基于GARCH模型對我國創(chuàng)業(yè)板波動(dòng)性的實(shí)證研究

【摘要】本文選取了2014年1月6日至2017年2月14日的創(chuàng)業(yè)板指數(shù)作為樣本，分別運(yùn)用ARCH模型、GARCH模型對創(chuàng)業(yè)板指數(shù)收益率的波動(dòng)性以及波動(dòng)的非對稱性進(jìn)行了初步研究。實(shí)證分析顯示：創(chuàng)業(yè)板指數(shù)存在杠桿效應(yīng)，其波動(dòng)表現(xiàn)出集群現(xiàn)象和持久性，而且序列波動(dòng)具有顯著的非對稱性。最后，本文根據(jù)我國創(chuàng)業(yè)板指數(shù)的波動(dòng)特征，提出了相應(yīng)的應(yīng)對措施和建議。

【關(guān)鍵詞】ARCH效應(yīng) GARCH模型 創(chuàng)業(yè)板指數(shù) 波動(dòng)性

一、引言

2009年10月23日我國創(chuàng)業(yè)板正式開市，同年10月30日在深圳證券交易所正式交易。作為一個(gè)新興的證券交易市場，創(chuàng)業(yè)板的價(jià)格波動(dòng)與主板市場相比有較大不同。我們通過研究分析創(chuàng)業(yè)板指數(shù)的波動(dòng)性，來尋找這一市場的波動(dòng)規(guī)律及其相應(yīng)的特征，進(jìn)而采用科學(xué)合理的措施，降低這些波動(dòng)對于我們的不利影響，但是對于金融時(shí)間序列，尤其是高頻數(shù)據(jù)而言，時(shí)常會(huì)表現(xiàn)出明顯的集群現(xiàn)象。本文運(yùn)用ARCH模型及GARCH模型對2014年1月6日至2017年2月14日創(chuàng)業(yè)板指數(shù)的波動(dòng)性進(jìn)行了分析，并對我國創(chuàng)業(yè)板指數(shù)的波動(dòng)特征進(jìn)行了研究，希望能夠?yàn)槲覈行⊥顿Y者理性投資、風(fēng)險(xiǎn)規(guī)避提供科學(xué)的決策依據(jù)。

二、文獻(xiàn)綜述

對于投資者來說，證券市場高收益代表著高風(fēng)險(xiǎn)，創(chuàng)業(yè)板的風(fēng)險(xiǎn)不斷累積，使得其波動(dòng)性也難以平復(fù)。因此，正確認(rèn)識價(jià)格波動(dòng)的特征，并根據(jù)實(shí)際數(shù)據(jù)選擇合適的模型來對創(chuàng)業(yè)板指數(shù)價(jià)格進(jìn)行擬合及預(yù)測，為投資者以及管理者提供科學(xué)可靠的決策依據(jù)，是當(dāng)前的一個(gè)研究熱點(diǎn)。

Engle（1982）提出了自回歸條件異方差模型，即ARCH模型。該模型主要分析條件方差隨著時(shí)間變化而變化的條件異方差序列，由于ARCH模型能夠很好地?cái)M合具有尖峰厚尾特性的金融數(shù)據(jù)，因而常常做為解決股票市場價(jià)格存在的自回歸條件異方差問題的工具。然而，ARCH模型是一個(gè)短期的記憶過程，并且在條件方差模型的應(yīng)用中對滯后階數(shù)的要求較大。

Bollerslev（1986）提出了一種廣義自回歸條件異方差模型，即GARCH模型，它是在基于ARCH模型上添加了帶有滯后期的條件方差誤差項(xiàng)，能夠有效解決樣本較少條件下模型階數(shù)過大導(dǎo)致的計(jì)算效率以及精度低問題，處理厚尾能力強(qiáng)，能夠更加有效地描述條件異方差的動(dòng)態(tài)特征，本文將在前人研究的基礎(chǔ)上將ARCH 模型與GARCH模型的建模和參數(shù)估計(jì)方法聯(lián)系起來進(jìn)行比較研究，以期得到一個(gè)較好的創(chuàng)業(yè)板指數(shù)預(yù)測模型。

