基于非对称ARCH模型的上海股市波动特征分析

以很好地描 述上海股票 市场 的波动状 况。上 海股 市具有对信 息反 应的非对 称性 ， 波动 的聚居性和 波动 的持 续
性 等特 点 。
［ 关键词 ］波动性 ； Ｒ Ｈ模型 ； Ｇ Ｒ Ｈ模 型； ＡＣ ＥＡＣ 非对称性 ［ 中图分类号 ］Ｆ３ ．１ ８０ ９ ［ 文献标识码 ］Ｂ ［ 文章编号 ］１０ —２８ （０８ ０ —０３ ０ １２ ８０ ２０ ）７ １３— ３ ３
期值 大小。Ａ Ｃ （ ） Ｒ Ｈ Ｐ模型形式为：ａ（ ） ； 。 Ｖｒ ＝ ＝ａ ＋ ｌ 一 ＋ ２ ㈡ ＋…＋ａ ㈨ 。其中 服从均值为 ０ ａ ：ｌ 口 ２ ２ ，
方差为 ； 的条件正态分 布 ， 参数 ａ ≥０ ｉ ， ， ， （ ＝０ １２ …Ｐ） 。
如果 扰动项的条件方 差不 存在 自相关 ， 就有 ａ ＝ａ 。 ＝…
［ 券市场 ］ 证
Ａ Ｃ 型族 的应 用 Ｒ Ｈ模
沪 市 波 动 性 特 征 研 究
文 Ｕ 蜀 Ｕ 士
（ 徽 财 经 大 学 ， 徽 蚌 埠 ２多经济 和金 融研 究的 一个重要 方 面。Ａ Ｈ模 型适 用于 具有群 集性和 方差 时变性 ＲＣ
出 了 自 回归 条 件 异 方 差 模 型— — Ａ Ｃ Ｒ Ｈ模 型 ， 的一 个 最 它 大特 点就 是 突 破 了 传 统 方 法 中 收 益 与 风 险 线 性 关 系 的 假 定 ， 应 了方 差 的时 变 特 点 。 随 着 Ａ Ｃ 反 Ｒ Ｈ类 模 型 的 不 断 应 用 ， 本 身 的 形 式 也 不 断 得 以 发 展 ， 现 了 非 对 称 的 它 出 Ａ Ｃ 模型。 ＲＨ
模型 。
、
ＡＣ Ｒ Ｈ模 型 及 其 扩 展模 型 介 绍
１Ａ Ｃ ． Ｒ Ｈ模 型和 Ｇ Ｃ Ｒ Ａ Ｈ模 型

（） １
２ 模 型
２ １ ＡＲ Ｈ 模 型 ． Ｃ
ＡＲ Ｈ 模 型表达式 如下 ： Ｃ
Ｙ 一 ＋
ＧＡ Ｃ Ｒ Ｈ模 型的优点在 于 ： 以用 低 阶 的 ＧＡ Ｃ 可 Ｒ Ｈ 模 型来代表 高 阶 Ａ Ｃ 模 型 ， 而 使模 型 的识 别 Ｒ Ｈ 从 和估计都 比较 容 易． 金 融 风 险分 析 中 ， ＡＲ Ｈ 在 Ｇ Ｃ
２１ ０ １年 ｌ ２月
郧 阳 师 范 高等 专科 学校 学报
Ｊ ｕ ｎ ｌ ｆ Ｙｕ ｙ ｎ ａ ｈ ｒ ｏ ｌｇ ｏ ｒ ａ ｎ ａ ｇ Ｔｅ ｃ ｅ ｓ Ｃ ｌ ｅ ｏ ｅ
Ｄｅ ． ２Ｏｌ ｃ １
第３ 卷第６ ｌ 期
Ｖｏ ． １ Ｉ ３ ＮＯ ６ ．
上证指 数 收益 率 的 ＡＲ ＣＨ 族模 型 与实 证 分析
递减， 上海 指数 收益率 的持续 特征 明显 ， 沪市 的总
体 波动很 大．
第 ４ 模 型的 ＡＩ ， Ｃ和 Ｓ Ｃ值都 较 小 ， 以认 为 可
该模 型较 好 的拟合 了数据 ．
第 ２ 参 数 估 计 显 著 ， 明 收 益 率 序 列 ， 表
｛ Ｒ ）具有 显著 的波动机 群性．
回归结果 显 示 只有 ＡＲ（ ） ＡＲ（ ４ ， ６， １ ） ＡＲ（ ５ ， １ ）
ＡＲ（ ９ 的系 数是 显著 的． ２） 因此 ， 计 收益 率 序列 估
关 于 自身之 后项 的 自回归模 型为 ：
Ｒ， ＝ Ｒ ６ ＪＲ １４ Ｒ １４ 岛Ｒ ２４ ￡ （ ） ９ 。 － ４ １ － ６ － 。 － ４
综 指 的 日收盘 价 ， 计 １ １ 共 ９ ８个观 察 值 ． 据 来 源 数 于搜 狐证券 网． 文所 有 数 据 均 通 过 Ｅ ｉｗ ５ ０ 本 ｖｅ ｓ ． 进 行 统计处 理． 票 市 场 日收 益 率 以相 邻 两 天 收 股

上证综指股票收益率波动特点分析以自回归条件异方差（ARCH）族模型为基础，结合上海证券市场的特点，试图拟合我国股票市场的波动特征，同时研究股票价格指数的波动规律和特点。

标签：上证综指；股票收益率波动；GARCH模型1 引言上世纪80年代，美国学者罗伯特·恩格尔和克莱夫·格兰杰提出了ARCH模型来描述证券市场波动性方差的时变性特征，此后不断发展深入，其相关拓展模型也相继推出，比如GARCH模型，TARCH模型等等。

这些模型在金融领域得到了广泛的应用。

中国股票市场仅仅20多年，从无到有，取得了巨大的成就。

特别是06年以来，股票市场规模不断扩大，上市公司质量也不断提高，沪深股市作为宏观经济晴雨表的作用越来越明显。

然而，我国证券市场毕竟处于发展初期，市场的波动性和风险要远远高于国外市场，特别是欧美等成熟市场。

因此，如何较为真实刻画和衡量股价波动成为广大学者研究的重点。

2 模型和数据2.1 模型介绍（1）ARCH模型。

美国学者罗伯特·恩格尔于1982年提出了ARCH模型，其具体形式如下yt=xtβ+ε（1）σ2t=α0+α1ε2t-1+α2ε2t-2+…+αqε2t-q（2）为保证条件方差σ2t＞0，要求α0＞0，αi＞0（i=1，2…，q）式1称之为均值方程，式2称之为条件方差方程。

