中国股票市场流动性与收益率相关分析——基于Copula-GARCH模型的实证研究

格式：pdf
大小：99.40 KB
文档页数：5

下载文档原格式

中国股票市场流动性与收益率相关分析——基于Copula-GARCH模型的实证研究

中国股票市场流动性与收益率相关分析——基于Copula-GARCH模型的实证研究胡啸兵;何旭静;张成虎【期刊名称】《大连理工大学学报（社会科学版）》【年(卷),期】2012(033)002【摘要】股票市场流动性与收益率相关分析对把握股票市场内在运行机制至关重要.文章在借鉴既有研究的基础上,利用因子分析法重新选择构建了我国股票市场多维流动性度量指标,并在验证我国股票市场流动性与收益率非正态分布性的基础上,引入Copula函数构建Copula-GARCH模型对我国股票市场流动性与收益率相关关系进行了实证分析,发现我国股票市场流动性和收益率不存在尾部对称性,牛市时期收益率大幅增加而流动性也同时增强,熊市时期收益率急剧下降而流动性也同时减弱,但是前者同时出现的概率大于后者,这与成熟市场流动性与收益率负相关的流动性溢价理论是不相吻合的.【总页数】5页(P49-53)【作者】胡啸兵;何旭静;张成虎【作者单位】西安交通大学经济与金融学院,陕西西安710061;西安交通大学经济与金融学院,陕西西安710061;西安交通大学经济与金融学院,陕西西安710061【正文语种】中文【中图分类】F830.9【相关文献】1.基于GARCH模型的股票市场收益率波动的实证研究 [J], 王嘉晨2.基于Copula-GARCH模型的投资组合日收益率的相关性的风险度量实证研究与应用 [J], 刘红玉;张景川3.中国股票市场流动性溢价风险的实证研究——基于自由流通额调整的收益模型(FARM) [J], 龚鹰武;4.货币供给量对股票市场收益率的影响\r——基于VAR模型的实证研究 [J], REN Sen-chun;DAI Zheng-ben5.中国股票市场存在流动性溢价吗?——股票市场流动性对预期收益率影响的实证研究 [J], 谢赤;张太原;曾志坚因版权原因，仅展示原文概要，查看原文内容请购买。

基于GARCH模型对上证指数收益率的实证分析

基于GARCH模型对上证指数收益率的实证分析基于GARCH模型对上证指数收益率的实证分析【摘要】本文选取上海综合指数在2021年1月4日至2021年12月19日期间共475个上证综合指数每日收盘价数据，并处理成对数收益率，在此根底上对中国股市收益率波动性特征进行了分析。

利用ARCH类模型对上海股票市场的波动性进行了检验，发现中国股市具有明显的ARCH效应，结合ARCH模型和GARCH模型的特点，最终筛选出适合的GARCH模型对沪市收益率序列的波动做拟合。

本文最后针对中国股市的现存问题，借鉴成熟股市的经验，提出了加快开展中国股市的政策建议。

【关键词】上证综合指数ARCH效应ARCH GARCH模型波动性一、引言作为国际金融市场的一局部，我国股票市场的成长历程还不算漫长。

自从1990年成立以来的20多个年头里，经过几次大起大落已经不断完善和开展。

尤其是近几年来，随着市场规模的大幅度增加，沪深证券市场与国民经济的相关程度也逐步增强。

金融环境动乱的加剧促使人们研究股票价格波动的内在规律。

在中国这样一个尚未开展成熟的股票市场中，我们不仅要定性的把握股票价格的走势，更应该定量的研究其内在规律，这样才能使我们在危机来临之际不至于手足无措。

鉴于此，对股市进行合理分析和预测，对于指导投资者合理投资，维护证券交易市场稳定进而促进经济开展有重大意义。

二、中国股市波动特征中国股市的开展很快，从20世纪80年代中后期一些国有企业自行发行企业职工内部股票，到1990年至1991年标准化的上海、深圳证券交易所的成立，中国股市在过去十多年的开展过程中逐渐自我完善和开展壮大，市价总值从1992年的1048.13亿元上升1999年的26471亿元。

