存在线性关系。另一方面，这也表明若“午后效应”的征兆来得太强烈，反倒会遏制“午后效应”的产生。多头在午后半小时态度虽坚定，但实力不足且消耗过快，导致后盘盘面冷清，进而无法改变短期的下降趋势。
从这一小节我们可以发现，“午后效应”虽在总体上被验证，但Cv大小与后盘的收益及波动大小并不存在“越大越大”的关系，甚至有悖离的可能。把Cv与收益及波动大小作为整体的“午后效应”来看，若“午后效应”得以完整且明显地出现，那很可能会带来短期或中长期反转的出现，反之亦然。由此可见，1：30到3：00这一时段的波动性及收益也是“午后效应”的重要焦点，下一小节正是着眼于这一时段的波动性及收益，从而将波动聚集性与Cv的关系纳入考量。
（三）Cv与后盘波动聚集性的关系
正如第一小节中所述，大的Cv可能会导致1：30到3：00盘间大的波动性，但这种波动可能存在某种不确定性，本小节就试图将这种不确定性量化，即探究此间波动的聚集性。
依然以对比分析为切入点，将样本分为“大幅增加”、“基本不变”以及“大幅减少”三个区间，在“大幅增加”中随机选出8个样本，在其他两个区间中各随机选出4个样本，依次建立GARCH模型，再观察与对比各估计参数。由于本小节探究的是区间之间的总体对比特征，因此不选择上述的特殊样本点，即在没有极端“增量”或极端大波动的样本中选择。建模与估计都使用eviews6.0操作完成。以下先以一个样本为例阐述建模过程，选取的2011年10月24日这一样本点，其午后放量较午前增加92.3%，虽不极端，但也很大，其后盘波动属中等水平。
对于连续的指数，一般采用一类特殊的单位跟过程——随机游动（Random Walk）描述，形式为：
Pt=Pt-1+εt （3）
将Pt与Pt-1作回归，对其残差序列做滞后9阶（观测值91个）的Q统计量检验，得如下结果：
表2 Pt与Pt-1回归残差的Q统计量检验
结果显示，1到9阶Q统计量的P值均为0，表明残差不独立，存在显著的高阶ARCH效应，这从自相关与偏自相关图中也能明显看出。由此，引入GARCH（1，1）模型：
Pt=Pt-1+εtht=α0+α1ε2t-1+θ1ht-1 （4）
估计结果如下：
表3 GARCH模型拟合结果
从拟合结果看，P（-1）的估计系数近似等于1，表明是单位根过程，而R2达到了0.96，AIC和SC都较小，α1+θ1
进一步对新模型的残差做LM检验，得如下结果：
表4 GARCH模型残差的LM检验
结果显示，LM的统计量Obs*R-squared的相伴概率为0.5，远大于0.05的显著性水平，因此不能拒绝原假设，残差不存在ARCH效应。
综合来看，GARCH（1，1）模型较好的反应了1：30到3：00时段指数的波动过程。事实过程中，笔者还进一步尝试了在条件方差方程中引入每分钟成交量V作为外生变量去拟合方程，拟合结果的AIC和SC值较原GARCH模型都是相似的，但新模型的LM检验拒绝了原假设，效果不理想。因此笔者仍然选用条件方差方程中不加入成交量的GARCH模型为主要模型，对另11个样本依次进行拟合，结果如下：
表5 各样本GARCH模型拟合结果
表5中选取的样本是剔除极端样本后在各区间纯随机选取的，但其中我们依然可以看到一些规律特征。比较有意思的是，“大幅增加”和“大幅减少”区间较“基本不变”区间来说，其指数随机游动的残差具有更显著的高阶ARCH效应，然而，从GARCH（1，1）模型拟合的AIC和SC数值看，“基本不变”区间的样本反倒要普遍小于其他样本区间，这说明GARCH（1，1）模型对其拟合效果更好，换而言之，GARCH（1，1）模型可能不是指数波动拟合的最优模型，起码对所有样本而言。但这并不对分析构成影响，就每个样本本身而言，除去2012年1月17日的样本外，拟合效果都不错，参数的约束条件都符合要求，模型的R2都在0.9以上，其残差的LM检验也都通过了。
从参数估计的结果可以明显看出，α1估计值的绝对值在“大幅增加”区间中都是偏大的，要明显大于其他两个样本区间的|α1|；反过来，在“基本不变”与“大幅减少”区间中，θ1估计值的绝对值都大于|α1|，相比于“大幅增加”区间的|θ1|也高出不少。事实过程中，α1是随机扰动项ε2之前的参数，而θ1是滞后项ht-1前的参数，这就表明：“午后效应”带来的后盘波动虽然较大，但波动聚集性的确定性较小，即影响波动的因素主要是在于随机项ε2。由此可见，“午后效应”1：30至3：00的盘面很难走出上下震荡的“喇叭”型、“反喇叭”型或一路向上（向下）的形态，而更多的可能是间歇性“跳动”的走势。这些间歇性的“跳动”恰恰反映出新生力量的介入，这些新生力量并非盯盘操作的“存量”玩家，而是被午后放量吸引的“增量”玩家，这也就解释了“午后效应”带来的不单单是波动，更可能是收益的历史情况。
三、结论
通过统计分析，“午后效应”的现象被证明是基本存在的。也就是说，在理想条件下，如果一个普通投资者发现午后成交量迅速放大并选择入场，那么他盈利的可能性很高。当然，条件是创业板存在股指期货、短线交易的成本要足够低，并且有时间去盯盘等等。
而从时间序列模型探索波动性的结论看，午后放量所带来的后盘股价走势更有可能是“间歇性”跳跃的，这也就代表午后放量可能吸引了“增量玩家”进场。如果要进一步探究原因，其可能是由于在信息不对称下各投资者间博弈而做出跟风选择的结果，也可能是由于投资者存在启发式偏误而导致的行为的结果。当然，在大数据时代，很多时候无需揣摩“为什么”，而只需了解“是什么”。本文也希望借由探索市场规律的切入在投资理念上做一个“抛砖引玉”，希望未来有更多从短周期视角做量价关系规律探索的研究。
创业板牛市、主板熊市
2012年12月4日，上证指数创下阶段性低位1949点“解放底”之后开始反弹，中小板指数、创业板指数亦是在同日见底。从图1可以看出，在反弹初期，三个指数走势还基本吻合，但2013年2月份后，三大指数走势开始明显分化，创业板指数走势强于中小板指数，中小板指数走势强于上证指数。截至8月13日收盘，创业板指数在这一轮行情中累计上涨95.13%，中小板指数累计上涨38.45%，上证指数仅上涨6.63%。难怪有投资者形容，如今的A股市场既不是牛市，也不是熊市，而是不同指数上蹿下跳的猴市。
剔除长期停牌后重组复牌的股票，今年以来涨幅最大的10只股票中有6只创业板股票、1只中小板股票、3只主板股票。而三家主板公司中，冠豪高新与广誉远均涉及重组。可见，创业板才是今年牛股最主要的集中地。
转型期的结构分化
我们认为，创业板牛市、主板熊市的二元结构有一定的合理性。当前中国经济处于转型期，以往依赖投资拉动的增长模式难以为继，市场预期未来中国经济增速将会持续放缓，这就造成了代表传统行业的上证指数走势偏弱。而市场活跃资金更青睐代表经济转型方向的创业板公司。于是，创业板公司获得了成长性溢价。在业绩没有明显增长的情况下，估值水平大幅提升。
经济转型期带来的结构性分化可以在一定程度上解释当前中国股市这种两极分化的表现。
此外，基金二季报显示，基金对创业板股的青睐程度空前——绝大多数主动偏股型基金重仓创业板股票，甚至部分基金的前十大重仓股中有5只以上创业板的股票。可以看出，基金是推动创业板公司股价大幅上涨的最重要动力。
