基于GARCH模型的我國股市風險分析

夏琦

摘 要：選取2015年初到2019年初的上證指數和深圳成指樣本數據，分別運用t分布與GED分布下GARCH類模型進行實證分析，考察中國股市風險狀況。研究發現，深圳成指收益率的波動幅度相比于上證指數收益率較大，所以風險相對較高?！袄障ⅰ睍r，深市受到的沖擊大于滬市;“利好消息”時，滬市受到的影響大于深市。

關鍵詞：股市風險;GARCH模型;實證分析

中圖分類號：F830.91 ? ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2019）17-0147-02

引言

近幾十年來世界各國發生的金融危機可謂教訓深刻。1929年美國狂熱的投機行為導致了華爾街股災，由此引發了美國的金融風暴;19世紀90年代，泰國政府對泰銖采取浮動匯率的舉措，導致貨幣貶值、股市大跌;2008年雷曼兄弟和美林公司事件引發的美國次貸危機再一次誘發了世界級的金融危機。

通過分析這些金融危機的前因后果，不難發現風險和危機的傳遞過程中都存在股票市場這個重要的載體。從1929年的華爾街狂熱投機的股災，到20世紀90年代的日本泡沫經濟股災以及泰國股災和香港股災，再到前幾年我國A股市場的劇烈波動，可見股票市場風險與金融風險之間密切相關。中國股市因種種不規范因素，表現出高風險特征。但是，不管風險從何而來，它最終都表現為股指的劇烈波動。我們可以通過研究者股指的波動狀況來分析股市風險。

一、文獻綜述

國外對股市風險的研究較早，恩格爾（1982）最先提出ARCH-條件方差模型，利用該模型研究股市風險。Bollerslev（1986）對ARCH模型進行推廣，發展成為GARCH模型，優化了對股市風險研究的方式。

國內對股市風險的研究基于國外的股市風險理論和模型，并不斷地創新發展，研究成果豐碩。魏振祥等（2012）運用GARCH-t模型和VaR模型，對滬深300股指期貨市場風險進行了研究。許啟發等（2018）運用CoVaR方法，對上證綜指、標普500和日經225等股指數據進行實證研究，發現美國股市和日本股市發生利空事件對中國股市的影響比利好事件的影響更明顯。

二、滬深兩市風險實證分析

（一）數據選取

本文采用上證指數和深證成指2015年1月5日至2019年1月18日的日收盤價進行研究，以期得出在該段時期內滬深兩市的風險狀況。全部數據來源于同花順。

（二）描述性統計

獲得日收盤價，通過計算得到對數收益率r，計算公式為：rt=ln（Pt）- ln（Pt-1），其中，Pt表示第t個交易日的收盤指數，rt為日對數收益率。使用EViews6.0軟件得到日收益率序列描述性統計：上證指數收益率的偏度為-1.257 669、峰度為9.626 119，表明其具有左偏且“尖峰厚尾”的特征;此外，J-B值為2 065.807，其P值為0，更進一步說明上證指數收益率序列不服從正態分布。同理可知，深圳成指收益率序列也不服從正態分布。

（三）統計檢驗

1.平穩性檢驗。分別對上證指數和深圳成指收益率序列進行單位根檢驗，其中，上證指數收益率序列ADF檢驗的t統計量的絕對值遠大于三個置信水平下t統計量的絕對值，并且t統計量的P值為0，表明拒絕“股指收益率序列存在單位根的原假設”，即上證指數日收益率序列是平穩的。同理可得，深圳成指日收益率序列也是平穩的。

2.自相關和偏自相關檢驗。分別對上證指數和深圳成指的收益率序列進行滯后12階的自相關與偏自相關檢驗，結果得出，上證指數日收益率存在高階相關性;深圳成指日收益率在低階不存在相關性或相關性不明顯，但在高階時存在明顯的相關性。

ARCH效應檢驗。分別對上證指數和深圳成指收益率序列的模型方程進行異方差的ARCH-LM檢驗，結果得出，上證指數和深圳成指收益率序列模型方程的LM檢驗F統計量的p值均等于0，拒絕“上證指數和深圳成指收益率序列模型方程的殘差平方序列不存在ARCH效應的原假設”，說明模型的殘差序列存在ARCH效應。因此，需要建立GARCH模型，以便有效地進行風險分析。

（四）建立GARCH模型

根據上述檢驗結果以及信息準則AIC、SC較小的原則，確定選用GARCH（1，1）模型。下面分別建立基于t分布和GED分布的GARCH模型和TARCH模型來分析上證指數和深圳成指。

