摘要基于AREGARCHM模型，對(duì)1991-2013年上證指數(shù)收益率序列的信息沖擊非對(duì)稱性進(jìn)行分析.首先以年為單位分析了信息沖擊的非對(duì)稱性特征，根據(jù)非對(duì)稱性效應(yīng)的表現(xiàn)將其劃分為6個(gè)階段進(jìn)一步分析.分析結(jié)果顯示：A股市場(chǎng)表現(xiàn)出信息不對(duì)稱性，信息沖擊的正負(fù)杠桿效應(yīng)交替出現(xiàn)，但是隨著時(shí)間的推移，這種不對(duì)稱性在明顯減小.這表明中國(guó)股票市場(chǎng)的投機(jī)成分不斷減少、投資者不斷趨于理性，市場(chǎng)有效性水平提高.

關(guān)鍵詞投資管理；上證指數(shù)；非對(duì)稱性；AREGARCH-M；信息沖擊

中圖分類號(hào)F830 文獻(xiàn)標(biāo)識(shí)碼A

Asymmetry Analysis of Stock Market

Information Impact Based on Stages

ZHOU Yu

（Hunan Vocation College of Modern Logistics， Changsha， Hunan410000，China）

AbstractThis paper analyzed the asymmetry of information impact using Shanghai Composite Index yields sequence in 19912013 based on AREGARCHM model. First， this paper analyzed the asymmetry characteristics of information impact on Shanghai Composite Index in the years； then Shanghai Composite Index was divided into six stages for further analysis. The results showed that A stock market showed asymmetric information， and that positive and negative leverage of information impact appeared alternately. However， the asymmetry was significantly reduced at present. This suggests that speculative elements of China stock market continue to decrease， investors are becoming more rational， and the level of effectiveness of the Ashare market are being improved.

Key words investment； Shanghai Composite Index； asymmetry； AREGARCHM； Information shock

1引言

很多金融資產(chǎn)（如股票、股指期貨等）的波動(dòng)率對(duì)價(jià)格下跌的反應(yīng)明顯要高于價(jià)格上升的反應(yīng)，即其在信息沖擊下表現(xiàn)出明顯的非對(duì)稱性.對(duì)此，學(xué)者們給出的解釋是：因?yàn)檩^低的股價(jià)減少了股東權(quán)益，而股價(jià)的大幅下降擴(kuò)大了公司的杠桿作用，進(jìn)而提高了持有股票的風(fēng)險(xiǎn)，所以也被稱為“杠桿效應(yīng)”.這種非對(duì)稱性效應(yīng)在歐美股市與中國(guó)股市等已經(jīng)得到了驗(yàn)證.但對(duì)不同時(shí)期的分析發(fā)現(xiàn)，得出的非對(duì)稱性效應(yīng)結(jié)果差異很大.經(jīng)過(guò)20多年的發(fā)展，中國(guó)股市有效性水平得到了很大的提高，在股市發(fā)展的同時(shí)，其收益波動(dòng)的非對(duì)稱性特征有什么變化呢？收集了1991年以來(lái)上證指數(shù)的收盤(pán)價(jià)，運(yùn)用AREGARCHM模型對(duì)上證指數(shù)的收益波動(dòng)的非對(duì)稱性發(fā)展情況進(jìn)行分析.

Engle[1]于1982年提出ARCH模型，ARCH模型能夠較好的擬合金融時(shí)間序列中的時(shí)變方差與尖峰厚尾分布，得到了廣泛應(yīng)用.ARCH（q）模型雖然可以擬合金融時(shí)間序列中的異方差，但同時(shí)也存在缺點(diǎn)，即要對(duì)異方差實(shí)現(xiàn)較好的擬合效果必須取很大的滯后除數(shù)q，為了處理這個(gè)問(wèn)題，1986年Bollerslev提出GARCH模型，該模型被用來(lái)描述信息沖擊的對(duì)稱的時(shí)間序列，并且可以大大降低被估計(jì)參數(shù)的個(gè)數(shù).

