會(huì)計(jì)財(cái)務(wù)管理-股票價(jià)格波動(dòng)的實(shí)證研究

引言股指期貨交易對股票市場的波動(dòng)性影響一直是學(xué)術(shù)界關(guān)注的重點(diǎn)。我國的股指期貨市場起步較晚，2010年4月，我國方才推出首個(gè)跨市場的滬深300指數(shù)期貨合約。股指期貨的推出開啟了我國股指期貨的實(shí)踐進(jìn)程，終結(jié)了我國市場長期的單邊交易模式。豐富投資者的投資工具，促進(jìn)金融工具的創(chuàng)新，完善金融市場的內(nèi)涵，具有劃時(shí)代的意義。2016年4月16日，中證500指數(shù)期貨和上證50指數(shù)期貨的推出，填補(bǔ)了我國股指期貨市場上中小市值企業(yè)板塊的空白，對改善企業(yè)融資結(jié)構(gòu)、優(yōu)化社會(huì)資源配置、促進(jìn)中國經(jīng)濟(jì)發(fā)展等方面起到了十分重要的作用。Chen,Roll和Ross（1986）研究發(fā)現(xiàn)可以顯著解釋股票收益率的因子有風(fēng)險(xiǎn)溢價(jià)變化以及通貨膨脹率等；但消費(fèi)支出、原油價(jià)格和股票收益率之間卻沒有明顯關(guān)系。Mukherjee和Naka（1995）用誤差修正模型研究了東京股票交易所（TSE）和日本宏觀經(jīng)濟(jì)變量之間的動(dòng)態(tài)關(guān)系。他們研究發(fā)現(xiàn)，TSE股票價(jià)格指數(shù)和六個(gè)宏觀經(jīng)濟(jì)因子之間存在協(xié)整關(guān)系。而Binswanger（2000）對20世紀(jì)80年代以來的美國經(jīng)濟(jì)，用子樣本滾動(dòng)回歸方法研究發(fā)現(xiàn)，股票收益率和實(shí)質(zhì)經(jīng)濟(jì)活動(dòng)之間的關(guān)系不成立。國內(nèi)學(xué)者也在這方面進(jìn)行了一些經(jīng)驗(yàn)研究。談儒勇（1999）研究了中國金融發(fā)展和經(jīng)濟(jì)增長之間的關(guān)系，其中涉及了股市發(fā)展和經(jīng)濟(jì)增長之間的實(shí)證研究。研究表明，我國股市發(fā)展的三個(gè)指標(biāo)（市價(jià)總值/GDP、成交金額/GDP和成交金額/市價(jià)總值）在回歸模型中都不顯著，這意味著我國股市發(fā)展對經(jīng)濟(jì)增長的作用極其有限。鄭江淮、袁國良等（2017）的經(jīng)驗(yàn)研究認(rèn)為，雖然我國股市規(guī)模對經(jīng)濟(jì)增長的作用效果不明顯，但股市發(fā)展與儲(chǔ)蓄之間的正相關(guān)關(guān)系表明存在股票市場對經(jīng)濟(jì)增長的作用機(jī)制。李廣眾（2018）的經(jīng)驗(yàn)研究認(rèn)為中國銀行、股市發(fā)展的主要作用在于促進(jìn)投資規(guī)模擴(kuò)大，股市發(fā)展對經(jīng)濟(jì)增長的作用并不顯著。從上述國內(nèi)研究文獻(xiàn)可以看出，研究重點(diǎn)大多放在金融發(fā)展和經(jīng)濟(jì)增長關(guān)系上，股票市場發(fā)展和經(jīng)濟(jì)增長之間的關(guān)系僅僅是研究中的一部分，很少涉及關(guān)于宏觀經(jīng)濟(jì)和股票市場表現(xiàn)之間的經(jīng)驗(yàn)檢驗(yàn)。股票是國民資產(chǎn)配置中重要的一環(huán)，與實(shí)體經(jīng)濟(jì)有著密切的聯(lián)系，所以學(xué)者對股票價(jià)格波動(dòng)的研究非常關(guān)注。價(jià)格波動(dòng)是股票市場的基本特征之一，通過考察股市波動(dòng)的特征、變化及其與宏觀經(jīng)濟(jì)因素的關(guān)系的研究，可以使得股票投資的風(fēng)險(xiǎn)降低，也可以增加整個(gè)金融市場的流動(dòng)性，對國家的經(jīng)濟(jì)建設(shè)有著重要的意義。2相關(guān)概述界定2.1股指期貨的概念股票指數(shù)期貨（StockIndexFuture），簡稱股指期貨，是指以股票價(jià)格指數(shù)為標(biāo)的物的金融期貨合約。即在未來某個(gè)特定的日期，合約雙方根據(jù)預(yù)先約定的價(jià)格，買進(jìn)或賣出約定數(shù)量的股票指數(shù)的一種標(biāo)準(zhǔn)化協(xié)議。股指期貨屬于金融衍生工具之一，它是依賴股票指數(shù)進(jìn)行交易的。股指期貨交易是對股票指數(shù)未來的價(jià)格的預(yù)期，在不考慮手續(xù)費(fèi)的作用下，是交易雙方之間的零和博弈。對未來股票指數(shù)走勢預(yù)測準(zhǔn)確的一方將獲益，而另一方則會(huì)蒙受損失。2.2股票價(jià)格指數(shù)股票價(jià)格是虛擬的，它本身沒有價(jià)值，實(shí)際上是一種所有權(quán)憑證。它能夠流通交易的前提，是它能給持有者帶來投資收益。利率就是資金的市場價(jià)格，相同數(shù)量的資金既可以投資于不同的市場，股票市場和借貸市場都在選擇范圍之內(nèi)。