基于GRACH模型对我国股票市场收益率波动性分析金融学专业

1、论文题目：基于GRACH模型对我国股票市场收益率波动性分析以沪深300指数为例摘要在金融学中，收益率的波动性是一个重要概念。收益率的波动反映了市场不确定性的程度，同时，收益率的波动性也被看成是信息流的一种度量，波动性强一般伴随着较大的市场信息冲击。由于2008年到2018年这十年期间中国股市经历了两次大起大落，股市的剧烈动荡使我们有必要对其目前的波动性进行研究，发现其问题所在。因此，本文一沪深300指数作为研究对象，以2008年1月2日到2018年1月2日共2436个日收盘价作为样本，站在经济计量的角度采用CARCH族模型对该样本数据进行分析，从而得出沪深300指数的波动性特征。首先是引言，简

2、要说明研究的背景及意义，突出研究的必要性；其次是对国内外文献的综述，总结其研究成果，发现其不足，为后文的写作奠定基础；第三部分是模型概述，对ARCH、GARCH、EGARCH这三种模型的特征进行描述和介绍。第四部分是本文核心，以实证分析为主，建立GARCH(1,1)模型、ARCH模型以及EGARCH(1,1)模型分别对沪深300指数的收益率波动特征进行分析。研究结果表明：沪深300指数的日收益率呈现出可变与集簇的波动特性，在序列分布上，具有尖峰厚尾的显著特征。并存在明显的GARCH效应；根据模型具有GARCH-M效应得出收益存在正溢价，从投资者在股票市场投资的经验可知，大多数偏向于短期的投机性

3、投资。此外，对沪深300指数的收益率进一步分析可以发现杠杆效应，由此可以推断在股指期货市场中，坏消息产生的影响远大于好消息。最后根据GARCH族模型检验结果，提出相应的政策建议，以推动中国股市向健康稳定的方向发展。关键词：收益率、波动性、GARCH族模型、沪深300指数AbstractThe volatility of the rate of return is an important concept in finance. The fluctuation of returns reflects the degree of market uncertainty. Meanwhile, the

4、 volatility of returns is also regarded as a measure of information flow. Volatility is usually accompanied by larger market information shocks.During the ten years from 2008 to 2018, China's stock market experienced two ups and downs, and the intense turbulence of the stock market made it neces

5、sary for us to study its current volatility and find its problems.Therefore, the CSI 300 index as the object of study, from January 2, 2008 to 2 January 2018, 2436 day closing price as the sample, hope that through the application of GARCH model, describe the Shanghai and Shenzhen 300 index volatili

6、ty characteristics from the perspective of econometric.This paper mainly studies the volatility of the Shanghai and Shenzhen 300 index returns from five parts. The first is the introduction, a brief description of the research background and significance of the research, highlighting the necessity;

7、secondly it is a survey of the domestic and foreign literatures, summarizes the research results, find its shortcomings, which lays the foundation for later writing; the third part is the model overview, describes and introduces the features of ARCH, GARCH, EGARCH three model. Fourth through the est

8、ablishment of ARCH model, GARCH (1,1) model and EGARCH (1,1) model, the volatility of the CSI 300 index returns is empirically analyzed. The results show that the daily yield volatility of the CSI 300 index shows obvious variability and volatility cluster, and the sequence distribution is characteri

9、zed by peak and thick tail. And there is a significant GARCH effect. There is GARCH-M effect in the model, which shows that there is a positive premium for earnings. Investors in the stock market have strong speculative atmosphere and short term investment preferences are obvious. At the same time,

10、we also found that the CSI 300 index yields obvious leverage effect, which reflects the volatility caused by bad news in China's stock index futures market is greater than that caused by good news. Finally, according to the test results of the GARCH model, the corresponding policy suggestions ar

11、e put forward to promote the development of Chinese stock market to a healthy and stable direction. Key words: rate of return, volatility, GARCH model, CSI 300 index目录一.引言2（一）研究背景2（二）研究意义2（三）研究思路及方法21、本文思路22、研究思路2二模型概述2（一）ARCH模型2（二）GARCH模型2（三）EGARCH模型2三实证分析2（一）样本数据选取与统计学描述21、研究对象22、数据处理的方法23、描述性统计分析