經(jīng)濟(jì)數(shù)學(xué)第 32卷第3期

周宇：基于階段劃分的股市信息沖擊的非對(duì)稱性分析

許多學(xué)者使用GARCH模型研究股票市場(chǎng)價(jià)格指數(shù)等金融時(shí)間序列，但在研究的過(guò)程中發(fā)現(xiàn)，GARCH模型擬合的條件異方差是一個(gè)對(duì)稱函數(shù)，與序列的波動(dòng)幅度有關(guān)但并不能反映股票市場(chǎng)的非對(duì)稱效應(yīng).一般觀察研究認(rèn)為，股票市場(chǎng)的股價(jià)在同時(shí)上漲一個(gè)百分點(diǎn)或者下降一個(gè)百分點(diǎn)時(shí)間內(nèi)，股價(jià)下跌過(guò)程中的波動(dòng)性更大.這種非對(duì)稱性使得GARCH模型的研究結(jié)果可靠性不夠.Christie（1982）的研究結(jié)論為，當(dāng)股票價(jià)格下降時(shí)，資本結(jié)構(gòu)中附加在債務(wù)上的權(quán)重會(huì)增加，若債務(wù)權(quán)重的增加的消息泄露后，資產(chǎn)持有者與購(gòu)買(mǎi)者就有所預(yù)期——未來(lái)資產(chǎn)收益將導(dǎo)致更強(qiáng)的波動(dòng)性，該股票價(jià)格波動(dòng)將加大.為了能解釋這種現(xiàn)象，從而較好地反映股票市場(chǎng)的這種變動(dòng)特征，須對(duì)標(biāo)準(zhǔn)的GARCH模型進(jìn)行進(jìn)一步的修正.Nelson[2]于1991年提出了非線性的指數(shù)（Exponential）GARCH模型（EGARCH模型），該模型能較好地克服標(biāo)準(zhǔn)GARCH模型的上述不足，同時(shí)也能較好地描繪出股市消息效應(yīng)的非對(duì)稱性.

股市存在諸多特征與效應(yīng)，如，徐林等[3]（2014）對(duì)上證指數(shù)對(duì)數(shù)收益率的長(zhǎng)相依性進(jìn)行了統(tǒng)計(jì)檢驗(yàn)并完成了相應(yīng)的統(tǒng)計(jì)建模以及參數(shù)估計(jì)，研究表明長(zhǎng)相依性質(zhì)對(duì)于股指風(fēng)險(xiǎn)有很大的影響.王璐[4]（2013）利用馬爾科夫體制轉(zhuǎn)換ARMA（1，1）研究股市與債市的轉(zhuǎn)換，發(fā)現(xiàn)股市和債市體制轉(zhuǎn)換非對(duì)稱，正相關(guān)狀態(tài)持續(xù)期更長(zhǎng)，體制轉(zhuǎn)換中存在交替的逃離效應(yīng)和傳染效應(yīng)特征.endprint

對(duì)股市的非對(duì)稱性研究文獻(xiàn)主要集中于驗(yàn)證股票指數(shù)是否存在非對(duì)稱性.模型選用方面，任彪，李雙成[5]利用三種GARCHM模型實(shí)證分析了中國(guó)股票市場(chǎng)不同發(fā)展階段波動(dòng)的非對(duì)稱性特征，發(fā)現(xiàn)該模型是描述中國(guó)股市波動(dòng)非對(duì)稱性特征的最優(yōu)模型.何幫強(qiáng)，惠軍[6]以2000年1月11日-2006年3月15日上證綜指和深證成指收盤(pán)價(jià)為樣本，對(duì)中國(guó)滬深股市收益率分布用ARMAEGARCHM模型進(jìn)行擬合，認(rèn)為該模型能更有效地?cái)M合中國(guó)滬深股市的波動(dòng)性.陳瀟，楊恩[7]研究了中美股市波動(dòng)溢出效應(yīng)和杠桿效應(yīng)，發(fā)現(xiàn)滬市和深市都存在著顯著的杠桿效應(yīng)，與美國(guó)股市相比滬市和深市的杠桿效應(yīng)較弱；滬市和深市之間存在著顯著的雙向波動(dòng)溢出效應(yīng)，滬市對(duì)深市的波動(dòng)溢出效應(yīng)更顯著；美國(guó)股市與中國(guó)股市之間并不存在顯著的波動(dòng)溢出效應(yīng).杜莉萍[8]運(yùn)用混合的ANNEGARCH模型對(duì)滬深300指數(shù)進(jìn)行實(shí)證分析，該結(jié)果證明此模型可以更有效的預(yù)測(cè)指數(shù)的短期波動(dòng)趨勢(shì).

