新常態經濟下中國股票市場高質量發展研究

摘 要：適應新常態及經濟新發展，是中國當前面臨的新考驗。作為中國資本市場重要組成部分的股票市場，研究其在新常態經濟時期如何實現高質量發展具有一定的理論意義及現實意義。以中國股票市場具有代表性的4個指數為樣本，通過構建ARMA-GARCH-GED族模型對比分析新常態經濟前和新常態經濟時期中國股票市場發展存在的差異性，探索在新經濟模式下中國股市新的統計特征。結果顯示，在波動聚集性方面，無論在新常態經濟前還是新常態經濟時期，中國股票市場都存在顯著的波動聚集性，且前期價格波動對當期價格波動的影響程度在逐漸減小；在風險收益和非對稱性方面，相較于新常態經濟前，在新常態經濟時期中國股票市場風險與收益的正相關關系在逐漸減弱，風險并沒有在預期收益中得到及時反映。同時，中國股票市場的非對稱效應也在逐漸減弱，正面消息和負面消息對中國股票價格的波動影響程度逐步趨同。這為理解中國股票市場在新常態經濟背景下存在的運行規律提供有益的經驗證據，同時為進一步推動中國資本市場高質量發展提供更多的政策參考。

關鍵詞：股票市場；新常態經濟；波動聚集性；風險收益性；非對稱性

一、引言

新常態經濟這個概念是在全球經濟增速放緩的背景下應運而生的。2010年達沃斯世界經濟論壇年會上，美國太平洋基金管理公司總裁埃里安談到金融危機后的美國正處于一個經濟發展的新常態時期，經濟長期疲軟，失業率高企，風險驟增可能是美國在新常態時期的典型特征（林毅夫，2012）。對于中國而言，2014年5月習近平總書記在考察河南時，從當前中國經濟發展的階段性特征出發指出中國要適應新常態，要以平和的心態面對中國經濟發展的機遇和挑戰。

步入經濟新常態以后，我國的宏觀經濟波動顯著下降，我國的供給側結構性改革已經取得顯著成效，宏觀經濟中的結構性矛盾有所緩解（周德才等，2022）。

中國經濟增速放緩是不可避免的，

放緩的經濟增長步伐帶來新的矛盾和挑戰，經濟增長模式從以往的粗放型逐漸向集約型轉變，

通過持續有效的經濟增長和公平的利益分配機制改善人民的生活質量是未來中國經濟改革的發展方向（Hu，2015）。

中國經濟發展進入新常態，是黨中央在新的時代條件下，對當前與未來一個時期經濟走勢的科學論斷，認識新常態、適應新常態、引領新常態成為當前和今后一個時期我國經濟發展的大邏輯（張曉晶，2022）。

新常態經濟是一種可持續發展的新經濟模式，有別于以往追求總量經濟、忽視結構失衡的舊發展模式，新常態經濟著眼于調整產業結構，找準新的經濟增長點，通過技術創新促進有效率地增長。反觀中國的資本市場，在新常態經濟背景下，未來更有質量、更有效益的增長預期會對完善資本市場結構奠定良好的經濟基礎。中國股票市場作為資本市場的重要組成部分，為不同類型的企業提供融資途徑和成長空間發揮了巨大的作用，深刻影響著中國資本市場的發展。然而中國股票市場也隱含著諸多風險因素，包括信息不對稱導致的披露風險，對公眾投資者的金融教育不足導致股票價格波動劇烈等都會進一步損害中國股票市場的高質量發展。在新常態經濟時期，從2015年6月到9月短短三個月，創業板指數從4037.96點跌落到1779.18點，跌幅高達56%，其中振幅超過5%的交易日超過25天。中國創業板市場在新常態經濟時期的劇烈波動不禁讓我們思考，中國股票市場在新的經濟模式下是否存在新的運行規律，這種新的運行規律是否有助于推動中國股票市場的高質量發展？所以研究新常態經濟時期中國股票市場新的運行特征具有深遠的理論意義和現實意義。