基本的ARCH模型又衍生出许多变形，下面具体介绍GARCH模型、TARCH模型和EGARCH模型。

（2）GARCH模型。

罗伯特·恩格尔提出ARCH模型来描述误差的条件方差中可能存在的某种关联。

通过该模型，可以预测经济时间序列中基于某种非线性依赖的大变化。

GARCH模型的一般表示如下:yt=xtβ+ε（1）εt=ht·vt（2）h1=α0+α1ε2t-1+…+αt-1ε2t-q+β1ht-1+…+βpht-p=α0+qi=1αiε2t-1+pj=1βjh t-j（3）其中，p是GARCH项的最大滞后阶数，q是ARCH项的最大滞后阶数。

Ｏ引 言 ． 长期以来 ．股票市场资产收益率的波动性问题一直是学者们所关注 的焦 点，批 Ｌ 市波动如何脚 寸 间变化鲫哩解也是投资者在决自 酰曜 中面临 的—个主要问题。而波动率作为测量股市风险的重要工具 ． 一直受到业界 的广泛关注与重视 ， 人们也一直在探索着测量波动率的工具与模型 国外对股票市场价格 的波动性研究 已有很长一段历 史 ．早 在 ２ Ｏ 世纪 ６ 年代 ．ａ ａ１６ ） Ｏ Ｆ ｍ （ ５就观察到投 机性价格 的变化和 收益率 的变 ９ 化具 有稳定 时期 和易变时期 ． 的报酬 紧连着大的报酬 的报酬 紧 大 小 连着 小的报酬 ， 为波 动集群性（ ａｄｌｒ ， ６ ； ｍ ， ６ ） 称 Ｍ ｎ ｅ ｏ １ ３ ａ ａ ９ ５。波动 集 ｂ ｔ９ Ｆ １ 群性 表明股 票报酬 波动是时变 的， 即价格波动呈现集群性 ． 差随时 方 间变化 而变化。 此后 ， 国外对投机性价格波动特征进行 了大量的研究 其中最 成功地 模拟了随时 间变化 的方差模 型由 Ｅ ｇｅ１８ ） ｎｌ（９ ２首先提 出 的 自回归条件异方差性模型 （ Ａ Ｃ 即 Ｒ Ｈ模 型） 它更好地捕获条件异方 。 差性 以及尖峰厚尾性 ． Ｒ Ｈ模型将方差和条件方差区分开来 ．并让 ＡＣ 条件方差作为过去误差 的函数而变化 ． 而为解决异方差 问题提供 了 从 新的途径 。 这个模型很好地拟合 了波动率聚类 现象 ． 当然 ． 也存在一些 不足 ， 比如参数 的选择 和估计会 比较麻烦 ， 为此 ，ｏｌｒ ｅ（９ ６在此 Ｂ ｌ ｓ ｖ１ ８ ） ｅｌ 基础上提 出了广义 自回归条件异方差 ｆＡ ｃ 膜 型。 ＧＲＨ 这两个模型可对 金融时间序列的“ 尖峰厚尾” 及有偏性 进行成功 的计量与刻 画． 特别是 基于他们发展起来 的以 Ｇ Ｒ Ｈ １ １ Ａ Ｃ （．１ 模型在金融资产收益率 的波动性 研究 中得到了较为广泛 的应用 。 近两年 ． 国一些学者也应 用 Ｇ Ｃ 我 ＡＲ Ｈ 模型对我国的股市波动性特征进行了研究 。如王玉荣 （０ ２ ２ ０ ）使用 了 Ａ Ｈ类模型模 拟了我 国股市 收益率波动状况 ． 出了中国股市波动 ＲＣ 指 存在聚类性和非对称性 。 宋逢明等（０ ３ ． ２ ０ ）采用多种方法研究 了深圳股 市的稳定性 ． 认为深圳股市 的稳定性在 １９ ９ ７年后有所下 降 ． 同成熟 但 股市（ 它以 Ｓ Ｐ ０ 作为对 比） ＆ ５０ 整个股市的系统性风 险偏大 １ Ｒ ． ＧＡ ＣＨ模 型 简 介 Ｅ ｇｅ于 １８ ｎｌ ９ ２年 提 出 了 自 回 归 条 件 异 方 差 （ ｕｏｅｒｓｉｅ Ａ ｔｒｇｅｓｖ Ｃ ｎ ｉｏ ａＨ ｔ ｋｄｓ ｃ ｙ模型， ｏ ｄｔｎ ｌ ｅｅ ｅ ａｔ ｉ ） ｉ ｍｓ ｉｔ 简称 Ａ Ｈ模型。简单地说 ， ＲＣ 该模型 将当前一切可利用信息作为条件 ． 并采用某种 自回归形式来刻画方差的变 异， 对于—个时间序列而言， 在不同时刻可利用的信息不同， 而相应的条件 方差也不同， Ａ Ｃ 利用 Ｒ Ｈ模型 ， 可以刻画出随时间而变异的条件方差。 在 ＡＲ Ｈ模 型的基础 上 ．ｏｌｒ ｖ在 １８ Ｃ Ｂｌ ｌ ｅｅ ９ ６年 提出 了广义 Ａ Ｈ ＲＣ （ ｎ ｒ ｉ ｄ ｕ ｒ ｒ ｓ ｅ ｏｄ ｉ ａ ｈｔ ｏ ｅ ａ ｉ ｔ ｇ ｅ ｌｅ ｔ ｅ ｅ ｉ ｎ ｉｏ ｌ ｅ ｒ ｋ ｄｓ ｃｙ ｅ ａｚ ａ ｏ ｇ ｓｖ ｃ ｔｎ ｅ ｓ ｔ ｉ ）即 Ｇ Ｒ Ｈ模 ＡＣ 型， 他在条件 方差的方程中加入了滞后项。标准的 Ｇ Ｒ Ｈ １ ） Ａ Ｃ （． 模型为： １ Ａ ， ｘ （ 带有误差项的外生变量 的均值方程 ）

