基于GARCH模型分析股指期货推出对股指波动率影响研究.docVIP

基于GARCH模型分析股指期货推出对股指波动率影响研究 　　中图分类号：F832 文献标识：A 文章编号：1009-4202(2011)08-000-02 　　摘 要 本文选取2005年4月8日至2011年4月8日沪深300指数收盘价为样本数据，采用改进的GARCH模型就股指期货对股票现货市场波动性影响进行实证分析，研究结果表明：沪深300股指期货的推出加剧了现货市场的波动性，加大了现货市场的投机气氛；加快了信息传递速度，提高了市场效率，发挥了价格发现功能；在推出后的较短时间内，虽然加剧了股票市场的波动，但从长远看还是趋于稳定。 　　关键词 股指期货 波动性 GARCH模型 　　 　　一、引言 　　沪深300股指期货推出已经将近1年，国内外学者针对股指期货的推出对股票指数波动性影响有三种不同的观点：加剧了波动性、减小了波动性和对股票市场的波动性没有影响，总的来看，关于股指期货的推出对股票现货市场波动性影响没有一致的结论。 　　目前国内外的文献大多是研究国外市场，对我国市场的近期研究还不多，本文主要通过对沪深300指数的研究来分析股指期货的推出对股票现货市场产生怎样的影响。 　　二、数据的选取及处理 　　样本数据主要来源于雅虎财经网，选取2005年4月8日至2011年4月8日沪深300指数收盘价（ ）共1497个数据，为保证序列的平稳性，本文指数日收益率（ ）采用的是收盘指数的对数之差，计算公式为： 　　三、实证分析 　　1．数据的描述性统计 　　首先使用计量经济学中常用的Eviews软件对数据进行处理，由数据的描述性统计图我们可以得到收益率的统计特征如下：均值为0.0008，标准差为0.0212，最大值为0.0893，最小值为-0.0972，偏度为-0.4618，峰度为5.3684。 　　从数据上看，沪深300指数日收益率 具有典型金融数据的有偏（左偏）、尖峰厚尾的统计特征，左偏意味着从整体上看日收益率小于日收益率均值的交易日数目较多，尖峰厚尾反应了金融波动的正相关性，说明金融市场具有正反馈效应。 　　从收益率的波动图可以看出，沪深300指数日收益率起伏呈波浪状，较小（较大）的波动后跟随着较小（较大）的波动，即波动集群性，初步断定收益率序列具有ARCH效应。 　　2．收益率序??平稳性检验 　　GARCH模型应用的前提是收益率序列是平稳的，因此建模前必须先对沪深300指数日收益率序列进行单位根检验，这里选用ADF检验，检验结果显示ADF统计量为-37.915，临界概率为0，统计量小于在1%显著性水平下的临界值，说明沪深300指数日收益率序列是稳定的，因此可以用自回归模型来解释 的变化，即模型具有可预测性。 　　3．自回归滞后阶数的选择 　　多元线性回归的表达式： 　　由于仅凭自相关、偏自相关图难以较准确的判别自相关的阶数，所以还要借助信息准则来判断，以便充分的刻画指数日收益率序列 的特征，通过对各滞后阶的AIC、SIC和伴随概率（P）的比较，我们认为引入 的滞后6阶并没有使模型得到显著改变，考虑到模型设计应尽可能简洁，故选取滞后4阶建立自回归模型就比较合适，因此建立AR（4）模型： 　　4．ARCH―LM检验 　　ARCH―LM检验是一种用于检验方差自回归条件异方差性的方法，以确保模型更合适，估计GARCH模型前还应进行Engle（1992）年提出的ARCH效应检验。 　　由AR（4）模型中日收益率 序列拟合后的残差平方（ ）相关图可知，序列 有明显的自相关性，初步表明 存在ARCH现象，对 是否具有ARCH现象还要进行拉格朗日乘数（ARCH―LM）检验。 　　LM检验显示，F统计量和 统计量分别为14.5533和14.4149，对应的临界概率都为0.0001，小于显著性水平下1%，因此拒绝原假设，说明残差序列存在高阶ARCH效应，故对均值方程建立AR（4）模型，对条件方差方程建立GARCH模型。 　　四、GARCH模型的建立 　　1．引入虚拟变量 　　为检验沪深300指数期货推出对现货市场波动性的影响，本文在条件方差中引入虚拟变量 ，并假设在股指期货推出前为0，在股指期货推出后为1. 修正后的GARCH（p，q）模型为： 　　均值方程：（ ） 　　方差方程： 　　其中 。 　　为保证GARCH（p，q）模型是宽平稳的，存在参数约束条件 。 　　当 的系数 时，表示股指期货上市后，现货市场的波动性加剧；当系数 时，表示现货市场的波动性不变；当 时，表示现货市场的波动性降低。 　　2．GARCH（1，1）模型（检验波动性） 　　引入虚拟变量 后建立AR（4）―GARCH（1，1）模型，所得结果如下： 　　（0.0004）（0.0000）（0.0000）（0.6