上证综指日历效应研究
沪深股市星期效应的实证研究
沪深股市星期效应的实证研究【摘要】证券市场股票是否具有星期效应直接影响股民投资趋向。
国内外研究者发现，股票市场存在着星期效应，其中得到比较普遍认可的是星期一和星期五效应，但是随着证券市场的完善，星期效应在逐渐减弱。
本文研究了2006年全年的股票交易样本数据，从涨跌幅度和成交量这两个反映星期效应的重要因素指标出发进行统计分析，发现我国沪深股市星期效应目前还存在，但是已不再显著。
【关键词】星期效应涨跌幅度成交量方差分析一、引言证券市场上收益、风险等指标一般都随着日历变化的特征，称为日历效应。
股票市场的星期效应也称周内效应，指股票市场一星期内各交易日收益率、风险存在的差异。
通常，如果股票市场一星期内某一天或者某几天的交易、收益率明显高于（或低于）其他交易日，或者波动性明显异于其他几日，则说明该股票市场存在“星期”效应。
国内外许多学者对这一现象进行了大量研究，发现收益率和交易量都存在显著的星期效应。
Rozeff和Kinney（1976）发现股票市场收益率在1月份更高一些；Frech（1980）注意到股票收益率的星期效应——周一的收益率更低一些；Frech和Roll发现方差也具有星期效应；但是Mehdian和Perry （2001）提出美国股市现在已不存在这一效应。
赵骏等早在1994年就对中国股市星期效应进行了检验，以上海股市12种股票和上海证券交易所综合股价指数为研究对象，选取样本区间为1993年7月1日至1994年5月1日，经研究发现：周一平均收益率为负且最低，周四为正，并比一周内其他交易日都高。
杨朝军等（1997）采用F检验对上海股市1993—1995年的星期效应进行检验，分析结果认为：上海股市周一、周二的收益率明显偏低，周四、周五收益率较高，其中周一和周五的反差最大。
严太华（2000）用Levene统计量和K-W统计量对1992—1999年上海股市星期效应进行了检验，认为上海股市存在星期效应，他们发现上海股市收益率在周一最低、周五最高。
上证综指股票收益率波动特点分析
上证综指股票收益率波动特点分析以自回归条件异方差（ARCH）族模型为基础，结合上海证券市场的特点，试图拟合我国股票市场的波动特征，同时研究股票价格指数的波动规律和特点。
标签：上证综指；股票收益率波动；GARCH模型1 引言上世纪80年代，美国学者罗伯特·恩格尔和克莱夫·格兰杰提出了ARCH模型来描述证券市场波动性方差的时变性特征，此后不断发展深入，其相关拓展模型也相继推出，比如GARCH模型，TARCH模型等等。
这些模型在金融领域得到了广泛的应用。
中国股票市场仅仅20多年，从无到有，取得了巨大的成就。
特别是06年以来，股票市场规模不断扩大，上市公司质量也不断提高，沪深股市作为宏观经济晴雨表的作用越来越明显。
然而，我国证券市场毕竟处于发展初期，市场的波动性和风险要远远高于国外市场，特别是欧美等成熟市场。
因此，如何较为真实刻画和衡量股价波动成为广大学者研究的重点。
2 模型和数据2.1 模型介绍（1）ARCH模型。
美国学者罗伯特·恩格尔于1982年提出了ARCH模型，其具体形式如下yt=xtβ+ε（1）σ2t=α0+α1ε2t-1+α2ε2t-2+…+αqε2t-q（2）为保证条件方差σ2t＞0，要求α0＞0，αi＞0（i=1，2…，q）式1称之为均值方程，式2称之为条件方差方程。
基本的ARCH模型又衍生出许多变形，下面具体介绍GARCH模型、TARCH模型和EGARCH模型。
（2）GARCH模型。
罗伯特·恩格尔提出ARCH模型来描述误差的条件方差中可能存在的某种关联。
通过该模型，可以预测经济时间序列中基于某种非线性依赖的大变化。
GARCH模型的一般表示如下:yt=xtβ+ε（1）εt=ht·vt（2）h1=α0+α1ε2t-1+…+αt-1ε2t-q+β1ht-1+…+βpht-p=α0+qi=1αiε2t-1+pj=1βjh t-j（3）其中，p是GARCH项的最大滞后阶数，q是ARCH项的最大滞后阶数。
中国股票市场的日历效应分析
文章编号:1002—1566(2000)02—0010—06中国股票市场的日历效应分析Ξ薛继锐 顾 岚(中国人民大学统计学系)摘 要 薛继锐,顾岚.中国股票市场的日历效应分析本文以上证指数和深证指数为代表,对中国股票市场的日历效应进行实证分析.主要从以下三个方面加以讨论:收益率和交易量的均值及方差的日历特征;收益率日历特征的相关分析;收益率周内各日的转移概率特性.关键词:收益率,交易量,日历效应,风险,列联分析,转移概率.中国分类号:O212 C8 F830 文献标识码:A在股票市场上,收益、风险等指标一般都具有随日历变化的特征,称之为日历效应。
