首页 基于EC_EGARCH_M模型的沪深股市波动性研究

基于EC_EGARCH_M模型的沪深股市波动性研究

举报
开通vip

基于EC_EGARCH_M模型的沪深股市波动性研究 理论探讨                  《软科学 》2010年 1月 ·第 24卷 ·第 1期 (总第 121期 ) 收稿日期 : 2009 - 05 - 25 基金项目 :国家自然科学基金项目 (70473107) 作者简介 :周孝华 (1965 - ) ,男 ,湖南武冈人 ,教授、博士生导师 ,研究方向为金融市场与证券投资 ;吴  命 (1979 - ) ,男 ,湖北 崇阳人 ,硕士 ,研究方向为金融市场与证券投资。 基于 EC - EGARCH - M模型的 沪深股市波动性研究 周孝华 ,吴  命...

基于EC_EGARCH_M模型的沪深股市波动性研究
理论探讨                  《软科学 》2010年 1月 ·第 24卷 ·第 1期 (总第 121期 ) 收稿日期 : 2009 - 05 - 25 基金项目 :国家自然科学基金项目 (70473107) 作者简介 :周孝华 (1965 - ) ,男 ,湖南武冈人 ,教授、博士生导师 ,研究方向为金融市场与证券投资 ;吴  命 (1979 - ) ,男 ,湖北 崇阳人 ,硕士 ,研究方向为金融市场与证券投资。 基于 EC - EGARCH - M模型的 沪深股市波动性研究 周孝华 ,吴  命 (重庆大学 经济与工商管理学院 ,重庆 400044) 摘要 :构建市场活跃度指数 ,并与上证综指和深证综指之间的协整残差项一起作为解释变量引入条件均值方程和 条件方差方程 ,建立双元 EC - EGARCH - M模型。利用上证综指和深证综指的日收盘数据进行实证分析 ,得到的 主要结论为 :市场活跃度指数和协整残差项对条件均值方程和条件方差方程有很好的解释力 ;两市之间存在双向 波动溢出 ,并都呈现出波动的集聚性和非对称性特征。 关键词 :波动性 ;协整残差 ;双元 EC - EGARCH - M;波动溢出 中图分类号 : F830. 91    文献标识码 : A    文章编号 : 1001 - 8409 (2010) 01 - 0126 - 05 Ana lysis of Vola tility in Shangha i and Shenzhen Stock M arket Ba sed on EC - EGARCH - M M odel ZHOU Xiao2hua, WU M ing (School of Econom ics and B usiness A dm in istration, Chongqing U niversity, Chongqing 400044) Abstract: This paper constructs market activity index, and puts them as exp lanatory variables in the conditional mean equation and the conditional variance equation together with the cointegrating residuals between Shanghai composite index and shenzhen composite index, thus develop s EC - EGARCH - M model. Then it emp irically ana2 lyzes the Shanghai composite index and Shenzhen composite index. Results show that market activity index and the cointegrating residuals are the two important exp lanatory variables for the conditional mean equation and the condi2 tional variance equation; there are two - way volatility sp illovers between shanghai and Shenzhen stock market, be2 sides, there are characteristic of volatility clustering and asymmetry in two markets. Key words: volatility; cointegrating residual; bivariate EC - EGARCH - M; volatility sp illovers 1 引言 波动性一直是金融领域研究的核心问题之一 ,现 代金融理论广泛地以波动性来衡量金融资产风险的大 小。