股票市场波动丛聚性及杠杆效应的实证研究
我国股市波动的非对称性和杠杆效应研究
我国股市波动的非对称性和杠杆效应研究朱东洋;杨永【摘要】本文选取2006年1月4日到2008年12月31日期间上证综合价格指数日收益率和收益波动率的数据,建立二者变量指标的GARCH模型、AGARCH模型、EGARCH模型,对我国牛熊市轮替过程中股票市场波动的非对称性和杠杆效应进行实证分析.结果发现,股改后牛熊市期间我国股票市场的波动表现出显著的长记忆性、非对称性和杠杆效应,股票市场波动性对"利好"和"利空"消息呈现出不平衡性反应,我国股票市场出现了强市恒强、弱市恒弱现象.最后,从投资者心理预期、过度反应与反应不足、投资者构成和交易机制等方面对该结论进行了分析.【期刊名称】《技术经济》【年(卷),期】2010(029)009【总页数】7页(P84-89,102)【关键词】股票市场;非对称性;杠杆效应;ARMA-EGARCH模型【作者】朱东洋;杨永【作者单位】兰州大学,经济学院,兰州,730000;上海大学,经济管理学院,上海,200444【正文语种】中文【中图分类】F830.91股票市场的收益与风险历来都是投资者、金融机构及国家监管部门关注的重点,也是近年来金融计量经济学非常活跃的研究领域。
我国股市近20年的发展过程中经历了数次的跌宕起伏,尤其是2006—2008年历经了一次完整的牛熊市轮替过程。
而其熊市期间,正处于全球金融危机肆虐、全球股市普跌大环境之下。
在此状况下,我国股票市场是否仍表现出已有研究成果所揭示的股市波动性特征、是否具有非对称性和杠杆效应与新阶段特征值得思考。
故对该期间股票市场波动性进行研究具有重要的理论意义和现实意义。
国内学者对我国股票市场波动性的研究起步较晚,而利用GARCH类模型对股票市场波动的非对称性研究,在我国尚处于起步阶段。
陈浪南、黄杰琨等[1]通过对股市划分时段分段建模,利用GJ R GARCH-M模型分析了利好消息和利空消息对股市的非对称性影响。
上海股票市场波动的非对称性和杠杆效应研究
金 融 市 场 的波 动 性 受 到 众 多 学 者 和 从 业 者 的 极 大
关 注 。Ｅ ｇｅ （ ９ ２ 和 Ｂｏｌｒｌｖ （ ９ ６ 先 后 提 出 ｎｌ １８） ｌ ｓｅ １ ８ ） ｅ
响 ，其 研 究 具 有 一 定 局 限性 。 魏娜 （０ ６ ２ ０ ）通 过 对 深
和 坏 消 息 的非 对 称 信 息 曲线 ． 认 为 资 本 市 场 中 的 冲 击 常 常表 现 出一 种 非 对 称 效 应 ．它 允 许 波 动 率 对 市 场 下 跌 的反 应 比对 市 场 上 升 的反 应 更 加 迅 速 ，因 此 被 称 为 “ 杆 效 应 ” Ｚ ｋ ｉ （ ９ ０ 以 及 Ｇ ｏｔ 、Ｊ— 杠 。 ａｏａ １９ ） ｎ ｌｓ ｎ ａ ｅ ｇｎ ｈｎ ｕ ｌｅ （９ ３ 在 Ａ Ｃ 模 型 的 基 础 上 提 ａ￣ ａ 、Ｒ ｎ ｄ １９ ） Ｒ Ｈ
上 海 股 票 市 场 波 动 的 非 对 称 性 和 杠 杆 效 应 研 究
闰 涛 孙 涛
（ 南京航 空航 天大 学经 济与 管们 对股 票 市场 波 动 “ 利好 ” “ 坏 ”消 息 反应 程度 的不 同 ，本 文利 用 国外 证 券市 场 比较 成熟 的 利 非 对称 Ａ Ｈ族 理 论 ，对 我 国上 海股 票 市场 建 立 了 ＡＲ Ｈ、Ｔ Ｃ ＲＣ Ｃ ＡＲ Ｈ、Ｅ ＲＣ ＧＡ Ｈ模 型进 行 实证 检 验 分 析 ，得 出上 海 股票 市场 的波 动具有 非对 称性 和杠 杆效 应 ，坏消 息会 导致 比好 消息更 大 波动性 的结 论 。
沪 深 股 市 收 益 率 之 间存 在 较 强 相 关 性 并 且 都 存 在 显 著 的风 险 溢 价 ，波 动 性 则 表 现 出 非 对 称 的溢 出效 应 。陆
股票波动中的杠杆效应研究
股票波动中的杠杆效应研究股票市场的波动是非常常见的现象，让投资者们感到疑惑的是这些波动会带来影响股票价格的因素。
此时，我们就需要从投资者使用的一种投资工具——杠杆效应，来研究股票波动的动因。
首先，了解杠杆效应的定义和原理。
杠杆效应是指，投资者在购买股票时借取一定数额的资金进行投资，只使用部分自己的资金，却能够控制更大的金额的投资。
这种现象使得投资者在一定程度上获得了更高的收益，但也要面对更高的风险。
其次，谈谈杠杆效应在股票市场波动中的影响。
首先，杠杆效应会放大股票价格的波动，使得投资者的盈亏更加极端。
如果市场出现剧烈波动，投资者通常会面临较大的损失，尤其是杠杆程度较高的投资者。
其次，在股票市场上利用杠杆效应进行投资，可以带来更高的回报率。
但是，过高的杠杆会使得投资者无法承担风险，导致财务状况迅速恶化。
因此，掌握好杠杆效应的运用是非常重要的。
首先，投资者在使用杠杆的时候应该注意自己的承受能力，不要超出自己的限度。
其次，在投资过程中，应该时刻关注市场波动情况，减少缺陷和损失。
但是，杠杆效应不仅仅只限于股票市场，它也可以在不同行业的金融投资中看到。
例如，房屋贷款、证券投资、期货交易等领域的金融交易都可以采用杠杆模式来提高回报率。
这些应用领域中也都存在较高的风险，因此投资者一定要尽可能降低风险，提高自身的正确决策能力。
在杠杆效应的应用中，不同的行业有不同的规则和限制，而这些限制也会影响杠杆效应的使用。
例如，股票市场中，杠杆效应不能超过特定的比例，否则将会导致市场崩盘。
与此同时，房屋贷款杠杆也有着一些限制，不能超过贷款总额的一定比例。
因此，在使用杠杆时，不同行业的行规和政策都要牢记在心。
总之，杠杆效应是股票投资等金融投资领域中非常常见的工具，可以带来更高的回报率，但也包含着更高的风险。
了解杠杆效应的原理和运用模式是非常重要的，投资者必须清晰地了解自己所面临的风险和利润，才能做出明智的决策，从而获得更高的收益。
