文/鄧影

（華東交通大學(xué)）

一、模型介紹

近些年來，國內(nèi)外學(xué)者對ARCH和GARCH族模型進行了眾多研究，研究方向大多數(shù)是股票收益率與風(fēng)險的關(guān)系。通過發(fā)現(xiàn)，我們可以得知金融資產(chǎn)的風(fēng)險與收益成正相關(guān)關(guān)系，風(fēng)險越大，收益隨之也越大；反之亦然。隨著學(xué)者深入學(xué)習(xí)研究，逐漸建立了TARCH、EGARCH和PARCH等模型。

二、實證分析

（一）描述性分析

1.數(shù)據(jù)選取

文章選取了2015年7月1日--2020年6月30日新能源指數(shù)（000941）的日收盤指數(shù)作為模擬該模型的樣本區(qū)間。在樣本期間內(nèi)，因為停牌、節(jié)假日等情況造成數(shù)據(jù)的不完整，將此數(shù)據(jù)剔除，剔除后共獲得1217個觀測值。數(shù)據(jù)源于國泰安數(shù)據(jù)庫，使用 Eviews10.0軟件進行分析。

2.收益率的基本特征

從新能源的日收益率的基本特征表（表1）中能夠發(fā)現(xiàn)：該序列的中位數(shù)為0.0005，而平均值為-0.0020，偏度為-1.0800，左偏方向明顯，這表明該行業(yè)整體的日收益率比較高，但同時也存在比較大的波動性。此外，左偏峰度為8.1886，其特征呈現(xiàn)尖峰和厚尾，JP的正態(tài)檢驗值也證實了這一點，統(tǒng)計量為1600.4250，對應(yīng)概率為0，表明在5%顯著性水平下，新能源行業(yè)的日收益率并不同于正態(tài)分布情況。

表1 基本特征

3.穩(wěn)定性檢驗

本文采用ADF檢驗方法，來驗證該行業(yè)模型是否具有穩(wěn)定性。通過觀察R時序圖，且選擇帶c和t的檢驗形式，回歸后能夠看出，新能源的日收益率在 p值為10%、5%和 1%的情況下，均拒絕原假設(shè)。說明該序列沒有單位根，具有平穩(wěn)性，能夠進行下一步研究（圖1、表2）。

圖1 新能源行業(yè)日收益率波動的時序圖

表2 ADF檢驗結(jié)果

（二）建立GARCH族模型

（1）GARCH 模型

建立該序列殘差的條件方差分布滯后模型，簡化GARCH(1,1)回歸結(jié)果為：

簡化式中的系數(shù)均通過了顯著性檢驗，但均值方程并未通過顯著性檢驗，因此無須建立GARCH（1,1）模型。

（2）TARCH 模型

對該指數(shù)序列建立TARCH（1,1）模型，回歸后為：

從上面可以看出，ψ變量沒有通過p值，因此無須建立TARCH（1,1）模型。

（3）EGARCH 模型

建立該指數(shù)日收益率序列的 EGARCH（1,1)模型，回歸式為：

通過上式，能夠看出各變量都通過了p值檢驗，并且ψ＝-0.0372＜0，說明EGARCH模型中具有杠桿和非對稱效應(yīng)。說明了該指數(shù)對外界信息的沖擊，具有不對稱效應(yīng)，正面信息對新能源股價的影響要小于負面信息的影響。

（4）由于GARCH模型和TARCH模型均未通過顯著性檢驗，所以，對該行業(yè)指數(shù)的日收益率而言，建立EGARCH（1，1）模型是最佳的。

（三）新能源指數(shù)的代表性

1.新能源行業(yè)的實證分析

為了進一步分析新能源股票指數(shù)的代表性，本文另選擇以太陽能類、核能和風(fēng)力發(fā)電類等新能源為主營業(yè)務(wù)的32家上市公司①來代表我國此行業(yè)的總體水平，并整理了這32家上市公司2015年7月1日—2020年6月30日當(dāng)天的收盤價作為樣本，一共1217個觀測值。

通過分析，知道新能源行業(yè)較為平穩(wěn)，日收益率具有波動存在性、異方差性，有利于建立ARCH模型。經(jīng)多次模擬分析，發(fā)現(xiàn)均值方程MA（10）MA(13)有著較好的擬合作用，顯著性水平均已通過。日收益率序列中有高階ARCH效應(yīng)，說明有條件建立ARCH模型。分別建立GARCH（1,1）、TARCH（1,1）和EARCH（1,1）模型，通過分析能夠發(fā)現(xiàn)，只有GARCH（1,1）模型通過了顯著性檢驗，表明變量沖擊對模型的條件方差，具有持久性的影響，能夠了解未來的波動趨勢。

