上证综指收益率波动结构变点分析.PDF

上证综指收益率波动结构变点分析 长春工业大学 何大强、李士民、李冬 摘要 从以往资料或文献中，我们发现用传统的GARCH 模型估计收益率序列通常表现 出波动具有长记忆性特征和较高的方差持续性，这两个特点可能是由于方差结构变点 造成的。本文采用chow 检验对新浪财经网站下载的上证综指1990年12 月19 日至2011 年4 月 13 日的收益率序列进行了方差结构变点检测，结果发现存在结构变点。实证 检验结果证实了这些结构性变点与影响中国股市收益结构的国内外重大的经济和政 治事件相符合。针对这些结构变点，采用GARCH 模型分段建模，发现国内有关股市 的重大经济事件对股市结构性变动的影响最大，其次是国际经济事件，最后是国内外 的重大政治性事件与其他事件。另外，在中国股市早期，股指的结构性变动很受公开 性的重大事件的影响。但到了后期，股市的结构性变动与重大的事件高度吻合，股市 的结构性波动基本上可以用公开性重大事件的发生来解释。同时，分段建模很好地刻 画了我国股票市场的发展过程，各阶段的GARCH 模型表明股票市场波动逐渐减缓， 市场逐步成熟。 关键词：长记忆性；结构变点；GARCH 模型；ARCH 模型；chow 检验 1 一 、 问题描述 1.1 研究目的、现实意义 波动率是用来衡量一段时间内金融产品价格变动程度大小的，本文将之定义为上 证指数对数收益率的方差。波动率中包含了市场变动和投资风险的信息。收益率是研 究计量模型的重要变量，多数金融研究针对的是资产收益率而不是资产价格， Camp bell ，Lo 和MacKinlay 在1997 年给出了使用收益率来研究的主要理由：第一，对 普通投资者来说，资产收益率更能体现该资产投资的机会，且与投资规模无关；第二， 收益率序列比价格序列更容易处理。因为前者具有更好的统计性质，又因资产收益率 有多种定义，所以其不仅是投资者在投资前衡量市场风险以期望获取超额投资回报的 重要工具，也是经济学家一直研究的主题之一。在现实的金融市场里，资产收益率序 列的波动性经常表现出一些特点，如“波动聚集(volatility lust- ering)”，波动率以连续的 方式随时间变化，波动率不发散到无穷即波动率在固定的范围内变化，波动率对价格 大幅上升和大幅下降的反应不同即“杠杆效应(Leverage effect) ，资产收益率的分布表现 出“高峰厚尾(lept okurtic and fat-tailed)”的特性。这些特征明显违背了传统模型中收益率 服从正态分布及收益率的方差不随时间变化的经典假设。为了有效地解决这些特征问 题，Engle (1982)[1]首次提出了自回归条件异方差 (Autoregressive Conditional Heteroskedasticity ARCH)模型，Bollerslev 在1986 年ARCH 模型基础上提出了推广的自回 归条件异方差(GARCH)模型，GARCH 模型很好地刻画了多数金融时间序列的异方差性 和波动高持续性以及收益率服从高峰厚尾分布等特性，成为经济计量中研究波动性的 重要工具。在接下来的接近三十年时间里，很多的研究者为了更加准确地描述金融时 间序列的波动特性，不断地改进ARCH/GARCH 模型的参数与结构，因此ARCH/GARCH 模型的形式和应用成果不断涌现，逐渐发展形成了GARCH 模型族，所以GARCH 模型 成为现代计量经济学研究的一个十分重要的领域。 随着GARCH 模型的不断发展和对金融序列波动性的研究的逐渐深入，发现传统 的 GARCH 模型对金融时间序列的波动持续性的描述存在着一定的局限性，从传统 GARCH 模型估计得到的结果表明波动具有很高的持续性的特征。Diebold 、Lamoureux Lastrap es、Stărică、Mikosch Stărică 以及Hillebrand 指出，在建模过程中若不考虑时间序 列中的结构变化，容易导致条件异方差过程产生伪持续性，其表现为模型估计结果是 IGARCH (Integrated GARCH)模型或者条件异方差过程具有长记忆性(long memory) 。另外， 因为标准GARCH 模型的估计方法，例如：拟最大似然估