GARCH模型论文节日效应论文：中国股市月份效应和节日效应实证研究

新冠“黑天鹅”下中美股票市场波动趋势探讨——基于GARCH模型的实证研究新冠“黑天鹅”下中美股票市场波动趋势探讨——基于GARCH模型的实证研究摘要：2020年新冠疫情的爆发给全球股票市场带来了巨大的冲击，尤其是中美两大经济体的股票市场。

本文基于GARCH模型，对新冠疫情期间中美股票市场的波动趋势进行了实证研究。

研究结果表明，新冠疫情对中美股票市场的波动具有显著的影响，且两国市场的表现存在差异。

在疫情初期，中美股票市场均表现出较大的波动，尤其是美国市场表现更为剧烈。

随着疫情的发展，中美股票市场的波动逐渐趋于稳定，但美国市场仍然保持较高的波动性。

本文的研究结果有助于了解新冠疫情对股票市场的影响，并为投资者提供对策和参考。

关键词：新冠疫情；黑天鹅；中美股票市场；波动趋势；GARCH模型第一章绪论1.1 研究背景和意义新冠疫情是自20世纪初爆发的全球大流行疾病，对全球经济产生了长期且广泛的影响。

疫情爆发初期，全球股票市场出现了剧烈的波动，许多市场指数创下历史新低。

作为全球最大的两个经济体，中美的股票市场也受到了极大的冲击。

研究新冠疫情对中美股票市场波动趋势的影响，对了解疫情对经济的影响机制以及风险管理具有重要意义。

1.2 研究目的和内容本文旨在基于GARCH模型实证研究新冠疫情对中美股票市场波动趋势的影响，并对两国市场的表现进行比较分析。

具体来说，本文将分析疫情爆发初期中美股票市场的波动性，探讨随着疫情的发展，两市场的波动趋势是否存在差异，并寻找影响波动的关键因素。

第二章文献综述2.1 GARCH模型的理论基础GARCH模型是一个用于揭示金融资产波动性的经济计量模型。

其理论基础是ARCH模型，即自回归条件异方差模型。

GARCH模型在ARCH模型的基础上引入了波动的延迟响应，能够更准确地描述金融市场的波动特征。

2.2 关于新冠疫情对股票市场的影响研究在新冠疫情爆发初期，许多研究探讨了疫情对全球股票市场的冲击。

总结本文以上证综合指数的日对数收益率代表股市波动性用上交所的融资余额和融券余额分别代表沪市的融资规模和融券规模并且以2014月12日201614日的数据为基础并以2015月12日上证综指暴跌这一事件为时间节点建立了引入了虚拟变量的garch模型来研究融资融券制度在熊市和牛市时对股市波动性的不同影响并得出了以下结论
Finance 金融, 2018, 8(1), 46-55 Published Online January 2018 in Hans. /journal/fin https:///10.12677/fin.2018.81005
A Research about Effects Margin Transaction Has on the Stock Market in China Based on GARCH Model
Tao Zhang1, Xiaowei Deng2, Fanyi Li1, Sujing Zhang1
1 2
Overseas Education College, Nanjing Tech University, Nanjing Jiangsu School of Physical and Mathematical Sciences, Nanjing Tech University, Nanjing Jiangsu
th th th
Received: Jan. 4 , 2018; accepted: Jan. 16 , 2018; published: Jan. 29 , 2018
Abstract
Select 619 logarithmic ratio of Shanghai Composite Index and balances of financing and securities loan during the period between 12th March, 2014 and 14th September, 2016 as sample data. Firstly, AIC and SC criteria are used to confirm the lag item numbers of GARCH model. Then, we introduce dummy variables as the partition of bull market and bear market, establish GARCH (1,1) model including dummy variables and analyze the effects that the system of margin transaction has on stock market volatility. The results indicate that: 1) Financing transaction in both bull market and bear market increases stock market volatility and the amplified influence that financing transaction has on the volatility in the bear market is more significant than that in the bull market. 2) Securities trading increases the volatility in the bull market while restrains that in the bear market. Finally, we combine the temporal systems, policies and investors’ mentality and from statistical analysis, we draw a conclusion: In China, financing business and securities business develop unevenly and the scale of financing business is far larger than that of securities business. Thus, in China, financing business exerts more important effects on the fluctuation of the stock market than securities business.

