沪深300指数收益率波动实证研究
基于GARCH模型的沪深300指数收益波动率分析
ｃ Ｈ（ １ ， １ ） 模型对
但纵观我国股市 ， 出现 ２ ０ ０ ７ 年至 ２ Ｏ ０ ８年这 种大 型倒 “ Ｖ ， ’ 行情 的情形是不多见的 ， 我 国股 市绝 大多数时间都是 以低位盘整 为主。 所以笔者在股指收益率 的研究 中 ， 时间周期 选择 了 ２ ０ １ １ 年 ６月至
２ ０ １ ３ 年６ 月 的一段盘整期 沪深 ３ ０ ０收盘价 ， 且在 这段时 间 内， 我 国
新会计 准则、 四万亿经 济刺激计 划 、 股改等 事件 ， 对股 市的影 响逐
渐显现 ， 是 比较好 的研究 周期 。通 过实 证分析 ， 笔者 得 出沪深 ３ ０ ０
对数 收益率 平均 值为 负值 ， Ｇ Ａ Ｒ Ｃ Ｈ（ １ ， ２ ） 模 型对 股指 收益 率有 较
图 １ 对数收益率时序图
观察 时序 图可知 ， 在有些时间段 内。收益率 ｒ ｔ 的波动较 大 ， 在
有些 时间段内 ｒ ｔ 的波动较小 ， 这说 明收益率 ｒ ｔ 的波动存在 “ 聚类 ”
现象 。 （ 二） 描 述性 统计
种情况下 ， 得 出股指对 数收益率平 均值 为正 ， 股 Ｈ模 型的沪深 ３ ０ ０ 指数收益波动率分析
尹智 超
（ 内蒙古大学 ２ ０ １ ２级 经济管理 学院 ０ １ ０ ０ ２ １ ）
【 摘 要】 本 文选取 ２ ０ １ １ 年６ 月２ ８日至 ２ ０ １ ３ 年 ６月 ２ ８日沪深 ３ ０ ０收盘
（ １ ， ２ ） 模 型 能 够较 好拟 舍 沪深 ３ ０ ０ 股 指
好拟合 效果 的结 论。
二、 Ｇ Ａ Ｒ Ｃ Ｈ模 型 介 绍
图 ２ 对 数收益率 的描述性统计 观察 描述性 统 计 图可 知 ， 对 数 收 益 率序 列 ｒ ｔ 的 均值 为 ．０ ． ０ ０ ０ ６ ７ ０ ， 标准差为 一０ ． ０ ０ ７ ５ ８ ， 偏度 为 ０ ． ０ ６ ３ ４ ０ ３ ， 说 明序 列右偏态分 布 ， 峰度值 为 ４ ９ ５ ２ ６ ５ ０ ， 大于 ３ ， 说 明序列 具有 尖峰厚 尾特 征。皿 统计 量为 ７ ７ ． ０ ５ ７ ０ １ ， Ｐ值为 ０ ． ０ ０ ０ ０ ０ ， 故拒绝服从 正态分 布的假设 。
沪深300股指期货对股票市场的波动性影响研究
沪深300股指期货对股票市场的波动性影响研究摘要沪深300股指期货是以沪深300指数为合约目标物的金融期货合约，并且在交割日期以沪深300指数的现货价格作为基准结算价格。
作为一种具有高杠杆性的金融衍生工具，文章通过对比沪深300股指期货推出前后对股票市场波动性的影响来研究其运行机制，并为投资者选择提供相关的建议。
本文选用2008年12月1日到2018年12月6日沪深300指数日收盘价作为研究对象共2438个样本数据。
2010年4月16日沪深300股指期货推出。
通过ADF检验，ARCH效应检验，GARCH族模型分析股指波动性对股票市场影响，实证结果得出以下主要结论：沪深300指数的时间序列将会表现出聚集的现象，在前面时段间波动一直偏大，然而在之后的时期，就会一直处于偏小的状态，证实了沪深300股指期货推出后存在一定杠杆性，放大了新信息对股市的冲击，但总体上降低了股市波动性。
关键词：股指期货、沪深300指数、股指波动性、GARCH族模型AbstractCSI 300 stock index futures are financial futures contracts with the CSI 300 index as the subject matter of the contract, and the spot price of the CSI 300 index as the benchmark settlement price on the delivery date. As a highly leveraged financial derivative tool, this paper studies its operating mechanism by comparing the impact of CSI 300 stock index futures on stock market volatility before and after their launch, and provides relevant suggestions for investors to choose. This paper