体育产业股票收益波动的联动性研究

张 蕾，汪志刚

（武汉体育学院经济管理学院，湖北 武汉430079）

一、引言

近几年，在全民健身的推动下，体育产业迎来了发展的“黄金期”。2014年至2017年体育产业总产出由1.4万亿元增加到2.2 万亿元，占同期国内生产总值的比重由0.64%上升到0.94%。体育产业商品生产过程转变为多个企业按照产品内在经济技术关系进行分工并协作，而产业链组织成为体育产业生产的现实选择。体育产业链上、中、下游分别对应着赛事资源、媒体传播与衍生产业。体育赛事作为体育产业链的核心，通过赛事的场馆和赛事宣传带动了体育场馆建设和体育传媒行业的兴起与发展，而在传统体育传媒和新兴体育传媒的广告催化下，体育产业的衍生产品孕育而生。体育用品、体育彩票、体育旅游、体育培训、体育保险、体育中介等体育服务产品如雨后春笋充溢着整个体育市场，满足了人们各种文体娱乐的精神需求。

欧美的体育产业发展较早，相对成熟。其以赛事运营、体育传媒、场馆服务、健身休闲为代表的体育服务行业占体育产业年产值约70%。而我国体育产业发展较晚，产业链下游的体育服务产品，如体育用品、服装鞋帽制造和销售的占比近80%。随着经济发展和体育产业的逐渐发展成熟，产业链的上游赛事与中游媒体必将成为体育产业新的经济增长点，产业链的结构优化和资源整合是亟待解决的问题。

在充分有效的市场环境下，信息被及时、有效地传递，股价能够完全反应任何或大或小的经济信息冲击。然而由于信息的不对称、投资人的有限关注、投资人对信息的不理解等非理性因素，加剧了信息在市场中的“摩擦”。同一产业链上的企业，由于非有效市场上信息传递的“摩擦”性，上市公司股价在当期对信息的反应不足使得公司价值暂时性偏离其实际价值，随着时间推移，信息逐渐被投资者接收，公司股价在未来逐步弥补对信息的反馈不足，产生公司股价与其业务相似公司股价在时间跨度上的联动效应。

从产业链视角考察不同体育行业股票间收益波动的联动性，既便于国家和政府了解和把握体育行业间的经济联系程度，制定有效的产业政策，又能帮助产业链上企业依据经济技术联系调整企业战略，完善服务产品，提升企业竞争力。

二、研究设计

1.体育上市公司股票的选择及分类

本文根据上市公司的主营业务、公司代表性和数据可获得性几方面的考虑，挑选了20家体育上市公司的股票作为研究对象，并根据其主营业务，结合我国2015 年通过实施的《国家体育产业统计分类》，将20 家体育上市公司分为体育场地设施建设（莱茵体育、佳兆业、雷曼股份）、体育中介服务（中体产业、当代明诚）、体育竞赛表演（亚泰集团、浙江广厦、中国恒大）、体育培训和体育传媒（华录百纳）、体育用品的生产与销售（嘉麟杰、探路者、浙江永强、裕元集团、星辉娱乐、新华都、李宁、信隆健康）、体育旅游（国旅联合、海航创新、凯撒旅游）六大类。

2.数据的选取和股票收益率波动方程的构建

为了检验体育产业的相关政策对体育上市公司股票波动性是否有影响，选取20家上市公司股票日收盘价数据①数据来源于大智慧软件。，时间段为2013 年1 月至2019 年4 月。不同公司在该阶段由于各种原因会出现停盘、复盘现象，因而每家公司选取的数据量不相同。利用Eview8.0 软件做检验，发现20 只股票的日收盘价序列的平稳性检验均未通过检验，根据收益率方程（1）:

对20 只股票的日收益率序列进行单位根检验，结果均为平稳时间序列。另外，由于20只股票序列的自相关和偏自相关阶数不同，带漂移的随机游走模型（式2）的滞后阶数也不一样。

在式（2）基础上构建GARCH 模型。GARCH 模型，即广义自回归条件异方差模型，是博勒斯莱文（Bollerslev，T.1986）根据恩格尔（Engle，R.，1982）提出的自回归条件异方差模型（ARCH模型）发展而来。金融时间序列预测的误差在某一时期里相对较小，而在某一时期里则相对较大，然后，在另一时期又是较小的，即出现通常所说的波动聚集性。恩格尔（Engle，R.，1982）指出，在随机游走模型中误差项的条件方差不是某个自变量的函数，而是随时间变化并且依赖于过去误差的大小。

GARCH模型是ARCH模型的衍生，其具体表现形式为:

表1 20只股票ARCH LM检验结果及GARCH方程的构建

式3 是GARCH 模型的均值方程，式4 是条件方差方程。GARCH（p，q）定义为:条件方差是条件均值方程的残差平方项的p期滞后值和条件方差的q期滞后值的线性组合。Bollerslev，T 指出其阶数（p，q）可以任意指定，然而Hansen&Lunde（2005）的研究表明很难找到一个高阶的广义异方差结构好于（1，1）阶的拟合效果，故实际中使用最多的是（1，1）阶的广义异方差结构。本文也采用（1，1）阶GARCH模型的条件方差方程（5）。

根据Engle（1982）提出的ARCH LM检验方法考察20只股票收益率方程的残差序列是否存在ARCH 效应。检验结果见表1①以拼音首字母代表各只股票。。

表1中包含通过检验股票的均值方程和条件方差方程。对均值方程的残差采用ARCH LM 检验。检验结果表明，有13家体育产业的股票具有聚集波动性，即ARCH效应，分别是莱茵体育、佳兆业、中体产业、亚泰集团、浙江广厦、中国恒大、星辉娱乐、李宁、兴隆健康、新华都、国旅联合、海航创新和凯撒旅游②其余7只股票的ARCH检验不显著，并不意味着它们一定不具有波动聚集性。统计检验结果与方程的设定也有一定的关系。13只股票的检验结果能够满足实证分析的需要。故后文没有再对其余7只股票做进一步的分析。。

表1中的GARCH模型包含均值方程（式3）和条件方差方程（式4）。均值方程的参数检验均显著③GARCH方程主要考察条件自回归波动方程，均值方程的参数检验结果没有列在表中。。波动方程的参数α1和γ检验结果显示:13 只股票的波动均受到其前期波动的影响，影响系数显著。

3.股票收益波动的联动性检验

体育产业链上每个行业部门是相互联系的，正如体育赛事需要场地支持和媒体宣传，媒体对体育赛事和健身重要性的宣传又会影响人们对体育用品、体育彩票的购买，甚至形成品牌忠诚。良好的健身习惯会影响消费者对健身俱乐部的需求。整个体育产业链上的部门之间有着紧密的联系。体育产业概念股票之间是否存在较强的联动效应？体育政策作为信息冲击会对体育行业股票收益产生同步的影响吗？正如本文开篇所谈到，由于信息的不对称，品牌偏好、信息认知错误等因素，业务相似企业的股价波动存在先后性，本文通过因果关系检验和长期均衡模型对联动性做出检验:

（1）Granger因果检验

对13只股票的波动方程提取GARCH序列进行一阶单位根检验，结果均显著，具有平稳性时间序列特征。根据Clive W.J.Granger（2003）提出的因果检验思想，表2给出同行业内不同股票收益波动之间的因果检验结果:在5%的显著性水平下，根据F统计量值和相应P值，体育产业同行业内不同股票收益波动的因果关系大部分都不成立，即行业内股票的联动性很弱。只有亚泰集团和浙江广厦之间互为格兰杰因果关系，李宁是信隆健康的格兰杰原因、凯撒旅游是海航创新的格兰杰原因、凯撒旅游是国旅联合的格兰杰原因。紧接着给出不同行业间股票收益波动的因果关系检验结果（表3）:

表2 体育产业同行业内股票波动的因果关系

表3 体育产业不同行业间股票收益波动的因果关系

表3的检验结果显示，体育中介对体育场地设施建设构成了格兰杰原因、体育竞赛表演对体育旅游构成了格兰杰原因、体育旅游对体育竞赛表演构成了格兰杰原因、体育中介对体育旅游构成了格兰杰原因、体育竞赛表演对体育用品构成了格兰杰原因、体育中介对体育竞赛表演构成了格兰杰原因。文章根据检验结果，结合体育产业链，绘制了各行业之间的因果关系图1。演更加普及、好看、精彩。

图1 体育产业链中各行业之间的因果关系图

四、体育产业不同行业间股票波动的短期动态模型

体育产业不同行业间股票波动的短期动态模型是在长期均衡模型（式6）的基础上求得的，用误差修正模型（vec）反映出来。vec 模型最早由萨根（1984）提出，然后由恩格尔和格兰杰加以推广。建立vec模型（滞后阶数和长期均和滞后阶数保持一致，即滞后2阶）。式7是统计结果，剔除了不显著变量。

三、体育产业不同行业股票波动间的长期均衡关系

从因果关系检验3 和图1 发现，体育健身设施建设、体育竞赛表演、体育中介、体育用品和体育旅游五大行业的股票收益波动之间存在一定的联动关系。五个行业股票收益波动值单位根检验均为I（1）过程，利用Eviews 8.0 软件，给出变量之间的长期关系的协整方程①式6和式7中ztcy（中体产业）代表体育中介行业。（6），剔除不显著的变量。

