基于GARCH模型的沪深300指数收益率波动性分析毕业论文.docx

成都理工大学本科毕业论文（设计）本科毕业设计论文基于garch模型的沪深300指数收益率波动性分析摘 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 model analysisabstract: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. whats 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. 朗读显示对应的拉丁字符的拼音字典key words: stock index futures volatility; arch model; garch model目录第1章前言31.1选题的背景和研究意义31.2研究对象31.3本文框架结构3第2章相关理论文献综述32.1国外研究成果32.2国内研究成果3第3章研究思路与实证分析331研究思路和方法33.1.1 arch模型33.1.2 garch模型33.2实证分析33.2.1 数据说明及统计性描述33.2.2 沪深300指数收益率序列的平稳性检验33.2.3 arch效应检验33.2.4 garch类模型建模3第4章 结论与分析3致谢3参考文献3附录327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。对于一个市场而言，这样的模式本身就有很大的缺陷。研究结果显示，如果一个市场缺乏卖空机制，一般会存在股价被高估的现象。推出沪深300指数的关键在于引入一种做空机制，投资者赢利不一定以股价上升为前提，相反股价下降也可能是投资者赢利的途径，也就是说股价的波动为投资者带来了更多获利的机会。投资者可以通过度量波动率来猜测他们可能接触到的风险有多大，同时了解波动性有助于其将股价界定在一个可能的范围内，当投资者认识到股价波动的规律，他就会对他的投资作出明智的决定。这就是为什么我们对估计股市的波动性充满兴趣。综合以上分析，研究沪深300指数收益率的波动性特征，有利于我们进一步探究产生波动性的原因并且使我们更好地规避风险。就沪深300指数收益率的波动性研究方法而言，根据国内外研究结果可以发现许多金融时间序列都将garch模型作为解释金融数据的经验规律。因此，本文以2006年10月30日到2010年4月15日每个交易日收盘价作为原始数据，运用garch模型检验沪深300指数日收益率的波动性变化，希望借此可以发现沪深300指数波动性特征并分析其原因。1.2研究对象我国股票市场作为世界新兴市场之一，市场波动性与成熟市场相比有所不同。而针对我国金融市场波动性的研究主要集中在把沪深两市分开研究或者单独分析某个市场，难以全面概括金融市场的整个状况；另一方面，沪深两市规模不一样，非同步性交易也会对分析结果形成干扰因素。沪深300指数陶佶. 沪深300股指期货理论和实务m. 中国发展出版社2008年5月第一版. 113是以在上交所和深交所所有上市的股票中选取规模大和流动性强的最具代表性的300家成分股作为编制对象，并以这些成分股的自由流通量为权数，以2004年12月31日为基准日、基准点数1000点的股价指数。2005年4月8日，沪深300指数正式发布，成为沪深证券交易所联合开发的第一个反映a股市场整体走势的指数。在2010年4月16日推出以沪深300指数为标的的第一个股指期货合约，它的推出开启了中国金融市场的新时代。以沪深300指数作为研究对象正好可以弥补我国波动性研究的缺陷，使检验结果更加具有真实性和完整性。具体来讲，沪深300指数具备以下特点：（1） 样本选择标准严格，指数代表性强；（2） 以自由流通量为权数，采用分级靠档法确定权重，抗市场非正常波动强；（3） 市场覆盖率高，抗市场操纵性强；（4） 行业分布均匀，抗行业周期性波动强；（5） 成分股基本面优势强，是机构投资者乃至整个市场的投资取向标杆。1.3本文框架结构本文共分为五章。第一章是前言，主要介绍研究背景和意义，研究对象，以及框架结构等。第二章是相关理论综述，主要介绍了国内外关于股票指数和股指期货波动性研究具有代表性的理论和实证成果。第三章是实证分析过程，目标是分析沪深300指数收益率的波动性以及非对称性。第四章是结论和政策建议。第2章 相关理论文献综述金融市场价格变化的波动性是现代金融研究的核心问题之一，daly(2008)daly(2008)认为，波动率常作为风险的同义词。指出了人们研究和关注金融市场风险可能的原因。首先，短期类资产价格的剧烈波动，很难让投资者相信这种变动是源于基本经济因素，从而会降低其投资积极性，转而投资其它市场。