我国上证综指波动率统计特性分析.docVIP

我国上证综指波动率统计特性分析 　　[摘 要]波动率不仅是风险大小的度量指标，而且也是期权定价的基础，在风险预测和风险管理中具有重要作用。通过对我国上海证券市场波动率变化的统计特性进行实证分析，可以发现波动率的概率分布服从对数正态分布，其累积概率分布的渐进行为服从幂律分布，两者都具有一定的标度不变性；波动率的变化具有很强的幂律相关性；在消除日效应现象后，波动率的变化不仅仍具有很强的幂律相关，而且出现两段幂律相关的分岔现象，分岔时间约为4天。 　　[关键词]波动率；统计特性；上证综指 　　[中图分类号]F830.9　[文献标识码]A　[文章编号]1671－511X(2007)05－0032－04 　　 　　大量研究表明，证券市场中价格或收益的波动是有规律的，风险是可以预测的。因此，作为风险大小的度量指标――波动率(volatility)就成为实证研究的重点。所谓波动率(有时也称为波动性)就是统计学中所指的变量的标准差或均方根(Root meansquare)，在经济物理学中常用价格变化的绝对值来代替。许多学者对国外主要证券市场波动率的变化特性进行了卓有成效的实证研究。 　　在国内方面，虽然许多学者对我国证券市场价格变化或收益变化的特性也进行了研究，但对波动率的特性研究鲜有报导。本文以上海证券市场为例，研究上海证券市场综合股价指数(简称上证综指)波动率变化的统计特性。 　　 　　一、数据样本 　　 　　本文以上海证券交易所在1998年5月4日至2005年6月1日之间不同时间间隔的上证综指收盘序列作为研究对象，共1672天，时间间隔分别为1分钟、5分钟、10分钟、20分钟和40分钟五种，各时间间隔收盘序列的数据量见表l，其中每分钟序列有近40万个数据。虽然高频数据量大，记录技术要求高，计算也比较费时，但它更能反映波动的精细结构，更有利于微观动力学模型的研究。因此，越来越多的实证研究采用高频数据序列。上述数据资料来源于深圳天软金融分析(Shenzhen Tinysoft’s Fi-nancial Database)，计算程序和插图均采用Matlab程序编写、绘制。 　　　　 　　二、波动率的分布特性分析 　　 　　令上证综指收盘序列为{Z(t)}，我们定义价格变化G(t)和波动率VT(t)分别为： 　　　 　　其中，t为起始时间点，△t为记录数据的时间间隔，又称为时间标度，T为时间窗，T=π△t，π称为步长，是一个整数。根据定义，这里的价格变化是指相邻两个收盘指数的自然对数之差，有时称为对数差分收益r=lnZ(t+△t)-lnZ(t)=G(t)；波动率是指价格变化的绝对值的移动平均值，移动窗的大小(或称为窗宽)取决于时间间隔△t和步长π。随着n的改变，Vr(t)也将改变。n越大，Vt(t)越准确，但计算时间越长。图1(a)和(b)分别是△Tt=1分钟、T=50分钟时的波动率变化情况和价格变化情况，两者的变化情况显然都不遵循正态分布，但有相似性，其中波动率最大处A、B、C和D分别在1998年8月、2000年2月、2001年10月和2002年6月，图1(c)是上证综指在上述时间范围内的变化情况，可以发现在第800天至第1000天之间，也即从2001年下半年至2002年下半年，上证综指的波动比较大，反映在(a)图中，C、D之间大波动率出现得比较频繁。 　　 　　实证中，我们以每隔20分钟的收盘序列为例，即△t=20分钟，n分别取10、15、20、30和50，对应的移动时间窗T分别为200分钟、300分钟、400分钟、600分钟和1000分钟。图2和图3分别是波动率VT的概率分布和累积概率分布(其余时间间隔序列的分布与此相似，不再画出)。 　　由图2和图3我们可以发现： 　　 　　第一，对于不同的时间窗，无论是波动率的概率分布，还是其累积概率分布，都具有相似性，或者说具有标度不变性，每个图中的五条曲线几乎重合。说明波动率的概率分布及其累积概率分布都具有标度不变性。 　　第二，在双对数坐标图中(图2)，波动率的概率分布服从二次函数分布，说明其概率分布遵循对数正态分布。图4是时间窗为200分钟(n=10)时的分布曲线及其与对数正态分布曲线的对比。可以发现，两者非常一致，对数正态分布的特点是，联合对数正态分布变量的积和乘方也是对数正态分布，满足倍增过程(multiplieative process)，而且对数正态分布是右偏的，这与经验证据是一致的。 　　 　　第三，在双对数坐标图中(图5)，波动率的累积概率分布的渐进行为服从幂律分布(AB为直线)。图中序列的时间间隔为1分钟、时间窗为8。分钟(n=80)，横坐标的单位为标准差，可见，大约在2个标准差至10个标准差之间，分布呈直线状。