我國內地與香港股市風險預測研究

□文/徐東鵬 林德欽

（澳門城市大學金融學院 澳門）

［提要］近30年，我國的金融市場發展迅速，作為經濟晴雨表的股票市場經常出現劇烈的波動性，對宏觀經濟產生著不可忽視的影響，因此股市的波動性研究對完善我國金融市場發展具有重要意義。香港股市擁有一個成熟的金融市場，將內地股市與香港股市近15年對數收益率進行對比研究，通過GARCH族模型與VaR理論，進行中國內地與香港股市的波動特征分析，發現中國內地股市風險大于香港成熟股市。并基于結論對投資、監管主體和證券市場提出相關建議，為不斷完善內地金融市場結構提供參考與借鑒。

一、前言

隨著我國金融市場的不斷成熟發展，股票市場作為經濟晴雨表對于經濟具有重要影響，自從1990年上海證券交易所和深圳證券交易所成立以來，內地股票市場發展迅速，在短短三十年中完成從審批制（1990）、核準制（1999）到注冊制（2020）的轉變，為企業募集資金、調整企業融資結構、優化社會資源配置等方面發揮巨大作用，推動了我國金融市場發展。

本文基于GARCH模型理論，對我國內地和香港股票市場現狀進行分析，通過選用關于我國股市波動性擬合效果較好的GARCH族模型來提升估算VaR風險值的準確性，將股指收益率在通過比較后，選擇在GED分布條件下，通過GARCH族模型估算出最優GARCH模型結合VaR模型，進行股票市場風險預測。

面對股市的劇烈動蕩，市場監管者和參與者對股市存在的風險產生極大的重視，政府迫切地希望在監管市場運作的同時對股市風險進行有效的監管和評估，投資者也盼望在投資之前能得到對股市走勢比較準確的評價和分析。因此，通過估量金融時間序列在未來市場價格波動條件下可能發生的最大損失來反應市場風險，進而實現針對性的防范和預測，有利于完善中國資本市場結構，健全相應的監管制度，規范投資者的投資行為。

二、文獻綜述

國外很早就開始了對金融市場風險的研究，最初研究是從對市場收益與風險關系的探究、資本定價、市場有效性分析和市場風險度量等方向來研究市場風險的。

William.F.sharpe（1963）通過研究資本市場中資產的預期收益率和資產風險的關系，提出了資本資產定價模型（CAPM模型），成為資本市場價格理論的核心，被廣泛地運用于金融投資決策領域。之后有學者使用GARCH模型進行研究，閆志剛（2005）通過上證指數每日收盤價進行GARCH效應檢驗；羅陽、楊桂元（2013）運用GARCH-M模型和EGARCH模型來研究上證股市收益率的波動性，發現上證指數的收益率中利空消息比利好消息的沖擊更大；孫德山、顏妍（2015）通過對深證指數收益率序列的實證分析，發現收益率序列的非對稱性，證明具有顯著的“杠桿效應”，同時也證明了深證指數具有風險溢價效應。

我國學者鄭文通（1997）最早在國內展開對VaR的研究，從VaR方法的產生、計算應用以及對于我國金融市場風險研究的重要性進行論述；鄭平（2014）以國內股市的滬深300指數為研究對象，分別運用5種不同的GARCH族模型來度量指數風險VaR值，得出結論是GARCH族模型能夠很好地擬合滬深300指數的時間序列，從而反映出我國股票市場的風險特征。

因此，本文在充分地分析研究已有的取得重大成果的文獻資料的基礎上，運用GARCH族模型和VaR理論對中國內地和香港股市的波動性特征和風險值進行分析、計算和比較研究，并結合國內市場的現狀，針對性地給出相關建議，為逐步完善國內市場結構提供一定的參考和借鑒。

三、實證分析

（一）樣本數據的處理和分析。滬深兩市各自有獨立的綜合指數和成分指數，這些指數被投資者高度認同，但是無法同時反映跨市場指數的走勢，而滬深300指數是由兩市共同選定的300只A股作為樣本編制的指數，覆蓋兩市60%左右市值，可以有效反映滬深兩個市場的整體走勢，并且成分股為市場中代表性好、流動性高且交易活躍的主流投資股票，可以反映市場主流投資的收益情況。恒生指數是由香港股票市場的43家上市公司股票入選，將發行量作為權數的加權平均股價指數，其具有廣泛的市場代表性，恒生指數市值占香港聯交所市場資本的90%。因此，本文選擇能代表內地股票市場主流趨勢的滬深300指數和香港恒生指數15年的每日收盤價作為樣本數據。