02 行为金融学概述
行为金融学的定义和起源
行为金融学是一种将心理学、社会学和经济学等学科的理论与金融市场实践相结合的跨学科研 究领域。
行为金融学起源于20世纪80年代，主要针对传统金融理论无法解释的异常现象进行研究。
行为金融学研究投资者在决策过程中的心理偏差、情绪等因素对金融市场的影响。
行为金融学对传统金融理论的假设进行了修正，更贴近现实的金融市场。
资产定价：传统金融学基于理性预期和有效市场假说进行资产定价，而 行为金融学则考虑了投资者心理因素对资产价格的影响。
03 股市假日效应理论
股市假日效应的定义
股市假日效应是指在节假日前后，股市交易量和波动率会出现异常变化的现象。
这种变化通常表现为节假日前股票价格上涨、节假日后价格下跌的趋势。
这种现象的原因可能与投资者的心理预期、市场参与者的行为习惯等因素有关。
基于行为金融学的投资策略
了解投资者的心理偏差和行为偏差，避免盲目跟风和过度自信。 关注市场热点和政策动向，合理配置资产，分散投资风险。 掌握一定的技术分析方法，根据市场走势和交易量等数据制定交易策略。 保持冷静的心态，理性对待市场波动，不要被情绪左右。
投资者风险管理与资产配置
风险识别：了解不同投资品种的风险水平，合理分配资产 风险评估：定期对投资组合进行风险评估，调整资产配置 风险控制：采用分散投资策略，降低单一资产的风险 风险承受能力：根据个人风险承受能力，选择合适的投资品种和策略
对监管机构的建议
加强对投资者的 教育和引导，提 高其风险意识和 理性投资意识。
完善信息披露制 度，加强上市公 司信息披露的监 管，防止内幕交 易和市场操纵行 为。
建立完善的投资 保护机制，保护 中小投资者的合 法权益。

基于ＧＪＲ－ＧＡＲＣＨ模型的上海证券市场实证研究根据1998年1月1日－2006年5月1日上证综指数据，采用GJR－GARCH 模型对上证股市收益率的统计特性进行讨论，并分析了上证股市收益率波动的非对称性现象。

结论表明：(1)上证综合指数序列存在冲击的非对称性，同时也存在着杠杆效应；(2) 由拟合得到的新闻影响曲线可以看出，GJR－GARCH模型的新闻影响曲线也是非对称的，同样强度的利空消息较利好消息对未来波动的影响更大。

标签：GJR－GARCH模型；收益率；条件方差；杠杆效应；新闻影响曲线1 GJR-GARCH模型概述Engle在1982年首先提出了ARCH模型，ARCH模型很好的捕捉了金融时间序列中波动的丛集现象。

图1是上证综合指数自1998年1月1日至2006年5月1日间2005个交易日的市场收益率波动图，典型地刻画了金融市场收益率的这种特性。

2 实证分析2.1 样本数据的选取样本数据来源于WIND行情数据库，包括沪市综合指数的日收盘价格指数，导出数据为其复权后的数据，见图1。

数据从1998年1月1日到2006年5月1日，共2005个观测值。

2.2 数据的基本统计特征和非正态性数据的统计特征如表1所示（使用的软件是EViews5.0）。

正态分布的偏度应该是0，而样本数据的偏度是-0.014965，此值为负数，右偏，数据的分布具有一个较长的左尾；正态分布的峰度应该是3，而样本数据的峰度是8.889194，此值大于3，验证了收益率数据具有尖峰厚尾的特性。

另外，我们通过估计数据序列收益率经验分布密度图（估计选用了Epanechnikov核，窗宽为0.005，共选取了1000个点），如图2所示，也验证了收益率分布的尖峰态。

