91精品人妻互换日韩精品久久影视|又粗又大的网站激情文学制服91|亚州A∨无码片中文字慕鲁丝片区|jizz中国无码91麻豆精品福利|午夜成人AA婷婷五月天精品|素人AV在线国产高清不卡片|尤物精品视频影院91日韩|亚洲精品18国产精品闷骚

論文導(dǎo)讀：本文將利用廣義自回歸條件異方差模型，即GARCH模型族對(duì)中國(guó)深圳股票市場(chǎng)的日收益率的波動(dòng)進(jìn)行實(shí)證分析，為政府部門(mén)監(jiān)管股市及投資者預(yù)測(cè)并規(guī)避風(fēng)險(xiǎn)提供決策依據(jù)。而中國(guó)股市反映非對(duì)稱(chēng)信息的系數(shù)并不顯著，中國(guó)股市不存在顯著的杠桿效應(yīng)。
關(guān)鍵詞：中國(guó)股市，波動(dòng)率，GARCH模型

　　股票價(jià)格的頻繁波動(dòng)是證券市場(chǎng)的顯著特點(diǎn)之一，它與證券市場(chǎng)的不確定性和風(fēng)險(xiǎn)直接相關(guān)，是證券組合理論、資本資產(chǎn)定價(jià)模型(CAPM)、套利定價(jià)模型(APT) 以及Black-Schole期權(quán)定價(jià)模型的核心變量[1]。同時(shí)，波動(dòng)率對(duì)企業(yè)的投融資決策、消費(fèi)者行為模式等也都有著重要的影響[2]，因此，股票市場(chǎng)波動(dòng)率的估計(jì)和預(yù)測(cè)一直是證券市場(chǎng)研究的熱點(diǎn)問(wèn)題。
　　本文將利用廣義自回歸條件異方差模型，即GARCH模型族對(duì)中國(guó)深圳股票市場(chǎng)的日收益率的波動(dòng)進(jìn)行實(shí)證分析，為政府部門(mén)監(jiān)管股市及投資者預(yù)測(cè)并規(guī)避風(fēng)險(xiǎn)提供決策依據(jù)。論文檢測(cè)。論文檢測(cè)。
　　1問(wèn)題的分析和模型的假設(shè)
　　1.1 GARCH模型
　　ARCH 模型的主要貢獻(xiàn)在于發(fā)現(xiàn)了經(jīng)濟(jì)時(shí)間序列中比較明顯的變化是可以預(yù)測(cè)的[3], 并且說(shuō)明了這種變化是來(lái)自某一特定類(lèi)型的非線性依賴(lài)性, 而不是方差的外生結(jié)構(gòu)變化。GARCH模型是ARCH模型族中的一種帶異方差的時(shí)間序列建模的方法。一般的GARCH模型可以表示為[4]：
　　1.2 EGARCH模型
　　2 數(shù)據(jù)及實(shí)證研究分析
　　2.1 模型GARCH
　　2.1.1 模型的建立
　　 表1 自相關(guān)和白噪聲檢驗(yàn)
　　 　　Autocorrelation Check for White Noise
　　To Lag Chi-Square DF Pr> ChiSqAutocorrelations
　　6 9999.99 6 <.00010.996 0.991 0.987 0.982 0.977 0.972
　　從表1自相關(guān)和白噪聲檢驗(yàn)中我們發(fā)現(xiàn)延遲8階的自相關(guān)系數(shù)為0.96331,所以收盤(pán)價(jià)有高度的自相關(guān)性。對(duì)于ARCH效應(yīng)的檢驗(yàn)，最長(zhǎng)采用的方法是Lagrange乘數(shù)法，即LM檢驗(yàn)。
　　經(jīng)反復(fù)試驗(yàn)，本文自回歸方程的滯后階數(shù)取1時(shí)在ARCH(1)效應(yīng)。
　　表2 GARCH模型的數(shù)據(jù)檢驗(yàn)
　　MSE:3099 RootMSE:55.66586
　　SBC:19264.558 AIC:19253.6006
　　RegressR-Square: 0.9929 TotalR-Square: 0.9929
　　Durbin h2.0361 Pr > h0.0209
　　Estimates ofAutoregressive Parameters Standard
　　LagCoefficientError t Value
　　可知整個(gè)模型的R-Square高達(dá)0.9929。
　　從表可知逐步自回歸向后消除報(bào)告顯示除了延遲１階序列，延遲3階序列值顯著自相關(guān)外，延遲其他階數(shù)的序列值均不具有顯著的自相關(guān)。
　　表3 GARCH模型的數(shù)據(jù)檢驗(yàn)
　　VariableDF EstimateError t Value Pr > |t|
　　Intercept19.40986.1141 1.540.1238
