會計財務管理-股票價格波動的實證研究

引言股指期貨交易對股票市場的波動性影響一直是學術(shù)界關(guān)注的重點。我國的股指期貨市場起步較晚，2010年4月，我國方才推出首個跨市場的滬深300指數(shù)期貨合約。股指期貨的推出開啟了我國股指期貨的實踐進程，終結(jié)了我國市場長期的單邊交易模式。豐富投資者的投資工具，促進金融工具的創(chuàng)新，完善金融市場的內(nèi)涵，具有劃時代的意義。2016年4月16日，中證500指數(shù)期貨和上證50指數(shù)期貨的推出，填補了我國股指期貨市場上中小市值企業(yè)板塊的空白，對改善企業(yè)融資結(jié)構(gòu)、優(yōu)化社會資源配置、促進中國經(jīng)濟發(fā)展等方面起到了十分重要的作用。Chen,Roll和Ross（1986）研究發(fā)現(xiàn)可以顯著解釋股票收益率的因子有風險溢價變化以及通貨膨脹率等；但消費支出、原油價格和股票收益率之間卻沒有明顯關(guān)系。Mukherjee和Naka（1995）用誤差修正模型研究了東京股票交易所（TSE）和日本宏觀經(jīng)濟變量之間的動態(tài)關(guān)系。他們研究發(fā)現(xiàn)，TSE股票價格指數(shù)和六個宏觀經(jīng)濟因子之間存在協(xié)整關(guān)系。而Binswanger（2000）對20世紀80年代以來的美國經(jīng)濟，用子樣本滾動回歸方法研究發(fā)現(xiàn)，股票收益率和實質(zhì)經(jīng)濟活動之間的關(guān)系不成立。國內(nèi)學者也在這方面進行了一些經(jīng)驗研究。談儒勇（1999）研究了中國金融發(fā)展和經(jīng)濟增長之間的關(guān)系，其中涉及了股市發(fā)展和經(jīng)濟增長之間的實證研究。研究表明，我國股市發(fā)展的三個指標（市價總值/GDP、成交金額/GDP和成交金額/市價總值）在回歸模型中都不顯著，這意味著我國股市發(fā)展對經(jīng)濟增長的作用極其有限。鄭江淮、袁國良等（2017）的經(jīng)驗研究認為，雖然我國股市規(guī)模對經(jīng)濟增長的作用效果不明顯，但股市發(fā)展與儲蓄之間的正相關(guān)關(guān)系表明存在股票市場對經(jīng)濟增長的作用機制。李廣眾（2018）的經(jīng)驗研究認為中國銀行、股市發(fā)展的主要作用在于促進投資規(guī)模擴大，股市發(fā)展對經(jīng)濟增長的作用并不顯著。從上述國內(nèi)研究文獻可以看出，研究重點大多放在金融發(fā)展和經(jīng)濟增長關(guān)系上，股票市場發(fā)展和經(jīng)濟增長之間的關(guān)系僅僅是研究中的一部分，很少涉及關(guān)于宏觀經(jīng)濟和股票市場表現(xiàn)之間的經(jīng)驗檢驗。股票是國民資產(chǎn)配置中重要的一環(huán)，與實體經(jīng)濟有著密切的聯(lián)系，所以學者對股票價格波動的研究非常關(guān)注。價格波動是股票市場的基本特征之一，通過考察股市波動的特征、變化及其與宏觀經(jīng)濟因素的關(guān)系的研究，可以使得股票投資的風險降低，也可以增加整個金融市場的流動性，對國家的經(jīng)濟建設(shè)有著重要的意義。2相關(guān)概述界定2.1股指期貨的概念股票指數(shù)期貨（StockIndexFuture），簡稱股指期貨，是指以股票價格指數(shù)為標的物的金融期貨合約。即在未來某個特定的日期，合約雙方根據(jù)預先約定的價格，買進或賣出約定數(shù)量的股票指數(shù)的一種標準化協(xié)議。股指期貨屬于金融衍生工具之一，它是依賴股票指數(shù)進行交易的。股指期貨交易是對股票指數(shù)未來的價格的預期，在不考慮手續(xù)費的作用下，是交易雙方之間的零和博弈。對未來股票指數(shù)走勢預測準確的一方將獲益，而另一方則會蒙受損失。2.2股票價格指數(shù)股票價格是虛擬的，它本身沒有價值，實際上是一種所有權(quán)憑證。它能夠流通交易的前提，是它能給持有者帶來投資收益。利率就是資金的市場價格，相同數(shù)量的資金既可以投資于不同的市場，股票市場和借貸市場都在選擇范圍之內(nèi)。如此情況下，利率就成為影響股票價格的一個十分敏感的因素，它對股票價格的影響過程和結(jié)果都極為復雜。理論上，股票價格與市場利率負相關(guān)，利率下降時股票價格應該上升；而利率水平上升，股票價格應該下降?？梢?，股票投資者可以根據(jù)利率的上下浮動作為參考，決定買入或沽出股票的時機。