我国股票市场波动的时变性及原因探讨

我国股票市场波动的时变性及原因探讨
ARCH模型诞生后，关于资产价格波动性的实证研究大量涌现。

研究者们从不同市场、不同数据频率、不同时段等角度选取数据，对股票指数的波动特征进行实证研究。

本文采用大事件与成交量相结合的方法划分不同时段，对股权分置改革开始至今的股票市场的收益与波动进行实证分析，比较各时段波动差异，并从引发市场变迁的多个方面（政策、市场机制、宏观经济）对波动变化作出解释。

研究表明：我国股票市场的波动持续性和记忆性较强；融资融券和股指期货交易后股市的波动集群性降低；我国股市存在杠杆效应（收益与同期波动的负相关关系），2008年四万亿刺激政策出台后杠杆效应尤为显著。

关键词：收益波动GARCH模型股权分置改革杠杆效应
相关文献综述
现存文献中资本市场的波动特性研究主要针对股票和期货市场。

Nelson （1989）采用EGARCH研究Standard90指数日收益的波动；Chiang and Doong （2001）应用TAR-GARCH模型对亚洲七个股票交易所的日收益率、周收益率、月收益率分别建模，验证了波动非对称性；陈浪南、黄杰鲲（2002）采用GJR GARCH-M模型，应用ICSS法则将股市从1993-2001年的数据分为四段，从实证的角度分析了利好消息和利空对股票市场的非对称影响。

沈小燕、杨旭辉（2006）利用ARCH类模型对大连期货市场“黄豆一号”价格波动性的分析表明，我国农产品期货市场也存在国外成熟期货市场的特征，即“波动集聚”、“尖峰厚尾”、“杠杆效应”等。

但是以上研究没有涉及股权分置改革后的市场，大多也并未分析波动特性产生的原因。

模型建立与数据选择
（一）模型建立
GARCH(p,q)模型：
（1）式中α0、αi、βj为待估参数，本文使用GARCH(1,1)模型，α1与β1之和反映波动的持续性。

EGARCH(1,1)模型：
（2）式中α0、α1、γ、λ为待估参数，α1≠0则说明波动具有非对称性，如果α1显著<0，代表坏消息的影响大于好消息，反之则好消息的影响大于坏消息。

（二）数据选择
本文采用沪深300指数作为数据来源，理由是：沪深300样本股包含了沪深两市300个上市公司，从而反映中国证券市场股票价格变动的整体概貌和运行状况，并被广泛的作为投资业绩的评价标准。

由于中国股票市场是新兴市场，一直处于快速扩容状态，这样综合指数的波动就不完全来自股票价格的波动，一定程度上受新股上市的影响。

沪深300指数包括的上市公司大多是上市一定时间的权重股，能较合理反映市场走势。

整体数据是从2005年4月29日股改之日起至2011年12月7日的沪深300日收盘价Pt。

本文综合大事件和成交量变化周期两个方面，将以上时间区间划分为三个波动时段。

时段一从2005年4月29日到2008年12月12日，即从股改开始，2008年12月15日中央实施财政4万亿刺激计划的前一个交易日止，期间成交量波动恰好完成一个周期；时段二从2008年12月15日到2010年3月30日，即从4万亿刺激政策开始至2010年3月30日（融资融券正式推出日的
前一交易日），成交量经历一个起伏周期；时段三从2010年3月31日至今，在此期间市场持续振荡。

定义每日连续复合收益率，得到指数收益率序列{Rt}：
Rt=lnPt-lnPt-1 (t=2,3,4,...,N) （3）
实证分析
（一）指数收益率序列的描述性统计
沪深300指数日收益率的波动情况（2005年4月29日-2011年12月7日）如图1所示。

从图1可知，指数的收益序列存在明显的波动集群现象，一个大波动之后容易出现持续一定时间的较大波动。

另外，超过5%的异常收益率中，负值的频次明显要大于正值的频次。

指数收益序列的描述性统计如表1所示。

从表1可知：三个阶段的指数收益波动（标准差）明显依次递减，第二时段较第一时段下降10%以上，第三阶段指数收益的波动较第二时段变化更大，下降20%以上。

指数收益序列在三个时段都表现出负偏度，但数值很小。

从峰度数据可以发现，收益序列都表现出“尖峰肥尾”特征，J-B统计量（J-B统计量服从自由度为2的卡方分布，在5%的置信度下临界值为5.99）也都拒绝正态分布的原假设，证实了收益序列不服从正态分布。

检验收益序列自相关性的Q1统计量结果表明，在10%置信度下三个阶段都存在明显的收益率自相关性，因此在平稳性检验通过后可以使用自回归移动平均ARMA方程来描述。

（二）数据的平稳性检验
在建立ARMA模型分析前，本文首先在Eviews软件中对数据序列作平稳性检验，结果显示所有时段的数据序列都平稳，这也符合我们对收益序列的直观认识。

