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
栏目最新:
- 探访热带雨林中的白准村(散文)2023-07-02
- 黄河源随笔2023-07-02
- 《散文海外版》2023年第1期要目2023-07-02
- 散文的本义、前散文与百年散文观之考辨2023-06-17
- 《松壑望远图》之创作随笔2023-04-03
- 鸦鹊美语鸦鹊湖(散文)2023-03-21
- 教师读书随笔2022-11-07
- 《教师人文读本》阅读随笔2022-11-02
- 2022年度关于葡萄散文随笔:关于端午散文...2022-10-05
- 2022年度经典名家散文欣赏50篇(范文推荐)2022-10-01
相关文章: