新冠“黑天鵝”下中美股票市場波動趨勢探討

吳凌睿

摘要：受新冠肺炎疫情的影響，2020年后全球金融市場發(fā)生劇烈動蕩。在此背景下，本文基于GARCH模型的應(yīng)用建模和研究設(shè)計，探討新冠“黑天鵝”對中美股票市場的波動性特征沖擊問題。本文具體估計了GARCH模型參數(shù)，并結(jié)合四個月的窗口期對比研究了疫情前、中、后期中美股票市場的波動趨勢特征和表現(xiàn)。結(jié)果表明：新冠疫情對中美兩國股市都造成了嚴(yán)重沖擊，疫情后期的股市波動相對于前中期更為劇烈，同時疫情后中國股票市場的波動性趨勢特征強于美國。最后，本文對中美股指收益率及其波動率序列進(jìn)行因果關(guān)系檢驗，發(fā)現(xiàn)存在美股走勢對中國股市的單向Granger原因。基于研究結(jié)論，本文提出了加強市場風(fēng)險監(jiān)測、完善資本市場制度建設(shè)、關(guān)注國際資本市場聯(lián)動性等政策建議。

關(guān)鍵詞：新冠疫情;黑天鵝;金融波動;中美股票市場;GARCH模型

一、引言

2020年3月9日，受新冠疫情沖擊，全球股票市場發(fā)生了聯(lián)動式暴跌。美國標(biāo)普500指數(shù)盤中一度下挫7%，日經(jīng)225指數(shù)暴跌5.07%，恒生指數(shù)收跌4.23%，上證指數(shù)下跌772%，皆創(chuàng)近年單日最大跌幅紀(jì)錄：此外，英法德股指全線跌超7%，巴西基準(zhǔn)股指更是下跌10%直接觸發(fā)熔斷。隨著后續(xù)新冠疫情的漫延和逐步控制，各國股市在后續(xù)時間也經(jīng)歷了下跌、動蕩和探底回升。對比新冠疫情前，2020年至今的兩年內(nèi)，全球股市的波動頻度和幅度表現(xiàn)突出，一定程度上反映新冠這一重大突發(fā)事件對投資者情緒和各國股市的持續(xù)性影響。

在高度全球化的今天，全球金融市場間的相互依賴性不斷增強，以至于一個區(qū)域的金融市場波動會快速地延伸到其他區(qū)域，加大金融市場的共振風(fēng)險。作為當(dāng)今世界重要的經(jīng)濟參與體，中美兩國的經(jīng)濟往來日趨緊密，兩國經(jīng)濟金融市場的趨勢走向?qū)τ谑澜缃?jīng)濟具有一定的導(dǎo)向作用。本文對疫情發(fā)生后中美股市波動趨勢進(jìn)行實證建模和計量分析，旨在進(jìn)一步量化新冠疫情這類重大突發(fā)事件對中美股票市場的沖擊、影響，同時為疫情后期我國金融市場的監(jiān)管和穩(wěn)健發(fā)展提供政策參考。

查閱了與本文相關(guān)的文獻(xiàn)，下文從金融波動的定義、度量和“黑天鵝”事件對金融市場的影響三部分分別進(jìn)行評述。

已有文獻(xiàn)研究關(guān)于金融波動的專門定義并不多見。國內(nèi)學(xué)者張紅偉（2003）認(rèn)為：狹義的金融波動是因客觀環(huán)境的變化或者主觀決策的失誤等其他原因而導(dǎo)致的，經(jīng)濟主體在融資時，使金融機構(gòu)的資產(chǎn)和信譽等處于一種不穩(wěn)定的狀態(tài)：廣義的金融波動是由于一些實際經(jīng)濟因素以及金融自身因素改變所造成的金融突變量上下起伏交替的變動。王宇新（2006）從股票市場角度出發(fā)將金融波動具體定義為股票價格的波動性：所謂股票價格的波動性，一般是指未來股票價格會背離其期望值的一種可能性。