其次，投资者非常关注被投资公司的违约概率，而公司价值的波动率越大表明其违约概率一般也越大。再次，风险溢价的一个重要决定因素就是波动率，波动率越大，风险溢价一般也越大。而诸如保险产品等对冲金融工具，其价格一般也是波动率的增函数。最后，经济和金融理论认为投资者一般是风险厌恶的，某投资项目的波动率越大只会减少其投资参与度。出于上述动机，特别是在1987年美国股市大崩盘的实质触动下，研究者开始关注和追踪研究时变金融市场风险的度量方法，并建立了大量的波动率模型。目前比较常用的波动率模型有三大类：一是arch类模型，二是tarch模型，三是随机波动模型。以下是国内外关于波动性研究的实证结论。2.1国外研究成果engle和ng（1993）engle, r.f. and v.k.ng, measuring and testing the impact of news on volatility j.journaloffinance. 1993(48), 1749-1778.选取日本的股票市场做研究，绘制了好消息和坏消息的非对称信息曲线，并同时使用earch、agarch、ngarch、vgarch和gjr garch模型，证实发现日本股票市场确实呈现波动度不对称的效果，这种非对称性是十分有用的，因为它允许波动率对市场下跌的反应比对市场上升的反应更加迅速，因此被称为“杠杆效应”。在反应不对称效果上，以gjr garch模型最好。gallant等（1994）gallant, a. r. , d. hsieh and g. tauchen, estimation of stochastic volatility models with suggestive diagnostics. duke university, working paper. 1994用1928-1987年s&p合成指数的日观测值估计单变量模型，用1977-1992年的日观测值估计s&p nyse指数、德国马克对美元汇率和三个月期欧元汇率的三变量模型。他发现，对于股价和利率，随机波动率模型可与非参数arch得分的arch部分相匹配。但是，它不能匹配新生分布中的矩，对于汇率，随机波动率模型并不能拟合其中的arch部分。zakoian（1994）zakojan, j.m., threshold heteroskedastic modelsj.journal of economic dynamics and control, 1994 (18) , 931- 955以法国股票市场为研究标的，并利用tarch模型依赖于逐段线性逼近来估计条件方差函数的方法研究，发现法国的股票市场确实呈现不对称的情形，并且指出不对称情形会因冲击程度的大小不同而反转。danielson（1994）danielson, j., stochastic volatility in asset prices: estimation with simulated maximum likehoodj.econometrics 1994(64), 375-400发现对于1980年到1987年的s&p500指数的日数据，earch（2,1）模型比arch（5）、garch（1,2）、igarch（1,1,0）模型表现更好。同时，它还优于用模型最大似然法估计的简单sv模型。动态sv模型与egarch对数似然值之间的差额是25.5，支持了4个参数的sv模型优于5个参数的egarch模型的结论。2.2国内研究成果仝玉民（2009）仝玉民：股票市场波动性来自沪深300指数的证据，金融经济，2009年06期采用 arch类模型对基于沪深300指的股票市场的长期波动性进行动态分析和实证检验，采用 arma模型刻画条件均值方程，实证分析结果表明arma （1, 1） - garch（1 , 1）模型拟合效果较好，可以解释波动性存在的持续性、丛集性和杠杆效应等特征。tarch（1, 1）和 egarch（ 1 , 1）模型表明波动性存在信息不对称，有明显的杠杆效应；均值 tarch（1 , 1）模型回归结果表明预期收益对预期条件波动并没有补偿,风险与收益不对称。说明研究沪深300指数波动性对股票市场风险管理及市场管理都有重要的意义。陈艳，韩立磊（2009）陈艳，韩立磊：沪深 300指数收益波动性实证研究，金融经济，2009年14期利用自回归条件异方差arch族模型对沪深300指数进行实证研究，分析我国股票市场近年日收益率波动的特性。结果表明沪深 300指数日收益率波动呈现明显的丛聚性和持续性，序列分布呈现尖峰后尾等特点，同时发现 egarch（1, 1）模型能够较好拟合沪深300指数日收益率波动实际，还发现沪深300指数日收益率的波动并不具有“非对称效应”，且不支持风险溢价理论，认为这和沪深 300指数的股票构成有很大的关系，同时也说明了沪深 300指数的构成股票具有长期投资的优良特性。