股市震蕩期間我國股市波動性研究

杜冰

摘 要：本文選取上證綜指、深證成指2014年6月至2016年6月的股市收盤價，以2015年股市震蕩期為背景，結合DCC-GARCH模型對我國滬深兩市危機沖擊下波動性及動態(tài)相關性進行實證研究。

關鍵詞：危機沖擊;滬市，深市;波動性;動態(tài)相關性

一、引言

1.選題背景

股市震蕩是對股票市場發(fā)生波動事件的簡稱，指的是受某種偶發(fā)因素影響，股價突然大幅度波動異常的現(xiàn)象。近年間極端危機事件屢有發(fā)生，加強了金融市場間關聯(lián)度，加劇了各區(qū)域間資本市場的震蕩，從監(jiān)管視角來看，日益緊密相關的金融市場雖加快金融體系的構建，但與此同時，一定意義上也加大了跨地區(qū)、跨市場、跨國家的投資監(jiān)管難度，對抵御風險、防范市場風險提出更高要求。

2.研究意義

我國股票市場經(jīng)歷近三十年的風雨洗禮，從無到有，在優(yōu)化國內(nèi)資本配置、拓展融資渠道、防范市場風險方面發(fā)揮了不可磨滅的貢獻，成為維護我國金融市場可持續(xù)健康發(fā)展的中流砥柱。然而，隨股市的不斷發(fā)展，其在我國資本市場中的地位不斷攀升，股市異常的波動極易轉(zhuǎn)變?yōu)閷?jīng)濟的危害。股市劇烈波動是一個復雜多變的過程，是由宏微觀等多種因素共同造就的結果。

對國內(nèi)股市震蕩期間其波動性的實證分析，近年間，股市發(fā)展情形及其隱蔽的風險備受學者關注，從理論意義方面來考慮，現(xiàn)有文獻對股市波動研究對象多立足于跨國間的金融市場，尤其集中于發(fā)達國家，研究背景也大多集中于國際金融危機，然而，我國不成熟的金融系統(tǒng)不同于發(fā)達金融市場，全球極端危機事件對國內(nèi)經(jīng)濟體系負向作用有限，因此為對我國金融市場波動性進行有效刻畫，本文將研究背景定位于2015年國內(nèi)股市震蕩期，研究對象即選取國內(nèi)滬深股市，分析兩股市在震蕩期的波動性和動態(tài)關聯(lián)性，改善目前學者對國內(nèi)危機沖擊下股市波動性及動態(tài)相依性研究不足的現(xiàn)狀。從現(xiàn)實意義方面來看，本文對我國滬深股市波動性及動態(tài)相關性進行研究，立足于國內(nèi)當前金融發(fā)展實況，不僅為監(jiān)管當局掌握我國股市運轉(zhuǎn)規(guī)律及股價波動提供理論依據(jù)，便于制定市場政策、完善監(jiān)管體制，而且為國內(nèi)投資者根據(jù)股市間變動預測股價走勢、調(diào)整策略制定提供現(xiàn)實參考價值。

二、文獻綜述

本章將以研究方法和研究對象為主線，對現(xiàn)有文獻進行梳理。

基于GARCH族模型，Niaz等（2019）運用DCC-GARCH對石油、天然氣及其他非能源大宗商品期貨市場間的動態(tài)相關性進行模型構建，發(fā)現(xiàn)2008年前、后其動態(tài)相關性分別呈急劇增長、下降的相反趨勢;鄒子昂等（2018）通過DCC-GARCH模型說明國際黃金市場與股市間相關聯(lián)、相制約的聯(lián)動性不強，而與白銀現(xiàn)貨市場則呈現(xiàn)較強的聯(lián)動性，黃金現(xiàn)貨市場與大宗商品、白銀市場變動方向趨同，與美元匯率市場變動方向趨反，而與股市則不同時期相關性呈同、反方向轉(zhuǎn)換變動趨勢;張雙蘭、張雙妮（2019）選用GARCH（1，1）研究美國股票市場對國內(nèi)股市的影響，證實了兩國股市間關聯(lián)性的存在，認為美市對國內(nèi)股市影響是顯著的且是具有持續(xù)性的，但這種影響往往會受到時間的干擾，即伴隨時間發(fā)展，其影響力呈減弱的趨勢;但周立軍（2017）對美國股市與國內(nèi)股市間的協(xié)動性提出了質(zhì)疑，實證結果拒絕了美國股市與國內(nèi)股市間存在顯著風險傳染的假設;王淼（2018）以三元DCC-GJR-GARCH為模型得出我國鋼鐵期貨、現(xiàn)貨及行業(yè)股市間有著顯著的波動率及收益率溢出效應，三個市場間兩兩動態(tài)相關性均呈上升狀態(tài)。