2.3 单位根检验我们使用增广Dick-Fuller（ADF）检验，验证所研究的数据是否具有单位根（使用的软件是EViews5.0）。

在检验过程中，我们选择Schwarz InformationCriterion（SIC），最大滞后阶数设为10，检验结果见表3。

的市场波动特征，选用ＧＡＲＣＨ、ＧＡＲＣＨ．Ｍ、ＥＧＡＲＣＨ和ＥＧＡＲＣＨ－Ｍ模型股 票市场日收益率序列进行研究。
本文以上证综指日收益率作为研究对象，利用Ｅｖｉｅｗｓ６．Ｏ统计软件对样本数
据进行统计特征分析，主要得出以下结论：序列数据具有尖峰厚尾特征；序列数
据具有异方差特征；序列数据波动具有非对称特征。并利用ＧＡＲＣＨ族模型进行
果。对本文所涉及的研究工作做出重要贡献的个人和集体，均己 在文中以明确方式标明。本人完全意识到本声明的法律责任由本 人承担。 特此声明
学位论文作者签名：
沙一年ｒ月彩日
学位论文版权使用授权书
本人完全了解对外经济贸易大学关于收集、保存、使用学位论文 的规定，同意如下各项内容：按照学校要求提交学位论文的印刷 本和电子版本；学校有权保存学位论文的印刷本和电子版，并采 用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提 供目录检索以及提供本学位论文全文或部分的阅览服务；学校有
ｆｉｒｓｔｌｙ ａｎｄ ＧＡＲＣＨ ｍｏｄｅｌ ｆａｎｌｉｌｙ
ａｒｅ
ｗｅｌ王ｄｉｓｃｕｓｓｅｄ．Ｔｈｅｎ，ｉｔ ｉＩⅣｅｓｔｉｇａｔｅｓ ｔｌｌｅ
Ｖｏｌａｔｉｌｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ Ｓｔｏｃｋ Ｍａｒｋｅｔ ｂｙ ｕｓｅ Ｓｈａｎ曲ａｉ ｓｔｏｃｋ ｃｏｍｐｏｓｉｔｅ研ｃｅ ｉｎｄｅｘ．
Ｓｈａｎ曲ａｉ
１．２．１国外波动性研究现状
相对于国内市场来说，国外的股票市场更加成熟，对于国外市场波动性的研
究更加丰富和深刻，研究历史也相对较长，研究成果更加显著。
早期学者们通常通过建立针对均值的模型来分析时间序列，认为异方差在截
面数据中影响比较大，而并非时间序列数据的主要特点。然而，通过数据的实证
分析结果，表明扰动方差稳定性在时间序列模型中比预先假设的影响要大，也因 此导致了很多预测误差的偏差，这也表明异方差受到了前期扰动项的影响。 基于消除异方差的考虑，Ｅｎ酉ｅ（１９８２）１建立了自回归条件异方差模型 （ＡＲｃＨ）来描述波动性，Ｂｏｌｌｅｒｓｌｅｖ（１９８６）更在此基础上扩展了自回归条件异

财经科学 2011/ 4 总 277期
金融论坛 17
中美股市杠杆效应与波动溢出效应
基于 GARCH 模型的实证分析
陈 潇1 杨 恩2
[ 内容摘要] 本文基于极 大似然函 数值准则 和赤池信 息准则, 从 众多非对 称 GARCH 模 型中选择最优模型来研究 中美股市 杠杆效应 和波动溢 出效应。结 果表明: 沪 市和深 市 都表现出显著的杠杆效应, 与美国股 市相比沪 市和深市 杠杆效应 较弱; 沪市 和深市 之 间存在显著的双向波动溢 出效应, 且 沪市对深 市的波动 溢出效应 更显著; 美 国股市 与 中国股市之间不存在显著的波动溢出效应。 [ 关键词] 股票市场; GARCH 模型; 杠杆效应; 溢出效应
国股市之间的联动性, 发现中国股市和 美国股市的相 关性很弱。[ 3] ( 117- 129) 周孝
华、黄
斌 贝
( 2008)
对上证综合指数和深证综合指数之间波动的关系进行了研究,
结果表明沪深两个市场之间相互引导, 信息在两个市场之间能迅速传递, 沪深两
市存在双向波动溢出效应, 并表现出波动的聚集性和非对称性特征。[ 4] ( 77- 82) 董秀
金融论坛 19
yt= x t + t
2t = +
2 t-
1
+
2 t-
1dt-
1+
2 t- 1
t= 1, 2, T
( 3)
该式中 dt - 1是一个虚拟变量, 当 t- 1< 0 时, dt- 1= 1; 否则 dt- 1= 0。若 0, 则存在 杠杆效应 。上式中, 条件方差方程中的 t- 1dt- 1代表非对称效应 项。利好消息 ( t- 1> 0) 和利空消息 ( t- 1 < 0) 对条件方差具有不同 的影响: 一个单位 利好 消息会带来 倍的冲击, 而一个单位的 利空 消息则会带来

ＧＡＲＣＨ模型对研究股市交易量与股价关系的作用本文运用Granger因果检验和扩展GARCH模型实证研究了深圳A股市场交易量与股价之间的关系。

得到了如下结论：交易量变量和收益率、波动率存在双向Granger因果关系；交易量只能在有限程度内解释波动率的持续性，深圳股市还存在其他影响波动率持续性的因素。

标签：交易量波动性Granger因果关系GARCH模型一、引言证券市场中的量价关系是指证券价格的波动与交易量之间的关系，对量价关系的研究近年来日益受到金融界的重视。

通过量价关系的研究,能够帮助了解金融市场的微观结构,揭示价格波动产生的根源。

Clark首次提出了混合分布假说(the Mixture Distribution Hypothesis, 简称MDH)。

在而后的发展中，Tauchen 和Pitts建立了量价关系的二元混合模型(Bivarite Mixture model),Andersen对模型进行改进，他在Glosten和Milgrom的理论框架的基础上, 形成了修正的混合分布模型(MMM)。

