杜莎莎 楊昌婷

摘要：為了研究深圳股市價格的變化特征，有必要探討是否存在對股市價格波動的非對稱效應(yīng)。本文選取2009年初至2016年末深證成份股指數(shù)作為研究對象，對其日收盤價進行了實證研究，主要包括ADF單位根檢驗、波動性分析、ARCH-LM效應(yīng)的檢驗等，并構(gòu)建EGARCH模型。實證結(jié)果表明，深圳股市具有顯著的波動聚集性且聚集性表現(xiàn)出持續(xù)性，我國深圳股票市場波動存在非對稱效應(yīng)，表現(xiàn)為利空消息比利好消息對股市波動的影響更大。這對于建立健全市場監(jiān)管機制具有重要意義，對政府、投資者具有一定的啟示。

關(guān)鍵詞：深證成份股指數(shù);波動性;非對稱;EGARCH模型

我國股票市場作為新興證券市場，存在人市制度不規(guī)范、信息不對稱等諸多問題，并會進一步反映在股價的波動上，深圳股票市場作為我國股市的重要一員，同樣存在著許多難以避免的問題。本文以深圳證券市場為例，通過理論與實證研究相結(jié)合的方法，研究深圳證券市場價格的波動特征。這就是本文要研究的主要內(nèi)容。

一、模型介紹

為了更好地刻畫收益率波動的非對稱性，Nelson于1989年首次提出指數(shù)廣義自回歸條件異方差模型，以便更好地解決非對稱性問題。

通常采用自回歸移動平均模型來設(shè)定日收益率的均值方程。ARMA（p，q）的形式為

EGARCH模型是建立在ARCH模型的基礎(chǔ)上，其通過均值方程的干擾項和干擾項的絕對值與干擾項的標(biāo)準(zhǔn)差之比來分析正負信息沖擊對金融時間序列波動造成的影響，在實際應(yīng)用中，我們通常使用TARCH（1，1）模T'來表示其方差力程：

二、數(shù)據(jù)的處理及檢驗

（1）數(shù)據(jù)選取及處理說明

本文選取深證成份股指數(shù)的日收盤價作為研究對象，研究區(qū)間為2009年1月5日至2016年12月31日，共計1944組數(shù)據(jù)。數(shù)據(jù)來源為同花順。

用p_t、p_t-1分別代表深證成份股指數(shù)第t日、t-1日的日收盤價。一般來說，對股票價格的研究，都會選擇股票的收益率而不是收盤價格本身進行分析，故處理原始數(shù)據(jù)得到對數(shù)收益率r_t，即r_t=lnp_t-lnp_t-1。

（2）數(shù)據(jù)的檢驗

對選取的原始數(shù)據(jù)構(gòu)建模型前，通常需要對金融數(shù)據(jù)序列進行必要的相關(guān)性檢驗，如分楠亥時間序列的統(tǒng)計量特征、ADF檢驗、ARCH效應(yīng)檢驗等等，以便給以后的實證分析做準(zhǔn)備。

1.波動特征分析及平穩(wěn)性檢驗

深證成指對數(shù)收益率r₁的時間序列圖顯示出深成指的對數(shù)收益率具有明顯的波動聚集性，對數(shù)收益率的柱形統(tǒng)計圖顯示了該時間序列的均值、方差等相關(guān)統(tǒng)計量，其偏度為-0.659968，峰度為5.959673，顯著大于正態(tài)分布的峰值，表明正態(tài)分布無法正確擬合該時間序列，擬合結(jié)果存在偏差。該序列分布表現(xiàn)出尖峰厚尾的特征。

ADF單位根檢驗結(jié)果顯示該時間序列拒絕原假設(shè)，即不存在單位根，該對數(shù)收益率序列是平穩(wěn)的。ECARCH模型能夠真實準(zhǔn)確地模擬出深證成份股指數(shù)波動的非對稱性。

2.自相關(guān)性檢驗

通過Eviews進行自相關(guān)檢驗可知，該序列的自相關(guān)和偏相關(guān)系數(shù)均不為0，且Q統(tǒng)計量的收尾概率在各期均為0.000，原假設(shè)在1%的顯著性水平被拒絕，也就是說，深證成份股指數(shù)的對數(shù)收益率序列具有自回歸條件差異性，ECARCH模型適用于研究該序列的非對稱性波動。

