中小企业板市场波动性实证分析.docVIP

中小企业板市场波动性实证分析摘要：我国中小板股票市场自2004年启动以来，为中小企业融资起到重要作用。基于中小企业板市场影响因素多、投资风险高、研究不足的现状，文章通过建立GARCH类模型对中小板市场收益率波动性进行实证分析及比较，结果说明GARCH（1，1）模型更适合模拟中小板市场波动性的表现。实证结果表明当前中小板市场处于非理性状态，政府调控无力，众多中小投资者盲目跟风操作，总体投资风险很大。 关键词：中小企业板；波动性；GARCH模型 一、研究背景 股票价格的波动是股票市场风险的表现，因此股票市场风险分析就是对股票价格波动进行分析，模拟和预测股票市场的波动性已经成为众多理论和实证研究中的一个课题。许多用于测度市场风险的风险价值VaR模型都需要估计或预测波动参数，同时，目前几乎所有的金融期权定价模型都要求把波动性的估计或预测作为其输入变量。总而言之，研究股市波动性意义重大。 中小企业板于2004年5月27日在深圳证券交易所启动，该板块的设立在中国资本市场的发展史上具有重大而深远的意义，标志着我国多层次资本市场建设的开始，为我国中小企业提供了通过资本市场进行融资的新渠道，也为中国的风险投资提供了通过资本市场退出的通道。自该板块创立以来，理论界对其进行了大量研究，但主要侧重于定性分析，集中在市场制度建设、IPO条件、信息披露、市场监督及股权分置改革等方面，较少涉及定量分析。 然而，作为创业板的一种过渡形式，中小企业板的股票从设立以来一直受到偏好投机的大量中小投资者的热捧，这些投机行为导致市场波动幅度较大，风险极高。因此，通过建立如GARCH类模型等金融计量模型来分析、研究中小企业板运行状况及特征，为广大投资者投资中小板股票提供参考依据及有效规避风险就显得非常必要。 二、ARCH及GARCH类模型综述 金融收益数据从一个时期到另一个时期的变化过程中，一个重要的特征是价格波动聚集，即大幅度波动聚集在某一段时间，而小幅波动聚集在另一段时间上。而且，内生变量在T期的一个大跳跃，很可能导致它在T+1期的大波动，反之亦然。传统分析中所采用的计量模型，如多元线性回归、ARMA模型等都以残差独立同分布为假设条件，这个假设条件过于苛刻，以至于不能客观和准确地描述金融市场证券价格与收益行为随时间变化的情况和特征。 （一）ARCH模型 针对上述问题，美国经济学家Engle于1982年提出自回归归条件异方差模型（ARCH模型），用于刻画误差项的条件方差中可能存在的相关性。其主要思想是：均值修正的资产收益率前后不相关但不独立；收益率的不独立性可以用它的延期值的一个简单二次函数表示。用解析式表述为： 均值方程： yt=Xβ+εtt=1，2，…，T 误差项εt遵循以0为期望值、ht为条件方差的正态分布 条件方差方程：ht=α0+α1ε2t-1+α2ε2t-2+……+αqε2t-qt=1，2，…，T 其中，αi＞0，且αi＜1，而且即条件方差具有q阶自回归形式，则称误差项εt服从q阶自回归条件异方差过程。 （二）GARCH模型 由于用ARCH模型在描述资产收益率的波动率过程中往往需要很多参数，Bollerslev（1986）进一步将ARCH模型扩展为广义ARCH（GARCH）模型，基本思想是用少数几个ht的滞后值来替代许多εt的滞后值，以减少参数。通用形式GARCH（p，q）可表述为： ht=α0+αiε2t-i+βkht-k 其中α0＞0，αi0，βk0，而且αi+βk＜1。ht是t时刻的预测市场波动值，它同之前数期的波动预测值ht-k以及前期市场消息对市场影响程度的残差平方ε2t-i呈线性正相关，于是这种基于自相关的模型就有效地捕捉了市场波动性簇拥在一起的现象。 （三）GARCH-M模型 标准的资产定价理论认为金融资产的收益应当与其风险成正比。Engle、Lilien和Robins（1987）将GARCH模型中资产收益的条件方差项加入到条件均值方程中，形成GARCH-M模型，即： yt=Xβ+δht+εt或yt=Xβ+δ+εt其中，δht或δ表示风险补偿 此外，在ARCH类模型中，还有IGARCH模型、TGARCH模型、EGARCH模型、指数ARCH模型等形式，经过20多年的发展，ARCH类模型仍然是捕捉金融市场收益率波动性最有效的工具，并且还在不断出新。 三、样本选取及统计分析 深圳证券交易所于2005年12月1日起正式编制和发布中小企业板指数。本文以中小板综合指数（399101）为研究对象，利用GARCH及GARCH-M类模型来研究中小企业板的波动性特征。样本范围为2005年12月1日至2008年8月29日每个交易