創(chuàng)業(yè)板收益率波動(dòng)性研究

潘詒明

【摘 要】 我國(guó)創(chuàng)業(yè)板市場(chǎng)主要由高成長(zhǎng)性的中小企業(yè)組成的，企業(yè)面臨的風(fēng)險(xiǎn)較大，使得創(chuàng)業(yè)板指數(shù)的波動(dòng)性較大。因此對(duì)創(chuàng)業(yè)板股價(jià)波動(dòng)性的研究對(duì)我國(guó)資本市場(chǎng)的發(fā)展有一定的的指導(dǎo)作用。本文運(yùn)行GARCH模型對(duì)我國(guó)創(chuàng)業(yè)板收益率的波動(dòng)性進(jìn)行實(shí)證研究，以期找到我國(guó)創(chuàng)業(yè)板收益率波動(dòng)的運(yùn)行規(guī)律和結(jié)論。

【關(guān)鍵詞】 創(chuàng)業(yè)板 GARCH模型 波動(dòng)性

一、引言

股票市場(chǎng)的波動(dòng)性一直以來是金融研究的熱點(diǎn)問題，波動(dòng)率是資產(chǎn)收益不確定的衡量，它經(jīng)常被用來衡量資產(chǎn)的風(fēng)險(xiǎn)。由于股價(jià)的波動(dòng)不僅可以直接反映股市的不確定性，還可以間接利率變動(dòng)與通貨膨脹等宏觀經(jīng)濟(jì)特征和公司經(jīng)營(yíng)狀況等微觀特征[1]。因此研究股票市場(chǎng)市場(chǎng)收益率波動(dòng)特征及其影響因素，能夠幫助我們很好的理解股市的風(fēng)險(xiǎn)。

創(chuàng)業(yè)板市場(chǎng)主要是一些高成長(zhǎng)、具有高新技術(shù)的上市公司。但由于這些企業(yè)的上市條件沒有主板那么嚴(yán)格，面臨的競(jìng)爭(zhēng)和挑戰(zhàn)更多，風(fēng)險(xiǎn)也更大。因此我們研究創(chuàng)業(yè)板指數(shù)的波動(dòng)情況能夠很好的認(rèn)識(shí)到創(chuàng)業(yè)板市場(chǎng)的風(fēng)險(xiǎn)大小。

針對(duì)股票市場(chǎng)的波動(dòng)性研究，國(guó)內(nèi)外的許多學(xué)者都做了大量的實(shí)證研究。其中，Engle（1982）提出的ARCH自回歸條件異方差模型，被認(rèn)為是最能反映數(shù)據(jù)方差的變化特點(diǎn)的模型，被廣泛應(yīng)用于金融時(shí)序數(shù)據(jù)的分析當(dāng)中[2]。好多學(xué)者也在此基礎(chǔ)上對(duì)ARCH模型進(jìn)行了拓展，如GARCH和EGARCH等。所以本文選擇用GARCH模型來研究創(chuàng)業(yè)板收益率的波動(dòng)性。

二、GARCH模型介紹

計(jì)量經(jīng)濟(jì)學(xué)家 Engle在80年代提出了自回歸條件異方差模型，并應(yīng)用于英國(guó)通貨膨脹指數(shù)波動(dòng)性的研究。Engle的學(xué)生 Bollerslev（1986） 提出廣義ARCH 模型，即GARCH 模型，其目的也是描述實(shí)際金融時(shí)間序列數(shù)據(jù)的波動(dòng)性。GARCH（p，q）模型的一般形式如下：

其中：xt為收益率時(shí)間序列，μt是xt的條件期望值，εt為殘差時(shí)間序列，表示條件異方差，通常用來表示t時(shí)刻標(biāo)的金融產(chǎn)品的波動(dòng)率。

三、實(shí)證分析

本文選取創(chuàng)業(yè)板指數(shù)作為研究對(duì)象來描述創(chuàng)業(yè)市場(chǎng)的波動(dòng)變化情況，選取的創(chuàng)業(yè)板指數(shù)的時(shí)間跨度為2010年6月1日到2018年1月18日，共計(jì)1857個(gè)樣本點(diǎn)。所選取的數(shù)據(jù)能很好的反映創(chuàng)業(yè)板指數(shù)上市以來整體的波動(dòng)情況。

