莫達(dá)隆

（賀州學(xué)院，廣西 賀州 542899）

SETAR模型在中國股市波動(dòng)率研究中的應(yīng)用

莫達(dá)隆

（賀州學(xué)院，廣西 賀州 542899）

文章對(duì)上證指數(shù)2006年1月6日-2011年5月23日收盤價(jià)的波動(dòng)率進(jìn)行了研究，介紹并使用隨機(jī)系數(shù)SETAR模型與ARCH族模型進(jìn)行對(duì)比擬合，根據(jù)數(shù)據(jù)的特點(diǎn)，文章構(gòu)建了一種新型的SETAR模型，即AR(r)-SETAR(l，p1，p1)模型，模型利用ADF檢驗(yàn)和AIC準(zhǔn)則進(jìn)行識(shí)別和估計(jì)。結(jié)果表明：可用AR(4)-SETAR(2，1，1)模型來擬合中國股市中的上證指數(shù)，研究其波動(dòng)率特點(diǎn)，上證指數(shù)波動(dòng)率呈不對(duì)稱的響應(yīng)，而且“負(fù)”響應(yīng)比“正”響應(yīng)高出約1.3倍。用ARCH族模型也證明了這種不對(duì)稱響應(yīng)的特征，但無法度量波動(dòng)的強(qiáng)度，預(yù)測效果也沒有SETAR模型精確。說明上證指數(shù)波動(dòng)率不對(duì)稱響應(yīng)明顯且呈現(xiàn)非線性的趨勢，這種非線性的趨勢更適合用SETAR模型來擬合。

SETAR模型；股市風(fēng)險(xiǎn)；金融經(jīng)濟(jì)；金融投資

一、波動(dòng)率模型研究綜述

波動(dòng)率作為度量股市市場風(fēng)險(xiǎn)的重要指標(biāo)之一，一直以來都是學(xué)術(shù)界和金融界的研究對(duì)象。在現(xiàn)代金融經(jīng)濟(jì)理論中，波動(dòng)率是期權(quán)定價(jià)理論最具關(guān)鍵的定價(jià)因素，波動(dòng)率在金融經(jīng)濟(jì)學(xué)的其他領(lǐng)域也得到廣泛的應(yīng)用。波動(dòng)率模型不僅可以幫助投資者進(jìn)行資產(chǎn)投資的最優(yōu)化組合，還可以幫助投資者分析和度量投資的風(fēng)險(xiǎn)水平。

自Engle于1982年提出ARCH模型以來，關(guān)于金融風(fēng)險(xiǎn)和波動(dòng)率研究的波動(dòng)率模型成為學(xué)術(shù)界和金融界研究的重點(diǎn)。ARCH模型在提示金融市場價(jià)格的波動(dòng)規(guī)律方面取得了輝煌的成就，自問世以來，該模型己被廣泛應(yīng)用于經(jīng)濟(jì)與金融領(lǐng)域的時(shí)間序列數(shù)據(jù)的分析，成為資產(chǎn)定價(jià)和投資組合風(fēng)險(xiǎn)評(píng)估的重要工具，ARCH模型可以更容易解釋所建立的模型和作出更準(zhǔn)確的波動(dòng)預(yù)測。但ARCH模型假定正的響應(yīng)和負(fù)的響應(yīng)對(duì)波動(dòng)率的影響是相同的，因?yàn)樵贏RCH模型中波動(dòng)率依賴于以往響應(yīng)的平方，實(shí)際上，大量數(shù)據(jù)表明，金融市場價(jià)格對(duì)正的響應(yīng)和負(fù)的響應(yīng)的反應(yīng)是不同的。

