冷 軍

0 引言

隨著全球經(jīng)濟(jì)一體化的進(jìn)程，我國(guó)股市也越來越因?yàn)閷?duì)全球經(jīng)濟(jì)的敏感反應(yīng)而呈現(xiàn)出不穩(wěn)定和風(fēng)險(xiǎn)。尤其是2008年以來，金融危機(jī)席卷全球，使全球經(jīng)濟(jì)迅速下滑，全球主要股市均出現(xiàn)了異常的波動(dòng)，各個(gè)國(guó)家都把金融風(fēng)險(xiǎn)管理放到了極其重要的位置。股指收益率的波動(dòng)性可以作為一種度量金融風(fēng)險(xiǎn)的手段。因此，對(duì)我國(guó)滬深股票市場(chǎng)股指收益率的波動(dòng)性的研究，在理論和現(xiàn)實(shí)兩方面均具有十分重要的意義。已有的研究主要是基于收益率殘差分布服從條件正態(tài)分布對(duì)我國(guó)股票市場(chǎng)收益率進(jìn)行實(shí)證分析。本文基于廣義誤差分布（GED），利用GARCH族模型，選取了1995年至2011年近16年的數(shù)據(jù)，對(duì)我國(guó)股票市場(chǎng)的收益率波動(dòng)性進(jìn)行長(zhǎng)期的分析。本文通過實(shí)證分析發(fā)現(xiàn)采用廣義誤差分布時(shí)（GED），GARCH模型對(duì)我國(guó)股票市場(chǎng)的收益率波動(dòng)性擬合的更好。

1 研究方法

ARCH模型已被廣泛地認(rèn)為是目前最能集中地反映方差變化特點(diǎn)的模型，因而在經(jīng)濟(jì)時(shí)間序列的分析中得到了廣泛應(yīng)用。在恩格爾的ARCH模型基礎(chǔ)上，又有其他學(xué)者提出了GARCH、EGARCH、CGARCH以及GARCH-M等改進(jìn)模型（一般合成為GARCH族模型），因其各自具有不同的特性，本文運(yùn)用這些模型從不同的視角揭示我國(guó)股票市場(chǎng)指數(shù)收益率的波動(dòng)性狀況。

2 數(shù)據(jù)描述及檢驗(yàn)

2.1 數(shù)據(jù)描述

本文以上證綜合指數(shù)和深圳綜合指數(shù)為代表，研究我國(guó)股票市場(chǎng)指數(shù)收益率波動(dòng)性特征。盡管上海交易所從1990年12月開始發(fā)布上證綜合指數(shù)，深圳交易所從1991年4月開始發(fā)布深證綜合指數(shù)，但是由于我國(guó)1995年5月1日開始實(shí)行5天工作日制，因此，我國(guó)股市交易也從1995年5月2日開始由一周6個(gè)交易日改為一周5個(gè)交易日，因此，為了時(shí)間序列的周期一致，本文選取1995年5月2日至2011年2月28日間每一交易日的日收盤價(jià)作為樣本，共3839個(gè)交易數(shù)據(jù)（數(shù)據(jù)來源于大智慧軟件），構(gòu)成的時(shí)間序列分別為{SHP}和{SZP},對(duì)我A國(guó)股票市場(chǎng)近十六來的運(yùn)行狀況進(jìn)行研究。在這一樣本期內(nèi)，我國(guó)股市經(jīng)歷了2001年至2005年長(zhǎng)達(dá)4年的熊市，2005年至2007年的大牛市以及之后持續(xù)的熊市；同樣，也經(jīng)歷了我國(guó)股市國(guó)有股減持即股權(quán)分置改革，以及2008年以來的席卷全球的金融危機(jī)。因此，基于這么長(zhǎng)的樣本期來對(duì)我國(guó)滬深兩地股市指數(shù)收益率的波動(dòng)性進(jìn)行研究，具有較好的代表性。圖1為樣本期內(nèi)上證綜指和深圳綜指的走勢(shì)圖。

圖1 1995.5至2011.2上證綜指和深證綜指走勢(shì)

