雷鳴　鄢妍

【摘 要】在對股票市場的研究中，波動性一直是比較重要的一方面。運(yùn)用ARCH模型和GARCH模型，對金融危機(jī)后2008年到2014年上證指數(shù)收益率進(jìn)行分析，得出上證指數(shù)具有集聚性。

【關(guān)鍵詞】上證指數(shù)；ARCH模型；GARCH模型

1.前言

股票市場的波動性是近來金融研究的熱點(diǎn)，對股票市場收益率和波動性研究的主要目的是幫助投資者在資產(chǎn)定價和風(fēng)險管理兩個方面提供決策依據(jù)。大量的研究表明金融數(shù)據(jù)具有尖峰厚尾、波動叢集性或波動集中、杠桿效應(yīng)的特性，而經(jīng)典的線性結(jié)構(gòu)以及時間序列模型確不能夠很好地解釋金融數(shù)據(jù)的上述特征，也就不能夠把握數(shù)據(jù)的有關(guān)特征。為了刻畫金融數(shù)據(jù)的特征，現(xiàn)在被廣泛應(yīng)用的一種特殊非線性模型是稱之為ARCH的模型，即自回歸條件異方差模型。

研究股票市場的波動主要是以股票價格為主要的研究對象，研究股票市場在價格上的波動，它是用來衡量股票市場波動性的最重要指標(biāo)。本文通過對上證指數(shù)的收盤價為樣本，進(jìn)行ARCH模型擬合。

2.研究方法綜述

經(jīng)典股票市場理論在描述股票市場波動時，利用的模型都是以一定的假設(shè)條件為基礎(chǔ)，即在假定影響收益率的每一種因素相互獨(dú)立且方差總是保持不變的前提下進(jìn)行的，隨著實(shí)證研究的深入發(fā)展，研究表明方差并不是一直獨(dú)立而且是不斷變化的。因此這些模型在描述股票市場價格波動方面存在著一定的不足，為此，一些研究學(xué)者利用不同的模型對這個問題進(jìn)行了一系列處理。1982年Engle提出了ARCH模型用于刻畫金融時間系列夫人異方差性，1986年Bollerslev對ARCH模型進(jìn)行改進(jìn)，提出了GARCH模型。本文用以上兩種模型為基礎(chǔ)對上證指數(shù)收益率的波動性進(jìn)行分析。

3.數(shù)據(jù)選取及其研究

以上證指數(shù)為研究對象，選取2008年1月2日～2014年2月14日共7年每個交易日上證指數(shù)的收盤價為樣本，完成滬市收益率的波動性研究：

3.1 描述性統(tǒng)計

3.1.1導(dǎo)入數(shù)據(jù)，建立工作組。打開Eviews軟件，選擇“File”菜單中的“New Workfile”選項，在“Workfile structure type”框中選擇“Data-regular frequency”，在“Start”和“End”框中分別輸入1 和1482，單擊“OK”。選擇“File”菜單中的“Import--Read Text-Lotus-Excel”選項，找到要導(dǎo)入Excel文檔完成數(shù)據(jù)導(dǎo)入。

3.1.2生成收益率的數(shù)據(jù)列。在Eviews窗口主菜單欄下的命令窗口中鍵入如下命令：genr rh=log（y/y（-1）） ，回車后即形成滬市收益率的數(shù)據(jù)序列rh。

3.1.3觀察收益率的描述性統(tǒng)計量。雙擊選取“rh”數(shù)據(jù)序列，在新出現(xiàn)的窗口中點(diǎn)擊“View” -“Descriptive Statistics”-“Histogram and Stats”，則可得滬市收益率rh的描述性統(tǒng)計量，如圖1所示：

3.2 平穩(wěn)性檢驗(yàn)