　　AR11 -0.04340.0267 -1.62 0.1042
　　AR31-0.04860.0245 -1.99 0.0469
　　ARCH110.1199 0.010611.33 <.0001
　　GARCH110.8555 0.010978.50 <.0001
　　2.1.2 最終模型
　　從上表中可知擬合的模型為：
　　從表3中我們發(fā)現(xiàn)，常數(shù)項(xiàng)的系數(shù)并不明顯顯著t檢驗(yàn)的相伴概率為0.1238，但仍在可接受的范圍內(nèi)，故不去除。
　　2.2 模型EGARCH
　　2.2.1 模型的建立
　　通過(guò)實(shí)際擬合，反復(fù)驗(yàn)證得到以下結(jié)果；
　　表4 EGARCH模型ARCH效應(yīng)檢驗(yàn)
　　LagCoefficientError t Value
　　從表可知逐步回歸向后消除報(bào)告顯示除了延遲1階序列,延遲3階序列值顯著自相關(guān)外，延遲其他階數(shù)的序列值均不具有顯著的自相關(guān)。
　　表5 EGARCH模型ARCH效應(yīng)檢驗(yàn)
　　VariableDF EstimateError t Value Pr > |t|
　　Intercept111.54675.8665 1.970.0490
　　AR11 -0.03990.0216 -1.84 0.0651
　　AR31 -0.05000.0121 -4.14<.0001
　　EARCH010.23440.0586 4.00<.0001
　　EARCH110.23590.0250 9.42<.0001
　　THETA1-0.02960.0569 -0.52 0.6025
　　2.2.2最終模型
　　從表5可知擬合的模型為：
　　從EGARCH模型的系數(shù)檢驗(yàn)中我們發(fā)現(xiàn)THETA的系數(shù)不顯著t檢驗(yàn)的相伴概率為0.6025，即說(shuō)明深圳成分指數(shù)的杠桿效應(yīng)不顯著。
　　3 結(jié)論
　　GARCH(p, q) 模型在應(yīng)用于資產(chǎn)定價(jià)方面存在以下的不足：
　　(1) GARCH 模型不能解釋股票收益和收益變化波動(dòng)之間出現(xiàn)的負(fù)相關(guān)現(xiàn)象。GARCH (p, q) 模型假定條件方差是滯后殘差平方的函數(shù), 因此,殘差的符號(hào)不影響波動(dòng), 即條件方差對(duì)正的價(jià)格變化和負(fù)的價(jià)格變化的反應(yīng)是對(duì)稱(chēng)的。然而在經(jīng)驗(yàn)研究中發(fā)現(xiàn), 當(dāng)利空消息出現(xiàn)時(shí), 即預(yù)期股票收益會(huì)下降時(shí),波動(dòng)趨向于增大；當(dāng)利好消息出現(xiàn)時(shí), 即預(yù)期股票收益會(huì)上升時(shí), 波動(dòng)趨向于減小。GARCH(p, q) 模型不能解釋這種非對(duì)稱(chēng)現(xiàn)象。
　　 　　國(guó)外的許多學(xué)者對(duì)成熟股市的分析表明，成熟股市普遍存在波動(dòng)的非對(duì)稱(chēng)性，負(fù)沖擊對(duì)股價(jià)波動(dòng)的影響大于同等幅度的正沖擊對(duì)股票市場(chǎng)的影響。而中國(guó)股市反映非對(duì)稱(chēng)信息的系數(shù)并不顯著，中國(guó)股市不存在顯著的杠桿效應(yīng)。這是因?yàn)橹袊?guó)股票市場(chǎng)不存在賣(mài)空機(jī)制，當(dāng)出現(xiàn)利空消息時(shí)，雖然投資者預(yù)期股價(jià)將進(jìn)一步下跌，但是只有持有股票的投資者對(duì)此作出反應(yīng)，而其余投資者不能夠通過(guò)賣(mài)空股票作出反應(yīng)，因此不會(huì)出現(xiàn)成熟股市顯著的杠桿效應(yīng)。并且中國(guó)股市是一個(gè)新興市場(chǎng)，在信息分布、信息加工和信息傳遞等方面都存在著許多不足，股市波動(dòng)幅度大于成熟股市，市場(chǎng)交易者的行為非理性和大量的噪聲交易，使證券市場(chǎng)價(jià)格產(chǎn)生劇烈波動(dòng)，造成非對(duì)稱(chēng)信息的影響與波動(dòng)相比，作用不是十分顯著。中國(guó)股市與成熟股市相比，還有一定的距離，需要各方人士的共同培育，促進(jìn)其健康成長(zhǎng)。一方面，嚴(yán)格執(zhí)行《證券法》，加強(qiáng)監(jiān)管，加大信息披露的透明度，減少人為因素造成的劇烈波動(dòng)，另一方面，盡早引入賣(mài)空機(jī)制，為投資者提供多樣化投資的機(jī)會(huì)和風(fēng)險(xiǎn)規(guī)避手段，為市場(chǎng)提供連續(xù)性，增加證券市場(chǎng)的流動(dòng)性，并能夠?qū)崿F(xiàn)證券市場(chǎng)的價(jià)值發(fā)現(xiàn)功能、優(yōu)化資源配置功能。