如此情況下，利率就成為影響股票價(jià)格的一個(gè)十分敏感的因素，它對股票價(jià)格的影響過程和結(jié)果都極為復(fù)雜。理論上，股票價(jià)格與市場利率負(fù)相關(guān)，利率下降時(shí)股票價(jià)格應(yīng)該上升；而利率水平上升，股票價(jià)格應(yīng)該下降?？梢?，股票投資者可以根據(jù)利率的上下浮動(dòng)作為參考，決定買入或沽出股票的時(shí)機(jī)。2.3股票回購的定價(jià)2016年4月16日，實(shí)施股票回購的一個(gè)關(guān)鍵因素即是確定股票的公允價(jià)格。流通股與非流通股的回購價(jià)格要區(qū)別對待。對國有股來說，其價(jià)格制定的關(guān)鍵，在于保證國有資產(chǎn)價(jià)值不受損失。一方面，回購價(jià)格不得低于每股凈資產(chǎn)，只有這樣股東的權(quán)益才能得以保障。但又不能單純根據(jù)凈資產(chǎn)定價(jià)，因?yàn)閮糍Y產(chǎn)值代表的是公司的歷史成本，它無法體現(xiàn)資產(chǎn)未來的動(dòng)態(tài)收益。另一方面，還要考慮公司的盈利水平和市場表現(xiàn)。當(dāng)公司盈利狀況良好時(shí)，制定回購價(jià)格時(shí)應(yīng)在每股凈資產(chǎn)值得基礎(chǔ)上加上一定幅度的溢價(jià)。這樣才能真實(shí)的反映出公司的經(jīng)營水平，確保國有資產(chǎn)保值增值。流通股的定價(jià)分兩種方式：（1）市場公開回購。在公開市場進(jìn)行股票回購時(shí)，回購價(jià)格可參照以往交易日的收盤價(jià)。通常以回購前一個(gè)月的平均收盤價(jià)作為回購定價(jià)的底線，回購后的收盤價(jià)作為回購定價(jià)的上限。當(dāng)公司遭遇不可控因素影響時(shí)，例如股票市場的暴跌等，定價(jià)以股票的凈資產(chǎn)值為準(zhǔn)。（2）要約回購。有針對性的向所有股東回購股份時(shí)，股票的定價(jià)基礎(chǔ)是公司未來經(jīng)營期所需要的現(xiàn)金流。3股指期貨對股票市場波動(dòng)影響的理論分析股指期貨是建立在股票指數(shù)之上的衍生金融工具，兩者之間在價(jià)格的長期走勢上具有一致性。但是，股指期貨具備交易費(fèi)用低，可以做空等特征，這就會(huì)使得兩者的價(jià)格波動(dòng)存在差異。3.1價(jià)格引導(dǎo)機(jī)制股指期貨的定價(jià)模型方式多種多樣，其中最為常用的就是成本定價(jià)模型?，F(xiàn)在資本市場上主要有三種參與者：投機(jī)者、套利者和套期保值者。不同的投資者會(huì)根據(jù)當(dāng)時(shí)不同的市場環(huán)境做出不同的投資方式，執(zhí)行不同的交易策略，從而產(chǎn)生不同的交易結(jié)果。因此，不同的交易行為可能會(huì)干預(yù)市場，導(dǎo)致價(jià)格出現(xiàn)異常變動(dòng)。在經(jīng)濟(jì)學(xué)假設(shè)中，市場上的投資者都是理性投資者，市場價(jià)格也會(huì)根據(jù)市場信息的不同圍繞其真實(shí)價(jià)值上下波動(dòng)。但是在真實(shí)的市場運(yùn)行過程中，市場價(jià)格一般都會(huì)背離其內(nèi)在價(jià)值，表現(xiàn)出明顯的高估或者低估。這種現(xiàn)象的內(nèi)在原因按照行為金融學(xué)理論來說就是因?yàn)槭袌錾洗嬖诖罅客稒C(jī)者。股指期貨在受到外界新消息沖擊的情況下，其波動(dòng)會(huì)通過溢出效應(yīng)傳導(dǎo)到現(xiàn)貨市場，其中最為明顯的例子就是到期日效應(yīng)。一般來說，投資者為了盈利的交易將希望股票價(jià)格在過去的一個(gè)有利的轉(zhuǎn)變之前和之后股指期貨到期日期，所以將操縱價(jià)格的存在，這將導(dǎo)致股票市場的投標(biāo)價(jià)格雙方失衡，最終導(dǎo)致股價(jià)波動(dòng)。3.2期限套利機(jī)制與市場上的非理性投資者相比，理性的投資者還是可以通過市場上的交易手段建立資產(chǎn)組合來規(guī)避價(jià)格的非理性波動(dòng)。當(dāng)資產(chǎn)價(jià)值低于期貨價(jià)格的時(shí)候，投資者能夠買進(jìn)股票，出售期貨合約來進(jìn)行雙向套利操作，反之也是一樣。這種雙向套利手段減小了市場價(jià)格脫離理論內(nèi)在價(jià)值的幅度，有利于市場價(jià)格向其基本面的靠攏，并且降低了波動(dòng)性效應(yīng)。但是，期現(xiàn)套利機(jī)制的實(shí)際效果在不同地區(qū)交易還會(huì)存在差異，因?yàn)椴煌瑖业钠诂F(xiàn)套利機(jī)制不同，這就使得各國的期現(xiàn)套利成本存在差異，使得套利差額存在不同，在這種情況下，套利的實(shí)際效果也會(huì)存在不同。4股指期貨對股票市場波動(dòng)率影響的實(shí)證分析——以上證50指數(shù)為例4.1GARCH模型介紹Engle（1995）指出ARCH過程的一個(gè)缺陷是看上去比自回歸過程更像一個(gè)移動(dòng)平均過程。