基于Copula模型，袁弘（2017）發(fā)現(xiàn)t-Copula對滬市、深市間對稱的動態(tài)相關性擬合程度較好，而SJC-Copula則對非對稱的動態(tài)相關性擬合程度較好;陳珍珍等（2010）運用Copula模型提出隨經(jīng)濟一體化發(fā)展，中國內(nèi)地、中國香港及美國股票市場動態(tài)相關性是增強的;胡春楊（2015）運用Copula模型，并與網(wǎng)絡模型相結合對我國各金融機構的系統(tǒng)性風險溢出進行量化分析，發(fā)現(xiàn)對于非銀行等金融機構，系統(tǒng)性風險溢出效應最大、最小的金融機構分別為證券公司、保險公司，而對于商業(yè)銀行而言，三大不同所有制銀行系統(tǒng)性風險溢出效應最大的為城市商業(yè)銀行，而風險溢出效應最小的則為國有制銀行;Qiang Jia等（2018）結合結構變化模型及時變Copula模型，認為金磚四國股票收益和石油沖擊間的依賴是時變的，并隨石油市場遭受沖擊類型的不同而表現(xiàn)不同的行為;彭選華（2019）利用DCC-Copula-SV-M-t模型較好的對股市間系統(tǒng)性風險傳染進行擬合，認為美國股票市場對我國股票市場的風險傳染是具有局限性的，同時該學者還發(fā)現(xiàn)，相較于深市，滬市對我國股票市場擁有更高強引導性。

基于其他模型，Huan Peng等（2018）發(fā)現(xiàn)HAR-RV-SK模型能較好地運用G7股市數(shù)據(jù)預測中國股市波動;盧俊香（2018）發(fā)現(xiàn)滬深兩市間的協(xié)同作用會伴隨股價變動而增加;王超、倪清等（2019）運用CoVaR模型分析發(fā)現(xiàn)，互聯(lián)網(wǎng)金融對我國商業(yè)銀行的影響是兩面性的，在促進銀行業(yè)業(yè)務發(fā)展、產(chǎn)品創(chuàng)新、服務加強的同時，沖擊著傳統(tǒng)銀行業(yè)務，提升我國銀行業(yè)系統(tǒng)性風險形成的概率;王春晗（2018）結合分位數(shù)回歸方法驗證了現(xiàn)階段各行業(yè)間普遍存在著風險溢出效應，且金融子市場間有著較為顯著的風險非對稱雙向溢出效應，單就銀行業(yè)來說，其風險傳染路徑往往由大型國有銀行產(chǎn)生，隨負債資產(chǎn)業(yè)務關系網(wǎng)溢出至股份制銀行等其他所有制銀行;丁肖麗（2018）基于VAR-GARCH-DCC模型，證實了深市、滬市、港市間聯(lián)動性的存在，認為滬港通政策的實施并未促使滬市與港市間聯(lián)動性得到明顯改善。

綜上所述，本文在綜合考慮模型優(yōu)缺點及實際可操作性等因素后選取DCC-GARCH對滬深兩市波動性及動態(tài)相關性進行實證分析。

三、模型設計及實證分析

1.樣本選取及樣本處理

有關樣本時期選取方面，本文將原始樣本數(shù)據(jù)窗口期選為2014年6月3日至2016年7月1日，這一期間股票市場處于波動期，對研究風險事件爆發(fā)時我國股市整體震蕩及股市間動態(tài)相關性具有實際借鑒價值和參考意義，更能較準確地體現(xiàn)我國股市間系統(tǒng)性風險的風險傳染情形及相互影響程度，對日后股市抵御較大風險提供參考。

有關數(shù)據(jù)樣本處理方面，在對數(shù)據(jù)樣本完整性、容量可取性、實際可操作性等綜合考量后，本文分別選擇上證綜指和深證成指的日收盤價代表滬深兩市，并對其做前復權處理，合計得到511個交易日、1022條有效原始數(shù)據(jù)，下文均采用rzz、rcz分別代表上證綜指和深證成指收益率。為解決上證綜指、深證成指原始數(shù)據(jù)可能存在的異方差現(xiàn)象，其收益率序列由其原始日收盤價的對數(shù)一階差分方式得到，具體計算表達式為：