股票市场的建立和开展对解决国有企业筹集资金起到了积极的作用，有利地推动了中国经济体制改革的深入开展。

具体来讲，我国股市波动具有以下特征：股市波动大，股价指数走势难以按牛、熊市划分，时常发生暴涨暴跌行情，熊市中常发生暴涨行情，牛市中常发生暴跌行情。

基于GARCH模型的股票收益率分析及预测

基于GARCH模型的股票收益率分析及预测耿娟刘怡超【摘要】摘要：GARCH模型是对金融数据波动性进行描述的有效方法，它是最常用、最便捷的异方差序列拟合模型。

资产收益率是金融数据分析常用的指标，比价格序列更易处理且更有研究意义。

本文采用R语言，对2009年1月6日—2019年5月20日沪深300指数的日收盘价进行预处理，将其转化为平稳的收益率序列，检验其ARCH效应，建立GARCH模型以及标准化残差分析，最后对收益率和股票价格进行预测，预测的结果能为投资者进行决策提供一定的参考。

【期刊名称】《河北企业》【年(卷),期】2019(000)010【总页数】2【关键词】股票收益率; GARCH模型; R语言; 股指预测一、引言股票市场是我国市场经济的重要组成部分，对国民经济的发展起到了巨大的推动作用。

因为沪深300指数具有作为表征市场股票价格波动情况的价格揭示功能，是反映市场整体走势的一个重要指标，所以受到了广泛关注。

如果对沪深300指数进行分析，并在一定程度上对其预测，可以为投资者做买卖决策提供重要的参考价值。

国外学者对股票收益率进行预测研究较早。

Black（1977）和Christie（1983）提出了金融时间序列对正向和负向冲击的反应是截然不同的。

PhichhangOu （2010）对三种模型进行了比较，得出了混合模型在预测杠杆效应波动率方面表现更好的结论。

而我国对股票市场收益率的波动分析研究相对较晚，但随着我国金融市场不断发展和完善，对于这方面的研究也逐渐增多。

2006年，孔华强通过建立EGARCH(1，1)-M模型拟合了上证180和深证100指数的波动性。

张豪（2015）利用GARCH（1，1）模型求出个股的年波动率，并结合股票价格的正态性估计出某时段的收益率范围，根据国内股市易受国家政策影响的特点提出投资意见。

李雄英、陈小玲等（2018）将ARMA模型、GARCH模型以及ARMA-GARCH模型进行比较，得出组合模型的预测效果最优。

中国股市波动性解析：基于RS-GARCH模型族的实证研究

2014年第2期(总第415期)金融理论与实践收稿日期：2013-11-29作者简介：郭航（1978-），女，河南驻马店人，经济学硕士，副教授，研究方向：贸易金融方向。

中国股市波动性解析：基于RS-GARCH 模型族的实证研究郭航（黄淮学院，河南驻马店463000）摘要：波动性是衡量股市风险和稳定的重要指标之一，对股市的健康发展具有重要影响。

以上证指数为研究标的，利用RS-GARCH 模型族对股市的波动性进行了比较研究。

结果表明：相对于一般的GARCH 模型族，RS-GARCH 模型族明显改善了“伪持续”现象，能够更好地刻画股市的波动特征；A 股市场存在明显的杠杆效应；在高波动状态下，利空和利好消息，对于A 股市场波动率的影响时间更长。

关键词：股票市场；RS-GARCH 模型族；波动性文章编号：1003-4625（2014）02-0078-03中图分类号：F830.91文献标志码：A 一、引言股价波动是证券市场中最普遍的现象之一，对投资者、企业和监管者均会产生较大影响。

因此，波动性问题一直是众多学者关注的热点之一。

2008年次贷危机导致全球股市暴跌，为抑制经济下滑，各国央行纷纷放宽货币政策，伴随经济复苏，发达国家股市都呈现出修复性上涨。

但中国股市却与中国经济作为全球经济复苏的一面旗帜背道而驰，在2012年创出了近四年的新低，上证指数年线全球罕见地收出三连阴，成为全球表现最差的股市之一。

在这一背景下研究中国股市波动，衡量证券市场结构、参与主体、市场制度的变革对股市波动性的影响显得尤为重要。

二、文献综述收益率方差是衡量收益率波动的重要指标，在对其研究中，通常假定扰动项服从正态分布、t 分布等既定分布，既波动的方差是稳定的。

随着对收益率方差的研究发现，扰动的稳定性通常要比假设差，而且在不同时期预测能力呈现不同精准程度。

为解决扰动方差的变动问题，恩格尔（Engle R，1982）[1]开创性的提出ARCH 模型用以刻画方差的特征后，此后，条件异方差模型被广泛运用于时间序列研究中，特别是在金融研究领域。