由此他認(rèn)為可以將滯后的條件方差項(xiàng)放入自回歸過程中。TimBollerslev于1986年正式提出了GARCH模型。GARCH（p，q）模型的一般形式如下：Yμh這說明方差的比例參數(shù)?t取決于以滯后殘差平方項(xiàng)表示的沖擊以及以自身的滯后項(xiàng)表示的歷史。顯然，當(dāng)p=0時(shí)，模型將為ARCH（q）。GARCH（p，q）模型的最簡形式為GARCH（1，1），它的方程為：h4.2樣本選取與介紹中國上證50指數(shù)期貨為2016年推出的指數(shù)期貨，推出時(shí)間較短。本章將進(jìn)行上證50指數(shù)期貨推出對上證50指數(shù)是否產(chǎn)生影響、以及如何產(chǎn)生影響進(jìn)行分析，針對上證50指數(shù)選取3個(gè)不同樣本進(jìn)行數(shù)據(jù)處理。4.2.1樣本的選取既2010年4月16日（周五）中國第一支股指期貨滬深300指數(shù)期貨推出后，上證50指數(shù)期貨于2016年4月16日（周四）同時(shí)推出。本文選擇上證50指數(shù)期貨進(jìn)行新指數(shù)期貨推出對股票市場波動(dòng)影響的分析。由于上證50指數(shù)期貨推出時(shí)間為2016年4月16日，選擇2015年1月1日為樣本起始時(shí)間，2017年8月31日為樣本結(jié)束時(shí)間，前后時(shí)間長度相對對稱；這32個(gè)月內(nèi)上證50指數(shù)5分鐘高頻數(shù)據(jù)為全樣本，樣本總量為32448個(gè)，記為S，考察股指期貨對股市波動(dòng)的影響及作用方向；其中全樣本記為Z，推出前子樣本記為BZ，推出后子樣本記為AZ。相關(guān)數(shù)據(jù)來自Wind金融數(shù)據(jù)庫。4.2.2樣本平穩(wěn)性檢驗(yàn)平穩(wěn)性是時(shí)間序列重要的基礎(chǔ)概念之一。時(shí)間序列的平穩(wěn)性是時(shí)間序列經(jīng)典回歸分析的條件和基礎(chǔ)，如果序列的平穩(wěn)性無法滿足，則許多經(jīng)典回歸分析的典型結(jié)論就是無效的。對非平穩(wěn)的時(shí)間序列做回歸毫無意義，通常被成為虛假回歸或偽回歸。本文對本章確定的上證50指數(shù)和中證500指數(shù)全樣本和子樣本進(jìn)行數(shù)據(jù)平穩(wěn)性檢驗(yàn)如下：表4.1上證50指數(shù)全樣本和子樣本原始數(shù)據(jù)平穩(wěn)性檢驗(yàn)樣本SBSASZBZAZProb.*0.56340.99990.34210.50471.00000.5322t-Statistic-1.4414522.074764-1.880065-1.5568723.467160-1.5031281%level-3.432852-3.434636-3.435523-3.435523-3.435523-3.4355235%level-2.862531-2.863320-2.863712-2.863712-2.863712-2.86371210%level-2.567343-2.567766-2.567977-2.567977-2.567977-2.567977通過單位根檢驗(yàn)發(fā)現(xiàn)，時(shí)間序列不平穩(wěn)時(shí)，通用做法是通過差分法使序列平穩(wěn)化，即考察序列的一階差分、二價(jià)差分……是否平穩(wěn)，直到序列平穩(wěn)為止。特別地，由于金融產(chǎn)品一般假設(shè)為服從對數(shù)正太分布，對原數(shù)據(jù)取對數(shù)并做一階差分進(jìn)行處理。由于樣本的原數(shù)據(jù)為上證50指數(shù)5分鐘高頻數(shù)據(jù)中的收盤價(jià)，那么最后實(shí)證得到的結(jié)果即是上證50指數(shù)5分鐘收益率。即：r表4.2上證50指數(shù)全樣本和子樣本對數(shù)化一階差分平穩(wěn)性檢驗(yàn)樣本DSDBSDASDZDAZDBZProb.*0.00010.00010.00010.00010.00010.0000t-Statistic-77.78201-70.87035-135.7759-61.03000-57.73181-43.873271%level-3.432852-3.434636-3.435523-3.435523-3.435523-3.4355235%level-2.862531-2.863320-2.863712-2.863712-2.863712-2.86371210%level-2.567343-2.567766-2.567977-2.567977-2.567977-2.56797通過對基礎(chǔ)模型進(jìn)行線性回歸分析，并對計(jì)算結(jié)果進(jìn)行校檢，我們發(fā)現(xiàn)，數(shù)據(jù)之間并不存在序列相關(guān)性和方差關(guān)系.4.2.3方法設(shè)計(jì)1.向量自回歸基本模型。向量自回歸模型（VAR：VectorAutoregression）通常用于分析相關(guān)時(shí)間序列系統(tǒng)的相關(guān)性和隨機(jī)擾動(dòng)對系統(tǒng)的動(dòng)態(tài)影響。因?yàn)樗苊饬私Y(jié)構(gòu)方程中需要對系統(tǒng)中每個(gè)內(nèi)生變量關(guān)于所有內(nèi)生變量的滯后值函數(shù)的建模問題，所以運(yùn)用更為廣泛。VAR（r）的基本模型為：Yt=A1Yt-1+…+ArYt-r+B1X1+…+BSXt-S+εt （1）其中，Yt和Xt分別是內(nèi)生變量向量和外生變量向量，Ai和Bi是待估參數(shù)矩陣，r和s是滯后期。一般根據(jù)AIC和SC信息量最小標(biāo)準(zhǔn)確定模型階數(shù)，定義為：AIC=-2l/T+2k/T （2）SC=-2l/T+klogT/T（3）其中，k=m（rd+pm）是待估參數(shù)個(gè)數(shù)，n是觀測值數(shù)目，而且： l=-mT（1+log2π）-TlogΨ （4） 2 2其中，Ψ=det1-r∑iεiε′i是殘差方差矩陣。4.3上證50指數(shù)期貨推出對上證50指數(shù)波動(dòng)影響的實(shí)證檢驗(yàn)為探究新推出指數(shù)期貨股市波動(dòng)的影響，本文以上證50指數(shù)期貨為例，對上證50指數(shù)期貨推出對上證50指數(shù)波動(dòng)的影響進(jìn)行分析。首先對上證50指數(shù)期貨推出對上證50指數(shù)是否產(chǎn)生短期影響進(jìn)行分析，其次區(qū)別期貨推出前后分別進(jìn)行具體分析。4.3.1上證50指數(shù)期貨推出對上證50指數(shù)波動(dòng)影響的GARCH檢驗(yàn)GARCH模型分析需建立在確定均值方程的基礎(chǔ)上，而ARMA模型（自回歸移動(dòng)平均模型）是金融時(shí)間序列常用的擬合方法。若自相關(guān)和偏相關(guān)函數(shù)沒有呈現(xiàn)出上述變化趨勢，就要借助AIC和SC準(zhǔn)則進(jìn)行判斷。上述準(zhǔn)則是目前通用的判斷模型擬合優(yōu)良性的方法，值越小，擬合效果越好。對上證50指數(shù)DS序列進(jìn)行自相關(guān)和偏相關(guān)如下：圖4.1上證50指數(shù)DS序列自相關(guān)圖依據(jù)上圖，AC和PAC分布隨機(jī)，都圍繞0左右小范圍波動(dòng)，且不存在幾何衰減的趨勢，其中AC數(shù)值多次達(dá)到0。因此，無法通過上圖確定拖尾和截尾的階數(shù)，即無法確定ARMA模型的階數(shù)。表4.3上證50指數(shù)DS序列ARMA模型不同階數(shù)下AIC/SC信息表ARMA模型AICSCAR（1）MA（1）-9.015475-9.014699AR（1）MA（2）-9.015657-9.014623AR（1）MA（3）-9.016244-9.014952AR（2）MA（1）-9.015637-9.014602AR（2）MA（2）-9.016527-9.015235AR（2）MA（3）-9.016470-9.014919AR（3）MA（1）-9.016190-9.014897AR（3）MA（2）-9.016465-9.014914AR（3）MA（3）-9.016456-9.014646綜合上述擬合結(jié)果，方程AR（2）MA（2）的SC值最小，為-9.016527，AIC值也最小，為-9.015235，最后選擇AR（2）MA（2）為滬深300指數(shù)S樣本收益率指數(shù)擬合模型。為進(jìn)一步確定模型擬合效果，對擬合函數(shù)各統(tǒng)計(jì)量檢驗(yàn)如下：表4.4上證50指數(shù)DS序列AR（2）MA（2）模型擬合回歸結(jié)果VariableCoefficientStd.Errort-StatisticProb.C1.05E-051.49E-050.7025950.4823AR（1）1.3545530.06067422.325010.0000AR（2）-0.6951410.060088-11.568730.0000MA（1）-1.3841620.057960-23.881350.0000MA（2）0.7273560.05732712.687860.0000R-squared0.002083Meandependentvar1.04E-05F-statistic16.93148Durbin-Watsonstat2.000041Prob（F-statistic）0.000000擬合函數(shù)的R2只有0.002083，但是已經(jīng)為眾ARMA模型中最高值（其余均在0.02以下），，R2大于0.8，在第一事件窗口，即包含貨幣政策宣布之時(shí)，觀察宣布前最后一次交易至宣布后第一個(gè)交易日的開盤時(shí)點(diǎn)，股指對未及預(yù)期的政策調(diào)整表現(xiàn)為十分強(qiáng)烈的政策性波動(dòng)，同時(shí)表現(xiàn)為十分明顯的負(fù)面關(guān)系，表明股票市場的即期沖擊效應(yīng)對未預(yù)期的利率調(diào)整反映十分明顯。而宣布后的30分鐘交易周期里，股指波動(dòng)性雖依舊巨烈，但其顯著性呈衰竭之勢，對未預(yù)期的利率變動(dòng)開始呈現(xiàn)為正向關(guān)系。