本文選取中國股票市場具有代表性的四個指數：上證綜指（SSE），深圳成指（SZSE），滬深300指數（CSI300），創業板指數（GEM），通過構建ARMA-GARCH-GED族模型對中國股票市場進行深入研究。本文通過對比分析在新常態經濟前和新常態經濟時期中國股票市場在波動聚集性、風險收益性和非對稱性三個方面存在的差異，發現無論在新常態經濟前還是在新常態經濟時期，中國股票市場都存在波動聚集性，但前期價格波動對當期價格波動的影響程度在逐漸減小。相較于新常態經濟前，在新常態經濟時期中國股票市場的風險與收益存在的正相關關系在逐漸減弱，非對稱效應也在逐漸減弱，正面消息和負面消息對中國股票市場的影響程度在逐漸趨同。這充分說明相較于以往，中國股票市場在新的經濟模式下具備新的運行規律。

本文可能存在的邊際貢獻體現在以下兩個方面。第一，研究視角方面，本文通過對比分析新常態經濟前和新常態經濟時期中國股票市場發展存在的差異，探索中國股票市場在新的經濟模式下存在的運行規律。第二，研究內容方面，本文從波動聚集性、風險收益性和非對稱性三個方面刻畫中國股票市場的運行規律，并展開異質性討論。通過揭示中國股票市場所蘊含的新的統計特征，為政府相關部門進一步促進資本市場高質量發展提供理論依據。

二、文獻綜述

證券市場收益和風險的度量一直是國內外學者研究的重點領域。通常情況下，金融資產收益率普遍存在“尖峰后尾”“波動聚集”等特征。在用傳統回歸方法對金融資產收益率波動進行研究時，往往會出現“有偏且不一致”的估計結果。在研究和刻畫股票價格收益率波動時，Engle（1982）首次提出運用自回歸條件異方差模型（ARCH模型）來衡量收益率的波動性，但ARCH模型本身存在諸多缺陷，如模型滯后長度的不確定性以及違反參數非負數約束等。為了使模型具有更好的適用性，Bollerslev（1986）提出了廣義GARCH模型，即隨機誤差項的條件方差不僅與前期誤差項有關，還與前期條件方差有關。

賈尚暉等（2025）在探討極端氣候風險對行業尾部的傳染效應時，利用GARCH對沖模型計算了氣候變化指數與各行業指數的最優對沖比率。并且，國際大宗商品價格沖擊也會對中國股票市場的波動產生差異性影響（張天頂和施展，2022）

。隨著GARCH模型的廣泛使用逐漸擴展出多種形式，如DCC-GARCH模型（Engle，2000）、非線性GARCH模型（Engle和Ng，1993）、GARCH-M模型（Engle等，1987; Chou， 1988）、TGARCH （Zakoian， 1994）以及EGARCH模型（Nelson，1991）等。GARCH模型的擴展既能更加符合現實金融資產收益率的波動特征，又對其評估和預測金融資產收益率具有更高的準確性。

關于對股票市場風險與收益關系的研究，Merton（1973）通過構建資本資產定價模型，提出金融資產風險與收益的關系應該成正比，因為投資者希望通過更高的收益來彌補必須承擔的風險。Brandt和Kang（2004）利用VAR模型研究股票收益率的條件均值和波動性之間的同期和跨期關系。Lundblad（2007）研究1802—1987年的美國股票市場發現，美國股票價格的風險與收益呈現顯著的正相關關系。金融危機后中國股票市場的風險收益正相關關系顯著加強，這得益于投資者有了更強的風險溢價需求（王天一等，2014）。也有部分學者的研究表明，股票市場的風險與收益呈現負相關關系。Refai等（2017）研究約旦新型股票市場在金融危機前和金融危機期間風險與收益的關系，結論表明，在金融危機前約旦股票市場風險與收益呈正相關關系，而在金融危機期間風險與收益存在不顯著的負相關關系。通過比較美國和阿聯酋股票市場發現，阿聯酋股票市場存在正的風險收益關系，而在美國股票市場則存在負的風險收益關系（Khan等， 2019）。

進一步地，諸多學者的研究表明，國際股市、國際能源市場、碳市場和ESG都對股票的收益率和風險產生重要的影響（曹潔等，2023；田靜等，2023；劉志峰等，2023；徐鳳敏等，2023）。