基于Copula-GARCH模型的沪深股市相关性分析

基于Copula-GARCH模型的沪深股市相关性分析侯叶子;卢俊香【摘要】为了进一步研究金融市场的相关性和相关模式,文中将GARCH模型和Copula模型相结合,建立了二元金融时间序列的Copula-GARCH模型,并对上证综合指数和深证成分指数进行了实证分析.结果表明:上海证券交易所和深圳证券交易所的收益率具有很强的相关性.随着股票价格的上涨或下跌,上海股市与深圳股市之间的协同效应将大幅增加,相关程度明显增大.实证结果对比发现,相对于二元正态Copula,二元t-Copula对实际问题的描述能力更为准确.%In order to further study the correlation and related models of financial markets, the paper presents a Copula-GARCH model for binary financial time series by combining the GARCH model and the Copula model, with which the Shanghai composite index and the Shenzhen component index are empirically analyzed.The results are as follows.There is a strong correlation between the returns of the Shanghai stock exchange and the Shenzhen stock exchange;as the stock prices rise or fall, the synergy between the Shanghai stock market and the Shenzhen stock market will increase significantly;the degree of their correlation will increase sharply.The comparison of the empirical results shows that the binary tCopula is more accurate in describing actual problems than the binary normal Copula.【期刊名称】《西安工业大学学报》【年(卷),期】2019(039)001【总页数】5页(P7-11)【关键词】Copula函数;Copula-GARCH模型;相关性;收益率;模型选择【作者】侯叶子;卢俊香【作者单位】西安工程大学理学院, 西安 710048;西安工程大学理学院, 西安710048【正文语种】中文【中图分类】F830近年来,随着衍生产品的日益丰富,金融市场中的相关性分析日渐成为研究热点,Granger因果分析是常用的相关性分析方法[1] ，但它存在局限性,如变量间是线性相关的,且方差有限时才能进行线性相关分析,但金融市场中的数据特征多呈现尖峰、厚尾的特点而且方差也不总是存在,所以这种方法不太适用于金融市场。

