第３９卷第４期 江苏师范大学学报（哲学社会科学版） Ｖ０ｌ｜３９．Ｎｏ．４ ２０１３年７月 Ｊ．ｏｆ Ｊｉａｎｇｓｕ Ｎｏｒｍａｌ Ｕｎｉ．（Ｐｈｉｌｏｓｏｐｈｙ ａｎｄ ＳｏｃｉＭ Ｓｃｉｅｎｃｅｓ Ｅｄｉｔｉｏｎ Ｊｕ１．。２０１３ 基于不同样本频率的我国创业板市场波动特征研究 邵永同 （天津商业大学经济学院，天津３００１３４） ［关键词］创业板市场；不同样本频率；波动特征 ［摘要］ 基于我国创业板市场不同样本频率的价格收益率数据，借助ＡＲＣＨ模型族对我国创业板市 场价格波动特征进行实证研究。其研究结果表明：我国创业板市场不同样本频率的价格波动均具有集群性， 当期价格波动明显受到前期价格波动的影响，波动的集群程度随样本频率的变化而变化；创业板市场不同样 本频率价格波动存在高风险、高收益的特征，同时风险溢价随样本频率的延长而增加；创业板市场不同样本 频率价格波动存在明显的非对称性效应，价格波动对“坏消息”的反应更为强烈。基于此，应加强创业板市场 信息披露、提高市场信息效率，逐步完善创业板市场投资者结构。 ［中图分类号］ Ｆ８３０．９１ ［文献标识码］ Ａ ［文章编号］２０９５￣１７０（２０１３）０４－０１２１－０６ 创业板上市的科技型中小企业大多处于发展 初期，由于无形资产比重高和经营层面的不确定 一、引言 因素等，面临着许多潜在风险。市场价格波动是 科技创新能力是一国经济发展水平和经济增 对企业经营不确定性即风险的一种度量。我国创 长潜力的重要标志，而无论在国内还是国外，科技 业板市场价格波动状况如何，不同样本频率创业 型中小企业一直是实现科技创新、加快科技成果 板市场价格波动特征是否存在明显的差异，对这 转化的有效载体¨ 。因此，要提高一国的科技水 些问题的回答是客观地判断我国创业板市场的运 平、增强科技创新能力，关键是要大力发展科技型 行质量，从微观层面更好地掌握创业板市场的运 中小企业。尽管我国科技型中小企业起步较晚， 行规律，更有利于创业板市场投资和融资功能发 但发展迅速，已成为我国科技产业的一支生力军 挥的基础。 和国民经济的重要组成部分，在经济增长、就业、 社会稳定等多方面发挥了重要作用。然而，由于 二、文献综述 科技型中小企业自身具有规模相对较小、抗风险 价格波动特征是判断股票市场投资风险和总 能力不强、信用积累缺乏等特点，普遍存在融资难 体运行质量的重要内容，对投资者投资绩效和市 的问题。融资难已成为制约科技型中小企业发展 场监管具有重要意义。因此，近年来引起了学者 的瓶颈，严重阻碍了科技型中小企业的发展。为 们的广泛关注，相关研究不断展开。魏宇（２００７） 克服科技型中小企业融资难这一困境，优化和完 运用自相关性、趋势消减法和多标度分形法等方 善科技型中小企业融资市场的供给结构，我国于 法，从不同视角研究了中国股票市场的价格波动 ２００９年１０月在深圳证券交易所推出了创业板市 特征，但没有考虑股票市场价格波动中的条件异 场。创业板的推出为科技型中小企业提供了更多 方差现象 Ｊ。鉴于此，宋晓松和张玉（２００８）基于 的发展机会和方便快捷的融资平台，直接为成长 上证综指日收盘数据采用ＴＧＡＲＣＨ模型对我国 期或成长初期的科技型中小企业注入急需的股权 股票市场价格波动的非对称性进行了实证研究， 资本，拓展科技型中小企业金融支持体系。 