新常態(tài)經(jīng)濟(jì)下中國股票市場高質(zhì)量發(fā)展研究

摘 要：適應(yīng)新常態(tài)及經(jīng)濟(jì)新發(fā)展，是中國當(dāng)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(tài)經(jīng)濟(jì)時期如何實現(xiàn)高質(zhì)量發(fā)展具有一定的理論意義及現(xiàn)實意義。以中國股票市場具有代表性的4個指數(shù)為樣本，通過構(gòu)建ARMA-GARCH-GED族模型對比分析新常態(tài)經(jīng)濟(jì)前和新常態(tài)經(jīng)濟(jì)時期中國股票市場發(fā)展存在的差異性，探索在新經(jīng)濟(jì)模式下中國股市新的統(tǒng)計特征。結(jié)果顯示，在波動聚集性方面，無論在新常態(tài)經(jīng)濟(jì)前還是新常態(tài)經(jīng)濟(jì)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(dāng)期價格波動的影響程度在逐漸減小；在風(fēng)險收益和非對稱性方面，相較于新常態(tài)經(jīng)濟(jì)前，在新常態(tài)經(jīng)濟(jì)時期中國股票市場風(fēng)險與收益的正相關(guān)關(guān)系在逐漸減弱，風(fēng)險并沒有在預(yù)期收益中得到及時反映。同時，中國股票市場的非對稱效應(yīng)也在逐漸減弱，正面消息和負(fù)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(tài)經(jīng)濟(jì)背景下存在的運(yùn)行規(guī)律提供有益的經(jīng)驗證據(jù)，同時為進(jìn)一步推動中國資本市場高質(zhì)量發(fā)展提供更多的政策參考。

關(guān)鍵詞：股票市場；新常態(tài)經(jīng)濟(jì)；波動聚集性；風(fēng)險收益性；非對稱性

一、引言

新常態(tài)經(jīng)濟(jì)這個概念是在全球經(jīng)濟(jì)增速放緩的背景下應(yīng)運(yùn)而生的。2010年達(dá)沃斯世界經(jīng)濟(jì)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(jī)后的美國正處于一個經(jīng)濟(jì)發(fā)展的新常態(tài)時期，經(jīng)濟(jì)長期疲軟，失業(yè)率高企，風(fēng)險驟增可能是美國在新常態(tài)時期的典型特征（林毅夫，2012）。對于中國而言，2014年5月習(xí)近平總書記在考察河南時，從當(dāng)前中國經(jīng)濟(jì)發(fā)展的階段性特征出發(fā)指出中國要適應(yīng)新常態(tài)，要以平和的心態(tài)面對中國經(jīng)濟(jì)發(fā)展的機(jī)遇和挑戰(zhàn)。

步入經(jīng)濟(jì)新常態(tài)以后，我國的宏觀經(jīng)濟(jì)波動顯著下降，我國的供給側(cè)結(jié)構(gòu)性改革已經(jīng)取得顯著成效，宏觀經(jīng)濟(jì)中的結(jié)構(gòu)性矛盾有所緩解（周德才等，2022）。

中國經(jīng)濟(jì)增速放緩是不可避免的，

放緩的經(jīng)濟(jì)增長步伐帶來新的矛盾和挑戰(zhàn)，經(jīng)濟(jì)增長模式從以往的粗放型逐漸向集約型轉(zhuǎn)變，

通過持續(xù)有效的經(jīng)濟(jì)增長和公平的利益分配機(jī)制改善人民的生活質(zhì)量是未來中國經(jīng)濟(jì)改革的發(fā)展方向（Hu，2015）。

中國經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，是黨中央在新的時代條件下，對當(dāng)前與未來一個時期經(jīng)濟(jì)走勢的科學(xué)論斷，認(rèn)識新常態(tài)、適應(yīng)新常態(tài)、引領(lǐng)新常態(tài)成為當(dāng)前和今后一個時期我國經(jīng)濟(jì)發(fā)展的大邏輯（張曉晶，2022）。