2.3股票回購的定價2016年4月16日，實施股票回購的一個關(guān)鍵因素即是確定股票的公允價格。流通股與非流通股的回購價格要區(qū)別對待。對國有股來說，其價格制定的關(guān)鍵，在于保證國有資產(chǎn)價值不受損失。一方面，回購價格不得低于每股凈資產(chǎn)，只有這樣股東的權(quán)益才能得以保障。但又不能單純根據(jù)凈資產(chǎn)定價，因為凈資產(chǎn)值代表的是公司的歷史成本，它無法體現(xiàn)資產(chǎn)未來的動態(tài)收益。另一方面，還要考慮公司的盈利水平和市場表現(xiàn)。當公司盈利狀況良好時，制定回購價格時應在每股凈資產(chǎn)值得基礎(chǔ)上加上一定幅度的溢價。這樣才能真實的反映出公司的經(jīng)營水平，確保國有資產(chǎn)保值增值。流通股的定價分兩種方式：（1）市場公開回購。在公開市場進行股票回購時，回購價格可參照以往交易日的收盤價。通常以回購前一個月的平均收盤價作為回購定價的底線，回購后的收盤價作為回購定價的上限。當公司遭遇不可控因素影響時，例如股票市場的暴跌等，定價以股票的凈資產(chǎn)值為準。（2）要約回購。有針對性的向所有股東回購股份時，股票的定價基礎(chǔ)是公司未來經(jīng)營期所需要的現(xiàn)金流。3股指期貨對股票市場波動影響的理論分析股指期貨是建立在股票指數(shù)之上的衍生金融工具，兩者之間在價格的長期走勢上具有一致性。但是，股指期貨具備交易費用低，可以做空等特征，這就會使得兩者的價格波動存在差異。3.1價格引導機制股指期貨的定價模型方式多種多樣，其中最為常用的就是成本定價模型?，F(xiàn)在資本市場上主要有三種參與者：投機者、套利者和套期保值者。不同的投資者會根據(jù)當時不同的市場環(huán)境做出不同的投資方式，執(zhí)行不同的交易策略，從而產(chǎn)生不同的交易結(jié)果。因此，不同的交易行為可能會干預市場，導致價格出現(xiàn)異常變動。在經(jīng)濟學假設(shè)中，市場上的投資者都是理性投資者，市場價格也會根據(jù)市場信息的不同圍繞其真實價值上下波動。但是在真實的市場運行過程中，市場價格一般都會背離其內(nèi)在價值，表現(xiàn)出明顯的高估或者低估。這種現(xiàn)象的內(nèi)在原因按照行為金融學理論來說就是因為市場上存在大量投機者。股指期貨在受到外界新消息沖擊的情況下，其波動會通過溢出效應傳導到現(xiàn)貨市場，其中最為明顯的例子就是到期日效應。一般來說，投資者為了盈利的交易將希望股票價格在過去的一個有利的轉(zhuǎn)變之前和之后股指期貨到期日期，所以將操縱價格的存在，這將導致股票市場的投標價格雙方失衡，最終導致股價波動。3.2期限套利機制與市場上的非理性投資者相比，理性的投資者還是可以通過市場上的交易手段建立資產(chǎn)組合來規(guī)避價格的非理性波動。當資產(chǎn)價值低于期貨價格的時候，投資者能夠買進股票，出售期貨合約來進行雙向套利操作，反之也是一樣。這種雙向套利手段減小了市場價格脫離理論內(nèi)在價值的幅度，有利于市場價格向其基本面的靠攏，并且降低了波動性效應。但是，期現(xiàn)套利機制的實際效果在不同地區(qū)交易還會存在差異，因為不同國家的期現(xiàn)套利機制不同，這就使得各國的期現(xiàn)套利成本存在差異，使得套利差額存在不同，在這種情況下，套利的實際效果也會存在不同。4股指期貨對股票市場波動率影響的實證分析——以上證50指數(shù)為例4.1GARCH模型介紹Engle（1995）指出ARCH過程的一個缺陷是看上去比自回歸過程更像一個移動平均過程。由此他認為可以將滯后的條件方差項放入自回歸過程中。TimBollerslev于1986年正式提出了GARCH模型。GARCH（p，q）模型的一般形式如下：Yμh這說明方差的比例參數(shù)?t取決于以滯后殘差平方項表示的沖擊以及以自身的滯后項表示的歷史。顯然，當p=0時，模型將為ARCH（q）。GARCH（p，q）模型的最簡形式為GARCH（1，1），它的方程為：h4.2樣本選取與介紹中國上證50指數(shù)期貨為2016年推出的指數(shù)期貨，推出時間較短。本章將進行上證50指數(shù)期貨推出對上證50指數(shù)是否產(chǎn)生影響、以及如何產(chǎn)生影響進行分析，針對上證50指數(shù)選取3個不同樣本進行數(shù)據(jù)處理。4.2.1樣本的選取既2010年4月16日（周五）中國第一支股指期貨滬深300指數(shù)期貨推出后，上證50指數(shù)期貨于2016年4月16日（周四）同時推出。