金融波動度量模型的研究最初是在國外學(xué)術(shù)界中掀起熱潮的。在20世紀(jì)80年代初期，Engle（1982）在分析通貨膨脹模型時發(fā)現(xiàn)預(yù)測誤差的方差中存在某種相關(guān)性，為了刻畫這種相關(guān)性，他提出了ARCH模型，也被稱為自回歸條件異方差模型。隨后，BOLlerslev（1986）在其基礎(chǔ)上提出允許條件方差依賴自身前期的廣義ARCH模型，即GARCH模型，后者能夠較好地解決ARCH模型在應(yīng)用中的待估參數(shù)較多的問題。國內(nèi)學(xué)者主要傾向于在上述金融波動模型基礎(chǔ)上進(jìn)行實證應(yīng)用。譚加勁（2003）結(jié)合GARCH模型來研究證券交易印花稅下降對我國A股市場波動性影響;舒俊（2005）引入ARCH族模型對上證指數(shù)的日收益率序列進(jìn)行擬合研究。

伴隨著社會學(xué)家和經(jīng)濟學(xué)家對突發(fā)事件問題的研究，“黑天鵝”這一概念頻繁出現(xiàn)在相關(guān)文獻(xiàn)研究中。Talb（2008）認(rèn)為“黑天鵝”事件是指那些發(fā)生概率極小但實際卻發(fā)生了的事件，它處于意料之外，可改變一切。Estrada（2008）指出“黑天鵝”事件一旦發(fā)生，會對金融市場造成嚴(yán)重的沖擊，而且會對投資者預(yù)期收益造成巨大的影響。劉慶富、周程遠(yuǎn)和張婉寧（2011）關(guān)注了突發(fā)性地震災(zāi)難對中國股票市場的沖擊效應(yīng)，研究發(fā)現(xiàn)這一沖擊效應(yīng)在股票市場各行業(yè)的收益和風(fēng)險中表現(xiàn)出差異性.Maillet和Michel（2005）探討了9.11恐怖襲擊事件對美國股票市場的影響，強調(diào)了這一沖擊的負(fù)向效應(yīng)。

可以看到，已有文獻(xiàn)結(jié)合不同思路就金融市場波動性、重大突發(fā)事件對金融市場的影響和沖擊進(jìn)行了研究，并得到了諸多有益的結(jié)論。新冠肺炎疫情的發(fā)生對全球金融市場及其走勢造成了持續(xù)性和聯(lián)動性影響，已有文獻(xiàn)關(guān)于新冠疫情對我國和其他國家股市的沖擊分析和對比研究較少。鑒于此，本文運用GARCH模型研究新冠疫情下中美兩國股市波動趨勢，進(jìn)一步量化新冠疫情對兩國股票市場的沖擊和聯(lián)動影響。后文框架安排如下：第二部分闡述了金融波動的定義并具體介紹度量金融波動的GARCH模型;第三部分為新冠疫情下中美股市波動特征建模;第四部分進(jìn)一步探討新冠疫情下中美股市波動的因果關(guān)系：第五部分為全文總結(jié)和建議。

二、理論基礎(chǔ)

（一）金融波動度量

金融波動是指金融市場中各要素處于一種不穩(wěn)定的狀態(tài)，通常外化為金融資產(chǎn)價格指標(biāo)在一段時間內(nèi)的上下起伏變動，文獻(xiàn)研究中通常采用金融資產(chǎn)的波動率對其度量。簡單來看，資產(chǎn)的波動率表現(xiàn)為資產(chǎn)價格波動的程度，可以用標(biāo)準(zhǔn)差直接衡量。我們同樣可以用收益率的標(biāo)準(zhǔn)差來衡量股市波動率，不過，由于股票市場的群集波動和時變特征，難以結(jié)合全部樣本固定地進(jìn)行標(biāo)準(zhǔn)差的統(tǒng)計度量，后文結(jié)合計量模型中的條件方差方程對其進(jìn)行刻畫。