此后，許多經(jīng)濟(jì)學(xué)家對(duì)ARCH模型進(jìn)行了擴(kuò)展。其中貢獻(xiàn)最突出的是波勒斯列夫(BollerSlve，1986)提出的廣義自回歸條件異方差模型(AGRCH)，這一模型認(rèn)為，誤差項(xiàng)的方差不僅取決于誤差項(xiàng)過去的方差，而且還取決于過去的誤差項(xiàng)本身。由Li1ine(1987)提出了ARC+M模型，把條件方差放到條件平均數(shù)方程中。Nelsno(1991)提出了EARCH，進(jìn)一步考慮了信息不對(duì)稱現(xiàn)象的正負(fù)沖擊所引起的不同影響。Bailleie et 1a(1996)年提出了FIAGRCH模型，該模型能較好的反應(yīng)序列變動(dòng)異方差的特性和長記憶變動(dòng)特性，描述了過去的沖擊持續(xù)到未來，并對(duì)未來的預(yù)測產(chǎn)生很大的影響。在利用ARCH族模型預(yù)測波動(dòng)率的同時(shí)，國外學(xué)者的研究結(jié)果也大大的豐富了其他波動(dòng)率的模型。如隨機(jī)波動(dòng)模型(VS)、馬爾科夫機(jī)制轉(zhuǎn)換模型(MRS)以及閥值模型(T)等。其中ARCH模型和VS模型是最常使用的兩個(gè)模型。所以近年來又出現(xiàn)了這些模型互相結(jié)合的趨勢，如馬爾科夫機(jī)制轉(zhuǎn)換模型和自回歸條件異方差模型(SARHC)相結(jié)合的模型。

目前國內(nèi)對(duì)股票波動(dòng)率的研究主要集中在實(shí)證應(yīng)用研究上。在2000年張思奇的文章中運(yùn)用ARMAARC+M模型對(duì)1992年l月2日到1998年6月3日的上證綜指成分股進(jìn)行實(shí)證研究，結(jié)果表明，我國股市的有效程度已經(jīng)得到明顯提高，市場己具備某些弱勢有效市場特征。劉秀芳的“中國股市趨向弱勢有效之實(shí)證研究”運(yùn)用有效市場理論分析了相關(guān)研究中存在的問題，最后得出中國股票市場正趨于弱勢有效的結(jié)論。徐龍炳、陸蓉(1999)對(duì)中國股票市場進(jìn)行了RS/分析，結(jié)果得到滬、深股市Hurst指數(shù)分別為0.661和0.643，表明中國股市存在狀態(tài)持續(xù)性，股指所構(gòu)成的時(shí)間序列呈非線性；徐響龍(2001)運(yùn)用穩(wěn)態(tài)分布實(shí)證研究中國股市收益分布的特征等。陸靜利用回歸分析的方法研究了天氣對(duì)股票市場波動(dòng)率的影響，發(fā)現(xiàn)除極端天氣（如災(zāi)害性的天氣）外，其他天氣對(duì)股票市場的波動(dòng)率是沒有影響的。張普等人基于無套利原理和期權(quán)定價(jià)理論，建立起波動(dòng)性價(jià)值模型，他們認(rèn)為波動(dòng)率對(duì)股票市場的影響沒有波動(dòng)性價(jià)值那么大，即現(xiàn)金紅利率是影響股票市場的首要因素。與此同時(shí)，跟隨國外研究的步伐，越來越多的研究成果（包括模型、檢驗(yàn)方法等）將被使用到我國股市中進(jìn)行波動(dòng)率研究，對(duì)我國股市的認(rèn)識(shí)的進(jìn)一步提高也指日可待。陳浪南等人構(gòu)建一種混合GARCH跳躍模型來探討股票市場資產(chǎn)收益的跳躍行為與股票市場波動(dòng)率的關(guān)系，結(jié)果發(fā)現(xiàn)條件波動(dòng)率與跳躍行為之間存在相互的直接回饋效應(yīng)。周春生推廣了Mei、Wu& Zhou(2005)的模型（簡稱MWZ模型），在市場不允許賣空的條件下，得到交易型價(jià)格操縱發(fā)生的條件，他們認(rèn)為在股價(jià)被操縱的過程中，換手率與回報(bào)波動(dòng)率之間存在較強(qiáng)的正相關(guān)關(guān)系[1]。

