中国股市波动持续性的多维度实证剖析与理论洞察

中国股市波动持续性的多维度实证剖析与理论洞察一、引言1.1研究背景与意义在我国经济体系中，股票市场占据着举足轻重的地位。自1990年上海证券交易所和1991年深圳证券交易所相继成立以来，中国股市历经了多年的蓬勃发展，实现了从无到有、从小到大的巨大跨越，已经成为我国经济体系中不可或缺的重要组成部分。截至2023年底，我国A股上市公司数量已超过5000家，总市值位居全球前列，投资者开户数也达到数亿之多，股市的活跃度和影响力与日俱增。股市作为企业融资的重要渠道，为众多企业提供了关键的资金支持，助力企业扩大生产规模、进行技术创新，推动产业升级和经济结构调整。同时，股市也为投资者提供了多样化的投资选择，有助于优化社会资源配置，促进资本的有效流动。然而，中国股市自诞生以来，就呈现出显著的波动特征。股价在短期内的大幅涨跌屡见不鲜，这种波动不仅频繁，而且幅度较大。例如，在2020年初新冠疫情爆发之际，股市在短时间内大幅下跌，众多股票价格腰斩；而随着政府积极出台一系列抗疫和经济刺激政策，股市又迅速触底反弹，开启了一轮强劲的上涨行情。再如2021年新能源板块的火爆，投资者对新能源产业的未来发展前景充满乐观预期，大量资金涌入该板块，推动相关股票价格持续攀升，部分股票估值远超合理水平，市场出现明显的过热迹象。这些现象都表明，中国股市的波动受多种复杂因素影响，呈现出较大的不确定性。股市波动持续性是指股市波动在时间序列上表现出的延续性或记忆性，即过去的波动对未来波动具有一定的影响。如果股市波动存在持续性，意味着当前的市场波动状态可能会在未来一段时间内持续，投资者可以基于这种持续性对未来市场走势进行一定程度的预测。例如，当市场处于上涨趋势且波动具有持续性时，投资者可能会预期这种上涨趋势在短期内继续延续，从而调整投资策略，增加股票持仓；反之，当市场处于下跌趋势且波动持续时，投资者可能会选择减仓或离场，以规避风险。对于监管者来说，了解股市波动持续性有助于提前制定政策，稳定市场情绪，防范金融风险。在市场波动持续加剧时，监管者可以及时出台政策，加强市场监管，防止过度投机和市场恐慌的蔓延。研究中国股市波动持续性具有至关重要的意义，它能为投资者、监管者以及宏观经济决策提供多方面的重要参考。对于投资者而言，深入理解股市波动持续性是制定科学合理投资策略的关键。准确把握股市波动持续性，投资者可以更好地洞察市场走势，识别投资机会与风险。当市场波动呈现持续性上涨趋势时，投资者可以适时增加投资，获取更多收益；而当市场波动呈现持续性下跌趋势时，投资者能够及时调整投资组合，降低风险暴露。通过分析波动持续性，投资者还可以更准确地判断市场的转折点，避免在市场高位盲目追涨或在市场低位恐慌抛售。在市场波动持续稳定时，投资者可以采取长期投资策略，分享企业成长带来的红利；而在市场波动加剧且持续不稳定时，投资者则可以选择短期交易策略，灵活应对市场变化。从监管者的角度来看，研究股市波动持续性是维护金融市场稳定、制定有效监管政策的重要依据。监管者能够通过对波动持续性的监测，及时发现市场的异常波动和潜在风险，提前采取措施进行干预。当市场波动持续性增强，可能引发系统性风险时，监管者可以加强市场监管，规范市场秩序，打击违法违规行为，防止市场过度波动对投资者造成损害。监管者还可以根据波动持续性的变化，适时调整监管政策，优化市场结构，提高市场的抗风险能力。在市场波动持续稳定时，监管者可以推动市场创新，促进市场的健康发展；而在市场波动加剧且持续不稳定时，监管者则可以加强政策引导，稳定市场预期。在宏观经济层面，股市作为经济的“晴雨表”，其波动持续性与宏观经济运行密切相关。深入研究股市波动持续性，有助于准确把握宏观经济形势，为宏观经济政策的制定提供有力支持。当股市波动持续性与宏观经济走势一致时，政策制定者可以通过观察股市波动，及时了解宏观经济的运行状况，调整宏观经济政策，促进经济的稳定增长。当股市波动持续性与宏观经济走势背离时，政策制定者则需要深入分析原因，采取针对性的政策措施，修复股市与宏观经济之间的传导机制，确保经济的平稳运行。研究股市波动持续性还可以为宏观经济风险管理提供参考，帮助政策制定者提前防范金融风险，维护金融稳定。1.2研究目的与创新点本研究旨在运用先进的计量经济学方法，对中国股市波动持续性进行深入的实证分析，精准刻画其波动持续性特征，并剖析影响波动持续性的关键因素，为投资者、监管者以及宏观经济决策提供科学依据和有价值的参考。具体而言，通过构建合适的计量经济模型，如自回归条件异方差（ARCH）类模型、广义自回归条件异方差（GARCH）类模型以及长记忆性模型等，对中国股市的历史数据进行细致分析，准确度量股市波动持续性的程度和变化规律。深入探究宏观经济因素、政策因素、市场微观结构因素以及投资者行为因素等对股市波动持续性的影响机制，找出其中的关键驱动因素和传导路径。在创新点方面，本研究在数据来源上进行创新，不仅采用传统的股票价格和成交量数据，还融合宏观经济数据、政策变量数据以及投资者情绪指标数据等多源数据，全面反映影响股市波动持续性的各种因素，更准确地揭示股市波动持续性的内在机制。