（三）GARCH效应实证分析
经过反复试验筛选，对沪深300指数收益序列选取如下ARMR方程：
整体时段（2005年4月29日-2011年12月7日）：
时段一（2005年4月29日-2008年12月12日）：
时段二（2008年12月15日-2010年3月30日）：
时段三（2010年3月31日-2011年12月7日）：
从以上模型可以发现，沪深300指数收益在不同时段与不同期数的滞后项有较为密切的关系。

时段一中的收益率与其滞后4期、11期有密切正相关，与第6期有稍弱的负相关。

时段二中单纯和滞后11期密切正相关。

时段三中的滞后期数大大延长，与19期、24期较为相关。

唐齐鸣和陈健（2001）认为，在国外较为成熟的股票市场，市场效率较高，后期的收益率对前期的收益率依赖性很大，在选ARMA模型时往往滞后一期就足以抓住其一阶相关性。

而以上结果表明我国沪、深两市还很不成熟，指数当前的走势都为其将来的走势提供信息，但这些信息没有及时被市场吸纳反映在当期的股价中。

本文进一步用Eviews中的残差检验中的异方差ARCH检验考察四个模型的残差项是否存在自回归条件异方差，结果是时段二滞后三阶显著，其他时段均滞后一阶显著，说明所有时段数据都存在ARCH效应。

然后，运用GARCH模型考察股票指数收益的波动特征，模型如式（1）所示，得到结果如表2所示。

由表2的估计结果看出：首先，时段三波动集群现象基本消失。

前两个时期a1为正且t统计量显著，说明在前两时期有明显的波动集群现象。

但时段三的值
远小于前两个时期，且不显著，说明此时期波动集群性大大减弱，也即是第三时期的收益残差对未来的市场波动几乎没有影响。

其次，三个时段波动的持续性都很强。

第一个时期a1+β几乎等于1，第二、三时段分别为0.9692、0.9162。

时段一波动有最强的持续性，从图1中可直观感受到。

以上结果中最令人惊讶的是时段三的集群效应消失，笔者认为出现这个奇怪现象的原因可能是：2010年推出了陆续推出的融资融券试点（2010年3月31日）和股指期货交易（2010年4月16日），开启了我国股市的做空时代，两者的高杠杆性和T+0交易制度使其具备了良好的投机功能，再加上我国投资者对这两类工具的投资理念还不够成熟，因而股票指数波动容易受到影响，表现出更为随机化的波动趋势，尤其是股指期货对股票指数具有很强的引导作用，股指期货市场的投机情绪会扭曲股票市场本身的惯性，从而波动集群性被削弱。

（四）EGARCH效应实证分析
虽然GARCH（p，q）模型能有效诠释资产价格的波动特性，但它仍然有不足之处：不能解释股票收益和收益变化波动之间出现的负相关现象，也就是“杠杆效应”或者是波动的非对称效应。

而EGARCH（p，q）模型能弥补以上不足，它允许ARCH效应是不对称的，因此可以用来检验正负收益对波动的非对称效应。

EGARCH模型得到的结果数据显示（见表3）：三个时段中λ都比较大，波动都具有良好的持续性，时段二的波动持续性相对低一些，这个结论与GARCH 模型下一致。

本文重点考察a1代表的杠杆效应指标，整体时段a1为不显著额的负值，说明收益的下跌比同样幅度的上涨能带给指数收益更大的波动，但杠杆效应不强。

细分来看，时段一与总体时段类似，有微弱的杠杆效应；时段三相反，a1为不显著的正值，有一定的反杠杆效应。

而时段二的a1=-0.1775，不仅绝对值较大，而且显著通过了t检验，说明时段二的股票指数收益有很强的杠杠效应，坏消息比同样大小的好消息对市场波动性的影响更大。

对此可能的解释是：在4万亿投资开始后，经济有一定的泡沫化增长，股票指数上涨过快，随后一有利空消息便引发投资者浓烈的避险情绪，投资者表现出“对好消息亦步亦趋，一有坏消息就仓皇而逃”的心理。

结论
本文使用ARCH族经典理论模型，对我国股市在股权分置改革后的指数收益与波动特征进行实证分析。

得到以下结果：我国股票市场的波动持续性和记忆性较强。

我国股票市场在融资融券和股指期货推出后，原本显著存在的波动集群性大大削弱，原因可能是做空机制对股市波动有一定熨平效果。

2005-2011年我国股票市场存在微弱的杠杆效应，但在2008年底到2010年初出现很强的杠杆效应，特别是2010年至今，市场出现微弱的“负杠杆效应”。

参考文献：
1.唐齐鸣，陈健.中国股市的ARCH效应分析.世界经济，2001（3）
2.陈浪南，黄杰鲲.中国股票市场波动非对称性的实证研究.金融研究，2002（5）
3.皮天雷.中国沪市波动聚集性的GARCH效应的实证研究.管理科学，2003.12
4.沈小燕，杨旭辉.农产品期货价格波动性分析.上海第二工业大学学报，2006.6。