DOC《99》

3、均值方程的确定及残差序列自相关检验 rh收益率的自相关检验: rz收益率的自相关检验: 通过对收益率的自相关检验,我们发现两市的收益率都与其滞后4阶存在显著的自相关,因此对两市收益率r t的均值方程都采用如下形式: (3.5) (1)对收益率做自回归 (2)用Ljung-Box Q 统计量对均值方程拟和后的残差及残差平方做自相关检验 通过选择12阶滞后得到沪市收益率rh残差项的自相关系数acf值和pacf值,如下图所示: 再选择10阶滞后,则得到沪市收益率rh残差平方的自相关系数acf值和pacf值,如下图所示: 采用同样的方法,得到深市收益率 rz的回归方程及残差、残差平方的acf值和pacf值.如下图所示: 通过对沪深两市收益率的回归方程及残差、残差平方的acf值和pacf值进行比较,结果表明两市的残差不存在显著的自相关,而残差平方有显著的自相关. (3)对残差平方做线性图 rh残差平方线状图如下图所示: rz残差平方线状图如下图所示: 可见的波动具有明显的时间可变性和集簇性,适合用GARCH类模型来建模. (4)对残差进行ARCH-LM Test 对rh的方程回归后的残差项做ARCH-LM Test得到的结果如下图所示: 对rz的方程回归后的残差项同样做ARCH-LM Test得到的结果如下图所示: 由上图分析结果表明残差中ARCH效应是很显著的.

4、GARCH类模型建模 (1)GARCH(1,1)模型估计结果 沪市收益率GARCH(1,1)模型估计结果如下图所示: 深市收益率GARCH(1,1)模型估计结果如下图所示: 由上图可得,沪深股市收益率条件方差方程中ARCH项和GARCH项都是高度显著的,表明收益率序列具有显著的波动集簇性.GARCH(1,1)过程是平稳的,其条件方差表现出均值回复(MEAN-REVERSION),即过去的波动对未来的影响是逐渐衰减. (2)GARCH-M (1,1) 估计结果 沪市收益率GARCH-M(1,1)模型估计结果如下图所示: 深市收益率GARCH-M(1,1)模型估计结果如下图所示: 由上图可得,沪深两市均值方程中条件方差项GARCH的系数估计分别为0.1797和1.4631.沪深两市反映了收益与风险的正相关关系,说明收益有正的风险溢价;

而且深圳股市的风险溢价要高于上海.这说明深圳股市的投资者更加的厌恶风险,要求更高的风险补偿.

(二)股市收益波动非对称性的研究

1、 TARCH模型(门限ARCH)模型估计结果 沪市收益率TARCHT(1,1)模型估计结果如下图所示: 深市收益率TARCH(1,1)模型估计结果如下图所示: 在TARCH中,项的系数估计值γ都大于0,而且都是显著的.这说明沪深股市中坏消息引起的波动比同等大小的好消息引起的波动要大,沪深股市都存在杠杆效应.

(三)沪深股市波动溢出效应的研究

1、检验两市波动的因果性 (1) 提取条件方差 通过提取条件方差得到rh回归方程残差项的条件方差数据序列GARCH01;

同样的步骤也可得到rz 回归方程残差项的条件方差数据序列GARCH02. (2)检验两市波动的因果性 Granger因果检验结果如图所示: 由上图可知,我们均可以拒绝原假设:上海的波动不能因果深圳的波动;

深圳的波动不能因果上海的波动.这初步证明沪深股市的波动之间存在溢出效应,且是对称的,双向的,表明是由于深圳市........