股市日收益率采用股價(jià)指數(shù)的一個(gè)對(duì)數(shù)差分來衡量，設(shè)Pt為當(dāng)天的收盤指數(shù)，Pt-1為前一天市場(chǎng)的收盤指數(shù)，則可以將股票指數(shù)的收益率為：

根據(jù)上述公式，在滬深綜指時(shí)間序列分別為{SHP}和{SZP}的基礎(chǔ)上，構(gòu)建了分表代表滬深兩地綜指日收益率的時(shí)間序列{SHR}和{SZR}。圖2為上證綜指和深圳綜指日收益率走勢(shì)圖。從圖中可以看出，上證綜指和深證綜指的收益率的波動(dòng)都表現(xiàn)出明顯的時(shí)變性、突發(fā)性、與集聚性特征。

圖2 上證綜指和深圳綜指日收益率走勢(shì)圖

2.2 正態(tài)性檢驗(yàn)

圖3 滬深綜指收益率的數(shù)據(jù)特征（左圖為滬市，右圖為深市）

通過eviews對(duì)上證綜指日收益率時(shí)間序列和深證綜指日收益率時(shí)間序列分別做描述性統(tǒng)計(jì)。獲得如圖3所示的兩指數(shù)日收益率的直方圖。由圖3可知，上證綜指收益率從的平均（Mean）小于深證綜指收益率，偏度（Skewness）和峰度（Kurtosis）都大于深證綜指收益率，另外，兩地股市的JB統(tǒng)計(jì)量均非常大且其P為0.00000。由于對(duì)稱分布的偏度等于0，而上證綜指收益率的偏度是正值，說明上海股市的收益率是向右偏斜的，而深證綜指收益率的偏度是負(fù)值，說明是向左偏斜的。正態(tài)分布的峰度等于3，而滬深兩地股市的綜指收益率的峰度均遠(yuǎn)遠(yuǎn)大于3，表明滬深兩地股市的收益率均顯著不服從正態(tài)分布，且具有較為明顯的“尖峰厚尾”。

2.3 平穩(wěn)性檢驗(yàn)

圖4 上證綜指日收益率序列{SHR}（左）和深證綜指日收益率序列{SZR}（右）的ADF檢驗(yàn)

對(duì)上證綜指日收益率序列{SHR}做ADF檢驗(yàn)，如上圖4所示，所得檢驗(yàn)統(tǒng)計(jì)量為-60.55417，伴隨概率為0.0001，且1%顯著性水平下的MacKinnon臨界值為-3.431868，因此拒絕序列存在單位根的假設(shè)，該序列是平穩(wěn)序列。同樣可驗(yàn)證深證綜指日收益率序列{SZR}序列也是平穩(wěn)序列。

3 實(shí)證結(jié)果及分析

根據(jù)序列的自相關(guān)和偏自相關(guān)分析圖，上證綜指日收益率序列{shr}存在滯后11階偏自相關(guān)，而深證綜指日收益序列{szr}存在滯后15階偏自相關(guān)，又根據(jù)簡(jiǎn)單實(shí)用原則，均值方程分別設(shè)為

下面根據(jù)方差方程的設(shè)定不同，采用不同的模型對(duì)我國(guó)滬深股市綜指日收益率的波動(dòng)性進(jìn)行研究，模型參數(shù)估計(jì)方法采用擬極大似然估計(jì)法，得到穩(wěn)健標(biāo)準(zhǔn)差。

3.1 GARCH(1,1)模型

模型各參數(shù)估計(jì)結(jié)果見表1。

表1 滬深股市收益率GARCH(1,1)模型估計(jì)結(jié)果

從表1可知，滬深股市尾部厚度的度量參賽ν的估計(jì)值分別是1.177346和1.257805，均小于2，且隨行概率均非常低，說明收益率不具有正態(tài)分布（正態(tài)分布ν=2）的特性，呈現(xiàn)出后尾性，GED分布擬合數(shù)據(jù)效果良好。上海股市和深圳股市的方差方程中殘差平方項(xiàng)的系數(shù)α1和方差項(xiàng)的系數(shù)β1均是正數(shù)，且在0.001水平上顯著，反映了異方差性和波動(dòng)聚集性的存在；而系數(shù)之和α1+β1均接近于1，則說明了兩市股價(jià)具有很強(qiáng)的波動(dòng)持續(xù)性。對(duì)兩地股市的方差方程系數(shù)和進(jìn)行Wald檢驗(yàn)結(jié)果如表2：