2.新能源指數(shù)與新能源行業(yè)代表指數(shù)的對比

首先，基于無條件方程度量風(fēng)險收益的方法會忽略風(fēng)險的事件特性，本文采用收益的條件方差來度量收益波動風(fēng)險。承接上文內(nèi)容，本部分繼續(xù)利用GARCH族模型中估計結(jié)果分別得到新能源指數(shù)和新能源行業(yè)代表指數(shù)收益率的條件方差估計值序列，分別記為V1、V2，并對兩列數(shù)據(jù)進行基本描述性統(tǒng)計量分析，得到匯總結(jié)果如表3所示，兩列數(shù)據(jù)均值接近，方差均有較小值，表明兩列數(shù)據(jù)樣本間的整體差異均較小。

表3 V1和V2基礎(chǔ)統(tǒng)計分析

其次，對兩列條件波動性序列V1和V2進行Person相關(guān)性檢測。實證顯示二者相關(guān)系數(shù)高達0.438且在 0.01 水平上顯著相關(guān)，說明利用32家公司收益估計得出的波動性序列V2與新能源指數(shù)波動序列V1有著相同的信息，二者同向變動，關(guān)系密切，V2能夠在一定程度上較好地反映V1信息（表4）。

表4 相關(guān)性分析

最后，繼續(xù)做序列V1和V2的走勢分析，根據(jù)圖2時序圖，也能看出新能源指數(shù)與新能源行業(yè)的波動率序列的走勢大體相同。除了2015年年中和2018年年末及2019年年初，新能源行業(yè)呈明顯的波動狀，與新能源指數(shù)相差較大。

圖2 兩指數(shù)收益波動時序圖

通過研究可以發(fā)現(xiàn)，2015年年中及2018年年末及2019年年初，國內(nèi)外均發(fā)生了較大的變動，導(dǎo)致股市波動劇烈。通過分析，關(guān)于2015年年中股市波動的原因。一方面是國內(nèi)外各方要求政府對市場采取放任措施，不介入其中。另一方面是人民銀行對存款準備金率調(diào)節(jié)不到位，導(dǎo)致經(jīng)濟大衰，人民幣貶值。

綜上，我們可以知道新能源指數(shù)總體與新能源行業(yè)的走勢大體相同，除去極端情況下，新能源指數(shù)是具有行業(yè)代表性的。

三、結(jié)論

通過分析新能源股票指數(shù)2015年7月1日—2020年6月30日的日收益率序列，并對其波動性進行實證分析，能夠得到以下結(jié)論：

第一，該新能源股票指數(shù)具有代表性，能夠反映整個行業(yè)的大體變動趨勢。

第二，新能源行業(yè)的收益率序列不存在單位根，具有穩(wěn)定性。該序列左偏的分布態(tài)勢和中位數(shù)為正數(shù)的情況，說明這個行業(yè)的收益率波動大，同樣地也相應(yīng)存在投資風(fēng)險。

第三，通過建立GARCH、TARCH和EGARCH 模型，比較分析后獲知EGARCH 模型的作用比較大，說明相關(guān)的信息沖擊能夠?qū)υ撔袠I(yè)的股價存在杠桿效應(yīng)。同樣，也能說明EGARCH模型在反映新能源行業(yè)日收益率波動性的角度，優(yōu)于其他模型，投資者選用該模型能夠預(yù)測未來走勢。

注釋

①32家上市公司分別為：小天鵝（000418）、岷江水電（600131）、生益科技（600183）、維科精華（600152）、安泰科技（000969）、長城電工（600192）、樂山電力（600644）、華東科技（000727）、威遠生化（600803）、力諾太陽（600885）、西藏藥業(yè)（600211）、航天機電（600151）、南玻A（000012）、交大南洋（600661）、王府井（600859）、金山股份（600396）、湘電股份（600416）、粵電力（000539）、特變電工（600089）、京能熱電（600578）、東方電機（600875）、寶新能源（000690）、核能中核科技（000777）、申能股份（600642）、華資實業(yè)（600191）、華冠科技（600371）、澳柯瑪（600336）、杉杉股份（600884）、TCL集團（000100）、中成股份（000151）、凱迪電力（000939）、泰達股份（000652）