陈丽娟（2010）陈丽娟：基于egarch - m模型和沪深300指数的股市风险分析，东北财经大学学报，2010年第2期从描述我国股市收益序列的基本统计特征出发，分别运用基于广义误差（ged）分布，t分布以及正态分布的egarch（1，1）-m模型计量了沪深300指数的日对数收益率序列的var值，并与基于正态分布的garch（1，1）模型进行了比较。通过统计分析和后验测试等实证研究表明，基于ged分布的egarch（1，1）-m模型在刻画我国股市的市场风险方面要优于其他三种模型。在此分析结果的基础上，结论表明沪深股市波动剧烈，且风险呈现出明显的阶段性特征。另外其日收益和波动呈现显著的正相关关系，波动的集聚性特征明显，充分说明我国股市投机氛围浓厚，投资者的短期投资偏好明显，因此政府应对上市公司加强监管，加强信息披露的程度和力度，为广大投资者形成正确的投资理念打下坚实的基础。何红霞（2010）何红霞：中国股市价格的波动性研究 基于沪深300指数的garch 族模型，和田师范专科学校学报，2010年03期对2005年4月8日至2009年5月22日的每日收盘价进行自然对数处理，运用garch族模型，以中国a股市场较有代表性的沪深300指数作为研究对象，对中国股市价格波动中存在的条件异方差性和正负冲击对股价波动影响的不对称性进行检验，结果表明在样本期内，我国股价波动存在明显的条件异方差性,因此在确定投资决策时就需要考虑这种长期记忆性的影响，从而为规避风险、控制风险服务。但是并未发现正负冲击对股价波动影响的不对称性，说明当市场出现“利空消息”时，投资者对于市场利空消息反应迟缓，导致市场利空消息并未对股价的波动性产生更大的影响。第3章研究思路与实证分析31研究思路和方法arch模型由 engle（1982）提出，并由 bollerslev(1986)发展成为garch(generalizedarch)广义自回归条件异方差。这些模型被广泛的应用于经济学的各个领域，尤其在金融时间序列分析中。3.1.1arch模型arch的核心是时刻t的的方差（）依赖于时刻（t-1）的平方误差的大小，即依赖于 。 （1）并假设在时刻(t-1)所有信息的条件下，干扰项的分布是：（2）即蔚t遵循以 0为均值， 伪0+伪1蔚t-12为方差的正态分布。由于（2）中的蔚t的方差依赖于前期的平方干扰，我们称它为 arch(1)过程。然而，容易加以推广，一个 arch (p)过程可以写为：（3）如果误差方差中没有自相关，就会有h0：。这时 ，从而得到误差方差的同方差性情形。恩格尔曾表明容易通过以下的回归去检验上述虚拟假设： （4）其中，表示从原始回归模型（1）估计得到的 ols残差。（1） garch（1，1）模型 在标准化的 garch(1,1)模型中：（3-1）（3-2）（3-1）中给出的均值方程是一个带有误差项的外生变量函数。由于蟽t2是以前一期的信息为基础的预测方差，所以它被叫做条件方差。（3-2）中给出的条件方差方程是一个下面三项的函数： 均值：；用均值方程的残差平方的滞后来度量从前期得到的波动性的信息：（arch项）；上一期的预测方差： （garch项）。 garch (1, 1)中的(1, 1)是指阶数为1 的garch项（括号中的第一项）和阶数为1的arch项（括号中的第二项）。普通的arch模型是garch模型的特例，即在条件方差方程中不存在滞后预测方差的说明。（2） archm模型 方程（3-1）中的x代表在均值方程中引入的外生或先决变量。如果我们把条件方差引进到均值方程中，就可以得到 archm模型(engle,lilien,robins,1987)：（3-3）archm模型的另一种不同形式是将条件方差换成条件标准差。 archm模型通常用于关于资产的预期收益与预期风险紧密相关的金融领域。预期风险的估计系数是风险收益交易的度量。（3） garch（p,q）模型 高阶 garch模型可以通过选择大于1的p或q得到估计，记作 garch(p, q)。其方差表示为：（3-4）这里，p 是 garch 项的阶数，q 是 arch 项的阶数。3.1.2garch模型（1） tarch 模型 tarch或者门限（threshold）arch模型由 zakoian(1990)和 glosten，jafanathan，runkle(1993)独立的引入。该该模型能较好地捕捉金融市场回报变动而引起的“杠杆效应”，它具有如下形式的条件方差： （3-5）其中，当蔚t0 )和坏消息(蔚t0 )对条件方差有不同的影响：好消息有一个的冲击；坏消息有一个对的冲击。如果，我们说存在杠杆效应；如果 ，则信息是非对称的。