GARCH模型中的條件方差方程可以用以有效衡量資產(chǎn)收益率的波動狀況，條件方差越大說明資產(chǎn)收益率的波動率越大。結(jié)合GARCH模型建模，可以有效測度和分析股票市場的波動性風(fēng)險，并已有較多文獻(xiàn)結(jié)合該類模型進(jìn)行了股票市場波動問題的研究（葉青2019;賈子騰2020;張盼2020）。借鑒已有研究，本文結(jié)合GARCH模型的建模設(shè)計刻畫疫情沖擊背景下股票市場的波動特征，由此量化評估和對比中美股市的波動趨勢和風(fēng)險特征。

（二）ARCH和GARCH模型介紹

在過去幾十年里，研究金融波動特征及波動率估計的最主要研究方法是ARCH模型和GARCH模型，下面本文對其進(jìn)行簡要介紹。

1.ARCH模型

Engle（1982）提出的ARCH模型被廣泛地運用于金融時間序列分析。ARCH類模型由條件均值方程和條件方差方程組成，該模型把條件方差看作是前期誤差（偏離不變的無條件方差大小）的函數(shù)，設(shè)定條件方差隨時間變化。ARCH（p）模型的均值和方差方程分別如下式（1-2）

其中，y：和X分別表示因變量和自變量，t表示無序列相關(guān)的隨機擾動項，p表示模型的滯后階數(shù)。為了保證方差方程中的方差為正，要求回歸參數(shù)a》0，且1+o2+…+o《1。在該模型中假定隨機擾動項序列不相關(guān)，但的方差序列可能相關(guān)。所以在建立ARCH均值模型后要對其殘差序列進(jìn)行ARCH檢驗，判斷是否有異方差效應(yīng)。在應(yīng)用回歸估計中，通常滯后階數(shù)p越高，模型擬合效果才越好，因此ARCH（p）模型滯后階數(shù)很大。但這樣需要估計很多參數(shù)，同時會出現(xiàn)類似于解釋變量的多重共線性等問題。

2.GARCH模型

為突破ARCH模型的局限，BOLlerslev（1986）提出了GARCH模型。該模型在ARCH（p）模型中增加了q個殘差平方滯后項得到，記為GARCH（q，p）模型。GARCH（q，p）模型的均值方程與式（1）保持一致，方差方程如下：

其中，0》0，1≥0（i=1，…，p），B≥0（j=1，…，q）。為保證GARCH模型是弱平穩(wěn)的，有-，烏，IP，1的約束條件。

GARCH（q，p）模型對應(yīng)ARCH（∞）模型，由于待估參數(shù)的大幅減少，能較好地解決ARCH（p）模型在應(yīng)用中參數(shù)估計繁瑣的問題。后文主要基于GARCH模型對新冠疫情背景下中美股票市場波動趨勢進(jìn)行實證分析。

三、新冠疫情下中美股票市場波動特征建模

（一）新冠疫情下的中美股市走勢

2020年新冠肺炎疫情的爆發(fā)和蔓延給我國金融市場帶來了嚴(yán)重沖擊，加大了人民幣匯率和資本市場的波動。圖1所示，在2020年2月1日前期，中國股票市場受到明顯沖擊，深證成指大幅下跌，上證指數(shù)也能夠觀察到有下跌的趨勢。A股在2月3日開盤后，在短時間內(nèi)將近有3000只股票跌停，上證指數(shù)下跌了7.72%，深證成指下跌了8.45%，并在短時間內(nèi)波動性下滑，主要原因是疫情爆發(fā)正值中國的春節(jié)期間，證券市場處于休市中，疫情的快速發(fā)展和網(wǎng)絡(luò)媒體的渲染，導(dǎo)致民眾悲觀情緒不斷加重，并在春節(jié)后的第一個交易日里集體釋放。隨后，由于我國疫情防控措施實施效果顯著，3月開始的新增確診人數(shù)逐漸減少，加上各種政策的支持，3月中下旬后我國經(jīng)濟態(tài)勢逐步恢復(fù)，股指開始向上反彈