然而，股票市場(chǎng)不同階段的非對(duì)稱性特征存在很大差別，往往需要分階段分析，陳浪南，黃杰鯤[9]劃分了波動(dòng)時(shí)段，并對(duì)各時(shí)段分別用GJRGARCHM模型考察利好消息與利空消息對(duì)中國(guó)股票市場(chǎng)的波動(dòng)性的非對(duì)稱影響.韓貴，王靜[10]利用1991-2007年中國(guó)上證綜合指數(shù)的歷史數(shù)據(jù)，根據(jù)股票市場(chǎng)大的波動(dòng)周期分五階段經(jīng)過(guò)EGARCH（1，1）模型估計(jì)，以驗(yàn)證市場(chǎng)對(duì)信息沖出的反映情況.楊永，朱東洋 [11]選取了2006年1月4日到2008年12月31日期間上證綜合價(jià)格指數(shù)日收益率和收益波動(dòng)率的數(shù)據(jù)資料，對(duì)中國(guó)牛熊市輪替過(guò)程中股票市場(chǎng)波動(dòng)的非對(duì)稱性分析，發(fā)現(xiàn)股票市場(chǎng)的波動(dòng)在股改后牛熊市期間表現(xiàn)出顯著的非對(duì)稱性、杠桿效應(yīng)和長(zhǎng)記憶性.這些文獻(xiàn)在階段劃分上具有一定的主觀性，而且注重陳述事實(shí)，沒(méi)有注意股市在發(fā)展過(guò)程中的成長(zhǎng)與完善.

以上文獻(xiàn)對(duì)股市波動(dòng)的非對(duì)稱性特征進(jìn)行了深入研究，但仍存在不足：大部分對(duì)股市的非對(duì)稱性特征研究不夠全面，未劃分階段，而實(shí)際上不同階段股市表現(xiàn)出的非對(duì)稱性特征差異很大.與那些劃分階段的文獻(xiàn)在方法上有所不同，首先運(yùn)用AR-EGARCH-M模型對(duì)上證指數(shù)收益率序列波動(dòng)對(duì)每一年的非對(duì)稱性特征進(jìn)行分析，在此基礎(chǔ)上再對(duì)股市劃分為6個(gè)階段來(lái)研究其非對(duì)稱性特征，從蔡曉春等[12]的研究得到啟發(fā)，注重股市的的整體情況與發(fā)展趨勢(shì).

2模型及數(shù)據(jù)

2.1相關(guān)模型方法

股票收益序列因其自身慣性和滯后效應(yīng)的影響，通常會(huì)呈現(xiàn)出不同程度的序列相關(guān)性.針對(duì)股票收益率序列的自相關(guān)性、有偏性、異方差性和尖峰厚尾等特性，另外，收益與風(fēng)險(xiǎn)成正比，因此，將波動(dòng)項(xiàng)引入均值方程可以描述金融資產(chǎn)中包含風(fēng)險(xiǎn)的回報(bào).若先建立收益率序列AR模型，然后再使用EGARCH-M模型處理異方差問(wèn)題，這樣就能夠很好地解決股票收益序列存在這些特性，取得較理想的擬合效果.

在標(biāo)準(zhǔn)化的GARCH（1，1）模型中：

yt=xtγ+εt， （1）

σ2t=ω+αε2t-1+βσ2t-1. （2）

式（1）中給出的均值方程是一個(gè)帶有誤差項(xiàng)的外生變量函數(shù).由于σ2t是基于前一期的信息為基礎(chǔ)的預(yù)測(cè)方差，所以被叫做條件方差.式（2）中給出的條件方差方程包括三部分內(nèi)容：

1）均值ω.

2） ε2t-1（ARCH項(xiàng)），提取殘差平方的滯后信息以確定條件異方差.

3）上一期的預(yù)測(cè)方差σ2t-1（GARCH項(xiàng)）.