事实上，美国股市也曾经过转型期的结构分化。东方证券分析师邵宇指出，在上世纪70 年代，美国经济也经历了潜在增速下降阶段和转型期，这与今天的中国非常类似。以标普500 为大盘股样本指数，纳斯达克为小盘股样本指数，在潜在增速下降初期阶段跑赢大盘股，而在转型的中期则大幅跑输，在成功转型后又再次跑赢，整个阶段来看表现出的更多是小盘股的高弹性。
上证指数“失真”
此外，上证指数编制方法导致上证指数走势存在一定程度的失真，并不能真实反映市场走势。
资料显示，上证综合指数，是上海证券交易所编制的，以上海证券交易所挂牌上市的全部股票为计算范围，样本股的发行股本数为权数进行加权计算的综合股价指数。计算公式为：报告期指数=报告期成份股的总市值/基 期×基期指数；其中，总市值 = ∑（市价×发行股数）。
截至2013年8月13日，在上证指数前20大权重股权重合计高达45.06%，其中第一大权重股中国石油占9.27%。前十大权重股中，包括6只金融股、“两桶油”以及中国神华和贵州茅台。而从上证指数行业分布看，金融服务行业占上证指数权重的32.77%，采掘行业占13.78%，化工行业占6.22%。可见，上证指数构成表现出非常高的行业集中度。金融股以及周期性行业走势对上证指数影响极大，这就导致了上证指数虽然名为上证指数，却表现失真，不能真实反映上海市场上市公司走势全貌。
反观创业板指数，则是从创业板股票中选取100只组成样本股，反映创业板市场层次的运行情况。创业板指数样本股调整每季度进行一次，以反映创业板市场快速成长的特点。创业板指数采用派氏加权法编制，采用下列公式逐日连锁实时计算：
实时指数=上一交易日收市指数*Σ（成分股实时成交价*成分股权数）/Σ（成分股上一交易日收市价*成分股权数），其中，“成份股”指纳入指数计算范围的股票，“成份股权数”为成份股的自由流通量，子项和母项的权数相同。子项中的乘积为成份股的实时自由流通市值，母项中的乘积为成份股的上一交易日收市自由流通市值，Σ是指对纳入指数计算的成份股的自由流通市值进行汇总。
二元结构长期存在 短期或有修正
展望未来，我们认为A股市场的二元结构或将长期存在。一者，中国经济的结构转型是一个漫长的过程，传统行业增长速度将远远慢于新兴产业。未来，新兴产业占A股市场比重将呈现持续上升的趋势。
按照Wind资讯汇总的创业板指数营业收入及净利润历史值及预测可以看出，2010-2012年，创业板指数对应的营业收入及净利润呈现稳步增长格局，机构预计2013-2015年仍将保持较快增长。预计2015年，创业板指数样本公司合计可以达到1870亿元的营业收入和324亿元的净利润。
21日晚间，应监管层要求，9家创业板公司包括蓝色光标、三聚环保、华谊嘉信、欧比特、中威电子、乐视网、拓尔思、天玑科技、银信科技，集体发风险提示公告。市场人士曹山石在微博中认为，“创业板大宗交易癫狂”。
这或许成为创业板估值泡沫破灭的信号。受此消息影响，22日创业板开盘价跌至1067.44点，早盘一路震荡，最低下探至1043.82点，截至22日上午11时30分，虽略有回升，早盘以1054.16点报收，仍下跌1.81%。
武汉金领域投资咨询有限公司首席分析师黄伟在接受时代周报记者采访时表示：“前期隐性利好埋伏不少，便于创业板题材炒作，创业板指数前期已大幅度拉高，目的在于为高位减持创造比较好的市场氛围。”
创业板一路上行
今年以来，相比大盘指数总体冲高回落的趋势，创业板虽有震荡，但却一路上行，5月份更是强劲上冲，15日创业板指数重返千点之上，打破了近两年的最高纪录。在接下来连续的5个交易日中，除了16日略现小幅下跌之外，创业板指数继续呈现上扬趋势。那么，创业板大涨背后的原因何在呢？
金融界首席分析师赵欢称，创业板之所以大涨，其根本原因是资金推动引起的供求关系变化，大量短线资金涌入做多引发了本轮创业板大涨的行情。从技术面来看，创业板指数已经逼近了2010年的历史高位，而罕见的月K线6连阳形态也已一举解放了很多在创业板中长期被套牢的投资者。在解套筹码和巨额解禁筹码的抛压之下，短线资金开始大量兑现获利盘，后市投资者应该警惕创业板指数随时出现回调。
相关数据显示，5月份共有29家公司16.26亿股限售股解禁，解禁市值超过350亿元，而5月份全部限售股解禁的解禁数量和解禁市值在5月下旬的18、25、28日三日达到最高。解禁潮汹涌而至，创业板回调压力骤增。
对于限售股可流通，赵欢认为，一方面，为了能让抛售的价格高一些，限售股的相关利益方会想办法将股票价格做上去，这是利好；另一方面，限售股流通会增加市场的抛压，也就又变成了利空。
上海鸿帆投资首席分析师余荩说，为了避免减持对股价产生较大的负面影响，上市公司的减持一般都通过大宗交易进行，这样使得减持的量都是可控的，所以在大盘稳定的前提下，也不会对股价造成太大的冲击。这里需要重点指出的是，在大盘低迷、股东又急于套现的前提下，股价下跌的概率是很高的。
股东套现频繁
创业板指数重返千点之上，给公司大股东、高管减持套现提供了良好的时机。
5月份以来，由创业板上市公司披露的减持公告从不间断。据时代周报记者统计，截至5月22日凌晨，有28家创业板上市公司了41则相关减持公告，其中银禧科技四次公告减持，总共减持比例9.531%；华平股份、新宁物流均三次公告减持，总共减持比例分别为7.9%、7.57%。此外，数码视讯、翰宇药业、海伦哲、欧比特和天龙光电也曾两次减持公告。
据曹山石统计，2010年-2012年创业板大宗交易数据大概分别为4亿、159亿、187亿元；而截至21日收盘，2013年为168亿元，其中5月已高达58.6亿元，环比增幅322%，创四年来单月新高。
创业板市值排名第一，总市值334.08亿元的上市公司碧水源，5月9日公告称，公司副董事长刘振国通过大宗交易平台，以53.56元/股的均价出售了600万股公司股票，占总股本的1.08%。同样是5月9日，市值排名第二的乐视网公告，一机构席位抛售了308万股，套现1.35亿元。而此前，乐视网股东曾通过银河证券北京中关村大街营业部分两次抛售了约448万股股份，套现1.93亿元。
创业板解禁，对创业板会形成一定压力，但其中也存在着不少投资机会。解禁后部分符合创业板特征、高增长的有分红潜力的个股将迎来较好介入良机。
赵欢认为，创业板公司平均市盈率高达几十倍，其上市时即存在较大溢价，更直白地说，上述公司存在估值泡沫，虽然上市以来股价下跌已经挤出了不少泡沫，仍难言安全。而且作为创业板上市公司的原始股东，仍然有足够的动力进行减持，将“纸上富贵”落袋为安。
风险指数高悬
截至21日，创业板的动态市盈率已超过44倍，明显高于中小板和深沪两市。数据显示，中小板的动态市盈率为32.43倍，深市和沪市更是分别低至27.13和11.83倍。虽然市场普遍认为创业板上市公司具有高成长性，但其估值却远远高于市场平均水平，这究竟是否合理？
赵欢向记者表示，目前大多数创业板公司的盈利水平和高市盈率并不匹配，加上近期创业板个股被疯狂炒作，创业板将成为股东们的“套现板”。未来应该从两个方面去努力：一是制定合理的发行价以及上市溢价的幅度，二是应对持股人的减持限制进一步细化。否则高管接连通过创业板这个平台来套现，将完全失去创业板设立的初衷。