chooses the closing price of CSI 300 index from December 1, 2008 to December 6, 2018 as the research object, and has 2438 sample data. On April 16, 2010, CSI 300 stock index futures were launched. Through the analysis of GARCH family models, Through ADF test,ARCH effect test, GARCH family model is used to analyze the impact of stock index volatility on stock market. The empirical results show the following main conclusions:The time series of the CSI 300 Index will continue to fluctuate in a certain period of time, while the fluctuate in the following period will continue to be small and cluster effect appears, which confirms that there is certain leverage after thelaunch of the CSI 300 Index Futures, and enlarges the impact of new information on the stock market, but generally reduces the volatility of the stock spot market. Key words: stock index futures, CSI 300 index, stock index volatility, GARCH family model目录摘要 (I)ABSTRACT ...................................................................................................................... I I 第一章绪论. (1)1.1 研究目的 (1)1.2 研究方法 (1)1.2创新与不足 (2)1.3 研究结构 (3)第二章国内外文献综述 (3)1.1 国内文献综述 (2)1.2 国外文献综述 (4)第三章研究假设 (7)3.1 股指期货的理论基础 (7)3.1.1 沪深300股指期货简介 (7)3.1.2 股指期货的特点 (8)3.1.3 股指期货的功能 (9)3.2 股指期货与股票市场波动关系 (10)3.3 波动性产生的原因 (11)第四章实证分析 (12)4.1 样本选取 (12)4.2 描述性统计分析 (13)4.3 平稳性检验 (15)4.3 ARCH效应检验 (15)4.4 GARCH模型的建立 (16)4.5 EGARCH模型的建立 (18)第五章结论与建议 (21)5.1结论 (21)5.2 建议 (22)参考文献 (24)致谢 (27)个人简历 (28)第一章绪论1.1 研究目的股指期货是一种金融期货。
股指期货推出对中国股票市场波动性的影响研究——基于沪深300股指期货高频数据的实证分析
股指期货推出对中国股票市场波动性的影响研究——基于沪深300股指期货高频数据的实证分析股指期货推出对中国股票市场波动性的影响研究——基于沪深300股指期货高频数据的实证分析引言股票市场的波动性是金融市场中一个重要的研究课题，长期以来，学者们一直致力于探讨影响股票市场波动性的因素。
然而，股指期货作为一种金融工具，其推出是否对股票市场波动性产生影响一直存在争议。
在这个背景下，本文将从实证的角度出发，以沪深300股指期货为研究样本，对股指期货推出对中国股票市场波动性的影响进行深入研究。
一、股指期货相关理论股指期货是一种衍生品工具，通过在未来交割时按照预定价格买卖股票指数，可以提供投资者在股票市场中对冲风险、增加套利机会的工具。
股指期货的推出在理论上有助于提高市场的流动性和有效性，进而减少市场的波动性。
二、数据获取和处理方法本文使用的数据为2010年至2021年期间的沪深300股指期货高频数据。
