彭子玲 魏倩雨

摘 要：研究供給側(cè)改革的提出對股票市場波動性的影響，選取供給側(cè)改革推出一年前后，即2014年11月10日至2016年11月10日的滬深300日收盤價，建立GARCH模型衡量股票市場的波動率，將供給側(cè)改革的提出作為虛擬變量D引入GARCH模型中。結(jié)果顯示，供給側(cè)改革提出從短期看削弱了股票市場的波動性，但這種削弱作用并不顯著，且其對股票市場的波動性的影響是持續(xù)的。

關(guān)鍵詞：供給側(cè)改革;股票市場;波動性;GARCH模型

中圖分類號：F830.91 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號：1673-291X（2021）15-0054-03

引言

供給側(cè)改革是國家為解決供需問題推行的一項舉措，對國家來說，推進(jìn)供給側(cè)改革，轉(zhuǎn)變政府職能，釋放政府權(quán)力，能夠最大限度地發(fā)揮市場在資源配置中的基礎(chǔ)性作用。對企業(yè)來說，它是解決企業(yè)面臨的諸多問題的有效途徑。供給側(cè)改革使得企業(yè)進(jìn)行轉(zhuǎn)型升級，優(yōu)化了行業(yè)內(nèi)部的資源配置，有效地淘汰了那些效率低、績效差的企業(yè)，并扶持效率高、績效好的企業(yè)，為他們提供盈利的基礎(chǔ)，提高股票的長期收益率。

本文希望通過GARCH模型的建立，分析供給側(cè)改革的提出對股票市場的波動性有何影響，并在此基礎(chǔ)上，對股市制度的設(shè)計、企業(yè)的創(chuàng)新及投資者的教育提出針對性建議，希望能夠讓投資者更為理性地進(jìn)行投資。

一、供給側(cè)改革與股市波動性影響

股票市場的波動性受很多因素的影響，大致可以歸結(jié)為宏觀經(jīng)濟(jì)因素、市場因素和投資者行為因素幾個方面。宏觀經(jīng)濟(jì)層面包括宏觀經(jīng)濟(jì)政策、國際資本流動、經(jīng)濟(jì)周期、國際金融市場;市場因素方面包括供求關(guān)系、整體價格水平趨勢、心理預(yù)期;投資者行為因素包括機(jī)構(gòu)投資者的投資行為、中小投資者的投資行為等等，都會引起股票市場的波動。具體分析供給側(cè)改革對股票波動性的影響，可分為以下兩方面。

第一，宏觀經(jīng)濟(jì)政策。供給側(cè)改革作為宏觀經(jīng)濟(jì)政策，對股票市場造成的直接影響是有限的，它更多的是影響人們的投資策略及預(yù)期，從而影響股票價格。

第二，企業(yè)轉(zhuǎn)型升級。供給側(cè)改革使得企業(yè)進(jìn)行了轉(zhuǎn)型升級，利用并購重組、淘汰落后企業(yè)等手段實現(xiàn)了企業(yè)的質(zhì)量和效率的提升，為企業(yè)提供了盈利的基礎(chǔ)，使股價上漲。

綜上所述，供給側(cè)改革對股票市場的影響不是單方面的，而是幾個方面共同影響的復(fù)雜過程。所以，對股市波動性的影響分析也應(yīng)從各個方面綜合考慮。

二、股票市場波動性度量

波動性，在金融數(shù)學(xué)領(lǐng)域，指金融資產(chǎn)在一定時間段的變化性，與風(fēng)險有著密切的聯(lián)系，通常以一年內(nèi)漲落的標(biāo)準(zhǔn)差來測量。衡量市場的波動性早期常用波動率、價格或收益率的方差和標(biāo)準(zhǔn)差，但其衡量的波動性是靜態(tài)的市場波動。由前文的分析可知，股票市場的波動性受多個因素的影響，是動態(tài)變化的。因此，波動率和收益率的方差和標(biāo)準(zhǔn)差就不能夠準(zhǔn)確衡量出股票市場的波動性了，這時候就要依靠ARCH族模型。

自回歸條件異方差（Auto-regressive conditional heteroskedastic，ARCH）模型由Robert F.Engle（1982）提出，殘差尖峰分布，使得其可用于波動性的研究。Tim Bollerslev（1986）和Stephen J.Taylor（1986）將ARCH模型進(jìn)行擴(kuò)展，得出了更一般化的ARCH模型，即廣義自回歸條件異方差（GARCH）模型，比ARCH模型更為靈活。