创业板的高估值并没有高业绩作为后盾，其高估值风险不禁让投资者担忧。多位业内人士表示，创业板高估值泡沫将不可持续，未来将会出现大幅回调。21日晚间9家创业板公司集体风险提示公告或许成为创业板泡沫终将破灭的信号。
黄伟称，估值来源于盈利和成长性。对于成长性公司，估值高未必是坏事。创业板的属性是在于缔造一些比较好的大公司苗，这是与主板最大的区别。高成长性、高潜力、高预期是创业板好公司的特征，以此为标准来判断估值可能比较合适。
经济减速周期股受压
创业板指数之所以能有这样的升势，与今年以来股市的成长股行情有着极大关系。
今年以来，中国经济的复苏势头似乎有所减弱，不仅一季度宏观经济数据弱于市场预期，而且进入4月后，经济也没有出现更大起色。4月份的PMI和PPI环比均出现下跌，4月份PPI 环比下降了0.6%，从历年4月份PPI环比增速来看也创下新低。从PPI趋势环比增速来看，从去年12 月份以来一直处在下滑通道中，在今年年内每个月均为负数，降幅也逐月增加。而4月份PPI同比-2.6%，不仅远低于市场预期，也创下2012年11月份以来新低，连续14个月负增长，持续时长也创新高。
经济增长的放缓在行业上就会有所体现。建材水泥、钢铁、有色、煤炭等强周期行业低迷持续，业绩继续下行。在股市上，周期性行业股票被抛售，股价阴跌绵绵。
与此同时，股市资金面仍保持较为宽松的局面。今年欧、美、日等发达经济体采取宽松货币政策，全球系统性金融风险爆发的概率下降，中国面临资本流入的压力，人民币汇率持续升值，国内流动性呈现充裕状态。在周期股难有作为的情况下，充裕的流动性就会流向成长股，使得成长股的估值不断提升，导致部分成长性良好的龙头股票不断创新高，又引发各路资金全面追捧。
就连一直以来不太关注创业板的社保基金在今年一季度也大举买入创业板个股。今年一季度社保基金对创业板总持股量较去年四季度增加5680万股，增幅达36%。从个股来看，聚飞光电、华策影视、汇川技术、洲明科技、卫宁软件等今年表现突出的个股背后均有社保基金身影。QFII基金今年一季度也增持了461万股创业板股份，持股量较去年四季度增加了25%。QFII在一季度新进或增持了中颖电子、德威新材、新天科技、长荣股份、锦富新材等创业板个股。但在同期，基金对创业板进行了大比例减持，环比下降8.68亿股，降幅29%。
追捧成长性
“创业板上涨不能简单地说是炒作，它上涨有着内在理由。主板市场多数公司和大经济环境关联度更高，而创业板多数是轻资产公司，这一轮涨得多的主要是TMT行业，它们与经济周期的关联度较小，在经济转型背景下这些公司景气度颇高。同时，带动创业板指数的主要是TMT板块的优秀公司。高科技板块对于股指会产生带动作用。”市场分析人士表示。
从行业来看，70多只创历史新高的创业板个股，主要集中在科技、医药和医疗设备、机械板块，行业集中度比较高，尤其是科技细分行业互联网和消费电子。比如视频娱乐龙头乐视网。从4月1日至5月16日，股价累计上涨61%。触摸屏龙头长信科技也表现抢眼。这是由于互联网和消费电子具有较强的消费属性，以智能手机为代表的科技产品大范围普及，行业内的公司业绩出现大幅增长。
名词解释：TMT行业：TMT（Technology，Media，Telecom）行业是科技、媒体和电信三个英文单词缩写的第一个字头，整合在一起。实际是以互联网等媒体为基础，将高科技公司和电信业等行业链接起来的新兴行业。TMT行业的特点是信息交流和信息融合。
从去年开始，国家对环保行业加大扶持力度，陆续出台相关的鼓励政策，给环保行业带来良好的发展机遇，比如津膜科技今年一季度净利润预增33%，吸引了市场资金的关注。
除了良好的基本面外，股价的上涨也与其高送转题材有很大关系。泰格医药10转10派8，在除权前走出了一波连续的抢权行情，涨幅最大约36%。其他几只涨幅较大的个股也有不同程度的送转。
不过，并不是所有创业板股票都能跑赢市场，创业板股票的市场表现也出现分化。统计显示，在355家创业板个股中，涨幅100%以上的有56家，其中最高为光线传媒上涨274%。涨幅超过创业板指数的共95家，也就是说，有26.8%的创业板个股跑赢板块指数。另外，从去年12月4日至今，上证指数从1975点涨至2305点，涨幅为17%，而创业板个股涨幅逊于上证指数的30家，另有1家下跌——日科化学下跌13.89%，即有8%的创业板个股连大盘也没有跑赢。
创业板涨幅最大的10只个股，有7家为业绩高增长的公司，如涨幅第一的光线传媒，一季报业绩增长了317%。但不可否认，在这一轮涨势中有相当部分个股属借题炒作。如，创业板市值第一的碧水源，目前总市值达334亿元，而其2012年净利润仅5.62亿元，静态市盈率高达61倍，一季报净利仅有1250万元。又如，天喻信息，股价从9元炒到最高22元，主要靠10转送5题材支撑。虽然说其是移动支付概念，但一季报显示，由于电子支付智能卡等产品大幅增长，公司营收增长87.41%，但营业成本也上升80.95%，以至于每股收益仅0.03元，目前动态市盈率逾92倍。更有一季报亏损、中报或续亏的东方财富，5个多月涨幅居然达221%，堪称疯狂炒作的典型。
新兴产业前景可期
作为被看成是中国的纳斯达克，创业板设立两年来并不顺利，从曾经上市的风光无限到业绩一落千丈，包装上市和估值泡沫始终是其最大的诟病。那么，千点之后的创业板是否发生新的变化？创业板目前的“盛宴”是否还能持续？
有业内人士认为，从美国纳斯达克的经验看，新兴产业的波动总是比传统产业大，但新兴产业的发展总是超越传统产业，因此创业板今后的波动仍然不可避免。但在中国经济转型需要大力发展新兴产业的背景下，中长期仍前景光明。
2010年设立创业板市场时，正是以美国的纳斯达克市场为参照而成立的仅次于主板市场的融资平台，以扶持中小企业，尤其是高成长性创业企业。在这个背景下，可以看到参照美国道琼斯指数和纳斯达克的趋势，纳斯达克1998年到2000年期间出现过爆发性上涨，并在2000年3月10日并创下5048.62点的最高纪录，一大批信息科技的优秀企业在科技浪潮中诞生。随后，纳斯达克指数虽经历了调整，但整体波动区间仍较道琼斯指数的波动区间大。
海通证券指出，长期看，在全球和国内经济整体增速放缓且复苏乏力的背景下，传统产业被迫升级转型，机会缺乏，而新兴产业中的中小市值企业反而有机会凭借其灵活性和后发优势在变化中实现快速增长。
广证恒生咨询公司策略分析师认为，“十二五”规划强调产业结构的转型升级，强调未来新兴产业的发展方向，及促进中小企业的加快发展，均给创业板的中小企业带来了发展的机遇。如果创业板的公司整体都能够实现业绩的高增长，它将是一个很好的投资标的。
关注两大现象
不过，一位私募基金经理指出，创业板涨到目前位置，有两个现象值得关注。第一，创业板相对溢价处于历史最高位附近。据有关统计，目前两市A股整体市盈率为12.7倍，而创业板为43.7倍，估值溢价高达3.4倍。维持这么高的溢价存在一定的危险性，这表现为创业板估值上升的空间变小。第二，创业板减持力度非常大。据统计，今年5月1日到15日，沪深两市已有168家上市公司重要股东进行了减持，共减持4.9亿股，对应的减持市值约为72亿元。其中，创业板有70家公司共减持1.27亿股，减持部分对应市值约为23亿元。