发现我国上证股票指数具有明显的“杠杆效 ［收稿日期］２０１３－０４－２０ ［基金项目］本文为国家软科学研究计划项目“科技型中小企业融资模式创新研究”（项目编号：２０１２ＧＸＳ４Ｄ０７４）的阶段性研究 成果。 ［作者简介］邵永同，男，江苏盐城人，天津商业大学经济学院讲师，管理学博士。 应” Ｊ。叶五一和缪柏其（２０１０）应用分位点回归 模型及其变点检测模型，分析了“已实现”波动率 条件下的ＣＶａＲ，并基于ＣＶａＲ的角度对我国股票 市场的非对称性效应进行分析，表明我国股票市 场整体上存在“杠杆效应” Ｊ。由于股票市场常 常要经历牛市和熊市的变换状态，曲永刚和张金 水（２００３）基于１９９７年９月展开至２００２年１０月 中国股市从牛市的繁荣到熊市的萧条的数据，对 市场价格波动进行了分析，发现牛市和熊市状态 的波动特征存在一定的差异。股票市场除了总体 波动外，日内波动对市场的判断也很重要＿５ Ｊ，针 对日内波动，魏宇和黄登仕（２００４）则采用沪、深 股指高频数据分析了中国股票市场收益率分布特 征，发现了沪、深股票市场恢复正态分布假设的特 征时间标度以及交易日内波动特性 Ｊ。而王鹏 和王建琼（２００８）的研究认为除资产收益二阶矩 外，高阶矩同样是反映金融资产波动行为的重要 方面，并以上证综指和深证成指１０年的股价数据 为样本构建了时变高阶矩的自回归条件方差一偏 度一峰度模型，从高阶矩波动特征角度表明中国 股票市场收益的偏度、峰度具有显著的时变性和 波动聚类性，中国股市存在二阶矩（方差）风险、 三阶矩（偏度）风险和四阶矩（峰度）风险，且三阶 矩风险和四阶矩风险具有同步 Ｊ。 除了对股票市场的波动特征进行集中研究 外，还有学者对其他相关证券市场的价格波动特 征进行了探讨。李华和陈鹏（２００８）基于ＡＲＣＨ 系列模型对我国股票市场和可转债市场收益率的 波动特征进行实证分析，发现这两个市场收益率 具备一些相同的特征如高峰粗尾、波动聚集等，但 可转债市场却没有股票市场常见的杠杆效应 ］。 郭晓亭（２００６）对中国证券投资基金市场波动的 聚集性、非对称性和杠杆效应和风险溢价效应进 行了实证分析，并借助改进的ＥＧＡＲＣＨ模型对证 券投资基金波动与信息的关系进行实证研究，得 出了一些有启发性的结论 Ｊ。而耿庆峰（２０１２） 则对我国创业板指数的１３收益及波动率进行了研 究，指出我国创业板市场存在明显的ＡＲＣＨ效 应，创业板市场收益与波动关联性不强＿】 。 已有的相关研究运用不同方法对中国沪深股 票主板市场、可转债市场、证券投资基金市场和创 业板市场的价格波动特征进行了有益探索，对后 续的研究具有较高的借鉴价值。但从不同样本频 率的角度针对创业板市场价格波动特征的研究还 很少。由于在创业板市场上市的科技型中小企业 的发展不确定性因素较多，经营的波动性较强，而 这种不确定性与波动性，一方面增加了投资者的 投资风险和监管部门对市场的难度，另一方 面也给上市科技型中小企业的成长带来了很大压 力。鉴于此，只有更细致地从不同样本频率对其 价格波动特征进行深入研究，才能从微观层面把 握创业板市场价格波动的规律，为完善创业板市 场的交易制度、加强上市企业的公司治理、提高政 府监管机构的监管可控性和提升服务投资者的水 平等提供必要的理论支撑。 三、研究方法及数据 （一）研究方法 １．（Ｇ）ＡＲＣＨ模型。自回归条件异方差 （ＡＲＣＨ）模型常用来建立条件方差模型并对其进 行预测，于１９８２年由Ｅｎｇｌｅ提出，并由Ｂｏｌｌｅｒｓｌｅｖ 发展成为ＧＡＲＣＨ广义自回归条件异方差（Ｇｅｎ— ｅｒａｌｉｚｅｄ ＡＲＣＨ）模型，该模型被广泛应用于经济 学的许多领域尤其是金融时间序列分析。