基于GARCH模型族的上海股市波动性分析(3)
2016-08-26 01:04
导读:从下表所列示的GARCH模型族参数估计结果我们可以得到以下几点结论: (一)GARCH模型族的β1的系数都比较大且通过了显著性检验,说明股价波动具有“长期
从下表所列示的GARCH模型族参数估计结果我们可以得到以下几点结论:
(一)GARCH模型族的β1的系数都比较大且通过了显著性检验,说明股价波动具有“长期记忆性”,即过去价格的波动与其无限长期价格波动的大小都有关系。条件方差方程中,系数a1和β1都显著为正,说明过去的波动对市场未来波动有着正向而减缓的影响,从而使股市波动出现群聚性现象。a1 β1都接近于1,这说明股市波动对外部冲击的反应函数以一个相对较慢的速度递减,股市一旦出现大的波动在短期内很难消除。另外,由于GARCH(1,1)、TARCH(1,1)、GARCH(1,1)-M模型中a1 β1小于1,说明收益率条件方差序列是平稳的,模型具有可预测性。
(二)用EGARCH(1,1)模型和TARCH(1,1)模型反映出不同性质的冲击对预期收益的影响是显著不同的,在EGARCH(1,1)模型中γ<0,在TARCH(1,1)模型中γ>0,显示出杠杆效应的存在。显然在上海股市上坏消息引起的波动比同等大小的好消息引起的波动要大,这说明投资者对损失的敏感性要高于同等程度的盈利的敏感性,人们更在乎已经得到的东西。这与美国经济学家卡尼曼的理论是吻合的。在TARCH(1,1)模型的估计结果中,好消息对ln(ht)条件方差的影响为0.053204,而坏消息的影响为0.130228,不对称效应是明显的。
(三)GARCH(1,1)-M模型中的参数估计结果中,均值方程的ht项的系数是0.180172,在5%的显著性水平下显著大于0,这表明日收益率与市场风险水平呈弱正相关,验证了高风险对应于高收益的投资组合理论。
4 结论
本文以上证综合指数2000年1月4日至2006年11月7日共1 645个交易日的日收盘指数的数据为样本,以相邻两天收盘指数的对数一阶差分来表示股票市场日收益率,通过建立GARCH族模型对中国股市收益波动性进行实证分析。结果表明:第一,上海股票市场收益率具有显著的“尖峰厚尾”特点,存在波动的集群性,过去的波动对未来的影响是逐渐衰退的,具有波动的持续性。第二,上海股市的波动具有信息不对称性,坏消息引起的波动比同等大小的好消息引起的波动要大,杠杆效应存在。第三,期望收益与期望风险之间存在正向关系。GARCH模型族可以模拟我国上海股市收益的特点。
您可以访问中国科教评价网(www.NsEac.com)查看更多相关的文章。 参考文献:
[1] Engle, Robert F. Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K. Inflation. Economet
rica,1982,50:987-1008.
[2] Bollerslev, Tim. Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics,1986,31:307-327
[3] Engle,Robert,David M. Lilien, and Russell P. Robins. Estimating Time Varying Risk Premia in the Term Structure? The
ARCH-Model. Econometrica,1987,55:391-406.
[4] Zako an, J. M. Threshold Heteroskedastic Models. Journal of Economic Dynamics and Control,1994,18:931-944.
[5] Nelson, Daniel B. Conditional Heteroskedasticity in Asset Returns? A New Approach. Econometrica,1991,59:347-370.
[6] 高铁梅.计量经济分析方法与建模[M].北京:
清华大学出版社,2006.