论文部分内容阅读
随着中国经济的飞速发展,股票市场发挥着愈发重要的作用,但同样也存在巨大的风险。股票市场在一定范围内的适度波动,能有助于实现资本市场的融资功能,提高资源配置效率;若超出一定范围的不合理的波动,即剧烈而频繁的波动,可能会产生不良后果。因此,本文的研究对象是股票市场的波动性,寻找用适合的方法来定量刻画市场的波动性,从而发现市场的变化规律,预判市场存在的潜在风险。本文采用背景探究、理论阐述、统计分析和实证研究的方式,将统计分析与实证研究有机地结合。选取中国股票市场具有特殊代表性的四大股票指数—上证综指、深圳成指、中小板指和创业板指作为研究对象,分别代表沪市、深市、中小板市场和创业板市场。分别获取四大股指的低频和高频数据,从四大股指收益率序列的统计特性出发,对于低频数据运用相对成熟的条件异方差模型,建立GARCH模型、GARCH-M模型和EGARCH模型这三种条件异方差模型定量刻画中国股票市场的波动性特征。对于高频数据的价格变化进行建模分析,利用高频数据特有的性质,分析高频数据的价格波动,建立顺序概率值模型和分解模型,用来反映股票市场的微观结构。本文通过研究发现:(1)上证综指和深证成指的走势和收益率序列大致保持一致,说明在相同的经济环境和政策约束下,沪深两市交易和运行情况大致相同,但沪深两市明显与中小板和创业板市场不同,后者的风险更高。(2)2018年四大市场行情都不断下降,持续走低,2018年股票市场不容乐观。(3)四大股指的收益率序列都表现出均值在零附近,左偏分布,超额峰度大于零,密度函数分布曲线尖峰厚尾,都不符合正态分布,均通过了平稳性检验,均存在序列相关性。高频数据比低频数据离散程度更小,更集中分布,更具有尖峰厚尾的特性。(4)四大股指低频数据的风险溢价参数c均为正值,表示收益率与它过去的波动率呈正相关,且都存在非对称特征。(5)高频数据的交易量序列的时序图呈现U型循环,交易量序列的ACF图呈现有规律有周期的上下波动,即所谓的日模式或日周期现象,充分说明高频数据能反映微观市场。(6)四大股指高频数据的价格变化都呈现动态相依性,样本数据没有表现出高频交易数据的价格逆转现象,是因为受到了投资者的主观因素影响,市场没有体现有效性。最后本文根据分析结果提出相应建议,对投资者而言,我们要向投资者普及正确的投资理念,引导他们理性投资;对上市公司而言,要加强对上市公司信息披露的监管和审核;对监管机构而言,要控制监管机构的监管力度。目的是为了更好地完善资本市场的结构和功能,促进我国股票市场的健康发展,进而促进我国经济健康发展。