Andersen认为信息的不对称和流动性的需求是产生信息到达的交易量的原因。

Lamoureux 和Lastrapes 把交易量变量加入到GARCH模型的条件方差方程，证实了把交易量作为信息流的替代指标对价格波动具有很强的解释能力。

二、研究方法和模型选择首先，本文对深圳股市中成交量是否对收益率、波动性产生影响进行了检验。

如果成交量对收益率和波动性有影响，则成交量和收益率、波动性两两之间应存在Granger因果关系。

反之，则说明成交量对收益率和波动性没有影响。

其次，本文分析了交易量能在多大程度上解释收益波动率的GARCH效应。

如果金融资产的收益服从混合分布理论,每日信息到达的不同会导致不同的资产收益波动, 而GARCH模型正好刻画了每日到达信息的相关性。

因此，若引入交易量变量后能解释股价波动的GARCH效应，则说明交易量可以作为信息到达的替代变量。

赖； 自回归 则 描述 了预 测 值 与过 去 观 测 值 联 系 的 反 馈 机 制 ． 由 此 可 见 ，当 称 一 个 时 间 序 列 具 有 ＧＡＲＣ 效应 时 ， 时 间 序 列 具 有 异 方 差 性 也 就 是 Ｈ 此 方 差 随 时间 变化 而 变化 ． Ｇ ＡＲＣ Ｐ， 模 型定 义 为 ： Ｈ（ Ｑ）
文章 编 号 ： ２ ３９ ８ （ ０ ２ ０ — ２ ３０ ０ ５ —８ ８ 海 股 票 市 场 Ａ Ｃ 效 应 实 证 研 究 Ｇ Ｒ Ｈ
徐 绪 松 ，马 莉 莉 ，陈彦 斌
（ 汉 大 学 商 学院 技 术 经济及 管理研 究 所 ， 北 武汉 ４ ０ ７ ） 武 湖 ３ ０ ２
率的 方差 进行 预 测 ． 近 ｌ Ｏ年 来 我 国股 票市 场 发展 迅 速 ， 但仍 然属 于
一
个 不 成熟 的市 场 ， 票 价 格 受 到 很 多经 济 和 非 经 股
济 因素 的影 响 ： 国家 法 律 法 规 、 观 经 济 形 势 、 场 宏 市 规模 、 司 财务 状 况 、 营 活 动 等 ， 公 经 因此 常 常 出现 股
尾现 象 特别适 合 用 ＧＡＲＣ 建 模［ ； Ｈ 。 同样 ， ］ ＧＡＲ Ｈ Ｃ 模型 还可 应用 于期 货 交 易 、 权 价 格 、 率 、 货 膨 期 利 通
模 型 ．其 中异 方 差 指 方 差 随 时 间 变 化 而 变 化 ， 具 即 有 易变 性 ； 条件 性 表 示 了对 过 去 临 近 观 测 信 息 的依
异方 差模 型 （ ｎ ｒｌ ｅ ｔｒｇ ｅｓｖ ｏ ｄｔ ｎ Ｇｅ ｅａｉ ｄＡｕ ｏ ｅ ｒｓｉｅＣ ｎ ｉ ｏ — ｚ ｉ ａ Ｈ ｒｓ ｅ ａ ｃ ｙ 的 简 称 ， 为 了 适 应 金 融 市 ｌ ｅｏｋ ｄ 吼ｉ ｔ ） ｉ 是 场 中带 有普 遍 规律 性 的 现 象 而 提 出 的一 种 模 型 ， 它

中国股市春节效应的验证及投资建议作者：董桓旭来源：《时代金融》2017年第21期【摘要】节假日效应是指股票的回报率在假期前后异常高于其他交易日的现象。

目前在全球股票市场已发现了各种不同形式的节假日效应。

文章重点研究我国最重要的传统节日春节前后A股市场是否存在异常的高收益，即是否存在春节效应。

根据2006年6月7日～2015年10月30日上证指数的日收益率，并采用引入了虚拟变量的GARCH模型，发现沪市存在显著的春节效应，尤其是钢铁、运输服务、交通设施、有色、半导体、通信设备这几个板块。

文章最后为投资者列举了一些实用的投资策略。

【关键词】春节效应股票市场投资者 GARCH模型一、绪论研究表明，世界各国的股票市场都存在着一定的节假日效应，即股市在某些法定节假日前后存在异常收益率。

节假日效应是日历效应的一种，目前日历效应已引起了国内外学术界及市场参与者的关注，如周内效应、一月效应、年末效应等得到了许多学者的实证，但节假日效应方面的研究相对不足。