我国资本市场波动率的杠杆效应研究
收益率对波动的非对称影响。EGARCH(1,1)模型形式为：
2
lnσt =ω+α
εt-1 σt-1
+γ
εt-1 σt-1
2
+βlnσt-1
由于模型左侧采取条件方差的对数形式，能够确保条件方差的拟合值非负，意味着杠杆效应是指数形
式，而非传统的线性形式。好消息和坏消息对条件波动对数的影响系数分别为 α+γ 和 α-γ，若 γ>0，则说明
标准 GARCH 模型。
（五）CGARCH（成分 Байду номын сангаасARCH）模型
35
宏观分析
《西部金融》2021 年第 1 期
通过在暂时分量中引入非对称项，CGARCH 模型也可以用来捕捉杠杆效应。CGARCH(1,1)模型形式
为：
2
2
长期分量 qt=ω+ρ（qt-1 -ω）+φ（εt-1 -σt-1）
2
2
2
2
36
《西部金融》2021 年第 1 期
宏观分析
0)模型，即不考虑其自相关性，只保留常数项作为无条件均值。
进一步地，对 ARMA 模型的残差平方 （即去均值收益率的平方） 序列进行自相关检验，滞后 5 阶的
Ljung-Box Q 统计量均具有显著性；对 ARMA 模型的残差（即去均值的收益率）序列进行 ARCH LM 检验，
σδt =ω+α（εt-1
δ
2
-γεt-1）+βσt-1
非对称项 εt-1 以幂函数形式对条件波动的幂变换产生影响，若 γ≠0 则可以捕捉过去扰动的非对称影 响，好消息和坏消息对条件波动幂变换的影响系数分别为 α（1-γ）δ 和 α（1+γ）δ，若 γ>0 则说明负扰动对条
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
我国股市杠杆效应研究
我国股市杠杆效应研究引言杠杆效应是指在金融市场中，金融资产价格的变动对资本收益产生倍增效应。
在股市中，杠杆效应是指投资者通过借入资金来进行股票投资，从而扩大投资规模和风险，希望以此获取更高的收益。
我国股市杠杆效应的研究对于了解股市运行机制、制定投资策略具有重要意义。
1. 杠杆效应的概念和原理杠杆效应可以简单理解为“借力打力”，即通过借入资金进行投资，以较小的资本规模获得更高的收益。
在股市中，借款资金被用来买入股票，一旦股票价格上涨，投资者的收益将以倍数增加。
杠杆率是衡量杠杆效应的重要指标，表示借入资金与自身资金的比例。
2.我国股市杠杆效应的历史我国股市杠杆效应的历史可以追溯到20世纪90年代。
在当时，我国股市刚刚起步，投资者对于杠杆投资的认识相对较浅。
在2007年A股市场的疯狂上涨中，杠杆投资迅速兴起，许多投资者纷纷加入杠杆投资行列。
然而，由于股市的波动性较大，很多投资者最终倾家荡产。
3. 杠杆效应的利与弊杠杆效应既有利处，也存在风险。
在利方面，杠杆投资可以扩大投资规模，提高资本回报率。
投资者可以通过借款资金购买更多的股票，从而在股票价格上涨时获得更高的收益。
此外，对于一些短期市场机会，杠杆投资可以实现快速获取利润的目的。
然而，杠杆投资也存在较大风险。
首先，杠杆投资增加了投资者的亏损风险。
当投资者使用杠杆进行投资时，一旦市场出现大幅下跌，借款还本付息的负担将变得沉重，甚至可能导致投资者资不抵债。
其次，杠杆投资容易导致市场波动加剧。
当市场上的杠杆投资大规模撤离时，会引发更大规模的市场波动，可能加剧市场的不稳定性。
4.我国股市杠杆效应的影响因素我国股市杠杆效应受到多种因素的影响。
首先，宏观经济环境是影响股市杠杆效应的重要因素之一。
经济增长速度、通货膨胀率等宏观经济指标的变动都会对股市杠杆效应产生影响。
其次，资本市场的发展程度也会影响杠杆效应。
发展程度较高的资本市场更有利于投资者进行杠杆投资。
此外，监管政策的变动也会对杠杆效应产生影响。
我国股票市场杠杆效应实证研究
我国股票市场杠杆效应实证研究通过采用EGARCH 模型对股权分置改革后我国股票市场的杠杆效应进行了实证研究,结果表明我国股票市场的确存在正向的杠杆效应,即利好消息对市场的冲击比利空消息的冲击要大,利好消息比利空消息更容易增加市场的波动性。
标签：股票市场;杠杆效应1 引言长期以来,金融资产因受实体经济以及投资者行为等诸多因素的影响,其波动性特征一直就受到人们的关注。
在资本市场中,经常出现一种现象:资产价格经过向上运动之后,通常伴随着比之程度更强的向下运动。
为了解释这一现象,Engle 和Ng(1999)绘制了好消息和坏消息的非对称信息曲线,认为资本市场中的冲击常常表现出一种非对称效应。
因其允许波动率对市场下跌的反映比市场上升的反映更加迅速,因此被称为“杠杆效应”,这是许多金融资产的一个重要事实特征。
国内对于股市波动性特征不对称问题的研究较早,但总体而言由于对样本选取及方法的不同,结论也不尽相同。
2005年5月9日,我国股权分置改革开始执行,本文通过采用E-GARCH模型对股改后的沪深300指数波动性特征进行研究,结果显示股改后的我国股票市场的确存在正向的杠杆效应,实证结果显示利好消息对市场的冲击比利空消息的冲击要大,利好消息比利空消息更容易增加市场的波动性。
2 样本的选取2005年5月9日,清华同方、三一重工、紫江企业、金牛能源4家主板上市公司宣布率先试点股权分置改革。
被认为是股市滞留已久的“顽疾”——非流通股问题正式开始解决。
考虑到该制度实施前股价的异常波动,选取股权分置开始实施一个月后的交易日作为样本的起点。
同时由于本文研究对象是侧重我国股票市场的整体情况,因此本文选取沪深300指数2005年6月1日到2008年12月31日的收盘指数作为样本,共876个数据。
由于股票指数是一个具有单位根的非平稳过程,因此对此取对数差分得到沪深300指数股市日收益率序列:Rt=ln(pt)-ln(p t-1),表示第t日的收盘指数。
