GARCH模型论文节日效应论文：中国股市月份效应和节日效应实证研究
GARCH模型论文节日效应论文：中国股市月份效应和节日效
应实证研究
摘要：本文利用上证综合指数每日收益率的数据，使用
虚拟变量和garch模型对中国股市月份效应和节日效应进行
检验，发现中国股市一月效应和春节效应非常显著，投资者
可以利用这些市场异常现象获取超额收益。最后本文对市场
异常现象做一些简单的解释。
关键词：garch模型 月份效应 节日效应
一、引言
法玛（fama）在1965年提出有效市场假说（emh），认
为价格服从随机游走过程，没有人能够利用公开信息持续的
获取超额回报。然而国内外的大量研究文献研究发现，大多
数国家的股票市场上存在小公司效应、市盈率效应、一月份
效应、周一效应、周五效应、节日效应等在内的市场异常现
象，这些异常现象的存在意味着投资者可以通过运用某些特
定的投资策略而获得超额的收益。
就上述异常的现象，本文将特别针对中国股票市场的月
份效应和法定假日进行检验，即验证中国股票市场上某个特
定的月份和特定的法定假日是否具有超额的回报，即验证法
定假日的前后是否存在着超额的回报。虽然已经有一些论文
做了相关性的研究，但其采用的数据都比较的老，随着中国
股票市场股权分置改革完成以后以及机构投资者的不断引
入导致市场结构发生变化，我们认为有必要重新对股票市场
的月份效应和节日效应进行检验。
二、研究方法和数据
本文研究使用的数据为1997年1月1日至2010年3月
31日期间上证综合指数每日的日收益率。
(一) 相关检验
1. 序列平稳性检验
首先运用adf检验每日收益率的序列是否平稳，以决定
是否需要差分，检验结果如下：
表 1 单位根检验
由p值知，拒绝单位根原假设，该序列是一个平稳序列。
2. 序列相关性检验
借助q统计量、自相关系数和偏自相关系数图，对序列
进行相关和自相关检验，发现每日收益率序列不存在自相关
性关系。如图1所示：
图 1序列自相关和偏自相关图
(二) 月份效应检验
由于采用普通最小二乘法（ols）进行分析时，残差异
方差的存在，因此使用以下garch模型来检验中国股票市场
上是否存在月份效应：
其中，为上证综合指数每日的收益率，为一年中月份的
虚拟变量，=1,2,…,12。例如如果所观察的收益率为1月份
某日的收益率，则取=1，其它的=0。代表的是一年中第个月
的日平均收益率。为条件方差，并且对误差项采取广义误差
分布（ged）的假设，可以解决时间序列存在的“尖峰厚尾”
问题。
通过garch模型检验各月的平均收益率，回归得到表2
的结果：
表 2 中国a股市场月份回归效应检验
从上表中我们发现1月份的日平均收益率为0.2194%，
是最大值，且z检验显著。表明中国市场也同国外市场一样
具有显著的一月效应。要验证1月份异常收益的存在，我们
用下面的模型进行检验：
（3）
（4）
其中表示一年中第3个月的日平均收益率，而其它的
（=2,3,…,12）,代表1月份的平均收益与其它各月份的日
平均收益之差。该模型用于检验1月份的日平均收益是否显
著。如果所有的参数（=2,3,…,12）在统计上不同时为零，
那么就表明存在显著的“1月份效应”。
表 3 中国a股市场一月效应回归检验
通过表3的回归检验结果知，（=2,3,…,12）不可能同
时为零，例如显著不为零。因此，中国股票市场上存在一月
效应，即一月份的平均收益率比一年中其它任何月份的
平均收益率要高的多。
(三) 节日效应检验
我国法定的节假日休市的时间比较长，因此我们将研究
法定假日前后三天股市的表现，
研究节假日的存在能否获得超额的收益。
同样我们使用以下的garch模型来检验中国股票市场上
是否存在节假日效应：
（5）
（6）
为上证综合指数每日的收益率，为虚拟变量，,,,,,分
别表示节前的第三天、第二天、第一天，节后的第一天、第
二天、第三天。例如如果观察的收益率为节假日前3天的收
益率，则=1，其它的取零。其他的取值方法同理。为残差项，
为条件方差。
