基于GARCH模型股市收益与股指波动实证研究.docVIP

基于GARCH模型的股市收益与股指波动的实证研究 　　【摘要】 文章采用四个市场指数建立以来至2010年12月30日止，运用传统的最小二乘法和改进的自回归条件异方差模型（GARCH），从A股市场指数的波动性入手，研究四个市场收益率的特征，对指数序列的分布、序列的平稳性和异方差进行检验，从而对A股市场指数的波动有更深刻的认识和把握。 　　【关键词】 GARCH模型； 收益率； 波动性 　　 　　在证券市场博弈中，股市收益与股指波动的研究是金融工程的一大难题，国内外证券市场研究者及实际工作者都在寻求这方面研究的突破。本文分析了中国A股市场上市以来各市场指数的收盘价，研究股市的收益及波动性，寻求这方面研究的突破。 　　 　　一、理论模型 　　 　　由于平稳性在经济预测中的重要性，对一个时间序列的平稳性进行检验是非常有必要的。所谓平稳时间序列是指序列的均值、方差、协方差和相关系数等是不随时间的变化而变化，时间序列在各个时间点上服从一定的随机概率分布。所以本文采用标准检验时间序列平稳性的ADF检验法对四个市场的对数序列进行平稳性检验，其基本形式采用如下公式： 　　ln（shhpricet）=ρln（shhpricet-1）+ut （1） 　　其中ut是白噪声（零均值、恒定方差、非自相关）的随机误差项。若参数ρ-3.1272，表明接受原来假设，深证成指对数序列是不平稳的。 　　图6的结果显示，检验t统计量-1.3241-3.1272，表明接受原来假设，沪深300对数序列是不平稳的。图7的结果显示，检验t统计量-1.7459-3.1272，表明接受原来假设，中小板指数对数序列是不平稳的。 　　（二）四个市场的单整检验 　　图8的结果显示，检验t统计量为-66.35，远远小于显著性水平为1%的临界值-2.5654，表明至少在99%的置信水平下拒绝原假设，即接受原假设的概率为0，因此认为上证综指LS序列的一阶差分序列LS不存在单位根，LS序列是平稳的。即上证综指LS序列是一阶单整序列I（1），上证指数的收益率序列是平稳的，是随机游走的，上海市场是一个有效的市场。同理可知，深圳成指、沪深300指数和中小板指数的LS序列均是一阶单整序列I（1），其指数的收益率序列是平稳的，是随机???走的，说明四个市场是一个有效的市场。 　　（三）A股市场的GARCH模型 　　为检验A股市场收盘价格的波动是否具有条件异方差性，本文对四个市场指数的对数序列进行检验。所谓条件异方差性是指预测数据与实际数据的误差常常成群出现，在不同时期的误差区别较大，误差项的条件方差不是某个自变量的函数，而是随着时间的变化并且依赖于过去误差的大小。利用最小二乘法对式（1）进行估计： 　　ln（shhpricet）=1.000076ln（shhpricet-1）+ut （4） 　　SE=5.17*10-5，t=（19 336.58） 　　R2=0.9988，对数似然值=10 856.42，AIC=-4.4774，SC=-4.476 　　这个方程是上证综指对数序列的估计，得出的统计量很显著，拟合程度也很好。但是观察该拟合方程的残差序列可发现有波动“成群”的现象，说明上证综指对数序列可能具有条件异方差性，因此对（4）式进行条件异方差的ARCH LM检验，通过检验得到滞后阶数Q=3时的ARCH LM检验结果：LM统计量是16.6，相伴概率为0.000854，明显小于显著性水平0.01，说明残差序列不仅存在ARCH效应，而且存在高阶ARCH效应，即GARCH效应。 　　ln（szpricet）=1.000058ln（szpricet-1）+ut （5sz） 　　SE=4.16*10-5，t=（24 067.18） 　　R2=0.999031，对数似然值=11098.16，AIC=-4.664631，SC=-4.663272 　　从式（5sz）是深成指对数序列的估计，得出的统计量很显著，拟合程度比上海综指拟合更完美。但是观察该拟合方程的残差序列可发现有波动“成群”的现象，说明深成指对数序列可能具有条件异方差性，因此对（5sz）式进行条件异方差的ARCH LM检验，通过检验得到滞后阶数Q=3时的ARCH LM检验结果：LM统计量是315.79，相伴概率为0.000000，明显小于显著性水平0.01，说明残差序列不仅存在ARCH效应，而且存在高阶ARCH效应，即GARCH效应。同理可得，沪深300和中小板对数序列残差序列不仅存在ARCH效应，而且存在高阶ARCH效应，即GARCH效应。其中拟合程度最好排序为中小板、沪深300、深证成指和上证综指。 　　从表1中的结果可以看出GARCH（1，2）模型的AIC值和SC值均最小