由于股票收益率序列可能存在序列相關(guān)性，且收益可能與風(fēng)險(xiǎn)存在關(guān)系，因此，在GARCH（1，1）模型的均值方程中引入AR項(xiàng)與波動(dòng)項(xiàng)，表達(dá)式如下：

yt=xtγ+ar（p）+βσ2t+εt.（3）

上述模型的方差方程中不能反映出信息的非對(duì)稱性沖擊.

EGARCH模型中條件異方差ht=σ2t表現(xiàn)為擾亂εt-i的非對(duì)稱函數(shù)，它不只取決于εt-i的幅度而且還與其相應(yīng)的符號(hào)有關(guān)，EGARCH（1，1）函數(shù)表達(dá)式為：

logσ2t=ω+βlogσ2t-1+αεt-1σt-1+γεt-1σt-1.（4）

等式左邊為條件方差的對(duì)數(shù)，這樣可以將杠桿的影響轉(zhuǎn)化為指數(shù)的形式，由于指數(shù)的取值最小就是0，這樣可以保證條件方差的預(yù)測(cè)值是一個(gè)非負(fù)的數(shù)，放寬了模型的使用條件.杠桿效應(yīng)是否存在能夠通過(guò)模型（4）最后一項(xiàng)的系數(shù)γ<0的假設(shè)檢驗(yàn).只要拒絕假設(shè)條件γ=0，就可以得出存在非對(duì)稱性影響.

使用的模型（AREGARCHM）如式（5）所示.

rt=ar（p）+βσ2t+εt，logσ2t=ω+βlogσ2t-1+αεt-1σt-1+γεt-1σt-1. （5）

rt代表上證指數(shù)的收益率序列，ar（p）項(xiàng)是的p由序列的實(shí)際情況進(jìn)行確定，εt為殘差項(xiàng)，σ2t為條件異方差.

2.2數(shù)據(jù)選取

上證綜合指數(shù)是中國(guó)最早發(fā)布的指數(shù)，是以上證所掛牌上市的全部股票為計(jì)算范圍，主要為大中型上市企業(yè)，上證指數(shù)對(duì)中國(guó)股市的發(fā)展具有較強(qiáng)的代表性，選取上證指數(shù)來(lái)分析中國(guó)股市波動(dòng)的非對(duì)稱性發(fā)展情況.其時(shí)間跨度為1991年1月2日-2013年12月31日上證指數(shù)收盤(pán)價(jià)數(shù)據(jù)，共2 052個(gè)樣本觀測(cè)值，數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù).

對(duì)上證指數(shù)日收盤(pán)價(jià)的對(duì)數(shù)收益，即

rt=ln（pt）-ln（pt-1）.

收益率為1+rt=pt/pt-1，得ln（1+rt）=ln（pt）-ln（pt-1），由泰勒展開(kāi)式得到ln（1+rt）≈rt，其中，ln（pt）為在t時(shí)的對(duì)數(shù)盤(pán)點(diǎn)數(shù)；rt為日收益率.

使用Eviews6進(jìn)行數(shù)據(jù)分析與處理.圖1顯示了1991-2013年上證指數(shù)及其收益率的變化趨勢(shì).上證指數(shù)收益率在20世紀(jì)90年代早期與中期具有較大的波動(dòng)性，1997年以后，收益率的波動(dòng)性逐漸變小，但在2008-2010年又有所上升.endprint

圖1雖然能在一定程度上反映上證指數(shù)及其收益率的波動(dòng)性，但這種波動(dòng)性的非對(duì)稱性如何，需要進(jìn)一步的模型分析.3實(shí)證分析

3.1收益率序列基本特征

從上證指數(shù)的收益率序列能明顯看出，其波動(dòng)性明顯存在著一定的集中性，具有著波動(dòng)的集聚性特點(diǎn)，即波動(dòng)大的區(qū)間較波動(dòng)小的區(qū)間之間存在明顯的區(qū)別.

從1991～2013年上證指數(shù)收益率序列相關(guān)統(tǒng)計(jì)量來(lái)看，上證指數(shù)收益率存在明顯的尖峰厚的分布特征，JB統(tǒng)計(jì)量較高，在5%的顯著性水平下均拒絕序列服從正態(tài)分布的假定.

