前言：中文期刊网精心挑选了纠结的句子范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
纠结的句子范文1
2、很多时候我们纠结于我们会不会错过某个人，其实不用纠结，纠结也没什么用。在选择纠结的时候就已经选择了错过。
3、既然无论选择哪一条路，都会后悔，那还纠结什么?无愧于本心即可。
4、如果心里因人不爽，最好的办法就是说出来告诉对方。一来自己不会再纠结，二来可以让对方纠结，三来如果对方并不因此纠结，就证明对方压根儿不在意你，那你又何必要为不在意你的人影响自己的心情。有话就说的人不是直肠子，而是不会让自己辛苦的透明人。——刘同
5、人生就是一场单程的旅行，即使有些遗憾，我们也没有从头再来的机会，与其纠结无法改变的过去，不如微笑着，珍惜未来。因为生活，没有如果。
纠结的句子范文2
摘 要：为了充分研究生物质大分子的解聚机理，课题组对纤维素水解的关键影响因素、纤维素、半纤维素水解机理、木质素解聚方式和表征、木质素模型化合物的制备等关键科学问题进行了探讨。借助SEM、BET、XRD研究手段，研究了半纤维素的水解、纤维素的结晶度、聚合度对对纤维素水解的影响规律；借助TEM、EDXA-SEM和Raman等分析手段，从超微尺度入手，追踪解聚过程中木质素、半纤维素和纤维素在细胞壁中的分布变化。结果表明，半纤维素被水解移除后，生物质表面孔洞增多，孔隙率、总孔容增大，从而促进了纤维素的水解；相比于聚合度而言，晶型结构对水解的影响更大。在酸性环境下，木质素在细胞壁各层间发生迁移，而在碱性环境中木质素会直接脱除。同时，该课题开展了在微波协同下的木质素催化氧化解聚及液化解聚，并通过比较了不同的氧化剂的种类对解聚产物单苯环物质收率的影响，并通过液质联用，高压液相色谱等手段对解聚产物进行定性和定量分析。结果表明，微波协同下在相对较低的温度和压力下获得单苯环化合物的收率可达到15.2%。为了对木质素的解聚机理进行进一步的研究，该课题合成了包含α-o-4，β-o-4和β-5键的木质素模型物三聚体和四聚体，并通过气质联用色谱和核磁共振色谱等手段进行分析和表征。木质素模型物的合成为后续的木质素解聚机理奠定基础，并为木质素解聚为单酚类化合物的高收率目标提供参考。
关键词：解聚机理 纤维素 木质素 模型物
Abstract：For the purpose of investigation of the depolymerization mechanism of biomass macromolecule，some key scientific issues were explored，including important factors responsible for the hydrolysis of cellulose，depolymerization mechanism of hemicelluloses and cellulose，characterization of degraded products of lignin，and preparation of model compounds of lignin.The distribution of lignin， hemicellulose and cellulose in the cell walls was traced from the perspective of superfine scale in the process of depolymerization by using TEM， EDXA-SEM and Raman spectroscopy. In addition， the effect of hemicelluloses hydrolysis， degree of crystallization and polymerization on the hydrolysis of cellulose was investigated by using SEM， BET， and XRD. The result revealed that lignin was migrated in the cell walls between the layers in the acidic condition and lignin was removed directly in alkaline environment. For further inspection， the dynamics of alkali treatment to dissolve the lignin were investigated. In the meanwhile， oxidation degradation and liquefaction depolymerization of lignin were carried out assisted with microwave irradiation. And then the different kinds of oxidants on the influence of the yield of the product were studied. Qualitative and quantitative analysis of the product were characterized by LC-MS and HPLC.For further study of the rule of lignin deploymerization， several lignin model compounds composed of α-o-4，β-o-4 and β-5 linkages were synthesized. The target products were characterized by GC-MS and NMR spectroscopy. The lignin model compounds laid the foundation for the subsequent study of the mechanism of lignin deploymerization and provided the reference to achieve high yield of phenolic compounds through the degradation of lignin model compounds.