圖4.2上證50指數(shù)DS序列殘差平方序列自相關(guān)圖依據(jù)上圖可以發(fā)現(xiàn)，AC和PAC的值在沒有在某處截?cái)酁?，無法確定殘差平方序列的滯后長度。在進(jìn)行ARCH效應(yīng)檢驗(yàn)時(shí)，滯后階數(shù)要盡可能大，將殘差序列的滯后長度定為20。確定滯后長度后，對殘差序列進(jìn)行ARCH-LM檢驗(yàn)如下：表4.5上證50指數(shù)DS序列均值模型的ARCH檢驗(yàn)F-statistic1.868313Prob.F（20，32420）0.0106Obs*R-squared37.35203Prob.Chi-Square（20）0.0106Obs*R-squared是ARCH檢驗(yàn)的檢驗(yàn)統(tǒng)計(jì)量，值為37.35203，對應(yīng)P值接近0.01，拒絕原假設(shè)，說明殘差序列存在ARCH效應(yīng)，可以進(jìn)行GARCH回歸。本文選擇GARCH模型對股票收益率的波動(dòng)進(jìn)行分析。依據(jù)以往經(jīng)驗(yàn)，GARCH（p，q）模型中p、q取值均在3以下，即取值為1或2。引入虛擬變量DT，定義為事件上證50指數(shù)期貨的推出，在上證50指數(shù)期貨推出之前，DT=0；推出以后DT=1。表4.6上證50指數(shù)DS序列GARCH模型不同階數(shù)下AIC/SC信息表GARCH模型AICSCGARCH（1，1）-9.908864-9.906538GARCH（1，2）-9.909356-9.906771GARCH（2，1）-9.912360-9.909775GARCH（2，2）-9.910905-9.908061依據(jù)上表結(jié)果，方程GARCH（2，1）的AIC值最小，為-9.912360，SC值也最小，為-9.909775，因此最后選擇GARCH（2，1）方程作為最終回歸方程?；貧w結(jié)果如下：表4.7上證50指數(shù)DS序列GARCH（2，1）回歸結(jié)果VariableCoefficientStd.Errorz-StatisticProb.C2.10E-095.05E-104.1621200.0000RESID（-1）^20.1065040.00901511.814680.0000RESID（-2）^2-0.0868450.009032-9.6152610.0000GARCH（-1）0.9798870.0008211193.1230.0000DT-5.25E-104.91E-102.3342960.0196GEDPARAMETER1.0331200.005894175.28910.0000依據(jù)回歸結(jié)果，各變量的Z統(tǒng)計(jì)量對應(yīng)P值都小于0.05，說明顯著性明顯通過；誤差分布項(xiàng)GED的值為1.033120，處于（0，2）區(qū)間內(nèi)，回歸結(jié)果效果較好。得到回歸方程如下：σt2=2.10×10s.e.=5.05×10-100.0090150.0090320.0008214.91×10-10z=4.16212011.81468-9.6152611193.1232.334296式（4-1）為上證50指數(shù)期貨推出的全樣本GARCH方程的方差方程，虛擬變量DT的經(jīng)濟(jì)含義是上證50指數(shù)期貨的推出，其系數(shù)為-5.25×10-10，負(fù)號表明上證50指數(shù)期貨的推出對現(xiàn)貨市場的波動(dòng)起到了減緩作用，但是系數(shù)-5.25×10-10偏小，表明這種減緩作用影響有限。4.3.2上證50指數(shù)期貨推出前上證50指數(shù)的GARCH檢驗(yàn)首先對上證50指數(shù)期貨推出前時(shí)間序列進(jìn)行分析，對DBS序列進(jìn)行自相關(guān)和偏相關(guān)檢驗(yàn)如下：圖4.3上證50指數(shù)DBS序列自相關(guān)圖本文采用AIC和SC準(zhǔn)則來確定模型滯后階數(shù)，得到殘差序列再進(jìn)行后續(xù)相關(guān)檢驗(yàn)。下表分別列出了ARMA模型不同階數(shù)的AIC和SC值。表4.8上證50指數(shù)DBS序列ARMA模型不同階數(shù)下AIC/SC信息表ARMA模型AICSCAR（1）MA（1）-9.298570-9.297044AR（1）MA（2）-9.299371-9.297337AR（1）MA（3）-9.299813-9.297270AR（2）MA（1）-9.299375-9.297341AR（2）MA（2）-9.300300-9.297758AR（2）MA（3）-9.300199-9.297148AR（3）MA（1）-9.299905-9.297363AR（3）MA（2）-9.300182-9.297130AR（3）MA（3）-9.300301-9.296741綜合上述擬合結(jié)果，方程AR（2）MA（2）的AIC值接近最小，為-9.300300，與最小值僅相差0.001，SC值最小，為-9.297758。最后選擇AR（2）MA（2）為上證50指數(shù)序列DBS的擬合模型。