四、實(shí)證分析

（一）數(shù)據(jù)選取及處理

本文以創(chuàng)業(yè)板指數(shù)日收盤價(jià)為研究對象，計(jì)算創(chuàng)業(yè)板指數(shù)日收益率。選取2014年1月6日至2017年2月14日的創(chuàng)業(yè)板指數(shù)收盤價(jià)作為樣本，共756個(gè)觀測值來探究創(chuàng)業(yè)板指數(shù)的波動(dòng)性。我們對創(chuàng)業(yè)板指數(shù)的日收益率Rt用相鄰兩天收盤指數(shù)的對數(shù)一階差分來表示，即Rt=logPt-logPt-1，t=（1，2，3，…，756）其中，Rt表示t日的創(chuàng)業(yè)板指數(shù)收益率，Pt表示t日的創(chuàng)業(yè)板指數(shù)收盤價(jià)，Pt-1表示t-1日的創(chuàng)業(yè)板指數(shù)收盤價(jià)。本文所有數(shù)據(jù)均Eviews7.2進(jìn)行分析

（二）統(tǒng)計(jì)特征

創(chuàng)業(yè)板指數(shù)日收益率Rt形成新樣本時(shí)間序列。對創(chuàng)業(yè)板指數(shù)日收益率序列Rt進(jìn)行基本統(tǒng)計(jì)分析，可知日收益率序列的均值為0.000485，最大值為0.069144，最小值為-0.093319，標(biāo)準(zhǔn)差為0.023869，偏度（Skewness）為-0.638334，表明分布明顯左偏，呈左偏態(tài)分布，說明收益率分布具較長的右尾。峰度（Kurtosis）為4.918742>3，超常峰度為1.918742，說明了創(chuàng)業(yè)板指數(shù)收益率序列具有顯著的尖峰厚尾的特征。從標(biāo)準(zhǔn)差可以看出其波動(dòng)性比較大。Jarque-Bera統(tǒng)計(jì)量來檢驗(yàn)序列是否服從正態(tài)分布，Jarque-Bera正態(tài)檢驗(yàn)結(jié)果為167.3107，檢驗(yàn)的相伴概率（簡稱p值）接近等于0，表明至少可在百分之九十九的置信水平下拒絕零假設(shè)，故日收益率序列不服從正態(tài)分布。因此，對數(shù)收益率服從正態(tài)分布的假設(shè)被拒絕。根據(jù)每日收益率序列{Rt}的時(shí)序圖創(chuàng)業(yè)板指數(shù)收益率在以0為中心，波動(dòng)幅度在±0.12之間。對數(shù)收益率波動(dòng)表現(xiàn)出集群性、突發(fā)性和時(shí)變性現(xiàn)象； 具體表現(xiàn)為2015年5～11月，2016年1～4月收益率波動(dòng)比較大，2014年下半年及2016年7～10月波動(dòng)比較小，成群的波動(dòng)現(xiàn)象表明了誤差項(xiàng)可能存在條件異方差性。

（三）ADF單位根檢驗(yàn)

對創(chuàng)業(yè)板指數(shù)收益率序列{Rt}進(jìn)行ADF（Augmented Dickey -Fuller）檢驗(yàn)，檢驗(yàn)結(jié)果表明序列圍繞0均值上下波動(dòng)，故檢驗(yàn)選擇無常數(shù)項(xiàng)和趨勢項(xiàng)類型，ADF檢驗(yàn)t統(tǒng)計(jì)量為-25.14456，對應(yīng)P值接近于0，在百分之一顯著水平下的MacKinnon值為-3.438785，表明至少在百分之九十九的置信水平下拒絕序列存在單位根的零假設(shè)，所以可認(rèn)為日收益率序列不存在單位根，說明該創(chuàng)業(yè)板指數(shù)收益率序列是平穩(wěn)的。

（四）ARCH效應(yīng)檢驗(yàn)