（一）ARCH模型

ARCH模型是描述現(xiàn)期方差與前期的“波動”具有一定相關(guān)性的模型，是用一個確定的函數(shù)來刻畫異方差的演變過程。

但是，ARCH模型也存在許多缺陷和不足。第一，ARCH模型只能反映短期自相關(guān)過程，無法將實際中數(shù)據(jù)的長期情況考慮在內(nèi)。第二，要求ARCH模型中的參數(shù)均大于0。在用實際數(shù)據(jù)進(jìn)行模型估計時，常常會因為參數(shù)較多而難以達(dá)到均大于0的要求，使得模型估計出現(xiàn)偏差。第三，在實際問題中，特別是在金融領(lǐng)域，使用的通常是日數(shù)據(jù)，這時條件方差會依賴于較長時期的殘差平方序列值。此時會要求模型中殘差平方的滯后期q很大。當(dāng)q較大時，模型中需要估計的參數(shù)就會很多，參數(shù)估計會變得更加困難。因此，ARCH模型的估計結(jié)果會出現(xiàn)偏差。

（二）GARCH模型

基于ARCH模型仍不是非常的完善，學(xué)者對其進(jìn)行了研究，提出了GARCH模型。GARCH（p，q）模型可表示為：

當(dāng)p=0時，GARCH（p，q）模型就相當(dāng)于ARCH（q）模型。由此可見，ARCH模型是GARCH模型的一個特例。

GARCH模型很好地解決了高階ARCH模型需要估計的參數(shù)量較多的問題，提高了擬合精度，使模型的估計變得更加容易，同時也更好地解釋了金融市場中波動性聚集的特點(diǎn)。

三、供給側(cè)改革對股市波動性影響的實證分析

（一）樣本與數(shù)據(jù)的選取

本文選取2014年11月10日至2016年11月10日的滬深300日收盤價數(shù)據(jù)作為樣本，以供給側(cè)改革推出的時間2015年11月10日作為分界點(diǎn)，將樣本分為兩個部分，樣本A為供給側(cè)改革推出之前，即2014年11月10日至2015年11月9日，樣本B為供給側(cè)改革推出之后，即2015年11月10日至2016年11月10日，共計490個數(shù)據(jù)。本文數(shù)據(jù)來源于同花順iFinD。

為保證序列數(shù)據(jù)的平穩(wěn)性，采用對數(shù)一階差分計算日收益率：

Rt=lnPt-lnPt-1

其中，Rt為日收益率，Pt為第t天滬深300的日收盤價。

（二）變量設(shè)計

為了研究在供給側(cè)改革提出前后股票市場滬深300指數(shù)收益率的波動情況，將供給側(cè)改革這一政策的提出作為虛擬變量D引入GARCH模型中。D=0代表供給側(cè)改革推出之前，D=1代表供給側(cè)改革推出之后。假設(shè)虛擬變量的D的系數(shù)為？酌，那么我們可以通過觀察？酌的正負(fù)以及其絕對值大小來判斷供給側(cè)改革對股票市場波動性的影響大小。？酌>0，表示供給側(cè)改革的提出加劇了股票市場波動性;？酌<0，表示供給側(cè)改革的提出削弱了股票市場波動性;？酌的絕對值越大，表示供給側(cè)改革的提出對股票市場波動性的影響越大;反之，γ的絕對值越小，表示供給側(cè)改革的提出對股票市場波動性的影響越小。

（三）描述性統(tǒng)計

數(shù)據(jù)經(jīng)對數(shù)化處理后，異方差更小，數(shù)據(jù)更平滑，但總體趨勢不變，分析滬深300日收盤價數(shù)據(jù)和經(jīng)對數(shù)處理的日收益率數(shù)據(jù)?？傮w而言，在供給側(cè)改革提出之前，滬深300日收盤價波動相對較大，供給側(cè)改革提出之后，滬深300日收盤價波動相對較小，并逐漸趨于平緩。在供給側(cè)改革提出之前，滬深300收益率波動相對較大，供給側(cè)改革提出之后，滬深300收益率波動相對較小，并逐漸趨于平緩。因此，該收益率序列數(shù)據(jù)存在明顯的“波動集群效應(yīng)”，傳統(tǒng)的時間序列模型如ARMA模型識別不出這一波動特征，所以我們選用GARCH模型，并對收益率序列的條件異方差做進(jìn)一步的分析研究。