本文選擇上證50指數(shù)期貨進行新指數(shù)期貨推出對股票市場波動影響的分析。由于上證50指數(shù)期貨推出時間為2016年4月16日，選擇2015年1月1日為樣本起始時間，2017年8月31日為樣本結(jié)束時間，前后時間長度相對對稱；這32個月內(nèi)上證50指數(shù)5分鐘高頻數(shù)據(jù)為全樣本，樣本總量為32448個，記為S，考察股指期貨對股市波動的影響及作用方向；其中全樣本記為Z，推出前子樣本記為BZ，推出后子樣本記為AZ。相關(guān)數(shù)據(jù)來自Wind金融數(shù)據(jù)庫。4.2.2樣本平穩(wěn)性檢驗平穩(wěn)性是時間序列重要的基礎(chǔ)概念之一。時間序列的平穩(wěn)性是時間序列經(jīng)典回歸分析的條件和基礎(chǔ)，如果序列的平穩(wěn)性無法滿足，則許多經(jīng)典回歸分析的典型結(jié)論就是無效的。對非平穩(wěn)的時間序列做回歸毫無意義，通常被成為虛假回歸或偽回歸。本文對本章確定的上證50指數(shù)和中證500指數(shù)全樣本和子樣本進行數(shù)據(jù)平穩(wěn)性檢驗如下：表4.1上證50指數(shù)全樣本和子樣本原始數(shù)據(jù)平穩(wěn)性檢驗樣本SBSASZBZAZProb.*0.56340.99990.34210.50471.00000.5322t-Statistic-1.4414522.074764-1.880065-1.5568723.467160-1.5031281%level-3.432852-3.434636-3.435523-3.435523-3.435523-3.4355235%level-2.862531-2.863320-2.863712-2.863712-2.863712-2.86371210%level-2.567343-2.567766-2.567977-2.567977-2.567977-2.567977通過單位根檢驗發(fā)現(xiàn)，時間序列不平穩(wěn)時，通用做法是通過差分法使序列平穩(wěn)化，即考察序列的一階差分、二價差分……是否平穩(wěn)，直到序列平穩(wěn)為止。特別地，由于金融產(chǎn)品一般假設(shè)為服從對數(shù)正太分布，對原數(shù)據(jù)取對數(shù)并做一階差分進行處理。由于樣本的原數(shù)據(jù)為上證50指數(shù)5分鐘高頻數(shù)據(jù)中的收盤價，那么最后實證得到的結(jié)果即是上證50指數(shù)5分鐘收益率。即：r表4.2上證50指數(shù)全樣本和子樣本對數(shù)化一階差分平穩(wěn)性檢驗樣本DSDBSDASDZDAZDBZProb.*0.00010.00010.00010.00010.00010.0000t-Statistic-77.78201-70.87035-135.7759-61.03000-57.73181-43.873271%level-3.432852-3.434636-3.435523-3.435523-3.435523-3.4355235%level-2.862531-2.863320-2.863712-2.863712-2.863712-2.86371210%level-2.567343-2.567766-2.567977-2.567977-2.567977-2.56797通過對基礎(chǔ)模型進行線性回歸分析，并對計算結(jié)果進行校檢，我們發(fā)現(xiàn)，數(shù)據(jù)之間并不存在序列相關(guān)性和方差關(guān)系.4.2.3方法設(shè)計1.向量自回歸基本模型。向量自回歸模型（VAR：VectorAutoregression）通常用于分析相關(guān)時間序列系統(tǒng)的相關(guān)性和隨機擾動對系統(tǒng)的動態(tài)影響。因為它避免了結(jié)構(gòu)方程中需要對系統(tǒng)中每個內(nèi)生變量關(guān)于所有內(nèi)生變量的滯后值函數(shù)的建模問題，所以運用更為廣泛。VAR（r）的基本模型為：Yt=A1Yt-1+…+ArYt-r+B1X1+…+BSXt-S+εt （1）其中，Yt和Xt分別是內(nèi)生變量向量和外生變量向量，Ai和Bi是待估參數(shù)矩陣，r和s是滯后期。一般根據(jù)AIC和SC信息量最小標準確定模型階數(shù)，定義為：AIC=-2l/T+2k/T （2）SC=-2l/T+klogT/T（3）其中，k=m（rd+pm）是待估參數(shù)個數(shù)，n是觀測值數(shù)目，而且： l=-mT（1+log2π）-TlogΨ （4） 2 2其中，Ψ=det1-r∑iεiε′i是殘差方差矩陣。