由以上基本統(tǒng)計(jì)分析和ADF檢驗(yàn)結(jié)果可見，創(chuàng)業(yè)板指數(shù)收益率序列{Rt}具有時(shí)變方差性，且不符合正態(tài)分布，因此得對該序列進(jìn)行ARCH效應(yīng)檢驗(yàn)。對創(chuàng)業(yè)板指數(shù)收益率數(shù)據(jù)進(jìn)行去均值化并取平方處理，得到殘差的平方，根據(jù)創(chuàng)業(yè)板指數(shù)收益率殘差平方自相關(guān)和偏相關(guān)圖可以看出，創(chuàng)業(yè)板指數(shù)收益率序列殘差的自相關(guān)系數(shù)（AC）和偏相關(guān)系數(shù)（PAC）均不等于0，且?guī)缀跛械腝統(tǒng)計(jì)量都非常顯著，因此可認(rèn)為創(chuàng)業(yè)板收益率序列存在ARCH效應(yīng)。

（五）GARCH模型估計(jì)

用GARCH（1，1） 模型對創(chuàng)業(yè)板指數(shù)收益率序列進(jìn)行重新估計(jì)，根據(jù)GARCH（1，1）模型的估計(jì)結(jié)果可以發(fā)現(xiàn)，ARCH和GARCH項(xiàng)都通過了1%的顯著性水平檢驗(yàn)，且ARCH和GARCH系數(shù)之和大于1，但該值離1并不遠(yuǎn)，這說明波動(dòng)具有持續(xù)性。因此，創(chuàng)業(yè)板指數(shù)收益率序列{Rt}存在著明顯的ARCH效應(yīng)。繼續(xù)對該方程進(jìn)行條件異方差的ARCH-LM檢驗(yàn)，在滯后階數(shù)p=1時(shí)，F(xiàn)統(tǒng)計(jì)量值為0.192334因?yàn)槠銹值為0.6611大于0.05，所以F統(tǒng)計(jì)量均不顯著，說明利用GARCH模型消除了原殘差序列的異方差效應(yīng)。此外模型中的AIC值為-11.53252，SC值為-11.50188，都比較小，可以說GARCH（1，1）模型較好的擬合了數(shù)據(jù)。因此，得到GARCH（1，1）模型的具體表達(dá)式如下：

Zt=0.000226+0.224550Zt（-1）+εt，μt～N（0，σt）（5）

σ2t=0.00000000318+0.050030μ2t-1+0.950327σ2t-1 （6）

創(chuàng)業(yè)板指數(shù)收益率的波動(dòng)具有持久性，而不是像殘差序列一樣頻繁的跳躍式波動(dòng)。2014年3～8月，2016年1～11月之間創(chuàng)業(yè)板指數(shù)收益率的波動(dòng)維持較低位水平，表明此段時(shí)間我國創(chuàng)業(yè)板指數(shù)風(fēng)險(xiǎn)水平很低；而從2015年4月開始創(chuàng)業(yè)板指數(shù)收益率的波動(dòng)率開始迅速上升，其中2015年9月的波動(dòng)率達(dá)到了高峰，表明此段時(shí)間中國創(chuàng)業(yè)板市場的投資風(fēng)險(xiǎn)很大。

五、結(jié)論與建議

通過對我國創(chuàng)業(yè)板指數(shù)波動(dòng)性的實(shí)證研究，可以看出我國創(chuàng)業(yè)板指數(shù)存在著明顯的ARCH效應(yīng)，并且GARCH（1，1）模型能很好地?cái)M合創(chuàng)業(yè)板指數(shù)收益率序列{Rt}的波動(dòng)情況。根據(jù)對創(chuàng)業(yè)板指數(shù)的實(shí)證研究，可以得到以下三點(diǎn)結(jié)論：

1.創(chuàng)業(yè)板指數(shù)收益率序列{Rt}不服從正態(tài)分布，該序列α1均大于0，說明創(chuàng)業(yè)板指數(shù)波動(dòng)具有明顯的集群現(xiàn)象，實(shí)證結(jié)果也證實(shí)了我國創(chuàng)業(yè)板指數(shù)具有尖峰肥尾、頻率高、ARCH效應(yīng)顯著、以及波動(dòng)幅度大等特征。