在2020年的2月份之前，新冠疫情主要集中在中國和鄰近的幾個亞洲國家。但從2月下旬開始，疫情在歐美迅速擴散。在圖2中，可以觀察到大概在3月1日左右，美國兩大股指出現(xiàn)明顯下挫，且在3、4和5月份標(biāo)普500股指和納斯達(dá)克100股指表現(xiàn)出明顯的波動聚集性和長記憶性。2020年3月9日，全球金融市場發(fā)生了罕見的暴跌，標(biāo)普500指數(shù)盤中一度暴跌7%，直接觸發(fā)一級熔斷機制。3月19日，美股10天內(nèi)第四次熔斷，歷史上第五次。之后隨著美股筑底和后續(xù)美國政府的不斷量化寬松政策，美股后續(xù)開始在波動中不斷恢復(fù)向上走勢。

（二）股指收益率的描述性分析

本文以對數(shù)化股指收益率（R）為考察指標(biāo)進(jìn)行股市波動

特征的探討，構(gòu)建公式如下：

上式中p、P-分別表示指數(shù)的第t、t-1日收盤價。后文對中國股市波動特征的建模研討建立在上證綜指（SH）和深證成指（SZ）的對數(shù)化收益率之上，對美國股市波動特征的建模基于標(biāo)準(zhǔn)普爾500指數(shù)（BP），研究區(qū)段為2019年7月1日至2020年12月31日，數(shù)據(jù)來源為：英為財情（https：/cn.in-vesting.com）。

表1歸納了Eviews10對上證指數(shù)、深證成指和標(biāo)普500指數(shù)的日收益率序列做出的描述性統(tǒng)計量，結(jié)果如下：

對于收益率為正態(tài)分布的金融時間序列，理論上的偏度值為0，峰度為3。從表1可以看出，三大股指的偏度均不為0。其中，上證指數(shù)的日收益率偏度大于0，存在明顯的右偏特征：深證成指和美國標(biāo)準(zhǔn)普爾500指數(shù)均小于0，存在明顯的左偏特征。上證指數(shù)、深證成指和美國標(biāo)準(zhǔn)普爾500指數(shù)的峰度均大于3。因此，三大股指的收益率序列存在著明顯的“尖峰厚尾”的分布特征，均不是正態(tài)分布。此外，三者的標(biāo)準(zhǔn)差也較小，進(jìn)一步蘊含了可能的群集波動特征。

另外，表1對三大股指的日收益率序列（R）和股指走勢序列（In（p）進(jìn)行ADF單位根檢驗，結(jié)果表明，在1%和5%的顯著性水平下，三大股指In（p）序列的ADF統(tǒng)計量大于臨界值，且P值不顯著，說明在樣本研究期間三大股指都不平穩(wěn)，有明顯的波動：而三大股指的日收益率序列的ADF統(tǒng)計量值都遠(yuǎn)遠(yuǎn)小于臨界值，并且P值都小于0.01，說明日收益率序列在樣本研究期間是平穩(wěn)的，可以基于其進(jìn)行股指波動特征的建模分析。

（三）GARCH模型實證建模

對對數(shù)化收益率R進(jìn)行GARCH建模前，我們結(jié)合ARCH-LM法對其一階自回歸殘差進(jìn)行ARCH檢驗，判斷序列是否存在明顯的異方差特征。表2顯示SH、SZ、BP收益率指標(biāo)的ARCH-LM檢驗量在5%的顯著性水平下拒絕同方差原假設(shè)，說明殘差序列具有顯著的ARCH效應(yīng)。為了更好地解釋現(xiàn)實中美股指收益率波動問題，將外生變量廣義貨幣供應(yīng)量（M2）加入均值方程（1），由此建立GARCH（1，1）模型如下：

用上述GARCH模型對上證指數(shù)、深證成指和美國標(biāo)準(zhǔn)普爾500指數(shù)收益率序列進(jìn)行擬合，參數(shù)估計結(jié)果如表3所示。