表 4 节假日基本统计特征
从表4中知，上证综合指数在样本期间日平均收益为
0.053%，而春节前的第二天和春节后的第一天日收益率为
1.09%和1.06%，分别是样本期间日平均收益的21倍和20倍。
另外，劳动节前后一天也与所有交易日的日平均收益率有显
著的差异，节前一天收益率达到1.1%，节后收益率为0.9%。
而在其他节假日中，我们发现节前、节后存在高于日平均收
益的现象。
通过上述的garch模型通过回归，得到下表：
表 5 中国a股市场节日效应检验
通过表5的回归结果知，春节节前和节后存在超额的回
报，如春节节前第一天日收益率为1.02%，节后第一天、第
三天日收益率分别达到0.95%和1.18%，且它们都通过显著
性检验，说明春节前后存在超额回报的现象非常明显。同样，
在其它节日前后几天中，也存在日收益率的异常，并部分通
过5%显著性水平的检验。
(四) 月份效应和节假日效应的解释
目前，针对月份效应和节假日效应，国内外学者从各个
不同的方面给出了一些解释。就一月效应而言，有些学者从
公司行为上解释认为，公司在年底需要进行年末决算，因此
从股市抽回资金，造成股市收益率的下降，而决算完成之后
这部分资金又回流到股市引起一月的收益率提高；还有些学
者赋税的角度上分析，认为基金的管理者在年底抛售全年表
现不佳的股票，从而使税负降到最低。而针对于节假日效应，
部分学者从央行的货币政策上进行解释，特别是对于春节，
由于春节期间居民的流动性需求增加，央行会增加向市场投
放的货币，资金的供给增加，引起股市的收益率上升。还有
学者从行为金融学的角度解释，认为节日来临时，投资者的
情绪更加的积极乐观，对风险的承受能力增加，会增加对股
票这类风险性资产的持有，因此引起股市日收益率的上升。
三、结论
通过上述的检验，我们发现我国a股市场也同国外市场
一样，存在显著的正一月效应和节假日效应，这意味着投资
者可以凭借这些策略来获得超额收益，其中劳动节前两天和
后一天的收益率高达2.5%，收益率非常可观，而春节前两天
和后一天的收益率为2.8%，节假日效应也很明显。
新冠“黑天鹅”下中美股票市场波动趋势探讨——基于GARCH模型的实证研究
新冠“黑天鹅”下中美股票市场波动趋势探讨——基于GARCH模型的实证研究新冠“黑天鹅”下中美股票市场波动趋势探讨——基于GARCH模型的实证研究摘要：2020年新冠疫情的爆发给全球股票市场带来了巨大的冲击，尤其是中美两大经济体的股票市场。
本文基于GARCH模型，对新冠疫情期间中美股票市场的波动趋势进行了实证研究。
研究结果表明，新冠疫情对中美股票市场的波动具有显著的影响，且两国市场的表现存在差异。
在疫情初期，中美股票市场均表现出较大的波动，尤其是美国市场表现更为剧烈。
随着疫情的发展，中美股票市场的波动逐渐趋于稳定，但美国市场仍然保持较高的波动性。
本文的研究结果有助于了解新冠疫情对股票市场的影响，并为投资者提供对策和参考。
关键词：新冠疫情；黑天鹅；中美股票市场；波动趋势；GARCH模型第一章绪论1.1 研究背景和意义新冠疫情是自20世纪初爆发的全球大流行疾病，对全球经济产生了长期且广泛的影响。
疫情爆发初期，全球股票市场出现了剧烈的波动，许多市场指数创下历史新低。
作为全球最大的两个经济体，中美的股票市场也受到了极大的冲击。
研究新冠疫情对中美股票市场波动趋势的影响，对了解疫情对经济的影响机制以及风险管理具有重要意义。
1.2 研究目的和内容本文旨在基于GARCH模型实证研究新冠疫情对中美股票市场波动趋势的影响，并对两国市场的表现进行比较分析。
具体来说，本文将分析疫情爆发初期中美股票市场的波动性，探讨随着疫情的发展，两市场的波动趋势是否存在差异，并寻找影响波动的关键因素。
第二章文献综述2.1 GARCH模型的理论基础GARCH模型是一个用于揭示金融资产波动性的经济计量模型。
其理论基础是ARCH模型，即自回归条件异方差模型。
GARCH模型在ARCH模型的基础上引入了波动的延迟响应，能够更准确地描述金融市场的波动特征。