12、24、ADF平稳性检验2（二）ARCH效应检验2（三）GARCH模型实证2（四）EGARCH模型实证2四结论及建议2（一）结论2（二）政策建议21、加强证券市场的信息披露机制22、加强对投资者理性投资导向23、加强证券市场化建设24、加强证券市场法治化建设2文献综述2（一）波动性研究的理论基础2（二）国外研究成果2（三）国内研究成果2（四）文献小结2参考文献2附录2致谢2一.引言（一）研究背景纵观我国证券市场的发展历史，自正式成立上证交易所之日起，已有一段发展历程。虽然已形成了一定的雏形，但在体制以及监管方面仍存在有待改善和规范的地方，整体来讲市场的波动性较强。近年来，有关股市价格的波动特征以

13、及股市收益率发展态势的研究成为业界关注的热点。在金融学界，对证券市场的研究重点还是关于股票收益率，研究的方向是分析股市的波动性特征，通过研究股票收益率以发现波动性特征成为了常用的方法。随着研究方法的不断变迁，定量建模逐步成为学界研究最为常用的方法。对股市波动性的研究可以追溯至上世纪六十年代，长期的研究成果表明，波动的集群性与高峰后尾是ARCH最为显著的特征。Bollerslev（1986）提出了GARCH模型，很好的解决了一般时间序列模型拟合数据的波动性准确性不足的问题，而基于GARCH族模型研究波动性得到了学界的认同，因此该模型得到了广泛的应用，发展至今。在推出沪深300指数之前，在综合指数

14、与成分指数方面，沪深两个交易所是相互独立的，虽然这两大指数已经被投资者认可，但对于整个市场来讲，指数标准仍未达成。随着经济体制的深化改革，我国金融市场的运转不断走向成熟。沪深300指数是中证指数有效公司编制，于2005年4月8日正式推出，发布者为沪深证券交易所，该指数的发布意味着我国证券市场的深入改革，对市场运转机制的改进和优化，通过沪深300指数可以规避跨市指数的弊端，与市场需求更加吻合。该指数的推出进一步完善了现有的市场指数体系，其作为市场业绩的评价标准，成为了观察整个市场走势的风向标之一，同时也是资本市场投资指数化，指数衍生品的创新发展的重大铺垫。由此可见，对沪深300指数收益率的波动性

15、分析，可以对证券市场的波动性有更加深入的了解，并发掘产生波动的原因，从而对症下药，找出规避风险的对策。本文以沪深300指数作为研究对象，以2008年1月2日到2018年1月2日的所有交易日收盘价作为研究的样本数据，站在经济计量的角度采用CARCH族模型对该样本数据进行分析，从中发掘沪深300指数产生波动性特征的原因。（二）研究意义波动性是证券市场存在的基本特性，之所以存在波动性是因为收益伴随着风险。实体经济的发展与市场的波动性紧密相连，适度的波动性能够促进实体经济的发展，对市场参与者而言也是有利无害。随着股票市场发展的不断成熟，其在国民经济中所起的作用越来越明显，对股票市场的研究也逐渐成为金融

16、界研究的重点。而对股票波动性的研究更是成为金融学的重大课题，因此对于我国股票价格波动性研究具有以下几方面的现实意义：（1） 对投资者而言，价格波动是否合理，是其参与股票市场的重要参考，也是投资者在制定投资策略时需要考虑的重要因素。对波动率的分析来对市场的风险大小进行预测，此外，合理把握波动性信息，能够将股价界定在一个合理的范围内，因此，投资者借助波动性可以获得更加稳定的收益。站在投资者角度，对证券市场价格的准确分析尤为重要，是未来市场收益率预测是否准确的重要保障。通过沪深300指数，可以直观地体现出证券市场的价格变动走势和整体情况，可见投资者可以借助指数收益的波动性来确定合理的投资决策。（2）

17、 对筹资者而言，筹资渠道是股票发行的关键。根据股票价格的波动，对上市公司的经营状况进行分析，得出公司的盈利情况，借助价格波动还可以反映公司其他经营方面的状况，由此可见，股票价格变动与公司的经营状况息息相关。上市公司可以通过对股票市场变动性的分析，总结出经营中的不足和存在的问题，从而加以改善，提高经营效率，对上市公司的发展提供保障。（3） 对政府和监管部门而言，通过股票市场波动性的研究，政府可以制定更加合理的政策制度，监管部门可以对市场运行状况作出更加准确的评估，只有对股票市场的运行有了充分的了解，才能对其进行深入的分析，为市场制定更为合理的政策制度，从而将市场波动带来的负面影响降至最低，从而保