新常態(tài)經(jīng)濟(jì)是一種可持續(xù)發(fā)展的新經(jīng)濟(jì)模式，有別于以往追求總量經(jīng)濟(jì)、忽視結(jié)構(gòu)失衡的舊發(fā)展模式，新常態(tài)經(jīng)濟(jì)著眼于調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，找準(zhǔn)新的經(jīng)濟(jì)增長點，通過技術(shù)創(chuàng)新促進(jìn)有效率地增長。反觀中國的資本市場，在新常態(tài)經(jīng)濟(jì)背景下，未來更有質(zhì)量、更有效益的增長預(yù)期會對完善資本市場結(jié)構(gòu)奠定良好的經(jīng)濟(jì)基礎(chǔ)。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(yè)提供融資途徑和成長空間發(fā)揮了巨大的作用，深刻影響著中國資本市場的發(fā)展。然而中國股票市場也隱含著諸多風(fēng)險因素，包括信息不對稱導(dǎo)致的披露風(fēng)險，對公眾投資者的金融教育不足導(dǎo)致股票價格波動劇烈等都會進(jìn)一步損害中國股票市場的高質(zhì)量發(fā)展。在新常態(tài)經(jīng)濟(jì)時期，從2015年6月到9月短短三個月，創(chuàng)業(yè)板指數(shù)從4037.96點跌落到1779.18點，跌幅高達(dá)56%，其中振幅超過5%的交易日超過25天。中國創(chuàng)業(yè)板市場在新常態(tài)經(jīng)濟(jì)時期的劇烈波動不禁讓我們思考，中國股票市場在新的經(jīng)濟(jì)模式下是否存在新的運(yùn)行規(guī)律，這種新的運(yùn)行規(guī)律是否有助于推動中國股票市場的高質(zhì)量發(fā)展？所以研究新常態(tài)經(jīng)濟(jì)時期中國股票市場新的運(yùn)行特征具有深遠(yuǎn)的理論意義和現(xiàn)實意義。

本文選取中國股票市場具有代表性的四個指數(shù)：上證綜指（SSE），深圳成指（SZSE），滬深300指數(shù)（CSI300），創(chuàng)業(yè)板指數(shù)（GEM），通過構(gòu)建ARMA-GARCH-GED族模型對中國股票市場進(jìn)行深入研究。本文通過對比分析在新常態(tài)經(jīng)濟(jì)前和新常態(tài)經(jīng)濟(jì)時期中國股票市場在波動聚集性、風(fēng)險收益性和非對稱性三個方面存在的差異，發(fā)現(xiàn)無論在新常態(tài)經(jīng)濟(jì)前還是在新常態(tài)經(jīng)濟(jì)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(dāng)期價格波動的影響程度在逐漸減小。相較于新常態(tài)經(jīng)濟(jì)前，在新常態(tài)經(jīng)濟(jì)時期中國股票市場的風(fēng)險與收益存在的正相關(guān)關(guān)系在逐漸減弱，非對稱效應(yīng)也在逐漸減弱，正面消息和負(fù)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(jīng)濟(jì)模式下具備新的運(yùn)行規(guī)律。

本文可能存在的邊際貢獻(xiàn)體現(xiàn)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(tài)經(jīng)濟(jì)前和新常態(tài)經(jīng)濟(jì)時期中國股票市場發(fā)展存在的差異，探索中國股票市場在新的經(jīng)濟(jì)模式下存在的運(yùn)行規(guī)律。第二，研究內(nèi)容方面，本文從波動聚集性、風(fēng)險收益性和非對稱性三個方面刻畫中國股票市場的運(yùn)行規(guī)律，并展開異質(zhì)性討論。通過揭示中國股票市場所蘊(yùn)含的新的統(tǒng)計特征，為政府相關(guān)部門進(jìn)一步促進(jìn)資本市場高質(zhì)量發(fā)展提供理論依據(jù)。

二、文獻(xiàn)綜述

證券市場收益和風(fēng)險的度量一直是國內(nèi)外學(xué)者研究的重點領(lǐng)域。通常情況下，金融資產(chǎn)收益率普遍存在“尖峰后尾”“波動聚集”等特征。在用傳統(tǒng)回歸方法對金融資產(chǎn)收益率波動進(jìn)行研究時，往往會出現(xiàn)“有偏且不一致”的估計結(jié)果。在研究和刻畫股票價格收益率波動時，Engle（1982）首次提出運(yùn)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(shù)非負(fù)數(shù)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(jī)誤差項的條件方差不僅與前期誤差項有關(guān)，還與前期條件方差有關(guān)。

