中小板股指收益率波动的非对称性研究
股票市场波动非对称性的实证研究
３ ＨＵ ＋Ｉ Ｆ Ｉ Ｙ ＂ Ｔ ｔＣ ４ Ｒｔ Ｉ ： ） ＋ ｔ
Ｒ 是 每 日股票 收益 率 ；ＵＥ 、 Ｄ 、 ｌ Ｔ ｔＷＥ ｔ
验 残 差 的 异 方 差 Ｔ Ｕ 、 ＲＩ是 虚拟 变量 ， ＵＥ 是在 一个 Ｈ ｔＦ ｔ Ｔ ｔ
性， 若存 在 异方 差 序列 ， 在周 二时对 应 的变量 是 １ 其 他都 ， ， Ｄ 在周三 时对应 的变量是 １其 ， 性 ， 进一 步拟 和 为 ０ＷＥ ｔ 则
好消息对波 动的影响更大 。最 的 杰 出的研 究 成 果 而获 得 了 且在 与相同大小 的利 好消息相
后从投资者结构 、心理和交易 ２０ 年 度的诺 贝尔经济 学奖 。 比．利空消息对波动性 的影响 ０３ 机制等方 面解 释这种现象 ，
一
一
Ｚｋ ｉ ａｏａ （ ９ ） 和 ｎ Ｉ ４ ９
而 对 股 市 收 益 率 做 中国股 市的 日收益率不服从正态分布 ，
出 描 述 性 统 计 分 传统 的线 形 回归模 型又以独立 同方 差为
析， 分析 收益 率序 前 提 ， 因此普通线性 回归模 型不适合本文
在研究上海 和深圳股市收益率是 列 的特点 ， 后分 的研究。 然
必须根据收益率 自身 离周 内效应 ， 之后 否存在周 内效应时 ，
不相同。本文 针对我国上海股 ｄ ｎｌ Ｈ ｔｏ ｋｄｓ ｅ 和 称性 ，国外许多学 者提出各种 ｃａ ｅ ｒ ｅ ａｆ ｉ ｅｓ ｉ啪
票市场嫒动 的非 对称性展开深 Ｇ Ｒ Ｈ（ｅ ｅ 】 ｄ Ｒ Ｉ模 型 模 型对 世界备个金 融市场进行 Ａ Ｃ Ｇ ｎｒ ｃ ｛ ａ Ａ １
ｅ ｎ１９ 测 ｓ Ｇ ＲＨ 应 Ｇ Ｒ Ｈ模型对 上海 也反应 金融贤产 （ 如股票 ） 价格 Ｎａｏ（９ １ 提出了 Ｅ Ａ Ｃ 象 ． 用 Ｅ Ａ ｃ
股票指数收益率的波动性研究
股票指数收益率的波动性研究摘要：本文应用GARCHEGARC以及APARC对我国不同股票指数收益率的非对称波动进行了实证研究, 结果显示不同股指波动性特征存在差异性，小盘股的不对称性最明显，这一结果与预期一致，但不论市值大小的差异还是价值型或成长型，好消息的影响对市场的作用均大于坏消息，这与国外成熟市场不同，市场依然存在跟风追求利益而忽视风险、内部信息交易、操纵股价等现象，我国股市的市场化发展任重而道远。
关键词：波动性非对称性GARCH族模型股票指数一、引言中国股市的规模日益扩大，越来越多人参与其中。
股价大幅波动影响一国经济的稳定发展，如何有效监管股票市场、避免股市过度动荡是管理层亟待解决的问题，因此股票市场的波动性有着实际意义。
国外许多学者针对股票市场收益率波动的非对称性问题进行研究，运用不同模型对世界各金融市场进行了实证研究，结果表明在大多数发达国家的股票市场均存在显著的收益率波动非对称性，而且与相同大小的利好消息相比，利空消息对收益率波动性的影响更大。
国内学者对中国市场进行了一系列研究，股票市场存在波动集聚性的观点基本一致，但在非对称性上的表现存在分歧，有的认为利好消息的作用大于利空，持相反意见的学者认为利空消息带来的影响大于利好，还有人认为我国股票市场的非对称性不是很明显。
学术界对其具体表现还有争论，对其成因、影响和现实意义分析尚不充分。
从已有的研究来看，研究内容的侧重点不同采用的方法也各有不同。
早期研究主要是线性模型的回归分析，有OLS回归、协整模型、VAF模型等；后随着问题的复杂化，线性模型不再适用，非线性方法被广泛使用，也渐渐由单元模型向多元模型转变。
二、研究数据选取与处理（一）数据选取本文选取了2006年10月9日至2017年1月的大盘成长股指数、中盘成长股指数、小成长股指数、大盘价值股指数、中盘价值股指数、小盘价值股指数，选取了日度数据，数据来源于wind,数据处理和模型拟合使用了R语言。
股市行业波动的非对称性研究
股市行业波动的非对称性研究引言股市行业波动的非对称性是指在股市行业间存在着不同程度的波动差异。
作为金融领域的重要研究课题，股市行业波动的非对称性不仅对投资者的决策和风险管理具有重要影响，同时也为监管部门提供了重要的参考依据。
本文旨在对股市行业波动的非对称性进行深入研究，探讨其成因和影响，并通过实证分析来验证其存在和影响程度。
一、股市行业波动的非对称性成因分析股市行业波动的非对称性的成因主要包括市场结构、行业特性、投资者行为和宏观经济影响等多方面因素。
1. 市场结构股市行业波动的非对称性与市场结构密切相关，市场中存在的垄断或者寡头垄断情况会导致不同行业之间的波动程度不同。
在垄断行业中，一旦行业巨头发生变化或者行业政策发生变动，往往会引发整个行业内外部环境的迅速变化，进而带来行业波动的非对称性。
2. 行业特性不同行业的特性也会影响其波动的非对称性。
一些特定行业可能受到季节因素、技术创新、政策调整等特殊影响，导致其波动程度不同于其他行业。
比如农业、能源等行业受自然环境和政策影响较大，波动非对称性就较为显著。
3. 投资者行为投资者的情绪和行为也是导致股市行业波动的非对称性的重要原因之一。
不同行业受到投资者情绪和行为的影响程度不同，一些热门行业可能受到过度投机而波动明显，而一些传统行业则相对稳定。
4. 宏观经济影响宏观经济的影响也会导致不同行业波动的非对称性。
比如通货膨胀、利率变动、政策调整等因素都可能导致某些行业的波动程度明显高于其他行业。
1. 风险分散效果股票投资者通常会通过配置多种行业的股票来降低投资风险，然而若不同行业之间波动的非对称性过大，可能会降低风险分散效果，增加整体投资风险。
2. 投资组合构建非对称性的波动也会影响投资者的投资组合构建。
在面对波动非对称性问题时，投资者需要更加注重行业间的相对波动情况，采取更加合理的组合配置策略。
3. 风险管理对于资产管理机构和投资者而言，波动的非对称性也会直接影响风险管理的效果。
股市行业波动的非对称性研究
股市行业波动的非对称性研究股市行业波动的非对称性是指不同行业在股市中的波动性存在差异的现象。
