基于EGARCH模型的交易所国债市场波动性 3300字

基于EGARCH模型的交易所国债市场波动性3300字一、问题的提出

国债市场是经济运行中一个不可或缺的重要组成局部，联结货币政策和财政政策，沟通货币市场和资本市场。目前，我国国债市场结构分割，银行间债券市场与交易所债券市场构成国债市场的主体框架，银行间市场参与机构较少，形成寡头垄断;交易所市场参与者众多，形成竞争机制。在交易所市场中，通过买卖双方的竞争机制决定价格，其交易过程透明，形成的交易价格公道、公平。[1]

波动性(Volatility)是资产收益的不确定性的衡量，测度资产的风险。一般而言，波动性越大，风险越大。Engle(1982)首先提出的自回归条件异方差模型《即ARCH模型将方差和条件方差辨别开来，并让条件方差作为过去误差的函数而变化，从而为解决异方差问题提供了新的途径。Bollerslev(1986)提出了广义自回归条件异方差GARCH模型。国外学者将这种办法应用到经济的诸多领域，显示了ARCH模型族的适用性。国内也有学者应用ARCH模型族对证券市场进行了实证研究，黄后川、陈浪南(2022)对股票市场波动率评估和分析，[2]王燕辉、王凯涛(2022)应用EGARCH分析了深圳股市的波动性。[3]国债平安性并非浑然天成，“327〞国债风波仍然让人记忆犹新，国债回购风险拖累了诸多证券公司和上市公司，目前国债市场的供求失衡导致国债价格变异和利率的进一步失真，从而会引发国债市场的系统性风险。交易所国债的波动，无论对于国家，还是对机构投资者，包括个人投资者，都是一个值得关注的重要问题。

二、指标选择与数据分析

(一)指标选择

上海证券交易所的国债交易量占整个交易所市场的99%。2022年3月，上海证券交易所拥有国债现货43只，国债质押式回购9只。上证国债指数(LEB)是上证指数系列的第一只债券指数，它使我国证券市场股票、债券、基金“三位一体〞的指数体系根本形成。上证国债指数是以上海证券交易所上市的所有固定利率国债为样本《按照国债发行量加权而成，每月最后一个交易日，将残余期限不到一年的国债剔除。自2022年1月2日起对外发布，基日为2022年12月31日《基点为100点《代码为000012。上证国债指数的目的是反映我国债券市场整体变动状况《是我国债券市场价格变动的“指示器〞。上证国债指数既为投资者提供了精确的投资尺度，又为金融产品创新夯实了根底。基于上面的分析，本文选择上证国债指数为指标来对交易所国债市场的波动进行度量。

(二)数据分析

上证国债指数的动态颁布是从2022年2月24开始，数据的时间区间是从2022年2月24日到2022年12月30日，共696个数据。国债指数收益率(DLEB)是通过式(1)得到的。

DLEB=InPt-InPt-1(1)

上证国债指数历史走势如图1所示，波谷是2022年4月30日99.1，波峰是2022年12月10日109.73。国债收益率的图形如图2所示，可以看出在一定范围内存在激烈波动。运用Eviews分析处理。

三、实证分析

(一)平稳性检验

采用ADF(DickeyandFuller，1981)和PP(PhillipsandPerron，1988)法进行单位根检验。对上证国债指数和收益率序列进行检验发现，国债指数序列(LEB)不是平稳序列，而收益率序列(DLEB)那么是平稳性序列(见表1)。

(二)正态性检验

国债收益的时间序列的特征是方差不仅随时间变化，而且有时变化得很剧烈。对其进行正态性检验，偏度是-1.80031，峰度是17.5419，偏离正态分布的水平。按时间察看，表现出“波动集群〞(volatilityclustering)特征，即方差在一定时段中比拟小，而在另一时段中比拟大。从取值的分布看表现的那么是尖峰厚尾(leptokurtosisandfat-tail)特征，即均值附近与尾区的概率值比正态分布大，而其余区域的概率比正态分布小。

(三)ARCH效应检验

对残差εt是否存在ARCH或GARCH效应进行检验，通常采用Engle(1982)提出的拉格朗日乘子检验法(LagrangeMultipliertest)，简称LM检验，一般是对εt2进行AR(q)自回归估计得到拟合优度R2。然后利用结论：在不存在ARCH或GARCH的原若下，统计量TR2服从于自由度为q的x2分布，在选定的显著性水平下，当TR2值大于x2分布的临界值时，那么拒绝εt不存在ARCH或GARCH的原若，即认为存在ARCH或GARCH效应。经过拟合，滞后1阶和滞后3阶构成的自回归时间序列比拟显著。

DLEBt=β1DLEBt-1+β2DLEBt-3+εt(2)

(四)EGARCH模型

假设一个平稳随机变量可以表示为AR(p)形式，其随机误差项的方差可用误差项平方的q阶分布滞后模型描述，那么称为ARCH模型。为防止ARCH模型的滞后项过多，可采用参加st2的滞后项的办法，这就形成GARCH模型，即广义自回归条件异方差模型。

EGARCH模型，即指数(Exponential)模型，由Nelson在1991年提出的，其目的是为了刻画条件方差对市场中正、负干扰的反馈的非对称性。[4]模型中条件方差采用了自然对数形式，意味着杠杆效应是指数型的。此时条件方差ht为延迟扰动项εt-i的反对称函数：

ARCH项。与GARCH和ARCH相比，这种模型的优点在于可以区别正信息和负信息的不同影响。正信息表示“利好〞，负信息表示“利坏〞。虽然正信息和负信息的绝对值相同，但EGARCH模型可以区别正、负信息对波动的不同影响。因此EGARCH模型可以很好的描述了金融市场中的非对称性。此外由于方差被表示成指数形式，因而对模型中的参数没有任何约束，这是EGARCH模型的一大优点。因为等式右侧是st2的对数，所以无论等式右侧是正是负，作为其反对数，st2总是正的。上式右侧第2项是用条件规范差st除信息ut及其滞后项，(ut/st)表示规范信息。第3项是用均值u减规范信息的绝对值。

经过分析，EGARCH(1，1)是拟合的较好的模型，即对式(2)和式(4)进行回归分析，结果如表2所示，利坏的影响强于利好信息的影响。

四、结论与倡议

经过实证分析，交易所国债指数序列不是平稳序列，而收益率序列那么是平稳性序列，分布呈现尖峰厚尾特征，收益率在一定的范围内存在波动性。值得表明的是，经拟合所得的EGARCH模型显示利坏信息的影响要远远大于利好信息的影响。

交易所国债市场的波动性原因可归结为三点：首先是国债自身的波动性，交易所国债并非一劳永逸的，其风险依然存在;其次是国债市场的分割，Granger因果关系检验发现银行间国债市场与交易所国债市场价格传递，微观结构中传染机制起到举足轻重的作用;最后是投资者行为，投资者厌恶损失，非理性行为造成羊群效应等非理性现象，增加了交易所国债市场的波动性。

2022年，交易所国债市场一路飙开，但交易量大幅萎缩，股市与债市的跷跷板效应日趋明显。勿庸置疑，国债不仅为国民经济开展提供了大量建设资金，也在一定程度上满足了社会各类投资者投资国债的需要，不断扩大的国债发行规模，为市场提供了更多的流动性，有利于活泼和稳定金融市场，保证财政政策和货币政策的有效实施。国债关系国计民生，财政部和人民银行等相关部门应实时监控、审时度势，加强国债市场根底设施建设，加强两大市场的联系机制，采用公开市场等伎俩，把国债