【 ｅ ｏｄ］Ｓ ｏ ｐｓｅｎｅ； Ｒ Ｈｍ ｄｌＧ Ｒ Ｈｍ ｄｌ Ａ Ｃ ｏｅ Ｌｎ ｒ ｅ ｏ Ｋ ｙｗ ｒｓＳＥｃｍ ｏｔ ｉ ｘＡ Ｃ ｏｅ Ａ Ｃ ｏｅ Ｔ Ｒ Ｈｍ ｄｌ ｏｇｅ ｍ ｍ ￣ ｉ ｄ ； ； ； ｔｍ
当 ｐ Ｏ时 ， Ａ Ｃ 即上述 的 Ａ Ｃ ＝ ＧＲＨ Ｒ Ｈ模 型， Ａ Ｃ 是 Ｒ Ｈ模 型的特例 ， 实质上 ． Ａ Ｃ Ｇ Ｒ Ｈ过程是无限价 的 Ａ Ｃ Ｒ Ｈ过 程 ， 在计算量不 大的时候 ， 股 票市场的建 立和发展有 力地推 动了中国经济 的发展 ． 股价 的不 用 ＧＡ Ｃ Ｒ Ｈ模型更合理 断波动对整个股票市场以及上市公司的影响非常大 ， 以长期 以来人 所 １ Ｔ ＲＣ ． ３ Ａ Ｈ模 型 ． 这是用 来处理 非对称 的一 种方法 ． 误差项 的方 差 们都非常关注股票市场的波动。 但是 ， 我国的证券市场刚刚起步 ， 股票 为 ： ｃ＋ ｌ ２ ＋７ 一 ｔ１ Ａｏ２ 。２ 卜 ＝ １ ｌ２ ＋ －ｌ 一 ｔ 价格的波动幅度较大 ． 尤其是超常波动的情况 出现地 比较频 繁 长期 其 中，ｆ ｄ ＿ 是一个虚拟变量 ， ｓ ＞０ ， 。Ｏ， ＜ 当 Ｉ 时 ： 当 Ｏ时 ， 。 ＝ 以来 ． 人们一直对股票价格波动和影响其波动的 因素进行研究 。投资 者可以通过对股票市场的波动性进行研究来 寻找价差 ． 以此来 获得利 １这两种分别称为利好消息和利空消息 ， ， 利好消息影 响力为 Ｏ ， Ｌ 利空消 ． 益 所以 ， 通过怎么的方法和模型能够描述股票市场 的波 动己成为金 息影响力为 Ｏ ， Ｌ 当ｙ＃０， １ 则股票市场存在不对称 的冲击。 融学界的热点问题 研究股票市场的波动主要是以股票价格作为主要 的研究对 象 ． 研 ２ 数 据 选 取 及 其 研 究 究股票市场在价格上的波动 ． 它是用来衡量股票市场波动性 的最 重要 ２１ 样本的数据选取 本 文的数据是选取上证指数作为代表 ．对这些 ． 指标 本 文首先对上证综指 日收益率时间系列进行样本 区间的选 择 ． 数据进行一系列研究 ．对从 ２ ０ 年 ２ １ 选取数据 的每 日 ０５ ００ 收盘价 建 然后 对筛选 出的样本区间进行 Ａ Ｃ Ｒ Ｈ类 模型拟合 ． 刻画出对 沪综 依此 立 模 型 ．从 ２ ０ ０ ５年 ６月到 ２ ０ ０ ７年 １ ０月 ．上 证 综 指 的涨 幅 达 到 指 的 实 证 检 验 ５ ３４ ％． ２ ０ １．９ 到 ０ ８年 １ ０月 ． 证综 指 累计 下跌 ７ ．３ 到 ２ １ 上 ２８ ％． ０ ０年 ４ 月 ． 幅达到 １９０ ％， 涨 ０． ４ 在这段 时 间内 ． 票的市 场价格 波动 幅度较 股 １ 研 究 方 法 综 述 大． 故选择这段时间 的收盘价作为样本来分析上海股票 的波动性 。上 经典股票市场理论在描述股票市场波动时 ． 利用 的模 型都 是以一 证指数 的收益率是 ： ｌｇ ￣ ｌ （ｃ） Ｒ ＝ｏ（ ） ｏ ｐ＿ Ｐ一 ｇ １ 定 的假设 条件为基础 ． 即在假定影响收益率的每一种 因素相互 独立且 实证 发现 ． Ｒ Ｈ模 型 和 Ｇ Ｒ Ｈ模 型的收 益率 为 白噪声 系列 ． Ａ Ｃ ＡＣ 方 差总是保持不 变的前提下进 行的 ． 随着 实证研究 的深人发展 ． 研究 回归残差 也为 白噪声 ， ＡＲ Ｈ特征 。本 文不对 ， ８有 Ｃ 讨论 ， 选择 系 表 明方差并不是一直独立而且是不断变化的 因此这些模型在描述股 票市场价格波动方 面存在着一 定的不足 ． 为此 ． 一些研 究学者利 用不 列 Ｐ讨 论其异方差性

通常是平稳的。 （ ） ＲＣＨ— Ｍ 效应检验 。 ３Ａ Ｌ 上面对收益 率序列的 Ａ ＣＨ效 Ｒ 应有了初步的判断 ， 在用拉格朗 日乘数检验进行 正式 的检 验 现
本文选取 的数 据为上证综合指数每 日的收盘价 ， 时间 数据
起始于 ２ ０ ０ ５年 ７月 ２ １目中国汇率形成机制改革至 ２０ 年 １ ０９ ０ 月２ ０日。对上证综指取 自然 对数 ， 股票市场 的 日收益率用相邻 营业 曰上证综揩对数的一阶差分表示， ：Ｚ ｌ （ｓ） ｌ（ｓ 。 即 Ｉ ｎｐｚ 一ｎｐｚ ＂＝ Ｓ ）
息曲线 ， 认为资本市场 中的冲击常常 表现 出一种非对称效应 。
它允 许波动率对 市场 下跌 的反应比对 市场 上升 的反应更加迅
由表 ２ 可知 ： 在显著性 水平 为 ５ 和 １ ％ ％的条件下 ， 序列 ｌ ｔ ｎ ｖ 的Ａ ＤＦ检验值小 于相 应的临界值 ， 明序列 Ｉｐ 是非平稳 ； 说 ｎｔ 而
示， 序列 ｒｔ ｓ 有高峰后尾 的分布特征 （ ｚ 序列 呈现 偏态 、 峰度系数
大于 ３ ． ｒｕ － ｅ 检验显示 非正态性 ， 些初步表明 ， ）Ｊ ｑ ｅ Ｂ ｒ ａ ａ 这 收益 率 序列 ｒ ｓ 可能存在 Ａ ｚ ＲＣＨ或 Ｇ ＲＣＨ现象 。 Ａ
表 １ 收益 率 序 列 的 统 计特 征 Ｍ
（） ２ 单位根检验 。在进 行 Ａ ＲＣＨ或 Ｇ ＲＣＨ效应 检验之 Ａ
方差 的表现形式进行 了直接 的现行扩 展 ， 形成 了应 用更为广泛
前， 需要对收益 率序 列进行单位根 检验 ， 本文 采用 的方 法为扩 大的迪克 一 福勒检验 （ Ｄ 检验 ） Ａ Ｆ 。
表 ２ 对数 序 列和 收 益 率 序 列 的 单位 根 检 验 结果