具体而言，当整个股市出现波动时，一些行业的股票价格变动较大，而另一些行业的股票价格变动较小，这就表明了非对称性。
非对称性的存在可以影响投资者的投资决策和风险管理策略。
非对称性的存在也影响投资组合的构建和风险管理策略的制定。
通过研究和分析股市行业波动的非对称性，投资者可以根据不同行业的风险水平合理配置资金，并选择适当的风险管理策略。
在市场波动较大时，投资者可以增加对表现稳定的行业的投资比重，以降低整个投资组合的风险。
非对称性的研究可以从多个角度进行。
一种常用的方法是利用统计学上的相关系数和协方差来分析不同行业的相关性和波动性。
通过计算股票收益之间的相关系数或协方差，可以研究不同行业之间的关联程度和波动程度。
另一种方法是利用时间序列模型（如ARCH、GARCH、EGARCH等）来对股市行业波动的非对称性进行建模和分析。
这些模型可以从统计学的角度揭示非对称性的存在和特征，并对未来的行业波动进行预测。
非对称性的研究也需要注意一些限制和挑战。
由于股市行业波动受多个影响因素的综合作用，研究非对称性的解释和预测可能存在困难。
非对称性的存在也可能受到市场交易机制、市场流动性和信息传播等因素的影响，这些因素也需要纳入考虑范畴。
非对称性的研究需要大量的数据和统计方法来支撑和证实研究结果，因此数据收集和研究方法上的限制也是需要克服的。
股市行业波动的非对称性是一项重要的研究课题，对投资者和市场参与者具有重要意义。
通过研究非对称性，投资者可以更好地理解和认识不同行业的风险水平，并制定相应的投资决策和风险管理策略。
非对称性的研究也需要深入探索和研究，以更好地应对股市行业波动带来的挑战和风险。
我国股指期货对股市波动非对称性影响的实证研究
（ 中南财经政法大学
桂
玲
武汉 430074 ）
新华金融保险学院， 湖北
摘要：2010 年股指期货的推出标志着我国证券市场进入了股指期货时代 ， 股指期货与股票市场具有紧密联系 ， 因此股指期 运用 EGARCH 模型 货的推出定会对股市产生重大影响 。选取 2009 年 1 月 19 日到 2011 年 5 月 20 日沪深 300 指数日收盘数据， 从实证的角度分析我国股指期货对股市波动非对称性的影响 。 结果表明： 我国股票市场日收益率分布呈现出“尖峰厚尾 ” 的特 具有波动聚集效应和非对称性效应 ； 我国股指期货的推出降低了股票市场的波动性 ， 同时减弱了股票市场的波动非对称性 征， 效应。 关键词：股指期货； 股票市场； 非对称性； EGARCH 模型
［12 ］ ［11 ］ ［10 ］
综上所述， 现有资料对股市波动非对称性研究较多 ， 在理论基础和计量方法上比较完善 。但是对股指期货 而我国股指期货刚刚推出一年多 ， 直接研究我国股指期货对股市波动非 对股市波动非对称性影响的研究较少 ， 对称性影响更是较少。而现有的这些研究选取的股票市场不同 、 阶段不同得出了不同的结论， 并且缺乏深层次 的分析。所以本文基于我国股指期货推出前后沪深 300 指数的走势， 从实证的角度研究我国推出股指期货对 并从完善市场机制、 行为金融学的角度对其进行分析 。 股票市场波动非对称性所带来的变化 ，
图1
股指期货推出前后沪深 300 指数的走势图
1. 数据描述性统计 ： “区间 1 ” 采用对数收益率 R t = ln（ p t ） － ln （ p t － 1 ） 表示日收益率， 将全区间样本数据分为两个区间 是从 2009 年 1 月 19 日到 2010 年 4 月 15 日， ； “区间 2 ” 代表股指期货推出之前的样本数据 是从 2010 年 4 月 16 日到 2011 年 5 月 20 日， 代表股指期货推出之后的样本数据 。对沪深 300 指数日收益率序列进行描述性数据统计 ， 表 1 反映了沪深 300 指数日收益率序列在各区间的描述性统计量值 。
股市行业波动的非对称性研究
股市行业波动的非对称性研究摘要：股市行业波动的非对称性是指不同行业在股市中的波动性质和波动幅度存在差别。
本文通过对股市行业波动的非对称性进行研究，探讨了其成因和影响因素，并提出了相应的对策和建议。
关键词：股市、行业波动、非对称性、成因、影响因素、对策、建议一、引言股市是一个高度不确定的市场，股票价格的波动受到多种因素的影响。
不同行业的股票价格波动性质和波动幅度存在差异，即股市行业波动的非对称性。
研究股市行业波动的非对称性对于投资者制定投资策略和风险管理具有重要意义。
二、股市行业波动的非对称性的成因1.宏观经济因素：宏观经济因素对股市行业波动的非对称性有重要影响。
不同行业对宏观经济的敏感程度不同，因此在经济形势良好时，一些行业的股价可能出现较大涨幅，而在经济形势不佳时，一些行业的股价可能大幅下跌。
2.行业内部因素：行业内部因素也是导致股市行业波动的非对称性的重要原因。
不同行业的发展阶段、市场竞争程度、盈利能力等因素都会影响行业股票的价格波动性质和波动幅度。
三、股市行业波动的非对称性的影响因素1.行业特性：行业特性是影响股市行业波动的非对称性的重要因素。
一些高科技行业和新兴产业由于其高风险和高回报的特点，股价波动性较大；而一些传统行业由于其稳定的盈利和市场地位，股价波动性较小。
2.市场情绪：市场情绪对股市行业波动的非对称性也有较大影响。
股市投资者对不同行业的情绪反应不同，一些行业在市场情绪好的时候可能出现较大涨幅，而在市场情绪不佳时可能大幅下跌。
四、应对股市行业波动的非对称性的对策和建议1.分散投资：根据股市行业波动的非对称性，投资者可以通过分散投资的方式降低风险。
选择不同行业的股票组合进行投资，可以有效分散股票价格波动的风险。
2.灵活调整持仓：根据市场情绪的变化和行业特性的差异，投资者可以灵活调整持仓，及时买入或卖出股票，以获取更好的投资回报和风险管理效果。
3.关注宏观经济：投资者应密切关注宏观经济的变化，特别是一些对行业有重大影响的宏观经济指标。
股市行业波动的非对称性研究
股市行业波动的非对称性研究
在股票市场中，不同行业之间的波动性往往存在着非对称性，即某些行业的股价波动
