中国股市收益率与波动率跳跃性特征的实证分析
中国股市波动特征及与经济波动关系的实证分析
中国股市波动特征及与经济波动关系的实证分析南京财经大学硕士学位论文中国股市波动特征及与经济波动关系的实证分析姓名：盛雷申请学位级别：硕士专业：金融学指导教师：郭存芝2008-01摘要评判证券市场是否成熟的一个比较关键标准是看证券市场是否具有良好的波动特征。
波动性在金融资产的定价与资产配置中处于核心地位，是市场价格行为的重要决定因素，也是金融研究的核心课题。
因此，通过考察股市波动的特征和变化可以深入理解股票市场的价格行为以及资本配置功能的实现情况。
股票市场是整个国民经济的重要组成部分，它发展于国民经济的大环境，同时又服务于国民经济的发展。
股市波动与宏观经济的波动关系密切，但由于股票市场相对独立，股市的波动也就存在自身的特有规律，在实际运行过程中，股市波动反映经济波动有其独特的特点，因此也就可能出现股市波动与经济波动的不一致。
在我国股票市场逐步完善的今天，有必要对股票市场的波动与宏观经济的波动问题进行探讨，以便能找到两者的一个比较真实的关系。
本文正是立足于此，试图从直观和实证角度对我国股票市场与经济的波动关系作一个客观的分析。
本论文主要分为三个部分，第一部分（第一、二章）：理论部分，介绍前人对股市波动的研究方法及成果与股市波动机制分析；第二部分（第三、四章）是本文的研究重点：实证分析，基于前一部分的理论对中国股市的波动特征和股市波动与经济波动关系进行了实证分析；第三部分：结论与建议，在实证分析的基础上，给出了一些政策建议。
本文研究股市波动特征时，选取的样本范围几乎包括我国股市发展的全阶段，从1993年开始直到2007年8><#004699'>6月底。
但以1995年1月1日涨跌幅限制和199<#004699'>6年12月1<#004699'>6日交割时间两个重要交易规则的产生时间作为分界点，将整个样本划分成三个区间，对它们运用GARCH类模型分别进行分析并得出相应的结论。
金融市场数据分析报告股票收益率与市场波动分析
金融市场数据分析报告股票收益率与市场波动分析金融市场数据分析报告股票收益率与市场波动分析在金融市场中，股票收益率与市场波动是投资者和分析师们关注的重要指标。
通过对股票收益率和市场波动的分析，可以帮助我们理解市场的走势、风险和回报的关系。
本报告将对股票收益率和市场波动进行深入分析，以探索它们之间的相互关系和影响。
一、股票收益率分析股票收益率是指某只股票在一定时间内的投资回报率。
它可以通过以下公式进行计算：股票收益率 = (股票价格终值 - 股票价格初值) / 股票价格初值股票收益率可以分为日收益率、周收益率、月收益率等多种形式。
通过计算股票在不同时间尺度上的收益率，我们可以了解股票的短期和长期表现，以及价格的波动情况。
在分析股票收益率时，我们可以使用各种统计方法和工具，例如计算平均收益率、标准差、相关系数等。
这些指标可以帮助我们了解股票的平均表现、风险水平以及与其他股票或市场指数的关系。
二、市场波动分析市场波动是指市场价格在一定时间内的波动程度。
市场的波动性是投资者关注的重要因素之一，因为波动性可以影响投资者的风险承受能力和预期收益。
市场波动通常用波动率来度量，例如标准差、波动系数等。
较高的波动率表示市场价格波动较大，风险也相对较高。
而较低的波动率则表示市场价格相对稳定。
分析市场波动可以帮助我们预测市场的未来走势，选择适合的投资策略。
通过观察市场波动的趋势和模式，我们可以了解市场的周期性和趋势性，从而作出更明智的投资决策。
三、股票收益率与市场波动关系分析股票收益率和市场波动之间存在着紧密的关系。
一般来说，股票收益率受到市场波动的影响，市场波动较大时，股票的收益率也会相应地波动较大。
然而，股票收益率与市场波动之间的关系并不是简单的因果关系。
除了市场波动性外，还有其他因素会对股票表现产生影响，例如公司业绩、行业环境等。
因此，只凭市场波动率无法完全解释股票收益率的变化。
为了更准确地分析股票收益率与市场波动的关系，我们可以采用多元回归分析等统计方法。
中国股市已实现波动率的跳跃行为研究_王春峰
文章编号:100124098(2008)022*******中国股市已实现波动率的跳跃行为研究Ξ王春峰,姚 宁,房振明,李 晔(天津大学管理学院,天津 300072)摘 要:以二次幂变差的测量为理论基础,研究了上证综指已实现波动率中的跳跃行为。
将已实现波动率分解为连续样本路径方差和离散跳跃方差,研究了跳跃方差序列的统计特征,并且应用HA R2RV2CJ模型对上证综指的已实现波动率进行预测。
研究结果发现,几乎所有日、周和月已实现波动率的可预测性都来自连续样本路径方差,表明二次变差中的连续样本路径成分是中国股市已实现波动率预报的决定因素。
关键词:跳跃过程;已实现波动率;二次幂变差;市场微观结构噪音中图分类号:F830 文献标识码:A 作为资产定价、组合选择和衍生产品设计的核心,金融资产收益波动率的估计和预报至关重要。
M erton(1980)和N elson(1992)发现,在任意固定时间区间内,波动率可以使用高频金融收益数据进行估计[1,2]。
但是,根据连续样本路径扩散这一假设推导出的理论结果并不适用于金融实践。
A n2 dersen和Bo llerslev(1998),A ndersen、Bo llerslev、D iebo ld 和L abys(2001)(以下简称为ABDL),Barndo rff2N ielsen和Shephard(2002),M eddah i(2002)[7]指出可以使用已实现波动率(realized vo latility)进行建模并且预报金融资产收益的波动率[3-7]。
ABDL(2003)的实证研究结果表明,德国马克 美元和日元 美元的汇率已实现波动率保留了高频收益数据的大部分信息,使用已实现波动率的预测精度比GA RCH 模型和随机波动模型要高[8]。
由于金融资产(特别是股票和外汇)的交易价格一般具有“时间连续性”,因此,金融资产的收益率应该是平稳的。