SETAR模型被成功地用來預(yù)測一些生物和物理方面的進(jìn)程，如預(yù)測lysn數(shù)據(jù)和太陽黑子的數(shù)目(Tong，1990)，此外該模型在經(jīng)濟(jì)和金融方面也得到了廣泛的應(yīng)用。Tiaoand Tsay(1994)，Potter(1995)運(yùn)用該模型對(duì)美國的GDP進(jìn)行了預(yù)測；Potter(1995)、Peel and Speight(1995)年分別運(yùn)用SETAR模型對(duì)美國和英國的GDP進(jìn)行了預(yù)測，但是運(yùn)用該模型對(duì)股票進(jìn)行研究的文章一直較少。Ruey S.Tsay成功地利用SETAR模型對(duì)1962年7月3日-1999年12月31日的IBM股票的日收益率進(jìn)行建模，證實(shí)IBM股票的日對(duì)數(shù)收益率只有很弱的序列相關(guān)性，然而均值方程的新息過程表現(xiàn)出強(qiáng)烈的相依性和正、負(fù)收益率的不對(duì)稱響應(yīng)。胡進(jìn)在他的博士學(xué)位論文中，對(duì)SETAR模型的參數(shù)估計(jì)提出一種全新的方法，即方差比統(tǒng)計(jì)量估計(jì)，并利用全局搜索算法解決SETAR模型的參數(shù)估計(jì)的問題，最后他用這種模型研究了中國經(jīng)濟(jì)增長中的非線性特征和不對(duì)稱響應(yīng)特征[2]。但這種不對(duì)稱響應(yīng)強(qiáng)度如何度量？目前文獻(xiàn)還沒有進(jìn)行討論，本文在研究中國股票波動(dòng)率特征的同時(shí)擬給出波動(dòng)率不對(duì)稱響應(yīng)的強(qiáng)度度量方法。

二、隨機(jī)系數(shù)SETAR模型

1.隨機(jī)系數(shù)SETAR模型定義如下

其中，Y是觀測值xt，t=p+1，p+2，…，n。

式(1)為隨機(jī)系數(shù)n維p階SETAR模型，記為SETAR(l，p，p)。

要估計(jì)的參數(shù)是l，A，σ2jt，d，p，通常參數(shù)l可根據(jù)數(shù)據(jù)實(shí)際情況來定，參數(shù)d與分割Rj有關(guān)，A是一個(gè)條件最小二乘估計(jì)值。對(duì)于參數(shù)d和分割Rj（通?？捎眯蛄械臏箜?xiàng)來表示），可以先固定某一個(gè)值，然后比較其殘差平方和，選取其最優(yōu)者。

2.隨機(jī)系數(shù)SETAR模型的參數(shù)估計(jì)

式(1)的參數(shù)估計(jì)為：

其中，D=diag(dp+1，dp+2，…，dn)是權(quán)矩陣，

3.隨機(jī)系數(shù)SETAR模型的檢驗(yàn)

隨機(jī)系數(shù)SETAR模型的檢驗(yàn)有三個(gè)方面：

（1）殘差檢驗(yàn)

殘差檢驗(yàn)主要是殘差的獨(dú)立性、正態(tài)性和等方差性等檢驗(yàn)。

（2）非線性檢驗(yàn)

隨機(jī)系數(shù)SETAR模型是一個(gè)非線性模型，我們采用的非線性檢驗(yàn)是廣義似然比檢驗(yàn)方法，這個(gè)方法對(duì)SETAR模型有很好的功效[3]。

H0∶a1i=a2i=…=ali，i=0，1，2，…，p

H0∶a1i，a2i，…，ali，i=0，1，2，…，p不全相等

構(gòu)造其統(tǒng)計(jì)量為：

其中σ?(H1)和σ?(H0)分別是在備擇假設(shè)H1和原假設(shè)H0成立時(shí)的極大似然估計(jì)。當(dāng)H0成立時(shí)(3)式取值為較小的數(shù)。

（3）顯著性檢驗(yàn)

