| 标题 | 中国创业板股票价格模型的动态研究 |
| 范文 | 摘 ?要：中国创业板市场是一个新兴的市场，不仅资本的存量比发达国家成熟的金融市场小得多，而且股票的波动性也大许多，市场波动方面具有很多独特的特征。，本文对创业板市场的股价波动行为进行研究和探讨，得到GARCH模型拟合后的残差序列不存在自回归条件异方差，进行实证分析，并对实证结果给出解释，最后根据分析得出相关的结论并提出相应的建议。 关键词：创业板;股票价格;GARCH模型;方差分析 创业板，是我国中小企业的相对简单且富有实效的一种融资渠道，它其创立伊始就是我国的其他股票市场之间有着明显的不同。从某种意义上来说，创业应更具有活力且更加能成为中小企业所青睐的渠道。我国对在创业板中的股票的价格模型其在理论界进行了大量研究。通过对我国的金融股票市场价格运行及各种差异化因素的分析，相对于世界上其他的类似股票市场而言，我国的创业板更具有活力。因此，在此市场上的股票收益波动是比较热门的话题。本文所进行的动态研究，便是对股票收益的波动性进行研究。波动性也称易变性，是对股票市场风险程度的估计。股票价格的波动是对股票价格走势不确定性的一种度量，股票收益波动性是表示股票价格变化在某一时期的变异程度。从我国的股票市场上来看，股票的价格受到经济环境、国家政策等多方面因素的影响，具有很大的波动性，通过对过去20年的A股股价进行汇总，可以发现股价呈现峰谷交替的周期性变动。之前有研究通过初步判断由于股价的相对不确定性，股价指数具有一定程度上的马氏性，建立马氏链模型，来对周期有一个判断，之后通过小波分析绘制反映股价周期性的图像，来印证股票价格的周期性。但实际中股价涨跌是由多方面影响因素的共同作用。通过国家政策、宏观经济状况、上市公司经营情况、股票行业自身规律、交易者的交易行为和心理流入股市的资金量六个因素来研究各因素对股票市场的影响程度。但此类影响因素难以量化的，因此股价在各因素的影响下围绕自身价值涨跌。 通过研究发现，资本市场收益率数据具有如下几个特点：1.存在波动率聚集性;2.波动率以连续时间变化，即波动率跳跃很少见的;3.波动率不会发散到无穷，也就是说波动率往往是平稳;4.波动率对价格大幅上升和下降的反应不同，所谓的杠杆效应。考虑到为了更好的描述、捕捉和预测股票价格波动率，针对资本市场，Engle（1982）提出了自回归条件异方差模型（ARCH），针对波动的性质，另一些学者提出了GARCH、CHARMA、EGARCH等模型。ARCH模型是一种度量金融时间序列数据波动性的有效工具，利用它可着重研究股价随内在价值的偏离与波动及波幅的大小反映不同年份，及股价的波动剧烈程度。故此建立股票价格模型波以及对其进行动态分析最常用的便是GARCH模型。ARCH模型的实质是使用残差平方序列的q阶移动平移拟合当期异方差函数值，由于移动平均模型具有自相关系数q阶截尾性，所以ARCH模型实际上只适用于异方差函数短期自相关系数。 但是在实际运用的过程中，会发现某些残差的序列异方差函数同时有长期自关性，因此，在此用ARCH模型对异方差函数进行多次的拟合移动平均阶数会增高。与此同时，该函数所增加参数估计也会提升它的难度。这些变量或因素的影响将会对ARCH模型的拟合精度产生一定的差异。 在长期的理论实践中为了修正刚才所述的问题，本文认为可以建立一个广义的自回归条件异方差模型。模型可以标记GARCH（p，q）。自回归条件异方差模型便是在以ARCH为基本模型，在多增加考虑异方差函数的p阶自回归性。该模型可以有效的拟合具有长期记忆性的异方差函数。ARCH模型是GARCH模型的一个特例，p=0的GARCH（p，q）模型。 此模型的建模过程如下：1.通过检验数据的序列相关性建立一个均值方程，如果必要，对收益率建立一个计量经济模型来消除线性依赖。2.对均值方程的残差进行ARCH效应检验。3.如果ARCH效应在统计上是显著的，则指定一個波率模型，并对均值和波动率进行联合估计。