（一）時(shí)間序列的描述分析

本文運(yùn)用計(jì)量分析軟件EVIEWS6.0進(jìn)行相應(yīng)的統(tǒng)計(jì)分析。GARCH模型只針對(duì)平穩(wěn)性時(shí)間序列進(jìn)行建模，因此對(duì)指數(shù)收益率進(jìn)行對(duì)數(shù)化處理[3]。

由創(chuàng)業(yè)板指數(shù)對(duì)數(shù)收益率的時(shí)間序列圖的柱狀圖可知，創(chuàng)業(yè)板指數(shù)對(duì)數(shù)收益率序列均值為0.000312，偏度為-0.56，小于0，說明序列分布有長(zhǎng)的左拖尾。峰度為5.16，高于正態(tài)分布的峰度值3，說明序列有尖峰和厚尾的特征。JB統(tǒng)計(jì)量為468.08，P值為0.00，拒絕改對(duì)數(shù)收益率服從正態(tài)分布的假設(shè)。

（二）收益率序列的ADF檢驗(yàn)

本文對(duì)創(chuàng)業(yè)板指數(shù)對(duì)數(shù)收益率序列進(jìn)AD檢驗(yàn)，得出T統(tǒng)計(jì)量的值為-10.21797，對(duì)應(yīng)的P值接近0，可以看出創(chuàng)業(yè)板指數(shù)對(duì)數(shù)收益率是平穩(wěn)的。

（三）序列的自相關(guān)和偏自相關(guān)檢驗(yàn)

我們得出該序列的自相關(guān)和偏自相關(guān)圖，由圖可以看出，該時(shí)間序列存在著自相關(guān)性。根據(jù)自相關(guān)圖可以確定均值方程符合ARMA模型，根據(jù)數(shù)據(jù)初步得出GARCH模型的均值方程：

（四）ARCH效應(yīng)檢驗(yàn)

由以上檢驗(yàn)分析可得，創(chuàng)業(yè)板指數(shù)對(duì)數(shù)收益率序列存在著自相關(guān)性。下面通過殘差檢驗(yàn)的ARCH檢驗(yàn)來看序列是否存在ARCH效應(yīng)。根據(jù)結(jié)果看出該序列的殘差序列存在著ARCH效應(yīng)。

（五）GARCH模型的建立

根據(jù)以上的分析，我們可以先建立ARCH模型，通過軟件分析，得出ARCH模型方差方程中滯后項(xiàng)1、2、3、6、7、8、9階顯著，為了方便，我們可以嘗試建立GARCH模型，這里嘗試建立GARCH（1，1）模型。得出GARCH模型方差的方程為：

等式中參數(shù)均顯著通過了檢驗(yàn)且均值方程系數(shù)的顯著性得到了一定的提升。通過ARCH-LM檢驗(yàn)發(fā)現(xiàn)，該模型殘差項(xiàng)不再具有異方差性，模型擬合的很好。

四、結(jié)論

創(chuàng)業(yè)板收益率的波動(dòng)是平穩(wěn)的，收益率波動(dòng)呈現(xiàn)非正態(tài)分布，收益率略偏向均值左邊，且具有較厚的尾部和較尖的峰部，并且其波動(dòng)集聚現(xiàn)象較為明顯。創(chuàng)業(yè)板市場(chǎng)收益率具有顯著的ARCH效應(yīng)，異方差現(xiàn)象普遍存在。通過GARCH（1，1）模型對(duì)我國(guó)創(chuàng)業(yè)板收益率序列的擬合，我國(guó)創(chuàng)業(yè)板收益率波動(dòng)不僅具有較強(qiáng)的集聚性，而且受到?jīng)_擊以后影響的持續(xù)時(shí)間較長(zhǎng)，對(duì)未來的波動(dòng)也會(huì)有一定的影響。

【參考文獻(xiàn)】

[1] 刁艷華，李文華.基于GARCH模型的股票市場(chǎng)股指收益率波動(dòng)性研究[J].財(cái)稅金融，2013年06期

[2] 王會(huì)軍.基于GARCH 模型的創(chuàng)業(yè)板收益率波動(dòng)性研究[J].財(cái)政金融

[3] 何治成. 基于、GARCH模型的我國(guó)創(chuàng)業(yè)板收益率波動(dòng)性實(shí)證研究[J].財(cái)政金融