（金融学专业论文）基于GARCH模型的AH银行股风险分析.pdf

懋y , t8 3 0 3 9 9 基于g a r c h 模型的a + h 银行股风险分析 学位论文完成日期： 兰坐垒垒圃 特狮签字：璐 答辩委员会成员签字： 独创声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含未获得 ( 注；翅遗直甚他盂蔓挂剔虚明的：奎栏亘窒2 或其他教育机构的学位或证书使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 一蚓矜吲。年彦咿日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，有权保留并 向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人 授权学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复制手段保存、汇编学位论文。( 保密的学位论文在解密后 适用本授权书) 虢秽 签字日m 。乱月加 导师签字： 签字日规切i q 年6 月l 侣 基于g a r c h 模型的a + h 银行股风险分析 摘要 在世界性的金融危机面前，如何有效地管理市场风险已成为我国金融机构面 临的重大挑战。因此，研究市场风险管理中最基础的环节风险度量技术，对 于我国金融市场的稳定以及各类金融机构的健康发展具有重要的意义。 近年来，运用g a r c h 模型对我国股票市场进行研究是一种比较新的思路与 方法，相关研究也大量涌现，本文则希望通过分析能够为我国股票市场的研究发 展提供一些参考。 本文选取了三支a + h 股( 既作为a 股在上海证券交易所或深圳证券交易所上 市又作为h 股在香港联合交易所上市的股票) 作为样本，第一个是先发行a 股后 发行h 股的招商银行( 6 0 0 0 3 6 s h 3 9 6 8 h k ) ，第二个是先发行h 股再发行a 股 的中国银行( 6 0 1 9 8 8 s h 3 9 8 8 h k ) ，第三个是a 股和h 股同步发行的工商银行 ( 6 0 1 9 8 8 s h 3 9 8 8 h k ) 。运用时间序列分析方法分别为这三个银行a 股和h 股 的日对数收益率进行a r m a 类、g a r c h 类或e g a r c h 类模型的建模。通过对比其条 件方差( 或方差) 序列，我们发现我国a + h 股上市公司在银行板块中表现为h 股的风险水平略大于a 股的风险水平，而且h 股上升趋势跟a 股相比较为显著。 本文分为六部分，结构安排如下：前言部分主要介绍了论文的选题背景，国 内外研究现状、发展动态，论文的研究思路、结构、方法和技术路线。第一章介 绍了a + h 股概况，包括a + h 股的概念，产生和发展，a + h 股模式对我国股市的影 响以及我国上市公司中银行板块的a + h 股概况。第二章主要阐述了时间序列分析 理论基础，包括基本概念和一般自回归模型、条件异方差模型等模型的介绍。第 三章是模型的建立，对a + h 股上市公司中最有代表性的三支银行股招商银行 ( 6 0 0 0 3 6 s h 3 9 6 8 h k ) 、中国银行( 6 0 1 9 8 8 s h 3 9 8 8 h k ) 、工商银行( 6 0 1 9 8 8 s h 3 9 8 8 h k ) a 股和h 股的日对数收益率分别进行a r c h 类、g a r c h 类或e g a r c h 类模型的建模。第四章分别对招商银行、中国银行和工商银行a + h 股进行风险分 析。第五章是结束语。 本文主要采用了定性和定量相结合、规范分析和实证分析、理论研究与应用 研究相结合等多种方法，采用计量经济学方法( 如时间序列，自回归，条件异方 差等) ，同时利用e v i e w s 软件进行编程和计算。 本文系统地归纳了金融风险度量技术，尤其是g a r c h 模型的发展。创新之处 在于把g a r c h 模型应用于a + h 商业银行股，为我国商业银行两地上市提供借鉴。 不足之处是在模型的构建过程中出现了数据不全以及复杂的程序运行等问题。此 外a r i m a 模型和i g a r c h ( a r c h g a r c h ) 模型在拟和曲线和向前一步预测值上都 存在一阶滞后问题。因此在运用模型进行预测上还有待进一步改进。 