2.2 关于新冠疫情对股票市场的影响研究在新冠疫情爆发初期，许多研究探讨了疫情对全球股票市场的冲击。
基于GARCH模型的融资融券对我国股市的影响研究
Finance 金融, 2018, 8(1), 46-55 Published Online January 2018 in Hans. /journal/fin https:///10.12677/fin.2018.81005
A Research about Effects Margin Transaction Has on the Stock Market in China Based on GARCH Model
Tao Zhang1, Xiaowei Deng2, Fanyi Li1, Sujing Zhang1
1 2
Overseas Education College, Nanjing Tech University, Nanjing Jiangsu School of Physical and Mathematical Sciences, Nanjing Tech University, Nanjing Jiangsu
th th th
Received: Jan. 4 , 2018; accepted: Jan. 16 , 2018; published: Jan. 29 , 2018
Abstract
Select 619 logarithmic ratio of Shanghai Composite Index and balances of financing and securities loan during the period between 12th March, 2014 and 14th September, 2016 as sample data. Firstly, AIC and SC criteria are used to confirm the lag item numbers of GARCH model. Then, we introduce dummy variables as the partition of bull market and bear market, establish GARCH (1,1) model including dummy variables and analyze the effects that the system of margin transaction has on stock market volatility. The results indicate that: 1) Financing transaction in both bull market and bear market increases stock market volatility and the amplified influence that financing transaction has on the volatility in the bear market is more significant than that in the bull market. 2) Securities trading increases the volatility in the bull market while restrains that in the bear market. Finally, we combine the temporal systems, policies and investors’ mentality and from statistical analysis, we draw a conclusion: In China, financing business and securities business develop unevenly and the scale of financing business is far larger than that of securities business. Thus, in China, financing business exerts more important effects on the fluctuation of the stock market than securities business.
