我国深圳股票市场波动聚集效应研究

喻冰羽

喻冰羽/郑州大学商学院在读硕士（河南郑州450001）。

GARCH模型称为广义ARCH模型，是ARCH模型的拓展，由Bollerslev在1986年发展起来的。它是ARCH模型的一种特例。随后，GARCH模型也得到了不断的发展和改进。因此本文中主要采取GRACH模型对深圳股票市场的波动聚集效应衡量，这一模型对描述金融时间序列的波动性具有非常好的效果。

一、波动特点

经过多年发展，深圳市场已形成了以深证成指、中小板指数、创业板指数、深证100指数和深证300指数五条指数为核心的指数体系，因此本文从中选取了具有代表性的深圳成份股指数来分析深圳股票市场的总体特征。考虑到1996年12月15日股票市场交易制度从T+1交易制度变成涨跌停板交易制度，因此本文选取1996年12月16日至2014年6月30日共4241个交易日的深证成指的日收盘价数据作为样本。本文以深证成指的日收盘价和日收益率作为研究对象，以rszt代表深证成指日收益率，并采用了对数收益率以方便计算，同时为了增加计算精度，将计算结果均扩大100倍。

首先看一下深圳成指的总体特征。从日收盘价的角度分析，深证成指并不平稳，存在着明显的大幅波动。从日收益率的角度分析则可以看出日收益率的一些基本特征，波动的聚集性、持续性以及波动的非对称性。另外，日收益率还呈现出尖峰厚尾的特点。

二、基于GARCH模型的深圳股票市场波动聚集效应的实证检验

本文接着对深圳股票市场波动特征进行实证检验。首先，对深圳成指收益率使用单位根模型进行平稳性检验，在此基础上检验GARCH效应。确定存在GARCH效应，再对深圳股票市场的GARCH模型进行拟合。进行平稳性检验前，先对日收益率序列进行自然对数处理，即将其作为因变量进行估计，方便之后的检验和GARCH模型的拟合。

（一）平稳性检验

数据变量的平稳性是传统的计量经济分析的基本要求之一。只有模型中的变量满足平稳性要求时，传统的计量经济分析方法才是有效的。而当模型中含有非平稳时间序列式时，基于传统的计量经济分析方法的估计和检验统计计量将失去通常的性质，从而可能得出错误的结论。因此，在建立模型之前有必要检验数据的平稳性。首先进行单位根检验。

由检验结果可知，ADF的检验值为-1.421，临界值为-3.960（1%），-3.411（5%），-3.127（10%）。显然在 1%概率下-1.717大于-3.960，即接受原假设：该序列是非平稳的。因此单位根检验表明深圳成指日收益率序列是非平稳的。

通过ADF检验可以看出日收益率序列具有随机游走的特点，因此，我们使用一个简单的随机游走模型回归估计，基本形式为

ln（rszt）=μ+pln（rszt-1）+μt。

通过回归分析，可以得出随机游走模型的表达式为

ln（rszt）=0.0053+0.9994ln（rszt-1）+μt

t=（1.1930） （1966.317）

从模型的回归结果来看，拟合优度达到0.9989，t检验值及几个主要的检验指标都通过了，模型的拟合效果还是不错的。

（二）残差平方序列的自相关检验

在应用时间序列数据时，残差平方序列的序列相关经常发生，在存在自相关的情况下，可能会影响检验量的准确性和模型的精确度。使用自相关AC和偏自相关PAC两个指标对深圳成指收益率的残差平方进行检验，滞后项选取为9。由检验结果可知，残差平方序列的自相关系数是非常显著的，同时残差平方的Q统计量在各阶的相伴概率均接近0（＜0.05），因此残差平方序列是具有ARCH效应的。

（三）ARCH-LM 检验

ARCH-LM检验，即拉格朗日乘数检验法，被广泛应用于检验ARCH效应。首先我们是无法确定ARCH效应的阶数的，因此我们先选取滞后3阶进行拉格朗日乘数检验。

表1 p=3时，ARCH-LM检验结果

表2 p=15时，ARCH-LM检验结果

由表1可知，LM统计量的值为185.016，相伴概率p接近0（＜0.05），拒绝了原假设（没有ARCH效应），也就是说残差平方序列存在3阶ARCH效应。接下来逐渐调高滞后阶数，直到p=15时，LM统计量为300.2997，相伴概率p仍接近0，可以得出残差平方序列具有高阶的ARCH效应，同样也显示存在GARCH效应。

