基于ARCH族模型中国创业板收益率及交易量与其关系研究.docVIP

基于ARCH族模型中国创业板收益率及交易量与其关系研究 　　【摘要】本文主要研究中国创业板指数收益率以及交易量的关系，通过统计性描述和残差检验发现中国创业板指数收益率存在ARCH效应，即存在波动集群性、异方差性、平稳性、低阶自相关性、非正态性和尖峰厚尾的特点。通过ARCH模型回归发现去势交易量与同期收益率之间存在微弱的正相关性，并且交易量对收益率的波动把关“入市”与“退市”三方面降低创业板的风险。存在影响。当把交易量划分为预期和非预期部分后发现，非预期交易量对收益率以及收益率波动的影响更加显著。基于研究结果我们建议从把握政策调整力度、严格信息披露制度、严格把关“入市”与“退市”三方面降低创业板的风险。 　　【关键词】创业板 ARCH族模型 去势交易量 收益率 　　一、引言 　　中国创业板市场于2009年10月30日正式上市，作为专门协助高成长的新兴创新公司，特别是高科技公司筹资并进行资本运作的市场，与大型成熟的主板市场如沪深股市，特征迥然不同，其上市标准要低于成熟的主板市场，而且风险高，股本规模小，业绩不突出，但也因此更加注重公司的信息披露，具有较高的成长性。在中国设立创业板的主要目的是为创新型和高成长型中小企业提供融资平台，助其发展和拓展业务。然而自创业板市场成立以来，对其的褒贬不一，普遍认为创业板存在着严重的“三高”问题，即高溢价、高市盈率、高股价，从而导致了资源浪费、二级市场风险以及过度包装导致的业绩快速变脸。因此研究创业板市场独特的波动特征，对于认清“三高”问题，更好地发挥创业板为中小企业融资作用具有重大指导意义。自创业板成立以来，理论界主要侧重于创业板市场的定性分析，如市场制度建设、信息披露、IPO条件等，却较少涉及量价分析，尤其缺少对交易量和收益率的关系的研究。而股市交易量与收益率之间的变动关系一直是金融领域的重要研究热点，是研究套利机会和市场有效性的重要手段。 　　本文的创新点在于：（1）学者多研究沪深市场，即使涉及中国创业板，也多集中于定性分析，而本文则实证研究创业板的量价方面的特征；（2）本文借助于ARCH模型，将交易量剔除时间趋势后进一步分为预期和非预期交易量进行实证探究。文章结构安排如下：第一部分引言，第二部分是文献综述，第三部分是模型说明，第四部分是介绍我们对数据的前期处理和对数据特征及其关系的实证检验，第五部分是结论及政策建议。 　　二、模型说明 　　ARCH（Autoregressive conditional heteroskedasticity model）模型，即自回归条件异方差模型，由罗伯特·恩格尔（Engle）教授在1982年（Econometrica）的一篇论文中首次提出，是度量金融时间序列数据波动性的有效工具。其基本思想是：在以前信息集下，某一时刻一个噪声的发生是服从正态分布。该正态分布的均值为零，方差是一个随时间变化的量（即为条件异方差），并且这个随时间变化的方差是过去有限项噪声值平方的线性组合（即为自回归）。满足以下（1）和（2）式的简记为ARCH模型，并称序列εt服从q阶的ARCH的过程，记作εt-ARCH（q）。 　　Yt=βXt-εt （1） 　　ε=α+αa （2） 　　三、实证检验 　　（一）数据处理 　　本次研究选取2010年6月1日至2013年4月15日的创业板指数据，一共695个样本点，来源为wind数据库。考虑到成交量中含有时间趋势，本文先对含有时间趋势的成交量序列剔除时间趋势。Gallant，Rossi和Tauchen，1992的研究中表明成交量序列既含有线性趋势，又含有非线性趋势，本文采用Chen的方法，用含有二次时间趋势项的模型进行回归。模型如下： 　　Vt=α0+α1t+α2t2+εt （3） 　　其中Vt为原始成交量（单位：万股）的对数序列，t为线性时间趋势，t2为非线性时间趋势，对上式进行最小二乘法（OLS）回归后，残差估计值便是剔除了时间趋势的成交量，简称“去势成交量”，记为Yt。回归结果如下： 　　表1 原始交易量对线性与非线性时间趋势回归 　　由以上结果发现，t的回归系数非常小，趋近于0，其T统计量的P值高达0.795，说明原模型对于显著线性时间趋势的设定不合理，现修改模型如下： 　　Vt=α0+α1t+εt （4） 　　继续使用OLS回归，结果如下： 　　表2 原始交易量对非线性时间趋势回归 　　由上面的回归结果我们得到方程为：Vt=9.474+2.305e-06t2，R-square=0.463，两个回归系数的P值都显著，表明其显著不为0，拟合优度较好，说明原始交易量对数含有显著的非线性时间趋势。因此，去势交易量Yt为以上修改后方程的拟合残差，即：Y=V-。同时，对于指数收益率，我们定义日收益率为相邻