股票市場的非對稱性指的是正面消息和負面消息對股票價格波動的影響程度。通常情況下，負面消息對股票價格波動的影響程度更大。Cheung和NG（1992）在研究成熟股票市場的波動時發現，負面消息對股價波動的沖擊要遠遠大于正面消息。

張艾蓮和潘夢夢（2024）的研究表明，股票市場價格存在跳躍特征，但連續行為更為普遍，且連續和跳躍行為存在非對稱性。同時，股票市場的極端風險溢出效應具有顯著的時變性、非對稱性和后尾性等特征，更容易受到利空消息的沖擊和影響（徐楠芝等，2022）。

姜翔程和熊亞敏（2017）進一步利用GARCH和EGARCH等模型實證分析中國股票市場的波動特征，分析發現，中國股票市場的投資者面對負面消息反應程度更大，更容易產生恐慌情緒。

并且，中國股票市場在牛市期間和熊市期間存在月份效應，重大公共衛生事件的發生使股票收益率更容易受到投資者情緒的影響（王寶璐等，2023；顧洪梅和張嫚玲，2023）。

綜合來看，基于上述國內外學者從不同角度對股票市場的研究，同時從波動聚集性、風險收益性和非對稱性三個方面探討中國股票市場的高質量發展狀況仍較為缺乏，且研究視角極為有限，尤其對新常態經濟背景下中國股票市場發展存在的新運行特征鮮有關注。基于此，本文通過構建ARMA-GARCH-GED族模型，對比分析中國股票市場在新常態經濟前和新常態經濟時期發展的不同之處，深入揭示中國股票市場在新的經濟模式下的運行規律。這不僅有利于豐富和拓展中國資本市場高質量發展的理論成果，還為進一步規范中國股票市場健康發展提供有益的經驗證據和政策建議。

三、研究設計

（一）數據說明及變量定義

中國股票市場包括主板、中小板、創業板等相關板塊，在研究新常態經濟時期中國股票市場存在的新統計特征時，本文采用上海證券交易所綜合指數（SSE）、深圳證券交易所成分指數（SZSE）、滬深300指數（CSI300）和創業板指數（GEM）來度量中國股票市場的高質量發展狀況。

2013年12月，在中央經濟工作會議上，習近平總書記首提新常態。2014年5月，習近平總書記在河南考察時，提出適應新常態。同年11月，在APEC工商領導人峰會上，習近平總書記集中闡述了中國經濟發展新常態下速度變化、動力轉化等特點，并集中表達了新常態將給中國帶來新的機遇。基于此，本文將新常態經濟的時間周期定義為2014年之后，其中2005年5月2日至2013年12月31日為新常態經濟前的研究周期，共有2066個交易日，由于創業板指數的設立時間為2010年，所以創業板指數在新常態經濟前有868個交易日。2014年1月2日至2023年5月1日為新常態經濟時期的研究周期，共有2270個交易日。

（二）模型構建

在研究新常態經濟下中國股票市場發展新統計特征時，本文主要從波動聚集性、風險收益性和非對稱性三個角度進行模型構建。首先對中國股市的收益率進行ARMA建模。ARMA模型是一類常用的隨機時間序列模型，通過對時間序列的當期值、過去值以及滯后隨機誤差項進行加權構建模型。ARMA（m， n）模型表示如下所示。

rt=ln（yt）-ln（yt-1）（1）

rt=c+φ1rt-1+φ2rt-2+φ3rt-3+…

+φmrt-m+εt+δ1εt-1+…+δnεt-n（2）

其中，rt表示中國股票市場指數日收益率，包括上證綜指（SSE）、深圳成指（SZSE）、滬深300（CSI300）和創業板指數（GEM），t=1，2，分別表示新常態經濟前和新常態經濟時期。yt表示中國股票市場4個指數正常交易日收盤價。