根据弱式有效市场假说（EMH），基于历史数据无法预测股票价格的变动。

然而如果假日效应存在，意味着投资者可以基于该效应采取一定的交易策略来获取超额收益。

春节作为我国假期最长、最重要的传统节日，人们的心理、消费与投资的热情会受到显著影响，因此研究股市在此前后异于一般交易日的表现具有代表性意义。

通过考察春节效应的股市收益表现、行业热点及市场行为特征或许能找出一般性的规律，并为其他节假日效应提供参考。

二、模型介绍在宏观经济领域和金融领域，时间序列经常呈现出集群效应，即在消除确定性非平稳因素之后，残差序列的波动在大部分时段是平稳的，但会在某些时段波动持续偏大，某些时段波动持续偏小，并不满足方差齐性，这给OLS最小二乘估计带来了一定困难。

1985年，Bollerslov提出了广义自回归条件异方差模型，有效地解决了这个问题，它的结构为：这个模型简记为GARCH（p，q），该模型考虑了对方差函数q阶自相关性，使其可以拟合具有长期相关性的异方差序列，有效刻画金融变量的波动性特征。

节日效应在不同行业强弱的实证研究作者：黄垚行方华来源：《经济研究导刊》2020年第34期摘要：针对上证十个行业指数的收益率数据，采用ARMA（p，q）-GARCH模型就节日效应在不同行业表现的强弱进行实证研究。

研究发现，除了上证信息、上证电信、上证公用外，其余7个行业指数均存在显著的节前效应，且收益率节前效应最强的三个行业是上证材料、上证可选、上证能源。

除了上证能源外，其余9个行业指数均存在显著的节后效应，且收益率节后效应最强的三个行业是上证材料、上证医药、上证信息。

关键词：节日效应;ARMA（p，q）-GARCH（1，1）模型;行业差异引言传统的金融理论建立在一些严格的假设之上，有效市场假说（EMH）是其中重要的一部分。

然而严格的假设往往难以完全描述现实的金融市场，许多市场异象的长期存在，对有效市场假说提出了挑战。

这些市场异象包括节日效应、月份效应、小公司效应、低市盈率效应、股票溢价之谜等等。

所谓节日效应，是指在股票市场上，节假日前后的交易日的收益率、波动性等性质明显异于市场平均水平，并在统计上显著的现象。

国内外的一些学者已经对节日效应进行了探究，证实了节日效应在许多市场上都存在。

这些文章大都是对整个市场指数，比如上证指数或深证成指进行研究。

本文将从节日效应在不同行业的强弱的角度进行分析，旨在找出节日效应在哪些行业表现最强，在哪些行业表现最弱，由此为投资者提供参考。

一、文献综述Fields（1934）首先发现在某些休市的节日前股票往往有较高的回报。

Cadsby and Ratner （1992）检验1962—1989年10个国家或地区不同阶段的节前效应时发现，美国、加拿大、日本、中国香港和澳大利亚的股票市场上，表现出明显的节前效应，但在几个欧洲国家的股票市场上，这种效应并不明显[1]。

Kim（1994）等发现，在1963—1987年期间，美国的S&P500、纽约证券交易所、纳斯达克市场以及英国的金融时报30指数、日本的东经证券交易所指数都存在显著的节前效应[2]。

一春节效应一节前一个月节后一周行情对一年行情有预测作用将春节休市前后一个月一周的大盘走势与全年的大盘走势进行比较发现春节来临前一个月以及春节后一周的市场走向与接下来一年的市场走向一致
!"#$% "& ’"$()*+, !(*
银海听涛
中国股票市场长假效应研究
!
（复旦大学
李占猛
$###%! ）
管理学院， 上海
二、五一效应
五一前后大盘无明显震荡。 ! 表 "# 和 ! 表 $# 分别给 出了五一节休 益 率以及收益率显著性检验。结果表明： 五一休市前后 一周的大盘行情稍微有所震荡；然而五一休市前后 由此可 一个月大盘 ’ 检验和分位数检验却均不显著； 以推断出五一休市市场有所震荡，但是震荡的持续 时间不长。
［摘要］ 战略信息系统是一种依托于现代信息技术并与企业竞争战略和管理方式相结合的信息管理系统， 实施战略信息 系统可以提升企业的竞争力， 使企业强化或保持竞争优势。 本文运用信息管理科学的有关理论， 就战略信息系统的内涵 及应用模式、 战略信息系统与企业竞争战略的关系、 目前应用现状及实施建议等方面， 作了简要分析和探讨。 ［关键词］ 战略信息系统； 组织管理变革； 竞争战略； 企业信息化 （$##, ） ［中图分类号］ &’"#()! ［文献标识码］ * ［文章编号］ !##"+!!%, #"+##%)+#$ 自 $### 年 开 始 ， 沪、 深 股 市 每 年 都 有"个 较 长 的 休市时间： 春节， 五一以及十一。这种较长时间的休 市对股市有何影响？本文从实证角度对休市前后一 个月市场行情进行分析，观察股市在长假休市前后 的情况以及是否具有一些预测作用。 率符号和当年的大盘收益率符号完全一致。投 资 者 可以根据节前一个月或者恢复交易后一周的市 场 行 情来预测年度行情走向。