首先，对数据进行清洗，删除异常值和缺失值。
然后，计算股票市场和股指期货的日收益率，进一步计算股票市场的波动性。
三、实证结果分析在探究股指期货推出对中国股票市场波动性的影响时，本文选取了股票市场的日收益率标准差作为波动性的衡量指标。
通过对比股指期货推出前后的波动性水平，得出如下实证结果：1. 股指期货的推出对股票市场波动性产生了短期的冲击效应。
推出后的数个交易日内，股票市场的波动性明显增加，这可能是因为投资者对推出效果的不确定性导致的。
2. 长期来看，股指期货的推出对股票市场波动性产生了一定的抑制效应。
推出后的一年内，股票市场的波动性相对较低，这可能是因为股指期货提供了新的投资工具，投资者可以通过期货市场进行对冲交易，减少了市场的波动性。
3. 股指期货的推出对股票市场波动性的影响存在行业差异。
不同行业的股票市场在推出后波动性的变化程度不同，一些行业的波动性减少明显，而一些行业的波动性变化较小。
四、结论与启示本文的实证结果表明，股指期货的推出对中国股票市场的波动性产生了一定的影响。
投资者情绪对股市波动率的影响研究—基于沪深300指数的实证分析
投资者情绪对股市波动率的影响研究—基于沪深300指数的
实证分析
冯稚瑶
【期刊名称】《老字号品牌营销》
【年(卷),期】2024()10
【摘要】在当前全球经济环境中,市场波动性的加剧已成为金融领域关注的焦点之一。
特别是在信息快速流动与社交媒体影响日益扩大的今天,投资者情绪对股市波动率的影响愈发显著。
本文选取2003年1月至2023年8月适合我国投资者情绪的代理指标数据和沪深300指数每日收盘价,构建投资者情绪和股市波动率的VAR 模型。
研究发现:投资者的情绪与股市波动率两者之间存在相关性;投资者情绪是股市波动率的格兰杰原因;投资者情绪与股市波动率在短期内存在相互影响关系。
据此本文对投资者和监管者提出相关建议。
【总页数】3页(P49-51)
【作者】冯稚瑶
【作者单位】福建师范大学经济学院
【正文语种】中文
【中图分类】F83
【相关文献】
1.基于投资者情绪的沪深300指数期货现货波动性关系研究
2.投资者关注对沪深300股指期货、现货收益率的影响——基于百度指数的实证分析
3.沪深300指数
波动率和VaR预测研究——基于投资者情绪的HAR-RV GAS模型4.投资者情绪对股票指数回报率影响的差异分析——基于沪深300指数的实证研究
因版权原因，仅展示原文概要，查看原文内容请购买。
CAPM模型对华夏沪深300基金的实证研究
ＣＡＰＭ模型对华夏沪深300基金的实证研究摘要：本文应用CAPM模型对华夏沪深300指数基金进行实证检验，并对结果结合华夏沪深300的投资策略、风险收益特征进行分析，华夏沪深300基金的α大于0，表明该基金收益跑赢市场平均收益；同时，Beta值大于1，该基金收益会随着市场波动起伏并且大于市场波动性。
关键词：CAPM，实证检验，α，基金收益一、华夏沪深300基金简介华夏沪深300基金全称华夏沪深300交易型开放式指数证券投资基金联接基金，成立日期为2009年07月10日，发行日期为2009年07月06日，发行247.717亿份。
该基金属于股指基金，本基金主要通过交易所买卖或申购赎回的方式投资于目标ETF的份额。
根据投资者申购、赎回的现金流情况,本基金将综合目标ETF的流动性、折溢价率、标的指数成份股流动性等因素分析,对投资组合进行监控和调整,密切跟踪标的指数。
基金也可以通过买入标的指数成份股来跟踪标的指数。
基金还可适度参与目标ETF基金份额交易和申购、赎回之间的套利,以增强基金收益。
在目标ETF上市之前,本基金可以股票和现金特殊申购目标ETF基金份额。
如法律法规或中国证监会允许,本基金还将投资于期权、期货以及其他与标的指数或标的指数成份股相关的金融产品,投资目标是更紧密地跟踪标的指数。
基金拟投资于新的金融产品的,需将有关投资方案通知基金托管人,并在报中国证监会备案后公告。
未来,随着证券市场的发展、金融工具的丰富和交易方式的创新等,基金还将积极寻求其他投资机会,履行适当程序后更新和丰富基金投资策略。
本基金的风险控制目标是追求日均跟踪偏离度的绝对值不超过0.35%,年跟踪误差不超过4%。
同时，本基金属于股票基金,风险与收益高于混合基金、债券基金与货币市场基金。
二、理论依据基于CAPM模型对资产组合的收益率进行测算，CAPM（capital assetpricing model）是建立在马科威茨模型基础上的，马科威茨模型的假设自然包含在其中：1、投资者希望财富越多愈好，效用是财富的函数，财富又是投资收益率的函数，因此可以认为效用为收益率的函数。