从减持规律来看，大规模减持意味着阶段性高点。2010年11月11日中小板3481点的高点至今没打破，对应那一周创历史纪录的86亿元减持规模。从减持的标的来看，大多是今年年初以来股价涨幅较为可观的个股。
“前期涨幅较佳的成长股，遭到产业资本大规模减持是一种警示的信号，从近期的减持力度来看，产业资本的行为证实了板块的估值过高。”国信证券分析师称。
海富通基金认为，未来较长一段时期内，成长股和景气向好行业将继续有望成为资金主要追捧对象。但近期成长股估值整体偏高，未来一旦出现业绩普遍低于预期、宏观经济超预期复苏或下调、整体估值超越市场承受能力，则可能面临阶段性回调风险。
针对创业板公司股价的飙升可能带来的市场风险，监管层也坐不住了，开始向市场泼冷水降温。5月22日，应深交所临时要求，一批近来涨幅巨大的创业板公司集体披露了风险提示公告，与此同时，掌趣科技还公告称，公司因多个交易日涨停，停牌核查。
1、创业板b是创业板指数分级基金的B份额。全称是富国创业板指数分级B，这是一款风险极高的基金。虽然该基金是创业板指数基金，但是通过对比其与创业板指数的走势就会发现，其波动要比创业板指数大多了，原因就在于分级基金的波动性。
2、分级基金是将基金内份额分成不同盈亏特征的基金。中国的分级基金大多数融资分级基金，一般分为A与B两个份额，分级B通过向A支付利息，便获得分级A资金的使用权，分级B便借此扩大了杠杆，而A的收益便来源于B支付的利息。
3、分级基金的投资门槛也是比较高的。一般设有30万的资金门槛，这体现了风险适应性的原则。
（来源：文章屋网 ）
上证指数上周末收于2871.03点，本周末收于2858.46点，下跌0.44%；股市动态30指数上周末报收899.74点，本周末收于894.04点，下跌0.63%；其中股票组合下跌0.82%。
股市动态30指数自2008年1月1日设立以来，下跌10.60%,同期上证指数下跌45.67%。本周股市动态30指数、股票组合均跑输大盘。
二、股市动态30指数
本周暂不调整30指数。
三、最新评论
创业板指数今年以来下跌23%，个股方面更加惨烈，超过10只个股调整幅度超过40%。创业板上市以来，遭遇到了投资者的很多质疑，包括高价的发行，以及业绩并未体现出高增长。创业板资金超募，造就了一批亿万富翁，这些财富正是对中小投资者裸的掠夺，因此大家质疑创业板成了创富板。机构在这个过程中也充当了不太光彩的角色，询价主要是机构在做，尤其是基金拿着老百姓的钱去高价格认购创业板股票。当然今年来创业板的大跌，参与其中的机构也难以幸免，这让我们除了从道德层面质疑的同时，更对参与创业板的机构投资能力表示怀疑。
我们统计了今年以来跌幅超过40%的10只创业板股票，发现二级市场参与其中的不乏基金为代表的机构的身影。我们简单看看，跌幅前五名的个股中，机构的介入情况。
跌幅最大的康芝药业，股价腰斩，2010年底广发策略、社保603和银华富裕进驻其中，2011年一季报，只有银华策略不离不弃，坦然享受暴跌。
先河环保则有更多机构股东进驻，2011年一季报，前十大股东清一色的基金，工银瑞信、兴全合润、华宝兴业行业、华安策略、银华优质、华宝兴业新兴产业、银华和谐主题、中海环保新能源主题等，机构累计拿了流通盘的30%。结果就是在先河环保上集体沦陷。
新兴产业中的成长绩优股和消费行业绩优成长股，特别是又具备公司高层和大股东增持或有股权激励方案的小盘绩优股最值得中长线逢低逐步吸纳。
笔者连续两周建议投资者小心创业板及中小板调险，终于在本周上半周开始了较为剧烈的下跌，本周二创业板指数跌幅高达3.37%，部分前期涨幅较大的个股跌幅较大。大盘从1949点开始的上升浪中，创业板指数一口气从595点上涨到905点，涨幅超过50%，为各指数之最，作为阶段性调整，3月7日开始的调整，不论从时间和空间看，未来调整仍有可能持续，虽然创业板指数及中小板周五随大盘出现反弹，但不排除未来创业板在900点附近构筑双顶的可能。从本次行情发动的规律看，大小盘股轮动的特点比较明显，所以从逻辑上看，如果大盘没有止跌回稳，创业板和中小板继续调整的可能性较大，而大盘是否调整完毕又是以小盘股是否补跌完作为一个必要条件。虽然沪指调整到年线附近出现一定幅度的反弹要求，但反弹的力度和时间都有待观察，所以近期内如小盘股继续反弹，可逢高位减持涨幅较大的个股，而近期小盘股调整中被错杀的估值合理的绩优成长股可考虑逢低吸纳。
中小板指数则从去年12月4日上涨以来，从3557点涨到4786点，涨幅也超过沪指和深成指，也于3月6日见顶。由于自1月中旬以来中小板上涨较为温和。所以，中小板调整的趋势也可能较创业板温和一些，同时也由于估值没有创业板个股高，以及相对较小的解禁压力，风险也较创业板小一些，个股分化的可能性也较大。从技术上看，中小板指数第一支撑位为年线4400点附近。建议投资者对一些绩优成长股可以持股为主，对一些涨幅大的个股可逢高减磅。
截至2月底，共有983家中小板、创业板上市企业披露了2012年度业绩快报，这些企业去年合计实现营业收入16164.7063亿元，同比增长了11.07%，但这些企业2012年的净利润却同比下滑了9.19%至1164.1632亿元，创出2009年以来的新低。有近五成的创业板企业和逾五成的中小板企业均出现了去年净利同比下降。中小板、创业板上市企业高成长的光环已经彻底消失，但在整体业绩较为低迷的同时，也有部分公司业绩靓丽，两极分化趋势相当明显。从行业来看，去年业绩较好的创业板公司主要分布于医药、环保和网络服务等行业，而电子行业绩差公司较多。
在创业板和中小板本轮上涨中，产业资本抛售意愿没有缓解、反而加强。高管成为减持主力，无论绝对量规模还是相对比重都在爬升；创投减持意愿有所降低，总体减持规模是高管减持一半左右。从分析意义上来说，行业和个股高管减持的多寡是正是甄别相关个股是否具备投资价值的最重要因素之一。
在规避小盘股特别是创业板个股未来阶段性调险的同时，我们又要看到小盘股调整泥沙俱下时带给投资者的难得的长线逢低介入的机会，原则上看，新兴产业中的成长绩优股和消费行业绩优成长股，特别是又具备公司高层和大股东增持或有股权激励方案的小盘绩优股最值得中长线逢低逐步吸纳。另外券商、及资源类小盘成长股也可重点关注。
另外，山西证券、西部证券、华谊兄弟、雪迪龙、青青稞酒等小盘成长股可逢低吸纳。
机构投资者青睐新兴产业
中国经济长期面临转型升级，传统产业面临去产能，新型产业培育需要时间，在这个空档期，经济增长速度和活跃程度受到制约，市场大幅上涨的宏观经济基础尚未形成。而培育新兴产业已进行了一段时间，部分行业初具雏形，部分行业已进入快速增长期，市场围绕这些领域进行发掘和投资具有现实意义。这种状况决定了A股市场将在比较长的时间内更加看重成长股投资，尤其是新兴行业成长股的发掘。
市场流动性的转向深圳中小、创业板更大层面也是市场投资者的一种选择。数据研究发现，一向投资稳健的社保基金，今年以来在中小板与创业板股票的配置上也加大了力度，2012年社保基金重仓365家公司，其中来自创业板和中小板的公司分别有69家和126家，两者合计占比52.88%，共总体比例已超过主板股票持有家数。