顯著性檢驗(yàn)用于檢驗(yàn)?zāi)Ｐ拖禂?shù)的是否顯著，預(yù)測效果是否良好。

三、實(shí)證研究

本文選取上證指數(shù)2006年1月6日-2011年5月23日收盤價(jià)（設(shè)為序列{pt}，t=1，2，…，1307），共1307個(gè)數(shù)據(jù)。定義對(duì)數(shù)收益率rt=ln(pt)-ln(pt-1)，利用計(jì)量經(jīng)濟(jì)學(xué)軟件包Eviews進(jìn)行統(tǒng)計(jì)分析。

1.收益率rt的統(tǒng)計(jì)性質(zhì)

圖1是收益率序列{rt}在Eviews描述性統(tǒng)計(jì)分析的結(jié)果：收益率在樣本期內(nèi)的均值為0.000654，標(biāo)準(zhǔn)差為0.020005，偏度為-0.438228，小于正態(tài)分布的偏度值0，峰度為5.427814，高于正態(tài)分布的峰度值3，正態(tài)性檢驗(yàn)JB統(tǒng)計(jì)量為362.5486，說明收益率rt具有尖峰和厚尾的特性，與正態(tài)分布顯著不同。利用Eviews對(duì)序列{rt}進(jìn)行ADF檢驗(yàn)：在0.01的顯著水平下，拒絕存在一個(gè)單位根的原假設(shè)，表明{rt}是平穩(wěn)的（表1）。上述結(jié)論與國內(nèi)外對(duì)波動(dòng)率研究的結(jié)果是一致的。

圖2描述了上證指數(shù)收益率的時(shí)間序列。該序列圖表明上證指數(shù)的收益率在一些時(shí)期的波動(dòng)比較大，且負(fù)向波動(dòng)大于正向波動(dòng)。再對(duì)比日期來看，每年的1月份至3月份和5月份至8月份的負(fù)向波動(dòng)比其他時(shí)期要大很多，說明上證指數(shù)在春節(jié)先后和夏季的波動(dòng)率較大。

圖1 收益率rt的描述性統(tǒng)計(jì)量

表1序列{rt}ADF檢驗(yàn)結(jié)果

圖2 上證指數(shù)收益率的時(shí)間序列圖

表2序列{εt}的ARCH-LM檢驗(yàn)

2.ARCH效應(yīng)檢驗(yàn)

把收益率序列{rt}寫成：

rt=b+εt

其中b為常數(shù)項(xiàng)，εt為誤差項(xiàng)。對(duì)序列{εt}進(jìn)行ARCH效應(yīng)檢驗(yàn)結(jié)果如表2，相伴概率p值遠(yuǎn)遠(yuǎn)小于顯著水平0.05，因此拒絕原假設(shè)，可以認(rèn)為序列{εt}存在ARCH效應(yīng)，有必要進(jìn)行ARCH族模型建模分析。

3.ARCH族模型建模分析

利用Eviews軟件，可以建立ARCH及其多種擴(kuò)展模型。

結(jié)果如表3所示，ARCH-M模型的殘差平方和最小，而且AIC值和SC值也比較小，可以認(rèn)為ARCHM模型擬合優(yōu)度最佳。GARCH-M模型是GARCH模型的改進(jìn)模型，它是在GARCH模型的基礎(chǔ)上增加了條件方差項(xiàng)。SQRT(GARCH)后的系數(shù)是條件方差的系數(shù)（如圖3），有時(shí)也稱為風(fēng)險(xiǎn)溢價(jià)參數(shù)，其代表是資產(chǎn)回報(bào)期望風(fēng)險(xiǎn)的大小，此時(shí)風(fēng)險(xiǎn)溢價(jià)參數(shù)值是-0.047138＜0，即該時(shí)段的上證指數(shù)的收益率與它過去的波動(dòng)率成反比（與此不同的是，西方成熟的股市市場的風(fēng)險(xiǎn)溢價(jià)參數(shù)往往表現(xiàn)為正值，即收益率與過去的波動(dòng)率成正比[1]），說明上證股市還存在高投機(jī)性和高換手率。風(fēng)險(xiǎn)溢價(jià)參數(shù)的P值=0.6092，遠(yuǎn)遠(yuǎn)大于0.05，拒絕為0的原假設(shè)，說明期望風(fēng)險(xiǎn)顯著，投資風(fēng)險(xiǎn)大，股市存在短線投機(jī)觀念還相當(dāng)濃厚的非理性投資行為。與GARCH(1，1)模型相比，GARCH-M模型的殘差平方和、AIC和SC值都要小許多，說明GARCH-M模型對(duì)GARCH模型具有改進(jìn)的作用。