因此 ,刻画出金融资产的波动性并研究其相关的 影响因素 ,对于资产定价、资产组合构造以及金融风险 管理有着极其重要的意义。理论上 ,不同地区的市场 由于经济运行的密切联系而存在溢出效应 ,那么同一 地区的股市也会因为地理位置的接近、密切的经济关 系和政治的相似性而被紧密地联系到一起。上海和深 圳交易所同处中国大陆 ,受相同的宏观经济形势和政 策法规影响 ,再加上投资者对沪深股市具有偏好中性 , 因此波动具有溢出效应。所以研究这两个股市间的波 动性关系 ,对于分析与研究股市的结构和判断股市的 走势及风险传递无疑具有重要的作用。 关于市场波动性的问题已被学术界广泛研究。 Jeon Von Furstenberg(1990)经研究指出 , 1987年 10月 以来国际上的主要股票指数就呈现出了越来越明显的 共同运动趋势 ,这主要是由于目前世界经济的开放性 , 使得各资本市场在资金流动、市场运作方面的联系日 趋紧密 , 从而市场间关联度增加 [ 1 ]。 Steven Shuye W ang (2004)研究了美国、英国和日本三个先进市场 对大中华区股票市场的信息传递影响及收益率和波动 率的溢出效应 ,结论 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明较发达市场 (美国、英国和日 本 )对大中华市场 (上海、深圳、香港和台湾 )在收益率 ·621· 《软科学 》2010年 1月 ·第 24卷 ·第 1期 (总第 121期 )                  理论探讨 和波动率方面都有显著影响 [ 2 ]。So和 Tse ( 2004)利用 共同因素模型和多变量 M - GARCH模型等研究了香 港恒生指数市场、恒生指数期货市场和盈富基金市场 之间的动态关系 ,结果表明三市场之间具有一致性协 整关系 ,并且波动之间的溢出程度是彼此不同的 [ 3 ]。 国内研究方面 ,刘金全等 (2002)利用溢出效应模型得 出了沪深股市溢出效应的非对称性的特征 [ 4 ]。史代敏 (2002)用协整关系检验出沪深股市具有长期均衡关 系 [ 5 ]。宿成建等 ( 2004)运用小波分析方法获知沪深 股市之间存在着显著的价格和波动性的溢出效应 [ 6 ]。 周孝华、黄赟 (2008)利用二元 VAR - EGARCH模型得 出沪深两市存在双向波动溢出 ,并都体现出波动的集 聚性和非对称性特征 [ 7 ]。 与以往研究不同 ,本文构建市场活跃度指数这一 新指标变量 ,并通过协整分析和误差修正模型得出协 整残差项 ,将这些新变量引入条件均值方程和条件方 差方程 ,建立 EC - EGARCH - M 模型 ,以期真实刻画 沪深两市的波动关系。 2 数据和基本统计分析 2. 1 变量和数据选择 考虑到上证综指和深证综指是沪深股市上两个比 较有代表性的指数 ,因此选取这两个指数作为数据样 本 ,时间跨度为 2001年 1月 1日至 2009年 3月 18日 , 经整理后得到 1980个有效数据。样本数据均来自大 智慧交易软件 ,文中的数据采用 EV IEW510进行处理。 在研究中 ,记沪市和深市日收盘价分别为 SHSP 和 SZSP。为消除基期不一致的影响 ,对两个指数取自 然对数 ,记为 LSHSP、LSZSP。对应的收益用日收盘价 自然对数的一阶差分来计算 : R sh, t = LSHS P t - LSHS P t- 1 (1) R sz, t = LS ZS P t - LS ZS P t - 1 (2) 在证券市场上 ,股票价格的变化是对市场信息流 的反应。当市场处于相对平静的时候 ,交易不活跃 ,成 交量小 ,股价的波动也小 ,而一旦有新的利好、利空消 息到达市场 ,交易马上活跃起来 ,成交量迅速增大 ,股 价波动也剧烈起来 ,为反映成交量变化对收益的影响 , 构建市场活跃度指数如下 : vi, t = log (VOL i, t ) - log (VOL i, t - 1 ) (3) 式 (3)中 VOL i, t为 i指数在 t日的成交量 , i = ( sh, sz)。 在探讨沪深两市波动性关系之前 ,本文对数据特 征进行基本统计分析。表 1为两市日收益序列的统计 性质。 