Key Words：Deploymerization mechanism；Cellulose；Lignin；Model compounds
阅读全文链接（需实名注册）：http：///xiangxiBG.aspx？id=49044&flag=1
纠结的句子范文3
2、重阳是中国文化中最吉祥的日子，在这金风送爽，桂花飘香，秋菊争艳的日子里，我祝各位幸福久久，健康久久，更祝长辈们多福多寿。
3、千重坎万重关，愿快乐阳光伴你灿烂，千重水万重山，愿好运阳光陪在你身边，千重地万重天，愿成功阳光温暖你心间。重阳佳节，愿重重幸福阳光把你照。
4、九月九，再聚首，重阳相聚会老友；是亲友，是朋友，一切尽在杯中酒；情也深，爱也久，佳节团圆来叙旧；念今昔，盼永久，每年相聚九月九。重阳节快乐。
5、清雾白云飘悠悠，瑞脑消金兽；佳节又重阳，玉枕纱橱，却把金菊嗅；东篱把酒黄昏后，有暗香盈袖；莫道不欢欣，帘卷西风，轻轻把你逗：重阳快乐，老友。
6、戴上老花镜，翻看老皇历，一个老日子，几副老面孔，约上老伙计，带上老相好，坐上老爷车，来到老地方，共品老酒一壶，共赏金菊飘香。重阳节快乐。
7、重阳佳节到来，愿你心里幸福暖洋洋，开心笑声随风扬，美好心情任传扬，夫妻恩爱似鸳鸯，友情爱情齐荡漾，事业身体皆无恙，喜庆多多胜骄阳。
8、秋天是一个思念的季节，恰逢重阳节的到来，思念变作了双份。窗前的落叶风干了记忆，愿秋雁将我无限的祝福寄托，祝你重阳节快乐，愿幸福的阳光洒遍你生命的每个角落。
9、时空遥遥，思念袅袅，金菊灿灿，枫叶飘飘，秋月皎皎，秋水迢迢，日子淡淡，岁月渺渺，友情默默，祝福悄悄：重阳到，愿幸福把你围绕，好运陪你到老。
纠结的句子范文4
那晚，我和平常一样在教室里看班，因为第一排的一个男同学将水喷了我一脸，我很气愤的哭了起来，一条衣袖似乎被我哭湿了，班里的人不停地安慰我，可唯独你没有，我哭得更伤心了。放学后我又在操场上大哭了一场，身边只有燕子陪着我、安慰我。
那时的我对你已经心灰意冷了。那晚，我不停的想着：我以后和她还是好朋友么。
想着：她还把我当朋友么。
纠结的句子范文5
2008 年美国“次贷”危机的爆发和蔓延表明了居民金融资产结构变化对经济金融的重大影响,居民金融资产结构问题的研究越来越受到关注。近年来,我国学者对居民金融资产结构与金融效率两者独立领域的研究较多,但对二者关系的研究却较少。本文通过定量分析方法,重点研究我国居民金融资产结构变动对金融效率的影响,探讨优化居民金融资产结构的路径,从而促进我国金融业的健康和谐发展。
我国居民金融资产结构分析
(一)居民金融资产估算
按照国民经济核算的定义,居民金融资产是指居民持有的金融债权及权益性凭证形式的资产,是国内金融资产的重要组成部分。居民金融资产包括手持现金、储蓄存款、各种债券和股票、保险准备金,其他应收款和预付款等。目前,我国尚未建立科学、系统、完善的居民金融资产统计体制,因此现有数据的获得基本靠估算。此外,考虑到数据的可获得性,不考虑其他应收款和预付款,本文把居民金融资产分为现金、储蓄存款、债券、股票和保险准备金五大类。各部分占金融资产总量的比例反映其结构。参照张学毅(1999)的估算方法,本文提出以下假设:
假设1:居民手持现金占货币流通量M0的80%;
假设2:居民储蓄存款以年末城乡居民储蓄存款余额来衡量;
假设3:居民持有债券占年末债券发行总额的80%;
假设4:居民持有股票占年末A股流通市值的60%;
假设5:居民保险准备金以保费收入衡量,包括人寿保险和家庭财产保险。
此外,考虑到数据的准确性与完整性,本文所有数据选取时间段为1992-2009年,相关数据根据2010年《中国统计年鉴》、《中国金融年鉴》、《中国证券期货统计年鉴》整理而得。
(二)我国居民金融资产结构特征
1990年和1991年上海和深圳证券交易所先后正式成立,我国金融机构存贷款、债券、股票、基金等金融工具日益增多,居民金融资产结构也发生了显着变化(见图1):
1.手持现金与储蓄存款比例均下降。由于金融机构不断进行创新,设立银行卡、信用卡等流动性大的账户,居民手持现金比例明显下降,由1992年的21.15%降到2009年的7.19%,下降了13.96个百分点。而储蓄存款作为我国居民最主要的金融资产,其比例较高,在72.74%左右,但一方面由于居民理财观念增强,将资金投向高风险、高收益的债券和股票,使储蓄存款向证券流动;另一方面医疗、住房体系改革等原因削弱居民储蓄动机,近年居民储蓄存款比例也略有下降。
