供給側(cè)改革對股票市場波動性影響的實證分析

彭子玲 魏倩雨

摘 要：研究供給側(cè)改革的提出對股票市場波動性的影響，選取供給側(cè)改革推出一年前后，即2014年11月10日至2016年11月10日的滬深300日收盤價，建立GARCH模型衡量股票市場的波動率，將供給側(cè)改革的提出作為虛擬變量D引入GARCH模型中。結(jié)果顯示，供給側(cè)改革提出從短期看削弱了股票市場的波動性，但這種削弱作用并不顯著，且其對股票市場的波動性的影響是持續(xù)的。

關(guān)鍵詞：供給側(cè)改革;股票市場;波動性;GARCH模型

中圖分類號：F830.91 ? ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2021）15-0054-03

引言

供給側(cè)改革是國家為解決供需問題推行的一項舉措，對國家來說，推進供給側(cè)改革，轉(zhuǎn)變政府職能，釋放政府權(quán)力，能夠最大限度地發(fā)揮市場在資源配置中的基礎(chǔ)性作用。對企業(yè)來說，它是解決企業(yè)面臨的諸多問題的有效途徑。供給側(cè)改革使得企業(yè)進行轉(zhuǎn)型升級，優(yōu)化了行業(yè)內(nèi)部的資源配置，有效地淘汰了那些效率低、績效差的企業(yè)，并扶持效率高、績效好的企業(yè)，為他們提供盈利的基礎(chǔ)，提高股票的長期收益率。

本文希望通過GARCH模型的建立，分析供給側(cè)改革的提出對股票市場的波動性有何影響，并在此基礎(chǔ)上，對股市制度的設(shè)計、企業(yè)的創(chuàng)新及投資者的教育提出針對性建議，希望能夠讓投資者更為理性地進行投資。

一、供給側(cè)改革與股市波動性影響

股票市場的波動性受很多因素的影響，大致可以歸結(jié)為宏觀經(jīng)濟因素、市場因素和投資者行為因素幾個方面。宏觀經(jīng)濟層面包括宏觀經(jīng)濟政策、國際資本流動、經(jīng)濟周期、國際金融市場;市場因素方面包括供求關(guān)系、整體價格水平趨勢、心理預(yù)期;投資者行為因素包括機構(gòu)投資者的投資行為、中小投資者的投資行為等等，都會引起股票市場的波動。具體分析供給側(cè)改革對股票波動性的影響，可分為以下兩方面。

第一，宏觀經(jīng)濟政策。供給側(cè)改革作為宏觀經(jīng)濟政策，對股票市場造成的直接影響是有限的，它更多的是影響人們的投資策略及預(yù)期，從而影響股票價格。

第二，企業(yè)轉(zhuǎn)型升級。供給側(cè)改革使得企業(yè)進行了轉(zhuǎn)型升級，利用并購重組、淘汰落后企業(yè)等手段實現(xiàn)了企業(yè)的質(zhì)量和效率的提升，為企業(yè)提供了盈利的基礎(chǔ)，使股價上漲。

綜上所述，供給側(cè)改革對股票市場的影響不是單方面的，而是幾個方面共同影響的復(fù)雜過程。所以，對股市波動性的影響分析也應(yīng)從各個方面綜合考慮。

二、股票市場波動性度量

波動性，在金融數(shù)學(xué)領(lǐng)域，指金融資產(chǎn)在一定時間段的變化性，與風(fēng)險有著密切的聯(lián)系，通常以一年內(nèi)漲落的標準差來測量。衡量市場的波動性早期常用波動率、價格或收益率的方差和標準差，但其衡量的波動性是靜態(tài)的市場波動。由前文的分析可知，股票市場的波動性受多個因素的影響，是動態(tài)變化的。因此，波動率和收益率的方差和標準差就不能夠準確衡量出股票市場的波動性了，這時候就要依靠ARCH族模型。

自回歸條件異方差（Auto-regressive conditional heteroskedastic，ARCH）模型由Robert F.Engle（1982）提出，殘差尖峰分布，使得其可用于波動性的研究。Tim Bollerslev（1986）和Stephen J.Taylor（1986）將ARCH模型進行擴展，得出了更一般化的ARCH模型，即廣義自回歸條件異方差（GARCH）模型，比ARCH模型更為靈活。