表2 兩地股市方差方程系數(shù)和的wald檢驗(yàn)

由滬深兩地股市指數(shù)收益率方差方程系數(shù)和的wald檢驗(yàn)結(jié)果可知，由于F檢驗(yàn)和卡方檢驗(yàn)的隨行概率均大于顯著性水平，因此接受系數(shù)和為1的原假設(shè)，表明波動(dòng)性沖擊具有持久性的效應(yīng)，且過去的沖擊對(duì)未來波動(dòng)的影響衰減得十分緩慢。另外，通過對(duì)殘差項(xiàng)進(jìn)行ARCH-LM檢驗(yàn)，發(fā)現(xiàn)不存在ARCH效應(yīng)，因此利用GARCH(1,1)模型描述滬深股市指數(shù)收益率波動(dòng)的效果較好。

3.2 基于GJR-GRACH(1,1)模型的杠桿效應(yīng)研究

GJR-GRACH(1,1)的方差形式為：

模型各參數(shù)估計(jì)結(jié)果見表3。

表3 滬深股市收益率GJR-GRACH(1,1)模型估計(jì)結(jié)果

由估計(jì)結(jié)果可知，上海股市綜指收益率的δ在5%的水平上顯著，而深圳股市綜指收益率的δ并不是不顯著的，表明在樣本期內(nèi)上海股市的杠桿效應(yīng)明顯，而深圳股票市場(chǎng)的杠桿效應(yīng)不十分明顯。但兩市場(chǎng)的δ都為正，說明利空消息影響大于利好消息影響。

3.3 E-GARCH（Exponential GARCH）模型

為進(jìn)一步驗(yàn)證杠桿效應(yīng)，用EGARCH（1，1）模型做實(shí)證檢驗(yàn)，結(jié)果如下表4所示：

表4 滬深股市收益率利用E-GARCH(1,1)模型的估計(jì)結(jié)果

由表4可知，滬深兩地股市綜指收益率的非對(duì)稱系數(shù)γ均為負(fù)，說明利空消息比利好消息產(chǎn)生更大的波動(dòng)，其中，上海股市在5%的水平上顯著，深圳股市不顯著。上海股市，γ=-0.024560，則正的沖擊對(duì)波動(dòng)的影響比負(fù)的沖擊對(duì)波動(dòng)的影響小，當(dāng)ut-1＞0時(shí)，有一個(gè)α1+γ=0.201151倍沖擊，當(dāng)ut-1＜0時(shí)，有一個(gè)α1+γ=0.250271倍的沖擊。且參數(shù)統(tǒng)計(jì)量均顯著，說明對(duì)利好和利空消息對(duì)股價(jià)波動(dòng)性影響較大。 α1和 β1都很顯著，但 α1+β1＞1，表明收益率波動(dòng)不會(huì)衰減，波動(dòng)最為劇烈，不滿足平穩(wěn)性條件。

3.4 GARCH-M模型

表5 滬深股市收益率利用GARCH-M(1,1)模型的估計(jì)結(jié)果

由表5可知，上海市場(chǎng)的風(fēng)險(xiǎn)溢價(jià)系數(shù)θ為-0.015935，且在10%的水平上顯著，符號(hào)為負(fù)，說明上海股市的投資者的收益期望與市場(chǎng)波動(dòng)之間呈弱負(fù)相關(guān)，但絕對(duì)值很小，投資者對(duì)市場(chǎng)風(fēng)險(xiǎn)是弱偏好的，有一定的投機(jī)成分，這從另一個(gè)側(cè)面反映了我國(guó)股票市場(chǎng)仍是一個(gè)不成熟的新興資本市場(chǎng)，股票市場(chǎng)中仍有一定的投機(jī)現(xiàn)象，而這種投機(jī)性的存在又會(huì)使得股票價(jià)格的波動(dòng)更加劇烈。另一方面，深圳市場(chǎng)的風(fēng)險(xiǎn)溢價(jià)系數(shù)θ為0.028534，符號(hào)為正，說明收益率與風(fēng)險(xiǎn)成正向變化，投資者對(duì)市場(chǎng)風(fēng)險(xiǎn)是厭惡，對(duì)于波動(dòng)需要一定的風(fēng)險(xiǎn)補(bǔ)償，但絕對(duì)值也很小，僅為0.080027，說明風(fēng)險(xiǎn)厭惡程度很小，市場(chǎng)的投機(jī)現(xiàn)象沒有滬市的嚴(yán)重。