日历效应可分为周效应——指标在周内各日表现出不同的特征;月效应——指标在不同月份具有不同的特征。
国内外许多学者对价格变动的日历效应进行了大量研究,发现收益率和交易量都存在显著的日历效应。
Rozeff和K inney(1976)发现股票市场指数收益率在1月份更高一些; Kei m(1980)对这一现象用不同规模的股票组合进行研究,发现1月份的效应和绝大多数小规模的股票有着密切的联系。
F rench(1980)注意到股票收益率的周内各日效应——周一的收益率更低一些;F rench和Ro ll发现方差也具有日历效应,等等。
参考上述方法,文本对我国股票市场的日历效应进行实证分析。
我们以上证和深证指数收益率作为代表,考察是否存在日历影响,分析其具体特征及沪深股市的异同,并与国外股市进行比较。
考虑到我国股市初期的特殊性,我们的样本区间选取为1993.01.01—1999.01.08。
§1.收益率和交易量的日历效应分析设{p t}为股票或股指的价格序列,{V t}为交易量序列。
收益率r t定义为:r t=log p t-log p t-1(1)本文以{logV t}作为交易量的研究对象。
为了对我国股市的日历效应进行分析,我们采用含虚拟变量的回归模型加以描述,分别建立含日历影响的均值模型和方差模型以刻划其日历效应特征。
上证综指影响因素实证分析
上证综指影响因素实证分析上证综指是中国股市中的一个重要指数，它代表了上海证券交易所股票市场的整体走势。
上证综指的涨跌受多种因素的影响，在这篇论文中，我将对这些影响因素进行实证分析。
经济增长是影响股市的一个重要因素。
根据过去的研究，GDP增长对股市有正向影响。
经济增长意味着企业的盈利能力增强，从而提升了股票的投资吸引力，推动股市上涨。
经济增长还提高了投资者信心，增加了他们对股票市场的投资。
货币政策也对股市产生重要影响。
货币政策直接影响货币供应量和利率水平，从而影响股票市场的流动性和资金成本。
一般来说，宽松的货币政策有利于股市的上涨，因为它增加了流动性并降低了资金成本。
相反，紧缩的货币政策则抑制了股市的涨势。
货币政策的变化可以作为预测股市走势的一个重要指标。
国际市场的波动也对上证综指产生影响。
全球经济和金融市场之间存在着密切的联系，因此国际市场的波动会传导到中国股市。
2008年全球金融危机期间，上证综指迎来了一次大幅下跌，受到了全球市场的波动影响。
第四，政府的干预也对股市有着重要影响。
政府的宏观经济政策、财政政策和监管政策都可能对股市产生积极或消极的影响。
政府实施的一些促进经济增长的政策，如减税政策和基础设施建设等，往往会提振股市。
政府出台的监管政策和限制措施可能会抑制股市的涨势。
投资者情绪也是影响股市的一个重要因素。
根据行为金融学的理论，投资者的情绪和情感会影响他们对股票市场的决策。
当投资者情绪积极时，他们更愿意投资股票，推动股市上涨。
相反，当投资者情绪悲观时，他们会将资金撤出股市，导致股市下跌。
投资者情绪的变化可以作为预测股市走势的一个重要指标。
上证综指受到多种因素的影响，包括经济增长、货币政策、国际市场的波动、政府干预和投资者情绪等。
通过实证分析这些因素的变化和股市走势之间的关系，可以更好地理解上证综指的涨跌原因，为投资者提供决策参考。
日历效应
日历效应什么是日历效应(Calendar Efect)?日历效应是指金融市场与日期相联系的非正常收益，主要包括季节效应、月份效应、星期效应和假日效应，它们分别指金融市场与季节、月份、星期和假日有关的非正常收益。
1、一月效应“一月效应”由Wachtel首先在l942年发现，Rozeff and Kinney(1976)进一步的研究发现，l904—l974年间NYSE的股价指数1月份的收益率明显高于其他11个月的的收益率。
Gultekin(1983)研究了l7个国家l959—l979年的股票收益率，发现其中l3个国家1月份的股票收益率高于其他月份。
Lakonishok(1998)发现在l926至l989年间，在一月份，最小的l0%的股票收益超过其他股票收益。
但根据Mark W.Riepe(2001)，一月效应正在弱化。