GARCH和Copula模型在股市中的实证比较

维普资讯
ＧＲＨ和Ｃｐｌ模型ＡＣｏｕａ
在市中的实证比较
收益序列不服从正态分布；日收益序列存在尖峰肥尾的性质。张飞君周建涛北京航空航天大学经济管理学院１０８０３０（三）剔除周内效应的影响周内效应是指一周内某一天的平均收益比其他各天的平均收益或波动率有显著差异。在研究深圳股市收益率是否存在周的信息更多，而需要估计的参数却更少。【章摘要】文内效应时，必须根据收益率自身所具有的金融市场中的波动一旦达到或超过一长期以来资产收益率的波动性一直特征选择适当的模型，选择的模型如下：都是金融学家关注的问题，资产选择理定程度，其影响便会显现并可能迅速蔓Ｒ＝哦＋婶１Ｅ＋∞ｌＤｔ￣Ｔｔ啦ＦＲ； ’ ＋ＨＵ＋Ｅ】＋ＡＲＣＨ论用方差来描述收益率的波动性，进而延，即产生波动溢出效应。向量ＧＲ是每日股票收益率：模型可用于波动溢出的检验，但它在理论寻找最优资产组合。传统的金融计量方ｒｒ『ＴＵＦ［是虚拟变量；［｛ＥＥＨ，Ｒ上还存在许多有待解决的问题，而且难以法认为方差是独立于时间变化的变量，ｒ－在周二时对应的变量是１ｃ，Ｅ，其他都为ｏｕａ模但是近年来大量的金融时间序列实证分捕捉到尾部相关性。Ｃｐｌ型可以很０｛在周三时对应的变量是１，『 Ⅱ ，其他都好的描述具有时变、非对称、非线性相关析发现，方差是随时间变化而变化的，为０ｒ在周四时对应的变量是１，，其他特性的多个变量的相关性，别是还可以特而且金融时间序列的波动具有类聚性。都为０Ｆ／周五时对应的变量是１，Ｒ在，其因近年来，些学者￣ＧＲＨ型与Ｃｐｌ一ＧＫ，模Ｃｏａｕ刻画出分布尾部的相关结构，此可以捕将ｏｕａ理。结合，动态地对金融变量问的相依性和获波动溢出信息，ｃｐｌ论进一步用他都为０（）对模型残差的自相关性检验四于波动溢出的检验仍有待研究。风险加以研究。本文将结合两者的实证对残差进行分析，可以看出其呈现出分析进行比较。尖峰肥尾的特征，Ｂ检验结果的Ｐ值为０Ｊ，二ＧＲＨ型对深圳股票市场波动ＡＣ模说明ＲＥＩＳＤ序列不服从正态分布。由自相非对称性实证研究【关键词】关统计检验得出的数据显示，Ｑ统计量的（）数据说明与研究思路一收益率的波动性；ＧＥＨ模型；ＣｐｌＡＣｏｕａ．５残２由于早期我国的股票市场不成熟，股Ｐ值均远大于００，差序列至少滞后１票价格受政策的影响比较大，大起大落的阶不存在自相关，Ｑ统计量很大，说明残Ｃｐｌ理论与ＧＲＨ的比较ｏｕａＡＣＡＤＦ的值一现象比较严重。本文选取从２００２年１４差序列为白噪声过程。此外，月Ｃｐｌ论的出现和应用可以说将ｏｕａ理２０２６１％，１％）０日一２０年１３的深市日收益成份指１．７０，绝对值都大于（％，５０３２月１风险分析和多变量时间序列分析推向了一数共４３个交易日的数据。这一段时期我下的临界值。因此拒绝存在单位根的假７个新阶段。很多学者都提出可以运用条件国的股市发展比较迅速，而且渐渐的走上设，即残差序列是稳定的。ｃｐｌｏｕａ理论建立具有时变、偏斜、尖峰、（）残差序列的效应检验五成熟，能够反映我国未来股市走势。厚尾等特性的多变量金融时间序列模型，对残差序列及其平方序列的自相关系日收益率用每日收盘价的对数差分表以处理非对称相关、投资组合、资产定价￣－Ａ示。Ｒｊ（ｎｅ，其中是市场在交易致强显不不存在显著的自相关，而ｉ尸－）。等问题。ＡＲＣ类模型和ＳＨＶ模型虽能很有明显的自相关性。误差平方与时间的日ｔ收益率，是市场在交易日ｔ的尸的收盘好的描述金融时间序列的波动特性，但参图二）显示出平方误差存在聚价。实证研究的基本思路是首先对股市收变化关系（数估计等问题限制了其模型的应用和发类现象。这都初步表明存在ＡＨ现象。ＲＣ益率做出描述性统计分析，分析收益率序展，为此有学者提出可以运用ｃｐｌ理论ｏｕａ列的特点，然后分离周内效应，之后对该来建立多变量时间序列模型以替代向量模型的残差进行自相关性检验，若残差存ＧＡＲＣＨ模型，用以描述随机变量问的时在自相关，则进行自相关性纠正，接着检变的条件相关关系。验残差的异方差性，若存在异方差性，则在实际应用中，用ｃｐｌ理论建立运ｏｕａ进－拟和相关的不对称模型。一步的金融时间序列模型更为灵活，边缘分（）收益率的描述性统计分析二布、ｃｐｌｏｕａ函数的形式以及它的相关参数都可以是时变或时不变的，因此由边缘分布和ｃｐｌ函数确定的条件联合分布自然ｏｕａ也可以是时变或时不变的。Ｃｏｕａ模型ｐｌ是对整个条件联合分布建模，因此可以提Ｉ匿Ｉ＝哩供更多有用信息。另外由变量的边缘分布图二误差项平方与时间的变化关系和它们的ｃｐｌ函数，以确定条件联合ｏｕａ可序列是否存在ＡＲＣＨ效应，常用的最分布的密度函数，并且还可以计算出条件圈深圳成指收益率描述性统计量检验方法是ＬＭ检验。对三是否具有均值、条件方差以及条件高阶协阶矩，如根据上图这些统计量可以得到如下结ＡＲＣＨ现象进行Ｌ检验，在ｑＯＭ＝ｌ时的协方差、协偏度和协峰度等统计量。可见果：市场的平均收益高于同期银行存款的检验结果显示，其ｐ值在滞后１阶的情况０与ＧＡＲＣ模型相比，ｏｕａ型所包涵收益，当然风险也远远大于存款风险；日Ｈｃｐｌ模下仍然小于显著性水平００，且ＯｓＲ．５ｂ —