模型中的tarch项，即杠杆效应项()是由输出结果中的（resid0）*arch(1)项描述。 （2） egarch 模型 egarch或指数（exponential）garch模型由 nelson（1991）提出。nelson敏锐地发现对称的条件方差函数并不能够准确地描述资产收益率的波动，特别是它不能表现负债情况下前期收益与市场波动的负相关关系的影响。为避免对参数的非负性假设，他在garch 模型基础上将条件方差被指定为：（3-6）等式左边是条件方差的对数，这意味着杠杆影响是指数的，而不是二次的，所以条件方差的预测值一定是非负的。杠杆效应的存在能够通过的假设得到检验。如果，则影响是非负的。杠杆效应项() 在输出结果中记作 res/sqrgarch(1)。3.2实证分析3.2.1数据说明及统计性描述（1） 指标和数据选取本文以中国金融期货交易所的沪深300指数2006年10月30日到2010年4月15日每个交易日收盘价为原始数据，共1086个数据样本。为了减少误差，在估计时根据每个交易日的收盘价对日收益率进行自然对数处理，即将收益率是根据公式：，即沪深300指数收盘价对数的差分计算出来。数据来源于新浪财经股指期货频道/qizhi/index.shtml。实证分析是基于eviews3.1软件和excel软件完成的。（2） 描述性统计分析图表 31沪深300指数日收益率rsh000300波动图图表 32为沪深300指数日收益率rsh000300波动图，由图可以看出日收益率的波动表现出时变性 、 突发性和集簇性特征。图表 33沪深300指数收益率rsh000300的描述性统计图观察这些数据，我们可以发现样本期内沪深300指数收益率rsh000300均值为0. 0777%，标准差为2. 2698%，偏度为-0.452647，左偏峰度为4.627367，远高于正态分布的峰度值3，收益率r具有尖峰、厚尾特征。jb正态性检验也证实了这点，统计量为156.7772，说明在极小水平下，收益率r显著异于正态分布。因此说明序列无法利用f检验等基于正态分布的统计方法检验该收益率序列的3.2.2沪深300指数收益率序列的平稳性检验关于平稳性的检验，最常用的方法是两位美国统计学家迪基（d. a. dickey）和富勒（w. a. fuller）在20世纪70年代提出的单位根方法，也就是判断自相关性系数是否等于1的方法。经过学术界近30年的研究，这一方法最终被归纳为增广迪基富勒（augmented dickey- fuller）检验法，简称adf检验。从上面的描述性统计分析可以看出，收益率序列围绕在均值周围波动，不存在趋势（rsh000300 mean=0.000777）。因此对该序列进行adf单位根检验，选择滞后4阶，带截距项而无趋势项，检验结果如下：表格 31沪深300指数收益率rsh000300adf单位根检验结果null hypothesis: rsh000300 has a unit rootexogenous: constantlag length: 4 (fixed)t-statisticprob.*augmented dickey-fuller test statistic-13.656370.0000test critical values:1% level-3.4361885% level-2.86400610% level-2.568134*mackinnon (1996) one-sided p-values.从检验结果看，在1%、5%、10%三个显著性水平下，单位根检验的mackinnon临界值分别为-3.436188、-2.864006、-2.568134，t检验统计量值-13.65637，小于相应临界值，从而拒绝h0，表明沪深300指数收益率（rsh000300）不存在单位根，是平稳序列，即服从i(o)过程。3.2.3arch效应检验（1） 滞后阶数的选择以及均值方程的确定本文采用时间序列模型分析，因此要先对收益率的自回归的滞后阶数进行选择。沪深300指数收益率rt的均值方程都采用如下形式：（3-7）分别对滞后1、2、3、4期进行回归，结果如表格3-2 所示表格 32自回归滞后阶数选择lagakaike info criterionf- statistic1-4.7301380.5472992-4.7292380.4046513-4.7303132.5684694-4.732195.553899根据 aic 和 f 统计量判断可以看出滞后4期为最优，故选滞后阶数为4，则公式可以写成：rt=c0+c1rt-1+c2rt-2+c3rt-3+c4rt-4+蔚t（3-8）（2） 残差序列自相关检验图表 34沪深300指数收益率rsh000300残差项的自相关系数ac值和pac值图表 35沪深300指数收益率rsh000300残差平方的自相关系数ac值和pac值作序列残差和残差平方自相关图，结果表明沪深300指数收益率rsh000300的残差不存在显著的自相关，而残差平方有显著的自相关。