3.2平穩(wěn)性與序列相關(guān)檢驗(yàn)

用ADF單位根檢驗(yàn)法來(lái)檢驗(yàn)上證綜合指數(shù)收益率序列的平穩(wěn)性.由收益率序列的基本統(tǒng)計(jì)分析可知：收益率序列圍繞在均值周圍波動(dòng)，不存在著明顯異于均值的趨勢(shì).因此選擇了不帶時(shí)間趨勢(shì)的回歸模型來(lái)進(jìn)行單位根檢驗(yàn)，其結(jié)果見(jiàn)表2.可以看出，1991-2013年上證指數(shù)收益率序列均是平穩(wěn)的；通過(guò)收益率序列的AC圖和PAC圖分析，可以直觀的看出某些年份的自相關(guān)和偏自相關(guān)數(shù)據(jù)都有一部分統(tǒng)計(jì)上顯著異于0，同時(shí)可以觀察到諸多滯后的LjungPierce Q檢驗(yàn)都是顯著的，表明序列存在自相關(guān)性，也有某些年份序列不存在自相關(guān)，通過(guò)OLS回歸，給出了序列可能的自相關(guān)階數(shù)，見(jiàn)表2的AR項(xiàng).

序列的條件異方差一般通過(guò)ARCHLM方法進(jìn)行檢驗(yàn)，也可直接通過(guò)ARCH類模型的擬合系數(shù)進(jìn)行判斷，如果EGARCH模型中的EGARCH項(xiàng)通不過(guò)檢驗(yàn)，即判斷不存在條件異方差.

3.3模型試驗(yàn)與階段劃分

對(duì)1991～2013年上證綜合指數(shù)收益率序列進(jìn)行AREGARCHM模型擬合，其中，只有1994、2000、2002、2007、2009年收益與條件方差存在顯著的關(guān)系，1994年與2002年條件方差的系數(shù)為負(fù)，即更大的波動(dòng)反而會(huì)減少收益，2007與2009年均為正，即收益對(duì)風(fēng)險(xiǎn)有一個(gè)正的補(bǔ)償，說(shuō)明近幾年股市的有效性較以往有所提高.發(fā)現(xiàn)1991、2010、2011年序列不存在條件異方差或者條件異方差不顯著.下表為經(jīng)AREGARCHM模型擬合的每年的非對(duì)稱效應(yīng)：

圖2顯示，上證指數(shù)收益率序列非對(duì)稱效應(yīng)呈現(xiàn)出一定的階段性，如1993～1994年上證指數(shù)收益率序列受負(fù)沖擊的影響要大于受正沖擊的影響，而1995～1996年上證指數(shù)收益率序列受負(fù)沖擊的影響要小于受正沖擊的影響.將上證綜合指數(shù)劃分為6個(gè)大的序列階段對(duì)非對(duì)稱效應(yīng)進(jìn)行進(jìn)一步分析.以年為單位，第一階段R1為1991～1992年，第二階段R2為1993～1994年，第三階段R3為1995～1996年，第四階段R4為1997～2003年，第五階段R5為2004～2006年，第六階段R6為2007～2013年.上證指數(shù)收益率序列受信息沖擊的影響隨著時(shí)間的推移越來(lái)越小，從某種程度上說(shuō)明A股市場(chǎng)的有效性水平得到提高.

3.4進(jìn)一步建模與分析

與上述步驟基本相同，首先分析6個(gè)階段上證綜合指數(shù)收益率序列的基本特征，如表3所示.可以看出，6個(gè)序列均存在尖峰厚尾的特征，且明顯不呈正態(tài)分布.

