股票市場收益率高階矩的動態(tài)特征研究.pdf

1、均值-方差的分析方法由于忽視了三階矩與四階矩風險，常常會低估風險。與此同時，金融學傳統(tǒng)的正態(tài)分布假設(shè)在具體的金融實踐中不斷受著沖擊。經(jīng)濟學家開始關(guān)注金融資產(chǎn)收益的非正態(tài)分布特征，即金融資產(chǎn)的收益率并非像傳統(tǒng)研究假設(shè)那樣服從正態(tài)分布，而是存在著左偏與尖峰厚尾的特征。因此，高階矩的建模逐漸受到廣泛關(guān)注。
　　傳統(tǒng)的GARCH模型，引入了方差的時變性特征，但是并沒有考慮偏度與峰度的時變性特征。隨后的一些模型包括GARCHS、GARCHS

2、K、NAGARCHSK等，開始關(guān)注偏度與峰度的時變性特征，并對其進行建模。
　　文章目的在于研究中國股票市場總體與不同行業(yè)股票收益率高階矩的動態(tài)特征。文章選取了2005年1月至2013年6月上交所日收盤綜合指數(shù)、深交所日收盤綜合指數(shù)、工業(yè)指數(shù)、商業(yè)指數(shù)、地產(chǎn)指數(shù)、公用指數(shù)，一共六種指數(shù)進行研究，每一種指數(shù)的樣本容量均為2057。首先文章對六組時間序列數(shù)據(jù)的基本統(tǒng)計特征與時間序列特征進行分析，研究發(fā)現(xiàn)六種指數(shù)的對數(shù)收益率分布為非正態(tài)

3、分布，存在著左偏與尖峰厚尾的特征。同時時間序列是平穩(wěn)的，波動率、偏度、峰度均有顯著的自相關(guān)特征，且存在著自回歸條件異方差現(xiàn)象。因此，六種指數(shù)的對數(shù)收益率均適合運用GARCH類模型進行建模。
　　本文所用的模型沒有單獨對條件偏度、條件峰度的時變特征進行建模，而是通過拋棄GARCH模型傳統(tǒng)的正態(tài)分布的假設(shè)，假設(shè)經(jīng)過標準差調(diào)整后的殘差項服從動態(tài)化的Skewed-t分布，以此刻畫偏度與峰度的時變特征。相比傳統(tǒng)的t分布，動態(tài)化的Skewed

4、-t分布加入了非對稱性參數(shù);相比靜態(tài)的Skewed-t分布，動態(tài)化的Skewed-t分布突破了自由度、非對稱性參數(shù)的靜態(tài)的局限性。文中最終使用的模型為基于動態(tài)Skewed-t分布的ARMA(1，1)-GJR(1，1)模型，本模型能夠較好的描述收益率左偏與尖峰厚尾的特征。
　　隨后，文章通過運用基于動態(tài)Skewed-t分布的ARMA(1，1)-GJR(1，1)模型的偏度、峰度的模擬結(jié)果對影響偏度、峰度的因素進行分析，并結(jié)合偏度、峰度

5、的傳導機制進行分析。
　　通過以上分析，文章得出的主要結(jié)論有:一、中國股票市場存在著顯著的三階矩風險和四階矩風險，且六種指數(shù)對數(shù)收益率的方差、偏度和峰度具有顯著的時變性。二、通過模型比較，我們發(fā)現(xiàn)上證綜指、深證綜指、工業(yè)指數(shù)、商業(yè)指數(shù)、地產(chǎn)指數(shù)與公用指數(shù)在經(jīng)過標準差調(diào)整后的殘差項服從動態(tài)化的Skewed-t分布的ARMA(1，1)-GJR(1，1)的模型下比殘差服從正態(tài)分布的ARMA(1，1)-GARCH(1，1)模型、殘差服從正

6、態(tài)分布的ARMA(1，1)-GJR(1，1)模型、殘差服從t分布的ARMA(1，1)-GARCH(1，1)模型與殘差服從t分布的ARMA(1，1)-GJR(1，1)模型的擬合度更好，更適合對高階矩的動態(tài)特征進行建模。三、在偏度影響因素分析方面，整體上，滯后階收益率、波動率、偏度與交易量對偏度有一定的解釋力。而且Hong與Stein所提出的“利空信息揭示”效應可以解釋中國股票市場的偏度的大小，同時，在中國股票市場存在著顯著的波動反饋機制。