表3 序列的ARCH族Eviews軟件擬合結(jié)果對(duì)比表

圖3 GARCH-M模型參數(shù)估計(jì)與檢驗(yàn)結(jié)果

對(duì)于股票市場的研究發(fā)現(xiàn)，股票下跌和上漲相同幅度時(shí)，股票價(jià)格下跌過程往往會(huì)伴隨著更劇烈的波動(dòng)性。為描述這種現(xiàn)象，可以引入ARCH模型的其他擴(kuò)展模型。其中EARCH模型、TARCH模型和PARCH模型可以用于描述波動(dòng)率的這種非對(duì)稱性質(zhì)，用Eviews估計(jì)EARCH模型（結(jié)果如圖4），結(jié)果中的RESID(-1)^2*(RESID(-1)＜0)（即C(4)） 項(xiàng)代表杠桿效應(yīng)系數(shù)的估計(jì)值，其不等于0，說明信息的作用是非對(duì)稱的，小于0時(shí)認(rèn)為杠桿效應(yīng)顯著，而且從另一個(gè)側(cè)面說明上證指數(shù)的收益率與它過去的波動(dòng)率成反比。通過觀察，在其他非對(duì)稱ARCH模型，如TARCH模型和PARCH模型中都呈現(xiàn)了顯著的杠桿效應(yīng)，說明上證指數(shù)的收益率序列{rt}存在顯著的杠桿效應(yīng)。

圖4 EARCH模型參數(shù)估計(jì)與檢驗(yàn)結(jié)果

杠桿效應(yīng)是指股市價(jià)格變動(dòng)與其隨機(jī)波動(dòng)率負(fù)相關(guān)，波動(dòng)率對(duì)價(jià)格的上升和下降的反應(yīng)是不同的，也就是說收益率為負(fù)時(shí)的波動(dòng)性比收益率為正時(shí)的波動(dòng)性要大一些。換言之,“好”和“壞”的消息會(huì)對(duì)未來的價(jià)格波動(dòng)產(chǎn)生不同程度的影響，通?！皦摹毕⑺鸬牟▌?dòng)更大。EARCH模型就是為了描述波動(dòng)率的這種不對(duì)稱特性而提出來的，但在這里EARCH模型的預(yù)測效果卻沒有ARCH-M模型的預(yù)測效果那么好，而且EARCH模型也沒能定量地給出波動(dòng)率不對(duì)稱響應(yīng)的強(qiáng)度大小。為了進(jìn)一步刻畫序列{rt}的這種不對(duì)稱的響應(yīng)，下文試以隨機(jī)系數(shù)SETAR模型來對(duì)比嘗試。

4.隨機(jī)系數(shù)SETAR模型建模分析

（1）模型的識(shí)別與估計(jì)

在前面對(duì)收益率序列{rt}進(jìn)行ADF檢驗(yàn)時(shí)，發(fā)現(xiàn)收益率序列{rt}的滯后4期存在顯著相關(guān)，可以考慮先建立AR(4)模型，經(jīng)嘗試有：

其中μt是殘差項(xiàng)，第一行括號(hào)是T值，第二行括號(hào)是P值，系數(shù)顯著，說明的確存在4期滯后項(xiàng)。

然后對(duì)序列{μt}建立SETAR模型。波動(dòng)率研究的是正、負(fù)收益率的不對(duì)稱響應(yīng)，因此實(shí)際應(yīng)用中可初步設(shè)置l=2，門限值r=0。門限變量和滯后項(xiàng)數(shù)p則由AIC準(zhǔn)則進(jìn)行選擇，最后選取rt-1為門限變量和滯后項(xiàng)數(shù)p=1，即可建立二維一階隨機(jī)系數(shù)SETAR模型：