基于行为金融学的股市假日效应理论及实证研究
02 行为金融学概述
行为金融学的定义和起源
行为金融学是一种将心理学、社会学和经济学等学科的理论与金融市场实践相结合的跨学科研 究领域。
行为金融学起源于20世纪80年代，主要针对传统金融理论无法解释的异常现象进行研究。
行为金融学研究投资者在决策过程中的心理偏差、情绪等因素对金融市场的影响。
行为金融学对传统金融理论的假设进行了修正，更贴近现实的金融市场。
资产定价：传统金融学基于理性预期和有效市场假说进行资产定价，而 行为金融学则考虑了投资者心理因素对资产价格的影响。
03 股市假日效应理论
股市假日效应的定义
股市假日效应是指在节假日前后，股市交易量和波动率会出现异常变化的现象。
这种变化通常表现为节假日前股票价格上涨、节假日后价格下跌的趋势。
这种现象的原因可能与投资者的心理预期、市场参与者的行为习惯等因素有关。
基于行为金融学的投资策略
了解投资者的心理偏差和行为偏差，避免盲目跟风和过度自信。 关注市场热点和政策动向，合理配置资产，分散投资风险。 掌握一定的技术分析方法，根据市场走势和交易量等数据制定交易策略。 保持冷静的心态，理性对待市场波动，不要被情绪左右。
投资者风险管理与资产配置
风险识别：了解不同投资品种的风险水平，合理分配资产 风险评估：定期对投资组合进行风险评估，调整资产配置 风险控制：采用分散投资策略，降低单一资产的风险 风险承受能力：根据个人风险承受能力，选择合适的投资品种和策略
对监管机构的建议
加强对投资者的 教育和引导，提 高其风险意识和 理性投资意识。
完善信息披露制 度，加强上市公 司信息披露的监 管，防止内幕交 易和市场操纵行 为。
建立完善的投资 保护机制，保护 中小投资者的合 法权益。
基于GJR-GARCH模型的上海证券市场实证研究
基于ＧＪＲ－ＧＡＲＣＨ模型的上海证券市场实证研究根据1998年1月1日－2006年5月1日上证综指数据，采用GJR－GARCH 模型对上证股市收益率的统计特性进行讨论，并分析了上证股市收益率波动的非对称性现象。
结论表明：(1)上证综合指数序列存在冲击的非对称性，同时也存在着杠杆效应；(2) 由拟合得到的新闻影响曲线可以看出，GJR－GARCH模型的新闻影响曲线也是非对称的，同样强度的利空消息较利好消息对未来波动的影响更大。
标签：GJR－GARCH模型；收益率；条件方差；杠杆效应；新闻影响曲线1 GJR-GARCH模型概述Engle在1982年首先提出了ARCH模型，ARCH模型很好的捕捉了金融时间序列中波动的丛集现象。
图1是上证综合指数自1998年1月1日至2006年5月1日间2005个交易日的市场收益率波动图，典型地刻画了金融市场收益率的这种特性。
2 实证分析2.1 样本数据的选取样本数据来源于WIND行情数据库，包括沪市综合指数的日收盘价格指数，导出数据为其复权后的数据，见图1。
数据从1998年1月1日到2006年5月1日，共2005个观测值。
2.2 数据的基本统计特征和非正态性数据的统计特征如表1所示（使用的软件是EViews5.0）。
正态分布的偏度应该是0，而样本数据的偏度是-0.014965，此值为负数，右偏，数据的分布具有一个较长的左尾；正态分布的峰度应该是3，而样本数据的峰度是8.889194，此值大于3，验证了收益率数据具有尖峰厚尾的特性。
另外，我们通过估计数据序列收益率经验分布密度图（估计选用了Epanechnikov核，窗宽为0.005，共选取了1000个点），如图2所示，也验证了收益率分布的尖峰态。