基于Copula-GARCH的投资组合风险分析

基于Copula-GARCH的投资组合风险分析基于Copula-GARCH的投资组合风险分析摘要：投资组合风险分析是金融领域的重要研究课题。

传统的投资组合风险分析方法往往基于随机变量的独立性假设，忽视了不同资产之间的相关性。

本文提出基于Copula-GARCH模型的投资组合风险分析方法，从而更准确地评估投资组合的风险水平。

通过对某个特定投资组合的实证分析，验证了该方法的有效性和可行性。

一、引言在金融投资领域，投资者在进行资产配置时，需要对不同资产的风险进行评估。

传统的投资组合风险分析方法通常基于随机变量的独立性假设，只考虑各资产的单独变动情况，却忽视了不同资产之间的相关性。

然而，在实际市场中，不同资产之间往往存在相关性关系，这种关系对投资组合的风险水平有重要影响。

因此，如何准确评估投资组合的风险成为了投资者和学者们关注的焦点。

Copula-GARCH模型是一种常用的投资组合风险分析方法。

Copula理论是用来描述多维随机变量的联合分布的方法，通过将边缘分布与相关结构分离，能够更准确地刻画不同资产之间的相关性关系。

GARCH模型则用于描述资产的条件方差，能够更准确地衡量资产的波动性。

将Copula和GARCH模型结合起来，可以更全面、准确地评估投资组合的风险水平。

本文以某个特定投资组合为例，采用Copula-GARCH模型对其风险进行分析。

首先，基于历史数据，估计各资产的边缘分布模型，并计算其条件方差。

然后，采用Copula函数建模不同资产之间的相关性，并通过参数估计求得Copula函数的参数。

最后，基于Copula-GARCH模型，计算该投资组合的风险值，并进行风险敞口分析。

二、实证分析本文选取了A股市场中的某个投资组合作为实证样本。

首先，通过分析历史数据，估计了各资产的边缘分布模型。

根据数据的正态性分布特征，采用正态分布来拟合各资产的边缘分布。

然后，根据GARCH模型，对各资产的条件方差进行估计。

基于 Copula-GARCH 模型的黄金、股票与债券投资组合风险分析

基于 Copula-GARCH 模型的黄金、股票与债券投资组合风险分析曹培慎;武昭;张静【摘要】由于金融危机影响,国际金价强势攀升,黄金已经与股票、债券一样,成为一种非常重要的投资工具.因此,本文基于Copula函数和GARCH模型[1],先建立Copula-GARCH-t模型对黄金、股票以及债券的投资组合风险进行实证研究分析.结果表明,Copula-GARCH-t模型对数据描述较为准确,因而在刻画投资组合风险方面效果较好.再运用蒙特卡洛模拟法,在风险最小情况下,计算出三种资产的投资比例,并计算出资产组合的VaR.% For the influence of the financial crisis and the continuous rising of gold price, gold has been a very important investment tool together with stock and bond. This paper constructs a Copula-GARCH-t Model based on Copula functions and the GARCH model to make an empirical research on and analysis of the investment portfolio risk of gold, stock and bond. The results show that the Copula-GARCH-t model can make an accurate description of the data, comparatively speaking. Thus it has a good ability to depict the portfolio risk. What’s more, it supplies an investment ratio of the three assets in the case of the minimized risk.【期刊名称】《西安电子科技大学学报（社会科学版）》【年(卷),期】2012(000)005【总页数】7页(P34-40)【关键词】Copula-GARCH模型;投资组合;蒙特卡洛模拟;风险分析【作者】曹培慎;武昭;张静【作者单位】陕西师范大学国际商学院,西安 710062;陕西师范大学国际商学院,西安 710062;陕西师范大学国际商学院,西安 710062【正文语种】中文【中图分类】F830.91自次贷危机以来，国际金融市场发生了巨大变化，这驱使人们更加重视金融风险的管理。

