基于ｇａｒｃｈ模型族的上海股市波动性分析论文

《基于ｇａｒｃｈ模型族的上海股市波动性分析论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于ＧＡＲＣＨ模型族的上海股市波动性分析论文.freelentedDickey-Fuller检验)，检验结果显示在1%的显著性水平下，上证指数日收益率序列的ADF检验t统计量的值为-39.40537远小于MacKinnon临界值，从而拒绝原假设，即上证综合指数日收益率序列不存在单位根，是平稳序列。为了准确地度量上证综合指数日收益率的异方差，在试算的基础上根据赤池信息准则(AkaikeInformationCriterion)确定了模型的滞后阶数为3阶。对上证综合指数收益率序列利用ARMA(3，0)模

2、型进行回归估计。对回归模型的残差序列进行自相关检验，结果表明，在大部分时滞上，收益率序列残差的自相关函数和偏自相关函数值都很小，表明收益率序列残差并不存在自相关。对残差平方序列进行自相关检验，发现残差平方序列存在明显的自相关。同时，进行滞后3期的ARCH-LM检验，检验结果显示相伴概率P趋近于零，从而拒绝残差序列不存在ARCH效应的原假设，说明上证综合指数收益率序列存在明显的ARCH效应，适宜采用GARCH模型。由于GARCH(1，1)是刻画条件异方差最简洁的形式，且能很好地拟合许多金融时间序列，因

3、此我们在实证中采用这一模型，下表列示的是得出的GARCH(1，1)模型族的参数估计的结果：进一步对GARCH(1，1)模型族拟合结果的残差序列进行ARCH-LM检验，检验结果显示，ARCH-LM检验均接受了不存在ARCH效应的原假设，说明经过GARCH(1，1)模型族的拟合后，明显降低了原序列的波动，而且去掉了其条件方差性。从下表所列示的GARCH模型族参数估计结果我们可以得到以下几点结论：(一)GARCH模型族的β1的系数都比较大且通过了显著性检验，说明股价波动具有“长期记忆性”，即过去价格的波动

4、与其无限长期价格波动的大小都有关系。条件方差方程中，系数a1和β1都显著为正，说明过去的波动对市场未来波动有着正向而减缓的影响，从而使股市波动出现群聚性现象。a1+β1都接近于1，这说明股市波动对外部冲击的反应函数以一个相对较慢的速度递减，股市一旦出现大的波动在短期内很难消除。另外，由于GARCH(1，1)、TARCH(1，1)、GARCH(1，1)-M模型中a1+β1小于1，说明收益率条件方差序列是平稳的，模型具有可预测性。(二)用EGARCH(1，1)模型和TARCH(1，1)模型反映出不同性质

5、的冲击对预期收益的影响是显著不同的，在EGARCH(1，1)模型中γ＜0，在TARCH(1，1)模型中γ＞0，显示出杠杆效应的存在。显然在上海股市上坏消息引起的波动比同等大小的好消息引起的波动要大，这说明投资者对损失的敏感性要高于同等程度的盈利的敏感性，人们更在乎已经得到的东西。这与美国经济学家卡尼曼的理论是吻合的。在TARCH(1，1)模型的估计结果中，好消息对ln(ht)条件方差的影响为0.053204，而坏消息的影响为0.130228，不对称效应是明显的。(三)GARCH(1，1)-M模型中的

6、参数估计结果中，均值方程的ht项的系数是0.180172，在5%的显著性水平下显著大于0，这表明日收益率与市场风险水平呈弱正相关，验证了高风险对应于高收益的投资组合理论。4结论本文以上证综合指数2000年1月4日至2006年11月7日共1645个交易日的日收盘指数的数据为样本，以相邻两天收盘指数的对数一阶差分来表示股票市场日收益率，通过建立GARCH族模型对中国股市收益波动性进行实证分析。结果表明：第一，上海股票市场收益率具有显著的“尖峰厚尾”特点，存在波动的集群性，过去的波动对未来的影响是逐渐衰退

7、的，具有波动的持续性。第二，上海股市的波动具有信息不对称性，坏消息引起的波动比同等大小的好消息引起的波动要大，杠杆效应存在。第三，期望收益与期望风险之间存在正向关系。GARCH模型族可以模拟我国上海股市收益的特点。