《财务管理资料2023年整理-对我国券商新的净资本计算规则的实证研究.docx》由会员分享，可在线阅读，更多相关《财务管理资料2023年整理-对我国券商新的净资本计算规则的实证研究.docx（37页珍藏版）》请在三一办公上搜索。
1、对我国券商新的净资本计算规则的实证研究合适的内容提要本文主要包括以下合适的内容：1.前言部分，对目前的相关问题和现状进行了简要分析；2 .头寸风险的净资本计算的基本方式方法简述，对目前国际上典型的净资本计算方式方法进行了简要的归纳、叙述和对比；3 .实证分析部分，是本文的主要部分，主要利用历史模拟和压力测试的方式方法，对上海180指数成分股和券商重仓股的风险分布情况(VAR)进行了实证分析，从而检验新的净资本计算规则的充分性，并在此基础上，推出了券商进行净资本管理所应遵循的原则，为券商的净资本管理提供有益的参考；4 .本文的结论和有关建议。根据实证检验，本文分别从监管层和券商两个角度，提出了对
2、新的净资本计算规则和券商自身进行净资本管理的看法和建议。主要结论是：新的净资本计算规则仍然是不充分的，其应用的条件是满足一定的置信度和券商需要提高调仓的速度：在95%的置信区间下，对于上证180成员股票，券商的最低换仓速度不应超过26天或三周；对于券商超过15%的重仓股，券商的最低调仓速度不应超过60天；对于ST类股票，券商的最低调仓速度不应超过24天;对于*ST类股票，券商的最低调仓速度不应超过113天。主要建议是：在目前，监管层宜继续提高券商资产的折扣比例，或者在不提高折扣比例情况下，改变券商的投资理念，以减少券商对于市场流动性的过分依赖；而长远来看，监管层宜提高市场的流动性和继续鼓励券商
3、采用成熟、理性的投资理念。1 .前言12 .头寸风险的净资本计算的基本方式方法23 .实证分析51 .1对上海180指数成分股的历史模拟63 .2对上海180指数成分股的压力测试133.3对券商重仓股的实证检验264.结论与建议30参考文献31L前言由于券商风险的不断增加，出于谨慎监管的需要，2003年下半年，证监会向券商公布了新的净资本计算规则，并于2004年开始试行(由于新的会计制度也开始执行，二者同时执行给券商带来了很大压力，因此直到目前,该净资本计算规则并没有完全执行。)。与旧的管理条例类似，新的管理条例面临着同样的相关问题，即其中规定的资产折扣比例是否可以充分覆盖券商的风险(抑或是过
4、于严格)，这是其中的难点和关键相关问题，因此同样需要进行实证检验。对于券商资本充足性的检验，由于券商数据的缺乏，除了IOSCO的相关理论文献和要求外，相关的实证研究一直不多，仅有少数几篇研究成果。在国内，对于旧的净资本管理规定，有一些学者对其进行了检验，得出了其仍然是不充分的结论，如：彭文德(2001)利用压力测试，对基金重仓股进行了分析，证明了旧的折扣比例是不充分的；冯玉明(2004)利用券商的财务数据，在以一年为监控单位的假设下，对券商进行了压力测试，也证明了旧的折扣比例是不充分的，无法覆盖券商所有的风险。在国外也存在类似的情况，在西方，关于券商净资本充分性要求的实证检验，以Dimson,
5、Elroy,andMarsh,Paul(1995)的论文为最具说服力，他们在得到相关投资银行允许的情况下，从特殊的渠道取得了他们的交易记录，作为第一手的资料,用来做研究，所以最有说服力，结论是组合模型法的监管效果最高。不同之处在于，同样运用压力测试的方式方法，他们可以假设券商的换仓是每天、i1彭文德，证券公司资本充足性监管研究博士论文中山大学，2001*冯玉明，基于资本充足性的证券公司风险监管，东方证券股份有限公司，深圳证券交易所第六届会员单位、基金公司研究成果评选，2004年2月Dimson1Elroy,andMarsh,PaulCapitalRequirementsForSecuritie
6、sFirms,JournalofFinance50(3),821-851,1995每周进行的，所以资本充足性基本可以实时监控，这也是符合他们实际情况的，而在我国，由于股市流动性及券商操作理念的不同，券商的调仓速度受到很大限制，对于资本充足性不可能做到实时监控，因此目前监管部门对于券商资本充足性的监控是每月进行，而实证检验也只能是在比较长的时间段内考察，如上面提到的冯玉明就是以年为单位进行测试的。本文是对新的净资本计算规则进行检验的一个尝试，希望在这方面能起到抛砖引玉的作用。与之前的研究相比，本文的不同在于，一是研究的对象是新的净资本计算规则，二是对于监控周期，由于券商换仓时间的难以把握性，本文