根据 Ｅｎｇｌｅ（１９８２）的研究 ，我们可用均值方程和方 差方程组成的ＡＲＣＨ模型刻画创业板市场的价 格波动： Ｒ ＝Ｘｙｏ＋ （１） ｈ ＝％＋ ｑ ２ｉ （２） 上式中，（１）和（２）分别为均值方程和方差方 程，Ｒ 代表创业板价格收益率，ｘ代表Ｒ 的滞后 项，ｈ 代表８ 在时间ｔ的条件方差；（２）中，ｈ 用 来刻画残差滞后项的加权平方和，为达到条件方 差ｈ ＞０，要求系数满足０【０＞０， ｊ ０，ｉ＝１，２，…， 仅ｉ￡２ 为ＡＲＣＨ项，若该项的结果呈现高度 显著，意味着创业板价格收益率波动存在明显的 集群性。 在Ｅｎｇｌｅ的研究基础上，Ｂｏｌｌｅｒｓｌｅｖ（１９８６）在 ＡＲＣＨ模型的方差方程中引入条件方差的滞后项 从而得到ＧＡＲＣＨ模型，这是他对（２）式所做的拓 展，提出广义自回归条件异方差即ＧＡＲＣＨ模 型 ，具体为： ｈ ＝ ｏ＋ ｇ ｉ８２ Ｐ 一 ＋ Ｚｔ￣ｊｈｔ－ｊ （３）‘一 Ｊ一 ，ａ Ｄ 式（３）中， ｏ【ｉ８２ 一ｉ和兰ｐｊｈ 一ｊ分别代表 ＡＲＣＨ项和ＧＡＲＣＨ项，滞后阶数用ｑ和Ｐ表示， 在实证分析中，若ＡＲＣＨ与ＧＡＲＣＨ项统计显著， 则可反映创业板价格收益率呈现波动集群性。 ＧＡＲＣＨ将波动的冲击划分为两部分，分别是来 自外部的冲击￡ 一ｉ和ｈ 一ｉ自身的冲击，冲击强度用 ｊ信息产生的波动大，前者当 ＞０时出现，后者当 ＜０时出现。 （二）数据 和Ｂｉ符号表示。波动影响的持续性主要反映 在 仅ｉ和奎ｐｉ值的大小上，若其值小于１，则说 明冲击会逐渐衰减；若其值大于１，则说明冲击会 持续扩散。此外，为保证模型的有效性，通常对条 件方差ｈ 提出非负的要求，即 ｉ≥０和ｐｉ ０。 ＧＡＲＣＨ模型的优点在于可用它直接表示高阶 ＡＲＣＨ，更方便于模型的识别和估计。 ２．ＡＲＣＨ—Ｍ模型。在金融理论中，一般认 我国科技型中小企业的股权融资平台主要集 中于深圳证券交易所创业板市场，本文即以深圳 证券交易所创业板市场指数为样本对象，选取该 指数不同频率的收盘价为样本数据，选取的数据 频率分别为该指数价格４小时收盘价数据、１小 时收盘价数据和ｌ５分钟（１／４小时）收盘价数据， 数据的时间跨度为２０１１年１月到２０１２年１２月， 共得到４小时数据９６６个，１小时数据１９３２个和 １５分钟数据７７２８个，数据来源于Ｗｉｎｄ金融数据 为高风险资产往往要有高的平均收益率与之相对 应，而且预期收益率随风险增大而增加，否则这种 资产很难在金融市场中被投资者所认可。Ｅｎｇｌｅ， Ｌｉｌｉｅｎ ａｎｄ Ｒｏｂｉｎｓ在１９８７年的一篇文章中，把条 件方差引入到均值方程（１）从而得到ＡＲＣＨ—Ｍ 模型，该模型又被称为ＡＲＣＨ均值模型，突出的 改进是将预期风险用条件方差来表示，具体表 示为： Ｒ ＝ ０＋Ａ ＋ （４） 库，创业板价格指数各变量频率的收益率由Ｒ ＝ 计算得到，Ｐ 、Ｐ 一。分别为创业板指 数相应频率的ｔ期和ｔ一１期收盘价数据。 ｌｏｇｐ 一ｌｏｇｐ 四、实证结果及分析 （一）基本统计特征 （４）式中，入为条件标准差的倍数，若入＞０， 则表明创业板市场交易者要求获得更多的风险报 酬，因此，可用 来判断创业板市场是否具有高 风险高收益的特征。 ３．ＥＧＡＲＣＨ模型。