（3） 对残差平方做线性图图表 36沪深300指数收益率rsh000300残差平方线状图对残差平方做线性图，可见该回归方程的残差的波动具有“成群”现象：波动在一些较长的时间内非常小，在其他一些较长的时间内非常大,即具有明显的时间可变性（time varying）和集簇性（clustering）, 这说明残差序列存在高阶arch效应，适合用garch类模型来建模，而且可以观察到股指期货上市这一年波动性明显减弱。（4） 对残差进行arch-lm test（滞后10阶）表格33对沪深300指数残差进行arch-lm test结果arch test:f-statistic6.081819probability0.000000obs*r-squared58.11494probability0.000000对序列线性回归的残差作arch-lm检验，f统计量是对所有滞后平方残差联合显著性所作的检验。obs*r2统计量是lm检验统计量,它是观测值数t乘以检验回归r2。给定显著性水平和自由度10，lm的值为58.11494大于给定的值18.307，伴随概率p为0.000000，小于0.05，拒绝原假设，说明收益率序列存在明显的异方差现象，残差中arch效应是很显著的，因此用 garch模型来拟合数据是合理3.2.4garch类模型建模（1） 沪深300指数收益率的波动性研究1) garch(1,1)模型估计结果表格34 garch(1,1)模型估计结果dependent variable: rsh000300method: ml - archsample(adjusted): 6 1086included observations: 1081 after adjusting endpointsconvergence achieved after 24 iterationscoefficientstd. errorz-statisticprob.c0.0010810.0006131.7639620.0777rsh000300(-4)0.0300820.031580.9525540.3408 variance equationc7.78e-062.40e-063.2464450.0012arch(1)0.0587010.010215.7493910.0000garch(1)0.926870.01229975.359240.0000rt=0.001081+0.030082纬（3-9）(1.763962) (0.952554)（3-10）(3.246445) (5.749391) (75.35924)log likelihood=2619.379, aic=-4.836964, sc=-4.813903可见，沪深300指数收益率条件方差方程中arch项和garch项都是高度显著的，表明收益率序列具有显著的波动集簇性。沪深300指数收益率arch项和garch项之和为0.981665，小于1，满足参数约束条件。由于系数之和非常接近于1，表明一个条件方差所受的冲击是持久的，即它对所有的未来预测都有重要作用，因此garch(1,1)过程是平稳的，另外其条件方差表现出均值回复（mean-reversion），即过去的波动对未来的影响是逐渐衰减。2) garch-m (1,1)模型估计结果表格35 garch-m(1,1)模型估计结果dependent variable: rsh000300method: ml - archsample(adjusted): 6 1086included observations: 1081 after adjusting endpointsconvergence achieved after 15 iterationscoefficientstd. errorz-statisticprob.garch3.1230182.8966841.0781360.281c-0.0003040.001423-0.2133630.831rsh000300(-4)0.0334730.0323681.0341390.3011 variance equationc7.05e-062.41e-062.9208790.0035arch(1)0.0568910.0105015.4178250.0000garch(1)0.9294430.01262573.621390.0000（3-11）(-0.213363) (1.034139) (1.078136)（3-12）(2.920879) (5.417825) (73.62139)log likelihood=2617.984, aic=-4.832534, sc=-4.804861可见，沪深300指数收益率均值方程中条件方差项garch的系数估计为3.123018，而且都是显著的，这反映了收益与风险的正相关关系，说明收益有正的风险溢价。