2.证券类资产比例呈上升趋势。随着我国证券市场机制的不断完善,近年来,除2008年受金融危机的冲击外,证券类资产比例呈上升趋势。持股方面,1992-2000年,居民持股比例由0.58%逐渐上升达到10.18%,此后随着股指的逐年下跌,居民持股比例逐年下降,2005年降到3.29%,但股改后,居民持股比例不断上升,并保持较高水平;债券方面,企业债券发行规模逐渐扩大,居民持有债券比例由1992年的5.85%上升到2009年的8.55%。
3.保险准备金比例稳步上升。虽然我国保险业起步较晚,但随着保险市场的完善和居民风险意识提
高,保险业发展迅速,居民持有保险准备金比例由1992年的0.75%上升到2009年的1.92%。
居民金融资产结构对金融效率影响的实证分析
(一)模型设计
金融的首要功能是动员储蓄并实现储蓄向投资转化的过程,因此,储蓄投资转化率是金融效率的集中体现,本文以金融机构贷款与金融机构存款的比例衡量,数据根据1992-2010年《中国金融年鉴》整理而得。为了消除异方差,对所有数据进行对数处理后再建立以下模型:
LogSLR = α+β1*logCR +β2*logDR +β3*logBR +β4*logSR +β5 *logIR + μ
其中,SLR表示储蓄投资转化率,CR、DR、BR、SR、IR分别表示居民手持现金、储蓄存款、债券、股票、保险准备金的比例。
(二)实证检验
1.单位根检验。首先要确定时间序列数据是否具有平稳性,即单位根检验。本文采用ADF检验方法,利用Eviews5.0对序列logSLR、logCR、logDR、logBR、logSR、logIR进行ADF检验,检验结果见表1。从表1看,变量logSLR、logCR、logDR、logBR、logSR、logIR的ADF统计量都小于5%显着水平下的临界值,因此它们都不平稳。但它们的一阶差分ADF统计量都大于5%显着水平下的临界值,因此在5%的显着水平下,它们的一阶差分都平稳,即都是I(1)序列。
2.协整检验。由以上检验结果知,在5%的显着水平下,变量logSLR、logCR、logDR、logBR、logSR、logIR都是一阶单整序列,符合协整的必要条件。因此用Engle-Granger两步法对其进行协整分析。
首先,通过最小二乘法估计得到以下回归方程:
logSLR=0.0076-0.3851*logCR+
(-0.0257) (2.5850)
0.1406*logDR+0.2414*logBR+
(-0.6090) (0.3264)
0.0531*logSR-0.1427*logIR
(-0.1668) (-2.6458)
R2=0.9444 D.W.= 1.2280 F=40.7699
由方程知,R2=0.9444说明模型的拟合优度高;4-dU>D.W.= 1.2280>dL说明变量间不存在序列相关,这表明方程的各方面良好。
其次,对回归方程的残差ET进行单位根检验(见表2)。假如残差不存在单位根,则说明残差是平稳序列,以上建立的方程就是变量的协整方程,从而反映了它们之间的长期均衡关系。
检验结果表明,ET序列在1%的显着水平下ADF(ET)=-3.9204>-4.2875,即拒绝原假设,因此可以确定ET为平稳序列,即ET ~I(0)。上述结果表明:1992-2009年金融效率和LogBR、LogCR、LogDR、LogSR、LogIR之间存在长期稳定的均衡关系。
3.误差修正模型。上述协整模型代表了传统线性模型对变量之间一种长期均衡关系的表达,误差修正模型则较好地弥补了当误差修正项偏离均衡过程时变量之间的短期调整行为,这是协整模型所不能表示的。通过建立误差修正模型可以更好地理解金融效率与居民各金融资产间的短期关系。在误差修正模型中ecmT-1=ET-1,运用E-views5.0操作得如下修正模型:
logSLRT = -0.2986*logCRT +
(1.9210)
0.4555*logDRT +0.0418*logBRT +
(-1.7429) (-0.7369)
0.0275*logSRT-0.0356*logIRT -
