中國滬深股市收益率相關性的實證分析

《中國滬深股市收益率相關性的實證分析》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在工程資料-天天文庫。

1、中國滬深股市收益率相關性的實證分析：開放的資本市場，不同市場在資金流動、市場運作等方面聯(lián)系的加強使得市場間的關聯(lián)度增加。我國的上海和深圳交易所同處中國大陸，所面對的經(jīng)濟、政治和法律環(huán)境相同，監(jiān)管環(huán)境、投資者結(jié)構(gòu)、上市公司的質(zhì)量、治理結(jié)構(gòu)相同或相似。研究這兩個股市間的相關性與互動性可以反映資金流向和市場效率。上證綜合指數(shù)日收益率和深證成分指數(shù)日收益率均存在較大的波動，滬深兩市日收益率序列均不服從正態(tài)分布，尖峰厚尾性顯著，波動存在簇族性。可用GARCH模型和EGARCH模型來擬合收益率序列的波動性，通過模型得出滬市的有效性比較強，深市對滬市收益率的溢出效應不顯著?！　￡P鍵詞：

2、股票收益率GARCHEGARCH　　　　一、數(shù)據(jù)的與變換　　本文選取上證綜合指數(shù)與深證成分指數(shù)交易日的收盤價，樣本范圍為2007年1月5日至2009年12月18日，共973個觀察值，全部數(shù)據(jù)于萬德資訊金融終端。對原始數(shù)據(jù)序列取對數(shù)，并采用對數(shù)一階差分表示收益率，即RSHt=lg(shinxt)-lg(shinxt-1)，RSZt=lg(szinxt)-lg(szinxt-1)。　　　　二、樣本數(shù)據(jù)的基本統(tǒng)計特征　　首先對收益率序列作描述性統(tǒng)計分析，結(jié)果顯示：時間序列RSHt和RSZt正態(tài)分布（S=0，K=3）相比，均呈現(xiàn)左偏。Jarque-Bera正態(tài)性檢驗值為189.5

3、10888和115.196106，P值俊等于0，表明至少可以在99%的置信水平下拒絕零假設，即序列不服從正態(tài)性分布?！　　　∪?、序列的平穩(wěn)性檢驗　　本文采用擴展的Dickey-Fuller(ADF)檢驗，假設上證指數(shù)收益率序列在0均值上下波動，所以采用無時間趨勢的回歸模型。取k=5進行檢驗，結(jié)果顯示RSH和RSZ的T-teststatistic分別為-30.99307和-29.66630，均小于1%顯著水平上的臨界值-3.440，所以拒絕序列存在單位根的零假設，因此上證綜指日收益率時間序列和深證成指日收益率時間序列均序列不存在單位根，是顯著平穩(wěn)的?！　　　∷摹⑿蛄械淖韵嚓P

4、性　　分別作出RSHt的自相關圖和偏自相關圖，從相關系數(shù)、自相關圖和LB-Q統(tǒng)計量中可以看出，上證綜指日收益率序列一階不存在相關性，但是2階以后的自相關系數(shù)和偏相關系數(shù)有反復波動增減的現(xiàn)象，雖然幅度不大，但是從LB-Q統(tǒng)計量得知，在5%的顯著性水平下，上證收益率存在16階和24階高階自相關?！　L試用ARMA(p,q)來估計上證指數(shù)收益率與其自身滯后量的關系，分別令p=1~5；q=1~5；利用AIC和SBIC來篩選，根據(jù)結(jié)果：無論是以AIC還是SBIC為準則，都應選擇ARMA(3,3)。同時我們從序列RSH的自相關圖和偏自相關圖中可以發(fā)現(xiàn)，序列RSH在第三階開始有2次明顯

5、的上升，我們認為可以嘗試使用ARMA(

6、

7、1，3

8、

9、，

10、

11、1，3

12、

13、)來解釋序列?！　〗酉聛碛肂ox-Jenkins方法估計和識別上述兩個模型，其Ljung-Box的Q統(tǒng)計量均不顯著，即接受殘差無顯著自相關的假設。而ARMA(3,3)的AIC和SBIC指數(shù)都要優(yōu)于ARMA(

14、

15、1,3

16、

17、,

18、

19、1,3

20、

21、)，所以ARMA(3,3)能夠比較好地擬合上證綜合指數(shù)收益率?！　〗又?，利用拉格朗日乘數(shù)檢驗對ARMA(3，3)殘差進行ARCH效應檢驗。選擇滯后5階，Chi-Squared(5)為29.208608，SignificanceLevel為0.00002110。ARMA(3，

22、3)的殘差存在明顯的ARCH效應。接下來本文引入外生變量來擬合上證綜合指數(shù)的均值，同時結(jié)合異方差模型來分析?！　　　∥濉⑸献C指數(shù)日收益率與深成指數(shù)日收益率相關性分析　　滬深股市相似的結(jié)構(gòu)和相同的環(huán)境應該使得二者收益率有很強的相關性。于是，我們將RSZt-1和RSHt-1作為RSHt的解釋變量進行簡單線性回歸。同時，我們不做檢驗而直接引入GARCH來捕捉回歸方程殘差的異方差現(xiàn)象。這是因為股指收益的波動率普遍存在群聚、尖峰厚尾的現(xiàn)象。一般來說，GARCH(1,1)模型已能很好的捕捉殘差高階自相關現(xiàn)象，構(gòu)建模型：　　　　　　結(jié)果如表1。RSZt-1和RSHt-1的系數(shù)都不顯著，

23、GARCH(1,1)模型的各項參數(shù)都是顯著不為零的，說明了群聚、尖峰厚尾的現(xiàn)象的存在。標準化后殘差平方的LB-Q值均不顯著，即經(jīng)過處理后殘差不存在異方差現(xiàn)象。但是，標準化后的殘差仍然存在自相關現(xiàn)象，于是考慮引入描述波動非對稱性的EGARCH進一步分析，構(gòu)建如下模型：　　　　～N（0，1）　　　　結(jié)果如表2。和GARCH(1,1)模型一樣，兩市日收益率滯后一項都不顯著。兩個模型中，RSHt-1對其當期RSHt的影響也都是不顯著的，這說明前一日上證市場的信息已反映在該日收益率中，上證市場是弱有效的。滬深兩個市場屬同一個金融市場范疇