往往比其他行业更为剧烈。
这种非对称性波动会对投资者带来很大风险和挑战。
本文将探
讨股市行业波动的非对称性问题。
一、原因分析
1.行业性质不同
不同行业具有不同的商业性质，不同的业务结构、利润模式和周期性。
例如，金融行
业的股价波动性往往要比其他行业的股价波动性更大，这是由于金融行业受到宏观经济形势、货币政策、利率、汇率和资产价格等影响更加显著。
2.行业规模
行业规模较小的公司股票波动性往往更大，这是因为市场环境对小公司的影响更加明显。
小公司经营的不稳定性、生命周期短暂等因素均构成了其股价波动较大的主要特征。
另外，行业巨头的稳定性通常更高，股价波动的幅度较小。
3.市场影响
市场波动是导致行业波动非对称性的一个重要因素。
行业的股价波动受到整个市场的
影响，市场走势强劲时，在不同行业中表现良好的公司股票往往可以取得更好的表现。
4.公司财务状况和业绩表现
公司自身的经营状况及其业绩水平对其股价波动性也有很大的影响。
业绩强劲的公司
股价波动往往相对较小，而业绩疲软的公司股价波动会加剧。
二、行业波动对投资者的影响
行业波动的非对称性会影响投资组合的风险和收益。
投资者应该通过分散投资的方式，降低单个行业对投资组合的影响。
此外，投资者应该关注公司自身的财务状况和业绩表现，避免过度依赖某些行业或公司。
三、结论。
股市行业波动的非对称性研究
股市行业波动的非对称性研究随着全球化和互联网技术的发展，股市行业波动已成为金融领域的热点研究课题之一。
股市行业波动的非对称性是指在市场上行情波动的情况下，不同行业的股票价格波动表现出不同的非对称性特征。
非对称性研究是股市领域中一个极具挑战性的问题，对于深入理解市场波动的本质和特征具有重要意义。
一、股市行业波动的背景和意义二、股市行业波动的非对称性特征1. 行业间波动的差异性不同行业的股票价格波动具有明显的非对称性特征。
一些行业的股票价格波动比较平稳，波动幅度较小，而另一些行业的股票价格波动则相对较大，波动幅度不规律。
这种差异性表现为不同行业的股票价格波动呈现出非对称性的特征。
2. 单一行业内波动的不对称性不同行业的结构特征不同，因此股票价格波动的非对称性也在一定程度上受到行业结构的影响。
一些行业的结构特征比较稳定，行业内企业数量较少，市场份额比较集中，因此股票价格波动相对较平稳；而另一些行业的结构特征则相对较为复杂，行业内企业数量较多，市场份额分布不均衡，因此股票价格波动较为剧烈。
3. 行业政策的导向性政府的宏观调控政策也会对不同行业的股票价格波动产生一定影响。
一些行业受到政府政策的支持和扶持，因此股票价格波动相对较平稳；而另一些行业受到政府政策的打压和制约，股票价格波动则较为剧烈。
1. 投资决策的不确定性股市行业波动的非对称性使得投资决策更加不确定。
由于不同行业的股票价格波动呈现出不同的非对称性特征，因此投资者在进行投资决策时需要更加谨慎，以免造成投资损失。
2. 投资风险的增加3. 投资效益的提高深入研究股市行业波动的非对称性，有助于提高投资效益。
只有深入了解股市行业波动的非对称性特征，投资者才能更准确地把握市场行情，提高投资效益。
1. 基于大数据的深度分析随着信息技术的发展，大数据已成为一个重要的研究手段。
将大数据技术应用于股市行业波动的非对称性研究中，可以更加深入地了解不同行业的股票价格波动规律和特征，为投资者提供更准确的投资决策信息。
股市收益分布的非对称性研究
股市收益分布的非对称性研究本文对上证综合指数与深证综合指数收益分布情况进行了检验验证，两个指数收益分布与正态相比都存在一定的偏态分布特征，正负超额收益并没有相互影响，仍然保持自己的独立性；同时收益分布因为周一和周四出现了严重偏斜与尖峰分布情况；在剔除影响收益的星期数后，收益分布逐渐靠近了正态分布。
最后文章提出了投资者可依据收益分布情况进入或退出市场。
关键词：收益分布非对称性正态性检验引言“偏态”一词由统计学家皮尔逊于1985年首次提出，用来测度数据分布的对称性。
后又出现尖峰分布等统计性描述。
近年来的金融市场研究也开始广泛应用到这些词，在早期的市场研究中，Amado Peiro（1999）在股票收益的偏度研究中对十个指数收益分布采用离散混合及非参数检验的方法发现大多数的市场收益是对称性分布，存在偏斜度主要是因为负超额收益出现的频率过高导致，但是他也没有找到解决非正态的有效方法。
国内研究中，利用高阶矩来研究金融市场的学者较少，主要有王鹏、王建琼和魏宇（2009）运用SV-M模型，研究了实行涨跌幅限制制度前后中国股市收益与波动关系的不同状况，中国股市的收益与同期波动之间存在负相关关系。
本文就上证综合指数与深证综合指数的收益分布情况进行分析，提出了投资者可依据收益分布情况进入或退出市场。
数据说明及处理分析本文选择的样本数据来自于1990年12月19日到2011年9月30日的上证综合指数，共5094个日数据；深证综合指数是从1995年8月22日到2011年9月30日，共3903个日数据，这些样本数据之间被假定为独立同分布。
所有样本来源于中国经济研究中心（CCER）股票市场高频数据库。
日收益率由对数函数X=log(It/It-1)计算得到，其中，It表示T日的收盘价，It-1表示前一日的收盘价，其中T≥2，应用SPSS与Eviews进行数据处理。
上证综合指数与深证综合指数收益分布情况分析（一）图像分析从图1可以看出，相对于正态分布曲线，都出现了尖峰分布和厚尾分布情况，上证综合指数频数概率分布还出现严重的左偏，深证综合指数出现了严重的尖峰分布。
中国股票市场价格波动非对称性效应研究
偏差是 导致其对 “ 空消息”反应过度 的根 本原 因。 利 关键 词 ：波动非对称性 Ｅ Ａ Ｃ 模型 Ｔ Ｒ Ｈ 型 行 为金融理论 ＧＲＨ Ａ ｃ模
中图分类号 ：Ｆ ３ ．１ ８ ０ ９
文献标识码 ：Ａ
文章编号 ：４ － ６８ Ｆ （０ ０ ０ － ０ ２ ０ ４ １ １／ ２ １ ）２ ０ ４ — ３