4 結(jié)論

本文根據(jù)不同模型的特點(diǎn)，分別采用GARCH模型族中 的 GARCH(1,1)、GJR-GRACH(1,1)、EGARCH(1,1)以 及GARCH(1,1)-M等模型，從多個(gè)視角我國(guó)股票市場(chǎng)指數(shù)收益率的波動(dòng)性狀況進(jìn)行分析。實(shí)證研究結(jié)果表明：

（1）和發(fā)達(dá)國(guó)家的股票市場(chǎng)一樣，我國(guó)股票市場(chǎng)指數(shù)收益率也存在著波動(dòng)的聚集性、爆發(fā)性、持久性以及均值恢復(fù)性。

（2）我國(guó)上證指數(shù)收益率波動(dòng)性存在明顯的非對(duì)稱性，杠桿效應(yīng)明顯，利好和利空消息的發(fā)布對(duì)股票市場(chǎng)指數(shù)收益率的波動(dòng)性會(huì)顯著的影響。這與朱均均、謝識(shí)予（2011）、周少甫（2005）的研究結(jié)果基本一致。而深證指數(shù)收益率的非對(duì)稱性、杠桿效應(yīng)均不顯著，利好和利空消息對(duì)股指收益率的波動(dòng)性影響不顯著。這與周少甫（2005）發(fā)現(xiàn)的滬深兩市均具有顯著的非對(duì)稱性的研究結(jié)果有所不同。

（3）我國(guó)滬深股票市場(chǎng)總體上不存在顯著的風(fēng)險(xiǎn)——收益權(quán)衡關(guān)系，投資者總體上趨于中性，其中上海市場(chǎng)投資者有點(diǎn)風(fēng)險(xiǎn)弱偏好，深圳市場(chǎng)有一定的風(fēng)險(xiǎn)厭惡，對(duì)承擔(dān)風(fēng)險(xiǎn)要求一定的補(bǔ)償。這與周少甫（2005）、陳雄兵、張宗成（2008）的研究結(jié)果有所不同，但在滬市中的投機(jī)性要比深市嚴(yán)重的結(jié)果與周少甫（2005）的結(jié)論一致。這意味著我國(guó)股票市場(chǎng)雖然與發(fā)達(dá)國(guó)家股市之間雖然仍存在比較大的差距，但已有很大的改善，投機(jī)現(xiàn)象有所減少。

[1]藩越.成交量的GARCH修正模型在股市波動(dòng)中的應(yīng)用[J].統(tǒng)計(jì)與決策,2004,(8).

[2]周少甫,袁興興.我國(guó)股票市場(chǎng)波動(dòng)非對(duì)稱性的實(shí)證研究[J].當(dāng)代經(jīng)濟(jì)管理,2005,（6）.

[3]陳雄兵,張宗成.基于修正GARCH模型的中國(guó)股市收益率與波動(dòng)周內(nèi)效應(yīng)實(shí)證研究[J].中國(guó)管理科學(xué),2008,(8).

[4]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模（第二版）[M].北京:清華大學(xué)出版社,2009,(5).

[5]陳守東,馬輝,才元.上海證券市場(chǎng)分階段收益率與波動(dòng)性的特征分析[J].吉林大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2006,(7).

[6]中國(guó)股市波動(dòng)率的雙重不對(duì)稱性及其解釋——基于MS-TGARCH模型的MCMC估計(jì)和分析[J].金融研究,2011,(3).

[7]馬慧敏.滬市A股弱勢(shì)有效性實(shí)證研究[J].求索，2011，（8）.