基于EGARCH模型的深證成分股指數(shù)波動性分析
2019-06-11 05:49:05杜莎莎楊昌婷
財訊 2019年4期
杜莎莎 楊昌婷
摘要：為了研究深圳股市價格的變化特征，有必要探討是否存在對股市價格波動的非對稱效應。本文選取2009年初至2016年末深證成份股指數(shù)作為研究對象，對其日收盤價進行了實證研究，主要包括ADF單位根檢驗、波動性分析、ARCH-LM效應的檢驗等，并構(gòu)建EGARCH模型。實證結(jié)果表明，深圳股市具有顯著的波動聚集性且聚集性表現(xiàn)出持續(xù)性，我國深圳股票市場波動存在非對稱效應，表現(xiàn)為利空消息比利好消息對股市波動的影響更大。這對于建立健全市場監(jiān)管機制具有重要意義，對政府、投資者具有一定的啟示。
關(guān)鍵詞：深證成份股指數(shù);波動性;非對稱;EGARCH模型
我國股票市場作為新興證券市場，存在人市制度不規(guī)范、信息不對稱等諸多問題，并會進一步反映在股價的波動上，深圳股票市場作為我國股市的重要一員，同樣存在著許多難以避免的問題。本文以深圳證券市場為例，通過理論與實證研究相結(jié)合的方法，研究深圳證券市場價格的波動特征。這就是本文要研究的主要內(nèi)容。
一、模型介紹
為了更好地刻畫收益率波動的非對稱性，Nelson于1989年首次提出指數(shù)廣義自回歸條件異方差模型，以便更好地解決非對稱性問題。
通常采用自回歸移動平均模型來設(shè)定日收益率的均值方程。ARMA（p，q）的形式為
EGARCH模型是建立在ARCH模型的基礎(chǔ)上，其通過均值方程的干擾項和干擾項的絕對值與干擾項的標準差之比來分析正負信息沖擊對金融時間序列波動造成的影響，在實際應用中，我們通常使用TARCH（1，1）模T'來表示其方差力程：
二、數(shù)據(jù)的處理及檢驗
（1）數(shù)據(jù)選取及處理說明
本文選取深證成份股指數(shù)的日收盤價作為研究對象，研究區(qū)間為2009年1月5日至2016年12月31日，共計1944組數(shù)據(jù)。數(shù)據(jù)來源為同花順。
用pt、pt-1分別代表深證成份股指數(shù)第t日、t-1日的日收盤價。一般來說，對股票價格的研究，都會選擇股票的收益率而不是收盤價格本身進行分析，故處理原始數(shù)據(jù)得到對數(shù)收益率rt，即rt=lnpt-lnpt-1。
（2）數(shù)據(jù)的檢驗
對選取的原始數(shù)據(jù)構(gòu)建模型前，通常需要對金融數(shù)據(jù)序列進行必要的相關(guān)性檢驗，如分楠亥時間序列的統(tǒng)計量特征、ADF檢驗、ARCH效應檢驗等等，以便給以后的實證分析做準備。
1.波動特征分析及平穩(wěn)性檢驗
深證成指對數(shù)收益率r1的時間序列圖顯示出深成指的對數(shù)收益率具有明顯的波動聚集性，對數(shù)收益率的柱形統(tǒng)計圖顯示了該時間序列的均值、方差等相關(guān)統(tǒng)計量，其偏度為-0.659968，峰度為5.959673，顯著大于正態(tài)分布的峰值，表明正態(tài)分布無法正確擬合該時間序列，擬合結(jié)果存在偏差。該序列分布表現(xiàn)出尖峰厚尾的特征。
ADF單位根檢驗結(jié)果顯示該時間序列拒絕原假設(shè)，即不存在單位根，該對數(shù)收益率序列是平穩(wěn)的。ECARCH模型能夠真實準確地模擬出深證成份股指數(shù)波動的非對稱性。
2.自相關(guān)性檢驗
通過Eviews進行自相關(guān)檢驗可知，該序列的自相關(guān)和偏相關(guān)系數(shù)均不為0，且Q統(tǒng)計量的收尾概率在各期均為0.000，原假設(shè)在1%的顯著性水平被拒絕，也就是說，深證成份股指數(shù)的對數(shù)收益率序列具有自回歸條件差異性，ECARCH模型適用于研究該序列的非對稱性波動。