選擇數據時，首先需要考慮數據的頻率和樣本容量，較為低頻的數據建模時容易出現參數估計準確性和穩定性較差的弊端；高頻數據可能出現頻繁的資訊噪音。因此，本文選擇以股指的每日收盤價進行建模，以避免上述問題干擾。其次本文篩選近15年（2006年1月1日到2020年12月31日）的樣本數據，數據取自Yahoo財經中恒生指數和網易財經中滬深300指數兩種數據各自的每日收盤價。由于股票市場存在假期、節假日等影響，實際數據序列存在空隙，所以對數據進行預處理，將數據向前平移，得到最終連續的收益率時間序列。

本文數據檢驗和建模均使用Eviews8.0，圖表均為該軟件直接輸出。使用學者Fama（1965）的方法：

P（股價的變化）＝ln（Pt）-ln（Pt-1）（1）

Pt：交易日收盤證券價格；Pt-1：后一個交易日的證券價格。

該算法即為幾何收益率算法，優勢在于具有數學意義上的優勢，不僅可以簡化計算過程，消除潛在異方差的影響，并且Walayet Khan（2012）、Siu Tung Ho（2013）等相關學者已進行該算法運行的先例，對同類研究具有實際效用，降低了其他潛在錯誤發生的可能性。

（二）樣本數據特征分析。本文通過對滬深300指數價格收益率序列和恒生指數價格收益率序列的基本特征進行分析。

從兩種指數的收益率走勢圖可以看出，兩種指數的收益率都表現出波動聚集的現象，即在某個特定的時間段上波動率高，而在其他時間段上波動率相對較小，且具有非對稱性，同時負向的波動易伴隨更大的負向波動出現。滬深300指數的波動變化幅度比恒生指數大，波動聚集現象更加明顯，負向波動閑影響更明顯。（圖1、圖2）

圖1 滬深300指數收益率時序圖

圖2 恒生指數收益率時序圖

本文對滬深300指數和恒生指數的對數收益率序列進行一系列檢驗，首先需要檢驗兩種指數的收益率序列是否滿足正態分布，然后對數據的平穩性和自相關性以及序列GARCH效應進行檢驗，以確定滿足GARCH族模型的建立條件，以便于最后對VaR風險值的計算。

1、正態性檢驗。本文正態性檢驗通過計算Jarque-Bera指標等統計指標和觀測QQ圖等方法來檢驗收益率序列是否滿足正態分布條件。通過Eviews分別做出滬深300指數和恒生指數的對數收益率圖。（圖3、圖4）

圖3 滬深300指數收益率QQ圖

圖4 恒生指數收益率QQ圖

由圖可知，滬深300指數和恒生指數的對數收益率序列，分散點偏離正態分布的回歸線上，均有后尾分布的特點，從而說明證券市場中的信息會導致證券價格的劇烈波動，并且投資者對這些流動信息的敏感性不足，無法直接反映在證券價格上。因此，滬深300指數和恒生指數的對數收益率序列分布不服從正態分布，都具備金融數據的時間序列波動的非對稱關系和厚尾特點。

由表1可知，滬深300指數和恒生指數的收益率分布總體上都呈現出尖峰厚尾的現象，是金融時間序列特征的真實體現，通過進一步觀察比較，兩種分布相較于正態分布有更陡峭的峰態，兩側尾部也有更多的數值，因此發現兩種指數的收益率分布均不完全符合正態分布的特征。（表1）

統計學中正態分布的特征是偏度為0，峰度等于3。由表1可知，滬深300指數和恒生指數的收益率分布的偏度小于0，說明收益率分布有左偏現象，意味著出現極端負收益率比出現極端正收益率的可能性要大；同時，兩市指數收益率分布的峰度均大于3，說明收益率分布相較于正態分布有更陡峭的峰態，且序列方分布更加集中。兩種指數收益率分布的Jarque-Bera指標較大，且對應χ2分布伴隨概率等于0，說明兩種指數的收益率分布顯著不同于正態分布。

