沪深B股收益率波动性分析.doc

　　沪深B股收益率波动性分析 一 数据 1、 样本选取 本文选取了上证B股指数和深证B股指数1997年1月3日到2006年3月15日每日的收盘价。 2、 收益率的计算 由于我们研究的是股票收益率的问题，这里我们使用对数收益率计算公式。 其中{ }是股票收益率序列。 是第 期股票的价格。 二 计量经济模型 1、ARCH模型 该模型的原始定义是：对于某一时间序列 ，其变化规律可由下述模型表示： 2、 GARCH模型 若在干扰项 本期条件方差 的决定模型中引入条件方差的本身的滞后值，如 ，它更好地刻画了收益率序列的异方差性，若所有的 项都等于0，则其简化为ARCH（q）模型。一般认为在GARCHA（p，q）方法中p和q 都取1足以描述金融市场的波动性。即： + lt; 1。 3、GARCHM模型 将条件标准方差引入均值方程，而条件方差同GARCH（1，1，）模型： 4、 指数GARCH（EGARCH）模型 模型的条件方差为 若 ，说明冲击对股价是非对称的。当 时，负冲击要比正冲击更增加股价的波动性。在金融理论中，负冲击导致股价下跌，减少了相对于公司债务的股东权益，由此增加了公司的杠杆作用，从而增加了持有股票的风险。 三 协整及Granger因果关系 1、 协整分析 协整分析是研究不同经济变量之间长期稳定的关系的基本分析方法。即看时间序列之间是否存在协同变化的趋势。 （1）平稳性检验 本文采用增广ADF单位根检验。设{X}为一个时间序列，其检验公式如下： 检验的原假设是 ，备择假设为 。若 显著为0，则 具有单位根，为平稳序列；否则，拒绝零假设。 （2）协整关系检验 应用Engle-Granger 协整检验方法检验两个时间序列 和 是否协整。对两个序列做协整回归方程： 对 进行ADF检验，如果拒绝零假设，则表明两个序列存在协整关系；反之，则不存在协整关系。 2、Granger因果关系检验 {X}和{Y}为两个时间序列，我们根据利用X，Y的滞后值对Y预测所产生的误差项与只用Y的滞后值预测所产生的误差项进行比较，若前者小于后者，表明X是Y的因，反之亦然。 j=1,2,3,k, 其中扰动项 和 不相关。对原假设 和 。根据检验结果判断是否存在Granger关系。 四 实证分析 1、 沪深股市收益率分布特征 从图1、图2分别看出在样本期内沪深两市证B股指数的平均数分别为0.00013和0.000236，偏度为0.335118和0.394724，分布均为左偏，峰度分别为6.537133和6.838762，较正态分布的峰度3高，说明具有尖峰后尾特征，J-B值分别为1195.069和1416.258，更进一步证明这两个序列不具有正态分布的特征。 这些都说明以上这些序列可能存在ARCH或GARCH现象。 由以上两个回归式可得残差序列 及其残差平方序列 ，对这两个序列做相关分析得 几乎不存在自相关，而 存在明显的自相关现象。对 做拉格朗日乘子检验（LM检验），相伴概率为0，小于显著性水平0.05,这说明 存在ARCH/GARCH现象。 4、 ARCH组模型的建模 根据以上分析，沪深B股符合ARCH过程。为了研究沪深股市波动性特点、杠杆效应等，我们采取了以上四种模型进行建模。模型的条件方差结果为： ARCH模型 GARCH模型 GARCH-M模型 EGARCH模型 上 证 B 股 深 证 B 股 其中 ， 分别为t期的条件方差项和残差平方项。 在GARCH（1，1）模型中，条件方差方程的系数 和 估计值是高度显著的，表明沪深B股具有显著的波动聚集性。上证B股的 和 估计值之和为0.962451，是显著的；深证B股 和 估计值之和为0.894697lt;1。因此两市B股收益率序列GARCH（1，1）是协方差平稳的。就外部冲击对 波动特征产生影响的持久性而言，由于上证B股的 和 估计值之和要大于深证的，所以其冲击衰减的速度也越慢，也就是越持久。 两市的B股的GARCH-M模型的风险因子的系数均大于0，说明风险的增加将导致预期收益率的增加。 在两序列的EGARCH模型中，因为两市的 值均是lt;0的。所以股市波动的存在不对称性，即市场上存在明显的杠杆效应这种杠杆效应大概要部分归咎于投资者脆弱的投资心理。当股市大势出现暂时下跌时，投资者往往会出现恐慌心理，不理智的疯狂清仓，从而产生所谓的羊群负效应；而一旦股票价格上涨，投资者又惧于过去股市的暴跌历史，从而在一定程度上抑制了股市的向上的平稳的走势。同时，上证为-0.0036gt;深证的-0.0072，说明上证坏消息对收益率的影响波动的要比深证坏消息对收益率的影响波动要显著。 5、 协整及Granger因果关系检验 由于两序列都是平稳的，我们可以进一步进行协整分析。建立含有常数项的协整回归模型： 通过ADF检验统计量