而且沪深300指数收益率arch项和garch项之和为0.986334，小于1，满足平稳条件。（2） 沪深300指数收益波动非对称性的研究1) tarch模型估计结果表格3-6 tarch模型估计结果dependent variable: rsh000300method: ml - archsample(adjusted): 6 1086included observations: 1081 after adjusting endpointsconvergence achieved after 31 iterationscoefficientstd. errorz-statisticprob.c0.0009520.0006581.4472890.1478rsh000300(-4)0.0391970.032021.224120.2209 variance equationc1.18e-053.08e-063.8220970.0001arch(1)0.0425630.0151322.8128470.0049(resid0)*arch(1)0.0363120.0169242.1455420.0319garch(1)0.9144680.01461162.585880.0000rt=0.000952+0.039197纬（3-13）(1.447289) (1.224120)（3-14）(3.822097) (2.812847) (2.145542) (62.58588)r2=0.003972, d.w. =1.957869log likelihood=2620.728, aic=-4.837610, sc=-4.809937在tarch中，杠杆效应项由结果中的(resid0时，有一个的冲击；而出现“利空消息”时，即当蔚t0时，有一个的冲击；而出现“利空消息”时，即当蔚t0时，则会带来的冲击。第4章结论与分析通过分析，基本可以得出了以下结论：第一，沪深300指数收益率都存在明显的garch效应，而且过去的波动对未来的影响是逐渐衰减。在沪深300指数市场中，一般持有5天以上就可算长线操作。这种持有期的缩短必然使得交易更为频繁。大量的股指期货参与者是日间交易者，往往当天频繁买入卖出，并且不持有合约过夜。沪深300指数的频繁交易使得股指期货市场具有高流动性，这种高流动性也是造成指数波动的一大成因。第二，沪深300指数存在明显的garch-m效应，说明收益有正的风险溢价。沪深股市日收益和波动呈现显著的正相关关系, 波动的集聚性特征明显, 充分说明我国股市投机氛围浓厚, 投资者的短期投资偏好明显, 因此政府应对上市公司加强监管, 加强信息披露的程度和力度, 为广大投资者形成正确的投资理念打下坚实的基础。第三，通过建立tarch模型和egarch模型发现沪深300指数收益率存在明显的杠杆效应，也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。究其原因，沪深300指数实行t+0交易，可以进行合约的做空和做多双向交易。这就使得一般投资者非理性投机的心理和行为很难在短期内得到改变，从而放大金融风险。同时，风险管理制度不健全，一些大投机者很容易受利益驱使，试图利用自身实力等优势来非法操纵市场。这种违规行为可能会扰乱市场次序，扭曲市场价格，造成不公平竞争，损害其他交易者利益。致谢首先诚挚的感谢我的指导老师老师，感谢您对我的论文的悉心指导，不管是论文选题，相关资料收集，还是论文设计和撰写的各个环节，您都不时地与我讨论并指点我正确的方向，使我获益匪浅。老师对学问的严谨更是我辈学习的典范。本论文的完成另外亦得感谢商学院经济系的全体老师的大力协助。因为有你们的指导及帮助，使得本论文能够更加完整而严谨。再次，感谢众位同学的共同砥砺，你们的陪伴让四年的大学生活变得绚丽多彩。四年的时光，校园里有我们共同的生活点滴，感谢你们不厌其烦的指出我生活和学习中的缺失，且总能在我迷惘时为我解惑，在我困顿时给我帮助，这一切我都会铭感于心。最后，谨以此文献给我挚爱的双亲，你们在背后的默默支持更是我前进的动力，没有父母的体谅、包容，相信这四年的生活将是很不一样的光景。参考文献1 严宝玉，蒋虹. 股指期货研究:以小博大之股民必读m.北京: 中国社会科学出版社.2008:16-2922 杨丹.股指期货投资m.广州：暨南大学出版社.2004：247-2873 李子奈，潘文卿. 计量经济学（第二版）m.