對(duì)序列的平穩(wěn)性、序列相關(guān)性、1階ARCH效應(yīng)進(jìn)行檢驗(yàn)，單位根檢驗(yàn)結(jié)果顯示R1～R6均為平穩(wěn)序列且均存在條件異方差，但存在不同階數(shù)的自回歸性，檢驗(yàn)結(jié)果如表4所示：對(duì)比以上6個(gè)模型，除了第5階段效應(yīng)不顯著外，其它序列的非對(duì)稱效應(yīng)均在1%下顯著；對(duì)比α項(xiàng)可知，第一階段為1.00，第二階段為0.37，第三階段與第四階段為0.23、0.27，第6階段為0.05，發(fā)現(xiàn)上證指數(shù)收益率受信息沖擊的強(qiáng)度越來(lái)越小，表明中國(guó)A股市場(chǎng)的投機(jī)活動(dòng)有較大程度的下降，規(guī)范化、有效性水平呈不斷提高趨勢(shì)；從非對(duì)稱性沖擊來(lái)看，第一階段A股市場(chǎng)受到正沖擊的影響為1.00，而受到負(fù)沖擊的影響為0.83（1.00-0.17），受負(fù)沖擊的影響小于受正沖擊的影響，第二階段受負(fù)沖擊的影響（0.48）大于受正沖擊的影響（0.37），第三階段受負(fù)沖擊的影響（0.08）小于受正沖擊的影響（0.23），第四階段受負(fù)沖擊的影響（0.32）大于受正沖擊的影響（0.27），第5階段不顯著，第6階段受負(fù)沖擊的影響（0.07）大于受正沖擊的影響（0.05），可以看出，A股市場(chǎng)受沖擊的影響存在一個(gè)反復(fù)調(diào)整的過(guò)程.在早期股市，這種調(diào)整的周期比較短，隨著A股市場(chǎng)的不斷完善，有效性水平提高，調(diào)整的周期也相應(yīng)地拉長(zhǎng).

建模之后，需要對(duì)模型的參數(shù)與殘差進(jìn)行檢驗(yàn).對(duì)估計(jì)系數(shù)檢驗(yàn)，均值方程中的估計(jì)系數(shù)經(jīng)過(guò)了Wald系數(shù)均不為零的檢驗(yàn)，故此可以得到均值方程的估計(jì)是有效.

進(jìn)一步對(duì)殘差進(jìn)行檢驗(yàn).Q統(tǒng)計(jì)相關(guān)圖的檢驗(yàn)結(jié)果顯示Q統(tǒng)計(jì)量均在2倍標(biāo)準(zhǔn)差的范圍之內(nèi).殘差A(yù)RCHLM檢驗(yàn)結(jié)果如表6所示.結(jié)果顯示除了第五階段外（在10%的顯著性水平下存在條件異方差，但不存在非對(duì)稱效應(yīng)），其他階段上證指數(shù)收益率序列F和Obs*R2的統(tǒng)計(jì)量均不顯著，表明了標(biāo)準(zhǔn)殘差不存在額外的ARCH效應(yīng)，表明方差方程通過(guò)殘差檢驗(yàn)，模型有效.

4結(jié)論

采用AREGARCHM模型對(duì)中國(guó)A股市場(chǎng)上信息對(duì)收益率波動(dòng)的非對(duì)稱性影響進(jìn)行實(shí)證研究.首先，對(duì)每一年上證指數(shù)收益率序列的非對(duì)稱效應(yīng)進(jìn)行分析，將自1991年至2013年的A股市場(chǎng)劃分為6個(gè)階段，其中第一階段為1991～1992年，第二階段為1993～1994年，第三階段為1995～1996年，第四階段為1997～2003年，第五階段為2004～2006年，第六階段為2007～2013年.

研究結(jié)果表明：A股市場(chǎng)不僅存在明顯負(fù)杠桿效應(yīng)，也存在正杠桿效應(yīng)，而且正負(fù)杠桿效應(yīng)交替出現(xiàn)，表現(xiàn)出信息不對(duì)稱性，但是隨著時(shí)間的推移，這種不對(duì)稱性明顯減小.表明中國(guó)股票市場(chǎng)的投機(jī)成分不斷減少、投資者不斷趨于理性.