為進(jìn)一步確定模型擬合效果，對擬合函數(shù)各統(tǒng)計(jì)量檢驗(yàn)如下：表4.9上證50數(shù)DBS序列AR（2）MA（2）模型擬合回歸結(jié)果VariableCoefficientStd.Errort-StatisticProb.C4.45E-051.83E-052.4332400.0150AR（1）-0.1857990.091870-2.0224150.0432AR（2）-0.6739990.081332-8.2870310.0000MA（1）0.1566290.0948762.3825720.0172MA（2）0.6414860.0852697.5231020.0000R-squared0.003201Meandependentvar4.44E-05F-statistic12.01580Durbin-Watsonstat2.004965Prob（F-statistic）0.000000與上證50全樣本時(shí)間序列的ARMA回歸相似，由于DBS時(shí)間序列的樣本量達(dá)到了14976個(gè)，導(dǎo)致R2效果不理想。盡管擬合函數(shù)的R2只有0.003201，但是方程的F統(tǒng)計(jì)量為12.01580，P值遠(yuǎn)小于0.000001，各變量的T統(tǒng)計(jì)量也顯著明顯，說明方程的擬合效果顯著。此外，對AR（2）MA（2）擬合后得到的殘差序列進(jìn)行自相關(guān)檢驗(yàn)和偏自相關(guān)檢驗(yàn)，發(fā)現(xiàn)AC和PAC值趨向于0，絕對值幾乎小于0.01，說明殘差序列不存在自相關(guān)性。圖4.4上證50指數(shù)DBS序列殘差平方序列自相關(guān)圖依據(jù)上圖可以發(fā)現(xiàn)，PAC的值在沒有在某處截?cái)酁?，無法確定殘差平方序列的滯后長度。在進(jìn)行ARCH效應(yīng)檢驗(yàn)時(shí)，滯后階數(shù)要盡可能大，將殘差序列的滯后長度定為20。確定滯后長度后，對殘差序列進(jìn)行ARCH-LM檢驗(yàn)如下：表4.10上證50指數(shù)DBS序列均值模型的ARCH檢驗(yàn)F-statistic1.764376Prob.F（20，14948）0.0187Obs*R-squared35.26329Prob.Chi-Square（20）0.0187Obs*R-squared是ARCH檢驗(yàn)的檢驗(yàn)統(tǒng)計(jì)量，值為35.26329，對應(yīng)P值接近0.01，拒絕原假設(shè)，說明殘差序列存在ARCH效應(yīng)。同樣地，這里使用低階的GARCH模型對股票收益率的波動(dòng)進(jìn)行分析?；谇捌诰捣匠藺R（2）MA（2），對上證50高頻日收益率序列DBS進(jìn)行GARCH模型不同滯后階數(shù)的擬合，并依據(jù)AIC/SC原則，選擇最優(yōu)GARCH方程。表4.11上證50指數(shù)DBS序列GARCH模型不同階數(shù)下AIC/SC信息表GARCH模型AICSCGARCH（1，1）-10.05997-10.05539GARCH（1，2）-10.06055-10.05546GARCH（2，1）-10.06564-10.06056GARCH（2，2）-10.07867-10.07307依據(jù)上表結(jié)果，方程GARCH（2，2）的AIC值最小，為-10.07867，SC值也最小，為-10.07307，因此最后選擇GARCH（2，2）方程作為最終回歸方程?；貧w結(jié)果如下：表4.12上證50指數(shù)DBS序列GARCH（2，2）回歸結(jié)果VariableCoefficientStd.Errorz-StatisticProb.C4.64E-114.08E-11-2.2200980.0264RESID（-1）^20.1000000.00965510.357590.0000RESID（-2）^2-0.0984900.009520-10.345150.0000GARCH（-1）1.7332160.02472170.111040.0000GARCH（-2）-0.7347740.024534-29.948860.0000GEDPARAMETER1.1272640.009211122.38250.0000依據(jù)回歸結(jié)果，各變量的Z統(tǒng)計(jì)量對應(yīng)P值都小于0.05，說明顯著性明顯通過；誤差分布項(xiàng)GED的值為1.127264，處于（0，2）區(qū)間內(nèi)，回歸結(jié)果效果較好。得到回歸方程如下：σt2=4.64×s.e.=4.08×10-110.0096550.0095200.0247210.024534z=-2.22009810.35759-10.3451570.11104-29.94886μt-p2前系數(shù)αp被稱為ARCH項(xiàng)系數(shù)，是前期可以觀察到的變動(dòng)信息，p項(xiàng)表示前第p期，代表信息對波動(dòng)的沖擊。GARCH模型成立的一個(gè)前提條件是α與β的系數(shù)和要小于1。式（4-2）為上證50指數(shù)期貨推出前的子樣本GARCH方程的方差方程。