摘 要：利用新興的廣義自回歸得分（Generalized Autoregressive Score，GAS）模型同時對浙江省三大互聯(lián)網(wǎng)金融概念股同花順、生意寶和恒生電子日收益率序列的均值和波動率建模，結(jié)合描述性統(tǒng)計分析，得到收益率序列均存在典型的尖峰厚尾非正態(tài)性，且收益率序列本身平穩(wěn)，波動率時變性顯著，收益率序列之間具有較強相關(guān)性和聯(lián)動特征。未來可以進一步進行收益和波動率的預(yù)測分析，為完善我國，尤其是浙江省互聯(lián)網(wǎng)金融市場的功能提供參考信息，以利于更好地控制市場風(fēng)險，穩(wěn)定市場。

關(guān)鍵詞：互聯(lián)網(wǎng)金融;收益率;均值;波動率;GAS

中圖分類號：F23 文獻標(biāo)識碼：Adoi：10.19311/j.cnki.1672-3198.2019.09.062

0 引言

在飛速發(fā)展的電子科技推動下，互聯(lián)網(wǎng)金融應(yīng)運而生，并且得到了迅猛發(fā)展?；ヂ?lián)網(wǎng)金融的快速發(fā)展打破了傳統(tǒng)金融的經(jīng)營模式，降低了交易成本，提高了資源配置率，加強了資金的流動性，提升了金融服務(wù)的效率，實現(xiàn)了為實體經(jīng)濟服務(wù)的目的。然而，從目前發(fā)展?fàn)顩r來看，互聯(lián)網(wǎng)金融經(jīng)營模式存在諸多風(fēng)險，隨著國家的監(jiān)管力度越來越強，互聯(lián)網(wǎng)金融的問題開始逐漸暴露，有必要進行風(fēng)險控制和預(yù)警，有眾多學(xué)者對此進行了研究，大多是從構(gòu)建和完善互聯(lián)網(wǎng)銀行監(jiān)管框架、監(jiān)管政策網(wǎng)絡(luò)、監(jiān)管體系等角度分析的。

波動率反映了股價在一段時間內(nèi)變化的不確定性，在風(fēng)險管理、資產(chǎn)配置等許多金融領(lǐng)域均有重要應(yīng)用，估計和預(yù)測資產(chǎn)收益率序列的波動率是金融計量的一個重要課題。波動率可以在一定程度上反映金融市場的風(fēng)險程度，平均收益可以反映金融產(chǎn)品的盈利能力。鑒于此，本文另辟蹊徑從平均收益率和波動率的動態(tài)變化中，探討互聯(lián)網(wǎng)金融市場的效率和風(fēng)險，為我國尤其是浙江省的互聯(lián)網(wǎng)金融市場監(jiān)管政策的調(diào)整等，提供一定的參考。

目前有大量文獻討論金融市場收益率及其波動性，例如：喬高秀等（2014）采用跳-擴散隨機波動率模型研究滬深300股指期貨上市對現(xiàn)貨市場波動的影響。鄒新穎（2017）以余額寶為考察對象，對互聯(lián)網(wǎng)金融的風(fēng)險收益進行統(tǒng)計分析。然而討論互聯(lián)網(wǎng)金融市場的收益及其波動性和相關(guān)性的文獻非常少。因此，本論文以互聯(lián)網(wǎng)金融概念股市場為例，研究互聯(lián)網(wǎng)金融市場金融資產(chǎn)收益率及其波動性和相關(guān)性特征，為完善互聯(lián)網(wǎng)金融市場功能提供有益啟示。

1 研究方法

GAS模型（Creal，Koopman和Lucas（2013））是一類觀測驅(qū)動（Observation-driven）的時間序列模型，通過密度函數(shù)的滯后得分（Lagged score）更新時變參數(shù)，其優(yōu)點是比單純依賴均值和高階矩的模型更能充分利用完整的密度結(jié)構(gòu)來實時驅(qū)動時變參數(shù)。目前有關(guān)GAS模型的文獻還較少。程明明（2016）利用GAS模型對我國上證指數(shù)波動率進行了實證研究，沈銀芳和嚴(yán)鑫（2018）基于GAS模型展開對滬深300股指期貨的推出對中國股市波動率的影響研究，進一步地沈銀芳和嚴(yán)鑫（2018）討論滬深300股指期貨對中國股市平均收益和波動的綜合影響，并且將 GARCH 和 GAS 模型得到的滬深300股指期貨的推出對中國股市波動率影響進行了比較分析，GAS 模型較 GARCH 模型對捕捉波動更敏感，能更好地擬合現(xiàn)貨市場的波動性。此外 GAS 模型較 GARCH 模型還有一個突出優(yōu)點，就是可以實現(xiàn)序列均值和波動率的同時刻畫，避免了傳統(tǒng)的時間序列方法 ARMA和GARCH 分開建模，帶來參數(shù)估計和模型效率等各方面弊端。因此本論文利用GAS模型，分析討論互聯(lián)網(wǎng)金融概念股市場收益率及其波動的動態(tài)變化。