Ｔ ｅＩｄ ｓｒ ｌ ｔｄ ｌ产 业 研 究 ｈ ｕ ｔｉ ｕ ｙ ｎ ａＳ
上海 市 房 地 产 价 格 波 动 特 征 分 析
ｒ ‘ Ｌ
— —
ｈ
＝
ａ
基 于 Ｅ Ｒ Ｈ 型 Ａ Ｃ模
斗
、 ， ，
李 雷武
张 翔
上 海 大 学管 理 学 院
上海 ２ ０４ ０ ４４
摘要 ： 本文利 用１ ９ — Ｏ １ ８ ２ １ 年的 中房上海住房指数 的时间序列数据 ， ９ 建立Ｅ Ｒ Ｈ 型进行 实证分析 ， 究结果表明 中房 Ａ ｃ模 研 上海住房指 数具有显著 的Ｅ Ｉ Ｈ Ａ Ｃ 效应 ， ｇ 并且波动具有非对称性和杠杆效应 ， 好消息会 导致 比坏 消息更大波动性 。 关键 词 ： 价 波 动 ；Ａ￣Ｈ 型 ； 对 称 性 ； 杆 效 应 房 ＥＰ 模 Ｃ 非 杠
策划思路和 创： ［１ １吴寿仁 ， 李 湛 ， 王 荣 ． 世 界 企业孵 化 器发展 的 沿革 、 现 状 与趋 势研 究［］ Ｊ．外 国经 济 与管理 ，２ ０ （ ２ ． ０ ２１ ） ２Ｐ ｓａ ａ ｋ ． Ｂ ｓ ｏ ｋ Ｐａｔ ｅ ’ ｎ ｓ ｅｓ ｃｂｔ ｎ ｃ Ｂ ｎ Ｉ ｏ 失败 ” 的优 秀文化 ， 使学 生在 实践 中大 胆创 新 ， 在 团队合 作 【］ ｕｔｍ Ｌ ｌａ ａ ‘ｅｔ ｒｃｉ ｓ ｉ ｕｉ ｓ ｎｕａｉ ： 并 Ｌ ｏ ｓ （ ｅ ｔ ｂ） Ｌ ａｎｄ Ｅ ｐａ Ｕ ｉｎ — Ｂ ｌｉｎ ｅｓ ｎ ｙ ｔ ｏ ｅ ｓ ｅ ｅ ． ｕｏ ｅ ｎ ｎｏ ｒ ｒ ｅｇａ 中， 达到个体发展力和群体创造力 的良性整合 。 Ｐｒ ｓ ｄ ｎ ｙ Ｉ ｔ ｒ ａ ｉ ｎ ｌ Ｃｏ ｆ ｒ ｎ ｅ ｎ Ｂｕ ｉ ｅ ｓ ｅ ｉ ｅ ｃ ｎ ｅ ｎ ｔ ｏ ａ ｎ ｅ ｅ ｃ ｏ ｓｎ ｓ Ｃｅ ｔ ｒ Ａｃ ｏ ｓ ｎ ｅ ｓ． ｔ ｒ （ ） 二 发挥政 府 的引导 作用 ， 做好 外部 的催 化 ｏ ｏ ｍｉ ｏ ａ 政府 要充分 做 到 “ 弛有度 ” ， 张 在适 当参 与孵化 器运作 的 ｆ ｒ Ｅｃ ｎｏ ｃ ＆ Ｓ ｃｉ Ｎｏ ｅ ｅ ２００１． ｖ ｍｂ ｒ 同时 ， 给予其一 定的独立发展 空间 ， 并通 过与外部企业 的有 机结 【 Ｊａ ｇ Ｓ ｋ ｅ ｎ Ｊｒ ｍ ｓ Ｏ ｔ ｒ ｏ ｎ ． Ａ ｏ ｐ ｒ ｏ ｆ ３ Ｓ ｎ ｕ Ｌ ｅ ｄ ｅｏ ｅ ． ｓｅｙ ｕｇ ａ Ｃ ｍ ａｉ ｎ ｓ ｏ 合， 建立有效 的创新 网络 ， 从而不断 强化 孵化器 自身 的市 场性及 Ｃｒｔ ｃ ｌ Ｓｕ ｃ ｓ Ｆａ ｔ ｒ ｆ ｒ Ｅｆ ｅ ｔ ｖ Ｏｐ ｒ ｔ ｏ ｓ ｏ Ｕｎｖｅ ｓ ｔ ｉ ｉａ ｃｅｓ ｃ ｏ ｓ ｏ ｆ ｃ ｉｅ ｅ ａ ｉｎ ｆ ｉ ｒｉｙ 创新性 。此外 ， 政府应不 断强化其外部支持 与间接引导作用 ， 在 Ｂ ｓ ｅｓ ｎｕａｏｓ ｎ ｈ ｎ ｅ Ｓａｅ ｎ ｏｅ［］ Ｊｕｎｌ ｕｉ ｓ ｃｂｔｒ ｔｅ ｉ ｄ ｔｔｓ ｄ ｒａＪ． ｏｒａ ｎ Ｉ ｉ Ｕ ｔ ａ Ｋ 加强孵 化器硬件条件 建设 ， 化企 业的 同时， 孵 制定相 关的优惠政 ｏ ｍ ｌ Ｂ ｓ ｅｓＭ ｎ ｇｍ ｎ ０ ４ ４ （）４ ４ ６ ｆ Ｓ ａ ｕｉ ｓ ａａ ｅ ｅｔ ２ ０ ２４ ： ｌ ｎ １ ８ ２． 策， 为新创企业 的成 长壮大提供便 利条件 。 【】 斌 ， 孙 莉 ， 侯 天 伟 ． 国 内 外 大 学科 技 园 发 展 模 式 比 较 ４曹 （ ） 三 发挥 孵 化器 的载体 作用 ， 营造 良好 的 孵化环 境 研 究【】 Ｊ ．科 技 管 理 研 究 ， ２ ０ （） ． ０ ３５ １ 、在 孵化器 内部实 现孵 化对象之 间的交叉 催化 。处于孵 【］ 寿 仁 ， 李 湛 ， 王 荣 ． 中 、 美 、 法 、 韩 四 国 企 业 孵 化 器 ５吴 化器 内部的孵化 对象 依托外部 的孵化 条件实 现 自我 催化 ， 同时 的 比 较 研 究 ［】上 海 经 济 研 究 ， ０ ５２ ． Ｊ． ２ ０ （） 它们之 间又通 过协同合作 ， 发生 了交叉 催化的作用 ， 加速 了孵化 ［】 俊 杰 ． 海 企 业 孵 化 器 发 展 现 状 的 实 例 研 究［】 上 海 经 ６唐 上 Ｊ． 系统 内部 的物质 、能量 和信息 的交换 ，７从 而实现智 力资产 和 济 研 究 ， ２ ０ （ ２ ． ［】 ０ ６１） 信 息资产 的共 享和互补 。这种 竞争与合作 的关系大大促进 了创 【 】 黎 明 ， 朱 禾申 ， 付春 满 ． ７赵 科技 企业孵 化 器 发展 探 讨 ［］ Ｊ． 业团 队以及 内部成员 的快速 成长 ， 高了其适 应环境 变革 的能 天 津大 学学报（ 提 社会科 学版） ０ ９ Ｉ ． ，２ ０ （） 力， 并在竞争 与合作 中感悟必备的创业技能 。 ［】 灵 机 ， 黄 亲 国 ， 周 建 设 ， 余 鑫 ． 高 校 创 业 孵 化 器 与 创 ８肖 ２ 、高素质 的管理 团队。 除了提供 一般 性管理咨询服务 以 业 精神 教 育研 究［】 南 昌航 空工 业 学 院 学报 （ 会 科 学版） Ｊ． 社 ， 外 ， 国创 业孵化器 应当不断 的扩 大专家库 ， 我 提高管理 队伍 的素 ２ ０ （ ） ０ ５４ ． 质， 一方面满足孵化对象 的专业需求 ， 另一方面 ， 使创业者在专家 （ 企业 家、咨询师、创业投资家等 ） 的评定指导下学 习锻炼 ， 启发 作 者 简 介 ： 思路 ， 不断提 高 自身的管理 咨询 ， 分析 决策 以及融投 资等创业能 杜 蕾（ ９ ６ ）女 ， 南焦作 ， 族 ， 海 大 学管理 学 院 企业 管 １ ８一 ， 河 汉 上 力。专家可 以通过有针对性的提炼一些成功的案例 ， 剖析成果的 理 专 ＿ ２ １ 级在 读硕 士 ， 究方 向 ： 力资 源 管理 。 ， Ｏ Ｅ Ｏ 研 人

