【文章內(nèi)容簡介】 （）式子中是一個虛擬變量，當(dāng)時，否則，.只要，就存在非對稱效應(yīng)。，第三項為非對稱效應(yīng)項或TGARCH項。條件方差方程表明依賴于前期的殘差平方和條件方差的大小，好消息和壞消息對條件方差有不同的影響：好消息有一個α倍的沖擊，即時，非對稱項不存在，所以好消息只有一個α倍的沖擊；壞消息有一個（α+γ）倍的沖擊，因為當(dāng)時，非對稱效應(yīng)出現(xiàn)，所以壞消息會出現(xiàn)如果（α+γ）倍的沖擊。如果γ0，則存在杠桿效應(yīng)，非對稱效應(yīng)的主要效果是使得波動加大，反之，非對稱效應(yīng)使得波動減小。高階TGARCH模型可表示為 （）TGARCH（1，1）模型為 （） 第3章實證檢驗 本文研究創(chuàng)業(yè)板指數(shù)的波動性，選取樣本數(shù)據(jù)為深圳證券交易所于2010年6月1日其正式編制和發(fā)布的創(chuàng)業(yè)板指數(shù)（399006）。本文以創(chuàng)業(yè)板指數(shù)為研究對象，利用GARCH族模型來研究創(chuàng)業(yè)板指數(shù)的波動特征。為了較好地研究波動性，選擇盡量多的樣本數(shù)據(jù)。因此樣本數(shù)據(jù)的范圍是從 2010 年 6 月 10 日至 2015 年 4 月30 日的深圳證券交易所創(chuàng)業(yè)板指數(shù)（399006）的日收盤指數(shù)，其中樣本容量為 1191 個，數(shù)據(jù)的收集來源于通達信軟件。 由于收益率在理論與實證方面可以更為明顯的表現(xiàn)數(shù)據(jù)的波動特征，因此選擇收益率序列來進行研究，創(chuàng)業(yè)板指數(shù)收益率采用對數(shù)收益率，即St=lnptlnpt1 ，其中pt、pt1分別指的是第t日和第t1日的指數(shù)，本文選取軟件 對創(chuàng)業(yè)板指數(shù)序列做相關(guān)的實證分析。 ，得到創(chuàng)業(yè)板指數(shù)收益率序列的分布直方圖， 創(chuàng)業(yè)板指數(shù)收益率序列的統(tǒng)計數(shù)據(jù)序列樣本數(shù)均值標(biāo)準差峰度偏度JB值概率P收益率1191，表明收益率總體來說是上漲的；，小于0，說明該序列分布不是對稱分布，存在長拖尾現(xiàn)象，大體呈現(xiàn)左偏分布即收益率小于均值的交易天數(shù)較多；，大于正態(tài)分布峰度3，說明該序列存在尖峰的分布特征；，說明該序列存在厚尾的分布特征，JB檢驗結(jié)果概率值為0，顯示該序列不是正態(tài)分布。 創(chuàng)業(yè)板指數(shù)收益率波動圖，創(chuàng)業(yè)板指數(shù)的收益率波動幅度集中在[6%，+6%]，且達到峰值后迅速回落，在不同時間段內(nèi)波動幅度不同，有時振幅比較大，有時振幅比較小，說明在創(chuàng)業(yè)板指數(shù)對數(shù)收益率波動中存在顯著地集群效應(yīng)?？赡艽嬖诋惙讲睿虼艘M行ARCH效應(yīng)檢驗。由于創(chuàng)業(yè)板收益率波動性的集群效應(yīng)，采用GARCH族模型來進行擬合，而GARCH族模型要求樣本數(shù)據(jù)的序列是平穩(wěn)的，因此要對該序列進行平穩(wěn)性檢驗。本文運用ADF(Augmented Dickey一Fuller test)方法檢驗方法進行平穩(wěn)性檢驗。 ADF平穩(wěn)檢驗結(jié)果T值相伴概率ADF統(tǒng)計量檢驗臨界值1%5%10%如果ADF統(tǒng)計量的T值大于各顯著水平的檢驗臨界值，則接受原假設(shè)，該序列是一個非平穩(wěn)的序列。如果ADF統(tǒng)計量的T值小于各顯著水平的檢驗臨界值，則拒絕原假設(shè)，該序列是一個非平穩(wěn)的序列。根據(jù)上表可以得出，ADF統(tǒng)計量值在1%、5%、10%，因此，接受原假設(shè)，即創(chuàng)業(yè)板指數(shù)日對數(shù)收益率時間序列是顯著平穩(wěn)的。 收益率的分布是會隨著時間的變化產(chǎn)生變動的，相鄰期間的收益可能相互獨立，也可能不獨立。