對全樣本、子樣本A、B做描述性統(tǒng)計，結(jié)果顯示，子樣本A的標(biāo)準(zhǔn)差0.026大于全樣本的標(biāo)準(zhǔn)差0.021，更大于子樣本B的標(biāo)準(zhǔn)差0.015，說明供給側(cè)改革提出后，股票市場波動率變小了，但用標(biāo)準(zhǔn)差衡量波動性并不可靠，更為嚴(yán)格的分析會在下文用GARCH模型進(jìn)行。

（四）平穩(wěn)性檢驗

在建立模型之前，要保證時間序列數(shù)據(jù)的平穩(wěn)性，避免產(chǎn)生偽回歸現(xiàn)象。本文采用單位根檢驗的方法檢驗樣本數(shù)據(jù)的平穩(wěn)性，結(jié)果顯示，全樣本A與子樣本B的ADF統(tǒng)計量均小于顯著性為1%的臨界值，P值均為0.000，小于0.05，因此拒絕時間序列存在單位根的原假設(shè)，即認(rèn)為收益率序列是平穩(wěn)的。

（五）ARCH效應(yīng)

只有存在ARCH效應(yīng)，建立GARCH模型才是有意義的，但ARCH效應(yīng)是在建立收益率均值模型后通過殘差序列進(jìn)行檢驗。因此，應(yīng)首先建立均值方程。

1.收益率均值方程模型。對收益率序列建立ARMA模型，運(yùn)用AIC、SC準(zhǔn)則來確定ARMA模型的滯后階數(shù)，一般情況下AIC、SC越小，擬合效果越好。在本例中，匯總滯后1階、2階、3階的AIC、SC值，發(fā)現(xiàn)ARMA（2，2）的AIC與SC是最小的。所以，選擇ARMA（2，2）為收益率均值模型?；貧w結(jié)果表明，F(xiàn)統(tǒng)計量為6.902，P值小于0.05，認(rèn)為方程擬合很好。方程如下：

rt=0.000564+0.040096rt-1-0.949265rt-2+？著t+？著t-1+？著t-2

2.ARCH-LM檢驗。對ARMA（2，2）模型的殘差進(jìn)行Box-LjungQ檢驗，檢驗殘差是否具有自相關(guān)性。結(jié)果顯示，自相關(guān)值與偏相關(guān)值都落在兩倍標(biāo)準(zhǔn)差之內(nèi)，且單位根檢驗同樣表明殘差是不具有自相關(guān)性的，可作為收益率的均值方程。

采用滯后10階的ARCH-LM檢驗，考察殘差序列是否存在高階ARCH效應(yīng)，若存在，則表明可用GARCH模型來代替高階ARCH模型。

檢驗結(jié)果顯示，F(xiàn)統(tǒng)計量為6.616，P值為0.000，小于0.05，因此認(rèn)為滯后階數(shù)足夠大，但是仍存在ARCH效應(yīng)，即存在波動聚集現(xiàn)象。因此，可以采用GARCH模型來擬合收益率模型。

（六）GARCH模型構(gòu)建與分析

通常采用GARCH（1，1）模型來分析時間序列的波動性。同時，在本文的模型中引入虛擬變量D01來描述供給側(cè)改革推出的事件。當(dāng)D01為0時，表示在供給側(cè)改革推出之前，當(dāng)D01為1 時，表示在供給側(cè)改革推出之后。設(shè)定模型形式如下：

模型擬合結(jié)果表明，虛擬變量D01的系數(shù)為-1.25×10-5，P值小于0.05，說明供給側(cè)的改革減弱了股票市場的波動，但是由于數(shù)值很小，說明對市場的影響很小。其ARCH與GARCH的系數(shù)之和介于0和1之間，且接近于1，說明滿足參數(shù)約束條件，且所受到供給側(cè)改革的影響是持久的。

對GARCH模型擬合結(jié)果再次檢驗ARCH效應(yīng)，檢驗結(jié)果顯示，F(xiàn)統(tǒng)計量為0.034，P值為0.8536，大于0.05，因此殘差序列不存在ARCH效應(yīng)，GARCH（1，1）模型擬合效果較好。