由表 1可知 ,两组收益序列的均值均为负值 ,表明 在样本期内投资者略有亏损 ,体现了股市投资的风险 性。偏度均大于零 ,表明序列分布稍正偏。峰度系数 均远大于 3,意味着具有较高的峰态。根据 JB正态检 验结果 , Jarque - Bera统计量的值都非常大 ,其尾概率 均为 0,从而拒绝两收益序列服从正态假定。由 Q (36)和 Q2 (36)统计量的检验结果可知 ,在 1%的置信 水平下 ,沪深两市日收益序列均存在自相关性和条件 异方差性。 表 1 收益序列的统计性质 统计量 沪市 深市 均 值 - 3123E - 05 - 7137E - 05 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 差 01017674 01018725 偏 度 01025680 01307581 峰 度 61912953 61296691 Jarque - Bera 12621754 92713754 尾概率 01000000 01000000 Q (36) 791407 [ 0 ] 861246 [ 0 ] Q2 (36) 611154 [ 0 ] 857126 [ 0 ]   注 : JB正态性检验统计量为 : JB = T[ S2 + ( K - 3) 2 /4 ] /6,其中 , S为偏度 , K为峰度 , T为样本个数 ; Q统计量为 Q = T ( T + 2) ∑P j2 / ( T - j) ,其中 , Pj为滞后 j步的自相关系数 , T为样本容量个数 , j为 滞后阶数 ; Q2统计量为对应于 R2t 的 Q2 统计量 ;方括号内为概率 值。 图 1和图 2分别为沪深股市收盘价自然对数的时 序图和差分序列图 , DLSHSP为上证综指日收盘价自 然对数的一阶差分 , DLSZSP为深证综指日收盘价自然 对数的一阶差分。从图 1可以看出两个指数收盘价 (水平值 )均呈现出非平稳性 ,但它们具有协同运动的 趋势。从图 2可以看出经过一阶差分后差分序列呈现 ·721· 理论探讨                  《软科学 》2010年 1月 ·第 24卷 ·第 1期 (总第 121期 ) 出平稳性 ,这是存在协整关系的典型特征。另外 ,图 2 还呈现出波动集聚性 ,即大幅波动后面紧跟大幅波动 , 小幅波动后面紧跟小幅波动 ,这为后文建立 ARCH族 模型提供了依据。 212 单位根检验 在进行协整分析之间 ,必须对两市收盘指数序列 进行单位根检验 ,以说明序列平稳性。这里采用 ADF 检验法对单位根进行检验。检验结果列于表 2。 表 2 单位根检验 (ADF检验 ) 变量 ADF值 临界值 (1% ) 检验结果 LSHSP - 01960830 - 31443455 非平稳 LSZSP - 11026096 - 31443455 非平稳 DLSHSP - 44123695 - 31433457 平稳 DLSZSP - 41187913 - 31433457 平稳   通过 ADF检验可以看出 ,在 1%显著水平下 , LSH2 SP和 LSZSP的水平值均接受有单位根的假设 ,在对其 一阶差分后均拒绝存在单位根假设 ,即为平稳序列。 因此 ,可以识别 LSHSP和 LSZSP为一阶单整序列 ,即 I(1)序列。这样下文就可以运用协整理论进行分析。 213 协整检验 通过 ADF检验 ,证实了两个时间序列变量均为一 阶单整变量 ,在此基础上检验它们之间是否具有协整 关系。协整检验常用方法有两种 : Engle - Granger两 步法和 Johansen协整向量自回归法。由 EG两步法得 到的协整参数估计具有非常强的一致性和有效性 ,但 其缺陷是要求向量时间序列为二维 ,线性协整关系唯 一 ,当协整系统的维数增加或者协整的秩增大时 , EG 两步法显得有些无能为力。为克服这一问题 ,本文使 用 Johansen 检验方法 , 它是由 Johansen 和 Juselius (1990)提出的 ,从协整系统的向量 ECM出发 ,讨论了 协整系统内部中长期线性均衡关系估计的极大似然方 法 ,并运用似然比来检验协整关系的存在性以及协整 的秩。Johansen协整检验结果列于表 3。 表 3 Johansen协整检验结果 零假设 (协整向量数 ) 迹统计量 5%临界值 最大特征值 统计量 5%临界值 None 17147474 15149471 14174854 14126460 A t most 1 21726198 31841466 21726198 31841466   由迹统计量和最大特征值统计量可知 ,在 5%水 平下 ,上证综指和深证综指日收盘价序列间存在一个 协整向量 ,即 LSHSP和 LSZSP之间存在长期均衡关 系 ,可以建立误差修正模型 ( error - correction model, ECM)。 