基于成交量的我国沪深股市波动性特征分析:沪深股市行情

　　【摘 要】本文以ARMA-GARCH和ARMA-EGARCH模型为基础，对我国沪深两市的成交量与波动性进行实证分析。得出我国股票成交量序列存在非对称波动性，而且正的外部冲击大于负的外部冲击。同时说明ARMA-EGARCH模型在描述我国股市非对称波动上更具优势。
　　【关键词】成交量；非线性趋势；ADF检验；ARMA-EGARCH模型
　　一、引言
　　波动性一直是金融领域研究的核心问题之一，现代金融理论广泛地以波动性来衡量金融资产风险的大小。而收益率与成交量是股票市场上的两个最为根本的变量。由于收益率直接与股价相关，而现代金融的核心问题之一就是定价问题，所以对股票市场的研究几乎都是以收益率为核心。关于收益率及其波动相互关系的问题已经有了大量的研究。
　　而相比之下，对股票市场上成交量及其波动性进行的研究就比较少，当前研究股市波动普遍采用的模型是ARCH类模型，即自回归条件异方差模型。其中TARCH模型能够刻画出利好消息和利空消息对成交量波动产生的不同影响，正是这些模型反映出了信息对股票收益率波动非对称影响的存在―杠杆效应的存在。基于此，本文以上证综和指数和深圳综指为研究对象，运用ARMA-TARCH和ARMA-EGARCH模型来验证我国股市成交量及其波动性特征。这样做的目的是对数据的拟合更准确，从而更加真实刻画股市波动特性。
　　二、模型介绍
　　（一）EGARCH模型
　　EGARCH模型，即指数GARCH模型，由Nelson在1991年提出。模型的条件方差表达式为：
　　
　　模型中条件方差采用了自然对数形式，意味着非负且杠杆效应是指数型的。若≠0，说明信息作用非对称。当＜0 时，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击。
　　（二）TARCH模型简介
　　最常用的反应波动非对称性的模型就是TARCH模型，TARCH(threshold TARCH模型)最先由Zakoian(1990) 和Glosten,Jaganathan and Runkle(1993) 提出的，其条件方差方程为：
　　
　　
　　是虚拟变量，当0，表明 　　(-10.96904)
　　 -0.808990
　　（-33.98534） -0.252918
　　(-2.629130) -0.750817
　　(-17.44578) -0.740505
　　(-18.00562)
　　方差方程
　　 5.56E+14
　　（44.02436） 1.38E+14
　　(54.06816) 0.657235
　　(17.01326) 0.628891
　　(12.84924)
　　 -1.000206
　　(-90669.66) -1.000988
　　(-3214.913) 0.971705
　　(746.4934) 0.971571
　　(576.9710)
　　 -0.009721
　　(-23.16849) 0.011360
　　(4.995202) 0.335092
　　(26.47921) 0.322866
　　(24.03947)
　　 -0.008767
　　(-8.968030) -0.004193
　　(-3.312092) 0.097727
　　(8.969555) 0.127385
　　(12.92502)
　　模型检验
　　ARCH LM 69.44844
　　(0.00000) 124.9187
　　(0.000000) 0.578327
　　(0.629238) 1.325224
　　(0.264346)
　　AIC 35.53066 34.23327 34.39227 33.23509
　　
　　说明：括号内为模型系数的t值，ARCH LM为滞后三阶的LM统计量
　　接近1，说明我国股市成交量的ARCH效应很明显，其波动性表现出很强的持续性和聚集性。杠杆因子均显著不为0.说明成交量序列的波动性存在非对称性。而在EGARCH模型中

推荐访问:波动性 成交量 沪深股市 特征