沪深股票市场之间波动性影响关系研究

兰军　严广乐

摘要以对沪深两市波动性指标的解构分析为基础，给出了基于GRACH模型、Granger模型的综合运用，同时引入协整检验和误差纠正机制的均衡分析方法，对沪深两市的波动相关性进行实证分析和模型检验，系统性揭示了沪深两市波动性的关键特征和沪深两市波动互相影响的因果规律，为基于沪深两市金融资产的定价和风险管理奠定了基础.

关键词应用统计数学；股市波动性；GARCH模型

中图分类号 N945文献标识码A

AbstractBased on the deconstruction index of the Shanghai and Shenzhen stock fluctuation， the combination of the methods GRACH mode and Granger model was given， and the equilibrium analysis cointegration and error correction mechanism were introduced.The correlation fluctuations between the Shanghai and Shenzhen were analyzed and empirically testied to reveal the key features of the impact of the causality law of Shanghai and Shenzhen， which lays a solid foundation for the pricing and risk management of financial assets of the Shanghai and Shenzhen stock markets.

Key wordsapplication of statistical mathematics；fluctuation of stock market； GARCH Model

1引言

2008年金融危机过后，越来越多的学者关注于金融市场的研究，而波动性一直是金融领域研究的核心问题之一，现代金融理论广泛地以波动性来衡量金融资产风险的大小，准确地刻画出金融资产的波动性并研究其相关的影响因素对于金融资产定价的构造以及金融风险管理有着极其重要的意义.

由于波动的溢出效应，即当一个国家或地区的资本市场出现大幅波动时，会通过投资者在其他资本市场上投资行为的改变，将这种波动传到其他市场.沪深两股市作为我国证券市场的两个核心组成部分，都面临共同的外部环境，会受到共同外部因素的影响，再加上投资者对沪深股市具有相同的偏好，这必然导致两市的波动呈现出一定的相关性.因此，对沪深股市波动相关性的研究有助于了解这两个市场的动态依存关系和判断市场间的风险传递模式.因此文章的研究具有一定的理论和现实意义.

关于市场波动相关性的问题被学术界广泛地研究，不同金融资产的波动性也是学术界研究的对象，其中，单个股票市场方面，穆韶光（2009）运用GARCH模型对沪市波动性的实证研究，发现上证指数收益率具有明显的方差聚集性、波动性和尖峰厚尾特征[1] .马永亮（2009）通过运用GARCH模型对房地产行业股票指数收益率进行分阶段分析，发现在牛市和熊市受到利好消息和利空消息不同程度的影响，而熊市受金融危机影响波动性加大[2].牛方磊（2005） 则基于ARCH类模型对基金市场波动性进行了研究，得出上证基金指数收益率表现出非正态性和务件异方差的特征[3].吴栩（2014）从沪深股市的夏普比率的角度分析了两个市场的相互关系.发现两个市场间的协整不明显，其相关性呈现多重分形波动[4].温博慧（2015）基于模糊熵算法对我国沪深300股票指数的有效复杂度进行测算，得出其对相似容忍度的敏感性更低，测度值连续性更好的特征[5].

在目前国内外研究文献中，对股票市场波动性关系的特征提炼和实证分析研究主要集中在单个股票市场的独立分析上，针对沪深两市之间波动性的相关关系的特征提取及因果关系的实证分析和综合研究方面尚没有进行十分深入的研究.文章以以上证指数和深证综合指数作为研究对象，提出综合运用GRACH模型、Granger模型、同时引入协整检验和误差纠正机制的均衡分析方法，对沪深两市的波动相关性进行实证分析和模型检验，系统刻画沪深两市波动性的关键特征和寻找沪深两市波动互相影响的因果规律，为基于沪深两市金融资产的定价和风险管理提供基础支持.

2数据说明

考虑到数据的代表性，选取上证指数和深证综合指数作为研究对象.上证指数的样本为所有在上海证券交易所挂牌上市的股票，从总体上反映了交易所所有上市股票价格的变动情况，该指数于1991年7月15日公开发布，以1990年12月19日为基期，基期值为100，以全部的上市股票为样本，以股票发行量为权数进行编制.深证综合指数的编制也是以所有在深交所上市的股票为基础编制的，深圳证券交易所从1991年4月3日开始公开发布，该指数规定1991年4月3日为基期，基期指数为100点.文章选择2005年1月4日至2007年10月17日共673个数据，数据都来自平安赢家行情软件.文中的数据采用EVIEWS5.0进行处理.

股票的每日收益率采用对数差分的形式，计算公式为：

rh=log（sza/sza（-1）），

rz=log（shenz/shenz（-1））.

这里，rh、rz分别表示深证综合指数和上证指数日收益率序列，sza、shenz分别表示采用每日的深证综合指数和上证指数收盘价.图1为深证综合指数和上证指数收盘价，实线为SHENZ，虚线为SZA，从图1可初步看出两个市场的发展具有相同的趋势，这也从直观上表明两个市场有很强的相关性.

4结论

如何科学有效地分析股票市场波动性之间的相关关系，寻找波动性的风险特征和是因果变化规律，是一项涉及领域广泛的综合工程.通过对沪深两市的波动性之间的关系和特征表现，以及两者之间影响的的因果关系进行了研究分析，研究结果表明：

第一沪深两市具有强烈的波动性特征，而沪深两市的GRACH效应验证了收益与风险的正相关关系，说明收益有正的风险溢价.而且上海股市的风险溢价要高于深圳.这说明上海股市的投资者更加的厌恶风险，要求更高的风险补偿.

第二沪深两市的收益率序列是同阶平稳的，而且它们之间存在长期协整关系，同时深市是引起沪市变化的原因；而沪市不影响深市.

第三沪深两市同时也存在短期均衡关系，跟长期或均衡值之间的差异约有82.385 9%.

后续进一步围绕基于沪深两市波动性关系特征和因果规律，将分析制定适合于沪深两市金融资产的定价策略和风险管理措施作为下一步研究的重点.

参考文献

[1]穆韶光，赵伟.基于GARCH模型的沪市波动性的实证研究[J].经济师，2009，（9）：68-72.

[2]马永亮.对房地产行业股市波动性的实证研究—基于GARCH模型[J].经济论坛，2009，（16）：85-89.

[3]牛方磊，卢小广.基于ARCH类模型的基金市场波动性研究[J].财经论坛统计与决策， 2005（24）：109-110.

[4]吴栩，宋光辉，董艳.沪深股市夏普比率的多重分形相关性分析[J].经济数学，2014，31（2）：9-14.

[5]温博慧； 袁铭； 侯笠.基于熵算法的股票指数高频数据复杂度测算与评价[J].经济数学，2015，32（1）：19-25.