我國創業板市場的波動性研究

【摘要】創業板市場，又稱“二板市場”，是為具有高成長性的中小企業和高科技企業進行融資服務的市場。2009年10月23日，我國創業板市場在深圳證券交易所正式啟動，同年10月30日起正式交易。本文以我國創業板指數收益率時間序列為研究對象，運用GARCH模型對其波動性進行實證分析。研究表明：我國創業板指數收益率時間序列存在明顯的ARCH效應；模型GARCH（1，1）對我國創業板市場波動性有較好的擬合性和適用性；創業板市場的波動十分劇烈，總體風險還較大。

【關鍵詞】創業板 市場波動性 GARCH模型

一、研究背景

創業板市場，又稱“二板市場”，是為具有高成長性的中小企業和高科技企業融資服務的市場。與主板市場相比，在創業板市場上市的企業規模較小、上市條件相對較低，這為中小企業通過上市途徑融資提供了極大的便利。創業板的主要功能有兩個：一是創業板可以作為風險資本的退出窗口，這是其在風險投資機制中的作用；二是創業板具有優化資源配置、促進產業升級等作用，這是資本市場的固有功能。①

2009年10月23日，經國務院同意、中國證監會批準，我國創業板市場在深證交易所正式啟動，同年10月30日起正式交易。創業板的設立，是我國證券市場發展史上又一個重要的里程碑，這標志著我國交易所市場在經過二十年的發展后，已經逐步確立了由主板、中小板、創業板組成的多層次交易所市場體系框架，創業板成為了其中的重要組成部分。

我國股票市場作為新興市場，自創立以來已取得巨大進步，但與發達國家股票市場相比，其股票波動頻率更高，波動幅度更大，而我國創業板的風險又大于主板。同時，創業板的功能決定了其設立和發展必定對我國國民經濟和資本市場產生重大的影響。因此對創業板的研究，特別是對創業板波動性即風險的研究是中國資本市場的重要課題。

二、研究內容與創新

由于西方發達資本市場設立創業板較早，因此西方學者對創業板各個方面的問題都有所研究且較為深入。而我國創業板設立相對較晚，因此相關研究起步也較晚且相關研究的文獻資料數量較少，并且多數文章只是介紹創業板市場，探討創業板的風險因素以及說明創業板適用的法律法規等。對創業板的波動性研究或者說風險研究更少且停留在定性分析階段，很少引進西方先進的理論模型對創業板波動性進行定量的實證研究。因此，本文的創新之處在于以創業板指數（399006）日收益率為研究對象，運用GARCH模型進行實證分析，并定性分析數據結果。

三、我國創業板市場波動性的實證研究

（一）數據來源及處理

本文以我國創業板波動性為研究對象，因此選取的樣本數據為創業板指數（399006）。該指數的初始成分股為指數發布日的全部創業板股票，后限定為100只股票，以可流通股本數為權數，進行逐日加權平均，可以反映我國創業板市場的總體走勢。創業板指數以2010年5月31日為基日，基日點數為1000點。

樣本范圍：2010年6月1日～2014年4月4日數據，共930個觀察值。數據來源：實證分析所用數據來自大智慧經典版6.0免費炒股軟件。數據處理：本文數據先用EXCEL2007作簡單處理，再用STATA11.0軟件進行實證分析，具體包括我國創業板市場ARCH效應的檢驗，GARCH模型選擇及建立以及建立的模型的效果檢驗。

創業板的日收盤價以表示Pt，因為分析經濟時間序列數據經常是在計算它們的對數或其對數的變化之后才進行的，為了減少誤差也更加科學，對日收益率進行自然對數處理，即lnPt。因此，日收益率Rt=lnPt-lnPt-1。

（二）我國創業板的ARCH效應檢驗

用ARCH或GARCH建模的前提有兩個，一是使用的時間序列數據必須具有平穩性，二是收益率的波動性存在ARCH效應。

平穩性檢驗。對創業板指數原序列和對數的一階差分序列進行單位根ADF檢驗，檢驗的原假設H0：時間序列非平穩。原序列T統計值為-1.141，大于10%顯著性水平-3.130，因此序列非平穩；對數一階差分序列的T值為-28.303，小于臨界值，一階差分序列平穩且服從一階單整I（1）。因此可以進行創業板市場波動性的ARCH效應檢驗。

用自相關和偏自相關檢驗是否存在ARCH效應。此檢驗的原理是如果各階滯后自相關AC和偏自相關PAC為0，并且Q統計量不顯著，則說明殘差中并不存在ARCH效應。檢驗結果為各階滯后自相關和偏自相關均不為0，同時，在5%的顯著性水平下，2階及2階以上的Q統計量都顯著，因此認為我國創業板指數具有強烈的ARCH效應。

