【正文】 在此，向給予過我?guī)椭耐瑢W(xué)表達(dá)誠摯的謝意。論文的撰寫過程，同樣離不開你們無私的教導(dǎo)。其次，我要向在大學(xué)四年里所有給予我關(guān)心和幫助的老師們致以最真摯的感謝。論文的順利完成，得益于高老師的悉心指導(dǎo)和嚴(yán)格要求，不論是論文的選題、開題、還是從結(jié)構(gòu)框架、章節(jié)安排到具體語言、標(biāo)點(diǎn)符號(hào)，高老師都細(xì)心把關(guān)，并給予了我多方面的思路建議。感謝她在百忙之中對(duì)我的悉心指導(dǎo)和無私幫助。McKenzie? Michael D.amp。 參考文獻(xiàn)[1] Engle. and Measuring and testing the impact of news on of Finance. :17491778.[2] Bollerslev T. Generalized auto aggressive on conditional Heteroskedasticity Jamal of Econometrics. :303320[3] Nelson，Daniel B，and Conditional Heteros dasticity in Asset Returns: A new Approach Eeonometriea. :351 370[4] Engle， Robert F and granger cointegration and error Correction:Representation， Estimation，and test ion Econometric :25027.[5]Schwert GW_Stock volatility in the New millennium: How wacky is Working Paper Series 8346，2001[6]Engle R. Antoregressive conditional heteroskedasticity with estimates of the Variance of UK inflation[J]. Econometrica, 1982,50: 9871008.[7]Brooks,Robert D.amp。在以后的研究中應(yīng)注重把創(chuàng)業(yè)板市場(chǎng)和主板與中小板市場(chǎng)的風(fēng)險(xiǎn)研究相結(jié)合，分析風(fēng)險(xiǎn)的關(guān)聯(lián)程度和相互影響作用的結(jié)果，從而提高我國創(chuàng)業(yè)板市場(chǎng)的風(fēng)險(xiǎn)管理水平。盡管在一定程度上能通過GARCH、TGARCH模型描述創(chuàng)業(yè)板市場(chǎng)的波動(dòng)特點(diǎn)，但本文所用的模型以及研究內(nèi)容還是較為片面，仍有一些模型及相關(guān)內(nèi)容并未涉及，仍有改善和提高的空間。尤其相比國外發(fā)達(dá)國家的證券市場(chǎng)的發(fā)展而言，發(fā)展歷程僅有不到五年的時(shí)間，還是太短。但仍然存在以下不足:由于創(chuàng)業(yè)板在2010年6月才開通，所以只能釆集到1191個(gè)樣本數(shù)據(jù)。因此，我國創(chuàng)業(yè)板指數(shù)收益率序列符合金融序列的特征，具有明顯的波動(dòng)聚集性，該序列存在異方差性，波動(dòng)與自身歷史波動(dòng)有相關(guān)性，GARCH、TGARCH、都能對(duì)該序列進(jìn)行擬，并得出波動(dòng)存在非對(duì)稱性和杠桿效應(yīng)的結(jié)論，沖擊持久性由α+β來決定，十分接近于1，說明創(chuàng)業(yè)板依然存在很大風(fēng)險(xiǎn)。 第二，創(chuàng)業(yè)板指數(shù)收益率序列是平穩(wěn)的序列，存在異方差性，從 GARCH(1，1)的估計(jì)結(jié)果能夠看出：創(chuàng)業(yè)板指數(shù)收益率的波動(dòng)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(cè)都會(huì)受到某一沖擊不同程度的影響，這表明創(chuàng)業(yè)板指數(shù)收益率的波動(dòng)和他之前的波動(dòng)大小之間存在著顯著地關(guān)系，并且具有明顯的集群現(xiàn)象。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(yùn)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(jì)算的日對(duì)數(shù)收益率為研究對(duì)象。