但是,随着日内高频交易数据的可用性,许多学者发现,金融资产的收益率在日内近似连续的时间内有可能会出现大幅波动,这种现象称为“跳跃”(jump),跳跃在金融资产收益波动率的估计和预报中具有非常重要的意义。
基于GARCH模型中国股市波动性的实证分析
基于GARCH模型中国股市波动性的实证分析基于GARCH模型中国股市波动性的实证分析摘要：本文应用ARCH,GARCH,TARCH,EGARCH,GARCH-M模型对中国股市收益率进行定性及定量的分析。
考虑到我国股市变动的实际效果，提出EGARCH模型对我国股市是较好的选择。
分析股市的ARCH效应，对我国上证180指数收益率进行实证分析。
关键词：上证180指数,;GARCH模型;ARCH效应;收益率一、模型简介ARCH模型最早是由Engle于1982年提出，是最简单最基础的条件异方差模型(自回归条件异方差模型)，用来描述波动的集群性和持续性。
但是为了获取条件异方差的动态特征需要高阶的ARCH模型。
Bollerslev将ARCH模型的阶数推广到无穷，得到广义的自回归条件异方差模型，即GARCH模型。
该模型大大减少了参数估计的个数，具有良好的处理厚尾的能力。
后来的研究中先后对ARCH模型进行扩展，提出了ARCH-M,TARCH和EGARCH等模型。
现在国内的一些学者对证券市场上股票的价格及收益率进行了研究，指出与西方比较相像，其波动性呈现出明显的尖峰厚尾，异方差，波动的群集性等特征。
目前我国一些学术界的人对我国证券市场的指数进行实证研究，岳朝龙(2002)，万蔚(2007)，曾慧(2005)都对上证综合指数进行了实证研究，同样反映出我国证券市场的指数收益率呈现尖峰厚尾的特性。
但是还没有对上证180指数进行过ARCH效应的实证检验。
二、研究的目的和数据的.选取上证成份指数(SSE CONSTITUENT INDEX，简称上证180指数)是上海证券交易所中选取的股票。
以2008年1月2日为基准日。
本文选取2008年1月2日至2012年12月31日的上证180指数的收盘价进行分析，共有1119个数据(资料来源于海通大智慧)。
本文的分析均用Eviews3、1进行分析。
由于这一指数属于时间序列，容易导致不稳定性，因而用对数指数收益率。
基于高频数据的中国股票价格跳跃实证研究的开题报告
基于高频数据的中国股票价格跳跃实证研究的开题报告一、研究背景和意义中国股市自20世纪90年代初开始发展，成为国民经济的重要组成部分。
由于股市价格对经济的指向性作用，中国股市的波动对宏观经济预测、政策决策和股票投资都有着至关重要的影响。
然而，给海外投资者留下的“重男轻女”印象，以及严峻的金融监管已经使得中国股市的投资别名热成长了许多的红头文件，也让公司高管更难以预调下一个赛道。
本研究基于高频数据进行研究，旨在探究中国股票价格的跳跃现象，挖掘出其背后的影响因素，为股市投资和政策制定提供有益的参考。
二、研究内容和方法本研究将基于高频数据，采用Jump Testing法，对中国股票市场的价格跳跃现象进行实证研究。
Jump Testing法是一种在股价时间序列中检测价格变化的统计模型，它通过比较价格序列中的跳跃点和趋势点，来识别大量不确定因素对价格变动的影响；同时，该方法可以识别市场中在跳跃点处出现的风险事件，以及市场的危机潜在爆发点。
本研究将分析以下几个方面：1. 中国股票市场价格跳跃的当前情况和特征：通过对中国股市近期以来的股价数据进行回归分析和跳跃测试，探究中国股市价格跳跃的普遍特征和出现情况。
2. 影响中国股市价格跳跃的因素：研究中国股市价格跳跃的驱动因素，包括经济政策、公司财务状况、外部风险等因素，并解释它们如何影响中国股市价格的跳跃程度和频率。
3. 中国股市价格跳跃及其对经济和股票投资的影响：通过研究中国股市股价的跳跃特征和影响因素，探究价格跳跃对宏观经济和股票投资的可能影响，以及如何利用这些信息来预测和管理风险，制定更有效的股市投资策略。
三、预期成果和贡献本研究将挖掘出中国股市股价的跳跃现象背后的影响因素，解析中国股市价格波动的趋势和规律，有助于投资人和政策制定者制定更良好的投资和政策决策。
本研究区别于以往的研究，主要是基于高频数据，建立跳跃点的方法以及开展相关政策调整，具有很高的现实意义和参考价值。
上证指数收益率波动的实证分析
表写出自回归模型为： rt = ρ1 rt－3 + ρ2 rt－6 + ρ3 rt－15 + εt 。因为从表中可 以看出，Ｒt3，Ｒt6，Ｒt15 的相关性较高，也就是说应该选择滞后 3
图 2 收益率时序图
阶，6 阶和 15 阶进行分
上证指数收益率波动的实证分析
张鹤鸣
（ 西安财经大学统计学院 陕西 西安 710100）
摘 要： 股价指数的收益率序列具有时变波动性、厚尾特征、波动性群集等特点。然而传统的计量分析无法明确的刻画出这 些特点。因此，本文首先选取 2008 年 1 月 20 日 － 2018 年 12 月 12 日上证指数的每日收益率作为研究数据。其次，根据这组数据构 建了 AＲCH 时间序列模型进行分析。最后，得到上证指数日收益率存在着高阶 AＲCH 效应的结论。在分析中，本文还发现上证指 数日收益率存在杠杆效应和波动集聚性特征。同时，日收益率也对条件异方差产生了明显且强烈的反应。
对股价信息进 行 了 非 线 性 处 理，导 致 了 股 票 市 场 的 信 息 延 迟 和 累 计，从而间接导致了股价的波动。
表 1 收益率的描述性统计分析结果
rt
rt
nobs
2611
Sum
0． 394987
Minimum
－ 0． 092562
Variance
0． 000294
Maximum
0． 248015
Estimate
Std． Error
t value
Pr（ ＞ | t | ）
Ｒt3
0． 049501
0． 01958
2． 794
0． 0111 ＊＊
Ｒt6
－ 0． 054939
中国股市波动率的实证研究
