基于GARCH模型的我國(guó)股市風(fēng)險(xiǎn)分析

夏琦

摘 要：選取2015年初到2019年初的上證指數(shù)和深圳成指樣本數(shù)據(jù)，分別運(yùn)用t分布與GED分布下GARCH類(lèi)模型進(jìn)行實(shí)證分析，考察中國(guó)股市風(fēng)險(xiǎn)狀況。研究發(fā)現(xiàn)，深圳成指收益率的波動(dòng)幅度相比于上證指數(shù)收益率較大，所以風(fēng)險(xiǎn)相對(duì)較高。“利空消息”時(shí)，深市受到的沖擊大于滬市;“利好消息”時(shí)，滬市受到的影響大于深市。

關(guān)鍵詞：股市風(fēng)險(xiǎn);GARCH模型;實(shí)證分析

中圖分類(lèi)號(hào)：F830.91 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號(hào)：1673-291X（2019）17-0147-02

引言

近幾十年來(lái)世界各國(guó)發(fā)生的金融危機(jī)可謂教訓(xùn)深刻。1929年美國(guó)狂熱的投機(jī)行為導(dǎo)致了華爾街股災(zāi)，由此引發(fā)了美國(guó)的金融風(fēng)暴;19世紀(jì)90年代，泰國(guó)政府對(duì)泰銖采取浮動(dòng)匯率的舉措，導(dǎo)致貨幣貶值、股市大跌;2008年雷曼兄弟和美林公司事件引發(fā)的美國(guó)次貸危機(jī)再一次誘發(fā)了世界級(jí)的金融危機(jī)。

通過(guò)分析這些金融危機(jī)的前因后果，不難發(fā)現(xiàn)風(fēng)險(xiǎn)和危機(jī)的傳遞過(guò)程中都存在股票市場(chǎng)這個(gè)重要的載體。從1929年的華爾街狂熱投機(jī)的股災(zāi)，到20世紀(jì)90年代的日本泡沫經(jīng)濟(jì)股災(zāi)以及泰國(guó)股災(zāi)和香港股災(zāi)，再到前幾年我國(guó)A股市場(chǎng)的劇烈波動(dòng)，可見(jiàn)股票市場(chǎng)風(fēng)險(xiǎn)與金融風(fēng)險(xiǎn)之間密切相關(guān)。中國(guó)股市因種種不規(guī)范因素，表現(xiàn)出高風(fēng)險(xiǎn)特征。但是，不管風(fēng)險(xiǎn)從何而來(lái)，它最終都表現(xiàn)為股指的劇烈波動(dòng)。我們可以通過(guò)研究者股指的波動(dòng)狀況來(lái)分析股市風(fēng)險(xiǎn)。

一、文獻(xiàn)綜述

國(guó)外對(duì)股市風(fēng)險(xiǎn)的研究較早，恩格爾（1982）最先提出ARCH-條件方差模型，利用該模型研究股市風(fēng)險(xiǎn)。Bollerslev（1986）對(duì)ARCH模型進(jìn)行推廣，發(fā)展成為GARCH模型，優(yōu)化了對(duì)股市風(fēng)險(xiǎn)研究的方式。

國(guó)內(nèi)對(duì)股市風(fēng)險(xiǎn)的研究基于國(guó)外的股市風(fēng)險(xiǎn)理論和模型，并不斷地創(chuàng)新發(fā)展，研究成果豐碩。魏振祥等（2012）運(yùn)用GARCH-t模型和VaR模型，對(duì)滬深300股指期貨市場(chǎng)風(fēng)險(xiǎn)進(jìn)行了研究。許啟發(fā)等（2018）運(yùn)用CoVaR方法，對(duì)上證綜指、標(biāo)普500和日經(jīng)225等股指數(shù)據(jù)進(jìn)行實(shí)證研究，發(fā)現(xiàn)美國(guó)股市和日本股市發(fā)生利空事件對(duì)中國(guó)股市的影響比利好事件的影響更明顯。

二、滬深兩市風(fēng)險(xiǎn)實(shí)證分析

（一）數(shù)據(jù)選取

本文采用上證指數(shù)和深證成指2015年1月5日至2019年1月18日的日收盤(pán)價(jià)進(jìn)行研究，以期得出在該段時(shí)期內(nèi)滬深兩市的風(fēng)險(xiǎn)狀況。全部數(shù)據(jù)來(lái)源于同花順。

（二）描述性統(tǒng)計(jì)

獲得日收盤(pán)價(jià)，通過(guò)計(jì)算得到對(duì)數(shù)收益率r，計(jì)算公式為：rt=ln（Pt）- ln（Pt-1），其中，Pt表示第t個(gè)交易日的收盤(pán)指數(shù)，rt為日對(duì)數(shù)收益率。使用EViews6.0軟件得到日收益率序列描述性統(tǒng)計(jì)：上證指數(shù)收益率的偏度為-1.257 669、峰度為9.626 119，表明其具有左偏且“尖峰厚尾”的特征;此外，J-B值為2 065.807，其P值為0，更進(jìn)一步說(shuō)明上證指數(shù)收益率序列不服從正態(tài)分布。同理可知，深圳成指收益率序列也不服從正態(tài)分布。