18、证股票市场的健康发展。（三）研究思路及方法1、本文思路本文以沪深300指数收益率为考察对象来分析中国股市波动性的成因及特征，研究思路如下所述：第1章 是引言。提出了本次课题的研究背景和研究意义，对研究内容的提出进行简要的概述，指出研究的必要性和具备的现实意义。第2章 是理论模型概述。理论是基础，只有在正确的理论指导下，研究才能更好地进行，才能获得理论支持，只有这样，才能得到有说服力的结论，文中对GARCH模型、ARCH模型进行了详细介绍，包括模型的定义，具备的特征，并综合各模型存在的缺陷，提出了EGARCH模型。第三是实证分析，笔者选取了2008年1月2日到2018年1月2日每个交易日收盘价作

19、为原始数据，共采集了2436个数据样本，运用Eviews以及EXCEL，进行了GARCH族模型实证分析。从描述性统计分析到收益率的序列平稳性检验，再到ARCH效应的检验。根据三种模型对沪深300指数波动性的检验与估计，并对检验结果进行相关阐述。第4章 是结论和政策建议。针对以上对于我国股票市场波动性呈现的问题进行总结，提出针对我国投资者以及相关监管部门的政策建议，以优化中国股票市场结构，以及减少投资者非系统性风险。第5章 是文献综述。该部分以国内外典型的股票指数波动性的研究成果为例，结合国内外文献，进行了综合性的阐述，并根据国内外关于股票指数波动性研究的现状，进行整体的评价，从中借鉴宝贵的经验

20、，选择更适合于研究中国股市收益率波动的研究模型进行实证研究。2、研究思路通过理论和实证相结合的方法进行研究，以国内外相关领域研究过程所提出的理论为基础，并针对我国目前经济运行状况与我国股市实际样本情况，通过建立GARCH模型来分析沪深300指数的波动性。并从定性与定量两个方面进行分析。根据现有的研究成果，采用GARCH模型对股市价格进行分析发现了条件异方差，因此本文中所研究的沪深300指数波动性问题同样可以使用GARCH模型。在对我国股市适合模型有了定性后，再通过定量分析，结合实际，得出更为严谨客观的结论。二模型概述（一）ARCH模型ARCH模型（Autoregressive Conditio

21、nal Heteroscedasticity Model），其主要核心是时刻t的的方差等于，是由时刻（t-1）的平方误差的大小而影响，即其是依赖于的。 （1-1） 假设在所有信息条件下，（t-1）时刻，其干扰不止一个，而其干扰的分布是： （1-2） 即遵循以0为均值，为方差的正态分布。 ，（1-2）中的表示方差，它依赖于ARCH（1）过程，是前期的干扰项。对该干扰项进行推广，可以得到ARCH（p）过程： （1-3）如果没有自相关存在于误差方差中，就会有。这时，结果便是误差方差中的同方差性情形。Engle曾用一下回归来检验上述虚拟的假设： （1-4）其中，为原始回归模型（1-1）中，得到OLS残

22、差。（二）GARCH模型GARCH模型是一种序列模型，通过过去方差及其预测值对未来方差的自回归条件异方差进行预测。因为方差随着时间的变化儿变化，具有易变性，因此称为异方差；而过去临近的观测信息存在的依赖就是条件性；通过自回归，可以得出过去观察值与预测值之间的联系。因此，若具有GARCH效应的时间序列，也必有异方差性，即时间变化的同时方差也跟着变化。GARCH（1,1）模型定义为： （2-1） （2-2）在GARCH（1,1）的括号里有两个“1”，第一个表示指阶数是1的GARCH 项，第二个表示指阶数是1的ARCH项。GARCH模型的特殊形式即是普通的ARCH模型，即为不存在滞后预测方差说明的条

23、件方差方程。（2-1）中给出的是一外生变量函数，且有误差项的均值方程。其中预测方差为，由于该方差的基础为前一时刻信息，因此为条件方差。（2-2）中给出的条件方差是、ARCH项，GARCH项的函数：均值：；从前期得到的信息可以用均值方程的残差平方的滞后来度量（ARCH项）；上一期的预测方差：（GARCH项）GARCH（p,q）模型定义为： （2-3） （2-4）其中为收益率的时间序列，为的条件方差，且与（2-4）中系数有关： 式（2-3）对模型的条件期望进行了描述，在交易过程中，投资者获得的信息与过去时刻的收益、过去时刻的预期收益与实际收益之间的误差是依赖关系；式（2-4）对模型的条件方差进行了