杂的特性 ， 尖峰 肥尾 、 如 波动集簇性 、 杠杆 效应 、 出效应 等 。选取上 证综 指 和深成 指 收盘 价为研 究对 象 ， 沪深 股 市的 波 溢 对
动率 进行研 究。
关 键 词 ： 动 率 ； 簇 性 ； 杆 效 应 ；
中图分 类号 ： ８ Ｆ
ｉ ｌ —
上
上
消息等 负面 冲击 要 比预期看 多或 利好 消息 等正 面 冲击 对 大 的影响为 ＝： ＋ 。如果丫 ， ％ ＞０则一个负干扰所引起的股 盘 股 指 波 动 的影 响 更 为 剧 烈 ， 现 出 一 种 非 对 称 效 应 。 四 ， 表 价变 化 ， 比相 同程 度 的正 干扰 所引 起 的要 大 ， 即杠杆 效应 。 波动 的长记忆性 和持续性 。长 记忆 性是 指 时间 序列 相隔 较 度量 正 负 干 扰 对 股 价 波 动 影 响有 不 对 称 性 的 还 有 指 数 远的 观测值之 间仍 然具 有 一定 的 相关 性 ， 史 事件 在 较 长 历 ＧＡＲ Ｈ 模 型 。 Ｃ 时期 内仍 会对 未来 产 生影 响 ， 种 影 响不 是 无 限 的。而持 这
应 ” 。
上
该 模型 的条件方差方 程为 ：
ｐ
ｌ （ ） ＋∑ ［ ￣ ｉｔ ＋ （－ ｏ ｉ ｏ ｏ ＝∞ ｇ １－ ｄ ｉ ￣ ｉ ｔ ） ｉ ｔ／— Ｉ ｔ／— ］
ｉ １
＋ ∑ 岛ｌ （一） ｏ ｏｊ ｇ￣
此 模型类似 于 ＴＧ ＣＨ模 型， 的不同取值 反应 了正 ＡＲ
为基于 ｔ 及其以前的信息所做的预测， 一１ 它既与前 变异 性和随 机性 的度 量 ， 常用 股票 收 益 率 的标 准差 或 者 方差 ： 通 Ｐ期 ｘ—偏 离均值 的程度 ｅ ｉｉ １ … ，） ｔｉ ｔ （－ ， ｑ 有关 ， — 也取决 于前 方 差 来 度 量 。股 票 价 格 波 动 的 大 量 实 证 研 究 表 明 ， 票 波 股 期条件方差 ａ ｉ ＝１…，） ： （ ， ｐ的大小， 一 ｊ 因此条件方差方程刻 动 具 有 多 种 特 性 。 一 ， 票 收 益 率 分 布 的 非 正 态 性 。 股 票 ｑ 股 画 了波动所具有 的聚类性 和持续性 。 收 益 率 具 有 明显 的 尖 峰 肥 尾 现 象 ， 实 分 布 在 收 益 的 均 值 真
中国股市收益率复杂波动特征及其成因分析的开题报告
中国股市收益率复杂波动特征及其成因分析的开题报告题目：中国股市收益率复杂波动特征及其成因分析一、选题背景及意义近年来，中国股市的发展备受关注，其波动性成为了研究的热点问题之一。
股票收益率的波动特征对于投资者制定投资决策、股市监管机构制定政策具有重要的意义。
然而，中国股市收益率的波动性有着很复杂的特征，如极端事件、长期记忆、非线性等，这些特征给股市的预测和控制带来了挑战。
因此，本文以中国股市为研究对象，选取一系列主要的股指作为研究样本，旨在探究中国股市收益率波动的特征和成因，并提供一定的思路和方法支持，以便于投资者、监管机构等相关人员制定相应的控制和预测策略。
二、研究方法本文从两个方面展开研究：一方面，通过对中国股市的历史数据进行分析，探究股市收益率的波动特征和统计分布，凸显中国股市收益率所具备的复杂性；另一方面，通过构建时间序列模型，对各种因素对股市收益率的影响进行分析，为未来股市的预测与控制提供基础依据。
具体的研究方法包括以下几个部分：1. 数据的收集与处理。
本研究将收集2005年至今的中国股市数据，包括主要股指的收盘价、开盘价、最高价、最低价等，通过数据清理和预处理，得到符合要求的样本数据；2. 对中国股市收益率的波动特征进行分析，包括金融波动、极端事件、时间序列模型等一系列分析方法。
其中对于极端事件，将采用EVT （极值理论）建模和模拟方法进行分析；3. 尝试对所分析的特征进行解释，其中，将对一些因素对于股票收益率的影响进行探究；4. 基于研究结论，提出相应的预测和控制策略，为投资者和监管机构等股市相关工作者提供参考。
三、预计研究成果通过对中国股市收益率的复杂波动特征进行分析，本文可以揭示出股市收益率的非线性、非正态的统计性质，以及极端事件的存在性和其对股市收益率的影响等特征。
同时，本文还可以探究出造成这些特征的原因，包括股市内部因素和外部宏观经济因素等。
最终，基于研究结果，本文期望可以提出相应的相关策略，以便于有关股市参与者可以更好地制定出对于股市收益率的预测和控制策略。
上证综指收益率波动性实证分析
上证综指收益率波动性实证分析股票市场作为金融市场的重要组成部分，受到投资者和学者的广泛关注。
中国a股市场2015年更是波澜壮阔的一年，上半年疯狂且短暂的牛市以及自6月份开始断崖式下跌，引起了投资者和经济金融领域研究人员的重视。
选取上证综合指数收益率作为研究对象，重点研究收益率波动性，一方面分析了收益率描述性统计特征，一方面基于Garch（1，1）和EGarch（1，1）模型采用实证分析方法估计了收益率条件方差，并比较了这两种模型。
研究结果表明，上证综指收益率具有显著的波动聚集性，通过R/S（重标极差分析法）得出收益率具有长记忆性特征，周期近似为170天，通过自相关系数检查了收益率波动的ARCH效应，并通过Garch模型估计了收益率的条件方差。
值得注意的是，通过方差序列的变化观察到收益率短期波动性的增大能够提示投资者回避下跌损失，更为宏观的结论是管理层应该重视股市过度波动对金融市场产生的影响，在未来的证券市场建设中加强法制建设，提升前瞻性，提高管理的有效性。
标签：收益率波动性；Garch模型；市场风险doi：10.19311/ki.16723198.2016.27.0501引言2015年中国股市的剧烈波动，引起了政府和管理层的重视，股价的剧烈波动反映了市场风险的急剧变化，无论从监管层对证券市场的监管角度还是从个人投资者对市场把握的角度，研究收益率波动特征都是有重要意义的。
对个人投资者而言，通过度量波动率估计可能面临的风险大小，是投资者获取收益回避损失的基础；对于监管层意义更为重大，考虑到金融对整个国民经济的重要作用，监管层对市场可能风险的把握十分必要。