賈尚暉等（2025）在探討極端氣候風(fēng)險對行業(yè)尾部的傳染效應(yīng)時，利用GARCH對沖模型計算了氣候變化指數(shù)與各行業(yè)指數(shù)的最優(yōu)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(chǎn)生差異性影響（張?zhí)祉敽褪┱梗?022）

。隨著GARCH模型的廣泛使用逐漸擴(kuò)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(kuò)展既能更加符合現(xiàn)實金融資產(chǎn)收益率的波動特征，又對其評估和預(yù)測金融資產(chǎn)收益率具有更高的準(zhǔn)確性。

關(guān)于對股票市場風(fēng)險與收益關(guān)系的研究，Merton（1973）通過構(gòu)建資本資產(chǎn)定價模型，提出金融資產(chǎn)風(fēng)險與收益的關(guān)系應(yīng)該成正比，因為投資者希望通過更高的收益來彌補(bǔ)必須承擔(dān)的風(fēng)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(guān)系。Lundblad（2007）研究1802—1987年的美國股票市場發(fā)現(xiàn)，美國股票價格的風(fēng)險與收益呈現(xiàn)顯著的正相關(guān)關(guān)系。金融危機(jī)后中國股票市場的風(fēng)險收益正相關(guān)關(guān)系顯著加強(qiáng)，這得益于投資者有了更強(qiáng)的風(fēng)險溢價需求（王天一等，2014）。也有部分學(xué)者的研究表明，股票市場的風(fēng)險與收益呈現(xiàn)負(fù)相關(guān)關(guān)系。Refai等（2017）研究約旦新型股票市場在金融危機(jī)前和金融危機(jī)期間風(fēng)險與收益的關(guān)系，結(jié)論表明，在金融危機(jī)前約旦股票市場風(fēng)險與收益呈正相關(guān)關(guān)系，而在金融危機(jī)期間風(fēng)險與收益存在不顯著的負(fù)相關(guān)關(guān)系。通過比較美國和阿聯(lián)酋股票市場發(fā)現(xiàn)，阿聯(lián)酋股票市場存在正的風(fēng)險收益關(guān)系，而在美國股票市場則存在負(fù)的風(fēng)險收益關(guān)系（Khan等， 2019）。

進(jìn)一步地，諸多學(xué)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(fēng)險產(chǎn)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(fù)面消息對股票價格波動的影響程度。通常情況下，負(fù)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(fā)現(xiàn)，負(fù)面消息對股價波動的沖擊要遠(yuǎn)遠(yuǎn)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(xù)行為更為普遍，且連續(xù)和跳躍行為存在非對稱性。同時，股票市場的極端風(fēng)險溢出效應(yīng)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(jìn)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(fā)現(xiàn)，中國股票市場的投資者面對負(fù)面消息反應(yīng)程度更大，更容易產(chǎn)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(yīng)，重大公共衛(wèi)生事件的發(fā)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(nèi)外學(xué)者從不同角度對股票市場的研究，同時從波動聚集性、風(fēng)險收益性和非對稱性三個方面探討中國股票市場的高質(zhì)量發(fā)展?fàn)顩r仍較為缺乏，且研究視角極為有限，尤其對新常態(tài)經(jīng)濟(jì)背景下中國股票市場發(fā)展存在的新運(yùn)行特征鮮有關(guān)注。基于此，本文通過構(gòu)建ARMA-GARCH-GED族模型，對比分析中國股票市場在新常態(tài)經(jīng)濟(jì)前和新常態(tài)經(jīng)濟(jì)時期發(fā)展的不同之處，深入揭示中國股票市場在新的經(jīng)濟(jì)模式下的運(yùn)行規(guī)律。這不僅有利于豐富和拓展中國資本市場高質(zhì)量發(fā)展的理論成果，還為進(jìn)一步規(guī)范中國股票市場健康發(fā)展提供有益的經(jīng)驗證據(jù)和政策建議。

三、研究設(shè)計

（一）數(shù)據(jù)說明及變量定義

中國股票市場包括主板、中小板、創(chuàng)業(yè)板等相關(guān)板塊，在研究新常態(tài)經(jīng)濟(jì)時期中國股票市場存在的新統(tǒng)計特征時，本文采用上海證券交易所綜合指數(shù)（SSE）、深圳證券交易所成分指數(shù)（SZSE）、滬深300指數(shù)（CSI300）和創(chuàng)業(yè)板指數(shù)（GEM）來度量中國股票市場的高質(zhì)量發(fā)展?fàn)顩r。