24、描述，它是一个线性函数，既可以描述滞后的随机扰动项平方，也可以描述滞后线性的条件方差，是过去时刻的波动与未来价格波动之间的正向缓解作用，从而达到了对波动集群性的模拟。在冲击过程中，是的有限方差存在的充分必要条件，该值的大小与序列波动的持续性密切相关，也就是指当前时刻“继承”了多少过去时刻波动的特征。，保证了条件方差序列是非负的。可以发现当时间变化，而方差不变时，就具备同方差性： 当P=0时，GARCH模型就退化成了ARCH模型。（三）EGARCH模型线性GARCH模型的前提假设为：正向影响因素的绝对值与负向影响因素的绝对值相等时，表示具有相同的条件方差，该条件下，在正负绝对值相等情况下产生冲击

25、所得的收益率波动不仅对称而且相等。但现实中，尤其在金融市场中，绝对值相等的正负冲击所引起的波动往往不同，因为在股市中反应出来的往往是股价下跌幅度往往大于上涨幅度，而且下跌过程要更加剧烈，波动更大。显然股市中波动的非对称性以无法通过之前的GARCH模型解释，Nelson（1991）则提出了指数GARCH模型（EGARCH模型）。但对称的条件方差函数还不完全准确，尤其是负债时前期资产收益率与市场波动的负相关关系的情况。为了使这种情况不会发生，同时对参数进行非负假设，则以GARCH模型为基础，起条件方差如下： 当条件成立，并且显著，则认为具有非对称性，证明了杠杆效应的存在。比起传统的ARCH模型来说

26、，EGARCH模型有几个优点。为了保证参数估计值为负数的情况下，方差项仍为证书，对数模型的建立是第一步。因此无需约束模型为非负；当波动性与收益呈现负相关，可得。所以，EGARCH模型可以解释股票市场的杠杆效应。当时，可得负干扰产生的波动大于正干扰；当时，可得正干扰产生的波动大于负干扰，具有非对称性，即存在杠杆效应。三实证分析（一）样本数据选取与统计学描述1、研究对象有市场就有指数。上证与深证的综合指数于1991年诞生；上证A股和B股指数于1992年推出；随后深沪两市又推出了深证成指、深证100指数、上证180指数、上证50指数、巨潮100指数等。在沪深两大交易所得大力推动下，中国的股市指数体系

27、得到了突破性的发展，随着成分股的指数出现，标志着中国指数市场中指数产品的风格化，并转向投资型。纵观全球，股市在发达国家中深受广大投资者青睐，其中成分股指数是反映市场变化的主体。有业内专家经过对我国股市指数体系的研究指出，现有的指数体系仍无法满足市场投资的需求，能够覆盖沪深两市的新型指数产品成为迫切的需要。在这样的背景下，沪深300指数于2005年4月8日正式推出。该指数的编制基础为三百家大规模高流动性成分股，具有很强的代表意义。覆盖的行业有数十个，且都是业内龙头企业，包括银行、石油、煤炭、钢铁、电力、食品、机械、交通运输、房地产、纺织等。该指数的权数取自样本股的流通股数量，自2004年12月3

28、1日起，基准点数调整为1000点。2010年4月16日第一个以沪深300指数为标的的期货合约推出，标志着中国金融市场进入崭新的时代。本文研究的对象为沪深300指数，研究方向为股市波动性特征的分析，和波动产生的原因，通过实证进行检验，提高结论的真实性和准确性。下面重点介绍沪深300指数的几大特征： 严格的样本选择标准。样本的选择标准为规模和流动性，且要求交易性成分指数，设置更大的流动性权重，与定位于交易指数的要求相符。首先对上市公司的指标进行排序，再进行选择，并设置详细的入选条件，排除新上市的股，按照惯例，新股上市一个季度后才可能被选为指数样本股；再排除ST股票、经营状况异常的股票、暂停上市的股

29、票以及股票价格波动较大的股票。剩下的股票具有流动性强、规模大的特征，因此300指数反映的股价波动性很有参考价值，对投资者而言，不仅是投资决策的参考，也是投资跟踪与组合的重要参考，因此该指数体现了代表性、稳定性和可操作性。采用自由流通量为权数。自由流通量主要指的是在刨除了不上市流通分以后的流通股。这里的不上市流通股份一般包括冻结股份、交叉持股、国有股、公司创建者股份、家族或高级管理人长期持有股份、战略投资者股份等等。以自由流通量为权数，能够找出流通市场中股价的动态变化，投资者根据股票市场中综合动态演变过程，就能够做出科学的投资决策。采用分级靠档法确定成份股权重。这里主要采用九级靠档的方式确定30