式6显示以中体产业为代表的体育中介行业股票波动与体育健身设施建设股票波动之间呈反向关系，与预期不一致，这个结果与抽样有关。本文出于数据的可得性，以及GARCH 检验的结果，选取了中体产业作为体育中介变量，具有局限性。另外，体育健身设施建设的代表股票莱茵体育、佳兆业和雷曼股份本身是具有独立完成场馆设施建设能力的公司，从业务角度看，它们与中体产业存在竞争性。这是两者相斥的重要原因。而体育竞赛表演行业和体育旅游行业之间不存在竞争性，同时体育赛事会带动体育旅游，如各个城市的马拉松赛事，武汉网球公开赛、上海F1 赛车、上海网球大师赛、恩师龙舟赛等等每年都会吸引全国各地参赛选手和游客。根据式（6）的统计结果，长期来看，体育赛事类股票的波动会同步拉动体育旅游类股票的波动。体育旅游类股票的波动也会带动体育赛事表演类股票的波动，只是带动的力度较小（0.48＜1.08）。随着政府推动体育旅游相关文件的发放，体育旅游逐渐成为不同旅游地区新的经济增长点，以中体产业为代表的体育中介的业务范围逐渐将体育旅游囊括进来。因此其股票的波动也会对体育旅游业的股票波动产生影响，但是影响力度很小，为0.24%。除此之外，统计结果还反映出体育赛事表演股票波动和体育用品股票波动之间存在较强的联动关系，其影响系数为1.46。说明消费者对体育用品存在个人偏好选择，这种偏好或来自于体育赛事的赞助品牌、或来自于喜欢某只参赛队，也可能是来自于对此项运动项目的喜爱。正是体育运动的自身感染力催生了以中体产业为代表的体育中介行业，体育中介运用其人力、物力和财力对体育赛事进行专业化的包装和运营，使其体育赛事表

式7 中vt代表短期修正项，即协整方程。式7 的统计结果显示修正项均显著，即当股票短期波动发生偏离时，长期协整方程能对其修正，其中体育竞赛表演和体育用品行业的长期协整方程对体育用品业修正速度最快（0.21），其次是体育健身设施建设和体育中介的长期协整方程对体育健身设施建设业的修正速度，达到0.14。其余的修正速度均较慢。式7进一步反映出目前体育赛事的经济效应，即体育赛事能够直接、间接地拉动体育消费，并且这种传导速度较其他体育行业更快。另外，近几年体育健身俱乐部如雨后春笋般充溢体育消费市场，随着人们收入的增长，参与型体育消费产品的市场前景越来越好，体育中介也将体育场馆运营作为自己的主营业务。体育产业的外在信息冲击也能通过体育中介很快地对体育场馆建设行业产生传导作用。

五、结论及启示

1.体育产业同行业内部不同股票收益波动的联动效应较弱

体育产业同行业内不同股票收益波动的因果关系大部分都不成立，即行业内股票的联动性很弱。究其原因，本文认为体育商品具有各自的独立性，能够单独满足消费者某方面的需求，如运动服饰、体育旅游企业和健身场馆均能在自己独自的领域为消费者提供需要的商品和服务。因此，各自发行的股票不会具有带动性特征。另外，不同阶层的消费者具有较强的品牌忠诚度，在外在信息刺激下，可能只会关注自己认可的品牌的股票，而对其他品牌股票不关注。另外，从投资人角度而言，由于体育产业起步晚，不成熟，诸如体育产业政策等外在信息的公布可能没有引起关注，或者企业内部的经营信息披露没有被正确解读或没有被留意到，甚至也可能体育产业政策对体育产业类股票的波动影响不大，从而不存在信息摩擦问题，也就谈不上联动效应了。也有可能是体育产业同行业内股票的波动具有同步性，即对外在信息（例如体育旅游的新政策发布）冲击的反应时间相差不大，从而不具有联动的先后性特征。

2.体育产业不同行业间股票收益波动具有联动效应

根据因果关系检验、协整及误差修正模型的统计结果可知体育健身设施建设、体育竞赛表演、体育中介、体育用品和体育旅游五大行业的股票收益波动之间存在一定的联动关系。体育赛事对体育用品和体育旅游的长期均衡影响力度较大，影响系数分别为1.46和1.08。说明产业链上各部门间紧密的联动关系逐渐形成并良性发展。近几年体育产业发展速度迅猛，各大中小城市都在利用自身特色举办不同规模的体育赛事，既迎合了全民健身的大趋势，也逐渐挖掘出当地的赛事经济和旅游经济新的发展潜力。另外，从误差修正模型可以看出，体育场馆和体育赛事将成为体育政策传导的重要突破口，它们对产业链各部门短期互动关系起到有效的修正和传导作用。研究结果也为相关体育企业的市场战略提供了参考。

3.研究的局限性

由于数据的可得性和基于GARCH 检验结果方面的考虑，本文挑选了20 只股票，因此统计结果会有一定的局限性。另外，由于企业的业务范围越来越广，体育行业的企业也会涉足其他行业，其他行业的企业也会投资于体育企业，其他产业或行业的信息冲击也可能是引起体育产业类股票波动的重要因素，因此波动系数会有一定的局限性。