我国沪深两市收益率波动性的对比分析

目录一、引言：................................................3二、文献回顾：............................................3三、模型理论与研究方法....................................5四、对沪深两市收益率波动性的实证检验及结论：..............6（一）、数据描述：......................................6（二）、研究方法及理由：.................................6（三）、实证研究结果：.................................14参考文献：...............................................16我国沪深两市收益率波动性的对比分析摘要：金融市场的波动性不仅是投资者关注的焦点之一，而且也是被研究的热点之一。我国股市还比较年轻，股票市场价格常常会大幅波动。本文从研究我国沪深股市收益率波动性的角度出发,对比分析,判断上海与深圳两个股市是否会因为区域的不同导致市场存在差异性。应用GARCH族模型基于05年6月1日到08年4月25日每日之间的收盘价格指数得出结论：深市内部不确定性高于沪市，两市存在明显的杠杆效应。关键字：价格指数;收益率;GARCH;杠杆效应Abstract：Thevolatilityofthefinancemarketisnotonlyoneofthefocusesoftheinvestors,butalsooneimportantresearchpoint.ThispaperstudiedonshanghaicompositeindexandShenzhencomponentindex,andusedGARCH,TARCHandEGARCHmodelsrespectivelytosimulateandcomparethecharacteristicsofthevolatilityofstockmarketsdailyreturnratessimultaneously.TheresultshowsthatEGARCHcansimulatethevolatilityofthestockmarketsbetter.usetimeseriesanalysis,usetheclosingquotationdatafrom2005.6.1to2008.4.25,utilizethegroupofGARCHmatrix.Theconclusionis:Shenzhenstockmarketincertitudemuchhigherthanshanghaistockmarket,bothofthemhaveLeverageEffects.Keywords:priceindex;yield;GARCH;LeverageEffects一、引言：自2006年初，我国股市进入了一个大牛市，上证指数在06年——07年一年多的时间里涨幅近400点，由于股市的过度膨胀，越来越多的人投身股票，可是由于中国股市是一个新兴市场，有很多不完备性的客观原因，具有较大的波动性，因此在股市繁荣的背后隐藏着较大的风险性，在08年初的几个月里，股市出现了大幅震荡的局面，上证综合指数从07年年末的6000多点一路下滑至目前3600点附近，深圳成分指数也从19600点下跌至13000点附近。这使得原本人人赚钱的股市变得萧条，日交易量日益萎缩。由于中国的资本市场发展较晚,资本市场建设仍然存在许多不完善的地方,制度不健全,投资者非理性程度较高,投机炒作盛行,从而使中国股票市场比发达国家市场波动性更大,因此不论对于投资者还是对于金融机构,怎样能够准确地把握中国金融市场的风险显得尤为重要。由于历史原因,中国证券市场形成了上海和深圳两个市场,两市股指总体呈现联动的特点,但是由于2000年深市停发新股,上市公司的质地差别等因素,两市出现了“沪强深弱”的特征,表现出一定的差异。对于一个经济体而言，能否掌握资本市场的波动性是风险控制的核心，本文基于此，从中国沪深两市收益波动性角度出发，对其进行比较分析，判断上海与深圳两个股市的波动性受否有所区别]1[。二、文献回顾：⑴在金融学有关研究和经验分析中,自回归条件异方差模型(AutoregressiveConditionalHeteroskedasticity,ARCH)专门用于波动性的建模和预测。最早的ARCH模型由Engle提出,认为扰动项的条件方差依赖于它前期值的大小。⑵Bollerslev把它扩展为广义自回归条件异方差(GARCH)模型。⑶Engle、Lilien和Robins则把条件方差引入均值方程中,提出了条件异方差均值模型(ARCH-M)。⑷为了克服GARCH模型在处理金融时间序列数据时的一些不足之处,Nelson提出了指数GARCH(EGARCH)模型,该模型考虑了正负资产收益之间的不对称性。⑸金融市场中的波动性模型还有Nicholls和Quinn的随机系数自回归模型(RandomCoefficientAutoregressiveModel,RCA),以及MelinoTurnbull、Harveyetal、Jacquieretal的随机波动性模型(StochasticVolatilityModel,SV)]2[。近年来,国内学者对GARCH类模型做了很多介绍,并且用GARCH类模型对我国金融市场股票价格行为与收益报酬的关系做了一些探索性研究。岳朝龙利用GARCH模型族,实证分析了上海股市收益率的波动特征,指出上海股市收益率不仅具有条件异方差性,而且具有“杠杆效应”]3[。皮天雷对上证指数的波动进行拟合,结果表明,广义自回归条件方差模型对我国股市波动具有较好的拟合效果]4[。