对于一月效应的解释最主要的有减税卖出假说和橱窗效应假说：减税卖出假说认为，人们会在年底抛售下跌的股票，抵消当年其他股票的资芩增值，以达到少缴税收的目的。
而年关过后，人们又重新买回这些股票。
这种集体买卖行为导致了年终股市的下跌而次年一月股市的上扬。
Laura T](2003)研究了美国市政债券封闭式基金减税卖出和一月效应的关系，实证证明了减税卖出假说，且发现与经济商相关的市政债券基金呈现出更大的减税卖出行为。
橱窗效应假说认为机构投资者希望卖出亏损股票买入赢利股票以装点年终报表，这种买卖在年底对于赢利股票产生正向价格压力而对于亏损股票产生反向压力，当年终机构投资者的卖出行为停止时，前一年度被打压的亏损股票在一月将产生巨大反弹，导致较大的正收益的产生。
其它解释还包括代际馈赠说、购买压力说、避税退休计划说等。
2、周效应和周日效应Cross(1973)和French(1980)研究了S&P500指数收益发现周五取得较高的平均收益而周一较低。
Gibbons(1981)和Keim(1984)发现Dow Jones指数周一存在负收益。
上证日经指数周内效应比较研究
上证日经指数周内效应比较研究作者：范世铖来源：《中国经贸导刊》2021年第11期摘要：我国股票市场自成立之日起经历了多次周期性的涨跌，寻找其中的“异象”对于我国股市的完善以及投资者的投资具有参考意义。
选取近十年间的上证指数和日经225指数收益率，利用修正的GARCH模型、GARCH-M模型来对比两种指数是否存在股指收益率的“周内效应，”以及是否存在着风险溢价。
结果发现，上证指数存在着显著为负的周四效应，而日经指数不存在显著的周内效应，且两市指数都不存在显著的风险溢价。
关键词：指数收益率周内效应修正GARCH模型GARCH-M模型一、选题背景及意义周内效应（DayofWakeEffect）是指股票的某些指标特征存在着与一周之内某些交易日相联系的效应，具体是指周内各个交易日的收益和风险的不均匀现象。
作为一个新兴的市场，我国股票市场自80年代成立以来，经过多次周期性的大涨大落。
由于我国股票市场还不算完善，而日经225指数编于50年代，股市机制较为健全，因此本文选取上证指数和日经225指数作为对比，来研究比对两个不同市场内的周内效应的异同。
本文选用2010年1月4日至2020年1月3日以及2010年1月4日至2020年1月10日共十年的上证，日经225指数数据，旨在研究自金融危机冲击过后的近十年来，随着股票市场的发展和股市政策的调整，股票市场的有效性以及周内效应的规律是否发生改变。
本文的现实意义旨在通过对于两国股票指数的比对分析，促进我国市场监督者制定更加合理的市场制度，实现其职能最大化，并且帮助投资者制定更加行之有效的投资方案，实现其财富增值的目的。
二、模型构建（一）收益率的周内效应分析本文参考陈雄兵等（2008）的方法，使用如下方程来研究股票市场中的周内效应：其中Rt代表t日的收益率，由于股票市场常常容易出现自相关，因此加入收益率的滞后一期Rt-1来消除自相关的情况。
D1t至D4t分别为周一、二、三和周四的虚拟变量，本文以周五为基底来避免虚拟变量陷阱。
中国股票市场“周内效应”论文
中国股票市场的“周内效应”中图分类号：f832 文献标识：a 文章编号：1009-4202(2011)07-000-01摘要本文利用a股的上海证券交易所2005-2010年的交易数据，采用ols模型，对我国上海证券交易所股票市场的周内效应进行了实证研究。
实证结果表明：在样本区间内，只存在显著的负的周一效应。
关键词股票市场周内效应 ols估计在股票市场上，收益、风险等指标一般都具有随日历变化的特征，称之为日历效应。
周内效应（weekday effect）是日历效应的一种，指股票的某种特征存在着与一周内的某些特定交易日相连的某种模式。
通常，如果股票市场一周内的某一天或者某几天的收益率明显高于（或低于）其他交易日，或者收益率波动性明显异于其他交易日，则说明该股票市场具有“周内效应”。
gross（1973）和french（1980）对s&p500指数及道琼斯指数的收益分布特征研究发现股票市场的收益率在周内各交易日之间的分布呈现出一定的规律。
平均来说，周五取得较高的收益率而周一较低；french（1980）注意到股票收益率的周内各日效应——周一的收益率更低一些，等等。
我国股票市场的日历效应研究始于20世纪90年代。
