中国股市收益波特征分析.docVIP

中国股市收益波动特征分析 　　中国股市收益波动特征分析 　　一、引言 　　在现实的金融市场里，资产收益率序列的波动性经常表现出波动聚类和杠杆效应，资产收益率的分布表现出高峰厚尾的特性，这些特征明显违背了传统模型中收益率服从正态分布及收益率的方差不随时间变化的经典假设。为了有效地模拟这些特征，Engle （1982）首次提出了自回归条件异方差 （Autoregressive Conditional Heteroskedasticity ARCH）模型，Bollerslev在1986年ARCH模型基础上提出了推广的自回归条件异方差（GARCH）模型，GARCH模型很好地刻画了多数金融时间序列的异方差性和波动高持续性以及收益率服从高峰厚尾分布等特性，成为经济计量中研究波动性的重要工具。随着GARCH模型的不断发展和对金融序列波动性的研究的逐渐深入，发现传统的GARCH模型对金融时间序列的波动持续性的描述存在着一定的局限性，从传统GARCH模型估计得到的结果表明波动具有很高的持续性的特征，在建模过程中若不考虑时间序列中的结构变化，容易导致条件异方差过程产生伪持续性，其表现为模型估计结果是IGARCH （Integrated GARCH）模型或者条件异方差过程具有长记忆性（long memory）。另外，因为标准GARCH模型的估计方法，如拟最大似然估计（QMLE）、广义矩估计（GMM）都要求模型参数和非条件方差在样本期内是保持不变的，因此如果样本期内时间序列发生结构突变，那么这些估计不仅会失效，而且也会影响到时间序列的非条件高阶矩的存在性和模型的预测能力。Hsu等最早开始时间序列方差结构变点的研究，并在最近二十多年里得到了深入发展，有许多研究者将这一研究拓展至GARCH模型，SV模型等时间序列模型中。美籍华人邹至庄于1960年提出了Chow’s断点数理检验方法，其思想是对每个子样本分别独立拟合方程与全样本方程比较，观察两组方程的残差平方和。在我国针对中国股市波动性结构突变诊断的研究并不是很多，张世英和柯珂（2002）使用分整增广GARCH-M模型分段建模方法检测了上证指数的结构性变点，计算量较大且变点来源不明。陈浪南和黄杰鲲（2002）从深成指数的日收益率序列入手，使用迭代累积平方和算法，检测到序列中的方差结构变点，并分段建模考察了利好消息和不利消息的非对称影响。杜江、赵昌文和杨记军（2003）采用迭代累积平方和MV算法对沪深股市的结构变点进行了检测，均发现了30余个结构变点。田铮儿、王红军和韩四（2008）对残量累积和检验统计量推广到GARCH（p，q）模型，利用新检验统计量对浦发银行股票价格序列进行了单一结构变点实证分析。叶阿忠、倪小平和周杰（2007）均利用修正迭代累积平方和算法检测出沪深A、B股指数收益序列的方差结构变点。本文将利用Chow’s断点检验方法系统检测上证指数收益的方差结构变点，并详细分析其与经济或政治事件的关联，证明结构性变点的来源。　 　　二、上证综指收益率结构性变点检验分析 　　（一）样本选取和数据来源 为了研究我国股市波动的变化特征，选取我国上证综指作为主要研究对象，样本期为1990年12月19日至2011年4月13日共4975个观测值的日收盘价格的时间序列作为样本。（数据来自于新浪财经网站。原始序列为日收盘价格数据，取上证综指取对数收益率，即分别对上证综指进行自然对数一阶差分的处理：rt=lnpt-lnpt-1。其中，rt表示第t期收益率，pt表示第t期收盘价。 　　（二）描述性统计 从表（1）中的描述性统计数据可以看出上证综指的峰度远远大于3，而且Jarque-Bera统计量都拒绝了原假设的正态分布，呈现高峰厚尾的特征。Ljung-Box （12）统计量显示上证综指收益率都存在显著的相关性，同时ARCH-LM （4）统计量显示上证综指收益率存在显著的ARCH效应。ADF检验显示上证综指收益率拒绝了单位根的原假设，因此收益率序列是平稳的。综上所述，对这上证综指收益率序列进行GARCH建模是合适的。 　　三、上证综指收益率序列检验分析 　　（一）描述性统计 根据上文基于chow检验检测出来的7个结构变点，依次将原收益率时间序列分为8个子样本：S1、S2、S3、S4、S5、S6、S7、S7、S8。从表（3）中的数据可以看出8个样本区间均具有不同的均值和标准差，而且差异较大，偏度、峰度和Jarque-Bera统计量都表明这8个样本区间的日收益率具有明显高峰厚尾的特征，且不符合正态分布。因此，采取分段建模是合理的。　 　　（二）ADF单位根检验 从表（4）中ADF单位根检验的结果，可以发现各子样本区间的收益率序列t统计量均不超过1%，都拒绝了存在单位根的原假设，所以各子样本子序列仍是平稳的。并且Ljung-Box