4.3上證50指數(shù)期貨推出對上證50指數(shù)波動影響的實證檢驗為探究新推出指數(shù)期貨股市波動的影響，本文以上證50指數(shù)期貨為例，對上證50指數(shù)期貨推出對上證50指數(shù)波動的影響進行分析。首先對上證50指數(shù)期貨推出對上證50指數(shù)是否產(chǎn)生短期影響進行分析，其次區(qū)別期貨推出前后分別進行具體分析。4.3.1上證50指數(shù)期貨推出對上證50指數(shù)波動影響的GARCH檢驗GARCH模型分析需建立在確定均值方程的基礎(chǔ)上，而ARMA模型（自回歸移動平均模型）是金融時間序列常用的擬合方法。若自相關(guān)和偏相關(guān)函數(shù)沒有呈現(xiàn)出上述變化趨勢，就要借助AIC和SC準則進行判斷。上述準則是目前通用的判斷模型擬合優(yōu)良性的方法，值越小，擬合效果越好。對上證50指數(shù)DS序列進行自相關(guān)和偏相關(guān)如下：圖4.1上證50指數(shù)DS序列自相關(guān)圖依據(jù)上圖，AC和PAC分布隨機，都圍繞0左右小范圍波動，且不存在幾何衰減的趨勢，其中AC數(shù)值多次達到0。因此，無法通過上圖確定拖尾和截尾的階數(shù)，即無法確定ARMA模型的階數(shù)。表4.3上證50指數(shù)DS序列ARMA模型不同階數(shù)下AIC/SC信息表ARMA模型AICSCAR（1）MA（1）-9.015475-9.014699AR（1）MA（2）-9.015657-9.014623AR（1）MA（3）-9.016244-9.014952AR（2）MA（1）-9.015637-9.014602AR（2）MA（2）-9.016527-9.015235AR（2）MA（3）-9.016470-9.014919AR（3）MA（1）-9.016190-9.014897AR（3）MA（2）-9.016465-9.014914AR（3）MA（3）-9.016456-9.014646綜合上述擬合結(jié)果，方程AR（2）MA（2）的SC值最小，為-9.016527，AIC值也最小，為-9.015235，最后選擇AR（2）MA（2）為滬深300指數(shù)S樣本收益率指數(shù)擬合模型。為進一步確定模型擬合效果，對擬合函數(shù)各統(tǒng)計量檢驗如下：表4.4上證50指數(shù)DS序列AR（2）MA（2）模型擬合回歸結(jié)果VariableCoefficientStd.Errort-StatisticProb.C1.05E-051.49E-050.7025950.4823AR（1）1.3545530.06067422.325010.0000AR（2）-0.6951410.060088-11.568730.0000MA（1）-1.3841620.057960-23.881350.0000MA（2）0.7273560.05732712.687860.0000R-squared0.002083Meandependentvar1.04E-05F-statistic16.93148Durbin-Watsonstat2.000041Prob（F-statistic）0.000000擬合函數(shù)的R2只有0.002083，但是已經(jīng)為眾ARMA模型中最高值（其余均在0.02以下），，R2大于0.8，在第一事件窗口，即包含貨幣政策宣布之時，觀察宣布前最后一次交易至宣布后第一個交易日的開盤時點，股指對未及預期的政策調(diào)整表現(xiàn)為十分強烈的政策性波動，同時表現(xiàn)為十分明顯的負面關(guān)系，表明股票市場的即期沖擊效應對未預期的利率調(diào)整反映十分明顯。而宣布后的30分鐘交易周期里，股指波動性雖依舊巨烈，但其顯著性呈衰竭之勢，對未預期的利率變動開始呈現(xiàn)為正向關(guān)系。圖4.2上證50指數(shù)DS序列殘差平方序列自相關(guān)圖依據(jù)上圖可以發(fā)現(xiàn)，AC和PAC的值在沒有在某處截斷為0，無法確定殘差平方序列的滯后長度。在進行ARCH效應檢驗時，滯后階數(shù)要盡可能大，將殘差序列的滯后長度定為20。確定滯后長度后，對殘差序列進行ARCH-LM檢驗如下：表4.5上證50指數(shù)DS序列均值模型的ARCH檢驗F-statistic1.868313Prob.F（20，32420）0.0106Obs*R-squared37.35203Prob.Chi-Square（20）0.0106Obs*R-squared是ARCH檢驗的檢驗統(tǒng)計量，值為37.35203，對應P值接近0.01，拒絕原假設(shè)，說明殘差序列存在ARCH效應，可以進行GARCH回歸。