基于EGARCH模型国内外股票市场杠杆效应探究.docVIP

基于EGARCH模型国内外股票市场杠杆效应探究【摘要】本文选取上证指数、深证成指、SP500、日经225指数、恒生指数、新加坡海峡指数，金融时报100（FTSE）指数、法兰克福指数（Xetra DAX）八个指数1999年1月4日至2011年12月30日指数日报酬率为研究对象，通过指数自回归条件异方差模型（EGARCH）来检验我国股市是否存在“杠杆效应”。结果表明，所选取的指数数据呈现出“尖峰肥尾”的特征，相对国际成熟的股票市场，我国股票市场的波动性大于国际成熟股票市场的波动性。通过对我国和国际市场股票市场指数分析，存在上一期的交易对当前的冲击，并且当期波动性是前期波动性的函数。 【关键词】杠杆效应；股票市场；EGARCH模型 一、引言 杠杆效应就是指在其它条件不变的情况下，由于股票价格的下跌导致公司价值的降低，增加债务/权益比率，从而加剧波动性和持股风险；反之股票价格的上升会降低债务/权益比率，减少波动性和持股风险。也就是说，股票价格的波动性是公司财务杠杆比率的正函数，财务杠杆越高（低），波动性越高（低）。杠杆效应认为股票价格变化与波动性之间的关系是非对称的，投资者一般对负的价格变化比对正的价格变化更加敏感，负的价格变化往往伴随较大的波动性，正的价格变化往往伴随较小的波动性。也就是说，股市中坏消息对股价的冲击要比好消息对股价的冲击来得更大。现有的大量的实证研究结果显示，“利空”消息引起收益率下跌幅度要大于同样程度“利好”消息引起的收益率上涨幅度。国内外对股票非对称性的研究比较多，本文利用EGARCH模型来检验国内外股市是否存在杠杆性，即国内外股票的报酬率的降低是否伴随着波动性的增加。本文的实证分析将分为以下几部分，第二部分将回顾关于股票市场非对称性的文献；第三部分将对中外主要股票市场指数数据进行描述性统计；第四部分将介绍理论模型，并运用EGARCH模型，对国内外股票市场指数进行实证分析，最后，第五部分根据本文的实证分析，总结实证结果。 二、文献综述 目前有许多模型对时间序列的波动性进行研究。国外学者对股票市场的杠杆效应的研究比较多，Engle认为ARCH(p)(Autoregressive Conditional Heteroscedasticity)模型已经被许多金融分析师运用(Engle，1982)，并且已有的GARCH模型存在一定的局限性，而Nelson在1991年提出了EGARCH模型(Exponential GARCH Model)。 Engle和Ng(1993)绘制出了利好消息和利空消息的非对称性信息曲线，证明了资产市场的冲击存在非对称效应，即杠杆效应[1]。Glosten，JagannathanRunkle（1993）运用标准GARCH-M、修正GARCH-M及EGARCH-M模型，研究了纽约证券交易所1951年4月至1989年12月间加权股价指数的月度收益发现，若对标准模型进行调整，充分考虑条件方差对好坏消息的非对称性影响，股票超额收益的条件均值与条件方差间呈现负相关关系，而且在进行季节调整并引入无风险利率后，这种负相关关系表现更加明显，且能通过显著性检验[2]。Chiang and Doong(2001)应用TAR-GARCH对亚洲七个股票交易所的日收益率、周收益率和月收益率分别建模进行估计[3]。Crouhy and Rockinger(1997)应用ATGARCH和HGARCH模型对全球21个主要股票市场的波动性进行实证研究[4]，上述研究表明，不管是在工业国家的股票市场，还是在新兴市场，均存在显著的波动非对称性。而Tae Hyup Roh（2007）通过混合模型和时间序列模型来预测股票价格指数的波动，发现混合NN-EGARCH模型可以提高预测股票价格指数时间序列的波动[5]。 国内学者对我国股市的非对称也进行了较多的研究。胡永宏和陆忠华（2005）选取上海综合指数和深圳成份指数1998年1月9日至2005年1月21日共351个交易周，1691个交易日作为分析对象，运用E-GARCH模型对沪深股市的杠杆效应进行了实证分析，结果表明，日收益存在着明显的杠杆效应，收益对波动强度的影响具有非对称性[6]。蒋天虹(2008)选取深圳A股综合指数1997年1月20日到2007年6月29日的收盘指数，应用EGARCH-M模型对深圳股票市场的杠杆效应进行了实证分析，结果表明，深圳市场的收益率有效测度了风险因素，并发现当市场面临信息冲击时，坏消息对市场的冲击大于好消息，即存在显著负的杠杆效应，在进行分段回归后，显示杠杆效应随时间变化，由初期的负的杠杆效应变化为正的杠杆效应7。闫涛和孙涛（2009）利用国外证券市场比较成熟的非对称ARCH族理论，对我国上海股票市场建立了ARCH、TARCH、EG