30、0指数的权重，这是因为我国股票市场结构本身存在一定特殊性，为了规避股价指数的非正常性波动对股份权重带来的影响，可选择九级靠档的方式确定权重。从指数复制的角度来看，采用分级靠档技术以后，股本频繁变动而增加的投资成本将有所下滑，便于投资者进行跟踪投资。样本股稳定性高，调整设置缓冲区。我国每年会针对沪深300指数中的样本股进行两次调整，在调整过程中也会设置缓冲区，运用缓冲区技术确保样本调整在可控范围内，并进一步提升样本指数的透明度和样本股的稳定性。众所周知，样本股的稳定性越高，股本调整的准确度也就越高。在沪深300指数中强调，当新样本综合排名在240名以内时，可以优先进入市场；当老样本综合排名在36

31、0名以内时，可以优先保留在市场中。自本公司退市之日起，应当立即在指数样本中剔除该股票，代替股票应该选择在这一年内指数定期调整时，样本排名最高的股票。市场行业分布和指数行业分布的状况保持一致。在分析指数行业结构时，一般会分析该指数在行业中的占比情况，在分析市场整体经济结构时，则会分析该市场的行业占比情况。当市场行业分布和指数行业分布存在较大差异时，则表明该指数所处行业结构存在失衡问题。据相关统计数据显示，尽管沪深300指数中并未出台一套健全的行业选择标准，但是其行业分布状况和股票的行业分布状况基本保持一致，因此选择分析沪深300指数具备极强的代表意义。2、数据处理的方法本文收集了2008年到20

32、18年十年间，沪深300指数的每日收盘数据，共2436个样本，通过EXCLE处理，计算得到收益率。然后使用Eviews对所得到的收益率进行对数差分，得到对数收益率。然后使用Eviews对该对数收益率进行描述性统计分析，ADF单位根检验，以及ARCH、GARCH、EGARCH这三种模型预测估计。3、描述性统计分析由于股票市场会有休息日，实际数据序列就会存在空隙，这样断断续续的数据序列给研究造成不便，所以在运用数据的过程中，会将数据向前平移，最终用连续的收益时间序列。收益率是将日收盘价取对数做差所得，其表达式为：，通过计算得到2434个收益率数据。收益率走势如图1所示：图1 日收益率走势图从图1可

33、以看出：收益率围绕着0做上下波动，并且表现出了明显的集群性的特征，这也说明了收益率的方差与时间有关，这就表明收益率存在异方差性的特征。图2 的直方图和基本统计量图从图2的相关数据来看，其日收益率偏度结果为-0.499795，由此可知在左侧游离的数据点更高，这就表明市场中的数据均值存在左偏现象。尤其是其峰度值为6.896554，远高于正常值3，这就表明在均值附近游离着多个异常点，其分布存在“尖峰厚尾”的特点。从收益率指数的直方图基本可以看出收益率分布是不对称的，而且JB统计量值为1641.156，此时P值为0，这就表明收益率并不满足正态分布。1982年，学者们建立了特殊非线性模型，用于描述数据集

34、群性特征，该模型简称ARCH模型(Auto-Regressive Conditional Heteroskedasticity)，主要思想是时间序列模型的扰动项方差，既与以前的误差有关，还取决于自己的早期方差。4、ADF平稳性检验为了确定收益率是否平稳，论文用ADF检验法对收益率进行平稳性检验。首先，由Eviews8.0软件绘制出收益率的曲线图（见图1），发现曲线在前期波动幅度较大，后面的波动幅度相对小一些。继而再进行ADF检验，通过计算得出了ADF值及在1%，5%，10%置信水平下的t统计值，计算结果见表1：表1 The result of series stationarity testN

35、ull Hypothesis: R has a unit rootExogenous: NoneLag Length: 0 (Automatic - based on SIC, maxlag=26)t-StatisticProb.*Augmented Dickey-Fuller test statistic-47.832320.0001Test critical values:1% level-2.5659135% level-1.94095410% level-1.616612表1是ADF的检验结果，可以清楚的看出收益率序列的ADF统计值为-47.83232，显著小于在1%，5%，10%置信