本文選擇GARCH模型對股票收益率的波動進行分析。依據(jù)以往經(jīng)驗，GARCH（p，q）模型中p、q取值均在3以下，即取值為1或2。引入虛擬變量DT，定義為事件上證50指數(shù)期貨的推出，在上證50指數(shù)期貨推出之前，DT=0；推出以后DT=1。表4.6上證50指數(shù)DS序列GARCH模型不同階數(shù)下AIC/SC信息表GARCH模型AICSCGARCH（1，1）-9.908864-9.906538GARCH（1，2）-9.909356-9.906771GARCH（2，1）-9.912360-9.909775GARCH（2，2）-9.910905-9.908061依據(jù)上表結(jié)果，方程GARCH（2，1）的AIC值最小，為-9.912360，SC值也最小，為-9.909775，因此最后選擇GARCH（2，1）方程作為最終回歸方程。回歸結(jié)果如下：表4.7上證50指數(shù)DS序列GARCH（2，1）回歸結(jié)果VariableCoefficientStd.Errorz-StatisticProb.C2.10E-095.05E-104.1621200.0000RESID（-1）^20.1065040.00901511.814680.0000RESID（-2）^2-0.0868450.009032-9.6152610.0000GARCH（-1）0.9798870.0008211193.1230.0000DT-5.25E-104.91E-102.3342960.0196GEDPARAMETER1.0331200.005894175.28910.0000依據(jù)回歸結(jié)果，各變量的Z統(tǒng)計量對應P值都小于0.05，說明顯著性明顯通過；誤差分布項GED的值為1.033120，處于（0，2）區(qū)間內(nèi)，回歸結(jié)果效果較好。得到回歸方程如下：σt2=2.10×10s.e.=5.05×10-100.0090150.0090320.0008214.91×10-10z=4.16212011.81468-9.6152611193.1232.334296式（4-1）為上證50指數(shù)期貨推出的全樣本GARCH方程的方差方程，虛擬變量DT的經(jīng)濟含義是上證50指數(shù)期貨的推出，其系數(shù)為-5.25×10-10，負號表明上證50指數(shù)期貨的推出對現(xiàn)貨市場的波動起到了減緩作用，但是系數(shù)-5.25×10-10偏小，表明這種減緩作用影響有限。4.3.2上證50指數(shù)期貨推出前上證50指數(shù)的GARCH檢驗首先對上證50指數(shù)期貨推出前時間序列進行分析，對DBS序列進行自相關(guān)和偏相關(guān)檢驗如下：圖4.3上證50指數(shù)DBS序列自相關(guān)圖本文采用AIC和SC準則來確定模型滯后階數(shù)，得到殘差序列再進行后續(xù)相關(guān)檢驗。下表分別列出了ARMA模型不同階數(shù)的AIC和SC值。表4.8上證50指數(shù)DBS序列ARMA模型不同階數(shù)下AIC/SC信息表ARMA模型AICSCAR（1）MA（1）-9.298570-9.297044AR（1）MA（2）-9.299371-9.297337AR（1）MA（3）-9.299813-9.297270AR（2）MA（1）-9.299375-9.297341AR（2）MA（2）-9.300300-9.297758AR（2）MA（3）-9.300199-9.297148AR（3）MA（1）-9.299905-9.297363AR（3）MA（2）-9.300182-9.297130AR（3）MA（3）-9.300301-9.296741綜合上述擬合結(jié)果，方程AR（2）MA（2）的AIC值接近最小，為-9.300300，與最小值僅相差0.001，SC值最小，為-9.297758。最后選擇AR（2）MA（2）為上證50指數(shù)序列DBS的擬合模型。