ＥＧＡＲＣＨ模型或指数 （Ｅｘｐｏｎｅｎｔｉａ１）ＧＡＲＣＨ模型由Ｎｅｌｓｏｎ（１９９１）提 表１报告了我国创业板价格指数不同频率收 益率的基本统计特征。由表１可知，创业板价格 指数４小时、１小时和１５分钟的收益率均值分别 为０．０００５、０．０００２和０．０００１，标准差分别为 ０．０１１９、０．００８０和０．００３７，说明创业板价格指数 收益率随着时问周期的延长而逐渐上升，但波动 出＿１ ，其条件方差方程为： Ｌｎｈ ＝ ０＋ｆｌＬｎｈ 一１＋ ｌ ｈｔ１ 一的风险也随之增加；创业板价格指数从４小时到 ｌ５分钟不同时间间隔周期的偏度值依次为 ０．３６１１、０．４７０９和０．９３６７，均为右偏，峰度值分别 为５．１８９７、７．５２３５和１６．１１９２，从中可以发现周期 越短尖峰后尾的特征越明显，即时间间隔周期越 短，价格收益率波动越不服从正态分布。ＪＢ正态 性检验值分别为２１３．７５０２、１７１７．７２４和 ｆ＋ ｆ ｈ １ Ｉ（５） 式（５）中，价格上涨信息（￡ ０）对Ｌｎｈ 的影 响为 ＋ ，价格下跌信息（８ ＜０）对Ｌｎｈ 的影响 用 一 表示。当 不等于零时，可以判断波动 存在明显的非对称性。这种非对称性表现为两种 情况，即价格上涨信息产生的波动比下跌信息产 生的波动大或者价格下跌信息产生的波动比上涨 ５６５４３．０５，相伴概率都为０，进一步表明不同频率 创业板价格指数收益率均不服从正态分布的 特征。 表１ 不同频率创业板市场价格收益率基本统计特征 频率 ４小时 均值 Ｏ．０ｏｏ５ 标准差 ０．０ｌ１９ 偏度 ０．３６１１ 峰度 ５．１８９７ ＪＢ值 ２１３．７５０２ Ｐ值 Ｏ．００ 样本数 ９６５ １小时 １５分钟 Ｏ．０ｏ０２ ０．Ｏ００ｌ ０．００８０ ０．００３７ ０．４７０９ ０．９３６７ ７．５２３５ １６．１１９２ １７１７．７２４ ５６５４３．０５ ０．ｏｏ Ｏ．０ｏ １９３１ ７７２７ （二）平稳性 们进一步对创业板价格指数不同频率收益率数据 ＡＲＣＨ类模型所用的时间序列价格数据有平 进行ＡＤＦ检验以判定是否符合平稳性要求，检验 稳性要求，必须对其作平稳性检验，而对金融时间 结果见表２。由表２可知，我们采用三种检验形式 序列平稳性检验常采用ＡＤＦ检验方法。因此，我 对不同频率创业板市场价格收益率数据进行了 ＡＤＦ检验，结果显示ＡＤＦ值都明显小于１％显著 服从Ｉ（０）过程，表明我国创业板价格指数不同样 性水平的临界值，说明各样本频率的变量数据都 本频率收益率均为平稳的时间序列。 表２ 不同频率创业板市场价格收益率ＡＤＦ检验 频率 ４小时 检验形式 Ｉｎｔｅｒｃｅｐｔ Ｎｏｎｅ Ｔｒｅｎｄ＆Ｉｎｔｅｒｃｅｐｔ Ｉｎｔｅｒｃｅｐｔ ＡＤＦ统计值 １％的临界值 ５％的临界值 结论 一２６．１３８… 一２６．１５６… 一２６．１１２ 一３８．００９… 一３８．０２４… 一３７．９８７… 一３．４３７ ～３．９６８ 一２．５６７ 一３．４３４ 一３．９６３ 一２．５６６ —２．８６４ —３．４１４ —１．９４１ —２．８６３ —３．４１２ —１．９４１ Ｉ（０） Ｉ（０） Ｉ（０） Ｉ（Ｏ） Ｉ（０） Ｉ（０） ｌ小时 Ｎｏｎｅ Ｔｒｅｎｄ＆Ｉｎｔｅｒｃｅｐｔ Ｉｎｔｅｒｃｅｐｔ 一４５．３４９… 一３．４３１ —２．８６２ Ｉ（０） １５分钟 Ｎｏｎｅ Ｔｒｅｎｄ＆Ｉｎｔｅｒｃｅｐｔ 一４５．３６２… 一４５．３３１… 一３．９５９ 一２．５６５ —３．４１０ 一１．