再次雙擊選取rh序列，點(diǎn)擊“View”-“Unit Root Test”，出現(xiàn)如圖2所示窗口：

對該序列進(jìn)行ADF單位根檢驗(yàn)，選擇滯后4階，帶截距項而無趨勢項，所以采用窗口的默認(rèn)選項，得到如圖3所示結(jié)果：

在1%的顯著水平下，滬市的收益率r t拒絕隨機(jī)游走的假設(shè)，說明是平穩(wěn)的時間序列數(shù)據(jù)。這個結(jié)果與國外學(xué)者對發(fā)達(dá)成熟市場波動性的研究一致：Pagan（1996）和Bollerslev（1994）指出：金融資產(chǎn)的價格一般是非平穩(wěn)的，經(jīng)常有一個單位根（隨機(jī)游走），而收益率序列通常是平穩(wěn)的。

3.3 均值方程的確定及殘差序列自相關(guān)檢驗(yàn)

通過對收益率的自相關(guān)檢驗(yàn)，我們發(fā)現(xiàn)滬市的收益率與其滯后15階存在顯著的自相關(guān)，因此對滬市收益率r t的均值方程都采用如下形式：

3.3.1對收益率做自回歸。在Eviews主菜單中選擇“ Quick ”-“ Estimate Equation ”，出現(xiàn)如圖4所示窗口：

在“Method”中選擇LS（即普通最小二乘法），然后在“Estimation setting上方空白處輸入圖4所示變量，單擊“OK”，則出現(xiàn)圖5所示結(jié)果：

3.3.2用Ljung-Box Q 統(tǒng)計量對均值方程擬和后的殘差及殘差平方做自相關(guān)檢驗(yàn)。點(diǎn)擊“View”- “Residual Test”-“Correlogram-Q-statistics”，選擇10階滯后，則可得滬市收益率rh殘差項的自相關(guān)系數(shù)acf值和pacf值，如圖6所示：

點(diǎn)擊“View”- “Residual Test”-“Correlogram Squared Residuals”，選擇10階滯后，則可得滬市收益率rh殘差平方的自相關(guān)系數(shù)acf值和pacf值，如圖7所示：

3.3.3對殘差平方做線性圖。對 rh進(jìn)行回歸后在命令欄輸入命令：genr res1=resid^2，得到rh殘差平方序列res1，用同。雙擊選取序列res1，在新出現(xiàn)的窗口中選擇“View”- “Graph”-“Line”，得到res1的線性圖如圖8所示：

可見的波動具有明顯的時間可變性（time varying）和集簇性（clustering），適合用GARCH類模型來建模。

3.3.4對殘差進(jìn)行ARCH-LM Test。依照步驟3.3.1，再對rh 做一次滯后15階的回歸，在出現(xiàn)的“Equation”窗口中點(diǎn)擊“View”- “Residual Test”-“ARCH LM Test”，選擇一階滯后，得到如圖9所示結(jié)果：

結(jié)果表明殘差中ARCH效應(yīng)是很顯著的。

4.結(jié)論

通過ARCH和GARCH模型對滬市收益率的波動性做了全面的分析。通過分析，基本可以得出了以下結(jié)論：

4.1通過建立ARCH模型和上述實(shí)證分析，收益率系列具有獨(dú)立性。

4.2在使用GARCH模型來模擬股票價格波動時，指數(shù)系列存在條件異方差性。通過對上證指數(shù)收益率作ARCH效應(yīng)檢驗(yàn)，可以看出收益率在一段時間波動幅度大，在另段時間波動幅度又比較小，說明收益率的波動呈現(xiàn)集聚性。

參考文獻(xiàn)：

[1]萬蔚，江孝感.我國滬深股市的波動性研究：基于GARCH族模型[J].價值工程，2007（10）.

[2]吳霖.基于GARCH模型的股票市場價格波動分析[J].價值工程，2010（26）.

[3]張曉峒.計量經(jīng)濟(jì)學(xué)軟件Eviews使用指南[M].天津：南開大學(xué)出版社，2004.

[4]高鐵梅.計量經(jīng)濟(jì)分析方法與建模[M].北京：清華大學(xué)出版社，2006.

作者簡介：

雷 鳴（1989—），男，江西南昌人，江西財經(jīng)大學(xué)軟件與通信工程學(xué)院教育技術(shù)學(xué)專業(yè)13級碩士研究生，研究方向：移動學(xué)習(xí)與手機(jī)軟件開發(fā)。