基于GARCH模型上证综合指数收益率波动实证研究.docVIP

基于GARCH模型上证综合指数收益率波动实证研究 　　【摘要】文章选取上证综合指数2012年1月4日至2012年12月31日的日收盘数据为研究对象，针对其收益率序列，运用GARCH模型对上证综合指数进行拟合和检验。分析结果表明，上证综合指数收益率序列具有明显的异方差性、波动性和持续性，同时上证综指有较高的风险溢价现象。 　　【关键词】GARCH模型 收益率 上证综合指数 　　前言 　　股票资产收益波动性的研究是当前股票市场研究的核心问题之一。由于上证综指具有跨期性、杠杆性、联动性、高风险性等显著特点，且各种风险因素相互关联，难以独立的评估和预测。GARCH模型非常适和分析和预测的金融波动性，对投资者的决策有很重要的指导作用[1]。因此，文章希望通过对上证综指的GARCH性质以及波动性的研究，挖掘其内在规律，对市场风险和指数进行简单评估和预测，有助于投资者进行比较和决策，减少投资者的风险和损失。 　　一、GARCH模型的简介 　　GARCH模型是对ARCH模型的改进和完善，自从Engle提出ARCH模型之后，Bollerslev在Engle基础上提出了GARCH模型，GARCH（p，q）模型公式为[2]： 　　ARCH模型实际上只适用于异方差函数短期自相关过程，相比于ARCH模型，GARCH模型更能反映实际数据中的长期记忆性质。（1-1）式称为条件均值方程；（1-2）式称为条件方差方程，说明时间序列条件方差的变化特征。 　　二、上证综合指数收益率数据特征统计分析 　　本文选取上海证券交易所2012年1月4日到2012年12月31日的日收盘价格数据，利用EXCEL做简单的公式转换求出上证股票的收益率2012年1月4日到2012年12月31日的242个数据作为研究对象。股票的收益率用收盘价格的指数的对数差来表示，公式为： 　　其中St-表示上证综合指数的收盘价，Rt-表示收益率。 　　首先对上证综指数收盘价数据做基本分析，通过图1可以直观地观察上证综合指数的股票收盘价格走势图。 　　图2可以看出，上证综指收益率具有明显的波动集群现象，某些时间段内波动性较大，某些时间段内波动性较小。为了更深入地分析数据，我们做如下数据基本统计分析。 　　由图3基本统计特征可知，股票收益率的峰度（Kurtosis）为4.649013，大于正态分布的峰度值3，由此可以看出上证综合指数的收益率序列的特征有尖峰和厚尾的特性。P值为0.00000，拒绝上证综指收益率序列服从正态分布的假设。 　　图4收益率的Q-Q图中，直线代表正态分布，收益率序列在中段接近直线而在两端偏离直线，这是厚尾分布的特征。厚尾特征的出现一般而言有两方面原因：一是信息集中出现导致指数大幅波动；二是信息的作用没有立刻在期货市场显示出来，大量信息的积累导致了大幅的波动。 　　三、上证综合指数收益率模型的建立 　　（一）平稳性检验 　　数据变量的平稳性是传统的计量经济分析的基本要求之一。只有模型中的变量满足平稳性要求时，传统的计量经济分析方法才是有效的。而在模型中含有非平稳时间序列式，基于传统的计量经济分析方法的估计和检验统计计量将失去通常的性质，从而推断得出的结论可能是错误的。因此，在建立模型之前有必要检验数据的平稳性。 　　对上证综合指数收益率时间序列进行平稳性检验，检验结果如表1所示： 　　表1 上证综合指数收益率ADF检验 　　由表1可知，-16.23493-3.4574，因此上证综合指数收益率时间序列为平稳序列。 　　（二）相关性检验 　　对已求出的242个上证股票收益率做相关性检验，结果如下图： 　　由相关检验图可以看出，收益率序列的自相关系数（AC）和偏自相关系数（PAC）都在两倍标准差之间，由此可以看出收益率序列不存在自相关性和偏自相关性。考虑到收益率序列不存在相关性，因此在均值方程中不存在均值回归因子，可以用线性方程来拟合。 　　（三）收益序列ARCH效应检验 　　以上证综合指数序列{S1}为基础，为了减少舍入误差在估计时对序列{S1}进行自然对数处理，将处理的结果{ln（St-1）}最为因变量进行估计。估计的基本形式假定为[3]： 　　ln（St）=c+ρ×ln（St-1）+μt （3-1） 　　其中c为常数，利用最小二乘法估计得到如下方程： 　　ln（St）=0.019+0.997×ln（St-1）+μt 　　（0.0083）（0.000） 　　R-squared=0.9971 Log likelihood=11644.2 　　AIC=-4.983 SC=-4.981 　　从拟合结果可以看出拟合程度非常显著，系数的和小于1，并且残差经过检验平稳。 　　观察残差图，可以注意到波动的成群现象明显，这说明误差项