息和 “ 空 ”消 息 。在 有效 市 场状 态下 ，金融 资产 股 市参与者行 为因素的角度 ，对我 国股 市异常波动的 利 价格将 包含所有 的历史 信息 ，任何 用于 预测资产价格 成 因进行分析 ，认为非理 性投资者 的厌 恶损失 的心理 走 势的信息一定 已经反应在资产价格 中 ，资产未来价 和 对股市波动反应过度 认知偏差是导致股 市异常波动
格走 势只与将来 市场上出现 的新 信息有关 ，因此 “ 利 的 主要 原 因 。
多 ”消息会带来资产价 格 向上的波动 ， “ 利空 ”信息
会带来 资产价格 向下的波动 ，且这两 种消息对金融市 场 的影响是相对称 的。然而 ，大量 的实证研究表 明 ，
二 ，Ｔ Ｒ Ｈ Ａ Ｃ 模型理 论 Ａ Ｃ 和Ｅ Ｒ Ｈ （ ）Ｔ ＲＣＨ 一 Ａ 模型
ｃ丫 ， 市场假 说的基础之上 的 ，它不能对资产 价格波动 的非 的冲击 ；利空 消息则有一个ｏ＋ 的冲击。如果丫≠０ ， ，我 们说存在杠杆效 应 ，非 对称效应 的这种现象进 行合理的解释 。因此 ，本文应 则 信息是非对称的 ：１＞０
作者简介 ｔ 杨仁美， 华南理工大学经济与贸易学院数量经济学硕士研 究生； 王靖， 华南理工大学经济与贸易学院产业经济学硕士研究生。
为研 究样本 ，对中国股票市场价格波动的非对称效应 进行 了实证 分析 ，研 究表明 了中国股票市场存在 对信 息反应的不对称 ，即 “ 空消息”对股票价格的冲击大于 “ 多消息”对 股票价格的冲击。并进 利 利
股市行业波动的非对称性研究
股市行业波动的非对称性研究
股市行业的波动性是指股市中不同行业在不同时间段内股价发生的变化。
股市行业波动具有非对称性，主要是由于不同行业的市场因素不同以及行业内股票的市场结构不同所致。
本文将从市场因素和股票市场结构的角度分析股市行业波动的非对称性。
市场因素的非对称性
市场因素是影响股市行业波动的主要因素之一，不同行业的股价变化受到不同市场因素的影响。
例如，化工行业的股价受到原材料价格、市场需求、政策法规等因素的影响；金融行业的股价受到利率、政策、经济形势等因素的影响。
因此，当市场因素变化时，不同行业的股价变化也会有所不同，导致行业之间的非对称性。
此外，不同行业的市场因素的波动频率也不同，例如，房地产行业的市场因素较为稳定，变化较为缓慢，而科技行业的市场因素则较为复杂，变化较为迅速。
这种非对称性使得不同行业的股价变化有所不同，导致行业之间的非对称性。
股票市场结构也是影响股市行业波动的重要因素，不同行业的股票市场结构也不同。
例如，家电行业和医药行业拥有较多的龙头企业，这些企业占据了市场的主导地位，会对行业内其他股票的价格产生影响；而煤炭行业则同时存在国有企业、民营企业等不同类型的企业，市场竞争较为激烈，导致股价的波动较为剧烈。
此外，不同行业的上市公司数量也不同，如果某个行业的上市公司数量较少，市场风险就会更大，股价的波动也会更大。
另外，不同行业的股票流通性也不同，股票流通性越高，其价格波动幅度就越大，反之则越小。
结论。
股市行业波动的非对称性研究
股市行业波动的非对称性研究
股市行业波动的非对称性研究是一项研究股市行业的波动性是否存在非对称性的研究。
通过分析股市行业的波动情况，探寻股市行业的非对称性特征。
股市行业的波动被认为是投资者最关注的一个指标，因为它直接影响到投资者的收益。
在股市中，不同行业的波动性可能存在差异，有些行业的股价波动性可能较大，而有些行
业的股价波动性可能较小。
从股市行业的角度来看，波动性非对称性意味着不同行业的股
价在上涨和下跌时可能存在不同的幅度和速度。
通过对股市行业波动性的非对称性进行研究，可以帮助投资者更好地把握股市行业风
险并制定相应的投资策略。
如果某个行业的股价在上涨时波动较小，在下跌时波动较大，
那么投资者可以选择在行业上涨时买入，行业下跌时卖出，以减少投资风险。
而如果某个
行业的股价在上涨和下跌时波动基本相同，那么投资者可以选择长期持有该行业的股票，
以获得更稳定的收益。
在实证研究中，研究者通常会选择一定数量的股票来代表一个行业，并计算股票价格
的波动性指标（如标准差）来衡量行业的波动性。
然后，通过对这些波动性指标进行统计
分析和比较，来判断不同行业的波动性是否存在非对称性。
股市行业波动的非对称性研究是一个重要的研究领域，对投资者和监管机构都具有重
要意义。
希望通过这项研究，可以更好地理解和应对股市行业的波动性。
中小板股指收益率波动的非对称性研究
ｑ
ｐ
Σ Σ σｔ２＝α０＋ （αｉ＋γｉＮｔ－ ｉ）ａ２ｔ－ ｉ＋ βｊσ２ｔ－ ｊ
ｉ＝１
ｊ＝１
Σ１，ａｔ－ ｉ＜０
式中：Ｎｔ－ｉ 为虚拟变量，Ｎｔ－ｉ＝ ０，ａｔ－ ｉ≥０
对于 ＴＧＡＲＣＨ（１，１）模型，正的价格变动对方差的影响
为 α１ａ２ｔ－１，但相同幅度负的变动影响为 （α１＋γ１）ａ２ｔ－１． 因此，若
模型 （ＧＡＲＣＨ－ ｉｎ－ Ｍｅａｎ Ｍｏｄｅｌ， ＧＡＲＣＨ－ Ｍ）．ＧＡＲＣＨ－ Ｍ 模
型不仅描述自回归条件异方差过程，而且把条件方差作为
回归因子引入相应的回归或均值过程．这种模型可以描述金
融资产的收益率除了受其他因素影响外，也受收益率本身
波动大小的影响．
ＧＡＲＣＨ－ Ｍ 模型的表达式为：
ΣΣｙｔ＝μｔ＋ρσｔ＋ａｔ
Ｇｌｏｓｔｅｎ、Ｚａｋｏｉａｎ［５］等 人（１９９３）较 早 地 提 出 了 ＴＧＡＲＣＨ 模型的应用．所谓 ＴＧＡＲＣＨ 模型，即门限 ＧＡＲＣＨ 模型，就 是指利用虚设变量 （ｄｕｍｍｙ ｖａｒｉａｂｌｅ） 来设置一个门限 （Ｔｈｒｅｓｈｏｌｄ）， 用以区分正的和负的冲击对条件波动性的影 响．
ＴＧＡＲＣＨ（ｐ，ｑ）模型表达式为
Σ
ΣΣLeabharlann Σ Σａｔ＝σｔεｔ
Σ
Σ
Σ Σ
ｑ
ｐ
Σ Σ ΣΣΣσｔ２＝α０＋
α２ｔ－ ｉαｉ＋
βｊσ２ｔ－ ｊ
Σ
ｉ＝１
ｊ＝１
式中：若 ρ 显著为正，说明收益和风险正相关，风险越
高，投资者要求的回报也越高．
3 实证分析
本文研究的时间段为 ２００６ 年 １ 月 ２ 日至 ２０１０ 年 ３ 月