由于中國股票市場指數存在尖峰厚尾的特征，并不符合正態分布規律，廣義誤差分布（GED分布）作為一種綜合、復雜的分布，在考慮金融資產厚尾特性的同時，還可以很好地刻畫金融資產波動聚集性和不對稱等特征，所以本文采用Nelson（1991）的方法，利用GED分布對中國股票市場進行參數估計。GED分布概率密度函數如下所示。

f（εt）=n×exp（-12εt（ht）-1/λn）λ2（n+1n）I（1n）ht

其中，

λ=2（-2/n）I（1/n）I（3/n）1/2（3）

本文在利用ARMA-GARCH-GED族模型對中國股票市場4個指數日收益率建模時，考慮到GARCH族模型滯后1階就可以很好地捕捉市場的波動狀況，擴大其滯后階數并沒有太大的好處。眾多學者的研究也進一步表明GARCH族模型1階滯后可以較好地描述收益序列的條件異方差特性，所以本文構建的GARCH族模型滯后項階數統一為1階滯后。

公式（2）（3）中n為形狀參數，ht為條件方差，I（·）為伽馬函數。

1.股票市場的波動聚集性

股票市場的波動聚集性是指價格變動在一段時間內呈現出聚集的趨勢，即存在連續的上漲和下跌，這種波動聚集性反映了市場參與者的情緒、市場結構和風險變化等多種因素的交互作用。判斷中國股票指數收益率是否存在波動聚集性時主要采用ARMA-GARCH-GED模型，

其中，c為時間序列的無條件均值方程的常數項，α0代表市場的基礎波動率，β1代表滯后誤差平方項的系數，α1代表滯后條件方差項的系數。模型構建如下所示。

rt=c+∑mi=1（φirt-i-c）+∑nj=1δjεt-j+εt

Var（εt）=σ2t=ht=α0+α1ht-1+β1ε2t-1（4）

2.股票市場的風險收益性

股票市場的風險收益特征是指在投資和交易過程中，股票價格所表現出的風險和收益之間的關系。通常情況下，投資者在承擔較高風險的同時，會期望獲得更高的回報，股票價格波動劇烈會增加投資者的風險，但也可能帶來更高收益的機會，低波動市場收益水平也會相對較低。在衡量中國股票市場的風險收益特性時主要參考Engle等（1987）的GARCH-M模型，通過在均值方程中加入條件方差研究中國股票市場的風險和收益關系，不僅符合金融理論中投資收益與風險存在相關的假定，也更好地刻畫了投資者因承擔額外風險而需要更多收益補償的現實情況。模型構建如下所示。

rt=c+∑mi=1（φirt-i-c）+∑nj=1δjεt-j+γht+εt

Var（εt）=σ2t=ht=α0+α1ht-1+β1ε2t-1（5）

3.股票市場的非對稱性

股票市場非對稱效應的研究主要體現在正面消息和負面消息對中國股票市場波動產生的非對稱性影響。通常情況下，正面消息和負面消息對市場波動產生的影響不盡相同，主要表現在負面消息對市場參與者的投資情緒影響程度更大，一旦出現負面消息，投資者的悲觀情緒會急劇蔓延，最終導致市場波動幅度增加。本文在對中國股票市場的非對稱效應進行分析時主要采用ARMA-EGARCH-GED模型。模型如下所示。

rt=c+∑mi=1（φirt-i-c）+∑nj=1δjεt-j+εt

lnht=α0+α1（εt-1ht-1）+γ1εt-1ht-1+β1lnht-1（6）

其中，c為均值方程的常數項，φ為自回歸系數，δ為移動平均系數，α0為條件方差方程的常數項，α1為線性沖擊響應系數，δ1為非對稱沖擊系數，β1為波動率持續性系數。

4.穩健性檢驗

在穩健性檢驗部分，本文采用ARMA-IGARCH-GED模型、ARMA-TGARCH-GED模型進一步討論中國股票市場風險波動聚集性和非對稱效應。其中，式（7）為ARMA-IGARCH-GED模型，式（8）為ARMA-TGARCH-GED模型。