(-0.8508) (-0.4421)
0.5448ecmT-1
(-1.8789)
R2=0.7754 DW=1.2015
根据T分布的临界值查询可知所有t统计量均通过检验,即变量系数均显着,R2=0.7754表示方程拟合程度高,DW=1.2015表明方程的残差不存在自相关性。模型解释了因变量的短期波动模型中logSLR T是如何被决定的。
4.Granger因果关系检验。在协整分析中往往会出现伪回归现象,因此需要对logSLR、logCR、logDR、logBR、logSR、logIR进行Granger因果关系检验,结果见表3。由表3可知,所有检验的P值均小于10%,即logSLR、logCR、logDR、logBR、logSR、logIR互为Granger因果关系,说明方程不存在伪回归。
结论
纠结的句子范文6
【关键词】节后效应；异常收益率；GARCH（1，1）；模型
1.引言
从上世纪70年代中期开始，证券市场异常收益率现象引起了学者们的浓厚兴趣，相关领域的理论和实证研究层出不穷，研究对象涵盖季度效应、月份效应（主要集中在一月和四月效应上）、周一效应、周末效应、节日效应等，其所用数据也分别来自从美国、英国到亚太地区等多个市场。其中，对节日效应的研究是持续最久，争议也最多的部分。
大多数国外研究者将节日效应定义为股票市场在节日的前一交易日出现的，通常是其他交易日平均收益率的几倍甚至是几十倍的异常高收益，或者说就是“节前高收益”异象，并广泛获得了多个市场数据的支持。事实上，节日效应的表现并不是一成不变的。例如Ryan Chong,Robert Hudson,Kevin Keasey和Kevin Littler（2005）在研究中发现1991～1997年节前效应的反转情况，即节前交易日平均收益率为负值，然后此现象在随后几年中消失。
另一方面，理论上来说，如果节日对股票市场收益率有影响，那么这种影响很可能不仅仅作用在节日前最后一个交易日或节后第一个交易日。也就是说，节日期间的信息可能因为节后第一个交易日不能充分吸收和反映节日信息，而对节后的多个交易日造成滞后的影响。令人感到困惑的是，目前所有相关的文献中，研究都主要集中于节日前最后一个交易日，也有少部分研究同时分析了节日后第一个交易日，而节后其他交易日却几乎没有受到关注。曾对多个交易日进行研究的学者又并未将不同交易日分别考虑，而是作为一个连续的时期设置模型，导致无法得到确切的节日效应形式。因此，本文利用中国股票市场沪深A股数据，对春节这一国内最重大节日前后多个交易日的收益率现象进行系统研究。除了影响面广外，选择春节效应进行研究有一好处是春节为农历节日，因而可以避免常困扰研究者的日历效应对节日效应的干扰问题。
以下给出利用1997～2011年沪深A股日收盘价数据制成的描述性统计表，其中收益率全为简单收益率。其中POST1～POST3分别代表春节假期休市结束后的第1～第3个交易日。
从描述性统计结果中可以明显地看出，春节休市结束后，两个市场都出现了前三个交易日的日收益率的数量级远高于其他交易日平均收益率的情况。但并不能以此说明A股市场存在节后效应。要得出结论还需要建立回归模型从实证上对其进行检验。
本文剩余部分安排如下：第二部分对相关文献进行了回顾；第三部分介绍数据和研究方法，并对中国A股市场春节节后效应进行了检验；第四部分就节后效应的成因进行探讨，检验了变动风险溢价假说；最后是本文结论部分。
2.文献回顾
节日效应尤其是节前效应的存在性在多个地区和类型的市场上被证实。多年来学者们就这一现象及其成因进行了广泛和深入的研究，并留下了大量有价值的文献资料。
Robert A.Ariel（1990）通过研究1963～1982年间美国股票市场价值平均和算术平均的日指数收益率以及节前每小时道琼斯工业指数收益率数据，发现在节日前的交易日出现了显著高于其他交易日的收益率；Wilson H S Tong（1992）运用ARCH方法研究了台湾、韩国和美国市场的一月效应、二月效应，对农历新年对月份效应的影响给予了考虑，并检验了税收-损失-卖出假说、流动性限制假说和时变风险溢价假说。结果显示风险溢价对一月效应有很强的解释能力，而台湾市场上存在的农历新年效应却与税收原因或风险溢价波动无关。