2.3 单位根检验我们使用增广Dick-Fuller（ADF）检验，验证所研究的数据是否具有单位根（使用的软件是EViews5.0）。
在检验过程中，我们选择Schwarz InformationCriterion（SIC），最大滞后阶数设为10，检验结果见表3。
硕士论文--基于GARCH模型的上海股票市场波动性实证分析
本文以上证综指日收益率作为研究对象，利用Ｅｖｉｅｗｓ６．Ｏ统计软件对样本数
据进行统计特征分析，主要得出以下结论：序列数据具有尖峰厚尾特征；序列数
据具有异方差特征；序列数据波动具有非对称特征。并利用ＧＡＲＣＨ族模型进行
果。对本文所涉及的研究工作做出重要贡献的个人和集体，均己 在文中以明确方式标明。本人完全意识到本声明的法律责任由本 人承担。 特此声明
学位论文作者签名：
沙一年ｒ月彩日
学位论文版权使用授权书
本人完全了解对外经济贸易大学关于收集、保存、使用学位论文 的规定，同意如下各项内容：按照学校要求提交学位论文的印刷 本和电子版本；学校有权保存学位论文的印刷本和电子版，并采 用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提 供目录检索以及提供本学位论文全文或部分的阅览服务；学校有
ｆｉｒｓｔｌｙ ａｎｄ ＧＡＲＣＨ ｍｏｄｅｌ ｆａｎｌｉｌｙ
ａｒｅ
ｗｅｌ王ｄｉｓｃｕｓｓｅｄ．Ｔｈｅｎ，ｉｔ ｉＩⅣｅｓｔｉｇａｔｅｓ ｔｌｌｅ
Ｖｏｌａｔｉｌｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ Ｓｔｏｃｋ Ｍａｒｋｅｔ ｂｙ ｕｓｅ Ｓｈａｎ曲ａｉ ｓｔｏｃｋ ｃｏｍｐｏｓｉｔｅ研ｃｅ ｉｎｄｅｘ．
Ｓｈａｎ曲ａｉ
１．２．１国外波动性研究现状
相对于国内市场来说，国外的股票市场更加成熟，对于国外市场波动性的研
究更加丰富和深刻，研究历史也相对较长，研究成果更加显著。
早期学者们通常通过建立针对均值的模型来分析时间序列，认为异方差在截
面数据中影响比较大，而并非时间序列数据的主要特点。然而，通过数据的实证
分析结果，表明扰动方差稳定性在时间序列模型中比预先假设的影响要大，也因 此导致了很多预测误差的偏差，这也表明异方差受到了前期扰动项的影响。 基于消除异方差的考虑，Ｅｎ酉ｅ（１９８２）１建立了自回归条件异方差模型 （ＡＲｃＨ）来描述波动性，Ｂｏｌｌｅｒｓｌｅｖ（１９８６）更在此基础上扩展了自回归条件异
【论文】中美股市杠杆效应与波动溢出效应_基于garch模型的实证分析
金融论坛 17
中美股市杠杆效应与波动溢出效应
基于 GARCH 模型的实证分析
陈 潇1 杨 恩2
[ 内容摘要] 本文基于极 大似然函 数值准则 和赤池信 息准则, 从 众多非对 称 GARCH 模 型中选择最优模型来研究 中美股市 杠杆效应 和波动溢 出效应。结 果表明: 沪 市和深 市 都表现出显著的杠杆效应, 与美国股 市相比沪 市和深市 杠杆效应 较弱; 沪市 和深市 之 间存在显著的双向波动溢 出效应, 且 沪市对深 市的波动 溢出效应 更显著; 美 国股市 与 中国股市之间不存在显著的波动溢出效应。 [ 关键词] 股票市场; GARCH 模型; 杠杆效应; 溢出效应
国股市之间的联动性, 发现中国股市和 美国股市的相 关性很弱。[ 3] ( 117- 129) 周孝
华、黄
斌 贝
( 2008)
对上证综合指数和深证综合指数之间波动的关系进行了研究,
结果表明沪深两个市场之间相互引导, 信息在两个市场之间能迅速传递, 沪深两
市存在双向波动溢出效应, 并表现出波动的聚集性和非对称性特征。[ 4] ( 77- 82) 董秀
金融论坛 19
yt= x t + t
2t = +
2 t-
1
+
2 t-
1dt-
1+
2 t- 1
t= 1, 2, T
( 3)