（三）統(tǒng)計(jì)檢驗(yàn)

1.平穩(wěn)性檢驗(yàn)。分別對(duì)上證指數(shù)和深圳成指收益率序列進(jìn)行單位根檢驗(yàn)，其中，上證指數(shù)收益率序列ADF檢驗(yàn)的t統(tǒng)計(jì)量的絕對(duì)值遠(yuǎn)大于三個(gè)置信水平下t統(tǒng)計(jì)量的絕對(duì)值，并且t統(tǒng)計(jì)量的P值為0，表明拒絕“股指收益率序列存在單位根的原假設(shè)”，即上證指數(shù)日收益率序列是平穩(wěn)的。同理可得，深圳成指日收益率序列也是平穩(wěn)的。

2.自相關(guān)和偏自相關(guān)檢驗(yàn)。分別對(duì)上證指數(shù)和深圳成指的收益率序列進(jìn)行滯后12階的自相關(guān)與偏自相關(guān)檢驗(yàn)，結(jié)果得出，上證指數(shù)日收益率存在高階相關(guān)性;深圳成指日收益率在低階不存在相關(guān)性或相關(guān)性不明顯，但在高階時(shí)存在明顯的相關(guān)性。

ARCH效應(yīng)檢驗(yàn)。分別對(duì)上證指數(shù)和深圳成指收益率序列的模型方程進(jìn)行異方差的ARCH-LM檢驗(yàn)，結(jié)果得出，上證指數(shù)和深圳成指收益率序列模型方程的LM檢驗(yàn)F統(tǒng)計(jì)量的p值均等于0，拒絕“上證指數(shù)和深圳成指收益率序列模型方程的殘差平方序列不存在ARCH效應(yīng)的原假設(shè)”，說(shuō)明模型的殘差序列存在ARCH效應(yīng)。因此，需要建立GARCH模型，以便有效地進(jìn)行風(fēng)險(xiǎn)分析。

（四）建立GARCH模型

根據(jù)上述檢驗(yàn)結(jié)果以及信息準(zhǔn)則AIC、SC較小的原則，確定選用GARCH（1，1）模型。下面分別建立基于t分布和GED分布的GARCH模型和TARCH模型來(lái)分析上證指數(shù)和深圳成指。

上證指數(shù)收益率GARCH類(lèi)模型實(shí)證分析結(jié)果。由實(shí)證結(jié)果可知，上證指數(shù)收益率GARCH（1，1）-t項(xiàng)系數(shù)（β）0.923 463與GARCH（1，1）-GED項(xiàng)系數(shù)（β）0.929 193反映上證指數(shù)收益率的波動(dòng)具有長(zhǎng)記憶性特征;GARCH-t模型下α和β兩系數(shù)之和為0.999 295、GARCH-GED模型下α和β兩系數(shù)之和為0.996 79，均接近于1，表明上證指數(shù)收益率的波動(dòng)具有很強(qiáng)的持續(xù)性。在TARCH模型中γ≠0，表明上海股票市場(chǎng)存在“杠桿效應(yīng)”。其中，TARCH-t模型下，γ=0.030 131，說(shuō)明“利好消息”會(huì)對(duì)股價(jià)指數(shù)帶來(lái)一個(gè)0.056 868（α）倍沖擊，而“利空消息”則會(huì)帶來(lái)一個(gè)0.086 999（0.030 131+0.056 868）（γ+α）倍的沖擊。TARCH（1，1）- GED，杠桿效應(yīng)0.020 737：利好消息對(duì)股價(jià)指數(shù)帶來(lái)的沖擊是0.054 029（α）倍，利空消息帶來(lái)的則是0.074 766（0.020 737+0.054 029）（γ+α）倍沖擊。通過(guò)比較發(fā)現(xiàn)，當(dāng)上海股市出現(xiàn)利空消息時(shí)，TARCH-GED模型帶來(lái)的沖擊要大于TARCH-t模型帶來(lái)的沖擊。

深圳成指收益率GARCH類(lèi)模型實(shí)證分析結(jié)果。由實(shí)證結(jié)果可知，深圳成指收益率GARCH（1，1）-t項(xiàng)系數(shù)（β）0.928 142與GARCH（1，1）-GED項(xiàng)系數(shù)（β）0.935 787反映深圳成指收益率的波動(dòng)具有長(zhǎng)記憶性特征;GARCH-t模型下α和β兩系數(shù)之和為0.999 363、GARCH-GED模型下α和β兩系數(shù)之和為0.994 291，均接近于1，表明深圳成指收益率的波動(dòng)具有很強(qiáng)的持續(xù)性。在TARCH模型中γ≠0，表明深圳股市存在“杠桿效應(yīng)”。其中，TARCH（1，1）-t，γ=0.067 374，說(shuō)明“利好消息”會(huì)對(duì)股價(jià)指數(shù)帶來(lái)一個(gè)0.031 314（α）倍沖擊，而“利空消息”則會(huì)帶來(lái)一個(gè)0.098 688（0.067 374+0.031 314）（γ+α）倍的沖擊。TARCH（1，1）-GED，杠桿效應(yīng)0.043 409，利好消息對(duì)股價(jià)指數(shù)帶來(lái)的沖擊是0.032 965（α）倍，利空消息帶來(lái)的則是0.076 374（0.043 409+0.032 965）（γ+α）倍沖擊。比較發(fā)現(xiàn)，當(dāng)深圳股市出現(xiàn)利空消息時(shí)，TARCH模型下，GED分布帶來(lái)的沖擊要小于t分布下的沖擊。