戴国强和陆蓉（1999）运用arch模型对沪市和深市1993年到1998年的股价指数进行研究，发现深圳股市周一的报酬率显著为负，周五报酬率最高，存在周末效应，上海股市则没有显著的周末效应。
奉立城（2000）利用1992年到1998年的数据对沪深两市进行实证研究，发现中国股票市场不存在周一效应，而沪市却存在日均收益率显著为负的周二效应和日均收益率显著为正的周五效应，等等。
虽然各种模型得出的结论并不完全一致，但大都为股票市场周内各交易日收益率的分布提供了经验证据。
由于我国股票市场是新兴市场，很多体制还不完善，市场发展没有发达国家的股票市场成熟，在股权分置改革之前很多的股票并不能反映我国股票市场实际水平，由此得出的结论可能有失偏颇。
经典案例2日历价差策略
内容简介：日历价差(calendar spread) 是指投资者买进到期日较远的期权 (简称远期期权)，同时又卖出相同行权价格、相同数量但到期日较近的期权(简 称近期期权)，赚取两个不同期权隐含波动率的差价或者其它期权定价参数的差 价， 以获得利润的期权套利交易策略。 在海外期权市场以及在国内的仿真期权市 场，由于期权投资者通常选择近月的期权表达方向性的市场观点或者对冲观点， 而忽略了期权隐含波动率的理论价值， 导致近月期权的隐含波动率高于历史波动 率，而且经常高于远月的期权波动率。我们详细分析了上海证券交易所的上证 50ETF 期权的仿真市场交易数据，建立了期权日历价差交易策略的模型。我们的 模型根据两个量化判断因子，在满足这个量化信号时，入场执行交易策略，卖出 近月的期权，买入远月期权，以锁定近月隐含波动率高于历史波动率的差价，以 及远月波动率低于近月波动率的差价。我们的期权日历价差交易策略从 2013 年 12 月以来的 7 个月内执行了 6 个期权日历价差交易， 交易取胜率达到 83%，而且 由于采用差价交易， 策略投资风险也相对较低。我们的仿真模拟交易结果显示在 上证 50ETF 期权市场上，期权日历价差交易策略收益稳定，实用有效，并且操作 简单。
5 / 12
端市场情况发生下，可有效地避免重大亏损风险。
2、日历价差策略的执行计划 1） 、我们的建仓综合量化信号模型为以下： X = V（近月隐含波动率）V (历史波动率)
+ V (近月隐含波动率 ) - V (远月隐含波动率)； 当 X 0 的信号出现时，通过卖出一份当月认购期权，同时卖出一份 下月认购期权，建立日历价差组合。 2） 、我们的平仓策略： 当进入市场建立组合后，考虑到该组合 并没有对冲股价变动的风 险，在近月期权到期前几天，组合的 Gamma 风险值可能比较大，标的 股价的变化会大幅增加收益的波动率。因此，我们的策略采取在当月 合约到期前 8 天进行平仓。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
上证综指的日历效应研究 qwertyuiopasdfghjklzxcvbnmqwertyu iopasdfghjklzxcvbnmqwertyuiopasdfg hjklzxcvbnmqwertyuiopasdfghjklzxcvbnmqwertyuiopasdfghjklzxcvbnmqwertyuiopasdfghjklzxcvbnmqwertyuiopasdfghjklzxcvbnmqwertyuiopasdfghjk lzxcvbnmqwertyuiopasdfghjklzxcvbn mqwertyuiopasdfghjklzxcvbnmqwert yuiopasdfghjklzxcvbnmqwertyuiopas dfghjklzxcvbnmqwertyuiopasdfghjklz xcvbnmqwertyuiopasdfghjklzxcvbnm qwertyuiopasdfghjklzxcvbnmqwertyu iopasdfghjklzxcvbnmqwertyuiopasdfg hjklzxcvbnmqwertyuiopasdfghjklzxcv bnmrtyuiopasdfghjklzxcvbnmqwertyu iopasdfghjklzxcvbnmqwertyuiopasdfg hjklzxcvbnmqwertyuiopasdfghjklzxcv 上证综指的日历效应研究 2014210745 2015/7/5 张楠摘要股市的日历效应证实了市场非有效,在假设市场有效的理论和模型指导下投资必定会产生很大风险,而我国股市发展极为迅速,投资者也日渐益多,因此深入研究日历效应有重要意义。