９４１ Ｉ（０） Ｉ（Ｏ） 注： ￥表示在１％的显著性水平下统计显著。 （三）收益率ＡＲＣＨ—ＬＭ检验 在５％的显著性水平拒绝原假设。在ＡＲＣＨ—ＬＭ 检验中，滞后４期时，价格指数１小时收益率的Ｆ 为检验我国创业板价格指数不同样本频率收 益率有没有条件异方差现象，本研究对其采用了 ＡＲＣＨ—ＬＭ检验，表３报告了该检验的详细结 果。据表３可以看出，创业板价格指数４小时收 和ｎＲ２统计量的Ｐ值均为０．０００１，说明在１％的 显著性水平拒绝原假设。表３的检验结果表明创 业板价格指数不同频率收益率都存在明显的 ＡＲＣＨ效应。 益率和ｌ５分钟收益率分别在滞后２期和３期时 ＡＲＣＨ—ＬＭ检验Ｆ统计量和ｎＲ２统计量的Ｐ值 表３ 不同频率创业板市场价格收益率ＡＲＣＨ—ＬＭ检验 频率 项目 Ｆ 滞后１期 检验值 Ｐ值 ０．Ｏ４２８ ０．８３６１ ．滞后２期 检验值 ３．４４７８ ６．８６７８ 滞后３期 检验值 Ｐ值 滞后４期 检验值 Ｐ值 Ｐ值 ０．０３２２ ０．０３２３ ４小时 １小时 ｎＲ。 ＯＯ４２９ ０．８３５９ Ｆ ｎＲ Ｆ ０．１１７０ ０．７３２４ ０．１１７１ ０．７３２２ ０．６４５０ ０．４２１９ ２．２０４３ ４．４０５５ １．７４６２ ０．１１０６ ０．１１０５ ０．１７４５ ２．４８７９ ７．４５０４ ２．９５５６ ０．０５８８ ０．０５８８ ０．０３１２ ５．８８５１… ２３．３１６０… Ｏ．ｏｏＯ１ ０．０ｏ０１ １５分钟 ｎＲ ０．６４５１ ０．４２１９ ３．４９２２ ０．１７４５ ８．８６１３ ０．０３１２ 注：；、 ％、 分别表示在１０％、５％和１％的显著性水平下统计显著。 （四）波动特征实证结果及分析 期４小时、１小时和１５分钟的系数项 和ｐ 之 和分别为０．９７９、０．９８２和０．９９３，都明显小于１， 根据ＡＲＣＨ 一ＬＭ检验结果，我国创业板市场 不同样本频率收益率存在明显的ＡＲＣＨ效应，因 此，可用ＡＲＣＨ类模型进一步分析创业板市场不 满足模型对参数约束条件的要求，但又明显接近 于１，而接近程度能反映外部信息冲击对创业板 价格波动影响的持续时间长短，越接近于１，说明 持续的时间越长。表４显示１５分钟的间隔周期 波动集群的衰减速度小于１小时的间隔周期，１ 同样本频率收益率的波动特征，分析结果见表４。 １．ＧＡＲＣＨ估计结果及解释。根据表４的分 析结果可以发现，创业板市场不同样本频率价格 收益率的ＧＡＲＣＨ模型估计结果中，条件方差方 程的系数项 和ｐ 都满足非负性要求，且在 ｌ％的水平上显著，显示我国创业板市场不同样本 频率的价格波动均具有明显的集群性，表明当期 价格波动明显受到前期价格波动的影响。间隔周 小时的间隔周期波动集群的衰减速度小于４小时 的间隔周期，这与我们的经验判断是一致的，在证 券市场上，由于投资者存在反应迟滞，短时间内积 聚的波动一般具有较高的势能，所以其衰减的时 间也会相对较长。 表４ 不同频率创业板市场波动特征估计结果 方程 系数 ４小时 １小时 １５分钟 ＧＡＲＣＨ ＡＲＣＨ—Ｍ ＥＧＡＲＣＨ ＧＡＲＣＨ ＡＲＣＨ—Ｍ ＥＧＡＲＣＨ ＧＡＲＣＨ ＡＲＣＨ—Ｍ ＥＧＡＲＣＨ ０．１６９… 一０．０２９ 一０．０３７ ０．１４９… 一０．０１９ 一０．０２８ ０．０７５… 一０．ｏ０５ 一０．０ｌ８ 均值 Ｒｔ一１ （０．Ｏ０） （０．３８） （０．２７） （０．Ｏ０） （０．４１） （０．