Chan-Wung Kim和Jinwoo Park（1994）发现节前异常的高收益率存在于美国的三大主要股票市场，以及英国和日本市场，且后两者的节日效应独立与美国市场。他们的研究还表明节前平均收益中不存在规模效应；Paul Brockman和David Michayluk（1996）利用1963～1993年间NYSE、AMEX以及1972～1993年间NASDAQ中交易的所有股票收益率数据进行研究，检验了1987年后节日效应在基于不同规模、不同价格构建的市场组合中的一致性。结果显示节前收益率显著高于其他交易日收益率，并且在不同组合、不同类型（auction vs dealer）市场中广泛存在；Roger C Vergin和John McGinnis（1999）的研究发现1987～1996年的10年间，美国市场的节日高收益现象在大公司中已经消失，而小公司中也显著地减弱。
Vicente Meneu和Angel Pardo（2003）研究了在西班牙股票交易所交易的重要个股，结果表明节前交易日存在与其他日历效应无关的异常的高收益率，并提出了基于中小投资者在节前拒绝买入行为的流动性解释；Ryan Chong,Robert Hudson,Kevin Keasay和Kevin Littler（2005）发现节前效应在美国、英国和香港市场都出现了减弱，尤以美国最为显著，并发现1991～1997年期间节前效应出现反转，节前交易日出现负的收益率均值，此现象在之后的1997～2003年间消失；George J.Marrett和Andrew C.Worthington(2009)对澳大利亚股票1996年6月～2006年11月市场中8个节日的节日效应分别进行了回归研究，并对各具体行业以及小盘股专门进行了分析。结果表明整个市场和小盘股都提供了节前效应的证据，但市场的节前效应仅仅为零售行业节前效应的表现；同时没有任何证据表明市场或行业层面有节后效应存在。
相比国外的节日效应研究，国内相关的研究工作起步相对较晚，但近年来研究者们也留下了一定的有价值的文献。同时，现有的对中国市场春节效应的研究主要集中于几篇中文文献中。
陈希敏，陈菁（2004)在对中国股市月份效应存在性的研究中，采用了OLS和TARCH两种模型，对1993～2003年间沪深A、B股指数数据分别进行检验，发现得到了截然相反的结果；张和顾建新（2005）利用1992～2002年沪深两市日数据对一年中各月超额收益率进行了统计检验，得出我国市场不存在二月效应也即不存在春节效应的结论；陆磊，刘思峰（2008）用ARMA(1,1)-GARCH(1,1)模型对上证指数各节日前后第一个交易日进行研究，认为春节前后都存在节日效应，且排除了其仅是日历效应的可能；范辛亭，董文卓（2007）验证了中国A股市场的月份效应，并提出“消费习惯假说”，认为元旦和春节期间的消费高峰是月份效应的成因；江一涛、杨林燕（2009）以1997～2008年间上证指数日收益率为研究对象，利用GARCH-M模型，通过比较不休市的传统节日和休市的法定节日的节日效应，得出了休市对节日效应影响不大的结论。
通过对文献的回顾，我们可以看出节日效应在世界范围内得到了广泛的关注，但对节日效应的原因没有形成共识，且不论是对中国市场还是其他市场，节后效应都有待进一步的研究。
3.数据
本文以沪、深两市A股交易日收盘指数为研究对象，选取了1997年1月2日至2011年12月30日间所有数据。1997年以前虽有数据可得，但由于当时中国股票市场尚处于起步阶段，不规范程度较大，多种因素引发的收益率巨幅波动可能对研究结果造成误导性的影响，故弃之不用。随着股市监管的加强，尤其是1996年末开始实施涨跌停板限制制度后，中国A股市场进入了相对稳定发展的阶段，市场价格变动相对合理，也更适合作为研究样本。
本文所用数据全部来自Wind咨询金融终端数据浏览器。
除专门指出外，日收益率全部采用连续复利收益率，计算公式为：
其中，为第t日连续复利收益率，和分别为t日和前一日收盘价。
4.检验春节节后效应存在性的检验