该式中 dt - 1是一个虚拟变量, 当 t- 1< 0 时, dt- 1= 1; 否则 dt- 1= 0。若 0, 则存在 杠杆效应 。上式中, 条件方差方程中的 t- 1dt- 1代表非对称效应 项。利好消息 ( t- 1> 0) 和利空消息 ( t- 1 < 0) 对条件方差具有不同 的影响: 一个单位 利好 消息会带来 倍的冲击, 而一个单位的 利空 消息则会带来
GARCH模型对研究股市交易量与股价关系的作用
ＧＡＲＣＨ模型对研究股市交易量与股价关系的作用本文运用Granger因果检验和扩展GARCH模型实证研究了深圳A股市场交易量与股价之间的关系。
得到了如下结论：交易量变量和收益率、波动率存在双向Granger因果关系；交易量只能在有限程度内解释波动率的持续性，深圳股市还存在其他影响波动率持续性的因素。
标签：交易量波动性Granger因果关系GARCH模型一、引言证券市场中的量价关系是指证券价格的波动与交易量之间的关系，对量价关系的研究近年来日益受到金融界的重视。
通过量价关系的研究,能够帮助了解金融市场的微观结构,揭示价格波动产生的根源。
Clark首次提出了混合分布假说(the Mixture Distribution Hypothesis, 简称MDH)。
在而后的发展中，Tauchen 和Pitts建立了量价关系的二元混合模型(Bivarite Mixture model),Andersen对模型进行改进，他在Glosten和Milgrom的理论框架的基础上, 形成了修正的混合分布模型(MMM)。
Andersen认为信息的不对称和流动性的需求是产生信息到达的交易量的原因。
Lamoureux 和Lastrapes 把交易量变量加入到GARCH模型的条件方差方程，证实了把交易量作为信息流的替代指标对价格波动具有很强的解释能力。
二、研究方法和模型选择首先，本文对深圳股市中成交量是否对收益率、波动性产生影响进行了检验。
如果成交量对收益率和波动性有影响，则成交量和收益率、波动性两两之间应存在Granger因果关系。
反之，则说明成交量对收益率和波动性没有影响。
其次，本文分析了交易量能在多大程度上解释收益波动率的GARCH效应。
如果金融资产的收益服从混合分布理论,每日信息到达的不同会导致不同的资产收益波动, 而GARCH模型正好刻画了每日到达信息的相关性。
因此，若引入交易量变量后能解释股价波动的GARCH效应，则说明交易量可以作为信息到达的替代变量。
我国上海股票市场GARCH效应实证研究
文章 编 号 ： ２ ３９ ８ （ ０ ２ ０ — ２ ３０ ０ ５ —８ ８ 海 股 票 市 场 Ａ Ｃ 效 应 实 证 研 究 Ｇ Ｒ Ｈ
徐 绪 松 ，马 莉 莉 ，陈彦 斌
（ 汉 大 学 商 学院 技 术 经济及 管理研 究 所 ， 北 武汉 ４ ０ ７ ） 武 湖 ３ ０ ２
率的 方差 进行 预 测 ． 近 ｌ Ｏ年 来 我 国股 票市 场 发展 迅 速 ， 但仍 然属 于
一
个 不 成熟 的市 场 ， 票 价 格 受 到 很 多经 济 和 非 经 股
济 因素 的影 响 ： 国家 法 律 法 规 、 观 经 济 形 势 、 场 宏 市 规模 、 司 财务 状 况 、 营 活 动 等 ， 公 经 因此 常 常 出现 股
尾现 象 特别适 合 用 ＧＡＲＣ 建 模［ ； Ｈ 。 同样 ， ］ ＧＡＲ Ｈ Ｃ 模型 还可 应用 于期 货 交 易 、 权 价 格 、 率 、 货 膨 期 利 通
模 型 ．其 中异 方 差 指 方 差 随 时 间 变 化 而 变 化 ， 具 即 有 易变 性 ； 条件 性 表 示 了对 过 去 临 近 观 测 信 息 的依
异方 差模 型 （ ｎ ｒｌ ｅ ｔｒｇ ｅｓｖ ｏ ｄｔ ｎ Ｇｅ ｅａｉ ｄＡｕ ｏ ｅ ｒｓｉｅＣ ｎ ｉ ｏ — ｚ ｉ ａ Ｈ ｒｓ ｅ ａ ｃ ｙ 的 简 称 ， 为 了 适 应 金 融 市 ｌ ｅｏｋ ｄ 吼ｉ ｔ ） ｉ 是 场 中带 有普 遍 规律 性 的 现 象 而 提 出 的一 种 模 型 ， 它
中国股市春节效应的验证及投资建议
中国股市春节效应的验证及投资建议作者：董桓旭来源：《时代金融》2017年第21期【摘要】节假日效应是指股票的回报率在假期前后异常高于其他交易日的现象。
