中國(guó)股票市場(chǎng)信息流對(duì)股價(jià)波動(dòng)的影響分析(存儲(chǔ)版)
【正文】 任何約束，這也是EGARCH 模型的一大優(yōu)點(diǎn)。上海市場(chǎng)總體上呈現(xiàn)空頭市場(chǎng)走勢(shì)。 ?由表 14 發(fā)現(xiàn)，在大部分時(shí)滯上，各樣本期收益率序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)值都很小，均小于 ，表明收益率序列并不具自相關(guān)，因此，在條件期望方程中不需要引入自相關(guān)性的描述部分，而是采用 ARMA（ 0,0）的形式，收益率可以用方程 (6)表示。 四、實(shí)證研究結(jié)果 （一） GRACH 模型的估計(jì)結(jié)果 ?利用 GRACH（ 1,1）模型和包含成交量的 GRACH（ 1,1）模型對(duì)上證 A 股指數(shù)波動(dòng)的擬合結(jié)果見(jiàn)表 6。 ?第二，在不包含成交量 EGARCH(1,1)模型中，盤整期和空頭期的杠桿效應(yīng)系數(shù) ?為負(fù)，并且大于 1，說(shuō)明利空消息（負(fù)沖擊）引起的股價(jià)波動(dòng)大于相同程度的利好消息（正沖擊）引起的股價(jià)波動(dòng)，利空消息的作用大于利好消息。 ?成交量在剔除時(shí)間趨勢(shì)后，并沒(méi)有改變本文上述研究的基本結(jié)論。 ? 第二，中國(guó)股市的風(fēng)險(xiǎn)大小或波動(dòng)程度是由股市的成交量和過(guò)去的波動(dòng)性所共同決定的。 ? 第一，由于中國(guó)股市的波動(dòng)性不但受舊信息而且受新信息成交量的影響，因此投資者在進(jìn)行股市風(fēng)險(xiǎn)分析以及投資決策時(shí)應(yīng)重視成交量指標(biāo)和股市前期的波動(dòng)性。 ?在三種不同的市場(chǎng)態(tài)勢(shì)中，新舊信息對(duì)中國(guó)股市波動(dòng)的不同影響程度 五、剔除成交量時(shí)間趨勢(shì)的模型及其檢驗(yàn) ?把剔除時(shí)間趨勢(shì)后的成交量序列納入 GARCH（ 1， 1）模型和 EGARCH（ 1， 1）模型，估計(jì)結(jié)果如表 9 和表 10 所示。 ?第一，在不包含成交量的 EGRACH（ 1,1）模型中，盤整期、多頭期、空頭期和全樣本期的持續(xù)性參數(shù) β1 均接近于 1，說(shuō)明中國(guó)股市具有很明顯的 ARCH 效應(yīng)，其波動(dòng)展現(xiàn)出很強(qiáng)的持續(xù)性和聚類性。對(duì)剔除后的序列進(jìn)行平穩(wěn)性檢驗(yàn)。 JarqueBera 正態(tài)檢驗(yàn)的結(jié)果證實(shí)了股票指數(shù)每日收益的分布不是正態(tài)分布。上海股票市場(chǎng)在這段時(shí)期基本處于穩(wěn)步上揚(yáng)狀態(tài)。 ?本文將運(yùn)用 EGARCH 模型描述價(jià)格波動(dòng)的情況。 t ? 1是過(guò)去價(jià)格變化的條件均值； ε t是一日內(nèi)未預(yù)期的價(jià)格變化，也是日內(nèi)逐次價(jià)格變化之和； ht表示價(jià)格波動(dòng)； α0 0， α1 和 β1 均 ≥ 0， α1+ β1反映了序列波動(dòng)的持續(xù)性，即序列在過(guò)去時(shí)波動(dòng)的大小特征在當(dāng)前時(shí)刻被“繼承”下來(lái)的多少，越接近于 1，“繼承”的就越多，整個(gè)序列的波動(dòng)就越大。對(duì)于既定的 m，中心極限定理認(rèn)為日價(jià)格變動(dòng)近似正態(tài)分布，其方差與 m 成比例。支持 MDH理論。因此，當(dāng)期成交量既能夠解釋由 ARCH 刻畫的波動(dòng)持續(xù)性即過(guò)去波動(dòng)的記憶過(guò)程（ Volatility Persistence），也能夠說(shuō)明新信息對(duì)價(jià)格波動(dòng)的沖擊。 ? Brailsford（ 1996）、 Phylaktis 和 Kavussanos（ 1996）、 Omran 和 Mckenzie（ 2022）以及 Marsh 和 Wagner（ 2022）對(duì)不同國(guó)家市場(chǎng)的實(shí)證研究都得出類似的結(jié)論。 ?為了刻畫時(shí)間序列的這一特征， 2022年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者 Engle于 1982 年提出了自回歸條件異方差（ Autoregressive Conditional Heteroskedasticity）模型，即 ARCH模型。 ?國(guó)外學(xué)者利用這些模型進(jìn)行了大量的實(shí)證研究，表明 GARCH 模型及其擴(kuò)展形式能有效地描述股票價(jià)格的波動(dòng)性。 ? Locke 和 Sayers（ 1993）對(duì) Samp。 ?丁華（ 1999），唐齊鳴等（ 2022），李勝利（ 2022）都證實(shí)了中國(guó)股市的收益率具有明顯的波動(dòng)聚類性（ Volatility Clustering）和持續(xù)性。 ?研究?jī)?nèi)容有所延伸 不僅驗(yàn)證 MDH 理論在中國(guó)股票市場(chǎng)是否有效，而且進(jìn)一步分析了不同市場(chǎng)態(tài)勢(shì)中股價(jià)波動(dòng)究竟是受舊信息（ ARCH
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1