上海股票市場收益率分布模型統(tǒng)計研究

摘 要：在金融市場迅速發(fā)展、金融創(chuàng)新不斷深入的今天，股票市場的波動也日益加劇，風(fēng)險明顯增大，資產(chǎn)收益率的分布形態(tài)也更加復(fù)雜化。對上證綜指對數(shù)收益率序列進(jìn)行實(shí)證研究，依據(jù)嚴(yán)密的統(tǒng)計分析方法建立了GARCH-t(1,1)模型。最后，通過相應(yīng)的模型檢驗(yàn)方法驗(yàn)證了GARCH-t(1,1)模型能夠很好的刻畫上證綜指對數(shù)收益率序列的統(tǒng)計特征。?
關(guān)鍵詞：股票收益率；GARCH模型；統(tǒng)計檢驗(yàn)??
　　
　　在風(fēng)險管理中，我們往往關(guān)注的就是資產(chǎn)收益率的分布。許多實(shí)證研究表明，金融資產(chǎn)收益率分布表現(xiàn)出尖峰、厚尾的特征。另外,收益率序列還具有條件異方差性、波動聚集性等特點(diǎn)。選擇合適的統(tǒng)計模型對金融資產(chǎn)收益率分布進(jìn)行描述顯得尤為重要。?
　　
　　1 數(shù)據(jù)選取?
　　
　　本文實(shí)證分析的數(shù)據(jù)選取上海股市綜合指數(shù)(簡稱上證綜指)每日收盤指數(shù)�？紤]到我國于1996年12月16日開始實(shí)行漲跌停板限價交易，即除上市首日以外，股票、基金類證券在一個交易日的交易價格相對上一個交易日收市價格的漲跌幅不得超過10%，本文把數(shù)據(jù)分析時段選擇為：1996.12.16-2007.05.18，共2510組有效數(shù)據(jù)。數(shù)據(jù)來源為CCER中國經(jīng)濟(jì)金融數(shù)據(jù)庫。數(shù)據(jù)分析采用軟件為Eviews5.1。通過對原始序列的自然對數(shù)變換，得到上證綜指收益率序列，有2509個數(shù)據(jù)，記為RSH。?
　　
　　2 基本統(tǒng)計分析?
　　
　　2.1 序列的基本統(tǒng)計量?
　　
　　對稱分布的偏度應(yīng)為等于0，而上證綜指收益率的偏度為負(fù)值，說明該序列的分布是有偏的且向左偏斜，即收益率出現(xiàn)正值的概率小于收益率出現(xiàn)負(fù)值的概率。另外，已知正態(tài)分布的峰度等于3，而上證綜指收益率的峰度是8.919924，遠(yuǎn)大于3，這表明RSH序列不服從正態(tài)分布，而是具有尖峰厚尾特性。?
　　2.2 序列的自相關(guān)性?
　　采用Ljung-Box Q統(tǒng)計量檢驗(yàn)上證綜指收益率序列的自相關(guān)性。原假設(shè)為序列不存在階自相關(guān)。根據(jù)上證綜指收益率的10階滯后期的Q統(tǒng)計值及其相應(yīng)概率值可知，上證綜指收益率的相關(guān)性并不顯著。
　　2.3 序列的平穩(wěn)性和正態(tài)性?
　　為了避免偽回歸現(xiàn)象的發(fā)生，在建立回歸模型之前須對收益率序列進(jìn)行平穩(wěn)性檢驗(yàn)。采用ADF方法檢驗(yàn)RSH序列的平穩(wěn)性，其檢驗(yàn)統(tǒng)計值為-51.7733，遠(yuǎn)小于MacKinnon的1％臨界值，認(rèn)為上證綜指收益率序列不存在單位根，是顯著平穩(wěn)的。這就避免了非平穩(wěn)性帶來的許多缺陷。上證綜指收益率序列的D.W.值為1.9705，非常接近于2，表明其殘差序列不存在序列相關(guān)。?
