GARCH-M模型与我国沪深股市的波动，本文主要内容关键词为：沪深股市论文,模型论文,我国论文,GARCH论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
市场经济条件下，股票市场经常是大起大落的，股票价格的剧烈波动是股票市场最明显的特征之一。股票市场的投资带有一定的风险，而投资者总是希望在一定的时间段内，对较高风险的投资，所获得的收益亦较高，因此风险和收益之间的关系一直是经济学家研究的一个重要课题。Bollersle,Engle和Wooldridge(1988)发现状美国的股票市场的风险影响股票市场的期望收益，而Eun和S(1989)年发现美国股票市场的波动会迅速波及世界其他各个股票市场，而其他各国的股票的波动却对美国的股票市场没有明显影响。
我们通过多元GARCH-M模型的运用，对中国的上海股票市场和深圳股票市场进行实证性研究，分析出股票市场的风险对期望收益的影响及二个市场之间的相互影响关系，发现国内各股票市场之间的波动是有连带性，但我国股市风险和期望收益之间无显著关联。
一、GARCH-M模型介绍
ARCH和GARCH模型常常被用来研究金融领域的时间序列数据的波动的群集性和持续性，它为研究时间序列数据的特性提供了工具。GARCH-M及其变型是一个用于研究资产收益率和风险性关系的重要模型（即其适用于研究随时间变化的风险收益率）。多元GARCH-M模型同时考察了期望收益率和风险性之间的关系以及各个股票市场之间的相互影响作用因此，我们试图采用GARCH-M模型及其变型来研究上海和深圳股票市场之间条件收益波动之间的关系及股票市场的风险报酬率问题。
GARCH-M模型可采用下列形式表述；Yt=f(Xt:)+δσ[2,t]
，ε[,t]是在t时间内获得的信息集，ε[,t]为残差。
α(L)和“β(L)分别是p和q阶滞后多项式，f(Xt:b)服从AKMA(p′q′)模式。(1)式表明股票市场的条件期望收收益率之间以及股市波动之间的影响关系。统计上明显的b，表明市场的条件期望收益受到市场过去收益率的影响，而统计上明显的正的δ，意味着股票市场风险越大，期望收益亦越大，反之，意味着股票市场风险越大，期望收益亦越小。
(2)式表明市场的波动与过去的波动以及市场过去的波动剧烈程度的关系。统计上明显的α(L)，表明市场过去的波动剧烈程度将影响市场的当前股票市场去的波动，而统计上明显的β(L)，意味着市场过去的波动将影响当期的波动。
二、实际数据分析
（一）数据及基本统计特征
本文采用的数据是上证综合指数和深证成分指数，数据时间跨度为9年：1992/09/10到2000/04/28。每天的收益率R[i,t]=log(P[,i],t)-log((P[,i],t,-1),P[i,t]i=1,2分别代表上海和深圳每天的综合股票价格指数。
表1给出了上海和深圳两股市的股票收益率Rjt的一些基本统计数据，两种股价指数的收益率均呈现正偏态，表明它们是非对称的；并且它们都出现过度峰度，表明它们比正态分布具有过厚的尾部。Jarque-Bera正态检验对两个收益率都以1%的显著性拒绝了正态假设，结论证实了我们的假设股价收益率不是正态分布的，具有正偏度和过度峰度。
接下来，进行Ljung-Box自回归统计检验，即测试Q(k)和Q[2](k)的值，零假设不存在自相关被以1%的显著性拒绝，表明上海、深圳两市均存在自相关和条件异方差，采用GARCH过程来模拟是非常恰当的。
表1 股份日收益率的基本统计特征①
Tab.1 Basic statistic of stock prices' daily expectedreturn
（二）ARMA模型；
由于两个股市的收益率都存在严重的自回归现象，为此我们首先必须采用SIC或AIC准则选定合适的ARMA自回归模型。通过估算，我们得到了关于两个股市收益率的恰当的ARMA模型，见表2。
表2 ARMA模型②
Tab.xARMA model
为了检验ARMA模型的正确性，我们同时对所得到的残差序列εj,t进行了统计检验，发现此时残差序列已基本消除了自相关，但存在高度条件异方差现象。因此收益率和残差序列的过度峰度可能是由于异方差性造成的。
（三）多元GARCH-M模型
我们设R1,t,R2,t分别代表上海股票市场和深圳股票市场在t时期的条件收益率，为各自的条件方差。分别代表t时期的两市的股票价格指数，则多元GARCH-M模型的结果由表3给出。表3给出了条件期望收益率和条件方差估计结果及标准残差序列及残差平方序列的统计检验结果。
1、期望收益率之间的影响关系
从期望收益率方程，我们可看出，上海股市过去的收益率对深圳股市的期望收益率有显著的影响作用，为0.038，而反之则不存在统计上显著的影响作用，这表明上证指数具有较明显的1期前导作用，深证成指则对上证指数的走势几乎无先导作用。同时，两市的期望收益率方程的R2均不超过3%，裹明期望收益率方程不能有效的用来预测股市收益，因此，用其来预测未来收益时，产生的结果可能与实际有较大的偏差。又上海与深圳两股市的条件期望收益率方程中，条件方差前的系数在统计上都不显著，表明风险和收益之间并不存在显著关联，高风险并不意味着高收益。
2、渡动的持续性及群集性特征
从条件方差方程中，我们可看出，两股市的收益率均存在显著条件异方差现象，所有的滞后一期的条件方差的系数都很大，且在统计上是显著的，表明波动存在持续性。同时两市指数收益率存在群集性特征，又深圳股市收益率的群集性更为明显（0.24对0.185，高出30%）。同时，沪、深两股市的变异的波动相互影响，沪市对深市为0.0157，深市对沪市为-0.0085，显著性水平都达到1%，表明沪市过去的波动大小将加剧深市当前的波动，而深市过去的波动大小则对沪市当前的波动具有抑制（减弱）作用。
3、加强性检验
为了检验多元GARCH-M模型的有效性，我们对标准残差序列进行加强性检验，见表3，通过检验我们发现，标准残差序列消除了自相关和异方差性，从而表明我们所用模型是恰当的。
表3 多元GARCH-M模型①
Tab.3Multilarate GARCG-M
我们采用沪、深两市每天的综合股价指数，运用GARCH-M模型测析，发现上海股市过去的收益率对其本身和深圳当前的收益率均具有显著影响关系，但由于两市的期望收益率方程的R2均不超过3%，因此这一较低的解释能力，使得投资者很难运用此模型去预测股市未来的收益率，同时我们发现期望收益率与风险之间无显著关联关系。
我们同时发现两市风险都与其各自过去的波动大小有显著关系，两市波动具有持续性，又两市指数收益率均具有群集性的特点，且深圳股市收益率的群集性更为明显。同时，沪、深两股市的收益率波动相互影响，沪市风险将加剧深市风险，而深市风险则可能减弱沪市当前的风险。总之，沪、深两市的波动十分剧烈，总体风险较大。