2.描述性統(tǒng)計分析

在對我國滬深兩市間風險動態(tài)相關性分析前，先進行rzz、rcz統(tǒng)計特征分析。圖1中rzz、rcz折線波動圖變動可看出，滬深兩市均有著明顯的時變性，以2015年6月15日股市為轉(zhuǎn)折點，滬深兩市收益率波動行為趨同，相較于股市震蕩爆發(fā)前，rzz、rcz均在極端事件爆發(fā)后呈劇烈波動態(tài)勢，同時rzz、rcz也顯現(xiàn)波動性聚集效應，即每次較大的波動后也會伴隨大波動，呈現(xiàn)條件異方差特征。

3.樣本數(shù)據(jù)檢驗

以原始樣本數(shù)據(jù)為基礎，對處理后數(shù)據(jù)的各項指標進行統(tǒng)計性檢驗分析，并進行J-B檢驗，結果如表1所示。

根據(jù)表1中展示rzz、rcz對數(shù)收益率序列的基本描述性統(tǒng)計可以看出，兩組對數(shù)收益率序列偏度和峰度均分別小于0、大于3，表明rzz、rcz序列均分別左偏、高于標準正態(tài)分布的偏度峰度，證實數(shù)據(jù)肥尾高峰現(xiàn)象的存在。而J-B檢驗結果顯示，rzz、rcz均顯著拒絕原假設，即不服從正態(tài)分布，因此，下文將選用GARCH模型構建波動性模型分析研究我國滬深兩市股市震蕩期間動態(tài)相關性。

在構建模型前，為避免序列不平穩(wěn)、自相關、異方差等問題影響實證結果的嚴謹性，需對數(shù)據(jù)進行單位根檢驗、自相關檢驗及ARCH效應檢驗。結合stata14.0對rzz、rcz進行檢驗，首先，根據(jù)滯后18階ADF檢驗結果表明兩組收益率序列P值均小于0.0003，顯著拒絕序列不平穩(wěn)的原假設;其次，結合Ljung-Box檢驗，rzz、rcz序列分別在滯后8階、滯后10階1%的置信水平下顯著拒絕非自相關的原假設;最后，ARCH-LM檢驗表明，rzz、rcz序列的卡方統(tǒng)計量分別在滯后4階、滯后1階情形下P值均為0，即顯著存在強ARCH效應。綜述可知，可以對呈現(xiàn)高階平穩(wěn)自相關特征的rzz、rcz序列創(chuàng)建GARCH模型。

4.構建GARCH模型

為進一步對我國滬深兩市相互間動態(tài)系數(shù)進行估計，遂對其構建DCC-GARCH模型，結果如表3所示。

四、結論和建議

第一，我國股市應不斷完善金融體制，引導非理性投資者形成正確理性的投資觀念，提升市場運轉(zhuǎn)效率。

第二，為有效監(jiān)控跨市場間風險傳染的形成，應建立系統(tǒng)的制度框架及透明的運行機制，在同時考慮基本面和非基本面因素的前提下，監(jiān)測跨市場間的股市波動和易引發(fā)波動的影響因素。

第三，改善現(xiàn)有金融市場中投資者比例布局，促使理性投資者帶動非理性投資者合理規(guī)劃資產(chǎn)配置，促使減弱股市中羊群效應，提高金融市場的有效性;第四，國內(nèi)監(jiān)管部門應構建系統(tǒng)性的危機沖擊應對體系，在關注各項經(jīng)濟環(huán)境變動指標的同時，對股票市場系統(tǒng)性風險的演變引起足夠重視，當危機苗頭顯現(xiàn)時，根據(jù)實時風險演變情形及時調(diào)整監(jiān)管政策。

參考文獻

1.王帆.2015年中國股災成因及影響分析.公司金融研究，2010（Z1）.

2.鄒子昂，彭嘯帆，皮俊.國際黃金現(xiàn)貨市場的避險能力研究――基于DCC-GARCH模型.財經(jīng)理論與實踐，2018（06）.

3.王淼.基于三元DCC-GJR-GARCH模型的現(xiàn)貨期貨股票市場的動態(tài)相關性研究――以鋼鐵行業(yè)為例.浙江財經(jīng)大學，2018.

4.郭文偉，陳妍玲.滬、深、港股市相依狀態(tài)轉(zhuǎn)換及其危機傳染效應研究.管理評論，2017（12）.

5.丁肖麗.“滬港通”開通前后滬、港股市間信息溢出與動態(tài)相關性研究――基于模型的檢驗.廣東行政學院學報，2018，30（02）.

6.張雙妮、張雙蘭.研究美國股市對我國股市的波動溢出效應――基于VAR模型和GARCH（1，1）模型.社會視野，2019（22）.

（責任編輯：王文龍）