7、不首先假设券商的调仓速度为多少，而是反向逆推，在假设满足监管部门要求的前题下，券商的调仓周期最低应该为多少，从而从监管部门和证券公司两个角度，为监管部门的有效监控和券商自身的净资本管理提供更为直接的参考。2 .头寸风险的净资本计算的基本方式方法按照国际证监会组织（IoSCo）的监管原则，净资本准备应该覆盖所有券商所面临的风险，包括市场风险、流动性风险、信用风险、操作风险、法律风险、相关系统风险等。在所有上述风险中，头寸风险（市场风险的一种）是可以有效量化的最重要的风险之一，特别是在国内券商持仓比例很高的情况下，具有更重要的意义。因为它相对更易量化，因此基于风险衡量的净资本的计算也成为可能，这也
8、是本文选取这一部分来进行检验的原因。但在具体的计算上，目前国际上存在着不同的模型，分类方式方法也不尽相同。目前应用的主要有“削发法”、“分块法”和“内部模型法”（英国以前应用的“简单组合法”可以归为一种简化的内部模型法）三种。所谓“削发法”其它方式方法还有历史风险评估方式方法等，由于并不常用，本文不做过多阐述。就是分别针对不同的资产种类，规定相应的折扣比例的方式方法。目前美国和我国采用的就是“削发法”，在美国，由于存在着多头和空头，因此也称为综合法(ComprehensiveApproach),具体模型如下：假设：L、S分别是多头和空头的价值占总头寸价值的比例，则总头寸风险为：PPRc=max
9、(L,S)Max(min(L,S)-BMax(L,S),0)公式(1)、B是由监管部门确定的监管比例，该比例的不同反映了不同国家监管理念上的差异，如果B为0,则称为“纯粹综合法”。“分块法”又称“积木法”(buildingblock),就是分别计算出股票、债券头寸及其衍生产品头寸的特定风险(SPeCifiCrisk)和一般市场风险(generalrisk)的资本要求。该方式方法由于是对不同头寸根据其风险大小赋予不同的风险权重，因此本质上与削发法相同，区别只在于确定折扣比例的方式方法和大小不同。该方式方法主要在欧盟采用。前两者又统称为“标准法”O“内部模型法”是指以金融机构内部的风险计量模型，即
10、VAR模型计量的结果作为计量市场风险资本要求的标准。”内部模型法”一般在发达国家是与“标准法”结合使用，如欧盟在1998年对资本计算规则的修改中，就允许银行与证券公司利用自己内部的风险管理模型来计算头寸风险、外汇风险等的资本要求。国际上应用较多的是VAR和RM法，但考虑VAR和RM等内部模型法目前在我国应用的条件还不够成熟，应用受到一定的限制，因此我国目前采用的是简单相对又有效的“削发法”，也就是对不同的资产规定相应的折扣比例的方式方法。新旧计算方式方法的对比如下表：表1,券商净资本的新旧计算规则对比原规则新规则自营证券自营证券按90%比例折扣计入净资本。自营证券中属于上海180指数和深圳10
11、0指数成分股的，折扣比例为90%对于集中度过高的自营股票，超过一个股份公司已发行股份5%的，折扣为60%；单只股票按当日收盘价计算的总市值超过上市公司已流通股15%的，折扣为60%；ST股票、*ST股票、已退市且在代办股份转让相关系统挂牌的股票、已退市且未在代办股份转让相关系统挂牌的股票风险较大,折扣比例分别为60%、50%、30%、20%o对于集中度过高的自营股票，即超过一个股份公司已发行股份5%的，按当日收盘价计算的总市值超过该上市公司已流通股总市值15%的,折扣比例调整为50例应收款分为一年以内，一年至两年，两年至三年及三年以上，折增加了应收关联公司款项（不含三年以上的）的折扣比例为50
12、%o编号：时间：2023年X月X日财务管理资料大全页码：第5页共37页项扣比例分别为90%、70%、50%和0。长期投资长期股权投资的折扣比例为70%,长期国债投资的折扣比例为90%,中央企业债券地方企业债券和其他长期债券的折扣比例分别为80%、50%、50%O长期股权投资中，股票投资的折扣比例为50%；基金投资的折扣比例为95%；上市公司法人股投资，对证券公司、基金管理公司股权投资的折扣比例为70%；其他股权投资（包括风险投资）的折扣比例为20%o无形资产无形资产的折扣比例为40%o土地使用权折扣比例50%,其他无形资产的折扣比例为0%。固定资产清理、长期待摊费用、其他长期资产、递延税款借项