收 稿 日期 ：２０— ０ ２ ０ ７ １—４
作者简介 ：魏婷 （９ ４ ，女，重庆涪陵人，在读硕士研究生 ，从事金融数学研究．Ｅ ｍａ ：ｗ ｉｎｇ６ ｑｕｅｕｏ １８一） － ｉ ｅｉｇＯ ＠ｃｎ ． ． ｌ ｔ ｄ ｎ
维普资讯
高 师 理 科 学 刊
１月
Ｊ ｎ ２ ０ ａ． ０８
文章编 号 ：１０ — ８ １（ ０ ８ ｌ０３ —４ ０ ７ ９３ ２０ ）０ 一０ ３０
Ａ Ｃ Ｒ Ｈ族模 型研究及其在沪市 Ａ股 中的应用
（ 重庆师范大学 数学与计算机科学学院．重庆 ４０４ ） ００ ７
摘 要 ：介 绍 了 Ａ ＲＣＨ 模 型、Ｇ ＲＣ 模 型 、Ｅ Ａ Ａ Ｈ Ｇ ＲＣＨ模 型 、Ｔ ＡＲＣ 模 型 ，分析 这 些模 型 的特 Ｈ
－ ｌ ｆ ～Ｎ（， ｔ ｌ （ ３）
０∑ 三 ＋
ｉ ＝１
其中： 序列无关 ； Ｈ为 ｒ ｌ ＿ 期所获得的信息集 ；
ｑ）． １２ Ｇ ＣＨ （ ． ＡＲ Ｐ，ｑ） 型 模
为 的条件方差 ； ０ ０， ， ＞
０ （ ＝， ， ｉ １２ …，
Ｐ
０
＋ ｆ ∑ ，三 ∑ ｆ ＋ ｆ 二
ｉ１ ＝ 』ｌ ＝
（） ４
其 中 ： Ｐ≥０ ｑ ≥０； ０ ＞０， ｉ ０ （ｉ １ ２ …， ≥ ＝ ， ， ｑ）； ｆ ０ （Ｊ ，２ …， ）． ＝１ ， Ｐ
当 Ｐ 时 ，Ｇ Ｒ Ｈ （ ， ） 模型即为Ａ Ｃ （ ＝０ Ａ Ｃ Ｐ ｑ Ｒ Ｈ Ｐ） 模型 ，同样具有Ａ Ｃ （ Ｒ Ｈ Ｐ） 模型的特点 ，能模 拟价格波动的集群性现象． Ｇ Ｒ Ｈ 模型 的条件方差不仅是滞后残差平方的线性函数 ，而且是滞后条件方差 的线性 函数．利用 ＡＣ

机 制和规 律 ， 为建设 成熟 的股票 市场 提供实证 依据 。 所谓 的波 动聚集 现象 ＿ ２ ］ ， 是指 来 自金融 市 场 中 的时 间序 列数 据 通 常具 有 不稳 定 性 ， 在某 一 段 时 间里
会 聚集 出现 幅度较 大 的波 动 ， 而 在另 一段 时间里会 聚集 小 幅度 波 动 。传 统 的计 量经 济模 型认 为 收益 时 问 序列 的样 本方差 是 不变 ， 但 大量 的实 证研 究 表 明这 一假 设 并 不合 理 ， 它无 法 客 观 准确 的描述 出金 融 市场 随 时间变 化 的这个 特 点 Ｅ ３ ］ 。Ｅ ｎ ｇ ｌ ｅ在 １ ９ ８ ２年提 出 了 Ａ Ｒ Ｃ Ｈ模型， Ｂ ｏ ｌ ｌ ｓ ｅ ｒ ｌ ｅ ｖ于 １ ９ ８ ６年 提 出了 Ｇ Ａ Ｒ Ｃ Ｈ（ Ｐ ， ｑ ） 模型， 这些 模型 较好地 解决 了条件 异方 差 问题 。Ｇ Ａ Ｒ Ｃ Ｈ模 型也 被称作 广 义 自回归 条 件异 方差 模 型 ， 具
间变化 的工具 。 以上 证综合 指数 为 对 象， 采用 Ｇ Ａ Ｒ Ｃ Ｈ 类模 型对 中 国股 市 波 动情 况进 行 实证 研
究， 为股 市收益 的 尖峰 厚尾 特 点、 波动 的集簇 性 、 时 变性 提供 了实证 证 据 ， 并对 实证 结 果作 了一 些 初 步的探 讨 。 关键 词 ： 中国股 市； 上证 综指 ； 波动性 ； Ｇ Ａ Ｒ Ｃ Ｈ族 模型 中图分类 号 ： Ｆ ８ ３ ２ ． ５ 文献标 志码 ： Ａ
１ 模
型
１ ． １ Ａ ＲＣ Ｈ 模型
由均 值方 程和 和条件方 差方 程所 给 出
Ｙ ＝ ＋ ，
ｖ ａ ｒ ［ ｆ ｌ Ｑｚ 一 １ ］ ＝ｈ ｌ ： ｏ ０ ＋ ０ １ 一 １ ＋ｒ 上 ２ ｓ 一 ２ ＋… ＋ 口 ￡ ２ 一 。 ． 其中 口 。 ， ， …， Ⅱ ＞ ０ ， 且ｎ ＋０ ：＋… ＋Ⅱ ＜１ ， ～Ａ Ｒ Ｃ Ｈ（ ｑ ） ， 即误 差 项 服 从 ｇ阶 自回 归 条 件 异 方