另外，最近一段時(shí)間，股市的漲勢(shì)很猛，投資者對(duì)創(chuàng)業(yè)板的發(fā)展持樂觀心態(tài)，對(duì)利好消息做出十分劇烈的反應(yīng)，這樣也會(huì)造成了較大的波動(dòng)性。 （4）對(duì)于投資者而言，由于我國股票市場(chǎng)發(fā)展還是不太成熟，市場(chǎng)中存在大量的散戶和機(jī)構(gòu)投資者。創(chuàng)業(yè)板自成立以來僅有五年，相對(duì)時(shí)間較短，目前還沒有出現(xiàn)退市的公司，從其他股票市場(chǎng)的發(fā)展經(jīng)驗(yàn)來看，建立一個(gè)有效地直接退市制度對(duì)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(jìn)上市公司之間的良性競(jìng)爭(zhēng)，通過競(jìng)爭(zhēng)來改善自身的問題，提高自身的條件。 （3）建立完善的退市制度。一旦發(fā)現(xiàn)上市公司存在信息披露不真實(shí)或者不完整的情況，應(yīng)就相關(guān)負(fù)責(zé)人或部門追究其責(zé)任，必要時(shí)可以采取法律手段。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(gè)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(zhǔn)確嚴(yán)重阻礙了市場(chǎng)的健康發(fā)展，因此創(chuàng)業(yè)板市場(chǎng)只有建立起完善的信息披露制度，市場(chǎng)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)板作為經(jīng)濟(jì)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(yán)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(duì)上市公司的資格要進(jìn)行嚴(yán)格的審查，其中對(duì)財(cái)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(duì)相關(guān)負(fù)責(zé)人或相關(guān)負(fù)責(zé)部門進(jìn)行嚴(yán)厲的懲處，增強(qiáng)法律在創(chuàng)業(yè)板積極發(fā)展中的保障作用。 （1）對(duì)上市公司的資格進(jìn)行嚴(yán)格的審查，加強(qiáng)法律的約束作用。通過上述結(jié)果分析，可以看出創(chuàng)業(yè)板指數(shù)波動(dòng)比較劇烈，并且存在波動(dòng)的非對(duì)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(chǎng)，信息傳導(dǎo)存在時(shí)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(duì)來說仍然存在很多問題；創(chuàng)業(yè)板市場(chǎng)是新興市場(chǎng)，散戶和機(jī)構(gòu)投資者較多，其投機(jī)心理和羊群效應(yīng)對(duì)創(chuàng)業(yè)板的波動(dòng)產(chǎn)生了影響。同時(shí)，波動(dòng)集聚效應(yīng)以及杠桿效應(yīng)，表明我國股票市場(chǎng)屬于弱有效性市場(chǎng)，市場(chǎng)不穩(wěn)定性程度較高。 （5）用GARCH 模型來對(duì)序列進(jìn)行擬合，可以得出創(chuàng)業(yè)板指數(shù)收益率序列的波動(dòng)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(duì)創(chuàng)業(yè)板指數(shù)波動(dòng)的影響將是持久和收斂的。 （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(chǎng)金融數(shù)據(jù)的平穩(wěn)性特征。 （2），創(chuàng)業(yè)板指數(shù)收益率序列的偏度小于0，JB統(tǒng)計(jì)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。第4章結(jié)果分析及建議 通過實(shí)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(dòng)集聚性”特征，即在一段較大幅度的波動(dòng)后面跟隨著更大幅度的波動(dòng)，而在一段較小幅度的波動(dòng)后面跟隨著更小的波動(dòng)。