中国沪深股市收益率相关性实证分析.docVIP

中国沪深股市收益率相关性的实证分析 　　摘要：开放的资本市场，不同市场在资金流动、市场运作等方面联系的加强使得市场间的关联度增加。我国的上海和深圳交易所同处中国大陆，所面对的经济、政治和法律环境相同，监管环境、投资者结构、上市公司的质量、治理结构相同或相似。研究这两个股市间的相关性与互动性可以反映资金流向和市场效率。上证综合指数日收益率和深证成分指数日收益率均存在较大的波动，沪深两市日收益率序列均不服从正态分布，尖峰厚尾性显著，波动存在簇族性。可用GARCH模型和EGARCH模型来拟合收益率序列的波动性，通过模型得出沪市的有效性比较强，深市对沪市收益率的溢出效应不显著。 　　关键词：股票收益率 GARCH EGARCH 　　 　　 一、数据的来源与变换 　　本文选取上证综合指数与深证成分指数交易日的收盘价，样本范围为2007年1月5日至2009年12月18日，共973个观察值，全部数据来源于万德资讯金融终端。对原始数据序列取对数，并采用对数一阶差分表示收益率，即RSHt=lg(shinxt)-lg(shinxt-1)，RSZt=lg(szinxt)-lg(szinxt-1)。 　　 　　 二、样本数据的基本统计特征 　　首先对收益率序列作描述性统计分析，结果显示：时间序列RSHt和RSZt正态分布（S=0，K=3）相比，均呈现左偏。Jarque-Bera正态性检验值为189.510888和115.196106，P值俊等于0，表明至少可以在99%的置信水平下拒绝零假设，即序列不服从正态性分布。 　　 　　 三、序列的平稳性检验 　　本文采用扩展的Dickey-Fuller(ADF)检验，假设上证指数收益率序列在0均值上下波动，所以采用无时间趋势的回归模型。取k=5进行检验，结果显示RSH和RSZ的T-test statistic 分别为-30.99307和-29.66630，均小于1%显著水平上的临界值-3.440，所以拒绝序列存在单位根的零假设，因此上证综指日收益率时间序列和深证成指日收益率时间序列均序列不存在单位根，是显著平稳的。 　　 　　 四、序列的自相关性 　　分别作出RSHt的自相关图和偏自相关图，从相关系数、自相关图和LB-Q统计量中可以看出，上证综指日收益率序列一阶不存在相关性，但是2阶以后的自相关系数和偏相关系数有反复波动增减的现象，虽然幅度不大，但是从LB-Q统计量得知，在5%的显著性水平下，上证收益率存在16阶和24阶高阶自相关。 　　尝试用ARMA(p,q)来估计上证指数收益率与其自身滞后量的关系，分别令p=1~5；q=1~5；利用AIC和SBIC来筛选，根据结果：无论是以AIC还是SBIC为准则，都应选择ARMA(3,3)。同时我们从序列RSH的自相关图和偏自相关图中可以发现，序列RSH在第三阶开始有2次明显的上升，我们认为可以尝试使用ARMA(||1，3||，||1，3||)来解释序列。 　　接下来用Box-Jenkins方法估计和识别上述两个模型，其Ljung-Box的Q统计量均不显著，即接受残差无显著自相关的假设。而ARMA(3,3)的AIC和SBIC指数都要优于ARMA(||1,3||,||1,3||)，所以ARMA(3,3)能够比较好地拟合上证综合指数收益率。 　　接着，利用拉格朗日乘数检验对ARMA(3，3)残差进行ARCH效应检验。选择滞后5阶，Chi-Squared(5)为29.208608，Significance Level为0ARMA(3，3)的残差存在明显的ARCH效应。接下来本文引入外生变量来拟合上证综合指数的均值，同时结合异方差模型来分析。 　　 　　 五、上证指数日收益率与深成指数日收益率相关性分析 　　沪深股市相似的结构和相同的环境应该使得二者收益率有很强的相关性。于是，我们将RSZt-1和RSHt-1作为RSHt的解释变量进行简单线性回归。同时，我们不做检验而直接引入GARCH来捕捉回归方程残差的异方差现象。这是因为股指收益的波动率普遍存在群聚、尖峰厚尾的现象。一般来说，GARCH(1,1)模型已能很好的捕捉残差高阶自相关现象，构建模型： 　　 　　 　　结果如表1。RSZt-1和RSHt-1的系数都不显著，GARCH(1,1)模型的各项参数都是显著不为零的，说明了群聚、尖峰厚尾的现象的存在。标准化后残差平方的LB-Q值均不显著，即经过处理后残差不存在异方差现象。但是，标准化后的残差仍然存在自相关现象，于是考虑引入描述波动非对称性的EGARCH进一步分析，构建如下模型： 　　 　　 ～N（0，1） 　　 　　结果如表2。和GARCH(1,1)模型一样，两市日收益率滞后一项都不显著。两个模型中，R