首先，三個GARCH模型下的ARCH項和GARCH項估計值之和均小于等于1，滿足參數(shù)估計的約束條件，同時也表明我國上證指數(shù)、深證成指和美國標(biāo)準(zhǔn)普爾500指數(shù)的沖擊波動隨時間衰減，但在未來可能持續(xù)多期。其次，SH的模型估計結(jié)果中ARCH項和GARCH項的Z統(tǒng)計量較BP更大，深證成指與其接近，說明中國股票市場的波動性比美國股票市場的波動性更加劇烈。最后，從新冠肺炎疫情期間M2同比系數(shù)對于股票市場影響的方面來看，M2對中國股市收益率波動值的影響不大，對美國股票市場收益率波動產(chǎn)生顯著影響，較M2對中國股票市場的促進(jìn)作用，美國股票市場的作用效果較大。

（四）新冠疫情下中美股市波動的分期對比

GARCH模型中的條件方差方程可以用來衡量資產(chǎn)收益率的波動變化情況。條件方差越大說明資產(chǎn)收益率的波動率越大，偏離期望方差的程度越大。因此，下文使用GARCH模型估計的疫情前期（2019年9月至12月）、中期（2020年1月至4月）、后期（2020年5月至8月）上證指數(shù)和標(biāo)普500指數(shù)收益率的條件方差序列進(jìn)行折線圖呈現(xiàn)，直觀刻畫出不同時期的中美股票市場的波動趨勢和特征。

圖3展示了疫情前、中、后期中國上證股指波動率的分期表現(xiàn)。可以觀察到，疫情前期上證綜指的波動很平穩(wěn)，GARCH模型估測到的條件方差序列表現(xiàn)平穩(wěn)且取值較小，表明該時期股票市場較為穩(wěn)定。疫情發(fā)生后，圖中顯示，2020年1月末至2月初產(chǎn)生一次劇烈波動（條件方差在0.35%），并在3月份呈現(xiàn)明顯的持續(xù)性波動趨勢。從4月份開始，伴隨著新冠防控效果的不斷顯現(xiàn)和經(jīng)濟生活的恢復(fù)，中國股票市場波動值開始下滑，整體條件方差在009%以下。隨后的7月到8月份，股市在上漲回升中的波動趨勢有一定加強，但整體取值明顯低于疫情中期表現(xiàn)。最后，對比圖3疫情前后期的條件方差表現(xiàn)，疫情后上證指數(shù)的波動程度比疫情前期更加劇烈。

圖4顯示了疫情前后美國標(biāo)準(zhǔn)普爾500指數(shù)波動率走勢。從疫情爆發(fā)中期的走勢表現(xiàn)觀察到，標(biāo)普500指數(shù)的條件方差序列在2月底開始出現(xiàn)上下波動，并在3月中旬達(dá)到峰值，條件方差接近0.016，表明疫情對于美國股票市場的沖擊是在2020年2月底持續(xù)至4月，波動浮動較為劇烈。從疫情爆發(fā)的前后四個月的窗口期來看，除2019年10月和2020年6月中發(fā)生兩次劇烈波動之外，標(biāo)準(zhǔn)普爾500指數(shù)的條件方差序列平穩(wěn)，但疫情后期的條件方差序列取值明顯高于前期，疫情較大程度加劇了股票市場的波動趨勢。

四、進(jìn)一步探討：新冠疫情下中美股市的因果關(guān)系檢驗從上文實證研究中，我們可以發(fā)現(xiàn)新冠疫情對中美股票市場走勢及波動特征均造成了沖擊，疫情發(fā)生帶來的金融系統(tǒng)非確定性和波動性在股票市場表現(xiàn)明顯。為進(jìn)一步探討新冠疫情下中美股票市場間的內(nèi)在聯(lián)動性，如下結(jié)合Granger因果檢驗對上證股指（RSH）和標(biāo)普500股指收益率序列（RBP）進(jìn)行計量檢驗。