，說明模型擬合較好。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(dòng)。雖然GARCH模型能夠較好地解釋創(chuàng)業(yè)板的波動(dòng)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(dòng)的非對(duì)稱問題，創(chuàng)業(yè)板指數(shù)波動(dòng)存在杠桿效應(yīng)，選擇TGARCH模型對(duì)該收益率序列進(jìn)行擬合。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)。 將收集好的數(shù)據(jù)進(jìn)行對(duì)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(jì)和檢驗(yàn)結(jié)果方差方程變量系數(shù)標(biāo)準(zhǔn)誤差Z統(tǒng)計(jì)量概率常數(shù)項(xiàng)（C）ARCH項(xiàng)（α）GARCH項(xiàng)(β)0RsquaredMean dependent varAdjusted Rsquared. dependent var. of regressionAkaikeinfo criterionSum squared residSchwarz criterionLog likelihoodHannanQuinn criter.ARCH效應(yīng)檢驗(yàn)F統(tǒng)計(jì)量F值檢驗(yàn)概率LM統(tǒng)計(jì)量卡方檢驗(yàn)(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(dá)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(duì)數(shù)據(jù)的擬合性較好，同時(shí)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(dòng)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(cè)都會(huì)依賴于前期的測(cè)度，一次短期消息的沖擊可能會(huì)影響到未來的趨勢(shì)。 序列自相關(guān)性檢驗(yàn)滯后階數(shù)ACPACQ統(tǒng)計(jì)量伴隨概率123456789101112，Q統(tǒng)計(jì)量較大，對(duì)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(dòng)，而Q統(tǒng)計(jì)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)。 收益率的分布是會(huì)隨著時(shí)間的變化產(chǎn)生變動(dòng)的，相鄰期間的收益可能相互獨(dú)立，也可能不獨(dú)立。如果ADF統(tǒng)計(jì)量的T值小于各顯著水平的檢驗(yàn)臨界值，則拒絕原假設(shè)，該序列是一個(gè)非平穩(wěn)的序列。本文運(yùn)用ADF(Augmented Dickey一Fuller test)方法檢驗(yàn)方法進(jìn)行平穩(wěn)性檢驗(yàn)。可能存在異方差，因此要進(jìn)行ARCH效應(yīng)檢驗(yàn)。 ，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(jì)數(shù)據(jù)序列樣本數(shù)均值標(biāo)準(zhǔn)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(duì)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(yàn)結(jié)果概率值為0，顯示該序列不是正態(tài)分布。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(gè)，數(shù)據(jù)的收集來源于通達(dá)信軟件。本文以創(chuàng)業(yè)板指數(shù)為研究對(duì)象，利用GARCH族模型來研究創(chuàng)業(yè)板指數(shù)的波動(dòng)特征。如果γ0，則存在杠桿效應(yīng)，非對(duì)稱效應(yīng)的主要效果是使得波動(dòng)加大，反之，非對(duì)稱效應(yīng)使得波動(dòng)減小。，第三項(xiàng)為非對(duì)稱效應(yīng)項(xiàng)或TGARCH項(xiàng)。