我国股票市场波动的非对称性研究.docVIP

我国股票市场波动的非对称性研究 　　摘要：本文以沪市上证指数为研究对象，利用EGARCH模型对上证指数波动的非对称性进行研究。通过实证分析发现，上证指数波动存在“成群”现象，表现出显著的条件异方差特征，其波动存在非对称性，利空消息比利好消息更容易引起股市的波动。 　　关键词：上证指数；波动；非对称性 　　中图分类号：F830.9 文献标识码：A 文章编号：1001-828X（2014）01-0-02 　　一、前言 　　资本市场中的冲击常常表现出一种非对称效应，变量波动率对负向冲击的反应比对正向冲击的反应更加迅速，即负的冲击比正的冲击更容易增加波动，这种效应被称为“杠杆效应”。以股票市场为例，由于资本、信息的快速流动，股票市场价格时常发生变化，从而导致股市的波动。而在牛市和熊市两种行情下，股票市场的波动表现出了不一致性的特征。 　　1982年Engle首先提出了方差随时间变化的自回归条件异方差ARCH模型，由于ARCH模型的不稳定性，Bollerslev又于1986年提出了广义自回归条件异方差GARCH模型。随着研究的深入，国外学者又相继提出一系列扩展模型，如GARCH-M模型、TARCH模型、EGARCH模型、PARCH模型和CARCH模型型等。历年来，ARCH族模型在解释经济金融序列波动现象中得到了广泛应用。国外学者利用该系列模型对股市波动的规律进行了较多的研究，并不断论证得出股市波动存在非对称性特征。 　　那么我国股市是否也存在波动的非对称现象呢？本文主要采用EGARCH模型，以我国沪市的上证指数为研究的对象，对上证指数波动的非对称性进行实证分析，旨在发现我国股票市场波动的非对称特征。 　　二、模型介绍 　　1. EGARCH模型 　　EGARCH模型，主要将条件方差用对数的形式表示，这样表现出来的杠杆影响就是指数形式的。该模型的条件方差方程被设定为如下形式： 　　该模型的非对称效应项为，如果非对称效应项的系数 0，则说明信息是非对称的。在这个模型中，当好消息来临时，好消息对资本市场有一个倍的冲击；当坏消息来临时，坏消息对资本市场有一个倍的冲击。这里的好消息和坏消息分别对资本市场中的正向冲击和负向冲击，即正向冲击和负向冲击对资本市场的影响是不相同的。 　　2.非对称的信息冲击曲线 　　Engle和Ng（1993）提出用非对称信息冲击曲线来描述好消息与坏消息冲击影响的非对称性。通过绘制资本市场的非对称信息冲击曲线，可以更加直观地观察到资本市场波动性的非对称特征。 　　假设EGARCH模型条件方差方程的残差服从条件正态分布。 　　设 。 　　函数代表了“信息冲击曲线”，描述了在不同的冲击下波动率随之波动的曲线。当=0时，冲击带来的资本市场波动为0；当0时，负向冲击带来的资本市场波动为，当0时，正向冲击带来的资本市场波动为。 　　三、实证分析 　　1.数据的选取与处理。本文选取沪市上证指数作为研究对象，用字母表示。为了数据的平滑性，对上证指数取对数，其中、分别指的是第日和第日的收盘价。样本期间是从2005年6月1日至2013年10月31日，样本容量是2044。运用的计量软件为Eviews7.0。 　　2. ARCH检验。在进行非对称ARCH模型估计之前，需要对模型的残差序列是否存在ARCH效应进行检验。ARCH检验原假设为模型的残差序列不存在条件异方差。对上证指数及其滞后一期值建立均值方程，得出模型的残差序列图如下： 　　观察该模型的残差图，发现上证指数存在“成群”现象：波动在某一段时间内非常小，而在另一段时间内非常大，说明模型的误差项可能具有条件异方差性。 　　对均值方程进行异方差的ARCH-LM检验，得到了模型滞后8阶的ARCH检验结果如表1： 　　表1：ARCH效应检验结果 　　表1是对均值方程残差序列的ARCH检验情况，检验结果发现F统计量的P值为零，故拒绝不存在条件异方差的原假设，说明模型的残差序列存在ARCH效应。 　　3.EGARCH模型。原模型存在ARCH效应，故进一步建立EGARCH模型。通过不断试验，建立上证指数的AR（4）-EGARCH（1，1）模型： 　　均值方程为： 　　方差方程为： 　　模型的结果见表2： 　　表2：EGARCH模型估计结果 　　对EGARCH模型进行ARCH-LM检验，结果如表3： 　　表3：EGARCH模型ARCH效应检验结果 　　对EGARCH模型的条件异方差检验结果发现P值为0.9180，远远大于0.05，接受不存在条件异方差的原假设。可见EGARCH模型消除了原模型残差序列的条件异方差，该模型的残差序列不再存在ARCH效应。 　　4.非对称信息冲击曲线。为了更直观地了解上证指数波动的非对称性，绘制如下信息