在研究方法和内容上，本文采用描述性统计分析和实证分析结合的研究方法，研究数据属于时间序列数据，采用平稳性检验，显著性检验，广义自回归条件异方差模型（Garch）等计量经济学有关时间序列的分析方法。
选取了2005年1月4日至2016年7月8日上证指数收盘价作为样本，通过Garch（1，1）和EGarch（1，1）模型估计了收益率的条件方差，并对两种模型进行了比较分析。
应用文-中国股市收益波动特征分析
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，成为计量中研究波动性的重要工具。
随着GARCH模型的不断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。
股票市场资产收益的跳跃行为研究
股票市场资产收益的跳跃行为研究股票市场资产收益的跳跃行为研究引言股票市场是一个充满风险和高回报的市场，参与者如何预测并受益于股票市场的波动一直以来都是投资者和学者关注的焦点。
近年来，随着跳跃行为理论的发展，人们开始意识到股票市场资产收益存在着一定的跳跃性。
跳跃行为研究的兴起给投资者和学者提供了新的思路和方法来解读股票市场的行为模式。
第一部分：股票市场资产收益的跳跃行为现象在传统的金融理论中，投资者对资产收益的预测往往基于随机游走假设，即未来资产收益的任何变化都是无法预测的，并且呈现出随机性。
然而，股票市场的实际情况却并不完全符合这一假设，这就引发了学者们对股票市场的行为进行深入研究。
跳跃行为研究认为，股票市场中资产收益存在着一定的跳跃性，即收益率的变化不完全是连续和平稳的，而是在某些时刻会出现剧烈的波动。
这一现象可以通过市场中信息的非均匀分布来解释，即某些关键信息的发布或某些重要事件的发生，往往会引发市场的剧烈波动，从而导致资产收益的跳跃变化。
第二部分：跳跃行为的原因和解释造成股票市场资产收益跳跃行为的原因有多种解释。
首先，信息传递的不对称性是导致收益率跳跃变化的一个重要原因。
在股票市场中，信息的发布往往是不均匀的，即某些关键信息会在一瞬间被大量投资者所获取并造成市场的剧烈波动，从而导致股票收益的跳跃行为。
其次，市场交易的非线性特征也是造成跳跃行为的原因之一。
在股票市场中，投资者的行为往往是基于一定的心理因素和市场环境来决策的，这就导致了市场交易的非线性特征。
当市场中发生重大事件或者出现大量交易时，会引发更多投资者的参与和交易活动，进而导致市场的剧烈波动。
最后，市场的流动性也是造成跳跃行为的一个重要因素。
当市场流动性较低时，即市场中可供交易的股票数量较少，投资者在交易过程中会面临较大的风险，从而导致股票收益的跳跃性增加。
第三部分：跳跃行为对投资者的影响跳跃行为对投资者具有重要的影响。
首先，跳跃行为的存在使得投资者无法准确预测股票市场的行为。
基于高频数据的中国股市跳跃特征实证分析
） 之比构建 Ｌ ｔ Ｍ 跳跃检验 统计 量 来 判 定 和 估 计 跳 ｙ ［ ］ 跃； 利 Ａ ｔ Ｓ ａ ｈ ａ ｌ ｉ ａ和Ｊ ａ ｃ ｏ ｄ７－９ 将 研 究 进 一 步 扩 展 ， 之比 用截断的幂变差 （ Ｔ ｒ ｕ ｎ ｃ ａ ｔ ｅ ｄＰ ｏ ｗ ｅ ｒＶ ａ ｒ ｉ ａ ｔ ｉ ｏ ｎ） 讨论资产跳跃是有 限 活 动 还 是 无 限 活 动 、 跳跃的强 度、 价格运动中布朗运动是否存在等问题 。 同时 ， 国内外 学 者 也 做 了 相 关 实 证 的 研 究 ， 如：
对Ｂ 提出 噪声的影响 ， Ｎ Ｓ 统计方 法做 适 当 的 修 正 ， 了 Ｚ 跳 跃 检 验 统 计 量， 研 究 了 跳 跃 的 深 度、 久期等 问题 ， 并将跳跃纳入波动建模中 ， 且证实了跳跃往往 与重 大 的 经 济 或 金 融 信 息 是 相 联 系 的 ； Ｊ ｉ ａ ｎ ｇ和
第２ 中国管理科学 １卷 第５期 Ｖ ｏ ｌ ． ２ １，Ｎ ｏ ． ５ ， ２ ２ ０ １ ３ 年 １ ０月 Ｃ ｈ ｉ ｎ ｅ ｓ ｅＪ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆＭ ａ ｎ ａ ｅ ｍ ｅ ｎ ｔＳ ｃ ｉ ｅ ｎ ｃ ｅ Ｏ ｃ ｔ ． ０ １ ３ ｇ 文章编号 ： （ ） １ ０ ０ ３－２ ０ ７ ２ ０ １ ３ ０ ５－０ ０ ２ ９－１ １
中国证券市场中资产价格跳跃的实证分析
跃部分的变差构成的。也就是说，二次变差是积分波动和离散跳
跃方差之和。但是，实际上我们得到的资产价格数据往往是非连
续的。所以，我们很难得到二次变差的精确值。
根据 Andersen 和 Barndorff-Nielsen 的研究，我们可以用离散数
据计算得到的已实现波动来近似代替二次变差，用已实现二次幂
变差来近似代替积分波动。从而，我们可以得到离散跳跃方差的
。过程，σ (t) 是连续波动过程，W (t)是标准的维纳过程，
q(t)是与W (t)独立且时变强度为λ(t) 的泊松计数过程，κ (t) 是表
示对数价格过程中跳跃幅度的大小。
根据统计量 Zt 检验出跳跃之后，我们就可以得到跳跃性 波动：
同样，我们也可以得到连续性波动：
关键词：资产价格；跳跃行为；已实现波动；二次幂变差
◆ 易俊双
一、前言
在金 融 计 量 学 研究 领域 ，对 资 产价 格 行为 建 立 模 型 是 进 行 波 动 率 估 计、风 险 评 估 和 预 测、资 产 定 价 和 管 理 等 的 基础，特别是在我国证券市场运行机制日趋完善的过程中，这 一课题的研究更加重要。研究表明，证券资产价格并不是连续变 化的，有时也会在短时间内发生大幅的、异常的变动，即跳跃现象。
估计值 Barndorff-Nielsen 和 Shephard，Huang 和 Tauchen 等 在 中
心极限定理的基础上构造了能够识别“显著”跳跃的检验统计量
Zt 。具体表述为：
（2.3）
统计量 ：
二、理论模型
（一） 二次幂变差检验
已实现波动
（ 2.1）
Variable
Coefficient Std. Error t-Statistic Prob.