我国A股市场的春节效应检验作者：***来源：《经济研究导刊》2022年第14期摘要：自上交所成立以來，股票市场的各种异象就备受学者关注。

为了研究春节期间常常能让投资者获得超额收益率这一异象，使用上证综合指数2000—2021年的日收益率数据作为样本，首先对收益率进行了统计性描述，然后通过基于GARCH模型的方法对中国A股市场的春节效应做实证检验，结果显示，A股市场不仅存在春节前效应，也存在春节后效应。

最后，从行为金融学视角出发，对A股市场产生春节效应的原因进行分析总结。

关键词：春节效应;上证指数;GARCH模型;波动聚集性中图分类号：F830.91 文献标志码：A 文章编号：1673-291X（2022）14-0122-04引言节日效应，一般是指由于某些特殊日子的到来使得相关的金融变量异常。

这一现象难以用传统金融理论解释。

1970年，尤金·法玛（Eugene Fama）修改并深化了其1965年发表的博士论文，从而形成有效市场假说。

EMH理论认为，若股票市场法律体系完备、透明度高、具有充分竞争并且功能性良好，则股价走势能充分、及时而且准确反映所有有益的信息;同时认为，当前的股价已经囊括了企业从现在到未来的价值。

因此，在市场无人为操作的情况下，投资者不可能通过技术性分析获得超过市场水平的利润。

但是，从中国的证券市场开始建立至今，证券市场上时常出现的收益率等指标异常的现象一直在不断冲击着传统的有效市场假说理论。

随着大量学者和专家对节日效应的深入研究和实证分析，节日效应的神秘面纱被一层层揭开。

通过梳理学者们的观点，大多认为引起节日效应的原因如下：（1）投资者的情绪导致节日效应的产生;（2）投资者心理活动和满足感与节日效应有紧密联系;（3）国家相关政令的出台以及公司信息的发布与节日效应有关;（4）企业的规模可能也是造成节日效应的一个因素。

春节作为我国最重要的传统节日，分析春节效应在A股股市的存在性，不仅丰富了节日效应的相关实证内容，更为投资者投资市场、合理配置资产和适时选择投资时间节点提供一定的借鉴。

The Demonstration of January's and December's Effects in China Stock Market 作者： 刘鹏
作者机构： 东北财经大学金融学院,辽宁大连116025
出版物刊名： 广西财政高等专科学校学报
页码： 29-31页
主题词： “一月效应”;“年末效应”;GARCH模型;Granger因果检验
摘要：由于我国股市成立的时间比较短,对于股市是否存在'一月效应'上缺乏共识.本文采用沪深两市A股月市场综合收益率作为分析对象,通过GARCH模型和Granger因果关系检验,得出的结论:首先,我国股市的'一月效应'并不显著,即我国股市一月不存在明显的超额收益,但是存在显著的'年末效应',即12月份的收益率为负值.其次,由Granger因果关系检验,得出我国股市的一月的收益率和12月份的收益率不存在显著的相互解释关系,这也说明了'年末效应'不是存在'一月效应'的原因.。

基于GARCH族模型的我国创业板指数波动特征的实证研究作者姓名：XXX指导教师：XXX单位名称：XXXXXX专业名称：金融学X X 大学2015年6月Empirical research on the volatility of the gem index based on the GARCH modelsBy XXXSupervisor: XXXXXXX UniversityJune 2015毕业设计（论文）任务书基于GARCH族模型的我国创业板指数波动特征的实证研究摘要近些年来，我国经济发展极为迅速，为适应多层次资本市场的需要，创业板市场在2009年10月正式成立，由于近一年来我国市场扩容，IPO发行速度加快，而创业板市场的上市要求明显低于主板以及中小板，公司自身存在很大风险，造成许多公司在上市后不久出现迅速的变化，导致股价产生剧烈波动，加大了广大投资者的风险，因而对创业板市场研究的迫切性就显现出来。

研究股票市场的波动性有利于更好的制定相关政策，对创业板进行管理，有利于投资者更好的分析其市场规律、定价及金融风险控制。

本文重点研究创业板指数的波动特征，选取截止至2015年4月30日前的创业板指数为样本，运用Eviews软件对样本进行了描述性分析，然后对序列进行ADF平稳性检验、自相关检验和ARCH效应检验，然后用GARCH和TGARCH模型对序列进行拟合分析，得出结果。