為進一步確定模型擬合效果，對擬合函數(shù)各統(tǒng)計量檢驗如下：表4.9上證50數(shù)DBS序列AR（2）MA（2）模型擬合回歸結(jié)果VariableCoefficientStd.Errort-StatisticProb.C4.45E-051.83E-052.4332400.0150AR（1）-0.1857990.091870-2.0224150.0432AR（2）-0.6739990.081332-8.2870310.0000MA（1）0.1566290.0948762.3825720.0172MA（2）0.6414860.0852697.5231020.0000R-squared0.003201Meandependentvar4.44E-05F-statistic12.01580Durbin-Watsonstat2.004965Prob（F-statistic）0.000000與上證50全樣本時間序列的ARMA回歸相似，由于DBS時間序列的樣本量達到了14976個，導致R2效果不理想。盡管擬合函數(shù)的R2只有0.003201，但是方程的F統(tǒng)計量為12.01580，P值遠小于0.000001，各變量的T統(tǒng)計量也顯著明顯，說明方程的擬合效果顯著。此外，對AR（2）MA（2）擬合后得到的殘差序列進行自相關(guān)檢驗和偏自相關(guān)檢驗，發(fā)現(xiàn)AC和PAC值趨向于0，絕對值幾乎小于0.01，說明殘差序列不存在自相關(guān)性。圖4.4上證50指數(shù)DBS序列殘差平方序列自相關(guān)圖依據(jù)上圖可以發(fā)現(xiàn)，PAC的值在沒有在某處截斷為0，無法確定殘差平方序列的滯后長度。在進行ARCH效應檢驗時，滯后階數(shù)要盡可能大，將殘差序列的滯后長度定為20。確定滯后長度后，對殘差序列進行ARCH-LM檢驗如下：表4.10上證50指數(shù)DBS序列均值模型的ARCH檢驗F-statistic1.764376Prob.F（20，14948）0.0187Obs*R-squared35.26329Prob.Chi-Square（20）0.0187Obs*R-squared是ARCH檢驗的檢驗統(tǒng)計量，值為35.26329，對應P值接近0.01，拒絕原假設(shè)，說明殘差序列存在ARCH效應。同樣地，這里使用低階的GARCH模型對股票收益率的波動進行分析?；谇捌诰捣匠藺R（2）MA（2），對上證50高頻日收益率序列DBS進行GARCH模型不同滯后階數(shù)的擬合，并依據(jù)AIC/SC原則，選擇最優(yōu)GARCH方程。表4.11上證50指數(shù)DBS序列GARCH模型不同階數(shù)下AIC/SC信息表GARCH模型AICSCGARCH（1，1）-10.05997-10.05539GARCH（1，2）-10.06055-10.05546GARCH（2，1）-10.06564-10.06056GARCH（2，2）-10.07867-10.07307依據(jù)上表結(jié)果，方程GARCH（2，2）的AIC值最小，為-10.07867，SC值也最小，為-10.07307，因此最后選擇GARCH（2，2）方程作為最終回歸方程?；貧w結(jié)果如下：表4.12上證50指數(shù)DBS序列GARCH（2，2）回歸結(jié)果VariableCoefficientStd.Errorz-StatisticProb.C4.64E-114.08E-11-2.2200980.0264RESID（-1）^20.1000000.00965510.357590.0000RESID（-2）^2-0.0984900.009520-10.345150.0000GARCH（-1）1.7332160.02472170.111040.0000GARCH（-2）-0.7347740.024534-29.948860.0000GEDPARAMETER1.1272640.009211122.38250.0000依據(jù)回歸結(jié)果，各變量的Z統(tǒng)計量對應P值都小于0.05，說明顯著性明顯通過；誤差分布項GED的值為1.127264，處于（0，2）區(qū)間內(nèi)，回歸結(jié)果效果較好。得到回歸方程如下：σt2=4.64×s.e.=4.08×10-110.0096550.0095200.0247210.024534z=-2.22009810.35759-10.3451570.11104-29.94886μt-p2前系數(shù)αp被稱為ARCH項系數(shù)，是前期可以觀察到的變動信息，p項表示前第p期，代表信息對波動的沖擊。GARCH模型成立的一個前提條件是α與β的系數(shù)和要小于1。式（4-2）為上證50指數(shù)期貨推出前的子樣本GARCH方程的方差方程。