２３） （０．Ｏ０） （０．６４） （０．１１） 方程 ０．１６６… ０．１６３… ０．１４６… ０．１４４… ０．０７５… ０．０７７… （０．Ｏ０） （０．Ｏ０） （０．Ｏ０） （０．００） （０．Ｏ０） （０．Ｏ０） Ｏ．ｏｏ０… Ｏ．Ｏ０ｏ… 一０．０８４… Ｏ．００ｏ… ０．０００ 一０．０５４… ０．０００ ０．０００… 一０．１４７… Ｏｔｏ （０．Ｏ０） （０．Ｏ１） （０．Ｏ０） （０．Ｏ０） （０．Ｏ０） （０．０Ｏ） （０．Ｏ０） （０．Ｏ０） （０．Ｏ０） ０．０２８… ０．０２３… ０．０４４… ０．０２５… ０．０１７… ０．０３２… ０．０２１… ０．０１９… ０．０５９… ＯＬ１ （０．Ｏ０） （０．Ｏ０） （０．Ｏ０） （０．Ｏ０） （０．００） （０．Ｏ０） （０．Ｏ０） （０．Ｏ０） （０．Ｏ０） 方差 方程 １３１ Ｏ．９５１…（ ０．９６５… ０．９９４… ０．９５７… ０．９７７… ０．９９７… ０．９７２… ０．９７６… ０．９９１… ０．Ｏ０） （０．Ｏ０） （０．Ｏ０） （０．Ｏ０） （０．ｏｏ） （０．Ｏ０） （０．Ｏ０） （０．Ｏ０） （０．Ｏ０） 一０．０４１… 一０．０３１… 一０．０３６… 一ｙ （０．Ｏ０） （０．Ｏ０） （０．Ｏ０） ＡＩＣ 一６．０８９ —６．Ｏ９０ —６．１０１ —６．９０６ —６．９０７ —６．９２３ —８．４４６ —８．４４４ —８．４６４ ＬＬＲ ２９３８．８ ２９４０．１ ２９４６．７ ６６６８．６ ６６７０．５ ６６８６．７ ３２６３０．４ ３２６２５．６ ３２７０２．６ 注： ￥ 表示在１％显著性水平下统计显著。 ２．ＧＡＲＣＨ—Ｍ估计结果及解释。在均值方 创业板价格指数收益率随着时间周期的延长 程中，加入条件标准差项是为在价格收益率生成 而逐渐上升，但波动的风险也随之增加。创业板 过程中融人风险测量项。表４报告了ＧＡＲＣＨ— 市场价格收益率不服从正态分布，表现出明显的 Ｍ的检验结果，不同样本频率的条件标准差系数 尖峰后尾特征。创业板市场各样本频率的变量数 的估计值分别为０．１６６、０．１４６和０．０７５，相伴概 据服从Ｉ（０）过程，均为平稳的时间序列，且存在 率均为０，统计显著，表明当创业板市场不同样本 明显的ＡＲＣＨ效应。ＧＡＲＣＨ模型估计结果显示 频率价格波动的预期风险增加时，也会导致收益 我国创业板市场不同样本频率的价格波动具有集 率相应的增加，即存在高风险、高收益的特征，并 群性，当期价格波动明显受到前期价格波动的影 且 ＞入 ＞ 。 ，即风险报酬随着时间间隔周 响，波动的集群程度随时间间隔周期的变化而变 期的延长而增加。 化。ＡＲＣＨ—Ｍ模型估计结果表明，创业板市场 ３．ＥＧＡＲＣＨ估计结果及解释。表４还报告了 不同样本频率价格波动的预期风险增加会导致收 运用ＥＧＡＲＣＨ模型对创业板市场不同样本频率 益相应增加，即存在高风险、高收益特征，且风险 价格波动的估计结果，不同样本频率的ＥＧＡＲＣＨ 报酬与样本频率有关，随时间间隔周期的延长而 模型非对称项系数值 分别为一０．０４１、一０．０３１ 增加。ＥＧＡＲＣＨ模型估计结果发现创业板市场不 和一０．０３６，表明不同样本频率创业板市场价格波 同样本频率价格波动存在明显的非对称性效应， 动对来自外部的“好消息”和“坏消息”的冲击反 价格波动对“坏消息”的反应更为强烈。 