2013年12月，在中央經(jīng)濟(jì)工作會議上，習(xí)近平總書記首提新常態(tài)。2014年5月，習(xí)近平總書記在河南考察時，提出適應(yīng)新常態(tài)。同年11月，在APEC工商領(lǐng)導(dǎo)人峰會上，習(xí)近平總書記集中闡述了中國經(jīng)濟(jì)發(fā)展新常態(tài)下速度變化、動力轉(zhuǎn)化等特點，并集中表達(dá)了新常態(tài)將給中國帶來新的機(jī)遇。基于此，本文將新常態(tài)經(jīng)濟(jì)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(tài)經(jīng)濟(jì)前的研究周期，共有2066個交易日，由于創(chuàng)業(yè)板指數(shù)的設(shè)立時間為2010年，所以創(chuàng)業(yè)板指數(shù)在新常態(tài)經(jīng)濟(jì)前有868個交易日。2014年1月2日至2023年5月1日為新常態(tài)經(jīng)濟(jì)時期的研究周期，共有2270個交易日。

（二）模型構(gòu)建

在研究新常態(tài)經(jīng)濟(jì)下中國股票市場發(fā)展新統(tǒng)計特征時，本文主要從波動聚集性、風(fēng)險收益性和非對稱性三個角度進(jìn)行模型構(gòu)建。首先對中國股市的收益率進(jìn)行ARMA建模。ARMA模型是一類常用的隨機(jī)時間序列模型，通過對時間序列的當(dāng)期值、過去值以及滯后隨機(jī)誤差項進(jìn)行加權(quán)構(gòu)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(shù)日收益率，包括上證綜指（SSE）、深圳成指（SZSE）、滬深300（CSI300）和創(chuàng)業(yè)板指數(shù)（GEM），t=1，2，分別表示新常態(tài)經(jīng)濟(jì)前和新常態(tài)經(jīng)濟(jì)時期。yt表示中國股票市場4個指數(shù)正常交易日收盤價。

由于中國股票市場指數(shù)存在尖峰厚尾的特征，并不符合正態(tài)分布規(guī)律，廣義誤差分布（GED分布）作為一種綜合、復(fù)雜的分布，在考慮金融資產(chǎn)厚尾特性的同時，還可以很好地刻畫金融資產(chǎn)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(jìn)行參數(shù)估計。GED分布概率密度函數(shù)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(shù)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(kuò)大其滯后階數(shù)并沒有太大的好處。眾多學(xué)者的研究也進(jìn)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(gòu)建的GARCH族模型滯后項階數(shù)統(tǒng)一為1階滯后。

公式（2）（3）中n為形狀參數(shù)，ht為條件方差，I（·）為伽馬函數(shù)。

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(nèi)呈現(xiàn)出聚集的趨勢，即存在連續(xù)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(jié)構(gòu)和風(fēng)險變化等多種因素的交互作用。判斷中國股票指數(shù)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(shù)項，α0代表市場的基礎(chǔ)波動率，β1代表滯后誤差平方項的系數(shù)，α1代表滯后條件方差項的系數(shù)。模型構(gòu)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(fēng)險收益性

股票市場的風(fēng)險收益特征是指在投資和交易過程中，股票價格所表現(xiàn)出的風(fēng)險和收益之間的關(guān)系。通常情況下，投資者在承擔(dān)較高風(fēng)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(fēng)險，但也可能帶來更高收益的機(jī)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(fēng)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(fēng)險和收益關(guān)系，不僅符合金融理論中投資收益與風(fēng)險存在相關(guān)的假定，也更好地刻畫了投資者因承擔(dān)額外風(fēng)險而需要更多收益補(bǔ)償?shù)默F(xiàn)實情況。模型構(gòu)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(yīng)的研究主要體現(xiàn)在正面消息和負(fù)面消息對中國股票市場波動產(chǎn)生的非對稱性影響。通常情況下，正面消息和負(fù)面消息對市場波動產(chǎn)生的影響不盡相同，主要表現(xiàn)在負(fù)面消息對市場參與者的投資情緒影響程度更大，一旦出現(xiàn)負(fù)面消息，投資者的悲觀情緒會急劇蔓延，最終導(dǎo)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(yīng)進(jìn)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(shù)項，φ為自回歸系數(shù)，δ為移動平均系數(shù)，α0為條件方差方程的常數(shù)項，α1為線性沖擊響應(yīng)系數(shù)，δ1為非對稱沖擊系數(shù)，β1為波動率持續(xù)性系數(shù)。