2.我國創(chuàng)業(yè)板指數(shù)波動(dòng)具有持久性，創(chuàng)業(yè)板指數(shù)收益率序列{Rt}的異方差性也比較明顯。我們從GARCH（1，1）的估計(jì)結(jié)果可以看出，創(chuàng)業(yè)板指數(shù)收益率波動(dòng)的條件方差序列具有“長期記憶”的特點(diǎn)，說明波動(dòng)具有持久性。因此通過實(shí)證分析，可以發(fā)現(xiàn)創(chuàng)業(yè)板指數(shù)收益率的波動(dòng)與它之前的波動(dòng)幅度之間存在著顯著地關(guān)系，而且波動(dòng)的持久性較短。

3.創(chuàng)業(yè)板指數(shù)具有杠桿效應(yīng)，通過實(shí)證分析我們可以得出GARCH（1，1）模型能夠較好地?cái)M合創(chuàng)業(yè)板指數(shù)收益率的波動(dòng)性，并且也可以很好的對日收益率序列{Rt}進(jìn)行數(shù)據(jù)擬合，并具有一定的預(yù)測作用，這也為規(guī)避創(chuàng)業(yè)板市場的投資風(fēng)險(xiǎn)提供了重要的參考作用。創(chuàng)業(yè)板股市{Rt}序列的GARCH模型中值均為正值，但是t統(tǒng)計(jì)值不顯著，表明創(chuàng)業(yè)板收益和波動(dòng)變化之間的關(guān)系不明顯，造成這種現(xiàn)象的主要原因是我國政府頻繁干預(yù)證券市場。我國的創(chuàng)業(yè)板自成立以來，雖然發(fā)展迅速，但中國證券市場還不夠完善，容易受到非市場因素的影響，使得投資者很難把握市場走勢，從而增加了不確定的投資收益率。因此，為了我國證券市場能夠更快的發(fā)展，投資者能夠科學(xué)理性的進(jìn)行投資，本文提出以下三點(diǎn)建議：

第一，我國相關(guān)政府機(jī)構(gòu)應(yīng)該嚴(yán)格控制上市條件審查，建立更好的信息披露制度，完善退市制度。第二，認(rèn)識創(chuàng)業(yè)板市場的波動(dòng)特征，并據(jù)以建立可靠的市場走勢預(yù)測模型，為管理部門對股市實(shí)施監(jiān)管提供決策依據(jù)，為廣大投資者規(guī)避風(fēng)險(xiǎn)提供決策工具。第三，投資者也應(yīng)努力提高對投資的決策能力，提高自身素質(zhì)和知識，繼而提高整個(gè)創(chuàng)業(yè)板市場的有效性。

參考文獻(xiàn)

[1]祁建.冷靜看待創(chuàng)業(yè)板[J].《中國信用卡》，2009.

[2]房小定.基于GARCH族模型族的創(chuàng)業(yè)板指數(shù)波動(dòng)性研究[J].《金融經(jīng)濟(jì)：下半月》，2014.

[3]牛方磊，盧小廣.基于ARCH類模型的基金市場波動(dòng)性研究[J].《統(tǒng)計(jì)與決策》，2005.

[4]張俊杰.中國證券投資基金市場收益與波動(dòng)的實(shí)證研究——基于GARCH和GARCH-M模型[J].《市場論壇》，2006.

[5]林德欽.創(chuàng)業(yè)板指數(shù)波動(dòng)率預(yù)測效果比較研究——基于GARCH族模型[J].《金融教學(xué)與研究》，2014.

[6]牛效麗，宋向東，楊洋，曾慧.自回歸條件異方差模型的模擬[J].《甘肅聯(lián)合大學(xué)學(xué)報(bào)：自然科學(xué)版》，2007.

[7]楊翻翻.滬市股指收益率預(yù)測——基于ARCH模型[J].《金融經(jīng)濟(jì)》，2016.

作者簡介：費(fèi)婧文（1996-），女，漢族，唐山師范學(xué)院，研究方向：金融統(tǒng)計(jì)。