转投私募的王亚伟一季度对中小市值股票，特别是对创业板个股展现了前所未有的热情。在一季度末，王亚伟现身前十大流通股东的27家公司中，深沪主板公司有16家，占比60%，而中小创业板公司为11家，占比为40%，其中9家为创业板公司。这体现了王亚伟追求主题概念的一面，其选股也多倾向于环保、科技等主题行业。
如何简化投资
目前中小板、创业板分别有701只和355只。对于普通的投资者，面对两个板块中过千家的股票以及转换迅速的题材、概念势必难以下手，如何化难为易、化繁为简、化多为少，操作上通过买卖中小板、创业板指数基金或者ETF可简化投资，实现盈利。
通过比较沪指、中小板B、创业板ETF、万家创B在三个时间段的涨跌幅度（表一），我们可清楚地见到，在沪指12月4日-2月8日波段上升期间，带有杠杆且跟踪中小板个股的中小板B涨幅最大，而同一时间短超过其80.15%涨幅的个股仅有33只；其次是同样带杠杆跟踪中证创业成长指数的万家创B，而创业板ETF涨幅也比沪指要大；而在2月18日-5月2日沪指下跌阶段，中小板B跟沪指跌幅差不多，万家创B基本持平，而创业板ETF是正收益。而5月3日-5月21日的情况跟第一阶段差不多。
中小板B、创业板ETF、万家创B均跟个股一样可以自由买卖，实施T+1模式，这极其方便投资者进行交易。
中小板B（150086）是申万菱信基金去年5月推出的针对中小板指数的分级证券投资基金。基金投资于中小板指数成份股及其备选成份股的比例不低于基金资产的90%，因而基金实现对中小板指数的有效跟踪。由于存在2倍价格杠杆，在大盘趋势上涨的情况下，高风险承受能力客户可以持有较高价格杠杆的杠杆指数基金以博取超额收益。一季度基金前十大持股为：苏宁云商、海康威视、大华股份、洋河股份、歌尔声学、科伦药业、双鹭药业、杰瑞股份、宁波银行、康得新。前十大持股中，安防、医药、电子、页岩气占有7席，而这些都是近期的热点领域。属于大盘股（苏宁云商、宁波银行）的只占有两席，这也就是为何大盘下跌的时候，该基金只比大盘多一点而不是倍数的下跌幅度。
创业板ETF（159915）是易方达基金2011年12月推出的针对创业板指数的基金，基金以创业板指数成份股，备选成份股为主要投资对象，比例不低于基金资产净值的95%。一季度基金前十大持股：碧水源、机器人、华谊兄弟、汤臣倍健、上海凯宝、长信科技、乐视网、蓝色光标、三聚环保、富瑞特装涉及节能环保、传媒文化、触摸屏、医药等，每一个都是市场精选热点。
万家创B（150091）是万家基金2012年10月推出的跟踪中证创业成长指数的分级证券投资基金。标的包括来源于中小板和创业板的成份股及其备选成份股。一季度公告的基金前十大持股：洋河股份、大华股份、歌尔声学、海康威视、碧水源、杰瑞股份、金螳螂、蓝色光标、荣盛发展、康得新。其中有6家与申万中小板B相同，并有两家创业板公司。
操作策略
关键词：创业板市场；中小板市场；动态相关性；DCC-GARCH模型；Copula模型
中图分类号：F830.9 文献标识码：A 文章编号：1672-3104（2013）06?0086?05
创业板市场是专门为成长性好、发展潜力大的高科技公司提供融资的平台，是我国多层次资本市场建设的重要组成部分。中小板市场是我国特有的，为满足中小企业发展需要而设立的过渡资本市场。相对于主板市场而言，创业板与中小板具有上市公司规模小、价格波动大、市场风险高等特点，且二者均为为中小企业融资服务的资本市场平台。
根据国务院“九条意见”①精神，我国建立多层次资本市场的条件正逐步成熟，创业型企业上市在股本总额和持续盈利记录等方面的限制将有所放宽，在条件成熟时，中小企业板块将从现有的市场中剥离，并与目前的创业板市场合并，最终建立正式的创业板市场。由此可以看出，中小板市场是创业板市场的过渡产物。理论上，创业板市场有别于中小板市场，实际上，创业板市场与中小板市场表现出较强的趋同性。在这种背景下，通过计算两市场间的相关系数来考察二者间的动态相关性，对于投资者在两市场间进行资产配置或风险评估，都具有重要的现实意义。
静态相关系数无法反应不同市场间的资产价格或收益率的互动变化，而DCC-GARCH模型和Copula模型计算的动态相关系数均能较好地描述市场间的动态相关关系。Engle[1]提出了DCC-GARCH模型，我国学者游家兴等人[2]基于DCC-GARCH模型对中国与亚洲、欧美7个股票市场的联动性进行分析，得到了自1991年至2008年间市场间联动性变化的动态过程，并得出了市场间联动性逐渐增加的结论；徐有俊等[3]基于DCC-GARCH模型，通过运用1997年1月至2009年3月的数据，研究了中国股市与国际股票指数（MSCI印度指数、MSCI世界指数、MSCI亚太指数和MSCI亚洲新兴市场指数）之间的联动性，结果发现中印两国和亚洲新兴市场的联动性大于其与国际发达市场，且中国与世界股票市场的联动性逐渐增强；近年来，Copula理论和方法在金融等相关领域的运用取得了明显的进展。Patton[4]构建了马克兑美元和日元兑美元汇率的对数收益的二元Copula模型，结果显示Copula模型可以较好地描述外汇市场间的相关关系；韦艳华、张世英[5]运用Copula模型对上海股票市场各行业板块动态相关性进行了相关的研究；Bart ram、Taylor & Wang[6]运用高斯时变Copula对欧元引入欧洲17个国家或地区的股票市场之间的相关性进行了研究；张自然、丁日佳[7]采用时变SJC-Copula模型较好地描述了人民币汇率境内SPOT市场、DF市场和境外NDF市场之间的相依关系。
从已有研究文献来看，DCC-GARCH模型和
Copula模型均能较好地刻画金融市场间的动态关系，但Copula模型效果要好于前者。目前，运用以上两模型对于创业板市场与中小板市场间的动态相关关系的研究文献鲜见，尤其是基于两方法的比较视角更是尚未看到，本文基于两方法比较视角对创业板市场与中小板市场间的动态相关性进行研究，对于厘清两市场间的关系，寻找测度市场间的相关性更适宜的方法都具有重要的现实意义。
一、相关理论与方法
（一） DCC-GARCH模型
设rt是一组白噪声随机变量组成的向量，满足以下条件：
（1）
其中：It?1为rt在时刻t?1时刻的信息集，Ht为条件协方差矩阵，表示为：
Ht=DtRtDt （2）
从单变量GARCH模型可以得到时变标准差矩阵Dt=diag{σi， t}，Rt={ρij}t为动态条件相关系数矩阵。
如果能够准确地估计Ht，Dt，代入上式（2），就可以计算出动态条件相关系数Rt。Rt的计算公式转化为：
（3）
其中：
（4）
（5）
将式子代入上面的式子便可求出动态相关系数。
（二） Copula模型
根据Copula函数的相关理论，确定一个合适的边缘分布是构建多变量金融时间序列Copula模型的重中之重，根据金融时间序列的波动特征和分布的“尖峰厚尾”性，选取GARCH-t模型来刻画两市场收益率的波动特征。
Rnt=μn+εnt， n=1， 2， …， T （6）
（7）
（8）
（9）
其中：CN（?）表示二元正态Copula函数，Tv1（?）、Tv2（?）分别表示均值为0，方差为1，自由度为v1和v2的正规化t分布函数。
二元正态Copula函数常用来描述两个变量间的相关关系，其分布函数为：