其中r為門限值，βji(t)=βji+ηji(t)，t=1，2，…，n

經(jīng)利用Eviews進(jìn)行編程計(jì)算，模型估計(jì)結(jié)果為：

上述模型可記為AR(4)-SETAR(2，1，1)模型，從模型可以看出，當(dāng)收益率為負(fù)時(shí)引起的波動(dòng)強(qiáng)度比收益率為正時(shí)引起的波動(dòng)強(qiáng)度要強(qiáng)一些，而且“負(fù)”響應(yīng)比“正”響應(yīng)高出約1.3倍。

（2）對(duì)AR(4)-SETAR(2，1，1)模型進(jìn)行檢驗(yàn)

先對(duì)模型進(jìn)行殘差檢驗(yàn)，經(jīng)檢驗(yàn)?zāi)Ｐ偷臍埐钇椒胶蜑?.521337，殘差自相關(guān)檢驗(yàn)結(jié)果如表4。

表4 對(duì)序列{rt}建立AR(4)-SETAR(2，1，1)模型的殘差自相關(guān)檢驗(yàn)結(jié)果

表4給出了從滯后1到36階自相關(guān)檢驗(yàn)的Q統(tǒng)計(jì)值和假設(shè)自相關(guān)系數(shù)為0的p值，結(jié)果表明：在顯著水平為0.05下，不能拒絕原假設(shè)，即所有的自相關(guān)系數(shù)為0，因而殘差是不具有自相關(guān)性，或者說對(duì)序列{rt}建立AR(4)-SETAR(2，1，1)模型是合適的。

再對(duì)模型進(jìn)行非線性檢驗(yàn)，采用廣義似然比檢驗(yàn)，有如下結(jié)果：

該值遠(yuǎn)遠(yuǎn)大于水平0.1%的臨界值27.20，拒絕H0假設(shè)，即線性模型的假設(shè)不成立[7]。

最后是模型系數(shù)的顯著性檢驗(yàn)，計(jì)算結(jié)果表明：兩分段的系數(shù)中截矩項(xiàng)系數(shù)不顯著而滯后1期項(xiàng)的系數(shù)都比較顯著。

上述結(jié)果說明所建立的AR(4)-SETAR(2，1，1)模型對(duì)數(shù)據(jù)擬合效果是理想的，結(jié)論可信，預(yù)測準(zhǔn)確。

四、結(jié)論

第一，上證指數(shù)的收益率是隨機(jī)平穩(wěn)的時(shí)間序列，ARCH模型和ARCH-M模型表明：上證指數(shù)收益率的風(fēng)險(xiǎn)溢價(jià)參數(shù)值是-0.047138＜0，即上證指數(shù)的收益率與它過去的波動(dòng)率成反比（與此不同的是，西方成熟的股市市場的風(fēng)險(xiǎn)溢價(jià)參數(shù)往往表現(xiàn)為正值），說明上證股市還存在高投機(jī)性和高換手率。風(fēng)險(xiǎn)溢價(jià)參數(shù)的P值=0.6092，遠(yuǎn)遠(yuǎn)大于0.05，拒絕為0的原假設(shè)，說明期望風(fēng)險(xiǎn)顯著，投資風(fēng)險(xiǎn)大，股市存在短線投機(jī)觀念還相當(dāng)濃厚的非理性投資行為。

第二，上證指數(shù)的收益率在一些時(shí)期的波動(dòng)比較大，模型還表明上證指數(shù)的收益率在春節(jié)先后和夏季期間的波動(dòng)率比其他時(shí)期要大，而且都呈負(fù)向波動(dòng)。即上證指數(shù)的收益率存在春節(jié)假期的負(fù)向效益和夏季的負(fù)向效益，這對(duì)投資者有較好的警示作用。

