基于GJR模型的中国股市收益率波动性研究.pdf

第27卷第4期 青岛大学学报(自然科学版) V01．27No．4 20l4年11月 OF Science Nov．201 4 JOURNALQINGDAOUNIVERSITY(NaturalEdition) 文章编号：1006—1037(2014)04—0020一07 doi：10．3969／j．issn．1006—1037．2014．1i．05 基于GJR模型的中国股市收益率波动性研究 刘文源1，赵 凯1，叶 静1，王传稳1，景泳霖2 (1．青岛大学数学科学学院，青岛266071；2．山东大学数学院，济南250100) 摘要：取一段时间的上证指数日收盘价为数据样本，从时间序列分析的角度运用模型重组方 法构造带student—t分布的ARMA—GJR—M模型研究中国股票市场收益率的波动性。结果 表明，ARMA(4，3)一GJR(1，1)～M模型能够全面描述中国股票市场收益率的非正态性、尖峰 厚尾异方差性、强烈的波动集聚性和自相关性以及波动过程中的杠杆效应这四大特征。同 时，收益率与风险大小成正比也在模型中得到很好的体现。实证结果显示，ARMA—GJR—M 模型的拟合效果比G]R—M模型的更好。 关键词：股市；波动性；杠杆效应；ARMA—GJR—M模型 中图分类号：F830．91 文献标志码：A 资本市场是现代金融体系的重要组成部分，其中股票市场占据主导地位。中国股票市场经过二十多年 的发展，获得了一定的成就，同样也存在不少问题。众所周知，剧烈波动性是中国股票市场的一大特点，因 此，研究股票市场的波动性具有深刻意义。对股票市场收益率波动性的研究在理论和实证方面都取得了很 大的进展，研究发现，股票收益率的分布具有非正态性和尖峰厚尾异方差性，另外，收益率方差也表现出波动 and GARCH等模型捕捉波动非对称 的集聚性和杠杆效应。EngleNgEl]比较了GARCH，EGARCH，GJR 动性刻画能力。陈浪南等[33使用GJR模型对深市成指的不同阶段进行了研究，从实证的角度分析了利好消 息和利空消息对股票市场的非对称影响。郑梅等[4]的实证研究发现，GJR模型对于沪深股市波动率的预测 罗阳等[5]的实证研究结果表明，GARCH模型能消除残差的异方差性，股市波动存在强烈冲击，收益有正的 风险溢价，且股市中存在明显的杠杆效应。由于尚没有一个波动过程可以完全由一个模型解释，许多学 者[6。91还运用重组模型来估计和预测股票市场的波动性。 基于中国股市收益率序列的四大特点，即收益率时间序列分布呈现非正态性和尖峰厚尾异方差性；收益 率方差具有很强的波动集聚性；收益率序列具有强烈的自相关性；中国股市存在杠杆效应。为了更好地描述 数据的非正态性、尖峰厚尾异方差性、波动集聚性和杠杆效应，本文从时间序列角度出发，利用模型重组方 市场收益率的波动性。 1 GARCH模型及其推广 很多金融时间序列没有恒定的均值，而且表现出强烈的波动性。从股票市场各种股指的每日变化可以 发现股市既有看上去平稳的时候，也有剧烈振荡的时候，这种序列称为条件异方差。Bollerslevc加3拓展了 其通用形式为GARCH(P，q)： 收稿日期：2014-06—29 作者简介：刘文源，女，硕士研究生，研究方向为数理金融。 通讯作者：赵凯，男，教授，主要研究方向：小波分析，数理金融。E—mail：zhkzhc@aliyun．corn 万方数据 第4期 刘文源，等：基于GJR模型的中国股市收益率波动性研究 21 e：一4h，·饥 (1) q P h：=∞+∑a。￡，2。+∑B^，， (2) I