目前在全球股票市场已发现了各种不同形式的节假日效应。
文章重点研究我国最重要的传统节日春节前后A股市场是否存在异常的高收益，即是否存在春节效应。
根据2006年6月7日～2015年10月30日上证指数的日收益率，并采用引入了虚拟变量的GARCH模型，发现沪市存在显著的春节效应，尤其是钢铁、运输服务、交通设施、有色、半导体、通信设备这几个板块。
文章最后为投资者列举了一些实用的投资策略。
【关键词】春节效应股票市场投资者 GARCH模型一、绪论研究表明，世界各国的股票市场都存在着一定的节假日效应，即股市在某些法定节假日前后存在异常收益率。
节假日效应是日历效应的一种，目前日历效应已引起了国内外学术界及市场参与者的关注，如周内效应、一月效应、年末效应等得到了许多学者的实证，但节假日效应方面的研究相对不足。
根据弱式有效市场假说（EMH），基于历史数据无法预测股票价格的变动。
然而如果假日效应存在，意味着投资者可以基于该效应采取一定的交易策略来获取超额收益。
春节作为我国假期最长、最重要的传统节日，人们的心理、消费与投资的热情会受到显著影响，因此研究股市在此前后异于一般交易日的表现具有代表性意义。
通过考察春节效应的股市收益表现、行业热点及市场行为特征或许能找出一般性的规律，并为其他节假日效应提供参考。
二、模型介绍在宏观经济领域和金融领域，时间序列经常呈现出集群效应，即在消除确定性非平稳因素之后，残差序列的波动在大部分时段是平稳的，但会在某些时段波动持续偏大，某些时段波动持续偏小，并不满足方差齐性，这给OLS最小二乘估计带来了一定困难。
1985年，Bollerslov提出了广义自回归条件异方差模型，有效地解决了这个问题，它的结构为：这个模型简记为GARCH（p，q），该模型考虑了对方差函数q阶自相关性，使其可以拟合具有长期相关性的异方差序列，有效刻画金融变量的波动性特征。
节日效应在不同行业强弱的实证研究
节日效应在不同行业强弱的实证研究作者：黄垚行方华来源：《经济研究导刊》2020年第34期摘要：针对上证十个行业指数的收益率数据，采用ARMA（p，q）-GARCH模型就节日效应在不同行业表现的强弱进行实证研究。
研究发现，除了上证信息、上证电信、上证公用外，其余7个行业指数均存在显著的节前效应，且收益率节前效应最强的三个行业是上证材料、上证可选、上证能源。
除了上证能源外，其余9个行业指数均存在显著的节后效应，且收益率节后效应最强的三个行业是上证材料、上证医药、上证信息。
关键词：节日效应;ARMA（p，q）-GARCH（1，1）模型;行业差异引言传统的金融理论建立在一些严格的假设之上，有效市场假说（EMH）是其中重要的一部分。
然而严格的假设往往难以完全描述现实的金融市场，许多市场异象的长期存在，对有效市场假说提出了挑战。
这些市场异象包括节日效应、月份效应、小公司效应、低市盈率效应、股票溢价之谜等等。
所谓节日效应，是指在股票市场上，节假日前后的交易日的收益率、波动性等性质明显异于市场平均水平，并在统计上显著的现象。
国内外的一些学者已经对节日效应进行了探究，证实了节日效应在许多市场上都存在。
这些文章大都是对整个市场指数，比如上证指数或深证成指进行研究。
本文将从节日效应在不同行业的强弱的角度进行分析，旨在找出节日效应在哪些行业表现最强，在哪些行业表现最弱，由此为投资者提供参考。
一、文献综述Fields（1934）首先发现在某些休市的节日前股票往往有较高的回报。
Cadsby and Ratner （1992）检验1962—1989年10个国家或地区不同阶段的节前效应时发现，美国、加拿大、日本、中国香港和澳大利亚的股票市场上，表现出明显的节前效应，但在几个欧洲国家的股票市场上，这种效应并不明显[1]。
Kim（1994）等发现，在1963—1987年期间，美国的S&P500、纽约证券交易所、纳斯达克市场以及英国的金融时报30指数、日本的东经证券交易所指数都存在显著的节前效应[2]。