唐齐鸣和陈健用GARCH(1,1)和EGARCH(1,1)模型分析了沪深股市的ARCH效应,发现中国股市具有较为明显的ARCH效应,针对中国股市现存问题,提出了加快发展中国股市的政策建议]5[。陈浪南和黄杰鲲采用GJRGARCH-M模型,从实证的角度分析了利好消息和利空消息对股票市场的非对称影响,发现中国股票市场对消息的反应不同于现存文献,认为中国股票市场投机成分不断趋于减少、投资者不断成熟]6[。这些介绍和应用无疑对我国金融市场的研究和健康发展起到了积极而重要的促进作用。然而国内研究者在用GARCH类模型研究国内金融市场,通常存在这样一些问题:(1)估计模型时没有考虑金融时间序列数据的非正态性,从而使估计参数的标准差和方差缺乏一致性,进而影响估计参数的置信度;(2)模型选取时的随意性,即没有根据金融数据本身的特征或模型的经济学含义来选取ARCH类模型以及模型阶数;(3)对无条件方差的存在性(或有界性)不加检验。本文针对沪深两市存在的波动性，运用GARCH族模型进行比较分析，探索股票市场波动性产生的原因，以及验证股票市场的条件异方差性与杠杆效应。三、模型理论与研究方法1、ARCH模型的基本思想：扰动项t的条件方差依赖于它前期值1t的大小。回归模型：随机干扰项的2t平方服从AR（q）过程，即其中独立同分布，并满足2、GARCH模型是在条件方差的方程加上了滞后的项,能体现更为灵活的滞后结构，GARCH（p，q）模型的方差方程定义为：其中：3、TARCH模型是Zakoian提出的,模型中的条件方差被设定为:其中是一个虚拟变量，当时，，否则，，只要γ≠0就存在非对称效应。4、EGARCH模型中的条件方差被定义为：=+等式左边是条件方差的对数,这意味着杠杆影响是指数的,而不是二次的,'ttyx22211ttqtqt……+t)0t2()tD222011PP11qq+tt…………+pq0ijiji=1ji0,0,0,11tI10t11tI10tI所以条件方差的预测值一定非负的。杠杆效应的存在能通过0的假设得到检验。只要≠0,冲击的影响就存在着非对称性。5、杠杆效应由于系数的不为零，应用在资本市场中往往反应的是信息的不对称。一阶滞后收益率与收益率平方值是负相关的。正负收益率对波动性的作用是不对称的,紧跟着绝对值大的负收益率的波动性往往较大。在有效市场假设下,收益率为正意味着利好消息的出现,而收益率为负则表示出现利空消息。所以,这种不对称性就意味着坏消息会造成金融市场较大的波动。这通常是由于企业财务杠杆引起的。财务杠杆的存在,使得经济环境变坏时,上市公司可能陷入财务危机,甚至倒闭。股票市场投资者一般对负的价格变化比对正的价格变化更加敏感,因而,在金融理论中把此类效应称为杠杆效应(LeverageEffects)]7[。四、对沪深两市收益率波动性的实证检验及结论：（一）、数据描述：上海证券交易所A股股价指数（简称上证综合指数）反应了上海股市A股的行情演化，这种行情的变动多少蕴含着整个股票市场本身的一次额特征。同理，深圳成份指数作用也意在如此，所以本文选择了上证综指和深成指数为代表，选择从2005年6月1日到2008年4月25日之间每日收盘价(数据来自证券之星)来研究两股市的波动性。为了减少误差，所以对其进行自然对数处理，定义日收益率为收盘价自然对数的一阶差分，表示如下：R(t)=lnPt-lnPt-1（二）、研究方法及理由：接下来分析收益率的波动所表现的特征。1、收益率的非正态性020406080100120140-0.050.000.05Series:RSample6/01/20054/25/2008Observations757Mean0.001682Median0.002562Maximum0.078903Minimum-0.092562Std.Dev.0.017925Skewness-0.602135Kurtosis6.652822Jarque-Bera466.6076Probability0.000000图1上海股市日收益率分布图020406080100120-0.10-0.050.000.05Series:RSample6/01/20054/25/2008Observations757Mean0.002018Median0.002257Maximum0.080485Minimum-0.097500Std.Dev.0.019775Skewness-0.410493Kurtosis5.559774Jarque-Bera227.9346Probability0.000000图2深圳股市日收益率分布图图1、图2为上证综合指数和深圳成份指数的日收益率频数图以及统计特征。由两分布图中的SKEWNESS指数都小于0可以看出上证综指分布是左偏的，深成指数分布也是左偏的，其峰度（kurtosis）都明显高于3，故都具有尖峰厚尾的特点，J-B中的P值为0也说明两市收益率序列的分布显著地异于正态分布。两个市场的平均收益都是正值，说明两个市场都给投资者带来了稳定的收入，沪市的标准差高于深市的标准差，说明上海的股市风险更高，但其收益率相却对于低于深市]8[。2、波动的集聚性图3、图4为上证综合指数和深圳成指的日收益率图。由图可以看出日收益率围绕0值上下波动，并且表现出时变性、突发性和集簇性特征。可以看出两市的收益率都在一定的时间波动的较小，而在另一段时间波动就较大，这就是股票市场数据的另一个特征——集聚性。表明条件异方差存在序列相关性。-.10-.05.00.05.1005M0706M0106M0707M0107M0708M01R图3上证综合指数日收益率图-.10-.05.00.05.1005M0706M0106M0707M0107M0708M01R图4深圳成分指数日收益率图上面对两股市序列的非正态检验，可以初步设想采用非对称ARCH模型进行回归，