（ ） Ｅ Ａ Ｃ 模 型 一 Ｇ ＲＨ
（ ）对 成 交 量 数 据 的 处 理 二 本 文 以后 所 使 用 的模 型 都 要 求 数 据 序 列 不 能 含 有 单 位 根 以 及 时 间趋 势 ，所 以首 先 要对 含 有 固定 时 间趋 势 的 成 交 量序 列 剔 除 时 间 趋 势 ， 然 后 对 去 势 成 交 量 进 行 单 位 根 检 验 从 成 交 量 的 数 据 来 看 ， 两 市 的成 交 量 都 明 显 的 随 着 时 间推 移 而 逐 渐 上 升 趋 势 ， 以 前 的 研 究 表 明 成 交 量 序 列 既 含 有 线 性 趋 势 又 含 有 非 线 性 趋 势 （ａ ｌｎ ．ｏ ｓ ￣Ｔ ｕｈ ｎ １９ ）ｃ ｅ ２０ ） 含 有 二次 时 间趋 Ｇ ｌ ａ ｔ Ｒ ｓ ｉ ａ ｃ ｅ ． ９ ２ ｈ ｎ（０ １ 用 势 项 的模 型 回归 了成 交 量序 列 。我 们这 里 利用 ｃ ｅ 的方 法 ，假 定 ｈｎ 我 国股 票 市场 的成 交 量 同时含 有线 性 趋势 和非 线性 趋 势 ，即 ：
击 。
表 １说 明 ： ｑ 和 ‘表 示 两 市 剔 除 时 间 趋 势 后 的 成 交 量 ， （，， ｃ Ｔ Ｋ）表 示Ａ Ｆ 验 是 否包 含 常 数 项 ，时 间 趋势 项 以及 滞 后 期 Ｄ检 数。 ｅ ：ｖ ｈ ｔ 从Ａ Ｆ Ｄ 检验 结 果看 ，两 市去 趋 势后 的成 交 量序 列 是平 稳 的 ，不 含 有 单位 根 。 （ ）砒和 “： 自相 关 识别 和残 差 的Ａ Ｃ 效 应检 验 三 的 ＲＨ １ 去趋 势 成交 量相 关性 识 别 ． 模 型 中 条件 方差 采 用 了 自然 对 数 形 式 ， 意味 着 非 负且 杠 杆 从 沪深 股 市 去势 成 交量 序 列 的 自相 关 函数 （ Ｃ ） 偏 自相 关 函 ＡＦ和 效应 是 指 数 型 的 。若 ｇ≠０ ，说 明 信 息作 用 非对 称 。当 ｇ＜０ 时 ， 数 （Ａ Ｆ 图 ，并利 用Ｌ ｕ ｇ Ｂ ｘ － ＰＣ） ｊ ｎ － ｏ Ｑ 统计 量诊 断 ，发现 沪 市和 深 市 则认 为 存 在 杠 杆 效应 显 著 ， 即 负 的冲 击对 波 动 的影 响 大 于正 的冲 的 去势 成 交 量 存在 很强 的 自相 关 性 ，说 明 数据 信 息 还 需 进 一 步挖 Ｅ Ａ Ｃ 模 型 ， 即指数 Ｇ Ｒ Ｈ 型 ， 由Ｎ ｌ ｏ 在 １９１ 提 出 。模 Ｇ ＲＨ Ａ Ｃ模 ｅｓ ｎ ９ 年 型的 条件 方差 表达 式 为 ：

沪深股市收益率的波动性、非对称性以及溢出效应作者：陆俞廷来源：《商情》2016年第16期【摘要】本文基于ARCH族模型，选取2007-2014年沪深股市每日收盘价格指数，对沪深股市收益率的波动性、非对称性以及溢出效应进行了研究。

研究发现，沪深股市的收益率具有显著的波动性和非对称性，通过Granger因果关系检验我们发现，沪深股市存在溢出效应，即深市的波动将会引起沪市的波动，而沪市的波动对深市的波动同样会产生显著影响。

针对中国沪深股市存在的问题，本文提出了相应的政策建议。

【关键词】ARCH族模型；波动性；非对称性；溢出效应；收益率引言1990年12月19日上海证券交易所的成立以及1991年7月3日深圳证券交易所的成立标志着中国股票市场的诞生。

中国股票市场经过将近20年的发展，已经初具规模，在优化资源配置，筹集资金和支持经济建设方面作出了巨大的贡献。

但不可否认的是，我国的股票市场与发达国家相比仍然有较大的差距，主要表现为政府对股市的过分干预、信息不对称、监管薄弱以及市场投机成分高等特点，这也导致了中国股票价格的大幅度波动和不稳定。

股票价格的波动是股市最基本的特征之一。

金融市场的有效性理论认为金融资产的价格是一种无规律的随机波动，然而，现代金融理论研究表明金融资产价格的波动不仅仅是一种随机变化，而表现出更加复杂的特性。

首先，金融资产的收益率表现出一种“尖峰厚尾”的特征。

实证研究发现，金融资产收益率，尤其是股票、证券收益率的分布显著的异于正态分布，即其偏度与峰度值均异于正态分布，偏值为非零，而峰值则大于3。

波动的群集性也是金融资产价格的一个显著的特点，金融资产的波动表现出聚类现象，即在一个较大幅度波动后面往往跟随着较大的波动，一个小幅度波动后亦跟随着较小的波动。

一、模型的设定、数据的采集与统计分析（一）模型的设定金融市场中的时间序列数据往往会表现出“波动群集”和“高峰厚尾”的特征，为了分析沪深股市收益率的波动性、非对称性以及溢出效应，我们引入ARCH族模型对资产收益率的方差进行估计。