中国股票价格跳跃实证研究
的数据 点进 行 了线 性 差值 处 理 ， 以保 证 实 证 结 果
是建 立在 自然 日之 上．
一
６ 一 ２
管
理
科
学
学
报
２ １ 最 优抽 样频 率确 定 ． 由于 Ｂ － 跳跃 检 验方 法是 基 于 一 ∞ 的假 ＮＳ
从 图 １中可 以看 到 ， 当抽 样频 率 为 ４ｒｉ ， ｎ时 ａ
产价 格 服从 连续 变 化 路径 ． 这 种情 况 下 很 难 用 在
Ｂｌｒｌ ｏｅｓ ｖ等 利 用 该 方 法研 究 了 美 国 股 票市 场 ｌ ｅ
收益 的跳跃 现象 ， 到 了有益 的结论 ． 得
来 自基础 资产 、 金 和 其 他 的 衍 生 资产 的组 合 来 现
对 冲风 险 ． 诊 断金 融资 产价格 跳 跃 的一 类 重要方 法 是基
１ ３ 跳跃 检 验统计 量 ．
Ｂ ． Ｎ Ｓ方法 由 Ｂ ｒｄ ｒ － ｉ ｓｎ Ｓ ｅ ｈ ｒ Ｊ ａｎ ｏｆ Ｎ ｅ ｅ 和 ｈ ｐ ａｄ ｆ ｌ
首先 提 出． 们提 出 的检验 统计量 为 他
Ｒｔ Ｊｔ （） ９
Ｅ ｄ＜ （ ｓ ∞ ）
（ ２ ）
其 中 ，ｑ ｑ＝２ Ｕｂ＝ （ｒ２ ＋７ ２ ６ ９０ ，ｂ ７ ） ／ ｒ一３ ．０ ． 统计量中涉及到 ４ ３ ／ 分位数 Ｔ ｉ Ｐ 它被定义为
第ｌ ４卷第 ９期
２１ ０ １年 ９月
管
理
科
学
学
报
Ｖｏ ． ４ １ １ Ｎｏ． ９ Ｓ ｐ． ０１１ ｅ ２
Ｊ ＯＵＲ ＮＡＬ ０Ｆ ＭＡＮ ＡＧＥＭＥＮ Ｃ ＥＮＣ Ｓ Ｉ ＨＩ ＴＳＩ Ｅ Ｎ Ｃ ＮＡ
中 国 股 票 价 格 跳 跃 实 证 研 究①
沪深股市波动性与收益率的经济学分析
沪深股市波动性与收益率的经济学分析在当今快速发展的经济环境下，股市成为重要的金融市场之一，股市价格波动性和收益率成为经济学者和投资者关注的重要问题。
沪深股市是全球最大的股票市场之一，具有重要的研究价值。
本文将从波动性和收益率两个方面对沪深股市进行经济学分析。
一、波动性的经济学分析波动性是指一项数据的变化幅度大小，是金融市场中最基本的概念之一。
波动性的大小可以影响投资者的决策，也影响到股市的有效性和稳定性。
1.波动性的度量波动率是度量波动性的一种重要方法。
在股票市场中，一般使用历史波动率或隐含波动率来度量。
历史波动率是指过去一段时间内的实际波动率，隐含波动率是指根据期权价格推出的预期波动率。
在股票市场中，波动率不仅包括了风险资产的变化幅度，还包括了投资者情绪和市场噪声等因素的影响。
2.波动性对股市的影响波动性对股市有着重要的影响。
波动性的增加会引起投资者的情绪波动，从而使市场更容易出现价格波动。
此外，波动性还会影响市场的流动性和交易成本，增加投资者的交易成本，同时也会影响市场的有效性和稳定性。
因此，股市的波动性需要得到一定的控制和调节。
3.波动性的原因分析波动性的原因主要有两个方面，一是基本面因素，如经济周期、公司的财务状况和政策因素等；二是技术面因素，如市场走势、投资者情绪和流动性等。
在实际分析中，应该从两个方面进行综合分析。
二、收益率的经济学分析收益率是指在一定时间内的投资回报率，是股市研究中最基本的概念之一。
收益率的变化受到市场基本面、流动性的影响，同时也受到投资者情绪的影响。
1.收益率的度量在股票市场中，收益率一般有单期收益率和复合收益率两种。
单期收益率是指在一个独立的时间段内的收益率，例如一天、一个月或一个季度。
复合收益率是指在多个独立时间段内的收益率的几何平均数。
2.收益率的影响因素股票的收益率会受到市场基本面、流动性和投资者情绪等多方面的影响。
市场基本面因素包括公司的财务状况、市场预期、宏观经济环境等。
中国股市波动特征的实证研究——基于GARCH族模型
中国股市波动特征的实证研究——基于GARCH族模型作者：黄慧来源：《科技创业月刊》 2015年第23期黄慧（武汉大学经济与管理学院湖北武汉 430072）摘要：文章运用ＡＲ模型和ＧＡＲＣＨ族模型对中国股市收益率波动性进行实证分析．分析表明，中国股市股票收益率波动较大，具有聚集性与持续性，存在杠杆效应，收益率呈非正态分布，风险与收益不匹配，信息不对称严重。
最后给出结论，提出建议．关键字：ＧＡＲＣＨ族模型；波动性；风险溢价；杠杆效应中图分类号：F832 文献标识码：Ａｄｏｉ：１０．３９６９/ｊ．ｉｓｓｎ．１６６５－２２７２．２０１5．23．０19 收稿日期：２０１5－08－150 引言股票市场是经济晴雨表，波动率是经济学研究中的重要问题，股票价格频繁的波动更是股票市场中最为明显的特点之一．特别是对于股票市场的发展较晚的中国股市来说，对股市波动性特征的研究很有必要．１９８２年Ｅｎｇｌｅ提出ＡＲＣＨ模型，准确解释时间序列的异方差特征和波动聚集性．Ｂｏｌｌｅｒｓｌｅｖ在这之上，将其延伸到条件异方差中．为刻画风险溢价的情形，Ｅｎｇｌｅ等借助ＧＡＲＣＨ模型建模思想，提出ＧＡＲＣＨ－Ｍ模型．后来Ｎｅｌｓｏｎ提出了ＥＧＡＲＣＨ模型，描述了金融市场中的杠杆效应。
本文应用ＡＲ模型和ＧＡＲＣＨ模型族对中国股市收益率的波动性特征进行实证分析，分析我国股市存在问题，并提出建议。
