基于GARCH族模型的股价波动性分析.docVIP

基于GARCH族模型的股价波动性分析 　　 摘要: 运用GARCH族模型对上证综指进行建模研究,结果表明:上证股市收益率序列不服从正态分布,有“尖峰厚尾”特征;存在一定的杠杆效应,即利空消息比等量利好消息带来冲击更大;股市受外部影响时间较长,短期内难以消除。 　　 关键词: 股价波动性;GARCH族模型;ARCH效应;杠杆效应 　　 中图分类号:O141?4;F830?91 文献标识码:A 文章编号:1006-4311(2009)12-0163-03 　　 　　0引言 　　 　　大多数金融时间序列,尤其是股票收益率序列,具有非正态性、尖峰厚尾的特征,且存在波动集群性和持续性特点。传统的经济计量模型在描述股票收益率时,通常假定收益率的方差保持不变,这样进行统计推断往往会产生较大的偏差。针对此,Engle于1982年提出了GARCH模型(自回归条件异方差),用来描述波动的集群性和持续性。Bollerslev又于1986年提出了GARCH模型(广义自回归条件异方差),该模型大大简化了参数估计的个数,具有良好的处理厚尾的能力。基于这两个模型发展起来的ARCH族模型已得到很大扩充,以GARCH(1,1)模型为代表的低阶ARCH类模型因参数少且建模效果好,在金融收益率序列的波动性研究中得到广泛应用。刘晓、李益民(2005)[1]以深圳成指为样本,将GARCH族模型对比分析,发现GARCH(3,1)模型能够相对较好地模拟深圳成指走势。孙邦勇、李亚琼(2007)[2]借助ARCH族模型研究沪市行业指数收益率的波动性,分析发现行业指数收益率是平稳的,但其条件方差是尖峰厚尾非正态分布且具有明显的ARCH效应,行业指数收益率具有不同程度杠杆效应。万威、江孝感(2007)[3]利用GARCH族模型对我国沪深股市的波动性进行了研究,结果显示,EGARCH模型能够更有效地拟合股市的波动性。赵进文、王倩(2008)[4]运用GARCH族模型对上证300指数进行间接实证建模分析,得出上海股市股价波动确实存在显著的GARCH效应和冲击持久效应,并存在较弱杠杆效应。黄忠华、吴次芳、杜雪君(2008)[5]采用GARCH模型分析上海房价波动性,发现房价变化存在非对称效应,降息对房价冲击大于加息引起的冲击。本文以上证综合指数日收盘价数据为样本,建立GARCH族模型对上海股市收益率波动性进行实证分析。 　　 　　1GARCH族模型概述 　　 　　1.1 GARCH模型 　　在ARCH(q)模型的方差方程中加入自身的滞后项,得到GARCH(p,q)模型: 　　GARCH(p,q)模型将经济变量的波动来源分为过去的波动性σ■■和外部冲击ε■■,α■和β■分别反映了它们对本期变量波动的作用强度。 　　1.2 EGARCH模型 　　EGARCH模型的条件方差方程为: 　　更高阶的EGARCH模型为: 　　该模型的优点之一是描述了σ■■的对数,所以方差σ■■本身就是正的,不论方程右端的系数是否为正。因此,与GARCH模型不同,方差方程无需任何限制。 　　1.3 TARCH模型 　　TARCH模型的主要目的是检验利好消息和利空消息的不同影响,其方差结构为: 　　1.4 GARCH-M模型 　　GARCH-M模型主要用于刻画股票收益率与市场风险之间的关系。 　　其中:ρ是用条件方差σ■■衡量可观测列的预期风险波动对y■影响程度,它代表风险和收益之间的一种权衡。如果把σ■■看作是一个GARCH(p,q)过程,则条件方差方程可写为σ■■=α■+■α■ε■■+■β■σ■■。同样可给出EGARCH-M模型和TARCH-M模型的结构表示。 　　 　　2实证分析 　　 　　本文以上证综合指数为对象,选取2003年1月1日至2009年4月30日共1635个交易日收盘指数数据,分别采用上述模型研究股价指数的收益率波动特性。数据来源于证券之星,主要使用Eviews5.0软件进行分析。本文定义日收益率为日收盘价自然对数的一阶差分,表示如下:对数收益率:R■=lnP■-lnP■,其中R■是t时刻对数收益率,P■为t时刻收盘价。 　　表1给出了日收益率序列统计结果,偏度系数大于0,说明日收益率分布呈右偏,峰度系数远大于3,说明该分布呈现“尖峰厚尾”特征。JB统计量检验结果表明日收益率不服从正态分布。ADF检验在1%显著性水平下拒绝存在单位根假设,表明该序列是显著平稳的。根据赤池信息准则,最终选用AR(4)过程来描述收益序列的条件均值。进行ARCH-LM检验时,发现当q=5时,在1%显著性水平下,ARCH效应显著,表明收益率序列存在高阶ARCH效应。因此不宜采用ARCH(q),应考虑利用GARCH(p,q)族模型。 　　对上证综合指数分别用GARCH、