rt=c+∑mi=1（φirt-i-c）+∑nj=1δjεt-j+εt

Var（εt）=σ2t=ht=α0+α1ht-1+β1ε2t-1，α1+β1=1（7）

rt=c+∑mi=1（φirt-i-c）+∑nj=1δjεt-j+εt

ht=α0+α1ε2t-1·I（εt-1gt;0）+β1ht-1（8）

其中I（·）為示性函數，當εt-1gt;0時示性函數取值為1，εt-1lt;0時取值為0。

四、實證分析

在對中國股票市場新的統計特征進行研究時，首先對其收益率進行單位根檢驗。考慮到結果的穩健性，本文采用3種單位根檢驗方法對中國股票市場4個指數的日收益率進行單位根檢驗，其中包括ADF單位根檢驗、PP單位根檢驗、DF-GLS單位根檢驗，結果如表1所示。其中（1）—（3）列為新常態經濟前中國股票市場的單位根檢驗結果，（4）—（6）列為新常態經濟時期中國股票市場的單位根檢驗結果。3種單位根檢驗表明，中國股票市場4個指數日收益率均滿足平穩性時間序列要求，不存在單位根。

（一）中國股票市場波動聚集性特征

本文采用ARMA-GARCH-GED模型對新常態經濟前和新常態經濟時期中國股票市場的波動聚集性進行特征分析，結果如表3所示，其中（1）—（4）列為新常態經濟前中國股票市場波動聚集性估計結果，（5）—（8）列為新常態經濟時期中國股票市場波動聚集性估計結果。可以看出，在所有模型中GARCH項系數和ARCH項系數都在1%的水平上顯著為正，這說明中國股票市場在新常態經濟前和新常態經濟時期都存在顯著的波動聚集性特征。同時GARCH項系數要遠遠大于ARCH項系數，這表明當期價格波動在很大程度上依賴于前期價格的波動，而前期誤差項對當期價格波動的影響較小。

對比新常態經濟前和新常態經濟時期中國股票市場的波動聚集性特征，可以發現GARCH項系數在逐漸減小，ARCH項系數在逐漸增大，這說明相對于新常態經濟前，在新常態經濟時期前期價格波動對當期價格波動的影響程度在逐漸減小，前期誤差項對當期價格波動的影響程度在逐漸增大。

（二）中國股票市場風險收益性特征

研究中國股票市場的風險收益特征，本文采用ARMA-MGARCH-GED模型進行實證分析，分析結果如表4所示。其中（1）—（4）列為新常態經濟前中國股票市場風險收益特征估計結果，（5）—（8）列為新常態經濟時期中國股票市場風險收益特征估計結果。可以看出，在新常態經濟前深圳成指的ARCHM項系數在5%的水平上顯著為正，創業板指數ARCHM項在10%的水平上顯著為正，上證綜指和滬深300指數ARCHM項系數都不顯著，這表明上證綜指和滬深300指數中條件方差所表現出的風險沒有在預期收益率中得到及時反映，風險與收益并沒有產生應有的正相關關系，而在深圳成指和創業板指數中風險與收益產生合理的正相關關系。在新常態經濟時期，只有創業板指數ARCHM項系數在10%的水平上顯著為正，其余3個指數ARCHM項系數都不顯著。對比新常態經濟前和新常態經濟時期中國股票市場的風險收益特征可以發現，深圳成指在新常態經濟時期風險與收益的正相關關系不再滿足，只有創業板指數在新常態經濟前和新常態經濟時期的風險收益特征都存在合理的正相關關系。出現這一現象的原因可能是在新常態經濟時期經濟增速逐步放緩，產業結構的調整和升級可能會導致一些行業的盈利受到影響，從而對股票的預期收益產生沖擊。在新常態經濟時期，不同行業的發展前景會有明顯的差別，如一些新興行業和高科技行業可能具有高風險高收益的特點，而一些傳統行業可能面臨較大的市場競爭和盈利壓力。創業板指數代表的是新興行業和高科技行業的創新型中小企業，而上證綜指和深圳成指主要代表傳統行業的成熟型大型企業，所以在新常態經濟時期創業板指數的風險與收益存在合理的正相關關系，而上證綜指和深圳成指的風險與收益并沒有產生應有的正相關關系。從整體上看，相較于新常態經濟前，在新常態經濟時期中國股票市場的風險與收益的正相關關系在逐漸減弱。