因此在建立模型之前對序列的自相關(guān)性進行檢驗。 序列自相關(guān)性檢驗滯后階數(shù)ACPACQ統(tǒng)計量伴隨概率123456789101112，Q統(tǒng)計量較大，對應(yīng)概率值很小，且殘差平方自相關(guān)系數(shù)（AC）和偏自相關(guān)系數(shù)（PAC）均不為0，但值比較小接近于0，大部分自相關(guān)系數(shù)（AC）和偏自相關(guān)系數(shù)（PAC）都落在置信區(qū)間內(nèi)，在0附近波動，而Q統(tǒng)計量的值比較大，說明在5%的顯著水平上創(chuàng)業(yè)板指數(shù)收益率殘差平方序列存在自相關(guān)性，且該殘差序列存在ARCH效應(yīng)。該收益率序列具有ARCH效應(yīng)，選擇GARCH模型對該收益率序列進行擬合，運用GARCH（p，q）模型進行分析，根據(jù)AIC和SC準則，采用GARCH(1，1)模型對該序列進行估計。 將收集好的數(shù)據(jù)進行對數(shù)差分后，導(dǎo)入Eviews ，得到擬合結(jié)果， 創(chuàng)業(yè)板指數(shù)收益率GARCH(1，1)參數(shù)估計和檢驗結(jié)果方差方程變量系數(shù)標(biāo)準誤差Z統(tǒng)計量概率常數(shù)項（C）ARCH項（α）GARCH項(β)0RsquaredMean dependent varAdjusted Rsquared. dependent var. of regressionAkaikeinfo criterionSum squared residSchwarz criterionLog likelihoodHannanQuinn criter.ARCH效應(yīng)檢驗F統(tǒng)計量F值檢驗概率LM統(tǒng)計量卡方檢驗(1)概率，該模型下的創(chuàng)業(yè)板指數(shù)收益率的條件方差方程表達式為從系數(shù)結(jié)果來看，并且，滿足方程適用的前提條件，該模型對數(shù)據(jù)的擬合性較好，同時這一系數(shù)之和接近于1，表明創(chuàng)業(yè)板指數(shù)收益率的波動的條件方差序列具有長記憶性，即該序列將來所有的預(yù)測都會依賴于前期的測度，一次短期消息的沖擊可能會影響到未來的趨勢。而兩個系數(shù)都大于0，表明創(chuàng)業(yè)板市場的波動存在聚集性現(xiàn)象，即過去的市場波動會對未來的市場波動有正向作用，但會隨時間推移而逐漸減弱。 ARCH LM檢驗的原假設(shè)是：ARCH模型里所有回歸系數(shù)是否同時為零。若概率大于給定的顯著性水平，則序列不存在ARCH效應(yīng)的，即不能拒絕沒有ARCH效應(yīng)假設(shè)。 在對序列使用GARCH模型后的殘差A(yù)RCH LM檢驗時，就必須期望殘差從1階就表現(xiàn)較大的概率為好，即不能拒絕原假設(shè)，殘差不再有ARCH效應(yīng)，，因此該序列已不存在ARCH效應(yīng)，說明該模型消除了原均值方程殘差序列的條件異方差性。雖然GARCH模型能夠較好地解釋創(chuàng)業(yè)板的波動性，但由于其自身的假定限制，GARCH模型并不能夠合理解釋創(chuàng)業(yè)板指數(shù)收益率波動的非對稱問題，創(chuàng)業(yè)板指數(shù)波動存在杠桿效應(yīng)，選擇TGARCH模型對該收益率序列進行擬合。將收集好的數(shù)據(jù)進行對數(shù)差分后，導(dǎo)入Eviews ，得到擬合結(jié)果， 創(chuàng)業(yè)板指數(shù)收益率的TGARCH(1，1)模型估計結(jié)果方差方程變量系數(shù)標(biāo)準誤差Z統(tǒng)計量概率常數(shù)項（C）ARCH項（α）非對稱項（γ）GARCH項(β)0RsquaredMean dependent varAdjusted Rsquared. dependent var. of regressionAkaike info criterionSum squared residSchwarz criterionLog likelihoodHannanQuinn criter.DurbinWatson statARCH效應(yīng)檢驗F統(tǒng)計量F值檢驗概率LM統(tǒng)計量卡方檢驗(1)概率 得到TGARCH(1，1)模型的條件方差的方程為 Z統(tǒng)計量 () () () ()在 TGARCH 模型中，不等于0，表明創(chuàng)業(yè)板指數(shù)日對數(shù)收益率的波動存在著非對稱效應(yīng)，同時因為非對稱效應(yīng)項的系數(shù)小于0，說明該序列波動存在杠桿效應(yīng)，即波動率對市場下跌的反應(yīng)速度更快，股票價格下跌會比股票價格上漲的波動更大。