文/鄧影
(華東交通大學(xué))
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。
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
(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。
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。
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)