13、等本次项目基本没有变现价值，折扣比例为0机3 .实证分析该规则对于券商持股的折扣比例，基本可以分为鼓励和惩罚两类，鼓励类也就是对于上证180、深证100的成员股票，折扣比例为90%,也就是说只有10%的风险折扣，而对于重仓和ST等股票，则折扣比例为60%、50%不等，经过比较，并考虑数据的可获得性，我们选取了以下三类最具代表性的比例进行检验：（1）上证180成员股票（风险比例为10%）,样本区间为从1995年2月到2004年10月。（2）券商持有一家公司是股票股超过该上市公司已流通股的15%的股票（风险比例为40%）,样本区间为2002年到2004年。3.券商持有的ST股票、*ST股票，折扣比
14、例分别为60%、50%o采用的方式方法主要是历史模拟法和压力测试法，所谓历史模拟法，就是假设把现在的组合放到过去，检验在过去的历史情形下，该组合头寸可能的损失及分布；而压力测试法是采用情景分析的方式方法，在假设其它变量不变，而某一个或几个变量（如利率等）发生较大幅度变化的情况下，该组合头寸可能发生的损失及分布。由于历史模拟法可以看作是“假设历史会重演”情形下的一种特殊的压力测试，因此本文在对第二、三种风险比例（40%、40%、50%）进行检验时，由于数据的局限，仅采用了历史模拟法，而在对第一种风险比例（10%）进行检验时，由于采用压力测试可以获得更长的样本数据，因此综合采用了历史模拟法和压力测
15、试法分别进行了检验。3.1 对上海180指数成分股的历史模拟在所有券商的头寸中，上海180指数成分股是最容易获得的数据，因此本文首先对该比例进行了检验。由于我们一般都假设券商是采用组合投资的，而对于上海180指数成分股，最简单和最具代表性的组合莫过于该指数本身（忽略成份股成员的调整）,因此本文就以上证180（SSE180）指数作为考察的具体对象。在我国，由于市场深度不够，券商操作理念与西方的不同，另外我国实行的是T+1制度，所以券商的压力测试不可能是实时的，而在这个相关问题上也比较复杂，很难确定我国券商的监控周期到底是多长，所以不同的学者采用的是不同的周期假设（如冯玉明（2004）采用的是一年
16、，有的采用一季度)。考虑到此相关问题的复杂性，在本文中，我们采用列举的方式方法,综合考察了券商在不同的调仓速度的假设下可能的损失和分布情况，并运用反向逆推的方式方法，得出了券商对于净资本应该具备的监控周期。首先，我们测试了不同的周期下SSE180的损失情况，以检验其损失超过一10%的可能性。由于SSE180从2002年7月1日起才开始正式发布，因此SSE180的数据是从2002年开始。为便于后文压力测试的分析，在假设上证综指(SHCOMP)为市场组合的情况下，此处同时参照列举了SSE180和SHCOMP的损失情况，如下图1一图8：图1：SHCOMP从2002-7-12到2004-10-1的周收
17、益率曲线图2：SSE180从2002-7-12到2004-10-1的周收益率图3：SHCOMP从2002-7-10到2004-10-22的高于一周，少于2周的收益率图4：SSE180从2002-7T1到2004-10-22的高于一周，少于2周的收益率.图5：SHCOMP从2002-7-12到2004-10-1的2周收益率图6：SSE180从2002-7-12到2004-10-1的2周收益率11(tareturn.12dayr!m13IayretUrn14dyretim图7：SHCOMP从2002-7-10到2004-10-22的高于2周，少于3周的收益率11 day rettrn13 day
18、return 12da rdm UdayreHirn图8：SSE180从2002-7-11到2004-10-22的高于2周，少于3周的收益率从上述8个图中我们可以看出，从11天收益率开始，就出现了损失超过一10%的情况，并且有2天，12天收益率出现了4天，13天收益率出现了4天，14天收益率出现了6天，所以从11天的收益率开始，10%的风险比例就开始无法覆盖所有的头寸风险，因此10%的净资本要求对于100%的保障要求来讲，在券商调仓速度超过10天的情况下，是不充分的。为更清楚的分析这个相关问题，进一步的分析如下：monthlyreturn图9：SHCOMP从2002-7-31到2004-9-3
19、0的月收益率-monthlyreturn图10：SSE180从2002-7-31到2004-9-30的月收益率图IhSHCOMP从2002-9-30到2004-9-30的季度收益率quarterlyreturn图12：SSE180从2002-9-30到2004-9-30的季度收益率-yearlyreturn图13：SHCOMP从1996-12-31到2003-12-31的年度收益率由于SSE180是从2002年7月1日起才正式发布，因此SSE180的年度收益率到目前只有一年，为10.39%,其图表略去。但考虑SHCOMP与SSE180的同趋势性，SHeoMP也可以说明相关问题。从图13上可以看