在TGARCH模型中，明顯小于0，說明利空消息比利好消息帶來更大的股市波動。，+=，即利空消息會產(chǎn)生更大的市場波動。，說明模型擬合較好。ARCH ，說明該方程殘差序列已經(jīng)消除了ARCH效應(yīng)，TGARCH模型較好的擬合樣本序列數(shù)據(jù)。第4章結(jié)果分析及建議 通過實證分析，可以得出以下結(jié)論 （1），創(chuàng)業(yè)板指數(shù)收益率序列存在明顯的“波動集聚性”特征，即在一段較大幅度的波動后面跟隨著更大幅度的波動，而在一段較小幅度的波動后面跟隨著更小的波動。這說明創(chuàng)業(yè)板指數(shù)收益率序列均存在著異方差現(xiàn)象。 （2），創(chuàng)業(yè)板指數(shù)收益率序列的偏度小于0，JB統(tǒng)計量的概率值為0，說明創(chuàng)業(yè)板指數(shù)收益率序列不服從正態(tài)分布，大體呈現(xiàn)左偏分布。創(chuàng)業(yè)板指數(shù)收益率序列的峰度值和JB統(tǒng)計量的值異常，表明我國創(chuàng)業(yè)板指數(shù)收益率序列具有明顯的“尖峰厚尾”分布特征。 （3），發(fā)現(xiàn)創(chuàng)業(yè)板指數(shù)收益率序列數(shù)據(jù)是平穩(wěn)的，說明我國創(chuàng)業(yè)板指數(shù)收益率序列數(shù)據(jù)符合成熟股票市場金融數(shù)據(jù)的平穩(wěn)性特征。 （4）對序列進行序列自相關(guān)檢驗，以及Q統(tǒng)計量和伴隨概率的值，顯示該序列存在自相關(guān)性，同時這些數(shù)據(jù)還顯示該序列有ARCH效應(yīng)，即條件異方差性，適用于非對稱性GARCH模型實證分析。 （5）用GARCH 模型來對序列進行擬合，可以得出創(chuàng)業(yè)板指數(shù)收益率序列的波動持續(xù)性系數(shù)小于并接近于1，表明創(chuàng)業(yè)板指數(shù)收益率序列信息沖擊效應(yīng)的持久性和收斂性，即外部信息沖擊對創(chuàng)業(yè)板指數(shù)波動的影響將是持久和收斂的。 （6）采用非對稱模型中的TGARCH 模型對序列進行擬合，證明創(chuàng)業(yè)板指數(shù)收益波動存在顯著的非對稱性效應(yīng)”，表現(xiàn)為“杠桿效應(yīng)”，即在同等程度下，“利空消息”沖擊對股指波動的影響要比“利好消息”更大。同時，波動集聚效應(yīng)以及杠桿效應(yīng)，表明我國股票市場屬于弱有效性市場，市場不穩(wěn)定性程度較高。 （7）通過ARCH LM檢驗結(jié)果可以看出，針對創(chuàng)業(yè)板指數(shù)收益率序列分別建立的GARCH模型和TGARCH模型均消除了殘差序列的ARCH效應(yīng)，模型擬合樣本數(shù)據(jù)的效果較好。通過上述結(jié)果分析，可以看出創(chuàng)業(yè)板指數(shù)波動比較劇烈，并且存在波動的非對稱性及杠桿效應(yīng)，其可能存在的原因有上市公司的質(zhì)量較差，無法支撐較高的市盈率；創(chuàng)業(yè)板處于弱有效市場，信息傳導(dǎo)存在時滯，信息披露也不規(guī)范，可能存在虛假信息；另外，退市制度雖然有所完善，但相對來說仍然存在很多問題；創(chuàng)業(yè)板市場是新興市場，散戶和機構(gòu)投資者較多，其投機心理和羊群效應(yīng)對創(chuàng)業(yè)板的波動產(chǎn)生了影響。為了使創(chuàng)業(yè)板能夠更加成熟穩(wěn)定,可以采取一定的措施促進其發(fā)展。 （1）對上市公司的資格進行嚴格的審查，加強法律的約束作用。