表1 指數收益率描述性統計和J-B檢驗一覽表

綜上所述，內地和香港股票市場的對數收益率分布均不服從正態分布，都具有金融時間序列的波動非對稱性和尖峰厚尾特征。

2、平穩性檢驗。平穩性檢驗是在分析金融時間序列時必須要進行的檢驗之一，確保數據的統計特征不具有時變性是進行建模的前提條件，這樣做的目的是為了避免不平穩的序列引起的偽回歸的結果出現，借助單位根檢驗的方法驗證涉及的變量的單位根個數是否相同，常見的單位根檢驗方法有DF檢驗法、ADF檢驗法和PP檢驗法。本文將采用ADF檢驗法（即Augmented Dickey-Fuller）來檢驗內地和香港股票市場的對數收益率序列的數據平穩性。（表2）

表2 指數收益率序列ADF檢驗一覽表

由表可知，在1%、5%、10%三個不同顯著性水平下，兩種指數的對數收益率序列的ADF值都小于相應的臨界值，因此拒絕原假設，所以兩種指數的對數收益率序列沒有單位根，證明內地和香港股票市場的對數收益率序列的數據是平穩的。

3、自相關性檢驗。自相關性檢驗也是需要進行的必要檢驗，金融時間序列的殘差之間存在相關性的可能，因而可能造成最終結果的不真實，因此本文對滬深300指數和恒生指數各自的序列相關性進行檢驗，并對序列的均值回歸進行殘差的相關性檢驗。

由圖可得，兩種指數收益率序列各自的自相關系數和偏自相關系數在95%置信度下，部分值不在置信區間內，Q統計量的伴隨概率也小于0.05，所以拒絕自相關系數等于零的假設，兩種指數收益率序列都存在相關性。同時，在滯后為10階時，兩種指數收益率序列各自的自相關系數和偏自相關系數都大于95%的置信水平，即序列都存在顯著自相關性，存在異方差性。（圖5、圖6）

圖5 滬深300指數自相關檢驗結果圖

圖6 恒生指數自相關檢驗結果圖

（三）ARCH效應檢驗。通過比較分析滬深300指數和恒生指數的日對數收益率可以看出都出現了波動聚集特征，兩市指數的日收益率序列圖也證明了具有自相關性，表明兩種序列存在自回歸條件方差（ARCH效應），因此本文運用拉格朗日乘數法（ARCH-LM檢驗）來進行具體檢驗。（表3）

表3 ARCH-LM檢驗一覽表

結果表明，滬深300指數和恒生指數的收益率序列各自相應的F統計量和Obs*R-squared統計量在95%的置信度下的伴隨概率P值都等于0。所以，結論拒絕兩市回歸方程的殘差不存在ARCH效應的原假設，即表明滬深300指數和恒生指數的日對數收益率系列存在ARCH效應，滿足用GARCH族模型來擬合兩市的波動特征的條件。

（四）GARCH族模型實證分析。基于以上的檢驗結果，滬深300指數和恒生指數的收益率序列符合金融時間序列尖峰厚尾和波動聚集的特性，且序列平穩存在自相關性，存在高階的ARCH效應，因此可以通過建立GARCH族模型來研究其特征。通過比較滬深300指數和恒生指數收益率在不同的GARCH族模型的殘差平方的自相關系數和偏自相關系數，運用赤池信息準則（Akaike Information Criterion）可以判斷擬合最佳的GARCH族模型，同時分別考慮正態分布、t分布和GED分布假設，估計出擬合效果最好的GARCH模型中的各個參數，代入估計條件方差，來計算和估量內地股市和香港股市的VaR風險值，以達到風險評估和預測的目的。（表4）

表4 滬深300指數和恒生指數GARCH族模型選擇一覽表

由表可得，滬深300指數日收益率的EGARCH（2，1）模型的AIC值最小，EGARCH（1，1）模型SC值最小，因此選擇EGARCH（1，1）模型。恒生指數的EGARCH（2，1）模型的AIC值和SC值都最小，選擇EGARCH（2，1）模型。因此，將用EGARCH（1，1）和EGARCH（2，1）模型分別計算滬深300指數和恒生指數的VaR風險值。