上證指數收益率GARCH類模型實證分析結果。由實證結果可知，上證指數收益率GARCH（1，1）-t項系數（β）0.923 463與GARCH（1，1）-GED項系數（β）0.929 193反映上證指數收益率的波動具有長記憶性特征;GARCH-t模型下α和β兩系數之和為0.999 295、GARCH-GED模型下α和β兩系數之和為0.996 79，均接近于1，表明上證指數收益率的波動具有很強的持續性。在TARCH模型中γ≠0，表明上海股票市場存在“杠桿效應”。其中，TARCH-t模型下，γ=0.030 131，說明“利好消息”會對股價指數帶來一個0.056 868（α）倍沖擊，而“利空消息”則會帶來一個0.086 999（0.030 131+0.056 868）（γ+α）倍的沖擊。TARCH（1，1）- GED，杠桿效應0.020 737：利好消息對股價指數帶來的沖擊是0.054 029（α）倍，利空消息帶來的則是0.074 766（0.020 737+0.054 029）（γ+α）倍沖擊。通過比較發現，當上海股市出現利空消息時，TARCH-GED模型帶來的沖擊要大于TARCH-t模型帶來的沖擊。

深圳成指收益率GARCH類模型實證分析結果。由實證結果可知，深圳成指收益率GARCH（1，1）-t項系數（β）0.928 142與GARCH（1，1）-GED項系數（β）0.935 787反映深圳成指收益率的波動具有長記憶性特征;GARCH-t模型下α和β兩系數之和為0.999 363、GARCH-GED模型下α和β兩系數之和為0.994 291，均接近于1，表明深圳成指收益率的波動具有很強的持續性。在TARCH模型中γ≠0，表明深圳股市存在“杠桿效應”。其中，TARCH（1，1）-t，γ=0.067 374，說明“利好消息”會對股價指數帶來一個0.031 314（α）倍沖擊，而“利空消息”則會帶來一個0.098 688（0.067 374+0.031 314）（γ+α）倍的沖擊。TARCH（1，1）-GED，杠桿效應0.043 409，利好消息對股價指數帶來的沖擊是0.032 965（α）倍，利空消息帶來的則是0.076 374（0.043 409+0.032 965）（γ+α）倍沖擊。比較發現，當深圳股市出現利空消息時，TARCH模型下，GED分布帶來的沖擊要小于t分布下的沖擊。

比較上證指數和深圳成指收益率GARCH類模型實證分析結果，可以得出以下結論。

首先，上海股市和深圳股市均存在長記憶性和持續波動性，但在GARCH模型不同分布下這些波動的記憶性程度有所不同。在GARCH-t模型下，上證指數GARCH模型的系數之和0.999 295小于深圳成指的0.999 363;而在GED 分布下，上證指數的系數之和0.996 79大于0.994 291。這就表明，t分布下，上海股市波動要比深圳股市波動的小;而在GED分布下，上海股市波動要比深圳股市波動的大。

其次，在非對稱模型TARCH模型中兩股市γ均不為0，表明上海股市和深圳股市均存在“杠桿效應”。在TARCH-t模型下，“利空消息”對上海股市的沖擊（0.086 999）小于對深圳股市的沖擊（0.098 688）;在TARCH-GED模型下，“利空消息”對上證指數帶來的沖擊（0.074 766）小于對深圳股市的沖擊（0.076 374）。所以，不管在t分布下還是在GED分布下，壞消息對深圳股市的沖擊總是大于上海股市;而對于“利好消息”，t分布與GED分布下，上海股市受到的影響均大于深圳股市。

上證指數和深圳成指收益率序列的條件方差圖。收益率序列的條件方差圖由GARCH模型方程的估計結果所輸出。由上證指數收益率序列的條件方差圖可知，2015年初上證指數收益率先小幅度下降，緊接著大幅度上升，于2015年6月達到高峰，之后又迅速回落，表明此段時間上海股市投資風險很大。在經歷高起高落之后，上證指數收益率的波動維持低位水平，表明這段時間風險較小。由深圳成指收益率序列的條件方差圖可知，深圳成指收益率的走勢與上證指數相似，但是深圳成指收益率的波動幅度較大，所以風險相對較高。

三、研究結論

本文根據所選取的樣本數據對上證指數和深圳成指的收益率進行了實證分析，得出的主要結論如下。

1.上證指數收益率序列和深圳成指收益率序列的分布均具有“尖峰厚尾”特征。兩個序列都是平穩序列，且具有ARCH效應，所以需建立GARCH模型來對上證指數和深圳成指進行分析。

2.滬市和深市的股指收益率均存在長記憶性、波動持續性。并且，在t分布下，滬市的波動要小于深市;而在GED分布下，滬市的波動要大于深市。不管在t分布下還是GED分布下，出現“利空消息”時，深市受到的沖擊均大于滬市;而對于“利好消息”，滬市受到的影響均大于深市。

3.滬市和深市的收益與風險之間存在一定的正向相關關系;與上證指數收益率的波動相比，深圳成指收益率的波動幅度較大，所以風險也相對較高。

參考文獻：

[1] ?魏振祥，楊晨輝，劉新梅.滬深300指數期貨與國內外股指期貨市場間的信息傳遞效應[J].財貿經濟，2012，（8）：64-71.

[2] ?許啟發，王俠英，蔣翠俠，熊熊.基于藤copula-CAViaR方法的股市風險溢出效應研究[J].系統工程理論與實踐，2018，（11）.

[責任編輯 柯 黎]