小议中国股市指浮动性调研摘要:金融市场的波动一直是经济分析人员和投资者关注的焦点。以沪市综合指数为讨论对象,分别运用 ARCH 模型、GARCH 模型进行初步讨论,分析中国沪市股价波动的动态特征,结果表明,GARCH 模型对中国沪市有较好的拟合效果。关键词:ARCH 模型;GARCH 模型;沪市波动性引言博弈股市,投资者要想获利就必须研判大势,即大盘的涨跌。假如交易过于频繁,天天买进卖出或卖出买进,一方面要耗费投资者大量精力、财力(佣金,税金),另一方面也将冒很大风险(并非天天有行情),所以应选择一定时间段进行集中交易,这样讨论大盘指数波动的规律就成为必定,具有重要的实际指导意义和经济价值。本文将利用自回归条件异方差模型,即 ARCH 类模型对上海股市大盘指数的波动进行实证分析,为投资者进行大盘收盘指数的预测并规避风险提供决策依据。一、理论模型经典的最小二乘回归假定误差序列无关,误差的方差为一常数,然而讨论金融市场时却发现大多数时间序列的误差序列无关,但误差的平方序列相关,即误差的方差或波动随时间变化。为了模拟这种波动,提高预测精度,1982 年 Engle 构造了方差随时间变化的自回归条件异方差 ARCH 模型。此后随着实践的深化,ARCH 模型的一些扩展模型也被相继提出,如 GARCH 模型等,并在解释货币和金融时间序列的行为中得到广泛应用。(一)ARCH(q)模型εt/Ψt-1N(0,σ2t)(1)εt=Ztσt,Zt 为 i.i.d.,且 E(Zt)=0,Var(Zt)=1(2)σ2t=α0+αiε2t-i(3)其中,εt 序列无关,Ψt-1 为 t-1 期获得的信息集,σ2t 为εt 的条件方差,α0>0,αi≥0(i=1,2,……q)。ARCH(q)模型有以下特点:1.式(3)表明过去的波动扰动 ε2t-i 对市场未来波动有着正向而减缓的影响,因此波动会持续一段时间,从而模拟了市场波动的集群性现象,但没有说明波动的方向。2.利用 ARCH 模型可以更精确地估量参数,提高预测精度。当存在 ARCH 效应时,若仍使用方差为常数的普通最小二乘法来估量参数,就会产生偏差,掩盖预测的不确定性。若使用 ARCH 模型,则不仅可以提高预测值的精度,还可以知道预测值的可靠性。3.ARCH 模型的主要贡献在于发现了经济时间序列中比较明显的变化是可以预测的,并且说明了这种变化是来自某一特定类型的非线性依赖性,而不是方差的外生结构变化。(二)GARCH(p,q)模型1986 年,Bollerslev 在 ARCH(q)模型的基础上提出了扩展模型:GAR...