3.ARCH效應檢驗
對深證成份股指數(shù)的對數(shù)收益率序列進行ARCH效應檢驗，確定其是否存在ARCH效應，即是否具有構(gòu)建模型的前提條件。對該序列進行ARCH-IM檢驗，將深證成份股指數(shù)對數(shù)收益率引入對應的均值回歸方程，計算出該對數(shù)收益率序列的殘差序列{εt}，殘差序列波動呈現(xiàn)集簇特點，這表明其擾動項序列具有ARCH效應，ARCH類模型能彩技子地地擬合收益率序列。
三、模型構(gòu)建及實證結(jié)果分析
根據(jù)AIC檢驗可知，最優(yōu)滯后階數(shù)為7。使用選定的的深證成份股指數(shù)的對數(shù)收益率序列構(gòu)建ECARCH模型：
運用Eviews8.0計算該時間序列EGARCH模型的參數(shù)，結(jié)果如圖1所示，在5%顯著性水平下只有非對稱項的系數(shù)沒有通過顯著性檢驗，且擬合度較低。但是在建模后對擬合度較低的殘差序列再次進行ARCH-LM檢驗，發(fā)現(xiàn)EGARCH模型消除了最初的ARCH效應，這也表明構(gòu)建的EGARCH模型很好地擬合了樣本數(shù)據(jù)。
建立的EGARCH模型為：
均值方程：lnsz=0.056278lnsz（-7）+utZ=2.7827
方差方程：
Z=-7.9452 10.8699 -2.0532 363.6608
模型的具體分析：α的估計值為0126929，非對稱項的估計值為γ=-0.013533<0，說明深證成份股指數(shù)波動確實存在非對稱效應，并且“利空消息”對波動產(chǎn)生的影響大于同等程度的“利好消息”，這就是通常所說的“杠桿效應”。
具體乘講，當ut-1>0時即“利好消息”出現(xiàn)時，該消息對條件方差的對數(shù)有一個（α+γ）倍的沖擊，大小為0.126929+（-0.013533）=0.115757;當ut-1<0時即“利空消息”出現(xiàn)時，它對條件方差的對數(shù)的沖擊大小為（α+（-1）*γ）倍，即0.126929+（-1）*（-0.013533）=0.140462倍。由此可以繪制出該差分序列的信息沖擊曲線如圖2，該信息沖擊曲線能夠直觀反映出信息沖擊在。以下即為負沖擊（ut-1<0時，曲線走勢比較陡峭，信息沖擊在0以上即正沖擊（ut-1>0）時，曲線走勢相對比較平緩，這表明負沖擊使得該階段深證成份股指數(shù)波動更大。
四、結(jié)論
通過研究深證成分股指數(shù)，對其日收益率時間序列構(gòu)建EGARCH模型并進行分析發(fā)現(xiàn)：一是深圳股票市場的波動具有聚集性，高頻波動和低頻波動會聚集在某一時間段，不同頻率的波動存在持續(xù)性巨手雜續(xù)時間相對較長。深證股市整體上發(fā)展平穩(wěn)，未出現(xiàn)異常大幅動蕩。二是深圳股票市場具有波動的非對稱性，表現(xiàn)為外界的“利好”和“利空”消息對股市的沖擊具有非對稱性，且同等利空消息對股價波動的沖擊要大于利好消息的沖擊。
參考文獻
[1]姜翔程，熊亞敏.基于GARCH族模型的我國股市波動性研究[J]西南師范大學學報（自然科學版），2017，42（02）：115-119.
[2]唐齊鳴，崔筠.我國殷票市場信息“杠桿效應”的實證研究[J]華中科技大學學報（社會科學版），2005，（02）：97-101.
[3]關(guān)華.基于GARCH族模型的深證成指價格波動研究[J]湖南大學學報（社會科學版），2011，25（03）：62-65.
[4]陳麗娟.基于EGARCH-M型和滬深300指數(shù)的股市風險分析[J]東北財經(jīng)大學學報，2010（10）：12-18.
[5]彭坤.我國股市收益率波動非對稱性的實證研究[D]西南財經(jīng)大學，2009.
[6]陳浪南，黃杰鯤.中國股市波動性非對稱性研究[J]金融研究，2002（5）：67-73.