【论文】中美股市杠杆效应与波动溢出效应_基于garch模型的实证分析
金融论坛 17
中美股市杠杆效应与波动溢出效应
基于 GARCH 模型的实证分析
陈 潇1 杨 恩2
[ 内容摘要] 本文基于极 大似然函 数值准则 和赤池信 息准则, 从 众多非对 称 GARCH 模 型中选择最优模型来研究 中美股市 杠杆效应 和波动溢 出效应。结 果表明: 沪 市和深 市 都表现出显著的杠杆效应, 与美国股 市相比沪 市和深市 杠杆效应 较弱; 沪市 和深市 之 间存在显著的双向波动溢 出效应, 且 沪市对深 市的波动 溢出效应 更显著; 美 国股市 与 中国股市之间不存在显著的波动溢出效应。 [ 关键词] 股票市场; GARCH 模型; 杠杆效应; 溢出效应
国股市之间的联动性, 发现中国股市和 美国股市的相 关性很弱。[ 3] ( 117- 129) 周孝
华、黄
斌 贝
( 2008)
对上证综合指数和深证综合指数之间波动的关系进行了研究,
结果表明沪深两个市场之间相互引导, 信息在两个市场之间能迅速传递, 沪深两
市存在双向波动溢出效应, 并表现出波动的聚集性和非对称性特征。[ 4] ( 77- 82) 董秀
金融论坛 19
yt= x t + t
2t = +
2 t-
1
+
2 t-
1dt-
1+
2 t- 1
t= 1, 2, T
( 3)
该式中 dt - 1是一个虚拟变量, 当 t- 1< 0 时, dt- 1= 1; 否则 dt- 1= 0。若 0, 则存在 杠杆效应 。上式中, 条件方差方程中的 t- 1dt- 1代表非对称效应 项。利好消息 ( t- 1> 0) 和利空消息 ( t- 1 < 0) 对条件方差具有不同 的影响: 一个单位 利好 消息会带来 倍的冲击, 而一个单位的 利空 消息则会带来
沪深股指波动率的周内效应和杠杆效应研究
波动率 是微 观 金 融 研 究 的 核 心 变 量 ，它 的适
当估 计与 预测对于资产定 价 、资产 配置 、风 险管理
具 有重大 的意 义 ，同时 对 于金 融 理 论 的 发展 实 践 方 面也具 有 着 不可 替 代 的作 用 。众 多 研究 者 发 现
金 融 资 产 的 波 动 率 具 有 时 变 性 、聚 集 性 和 非 对 称
Ｅ Ａ Ｃ 模型来 刻 画随 机 波动 率 过 程 ，可 以将 波 ＧＲＨ
动率过程 拆 解 成 长期 性 与 短期 性 的影 响 ，称 做极
差 的二 因 子 模 型 ；Ｃ ｏ （ ０ ５ 提 Ｃ Ｒ （ ｏ — ｈｕ ２ ０ ） Ａ Ｒ Ｃ ｎ ｄｔｎ ｌ ｕｏ—Ｒ ｇｅｓ ｅ Ｒ ｎ ｅ 模 型 ， 主 要 形 式 ｉｏ ａ Ａ ｔ ｉ ｅｒｓ ｖ ａｇ ） ｉ
２ １ ／ ９ 总 第 ４ ３期 ０ ０ １ １
文章 编 号 ：１ ０ ０ １—１ ８ （ ０ １ ９—０ ４ ４ Ｘ ２ １ ）０ １７—０ ６
商 业 研 究
ＣＯ ＭＭＥ Ｒ
Ｃ Ｈ
一
沪深股指波动率的周内 效应和杠杆效应研究
张 苏林 ，王 岩
４０ ５ ； ０ ０４ （ ．重庆理工大学 经济－ １ ９贸易学院，重庆
产价格 ，丧失 了子 区间其他 时间点上信息 ，因此在 利用信 息上有欠缺 ，使得信 息与效 率损失 。极 差作
为波 动率 的代 理 变 量 ，利 用 了子 区 间 中资 产 的最 高价 和最低 价 两 个 时 间点 的信 息 ，在 信 息 使 用 量 上要多些 ，因此 ，在理论 上效率应 该提高 ，这 点也
头 市场指 数进 行 了实 证 ，得 到 的结 论 是 Ｃ Ｒ Ａ Ｒ模 型优 于 Ｇ Ｒ Ｈ族模 型 ，股票 市场 的杠杆效 应也 可 ＡＣ
股票市场价格波动特征实证分析
股票市场价格波动特征实证分析摘要：本文以长安汽车的股票作为研究对象，以股票市场价格波动作为研究的核心和出发点，运用Eviews6.0统计分析软件作为主要分析工具建立ARIMA模型。
在实证的基础上，分析股票市场价格波动的特征和规律，并预测出其下一阶段时期的价格走势，进一步根据其实际情况提出一些合理，可行的建议和措施。
关键词：股票市场价格波动实证分析ARIMA模型一、问题提出股票市场自诞生以来，在资源配置、构建现代企业制度、信息传导等方面一直发挥着其独特的作用，股票市场的建立和发展对解决国有企业筹集资金、国有企业改革转制起了积极的作用，有力地推动了中国经济的发展。
股票市场价格的波动对居民和公司的资产变动的影响日益扩大，所以当前人们对于股票价格下一段时期的走势是非常关注的。
然而我国证券市场处于发展的初级阶段，其波动幅度和风险性大大高于国外成熟的市场，尤其是异常波动和超常波动更是频繁出现。
长期以来，股票市场价格波动特征的研究已成为学者们和投资者所关注的焦点问题。
时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。
其中，ARIMA模型是应用最广，最重要的模型之一。
本文就是要通过建立ARIMA模型来分析万科A的股价，从而把握其价格波动的特征和规律，并预测出其下一阶段时期的价格走势，进一步根据其实际情况提出一些合理，可行的建议和措施。
二、文献综述（一）国外文献回顾Engle于1982年提出了现在得到广泛应用的ARCH模型，ARCH模型假定收益率随机误差项服从条件期望为零，条件方差为以前若干期收益率随机误差项平方的函数的条件正态分布。
1986年，Bollserlev对ARCH模型进行了推广，将收益率随机误差项的条件方差的函数推广为包含了以前若干期收益率随机误差方差的函数，并提出)GARCH模型。
由p(q,于证券的收益率中包含对证券的风险报酬，所以证券的预期收益率与该证券的风险程度密切相关，为了解决证券风险对证券收益率的影响，Engle等人又于1987年引入了MGARCH模型,在该模型方程中加入证券收益的条件波动作为证券风险的衡量方法。