3 理论模型 311 误差修正模型 ( ECM) 误差修正模型是协整关系的一种重要表示形式 , 它克服了伪回归问题 ,并有效地描述了经济变量序列 之间的长期 (静态 )表现和短期 (动态 )特征。在股票 市场上 ,一个市场的收盘价不仅受自身前期收盘情况 的影响 ,同时也受其他市场前期收盘情况的影响。基 于这一考虑 ,可以建立如下模型 : LSHS P t = CSH + 6p i =1 α1 iLSHS P t- i + 6q j =1 α2 jLS ZS P t - j +εSH, t (4) LS ZS P t = CS Z + 6p i =1 α3 iLS ZS P t - i + 6q j =1 α4 jLSHS P t - j +εS Z, t (5) 考虑到股市上当日走势受前一日交易情况的影响 比较大 ,这里主要考虑滞后一期的情况 ,因此方程 (4)、(5)简化为 : LSHS P t = CSH +α1LSHS P t- 1 +α2LS ZS P t- 1 +εSH, t (6) LS ZS P t = CS Z +α3LS ZS P t - 1 +α4LSHS P t - 1 +εS Z, t (7) 由于第二部分已证实 , LSHSP与 LSZSP均为一阶 单整序列 ,而它们的线性组合为平稳序列 ,所以可以得 到协整残差序列 ,并建立误差修正模型如下 (Δ表示差 分 ) : ΔLSHS P t =βSH0 +βSH1ΔLSHS P t- 1 +βSH2ΔLS ZS P t - 1 +βSH3 ECM SH, t- 1 +μSH, t (8) ΔLS ZS P t =βS Z0 +βS Z1ΔLS ZS P t - 1 +βS Z2ΔLSHS P t- 1 +βS Z3 ECM S Z, t - 1 +μS Z, t (9) ECM SH, t = LSHS P t - CSH - α1LSHS P t - 1 - α2LS ZS P t- 1 (10) ECM S Z, t = LS ZS P t - CS Z - α3LS ZS P t- 1 - α4LSHS P t- 1 (11) 式中 ECMSH, t、ECMSZ, t为协整残差序列。 312 Granger因果关系检验模型 Granger因果检验是检验经济变量之间因果关系 的一种常用方法。对于股市而言 ,如果一个市场是另 一市场的 Granger成因 ,那么可以认为这个市场先行于 另一市场 ;如果两个市场之间不存在因果关系 ,则认为 两个市场之间并不存在明显的关联关系 ;如果两个市 场互为对方的 Granger成因 ,则可认为两个市场是相互 紧密联系在一起的。 Granger因果关系模型为 : R sh, t = 6n i =1 αsh, i R sh, t - i + 6n j =1 βsh, iR sz, t - j +εsh, t (12) R sz, t = 6n i =1 αsz, iR sz, t - i + 6n j =1 βsz, iR sh, t- j +εsz, t (13) 其中 , R sh, t、R sz, t分别表示 t日上证综指和深证综指 的日收益 ,εsh, t、εsz, t是 t日的白噪声 ,且不相关。如果 存在某一 βsh, j不等于零 ,称 R sz, t引导 R sh, t;存在某一 βsz, j不等于零 ,则称 R sh, t引导 R sz, t;如果同时存在这两 个值都不为零 ,则称两者相互引导 ;如果同时存在这两 ·821· 《软科学 》2010年 1月 ·第 24卷 ·第 1期 (总第 121期 )                  理论探讨 个值都为零 ,则称两者相互独立。通过 F统计量可以 实现对 Granger因果关系的检验。 313 基于 GED分布的双元 EC - EGARCH - M模型 由于协整序列的残差项具有较强解释能力 ( Engle 和 Granger, 1987) ,信息对波动反映的非对称性与波动 集聚 性 都 能 用 EGARCH 模 型 来 很 好 地 模 拟 ( Bae&Karolyi, 1994; Ramap rasad, 2001; Clinton&M ichael, 2002 ) , 因此 , 本文将协整残差项 ( ECM)作为解释变量引入条件均值方程。