关键词：a + h 股；a r m a 模型；g a r c h 模型；e g a r c h 模型；风险水平 ar i s ka n a l y s i so f a + h b a n k i n gs h a r e sb a s e do n g a r c hm o d e l s a b s t r a c t u n d e rt h eg l o b a lf i n a n c i a lc r i s i s ，h o wt oe f f e c t i v e l ym a n a g em a r k e tr i s kh a s b e c o m eah u g ec h a l l e n g ef o rf i n a n c i a li n s t i t u t i o n s t h e r e f o r e ，f o rc h i n a sf i n a n c i a l m a r k e ts t a b i l i t ya n df i n a n c i a li n s t i t u t i o n sh e a l t h yd e v e l o p m e n t ，t h es t u d yo fm a r k e t r i s km a n a g e m e n tt e c h n o l o g y , w h i c hi st h em o s tb a s i ca s p e c t so fr i s km e a s u r e m e n t ，i s o fr e s e a r c hs i g n i f i c a n c e i nr e c e n ty e a r s ，r e s e a r c ho nc h i n a ss t o c km a r k e tb a s e do ng a r c hm o d e li sa r e l a t i v e l yn e wi d e aa n dm e t h o d i nt h i sp a p e r , s o m er e f e r e n c e sa r ep r o v i d e di nh e l po f f u t u r er e s e a r c ho nc h i n a ss t o c km a r k e t 1 1 1 i sp a p e rs e l e c t e dt h r e em o s tr e p r e s e n t a t i v eb a n k so fw h i c hb o t has h a r e sa n d hs h a r e sh a v eg o n et ot h em a r k e ta tae a r l i e rt i m e ：o n ei sc h i n am e r c h a n t sb a n k ( 6 0 0 0 3 6 s h & 3 9 6 8 h k ) w h i c hi s s u e das h a r e sb e f o r ehs h a r e s ；a n o t h e ri sb a n ko f c h i n a ( 6 0 1 9 8 8 s h & 3 9 8 8 h k ) w h i c hi s s u e dh s h a r e sb e f o r ea s h a r e s ，at h i r di s i n d u s t r i a la n dc o m m e r c i a lb a n ko fc h i n a ( 6 0 1 3 8 9 s h & 1 3 8 9 h k ) w h i c hi s s u e da s h a r e sa n dhs h a r ea tt h es a m et i m e b yu s i n gt h em e t h o d si nt i m es e r i e sw es e tu p c o r r e s p o n d i n ga r m am o d e l s ，g a r c hm o d e l so re g a r c hm o d e l sf o rt h el o g r e t u r ns e r i e so ft h eas h a r e sa n dhs h a r e ss e p a r a t e l y ，a n dc o n d i t i o n a lv a r i a n c ea n d v a r i a n c ea r eu s e dt od e s c r i b et h ea v e r a g er i s kd e g r e eo fe a c hs t o c k f r o mt h er e s u l tw e c a nc o n c l u d et h a t ，f o rn a t i o n a la + hl i s t e db a n k s ，t h er i s kl e v e lo fhs h a r e si sal i t t l e h i g h e rt h a nt h a to fas h a r e s ，a n dr i s i n gt r e n do fh s h a r e si sm o r es i g n i