4.穩(wěn)健性檢驗

在穩(wěn)健性檢驗部分，本文采用ARMA-IGARCH-GED模型、ARMA-TGARCH-GED模型進(jìn)一步討論中國股票市場風(fēng)險波動聚集性和非對稱效應(yīng)。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(shù)，當(dāng)εt-1gt;0時示性函數(shù)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(tǒng)計特征進(jìn)行研究時，首先對其收益率進(jìn)行單位根檢驗。考慮到結(jié)果的穩(wěn)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(shù)的日收益率進(jìn)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(jié)果如表1所示。其中（1）—（3）列為新常態(tài)經(jīng)濟(jì)前中國股票市場的單位根檢驗結(jié)果，（4）—（6）列為新常態(tài)經(jīng)濟(jì)時期中國股票市場的單位根檢驗結(jié)果。3種單位根檢驗表明，中國股票市場4個指數(shù)日收益率均滿足平穩(wěn)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(tài)經(jīng)濟(jì)前和新常態(tài)經(jīng)濟(jì)時期中國股票市場的波動聚集性進(jìn)行特征分析，結(jié)果如表3所示，其中（1）—（4）列為新常態(tài)經(jīng)濟(jì)前中國股票市場波動聚集性估計結(jié)果，（5）—（8）列為新常態(tài)經(jīng)濟(jì)時期中國股票市場波動聚集性估計結(jié)果。可以看出，在所有模型中GARCH項系數(shù)和ARCH項系數(shù)都在1%的水平上顯著為正，這說明中國股票市場在新常態(tài)經(jīng)濟(jì)前和新常態(tài)經(jīng)濟(jì)時期都存在顯著的波動聚集性特征。同時GARCH項系數(shù)要遠(yuǎn)遠(yuǎn)大于ARCH項系數(shù)，這表明當(dāng)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(dāng)期價格波動的影響較小。

對比新常態(tài)經(jīng)濟(jì)前和新常態(tài)經(jīng)濟(jì)時期中國股票市場的波動聚集性特征，可以發(fā)現(xiàn)GARCH項系數(shù)在逐漸減小，ARCH項系數(shù)在逐漸增大，這說明相對于新常態(tài)經(jīng)濟(jì)前，在新常態(tài)經(jīng)濟(jì)時期前期價格波動對當(dāng)期價格波動的影響程度在逐漸減小，前期誤差項對當(dāng)期價格波動的影響程度在逐漸增大。

