我国股市杠杆效应研究的论文

《我国股市杠杆效应研究的论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、我国股市杠杆效应研究的论文原文作者：冯鲲鹏，陈峰　内容摘要：本文基于garch模型根据最大似然函数和aic原则选择最优估计模型，来研究中国股市的杠杆效应。结果显示中国股市存在明显的杠杆效应，其中沪深300指数的杠杆效应最小。然后我们以沪深300指数的推出为分界点，以最优估计模型研究前后两段时间的沪深股市的杠杆效应。我们发现沪深300指数推出后，沪深股市的杠杆效应都变弱了。　　关键词：garch模型杠杆效应　　engle（1982）通过建立自回归条件异方差模型（arch）证明了金融时间序列的波动聚集现象，并由bollerslev（1986）推广成为广义自回归条件异方差模型（garch）。

2、在资本市场中，经济学家又发现了这样的现象：资产的向下运动通常伴随着比之程度更强的向上运动。engle和ng（1993）绘制了好消息和坏消息的的非对称信息曲线，认为资本市场的冲击常常表现出一种非对称效应，也被称为杠杆效应，是许多金融资产的的一个重要事实特征。随着中国证券市场的发展，中国自2005年4月8日开始发布沪深300指数，为完善金融结构，有效规避市场的系统风险，便于投资者完善投资组合等方面发挥了积极作用。　　关于股票市场的杠杆效应，国外的研究较早也较为深入。相对而言，国内的研究较少，而且大都集中在国内外市场的比较上，很少有人专门研究国内市场的杠杆效应。具体来说就是上证指数、深成指数

3、、沪深300指数的总体杠杆效应，以及沪深300指数推出后对上证指数和深成指数杠杆效应的影响。从已有国内研究文献来看，都几乎一致地假设模型扰动项服从正态分布。.但是大量的实证研究发现，即使garch模型能在一定程度上拟合股票收益率序列的尖峰分布特征，但是模型残差检验也往往拒绝正态分布假设。所以，扰动项正态分布假设的估计结果可能并非最优。本文基于最大似然函数值准则和赤池信息准则，从众多备选模型中选出最优的模型对中国股市的杠杆效应进行研究。　　模型介绍、估计及数据　　（一）模型介绍　　bollerslev（1986）对arch模型进行了修正并提出了广义自回归条件异方差模型（generaliz

4、edautoregressiveconditionalheteroscedasticitymodel，garch模型）。在garch模型中，要考虑两个不同的假定：一个是条件均值，另一个是条件方差：　　（1）　　其中xt是解释变量向量，γ是系数向量，σt2为条件方差。　　为了研究股票市场的杠杆效应，zakoian（1990）和glosten，jagannathan，runkle（1993）提出了tarch模型：　　（2）　　dt-1是一个虚拟变量，当ut-1<0时，dt-1=1；否则，dt-1=0。只要γ≠0，就存在非对称效应。条件方差方程中的γu2t-1dt-1项称为非对称效应项

5、，或tarch项。好消息有个α倍的冲击，即ut-1>0时，dt-1=0，非对称项不存在，好消息只有一个α倍的冲击；而坏消息则有一个（α+γ）倍的冲击，因为当ut-1<0时，dt-1=1。如果γ>0，说明非对称效应的主要效果是使得波动变大，反之γ<0，则说明非对称效应的作用是使得波动减小。　　另外nelson（1991）提出了egarch（exponentialgarch）模型：　　γ<0且显著时，表明杠杆效应存在。这个模型的优点是，通过描述σt2的对数，所以方差σt2本身就是正的；其次如果波动性和收益性负相关，则γ<0，模型可以解释股票市场的杠杆效应

6、。只要γ≠0，冲击的影响就存在着非对称性。　　（二）模型的估计　　在实践中我们注意到，许多时间序列，特别是金融时间序列的无条件分布往往具有比正态分布更宽的尾部。为了更精确的描述这些时间序列分布的尾部特征，还需要对误差项ut进行假设。一般有3个假设：正态（高斯）分布、学生t分布和广义误差分布（ged）。下面分别介绍这3种分布，其中的θ代表参数向量。　　对于扰动项服从正态分布的garch（1，1）模型，它的对数似然函数为：　　对于扰动项服从学生t分布的garch（1，1）模型，它的对数似然函数为：　　对于扰动项服从广义误差分布（ged）的garch（1，1）模型，它的对数似然函数为：　　（

7、三）数据　　本文选择上证综合指数（shi）、深圳成分指数（szi）及沪深300指数（hs300）作为研究对象。上证指数和深成指数是中国发布最早的指数，能较好的反映股票市场的波动情况。沪深300指数是我国股指期货的标的物，具有重要作用和意义。本文选择上述三个指数编制以来的所有数据，其中上证指数1990年12月19日至2011年3月22日共4967个数据，深成指数1991年4月3日至2011年3月22日共4960个数据，沪深300指数2005年4月