f i c a n tt h a nt h a t o f as h a r e s t h i sa r t i c l ei sd i v i d e di n t os i xs e c t i o n sa s f o l l o w s ：p r e a m b l ei n t r o d u c e st h e r e s e a r c hb a c k g r o u n d ，r e s e a r c hs t a t u s ，a n dt h ei d e a s ，s t r u c t u r e ，m e t h o d sa n dt e c h n i c a l r o u t eo ft h ep a p e ra saw h o l e t h ef i r s tc h a p t e rd e s c r i b e st h eo v e r v i e wa + h s h a r e s ， i n c l u d i n gt h ed e f i n i t i o n ，p r o d u c t i o n ，d e v e l o p m e n t ，i m p a c to ns t o c km a r k e t ，a n d s i t u a t i o no fl i s t e dc o m p a n i e sw i t ha + hs h a r e si nc h i n a i nt h es e c o n dc h a p t e r , t h e t h e o r yo ft i m es e r i e sa n a l y s i si si n t r o d u c e d ，i n c l u d i n gt h eb a s i cc o n c e p t s ，g e n e r a l a u t o r e g r e s s i v em o d e l sa n dc o n d i t i o n a lh e t e r o s c e d a s t i c i t ym o d e l s 1 1 犯“r dc h a p t e ri s f o rt h em o d e le s t a b l i s h m e n t ，a n dt h r e em o s tr e p r e s e n t a t i v eb a n k sa r es e l e c t e d ，t h a ti s c h i n am e r c h a n t sb a n k ( 6 0 0 0 3 6 s h & 3 9 6 8 h k ) ，b a n ko fc h i n a ( 6 0 1 9 8 8 s h & 3 9 8 8 h k ) ，a n di n d u s t r i a la n dc o m m e r c i a lb a n ko fc h i n a ( 6 0 13 8 9 s h & 13 8 9 h k ) ， a n dc o r r e s p o n d i n ga r m am o d e l s ，g a r c hm o d e l so re g a r c hm o d e l sf o rt h el o g r e t u r ns e r i e so ft h eas h a r e sa n dhs h a r e sa r es e tu ps e p a r a t e l y c h a p t e ri vd e s c r i b e s t h ea v e r a g er i s kd e g r e eo fe a c hs t o c kb a s e do nc o n d i t i o n a lv a r i a n c ea n a l y s i s t h ef i f t h c h a p t e ri st h ec o n c l u s i o n t 1 1 i sp a p e ru s e sq u a l i t a t i v ea n dq u a n t i t a t i v e ，n o r m a t i v ea n a l y s i sa n de m p i r i c a l a n a l y s i s ，t h e o r e t i c a la n dp r a c t i c a lc o m b i n e dr e s e a r c hm e t h o d s ，u s i n ge c o n o m e t r i c m e t h o d s ( s u c ha st i m es e r i e s ，a u t o r e g r e s s i v e ，c o n d i t i o n a lv a r i a n c e ，e