（二）中國股票市場風(fēng)險收益性特征

研究中國股票市場的風(fēng)險收益特征，本文采用ARMA-MGARCH-GED模型進(jìn)行實證分析，分析結(jié)果如表4所示。其中（1）—（4）列為新常態(tài)經(jīng)濟(jì)前中國股票市場風(fēng)險收益特征估計結(jié)果，（5）—（8）列為新常態(tài)經(jīng)濟(jì)時期中國股票市場風(fēng)險收益特征估計結(jié)果?？梢钥闯觯谛鲁B(tài)經(jīng)濟(jì)前深圳成指的ARCHM項系數(shù)在5%的水平上顯著為正，創(chuàng)業(yè)板指數(shù)ARCHM項在10%的水平上顯著為正，上證綜指和滬深300指數(shù)ARCHM項系數(shù)都不顯著，這表明上證綜指和滬深300指數(shù)中條件方差所表現(xiàn)出的風(fēng)險沒有在預(yù)期收益率中得到及時反映，風(fēng)險與收益并沒有產(chǎn)生應(yīng)有的正相關(guān)關(guān)系，而在深圳成指和創(chuàng)業(yè)板指數(shù)中風(fēng)險與收益產(chǎn)生合理的正相關(guān)關(guān)系。在新常態(tài)經(jīng)濟(jì)時期，只有創(chuàng)業(yè)板指數(shù)ARCHM項系數(shù)在10%的水平上顯著為正，其余3個指數(shù)ARCHM項系數(shù)都不顯著。對比新常態(tài)經(jīng)濟(jì)前和新常態(tài)經(jīng)濟(jì)時期中國股票市場的風(fēng)險收益特征可以發(fā)現(xiàn)，深圳成指在新常態(tài)經(jīng)濟(jì)時期風(fēng)險與收益的正相關(guān)關(guān)系不再滿足，只有創(chuàng)業(yè)板指數(shù)在新常態(tài)經(jīng)濟(jì)前和新常態(tài)經(jīng)濟(jì)時期的風(fēng)險收益特征都存在合理的正相關(guān)關(guān)系。出現(xiàn)這一現(xiàn)象的原因可能是在新常態(tài)經(jīng)濟(jì)時期經(jīng)濟(jì)增速逐步放緩，產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整和升級可能會導(dǎo)致一些行業(yè)的盈利受到影響，從而對股票的預(yù)期收益產(chǎn)生沖擊。在新常態(tài)經(jīng)濟(jì)時期，不同行業(yè)的發(fā)展前景會有明顯的差別，如一些新興行業(yè)和高科技行業(yè)可能具有高風(fēng)險高收益的特點，而一些傳統(tǒng)行業(yè)可能面臨較大的市場競爭和盈利壓力。創(chuàng)業(yè)板指數(shù)代表的是新興行業(yè)和高科技行業(yè)的創(chuàng)新型中小企業(yè)，而上證綜指和深圳成指主要代表傳統(tǒng)行業(yè)的成熟型大型企業(yè)，所以在新常態(tài)經(jīng)濟(jì)時期創(chuàng)業(yè)板指數(shù)的風(fēng)險與收益存在合理的正相關(guān)關(guān)系，而上證綜指和深圳成指的風(fēng)險與收益并沒有產(chǎn)生應(yīng)有的正相關(guān)關(guān)系。從整體上看，相較于新常態(tài)經(jīng)濟(jì)前，在新常態(tài)經(jīng)濟(jì)時期中國股票市場的風(fēng)險與收益的正相關(guān)關(guān)系在逐漸減弱。

（三）中國股票市場非對稱性特征

本文繼續(xù)采用ARMA-EGARCH-GED模型進(jìn)一步研究中國股票市場的非對稱效應(yīng)，模型估計結(jié)果如表5所示。其中（1）—（4）列為新常態(tài)經(jīng)濟(jì)前中國股票市場非對稱性特征估計結(jié)果。在新常態(tài)經(jīng)濟(jì)前，深圳成指和滬深300指數(shù)的L.earch項系數(shù)在5%的水平上顯著為負(fù)，而上證綜指和創(chuàng)業(yè)板指數(shù)的L.earch項系數(shù)都不顯著。這表明對于深圳成指和滬深300指數(shù)而言，負(fù)面消息和正面消息對其影響程度不同，負(fù)面消息對其價格波動影響程度更大。（5）（8）列為新常態(tài)經(jīng)濟(jì)時期中國股票市場非對稱性特征估計結(jié)果。在新常態(tài)經(jīng)濟(jì)時期，只有深圳成指的L.earch項系數(shù)在5%的水平上顯著為負(fù)，其余3個指數(shù)的L.earch項系數(shù)都不顯著。這說明在新常態(tài)時期，負(fù)面消息和正面消息對上證綜指、滬深300指數(shù)和創(chuàng)業(yè)板指數(shù)波動的影響程度相同，不存在非對稱效應(yīng)。究其原因可以發(fā)現(xiàn)，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(wěn)定股票市場的一種具體措施，當(dāng)市場出現(xiàn)負(fù)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(nèi)，減弱了股票價格的波動程度，也使負(fù)面消息和正面消息對股票價格的影響程度大致相當(dāng)。另一方面2014年是中國新常態(tài)經(jīng)濟(jì)的開元之年，在新常態(tài)經(jīng)濟(jì)下，完善資本市場結(jié)構(gòu)，培育理性的投資主體是金融市場改革的首要目標(biāo)。在新常態(tài)經(jīng)濟(jì)背景下出臺的一系列政策，包括《國務(wù)院關(guān)于進(jìn)一步促進(jìn)資本市場健康發(fā)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(fù)面消息而產(chǎn)生恐慌情緒注入一針強(qiáng)心劑。同時，如果出現(xiàn)大量的負(fù)面消息時，投資者對政府的“圖1和圖2分別是新常態(tài)經(jīng)濟(jì)前和新常態(tài)經(jīng)濟(jì)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(biāo)準(zhǔn)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(fù)標(biāo)準(zhǔn)差，即負(fù)面消息對條件方差的影響程度，零刻度線右邊表示正標(biāo)準(zhǔn)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(shù)的信息沖擊曲線從非對稱狀態(tài)變?yōu)閷ΨQ狀態(tài)，上證綜指和創(chuàng)業(yè)板指數(shù)在新常態(tài)經(jīng)濟(jì)時期信息沖擊曲線也基本呈現(xiàn)對稱狀態(tài)，正面消息和負(fù)面消息對上述三個指數(shù)的波動影響程度相當(dāng)，這進(jìn)一步證實了相較于新常態(tài)經(jīng)濟(jì)前，在新常態(tài)經(jīng)濟(jì)時期中國股票市場的非對稱效應(yīng)在逐漸減弱。