本文 以我 国上海证券交 易所 的上证综合指数为研究对 象 ， 选取 １９ ９ ６年 １ ２月 ２ ６日至 ２ １ 年 ３月 ２ ０１ １日上 证 综合指数 的收盘价。主要 由于我 国涨跌停板制度在 １９ ９６年 １ ２月 １ ３日发布 ，９ ６年 １ １９ ２月 ２ ６日开始实施 ， 了避 为
Ａｂ ｔ ａ ｔＴ ｉ ａ ｅ ｓ ｓ ＡＲＣ ｍｏ ｅ ｏ ｍａ ｅ ａ ｍｐ ｒ ａ ｎ ｌｓｓ ｏ ａｌ ｔｃ ｒ ｅ ａ ｎ ｎ ｓ ｒｔ ｎ ｔ ｏａ ｉ ｔ ｎ ｓ ｒ ｃ ｈ ｓｐ ｐ ｒｕ ｅ Ｈ ｄ ｌｔ ｋ ｎ ｅ ｉｉ ｌ ａ ａｙ ｉ ｆ ｄ ｉ ｓｏ ｋ ｍａ ｋ ｔ ｅ ｒ ｉｇ ａｉ ａ ｄ ｉ ｖ ｌｔ ｉ ｉ ｃ ｙ ｏ ｓ ｌｙ Ｃｈｎ ．Ｔ ｅ ａ ａｙ ｉ ｐ ｉ ｔ ｔ ｖ ｄ ｎ ｏａ ｉ ｔ ｎ ｄ ｉ ａ ｉｇ ａ ｉ ｆ Ｓ Ｅ Ｃ ｍｐ ｓｔ ｎ ｅ ｉ ａ ｈ ｎ ｌ ｓ ｏ ｎｓ ｏ ｅ ｉ ｅ ｔ ｖ ｌｔ ｉ ｉ ａｌ ｅ ｒ ｎ ｓ ｒ ｔ ｏ Ｓ ｏ ｏ ｉｅ Ｉ ｄ ｘ，ａ ｄ ｔ ｕ ｈ ｎ ｓ ｓ ｌｙ ｙ ｎ ｏ ｎ ｈ ｓ Ｃ ｉ ｅ ｅ Ｊ
二 、 析 模 型 、 据 和 研 究 方 法 分 数
现有 的理论研究 表明 ， 国际股票市场 日收益率 的波动 性具有 波动聚类性 、 收益与风 险同方 向变动 以及非对称 性等特点 ， 本文采用 Ａ Ｃ Ｒ Ｈ模 型与 Ｇ Ｒ Ｈ模型 的分析方法 ， 察 中国股 票市场 收益率波动 的特点及动 因。本文 Ａ Ｃ 考 设定基本模型为 ：
《 贵州财经学院学报） ０ ２年第 ４期 ２１
总第 １９期 ５
文章编号 ： ０ ６ ３ （ ０２ ０ ０ ５ — ６ 中图分类号 ：４７ 文献标识码 ： １ ３— ６ ６ ２ １ ）４— ０ ２ ０ ； ０ Ｆ２ ； Ａ

偏差是 导致其对 “ 空消息”反应过度 的根 本原 因。 利 关键 词 ：波动非对称性 Ｅ Ａ Ｃ 模型 Ｔ Ｒ Ｈ 型 行 为金融理论 ＧＲＨ Ａ ｃ模
中图分类号 ：Ｆ ３ ．１ ８ ０ ９
文献标识码 ：Ａ
文章编号 ：４ － ６８ Ｆ （０ ０ ０ － ０ ２ ０ ４ １ １／ ２ １ ）２ ０ ４ — ３
息和 “ 空 ”消 息 。在 有效 市 场状 态下 ，金融 资产 股 市参与者行 为因素的角度 ，对我 国股 市异常波动的 利 价格将 包含所有 的历史 信息 ，任何 用于 预测资产价格 成 因进行分析 ，认为非理 性投资者 的厌 恶损失 的心理 走 势的信息一定 已经反应在资产价格 中 ，资产未来价 和 对股市波动反应过度 认知偏差是导致股 市异常波动
格走 势只与将来 市场上出现 的新 信息有关 ，因此 “ 利 的 主要 原 因 。
多 ”消息会带来资产价 格 向上的波动 ， “ 利空 ”信息
会带来 资产价格 向下的波动 ，且这两 种消息对金融市 场 的影响是相对称 的。然而 ，大量 的实证研究表 明 ，
二 ，Ｔ Ｒ Ｈ Ａ Ｃ 模型理 论 Ａ Ｃ 和Ｅ Ｒ Ｈ （ ）Ｔ ＲＣＨ 一 Ａ 模型
ｃ丫 ， 市场假 说的基础之上 的 ，它不能对资产 价格波动 的非 的冲击 ；利空 消息则有一个ｏ＋ 的冲击。如果丫≠０ ， ，我 们说存在杠杆效 应 ，非 对称效应 的这种现象进 行合理的解释 。因此 ，本文应 则 信息是非对称的 ：１＞０
作者简介 ｔ 杨仁美， 华南理工大学经济与贸易学院数量经济学硕士研 究生； 王靖， 华南理工大学经济与贸易学院产业经济学硕士研究生。
为研 究样本 ，对中国股票市场价格波动的非对称效应 进行 了实证 分析 ，研 究表明 了中国股票市场存在 对信 息反应的不对称 ，即 “ 空消息”对股票价格的冲击大于 “ 多消息”对 股票价格的冲击。并进 利 利

ｚ ＝（ 一 ５ ２ ６ ） （ ６ ９ ５ ）
＝ －
（ － ４ ０ ７ ）
（ ３ ０ ６ ３ ２ ）
Ｒ ＝０ ． ９ ９ １ ６对 数 似然 值 ：３ ３ ２ ８ ． ７ ５ ＡＩ Ｃ ＝－ ５． ４ ２’ Ｓ Ｃ
５． ４０
在Ｅ ＡＲＣ Ｈ模型 中， 。 【 的估 计值 为０ ． １ ２ ， 非对 称项 ｖ的估计
均值 方程 ：
均值 方程 ： 方差方 程 ：
５ ５８＋ ０ ‘ ９ ２８ ） ００ ｓ ｐ，
＝
．
ｆ＿
＋
ｚ ２ ０ ７ ０） ｚ＝ ｆ ４ ． ３ ８ １ ） （ ． ６
：
．
ｌ ｎ （ ） ： 一 ０ ． １ ７ ＋ ０ ． １ ２ １ ／ ５ ／ ． １ — ０ ０ ３ （ ／ ５ ， 一 ／ ａ ， ） ＋ ０ ． ９ ９ １ ｎ （ ａ ［ ）
金融视线 Ｉ Ｆ ｉ ｎ ａ ｎ ｃ ｉ ａ ｌ Ｖｉ ｅ ｗ
我 国股票价格波动非对称性分析
赵 怡 爽 山 东 财 经 大 学 统 计 学 院 山东 济 南 ２ ５ ｏ ｏ １ ４
摘要 ： 股票 市场 中好 消息和坏 消息对价 格 的冲击往往 是不 对称 的。好 消息对价 格 的冲击没 有坏 消息对价格 冲击 的
程 度 大。 本 文 通 过 运 用 非 对 称 的Ｅ Ｇ Ａ ｇ Ｃ Ｈ 模型， 对 我 国 上 证 指 数 收 盘 价 的 非 对 称 效 应 做 出 实 证 分析 。 关键 词 ： 非对称性 ； Ｇ Ａ ｇ Ｃ Ｈ ； Ｅ Ａ ｇ Ｃ Ｈ
一
，
引言
股 票 市 场波 动研 究 对投 资者 来说 是 至关 重要 的 。金 融 时 间序 列 实证 分 析 发 现 ， 波动 具 有 集群 性 。在 一 般 回 归分 析 和 时 间序列 分析 中， 通常 要求 随机 扰动 项是 同方 差 ， 但金 融序 列 随机扰 动项 的条件 方差 却是变化 的 ， 这样 导致参 数标 准差不 准 确， 使 回归效果 难 以评 估 。 Ｅｎ ｇ ｌ ｅ 在１ ９ ８ ２ 年首 次提 出 了条件 波动 ， 建立 了 自回归条 件 异方 差模 型 （ ＡＲＣＨ模型 ） 。模 型 的主 要思 想 是 ： 收益 率 ｔ 的 条 件 方 差 依赖 于 它 的 前期 值 ｔ －１ 的大 小 。Ｂｏ ｌ ｌ ｅ ｒ ｓ ｌ ｅ ｖ 在 此 基 础 上 提 出 了广义 白回归条 件 异 方差 模 型（ ＯＡＲＣＨ模型 ） 。