r e ) ，a n ds o f t w a r e e v i e w st op r o g r a ma n dc o m p u t e 1 1 1 i sa r t i c l es y s t e m a t i c a l l ys u m m a r i z e st h ef i n a n c i a lr i s km e a s u r e m e n tt e c h n i q u e s ， e s p e c i a l l yt h eg a r c h m o d e l s n ei n n o v a t i o n so ft h ep a p e ri st oa p p l yt h eg a r c h m o d e l st ot h el i s t e dc o m m e r c i a lb a n k sw i t ha+hs h a r e s ，s o m er e f e r e n e e sa r e p r o v i d e di nh e l po ft h eo p e r a t i o no ff u t u r el i s t e db a n k sb o t l la th o n gk o n ga n d m a i n l a n ds t o c km a r k e t t h ed e f i c i e n c yi nt h em o d e lb u i l d i n gp r o c e s si st l l a tt h ed a t a c o l l e c t e di si n c o m p l e t e ，a n dt h ep r o g r a mi sc o m p l e xt or u na n ds oo n i na d d i t i o n ， a r i m am o d e la n di g a r c h ( a r c h g a r c h ) m o d e li n f i t t i n g c u r v e sa n d p r e d i c t i n gv a l u eo fo n es t e pf o r w a r de x i s tf i r s to r d e rl a g t h e r e f o r e ，t h ea p p l i c a t i o no f m a t h e m a t i c a lm o d e l ss h o u l db ef u r t h e ri m p r o v e d k e y w o r d s ：a + hs t o c k , a r m am o d e l s ，g a r c hm o d e l s ，e g a r c hm o d e l s ， r i s kl e v e l 目录 0 前言1日l j 吾1 0 1 选题背景1 0 2 国内外研究现状、发展动态。3 o 2 1 关于g a r c h 模型理论的研究现状和发展动态3 0 2 2 关于a + h 股模式的研究发展状况7 0 3 研究思路、结构、方法和技术路线7 o 3 1 研究思路和结构7 0 3 2 研究方法、技术路线8 0 4 论文的创新与不足l o 0 4 1 创新1 0 0 4 2 不足1 0 1 a + h 股概述，11 1 1a + h 股的概念1 l 1 2a + h 股的产生和发展1l 1 3a + h 股模式对我国股市的影响1 2 1 3 1a + h 股模式所带来的好处1 2 1 3 2a + h 股模式的隐患1 2 1 4 我国上市公司中银行板块的a + h 股概况f o 1 3 2 时间序列分析理论基础14 2 1 时间序列分析和基本概念1 4 2 1 1 时间序列分析1 4 2 1 2 平稳性和白噪声1 4 2 1 3 自相关函数和偏相关函数1 5 2 2 一般自回归模型16 2 2 1 自回归模型1 6 2 2 2 移动平均模型1 6 2 2 3 自回归移动平均模型1 7 2 2 4 序列相关性检验方法1 7 2 2 5 模型阶数的确定a i c 信息准则1 8 2 3 条件异方差模型1 9 2 3 1a r c h 模型1 9 2 3 2g a r c h 模型2 0 2 3 3 非对称的a r c h 模型2 2 3a + h 股上市公司日收益率的模型建立2 5 3 1 研究步骤和样本选取2 5 3 1 1 研究步骤2 5 3 1 2 样本的选取2 5 3 2 招商银行a + h 股日收益率的模型建立2 6 3 2 1 招商银行a 股日收益率的模型建立2 6 3 2 2 招商银行h 股日收益率的模型建立3 4 3 3 中国银行a + h 股日收益率的模型建立4 l 3 3 1 中国银行a 股日收益率的模型建立4 1 3 3 2 中国银行h 股日收益率的模型建立4 7 3 4 