（一）ARCH模型

ARCH模型是描述現(xiàn)期方差與前期的“波動”具有一定相關(guān)性的模型，是用一個確定的函數(shù)來刻畫異方差的演變過程。

但是，ARCH模型也存在許多缺陷和不足。第一，ARCH模型只能反映短期自相關(guān)過程，無法將實際中數(shù)據(jù)的長期情況考慮在內(nèi)。第二，要求ARCH模型中的參數(shù)均大于0。在用實際數(shù)據(jù)進行模型估計時，常常會因為參數(shù)較多而難以達到均大于0的要求，使得模型估計出現(xiàn)偏差。第三，在實際問題中，特別是在金融領(lǐng)域，使用的通常是日數(shù)據(jù)，這時條件方差會依賴于較長時期的殘差平方序列值。此時會要求模型中殘差平方的滯后期q很大。當(dāng)q較大時，模型中需要估計的參數(shù)就會很多，參數(shù)估計會變得更加困難。因此，ARCH模型的估計結(jié)果會出現(xiàn)偏差。

（二）GARCH模型

基于ARCH模型仍不是非常的完善，學(xué)者對其進行了研究，提出了GARCH模型。GARCH（p，q）模型可表示為：

當(dāng)p=0時，GARCH（p，q）模型就相當(dāng)于ARCH（q）模型。由此可見，ARCH模型是GARCH模型的一個特例。

GARCH模型很好地解決了高階ARCH模型需要估計的參數(shù)量較多的問題，提高了擬合精度，使模型的估計變得更加容易，同時也更好地解釋了金融市場中波動性聚集的特點。

三、供給側(cè)改革對股市波動性影響的實證分析

（一）樣本與數(shù)據(jù)的選取

本文選取2014年11月10日至2016年11月10日的滬深300日收盤價數(shù)據(jù)作為樣本，以供給側(cè)改革推出的時間2015年11月10日作為分界點，將樣本分為兩個部分，樣本A為供給側(cè)改革推出之前，即2014年11月10日至2015年11月9日，樣本B為供給側(cè)改革推出之后，即2015年11月10日至2016年11月10日，共計490個數(shù)據(jù)。本文數(shù)據(jù)來源于同花順iFinD。

為保證序列數(shù)據(jù)的平穩(wěn)性，采用對數(shù)一階差分計算日收益率：

Rt=lnPt-lnPt-1

其中，Rt為日收益率，Pt為第t天滬深300的日收盤價。

（二）變量設(shè)計

為了研究在供給側(cè)改革提出前后股票市場滬深300指數(shù)收益率的波動情況，將供給側(cè)改革這一政策的提出作為虛擬變量D引入GARCH模型中。D=0代表供給側(cè)改革推出之前，D=1代表供給側(cè)改革推出之后。假設(shè)虛擬變量的D的系數(shù)為？酌，那么我們可以通過觀察？酌的正負以及其絕對值大小來判斷供給側(cè)改革對股票市場波動性的影響大小。？酌>0，表示供給側(cè)改革的提出加劇了股票市場波動性;？酌<0，表示供給側(cè)改革的提出削弱了股票市場波動性;？酌的絕對值越大，表示供給側(cè)改革的提出對股票市場波動性的影響越大;反之，γ的絕對值越小，表示供給側(cè)改革的提出對股票市場波動性的影響越小。

（三）描述性統(tǒng)計

數(shù)據(jù)經(jīng)對數(shù)化處理后，異方差更小，數(shù)據(jù)更平滑，但總體趨勢不變，分析滬深300日收盤價數(shù)據(jù)和經(jīng)對數(shù)處理的日收益率數(shù)據(jù)?？傮w而言，在供給側(cè)改革提出之前，滬深300日收盤價波動相對較大，供給側(cè)改革提出之后，滬深300日收盤價波動相對較小，并逐漸趨于平緩。在供給側(cè)改革提出之前，滬深300收益率波動相對較大，供給側(cè)改革提出之后，滬深300收益率波動相對較小，并逐漸趨于平緩。因此，該收益率序列數(shù)據(jù)存在明顯的“波動集群效應(yīng)”，傳統(tǒng)的時間序列模型如ARMA模型識別不出這一波動特征，所以我們選用GARCH模型，并對收益率序列的條件異方差做進一步的分析研究。