（四）深圳股票市场GARCH模型的拟合

首先对深圳股票市场日收益率序列用GARCH(1,1)建模。模型估计结果中，深圳成指日收益率条件异方差方程中的ARCH项和GARCH项都是非常显著的，且ARCH项系数（0.0812）和GARCH项系数（0.9036）之和为0.98，是小于1的，满足参数约束要求，也就是说序列是有显著的波动聚集效应的。同时这也说明股市中的冲击是持续性的，这种冲击将在相当长的时间内发挥作用，因此波动对未来事件有一定的预测作用。另外，ARCH项和GARCH项的杠杆效应系数都是不为0的，这也表明深圳股票市场中的价格波动是具有“杠杆效应”的，同等幅度的股价下跌比股价上涨带来的波动更大，这也说明了投资者的非理性。

其次，对深圳股票市场日收益率序列用GARCH-M(1,1)建模。估计结果中，深市均值方程中条件方差项GARCH的系数估计为3.5363，并且显著。这一结果也反映了收益和风险的正相关关系，说明股票市场的收益率是与风险成正比的，收益越高相对承担的风险也越大。

通过GARCH模型对深圳股票市场波动聚集效应的实证分析，可以看到全球股票市场中价格波动中的共性，深市的日收益率具有明显的尖峰厚尾性。另外，日收益率序列在一段时间内出现持续的大幅波动，在另一段时间内又出现持续的小幅波动，通过实证也证明深市具有显著的波动聚集性。

三、政策含义

综上所述，我国股票市场中个性与共性并存，既有波动聚集、尖峰厚尾等一般特性，也有政府调控等的独有特点。充分了解我国股票市场的特点以及股价波动的效应，也蕴含着对监管部门制定政策法规，完善股票市场制度建设，提高股票市场的有效性的一些参考建议。

（一）转变政府功能

作为一个新兴的股票市场，我国股票市场20多年里获得了飞速发展，但仍然存在着很多不成熟的地方。其中非常重要的方面就是政府多次出手对股市进行调控，削弱了股市的自发调节，可能促使股市走势失去控制，造成“政策市”的出现。因此，政府应当及时转变在股市中的功能，从市场的主导者，变成市场的引导者。尽量减少行政干预，完善好相关的法规制度，为股市的健康发展营造良好的环境。

（二）规范股票市场的信息传递机制，提高市场的有效性

信息传递机制对我国股票市场来说是良好健康发展的基石。一个股票市场是否有效，就是由传递价格信息的反应效率决定的。我国股票市场在信息传递方面存在着诸多问题，如信息传递渠道不畅、信息披露虚假等，不仅会造成上市公司股价的巨幅波动，更可能产生蝴蝶效应引起整个股市的震荡，降低市场的有效性。因此证监会应加强对证券市场的监督，加强相关法律法规的执法力度，规范股票市场的信息传递机制。另外应加强对证券市场主体及相关服务机构的风险约束，以确保披露信息的真实性和完整性。

（三）强化投资者教育，拓宽投资者的投资渠道

我国股票市场上的广大中小投资者风险意识不强，大多数投资者对市场没有清楚的认识，一味盲从，同时还带着“羊群效应”，增多市场的风险因素，加剧市场波动。因此，加强对投资者的风险意识教育，引导正常的股市投资行为，对稳定市场具有非常重要的作用。另外，我国股票市场发展程度相对较低，居民投资渠道狭窄。居民手中有大量闲置资金，却找不到适当的投资产品，致使大量资金盲目投入股市，引起市场波动。因此，我国应进一步加快建设股票市场制度，降低投资门槛，丰富投资途径，尽可能保障投资者利益。

[1] 林俊锡.中国股票市场波动性研究[D].沈阳理工大学，2012.

[2] 孙传朋.我国股票市场波动的计量分析[D].青岛理工大学，2010.

[3] 李娜.中国股票市场波动及其控制研究[D].山西财经大学，2010.

[4] 周学农，彭丹.机构投资者对中国股市波动性影响的实证研究[J].系统工程，2007（12）：58-62.

[5] 李胜利.机构投资者行为与证券市场波动[M].上海财经大学出版社，2008，6.

[6] 王雄元,沈维成.上市公司控制结构与信息披露质量[J].证券市场导报,2008(4).