应不一致，存在明显的非对称性效应。非对称项 根据上述结论，本文提出如下建议： 系数值 都小于零，且在１％的显著性水平下统 １．进一步加强信息披露，提高市场信息效率。 计显著，表明“坏消息”对不同样本频率创业板市 价格波动的集群性和非对称性是市场信息传递效 场价格波动的冲击比等量的“好消息”对价格波 率的反映，说明市场中存在一定程度的信息不对 动产生的冲击要强，即创业板指数价格波动对“坏 称，部分投资者享有信息优势，而部分投资者可能 消息”的反应更为强烈。 受反应时滞和认知偏差的影响而处于信息劣势地 五、结论及建议 位，要进一步加强上市公司信息披露，市场监管部 门、交易所和证券经纪公司也要对投资者进行必 基于ＡＲＣＨ类模型，本文采用２０１１年１月到 要的市场信息引导。 ２０１２年１２月的时间序列数据，对我国创业板市场 ２．逐步完善创业板市场投资者结构。市场波 不同样本频率价格收益率波动特征进行了实证分 动特征很大程度上要受到投资者结构的影响，从 析，研究得出如下结论： 我国创业板市场开户情况看，大部分是自然人开 １２５ 户，交易者结构仍然是散户占主导的格局。一般 成长性高、风险较大，对投资者的判断能力提出了 认为，机构投资者是相对理性的市场参与者，有规 更高的要求。因此，投资者要注意研究创业板上 市公司的特点，提高投资的理性程度，减少盲 参与能够提高市场交易效率，降低价格波动的集 目性。群性和非对称性。此外，创业板市场上市公司的 范的运作机制和科学的投资策略。机构投资者的 ［参服务体系》，科学出版社，２０１０年版，第１—２页。 考 文献］ 特征比较》，《数学的实践与认识》，２００８年第１３期。 ８］李华、陈鹏：《基于ＡＲＣＨ模型的股票和可转债市场收益率波动 ［１］任曙明、郑洋、张婧阳：《科技型中小企业资本结构决策与融资 ［９］郭晓亭：《中国证券投资基金市场波动特征实证研究》，《中国管 ［２］魏宇：《中国股票市场波动特征的实证研究及其启示》，《统计与 ［决策》，２００７年第６期。 理科学》，２００６年第１期。 ［３］宋晓松、张玉：《我国股市股指波动“杠杆效应”的实证分析》， ［１Ｏ］耿庆峰：《我国创业板市场波动的ＡＲＣＨ效应研究》，《南京财 《云南财贸学院学报》（社会科学版），２００８年第２期。 经大学学报》，２０１２年第５期。 ［４］叶五一、缪柏其：《基于分位点回归模型的条件ＶａＲ估计以及杠 ［１ １］Ｅｎｇｌｅ，Ｒ．Ｆ，Ａｕｔｏｒｅｇｒｅｓｓｉｖｅ Ｃｏｎｄｉｔｉｏｎａｌ Ｈｅｔｅｒｏｓｋｅｄａｓｔｉｃｉｔｙ ｗｉｔｈ 杆效应分析》，《统计研究》，２０１０年第９期。 Ｅｓｔｉｍａｔｅｓ ｏｆ ｔｈｅ Ｖａｒｉａｎｃｅ ｏｆ Ｕ．Ｋ．Ｉｎｆｌａｔｉｏｎ，Ｅｃｏｎｏｍｅｔｒｉｃａ．９８７ ［５］曲永刚、张金水：《中国股票市场价格波动特征分析》，《清华大 —１００８（１９８２）． 学学报》（哲学社会科学版），２００３年第３期。 ［１２］Ｂｏｌｌｅｒｓｌｅｖ，Ｔ，Ｇｅｎｅｒａｌｉｚｅｄ Ａｕｔｏｒｅｇｒｅｓｓｉｖｅ Ｃｏｎｄｉｔｉｏｎａｌ Ｈｅｔｅｒｏｓｋｅ－ ［６］魏宇、黄登仕：《中国股票市场价格波动特征及其可预测性研 ｄａｓｔｉｃｉｔｙ，Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｅｔｉｒｃｓ．３０７—３２８（１９８６）． 究》，《管理工程学报》，２００４年第４期。 ［１３］Ｎｅｌｓｏｎ，Ｄ．