３１ 日，除去休市等非交易日数据后，共有 １０７９ 个交易日数
股市行业波动的非对称性研究
股市行业波动的非对称性研究
股市行业波动的非对称性是指不同行业之间在股市波动中出现的差异性。
这种非对称性的存在影响着投资者的选择和股市的整体风险。
研究股市行业波动的非对称性有助于深入了解不同行业之间的关联性以及对整体市场的影响程度。
这对于投资者来说非常重要，可以帮助他们更好地配置资产和管理风险。
研究股市行业波动的非对称性需要选择一定的时间段和相关的行业指数。
通常，研究者会选择一段时间内的股票收益率数据，以及对应的行业指数数据。
通过计算这些数据的相关性和波动性指标，可以获得行业波动的非对称性。
需要考虑到不同行业之间的关联性。
在研究股市行业波动的非对称性时，通常会采用相关系数、协方差、相关性矩阵等方法来衡量不同行业之间的关联程度。
通过这些方法，可以得到不同行业之间的相关性指标，从而更好地理解行业之间的波动性差异。
还需要考虑到不同行业的特殊性。
每个行业都有其自身的特点和因素，这些因素在股市波动中可能会发挥不同的作用。
在研究股市行业波动的非对称性时，需要考虑到不同行业的特殊性，并将其纳入到分析模型中。
这可以通过指标分析、回归分析等方法来实现。
股市行业波动的非对称性研究
股市行业波动的非对称性研究股市行业波动的非对称性是指不同行业的股票价格在市场走势中表现出不同的波动情况。
这种现象是股票交易市场常见的一种现象，并且是影响股票交易风险和收益的一个重要因素。
本文将探讨股市行业波动的非对称性研究。
首先，有关行业的基本面因素是引起行业波动非对称性的一个重要因素。
行业之间的基本面因素具有很大的差异。
一些行业的基本面比较稳定，如公共服务和基础设施行业；而另一些行业的基本面则较为波动，如科技和金融行业。
这种差异会导致股票价格对市场变化的反应也会有所不同。
一些基本面较为稳定的行业，如公共服务和基础设施行业，股票价格的变化往往比较缓慢，且较为保守。
而一些基本面较为波动的行业，如科技和金融行业，股票价格的变化则非常迅速，且非常明显。
因此，针对不同行业的波动情况，可以采用不同的交易策略，以达到更好的收益效果。
其次，市场流动性和风险水平也是行业波动非对称性的一个重要因素。
在行业基本面较为稳定的情况下，市场流动性和风险水平会对行业的股票价格变化产生较为明显的影响。
如果市场流动性较好，交易成本较低，那么股票价格的波动也会比较缓慢。
相反，如果市场流动性较差，那么股票价格的波动就会非常剧烈。
此外，风险水平也会对股票价格产生重要影响。
如果风险水平较高，投资者的风险意愿会减弱，从而影响股票价格。
同样的，如果风险水平较低，投资者的风险意愿会增强，从而也会产生更明显的影响。
最后，政策和法规的变化也是导致股市行业波动非对称性的一个重要因素。
政策和法规的变化可能会对不同行业产生不同的影响。
例如，如果政府出台了一系列支持科技创新行业的政策，那么该行业的股票价格就会上涨，而其他行业则不会产生如此明显的变化。
因此，投资者应该密切关注政策和法规的变化，以及其在不同行业中的影响。
通过了解政策和法规变化，可以更好地把握不同行业股票价格的波动情况，从而制定更为精准的投资策略，以获得更好的收益效果。
总之，股市行业波动的非对称性是投资者在股票交易中需要重视的一个关键因素。
股票市场波动非对称性的实证研究
股票市场波动非对称性的实证研究标题：1. 股票市场波动非对称性测度方法的探究2. 股票市场波动非对称性的存在及分析3. 股票市场非对称性波动因素的影响研究4. 股票市场波动非对称性与风险溢价关系的探讨5. 股票市场非对称性波动对投资决策的启示一、股票市场波动非对称性测度方法的探究股票市场波动历来是风险投资者需要面对的重要问题。
而波动的非对称性则给人们带来了更多的不确定因素。
在这里，我们将阐述如何通过不同的测度方法来衡量股票市场波动的非对称性，这可以帮助投资者减少风险，最大化收益。
二、股票市场波动非对称性的存在及分析波动的非对称性是股票市场常见的现象。
它带来的不确定因素和风险相较于普通波动会更大，对于投资者而言要特别注意。
在这里，我们将对股票市场波动非对称性的存在进行详细的分析，并为投资者提供一些防范性的建议。
三、股票市场非对称性波动因素的影响研究股票市场波动非对称性的产生因素众多，政策、国际贸易、自然灾害等都会对其产生一定的影响。
在这里，我们将具体研究各因素对波动非对称性的影响程度，以及其产生的原因，为投资者提供一些参考信息。
四、股票市场波动非对称性与风险溢价关系的探讨波动的非对称性对于股票市场的风险溢价有怎样的影响？这是一个值得深入研究的问题。
在这里，我们将对波动非对称性与风险溢价的关系进行探讨，并为投资者提供一些有效的投资建议。
五、股票市场非对称性波动对投资决策的启示股票市场的波动非对称性对于投资者的决策有着重要的影响。
在这里，我们将通过对已有研究成果汇总，总结出股票市场非对称性波动对投资决策的启示，在投资过程中帮助投资者更好地把握市场脉络，做出更明智的投资决策。
1. “黑色星期一”事件“黑色星期一”是1987年10月19日美国股市遭遇的一大经济危机。
当时华尔街的道琼斯指数猛跌22.6%，这是20世纪以来的最大单日跌幅，引起了全球股市的恐慌性下跌。
这场危机的爆发，也凸显了波动非对称性的问题。
中国股市波动的非对称性研究
中国股市波动的非对称性研究近年来，中国股市的波动一直是学术界和投资者关注的焦点。
对于股市波动的研究，学者们一直致力于探索其非对称性。
非对称性是指股市在上涨和下跌过程中的波动幅度不一致，即当市场上涨时，波动幅度较小，而当市场下跌时，波动幅度较大。
本文将对中国股市波动的非对称性进行研究。
首先，中国股市波动的非对称性可以从市场情绪角度解释。
根据行为金融学的理论，投资者在面对利好消息时更加乐观，容易导致市场上涨，而在面对利空消息时更加悲观，容易导致市场下跌。
因此，当市场上涨时，投资者的情绪较为积极，对市场的波动有一定的抑制作用；而当市场下跌时，投资者的情绪较为消极，对市场的波动有一定的放大作用。