在前面4個(gè)階段，中國(guó)股票市場(chǎng)波動(dòng)十分劇烈，總體風(fēng)險(xiǎn)較大，上證指數(shù)收益率受信息沖擊的強(qiáng)度較大，尤其是在第一、第二階段，即1991～1994年.這一時(shí)期股票市場(chǎng)的發(fā)行和交易缺乏全國(guó)統(tǒng)一的規(guī)范，缺乏統(tǒng)一的法律法規(guī)和集中監(jiān)管.因尚未形成完善的供求機(jī)制與市場(chǎng)監(jiān)控機(jī)制，高速發(fā)展的股市暴露了許多問(wèn)題，股市價(jià)格的暴漲暴跌，投資者的投資理念不強(qiáng)，其投資行為極易受到各種非理性因素的影響.endprint

在后面2個(gè)階段，A股市場(chǎng)波動(dòng)的非對(duì)稱性明顯下降，尤其是第6個(gè)階段，受負(fù)沖擊的影響（0.07），受正沖擊的影響（0.05），信息沖擊對(duì)股市的影響較前幾個(gè)階段小了很多，這種情況與2005年5月開(kāi)始的股權(quán)分置改革存在較強(qiáng)的吻合.股權(quán)分置在很多方面制約了中國(guó)資本市場(chǎng)其規(guī)范發(fā)展和國(guó)有資產(chǎn)管理體制的根本性變革，中國(guó)股票市場(chǎng)成熟程度在近些年有了較大提高.

股票市場(chǎng)作為宏觀經(jīng)濟(jì)的“晴雨表”，有著非常重要的作用，股票市場(chǎng)的成熟有利于提高直接融資的比例，降低實(shí)體經(jīng)濟(jì)對(duì)銀行體系的依賴；同時(shí)加快了企業(yè)的經(jīng)營(yíng)體制的改革，建立現(xiàn)代企業(yè)制度，有利于提高公司的競(jìng)爭(zhēng)力；通過(guò)股票市場(chǎng)的價(jià)格發(fā)現(xiàn)機(jī)制實(shí)現(xiàn)資源的優(yōu)化配置；股票市場(chǎng)不僅給投資者和融資者提供了投融資渠道，也提供分散風(fēng)險(xiǎn)的途徑.可以推測(cè)，隨著中國(guó)A股市場(chǎng)的不斷成熟，其將在經(jīng)濟(jì)中發(fā)揮更重要的作用.

參考文獻(xiàn)

[1]ENGLE R F， BOLLERSLEV T.Modeling the Persistence of Conditional Variances[J]. Econometric Reviews， 1986，5（1）：21-30.

[2]Nelson， Daniel B. Conditional Heteroscedasticity Asset Return： A New Approach[J]. Economitrica， 1991， 59（2）：350-368.

[3]徐林，祝東進(jìn).股市投資回報(bào)過(guò)程的長(zhǎng)相依性與風(fēng)險(xiǎn)度量[J].經(jīng)濟(jì)數(shù)學(xué)，2013：30（1）：50-53.

[4]王璐.股市和債市波動(dòng)溢出馬爾科夫體制轉(zhuǎn)換特征的數(shù)量研究[J].經(jīng)濟(jì)數(shù)學(xué)，2013：30（2）：78-84.

[5]任彪，李雙成.中國(guó)股票市場(chǎng)波動(dòng)非對(duì)稱性特征研究[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2004（9）： 63-68.

[6]何幫強(qiáng)，惠軍.基于ARMAEGARCHM模型的滬深股市波動(dòng)性分析[J].合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）.2007（7）： 864-868.

[7]陳瀟，楊恩.中美股市杠桿效應(yīng)與波動(dòng)溢出效應(yīng)——基于GARCH模型的實(shí)證分析[J].財(cái)經(jīng)科學(xué).2011（4）：17-25.

[8]杜莉萍.基于ANNEGARCH模型的滬深300指數(shù)波動(dòng)趨勢(shì)預(yù)測(cè)[J].生產(chǎn)力研究.2013（2）：58-61.

[9]陳浪南，黃杰鯤.中國(guó)股票市場(chǎng)波動(dòng)非對(duì)稱性的實(shí)證研究[J].金融研究.2002（5）：67-73.

[10]韓貴，王靜.基于EGARCH模型的中國(guó)股市信息對(duì)稱性研究[J].西南交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）.2008（4）： 107-112.

[11]朱東洋，楊永.中國(guó)股市波動(dòng)的非對(duì)稱性和杠桿效應(yīng)研究[J].技術(shù)經(jīng)濟(jì).2010（9）.

[12]蔡曉春，鄒克.基于ARCH類模型的人民幣匯率波動(dòng)特征比較[J].統(tǒng)計(jì)與決策， 2012（13）：152-156.endprint