而日历效应的研究仍多是停留在静态的均值收益和波动方差的方面,而本文将从更全面的角度研究日历效应,同时利用日历效应引导投资者进行市场时机抉择,研究方法主要包括描述统计分析和计量分析。
描述统计分析包括: 均值、方差、偏度和峰度;计量模型主要利用到序列t分布下的EGARCH-M模型,模型分析主要包括波动非对称性、预期风险影响、滞后期收益影响、滞后期波动和杠杆效应。
关键字：日历效应EGARCH-M 杠杆效应市场时机抉择AbstactThe Calendar effects in the stock market prove that the market is non-effective, so there will be a great risk by use the theory and model under the assumptions of the efficient market. And with the extremely rapid development of China's stock market, investors are also growing, so it is very significance for depth studying Calendar effects. But the research on calendar effects main emphasis on the mean and variance, this article will study calendar effects from a more comprehensive perspective, while taking advantage of the calendar effect to guide investors for the choice of market timing. Research methods main include descriptive statistics analysis and econometric model analysis. Description statistical analysis includes: mean, variance, skewness, and peak-degree. Econometric model analyses mainly utilize the EGARCH-M model under t distribution; the analysis mainly includes the fluctuations asymmetry, the impact of expected risk, the impact of lag revenue, the impact of lag phase fluctuations and leverage effect.Keywords: Calendar effect, EGARCH-M model, the leverage effect, market timing choice目录摘要 (2)Abstact (2)引言 (4)相关概念和模型理论 (4)相关概念....................................................................................................错误!未定义书签。
日历效应 (4)非正态概念及度量值 (4)杠杆效应 (5)相关模型 (5)ARCH模型和GARCH模型 (5)TARCH和EGARCH模型 (7)模型选择 (8)非正态性检验 (9)平稳性检验 (9)ARCH效应检验 (9)模型选择 (11)实证分析 (14)星期效用的实证分析 (14)月份效应实证研究 (19)季节效应实证分析 (24)收益分布日历效应对投资者的影响 (26)市场时机抉择建议 (26)短期投资者时机选择 (27)中期投资者时机选择 (27)长期投资者时机选择 (27)参考文献 (29)引言相对于欧美股市几百年的历史，我国建立时间尚短。
但是我国股市的迅速发展，提高了上市公司的融资速度并加速了投资者资金流通。
“股市有风险，入市需谨慎”。
风险是指损失的不确定性。
研究股市风险特性和简便的模型计算对我国股民和经济发展有着重要作用。