为了刻画 股市风险变化对收益率的影响 ,将条件标准差引入条 件均值方程 ;为了检验市场活跃度对收益率和波动的 影响 ,将市场活跃度引入条件均值方程和条件方差方 程。由于金融时间序列具有明显的尖峰厚尾的特征 , 如果假设均值回归方程得到的残差项服从正态分布 , 将产生估计偏差 , Nelson ( 1991)提出的广义误差分布 GED能够成功地捕捉金融时间序列的厚尾特征 ,更加 精确地估计模型参数。如果残差项~GED (0, 1) ,其概 率分布函数 PDF中的 v是尾部度量系数 ,则当 v = 2, 分布形式为标准正态分布 ;当 v < 2,具有厚尾性 ;当 v > 2,具有薄尾性。为此 ,建立如下基于 GED 分布的 EC - EGARCH - M模型。 条件均值方程 : R sh, t = Csh + 6p i =1 αsh R sh, t - i + 6q j =1 βsz R sz, t - j +γsh ECM sh, t - 1 +λsh vsh, t +ζshσsh, t +εsh, t (14) R sz, t = Csz + 6p i =1 αsz R sz, t - i + 6q j =1 βsh R sh, t- j +γsz ECM sz, t- 1 +λsz vsz, t +ζszσsz, t +εsz, t (15) 其中 , εi, t = (εsh, t ,εsz, t ,ε| Ωt- 1 ~ t ( 0, H t ) H t = σ2sh, t ρsh, szσsh, tσsz, t ρsh, szσsz, tσsh, j σ2sz, t 条件方差方程 : ln (σ2sh, t =ωsh + 6pf =1 (ψsh, f εsh, t- fσsh, t - f - 2π +τsh, f εt - f σt- f ) + 6p r =1 ηsh, r ln (σ2sh, t- t ) + 6nλ=1κsh,λ ln (ε2sz, t -λ ) +θsh vsh, t (16) ln (σ2sz, t =ωsz + 6pf =1 (ψsz, f εsz, t- fσsz, t- f - 2π +τsz, fεt- fσt - f ) + 6p r =1 ηsz, r ln (σ2sz, t- t + 6nλ=1κsz,λ ln (ε2sh, t-λ ) +θsz vsz, t (17) 在方程 (14)、(15)中 , C为常数项 ,α、β为滞后项 系数 ,其中α是自身市场滞后项系数 ,β为另一市场滞 后项系数 ,γ为条件均值方程的协整残差项系数 ,λ为 市场活跃度度量系数 ,ζ为风险度量系数。在方程 (16)、(17)中 ,ω为常数项 ,η为无条件方差的滞后项 系数 ,用来描述方差的“集聚 ”性。ψ、τ表示消息对波 动的影响程度 ,若ψ > 0,τ < 0,则波动的不对称性存 在。τ为信息冲击的不对称效应系数 ,当τ= 0时 ,正冲 击 (好消息 )与负冲击 (坏消息 )是对称的 ;当τ< 0时 , 负冲击对波动的增加大于正冲击 ;当τ> 0时 ,负冲击 对波动的增加小于正冲击 ,此时的τ被称为杠杆效应 (Nelson, 1991)。κ为溢出效应系数 ,用来表示本市场 受另一市场信息冲击的程度。至此 ,本文从上证综指 和深证综指收盘价的关系出发 ,将协整残差项、市场活 跃度指标引入条件均值方程和条件方差方程 ,构建出 反映两个市场收益率和波动性关系的双元 EC - EGARCH - M模型。 在上述分布假设下 ,可以用最大化对数似然函数 来估计各参数 T。若样本数为 T,则系数向量Θ的对 数似然函数为 : L (Θ) = T ln (015π) - 015 ×6T t =1 ln | H t | - 015 ×6T t =1 lnεtH - 1t εt 其中 ,εt = [εsh, t ,εsz, t ] ,系数向量 Θ = [αi ,βi ,γi , ωi ,ψi ,τi ,ηi ,κi ,ρ] , i = sh, sz。为保持试验结果计算的 精确性 ,采用没有任何系数限制的最大似然估计 BH2 HH算法 (Berndt等 , 1974)对模型各参数进行估计。 4 实证结果与分析 411 Granger因果检验模型 上证综指和深证综指日收益序列均平稳 ,对它们 进行 Granger因果检验得到的结果列于表 4。根据 F 统计量和相伴概率可知 ,零假设均被拒绝 ,这说明沪深 两市之间存在双向引导关系 ,相对而言 ,沪市对深市的 引导作用更为显著 ,这一点可从 F统计量的大小看出。 