基于非对称GARCH-MIDAS模型的上证指数波动性分析摘要：随着中国股市的进步，上证指数作为中国股市的重要指标之一，其波动性的分析对于投资者和决策者有着重要的意义。

本文基于非对称GARCH-MIDAS模型，对上证指数的波动性进行分析。

通过对过去十年的上证指数数据进行建模和猜测，我们得出了一些关于上证指数波动性的结论。

引言：随着中国资本市场的快速进步，上证指数已成为国内投资者和决策者关注的焦点之一。

了解和猜测上证指数的波动性对于投资者和决策者有着重要的意义。

传统的GARCH模型在探究上证指数波动性时，假设波动性是对称的，轻忽了波动性对不同情境的反应可能存在的非对称性。

而MIDAS（Mixed Data Sampling）模型则能够抓取到不同时间标准的数据的信息，为对上证指数波动性进行综合分析提供了有效的工具。

1. GARCH模型与MIDAS模型的理论基础1.1 GARCH模型的原理与应用1.2 MIDAS模型的原理与应用2. 数据处理与模型拟合2.1 数据来源与选择2.2 数据处理方法2.3 非对称GARCH-MIDAS模型的拟合3. 模型结果与分析3.1 GARCH模型的参数预估与统计检验3.2 非对称GARCH-MIDAS模型的参数预估与统计检验3.3 模型猜测与波动性分析4. 结果谈论与风险管理建议4.1 结果谈论：上证指数的波动性特征4.2 风险管理建议：基于波动性分析的投资策略结论：本文基于非对称GARCH-MIDAS模型对上证指数的波动性进行了综合分析。

通过对过去十年的上证指数数据建模与分析，我们发现上证指数的波动性存在非对称特征，并进行了对比分析和猜测。

这一探究为投资者和决策者提供了关于上证指数波动性的重要信息和风险管理建议。

随着金融市场的进步和全球化程度的加深，对于资产价格的波动性探究也变得越来越重要。

波动性是指资产价格在一定时间内的变动幅度，对于投资者和决策者来说，了解和猜测资产价格的波动性对于制定合理的投资策略和风险管理分外关键。

沪市股指收益率及波动性研究应用自回归条件异方差(ARCH)模型对上海股市在2007年4月27日至2008年4月28日股指日对数收益率进行建模分析：结果反映沪市股指收益率具有明显的波动聚集性和尖峰厚尾的特征；均值模型适合ARMA过程，且不符合股市弱有效的特征，回归模型具备预测能力；无条件期望收益率不受到当期风险的影响；条件方差具有明显的非对称性和杠杆效应。

标签：条件异方差；股市弱有效；非对称性；波动率1 引言股票市场价格的波动性主要体现在未来价格偏离期望值的可能性，其中对期望价格的偏离有价格上涨的上偏离和价格下跌的负偏离。

股票的波动性代表了其未来价格的不确定性，这种不确定性一般用收益率的方差或标准差来刻画。

股票波动率的一个特殊性是它不能被直接观测，尽管如此，波动率的一些特征往往是在资产收益率序列中能看到。

首先，存在波动率聚类。

第二，波动率以连续方式随时间变化，即波动率跳跃是很少见的。

第三，实证结果呈现收益的经验分布显著不同于独立正态同分布，表现为尖峰厚尾特征。

第四，波动率不发散到无穷，即波动率是在固定的范围内变化。

从统计角度说，这意味着波动率往往是平稳的。

第五，波动率对价格的大幅上升和价格大幅下降的反应不同，称为“杠杆效应”。

2 数据描述构造收益率序列的方法是对股票市场价格取对数，然后做一次差分。

2.1 收益率{Rt}的正态分布检验{Rt}序列的261个观察值的均值为0.000253，样本方差为0.024452。

收益率序列的偏度为-0.5015——呈现负偏态，有一个较长的左尾，即出现极端正收益率的概率要大于出现极端负收益率的可能性。

峰度大于3——呈现尖峰厚尾，表明收益率出现异常值的概率要大于正态分布时的概率。

JB统计量的先验概率为0%，拒绝原假设：序列满足正态分布。

不满足正态分布、呈现尖峰厚尾，初步表明：序列可能存在异常值成群出现的现象。

2.2 收益率{Rt}的平稳性检验序列{Rt}在水平值下进行单位根检验，ADF值为-15.67，而在1%的水平下临界值为-3.46，所以在1%的显著性水平下拒绝原假设：存在单位根，即{Rt}序列是平稳的。

中国股市波动的非对称性研究近年来，中国股市的波动一直是学术界和投资者关注的焦点。

对于股市波动的研究，学者们一直致力于探索其非对称性。

非对称性是指股市在上涨和下跌过程中的波动幅度不一致，即当市场上涨时，波动幅度较小，而当市场下跌时，波动幅度较大。

本文将对中国股市波动的非对称性进行研究。

首先，中国股市波动的非对称性可以从市场情绪角度解释。

根据行为金融学的理论，投资者在面对利好消息时更加乐观，容易导致市场上涨，而在面对利空消息时更加悲观，容易导致市场下跌。

因此，当市场上涨时，投资者的情绪较为积极，对市场的波动有一定的抑制作用；而当市场下跌时，投资者的情绪较为消极，对市场的波动有一定的放大作用。

其次，中国股市波动的非对称性还可以从资金流动角度解释。

在中国股市中，个人投资者占据了相当大的比例，其中包括许多散户投资者。

这些散户投资者在市场上涨时倾向于追涨杀跌，追逐热门品种，导致市场上涨的幅度相对较小；而在市场下跌时，散户投资者更容易恐慌抛售，导致市场下跌的幅度相对较大。

此外，中国股市波动的非对称性还可以从市场机制角度解释。

中国股市采用了涨跌停板机制，即当股价涨跌幅达到一定限制时，停止交易，导致市场上涨或下跌的幅度受到限制。

当市场上涨时，涨停板的限制导致波动幅度较小；而当市场下跌时，跌停板的限制对波动幅度的放大起到了一定的作用。

综上所述，中国股市波动的非对称性可以从市场情绪、资金流动和市场机制角度进行解释。

这些因素相互作用，共同影响着股市的波动。

研究股市波动的非对称性有助于投资者更好地理解市场行为，制定更为合理的投资策略。

然而，需要注意的是，股市波动的非对称性是一个复杂的问题，还有许多其他因素需要进一步研究和探索。