五、穩(wěn)健性檢驗

為了保證上述結(jié)論的穩(wěn)健性，本文還進(jìn)行了諸多形式的穩(wěn)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(jié)果，通過變化模型形式進(jìn)一步檢驗結(jié)論的穩(wěn)健性，波動聚集性的穩(wěn)健性估計結(jié)果如表6所示。可以發(fā)現(xiàn)無論在新常態(tài)經(jīng)濟(jì)前還是新常態(tài)經(jīng)濟(jì)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(tài)經(jīng)濟(jì)前，在新常態(tài)經(jīng)濟(jì)時期前期價格波動對當(dāng)期價格波動的影響程度在逐漸減小，這與前文結(jié)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(jié)果（見表7）?？梢园l(fā)現(xiàn)無論在新常態(tài)經(jīng)濟(jì)前還是在新常態(tài)經(jīng)濟(jì)時期，深圳成指都存在顯著的非對稱性。滬深300指數(shù)在新常態(tài)經(jīng)濟(jì)前具有顯著的非對稱性，而在新常態(tài)經(jīng)濟(jì)時期不存在非對稱性。上證綜指和創(chuàng)業(yè)板指數(shù)都不存在顯著的非對稱性，估計結(jié)果與前文保持一致?？傮w來看，本文在采用其他模型重新估計后，得到的結(jié)論依舊是穩(wěn)健和有效的。

六、結(jié)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(tài)經(jīng)濟(jì)下如何實現(xiàn)高質(zhì)量發(fā)展成為當(dāng)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(chuàng)業(yè)板指數(shù)（GEM）為研究樣本，通過構(gòu)建ARMA-GARCH-GED族模型對指數(shù)收益率從波動聚集性、風(fēng)險收益性和非對稱性三個方面進(jìn)行實證分析，探索中國股票市場在新常態(tài)經(jīng)濟(jì)時期具有的新統(tǒng)計特征。結(jié)果顯示，在綜合考慮系數(shù)顯著性和模型顯著性（AIC和BIC）條件下，在新常態(tài)經(jīng)濟(jì)前ARMA（4，3）模型可以更好地刻畫上證綜指和滬深300指數(shù)日收益率，ARMA（1，1）和ARMA（3，3）模型更符合深圳成指和創(chuàng)業(yè)板指數(shù)日收益率。在新常態(tài)經(jīng)濟(jì)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(shù)和創(chuàng)業(yè)板指數(shù)日收益率。