20、出，在8个样本中，有2年的损失是大于10%的，所以即使以“一年”为监控单位，10%的净资本要求仍无法完全保障该指数面临的风险。从图1到图13,我们可以看出，在我们选取的样本区间，2周是一个临界点，在2周以内，10%的净资本是可以100%保障的，而高于2周，则无法全面保障，所以，从证券公司的角度来说，要100%的保障SSE180成份股的安全，其调仓时间不能慢于2周，否则将开始面临风险。3.2对上海180指数成分股的压力测试由于受到样本的局限，历史模拟法只能分析从2002年到目前2年多一点的时间，不具有全面的说服力，而完全按照历史模拟的计算方式方法倒推数据，则工作量巨大，难以实现，因此本文进一步采
21、用了压力测试的方式方法，利用SHCoMP和SSE180之间密切的相关关系来取得SSE180的数据，以扩展样本区间，也就是采用压力测试的方式方法。利用SHCOMP和SSE180之间密切的相关关系，我们可以获得二者之间的回归公式，在假设该回归公式在历史上仍然适用的情况下，利用该公式我们可以计算获得2002年之前的SSE180的样本数据，然后用压力测试的方式方法，以SHCOMP（作为市场收益率）的损失超过10%（或者更高）为情景分析的样本，则可以相应的得到SSE180的损失情况，也就是可以得到“在市场损失超过10%的情况下，SSE180的可能损失及分布（VAR）”。编号：时间：2023年X月X日财务
22、管理资料大全页码：第14页共37页从2002年7月1日到2004年12月31日的SHCOMP和SSE180的周收益率的曲线图如下图（图）所示：图14,2002年7月1日到2004年12月31日的SHCOMP和SSE180的周收益率的曲线图从上述曲线图的走势来看，SHCOMP和SSE180的走势几乎完全一致，因此可以较好的进行回归。通过回归分析，也得出日、周收益率的SSE180的B系数非常接近于1（此处从略）。其次，对SHCOMP的损失分布情况进行统计分析，结果如表2所示：编号：时间：2023年X月X日财务管理资料大全页码：第15页共37页表2,SCHOMP在从1995-1-4到2004-10-
23、22之间的损失超过10%的各区间收益率的分布情况收益率总样本数损失超过10%的样本数损失超过10%的比例置信度日收益率237020.0008438820.9991562天的收益率2369100.004221190.99577932368130.0054898650.9945142367200.0084495140.99155周50840.0078740160.99212662365330.0139534880.98604772364370.0156514380.98434982363490.0207363520.979264编号：时间：2023年X月X日财务管理资料大全页码：第16页共37页9
24、2362590.0249788310.9750212周507130.0256410260.974359112360710.0300847460.969915122359820.0347604920.96524132358870.0368956740.9631041423571040.0441238860.9558763周506230.0454545450.9545451623551260.0535031850.9464971723541380.0586236190.9413761823531530.0650233740.9349771923521770.0752551020.924745月11
25、690.0775862070.922414季3860.1578947370.842105由上表所示，随着收益率区间的延长，发生损失的概率是增加的，这也是符合“时间段越长，风险越高”的基本原理。除此之外，在16天时，置信度降到了95%以下，所以16天（或3周）可以看作一个临界点，也就是说，如果券商的调仓时间超过了3周，券商将有5%的可能性发生超过10%的损失。所以现在可以在16天收益率的基础上，利用从SSE180发布之日起的数据，对二者之间的关系进行回归，回归的结果如下表（表3）所示：编号：时间：2023年X月X日财务管理资料大全页码：第17页共37页表3,SSE180和SHCOMP的回归结果(