36、水平下分别对应的t统计值：-2.565913、-1.940954和-1.616612，且ADF统计值对应概率P为0.0001，由此可以看出收益率呈现对数形式，具备一定平稳性特征。（二）ARCH效应检验本文对收益率进行ARCH检验时，则主要建立了时间序列模型进行回归分析，这里假设-沪深300指数的收益率；此时要想计算收益率的均值，计算公式为：如表2所示，是自回归滞后前四期的分析结果。可看出其中第四期的滞后系数最优，因此本次滞后阶数选择4，此时，收益率均值的计算公式应为：表2 自回归滞后阶数选择LagAkaike info criterionF-statistic1-5.2116372.24629

37、62-5.2118453.3446113-5.2103340.1148554-5.21416710.36484残差自相关检验图3沪深300指数收益率残差项的自相关系数AC值和PAC值图4沪深300指数收益率残差平方的自相关系数AC值和PAC值由序列残差和残差平方自相关图可以看出，沪深300指数收益率RSH000300的残差不存在显著的自相关，而残差平方有显著的自相关。图5沪深300指数收益率RS H000300残差平方线状图运用线形图分析收益率的残差平方，可看出残差平方具备成群波动的情况，在较长时间段内残差的波动量较小，但是在另一些时间段内，残差的波动量较大，因此可以看出收益率残差存在显著的时

38、间可变性(time varying)和集簇性(clustering)特征，证明300沪深指数的残差序列存在高阶ARCH效应，适合用GARCH类模型建模进行描述性分析。对残差进行ARCH-LM Test(滞后10阶)（具体见附件）表3对沪深300指数残差进行ARCH-LM TEST结果Heteroskedasticity Test: ARCHF-statistic33.42653Prob. F(10,2409)0Obs*R-squared294.8756Prob. Chi-Square(10)0利用ARCH-LM检验序列线性回归的残差，那么：-LM检验统计量-检验回归；-观测值。假设显著性水平和

39、自由度一定，即和10，那么经过计算，其LM检验量为294.87956。经过计算可知其伴随概率为0，与0.05相比要小，这就表明原假设错误，收益率序列是存在异方差现象的且这种现象十分明显。因此，本文在分析沪深300指数收益率变动的情况时，建立GARCH模型来进行回归分析其分析结果能够具备一定准确性。（三）GARCH模型实证结合前文在沪深指数收益率的分析结果来看，其收益率存在显著的ARCH 效应，在这里，建立GARCH模型拟合收益率数据，其模型分析结果为：GARCH(1,1)模型表4 GARCH(1,1)模型估计结果Dependent Variable: RMethod: ML - ARCH (M

40、arquardt) - Normal distributionSample (adjusted): 6 2435Included observations: 2430 after adjustmentsConvergence achieved after 12 iterationsPresample variance: backcast (parameter = 0.7)GARCH = C(3) + C(4)*RESID(-1)2 + C(5)*GARCH(-1)VariableCoefficientStd. Errorz-StatisticProb.C0.0003350.0002251.49

41、38190.1352R(-4)0.009590.0210290.4560380.6484Variance EquationC5.60E-071.89E-072.9676380.003ARCH(1)0.0531380.0045811.601660GARCH(1)0.9464720.00398237.78220R-squared0.0005Mean dependent var-0.000124Adjusted R-squared0.000088S.D. dependent var0.017872S.E. of regression0.017871Akaike info criterion-5.58

42、3006Sum squared resid0.775472Schwarz criterion-5.571081Log likelihood6788.353Hannan-Quinn criter.-5.578671Durbin-Watson stat1.937617由上述结果可以看出，无论是ARCH项还是GARCH项参数的p值均小于0.01，即其显著水平为1%，可以表明该结果能够通过检验。从本检验结果来看，在分析沪深300指数收益率的情况下，建立GARCH(1,1)模型能够较为准确的分析该收益率的变动情况。沪深300指数收益率中的项与项之和为，该数据比1更小，这就表明沪深300收益率的各项参数均

43、符合约束条件。因此为平稳过程。（四）EGARCH模型实证在股票市场中，非对称效应是时时存在的，因此，在建立了模型以后，需要再建立一个模型，从两个模型出发判断收益率指数是否存在杠杆效应。EGARCH（1,1）模型的估计结果如下表5所示。在EGARCH模型中也存在同样的现象，即同等能量利空消息所带来的波动要远远大于利好消息对带来的波动，模型中，可看出其非对称项系数远比0更小，这就能够说明收益率是存在显著杠杆效应的。当时，有一个的冲击；出现利空消息时，则有的冲击。表5 EGARCH(1,1)模型估计结果Dependent Variable: RMethod: ML - ARCH (Marquardt