3.ARCH效應(yīng)檢驗

對深證成份股指數(shù)的對數(shù)收益率序列進行ARCH效應(yīng)檢驗，確定其是否存在ARCH效應(yīng)，即是否具有構(gòu)建模型的前提條件。對該序列進行ARCH-IM檢驗，將深證成份股指數(shù)對數(shù)收益率引入對應(yīng)的均值回歸方程，計算出該對數(shù)收益率序列的殘差序列{ε_t}，殘差序列波動呈現(xiàn)集簇特點，這表明其擾動項序列具有ARCH效應(yīng)，ARCH類模型能彩技子地地擬合收益率序列。

三、模型構(gòu)建及實證結(jié)果分析

根據(jù)AIC檢驗可知，最優(yōu)滯后階數(shù)為7。使用選定的的深證成份股指數(shù)的對數(shù)收益率序列構(gòu)建ECARCH模型：

運用Eviews8.0計算該時間序列EGARCH模型的參數(shù)，結(jié)果如圖1所示，在5%顯著性水平下只有非對稱項的系數(shù)沒有通過顯著性檢驗，且擬合度較低。但是在建模后對擬合度較低的殘差序列再次進行ARCH-LM檢驗，發(fā)現(xiàn)EGARCH模型消除了最初的ARCH效應(yīng)，這也表明構(gòu)建的EGARCH模型很好地擬合了樣本數(shù)據(jù)。

建立的EGARCH模型為：

均值方程：lnsz=0.056278lnsz（-7）+u_tZ=2.7827

方差方程：

Z=-7.9452 10.8699 -2.0532 363.6608

模型的具體分析：α的估計值為0126929，非對稱項的估計值為γ=-0.013533<0，說明深證成份股指數(shù)波動確實存在非對稱效應(yīng)，并且“利空消息”對波動產(chǎn)生的影響大于同等程度的“利好消息”，這就是通常所說的“杠桿效應(yīng)”。

具體乘講，當(dāng)u_t-1>0時即“利好消息”出現(xiàn)時，該消息對條件方差的對數(shù)有一個（α+γ）倍的沖擊，大小為0.126929+（-0.013533）=0.115757;當(dāng)u_t-1<0時即“利空消息”出現(xiàn)時，它對條件方差的對數(shù)的沖擊大小為（α+（-1）*γ）倍，即0.126929+（-1）*（-0.013533）=0.140462倍。由此可以繪制出該差分序列的信息沖擊曲線如圖2，該信息沖擊曲線能夠直觀反映出信息沖擊在。以下即為負沖擊（u_t-1<0時，曲線走勢比較陡峭，信息沖擊在0以上即正沖擊（u_t-1>0）時，曲線走勢相對比較平緩，這表明負沖擊使得該階段深證成份股指數(shù)波動更大。

四、結(jié)論

通過研究深證成分股指數(shù)，對其日收益率時間序列構(gòu)建EGARCH模型并進行分析發(fā)現(xiàn)：一是深圳股票市場的波動具有聚集性，高頻波動和低頻波動會聚集在某一時間段，不同頻率的波動存在持續(xù)性巨手雜續(xù)時間相對較長。深證股市整體上發(fā)展平穩(wěn)，未出現(xiàn)異常大幅動蕩。二是深圳股票市場具有波動的非對稱性，表現(xiàn)為外界的“利好”和“利空”消息對股市的沖擊具有非對稱性，且同等利空消息對股價波動的沖擊要大于利好消息的沖擊。

參考文獻

[1]姜翔程，熊亞敏.基于GARCH族模型的我國股市波動性研究[J]西南師范大學(xué)學(xué)報（自然科學(xué)版），2017，42（02）：115-119.

[2]唐齊鳴，崔筠.我國殷票市場信息“杠桿效應(yīng)”的實證研究[J]華中科技大學(xué)學(xué)報（社會科學(xué)版），2005，（02）：97-101.

[3]關(guān)華.基于GARCH族模型的深證成指價格波動研究[J]湖南大學(xué)學(xué)報（社會科學(xué)版），2011，25（03）：62-65.

[4]陳麗娟.基于EGARCH-M型和滬深300指數(shù)的股市風(fēng)險分析[J]東北財經(jīng)大學(xué)學(xué)報，2010（10）：12-18.

[5]彭坤.我國股市收益率波動非對稱性的實證研究[D]西南財經(jīng)大學(xué)，2009.

[6]陳浪南，黃杰鯤.中國股市波動性非對稱性研究[J]金融研究，2002（5）：67-73.