比較上證指數(shù)和深圳成指收益率GARCH類(lèi)模型實(shí)證分析結(jié)果，可以得出以下結(jié)論。

首先，上海股市和深圳股市均存在長(zhǎng)記憶性和持續(xù)波動(dòng)性，但在GARCH模型不同分布下這些波動(dòng)的記憶性程度有所不同。在GARCH-t模型下，上證指數(shù)GARCH模型的系數(shù)之和0.999 295小于深圳成指的0.999 363;而在GED 分布下，上證指數(shù)的系數(shù)之和0.996 79大于0.994 291。這就表明，t分布下，上海股市波動(dòng)要比深圳股市波動(dòng)的小;而在GED分布下，上海股市波動(dòng)要比深圳股市波動(dòng)的大。

其次，在非對(duì)稱(chēng)模型TARCH模型中兩股市γ均不為0，表明上海股市和深圳股市均存在“杠桿效應(yīng)”。在TARCH-t模型下，“利空消息”對(duì)上海股市的沖擊（0.086 999）小于對(duì)深圳股市的沖擊（0.098 688）;在TARCH-GED模型下，“利空消息”對(duì)上證指數(shù)帶來(lái)的沖擊（0.074 766）小于對(duì)深圳股市的沖擊（0.076 374）。所以，不管在t分布下還是在GED分布下，壞消息對(duì)深圳股市的沖擊總是大于上海股市;而對(duì)于“利好消息”，t分布與GED分布下，上海股市受到的影響均大于深圳股市。

上證指數(shù)和深圳成指收益率序列的條件方差圖。收益率序列的條件方差圖由GARCH模型方程的估計(jì)結(jié)果所輸出。由上證指數(shù)收益率序列的條件方差圖可知，2015年初上證指數(shù)收益率先小幅度下降，緊接著大幅度上升，于2015年6月達(dá)到高峰，之后又迅速回落，表明此段時(shí)間上海股市投資風(fēng)險(xiǎn)很大。在經(jīng)歷高起高落之后，上證指數(shù)收益率的波動(dòng)維持低位水平，表明這段時(shí)間風(fēng)險(xiǎn)較小。由深圳成指收益率序列的條件方差圖可知，深圳成指收益率的走勢(shì)與上證指數(shù)相似，但是深圳成指收益率的波動(dòng)幅度較大，所以風(fēng)險(xiǎn)相對(duì)較高。

三、研究結(jié)論

本文根據(jù)所選取的樣本數(shù)據(jù)對(duì)上證指數(shù)和深圳成指的收益率進(jìn)行了實(shí)證分析，得出的主要結(jié)論如下。

1.上證指數(shù)收益率序列和深圳成指收益率序列的分布均具有“尖峰厚尾”特征。兩個(gè)序列都是平穩(wěn)序列，且具有ARCH效應(yīng)，所以需建立GARCH模型來(lái)對(duì)上證指數(shù)和深圳成指進(jìn)行分析。

2.滬市和深市的股指收益率均存在長(zhǎng)記憶性、波動(dòng)持續(xù)性。并且，在t分布下，滬市的波動(dòng)要小于深市;而在GED分布下，滬市的波動(dòng)要大于深市。不管在t分布下還是GED分布下，出現(xiàn)“利空消息”時(shí)，深市受到的沖擊均大于滬市;而對(duì)于“利好消息”，滬市受到的影響均大于深市。

3.滬市和深市的收益與風(fēng)險(xiǎn)之間存在一定的正向相關(guān)關(guān)系;與上證指數(shù)收益率的波動(dòng)相比，深圳成指收益率的波動(dòng)幅度較大，所以風(fēng)險(xiǎn)也相對(duì)較高。

參考文獻(xiàn)：

[1] ?魏振祥，楊晨輝，劉新梅.滬深300指數(shù)期貨與國(guó)內(nèi)外股指期貨市場(chǎng)間的信息傳遞效應(yīng)[J].財(cái)貿(mào)經(jīng)濟(jì)，2012，（8）：64-71.

[2] ?許啟發(fā)，王俠英，蔣翠俠，熊熊.基于藤copula-CAViaR方法的股市風(fēng)險(xiǎn)溢出效應(yīng)研究[J].系統(tǒng)工程理論與實(shí)踐，2018，（11）.

[責(zé)任編輯 柯 黎]