基于GARCH模型的沪深300指数收益率波动性
基于GARCH模型的沪深300指数收益率波动性分析姓名：专业班级：指导老师：摘要股票价格的波动性在理论界和实务界都是一个热点问题。
本文借鉴发达市场的研究文献，运用GARCH模型作为工具,检验了沪深300指数日收益率的波动性的变化。
研究结果表明：沪深300指数日收益率波动从时间上呈现出明显的可变性和集簇性,序列分布呈现尖峰厚尾等特点,并且存在明显的GARCH效应，表明过去的波动对未来的影响是逐渐衰减的；模型还存在明显的GARCH-M效应，说明收益有正的风险溢价；通过建立TARCH模型和EARCH模型，发现沪深300指数收益率存在明显的杠杆效应，这反映出在我国股指期货市场上坏消息引起的波动要大于好消息引起的波动。
关键词：股指波动性ARCH模型GARCH模型CSI 300 Index Volatility Based on GARCH ModelAnalysisAbstract:Stock price fluctuations is a hot spot in both theoretical circles and community of practice. Basing on the literature search of developed markets, this article tries to use GARCH model as tools, to test the daily return volatility changes of CSI 300 index. And the results indicate that CSI 300 index daily return volatility show variability from the time and a clear set of clusters of the sequence showed a fat tail distribution characteristics, and there exists significant GARCH effect, which indicates that the volatility of the past influence the future gradually decay. What’s more, there also exists obvious GARCH-M effect, which shows that the risk premium income does exist. Through the establishment of the model EARCH and TARCH, we found CSI 300 index significant leverage effect exists,which reflects the volatility of the stock index futures market in China caused by bad news easier than good news.Key words: Stock index futures volatility; ARCH model; GARCH model目录第1章前言 (1)1.1选题的背景和研究意义 (1)1.2研究对象 (1)1.3本文框架结构 (2)第2章相关理论文献综述 (3)2.1国外研究成果 (3)2.2国内研究成果 (4)第3章研究思路与实证分析 (6)3．1研究思路和方法 (6)3.1.1 ARCH模型 (6)3.1.2 GARCH模型 (7)3.2实证分析 (8)3.2.1 数据说明及统计性描述 (8)3.2.2 沪深300指数收益率序列的平稳性检验 (10)3.2.3 ARCH效应检验 (11)3.2.4 GARCH类模型建模 (13)第4章结论与分析 (17)致谢 (18)参考文献 (19)附录 (20)第1章前言1.1选题的背景和研究意义在2010年4月16日推出以沪深300指数为标的的股指期货合约之前，我国的股票市场还是一个单边做多的市场，投资者参与股市的方式只有一个，先买入，再卖出，并以此实现赢利。
基于GARCH模型的沪深300指数收益率波动性分析
基于GARCH模型的沪深300指数收益率波动性分析一、引言近年来，随着中国资本市场的进步和经济的不息增长，沪深300指数作为中国股市的重要代表，引起了广泛的关注。