26、从2002-7-23到2004-10-22)：DependentVariable:SSE180Method:LeastSquaresDate:11/14/04Time:19:37Sample:1544Includedobservations:544VariableCoefficientStd.Errort-StatisticProb.SHCOMP0.9887950.006810145.19060.0000C-0.0005720.000322-1.7753330.0764R-squared0.974933Meandependentvar-0.006873AdjustedR-squared0.97
27、4887S.D.dependentvar0.046991S.E.ofregression0.007447Akaikeinfocriterion-6.958416Sumsquaredresid0.030056Schwarzcriterion-6.942611编号：时间：2023年X月X日财务管理资料大全页码：第18页共37页Loglikelihood1894.689F-statistic21080.30Durbin-Watsonstat0.080713Prob(F-Statistic)0.000000回归公式如下：SSE180=-0.000572+0.988795SHC0MP公式(2)R2三0.
28、975(-1.775)(145.19)利用上述公式，我们可以得到更长时间段内的SSE180的数据，其分布情况如下图(图15)Series: SSE18016DAYRETURSample 1 2352Obsenzations 2346Mean0.005142Median0.000344Maximum0.442522Minimum-0.347514Std. Dev.0.072794Skewness0.370342Kurtosis5.009730Jarque-Bera448.4405Probability0.000000c:evievs3IlDB=noneIltfF=皿tilled图15,SSE18
29、0的16天收益率的分布图(从1995-2-6到2004-10-22)则SSE180的16天收益率分布和置信度情况如下表（表4）所示:表4,SSE180的16天收益率分布和置信度情况（从199526到2004-10-22）收益率总样本损失超过-10%的样本数损失超过一10%的样本比例置信度16day,S23521200.051020.94898从上表中可以看出，在16天收益率上，损失超过10%的样本的比率刚刚超过了5%,也就是说，在95%的置信度下，16天收益率的损失会刚好在10%的临界上，换句话说，16天同样是一个临界，如果券商的调仓速度慢于3周，则在5%可能性下，券商的SSE180头寸的损失
30、将超过10%,所以，如果券商普遍的调仓速度慢于3周，则10%的风险比例就是不足的，只有增加资产的折扣比例。既然这样，应该采取多高的折扣比例呢？用同样的方式方法可进行进一步的分析。假设券商调仓的速度为每月或每季，则可以通过回归的方式得到SSE180的月和季度数据，进而得到它们的分布。首先进行回归，月度数据的回归结果如下表（表5）：编号：时间：2023年X月X日财务管理资料大全页码：第20页共37页表5,SSE180的月度数据的回归结果DependentVariable:SSE180Method:LeastSquaresDate:11/14/04Time:17:47Sample:2002:0720
31、04:09Includedobservations:27VariableCoefficientStd.Errort-StatisticProb.SHCOMP0.9918970.03658227.114240.0000C-0.0010270.001824-0.5633290.5782R-squared0.967113Meandependentvar-0.008948AdjustedR-squared0.965798S.D.dependentvar0.050577S.E.ofregression0.009354Akaikeinfocriterion-6.434920Sumsquaredresid0