TGARCH模型是指利用虛設(shè)變量來設(shè)置一個(gè)門限，用以區(qū)分正的和負(fù)的沖擊對(duì)條件波動(dòng)性的影響，屬于非對(duì)稱性的GARCH模型。 標(biāo)準(zhǔn)的GARCH（1，1）模型為 （）是解釋變量向量，是系數(shù)向量。高階GARCH模型可以含有任意多個(gè)ARCH項(xiàng)和GARCH項(xiàng)，記作GARCH（p，q）模型。GARCH模型的實(shí)際意義在于，通過以往期數(shù)中積攢的關(guān)于波動(dòng)性的信息和上一期方差，預(yù)測(cè)本期變量的方差大小。因此這個(gè)模型的早期應(yīng)用中研究者會(huì)對(duì)αi強(qiáng)加一個(gè)相當(dāng)于任意的遞減時(shí)滯結(jié)構(gòu)，以保證模型滿足限定條件。如果ADF統(tǒng)計(jì)量的T值小于各顯著水平的檢驗(yàn)臨界值，則拒絕原假設(shè)，該序列是一個(gè)非平穩(wěn)的序列。方程中加入滯后項(xiàng)的是為了使殘差項(xiàng)μt為白噪音。如果接受H0，意味著時(shí)間序列rt包含著單位根，那么rt是非平穩(wěn)的。 (3)協(xié)方差Cov(XtXt+k) =Yk，僅與時(shí)間間隔k有關(guān)，與時(shí)間k無關(guān)的常數(shù)，那么該序列是平穩(wěn)的。 假設(shè)由隨機(jī)過程生成的時(shí)W序列{Xt} (t=l， 2，3...)，如果Xt符合下面條件: (1)均值E(Xt) =μ，是一不變常數(shù)。對(duì)于某個(gè)已知的時(shí)間序列，粗略判斷它是否平穩(wěn)，可以看該序列的時(shí)問路徑圖，如果在均值上下不斷波動(dòng)，則是平穩(wěn)序列。根據(jù)偏相關(guān)函數(shù)(PAC)值等于0發(fā)生的時(shí)間來選擇AR (P)模型，jp。 （2）自相關(guān)檢驗(yàn) 對(duì)于模型 （）如果隨機(jī)誤差項(xiàng)之間存在相關(guān)關(guān)系，則 ()這時(shí)，稱隨機(jī)誤差項(xiàng)之間存在序列相關(guān)或自相關(guān)。殘差平方相關(guān)圖顯示殘差平方序列直到任意指定的滯后階數(shù)的自相關(guān)系數(shù)（AC）和偏自相關(guān)系數(shù)（PAC）并且計(jì)算相應(yīng)滯后階數(shù)的Q統(tǒng)計(jì)量。若概率大于給定的顯著性水平（比如5％），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)， ARCH LM一般是對(duì)殘差進(jìn)行檢驗(yàn)，在未知?dú)埐钍欠窬哂蠥RCH效應(yīng)時(shí)，用OLS后，一般是希望殘差檢驗(yàn)的相伴概率從1階就有ARCH效應(yīng)，即概率從1階就很小，拒絕假設(shè)，但是有些時(shí)候是低階概率大，不能拒絕假設(shè)，而到了高階（一般為8階時(shí)）概率小，拒絕假設(shè)時(shí)，說明高階是有很強(qiáng)的ARCH效應(yīng)的，這是正常的表現(xiàn)。在給定的顯著水平下，如果這兩個(gè)統(tǒng)計(jì)量小于設(shè)定顯著性水平下的臨界值，說明序列在設(shè)定的顯著水平下不存在序列相關(guān)；反之，如果這兩個(gè)統(tǒng)計(jì)量大于設(shè)定顯著性水平下的臨界值，則說明序列存在序列相關(guān)性。ARCH LM檢驗(yàn)，統(tǒng)計(jì)量有一個(gè)輔助檢驗(yàn)回歸計(jì)算。Engle在1982年提出檢驗(yàn)殘差序列中是否存在ARCH效應(yīng)的拉格朗日乘數(shù)檢驗(yàn)，即ARCH LM檢驗(yàn)。 （1）ARCH效應(yīng)檢驗(yàn)ARCH效應(yīng)是指波動(dòng)率可以用自回歸模型來解釋，也就是未來的波動(dòng)可以用波動(dòng)的歷史數(shù)據(jù)來預(yù)測(cè)。一般而言，收益率的方差經(jīng)常被用來衡量股票市場(chǎng)的波動(dòng)程度。從波動(dòng)的來源劃分，波動(dòng)性通?？煞譃閮煞N:基礎(chǔ)波動(dòng)性（Fundamental volatility)和暫時(shí)波動(dòng)性( Transitory volatility)。至此，創(chuàng)業(yè)板指數(shù)、深證成指、中小板指數(shù)共同構(gòu)成反映深交所上市股票運(yùn)行情況的核心指數(shù)。為了更加客觀和全面地反映創(chuàng)業(yè)板市場(chǎng)情況，凸顯其運(yùn)行特征，