　　本文使用Jarque-Bera方法對RSH序列其進(jìn)行正態(tài)性檢驗(yàn)，檢驗(yàn)統(tǒng)計值為3682.735(p=0.000)，概率值足夠小以至于必須懷疑原假設(shè)的正確性。這也就說明，用正態(tài)分布對中國股市收益率的波動性進(jìn)行描述是不正確的。?
　　2.4 ARCH效應(yīng)檢驗(yàn)?
　　大量的實(shí)證分析表明，大多數(shù)金融資產(chǎn)收益率序列的條件方差具有時變性，即ARCH效應(yīng)。利用ARCH-LM方法檢驗(yàn)殘差序列中是否存在ARCH效應(yīng)。選擇滯后階數(shù)為5階，檢驗(yàn)統(tǒng)計值為28.92598(p=0.000)，表明殘差存在顯著的ARCH效應(yīng)，至少存在5階的ARCH效應(yīng)。這就意味著必須估計很多個參數(shù)，而這卻是很難精確的做到。在這種情況下，可以用一個低階的GARCH模型代替，以減少待估參數(shù)的個數(shù)。?
　　
　　3 分布模型的確定?
　　
　　金融時間序列的分布往往具有比正態(tài)分布更寬的尾部。為了更精確地描述這些時間序列分布的尾部特征，本文分別運(yùn)用GARCH-Normal、GARCH-t和GARCH-GED模型擬合樣本數(shù)據(jù)。
　　較之其它模型，GARCH-t(1,1)模型的對數(shù)似然值有所增加，同時AIC和SC值都變小，這說明GARCH-t(1,1)模型對上證綜指收益率序列波動的刻畫能力要強(qiáng)于其它模型。對模型中的未知參數(shù)進(jìn)行極大似然估計，得出GARCH-t(1,1)模型為：?
　　均值方程為：RSH=0.0399?(1.7435)?
　　方差方程為：?2?t=0.1137 0.1331×?2??t-1? 0.8261×?2??t-1??
　　(4.5005?*)(6.6345?*)(10.3761?*)?
　　在方差方程中，ARCH項(xiàng)和GARCH項(xiàng)的系數(shù)都是顯著的，且兩項(xiàng)系數(shù)之和為0.9592，小于1，滿足參數(shù)約束條件。另外，系數(shù)之和非常接近于1，表明收益率序列的條件方差所受的沖擊是持久的，這對所有的未來預(yù)測都有重要作用。?
　　
　　4 分布模型的檢驗(yàn)?
　　
　　模型建立的好壞首先要檢驗(yàn)其是否有效的消除原序列的異方差性。另外，基于收益率序列概率積分變換的檢驗(yàn)方法，可以檢驗(yàn)序列分布與理論分布的擬合情況。對原序列做概率積分變換，然后檢驗(yàn)變換后的序列是否服從i.i.d.（ol）均勻分布。一般地對變換后的序列進(jìn)行BDS檢驗(yàn)，以判斷其是否是獨(dú)立同分布。而運(yùn)用Kolmogorov-Smirnov(K-S)檢驗(yàn)則可以檢驗(yàn)變換后的序列是否服從均勻分布。?

【上海股票市場收益率分布模型統(tǒng)計研究】相關(guān)文章：

我國收益率曲線的研究12-07

基于GARCH模型的大豆期貨收益率波動的分析12-12

股票市場與經(jīng)濟(jì)增長關(guān)系實(shí)證研究03-24

剩余收益模型與傳統(tǒng)DCF模型的比較研究03-23

淺談分布式入侵檢測系統(tǒng)模型設(shè)計03-09

超市商業(yè)智能模型研究03-24

可轉(zhuǎn)換債券定價模型的研究03-28

準(zhǔn)實(shí)時公交調(diào)度模型的研究03-07

生態(tài)模型傳承力安全研究03-21