α項(xiàng)之和為0.001510，β項(xiàng)之和為0.998442，α+β為0.999952，符合GARCH方程的一般要求，4.3.3上證50指數(shù)期貨推出后上證50指數(shù)波動(dòng)影響的GARCH檢驗(yàn)根據(jù)4.3.1的分析可知，上證50指數(shù)期貨推出對上證50指數(shù)存在影響，為探究具體影響如何，以上證50指數(shù)期貨推出為界，分別對指數(shù)推出前后上證50指數(shù)序列進(jìn)行GARCH效應(yīng)檢驗(yàn)。圖4.5上證50指數(shù)DAS序列自相關(guān)圖本文采用AIC和SC準(zhǔn)則來確定模型滯后階數(shù)，得到殘差序列再進(jìn)行后續(xù)相關(guān)檢驗(yàn)。表4.13分別列出了ARMA模型不同階數(shù)的AIC和SC值。表4.13上證50指數(shù)DAS序列ARMA模型不同階數(shù)下AIC/SC信息表ARMA模型AICSCAR（1）MA（1）-8.823949-8.822615AR（1）MA（2）-8.823934-8.822156AR（1）MA（3）-8.824505-8.822282AR（2）MA（1）-8.824118-8.822340AR（2）MA（2）-8.825659-8.823436AR（2）MA（3）-8.826079-8.823411AR（3）MA（1）-8.824518-8.822294AR（3）MA（2）-8.825453-8.822785AR（3）MA（3）-8.825606-8.822493綜合上述擬合結(jié)果，方程AR（2）MA（3）的AIC值最小，為-8.826079，SC值也最小，為-8.823411。最后選擇AR（2）MA（3）為上證50指數(shù)序列DBS的擬合模型。為進(jìn)一步確定模型擬合效果，對擬合函數(shù)各統(tǒng)計(jì)量檢驗(yàn)如下：表4.14上證50指數(shù)DAS序列AR（2）MA（3）模型擬合回歸結(jié)果VariableCoefficientStd.Errort-StatisticProb.C-1.94E-052.16E-053.3026540.0010AR（1）0.5174170.002119244.17770.0000AR（2）-0.9943950.002120-469.04560.0000MA（1）-0.5452270.007860-69.370710.0000MA（2）1.0050980.004804209.20000.0000MA（3）-0.0234590.007609-3.0831060.0021R-squared0.003003Meandependentvar-1.94E-05F-statistic10.51982Durbin-Watsonstat1.999877Prob（F-statistic）0.000000同樣地，時(shí)間序列DAS的樣本量達(dá)到了17472，導(dǎo)致方程的R2結(jié)果不理想。盡管擬合函數(shù)的R2只有0.003003，但是方程的F統(tǒng)計(jì)量為10.51982，P值遠(yuǎn)小于0.000001，各變量的T統(tǒng)計(jì)量也顯著明顯，說明方程的擬合效果顯著。首先，為判斷殘差是否具有ARCH效應(yīng)，對AR（2）MA（3）擬合后得到的殘差序列進(jìn)行平方數(shù)的自相關(guān)檢驗(yàn)和偏自相關(guān)檢驗(yàn)，發(fā)現(xiàn)在滯后階數(shù)達(dá)到18階時(shí)，殘差平方的自相關(guān)函數(shù)Q統(tǒng)計(jì)量值對應(yīng)P值也都小于0.001，在統(tǒng)計(jì)上顯著，殘差序列存在ARCH效應(yīng)。圖4.6上證50指數(shù)DAS序列殘差平方序列自相關(guān)圖依據(jù)圖4.6可以發(fā)現(xiàn)，PAC和AC的值在沒有在某處截?cái)酁?，無法確定滯后階數(shù)。在進(jìn)行ARCH效應(yīng)檢驗(yàn)時(shí)，滯后階數(shù)要盡可能大，將殘差序列的滯后長度定為20。確定滯后長度后，對殘差序列進(jìn)行ARCH-LM檢驗(yàn)，見表4.15。表4.15上證50指數(shù)DAS序列均值模型的ARCH檢驗(yàn)F-statistic2.714812Prob.F（20，17443）0.0001Obs*R-squared54.20843Prob.Chi-Square（20）0.0001Obs*R-squared是ARCH檢驗(yàn)的檢驗(yàn)統(tǒng)計(jì)量，值為54.20843，對應(yīng)P值為0.0001，小于0.01，拒絕原假設(shè)，說明殘差序列存在ARCH效應(yīng)。最后利用GARCH模型對時(shí)間序列DAS股票收益率的波動(dòng)進(jìn)行分析，這里同樣選取低階方程。表4.16上證50指數(shù)DAS序列GARCH模型不同階數(shù)下AIC/SC信息表GARCH模型AICSCGARCH（1，1）-9.783672-9.779225GARCH（1，2）-9.785823-9.780931GARCH（2，1）-9.787127-9.782235GARCH（2，2）-9.785502-9.780165依據(jù)上表結(jié)果，方程GARCH（2，1）的AIC值最小，為-9.787127，SC值也最小，為-9.782235，因此最后選擇GARCH（2，1）方程作為最終回歸方程。