32、.002187Schwarzcriterion-6.338932Loglikelihood88.87142F-statistic735.1819编号：时间：2023年X月X日财务管理资料大全页码：第21页共37页Durbin-Watsonstat1.525051Prob(F-Statistic)0.000000回归公式为：公式（3）SSE180=-0.001027+0.991897SHC0MPR2=O.967(-0.56)(27.11)则SSE180的月度收益数据的分布如下图（图16）所示:Series: SSE180MONTHLYFRO Sample 1995:02 2004:09 Obse
33、rvations 116Mean0.006748Median0.003822Maximum0 274775Minimum-0.143987Std. Dev.0076621Skewness0 658222Kurtosis3.956489Jarque-Bera12.79816Probability0.001663一IPath=c：vivs3IDB=BolMVF=ssel80knnthly&i199502图16,SSE180的月度收益数据的分布(从1995-2到2004-9)再进行季度回归，季度数据的回归结果如下表（表6）表6,SSE180的月度数据的回归结果DePendentVariable:SS
34、E180Method:LeastSquaresDate:11/14/04Time:17:56Sample:2002:32004:3Includedobservations:9VariableCoefficientStd.Errort-StatisticProb.SHCOMP0.9868940.05647717,474410.0000C-0.0032020.006770-0.4729260.6507R-squared0.977590Meandependentvar-0.026844AdjustedR-squared0.974388S.D.dependentvar0.124351S.E.ofreg
35、ression0.019901Akaikeinfocriterion-4.802981Sumsquaredresid0.002772Schwarzcriterion-4.759153Loglikelihood23.61341F-statistic305.3550Durbin-Watsonstat1.683364Prob(F-Statistic)0.000000回归公式为:SSE180=-0.0013202+0.986894SHC0MP公式(4)R2=0.978(-0.47)(17.47)则SSE180的季度收益数据的分布如下图(图17)所示：0.018223 0.014158 0.371384
36、-0.260988 0.145566 0.483407 3.4827161.848931 0.396743Series:SSE180QUARTERLYSample1995:22004:3Observations38MeanMedianMaximumMinimumStd.Dev.SkewnessKurtosisJarque-BeraProbability一Path=cvi*s3IDB=IWMIwP=titled图16,SSE180的季度收益数据的分布(从1995-6到2004-9)编号：时间：2023年X月X日财务管理资料大全页码：第24页共37页则月度和季度收益率的风险分布情况如下表（表7、表
37、8）所示:表（7）SHCOMP的月度和季度收益率的风险分布情况收益率跨度月度季度假设的损失界限损失超过界限的样本数损失超过临界的样本比例损失超过界限的样本数损失超过临界的样本比例-10%90.0775862160.15789474-11%50.0431034560.15789474-12%60.15789474-13%40.10526316-14%40.10526316-15%30.07894737-16%30.07894737-17%30.07894737-18%30.07894737编号：时间：2023年X月X日财务管理资料大全页码：第25页共37页-19%30.07894737-20%3
38、0.07894737-21%20.05263158-22%10.02631579-23%10.02631579-24%10.02631579表(8)SSE180的月度和季度收益率的风险分布情况收益率跨度月度季度假设的损失界限损失超过界限的样本数损失超过临界的样本比例损失超过界限的样本数损失超过临界的样本比例-10%90.07758670.184211-11%60.05172470.184211-11.2%60.051724-11.3%40.034483-11.5%40.034483-12%60.157895-13%60.157895-14%40.105263编号：时间：2023年X月X日财务管