其次，中国股市波动的非对称性还可以从资金流动角度解释。
在中国股市中，个人投资者占据了相当大的比例，其中包括许多散户投资者。
这些散户投资者在市场上涨时倾向于追涨杀跌，追逐热门品种，导致市场上涨的幅度相对较小；而在市场下跌时，散户投资者更容易恐慌抛售，导致市场下跌的幅度相对较大。
此外，中国股市波动的非对称性还可以从市场机制角度解释。
中国股市采用了涨跌停板机制，即当股价涨跌幅达到一定限制时，停止交易，导致市场上涨或下跌的幅度受到限制。
当市场上涨时，涨停板的限制导致波动幅度较小；而当市场下跌时，跌停板的限制对波动幅度的放大起到了一定的作用。
综上所述，中国股市波动的非对称性可以从市场情绪、资金流动和市场机制角度进行解释。
这些因素相互作用，共同影响着股市的波动。
研究股市波动的非对称性有助于投资者更好地理解市场行为，制定更为合理的投资策略。
然而，需要注意的是，股市波动的非对称性是一个复杂的问题，还有许多其他因素需要进一步研究和探索。
股市行业波动的非对称性研究
股市行业波动的非对称性研究
股市是一个充满波动的市场，不同行业的股票价格也常常出现不同程度的波动。
研究
股市行业波动的非对称性可以帮助投资者更好地了解行业间的差异，提高投资决策的准确性。
我们需要明确什么是非对称性。
在股市中，波动性指的是价格的变动程度。
非对称性
则指的是价格上涨和价格下跌之间的波动程度不一样。
也就是说，价格上涨时的波动可能
会比价格下跌时的波动更大，或者反过来。
为了研究股市行业波动的非对称性，我们可以通过以下几个步骤进行。
我们需要选择一个合适的指标来度量股票价格的波动。
常用的波动度量指标包括标准差、波动率等。
这些指标可以帮助我们计算出波动的大小。
我们需要确定研究的样本期间。
可以选择一段较长的时间，比如十年或者更长，以获
得更加准确和全面的结果。
然后，我们需要选择研究的样本行业。
可以选择几个具有代表性的行业，比如金融、
科技、能源等。
通过研究不同行业的波动性，我们可以得出不同行业之间的非对称性情
况。
接下来，我们可以计算每个样本行业在不同市场情况下的波动性。
可以选择不同的时
间段，比如牛市、熊市或者震荡市，计算不同行业的波动性。
我们可以对结果进行统计分析。
通过比较不同行业在价格上涨和价格下跌时的波动性，我们可以判断行业波动的非对称性。
通过以上研究步骤，我们可以得出股市行业波动的非对称性情况。
这些研究结果可以
帮助投资者更好地了解不同行业的特点，在投资决策中更加准确和理性。
中国股市波动非对称性的实证研究的开题报告
中国股市波动非对称性的实证研究的开题报告题目：中国股市波动非对称性的实证研究一、选题背景随着中国股市的不断发展，股市波动的问题也逐渐凸显。
股市波动主要受大量因素的影响，其中最重要的因素是市场供求关系和投资者情绪。
中国股市波动的非对称性表现在，股市在下跌时波动幅度比上涨时更大，这种非对称性波动对投资者造成了很大的影响。
目前，国内外对于股市波动非对称性的研究较为广泛，但大多数研究都是在西方国家的股市进行的，缺乏对中国股市的研究。
因此，本文以中国股市为研究对象，旨在实证研究中国股市波动非对称性的存在与成因。
二、研究内容及主要贡献本文将从以下四个方面进行研究：1.中国股市波动非对称性的实证检验。
本文将采用ARCH/GARCH模型，通过收集完整的中国股市历史数据，以寻找波动的非对称性情况，进行实证检验。
2.中国股市波动非对称性与市场供求关系的关系。
本文将分析市场供求关系对于中国股市波动非对称性的影响，并探讨供求因素对于股市波动非对称性的调节作用。
3.中国股市波动非对称性与投资者情绪的关系。
本文将分析投资者情绪对于中国股市波动非对称性的影响，并探讨投资者情绪对于股市波动非对称性的调节作用。
4.中国股市波动非对称性的原因分析与政策建议。
本文将分析股市波动非对称性的成因，并提出相应的政策建议，以尽可能减少非对称性波动对投资者的影响。
本文的主要贡献在于：1.针对中国股市非对称性波动展开全面研究。
国内并没有对中国股市非对称性波动进行深入研究的文献，因此本文填补了这一空白。
2.通过实证检验验证了中国股市的非对称性波动存在。
3.探究了市场供求关系和投资者情绪对于股市非对称性波动的影响，为政策提供了有益参考。
三、论文结构安排本文的章节安排如下：第一章：绪论。
主要介绍研究的背景、目的、意义及研究内容。
第二章：文献综述。
主要对国内外有关股市波动非对称性的相关研究进行综述。
第三章：模型和数据。
主要介绍本文所使用的模型以及数据来源。
股票市场波动非对称性的实证研究.
股票市场波动非对称性的实证研究金融市场的波动有许多特点，股票市场波动的非对称性是指同等程度的利好消息与利空消息对股票市场波动的影响不相同。
本文针对我国上海股票市场波动的非对称性展开深入的实证研究，得出与国外股票市场相反的结论，即在我国上海股票市场，同等程度的利好消息对波动的影响更大。
最后从投资者结构、心理和交易机制等方面解释这种现象。
一、文献综述由于金融资产的波动性是确定金融衍生工具(如证券、期货等)价格的关键因素，同时，它也反应金融资产(如股票)价格的波动风险，因此，弄清楚证券市场波动是市场交易者、投资者、风险管理者以及寻求弄清楚市场动态的学者们非常感兴趣的问题。
到目前为此，国外应用ARCH (Autorenressive Conditional Heteroskedasticity)和GARCH(Generalized ARCH)模型来研究股票波动性已取得了较为丰富的成果。
ARCH模型是由Engle提出的，因其在这方面的杰出的研究成果而获得了2003年度的诺贝尔经济学奖。
Zakoian(1994)和Glosten,Jananathan以及Runkle(1993)在ARCH模型的基础上提出了TARCH模型，并用此模型来研究股市波动性的杠杆效应。
Nelson(1991)则提出了EGARCH 模型，并用此模型来研究股市对“好消息”和“坏消息”的不对称反应问题。