股市的波动性分析对于投资者的风险管理和投资决策具有重要的意义。
在这一背景下，本文将运用GARCH模型对沪深300指数的收益率波动性进行深度的分析，并进一步探讨影响指数波动的因素。
二、探究方法本文将接受GARCH模型来分析股市的波动性。
GARCH模型是一种常用的计量经济学方法，能够反映自回归条件异方差特性。
起首，我们需要计算沪深300指数的日收益率。
然后，通过基于过去数据的统计分析，建立GARCH模型，依据历史数据预估模型的参数，从而猜测将来股市的波动性。
最后，通过模型拟合和检验，裁定模型的有效性。
三、数据分析本文收集了沪深300指数的日收益率数据，并进行了数据预处理，包括收益率平稳性检验、白噪声检验等，以确保数据的可靠性和有效性。
然后，依据历史数据，建立了GARCH模型，拟合数据并进行了参数预估。
最后，通过对模型残差的诊断检验，验证了模型的有效性。
四、实证结果依据GARCH模型的预估结果，我们可以得到如下实证结果：起首，沪深300指数的收益率波动是存在异方差性的。
其次，GARCH模型是有效的，并能够对股市的波动性进行较为准确的猜测。
最后，我们还发现股市波动性存在长短期效应，即波动率在不同时间段内呈现出不同的特征。
五、影响因素分析在GARCH模型的基础上，我们进一步分析了影响股市波动性的因素。
通过引入不同的自变量，如市场风险溢价、联动程度、经济增长率等，我们可以利用模型进行多元回归分析，找出详尽的影响因素。
结果显示，市场风险溢价和联动程度等因素对股市波动性具有显著的影响。
六、风险管理与投资建议探究股市波动性对于投资者进行风险管理和制定投资策略具有重要的指导意义。
基于GARCH模型的分析结果，我们可以对投资者提出以下建议：起首，要关注股市的波动性，合理评估风险，防止过度乐观或悲观。
融资融券对沪深300指数波动性影响的实证研究
融资融券对沪深300 指数波动性影响的实证研究摘要：利用Granger 检验、VAR 模型估计以及脉冲函数和方差分解等方法进行实证研究发现：融资和融券均与沪深300 指数波动呈长期协整关系，通过Granger 检验发现融资和融券是影响沪深300 指数波动的原因。
由VAR 模型得出融资余额能抑制股市波动而融券余额能加剧波动，两者对沪深300 指数的影响程度均不明显且具有非对称性，这种影响会滞后一期。
脉冲响应函数和方差分解也发现融资融券整体对沪深300 指数的波动影响均不明显且影响消退较快，施加单位标准误差冲击，融券余额相比融资余额对沪深300 指数的影响较大，研究发现。
沪深300 指数的波动更多是来自于自身的波动引起的。
关键词：融资融券;沪深300 指数;波动性引言在股票投资中投资者十分关注和重视股市的波动，融资融券作为证券市场上的一项基本交易制度，其初衷是发挥价格稳定器的作用从而稳定市场波动，但我国作为新兴市场推出此制度较晚，2010 年才正式开始融资融券交易制度试点，2014年底发展到900 支标的，尽管我国投资者对于该制度的认识还不够，但交易活跃度却越来越高，交易额越来越大，据同花顺iFinD 统计，目前两市两融日余额已破万亿元且跌创新高，可见两融交易已成为影响股市波动的重要因素。
研究融资融券具体如何影响我国股市的波动性以及产生多大的影响可为市场各参与主体提供理论依据，这具有重要的现实意义。
一、文献综述国外学者在融资融券如何影响股市波动方面的研究取得了很多有价值的研究成果，但对象主要是国外股票市场且研究结果不尽一致：“加剧波动，助涨助跌” “降低波动，稳定市场”“不具有相关性” 。
Bogen( 1960)采用“金字塔效应”得出牛市和熊市时融资融券能够抬高和降低股价而Bai ，Chang and wang (2006)发现卖空约束使股价波动性增加，kraus and Rubin( 2003)股价波动性有可能增加有可能减少，取决于模型的信息参数和经济外生变量的设定。
- 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)。
沪深300指数收益率波动实证研究作者：王潇来源：《时代经贸》2012年第12期【摘要】波动性是股票市场的重要特征，本文从股票的波动性出发，选取沪深300综合指数为研究对象，采用GARCH模型族对2005到2012年沪深300指数日收益率的波动情况进行了实证分析。
实证分析结果表明，沪深300指数具有明显的ARCH效应，股指收益率具有显著的“尖峰厚尾”特点，并存在波动的集群效应，表现出明显的波动持续性。