　　通過(guò)對(duì)深圳成指的波動(dòng)性的實(shí)證分析可以發(fā)現(xiàn)，我國(guó)股市的波動(dòng)主要是由管理當(dāng)局的政策干預(yù)造成的，所謂沖擊大多屬于政策沖擊。管理當(dāng)局在出臺(tái)政策時(shí)應(yīng)更加穩(wěn)健，對(duì)市場(chǎng)的調(diào)控也更應(yīng)從長(zhǎng)遠(yuǎn)的角度考慮，把握好政策的調(diào)整力度。對(duì)于我國(guó)股票市場(chǎng)每日收益率而言，其GARCH效應(yīng)僅有少部分同信息到達(dá)市場(chǎng)的速度有關(guān)；股市價(jià)格的波動(dòng)與信息的到來(lái)有一定的關(guān)系，但價(jià)格對(duì)信息的反應(yīng)并非十分靈敏，這是符合我國(guó)股市的實(shí)際現(xiàn)狀的。我國(guó)股票市場(chǎng)發(fā)展至今，只有不足十年的時(shí)間，各方面還不夠規(guī)范，在獲知信息上集中地體現(xiàn)為¾¾信息的提前泄露。當(dāng)一條可能引起股價(jià)波動(dòng)的信息尚未完全到達(dá)市場(chǎng)時(shí)，已有相當(dāng)一部分人從各種途徑獲知該信息并作出了反應(yīng)，由此造成了信息的泄露。這樣，當(dāng)信息正式到達(dá)市場(chǎng)時(shí)，市場(chǎng)已將其基本消化，價(jià)格的波動(dòng)性隨時(shí)間已緩慢釋放完畢，從而不會(huì)發(fā)生預(yù)想程度的波動(dòng)，這使得價(jià)格與信息的到來(lái)不能表現(xiàn)出非常顯著的相關(guān)性。論文檢測(cè)。這也是市場(chǎng)不夠透明、信息不對(duì)稱(chēng)的表現(xiàn)。

參考文獻(xiàn)
[1]Black, F.“Studies of stock market volatility changes[A]”. Proceedings of the AmericanStatistical Association Business and Economic Statistics Section, AmericanStatistical Association, 1976, 177-181.
[2]Bollerslev,T.“Generalizedautoregressive conditional heteroske dasticity[J]”.Journal of Econometrics,1986, 31:07-327.
[3]Bollerslev, T.,Wooldridge. J. M. “Quasi-maximum likelihoodestimation and inference in dynamic models with time varying covariances[J]”.Econometric Reviews, 1992, 11:143-172.
[4] Engle, R. F.“Autoregressive conditional heterskedasticity with estimates of the variance ofUnited Kingdom inflation[J]”. Econometrica, 1982, 50: 987-1007.
[5] Glosten, L. R,Jagannathan, and D. Runkle. “On the relations between the expected value andthe volatility on the nominal excess returns on stocks[J]”. Journal ofFinance, 1993, 48:1779-1801.
[6] Nelson D. B.“Conditional heteroskedasticity in asset returns: a new approach[J]”. Econometrica.1990, 59:347-370.
[7] Zakoian J.M. “Thresholdheteroskedastic models[J]”. Journal of Economic Dynamics and Control,1994, 18:931-955.