1 模型介绍ＡＲＣＨ模型：显著反映方差变化特征．若平稳随机变量Ｘｔ表示为ｋ阶自回归过程，Ｘｔ的随机误差μｔ的方差能用误差项平方ｐ阶分布滞后模型刻画，误差项正态分布．表示如下：2 实证分析2．１数据的选择与处理选择２０００年０１月０２日年到２０１５年６月３０日上证综指日收盘价，数据来源于Ｗｉｎｄ．为消除异方差对数据进行对数和差分处理，求得股票对数收益率。
2．２收益率序列的随机游动模型假定收益率序列是随机游走过程．建立序列自回归方程，ＳＣ、ＡＩＣ最小值所对应的ＡＲ（４）的拟合效果最好，收益率符合随机游走模型。
投资者情绪对于我国股票市场收益率、波动性以及流动性影响的实证研究
对数据进行清洗、整理和预处理，确保数据准确性和一致性 。同时，对数据进行适当的缩放和标准化处理，以适应实证 模型的需求。
04
实证结果与分析
投资者情绪对股票收益率的实证结果与分析
投资者情绪与股票收益率之间存在显著的正相关关系：当投资者情绪高 涨时，股票收益率也会相应地提高；反之，当投资者情绪低落时，股票 收益率也会相应地降低。
这种关系在所有类型的股票中都有所体现，无论是大盘股还是小盘股，无论是成长型股票 还是价值型股票。
投资者情绪对于股票流动性的影响在短期内最为显著，长期影响逐渐减弱。
05
研究结论与展望
研究结论
投资者情绪对于股票市场收益率、 波动性以及流动性均有显著影响。
投资者情绪对于不同市场态势（牛 市、熊市）下的股票市场表现有不 同的影响。
针对不同类型股票和市场态势，开展投资者情绪 对于股票市场收益率、波动性以及流动性的差异 化研究。
拓展投资者情绪的研究领域，将投资者情绪与其 他金融市场（如期货、债券等）进行比较研究， 探究投资者情绪对于整体金融市场的影响。
感谢您的观看
THANKS
投资者情绪对于我国股票市 场收益率、波动性以及流动
性影响的实证研究 2023-10-29
目录
• 研究背景与意义 • 文献综述 • 研究方法与数据 • 实证结果与分析 • 研究结论与展望
01
研究背景与意义
研究背景
01
中国股票市场的非理性波动现象
受多种因素影响，如投资者情绪、政策变动等，导致市场波动性较大
流动性减少
投资者情绪低迷时，股票交易量减少，从而降低股票的 流动性。
影响因素
投资者情绪对股票流动性的影响受到多种因素的影响， 如市场环境、政策变化、公司业绩等。此外，投资者的 交易行为和决策也会影响股票的流动性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
＊童汉飞：江苏省工商银行；中山大学岭南学院南京２１０００６电子信箱：ｔｈｆｅｉｆｌｙｉｎｇ＠ｓｉｎａ．ｃｏｍ；刘宏伟：中山大学岭南学院广州５１０２７５。
本文为国家自然科学基金项目（７０４７３１０６，７０５４１００５）、教育部人文社会科学重点研究基地重大项目（０５ＪＪＤ７９００７５）、中山大学川优秀青年奖学基金博士创新项目，中山大学“９８５工程”产业与区域发展研究创新基地及广东省普通高校人文社会科学重点研究基地经费资助成果之一。
一引言股票市场收益率通常进行小幅的平稳变化，但是在某些情况下，会在短时间内发生大规模的运动，即产生跳跃性变化。
市场收益率之所以会跳跃，一种潜在原因是市场出现重大或者异常信息，极大地影响了投资者的预期。
在中国股市早期的发展历史中，政府的对市场的干预条例往往是这种导致市场跳跃性变化的重大信息，例如１９９２年５月２１日上海证券交易所对所有上市股票取消限幅交易制度，实行自由竞价方式，结果使得当日指数的涨幅达到１１０．７％，１９９５年５月１８日证监会暂停国债期货交易，促使该日沪深两市Ａ股指数分别上涨３２．１２％，３１．２９％。
其他一些宏观形势与国际事件也时常引起市场发生跳跃性变化，如“亚洲金融危机”及“９．１１事件”都对股市产生重大的冲击，造成市场的剧烈震荡。
如何有效地分析沪深两市Ａ股Ｂ股的市场收益率与波动率的跳跃性特征，对于完善我国证券市场的监管机制，合理构建投资组合和实行风险管理都具有重大的理论与现实意义。
市场收益率与波动率是两个紧密相连的问题。
而市场波动率一直是国外金融研究的热点问题。
国内对波动率的研究文献较少，同时分析Ａ股与Ｂ股的市场收益率与波动率的跳跃性特征的实证文献就更少。
本文试图采用Ｊｕｍｐ－ＧＡＲＣＨ模型对沪深两市Ａ股Ｂ股的跳跃性特征进行建模与分析，以填补国内在该领域研究的不足。
中国股市收益率与波动率跳跃性特征的实证分析童汉飞刘宏伟＊内容摘要股票市场收益率通常小幅波动，但是当市场出现重大或者异常信息时，收益率会在短时间内发生大规模的运动，产生跳跃性变化，市场波动率也明显加剧。
本文采用Ｊｕｍｐ－ＧＡＲＣＨ对沪深两市Ａ股Ｂ股的这类跳跃性特征进行实证分析。
根据该模型：当收益率小规模变化时，波动率由ＧＡＲＣＨ（１，１）平稳随机过程产生，但是当收益率发生跳跃性变化，波动率将背离ＧＡＲＣＨ（１，１）过程，调整到一个较高的水平。
实证结果表明，该模型能够有效地估计出沪深两市收益率和波动率的跳跃性变化，比正态分布的ＧＡＲＣＨ模型更合理地反应了市场收益率和波动率过程。
本文同时讨论了Ａ股Ｂ股的跳跃性特征。
