上证综指收益率波动性实证探析.docVIP

上证综指收益率波动性实证分析 　　摘要：股票市场作为金融市场的重要组成部分，受到投资者和学者的广泛关注。中国a股市场2015年更是波澜壮阔的一年，上半年疯狂且短暂的牛市以及自6月份开始断崖式下跌，引起了投资者和经济金融领域研究人员的重视。选取上证综合指数收益率作为研究对象，重点研究收益率波动性，一方面分析了收益率描述性统计特征，一方面基于Garch（1，1）和EGarch（1，1）模型采用实证分析方法估计了收益率条件方差，并比较了这两种模型。研究结果表明，上证综指收益率具有显著的波动聚集性，通过R/S（重标极差分析法）得出收益率具有长记忆性特征，周期近似为170天，通过自相关系数检查了收益率波动的ARCH效应，并通过Garch模型估计了收益率的条件方差。值得注意的是，通过方差序列的变化观察到收益率短期波动性的增大能够提示投资者回避下跌损失，更为宏观的结论是管理层应该重视股市过度波动对金融市场产生的影响，在未来的证券市场建设中加强法制建设，提升前瞻性，提高管理的有效性 关键词：收益率波动性；Garch模型；市场风险 中图分类号：F83 文献标识码：A doi：10.19311/j.cnki2016.27.050 1引言 2015年中国股市的剧烈波动，引起了政府和管理层的重视，股价的剧烈波动反映了市场风险的急剧变化，无论从监管层对证券市场的监管角度还是从个人投资者对市场把握的角度，研究收益率波动特征都是有重要意义的。对个人投资者而言，通过度量波动率估计可能面临的风险大小，是投资者获取收益回避损失的基础；对于监管层意义更为重大，考虑到金融对整个国民经济的重要作用，监管层对市场可能风险的把握十分必要 在研究方法和内容上，本文采用描述性统计分析和实证分析结合的研究方法，研究数据属于时间序列数据，采用平稳性检验，显著性检验，广义自回归条件异方差模型（Garch）等计量经济学有关时间序列的分析方法。选取了2005年1月4日至2016年7月8日上证指数收盘价作为样本，通过Garch（1，1）和EGarch（1，1）模型估计了收益率的条件方差，并对两种模型进行了比较分析 2理论模型介绍 2.1ARCH模型 ARCH（Auto-Regressive Conditionally Heteroskedasticity）：自回归条件异方差模型这是由Robert F. Engle 在1982年提出的，ARCH模型主要用于研究金融时间序列变动问题。如果回归模型的随机误差项存在异方差，可以用ARCH模型来描述： yt=b1+b2xt+ut（1）（均值方程） var（ut）=σ2t=ht=a0+a1u2t-1+……+aqu2t-q （2）（条件方差方程） 把满足上述条件的模型称为服从q阶自回归条件异方差模型；ARCH模型的优点是能够准确地拟合金融时间序列的波动性的变化；缺点是对参数的限定非常严格，且不能反映波动的非对称性 2.2GARCH模型 ARCH（q）在实际应用中，随着滞后阶数q的增加，会增大待估参数的个数，同时也会产生多重共线性问题，估计量有效性也会降低。为了解决此问题，Engle的学生Bollerslev在1986年提出了GARCH（q，p）模型，在ARCH（q）中增加p个自回归项。GARCH（q，p）等价于ARCH（∞），而且待估参数大大减少。即可用很小的阶数p和q就可以替代ARCH（q）模型中很大的q，实际应用中，Garch（1，1）就可以了 最简单的GARCH模型是标准化的Garch（1，1），其形式为： yt=b1+b2xt+ut（3） σ2t=ht=a0+β1u2t-1+a1σ2t-1（4） GARCH模型优点是，较之ARCH使用更加简便，有更强的适用性，简化了模型参数的估计；GARCH模型和ARCH模型具有相同的缺点，其对于正的和负的波动具有同样的反应，也即不能反映波动的非对称性 2.3EGARCH（1，1） ln（σ2t）=α0+θut-1σt-1+α1|ut-1|σt-1++β1ln（σ2t-1） 当θ≠0且显著时，表明ln（σ2）具有非对称性，即存在杠杆效应。比起传统的ARCH模型来说，EGARCH模型有几个优点。首先，建立了对数模型，即使参数估计值为负数，方差项也能保证为正数。所以不需要对模型参数施加非负约束；其次，如果波动性和收益之间呈负相关关系，则θ0时，表明负干扰导致的波动小于正干扰导致的波动，就是非对称性，也即杠杆效应 3实证分析 3.1数据准备和描述性统计分析 本文选取上证综合指数日收盘价作为样本，时间长度取2005年1月4日至2016年7月8日，样本总个数为2