44、) - Normal distributionSample (adjusted): 6 2435Included observations: 2430 after adjustmentsConvergence achieved after 12 iterationsPresample variance: backcast (parameter = 0.7)LOG(GARCH) = C(3) + C(4)*ABS(RESID(-1)/SQRT(GARCH(-1) + C(5)*RESID(-1)/SQRT(GARCH(-1) + C(6)*LOG(GARCH(-1)VariableCoeffic

45、ientStd. Errorz-StatisticProb.C0.0002870.0002411.1875240.235R(-4)0.0044130.0205140.2151130.8297Variance EquationC(3)-0.1406850.014474-9.7199630C(4)0.1271530.00925613.737940C(5)-0.0108330.005231-2.0710470.0384C(6)0.9945280.001485669.85380R-squared0.000029Mean dependent var-0.000124Adjusted R-squared-

46、0.000383S.D. dependent var0.017872S.E. of regression0.017876Akaike info criterion-5.584889Sum squared resid0.775837Schwarz criterion-5.570579Log likelihood6791.641Hannan-Quinn criter.-5.579687Durbin-Watson stat1.93786四结论及建议（一）结论通过分析，基本可以得出以下结论：在研究我国的股票市场收益率的波动情况时，可以直接建立GARCH模型。从本文的研究中来看，沪深300指数存在极为显

47、著的异方差波动，这就表明在分析我国股票市场收益率波动情况时，建立GARCH模型所获得的分析结果较为准确。因此，GARCH模型不仅适用于发达国家成熟的股票市场，同时适用于研究新兴股票市场。以时间为依托分析沪深300指数的收益率波动情况，可以发现收益率波动存在可变性和波动集簇性的特征。集簇性表明沪深300指数在波动时波动幅度有一定规定，当股市受到信息影响较大时其收益率也会呈现较大波动，而较小的波动会接着较小的波动。收益率平方的关联性较强，但是收益率一般不服从正态分布，会呈现尖峰厚尾的特点，除此以外，收益率平方过去的波动情况对未来所产生的影响力会呈现下滑，直至为零。高流动性是指数波动的重要原因。在沪

48、深300指数市场中，长线操作一般只持有时间超过五天以上的操作，当股票市场中的持有期缩短以后，必然会引发股票市场中频繁的交易。沪深300指数交易量过度频繁，股指期货的流动性就会不断攀升，也会引起收益率指数的波动。建立EGARCH模型分析可以看出，沪深300指数收益率的杠杆效应较为明显，这就表明利空消息冲击沪深300指数市场后，给该市场所带来的冲击力度较大，利好消息走带来的冲击力度相对较小。这是因为我国沪深300指数所采用的交易模式为T+0，投资者能够在该市场中做多双向交易或做空交易，产生了大量的非理性投机行为，不少投资者也会回避损失，进而引起收益率的波动。当投资者收益为正时，其对风险的厌恶程度会

49、降低，并且大量买入当前持仓中正收益较大的股票，使其价格进一步上涨。当投资者收益为负时，投资者的风险厌恶程度会增高，为了减少损失的进一步扩大，便会在股价下跌时大量抛售持仓中的股票。但投资者在上涨过程中反应不足，在下跌过程中反应过度，从而放大风险。我国股票市场并未建立健全的风险管理制度，这就使得利益将会驱使投机倒把者非法操纵市场，这种行为不仅仅的扰乱市场秩序和市场价格，同时也会加剧股票市场的不公平竞争，严重威胁其他交易者的合法权益。（二）政策建议1、加强证券市场的信息披露机制由于我国股票市场在信息分布、信息加工和信息传递等方面都存在着许多不足，影响了中国股票市场的健康运行。同时，影响了股票价格信息

50、传递的准确性、真实性和可靠性，进而造成了市场信息低效率，无法实现证券市场发现功能、优化资源配置功能。使得我国股票市场收益回报与宏观经济运行状况相互脱离，因此加强信息传导机制进行完善和监管，改变信息的不完全与不对称，也是政府干预股市的最好途径。2、加强对投资者理性投资导向我国股市存在过度波动的情况，就在于我国投资者存在较为严重的非理性投资问题，这也是危害我国股市稳定健康发展的主要原因。在成熟的股票市场中，投资者应当建立理性的投资意识，这是推动证券市场健康持续发展的前提。投资者无论是短线投资还是长期投资，都必须充分分析上市公司的经营业绩以及成长性。当然，投资者应该放弃短线频繁进出、不看业绩、打听内