（三）中國股票市場非對稱性特征

本文繼續采用ARMA-EGARCH-GED模型進一步研究中國股票市場的非對稱效應，模型估計結果如表5所示。其中（1）—（4）列為新常態經濟前中國股票市場非對稱性特征估計結果。在新常態經濟前，深圳成指和滬深300指數的L.earch項系數在5%的水平上顯著為負，而上證綜指和創業板指數的L.earch項系數都不顯著。這表明對于深圳成指和滬深300指數而言，負面消息和正面消息對其影響程度不同，負面消息對其價格波動影響程度更大。（5）（8）列為新常態經濟時期中國股票市場非對稱性特征估計結果。在新常態經濟時期，只有深圳成指的L.earch項系數在5%的水平上顯著為負，其余3個指數的L.earch項系數都不顯著。這說明在新常態時期，負面消息和正面消息對上證綜指、滬深300指數和創業板指數波動的影響程度相同，不存在非對稱效應。究其原因可以發現，一方面因為中國證券市場中股票交易價格存在日漲幅限制，日漲幅限制是穩定股票市場的一種具體措施，當市場出現負面消息或正面消息時，這項具體措施會使股票價格限制在一定的范圍內，減弱了股票價格的波動程度，也使負面消息和正面消息對股票價格的影響程度大致相當。另一方面2014年是中國新常態經濟的開元之年，在新常態經濟下，完善資本市場結構，培育理性的投資主體是金融市場改革的首要目標。在新常態經濟背景下出臺的一系列政策，包括《國務院關于進一步促進資本市場健康發展的若干意見》，以保證上市公司信息的及時披露，也為投資者避免因負面消息而產生恐慌情緒注入一針強心劑。同時，如果出現大量的負面消息時，投資者對政府的“圖1和圖2分別是新常態經濟前和新常態經濟時期中國股票市場信息沖擊曲線，最早是由Engle和Ng （1993）提出，表示標準化殘差變動一個單位時引起條件方差的變動情況。圖中零刻度線左邊表示負標準差，即負面消息對條件方差的影響程度，零刻度線右邊表示正標準差，即正面消息對條件方差的影響程度。觀察圖1和圖2可知，滬深300指數的信息沖擊曲線從非對稱狀態變為對稱狀態，上證綜指和創業板指數在新常態經濟時期信息沖擊曲線也基本呈現對稱狀態，正面消息和負面消息對上述三個指數的波動影響程度相當，這進一步證實了相較于新常態經濟前，在新常態經濟時期中國股票市場的非對稱效應在逐漸減弱。

五、穩健性檢驗

為了保證上述結論的穩健性，本文還進行了諸多形式的穩健性檢驗。在探究中國股票市場的波動聚集性時，本文使用帶有約束條件的ARMA-IGARCH-GED模型重新估計結果，通過變化模型形式進一步檢驗結論的穩健性，波動聚集性的穩健性估計結果如表6所示。可以發現無論在新常態經濟前還是新常態經濟時期，中國股票市場都存在波動聚集性特征，并且相對于新常態經濟前，在新常態經濟時期前期價格波動對當期價格波動的影響程度在逐漸減小，這與前文結論一致。

在分析中國股票市場的非對稱性時，本文使用ARMA-TGARCH-GED模型重新估計結果（見表7）。可以發現無論在新常態經濟前還是在新常態經濟時期，深圳成指都存在顯著的非對稱性。滬深300指數在新常態經濟前具有顯著的非對稱性，而在新常態經濟時期不存在非對稱性。上證綜指和創業板指數都不存在顯著的非對稱性，估計結果與前文保持一致。總體來看，本文在采用其他模型重新估計后，得到的結論依舊是穩健和有效的。

六、結論與建議

作為中國資本市場重要組成部分的股票市場，其在新常態經濟下如何實現高質量發展成為當前亟待解決的問題。本文以上證綜指（SSE）、深圳成指（SZSE）、滬深300（CSI300）和創業板指數（GEM）為研究樣本，通過構建ARMA-GARCH-GED族模型對指數收益率從波動聚集性、風險收益性和非對稱性三個方面進行實證分析，探索中國股票市場在新常態經濟時期具有的新統計特征。結果顯示，在綜合考慮系數顯著性和模型顯著性（AIC和BIC）條件下，在新常態經濟前ARMA（4，3）模型可以更好地刻畫上證綜指和滬深300指數日收益率，ARMA（1，1）和ARMA（3，3）模型更符合深圳成指和創業板指數日收益率。在新常態經濟時期，ARMA（3，2）模型更符合上證綜指和深圳成指日收益率，ARMA（4，4）和ARMA（1，1）模型可以更好地刻畫滬深300指數和創業板指數日收益率。