對全樣本、子樣本A、B做描述性統(tǒng)計，結(jié)果顯示，子樣本A的標準差0.026大于全樣本的標準差0.021，更大于子樣本B的標準差0.015，說明供給側(cè)改革提出后，股票市場波動率變小了，但用標準差衡量波動性并不可靠，更為嚴格的分析會在下文用GARCH模型進行。

（四）平穩(wěn)性檢驗

在建立模型之前，要保證時間序列數(shù)據(jù)的平穩(wěn)性，避免產(chǎn)生偽回歸現(xiàn)象。本文采用單位根檢驗的方法檢驗樣本數(shù)據(jù)的平穩(wěn)性，結(jié)果顯示，全樣本A與子樣本B的ADF統(tǒng)計量均小于顯著性為1%的臨界值，P值均為0.000，小于0.05，因此拒絕時間序列存在單位根的原假設(shè)，即認為收益率序列是平穩(wěn)的。

（五）ARCH效應(yīng)

只有存在ARCH效應(yīng)，建立GARCH模型才是有意義的，但ARCH效應(yīng)是在建立收益率均值模型后通過殘差序列進行檢驗。因此，應(yīng)首先建立均值方程。

1.收益率均值方程模型。對收益率序列建立ARMA模型，運用AIC、SC準則來確定ARMA模型的滯后階數(shù)，一般情況下AIC、SC越小，擬合效果越好。在本例中，匯總滯后1階、2階、3階的AIC、SC值，發(fā)現(xiàn)ARMA（2，2）的AIC與SC是最小的。所以，選擇ARMA（2，2）為收益率均值模型?；貧w結(jié)果表明，F(xiàn)統(tǒng)計量為6.902，P值小于0.05，認為方程擬合很好。方程如下：

rt=0.000564+0.040096rt-1-0.949265rt-2+？著t+？著t-1+？著t-2

2.ARCH-LM檢驗。對ARMA（2，2）模型的殘差進行Box-LjungQ檢驗，檢驗殘差是否具有自相關(guān)性。結(jié)果顯示，自相關(guān)值與偏相關(guān)值都落在兩倍標準差之內(nèi)，且單位根檢驗同樣表明殘差是不具有自相關(guān)性的，可作為收益率的均值方程。

采用滯后10階的ARCH-LM檢驗，考察殘差序列是否存在高階ARCH效應(yīng)，若存在，則表明可用GARCH模型來代替高階ARCH模型。

檢驗結(jié)果顯示，F(xiàn)統(tǒng)計量為6.616，P值為0.000，小于0.05，因此認為滯后階數(shù)足夠大，但是仍存在ARCH效應(yīng)，即存在波動聚集現(xiàn)象。因此，可以采用GARCH模型來擬合收益率模型。

（六）GARCH模型構(gòu)建與分析

通常采用GARCH（1，1）模型來分析時間序列的波動性。同時，在本文的模型中引入虛擬變量D01來描述供給側(cè)改革推出的事件。當(dāng)D01為0時，表示在供給側(cè)改革推出之前，當(dāng)D01為1 時，表示在供給側(cè)改革推出之后。設(shè)定模型形式如下：

模型擬合結(jié)果表明，虛擬變量D01的系數(shù)為-1.25×10-5，P值小于0.05，說明供給側(cè)的改革減弱了股票市場的波動，但是由于數(shù)值很小，說明對市場的影響很小。其ARCH與GARCH的系數(shù)之和介于0和1之間，且接近于1，說明滿足參數(shù)約束條件，且所受到供給側(cè)改革的影響是持久的。

對GARCH模型擬合結(jié)果再次檢驗ARCH效應(yīng)，檢驗結(jié)果顯示，F(xiàn)統(tǒng)計量為0.034，P值為0.8536，大于0.05，因此殘差序列不存在ARCH效應(yīng)，GARCH（1，1）模型擬合效果較好。