Engle和Ng(1993)绘制了股票市场对好消息和坏消息的反应曲线。
针对股票市场波动的非对称性，国外许多学者提出各种模型对世界各个金融市场进行了实证研究，研究结果表明在大多数发达国家的股票市场均存在显著的波动非对称性，而且在与相同大小的利好消息相比，利空消息对波动性的影响更大。
Campbell & Hentschel(1992)认为这种现象可以由“杠杆效应”(Leverage effect)或“反馈效应”(Feedback effect)来解释。
- 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)。
Ｖｏｌ．２８Ｎｏ．１２Ｄｅｃ２０１２赤峰学院学报（自然科学版）ＪｏｕｒｎａｌｏｆＣｈｉｆｅｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）第２８卷第１２期（下）２０１２年１２月1引言随着中国股票市场发展的日益成熟以及计量经济工具的不断发展，关于股指波动性的文献近年来数量激增．刘金全、崔畅研究了中国沪、深股市的收益率波动特征［１］．谢家泉、杨招军通过ＧＡＲＣＨ模型的扩展形式对上证指数收益率序列建模，根据实际市场波动情况，引入虚拟变量考察股票市场的有效性［２］．沈豪杰、黄峰通过构建一个非流动性指标，对中国沪深股市的市场流动性进行计量，发现中国股市的流动性风险存在明显的非对称效应，流动性风险表现出“强时愈强，弱时愈弱”的特征［３］．大量实证研究表明，ＧＡＲＣＨ类模型特别适合于对金融时间序列数据的波动性和相关性进行建模，估计或预测波动性和相关性［４］．目前的研究成果主要侧重沪、深两市大盘指数，对中小板指数的研究则显得较弱．中小板指数就其收益率年化波动率的绝对值而言，一直处于较高水平，而高换手率和高开盘收益率则说明，中小公司由于流动性较弱，容易受到资金炒作．因此，研究中小板指数的波动性对把握中小板市场的风险具有重要意义．2理论模型介绍２．１门限ＧＡＲＣＨ模型（ＴＧＡＲＣＨ）Ｇｌｏｓｔｅｎ、Ｚａｋｏｉａｎ［５］等人（１９９３）较早地提出了ＴＧＡＲＣＨ模型的应用．所谓ＴＧＡＲＣＨ模型，即门限ＧＡＲＣＨ模型，就是指利用虚设变量（ｄｕｍｍｙｖａｒｉａｂｌｅ）来设置一个门限（Ｔｈｒｅｓｈｏｌｄ），用以区分正的和负的冲击对条件波动性的影响．ＴＧＡＲＣＨ（ｐ，ｑ）模型表达式为σｔ２＝α０＋ｑｉ＝１Σ（αｉ＋γｉＮｔ－ｉ）ａ２ｔ－ｉ＋ｐｊ＝１Σβｊσ２ｔ－ｊ式中：Ｎｔ－ｉ为虚拟变量，Ｎｔ－ｉ＝１，ａｔ－ｉ＜００，ａｔ－ｉ≥Σ０对于ＴＧＡＲＣＨ（１，１）模型，正的价格变动对方差的影响为α１ａ２ｔ－１，但相同幅度负的变动影响为（α１＋γ１）ａ２ｔ－１．因此，若γ１＞０成立，后者将大于前者，即坏消息对于价格变动的影响大于好消息．ＴＧＡＲＣＨ模型解决了价格变动信息不对称问题，但未解决非负性问题．２．２指数ＧＡＲＣＨ模型（ＥＧＡＲＣＨ）Ｎｅｌｓｏｎ（１９９１）提出了另一种非对称ＧＡＲＣＨ模型，即Ｅ－ＧＡＲＣＨ模型．ＥＧＡＲＣＨ模型的全称为“ＥｘｐｏｎｅｎｔｉａｌＧＡＲＣＨ”，即指数ＧＡＲＣＨ模型，其方差等式分析的不是σｔ２，而是ｌｎσｔ２，并且分别使用均值等式的扰动项和扰动项的绝对值与扰动项的标准差之比来捕捉正负冲击给波动性带来的非对称影响．其表达式为ｌｎσｔ２＝α０＋ｐｊ＝１Σβｊｌｎ（σ２ｔ－ｊ）＋ｑｉ＝１Σ（αｉ｜ａｔ－ｉ｜σｔ－ｉ＋γｉａｔ－ｉσｔ－ｉ）式中：只要γｉ≠０，表示信息作用非对称；当γｉ＜０时，负的冲击比正的冲击更易增加波动，即存在杠杆效应．由于采用对数形式，可完全保证条件方差的非负性．２．３ＧＡＲＣＨ－Ｍ模型Ｅｎｇｌｅ、Ｌｉｌｉｅ和Ｒｏｂｂｉｎｓ（１９８７）提出了均值ＧＡＲＣＨ回归中小板股指收益率波动的非对称性研究魏波（北方民族大学信息与计算科学学院，宁夏银川７５００２１）摘要：本文运用ＧＡＲＣＨ类模型分析中小板指数日收益率波动的非对称性，研究表明：在描述中小板市场波动率的杠杆效应时，ＴＡＲＣＨ（１，１）和ＥＧＡＲＣＨ（１，１）模型的估计结果均表明中小板市场具有非对称性，然而对于中小板指数收益率，这种非对称效应似乎并不明显．关键词：ＧＡＲＣＨ模型；收益率；非对称性中图分类号：Ｆ２０２文献标识码：Ａ文章编号：１６７３－２６０Ｘ（２０１２）１２－０１２８－０３基金项目：北方民族大学科学研究项目（２０１０Ｙ０４０）资助１２８－－模型（ＧＡＲＣＨ－ｉｎ－ＭｅａｎＭｏｄｅｌ，ＧＡＲＣＨ－Ｍ）．ＧＡＲＣＨ－Ｍ模型不仅描述自回归条件异方差过程，而且把条件方差作为回归因子引入相应的回归或均值过程．这种模型可以描述金融资产的收益率除了受其他因素影响外，也受收益率本身波动大小的影响．ＧＡＲＣＨ－Ｍ模型的表达式为：ｙｔ＝μｔ＋ρσｔ＋ａｔａｔ＝σｔεｔσｔ２＝α０＋ｑｉ＝１Σα２ｔ－ｉαｉ＋ｐｊ＝１Σβｊσ２ｔ－ｊΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣ式中：若ρ显著为正，说明收益和风险正相关，风险越高，投资者要求的回报也越高．3实证分析本文研究的时间段为２００６年１月２日至２０１０年３月３１日，除去休市等非交易日数据后，共有１０７９个交易日数据，日收益率用ｒｉ表示，所有数据均采用Ｅｖｉｅｗｓ６．０处理．图１为中小板指数日收益率统计分布图，从图中可以发现，样本期内中小板的收益率均值为０．１１％，标准差为２．３３％，偏度为－０．５７，峰度为４．５６，高于正态分布的峰值度３，说明收益率具有尖峰和厚尾特征．Ｊ－Ｂ正态性检验也证实了这点，统计量为１６８．２７，表明收益率序列显著异于正态分布．将中小板指数日收益率序列进行ＡＤＦ检验，得到ＡＤＦ值为－３０．６５，在１％的显著性水平下，收益率拒绝随机游走的假设，是平稳的时间序列．对估计残差做ＡＲＣＨ－ＬＭ检验（见表１），发现Ｆ和ＬＭ统计量对应的Ｐ值均为０，小于０．０５，故拒绝原假设，认为收益率序列的残差存在着高阶ＡＲＣＨ效应，该序列适合用ＧＡＲＣＨ模型进行分析．３．