造成創(chuàng)業(yè)板波動較大的原因之一是存在質(zhì)量較差的上市公司，這類公司的業(yè)績不高，支撐不起較高的市盈率。創(chuàng)業(yè)板作為經(jīng)濟發(fā)展中的重要部分，由于這些上市公司的存在，其發(fā)展受到了嚴重的影響，因此，解決問題的關(guān)鍵是保證上市公司的質(zhì)量，保證質(zhì)量最有效的辦法是從資格審查抓起，對上市公司的資格要進行嚴格的審查，其中對財務(wù)指標(biāo)的審查尤為重要，并且要改善上市公司出現(xiàn)問題后的處理效率，快速找出出現(xiàn)問題的關(guān)鍵環(huán)節(jié)，對相關(guān)負責(zé)人或相關(guān)負責(zé)部門進行嚴厲的懲處，增強法律在創(chuàng)業(yè)板積極發(fā)展中的保障作用。 （2）建立更加完善的信息披露制度。創(chuàng)業(yè)板起步較晚，制度建設(shè)也不是特別完善，在信息披露方面存在很多問題，有些公司發(fā)布虛假信息誤導(dǎo)投資者，也有個別投資者利用內(nèi)幕消息來獲取巨額利益，股市信息的不透明和不準確嚴重阻礙了市場的健康發(fā)展，因此創(chuàng)業(yè)板市場只有建立起完善的信息披露制度，市場公平才能得以保障，投資者才能依據(jù)這些信息做出更加理性和正確的決策，以減少損失。創(chuàng)業(yè)板市場應(yīng)及時發(fā)布每一個上市公司的業(yè)績經(jīng)營情況，是否有管理層的變化，未來有何動向，整體結(jié)構(gòu)是否變化等，并保證信息真實與完整，使股民能夠及時的了解情況，以便及時作出決策。一旦發(fā)現(xiàn)上市公司存在信息披露不真實或者不完整的情況，應(yīng)就相關(guān)負責(zé)人或部門追究其責(zé)任，必要時可以采取法律手段。投資者的知情權(quán)的保障，使得創(chuàng)業(yè)板市場將會變成真正的公開、公平、公正的交易市場。 （3）建立完善的退市制度。我國股市的退市制度一直在不斷地完善，對于創(chuàng)業(yè)板這個新興市場來說，至今還沒有一個完整的退市制度。創(chuàng)業(yè)板自成立以來僅有五年，相對時間較短，目前還沒有出現(xiàn)退市的公司，從其他股票市場的發(fā)展經(jīng)驗來看，建立一個有效地直接退市制度對創(chuàng)業(yè)板的發(fā)展有非常積極的作用，直接且有效的退市制度能夠促進上市公司之間的良性競爭，通過競爭來改善自身的問題，提高自身的條件。完善的退市制度可以形成良好的競爭機制，通過優(yōu)勝劣汰的競爭方式來促進市場的發(fā)展，保證創(chuàng)業(yè)板市場的活力。 （4）對于投資者而言，由于我國股票市場發(fā)展還是不太成熟，市場中存在大量的散戶和機構(gòu)投資者。散戶相對于機構(gòu)投資者來說知識較為匱乏，信息來源和分析的能力也較差，對于股票信息的判斷往往會出現(xiàn)偏差，再加上信息的不透明，發(fā)布不及時，投資行為會出現(xiàn)羊群效應(yīng)和過度反應(yīng)等，而這些因素也加劇了股市的波動。另外，最近一段時間，股市的漲勢很猛，投資者對創(chuàng)業(yè)板的發(fā)展持樂觀心態(tài)，對利好消息做出十分劇烈的反應(yīng)，這樣也會造成了較大的波動性。我國的創(chuàng)業(yè)板市場是弱有效性的，因此，在相關(guān)政和制度建立和完善過程中，投資者應(yīng)該謹慎投資，尤其是中小投資者更應(yīng)該謹慎，減少盲目的跟風(fēng)行為，掌握更多的信息渠道和分析方法，合理的利用專業(yè)知識，對市場進行更確切的預(yù)測，繼而提高整個創(chuàng)業(yè)板市場的有效性。第5章 結(jié)束語 本文主要結(jié)論本文選取了自2010年6月1日創(chuàng)業(yè)板正式運作以來至2015年4月30日的創(chuàng)業(yè)板指數(shù)為樣本數(shù)據(jù)，以差分計算的日對數(shù)收益率為研究對象。運用描述性分析與GARCH族模型實證分析方法，研究我國創(chuàng)業(yè)板指數(shù)的波動特征，并得出以下幾點結(jié)論:第一，創(chuàng)業(yè)板指數(shù)收益率序列波動幅