关键词波动率收益率跳跃性Ｊｕｍｐ－ＧＡＲＣＨＪＥＬ分类：Ｃ３２，Ｇ１２中图分类号：Ｆ８３０．９文献标识码：Ａ文章编号：１０００－６２４９（２００６）０５－００６１－０１２篱世①Ｍａｈｅｕ与ＭｃＣｕｒｄｙ（２００３）提到信息这类划分，Ｃｌａｒｋ（１９７３），Ｔａｕｃｈｅｎ与Ｐｉｔｔｓ（１９８３）使用信息流量分析股价与交易行为，Ａｎｄｅｒｓｏｎ（１９９６）认为有两类或更多种类的信息过程，它们对价格有不同影响。
②即对于给定的时刻ｔ，发生跳跃Ｊｔ＝１的概率为ｐ，不发生跳跃Ｊｔ＝０的概率为１－ｐ，且对于任何ｔ≠ｓ，Ｊｔ与Ｊｓ相互独立。
二文献回顾在Ｇｏｌｏｓｔｅｎ和Ｍｌｌｇｒｏｍ（１９８５）所提出的市场微观结构模型中，收益率被分为小规模变化与跳跃性变化，收益率的小规模变化由市场的流动性交易、策略性交易以及一般信息造成，而跳跃性变化由市场重大信息引发。
Ｒｏｓｓ（１９８９）与Ａｎｄｅｒｓｏｎ（１９９６）认为市场收益率与波动率的变化直接与流入市场的信息量相关。
例如，公司的股利信息以及期望贴现率会影响单股的价格，而宏观形势与政策则影响指数的走势。
ＪｏｈｎＭ．Ｍａｈｅｕ和ＴｈｏｍａｓＨ．ＭｃＣｕｒｄｙ（２００３）认为信息可分为两类：重大信息与一般信息。
它们对股票收益率与波动率有不同的冲击力，一般信息引起条件波动率的平滑变化，而重大信息则引起收益率不经常的大幅度跳跃性变化。
①大量实证结果已经表明，市场收益率存在尖峰厚尾现象。
为了让布朗运动能够更有效地反应捕捉收益率的这种分布特征，Ｐｒｅｓｓ（１９６７）提出跳跃漂流模型。
该模型假定间隔内发生一些新信息，新信息的发生数量满足Ｐｏｉｓｓｏｎ过程。
如果新信息来临，则收益率发生一次跳跃，跳跃的幅度由正态分布控制。
Ｐｒｅｓｓ的跳跃漂流过程假定波动率满足独立正态分布，但众多文献则表明市场波动率存在聚类现象，如Ｅｎｇｌｅ（１９８２）和Ｂｏｌｌｅｒｓｌｅｖ（１９８６）。
因此对Ｐｒｅｓｓ的跳跃漂流模型的一个自然的推广是结合ＡＲＣＨ或ＧＡＲＣＨ模型对波动率建模。
Ｊｏｒｉｏｎ（１９８９）采用跳跃ＡＲＣＨ（１）分析了汇率的价格行为，并认为汇价中的大规模变化可以通过跳跃性ＡＲＣＨ（１）模型得到更好的解释。
Ｂａｔｅｓ（２００２），Ｄｕｆｆｉｅ，Ｐａｎ与Ｓｉｎｇｌｅｔｏｎ（２０００）及Ｐａｎ（２００２）认为仅仅设定收益率会发生跳跃性变化的模型是不完善的，应该允许波动率也会发生跳跃性变化，这样波动率才能快速地调整到一个较高的水平。
Ｅｒａｋｅｒ，Ｊｏｈａｎｎｅｓ，Ｐｏｌｓｏｎ（２００３）采用收益率与波动率都能发生跳跃行为的ＳＶＣＪ与ＳＶＩＪ模型对Ｓ＆Ｐ５００，Ｎａｓｄａｑ１００指数进行实证分析，并通过马尔可夫蒙特卡洛（ＭＣＭＣ）方法估计模型，结果表明Ｓ＆Ｐ５００，Ｎａｓｄａｑ１００指数波动率近２０％的变化可归为跳跃行为。
近年提出的积分波动率（ＩｎｔｅｇｒａｔｅｄＶｏｌａｔｉｌｉｔｙ）或称为已实现波动率（ＲｅａｌｉｚｅｄＶｏｌａｔｉｌｉｔｙ），如Ａｎｄｅｒｓｅｎ，Ｂｏｌｌｅｒｓｌｅｖ，Ｄｉｅｂｏｌｄ，Ｌａｂｙｓ（１９９８、１９９９、２０００、２００１），黄后川与陈浪南（２００３）其理论基础虽来自于对ＳＶ模型的高频离散化，但积分波动率事实上是包含跳跃性成分的。
本文将在三个方面区别于该领域的同类研究：第一，首次采用含跳跃成分的波动率模型对中国市场进行研究，在Ｐａｎ（２００２），Ｍａｈｅｕ与ＭｃＣｕｒｄｙ（２００３）等人研究基础上，作者进一步发展了模型的有效构建，将Ｂａｙｓｅｓ法则引入了模型的推导；第二，同时对沪深两地Ａ股Ｂ股指数进行实证，分析各自的价格形成特点；第三，分析了股价波动率在市场出现极端行为的情况下的演变特点，这将有助于我们提高风险的防范水平。
三模型（一）模型假定!＝｛!ｔ，ｔ＝１，２，…｝是一列ｉ．ｉ．ｄ的白噪音过程。
Ｊ＝｛Ｊｔ，ｔ＝１，２…｝是布努里过程，成功概率为ｐ，②Ｚ＝①该模型由Ｐａｎ（１９９７）提出，之后很多的文献是该模型的扩展，如Ｐａｎ（２００２），ＪｏｈｎＭ．Ｍａｈｅｕ，ＭｃＣｕｒｄｙ（２００３）。
②注意到｛!｝，｛Ｊ｝与｛Ｚ｝相互独立，且｛!｝与｛Ｚ｝满足正态分布，因此收益率ｒｔ满足联合正态分布，当Ｊｔ＝１时，ｖａｒ（ｒｔ＋１）＝Ｈｔ２（ｉ）＋"Ｚ２，Ｊｔ＝０时，ｖａｒ（ｒｔ＋１）＝Ｈｔ２（ｉ）。
｛Ｚｔ，１，２，…｝为ｉ．ｉ．ｄ为独立正态分布过程，且均值方差分别为ｕＺ，"Ｚ２。
｛!｝，｛Ｊ｝与｛Ｚ｝相互独立。
再令Ｓｔ表示资产在ｔ时刻的价格，ｒｔ＝ｌｏｇ（Ｓｔ／Ｓｔ－１）为对数收益率，ｒｔ满足下列过程：（１）这里的ｕ#Ｒ，非负数ｈ由下列过程定义：（２）其中ｇ是ＧＡＲＣＨ函数：Ｒ×Ｒ＋→Ｒ＋，且符合等式：（３）为了使ｈ为非负数，系数在该模型中①，ｔ时刻是否发生跳跃由Ｊｔ控制，Ｚｔ则表示跳跃幅度。
ｈ的动态过程由Ｊ与!同时决定。
若发生跳跃，ｈｔ调整到ｈ，否则ｈｔ遵从通常的ＧＡＲＣＨ过程。
（二）模型的估计模型的估计通过最优化似然函数求得。
若收益有Ｔ个观察值，那么似然函数为：（４）Ｒｔ是ｔ时刻已知的资产收益生成的信息集Ｒｔ＝｛ｒ１，…ｒｔ｝，Ｒ０为空集。
令代表离最近一次发生跳跃事件的时间间隔：（５）注意到有等式：（６）上式中的条件依赖于的实现。
