创业板收益率波动性研究

潘诒明

【摘 要】 我国创业板市场主要由高成长性的中小企业组成的，企业面临的风险较大，使得创业板指数的波动性较大。因此对创业板股价波动性的研究对我国资本市场的发展有一定的的指导作用。本文运行GARCH模型对我国创业板收益率的波动性进行实证研究，以期找到我国创业板收益率波动的运行规律和结论。

【关键词】 创业板 GARCH模型 波动性

一、引言

股票市场的波动性一直以来是金融研究的热点问题，波动率是资产收益不确定的衡量，它经常被用来衡量资产的风险。由于股价的波动不仅可以直接反映股市的不确定性，还可以间接利率变动与通货膨胀等宏观经济特征和公司经营状况等微观特征[1]。因此研究股票市场市场收益率波动特征及其影响因素，能够帮助我们很好的理解股市的风险。

创业板市场主要是一些高成长、具有高新技术的上市公司。但由于这些企业的上市条件没有主板那么严格，面临的竞争和挑战更多，风险也更大。因此我们研究创业板指数的波动情况能够很好的认识到创业板市场的风险大小。

针对股票市场的波动性研究，国内外的许多学者都做了大量的实证研究。其中，Engle（1982）提出的ARCH自回归条件异方差模型，被认为是最能反映数据方差的变化特点的模型，被广泛应用于金融时序数据的分析当中[2]。好多学者也在此基础上对ARCH模型进行了拓展，如GARCH和EGARCH等。所以本文选择用GARCH模型来研究创业板收益率的波动性。

二、GARCH模型介绍

计量经济学家 Engle在80年代提出了自回归条件异方差模型，并应用于英国通货膨胀指数波动性的研究。Engle的学生 Bollerslev（1986） 提出广义ARCH 模型，即GARCH 模型，其目的也是描述实际金融时间序列数据的波动性。GARCH（p，q）模型的一般形式如下：

其中：xt为收益率时间序列，μt是xt的条件期望值，εt为残差时间序列，表示条件异方差，通常用来表示t时刻标的金融产品的波动率。

三、实证分析

本文选取创业板指数作为研究对象来描述创业市场的波动变化情况，选取的创业板指数的时间跨度为2010年6月1日到2018年1月18日，共计1857个样本点。所选取的数据能很好的反映创业板指数上市以来整体的波动情况。

（一）时间序列的描述分析

本文运用计量分析软件EVIEWS6.0进行相应的统计分析。GARCH模型只针对平稳性时间序列进行建模，因此对指数收益率进行对数化处理[3]。

由创业板指数对数收益率的时间序列图的柱状图可知，创业板指数对数收益率序列均值为0.000312，偏度为-0.56，小于0，说明序列分布有长的左拖尾。峰度为5.16，高于正态分布的峰度值3，说明序列有尖峰和厚尾的特征。JB统计量为468.08，P值为0.00，拒绝改对数收益率服从正态分布的假设。

（二）收益率序列的ADF检验

本文对创业板指数对数收益率序列进AD检验，得出T统计量的值为-10.21797，对应的P值接近0，可以看出创业板指数对数收益率是平稳的。

（三）序列的自相关和偏自相关检验

我们得出该序列的自相关和偏自相关图，由图可以看出，该时间序列存在着自相关性。根据自相关图可以确定均值方程符合ARMA模型，根据数据初步得出GARCH模型的均值方程：

（四）ARCH效应检验

由以上检验分析可得，创业板指数对数收益率序列存在着自相关性。下面通过残差检验的ARCH检验来看序列是否存在ARCH效应。根据结果看出该序列的残差序列存在着ARCH效应。

（五）GARCH模型的建立

根据以上的分析，我们可以先建立ARCH模型，通过软件分析，得出ARCH模型方差方程中滞后项1、2、3、6、7、8、9阶显著，为了方便，我们可以尝试建立GARCH模型，这里尝试建立GARCH（1，1）模型。得出GARCH模型方差的方程为：

等式中参数均显著通过了检验且均值方程系数的显著性得到了一定的提升。通过ARCH-LM检验发现，该模型残差项不再具有异方差性，模型拟合的很好。

四、结论

创业板收益率的波动是平稳的，收益率波动呈现非正态分布，收益率略偏向均值左边，且具有较厚的尾部和较尖的峰部，并且其波动集聚现象较为明显。创业板市场收益率具有显著的ARCH效应，异方差现象普遍存在。通过GARCH（1，1）模型对我国创业板收益率序列的拟合，我国创业板收益率波动不仅具有较强的集聚性，而且受到冲击以后影响的持续时间较长，对未来的波动也会有一定的影响。

【参考文献】

[1] 刁艳华，李文华.基于GARCH模型的股票市场股指收益率波动性研究[J].财税金融，2013年06期

[2] 王会军.基于GARCH 模型的创业板收益率波动性研究[J].财政金融

[3] 何治成. 基于、GARCH模型的我国创业板收益率波動性实证研究[J].财政金融