中国股票市场相关性与波动性的时变分析.PDFVIP

中国股票市场相关性和波动性的时变分析 陈守东，韩广哲，刘志强 （吉林大学数量经济研究中心，吉林长春，130012 ） 提要： 本文利用二元GARCH （Bivariate GARCH ）模型模拟计算出随时间变化的方差、协方差和相关系数。同时， 在条件均值方程中引入协整参数，使用二元GARCH （1,1 ）模型确定条件变量、条件协方差和变量之间的相关系数， 并利用上海和深圳股票市场的实证数据对中国股市的相关性和波动性进行时变分析。 关键词： 二元GARCH；时变；协整模型 0 引言 大量实证研究表明，GARCH 类模型特别适合于对金融时间序列数据的波动性和相关性进行建 模[1] [2] 。已有多篇文章使用GARCH 类模型分别对上海和深圳股票市场的收益率进行了建模和分析 ， 但是考虑的均是一元情形，不能充分反应市场之间时变的波动和相互影响。本文使用二元 GARCH 模型对上海和深圳股票市场的收益率进行建模，并计算相关性的时间序列，从二元角度刻画两个市 场间时变的波动和相关性。本文结构如下：第二部分对数据与模型进行了描述，第三部分，对沪、 深股市的指数进行检验并估计二元GARCHM 模型，第四部分是结论。 1 数据与模型描述 1.1 数据描述 我们选取了上海股票市场的上证综合指数（HU）和深圳股票市场的深证综合指数（SHEN ）。 样本数据为 1991 年 12 月23 日到2003 年4 月2 日的日线数据（每天的收盘价格）和1991 年 12 月28 日到2003 年4 月2 日的周线数据（每周五的收盘价格）。日线数据的观察值个数是2739，周 线数据的观察值个数是 565 。我们首先考虑日线数据，对这两个指数的日线数据进行取对数和对数 差分处理，用LHU、 LSHEN 表示进行取对数处理以后的指数序列；用RHU、RSHEN 表示进行对 数一阶差分处理以后的指数序列（即为我们考虑的几何收益率序列）。图1 和图2 分别给出了收益率 序列的图形。 1.2 二元GARCH 模型 从图1 和图2 中我们可以看出，上海和深圳的股票市场存在着明显的波动聚类现象，而GARCH 模型能够很好的描述这类现象。注意到图 1 和图2 中两个收益率的图形较为相近，波动增大、减小 的幅度以及持续的时间相近，特别是几个突发性的较大的冲击能够同时引起两个股票市场相似的反 应（反应时间、波动幅度相近）。因此，我们同时考虑上海和深圳股票市场的收益率，把两个市场联 系到一起，建立二元GARCH(1，1) （Bivariate GARCH）模型。 我们采用GARCH(p,q)模型描述股票市场收益率的波动性和相关性。数据生成过程（也称均值方 程）为： m n R α+ θR +ε + η ε t ∑ i t -i t ∑ j t −j i 1 j 1 这里假设收益率R t 服从ARMA(m,n)过程，m、n 随每个具体收益率序列而确定，其中残差序列 ε 是条件异方差过程，表示收益率波动的爆发性、聚类性和持续性，假设条件异方差序列满足以下 t [3] 的方差过程（也称条件方差方程） ： q p 2 2 2 σ ω+ αε + β σ ，ω0，α ≥0,i 1, , q,β ≥0, j 1, , p t ∑ i t −i ∑ j t −j i j i 1 j 1 这里，p 是GARCH 项的阶数，q 是ARCH 项的阶数。 图1 上证综合指数的几何收益率