Ｂ，Ｃｏｎｄｉｔｉｏｎａｌ Ｈｅｔｅｒｏｓｋｅｄａｓｔｉｃｉｔｙ ｉｎ Ａｓｓｅｔ Ｒｅｔｕｒｎｓ：Ａ 【７］王鹏、王建琼：《中国股票市场的高阶矩波动特征研究》，《管理 Ｎｅｗ Ａｐｐｒｏａｃｈ．Ｅｃｏｎｏｍｅｔｉｒｃａ．３４７—３７０（１９９１）． 科学》，２００８年第４期。 Ａｎ Ｅｍｐｉｒｉｃａｌ Ｓｔｕｄｙ ｏｎ ｔｈｅ Ｐｒｉｃｅ Ｆｌｕｃｔｕａｔｉｏｎ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ０ｆ Ｄｉｉｆｅｒｅｎｔ Ｉｎｔｅｒｖａｌ ｏｆ Ｇｒｏｗｔｈ Ｅｎｔｅｒｐｒｉｓｅ Ｍａｒｋｅｔ ｉｎ Ｃｈｉｎａ ＳＨＡ０ Ｙｏｎｇ—ｔｏｎｇ （Ｓｃｈｏｏｌ ｏｆＥｃｏｎｏｍｉｃｓ，Ｔｉａｎｊｉｎ Ｕｎｉｖｅｒｓｉｔｙ ｆｏＣｏｍｍｅｒｃｅ，Ｔｉａｎｊｉｎ ３００１３４，Ｃｈｉｎａ） Ｋｅｙ Ｗｏｒｄｓ：ＧＥＭ；ｐｒｉｃｅ ｏｆ ｄｉｆｆｅｒｅｎｔ ｉｎｔｅｒｖａｌ；ｆｌｕｃｔｕａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ ｏｎ ｔｈｅ ｒｅｔｕｒｎ ｒａｔｅ ｄａｔａ ｆｒｏｍ ｄｉｆｅｒｅｎｔ ｉｎｔｅｒｖａｌ ｏｆ Ｇｒｏｗｔｈ Ｅｎｔｅｒｐｒｉｓｅ Ｍａｒｋｅｔ（ＧＥＭ）ｉｎ Ｃｈｉｎａ ａｎｄ ｗｉｔｈ ｔｈｅ ｈｅｌｐ ｏｆ ＡＲＣＨ ｇｒｏｕｐ ｍｏｄｅｌ，ｗｅ ｔａｋｅ ａｎ ｅｍｐｉｒｉｃａｌ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｐｒｉｃｅ ｆｌｕｃｔｕａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｉｎ ＧＥＭ．Ｔｈｅ ｒｅｓｕｈｓ ｓｈｏｗ ｔｈａｔ ｐｒｉｃｅ ｌｆｕｃｔｕａｔｉｏｎｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｉｎｔｅｒｖａｌ ｉｎ ＧＥＭ ａｒｅ ｃｌｕｓｔｅｒｅｄ，ｔｈｅ ｃｕｒｒｅｎｔ ｐｒｉｃｅ ｖｏｌａｔｉｌｉｔｙ ｈａｓ ｂｅｅｎ ａｆｆｅｃｔｅｄ ｂｙ ｔｈｅ ｐｒｅｖｉｏｕｓ ｐｒｉｃｅ ｆｌｕｃｔｕａ－ ｔｉｏｎｓ，ａｎｄ ｃｌｕｓｔｅｒ ｄｅｇｒｅｅ ｏｆ ｆｌｕｃｔｕａｔｉｏｎ ｖａｒｉｅｓ ｗｉｔｈ ｔｈｅ ｄｉｆｆｅｒｅｎｔ ｉｎｔｅｒｖａ１．Ｔｈｅ ｆｌｕｃｔｕａｔｉｏｎ ｏｆ ｔｈｅ ｒｅｔｕｒｎ ｒａｔｅ ｄａｔａ ｆｒｏｍ ｄｉｆｆｅｒｅｎｔ ｉｎ． ｔｅｒｖａｌ ｉｎ ＧＥＭ ｈａｓ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｈｉ【ｇｈ—ｒｉｓｋ ｄｅｍａｎｄｓ ａｎｄ ｈｉｇｈ ｙｉｅｌｄ，ａｔ ｔｈｅ ｓａｌＴｌｅ ｔｉｍｅ ｔｈｅ ｒｉｓｋ ｐｒｅｍｉｕｍ ｉｍｐｒｏｖｅｄ ｗｉｔｈ ｔｈｅ ｓａｍｐｌｅ ｉｎｔｅｒｖａｌ ｉｎｃｒｅａｓｅｄ．Ｔｈｅ ｆｌｕｃｔｕａｔｉｏｎ ｏｆ ｄｉｆｆｅｒｅｎｔ ｉｎｔｅｒｖａｌ ｉｎ ＧＥＭ ｈａｓ ｔｈｅ ａｓｙｍｍｅｔｒｉｃ ｅｆｆｅｃｔ ｏｂｖｉｏｕｓｌｙ，ａｎｄ ｔｈｅ ｒｅｓｐｏｎｓｅ ｏｆ ｐｒｉｃｅ ｆｌｕｃｔｕａｔｉｏｎｓ ｔｏ”ｂａｄ ｎｅｗｓ”ｉｓ ｍｏｒｅ ｓｔｒｏｎｇｌｙ． ［责任编辑：石淑华］ １２６