中美股市波动性研究与杠杆效应
中美股市波动性研究与杠杆效应文章在回顾ARCH/GARCH类模型的基础上，用GARCH模型进行美国股市波动性与中国股市波动性的实证研究，用EGARCH模型进行股市波动的非对称性实证研究。
结果表明，GARCH模型能消除残差的异方差性，股市波动存在强烈冲击，收益有正的风险溢价，股市中坏消息引起的波动比同等大小的好消息引起的波动要大得多，存在明显的杠杆效应，中国的杠杆效应小于美国的杠杆效应。
标签：GARCH模型；股市；杠杆一、引言随着经济全球化的发展，世界各国经济被紧紧地联系在一起。
金融市场之间的互动和相互影响表现得尤为突出，金融市场的开放使单个市场波动很容易迅速扩散到另一个市场，进而引起全球金融市场的波动。
Engle通过建立自回归条件异方差模型（ARCH）证明了金融时间序列存在波动聚集现象。
Engle和Ng绘制出了利好消息和利空消息的非对称性信息曲线，证明了资产市场的冲击存在非对称效应，即杠杆效应。
韩非、肖辉研究了2000年到2004年中国股市与美国股市之间的联动性，发现中国股市和美国股市的相关性很弱。
周孝华、黄斌贝对上证综合指数和深证综合指数之间波动的关系进行了研究，结果表明沪深两个市场之间相互引导，信息在两个市场之间能迅速传递，沪深两市存在双向波动溢出效应，并表现出波动的聚集性和非对称性特征。
董秀良、曹凤岐研究了我国股市与美国和日本股市之间的波动溢出效应，结果表明只有香港股市对沪市具有显著的波动溢出效应，美国和日本股市对沪市的波动溢出不显著。
张兵、范致镇和李心丹以上证指数和道琼斯指数为样本研究了中美股市之间的联动性，结果表明在价格和波动溢出方面，中国股市对美国股市的引导作用很弱；在QDII实施滞后，美国股市对中国股市的开盘价和收盘价均有显著的引导作用，美国股市对中国股市的波动溢出呈现不断增强之势。
关于股票市场杠杆效应和波动溢出效应，国外的研究开始得较早也较为深入。
相比而言，国内的研究较少。
本文在回顾ARCH/GARCH類模型的基础上用GARCH模型进行中美股市波动性的实证分析，以及用EGARCH模型进行股市波动的非对称性实证分析。
杠杆偏差、波动率偏差与股票收益相关性的实证研究
杠杆偏差、波动率偏差与股票收益相关性的实证研究资产定价理论作为现代金融学的核心研究领域之一,主要研究在不确定条件下未来支付的资产价值,其中投资组合理论、期权定价模型和资本资产定价模型等斩获了诺贝尔经济学奖。
有关资产定价的实证研究强调对风险与收益相关关系的分析,不断发掘新的风险因素和定价因子,用以更好地解释股票溢价。
传统资产定价研究对于股票收益影响因素的考察往往基于绝对度量,大多选择公司特征变量直接作为影响因素,如市值、账面市值比、财务杠杆、市盈率等等。
本文尝试借助行为金融理论中Kahneman和Tversky(1979)提出的前景理论,基于“参考依赖”视角来重新审视财务杠杆和波动率作为股票收益解释因素在资产定价中发挥的作用。
前景理论最早开创了行为金融学研究的理论基础,该理论指出个体对结果的评估,并不是以实际的绝对值来度量,而是引入参考点,以对于参考点偏离的相对值来度量。
本文借鉴前景理论中的“参考依赖”概念基于相对度量构造得到杠杆偏差和波动率偏差作为股票收益的解释因素,并主要以我国市场为背景检验了杠杆偏差、波动率偏差与股票收益的相关性及其定价表现。
本文以目标杠杆作为财务杠杆度量的参考点,基于Flannery和Rangan(2006)资本结构动态调整模型估计得到目标杠杆,以实际杠杆减去目标杠杆构建杠杆偏差;以期望波动率作为波动率度量的参考点,采用GARCH模型和GJR模型基于滚动回归估计得到期望波动率,以已实现波动率减去期望波动率构建波动率偏差。
本文首先基于个股横截面回归考察杠杆偏差、波动率偏差与股票收益的相关性,并在前景理论框架下进行解释;然后进一步基于时间序列回归以Fama和French(1993)三因素经典模型为基准考察杠杆偏差因子和波动率偏差因子在多因素资产定价模型中的表现。
得出了以下主要结论:杠杆偏差部分,研究表明:(1)公司的目标杠杆(参考点)由一系列公司特征变量决定。
(2)杠杆偏差对股票收益有显著影响,且其解释力优于实际杠杆。
中国股市的波动性及聚集现象研究
中国股市的波动性及聚集现象研究近年来，中国股市的波动性越来越大，经常出现系统性风险和聚集效应。
这给投资者带来了前所未有的风险，也给股市监管带来了新的挑战。
为了研究中国股市的波动性及聚集现象，本文将从以下几个方面进行论述：一、波动性的基本概念和影响因素；二、中国股市的波动性现状及聚集效应；三、探讨减少聚集效应的方法。
一、波动性的基本概念和影响因素波动性是指资产价格发生变动的程度和频率，是建立风险和收益关系的基础。
波动性越大，风险越高，但收益也越高。
波动性的影响因素主要有三个：一是内在因素，如资产市场本身的机制和特征；二是外在因素，如宏观经济环境、政策和国际市场变化等；三是人类行为因素，如投资者心理和行为习惯等。
在市场环境快速变化的今天，波动性成为衡量风险的重要指标。
二、中国股市的波动性现状及聚集效应中国股市的波动性在过去十年中呈现出加剧的趋势。
2007年以来，中国股市先后经历了两次规模庞大的股灾，2015年的“黑色星期一”更是让市场陷入恐慌，重挫股民信心。
除去股灾的影响，中国股市的波动性也在不断加剧。
数据显示，上证综指的年波动率从2008年的36%上升到了2017年的17%。
与此同时，中国股市也出现了严重的聚集现象，即股票的涨跌有极强的相关性，市场中出现了大量聚集现象。
聚集现象是指股票的涨跌具有一定的空间相关性，表现为同板块或同类型股票在一段时间内涨跌幅度较为一致。