工商银行a + h 股日收益率的模型建立5 5 3 4 1 工商银行a 股日收益率的模型建立5 5 3 4 2 工商银行h 股日收益率的模型建立6 1 4 a + h 股上市公司中银行板块的风险分析6 8 4 1 招商银行a + h 股的风险分析6 8 4 2 中国银行a + h 股的风险分析6 9 4 3 工商银行a + h 股的风险分析7 0 4 4 我国a + h 股上市公司中银行板块的风险分析7 l 4 5 ，j 、l 砉7 2 5 结束语7 3 参考文献7 5 附录7 8 致谢8 2 个人简历、在学期间发表的学术论文8 3 基于g a r c h 模型的a + h 银行股风险分析 0 前言 0 1 选题背景 自2 0 世纪7 0 年代以来，由于受放松管制与金融自由化，信息技术与金融创新等 因素的影响，金融市场的波动性显著增强，金融体系的稳定性下降，金融机构、工 商企业、居民甚至国家面临的金融风险日趋严重。金融风险不仅严重影响了金融机 构和工商企业的正常营运，而且还对一国乃至全球金融及经济的稳定构成了严重威 胁，频繁发生的金融危机更是带来了一系列的严重后果。因此，金融风险引起了全 世界的金融界、企业界、政府当局和国际金融组织的密切关注和高度重视。 2 0 0 7 年夏季美国次级抵押贷款危机的爆发，迅速向全球蔓延。美国房地产泡沫 的破灭不仅导致国际金融市场的动荡，而且引发了美国房地产及其关联行业的衰退， 拖累了美国乃至世界经济的增长。尽管西方主要发达国家政府采取了联合干预措施， 部分缓解了危机的进一步恶化，但危机的影响至今尚未完全消除。目前，次贷危机 造成的经济衰退已经演变为自2 0 世纪3 0 年代“大萧条 以来最严重的经济危机。次 贷危机的发生，使金融创新和金融国际化的过程受到重大挫折，尤其是要重新认识 金融创新对经济的影响。 美国的次贷危机引起的全球性的金融危机，表面看来，次级债问题是由美国低 收入者的房贷所引发的。实质上，本次危机起源于刺激经济的目标下，过度的信贷 以及信用风险互换等衍生工具的滥用，终致危机恶化。而贯穿始终的是，无论是监 管者、金融机构和个人都存在忽视风险管理的因素。 在世界性的金融危机面前，如何有效地管理市场风险已成为二十一世纪我国金 融机构面临的重大挑战。因此，研究市场风险管理中最基础的环节风险度量技 术，对于我国金融市场的稳定以及各类金融机构的健康发展具有重要的理论意义。 v a r ( v a l u ea tr i s k 风险价值或在险价值) 作为一种风险度量技术最早产生于 1 9 9 4 年j p 摩根主席丹尼斯要求业务部门于每日营业结束后递交的一页反映公司每 日潜在损失的报告。作为一种金融风险测定和控制的模型，v a r 概念简单，易于理 解，并以可靠的统计科学作为依据，相比于传统的金融风险管理模型，为人们提供 基于g a r c h 模型的a + h 银行股风险分析 一种关于市场风险的综合性度量，更具有实用性和投资参考意义。因此，t l 它提出 之后立即引发了一场波及全球的“v a r 革命 。 但是v a r 提出的只是一种度量风险的新思想，其具体的实现过程，目前，理论 界和实务界对此的研究很多，并提出了各种各样度量的具体方法。但每种方法的提 出都是基于一定的理论假设或是针对某些具体的历史背景，必然存在其特定的适用 范围和局限性。从大量研究的结论来看，使用不同的方法计算的v a r 值存在较大的 差异，而即使是使用相同的v a r 方法，对于各种不同的市场而言，其好坏优劣也存 在很大的差别。因此，对于v a r 在中国股票市场的使用问题，我们也不能简单照搬 照抄别人的方法和结论，而应根据中国的实际情况来进行分析。 要提高金融市场的风险管理水平，首先要研究中国股票市场的现实状况和特点。 目前，对金融数据高峰厚尾、波动群集的时变特性主要采用g a r c h 模型( g e n e r a li z e d a u t or e g r e s s i v ec o n d i t i o n a lh e t e r o s k e d a s t i c i t y 广义自回归条件异方差模型) 进行描述，即动态v a r ；对数据的分布则大部分都采用正态分布假定，但是这些显 然不够精确，因此需要我们进一步进行研究，找到更好的方法。理解掌握v a r 的内 容和特点及其在风险管理特别是股市风险管理中的应用，对于高层和经济学者对提 高金融市场的风险管理水平及认识都具有很强的现实意义。 我国的股票市场始于2 0 世纪9 0 年代初；起步较晚，目前正处于上升发展阶段， 因此我国股票市场较发达国家的股票市场来说其影响因素要复杂的多。近年来，运 用g a r c h 模型对我国股票市场进行研究是一种比较新的思路与方法，相关研究也大 量涌现，本文则希望通过分析能够为我国股票市场的研究发展提供一些参考。 目前国内外a + h 股( 既作为a 股在上海证券交易所或深圳证券交易所上市又作为 h 股在香港联合交易所上市的股票) 的研究主要停留在经济理论方面，而对a + h 股数 理模型方面上的刻画不多。