本文的实证结果表明:我国创业板指数收益率序列符合金融序列的特征，具有明显的波动聚集性、长记忆性以及尖峰后尾的特征，该序列存在ARCH效应，即波动与自身历史波动有相关性。

GARCH、TGARCH模型都能对该序列进行拟合，并得出波动存在非对称性和杠杆效应的结论，冲击持久性由α+β来决定，而本文中数据为0.98，十分接近于1，说明创业板依然存在很大风险。

关键字：波动特征，GARCH族模型，创业板Empirical research on the volatility of the gem index based on the GARCH modelsAbstractIn recent years, China's economic development is very rapid, in order to adapt to the needs of multi-level capital market, the growth enterprise market was formally established in October 2009, because of our country market expansion in nearly a year, IPO issuance speed is accelerated, and the growth enterprise market listing requirements significantly lower than the main board and small and medium-sized board, the company own existence very big risk, caused many companies to list in appeared shortly after the rapid change, cause the stock price volatility, increased the risk of investors, thus the urgency of the research on the growth enterprise market will emerge. Study the volatility of the stock market is conducive to better develop policies, to manage the gem, is helpful for investors to better analyze the market rules, pricing and financial risk control.This article focuses on the gem index fluctuation characteristics, selected as of April 30 2015, the index of the gem as sample, use Eviews software to the descriptive analysis of samples, and then the sequence of ADF test, autocorrelation test and test the ARCH effect, and then use GARCH and TGARCH model fitting for sequence analysis, the results are obtained.In this paper, the empirical results show that the our country the gem index yield sequence fits the characteristics of financial sequence, has obvious volatility clustering, long memory and rush yixiang characteristics, the sequence is the ARCH effect, namely the fluctuations are associated with their historical volatility. GARCH, TGARCH model can be to fit the sequence, and wave exists asymmetry and leverage effect of conclusion, impact persistence determined by alpha + beta, and the data in this article 0.98, very close to 1, shows that there are still many risks on the gem.Key words: volatility characteristics，GARCH models，GEM目录毕业设计（论文）任务书 ........................................ - 5 - 摘要 ................................................................ - 7 - Abstract........................................................... - 8 - 第1章绪论....................................................... - 1 - 1.1 研究背景........................................................ - 1 - 1.2 问题提出........................................................ - 2 - 1.4 相关研究文献综述 .............................................. - 3 -1.4.1 国外相关研究文献综述........................................ - 3 -1.4.2 国内相关研究文献综述........................................ - 4 - 1.5 本文主要内容................................................... - 6 - 第2章创业板指数波动性概念及GARCH模型................... - 7 -2.1创业板指数及波动性的概念...................................... - 7 - 2.2GARCH模型....................................................... - 7 -2.2.1GARCH模型数据检验............................................ - 7 -2.2.2GARCH模型................................................... - 10 -2.2.3TGARCH模型.................................................. - 11 - 第3章实证检验.................................................. - 13 -3.1数据选取及变量确定............................................ - 13 - 3.2创业板指数收益率序列的描述性分析 ........................... - 13 - 3.3GARCH模型估计与分析 .......................................... - 14 -3.3.1ADF平稳性检验............................................... - 14 -3.3.2自相关检验.................................................. - 15 -3.3.3GARCH模型的估计结果......................................... - 16 -3.3.4TGARCH模型的估计结果........................................ - 17 - 第4章结果分析及建议.......................................... - 20 -4.1实证结果分析................................................... - 20 - 4.2相关政策建议................................................... - 21 - 第5章结束语 ................................................... - 23 -5.1 本文主要结论.................................................. - 23 - 5.2 本文不足之处.................................................. - 23 - 5.3展望............................................................ - 24 - 参考文献.......................................................... - 25 - 致谢 ............................................................... - 28 - 附录 ............................................................... - 29 - 英文文献及翻译.................................................. - 42 -第1章绪论1.1 研究背景随着经济全球化的不断推进，经济金融化程度也在不断提高，金融市场在经济发展中扮演着越来越重要的角色。

中国股市波动特征的实证研究——基于GARCH族模型作者：黄慧来源：《科技创业月刊》 2015年第23期黄慧（武汉大学经济与管理学院湖北武汉 430072）摘要：文章运用ＡＲ模型和ＧＡＲＣＨ族模型对中国股市收益率波动性进行实证分析．分析表明，中国股市股票收益率波动较大，具有聚集性与持续性，存在杠杆效应，收益率呈非正态分布，风险与收益不匹配，信息不对称严重。