4.仔细地检验所拟合的模型，如有必要则对其进行改进。 通过上文的介绍，本文以创业板指数为例，选取了2019年01月04日至2019年06月31日交易日的日收盘价指数数据。先对数据进行初步分析得到收益率数据，公式为=ln-ln。其次，从创业板市场的收益率折线图可以看出有波动的丛集性特点及波动大的区间与波动小的区间之间存在着明显的区别。大的报酬紧连着大的报酬，小的报酬紧连着小的报酬，这就是显著的波动集群性。波动集群性表明股票报酬波动是时变的，表明是异方差。 图2 ?创业板市场收益率基本统计信息 上数图中的分析结果，可以很直观的观察到;峰度kurtosis大于正态分布的峰部值3。该峰部值可以直接表明创业板股票的收益率存在着一个很明显的特征——尖峰厚尾，同时可测量的JB统计量：36.52，JB统计量的相伴概率小于0.05，因此，可以认为在5%的显著性水平上收益率序列分布不符合正态分布的特征。 对该序列进行ADF单位根检验，检验使用的回归方程包括4阶滞后项及常数项，但不包含趋势向。在1%的显著性水平下，创业板的收益率拒绝非平稳的假设，说明创业板收益率序列是平稳的时间序列数据。这个结果与国外学者对发达成熟市场波动性的研究一致。 对该序列做相关分析，得到该序列的相关分析图。从相关分析图中可以看到板、市场收益率序列的相关分析图给出了1阶到15阶的自相关系数和偏自相关系数的值，具体滞后阶数看第三栏。第六、第七栏分别是Ljung-BoxQ检验统计量的值及其概率值，用于进一步检验判断自相关系数的显著性。由此可知，创业板指数收益率序列不存在明显的自相关。于是，建立模型：对其进行OLS估计。从回归估计的结果看，拟合优度达到了0.9617，模型很好的拟合了样本观测值。常数项没有通过显著性检验，因此从方程中剔除。另外，通过计算可得残差的波动呈现出一定的集群特征，存在异方差现象，即创业板市场收益率序列存在ARCH效应。 由于模型的残差项具有ARCH效应，可考虑建立GARCH（1，1）模型并对其进行估计。输出结果上部为均值方程的系数估计结果，中间为条件方差方程的系数估计结果，下部为各种指标的报告。由GARCH模型输出结果可知，常数项没有通过显著性检验，去掉常数项。GARCH（1，1）模型与OLS估计结果相比较，虽然拟合优度并没有改善，但是AIC和SC有一定程度的变小，说明GARCH（1，1）模型对OLS估计有所改善。 一、结论与建议 通过对上文的实证研究，我们可以发现在创业板的股票价格波动模型中我国创业板市场收益率并不存在明显的自回归现象，在一定的检验期间内，各期的收益率对现期的影响程度逐渐减小。与此同时价格波动模型存在较为明显的条件异方差性，虽然创业板价格的波动出现了异方差性，但GARCH（1，1）模型模拟估计的有显著的效果，可以得出结论在创业板指投资者的投资行为更为理性，没有过度或者盲目投资。从侧面印证了我国创业板投资的成熟性。因此，最终可以得到本文所研究的股票价格动态模型是符合创业板的价格波动的。 参考文献： [1]刘晓星， 陈羽南. 投资者风格与股票价格波动——基于中国股票市场的研究[J]. 东南大学学报（哲学社会科学版）， 2017， 19（1）：40-53. [2]薛志国. 浅议股票价格波动性与证券市场有效性[J]. 现代商业， 2017（4）：88-89. [3]曹栋， 张佳. 基于GARCH-M模型的股指期货对股市波动影响的研究[J]. 中国管理科学， 2017， 25（1）：27-34. [4]唐吉洪， 王雪标. 通胀及货币政策的不确定性对货币政策调控的影响——基于TVP-GARCH-M模型的实证分析[J]. 金融理论与实践， 2017（3）：1-6. 作者简介： 黄 ?燕（1986.10-）;性别：女;籍贯：广东;学历：本科;研究方向：概率论与数理统计。 |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。