国内外学者在关于节日效应检验的研究中大多采取了OLS方法。这类方法的好处是简便实用，但劣势也很明显：在使用OLS回归时，假定残差项满足同方差，而大量的研究表明，金融数据中这一假定往往不能得到满足。因而OLS得到的结果很可能不可靠。Robert Engle（1982）提出的“自回归条件异方差”（ARCH）模型能很好的解决这个问题，它反映了随机过程中的一种特性：方差随着时间的变化而变化，且具有丛集性和波动性，很适合用于金融时间序列的建模。ARCH模型被Bollerslev（1986）和Taylor（1986）发展为GARCH模型，很好的解决了ARCH在实际中难以运用的问题。通常，GARCH（1，1）模型已经能充分的捕捉数据中波动性集聚，所以，本文先尝试使用OLS方法进行回归，并进行ARCH以检验判断其异方差性，然后使用GARCH(1,1）模型检验春节节后效应。为了充分观察节后效应的具体表现，又不至因参数过多而影响模型的准确性，本文选取节后前3个交易日进行节后效应的研究。
OLS检验方程： （1）
其中，为日期t的日收益率；为截距项；为春节后交易日的虚拟变量，当且仅当t为春节假期后第i个交易日时为，其余情况下；为残差项。
GARCH（1，1）检验方程由均值方程和方差方程组成：
均值方程：
条件方差方程： （2）
其中为随时间变化的条件方差。
对以上两种检验方法而言，如果得到的结果为无法拒绝零假设：，则说明中国A股市场不存在春节节后效应；反之，如果回归估计得到的参数显著不为0，则说明存在春节节后效应，且效应的具体表现形式由该参数的取值决定。
计量经济学中，有时候时间序列的高度相关仅是因为两者随时间有相同方向的变动趋势，而没有真正的联系，也即“伪回归”。这样得到的回归估计是有严重误导性的。因此，在进行回归分析之前，本文先对沪深两市A股日收益率时间序列进行平稳性检验。
对沪深两市进行ADF单位根检验，选择滞后4阶，带截距项而无趋势项，得到的结果如表2所示。
在1%的显著性水平下，两市日收益率都拒绝随机游走假设，说明二者都是平稳的时间序列，可以进行后续的回归分析。
模型（1）的拟合结果见表1。从表中数据来看，节后第一个交易日两市没有出现明显的节后效应，节后第二个交易日有比较显著的正超额收益率，而第三个交易日则都出现了显著的负超额收益率。但对沪深两市场的OLS回归结果进行ARCH异方差检验后发现都存在高度显著的异方差性，故OLS方法不能得出有说服力的结论。
模型（2）的拟合结果见表2。从表中的数据结果来看，沪深两市在春节节后第一个交易日都没有出现节后效应的影响，而第二和第三个交易日则出现了显著的异常收益率。具体表现为节后第二个交易日存在正的超额收益率，而第三个交易日存在负的超额收益率。方差方程中高度显著的ARCH项和GARCH项系数证实了两个时间序列的异方差性。
对模型（2）的残差进行滞后一阶的ARCH LM Test，结果见表3。结果说明经过GARCH(1,1)模型拟合之后，残差项不再存在明显的异方差性。因此，模型（2）得到的结果在一定程度上是可信的。
5.检验变动风险溢价假说
传统的资产定价理论认为金融资产的收益与其所承担的系统性风险成正比，并用beta来衡量资产的系统性风险。Rogalski和Tinic（1986）发现小公司的股票的beta值在日历年末大幅提高，趋于比一年中其他月的平均水平高出30%到60%。这个发现使他们得出结论：所谓的一月效应其实只是对股票承受较高风险的一种正常的补偿。那么我国股票市场的春节节后效应中出现的超额收益率或负超额收益率是否是由风险溢价引起的呢？
为了检验风险溢价导致春节节后效应这一假说，可以对GARCH（1，1）中条件方差方程设置虚拟变量进行回归，从而考察春节假期后的交易日中是否出现显著的超额波动率。如果发现节后有正超额收益率的交易日有正的超额波动率，节后有负超额收益率的交易日也有负的超额波动率，那么春节节后效应就有可能是由波动率的异常引起的，需要进一步的验证；如果发现情况不是这样，那么就可以否定变动风险溢价假说。
均值方程：
条件方差方程： （3）
如果前文观察得到的春节节后交易日的超额收益率情况是由市场风险波动造成的，那么可以预期节后第一个交易日的波动情况不显著、第二个交易日的波动性显著偏高，第三个交易日的波动性显著偏低，也即是不显著，显著为正，而显著为负。如是，则春节节后交易日异常收益率是对变动风险的溢价这一假说得到支持。