因此，对银行板块具有代表性的银行进行风险评估具有 很强的实际意义，这也是为未来上市公司是否采取a + h 股模式的研究提供理论基础。 本文选取了三支a 股和h 股均较早上市的银行股作为样本，第一个是先发行a 股后发行h 股的招商银行( 6 0 0 0 3 6 s h 3 9 6 8 h k ) ，第二个是先发行h 股再发行a 股的中国银行( 6 0 1 9 8 8 s h 3 9 8 8 h k ) ，第三个是a 股和h 股同步发行的工商银行 ( 6 0 1 9 8 8 s h 3 9 8 8 h k ) 。运用时间序列分析方法分别为这三个银行a 股和h 股的日 2 基于g a r c h 模型的a + h 银行股风险分析 对数收益率进行a r m a 类、g a r c h 类或e g a r c h 类模型的建模，并将风险水平的变化 情况作对比。 0 2 国内外研究现状、发展动态 o 2 1 关于g a r c h 模型理论的研究现状和发展动态 近年来，金融学家和计量学家对发达国家成熟资本市场的波动性进行了广泛的 研究，得出金融时间序列一些共同特点。首先，股票收益的经验分布显著不同于独 立正态分布，表现出明显的高峰厚尾性；第二，股票价格或指数的运动服从随机游 走过程，而且一般是非平稳序列，但是收益序列通常呈现出平稳的特性；第三，收 益序列本身几乎不呈现出相关性，而收益的平方序列却表现出比较明显的相关性。 基于以上特点，专家们提出了时变假设，并尝试通过特定的技术来预测金融时间序 列的收益波动性。 1 9 8 2 年，e n g l e 提出了自回归条件异方差模型， 即a r c h ( a u t o r e g r e s s i v e c o n d i t i o n a lh e t e r o s k e d a s t i c i t y ) 模型。e n g l e ( 1 9 8 2 ) 提出的自回归条件异方差 性模型( 即a r c h 模型) 假设条件方差( c o n d i t i o n a lv a r i a n c e ) 取决于以往的误差， 其数学表达方程为： = a + s ，s f n ( o ，叮，) 仃? = 口+ 6 s 三i 其中，为t 期股票的价格，误差项，为服从均值为0 ，方差为仃，的独立抽样 正态分布。 在实际应用中，a r c h 模型往往难以估计参数数量众多的模型。为克服这一困难， b o l l e r s l e v ( 1 9 8 6 ) 盥1 提出了广义a r c h 模型，即g a r c h 模型或g a r c h ( p ，q ) 。该模 型假设条件方差取决于以往的误差和方差。它的优点是一旦误差项，的分布函数确 定，就可以通过求极大似然值估计模型的各参数。g a r c h ( p ，q ) 模型可以写成： 盯? ：+ 圭a ，s 三+ 兰卢，仃三， ，t lt - 1 f r e n c h 、s c h w e r t 和s t a m b a u g h ( 1 9 8 7 ) 口1 用a r c h ( 2 2 ) 和g a r c h ( 2 ，1 ) 模 i ，； 一 ，坼 基于g a r c h 模型的a + h 银行股风险分析 型，采用纽约证券交易所标准普尔5 0 0 ( s p5 0 0 ) 综合指数，估计了1 9 8 2 年1 月 到1 9 8 4 年1 2 月证券市场月度收益标准方差。他们的研究结果表明，在那一时期， 纽约证券市场g a r c h 效应非常显著。 之后又出现了许多g a r c h 扩展模型，像e n g l e 、l i l i e n 和r o b i n s ( 1 9 8 7 ) h 1 的 g a r c h 平均数模型( g a r c hi n - m e a n ) 、n e l s o n ( 1 9 9 0 ) 璐1 g a r c h 指数模型( e x p o n e n t i a l g a r c h ) 等。a k g i r a y ( 1 9 8 9 ) 晦1 比较早地利用g a r c h 模型及a r c h 模型预测了美国股指 的波动，并将预测结果与传统的指数加权移动平均模型及历史平均模型预测结果进 行了比较，发现g a r c h 模型预测结果要优于其它模型的预测结果。p a g a na n ds c h w e r t ( 1 9 9 0 ) 盯1 用g a r c h 模型、e g a r c h 模型、m a r k o v 区制转换模型及3 种非参数模型对美 国股票收益率波动进行了预测，得出e g a r c h 模型要稍优于g a r c h 模型的结论，而其 它模型的预测性能则较差。