聚集现象的出现表明市场存在一定的信息不对称和市场操纵，股票的价格则受到共振效应的影响。
中国股市的聚集现象比较明显，部分板块和个股的涨跌一致性显著。
这既是市场竞争不充分，也是投资者行为的结果。
三、探讨减少聚集效应的方法为了减少聚集效应，中国监管机构实行了一系列措施。
首先，增加市场的流动性是减少聚集效应的关键。
流动性充足的市场能够防止市场失衡和崩溃，并能够增加市场参与者的数量。
其次，提高市场竞争度是聚集效应的解决方案之一。
市场竞争度越高，投资者就越难以通过集中操纵来获得不当利益。
股市流动性、杠杆率与股价波动——基于TVP-VAR模型的实证检验
（1.南京大学 商学院，江苏 南京 210093；2.南开大学 金融学院，天津 300350）
ቤተ መጻሕፍቲ ባይዱ
摘要：通过分析股市流动性、杠杆率和股市波动性相互影响机理，利用 2013 年 3 月 1 日-2017 年 12 月 29 日的每周
交易数据构建 TVP-VAR 模型，实证检验了股市流动性、杠杆率和波动性动态互动关系。研究发现：股市流动性、杠
收稿日期：2019-01-28 基金项目：国家社会科学基金项目“‘影子银行’交叉传染风险度量及控制机制研究”（14BGL031） 作者简介：巫秀芳（1979-），女，江苏镇江人，南京大学商学院博士研究生，研究方向为金融投资；郭亮（1992-），男，天津人，南开
大学金融学院博士研究生，研究方向为系统性金融风险。
·43·
河北经贸大学学报（双月刊）
现，融资融券交易不会对股市流动性产生影响。[12-13] 关于杠杆率对波动性的影响也不多见，研究主
要是从卖空机制、融资融券角度分析其对股市短期 波动性和股价长期趋势的影响。很多学者从理论预 期和行为金融的理论层面研究融资卖空机制对股市 波动性的影响。Bogen 和 Krooss（1960）的“金字塔倒金字塔”理论认为，股市上行时，投资者预期股价 会继续上涨，融资买入股票，增加股票需求，使股价 进一步上涨；股市下行时，投资者预期股价会下跌， 融券卖出股票，增加股票供给，使股价进一步下跌； 这种助涨杀跌的效应加剧了股市波动性。[14]Allen 等 （1993）通过构建理性预期均衡模型分析发现，在交 易时间有限的情况下，限制卖空交易会减少资产泡 沫的出现，从而反推出卖空机制会引起资产泡沫， 加剧股市的波动性。[15]Hong 和 Stein（2003）通过构建 异质代理人模型分析发现，若不存在卖空交易机 制，投资者的悲观情绪无法释放，股票下跌局面无 法制止，甚至会崩盘，从而反推出若存在卖空机制， 可以降低股市价格波动性。[16]Duffie 等（2002）、Haruvy 和 Noussai（r 2006）、Henry 和McKenzie（2006）、倪伟佳 （2012）、Boehmer 等（2013）、褚剑、方军雄（2016）等 采用不同时间段美国、中国内地和香港地区的数 据样本证明，放松卖空机制和实行融资融券制度 会 加 大股市波动性。[17-22]也有学者持有不同的观点， Charoenrook 和 Daouk （2005）、 陈 淼 鑫 和 郑 振 龙 （2008）、陈伟（2011）、Sharif 等（2013）则 采 用 不 同 时间段多个国家的数据样本证明，放松卖空机制和 实行融资融券制度会降低股市波动性。[23-26]Battalio 和 Schultz（2004）通过对纳斯达克网络股泡沫实证 分析发现，禁止卖空和网络股价格波动之间没有显 著关系。[27]
股票市场波动性研究——基于ARMA-TGARCH-M模型的实证分析
股票市场波动性研究——基于ARMA-TGARCH-M模型的实证分析刘湖;王莹【摘要】通过构建ARMA-TGARCH-M模型,并同时利用上证综合指数和深圳成份指数的低频日收益率和5分钟高频收益率数据,对中国股票市场的波动性问题进行了实证研究.结果表明:中国股票市场存在着大幅度高频率波动,市场总体风险较大,而且收益率波动也存在着波动集群性、尖峰后尾性和非对称分布等特征,深圳股票市场在各方面的特征也都比上海股票市场突出.此外,低频日收益率序列和5分钟高频收益率序列都存在着显著的平稳性、自相关性和ARCH效应,中国股票市场还存在着较长的外部冲击波动持续期,且杠杆效应显著.GARCH族模型能够很好地拟合中国股票市场的波动性问题.【期刊名称】《北京航空航天大学学报（社会科学版）》【年(卷),期】2017(030)004【总页数】11页(P56-66)【关键词】股票市场;价格波动性;ARMA-TGARCH-M模型;高频数据;风险;沪深股市【作者】刘湖;王莹【作者单位】陕西师范大学国际商学院,陕西西安 710100;陕西师范大学国际商学院,陕西西安 710100【正文语种】中文【中图分类】F830.91自深圳宝安县联合投资公司首次公开募股以来，中国的股票市场已走过30年的发展历史。
然而与西方国家发达的资本市场相比，中国的股票市场仍然很不完善，在整个中国都处于制度变迁的大背景下，在某些特定时期中还会出现频繁剧烈的波动。
而保持股票价格及收益率的相对稳定，防止股票价格的大幅度波动，是任何一个股票市场健康运行的内在要求。
因此，一直以来监管机构和各类投资者都十分关注中国股票市场的波动性特征及其影响因素，而掌握股票市场波动性的基本特征与一般规律不仅有利于监管机构的高效规范管理，更有利于各类投资者进行科学的风险防范和理性投资。
鉴于此，股票市场波动性问题研究对于揭示股票市场运行规律，促进中国股票市场健康发展有着积极的促进作用。
我国股市股指波动“杠杆效应”的实证分析
我国股市股指波动“杠杆效应”的实证分析摘要：在股票市场中，咱们常常能够看到如此的现象：预期的看空或利空消息出台等负面冲击要比预期看多或利好消息出台等正面冲击对大盘股指波动的阻碍更为猛烈，即股市下跌的反映要比股市上涨的反映更为迅速，表现出一种非对称效应，这种效应也被称为“杠杆效应”。