【关键词】沪深300指数；收益率；波动性；GARCH模型一、引言股票市场的波动性是近来金融研究的热点，对金融市场收益和波动的研究主要是源于对资产定价和风险管理的需要。
大量的研究表明金融数据具有尖峰厚尾、波动丛集性或波动集中、杠杆效应的特性，而经典的线性结构以及时间序列模型确不能够很好地解释金融数据的上述特征，也就不能够把握数据的有关特征。
为了刻画金融数据的特征，现在被广泛应用的一种特殊非线性模型是称之为“ARCH”的模型，即自回归条件异方差模型。
ARCH模型首先由Engle（1982）提出，Bollerslev（1986）在Engle的基础上对异方差的表现形式进行了直接的线性扩展，形成了应用更为广泛的GARCH模型。
在随后的几十年中，经济学家们又对上述模型进行了扩展和完善，形成了GARCH—M、TARCH、EGARCH等模型。
进而形成了一个GARCH模型族。
本文即运用GARCH模型族作为工具，对沪深300指数的收益率波动性进行了实证分析。
我国近年来股票市场的波动性进行了大量的实证研究，边一斐运用GARCH模型对我国沪市指数进行了实证研究，确定了指数EGARCH模型为上证综指长期波动的最优预测模型。
谷岭基于GARCH模型族的上海股市波动性分析证明上证综指期望收益与期望风险之间存在正相关关系。
此外，还有很多学者对沪市深市的指数波动性进行了分析，研究了股票周内效应等等方面。
但是国内众多的研究都未将沪深股市结合起来，因此，本文选取能够较好代表沪深两市的沪深300指数进行研究，使用GARCH模型分析对我国的整个股票市场的收益率波动性。
二、模型设计（一）GARCH模型广义的ARCH模型，即GARCH模型由Bollerslev（1986）和Taylor（1986）各自独立地发展起来的。
GARCH模型允许条件方差依赖于自身的前期值，因此在最简单的情况下，即GARCH（1，1）模型如下：其中被称为条件方差，是由于该方差是根据过去任何的被认为有关的信息计算出的前一时期的估计值。
运用GARCH模型，可把当期拟合方差解释为长期平均值（依赖于）、前一期有关波动的信息（）和前一期模型中的拟合方差（）的加权函数。
GARCH模型能表达为这样一种形式，即它实际上是条件方差的ARMA模型。
（二）均值GARCH模型（GARCH-M模型）金融学中的大多数模型都假设投资者应该为承担额外的风险而获得更高的收益。
处理这一概念的一种方法是设定证券的收益可部分地由它的风险所决定。
Engle、Lilien和Robins （1982）建议设定为ARCH-M模型，这样资产收益的条件方差就进入到条件均值方程去了。
现在GARCH-M模型比ARCH更为流行，所以通常估计GARCH-M模型。
下面给出GARCH-M的设定：如果是正的且具有统计显著性，那么由条件方差增加所给定的风险增减会导致均值收益的上升。
因此可被解释为风险报酬（Risk Premium）。
而条件方差代表了期望风险的大小。
所以GARCH—M模型适合于描述那些期望收益与期望风险密切相关的金融资产。
而根据现代资产定价理论。
金融产品的风险是其价格决定的一个重要因素。
因此，该模型在检验现代资产定价理论的实证研究中得到了广泛的应用。
三、实证分析本文的研究对象为沪深300指数的日收益率，时间区间为2005年1月4日到2012年4月12日，时间间隔为天，样本数据容量为1742个。
本文的数据来源于“大智慧”软件，所使用的统计软件为Eviews5.0。
沪深300指数的收益率采用相邻两天指数对数收益率，即对数的一阶差分，计算公式为，其中表示日收益率，表示第t天的收盘价格，表示第t-1天的收盘价格。
运用GARCH类模型分析时间序列数据可以分为两个步骤：一是分析样本数据是否可以运用GARCH类模型来描述，主要是进行ARCH效应的检验；二是对GARCH类模型的参数进行估计和检验。
（一）收益率序列的自相关性分析首先对样本的收益率序列进行单位根检验（采用Augmented Dickey-Fuller检验），检验结果显示在1%的显著性水平下，沪深300收益率序列的ADF检验t统计量的值远小于MacKinnon临界值，从而拒绝原假设，即沪深300收益率序列不存在单位根，是平稳序列。
下面对沪深300指数收益率序列进行自相关分析，结果如表1，对于滞后10阶的自相关系数和偏自相关系数都很小，但是都不是显著异于0。
事实上，直到滞后36阶，相应的Ljung—Box Q统计量仍然表明，无法拒绝自相关系数为零的假设。