在波動聚集性方面，通過構建ARMA-GARCH-GED模型可知，無論在新常態經濟前還是在新常態經濟時期，中國股票市場都存在顯著的波動聚集性特征，當期價格波動在很大程度上依賴于前期的價格波動。相較于新常態經濟前，在新常態經濟時期GARCH項系數在逐漸減小，ARCH項系數在逐漸增大，這說明前期價格波動對當期價格波動的影響程度在逐漸減小。風險收益性方面，通過構建ARMA-MGARCH-GED模型可知，在新常態經濟前，深圳成指和創業板指數的風險與收益存在顯著的正相關關系。在新常態經濟時期，只有創業板指數的風險與收益存在顯著的正相關關系。深圳成指在新常態經濟時期風險與收益的正相關關系也不再滿足，這充分說明在新常態經濟時期，中國股票市場風險與收益的正相關關系在逐漸減弱，風險并沒有在預期收益率中得到及時反映，投資者對市場風險的補償要求沒有得到滿足。在非對稱性方面，通過構建ARMA-EGARCH-GED模型可知，在新常態經濟前深圳成指和滬深300指數存在顯著的非對稱性，負面消息對上述兩個指數波動的影響程度更大。在新常態經濟時期，只有深圳成指存在顯著的非對稱性，滬深300指數不再具有非對稱性。這說明在新常態經濟時期中國股票市場的非對稱效應在逐漸減弱，正面消息和負面消息對中國股票市場的影響程度在逐漸趨同，這與中國股票市場的進一步完善密切相關。本文繼續運用ARMA-IGARCH-GED模型和ARMA-TGARCH-GED模型對中國股票市場新的統計特征進行穩健性檢驗，結論依舊是穩健和有效的。

未來對于中國股票市場而言，政府需要進一步加強上市公司的風險披露制度以及完善分紅派息制度，提高股票市場信息的準確性和及時性。同時引進更多的投資主體類型，尤其是不同類型的機構投資者進入股票市場，避免股票市場產生劇烈波動。金融監管部門需進一步提高中小投資者的風險防范意識，使投資者形成良好的風險——收益決策理念，幫助投資者對股票市場的風險和收益有一個科學的評估。通過完善金融監管力度和加強中小投資者的金融教育，正確度量股票市場存在的風險，從而促進中國股票市場實現高質量發展。

參考文獻

［1］林毅夫. 展望未來 20 年中國經濟發展格局［J］. 中國流通經濟，2012，26（6）：4-7.

［2］周德才，張莉娟，王曉.新舊常態比較下中國經濟周期波動的混頻測度［J］.統計與決策，2022，38（13）：132-136.

［3］云喆，張茹茹，張勃，等.新常態下的人力資本與經濟增長——綜合金融資本和創新創業的理論建模［J］.技術經濟，2021，40（5）：50-63.

［4］HU A G. Embracing Chinas “New normal” Why the economy is still on track［J］. Foreign Affairs， 2015，94（3）：8-12.

［5］張曉晶.經濟新常態［J］.經濟研究，2022，57（7）：4-11.

［6］ENGLE" R F. Autoregressive conditional heteroscedasticity with estimate of the variance of U.K. inflation ［J］. Econometrica， 1982，50（4）：987-1007.

［7］BOLLERSLEVE， T. Generalized autoregressive conditional heteroskedasticity［J］.Journal of Econometrics，1986，31（3）：307-327.

［8］賈尚暉，陳薪卉，金佳宇.全球氣候變化與股票市場風險——基于GARCH-Copula-CoVaR模型［J］.中央財經大學學報，2025（2）：105-121，138.

［9］張天頂，施展.國際大宗商品價格沖擊對中國股票市場的影響［J］.南開經濟研究，2022（11）：59-74，114.