在的时间段中，收益发生跳跃的先验概率为ｐ，因此可将（６）分解为：（７）根据（２）式的的动态过程，ｈｔ的具体实现值完全取决于Ｒｔ与$ｔ（ｔ＝１，２，…Ｔ）。
若令Ｈｔ（ｉ）表示ｈｔ条件依赖于信息集的实现值，Ｈ０（０）＝ｈ０，那么对于任意的ｔ#｛１，…Ｔ｝，都有Ｈｔ（０）＝ｈ。
条件波动率Ｈｔ（ｉ）（ｉ＝１，…ｔ）可以通过Ｈｔ（ｉ）＝ｇ（ｒｔ，Ｈｔ－１（ｉ－１））迭代得到。
时刻的时间段内，收益率ｒｔ＋１的条件密度可以表示为：这里的ｍＡ，ｍＢ：Ｒ×Ｒ＋→Ｒ＋由下式定义：②（８）由以上的分析可知，对于任意时刻ｔ，ｈｔ只能在下列ｔ＋１维向量中取值：①我们对该后验概率的推导做了修正，在后文同时给出了似然函数的约束方程。
②本文采用ＶａｓｕａｌＣ＋＋编程，以及ＢＦＧＳ算法进行求解，最优化过程中使用到的梯度向量采用逼近值。
给定信息集Ｒｔ，ｈｔ取值为Ｈｔ（ｉ）的概率为，为了求得，可以先假定，那么对于任意的ｔ≥１及ｉ＝１，…，ｔ，都有：（９）由Ｂａｙｓｅｓ法则，可得到下列等式：（１０）同理由Ｂａｙｓｅｓ法则①，有：（１１）运用概率全等式，有：（１２）（１３）最后。
!ｔ（０）表示时刻收益率发生跳跃的后验概率。
现在总结以上似然函数的求解过程，先由推倒出所有条件波动率（ｔ＝１，…，Ｔ），将该值代入（９）－（１３），迭代得到（ｔ＝１，…，Ｔ），再由（１３）及（４）得到似然函数的表达式，以为自变量，因此可以进一步表示为，模型的估计转化为下式，对该式求解可以得到系数的一个最大似然估计量。
②（１４）四样本数据与来源数据为沪深两市Ａ股Ｂ股指数的每日收盘价，由于跳跃事件的发生次数相对较少，为了确保估计表１实证分析数据———沪深两市Ａ股Ｂ股每日收盘价数据类型上证Ａ上证Ｂ成分Ａ成分Ｂ日期４／３／１９９１－４／１９／２００４２／２１／１９９２－４／１９／２００４１０／４／１９９２－４／１９／２００４１０／４／１９９２－４／１９／２００４样本数３２７８２９７５２８０８２８０８表２Ｊｕｍｐ－ＧＡＲＣＨ，ＧＡＲＣＨ（１，１），与恒定波动率模型的参数估计与估计方差模型Ｊ－ＧＡＲＣＨＧＡＲＣＨ固定模型成分Ａ成分Ｂ上证Ａ上证Ｂ成分Ａ成分Ｂ上证Ａ上证Ｂ成分Ａ成分Ｂ上证Ａ上证Ｂｐ０．００８９（０．００２５）０．０２１１（０．０１２３）０．０１３１（０．０００３６）０．０２０６（０．０００５３６）０００００．０４２（０．００２３）０．０６７（０．０００５６４）０．４２０（０．００１２３）０．６５２（０．００４２３）ｕ－０．０００１５８１６（０．０１２５）－０．０００６（０．０００３６４）－０．００００１２（０．０００３４７）－０．０００９３８１８（０．０４５３）－０．０００１５８１６（０．０００２６７５７）－０．０００５８３６３０．０００３０７１２－０．０００００１０６９（０．０００１９２８６０－０．０００９３８１８（０．０００２６６７）－０．００００１２５（０．０００５６）－０．００００２２５（０．００４５８）－０．０００１５４６（０．００２５）－０．００００４５６（０．００５２３）ｕＺ０．０３８４（０．０００３５）０．０１８８（０．００３５８）０．０７１３（０．００３６）０．０１６２（０．００３４）－－－０．０３７６（０．００３６）０．０２１０（０．００２６）０．００２３０（０．０００５２５）０．０１７８０（０．００２４５）!Ｚ０．０７８（０．０１３）０．０７８０（０．００３３）０．０７８０（０．０１２３９）０．０５６９（０．００２３６）－－－０．６５２（０．０００３５２）０．０３４５（０．００００１２４４）０．５１２４（０．００３６５）０．００５２１（０．０００３５４）ａ００．０００００９３５（０．００３６）０．０００１（０．００３７０５）０．００００１２（０．００３６５）０（０．０００３２４）９．３５３３ｅ－００６（１．０６８４ｅ－００６）７．２４１７ｅ－００５３．２６４４ｅ－００６）０．０００００１４５６９９．０７９９ｅ－００７）０．００００２２１２３（１．６９３４ｅ－００６）４．８４１２ｅ－００４（０．００１２５）５．２１５６４ｅ－００４０（０．００２５５）５．０６１５ｅ－００４（０．００２６６）４．７２５５ｅ－００４０（０．００１２５）ａ００．１２６１（０．００２６３）０．２５１８（０．００３６）０．１８６７（０．０００６８）０．２４２７（０．００４５）０．１４６３１（０．００４５５１５）０．３８９８０．０１２８９８）０．２４０８（０．００４７４６）０．２５７３（０．００８９５７７）００００ａ２０．８６１３７（０．００１７５）０．５１４７（０．００１６５８）０．７５０６（０．０１３５）０．７４７３（０．０３６４）０．８５３６９（０．００５８７９１）０．５５８１６（０．０１２５４７）０．７５９２（０．００４９４４２）０．７３７１（０．０１１７５１）００００ｈ０．０００６０３４１（０．００２５６）０．００２６（０．０００１４）０．００１８（０．００４４６）０．０００５３０３４（０．００２３６）－－－－Ｌ／ｋ７２０８７１０５．９８５９３．５７６３７．６７０４７．５６９１７．１８１４６．７７６１８．３７０１１６８１４７９２５７１２６说明：由于篇幅的限制，表２没有给出ｔ值。