Granger因果關(guān)系檢驗是由經(jīng)濟學(xué)家Granger于2003年所開創(chuàng)，盡管Granger檢驗得出的因果關(guān)系不是經(jīng)濟活動的實際因果關(guān)系，但可有效檢驗?zāi)骋蛔兞康臏笾担ㄟ^去的信息）對于另一被解釋變量信息是否有預(yù)測能力，從而反應(yīng)考察變量的內(nèi)在關(guān)聯(lián)。我們使用Eviews10對SH、BP的日收益率序列和基于GARCH模型得出的條件方差序列進(jìn)行Granger因果關(guān)系檢驗，檢驗結(jié)果如表4和表5所示。

表4第一行檢驗量的P值小于0.05，檢驗結(jié)果拒絕原假設(shè)，說明RBP是RSH的Granger原因，即美國標(biāo)準(zhǔn)普爾500指數(shù)對上證指數(shù)的日收益率有預(yù)測能力，美股的上漲和下跌對中國股市具有很大的導(dǎo)向作用。表4第二行的檢驗結(jié)果接受相應(yīng)原假設(shè)，說明RSH不是RBP的Granger原因，即上證指數(shù)對美國標(biāo)準(zhǔn)普爾500指數(shù)的日收益率序列沒有預(yù)測能力。另外，表5顯示RBP和RSH之間的因果關(guān)系不是很明顯。這意味著兩者盡管存在表4所示的收益率走勢的“因果關(guān)系”，但從波動趨勢特征來看，雙向關(guān)聯(lián)性并不突出，這意味著中美股指的波動表現(xiàn)更可能是源于外部市場情緒帶來的協(xié)同共振，時間影響前后導(dǎo)向上并不明顯。綜上所述，新冠疫情下中美股指波動性走勢的雙向因果關(guān)系不顯著，兩者存在同向共振：股指收益率序列則存在美股到A股的明顯單向因果關(guān)系。不論是公共衛(wèi)生領(lǐng)域，還是金融領(lǐng)域，中美兩國都不可能是兩個封閉獨立的個體。在探討新冠“黑天鵝”對雙方金融系統(tǒng)的沖擊效應(yīng)中，需要聯(lián)動協(xié)調(diào)地看待。

五、全文結(jié)論

本文選取2019年7月1日至2020年12月31日的上證指數(shù)、深證成指和美國標(biāo)普500指數(shù)的日收盤指數(shù)為代表性樣本，借助Eviews10軟件，使用GARCH模型來研究中美股票市場股票收益率的波動特征。根據(jù)上文實證分析能得到以下結(jié)論：

（1）從新冠肺炎疫情期間M2同比系數(shù)對于股票市場影響的方面來看，較M2對中國股票市場的促進(jìn)作用，美國股票市場的作用效果較大。其原因可能是中國間接融資規(guī)模較大，資本市場沒有美國資本市場發(fā)達(dá)，資金使用效率不高，且中國人民儲蓄意愿較強烈，因此在疫情期間的資金使用效率不高。

（2）新冠疫情“黑天鵝”事件對中美兩國的金融市場都產(chǎn)生了劇烈沖擊，使它們的股票市場產(chǎn)生劇烈波動，且兩者在疫情后期的波動更為劇烈。比較兩者疫情中后期的股票市場波動趨勢，中國股票市場的波動更為劇烈。

（3）新冠疫情下的中美股票市場有一定的內(nèi)在聯(lián)動性。疫情對美國股票市場造成的沖擊進(jìn)一步會影響中國股票市場的波動趨勢。

結(jié)合本文研究結(jié)論，筆者提出如下政策建議：

第一，我國金融市場信息披露制度、市場監(jiān)管制度和法律法規(guī)建設(shè)不夠完善。相比歐美的發(fā)達(dá)國家，我國上市公司信息披露不健全，這導(dǎo)致投資者不能獲得完善的公司信息。此外，我國股票市場發(fā)展的時間短，還未形成一套系統(tǒng)完善的監(jiān)管制度，會導(dǎo)致市場出現(xiàn)投機者，避開市場監(jiān)管買賣資產(chǎn)進(jìn)行牟利。因此，要盡快完善金融市場信息披露制度、市場監(jiān)管制度和法律法規(guī)，規(guī)范市場交易。