我国股市亦存在这种非对称冲击效应，建模对这种现象进行描述的基础上，进行实证分析并得出必然启发。
关键词：正冲击；负冲击；杠杆效应一、计量模型的说明和数据的选取本文采纳非对称的ARCH模型中的TARCH模型。
TARCH模型是由Zakoin和Glosten,Jagannathan,Runkle提出的，其均值方程为：Ln(d t)=ALn(d t-1)+t，其中{d t}为样本序列。
条件方差方程为：σ2t =ω+αu2t-1+γu2t-1I t-1 +βσ2t -1，其中I t-1为虚拟变量，σ2t为t 期的条件方差，σ2t-1和u2t-1别离为t-1期的条件方差和残差平方。
γu2t-1I t-1为非对称效应项，γ是杠杆效应项系数，γ≠0时就存在非对称效应。
当股市有利好的消息时，u t-1＞0；有利空的消息时，u t-1＜0。
利空消息和利好消息对条件方差有不同的阻碍，利好消息有一个α倍的冲击，因为u t-1＞0时，I t-1=0，非对称项为0，因此利好消息只有一个α倍的冲击；利空消息那么有一个（α+γ）倍的冲击，因为当u t-1＜0时，I t-1=1，非对称效应显现，带来一个（α+γ）倍的冲击。
若是γ＞0，说明存在杠杆效应，非对称效应的要紧成效是使波动加大；反之，那么非对称效应的要紧成效是使波动变小。
本模型选取的变量样本序列{d t}是2000年5月8日至2007年8月31日我国上海证券交易所编制的综合类指数中的上证指数每日收盘价钱，双休日和节假日除外。
之因此选择上海证券交易所的数据来分析，是因为上海证券市场的市值较高，开市较早，对各类冲击的反映比较灵敏，其股价指数的波动性具有较好的代表性。
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。
杠杆效应下的金融市场波动性研究
杠杆效应下的金融市场波动性研究金融市场的波动性是投资者和决策者非常关注的问题之一。
在金融市场中，杠杆效应是一个重要的因素，它对市场波动性产生着直接的影响。
本文将深入探讨杠杆效应对金融市场波动性的影响，并分析其原因。
一、杠杆效应的定义杠杆效应是指在市场波动时，通过借入资金进行投资的一种现象。
投资者借入的资金相当于增加了他们的投资规模，从而放大了他们的投资收益或亏损。
这种放大效应被称为杠杆效应。
二、杠杆效应的原理在金融市场中，投资者存在着对杠杆资金的需求。
正常市场环境下，借款成本相对较低，这促使投资者借入资金进行投资。
当市场波动时，投资者的收益也会随之波动，而杠杆效应会使这些波动进一步放大。
三、杠杆效应对金融市场波动性的影响杠杆效应在金融市场中起着放大市场波动性的作用。
在市场上，许多投资者利用杠杆进行交易。
当市场上的投资者大量使用杠杆时，他们的投资收益或亏损将放大到整个市场。
首先，杠杆交易会导致市场波动性的增加。
当市场上的投资者追求高回报时，他们倾向于通过借入资金进行投资。
这样一来，市场上的投资者将面临更大的风险，从而引发市场的波动。
其次，杠杆交易会导致市场的不确定性增加。
由于投资者借入资金投资，他们面临着还款压力和利息支付等风险。
当市场上的投资者面临这些风险时，他们可能会采取追求短期利益的行动，这会进一步加剧市场的不确定性。
杠杆交易也可能导致市场的流动性风险增加。
当市场上的投资者大量使用杠杆时，他们可能会为了追求高回报而采取高风险的交易策略。
这将进一步加剧市场的不稳定性，使市场的流动性降低。
四、应对杠杆效应的措施针对杠杆效应带来的市场波动性增加，可以采取以下措施进行管理和控制：1. 监管机构应加强对金融机构和投资者的监管，确保其在使用杠杆时具有合适的风险管理措施。
2. 投资者应保持理性，不盲目追求高回报，合理评估自身承受风险的能力，在使用杠杆时做好风险管理。
3. 加强金融市场的信息披露，提高市场的透明度，减少潜在信息不对称带来的风险。
我国股票市场信息_杠杆效应_的实证研究
下, 也可以 用这三种 方法来判 断初始 数据序 列
的波动率特性。这里定义
t≡y t- , v t≡ t/ , 是股指收益率序列的无条件均值, 是股指收
益率 序列的无 条件标准 差, 并 且把以 上的值 代
华中科技大学学报·社会科学版
入以上 回归方 程中进 行估 计, 从 t 值 和 L M 值 我们可以推断出收益率序列的波动率特性。
场 异 常 波 动 的 8. 10 事 件 ( 1992) 、8. 17 事 件
( 1993) 和 3. 27 事 件 ( 1995) , 因 此, 本 文 选 取
1996 年 6 月 2 日到 2003 年 12 月 31 日 的时间 区间上的上证综合指数和深证综合指数的收益
率, 来检验 我国 股票 市场 的 ARCH 效 应, 所采 用的数 据来自于 CSM A R 数据库( 中国 股票研
经济学和金融学; 崔筠( 1980- ) , 女, 湖 北宜昌人, 华中科技大学经济学院数量经济学硕士生 , 研究方向为数量 经济学和金融学。
收稿日期: 2004-08-06