出现这一结果主要原因是沪市集中了我国证券市场大 部分权重股 ,它们是我国证券市场的“风向标”。 表 4 Granger因果检验结果 零假设 样本数 F统计量 相伴概率 上证综指日收益不是深证综指 日收益的格兰杰成因 深证综指日收益不是上证综指 日收益的格兰杰成因 1977 3119506 212E - 14 1110382 117E - 05 412 双元 EC - EGARCH - M模型 根据 SIC准则 ,本文对 EC - EGARCH - M模型选 择滞后一阶。这样 ,借助基于 GED分布的双元 EC - EGARCH (1, 1) - M模型对沪深股市之间的日收益率 关系 (一阶矩 )和波动关系 (二阶矩 )进行了实证分析。 模型的条件均值、方差方程参数估计结果列于表 5。 在条件均值方程中 ,上证综指和深证综指日收益 率的系数在 1%水平下均显著 ,表明两市日收益率均 存在一致性常数关系 ;系数在 1%水平下均显著 ,说明 两市风险变化对各自收益率均有显著影响 ,深市系数 值远大于沪市 ,说明深市对市场波动尤其敏感 ,这可能 与深圳集中了我国大部分中小企业公司股有关 ,这些 ·921· 理论探讨                  《软科学 》2010年 1月 ·第 24卷 ·第 1期 (总第 121期 ) 小盘股易操纵 ,增加了市场波动 ;系数在 1%水平下均 显著 ,说明两市日收益率均可以用自身一阶滞后项进 行描述 ;系数在 1%水平下均显著 ,说明两个市场之间 存在双向均值引导关系 ,相对而言 ,沪市对深市的引导 作用更大 ,这与 Granger因果检验的结论相一致 ;协整 误差项系数在 1%水平下均显著且同为负数 ,这表明 协整误差项是沪深两市条件均值的一个重要决定性变 量 ,负值说明 ECM项所表示的长期均衡对短期关系有 修正作用 ,符合误差修正机制。系数在 1%水平下均 显著 ,表明构建的市场活跃度指数对两市条件均值有 较好的解释作用。 表 5 双元 EC - EGARCH - M模型估计结果 沪市 深市 条件均值方程 模型 参数 系数值 z - 统计量 概率 系数值 t - 统计量 概率 ζ 11269367 61180432 010000 - 1216338 - 3119613 010000 μ - 0102038 - 6180501 010000 01220478 36197596 010000 α 01647792 41238468 010000 - 0155255 - 1314178 010000 β 01226807 61087582 010000 21057832 15183159 010000 γ - 0179691 - 5134984 010000 - 1168234 - 1312539 010000 λ 01029231 13139787 010000 01108232 27159946 010000 条件方差方程 ω - 1011123 - 2817948 010000 - 9173032 - 1401138 010000 ψ 01274165 51880634 010000 - 0101632 - 4147897 010000 τ - 0124286 - 7128582 010000 - 0101541 - 3100029 010027 η - 0123263 - 5142987 010000 - 011998 - 2117196 010000 κ 01042579 31223388 010013 - 0100326 - 317874 010002 θ - 1142671 - 1113837 010000 01789113 22144201 010000 v 11098105 24159256 010000 0187745 26171536 010000 R2值 01092559 01202545 D - W值 11956331 21034232 F统计量 16169397 41156967   在条件方差方程中 ,沪深两市的系数 ω、η均在 1%水平下显著 ,表明了对数方差具有一致性的常数关 系和波动的集聚特征 ;在检验信息冲击对收益率的不 对称效应中 ,沪深两市的系数τ是均在 1%水平下显著 且同为负值 ,表明两市均对坏消息反应敏感 ,对好消息 反应较迟钝 ,由此说明 ,信息对价格波动的影响是不对 称的 ,具有杠杆效应 ,相对而言 ,沪市对两种消息的反 应均较深市强烈 ;反映波动溢出效应的系数 k均在 1%水平下显著 ,其中沪市为正值 ,深市为负值 ,这表明 在沪市上 ,深市一阶滞后误差项平方对数对沪市有正 向冲击作用 ;而在深市上 ,沪市一阶滞后误差项平方对 数对深市有负向冲击作用 ,可见两市之间能相互引导 , 相互预测。