北京:高等教育出版.2004：931174庞皓,计量经济学m.北京：科学出版社.2007：16-1745 陶佶. 沪深300股指期货:理论和实务m.北京：中国发展出版社.2008:81-2186刘鸿儒.股指期货热点问答m.北京：中国金融出版社.2009：51-707肖辉，刘文财. 股票指数现货市场与期货市场关系研究m. 北京：中国金融出版社.2006：247-2638 仝玉民.股票市场波动性来自沪深300指数的证据j.金融经济.2009（6）：81839 陈艳，韩立磊.沪深 300指数收益波动性实证研究j.金融经济.2009（14）：707210 陈丽娟.基于egarch-m模型和沪深300指数的股市风险分析j.东北财经大学学报.2010（2）：121811何红霞.中国股市价格的波动性研究基于沪深300指数的garch 族模型j.和田师范专科学校学报.2010（3）：101212 万蔚，江孝感.我国沪、深股市的波动性研究基于 arch 族模型j.价值工程.2007（10）：14-18.13 江晓东.沪深股市收益率波动特征研究d .厦门大学. 2001年：6-28.14黄道平.基于arch族模型的中国股市波动性研究d.暨南大学.2006年：11-28.15王睿.中国股票市场波动性研究d.中南大学.2010年：16-37.16 zakojan, j.m., threshold heteroskedasticmodelsj.journal of economic dynamics and control, 1994 (18) , 931-95517 engle, r.f.and ng v.k. measuring and testing the impact of news on volatilityj.journaloffinance. 1993(48), 1749-1778 18 hamilton james d.andsusmel r.,autoregressive conditional heteroskedasticity and changes in regimej.journal of econometrics. 1994(10), 307-33319engle , r. f., autoregressive conditional heteroskedasticity with estimates of the variance of united kingdom inflationj. econometrica.1982 ( 50 ), 987 100820 bollerslert.,generalized autoregressive conditional heteroskedasticityj.journal of econometrics.1986,(31): 307-327附录表格 1沪深300指数收益率平稳性检验null hypothesis: rsh000300 has a unit rootexogenous: constantlag length: 4 (fixed)t-statisticprob.*augmented dickey-fuller test statistic-13.656370.0000test critical values:1% level-3.4361885% level-2.86400610% level-2.568134*mackinnon (1996) one-sided p-values.augmented dickey-fuller test equationdependent variable: d(rsh000300)method: least squaresdate: 05/23/11 time: 23:14sample (adjusted): 7 1086included observations: 1080 after adjustmentsvariablecoefficientstd. errort-statisticprob.rsh000300(-1)-0.8934700.065425-13.656370.0000d(rsh000300(-1)-0.0854800.059739-1.4308890.1528d(rsh000300(-2)-0.1044950.052302-1.9979370.0460d(rsh000300(-3)-0.0570350.042652-1.3372260.1814d(rsh000300(-4)0.0120940.0305090.3964260.6919c0.0006610.0006930.9550030.3398r-squared0.492907mean dependent var-1.