当 股票 市场 上发 生 没有 预 期的 信息 的 时 候, 股价会发生无预期的变动, 但是信 息冲击带 来的 股价变动 往往是不 对称的, 也就 是说不 同 形式的消息( 往往分为好消息和坏消息) 带来的 波动率的变动是不一致的。一般来说, 坏消息带 来的影响往往要大于好消息的影响。这就是所 谓的杠杆效应( lev erag e effect) 。国外金融文献 表明, 几乎 所有的发 达国家的 金融市 场上都 存 在这种现象, 而我国金融研究文献表明, 我国金 融市 场上也可 能存在这 种杠杆 现象, 但是关 于 杠杆 现象的研 究往往是 假定存 在杠杆 现象, 然 后 直 接 应 用 非 对 称 ARCH ( A uto reg ressiv e Conditional H eter os kedas-ticity M o del) 模 型 进 行 估 计, 由 于 应 用 不 同 的 GARCH ( Generalized Autoreg ressiv e Co nditional Hetero skedasticity M o del) 模 型往 往 会带 来 不 同的结果, 事先判定金融市场上 ARCH 效 应的 模式是对 建立模型有着 非常重要的作 用[ 1] 。本 文应 用 E ng le & Ng 的符号 检验方法 来检验 我 国股 票市场上是 否存在杠 杆效应 以及不 同 ARCH 模型的适用性[ 1] 。
- 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)。
股票市场波动丛聚性及杠杆效应的实证研究王彧婧1程京京2董子昂1(1河北金融学院金融系,河北保定071051;2对外经济贸易大学国际经济贸易学院,北京100029)摘要:本文选取1997年1月1日至2018年9月21日上证综指和标准普尔500指数日收益率序列,通过建立ARCH(1,1)模型对中美股票市场波动丛聚性进行实证分析,结果显示GARCH(1,1)模型能很好地刻画中美股票市场的波动丛聚性特征。
建立非对称GARCH模型来刻画中美股票市场的杠杆效应,实证结果表明,中美股票市场都存在杠杆效应,即利空消息比利好消息对股市的冲击更大,并且美股市场杠杆效应明显强于中国股票市场。
本文对中美股票市场波动丛聚性及杠杆效应进行比较分析,提出了完善交易制度、加强应对系统性金融危机的能力及减少政府干预等政策建议。
关键词:GARCH模型;非对称GARCH模型;波动丛聚性;杠杆效应;股票市场中图分类号:F831.5文献标识码:B文章编号:1674-0017-2019(4)-0004-08一、引言与文献综述股票收益波动丛聚性是证券市场普遍存在的一个现象,并且近年来的一些实证研究发现,坏消息对股票市场的冲击明显强于好消息。
早在20世纪50年代马科维茨(1952)就提出使用标准差或方差来度量资产收益率的波动性。
方差可以测度股票收益的风险,波动率是风险溢价一个重要的决定性指标,方差越大意味着股票价格的日内变化越大,也意味着在一个交易日内有大量的市场参与者赢钱或输钱。
其次,一些衍生金融资产的价格,例如期权,依赖于标的资产的方差。
因此,期权交易者希望通过预测未来标的资产的波动性,来决定购买或卖出期权。
在经典金融理论的研究中,若假定投资者是风险厌恶的,当某个投资项目收益波动变化较大时,投资者的参与程度有可能会降低。
通过对收益率波动性的研究,则可以分析投资者可能的投资决策。
收益率波动性的存在意味着风险与收益并存,一个波动程度适中的市场可以对实体经济产生积极的促进作用,市场参与者也能够从中获利。
在资本市场快速发展与金融产品不断创新的过程中,其理论发展与实践运用都离不开对波动性的分析。
因此,对资产收益率波动性的研究已经成为股指期权、资产组合、资产定价的核心内容。
一直以来波动性的定量测度是金融风险研究中的重要领域,而收益率波动丛聚性及杠杆效应现象的存在推动了计量模型的发展。
Engle(1982)提出了自回归条件异方差(Autoregressive Conditional Heteroscedasticity,ARCH)模型,并将之应用于英国通货膨胀指数波动率的研究。
此后,各种扩展形式的ARCH模型被广泛地应用于理论研究与实证分析中。
Bollerslev(1986)将ARCH模型推广到了广义ARCH模型,即GARCH模型。
Nelson(1991)引入EGRACH模型对波动性的非对称效应进行研究,此后GARCH模型和EGARCH模型成为波动率度量的主要分析工具。
Pilar Abad Romero(2013)等诸多实证研究结果表明,GARCH(1,1)和GARCH(2,2)模型可以反映出大多数金融资产收益波动丛聚性特征。
Sofia Anyfantaki(2016)等推演了随时间推移而变化的EGARCH模型,并以此模型来刻画杠杆效应。
收稿日期:2019-1作者简介:王彧婧(1982-),女,四川自贡人,硕士,助教,现供职于河北金融学院。
程京京(1984-),女,河南温县人,博士研究生,副教授,现供职于对外经济贸易大学国际经济贸易学院。
董子昂(1996-),男,河北秦皇岛人,本科,现就读于河北金融学院。
基金项目:河北省教育厅科技青年项目“河北省中小企业创新中风险投资与银行信贷联动效应研究”(QN2018223);河北金融学院金融创新与风险管理研究中心开放基金项目“河北省金融支持农村一二三产业融合发展创新研究”(JDKF2016003)。
尹美群(2011)通过讨论股票收益与随机冲击之间的关系,对中美股票市场进行了对比研究。
研究发现:中国股票市场自1990年—1995年波动剧烈,之后波动趋于平缓,而美国股票市场在研究期间内收益波动一直处于一定范围内,同时美国股票市场的随机冲击对股票收益产生非对称性影响,而在中国股票市场却找不到相似证据。
鉴于对中国股票市场收益率的研究结果,在剔除1996年以前的数据之后又进行了扩展研究,但是似然比检验结果表明,正冲击对股票收益的影响还要略强于负冲击。
梁恒(2014)应用GARCH 模型、EGARCH 模型和信息冲击曲线等对我国沪深股市波动性及波动非对称性进行研究,分析了沪深股指的全样本和各阶段子样本收益率序列的波动非对称性,结果表明我国沪深股指总体上和国外成熟股票市场表现大体一致,分阶段回归结果显示牛市行情存在显著的“反杠杆效应”,而熊市行情存在显著的“杠杆效应”。