假設(shè)資產(chǎn)收益率Rt的密度函數(shù)p（Rt|ft，F(xiàn)t;θ），其中ft代表隨時間可變的模型參數(shù)，通常為均值和波動率參數(shù)，F(xiàn)t代表t時刻的信息集，而θ代表不隨時間變化的靜態(tài)參數(shù)。ft的時變演化模式為由比例得分向量驅(qū)動的自回歸形式，具體如下：

ft+1=κ+∑pi=1Aist-i+1+∑qi=1Bjft-j+1（1）

st=St·SymbolQC@

t（2）

SymbolQC@

t=lnp（εt|ft，F(xiàn)t;θ）ft（3）

St=S（t，ft，F(xiàn)t;θ）（4）

其中S（·）是一個矩陣函數(shù)，S由Fisher信息矩陣構(gòu)造。式（1）-（4）給出了階數(shù)為p，q的廣義自回歸得分模型，簡記為GAS（p，q）。本文中取St為單位矩陣，且p=q=1。

在金融資產(chǎn)收益率的分布建模中，正態(tài)分布和t分布是最常見的兩種分布。正態(tài)分布無法刻畫金融資產(chǎn)收益率的厚尾特征，容易低估風(fēng)險，t分布能夠靈活地捕捉厚尾特征。故論文選取波動模型是基于t分布的GAS模型，簡記為GAS-t，通過極大似然法估計模型參數(shù)。

2 實證分析

2.1 樣本選取和描述性統(tǒng)計分析

本文選取同花順、生意寶和恒生電子三大互聯(lián)網(wǎng)金融概念股日收盤價序列，以rt=logPt-logPt-1，即t-1期到t期的連續(xù)復(fù)合收益率為主要研究分析對象，樣本區(qū)間是2009年12月25日至2018年9月10日。剔除了樣本期內(nèi)交易時間不一致的相關(guān)數(shù)據(jù)后，共得到三個市場交易時間相匹配的2035個數(shù)據(jù)，數(shù)據(jù)來源于Wind資訊金融終端。所有分析結(jié)果由R統(tǒng)計軟件得到。

如表1，從收益率的描述性統(tǒng)計量可以看出，所有序列均不服從正態(tài)分布，且負偏，峰度遠超過3，收益率序列具有波動集聚和尖峰厚尾特征。

2.2 實證分析

2.2.1 平穩(wěn)性檢驗

首先使用ADF單位根檢驗對價格序列及其收益率序列進行平穩(wěn)性檢驗，得到收益率序列的P-值均小于0.01，由此收益率序列在1%的顯著性水平下拒絕了存在單位根的原假設(shè)，這說明收益率序列均為平穩(wěn)序列。同時價格序列在1%的顯著性水平下無法拒絕存在單位根的原假設(shè)，因此價格序列是不平穩(wěn)序列。

2.2.2 波動率時變性檢驗

以恒生電子為例，通過收益率及其平方序列的時序圖、自相關(guān)和偏自相關(guān)圖進行分析。

2.2.3 GAS模型估計

利用GAS（1，1）-t 模型對同花順、生意寶和恒生電子收益率均值和波動率同時作聯(lián)合多元估計和分析。

3 結(jié)論

本文以浙江省三大互聯(lián)網(wǎng)金融概念股同花順、生意寶和恒生電子為例，利用其日收盤價數(shù)據(jù)，首先基于描述性統(tǒng)計分析得到收益率序列均存在典型的尖峰厚尾非正態(tài)性，收益率序列之間存在中高強度的相關(guān)性和聯(lián)動特征。同時由自相關(guān)圖和時序圖可得，收益率序列本身平穩(wěn)，而收益率平方序列具有較強的長期自相關(guān)性。其次利用新興的廣義自回歸得分 GAS 模型對收益率序列的均值和波動率建模，由參數(shù)估計結(jié)果和動態(tài)均值圖、波動率圖，得到收益率序列均值相對平穩(wěn)，波動率序列的動態(tài)時變性顯著，由此進一步證實了描述性統(tǒng)計分析得到的相關(guān)結(jié)論。因而在促進互聯(lián)網(wǎng)金融發(fā)展的同時，要加強對互聯(lián)網(wǎng)金融的監(jiān)管，以維護金融市場的穩(wěn)定。

未來可以進一步進行收益率和波動率序列的預(yù)測分析，為完善我國，尤其是浙江省互聯(lián)網(wǎng)金融市場的功能提供相關(guān)參考信息，以利于更好地控制市場風(fēng)險，穩(wěn)定市場。

參考文獻

[1]喬高秀，劉強，張茂軍.滬深300股指期貨上市對現(xiàn)貨市場連續(xù)波動和跳躍波動的影響[J].中國管理科學(xué)，2014，22（10）：9-18.

[2]鄒新穎.互聯(lián)網(wǎng)金融風(fēng)險收益的模型構(gòu)建與實證[J].統(tǒng)計與決策，2017，（14）：161-163.

[3]唐勇，朱鵬飛，林玉婷.中國金融市場間波動溢出效應(yīng)研究[J].浙江金融，2018，（1）：9-16.

[4]程明明.我國上證綜指波動率實證研究—基于GAS模型[J].現(xiàn)代商貿(mào)工業(yè)，2016，（14）：87-88.

[5]沈銀芳，嚴(yán)鑫.滬深300股指期貨的推出對中國股市波動率的影響研究—基于GAS模型[J].現(xiàn)代商貿(mào)工業(yè)，2018，（35）：118-119.

[6]沈銀芳，嚴(yán)鑫.滬深300股指期貨對現(xiàn)貨市場的影響研究[J].經(jīng)貿(mào)實踐，2018，（11）：12-13.

[7]Creal，D.，Koopman，S.J.and Lucas，A.Generalized autoregressive score models with applications[J].Journal of Applied Econometrics，2013，（28）：777-795.