由于中国股市过多的非理性投机意识和国家过度干涉市场，导致我国股市出现特殊行情，因此我国很多股市问题只能特殊研究。
在金融领域中，其金融风险能够准确计量对于风险管理、资产定价及投资等有着重要作用。
金融知识理论的深入和研究结果的更新，金融数据序列波动积聚性和非对称厚尾性使收益和风险也呈现日历效应，因此若不加以考虑这些特征，将会影响投资决策的正确性。
随着中国股市的不断发展，日历效应理论研究也应逐步跟进。
国内外多数学者研究发现序列为非正态且收益率波动呈现出一定的非对称性，利空消息对波动的影响大于利好消息的影响，因此造成非对称波动情况，而波动异方差导致的波动积聚是造成厚尾的主要原因。
因而，日历效应的研究意义重大。
相关概念和模型理论日历效应日历效应主要是指金融市场的收益、方差、偏态、峰度、预期风险、杠杆效应及其他高阶矩在日历中呈现出一种特殊特征。
星期效应主要是指市场衡量指标在星期交易中某一天比较突出，且出现循环趋势，月份效应则是衡量指标在某一个月份表现较为强烈或者不显著，季节效应则是衡量指标在某一个季节表现较为异常或者不明显。
非正态概念及度量值非正态分布主要是以正态分布为基础，不服从正态分布的均称为非正态分布，正态分布都是双尾对称、峰度等于3的分布，而若分布双尾不对称且峰度不等于3的均称为非正态分布。
偏度是反应数据分布非对称程度的度量值。
正偏离表现是右边的尾部明显长于左侧，说明右侧有少量数值非常大，以致把其尾部拖长，而其所得分布的偏度大于0；反之在均值左侧数据少于右侧，则所得分布偏度小于0则为负偏离，又叫左偏，主要是左侧尾部明显长于右侧，说明左侧有少量个数非常小。
计算公式为：33()(1)(2)i n x x SK n n sd -=--∑ (2.1)SK 为偏度，n 为样本数，sd 是样本标准差，i x 是第i 个样本。
峰度表示概率密度分布曲线在平均值处高低的特征数，主要是直观反映了尾部的厚度和峰度的尖度。
因为正态分布的峰度规定等于3，如果所测数据概率密度分布曲线峰度大于3，则成为尖峰厚尾分布，小于3则为扁平分布。
计算公式为：414() (1)N i i Y Y kurtosis N s =-=-∑(2.2)Kurtosis 代表峰值系数，N 代表样本数量，i Y 为样本观测值，Y 是样本n 次测定值的平均值，s 为样本标准差。
杠杆效应杠杆效应是指资产的波动存在非对称性，向下波动幅度强于向上波动幅度。
即市场利空消息带来的冲击比同等量的利好消息带来的冲击要强烈。
相关模型ARCH 模型和GARCH 模型ARCH 模型，也叫自回归条件异方差模型。
该模型的主要思想是在t-1时刻的误差平方 21 t μ-影响到t 时刻误差t μ的方差2σ。
在以下K 个变量回归模型中：011y =+x +.......+x +t t k kt t γγγμ(2.3)若t μ的均值为零，则y t 取基于t-1时刻收益的期望1(y )t t E -，则其公式如下：1011(y )=+x +.......+x t t t k kt E γγγ-(2.4)因为(2.3)公式估计值近似等于(2.4)公式的均值方程，所以(2.3)公式也叫均值方程。
扰动项t μ服从正态分布2011N(0, +) t t a a μμ-，但是因为t μ方差2011+t a a μ-与前期扰动项平方有关，因此方程22011var()+t t t a a μσμ-==称为ARCH 过程。
因此ARCH(p)的过程可写成：222201122var()++.......+ t t t t p t p a a a a μσμμμ---== (3.5)如果同方差，则12==.......==0p a a a ，反之，则为异方差。
该模型在经济学领域得到广泛应用，尤其在金融时间序列中。
GARCH 模型，又叫广义自回归异方差模型。
GARCH 模型中包含有条件均值方程和条件异方差方程，标准化的GARCH(1,1)模型为：=x '+ t t t y γμ(2.6)22211=++t t t a σωμβσ-- (2.7)上面公式中，第一个方程为条件均值方程，第二个为条件方差方程。
均值方程包含外生变量't x 和随机扰动项t μ，其中：'t x 是1(k+1)⨯维外生变量向量，γ是(1)1k +⨯维系数向量。
方差方程包含均值ω、ARCH 项21t μ-和GARCH 滞后一阶的21t σ-，方差方程因为由滞后的信息而得到，因此称为条件方差方程。