在波動聚集性方面，通過構(gòu)建ARMA-GARCH-GED模型可知，無論在新常態(tài)經(jīng)濟(jì)前還是在新常態(tài)經(jīng)濟(jì)時期，中國股票市場都存在顯著的波動聚集性特征，當(dāng)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(tài)經(jīng)濟(jì)前，在新常態(tài)經(jīng)濟(jì)時期GARCH項系數(shù)在逐漸減小，ARCH項系數(shù)在逐漸增大，這說明前期價格波動對當(dāng)期價格波動的影響程度在逐漸減小。風(fēng)險收益性方面，通過構(gòu)建ARMA-MGARCH-GED模型可知，在新常態(tài)經(jīng)濟(jì)前，深圳成指和創(chuàng)業(yè)板指數(shù)的風(fēng)險與收益存在顯著的正相關(guān)關(guān)系。在新常態(tài)經(jīng)濟(jì)時期，只有創(chuàng)業(yè)板指數(shù)的風(fēng)險與收益存在顯著的正相關(guān)關(guān)系。深圳成指在新常態(tài)經(jīng)濟(jì)時期風(fēng)險與收益的正相關(guān)關(guān)系也不再滿足，這充分說明在新常態(tài)經(jīng)濟(jì)時期，中國股票市場風(fēng)險與收益的正相關(guān)關(guān)系在逐漸減弱，風(fēng)險并沒有在預(yù)期收益率中得到及時反映，投資者對市場風(fēng)險的補(bǔ)償要求沒有得到滿足。在非對稱性方面，通過構(gòu)建ARMA-EGARCH-GED模型可知，在新常態(tài)經(jīng)濟(jì)前深圳成指和滬深300指數(shù)存在顯著的非對稱性，負(fù)面消息對上述兩個指數(shù)波動的影響程度更大。在新常態(tài)經(jīng)濟(jì)時期，只有深圳成指存在顯著的非對稱性，滬深300指數(shù)不再具有非對稱性。這說明在新常態(tài)經(jīng)濟(jì)時期中國股票市場的非對稱效應(yīng)在逐漸減弱，正面消息和負(fù)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(jìn)一步完善密切相關(guān)。本文繼續(xù)運(yùn)用ARMA-IGARCH-GED模型和ARMA-TGARCH-GED模型對中國股票市場新的統(tǒng)計特征進(jìn)行穩(wěn)健性檢驗，結(jié)論依舊是穩(wěn)健和有效的。

未來對于中國股票市場而言，政府需要進(jìn)一步加強(qiáng)上市公司的風(fēng)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(zhǔn)確性和及時性。同時引進(jìn)更多的投資主體類型，尤其是不同類型的機(jī)構(gòu)投資者進(jìn)入股票市場，避免股票市場產(chǎn)生劇烈波動。金融監(jiān)管部門需進(jìn)一步提高中小投資者的風(fēng)險防范意識，使投資者形成良好的風(fēng)險——收益決策理念，幫助投資者對股票市場的風(fēng)險和收益有一個科學(xué)的評估。通過完善金融監(jiān)管力度和加強(qiáng)中小投資者的金融教育，正確度量股票市場存在的風(fēng)險，從而促進(jìn)中國股票市場實現(xiàn)高質(zhì)量發(fā)展。

參考文獻(xiàn)

［1］林毅夫. 展望未來 20 年中國經(jīng)濟(jì)發(fā)展格局［J］. 中國流通經(jīng)濟(jì)，2012，26（6）：4-7.

［2］周德才，張莉娟，王曉.新舊常態(tài)比較下中國經(jīng)濟(jì)周期波動的混頻測度［J］.統(tǒng)計與決策，2022，38（13）：132-136.

［3］云喆，張茹茹，張勃，等.新常態(tài)下的人力資本與經(jīng)濟(jì)增長——綜合金融資本和創(chuàng)新創(chuàng)業(yè)的理論建模［J］.技術(shù)經(jīng)濟(jì)，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(jīng)濟(jì)新常態(tài)［J］.經(jīng)濟(jì)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(fēng)險——基于GARCH-Copula-CoVaR模型［J］.中央財經(jīng)大學(xué)學(xué)報，2025（2）：105-121，138.

［9］張?zhí)祉?，施?國際大宗商品價格沖擊對中國股票市場的影響［J］.南開經(jīng)濟(jì)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(fēng)險溢出的疊加效應(yīng)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(yīng)及驅(qū)動因素研究——基于TVP-VAR-DY溢出指數(shù)分解的實證研究［J］.經(jīng)濟(jì)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(fēng)險溢出效應(yīng)研究：新冠疫情、投資者情緒與經(jīng)濟(jì)政策不確定性［J］.系統(tǒng)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(jù)［J］.當(dāng)代經(jīng)濟(jì)科學(xué)，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(fēng)險防范［J］.現(xiàn)代經(jīng)濟(jì)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(fēng)險的相依和溢出研究——基于重大突發(fā)公共事件的視角［J］.財經(jīng)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(xué)學(xué)報（自然科學(xué)版），2017，42（2）：115-119.

［29］王寶璐，宋培，郭艷紅.不同市場狀態(tài)下行業(yè)投資時鐘的構(gòu)建——基于中國股票市場行業(yè)月份效應(yīng)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(fā)事件［J］.上海金融，2023（3）：44-56.

［31］司穎華，孟娟霞.中國經(jīng)濟(jì)不確定性對國際原油價格的時變效應(yīng)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.