（五）對滬深300和恒生指數VaR的計算和檢驗。根據上述選出的服從GED分布的EGARCH（1，1）模型進行回歸，計算出相應的收益率方差，進而得到標準偏差，運用軟件分別計算出該模型下GED分布在85%、90%和95%的置信度下的分位數，將所得的標準偏差和分位數代入計算VaR的公式，計算出服從GED分布的EGARCH（1，1）在85%、90%和95%三種不同置信度下的VaR。（圖7）

圖7 VaR值與滬深300指數實際損失對比圖

根據前面選出的服從GED分布的TGARCH（2，1）模型進行回歸，計算出相應的收益率方差，進而得到標準偏差，運用軟件分別計算出該模型下GED分布在85%、90%和95%的置信度下的分位數，將所得的標準偏差和分位數代入計算VaR的公式，計算出服從GED分布的TGARCH（2，1）在85%、90%和95%三種不同置信度下的VaR。（圖8）

圖8 VaR值與恒生指數實際損失對比圖

圖7中，HS300I表示的是滬深300指數的實際損失，HS300IVAR85、HS300IVAR90、HS300IVAR95分別表示在85%、90%和95%置信度下的VaR值，從上圖可以看出估算的VaR范圍不同程度地包含滬深300指數的實際損失范圍，其中95%置信度下的VaR值范圍包含的實際損失范圍最大，85%置信度的最小，隨著置信度的降低，實際損失超過VaR的范圍越大。

圖8中，HSI表示的是恒生指數的實際損失，HSIVAR85、HSIVAR90、HSIVAR95分別表示在85%、90%和95%置信度下的VaR值，從上圖可以看出估算的VaR范圍不同程度地包含恒生指數的實際損失范圍，其中95%置信度下的VaR值范圍包含的實際損失范圍最大，85%置信度的最小，隨著置信度的降低，實際損失超過VaR的范圍越大。

比較發現，在95%置信度下滬深300指數的VaR均值大于恒生指數。因此，可以說在給定的顯著性水平下，國內滬深300指數的風險值均值都要高于恒生指數的風險值。

四、結論與建議

運用GARCH模型，可以較好地反映內地與香港股市收益率波動性問題，通過VaR模型較好刻畫出股市風險特征，對預測股市風險有一定的作用，并且GARCH-VaR模型度量結果發現，滬深300指數風險高于香港股市風險，因此內地股市現階段比香港股市的波動更加劇烈，利用風險VaR進行風險評估預測，對于股票市場參與者具有重要意義，對提高投資者的風險意識、完善監管部門的制度和市場的理性行為有一定促進效果。

對于投資者建議：通過GARCH-VaR模型度量，有助于協助投資者評估股票的風險收益，幫助投資者理性投資，為資金的合理配置提供系統理論支撐，降低羊群效應的出現，減少由于信息不對稱導致的負面影響，利用風險預測可以設立止損和止盈點，避免由于市場情緒導致的不理性投資行為。

對于監管主體建議：加大市場的監管力度，規范上市公司的披露行為。如果部分大機構或者個人提前獲取未公開的信息，提前進行投資布局，由于信息不對稱，普通投資者在得到公司公告時，期望收益與實際收益產生較大差距，股票市場未按照經濟運行規律發展，這將加劇股票市場波動導致風險升高，因此監管部門應該提高上市公司信息披露質量，加大違法懲罰力度，提升股票市場的運行效率。

對證券市場建議：目前，內地股票市場的投資者結構仍有待優化。首先，應該學習成熟市場的體制，豐富投資產品種類、基金選擇和投資渠道，提升市場活躍度；其次，由于中小投資者較多，應該加大對其保護的力度，提升投資者的理性意識，維護市場的穩定；最后，隨著金融科技的發展，可以在證券市場中合理運用區塊鏈、大數據和人工智能等，建立有效的市場風險預警和處理機制，保障投資者合法權益，為促進我國金融市場發展貢獻力量。