f r a n s e sa n dv a nd i j k ( 1 9 9 6 ) 阳1 运用g a r c h 族中3 个模 型( 标准g a r c h ，q g a r c h 和g j r 模型) 对欧洲股市的周股指进行了预测，得出非线性 g a r c h 模型并不一定胜于标准g a r c h 模型的结论。b r a il s f o r da n df a f f ( 1 9 9 6 ) 四1 对 澳大利亚月股指的预测发现，g j r 和g a r c h 模型要稍优于传统预测模型( 随机游走， 短期和长期移动平均，指数平滑，指数加权平均，线性回归等模型) 。d u e k e r ( 1 9 9 7 ) n 们 用m a r k o v - g a r c h 转换模型模拟和预测了股指的可变性，发现区制转换模型要比单一 区制模型具有更优的预测性。b r o o k s ( 1 9 9 8 ) n 选用24 3 1 个股指日交易数据，将前 20 0 0 个作为模型拟合样本，后4 3 1 个作为预测样本，考察了传统时间序列模型、 回归模型等与对称g a r c h 模型、非对称g a r c h 模型、神经元网络模型等在对股票收 益率进行一步向前预测时的差异，在m s e 准则及m a e 准则下认为，滞后g j r g a r c h 模型表现最优。g w il y m e t a l ( 1 9 9 9 ) n 2 1 利用g a r c h 族模型检验了不同金融期货合约 及股指期货价格走势的非线性特征。b r o o k s ，h e n r ya n dp e r s a n d ( 2 0 0 2 ) n 羽采用多 元非对称g a r c h 模型和b o o t s t r a p 方法研究了金融期货套期保值的时变性与非对称 性。b r o o k sa n dg a r r e t t ( 2 0 0 2 ) n 钔利用自勉门限自回归( s e t a r ) 模型研究了英国 f t s e l 0 0 指数及股指期货市场的波动性与信息传递机制。b r o o k sa n d p e r s a n d ( 2 0 0 3 ) n 研利用在险价值( v a l u ea tr i s k ) 模型研究了股指收益对利空消息与 利好消息反应的非对称性。t o r o u s ， v a l k a n o va n dy a n ( 2 0 0 4 ) n 町讨论了利用近似 单整解释变量预测股指收益的可能性。s a n t o sa n dv e r o n e s i ( 2 0 0 6 ) 则研究了劳 4 基于g a r c h 模型的a + h 银行股风险分析 动收入与股指收益的关系。 在国内，有关股指及股指期货的研究也开展得如火如荼。中国股市虽然开设较 晚，但近年来的研究起步很高，一些重要理论与方法不断得到实践与应用。目前， 采用g a r c h 模型方法对我国股市进行的研究，主要集中于对沪、深两市的收益率进 行拟合以检验股市的波动性，主要有吴长凤( 1 9 9 9 ) n 8 利用二元非对称a r c h ( 1 ) 模型 初步探讨了我国深沪股市中非对称信息的互相传播作用。魏巍贤、周晓明( 1 9 9 9 ) n 羽 利用非线性g a r c h 模型研究了中国股市的波动性。汤果、何晓群、顾岚( 1 9 9 9 ) 例 利用分形单整g a r c h 模型( 即fi g a r c h 模型) 考察了我国股市收益的长记忆性。刘 国旗( 2 0 0 0 ) 口借助非线性g a r c h 模型讨论了中国股市波动的可预测性。万建强、文 洲( 2 0 0 1 ) 啪1 以香港恒生指数、金融指数、房地产指数、公用事业指数和工商业指数 为样本，比较了a ri m a 模型与a r c h 模型在刻画股指波动方面的性能差异。唐齐鸣、 陈健( 2 0 0 1 ) 1 利用a r c h 类模型对我国股票市场的波动性进行检验，发现我国股市 具有明显的a r c h 效应。陈千里( 2 0 0 3 ) 嘲1 运用g a r c h 模型对上证综合指数进行分 析，结果显示我国股市存在显著的星期一高波动性现象。柯珂、张世英( 2 0 0 3 ) 嘶1 讨 论了分整增广的g a r c h m 模型。伍海华、马嫒、高波( 2 0 0 3 ) 啪3 通过建立b p 神经 元网络预测模型，对2 0 0 1 年上证指数的收盘价进行了短期预测，并发现该模型收敛 速度快，学习能力强，对股指的短期预测十分有效。李亚静、朱宏泉、彭育威( 2 0 0 3 ) 运用g a r c h 、e g a r c h 、t g a r c h 模型实证分析了上证3 0 指数、上证综合指数和深证成 份指数的波动性，并对香港恒生指数进行了模型预测。胡永宏、陆忠华( 2 0 0 5 ) 乜羽运 用e g a r c h 模型对沪深股市的杠杆效应进行实证分析，结果表明，日收益率存在着 明显的杠杆效应，收益对波动强度的影响具有非对称性。