證券預測的GARCH模型實證研究

李增錄 賀曉夢 焦嫚

【摘要】本文系統(tǒng)的總結了近二十余年以來一元及多元GARCH模型及其衍生模型的演進發(fā)展脈絡、模型結構以及應用條件，并利用多元模型對深圳證券數(shù)據做實證研究.

【關鍵詞】證券預測；GARCH；金融計量方法

【中圖分類號】C32

1.2評價

ARCH模型及其擴展模型具有各自的特點.ARCH模型在于解釋收益率變化的規(guī)律性；GARCH模型是ARCH模型的擴展，因此GARCH具有ARCH（q）模型的特點.GARCH模型的條件方差不僅是滯后殘差平方的線性函數(shù)，而且是滯后條件方差的線性函數(shù)，使得模型具有更大的適用性.但對于這樣兩種情況，一是杠桿效應（即壞消息比好消息更會引起波動程度的增加）一是反饋效應（即消息進入市場后，引起的波動會反饋到股市價格上，從而使消息對股市的影響進一步擴大），標準ARCH模型和GARCH模型在刻畫波動沖擊對股市的影響方面有一定局限.EGARCH，TARCH以及其他一些模型在刻畫這種特征上都具有自己的特殊效果.

2.GARCH模型分析下的中國股市

通過對滬深市場第一時段、第二時段日收益率序列的自相關函數(shù)（ACF）和偏自相關函數(shù)（PACF）進行判斷，并利用LjungBox Q統(tǒng)計量診斷，我們發(fā)現(xiàn)兩個市場日收益率序列在第一時段6階自相關性比較明顯，在第二時段3階自相關性比較明顯[4].因此，我們首先估計各時期日收益率關于自身滯后項的自回歸模型：

rt=c+φrt-i+ut

根據檢驗ARCH效應的拉格朗日乘子LM統(tǒng)計量值和LjungBox Q一統(tǒng)計量值，在0.05的顯著性水平下，它們都大于臨界值，表明殘差序列具有明顯的ARCH效應.

為了直觀考察GARCH 模型的擬合效果，我們根據GARCH 模型的估計結果計算出滬深兩市各時段日收益率的條件方差序列，并繪出時序圖（圖1）.

圖1上海時段（96.12～01.07）日收益率及條件方差時序圖

對比各時期的方差序列與對應的日收益率時序圖可以看出，隨時間變化而變化，當在某一段時期內收益率劇烈波動時，這段時期內條件方差就增加；反之，在某段時期內收益率波動平緩，條件方差就減小.因此，所建立的GARCH 模型較好地捕捉到了收益率波動聚集現(xiàn)象.

中國股票市場逐漸發(fā)展，已從當初的簡單模式向復雜模式轉變，一元GARCH不再滿足中國股票市場風險預測，所以對于當今股票市場分析要用到多元GARCH模型.通過以上分析，得到如下結論：1.收益率序列呈非對稱，說明投資具有一定盈虧具有不確定性；2.收益率列分布為非正態(tài)分布，出現(xiàn)了常見的尖峰后尾狀態(tài)，其盈利或虧損的概率不定，故不易于準確預測；3.總體呈上升趨勢，但市場收益率的差異幅度比較大；4.波動性呈現(xiàn)出明顯的條件異方差特性.

本文由河北省大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目資助（201410081042）