α項之和為0.001510，β項之和為0.998442，α+β為0.999952，符合GARCH方程的一般要求，4.3.3上證50指數(shù)期貨推出后上證50指數(shù)波動影響的GARCH檢驗根據(jù)4.3.1的分析可知，上證50指數(shù)期貨推出對上證50指數(shù)存在影響，為探究具體影響如何，以上證50指數(shù)期貨推出為界，分別對指數(shù)推出前后上證50指數(shù)序列進行GARCH效應檢驗。圖4.5上證50指數(shù)DAS序列自相關(guān)圖本文采用AIC和SC準則來確定模型滯后階數(shù)，得到殘差序列再進行后續(xù)相關(guān)檢驗。表4.13分別列出了ARMA模型不同階數(shù)的AIC和SC值。表4.13上證50指數(shù)DAS序列ARMA模型不同階數(shù)下AIC/SC信息表ARMA模型AICSCAR（1）MA（1）-8.823949-8.822615AR（1）MA（2）-8.823934-8.822156AR（1）MA（3）-8.824505-8.822282AR（2）MA（1）-8.824118-8.822340AR（2）MA（2）-8.825659-8.823436AR（2）MA（3）-8.826079-8.823411AR（3）MA（1）-8.824518-8.822294AR（3）MA（2）-8.825453-8.822785AR（3）MA（3）-8.825606-8.822493綜合上述擬合結(jié)果，方程AR（2）MA（3）的AIC值最小，為-8.826079，SC值也最小，為-8.823411。最后選擇AR（2）MA（3）為上證50指數(shù)序列DBS的擬合模型。為進一步確定模型擬合效果，對擬合函數(shù)各統(tǒng)計量檢驗如下：表4.14上證50指數(shù)DAS序列AR（2）MA（3）模型擬合回歸結(jié)果VariableCoefficientStd.Errort-StatisticProb.C-1.94E-052.16E-053.3026540.0010AR（1）0.5174170.002119244.17770.0000AR（2）-0.9943950.002120-469.04560.0000MA（1）-0.5452270.007860-69.370710.0000MA（2）1.0050980.004804209.20000.0000MA（3）-0.0234590.007609-3.0831060.0021R-squared0.003003Meandependentvar-1.94E-05F-statistic10.51982Durbin-Watsonstat1.999877Prob（F-statistic）0.000000同樣地，時間序列DAS的樣本量達到了17472，導致方程的R2結(jié)果不理想。盡管擬合函數(shù)的R2只有0.003003，但是方程的F統(tǒng)計量為10.51982，P值遠小于0.000001，各變量的T統(tǒng)計量也顯著明顯，說明方程的擬合效果顯著。首先，為判斷殘差是否具有ARCH效應，對AR（2）MA（3）擬合后得到的殘差序列進行平方數(shù)的自相關(guān)檢驗和偏自相關(guān)檢驗，發(fā)現(xiàn)在滯后階數(shù)達到18階時，殘差平方的自相關(guān)函數(shù)Q統(tǒng)計量值對應P值也都小于0.001，在統(tǒng)計上顯著，殘差序列存在ARCH效應。圖4.6上證50指數(shù)DAS序列殘差平方序列自相關(guān)圖依據(jù)圖4.6可以發(fā)現(xiàn)，PAC和AC的值在沒有在某處截斷為0，無法確定滯后階數(shù)。在進行ARCH效應檢驗時，滯后階數(shù)要盡可能大，將殘差序列的滯后長度定為20。確定滯后長度后，對殘差序列進行ARCH-LM檢驗，見表4.15。表4.15上證50指數(shù)DAS序列均值模型的ARCH檢驗F-statistic2.714812Prob.F（20，17443）0.0001Obs*R-squared54.20843Prob.Chi-Square（20）0.0001Obs*R-squared是ARCH檢驗的檢驗統(tǒng)計量，值為54.20843，對應P值為0.0001，小于0.01，拒絕原假設(shè)，說明殘差序列存在ARCH效應。最后利用GARCH模型對時間序列DAS股票收益率的波動進行分析，這里同樣選取低階方程。表4.16上證50指數(shù)DAS序列GARCH模型不同階數(shù)下AIC/SC信息表GARCH模型AICSCGARCH（1，1）-9.783672-9.779225GARCH（1，2）-9.785823-9.780931GARCH（2，1）-9.787127-9.782235GARCH（2，2）-9.785502-9.780165依據(jù)上表結(jié)果，方程GARCH（2，1）的AIC值最小，為-9.787127，SC值也最小，為-9.782235，因此最后選擇GARCH（2，1）方程作為最終回歸方程?