波动杠杆效应与股市周期.docVIP

波动杠杆效应与股市周期 　　摘要:对股市波动率的研究是研究股票市场的重要方面,而且在不同的股市周期中股票市场的波动特征也不尽相同。对波动率的研究能够明确股市特征,把握股市动态发展趋势。利用波动特征的经典模型对沪深300指数进行波动率分析,进而探讨好消息和坏消息的波动杠杆效应的差异,并且从多头期和空头期分别进行分析,比较杠杆效应在不同阶段的不同特征。 　　关键词:波动率;GARCH;GJR-GARCH;t分布;杠杆效应;股市周波 　　中图分类号:F830.91文献标志码:A文章编号:1673-291X(2010)21-0057-02 　　 　　波动率作为研究证券市场的重要方面,不论在理论研究还是实证分析都有大量的文献。特别是自从Engle提出ARCH模型后,关于波动率模型而衍生出的文章层出不穷。并且ARCH模型推广为GARCH模型后,产生了一个研究条件波动率的新的研究方向。 　　在波动率特性的研究方面,集聚性、尖峰态、长记忆性及不对称性已经成为了资本市场中研究波动率所普遍接受的四大特性。一般的GARCH模型就能很好地体现集聚性和尖峰态。对于不对称性的研究也由来已久,涉及不对称性的模型也非常多。本文以下内容就是对不对称特性进行实证分析和比较。 　　此外,由于中国股票市场起步较晚,对于引起波动的信息的反应就有很多自身的特点。同时,我国股票市场不可避免地具有某些新兴市场的特点,如小道消息频繁出现、波动比较剧烈,波动的周期性差异比较大等。这就使得其波动的特征可能会与国外市场的实证结论有所不同,所以本文在分析了股票波动的不对称性之后,将结论在多头期和空头期进行分别进行建模分析。 　　一、文献综述 　　Engle(1982)提出了著名的ARCH模型,用以描述波动率的前后相关关系,它也能体现波动率的集聚现象。其后, Bollerslev(1986)提出了更灵活的GARCH模型,能够用更少的参数反映方差的持续性。Nelson[1](1991)提出的EGARCH模型和Glosten、Jagannathan和Runkle[2](1993)提出的GJR- GARCH模型能反映好消息和坏消息对波动影响。后者在描述波动的非对称行为和预测能力上都优于前者。用于描述波动不对称性的模型还有QGARCH、TARCH、APARCH、FIEGARCH、 FIAPGARCH等 。 　　实证研究中发现,模型中对残差服从正态分布的假设不如t???布有效。严定琪和李育锋[3](2008)在研究沪深股市波动率的时候指出t分布在拟合效果上比正态分布更好。本文用t分布对残差进行拟合分析。 　　对于中国股市的杠杆效应也存在大量的实证研究,陈浪南和黄杰鲲[4](2002)的研究结果表明,在不同的时间区间波动的不对称性质不一样。李胜利[5](2002)的研究表明,上海股市只有在空头期才存在波动的杠杆效应和非对称反转效应,其他期间存在反向杠杆效应。陆熔和徐龙炳[6](2004)的研究显示在上涨阶段存在反向杠杆效应,下跌阶段则相反。 　　二、数据及模型 　　我们选择沪深300指数从2005年4月14日至2010年3月1日的数据,以收盘价计算对数收益率。为了体现结论的显著特征,我们在计算出的对数收益率上乘以100,公式为:r=(log(p)-log(p))*100。 　　对于日收益率序列,本文通过三个模型GARCH(p, q),EGARCH(p, q)和GJR(p, q)进行比较,并选择合适的模型,同时分析造成波动差异的主要原因。三个模型为: 　　1.AR(m)-GARCH(p, q) 　　y=X′+v 　　v=-v-v-…-v 　　=e 　　h=++h 　　2.EGARCH(p, q) 　　ln(h)=+g(z)+hln(h) 　　g(z)=z+[|z|-E|z|], 　　z=/ 　　3.GJR-GARCH(p, q) 　　h=++h+D 　　 　　0.2569D 　　而在空头期的情况则完全不同。首先股市的波动的异方差性并不明显,同时,不论好消息还是坏消息都不存在明显的杠杆效应,这一点与以往的研究结论并不相同。 　　四、结论 　　通过对三种模型的比较,GJR-GARCH(p, q)模型最能拟和沪深300的波动特征。同时,本文研究沪深300指数收益的波动中发现,在多头期沪深300指数的波动具有明显的杠杆效应,这种杠杆效应来自于好消息的影响。坏消息没有明显的杠杆效应。而在空头期,沪深300指数波动没有出现明显的杠杆效应。 　　在多头期,由于股市的持续上涨增加了人们的投资信心,好的消息更加刺激了人们的投资热情,导致的波动也会加大,而此时的坏消息并不能改变太多人们的牛市的观念,所以对波动的影响不会太明显。在空