39、理资料大全页码：第26页共37页-15%30.078947-16%30.078947-17%30.078947-18%30.078947-19%30.078947-20%30.078947-21%30.078947-22%30.078947-23%20.052632-24%10.026316从表8可以看出，对于月度4发据，11.3%的）风险比例可以获得95%的置信度，而对于季度数据，大于23%可以获得95%的置信度，选择整数的话,为24%o同样的，也可以由历史模拟法获得该数据，综合在一起，如表9所示:表9：净资本充足比率和调仓速度之间的关系表检验方式方法历史模拟法压力测试法调仓速度27天16天
40、月度季度置信度（取最靠近95%的数据）94.9907%94.898%94.8276%94.7368%编号：时间：2023年X月X日财务管理资料大全页码：第27页共37页VAR-10%-10%-11.2%-23%在95%的置信度下，最低的净资本要求比例10%（在26天的调仓速度的假设下）10%（在3周的调仓速度的假设下）11.3%（在一个月的调仓速度的假设下）24%（在1个季度调仓速度的假设下）3.3对券商重仓股的实证检验对于券商重仓股，由于现在只能获得券商的半年度数据，因此对其实证检验受到很大的局限。为此，本文选取了其中的“单只股票按当日收盘价计算的总市值超过上市公司已流通股15%的，折扣为6
41、0%,对于券商持有的ST、*ST股票，折扣分别为60汕50%”来进行。对于考察周期的选择，由于无法知道在半年之间券商的操作细节，只能以每半年公布的数据为分析样本。本文假设在公布重仓股的时点（年中和年末），考虑券商的建仓和出货都需要时间，假设时间分别向前和向后顺延半年（即券商持有该股票前后合计一年），在前半年和后半年之内分别进行考察（如2003年末公布的股票，则分别对2003年下半年和2004年上半年收益率进行检验），这样也可以增加一定的样本数。另外考虑到券商重仓股与SSE180的不同，券商的大规模建仓和出货都会对股价产生较大的影响，但无法在模型中予以考虑，所以仍以公布的收盘价作为计算收益率的基
42、础，而不考虑券商建仓和出货对其实际收益率的影响，而对于SSE180,可以认为其走势主要受市场的影响，单个券商的行动对其影响很小，所以本文的检验结论对于SSE180和券商重仓股而言,对SSE180的检验结果更具说服力，而对于券商重仓股的检验，更多的是起到参考的作用。编号：时间：2023年X月X日财务管理资料大全页码：第28页共37页检验结果如下表（表10、表H、表12）：表10,对于券商持股的单只股票按当日收盘价计算的总市值超过上市公司已流通股15%的（折扣为60%）的净资本要求和调仓速度的关系时间区间股票数（只）收益率低于-40%的样本占总样本的比例的加权平均值（1一置信度）15day30da
43、y60day90day120day2002上半年140.00%0.00%0.00%0.00%0.00%2002下半年240.00%0.45%1.77%2.74%2.60%2003上半年260.00%0.00%0.21%0.96%2.28%2003下半年230.00%0.03%2.84%6.92%9.69%2004上半年150.00%0.00%0.06%0.91%0.06%2004下半年80.10%2.26%4.82%15.45%30.22%最大值0.10%2.26%4.82%15.45%30.22%注：具体的加权方式方法是把股票数和交易天数都作为加权系数，以得到在该时间段内市场总体的收益和损失
44、状况。即：收益率低于-40%的样本占总样本的比例的加权平均值=（单只股票的收益率低于-40%的样本/单只股票的总样本）/股票数从上表可以看出，60天的收益率的样本损失比例的最大值达到了4.82%,也就是说置信度降到了95.18%,所以在40%的要求下，要达到95%的置信度，券商的调仓速度应该在60天以内，或者说为3个月（每月按照22天的工作日计算），高于此，则40%的比例也是不合适的。表11,对于券商持有的ST股票（折扣为60%）的净资本要求和调仓速度的关系时间区间股票数（只）收益率低于一40%的样本占总样本的比例的加权平均值（1置信度）15day30day50day60day90day2002上半年0