因此可以得出结论：沪深300指数不存在序列相关。
（二）日收益率波动集群性分析将沪深300指数的时间序列绘制成时序图（见图1），从中可以看出，沪深300指数收益率存在明显的异方差性，并且波动较大的地方往往也跟随着较大的波动，波动较小的地方往往也跟随较小的波动，显示出明显的波动集群性特征。
（三）ARCH效应的检验通过对沪深300指数日收益率序列的自相关函数进行分析，发现该序列不存在自相关。
因此，我们将均值方程设为：，也就是将原始收益率序列对常数进行回归，然后对得到的残差序列进行分析。
残差序列分析结果（表1）表明，Ljung—Box Q统计量均不显著，因此残差序列不存在自相关，但残差平方序列直至10阶都存在显著的自相关（表2）。
进一步对残差序列作正态性检验，残差序列偏度为6.71，峰度为67.167，Jarque-Bera的值为129282.4，远大于分布的临界值，因此拒绝残差序列正态性假设。
再对残差序列做ARCH-LM检验，发现在95%的置信水平下，残差序列的LM统计量显著大于临界值，表3的结果表明存在明显的ARCH效应。
因此，用GARCH类模型来描述我国股票市场的沪深300指数收益率波动情况是合适的。
表3 ARCH Test检验结果F-statistic 5.124599 Probability 0.001637Obs*R-squared 15.13439 Probability 0.001705（四）沪深300指数GARCH模型及估计结果由于GARCH（1，1）是刻画条件异方差最简洁的形式，且能很好地拟合许多金融时间序列，因此本文在实证中采用这一模型，沪深300指数GARCH（1，1）模型如下：通过对沪深300指数GARCH（1，1）模型进行参数估计，得到如下结果（见表4），结果表明，模型中的系数都是显著的，这也进一步说明GARCH（1，1）模型能够很好的描述沪深300指数日收益率波动情况，因此估计出的模型为：从表4所列示的GARCH模型族参数估计结果我们可以得到以下结论：GARCH模型的的系数都比较大且通过了显著性检验，说明股价波动具有“长期记忆性”，即过去价格的波动与其无限长期价格波动的大小都有关系。
条件方差方程中，系数和都显著为正，但是都小于1，说明过去的波动对市场未来波动有着正向而减缓的影响，从而使沪深300指数收益率波动出现群聚性现象。
+虽然小于1，但是接近于1，这说明收益率的波动对外部冲击的反应函数以一个相对较慢的速度递减，沪深300指数一旦出现大的波动在短期内很难消除。
另外，由于GARCH （1，1）模型中+小于1，说明收益率条件方差序列是平稳的，模型具有可预测性。
四、结论本文运用GARCH模型对我国股票市场上沪深300指数的日收益率的波动性及其随时间变化的特征进行了实证研究。
并将研究结果于国内其他学者用同样模型对其他股票指数的研究进行比较，得到以下结论：沪深300指数的日收益率波动也存在集群效应，并且波动幅度较大，说明沪深300指数也存在一定的风险。
沪深300指数日收益率不存在自相关，但对其他指数的研究却表明股票收益率存在一定的自相关性，其中的原因可能在于沪深300的构成股票均为业绩较好流通盘比较大的股票，因此相对效率较高。
通过实证分析，可以知道沪深300指数存在明显的高阶ARCH效应，使用GARCH模型对其拟合是合适的。
更进一步分析表明，即使是简单的GARCH（1，1）模型，也能较好的拟合沪深300指数收益率的波动性，能够反映出指数的“尖峰厚尾”以及波动的集群效应的特征。
沪深300指数收益率序列的衰减系数小于1但是确较接近于1，大于其他学者对上证综指的收益率波动衰减系数，说明沪深300指数收益率序列是个弱平稳过程，其波动衰减的速度要小于股票市场其他指数的波动衰减速度，因此也就表现出更明显的波动持续性。
参考文献：[1]易丹辉.数据分析与EViews应用[M].北京：中国统计出版社，2002.[2]克里斯·布鲁克斯，邹宏元译.金融计量经济学导论[M].成都：西南财经大学出版社，2005.[3]高铁梅.计量经济分析方法与建模[M].北京：清华大学出版社，2006.[4]郭晓亭.基于GARCH模型的中国证券投资基金市场风险实证研究[J].国际金融研究，2005.[5]边一斐.GARCH族模型在我国沪市指数上的实证分析[J].浙江万里学院学报，2007（8）.[6]谷岭.基于GARCH模型族的上海股市波动性分析[J].经济研究导刊，2007（3）.作者简介：王潇（1991-），女，山东潍坊人，现就读于青岛大学2009级金融学专业。