汽车行业股价波动性实证探究.docVIP

汽车行业股价波动性实证探究[摘要]近年来，我国汽车产业发展迅猛，汽车股价波动日趋复杂。鉴于GARCH模型能够较好地拟合时间序列的尖峰厚尾特征，本文采集了2008年1月1日至2009年11月30日共计1260个道琼斯第一财经中国600汽车和零件行业领先指数的数据，并将其分为熊市牛市两个阶段，运用GARCH类模型进行实证分析，证实了我国汽车行业股价具有尖峰厚尾、显著异于正态分布的特征，说明了两阶段股市中均存在杠杆效应，同时得出了收益随风险的增加而增加的现象在熊市中更加明显。 [关键词]GARCH　模型　汽车　收益率　波动性 “扩内需、保增长、调结构”是我国目前经济工作的首要任务。汽车业是国民经济的支柱产业，汽车业的良性发展为我国扩大内需、保证经济增长目标的实现提供了保障。而汽车业的发展又离不开金融特别是股市的支撑。本文主要分析了汽车行业股价的波动性，分熊市和牛市两个阶段进行分析，为政府和广大投资者提供一些参考。 在理论研究和实证分析中，一般用收益率的方差或标准差来表示股票市场的波动性。但近年来，广义自回归条件异方差模型(GARCH)被专门用于波动性的建模和预测。为了克服GARCH模型在处理金融时间序列数据时的一些不足之处，许多学者对GARCH模型提出改进，如Engle、Lilien、Robins(1987)把条件方差引进到均值方程就扩展为GARCH-M模型，Zakoian(1990)和Glosten，Jafanathan，Runkle(1993)独立的引入TARCH，Nelson(1991)提出的指数GARCH(EGARCH)模型等。本文将合理利用GARCH类模型对汽车行业的股票收益率波动进行分阶段分析。 一、GARCH模型介绍 本文采用GARCH、GARCH-M、TARCH、EGARCH模型对汽车行业股票价格的波动性进行实证研究。 1、GARCH模型 为了进一步研究价格波动的时变特征，Bollersle将ARCH模型扩展到GARCH模型(广义条件异方差模型)，GARCH(p，q)模型表示如下。 GARCH-M模型通常用于关于资产的预期收益与预期风险紧密相关的金融领域。预期风险的估计系数ψ是风险收益交易的度量。 稳的时间序列，可以对其进行后续分析。 3、GAILCH模型估计 对熊市阶段和牛市阶段的收益率分别建立GARCH(1，1)、GARCH-M(1，1)、TARCH(1，1)、EGARCH(1，1)模型，模型估计果如表3和表4。 由此，可以得到以下结论。 第一，通过GARCH(1.1)模型对熊市和牛市两阶段的收益率进行分析，发现ARCH项和GARCH项的系数都是统计显著的，可见条件方差确实不是常数，同时α1+β1分别为0.812772、0.904739均小于1，满足参数约束条件，因而估计的模型参数是稳定的；在牛市阶段为α1+β1为0.812772，显著小于1，说明在牛市阶段收益率方差稳定性尚可，在熊市阶段为为0.933796，相对的更接近于1，说明熊市阶段方差稳定性较差，条件方差所受的冲击是更持久的，即说明汽车行业指数收益波动具有一定的持续性，影响汽车行业股票波动的因素较多。 第二，在GARCH-M(1，1)模型中，收益率方程包括条件标准差σt是为了在收益率方程中融入风险测量，条件标准差前面的参数p应该是正数，因此预期较大值的条件标准差与高收益率相联系。熊市阶段和牛市阶段均值方程中σt的系数(风险敏感系数)分别为0.952258和0.134519，表明当熊市阶段市场中的预期风险每增加一个单位，就会导致预期收益率相应增加0.952258个单位；而当牛市阶段市场中的预期风险增加一个单位时，就会导致预期收益率相应增加0.134519个单位。从而验证了高风险对应于高收益的投资组合理论，同时也可以说明这种现象在熊市当中更为显著。 第三，通过运用TAKCH(1，1)模型对汽车行业股指收益率进行分析，可以得出在牛市阶段存在杠杆效应，杠杆效应系数为0.017415，大于0，这说明“利空消息”比“利好消息”产生的波动性要大，即当出现“利好消息”时，“利好消息”会给股票价格指数带来一个0.017415的冲击，而当出现“利空消息”时，“利空消息”会给股票价格指数带来一个0.153902的冲击。在熊市阶段，杠杆效应系数为0.017415，大于0，也存在杠杆效应，但是在估计出的熊市阶段的TARGH模型中，αi是负的而且显著地不为0，这就导致当u2t-i足够大的时候，条件异方差的最终结果有可能是负的，这与条件异方差恒大于0矛盾。为了解决此问题，本文又采用了EGARCH(1，1)模型对两阶段数据进行了估计。 第四，在EGAKCH(1，1)模型中，熊市阶段和牛市阶段