回歸結(jié)果見表4.17。表4.17上證50指數(shù)DAS序列GARCH（2，1）回歸結(jié)果VariableCoefficientStd.Errorz-StatisticProb.C3.08E-095.38E-105.7303630.0000RESID（-1）^20.0967450.0113538.5216490.0000RESID（-2）^2-0.0692970.011433-6.0613390.0000GARCH（-1）0.9722650.001381703.97360.0000GEDPARAMETER1.0120060.007752130.55360.0000依據(jù)回歸結(jié)果，各變量的Z統(tǒng)計(jì)量對應(yīng)P值都小于0.01，說明顯著性明顯通過；誤差分布項(xiàng)GED的值為1.012006，處于（0，2）區(qū)間內(nèi)，回歸結(jié)果效果較好。得到回歸方程如下：σt2=3.08×10s.e.=5.38×10-100.0113530.0114330.001381z=5.7303638.521649-6.061339703.9736式（4-3）為上證50指數(shù)期貨推出后的子樣本GARCH方程的方差方程。α項(xiàng)之和為0.027448，β項(xiàng)之和為0.972265，α+β為0.999713，符合GARCH方程的一般要求，為對比上證50指數(shù)前后股票市場波動(dòng)的差異性，將式（4-2）和式（4-3）GARCH方程具體系數(shù)列出，如下表所示：表4.18式（3-2）、（3-3）GARCH方程具體系數(shù)變化方程αβα+β式（4-2）0.0015100.9984420.999952式（4-3）0.0274480.9722650.999713依據(jù)上表，式（4-3）的α項(xiàng)系數(shù)大于式（4-2）的α項(xiàng)系數(shù)，式（4-3）的β項(xiàng)系數(shù)小于式（4-2）的β項(xiàng)系數(shù)，表明新信息的傳播速度與波動(dòng)沖擊成正比，傳輸速度越快，對波動(dòng)性的影響就越強(qiáng)，傳輸速度越慢，對波動(dòng)性的影響就越弱，

5結(jié)論為探究新推出股指期貨對股市波動(dòng)的影響情況，本文以上證50指數(shù)期貨為研究對象，選擇5分鐘高頻收盤數(shù)據(jù)進(jìn)行分樣本的GARCH檢驗(yàn).可以對我國股票市場的現(xiàn)實(shí)運(yùn)行情況得出一些基本的結(jié)論：買賣活動(dòng)導(dǎo)致股價(jià)產(chǎn)生波動(dòng)，這在股票市場里是十分正常的現(xiàn)象，但是如果出現(xiàn)暴漲暴跌，就如同2015年6月份我國股市的異常波動(dòng)，滬深市場多次出現(xiàn)千股跌停，并造成流動(dòng)性枯竭，這就不正常了。不健康不僅不能成為宏觀經(jīng)濟(jì)的晴雨表，股市經(jīng)濟(jì)的運(yùn)行了，甚至?xí)φ麄€(gè)國民經(jīng)濟(jì)造成嚴(yán)重影響。因此，股票市場的運(yùn)行發(fā)展，不僅與我們每個(gè)普通百姓息息相關(guān)，更關(guān)系到整個(gè)國家經(jīng)濟(jì)的平衡運(yùn)行。所以，以法律為依據(jù)，運(yùn)用有效的經(jīng)濟(jì)、政策和法律手段建設(shè)健康有序的資本市場，對振興中華經(jīng)濟(jì)、實(shí)現(xiàn)中華民族的偉大復(fù)興的戰(zhàn)略意義非同尋常。這就解釋了為什么政府積極發(fā)展股票市場，并實(shí)現(xiàn)股票市場的健康發(fā)展。一旦股票市場出現(xiàn)了問題，政府就必須出臺救市政策，并完善相關(guān)的配套措施，以引導(dǎo)股票市場能夠朝著健康的軌道發(fā)展。綜合本文的理論分析和實(shí)證結(jié)果，在此提出如下建議：推動(dòng)我國股票市場健康發(fā)展的決心不動(dòng)搖。股票市場能否健康發(fā)展、其發(fā)展程度如何，直接影響到央行實(shí)施貨幣政策的有效性。因此，大力發(fā)展我國資本市場，建立多層次的資本市場體系具有十分重要的戰(zhàn)略意義。一方面，應(yīng)當(dāng)加快立法，通過修訂、建立等措施，形成完善的法律法規(guī)體系，為股票市場的健康發(fā)展提供有力的法律保障，實(shí)現(xiàn)依法治理，依法保障；另一方面，加強(qiáng)對投資者的培訓(xùn)、教育和引導(dǎo)，建立價(jià)值投資理念，加強(qiáng)風(fēng)險(xiǎn)防范意識，理性投資，同時(shí)要大力發(fā)展機(jī)構(gòu)投資者，引入多元化的國內(nèi)外專業(yè)投資機(jī)構(gòu)，發(fā)揮機(jī)構(gòu)投資者對股票市場的穩(wěn)定作用，為實(shí)現(xiàn)資源的優(yōu)化配置創(chuàng)造條件。

參考文獻(xiàn)