（10）
其中：表示标准正态分布函数的逆函数，ρ （）为相关参数。相关参数可以有两种形式：一为常相关参数，二为时变相关参数。随着外部条件的变化，变量之间的相关系数也有可能发生波动，Patton（2001）提出了可以由一个类似于ARMA（1， q）的过程来描述，他把时变相关参数演进方程扩展为一般形式：
（11）
其中：函数Λ（?）定义为，它是为了保证ρt始终处于（?1， 1）之间，，是观测序列进行概率变换后得到的序列。滞后阶数q可以根据研究对象的特点自行选取，一般q小于等于10。
二、实证分析
（一） 数据来源及解释
为研究创业板市场与中小板市场之间的动态关联性，本文选取创业板指数（399006）和中小板指数（399005），分别以cybr和zxbr表示创业板指数收益率和中小板指数收益率。时间窗口为2010年6月1日至2012年5月31日，共484个数据数据，运用eviews6.0、winrats8.0和MATLAB等软件进行计算。
（二） 数据描述及处理
根据日收益率公式：
Rt=ln St?ln St?1 （12）
其中：Rt表示市场指数收益率，St为第t日的市场指数收盘价，St?1为第t?1日的市场指数收益率。求得两市场指数日收益率的描述性统计表1。
由表1可知，创业板指数及中小板指数收益率均值很小，几乎接近于0，且为负的，表明在此期间，投资两市的投资者均是亏损的。且两市股指收益率的分布均有左偏性，收益率的峰度值均大于正态分布的峰度值，通过JB统计量检验知，两市场指数收益率均不服从正态分布，具有“尖峰后尾”特征，在此基础上分析知两市场指数收益率均存在序列自相关和ARCH效应，并依据AIC及似然函数准则选用GARCH-t 模型来拟合样本数据，表2是参数估计结果。
α的估计值均大于0，且α+β
（三） DCC-GARCH模型估计结果
现在利用DCC-GARCH模型估计两市场的动态相关性，运用winrats8.0得到两市场之间的动态相关系数序列的描述性统计量如表3。
由表3可以看出，创业板市场与中小板市场之间的相关系数均大于零，均值为0.888 427，最大值为0.945 926，最小值为0.729 338，两市场表现出较强的正相关性。另外，两市场的动态相关系数的标准差为0.037 687，表现出两市场相关性的波动较小，也从一定程度上表明两市场变化的一致性。
DCC-GARCH模型下，两市场间的动态相关系数变化可以通过图1表示。
由图1可以看出，2010年底到2011年上半年，创业板市场与中小板市场之间的相关关系有比较大的波动，从2011年下半年开始，二者相关关系趋于稳定。且两年的时间内，两市场的相关系数在2010年7月份、10月份及2011年的5月份有一较大幅度的下跌，前一时间点大幅下跌的原因在于创业板指不久，样本股调整导致的结果，后两时间点大幅下跌的原因与2010年7月份创业板的解禁潮及2011年5月份的创业板高管大幅度减持有关。
（四） Copula函数估计结果
表4为常相关的二元正态Copula函数的参数估计结果。由表3的常相关参数可知，创业板市场与中小板市场指数收益率序列间均具有较强的正相关关系，相关系数为0.882 11（见表4）。
金融时间序列间的相关关系一般是时变的，这里我们选取q=10来考察两市场间的的动态相关关系，表5为参数估计的结果（见表5）。
由表5可知，创业板市场与中小板市场指数收益率序列的持续性参数βp=0.135 43，说明这两个序列的时变相关参数受前一期影响，但不是太大。实际上，图2也能表明两市场间的动态相关性受前期影响。
由图2可以看出，创业板市场与中小板市场之间的时变相关系数波动稍大，但也仅限于狭窄的区间内[0.862， 0.925]，相关系数出现的高点、低点等异常值与DCC-GARCH模型估计结果基本一致（见图2）。
表6为利用Copula模型，运用MATLAB计算得到的两市场之间的动态相关系数序列的描述性统计量（见表6）。
表1 创业板及中小板市场指数日收益率基本统计量
样本 均值 中值 最大值 最小值 标准差 偏度
cybr ?0.000 583 0.001 076 0.065 948 ?0.078 435 0.019 930 ?0.403 484
zxbr ?0.000 221 0.000 791 0.049 282 ?0.065 047 0.015 953 ?0.375 436
样本 峰度 JB统计量 伴随概率P cybr zxbr
cybr 3.797 036 25.890 07 0.000 002 1.000 000 0.888 278
zxbr 3.603 655 18.680 16 0.000 088 0.888 278 1.000 000
表2 GARCH-t模型下两市场参数估计结果
参数 μ ω α β ν 对数似然值
cybr（399006） ?0.000 315 6 2.535 3×10?5 0.058 19 0.875 34 13.161 1 217.4
zxbr（399005） ?9.351×10?5 1.585×10?5 0.056 374 0.880 56 15.08 1 322.4
表3 DCC-GARCH模型下创业板市场与中小板市场收益率序列相关系数描述性统计量
样本 均值 中值 最大值 最小值 标准差 偏度 峰度 JB统计量 伴随概率P
cybr-zxbr 0.888 43 0.898 51 0.945 93 0.729 34 0.037 69 ?1.316 62 4.941 79 214.982 0.000 002
图1 DCC-GARCH模型下两市场间的动态相关系数走势
表4 常相关二元正态Copula函数的参数估计结果
样本 ρ 对数似然值
cybr-zxbr 0.882 11 ?363.61
表5 时变二元正态Copula函数的参数估计结果
样本 ωρ βρ αρ 对数似然值
cybr-zxbr ?1.731 3 0.135 43 5 ?364.87
图2 Copula模型下两市场间的时变相关系数走势
表6 Copula模型下创业板市场与
中小板市场收益率序列相关系数描述性统计量
样本 均值 中值 最大值 最小值 标准差
cybr-zxbr 0.885 4 0.885 0.924 3 0.863 2 0.010 25
由表6可以看出，Copula模型下创业板市场与中小板市场之间的时变相关系数均大于零，均值为 0.885 4，这与常相关系数0.882 11、静态相关系数 0.888 3、DCC-GARCH估计的动态相关系数均值 0.888 4相差无几，说明不管是基于线性考虑还是非线性考虑，两市场间确实存在较强的正相关关系。另外，时变相关系最大值为0.924 3，与DCC-GARCH模型估计的相关系最大值0.945 926也相差不大，但最小值0.863 2较DCC-GARCH模型估计的0.729 338要大一些，这主要是由于Copula函数考虑了收益率随时间变化而导致的结果。再者，两方法估计的动态相关系数的标准差均较小，DCC-GARCH模型下为0.037 687，Copula模型下为0.010 25，表明两市场相关系数的波动性较小，具有较强的稳定性，说明两市场表现确实相差不大。