（三）選擇模型及建立

在檢驗確認了我國創業板市場存在ARCH效應以后，則可以考慮選擇合適的模型及具體模型的建立。根據經驗，可選擇GARCH（p，q）模型。

使用赤池信息準則（AIC）選擇最優GARCH模型，對p和q的值進行選擇，這里使用AIC準則。嚴格來說，這里應該進行AIC值的計算，選擇AIC值最小的模型，因為AIC越小，模型越簡潔也越精確。一般而言，對于金融時間序列我們選擇GARCH（1，1）。我們先選擇這個模型，然后再對擬合效果進行檢驗。模型如下：

yt=xtβ+εt （1）

σ■■=ωαε■■βσ■■ （2）

用STATA11.0建立我國創業板市場模型GARCH（1，1），得出 ARCH項的系數為α，數值為0.0312971；GARCH項的系數為β，數值為0.9372666。0.0312971+0.9372666=0.9685637<1，滿足模型約束條件α+β<1。將兩個系數分別代入方程（1）和方程（2），得到的模型建立的結果為：

rt=0.1134×10-3+εt

σ■■=0.114×10-4+0.03130ε■■+0.93727σ■■

（四）模型檢驗與結果分析

本文先用GARCH（1，1）進行建模，模型擬合效果如何還需要進一步的檢驗。如果該模型擬合效果不理想，我們還需準確計算AIC值進一步選擇模型。現有如下考慮：

如果回歸殘差的條件方差是按規律變化的，即εt|Ψt-1～N（0，σ■■）。那么經過GARCH建模以后，標準化殘差εt|σt就會服從標準正態分布，也不會再有ARCH效應。檢驗分為兩步：一是檢驗εt|σt是否為白噪聲。二是檢驗εt|σt是否服從正態分布，因為白噪聲未必是正態分布。完成以上兩步檢驗以后，即可證明（εt|σt）2不再具有ARCH效應，即模型GARCH（1，1）對我國創業板波動性擬合較好。

首先檢驗是否為白噪聲。檢驗假設H0：時間序列是白噪聲。在5%的顯著性條件下，p<0.05則拒絕H0，即拒絕時間序列是白噪聲，否則接受H0。根據檢驗結果，（εt|σt）2時間序列的Q統計量所對應的p值從1階至10階全部大于0.59，則可以接受原假設，即（εt|σt）2是白噪聲。

然后檢驗是否為正態分布，正態分布檢驗基于變量的偏度和斜度。GARCH模型生成的殘差項εt|σt是否服從正態分布，此處做正態分布檢驗。原假設H0：εt|σt服從正態分布。在5%的顯著性水平上，若p>0.05，接受原假設，標準化殘差服從正態分布；若p<0.05，則拒絕原假設。檢驗結果是P值為0.0906，所以接受原假設，標準化殘差服從正態分布。

經過以上白噪聲檢驗和正態分布檢驗后，可以證明GARCH（1，1）模型的建立已經消除了殘差項的ARCH效應，并且從低階（1階）開始已經沒有ARCH效應，因此GARCH（1，1）模型對我國創業板市場的日收益率波動性模擬效果較好，即模型能夠比較準確地測度我國創業板市場的風險。

三、研究結論及政策性建議

（一）研究結論

通過上述實證檢驗，結果如下：一是我國創業板指數收益率時間序列符合一般金融序列的特征，具有明顯的波動聚集性。二是我國創業板指數收益率時間序列存在明顯的ARCH效應，即風險與其自身過去的波動性有明顯的關系。三是模型GARCH（1，1）對我國創業板市場的波動性具有較好的擬合性和適用性。即波動性模擬效果較好，且能夠比較準確地測度我國創業板市場的風險。四是股市沖擊持久性由α和β之和決定，本文中實證結果所得兩數和為0.9685637，趨近于1，也就是說明創業板市場的波動劇烈，總體風險還較大。

（二）政策性建議

我國創業板市場是高風險市場，總體市場風險要高于主板市場。目前我國創業板市場“三高”現象比較嚴重，即上市公司發行價格偏高，市盈率偏高和市凈率偏高，其面臨的風險主要有公司經營管理風險，技術風險，流動性風險和市場操縱風險等。

對于監管部門而言，應采取措施加強對創業板市場的監管。針對我國創業板市場在市場準入、持續監管、市場交易、退市環節、投資者教育、監管環節以及功能定位等方面面臨的風險因素加強監管。

對于我國中小投資者而言，應該謹慎進入高風險的創業板市場。由于我國創業板市場企業規模較小，容易被莊家操縱，市場風險較大，因此我國中小股民應該遵循投資者適當性原則，謹慎進入創業板市場。同時，由于我國創業板市場收益率波動性符合GARCH模型，因此有一定能力和條件的投資者可以將GARCH模型與VAR結合起來，量化地預測市場的風險大小，從而輔助自己的投資決策。

作者簡介：吳俊（1989-），女，漢族，江蘇揚州人，畢業于上海交通大學，研究方向：地方債、證券市場。