；貧w結(jié)果見表4.17。表4.17上證50指數(shù)DAS序列GARCH（2，1）回歸結(jié)果VariableCoefficientStd.Errorz-StatisticProb.C3.08E-095.38E-105.7303630.0000RESID（-1）^20.0967450.0113538.5216490.0000RESID（-2）^2-0.0692970.011433-6.0613390.0000GARCH（-1）0.9722650.001381703.97360.0000GEDPARAMETER1.0120060.007752130.55360.0000依據(jù)回歸結(jié)果，各變量的Z統(tǒng)計量對應P值都小于0.01，說明顯著性明顯通過；誤差分布項GED的值為1.012006，處于（0，2）區(qū)間內(nèi)，回歸結(jié)果效果較好。得到回歸方程如下：σt2=3.08×10s.e.=5.38×10-100.0113530.0114330.001381z=5.7303638.521649-6.061339703.9736式（4-3）為上證50指數(shù)期貨推出后的子樣本GARCH方程的方差方程。α項之和為0.027448，β項之和為0.972265，α+β為0.999713，符合GARCH方程的一般要求，為對比上證50指數(shù)前后股票市場波動的差異性，將式（4-2）和式（4-3）GARCH方程具體系數(shù)列出，如下表所示：表4.18式（3-2）、（3-3）GARCH方程具體系數(shù)變化方程αβα+β式（4-2）0.0015100.9984420.999952式（4-3）0.0274480.9722650.999713依據(jù)上表，式（4-3）的α項系數(shù)大于式（4-2）的α項系數(shù)，式（4-3）的β項系數(shù)小于式（4-2）的β項系數(shù)，表明新信息的傳播速度與波動沖擊成正比，傳輸速度越快，對波動性的影響就越強，傳輸速度越慢，對波動性的影響就越弱，

5結(jié)論為探究新推出股指期貨對股市波動的影響情況，本文以上證50指數(shù)期貨為研究對象，選擇5分鐘高頻收盤數(shù)據(jù)進行分樣本的GARCH檢驗.可以對我國股票市場的現(xiàn)實運行情況得出一些基本的結(jié)論：買賣活動導致股價產(chǎn)生波動，這在股票市場里是十分正常的現(xiàn)象，但是如果出現(xiàn)暴漲暴跌，就如同2015年6月份我國股市的異常波動，滬深市場多次出現(xiàn)千股跌停，并造成流動性枯竭，這就不正常了。不健康不僅不能成為宏觀經(jīng)濟的晴雨表，股市經(jīng)濟的運行了，甚至會對整個國民經(jīng)濟造成嚴重影響。因此，股票市場的運行發(fā)展，不僅與我們每個普通百姓息息相關(guān)，更關(guān)系到整個國家經(jīng)濟的平衡運行。所以，以法律為依據(jù)，運用有效的經(jīng)濟、政策和法律手段建設(shè)健康有序的資本市場，對振興中華經(jīng)濟、實現(xiàn)中華民族的偉大復興的戰(zhàn)略意義非同尋常。這就解釋了為什么政府積極發(fā)展股票市場，并實現(xiàn)股票市場的健康發(fā)展。一旦股票市場出現(xiàn)了問題，政府就必須出臺救市政策，并完善相關(guān)的配套措施，以引導股票市場能夠朝著健康的軌道發(fā)展。綜合本文的理論分析和實證結(jié)果，在此提出如下建議：推動我國股票市場健康發(fā)展的決心不動搖。股票市場能否健康發(fā)展、其發(fā)展程度如何，直接影響到央行實施貨幣政策的有效性。因此，大力發(fā)展我國資本市場，建立多層次的資本市場體系具有十分重要的戰(zhàn)略意義。一方面，應當加快立法，通過修訂、建立等措施，形成完善的法律法規(guī)體系，為股票市場的健康發(fā)展提供有力的法律保障，實現(xiàn)依法治理，依法保障；另一方面，加強對投資者的培訓、教育和引導，建立價值投資理念，加強風險防范意識，理性投資，同時要大力發(fā)展機構(gòu)投資者，引入多元化的國內(nèi)外專業(yè)投資機構(gòu)，發(fā)揮機構(gòu)投資者對股票市場的穩(wěn)定作用，為實現(xiàn)資源的優(yōu)化配置創(chuàng)造條件。

參考文獻