三、结论与建议
通过线性和非线性模型考察创业板市场与中小板市场收益率之间的相关性，可以得出以下结论与建议：
（1） 创业板市场与中小板市场指数收益率静态相关系数为0.888 2，DCC-GARCH动态相关系数均值为0.888 4，Copula常相关系数为0.882 11，Copula时变相关系数均值为0.885 4，无论是静态相关系数，还是动态相关系数，无论是线性相关系数，还是非线性相关系数，均表明两市场间存在较强的正相关关系。
（2） DCC-GARCH模型下，两市场间的动态相关系数在一个狭窄的区间[0.729， 0.946]波动，除了2010年7月、10月及2011年5月因股票解禁和高管减持造成的动态相关系数大幅度下跌外，其他时间估计的GARCH动态相关系数均表现出较强的稳定性；Copula模型下，两市场间的动态相关系数也在一个狭窄的区间[0.862， 0.925]波动，但会在时间窗口期内有异常值出现，这是因为市场间的非线性影响因素所致，所以，Copula模型要优于DCC-GARCH模型。
（3） 似然函数值表明，时变Copula模型因捕捉了资产收益率的持续性，估计两市场间的相关系数效果要优于常相关Copula模型。
总之，创业板市场与中小板市场指数收益较强的相关性和稳定性表明，两市场表现出较强的趋同性，这为中小企业上市和资产配置提供了有益建议，同时，也表明创业板市场与中小板市场合并将是必然趋势。
注释：
① 2004年国务院下发的《关于推进资本市场改革开放和稳定发展的若干意见》。
参考文献：
Engle R F. Dynamic conditional correlation simple class of Multivariate GARCH models [J].Journal of Business and Economic Statistics， 2002（20）： 339?350.
游家兴， 郑挺国. 中国与世界金融市场从分割走向整合――基于DCC-MGARCH模型的检验[J]. 数量经济技术经济研究， 2009（12）： 96?107.
徐有俊， 王小霞， 等. 中国股市与国际股市联动性分析――基于DCC-MGARCH模型研究[J]. 经济经纬， 2010（5）： 124? 128.
Patton A. Modeling time-varying exchange rate dependence using the conditional copula [Z]. Department of Economics， University of California， San Diego， 2001.
韦艳华， 张世英. Copula理论及其在金融分析上的应用[M]. 北京： 清华大学出版社， 2008（8）： 35?50.
Bartram S M， Taylor S J， Wang， Y H. The Euro and European financial market dependence [J]. Journal of Banking & Finance， 2007（31）： 1461?1481.
张自然， 丁日佳. 人民币外汇市场间不对称汇率变动的实证研究[J]. 国际金融研究， 2012（2）： 85?95.
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（1）： 249?278.
金龙， 王正林. 精通MATLAB金融计算[M]. 北京： 电子工业出版社， 2009（6）： 254?257.
The Empirical Research of the Dynamic Correlation Between the Second Board Market And the Small and Medium-sized Board Market in China ――Based on Comparative Perspective of Different Methods
GENG Qingfeng
（Department of Public Economics and Finance， Minjiang University， Fuzhou 350108， China）
Abstract： The DCC-GARCH model can describe the linear dynamic correlation between financial markets， while the time-varying normal Copula model is mainly used for nonlinear dynamic correlation study between financial markets. This paper aims to study the dynamic correlation between the second board market and SME board market by building models to the return series of the two boards’ indexes and calculating dynamic correlation coefficient of the two markets on the basis of DCC-GARCH model and Copula model. The results show as as follows： ① there is positive correlation between the second board market and SME board market and the correlation is very strong； ② time-varying Copula model is better than constant correlation Copula model in describing the correlations among financial markets as it captures market return’s feature of time-varying； ③ except for a little time-points， dynamic correlation coefficient calculated on the basis of DCC-GARCH model is in a stable interval. Whereas， there are abnormal values in the dynamic correlation coefficients calculated on the basis of Copula model as a result of taking nonlinear factors into consideration. Hence the latter is better than the former.