模型（3）的实证结果见表4。沪深两市中，方差方程中虚拟变量的系数都与我们预期的情况一致。也就是说，春节节后出现正的异常收益率的交易日的波动性偏大，出现负的异常收益率的交易日的波动性偏小，异常收益率反映的是A股市场受到信息冲击带来的波动性的变化。
6.结论
本文针对农历春节这一伴随长假休市的重大节日，利用中国大陆A股市场的数据检验了少有研究者关注的股票市场节后效应，发现节后第一个交易日无明显节后效应反应，而节后第二、第三个交易日则分别表现出显著的正、负超额收益率。经过进一步的研究发现，这种显著的异常收益率是对对应的交易日出现的异常波动率的反映。根据春节节后效应的这种表现，可以设计套利策略在A股市场中获取超额回报，而这违背了有效市场假说的基本含义，即股票价格已经完全反映了所有的相关信息，投资者无法通过既定的操作始终获取异常利润。从这一点来看，我国沪深A股市场尚未达到弱式有效，资本市场建设还有很长的路要走。
参考文献
[1]Robert A.Ariel.High Stock Returns before Holidays:Existence and Evidence on Possible Causes[J].The Journal of Finance,1990,Vol XLV,No.5:1611～1626.
[2]Wilson H S Tong.An Analysis of The January Effect of United States,Taiwan and South Korea Stock Markets.[J].Asia Pacific Journal of Management,1992,Vol 9,No 2:189～207.
[3]Chan-Wung Kim and Jinwoo Park.Holiday Effects and Stock Returns:Further Evidence[J].Journal of Financial and Quantitative Analysis,1994,VOL 29,No.1:145～157.
[4]Paul Brockman and David Michayluk.The Persistent Holiday Effect:Additional Evidence[J].Applied Economics Letters,1998,5:205～209.
[5]Roger C Vergin and John McGinnis.Revisiting the Holiday Effect:is it on holiday?[J].Applied Financial Economics,1999,9:477～482.
[6]Vicente Meneu and Angel Pardo.Pre-holiday Effect,Large Trades and Small Investor Behaviour[J].Journal of Empirical Finance,2004,11:231～246.
[7]Ryan Chong,Robert Hudson,Kevin Keasay and Kevin Littler.Pre-holiday Effects:International Evidence on the Decline and Reversal of A Stock Market Anomaly[J].Journal of International Money and Finance,2005,24:1226～1236.
[8]George J.Marrett and Andrew C.Worthington.An Empirical Note on the Holiday Effect in the Australian Stock Market,1996～2006[J].2009,16:1769～1772.
[9]陈希敏,陈菁.月份效应:运用不同计量模型 得出相反实证结果[J].中国软科学,2004,8:66～73.
[10]张,顾建新.中国股票市场春节效应的实证研究[J].武汉理工大学学报,2005,VOL.27,No.6:141～144.
[11]陆磊,刘思峰.中国股票市场具有“节日效应”吗?[J].金融研究,2008,No.2:127～139.