刘晓、李益民( 2 0 0 5 ) 以深圳成指1 9 9 6 年1 2 月1 6 日到2 0 0 5 年5 月1 8 日的日收盘价数据为样本，将g a r c h 族各类模型对比分析，发现g a r c h ( 3 ，1 ) 模型能相对较好地模拟深圳成指走势。邓 超、光辉( 2 0 0 5 ) 啪1 选用2 0 0 0 年3 月1 7 日至2 0 0 3 年1 2 月3 1 日之间的上证综指收 盘价为研究样本，用a r c h 、g a r c h 、g a r c h m 、e g a r c h 模型来预测股市的波动性， 认为e g a r c h ( 1 ，1 ) 的预测效果最好。田翔、邓飞其( 2 0 0 5 ) 口1 1 用精确在线支持向量自 回归算法对股指进行了短期预测，将上证1 8 0 指数2 0 0 2 年8 月1 日至2 0 0 4 年3 月 3 1 日的4 0 0 个交易日作为训练样本，对2 0 0 4 年4 月1 日至2 0 0 4 年5 月3 1 日的3 8 基于g a r c h 模型的a + h 银行股风险分析 个交易日进行了预测，认为较传统训练方式获得的预测模型更有效。陈朝旭、许骏 ( 2 0 0 5 ) 1 利用四种g a r c h 模型实证分析了上海股票市场的波动性，结果表明上海股 市具有较为明显的a r c h 效应，波动持续时间长，波动存在显著的非对称性和杠杆 效应。姚燕云( 2 0 0 6 ) 1 运用g a r c h m 模型对沪深收益序列进行检验，结果表明沪 深两市的风险都具有时变、正偏、高峰、波动聚集性和长记忆性等特点，负面消息 会加剧市场的波动。李双成、邢志安( 2 0 0 6 ) m 1 运用g a r c h 模型的一种新形式来验证 中国股票市场是否符合量价关系的主流理论一混合分布假说理论。边一斐( 2 0 0 7 ) 跚 通过基于正态分布和t 分布的g a r c h 模型对上证指数的波动性进行分析，实证结果 表明基于t 分布的g a r c h 模型更能精确的描述股市的波动性。邓晓益、郭庆春 ( 2 0 0 7 ) 汹1 通过g a r c h 模型研究沪市日成交量对复合收益率的波动性影响，结果表明 当期交易量变化率能明显削弱收益率条件方差的波动性，而滞后一期的成交量只通 过当期的成交量间接的影响复合收益率。赵进文、王倩( 2 0 0 8 ) 阱1 运用g a r c h 族模型 对即将作为股指期货标的物上证3 0 0 指数进行间接实证建模研究，分析结果表 明，上海股市股价波动确实存在显著的g a r c h 效应和冲击持久效应，并存在较弱的 杠杆效应：收益率条件方差序列是平稳的，模型具有可预测性，g a r c h m ( 1 ，1 ) 模型 可以很好地拟合与预测上证1 8 0 指数，较好地实现了点对点的长期高精度预测，克 服了传统预测模型只能进行短期预测的缺陷。吴庆田、尹媛媛( 2 0 0 8 ) 娜1 运用g a r c h 模型对中国银行和中国工商银行上市对我国股市产生的波动性影响进行实证分析， 得出了中国银行的上市降低了股市的波动性，而中国工商银行的上市加剧了股市的 波动性的结论。安起光、郭喜兵( 2 0 0 9 ) 侧通过运用g a r c h 类模型对我国沪市的日收 益进行分阶段分析，得出了对于不同的阶段，利空和利好消息对我国股市的影响是 不同的，在熊市，利空消息产生的波动要大于利好消息产生的波动：而在牛市，利好 消息产生的波动要大于利空消息产生的波动，而且在不同的阶段，投资者对风险所 要求的收益也有较大差异。冉竞真、李俊杰( 2 0 0 9 ) h 伽用a r c h 来对条件异方差进行 估计，进而解决风险价值量中方差估计的困难，文章在对条件异方差进行估计时运 用了上证指数2 0 0 7 年5 月8 日到2 0 0 7 年7 月6 日共计4 3 个交易日的数据，对条件 异方差估计出来以后代入到风险价值量模型中求出风险价值量系数v a r 。 6 基于g a r c h 模型的a + h 银行股风险分析 0 2 2 关于a + h 股模式的研究发展状况 股票市场中关于a + h 股模式的问题已有了一些研究成果。在经济理论方面，王 园林( 2 0 0 5 ) h 通过中国新股发行方式经历的变革研究，指出大型企业新股发行采取 a + h 模式发行，是a 到h 和h 到a 发行的必然结果，将对中国证券市场的发展产生 诸多积极效应。甚力( 2 0 0 5 ) 3 主要以市场摩擦的存在和询价的比价效应为出发点， 指出a + h 股票发行模式驱使股价重心下移。在模型的建构方面，罗旋，刘冬( 2 0 0 6 ) h 3 1 运用现代计量经济学的检验方法，对我国a + h 股公司的a 股和h 股股价互动关系进 行了研究，指出部分公司a 股和h 股股价之间存在g r a n g e r 因果关系，但不存在协 整关系，即相互影响没有形成长期的均衡关系，两个市场的信息处于不完全分割状 态。 0 3 研究思路、结