Key Words： Growth Enterprise Market； Small and medium-sized market； Dynamic Correlation； DCC-GARCH Model； Copula model
收稿日期：2013?05?21；修回日期：2013?11?22
在产业资本开始逃离创业板，部分基金公司内部发文严控中小板创业板持仓比例的情况下，创业板本周却继续高歌猛进再创新高，改革题材引领创业板的走牛也成为越来越多投资者的共识。由长城双动力基金经理吴文庆兼任的长城改革红利灵活配置混合型基金近期正在发行，吴文庆认为，2015年资本市场的整体行情是衰退下的繁荣，创业板虽然存在泡沫，但投资者仍可以持续关注改革升级带来的新兴产业投资机会。
衰退下的繁荣
截止5月21日，由吴文庆独立掌管的长城双动力2015年以来净值增长率为95.95%，吴文庆认为2015年的整体行情为衰退下的繁荣，创业板虽然处于高位，但仍然具备可操作价值。
“从数据就可以看得出来中国经济处于衰退期，三驾马车工业的增速、消费的增速和出口的增速都在下滑，从投资增速和信贷增速也可以看得出来，一直在下滑。很多宏观分析师都预测今明两年可能是中国经济最差的时候，可能出现软着陆，不过也有硬着陆的可能，但是从资本市场上看，特别是以创业板为首的指数今年不断创出新高，这也就是说资本市场在腾飞。”吴文庆分析表示。吴文庆认为投资者的信心、货币的宽松以及资产配置大环境的改变三点因素支撑资本市场的腾飞。
对于当下创业板的持续上涨，很多人认为存在巨大的泡沫，对此吴文庆也认可泡沫存在，但他认为同纳斯达克综合指数相比，创业板的破灭短期并不会来临，“首先，很多人将创业板跟纳斯达克的综合指数比较说有可能随时暴跌，我们可以看一看，美国标普当年涨45%的时候，纳斯达克的指数涨了800%，我们上证涨80%创业板才涨300%。其次从估值来看，现在A股创业板预测的PE是68倍，包含了今年大概接近40以上的增速，我们放宽一点，可能也有100多倍，但是纳斯达克的泡沫顶峰达到194倍，从这个角度看创业板的估值并不高。”吴文庆说。
持续关注新兴产业机会
对于创业板以及中小板的走势，吴文庆认为长期牛市大逻辑并没有发生变化，而且在持续的强化，“股市持续上涨的强化会促使相关上市公司收购并购，他们可以用高的PE去收购比较低的PE，促使他们实现新一轮的转型，找到他的新的增长动力，也造成了整个社会行业进行重新分配，这一点也是符合我们国家政策的，也就是说目前看起来股市的大逻辑没有变化”吴文庆表示。 但是对于上证指数，吴文庆则表现出谨慎的态度，他认为会以震荡为主，“股市大牛需要三个理由，投资者的信心、货币的宽松和资产配置的大环境改变，上证综指符合后面两点，但是他不符合前面一点――信心，大家都觉得这个行业是夕阳行业，比如银行，所以我对大盘的看法就是它未来的一段时间，可能很长的时间它都会波段性的机会，而不是区域性的机会。”
对于未来市场的投资机会，吴文庆认为可以在衰退性繁荣过程中寻找受益者，他表示近期正在发行的长城改革红利灵活配置混合型基金也正是按照该操作思路来布局。“受益者就要找卓越成长股，卓越成长股到哪里找，就要找受益于改革升级的新兴产业，那些市场空间很大的股票”，吴文庆建议投资者可以布局互联网金融、车联网、互联网O2O、高端装备、节能环保、新能源、军工等新兴产业个股。
2013年8月26日创业板指数创出了历史新高。笔者曾在多篇文章中预判创业板会创历史新高，践行了笔者的格言：不做马后炮，盘面实践是检验投资理念的唯一标准。笔者的下一个目标也早有论断：1600点。
近期一个从不炒创业板个股的朋友，向笔者咨询创业板开户的事情，这让笔者警惕起来。客观而言，创新高后往往容易出现一些高位震荡整理的格局，这个时候需要注意要做好风控。笔者建议投资者关注创业板综指，该指数能更好的说明当前创业板的整体状态。
创业板还会涨吗？与其这样问，不如结合近期的情况，分析一下是否依然有上涨的底气，笔者建议关注以下四个方面：
第一个方面，宏观经济。调结构促进经济转型的宏观政策未变，只是节奏转变为稳中求进。第二季度的相关经济数据显示第三产业增速超过20%，当前地方债的风险也是可控的，宏观经济有所企稳。
第二个方面，机构行为。机构依然倾向于投资轻资产类公司，数据显示，截至二季度末，有108只创业板公司股票被主动管理的普通股票型基金列入前十大重仓股名单。
第三个方面，业绩和估值情况。从中报业绩看，53%左右的创业板公司是净利润同比预增，但整体增幅有限，说明之前募集的资金开始陆续产生经济效益，但是仍需时间释放业绩。目前创业板综指市盈率在55倍左右，估值压力犹存。
第四个方面，股票供求关系。创业板在9月份仍有一定规模的解禁。更令人关注的是IPO是否开闸。如果哪天创业板的上市条款要进行修订，那可能意味着创业板将会先于主板开闸。
目前看，前二个方面偏正面，上涨的动力犹存。但受估值水平和IPO面临心理博弈影响。创业板的关键变量或许是供求关系预期，但也不必过于担心，因为在2006-2007年期间，并没有因为银行等超级IPO而导致大盘的长期下行，因此创业板指数仍会进一步向上拓展。
短期合理的预期是创业板个股上涨会分化。一方面要小心那些没有业绩支撑或者题材过于透支的高价股下跌；另一方面，我们又需要把握好能涨的潜力个股。
笔者建议大家关注创业板中的6类机会。一是防御品种：喝酒吃药旅游逛商场，加农林牧渔类。二是周期性行业类个股：这个主要是因为9月份天气更适合搞基建，部分基建类个股值得关注。三是涨价类个股：近期国际黄金价格上涨，造就了不少牛股。四是文化传媒类：文化产业有望在2020年成国民经济支柱性产业，目前年增速20%以上。五是打车软件类：打车软件类受到了国际资本的追捧，在实际生活中节省乘客时间，也避免司机空跑车造成的汽油浪费。六是新三板相关的个股：新三板全国扩容方案可能在9月底公布。
怯懦的人面前总是有墙，勇敢的人面前总是有路。关注创业板的变化，把握创业板中热点或是近期比较实用的操作策略。