中国股票、基金及债券市场间非对称相依趋势分析--基于平滑转换SHR-Copula模型

关键词：SHR-Copula；平滑转换模型；尾部相依；非对称演化中图分类号：F830.9 文献标识码：A 文章编号：1674-2265 （2015） 08-0017-07
一、引言金融市场间相依关系的研究是多变量金融领域的一个重要课题，也是投资组合决策、风险度量和防范的关键。投资者需要准确评估金融市场收益率之间的联动程度，才能构建一个良好的多元投资组合；风险管理人员在计算 VaR 和期望损失时，仍需将金融市场的相依结构考虑在内，忽略金融市场之间联动关系的增长会相当大程度地低估风险。研究多变量金融时间序列不仅要准确刻画单个金融时间序列的分布特征，还要对金融时间序列之间的相依关系进行动态分析。一般来说，金融资产收益率序列往往具有波动聚集、偏斜、尖峰肥尾等现象。采用传统计量模型如线性相关系数、Granger 因果分析方
理论研究
中国股票、基金及债券市场间非对称相依趋势分析
—— 基于平滑转学金融学院，浙江杭州 310018）
摘要：本文引入非椭圆 SHR-Copula 函数构建了 Copula-GARCH 模型，并将多阶段平滑转换模型应用到 Copula 参数的动态化中，来研究我国股票、基金和债券市场间相依关系的非对称变化。实证结果表明：三阶段平滑转换 Copula 模型足以刻画三个证券市场间相依关系的动态演化过程；股票、基金和债券市场两两之间的上、下尾部相依关系大体呈增长趋势，但是发生结构性突变的时点有所不同。近年来债券与股票、债券与基金之间的尾部相依性呈左强右弱的趋势，表现出显著的非对称性；股票市场与基金市场之间的上尾和下尾相依性在样本后期趋于一致，非对称情况不明显。
二、文献综述由于 Copula 函数相较于传统计量模型具有显而易见的优势，它的灵活性和优良性使其成为金融时间序列相依结构建模的重要工具。国外已有不少文章应用 Copula 理论对金融市场之间的非对称相依关系进行研究。如：隆然和索尼克（Longin 和 Solnik， 2001）、昂和陈（Ang 和 Chen，2002）均指出两组金融时间序列在市场下行时比市场上行时表现出更强的相关性。帕顿（Patton AJ.，2006）通过构建条件 SJC-Copula 模型，验证了德国马克和日元之间依存关系的不对称性，马克—美元、日元—美元的汇率之间的相关性在贬值时更为明显。库马尔和冲本（Kumar 和 Okimota，2011）提出了动态的 Copula-GARCH （STCG）模型，用来检验国际政府债券市场的动态相关性，得出了债券市场依存关系的非对称变化。克里斯托弗森等（Christoffersen 等，2012）利用 Copula 函数检验国际股票市场的联动性，并发现了一个显著的非对称增长趋势。冲本（Okimota，2014）构建了时变 Copula 模型，从动态的角度描述国际股票市场依存结构的变化趋势，发现在样本初期上尾和下尾的联动性存在非对称性，而在样本后期非对称性逐渐消失。国内学者对 Copula 函数在相依结构建模方面的应用也做了多方面、多角度的研究。韦艳华、张世英（2004）通过构建多元 Copula－GARCH 模型，捕捉到金融市场间存在非线性相关关系；李悦和程希骏（2006）借助 Copula 函数构建时变模型，分析了香港恒生指数同上海综合指数之间的尾部相依关系；任仙玲和张世英（2008）通过构建时变双参数 Copula 模型，研究了我国股票市场之间的非对称尾部相依结构；王永巧和刘诗文（2011）构造时变 SJCCopula 模型，对我国大陆股市、香港股市以及美国股市之间的相依性进行量化测度，得出中美股市之间的相依关系随时间而逐步增强。综合国内外研究文献可知，已有不少文献运用 GARCH 模型和 Copula 理论对金融市场间的相依性展开不同角度的论证，但针对我国股票、基金和债券市场之间相依性研究的文献较少。此外，运用平滑

基于GARCH模型的股票市场有效性的实证研究

第20卷第3期2005年5月统计与信息论坛V ol.20N o.3May ,2005收稿日期:2004-12-40作者简介:谢家泉(1981-),女,土家族人,硕士,研究方向:金融计量分析;杨招军(1969-),男,湖南省邵阳人,教授,博士后,研究方向:金融数学与金融工程。

【统计应用研究】基于G ARCH 模型的股票市场有效性的实证研究谢家泉1,杨招军2(11广东金融学院基础部,广东广州510520;21湖南大学数学与计量经济学院,湖南长沙410079)摘　要:证券市场波动的有效性问题是证券市场研究中的一个重要课题。

文章运用时间序列的G ARCH 模型的推广形式对上证指数股票收益率序列建模,在以往研究的基础上鉴于实际波动情况引入了两个虚拟变量进行刻画,并就股票市场有效性问题进行了实证研究。

关键词:G ARCH 模型;有效性;收益率中图分类号:F224 文献标识码:A 文章编号:1007-3116(2005)03-0057-04一、引　言市场有效性这一概念起源于法国Bachelier 的研究,他指出商品价格呈随机游走,但这一前瞻性的研究在当时并未引起学术界的足够重视。

直到20世纪六七十年代关于市场有效性的研究才迅速升温。

1965年Fama 发表了题为《股票市场价格的行为》的论文,提出了一个广为接受的有效市场的定义和理论,由此标志着有效市场理论(E MT )的建立。

其核心思想为:市场能够对信息作出及时、合理、一致的反应,使所有信息都立即反应到价格中去。

Fama 根据历史信息、公开信息、内部信息的知道与否将市场效率定义为三种:弱有效型市场、中强型有效市场、强有效型市场。

此文发表后,西方许多学者对证券市场有效性进行了实证分析和检验,其中具有代表性的有:托宾有效市场实现条件的观点;威斯特和惕尼克将证券市场效率分为外在效率和内在效率的观点等。