四、結(jié)論與建議

（一）研究結(jié)論

本文研究供給側(cè)改革的提出對股票市場波動性的影響，構(gòu)建了GARCH模型，選取了2014年11月10日到2016年11月10日的滬深300日收益率數(shù)據(jù)，根據(jù)實證研究得出結(jié)論：供給側(cè)改革提出從短期看削弱了股票市場的波動性，但這種削弱作用并不顯著，且其對股票市場的波動性的影響是持續(xù)的。產(chǎn)生這種現(xiàn)象的原因可能有以下兩點(diǎn)。

1.在供給側(cè)改革推出之后的短期內(nèi)，可能存在信息不對稱的現(xiàn)象，投資者容易受到外界信息的影響，在負(fù)面消息的作用下對股市投資采取保守策略。但是隨著時間的不斷推移，越來越多的信息會被人們所獲取，不對稱現(xiàn)象會逐漸消失。

2.供給側(cè)改革為了提高生產(chǎn)的效率和質(zhì)量，會促使企業(yè)進(jìn)行轉(zhuǎn)型升級，在較短的時期內(nèi)，企業(yè)會經(jīng)歷一系列的改革，為未來的盈利打下基礎(chǔ)，而股市可能不會有較大的波動。從長期來看，供給側(cè)改革淘汰了大量落后的企業(yè)，提高了經(jīng)濟(jì)質(zhì)量，為股市向牛發(fā)展提供了基礎(chǔ)。

（二）政策建議

考慮造成上述現(xiàn)象的原因，我們可以提出有針對性的建議進(jìn)行改進(jìn)。

1.針對信息不對稱問題，有以下兩點(diǎn)對策：一是加強(qiáng)并完善股市信息披露制度和交易制度，為廣大投資者創(chuàng)造一個公平、公正、公開的信息披露平臺，對企業(yè)高管、證券基金從業(yè)人員等可以接觸到內(nèi)部信息的人員嚴(yán)加控制，防止信息提前泄露，同時，對虛假消息進(jìn)行辨別，以避免誤導(dǎo)大眾。二是加大監(jiān)管力度，建立更加成熟的監(jiān)管體系，保障交易的公開透明，減少違規(guī)違法行為，避免股市長時間的動蕩，保證交易平穩(wěn)有序地進(jìn)行。

2.針對投資者投資保守的問題，可以對他們進(jìn)行專業(yè)的培訓(xùn)。我們將投資者分為個人投資者和機(jī)構(gòu)投資者，對于個人投資者，他們是我國股票市場的主要組成部分，同時背景復(fù)雜，文化水平參差不齊，承受風(fēng)險能力較差。因此，可以注重于向他們傳授資產(chǎn)配置、投資組合管理、投資風(fēng)險等方面的知識，讓投資者能夠正確并積極地進(jìn)行投資。對于機(jī)構(gòu)投資者，他們掌握更加專業(yè)的知識，擁有更加專業(yè)的投資理念，在股票市場中，他們應(yīng)該起到穩(wěn)定作用。因此，可以定期開展面向金融從業(yè)人員的講座、技能比賽等，為股票市場的發(fā)展培育專業(yè)人才隊伍。

3.針對企業(yè)的轉(zhuǎn)型升級問題，可以使企業(yè)加大創(chuàng)新投入，在防范金融風(fēng)險的同時，也要實現(xiàn)技術(shù)水平的改造和升級，優(yōu)化生產(chǎn)結(jié)構(gòu)，使企業(yè)始終走在行業(yè)前列。

參考文獻(xiàn)：

[1] ?馮冠，周孝華.供給側(cè)改革背景下IPO抑價率的度量與解讀[J].軟科學(xué)，2019，（6）：140-144.

[2] ?王安興，譚鮮明.基于混合分布的中國股票波動風(fēng)險因素的識別與分析[J].中國管理科學(xué)，2018，（2）：86-95.

收稿日期：2020-08-07

作者簡介：彭子玲（1998-），女，江蘇無錫人，學(xué)生，從事證券投資研究;魏倩雨（1992-），女，湖北荊州人，講師，碩士研究生，從事互聯(lián)網(wǎng)金融、產(chǎn)業(yè)金融研究。