１非对称的ＧＡＲＣＨ模型分析为了考察中小板指数收益率序列是否存在非对称性，即利空消息对市场造成的下跌影响是否会超过利好消息对市场带来的上升幅度，本文运用了ＴＧＡＲＣＨ、ＥＧＡＲＣＨ和ＧＡＲＣＨ－Ｍ（１，１）模型来分别进行估计．综合运用ＡＩＣ和ＳＣ信息准则，经过反复测算和比较各种ＧＡＲＣＨ类模型的ＡＩＣ、ＳＣ值以及残差检验的相伴概率，以此确定ＧＡＲＣＨ类模型的滞后阶数．最终判断滞后阶数（ｐ，ｑ）＝（１，２）时，拟合效果最好，参数估计时，采用均值方程和波动率方程联合的极大似然估计，ＴＧＡＲＣＨ（１，１）、ＥＧＡＲＣＨ（１，１）和ＧＡＲＣＨ－Ｍ（１，１）模型估计结果如下：３．１．１ＴＧＡＲＣＨ（１，１）模型均值方程：ｒｔ＝０．０７７９ｒｔ－１＋０．０６５６ｒｔ－４１－０．０６６７ｒｔ－４４＋ａｔ（２．４５０９）（２．３８９３）（－２．４６７２）方差方程：σ２ｔ＝１．８７×１０－５＋０．０９８６ａ２ｔ－１＋０．０２１１ａ２ｔ－１Ｎｔ－１＋０．８６２１σ２ｔ－１（２．３６４５）（３．０９０６）（０．５８９８）（２９．０５５５）ＡＩＣ＝－４．７８９４，ＳＣ＝－４．７５１２，对数似然值＝２４８４．１４９３．１．２ＥＧＡＲＣＨ（１，１）模型均值方程：ｒｔ＝０．０７１ｒｔ－１＋０．０７１７ｒｔ－４１－０．０６５９ｒｔ－４４＋ａｔ（２．２５８）（２．６５１）（－２．４９３２）方差方程：ｌｎσ２ｔ＝－０．５１７１＋０．２２２｜ａｔ－１／σｔ－１｜－０．０３１４（ａｔ－１／σｔ－１）＋０．９５４ｌｎ（σ２ｔ－１）（－３．５８４２）（４．９９１３）（－１．３８５６）（５６．６６７２）ＡＩＣ＝－４．７９３６，ＳＣ＝－４．７５５４，对数似然值＝２４８６．２８６在ＴＧＡＲＣＨ模型中，杠杆效应项的系数γｉ＝０．０２１１，说明股票价格的波动具有“杠杆效应”：“利空消息”能比等量的“利好消息”产生更大的波动．当出现“利好消息”时，ａｔ－１＞０，则Ｎｔ－１＝０，所以该冲击只会对股票价格指数带来一个０．０９８６（α１的估计值）倍的冲击，而出现“利空消息”时，ａｔ－１＜０，此时Ｎｔ－１＝１，则这个“利空消息”会带来一个０．１１９７（α１和γ１的估计值之和）倍的冲击．这个利空消息能比等量的利好消息产生更大的波动性的结果在ＥＧＡＲＣＨ模型中也能图１中小板指数日收益率统计分布图ARCH(q)F 统计量P 值T*R 2P 值结论q=312.2740.000035.68540.0000存在异方差q=57.9830.000038.63980.0000存在异方差q=10 5.9060.000056.41250.0000存在异方差q=243.2750.000074.63830.0000存在异方差表１中小板指数收益率序列的ＬＭ异方差检验１２９－－够得到印证．在ＥＧＡＲＣＨ模型中，α１的估计值为０．２２２，非对称项γ１的估计值为－０．０３１４．当ａｔ－１＞０时，该信息冲击对条件方差的对数有一个０．２２２＋（－０．０３１４）＝０．１９０６倍的冲击；ａｔ－１＜０时，它给条件方差的对数带来的冲击大小为０．２２２＋（－０．０３１４）×（－１）＝０．２５３４倍．但是从统计上看中小板指数收益率序列的非对称性并不显著．３．１．３ＧＡＲＣＨ－Ｍ（１，１）模型由于人们一般认为金融资产的收益率与其风险存在着正相关关系，为了考察中小板市场是否也存在这种关系，可以把风险项引进均值方程，即建立ＧＡＲＣＨ－Ｍ模型看其是否成立．引入风险项后的均值方程如下：ｒｔ＝０．０１１８σｔ＋０．０６７２ｒｔ－１＋０．０５６７ｒｔ－４１－０．０６９９ｒｔ－４４＋ａｔ（４．１５６４）（２．１２６１）（２．１１２８）（－２．６４）方差方程：σ２ｔ＝１．８９×１０－５＋０．１１３６ａ２ｔ－１＋０．８６０５σ２ｔ－１（２．３４３６）（４．０６０３）（２７．８９２６）ＡＩＣ＝－４．８０４１，ＳＣ＝－４．７６５９，对数似然值＝２４９１．７３２估计出的模型参数在５％的显著性水平下显著，并且系数之和小于１，满足平稳条件．均值方程中的σｔ的系数ρ为０．１１８，表明当中小板市场中的预期风险增加一个单位时，就会导致其收益率也相应地增加０．１１８个百分点．4结论本文在抛开基本面分析的前提下，通过ＧＡＲＣＨ类模型对中小板股指收益率的波动进行实证分析，得出了如下结论：４．１中小板指数序列是不平稳的，是随机游走过程，但中小板指数收益率序列是平稳的．经比较，在单纯描述中小板指数波动率时，ｔ－分布更能反映中小板指数收益率序列具有尖峰厚尾特征，能更准确地描述中小板市场的波动性．４．２一般认为ＧＡＲＣＨ（１，１）模型即可全面描述金融市场的波动特性，研究结果也正如此，综合运用ＡＩＣ准则和ＳＣ准则，在滞后项ｐ和ｑ不超过２的情况下逐个检验．经过筛选，最后选择ＧＡＲＣＨ（１，１）模型，ＧＡＲＣＨ（１，１）模型中ＡＲＣＨ项和ＧＡＲＣＨ项系数之和接近于１，说明中小板市场收益率的波动具有长记忆性．４．３从ＧＡＲＣＨ类模型的拟合结果可以看出，ＧＡＲＣＨ－Ｍ（１，１）模型是所有模型中拟合效果最好的．这也说明在当前研究的时期内中小板市场波动风险和收益率之间存在显著关系，即风险与收益正相关，高风险会带来高收益，反之亦然．４．４在描述中小板市场波动率的杠杆效应时，ＴＡＲＣＨ（１，１）和ＥＧＡＲＣＨ（１，１）模型的估计结果均表明中小板市场具有非对称性，“利空消息”能比等量的“利好消息”产生更大的波动．然而对于中小板指数收益率，这种非对称效应似乎并不明显．———————————————————参考文献：〔1〕刘金全，崔畅.中国沪深股市收益率的波动性的实证分析[J].经济研究，2002（1）：885-898.〔2〕谢家泉，杨招军.基于GARCH模型的股票市场有效性的实证研究[J].统计与信息论坛，2005(5):57-60.〔3〕沈豪杰，黄峰.中国股市流动性风险的非对称效应分析[J].统计与信息论坛，2010,25(4):93-98.〔4〕张成思.金融计量学—时间序列分析视角[M].大连：东北财经大学出版社，2008.188-211.〔5〕高铁梅.计量经济分析方法与建模：Eviews应用及实例[M].北京：清华大学出版社，2009.１３０－－。