26决策借鉴 2000年10月

表2 EGARCH2M模型的估计结果:深证综合指数

变量yt-yt-yt-xtxt-XABHD

11

参数估计值-0.09850.09430.07870.02810.0083-1.33400.61570.83010.14663.7505

标准误0.04200.03520.03270.00250.00290.33780.11320.04170.07211.7160

t统计量-2.342.682.4011.282.90-3.955.4419.922.032.19

近似概率0.01910.00740.01620.00010.00380.00010.00010.00010.04210.0289

lnl1929.57

SBC-3793.30

AIC-3839.14

3

4

*数据来源:上海证券报,1997-1-3~1999-12-31; *模型的估计是用SAS6.12forwindows软件完成的。本文将GARCH2M模型和EGARCH模型结合为E2GARCH2M模型,即

5(l)yt=Df(ht)+EtEt=vt

t

q

p

i=1

i=1

的t检验在通常的显著性水平(5%和10%)下都显著。上证综合指数收益率和深证综合指数收益率均

与其第1阶滞后项显著负相关,而深证综合指数收益率还与其第3、4阶滞后项显著正相关,这表明无论是在上海证券市场还是在深圳证券市场,包含在股价中的有关信息并未完全被当前的股价所反映,历史股价中还存在着对预测未来股价有用的信息,因而我国股市还并未达到弱式有效;相比较而言,深圳证券市场对信息的反应要明显滞后于上海证券市场。

其次,在上证综合指数和深证综合指数的模型中,lnht均与lnht-1

lnht=X+2Aig(vt-i)+g(vt)=Hvt+(|vt|-3 实证结果

2Bilnht-

i

E|vt|)

本文收集了上证综合指数和深证综合指数从1997年1月2日至1999年12月30日的每日收盘价,共728个样本观测值,计算了复合收益率yt,yt=ln(indext)-ln(indext-1),indext为第t日的综合指数。同时,考虑到成交量与股价之间的关系密切,本文还收集了相同区间内的每日成交量,并计算了成交量的复合增长率xt,xt=ln(volumet)-ln(volumet-1),volumet为第t日的成交量,将xt及其滞后项作为收益率yt的解释变量。

从上证综合指数收益率和深证综合指数收益率的时序图上可以发现,两序列均具有明显的时变方差特征,因此,建立GARCH模型是一种合理的做法。将EGARCH2M模型的估计结果列于表1和表2。

从表1和表2可以发现,首先,所有参数估计值

显著正相关,通过迭代可知,可将

lnht表示成g(vt)的所有滞后项的函数,因此,我国股市中证券收益率的条件方差是一长记忆过程,即股市当前的波动要依赖于所有过去时刻的随机冲击。

再其次,在上证综合指数和深证综合指数的模型中,参数H的估计值分别为0.20和0.14,表明在上海证券市场和深圳证券市场中,正收益率冲击所引起的波动(条件方差)均大于同等程度的负冲击所引起的波动。具体地讲,利好消息(正冲击)所引起的股价波动要比利空消息(负冲击)所引起的股价波