而我国直至90年代才开始引进有效性理论和分析工具。

其中有:1994年,俞乔应用误差序列相关检验、游程检验、非参量性检验三种方法对沪深股指进行分析,结果表明股市不具备弱式有效性,并且表明中国股市存在假日效应;1996年,吴世农对20种股票的日收益进行自相关分析,也得到同样结果;1998年,范振龙、张子刚采用DF 检验对深市几支股票进行检验,结果表明深市具有弱式有效性;2000年,张思奇、马刚、冉华运用于ARM A -ARCH -M 模型研究发现其日收益率序列基本满足白噪声性质;2001年,张亦春、周颖刚运用广义谱域分析得出的结论是中国股市未达到弱式有效性。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

V � � . 3 � 3� N �. 2 J � �.2 � 0 � 1 � 2
中国股票市场流动性与收益率相关分析 � � � 基于 C � � � � G A R C H 模型的实证研究 �
胡啸兵� �何旭静� �张成虎
(西安交通大学经济与金融学院 , 陕西西安 7 1 0 0 6 1)
收稿日期� 2 0 1 1 0 8 0 9� �修回日期 � 2 0 1 1 1 0 1 8 基金项目 �国家自然科学基金项目 � " 基于数据挖掘的可疑金融交易识别研究 " ( � 教育部" 春晖计划" 项目� " 西部地区民间投资运行状 7 0 7 7 1 0 8 7) 况及发展路径研究" ( S 2 0 1 0 0 1 0) ) , ) , 作者简介 �胡啸兵 ( 1 9 8 1 男, 陕西蓝田人, 西安交通大学经济与金融学院博士研究生 , 主要从事金融市场, 计算金融研究� 何旭静( 1 9 8 2 女, 河南新乡人, 西安交通大学经济与金融学院硕士研究生 , 研究方向为金融市场, 计算金融� 张成虎( ) , 男, 陕西洛川人, 教授, 博士 1 9 5 8 生导师 ,主要从事网络金融和金融数据分析研究 �
H U � � � � � � � � �H E � � � � � �� H A N G � C � � � � � �, � �, �
( ’ , ’ S � � � � � � � � � E � � � � � � � � � &F � � � � � �, � � � � � J � � � � � � U � � � � � � � � � � � � � 7 1 0 0 6 1, C � � � �) � � �
�
C h � � d i a 等以交易额和换手率作为流动性度量指标 � 对纽约证券市场 � 美国证券交易所和纳斯达克市场进行实证研究 � 认为股票的预期收益与交易额和换手率
�� 均呈负相关关系 � 证实了流动性溢价现象的存在 3 �
C � � � � � � � � � � � A � � � � � � � � � � F � � � � � � � � � � R � � � � � � R � � � � � � � C � � � � � � � S � � � � � M � � � � � � � � �A � � E � � � � � � � � S � � � B � � � � � � � � C � � � � G A R C H� M � � � � � � � �
� A � � � � � � � C � � � e � a � i � � a � a � � i � � f f � � i d i � a � d � e � � � � � a � e i � � f � e i � � � � a � c e � � � h e � a � � e � � f i � � e � � a � d � a �� , i c � � f � � � c � � a � � e � � . B a � e d � � � h e � e f e � e � c e � f � e � e � a � � � i � e � a � � � e � h e a e � f i � � � � e � � a b � i � h e � a � e � i � d e � � � � � � � � � � � � � � � � � � � � � � , � e a � � � e � f � � i d i � � � f � C h i � e � e � � � � c � � � a � � e � a � d � � h e � � c � � d � c � � � a � � e � � i � i c a � � � � � d � � � � c � � � e � a � i � � � � f � f � � i d i � � a � d � � e � � � � � � � � � a � e � � f � C h i � e � e � � � � c � � � a � � e � � � i � h � C � � � � a GA RC H� � � d e � � f � � � � � i � g � h e � � e � � � � � f � � e � e � a � � � � � � � a � � d i � � � i b � � � i � � � f � e � i e � i � � � � � e d . I � i � f � � � d � h a � � h e � e i � � � � � a i � � �� e � � i � d i � � � i b � � i � � � f � h e � � � � e � i e �, a � d � e � � � � � � � � � � � � � � � � � � � � � � � � � a � e � i � c � e a � e � � � e a � � � i � h � f � � i d i � e � h a � c i � d � � i � b � � � � � a � � e � � � h i � e � � e � � � � � � a � e � d e c � e a � e � � d � a � � i c a � � � i � h � f � � g � � � � g � g � � � � , i d i � � � e a � e � i � g i � � b e a � � � a � � e � b � � � � h e � c � � c � � � e � c � � � � b a b i � i � � � f � � h e � f � � � e � � i � � h i g h e � � � h a � � � h a � � � f � � h e � � a � � e � � � � � � h i c h c � � � � a d i c � � � � � h e f � � i d i � � e � i � � � h e � � � e � a i � i � i � � a � � � e � � � c � � a � � e � � . � � � � � � � � � � � g � � � � � � � �C K � � � � � � f � � i d i � � e � � � � � a � e f a c � � � a � a � � i � � � � a G AR CH� � � d e � � � � � � � � 国际经验表明 , 流动性作为股票市场运行状况的一个
一� 引�言
" 流动性是市场的生命力所在" � K � e 曾指出 � �
� 1�
重要表征指标 , 与股票市场收益率存在密切关系 � 进入2 金融管制放松 , 金融创新大量出现 , 特 1 世纪以来 , 别是2 使得我国股票市场的流动 0 0 8 年金融海啸冲击 ,
�5 0�
大连理工大学学报 � 社会科学版 �
3卷 � �第 3
性和收益率经历了大幅波动 � 历史原因和发展阶段的制约导致我国股市流动性与收益率呈现出不同于国际成熟市场的独特性 � 因此 � 在对我国股市独特性充分认知的基础上 � 研究其流动性和收益率的相关关系 � 从深层次把握我国股票市场内在运行特征与发展规律 � 就显得尤为重要 � 自1 9 8 6 年 A� i h � d 和 Me � d e � � � �首次提出流动性溢价理论 � 即" 流动性的高低与资产预期收益成反相关" 后� 许多学者对流动性溢价理论做了研究
第3 3卷第2期 2 � 0 � 1 � 2年 6 月
大连理工大学学报� 社会科学版 �
� J � � � � � � � � D � � � � � U � � � � � � � � � � T � � � � � � � S � � � � � S � � � � � � � � � � � � � ��
结果 B e � a e � �等对新兴的金融市场进行了实证分析 � 发现金融市场的流动性与滞后一期的市场收益率呈现
� 4 相关关系 � �J � � 采用新的流动性度量指标即市场成
二� 流动性度量指标选取
鉴于不同国家股票市场不同的发展环境和运行机制� 在对股票市场流动性度量方面 � 没有固定的标准� 但是在股票市场流动性的指标选取上 � 以最少的指标来最大程度全面反映股票市场流动性各种影响因素信息� 是有效刻画股票市场流动性的前提 � 既有研究往往是人为限定流动性度量指标 � 忽视了指标度量的有效性与效率 � 而因子分析法是从客观原始数据出发 � 从数目众多的原始指标中综合出少数几个具有代表性的因子 � 这些因子能够涵盖原始指标所包含的绝大部分信息且彼此不相关 � 本文将采用因子分析法寻求一种多维流动性度量新指标 � 以期能够更综合 � 更全面地度量股市流动性 � 本文选取上证 5 样本期间选 0 指数作为研究样本 � 取2 0 0 4 年1 月 2 日至 2 0 0 9年9月3 0 日所有正常交易日� 数据主要来源于国信证券的 " 金太阳 " 交易软件 � 分析工具采用 S P S S 1 6. 0 统计软件� 选取成交额 Q � 作为" 量" 的度量� 选取绝对价差S 相对价差S � � M� � 对数绝对价差 L 对数价格的相对价差 S 对数 � S � � � � � � 价格的对数相对价差 L 有效价差 S 用中间 � S� � F� � � � 价格计算的相对有效价差 S F P� 作为 " 价" 方面的度量� 选取报价斜率 Q S � 共计 9 个变量 � 经过原始数据预处理后得出原始变量相关矩阵中各个变量之间线性相关系数均在 0. 有的甚至高达 0 这说明 6以上� . 9 4 1� 9 个原始变量之间存在明显的相关关系 � 利用因子分析法寻求新的流动性指标 �其样本容量 KMO 检验值为 0. 比较接近于 1� 这说明所选样本容量大小 8 1 6� 合适�

中国股票市场流动性与收益率相关分析——基于Copula-GARCH模型的实证研究

合集下载