第二，加強金融市場的風(fēng)險監(jiān)測。“預(yù)期”是影響資本市場的一個重要因素，容易導(dǎo)致“羊群效應(yīng)”和“過度反應(yīng)”。對于金融市場監(jiān)管部門，應(yīng)加強完善預(yù)期管理，合理引導(dǎo)市場情緒。無論是抗擊疫情期間還是之后，都應(yīng)以此契機進(jìn)一步審視和完善國內(nèi)的預(yù)期性管理;順應(yīng)事態(tài)的發(fā)展，動態(tài)調(diào)整逆周期政策力度，穩(wěn)定市場情緒。因此，必須加大對金融市場預(yù)期的引導(dǎo)，同時加強對金融市場的風(fēng)險監(jiān)測。

第三，關(guān)注國際資本市場的聯(lián)動性。前文的因果關(guān)系檢驗表明，美國股票市場的走勢對中國股票市場具有一定的單向因果關(guān)系。隨著全球一體化和我國資本市場國際化進(jìn)程的加快，我國資本市場與世界經(jīng)濟的聯(lián)系也日益密切。因此，我國要進(jìn)一步關(guān)注國內(nèi)資本市場與國際資本市場的內(nèi)在聯(lián)動性，同時配合審慎監(jiān)管，維護(hù)資本市場的穩(wěn)定性。

第四，完善資本市場制度建設(shè)。資本市場中的交易機制、信息流以及投資者對于投資活動的認(rèn)識等都會對資本市場的波動趨勢產(chǎn)生影響。因此，我們在加快資本市場改革的同時，要加強對資本監(jiān)管和監(jiān)控、完善資本市場的制度改革以及放穩(wěn)資本市場對外開放的腳步，減弱外界市場對中國股票市場的干擾和市場情緒方面的影響，培育資本市場理性。

（指導(dǎo)老師：于寄語）

參考文獻(xiàn)：

[1]Engle Robert F.Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation[J]. Econometrica，1982，50（4）：987-1007.

[2]BOLlerslev Tim.Generalized Autoregressive Conditional Het-eroskedasticity[J].Eeri Research Paper，1986，31（3）：307-327.

[3]Nassim NichOLas Taleb.The Black Swan：The Impact of the

Highly Improbable [M].the United States of America PenguinBooks Ltd，2008.

[4]Estrada J.Black Swans in Emerging Markets[J].The journal ofin-vesting，2008，（2）.

[5]Bertrand B.Maillet，Thierry L.Michel.The Impact of the 9/11Events on the American and French Stock Markets[J].Review of International Economics，2005，13（3）：597-611.

[6]張紅偉.論金融波動及其特征[J]天府新論，2002，（1）：25-28.

[7]王宇新.度量金融波動的方法和模型及其應(yīng)用[D]天津大學(xué)，2006.

[8]譚加勁.證券交易印花稅率下降對我國A股市場波動性影響的實證分析[J].暨南大學(xué)，2003.

[9]舒俊.中國股市日收益率波動特征研究[D].華中科技大學(xué)，2005

[10]劉慶富，周程遠(yuǎn)，張婉寧.地震災(zāi)難對中國股票市場的沖擊效應(yīng)[J].財經(jīng)問題研究，2011，（4）：61-67.

[11]葉青.滬深300股指期貨對股票市場波動影響分析[J].廈門大學(xué)，2019.

[12]賈子騰.我國科創(chuàng)板市場風(fēng)險實證研究[J].蘇州大學(xué)，2020.

[13]張盼.基于GARCH族模型的滬深300指數(shù)與恒生指數(shù)波動性的對比研究[J].江西財經(jīng)大學(xué)，2020.