姜翔程等(2017)选取1996年12月16日至2015年5月19日上证综指和深证成指日收益率序列数据,建立二变量指标GARCH 模型、TARCH 模型和EGARCH 模型,对我国股市的波动性进行了实证分析。
结果发现:EGARCH 模型能较好拟合沪深两市日收益率序列的波动性丛聚性,而且我国股市存在显著的非对称性,即坏消息对股票市场的冲击大于同等程度的好消息。
综合已有研究来看,关于ARCH 效应及杠杆效应的研究通常都只针对某一国的股票市场,针对不同市场的比较研究较少。
本文选取1997年1月1日至2018年9月30日上海证券综合指数(简称“上证综指”)和标准普尔500指数日收益率序列建立GARCH 模型进行研究。
并且,为进一步考察“杠杆效应”存在与否,建立了非对称GARCH 模型。
最后,对中美两国股票市场波动性进行比较分析,对中国股票市场的建设提供了相关政策建议。
二尧杠杆效应及模型理论(一)“杠杆效应”Black (1976)指出坏消息对条件方差的影响要比好消息更大,这称之为“杠杆效应”。
例如,一家上市公司释放出公司前景负面的消息,其股价出现大跌,致使其杠杆比率上升。
杠杆比率的上升会使市场觉得该公司风险增加,致使其股票波动性增加。
因此,我们有理由相信坏消息比好消息对市场波动性的影响更大。
(二)GARCH 模型ARCH 模型族的基本思想是:现在时刻的波动程度容易被过去波动的程度所影响,过去时刻的波动幅度越大则现在时刻方差越大。
以一阶自回归模型r t =δ+φr t -1+εt 为例,Engle (1982)认为εt =ηt h t √,其中ηt |I t -1服从标准正态分布,并且是独立同分布随机过程,I t -1表示t-1时刻可得的信息集。
定义ARCH (p )模型如下:h t =ω+∑p i=1αi εt-i 2(1)此方程解释了时间序列数据波动自相关性,在股票市场中体现为:现在时刻股票价格的波动更容易受到过去时刻股票价格的影响,如果过去时刻股票价格波动幅度大,则现在时刻的股票价格波动的幅度也相应较大。
ARCH 本身是一个滞后模型,为准确刻画波动性需要引入较多期滞后项,而这会导致参数估计过于复杂,并且降低参数估计的精确度。
因此,GARCH 模型应运而生,相比ARCH 模型,GARCH (1,1)简化了运算过程,模型用h t 的滞后一阶项h t-1代替了εt 2大量的滞后项,提高了参数估计的准确性,并且能较好地刻画波动丛聚性。
模型的条件方差表达如下:h t =ω+αεt-12+βh t-1(2)GARCH 模型在弥补ARCH 模型诸多不足的同时,其缺陷性也随之渐渐浮现:方差自始至终是一个正数,它并不能反映出利空或者利好信息对于市场的不同影响,波动非对称性特性无法被反映出来。
另外,GARCH 模型参数必须是正数,且序列必须为平稳过程并且呈现非自相关性,这些都会影响模型对数据生成过程捕捉的准确性和实证结果的严谨性。
因此,我们采用非对称GARCH 模型对上证综指和标准普尔500指数进行研究,考察中美证券市场是否存在杠杆效应。
非对称GARCH 模型种类较多,有SAARCH 、TGARCH 、GJR-GARCH 和APARCH 等。
(三)非对称GARCH 模型族SAARCH 模型是Engle (1990)提出的,非对称条件异方差回归模型如下:h t =ω+αεt-12+γεt-1+βh t-1(3)其中,γ表示杠杆效应,并且如果杠杆效应显著,其符号应该为负。
TGARCH 模型是Zakoian (1994)提出的,使用的是残差绝对值而非残差平方项来捕捉杠杆效应,其回归模型如下:h t =ω+αεt-1+γεt-1I (εt-1>0)+βh t-1(4)其中,γ表示杠杆效应,并且如果杠杆效应显著,其符号应该为负。
GJR-GARCH 模型是Glosten,Jagannathan 和Runkle (1993)提出的,其回归模型设定如下:h t =ω+αεt-12+γεt-12I (εt-1<0)+βh t-1(5)其中,γ表示杠杆效应,并且如果杠杆效应显著,我们期望其符号为正。
需要特别注意的是,STATA 软件中GJR-GARCH模型参数估计的符号在回归结果中显示为负值。
Ding,Granger 和Engle (1993)从Box-Cox 函数考虑出发,提出了APARCH 模型检验杠杆效应,该回归模型的设定如下:h t δ2=ω+α(εt-1+γεt-1)δ+βh t-1δ2(6)其中,δ>0相当于Box-Cox 变换的参数,γ表示杠杆效应,并且如果杠杆效应显著,其符号为负。
我们将基于上述的非对称GARCH 模型对中美证券市场杠杆效应进行实证分析,具体分析结果详见第三部分。
三、基于非对称GARCH 模型的杠杆效应实证检验(一)样本数据选取考虑到1997年前中国证券市场建设初期市场运作还不是那么规范、交易制度不够完善,股票市场存在一些极端事件对收益率波动的影响非常大,为避免极端值对模型分析的可靠性影响,根据Wind 数据库,本文选取1997年1月1日至2018年9月21日上证综指和标准普尔500指数价格序列,并计算出日对数收益率,进行非对称GARCH 模型建模,考察中美证券市场波动性变化及检验是否存在杠杆效应,并利用非对称GARCH 模型进行预测。
(二)描述性统计分析图1是上证综指和标准普尔500指数日对数收益率的时序图,无论是中国股票市场还是美国股票市场,日收益率序列都具有明显的波动丛聚性。
但是,从图中我们可以看到,中国股票市场的大涨大跌现象比美国股票市场更加地明显,并且大涨大跌的时间间隔较美国股票市场更短,总体来看市场稳定性不如美国股票市场。
其次,尽管美国股票市场没有设置单日涨跌幅,除去2008年10月13日和28日两个交易日,剩余交易日标准普尔500指数的涨跌幅在10%以内,并且绝大多数交易日涨跌幅在5%以内。