51、幕、赚取差价等投机操作手法。当前在证券市场中使用信息技术的概率越来越频繁，随着我国证券市场不断与国际市场靠近，这就要求投资者必须建立理性的投资思维，掌握专业的投资知识。因此，未来我国必须进一步完善投资者教育制度，在普通教育体制中加入投资者教育方案，力求整合各类资源进一步提高投资者的数字。3、加强证券市场化建设政府必须建立健全的监管机制用于推动证券市场的健康发展，只有政府做好监管者和管理者的工作，才能够加速证券市场化建设。政府也必须明确自身的职能，不得过多的干预证券市场的发展，一旦政府干预过度，则极有可能会阻碍股票市场化进程，甚至会加剧股票市场中的投机行为。政府的职能在于对股票市场中的违法违规行

52、为作出严厉惩罚，明确股票市场中的权责，保证股票市场交易秩序的公平、公众、公开。政府在制定股票市场的监管机制时，也应当避免因为市场过度波动而形成“政府市”，必须具备一致性和可预见性，帮助投资者能够在政府政策中作出科学的投资决策。4、加强证券市场法治化建设我国股指期货市场的发展时间较短，因此建立的证券市场法律法规体系还存在诸多问题，投机者比比皆是，这从一定程度上扰乱了市场秩序。由此可见，政府未来必须加大力度推进证券市场的法治化建设，各方参与者都应当在法律法规规范下行动。文献综述摘要：金融市场中，无论是在金融衍生产品的定价、金融风险的测定还是在资产组合分析中波动率扮演了一个重要的角色。因此研究股票收

53、益率波动情况，可以了解股票市场的发展趋势，为投资者提供不可或缺的决策参考。至恩格尔在1982年首次提出自回归条件异方差模型起，大量的西方学者将其应用于金融时间序列的研究中。经过近几十年来国外学者对股市收益率波动性的理论研究基础，以及国内学者在对我国股市收益率波动性的不断探索，我国在研究股市收益率方面已经处于逐步成熟与更加完善的阶段。到目前为止，测定波动率的方法有四种：第一种是历史波动率；第二种是隐含波动率；第三种是通过GARCH类模型估计，该方法也成为了目前研究波动率的主流；第四种是通过随机波动率（SV）模型进行估计得到的。本文将主要运用GARCH类模型对沪深300指数的收益率波动性进行实证分

54、析，在ARCH、GARCH、EGARCH模型检验估计的基础上，对所研究对象的收益率波动情况做出客观评价。这样就可以深入快速的了解影响目标对象收益率波动的主要原因，并提出相应的解决措施和方案。以下是笔者整理的国内外关于波动性研究的相关实证结论。关键词：股票波动；收益率；GARCH模型（一）波动性研究的理论基础西方发达国家的证券交易市场起源较早，对金融时间序列的理论研究和计量分析也更为领先。Mandlebort(1963)首先发现股票收益率序列具有波动聚集效应；Engle(1982)提出自回归条件异方差模型（ARCH模型），对股票收益序列的残差加以拟合，进一步描述了波动集群效应。Bollersle

55、v(1986)在Engel基础上，推出广义的自回归条件异方差模型（GARCH模型）对金融时间序列的收益以及风险测量更为准确。在1987年美国股票大崩盘的触动下，西方理论界将GARCH族模型广泛用于金融领域，对股票收益率的波动性影响因素以及影响程度加以拟合。（二）国外研究成果Zakoian（1990）在ARCH模型的基础上引入了虚拟变量作为门限，提出了门限ARCH模型（TARCH模型），有效地描述了波动的非对称效应。Nelson（1991），运用EGARCH模型对非对称性方面的“杠杆效应”进行检验，更有效地反映了信息在金融时间序列波动中存在非对称现象，坏消息波动总是远远大于好消息的。Engel和

56、Ng（1993）同时使用EGARCH、AGARCH、VGARCH、NGARCH、GJR-GARCH模型对日本股票市场进行研究，提出了信息冲击曲线的概念。Cheung,He,和Ng（1995）发现，由于地理位置相近同一地区的股市具有相似性较高的经济关系，因此同一信息会对同一地区市场具有相似时变方差。Su、Fleisher（1998）运用非高斯、后尾稳定分布等方法，通过GARCH模型发现我国股票市场波动受我国政府干预行为影响较大。Robert D.Brooks（2000）选用十个具有代表性的股票市场作为样本，进行数据分析，证明了GARCH模型族可以适用于大部分国家股票收益率波动性及非对称性方面的研究。KJ Singleton（2001）、Golston L.R,R Jaganathan（2003）