最后给出结论，提出建议．关键字：ＧＡＲＣＨ族模型；波动性；风险溢价；杠杆效应中图分类号：F832 文献标识码：Ａｄｏｉ：１０．３９６９/ｊ．ｉｓｓｎ．１６６５－２２７２．２０１5．23．０19 收稿日期：２０１5－08－150 引言股票市场是经济晴雨表，波动率是经济学研究中的重要问题，股票价格频繁的波动更是股票市场中最为明显的特点之一．特别是对于股票市场的发展较晚的中国股市来说，对股市波动性特征的研究很有必要．１９８２年Ｅｎｇｌｅ提出ＡＲＣＨ模型，准确解释时间序列的异方差特征和波动聚集性．Ｂｏｌｌｅｒｓｌｅｖ在这之上，将其延伸到条件异方差中．为刻画风险溢价的情形，Ｅｎｇｌｅ等借助ＧＡＲＣＨ模型建模思想，提出ＧＡＲＣＨ－Ｍ模型．后来Ｎｅｌｓｏｎ提出了ＥＧＡＲＣＨ模型，描述了金融市场中的杠杆效应。

本文应用ＡＲ模型和ＧＡＲＣＨ模型族对中国股市收益率的波动性特征进行实证分析，分析我国股市存在问题，并提出建议。

1 模型介绍ＡＲＣＨ模型：显著反映方差变化特征．若平稳随机变量Ｘｔ表示为ｋ阶自回归过程，Ｘｔ的随机误差μｔ的方差能用误差项平方ｐ阶分布滞后模型刻画，误差项正态分布．表示如下：2 实证分析2．１数据的选择与处理选择２０００年０１月０２日年到２０１５年６月３０日上证综指日收盘价，数据来源于Ｗｉｎｄ．为消除异方差对数据进行对数和差分处理，求得股票对数收益率。

2．２收益率序列的随机游动模型假定收益率序列是随机游走过程．建立序列自回归方程，ＳＣ、ＡＩＣ最小值所对应的ＡＲ（４）的拟合效果最好，收益率符合随机游走模型。

龙源期刊网
中国股票市场月份效应研究
作者：江州
来源：《财经理论与实践》2008年第03期
摘要：使用标准的计量方法检验股票市场收益率是否存在月份效应及其表现形式。

研究结果表明，中国股票市场存在收益率月份效应，其表现形式为在三、四月份表现出较高的收益率，在十二月份收益率较低。

中国股市的个股也存在月份效应，其月份效应的表现形式为在一月份表现出较高的收益率，但在六月份的收益率较低。

关键词：股票市场；收益率；月份效应
中图分类号：F830.91文献标识码：A文章编号：1003－7217(2008)03－0065－06。

9.399823 4.715110 8.693272 4.135303 2.891197 2.262209 8.693272 4.715110 3.882727 0.589382 0.394784 0.117308 0.252182 0.719158 1.160792 1.145418 0.673109 0.375643 -0.506948
Box Q 统计量来检验序列的自相关性 ， 结果表明 序 列 不 存 在
一阶自相关 ， 限于篇幅 ， 此处数据不再给出 。
2
基于上证 A 股的节日效应实证分析
为了检验中国股市是否具有节日效应 ， 结合上面对序列
五一前 五一后 国庆前 国庆后
平稳性及相关性的检验 ， 考虑建立一个较为简单的加入虚拟 变量的线性回归模型 ：
rt=α0+α1Dit+εt ht=ω+λεt-1 +ηht-1
均值方程意义和前面相同 ， 波动方程的系数此处不再解 释。 残差项采用不同的分布假设下的模型拟合结果如表 4 所示。 以上结果表明 ， 给定 5% 的显著性水平 ， 正态分布假设下
表3 线性回归分析结果
2
同假设下只有总体的节前效应和春节的节后效应均显著 ， 进
作者简介 ： 胡跃红 （1959- ）， 男 ， 湖南长沙人 ， 教授 ， 研究方向 ： 经济统计分析 。
128
统计与决策 2010 年第 18 期 （ 总第 318 期 ）
财 经 论 坛
表2
ADF 检验结果 -11.60810 1% level 5% level 10% level -3.432428 -2.862344 -2.567242
rt=α0+α1Dit+εt 其 中 rt 为 上 证 A 股 收 益 率 ，Dit 为 虚 拟 变 量 ，εt 为 随 机 扰 动项 。 对 i 取不同的值代 表 对 全 部 节 日 、 元 旦 、 春 节 、 五 一 和 国庆的节前节后效应进行检验 。 当虚拟变量 Dit 的系数 α1 显 著不为零时 ， 则表明存在相应的节前或节后效应 。 表 3 给出