第三，ARCH擴(kuò)展族模型EARCH模型、TARCH模型和PARCH模型建模結(jié)果表明，上證指數(shù)的收益率的信息作用是非對(duì)稱的，存在較顯著的杠桿效應(yīng)，且負(fù)向波動(dòng)大于正向波動(dòng)。說明中國股市市場在受到不利消息和收到有利消息時(shí)有明顯的不同反應(yīng)，意味著中國股市市場正朝著一個(gè)有效的市場邁進(jìn)，中國股市市場在逐步走向完善。

第四，通過上述的對(duì)比，用SETAR模型來擬合中國股市中的上證綜合指數(shù)，其效果明顯優(yōu)于ARCH族模型，可用AR(4)-SETAR(2，1，1)模型來擬合中國股市中的上證指數(shù)，研究其波動(dòng)率特點(diǎn)，結(jié)果表明上證指數(shù)波動(dòng)率呈不對(duì)稱的響應(yīng)，而且“負(fù)”響應(yīng)比“正”響應(yīng)高出約1.3倍。說明中國股市在不同的狀態(tài)下具有不同的性質(zhì)，中國股市呈現(xiàn)非線性的趨勢，這種非線性的性質(zhì)更適合用SETAR模型來擬合。

[1]易丹輝.數(shù)據(jù)分析與Eviews應(yīng)用 [M].北京：中國人民大學(xué)出版社，2008.

[2]陸靜.中國股票市場天氣效應(yīng)的實(shí)證研究 [J].中國軟科學(xué)，2011(6)：65-78.

[3]張普，吳沖鋒.股票價(jià)格波動(dòng)：風(fēng)險(xiǎn)還是價(jià)值？[J].管理世界，2010(11)：52-60.

[4]陳浪南，孫堅(jiān)強(qiáng).股票市場資產(chǎn)收益的跳躍行為研究 [J].經(jīng)濟(jì)研究，2010(4)：54-66.

[5]周春生.中國股票市場交易型的價(jià)格操縱研究 [J].經(jīng)濟(jì)研究，2005(10)：70-78.

[6]胡進(jìn).SETAR模型與沖擊效應(yīng)的理論與應(yīng)用研究 [D].武漢：華中科技大學(xué)，2010.

[7]范劍青，姚琦偉，陳敏譯.非線性時(shí)間序列-建模、預(yù)報(bào)及應(yīng)用[M].北京：高等教育出版社，2005：101-103.

[8]Ruey S.Tsay，潘家柱譯.金融時(shí)間序列分析 [M].北京：機(jī)械工業(yè)出版社，2009：118-123.

（責(zé)任編輯：FMX）

SETAR Model in the Chinese Stock Market Volatility

MO Da-long
（Hezhou University，Hezhou Guangxi 542899，China）

The volatility of closing price in the Shanghai Securities Composite Index from January 6，2006 to May 23，2011 is studied.Random coefficient SETAR model and ARCH model are used to do comparison and fitting.According to the characteristics of data，a new SETAR model is constructed，i.e.AR(r)-SETAR(1，p1，p1)model，which is identified and estimated by ADF test and AIC criterion.The results show that the Shanghai Composite Securities Index of the Chinese stock market can been fitted by the AR(4)-SETAR(2，1，1)model.It is shown that the volatility of Shanghai Securities Composite Index admits asymmetrical response，and negative response ratio was about 1.3 times higher than positive one.The ARCH family model also proves the asymmetric response，but it can not measure the intensity fluctuations，and prediction is less accurate than the SETAR model.The volatility of Shanghai index admits asymmetry response and exhibits nonlinear trend.This nonlinear trend is more suitable for SETAR model.

SETAR model；The stock market risk；The financial economy；The financial investment

F830.91

A

1004-292X（2014）03-0073-05

2013-08-19

2011年度廣西高等學(xué)?？蒲幸话阗Y助項(xiàng)目（200103YB141）；2012年賀州學(xué)院科研資助項(xiàng)目（2012PYZK02）。

莫達(dá)?。?970-），男，廣西蒙山人，副教授，主要從事概率統(tǒng)計(jì)研究。