系数θ在 1%水平下均显著 ,表明构建的 市场活跃度指数对两市方差对数有较好的解释作用 , 是一个重要的决定性变量。GED分布的尾部度量系 数 v均小于 2,说明条件均值回归方程得到的残差序列 具有厚尾特征 ,所以这里选择 GED分布 ,比通常在做 EGARCH回归时 ,认为误差项服从正态分布更加合理。 5 研究结论 借助 GRANGER因果检验模型、基于 GED分布的 双元 EC - EGARCH - M模型 ,对沪深股市波动性关系 进行了实证研究 ,结果表明 : 第一 ,对于沪深两市的收益率 (一阶矩 )引导关 系 , GRANGER因果检验与双元 EC - EGARCH - M模 型得到一致的结论 :沪深两市相互引导 ,相对而言 ,沪 市对深市的引导作用比深市对沪市的引导作用更为强 烈。在波动 (二阶矩 )关系上 , EC - EGARCH - M模型 也得到与收益率关系相同的结论。在整体方程的拟合 上 , F统计量均拒绝各变量系数同为 0的原假设 ,说明 构建的 EC - GARCH - M模型能准确描述两市的动态 波动性关系。 第二 ,构建的市场活跃度指数能反映出成交量变 化对收益率的影响关系 ,这为各类投资者在实际操作 中提供了参考。 第三 ,由协整残差项的统计显著性可以推断 ,在沪 深两市上 ,长期均衡对短期关系有修正作用 ,符合误差 修正机制。 第四 ,沪深两市均呈现出波动的集聚和非对称性 特征 ,并且均是坏消息的冲击作用比好消息的冲击作 用大 ,两市之间存在双向波动溢出 ,可以相互引导 ,相 互预测。 第五 ,尾部厚度度量系数均小于 2,说明序列具有 明显厚尾特征。 参考文献 : [ 1 ] Jeon B N, Von Furstenberg G M. Growing International Co - move2 ment in Stock Price Indexes [ J ]. Quarterly Review of Econom ics and Business , 1990, 3: 121 - 127. [ 2 ] Steven ShuyeW ang, M ichael Firth . Do Bear and Bulls Swim Across Oceans? Market Information Transm ission between Greater China and the Rest of the World [ J ] . Journal of International Financial Markets, Institutions and Money, 2004, 14 (3) : 235 - 254. [ 3 ] So R W , Tse Y. Price D iscovery in the Hang - Sang Index and the FuturesMarket [ J ]. Journal of Futures, and Tracker Fund, 2004, 24: 887 - 907. [ 4 ] 刘金全 ,崔畅. 中国沪深股市收益率和波动性的实证分析 [ J ]. 经济学 , 2002, 1 (4) : 885 - 97. [ 5 ] 史代敏. 沪深股票市场风险变异性实证研究 [ J ]. 数量经济技术 经济研究 , 2002, 3: 118 - 21. [ 6 ] 宿成建 ,刘星 ,刘礼培 ,魏锋. 应用小波分析方法研究沪深股市 的溢出效应 [ J ]. 系统工程学报 , 2004, 9 (1) : 99 - 103. [ 7 ] 周孝华 ,黄赟. 我国股票市场沪深两市波动性研究 [ J ]. 经济与 管理研究 , 2008, 8: 77 - 82. (责任编辑 :唐  杰 ) ·031·
本文档为【基于EC_EGARCH_M模型的沪深股市波动性研究】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
该文档来自用户分享,如有侵权行为请发邮件ishare@vip.sina.com联系网站客服,我们会及时删除。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
下载需要: 免费 已有0 人下载
最新资料
资料动态
专题动态
is_203054
暂无简介~
格式:pdf
大小:324KB
软件:PDF阅读器
页数:5
分类:金融/投资/证券
上传时间:2010-07-12
浏览量:18