四、結(jié)論與建議

（一）研究結(jié)論

本文研究供給側(cè)改革的提出對股票市場波動性的影響，構(gòu)建了GARCH模型，選取了2014年11月10日到2016年11月10日的滬深300日收益率數(shù)據(jù)，根據(jù)實證研究得出結(jié)論：供給側(cè)改革提出從短期看削弱了股票市場的波動性，但這種削弱作用并不顯著，且其對股票市場的波動性的影響是持續(xù)的。產(chǎn)生這種現(xiàn)象的原因可能有以下兩點。

1.在供給側(cè)改革推出之后的短期內(nèi)，可能存在信息不對稱的現(xiàn)象，投資者容易受到外界信息的影響，在負面消息的作用下對股市投資采取保守策略。但是隨著時間的不斷推移，越來越多的信息會被人們所獲取，不對稱現(xiàn)象會逐漸消失。

2.供給側(cè)改革為了提高生產(chǎn)的效率和質(zhì)量，會促使企業(yè)進行轉(zhuǎn)型升級，在較短的時期內(nèi)，企業(yè)會經(jīng)歷一系列的改革，為未來的盈利打下基礎(chǔ)，而股市可能不會有較大的波動。從長期來看，供給側(cè)改革淘汰了大量落后的企業(yè)，提高了經(jīng)濟質(zhì)量，為股市向牛發(fā)展提供了基礎(chǔ)。

（二）政策建議

考慮造成上述現(xiàn)象的原因，我們可以提出有針對性的建議進行改進。

1.針對信息不對稱問題，有以下兩點對策：一是加強并完善股市信息披露制度和交易制度，為廣大投資者創(chuàng)造一個公平、公正、公開的信息披露平臺，對企業(yè)高管、證券基金從業(yè)人員等可以接觸到內(nèi)部信息的人員嚴加控制，防止信息提前泄露，同時，對虛假消息進行辨別，以避免誤導(dǎo)大眾。二是加大監(jiān)管力度，建立更加成熟的監(jiān)管體系，保障交易的公開透明，減少違規(guī)違法行為，避免股市長時間的動蕩，保證交易平穩(wěn)有序地進行。

2.針對投資者投資保守的問題，可以對他們進行專業(yè)的培訓(xùn)。我們將投資者分為個人投資者和機構(gòu)投資者，對于個人投資者，他們是我國股票市場的主要組成部分，同時背景復(fù)雜，文化水平參差不齊，承受風(fēng)險能力較差。因此，可以注重于向他們傳授資產(chǎn)配置、投資組合管理、投資風(fēng)險等方面的知識，讓投資者能夠正確并積極地進行投資。對于機構(gòu)投資者，他們掌握更加專業(yè)的知識，擁有更加專業(yè)的投資理念，在股票市場中，他們應(yīng)該起到穩(wěn)定作用。因此，可以定期開展面向金融從業(yè)人員的講座、技能比賽等，為股票市場的發(fā)展培育專業(yè)人才隊伍。

3.針對企業(yè)的轉(zhuǎn)型升級問題，可以使企業(yè)加大創(chuàng)新投入，在防范金融風(fēng)險的同時，也要實現(xiàn)技術(shù)水平的改造和升級，優(yōu)化生產(chǎn)結(jié)構(gòu)，使企業(yè)始終走在行業(yè)前列。

參考文獻：

[1] ?馮冠，周孝華.供給側(cè)改革背景下IPO抑價率的度量與解讀[J].軟科學(xué)，2019，（6）：140-144.

[2] ?王安興，譚鮮明.基于混合分布的中國股票波動風(fēng)險因素的識別與分析[J].中國管理科學(xué)，2018，（2）：86-95.

收稿日期：2020-08-07

作者簡介：彭子玲（1998-），女，江蘇無錫人，學(xué)生，從事證券投資研究;魏倩雨（1992-），女，湖北荊州人，講師，碩士研究生，從事互聯(lián)網(wǎng)金融、產(chǎn)業(yè)金融研究。