［10］ENGLE R.Dynamic conditional correlation：A simple class of multivariate GARCH Models［J］. Journal of Business amp; Economic Statistics， 2000，20（3）：339-350.

［11］ENGLE R F， NG V K. Measuring and testing the impact of news on volatility［J］.The Journal of Finance， 1993，48（5）：1749-1778.

［12］ENGLE R F， LILIEN D M， ROBINS R P. Estimating time varying risk premia in the term structure： The Arch-M Model［J］. Econometrica， 1987，55（2）：391-407.

［13］CHOU R Y. Volatility persistence and stock valuations： Some empirical evidence using garch［J］. Journal of Applied Econometrics， 1988，3（4）：279-294.

［14］ZAKOIAN J M. Threshold heteroskedastic models［J］. Journal of Economic Dynamics amp; Control， 1994，18（5）：931-955.

［15］NELSON D B. Conditional heteroskedasticity in asset returns： A new approach［J］.Econometrica， 1991，59（2）：347-370.

［16］MERTON R C.Theory of rational option pricing［J］.The Bell Journal of Economics amp; Management Science， 1973， 4（1）：141-183.

［17］BRANDT M W， KANG Q.On the relationship between the conditional mean and volatility of stock returns： A latent VAR approach［J］.Journal of Financial Economics， 2004， 72（2）：217-257.

［18］LUNDBLAD C.The risk return tradeoff in the long run： 1836-2003［J］.Journal of Financial Economics， 2007， 85（1）：123-150.

［19］REFAI H A， EISSA M A， ZEITUN R.Asymmetric volatility and conditional expected returns： Evidence from emerging market sectors［J］.International Journal of Emerging Markets， 2017， 12（2）：335-351.

［20］KHAN F， KHAN H， KHAN S U R，et al.Macroeconomic sensitivity， risk-return trade-off and volatility dynamics evidence from developed and developing markets［J］.International Journal of Corporate Finance and Accounting， 2019， 6（1）：1-16.

［21］曹潔，雷良海，雷其然.國際股市對中國股市風險溢出的疊加效應研究——基于FNAC-ΔCoES模型［J］.管理評論，2023，35（3）：49-60.

［22］田靜，葉小芬，閆明.國際能源市場與股票市場的波動溢出效應及驅動因素研究——基于TVP-VAR-DY溢出指數分解的實證研究［J］.經濟體制改革，2023（6）：142-151.

［23］劉志峰，張子汸，戴鵬飛，等.碳市場與股票市場間的崩盤風險溢出效應研究：新冠疫情、投資者情緒與經濟政策不確定性［J］.系統工程理論與實踐，2023，43（3）：740-754.

［24］徐鳳敏，馬杰傲，景奎.ESG觀點與股票市場定價——來自AI語言模型和新聞文本的證據［J］.當代經濟科學，2023，45（6）：29-43.

［25］CHEUNG Y W， NG L K.Stock price dynamics and firm size： An empirical investigation［J］.Journal of Finance，1992，47（5）：1985-1997.

［26］張艾蓮，潘夢夢.股票市場超高頻波動識別與風險防范［J］.現代經濟探討，2024（6）：49-59.

［27］徐楠芝，戴芳，于海躍.股票市場與公司債市場風險的相依和溢出研究——基于重大突發公共事件的視角［J］.財經問題研究，2022（10）：64-72.

［28］姜翔程，熊亞敏.基于GARCH族模型的我國股市波動性研究［J］.西南師范大學學報（自然科學版），2017，42（2）：115-119.

［29］王寶璐，宋培，郭艷紅.不同市場狀態下行業投資時鐘的構建——基于中國股票市場行業月份效應的研究［J］.投資研究，2023，42（7）：95-113.

［30］顧洪梅，張嫚玲.投資者情緒與股票市場——基于COVID-19疫情突發事件［J］.上海金融，2023（3）：44-56.

［31］司穎華，孟娟霞.中國經濟不確定性對國際原油價格的時變效應分析［J］.中國證券期貨，2024（6）：13-20.

［32］梁尚健，王灜.新冠疫情對我國股債市場的影響研究——基于ARIMA模型的實證分析［J］.中國證券期貨，2024（4）：59-66，89.