在研究方法上，采用多种计量经济模型进行对比分析，如将传统的GARCH模型与考虑了非对称效应的TGARCH模型、EGARCH模型进行对比，以及将基于短记忆假设的模型与能够捕捉长记忆性的FIGARCH模型、ARFIMA模型进行对比，从而选择最适合刻画中国股市波动持续性特征的模型，提高研究结果的可靠性和准确性。从研究视角来看，本研究从宏观经济、政策调控、市场微观结构以及投资者行为等多个维度综合分析股市波动持续性的影响因素，突破了以往研究仅从单一或少数几个因素进行分析的局限性，为深入理解股市波动持续性提供了更全面、更系统的视角。1.3研究方法与数据来源在研究方法上，本研究将综合运用多种计量经济学模型和分析方法，全面深入地探究中国股市波动持续性。自回归条件异方差（ARCH）类模型及其拓展形式，如广义自回归条件异方差（GARCH）模型、指数广义自回归条件异方差（EGARCH）模型、门限广义自回归条件异方差（TGARCH）模型等，这些模型能够有效捕捉金融时间序列的异方差性，精确刻画股市波动的集聚性和持续性特征。在传统GARCH模型中，条件方差不仅依赖于过去的残差平方，还依赖于过去的条件方差，能够很好地描述股市波动的持续性。而EGARCH模型则通过引入非对称项，能够捕捉到股市波动对正负消息的不同反应，即所谓的“杠杆效应”，这对于深入理解股市波动的内在机制具有重要意义。为了更准确地刻画中国股市波动持续性特征，本研究还将引入长记忆性模型，如分整自回归移动平均（ARFIMA）模型和分整广义自回归条件异方差（FIGARCH）模型等。这些模型能够捕捉到股市波动的长记忆性，即过去的波动对未来波动的长期影响，突破了传统模型仅考虑短期记忆的局限性，为研究股市波动持续性提供了更全面的视角。在数据来源方面，本研究主要从权威金融数据提供商获取中国股市的历史交易数据，包括股票价格、成交量等，以全面反映股市的波动情况。这些数据涵盖了上海证券交易所和深圳证券交易所的主要股票指数，如上证综指、深证成指等，时间跨度从1990年中国股市成立至今，确保了数据的完整性和代表性。为了深入探究宏观经济因素、政策因素、市场微观结构因素以及投资者行为因素等对股市波动持续性的影响，本研究还将收集宏观经济数据，如国内生产总值（GDP）增长率、通货膨胀率、利率等，这些数据能够反映宏观经济的运行状况和趋势，为分析宏观经济因素对股市波动持续性的影响提供基础。政策变量数据，如货币政策调整、财政政策变化等，这些数据能够反映政策对股市的调控作用，有助于分析政策因素对股市波动持续性的影响。投资者情绪指标数据，如新增投资者开户数、投资者信心指数等，这些数据能够反映投资者的心理和行为，为分析投资者行为因素对股市波动持续性的影响提供依据。在数据处理方面，首先对原始数据进行清洗，剔除异常值和缺失值，确保数据的准确性和可靠性。对于存在缺失值的数据，采用插值法、均值法等方法进行填补，以保证数据的完整性。对清洗后的数据进行标准化处理，将不同变量的数据转化为具有相同尺度的数值，消除量纲差异对研究结果的影响，提高模型的估计精度和稳定性。通过对数据进行对数变换、差分等操作，使其满足计量模型的假设条件，为后续的实证分析奠定坚实基础。二、文献综述2.1国外研究现状国外对于股市波动持续性的研究起步较早，可追溯至20世纪60年代。Fama（1965）在早期研究中观察到投机性价格的变化和收益率的变化具有稳定时期和易变时期，即价格波动呈现集群性，方差随时间变化，这一发现为后续股市波动持续性的研究奠定了基础。此后，众多学者围绕股市波动持续性展开了深入研究，研究方法和模型不断演进，研究内容也日益丰富。在研究初期，学者们主要致力于探索股市波动的基本特征。Engle（1982）提出的自回归条件异方差（ARCH）模型是该领域的重要突破。ARCH模型将方差和条件方差区分开来，并让条件方差作为过去误差的函数而变化，从而为解决异方差问题提供了新的途径，能够有效捕捉股市波动的集群性，即波动在某些时间段内相对较大，而在另一些时间段内相对较小的现象，这在一定程度上体现了股市波动的持续性特征。Bollerslev（1986）在此基础上提出了广义自回归条件异方差（GARCH）模型，该模型不仅考虑了过去的残差平方对条件方差的影响，还引入了过去条件方差的影响，使得模型能够更准确地刻画股市波动的持续性，大大提高了对股市波动特征的描述能力。此后，GARCH模型成为研究股市波动持续性的常用模型之一。随着研究的深入，学者们逐渐发现股市波动存在非对称效应，即市场对利好消息和利空消息的反应程度不同。Nelson（1991）提出的指数广义自回归条件异方差（EGARCH）模型能够很好地捕捉这种非对称效应。在EGARCH模型中，通过引入非对称项，使得模型能够更准确地描述金融产品价格波动对正负消息的不同反应，即所谓的“杠杆效应”。当市场出现利空消息时，股价下跌，投资者的风险厌恶程度增加，市场波动往往会加剧；而当市场出现利好消息时，股价上涨，投资者的风险偏好可能会提高，但波动的增加幅度相对较小。这种非对称效应的发现进一步丰富了对股市波动持续性的理解。为了更深入地研究股市波动持续性，学者们还引入了长记忆性模型。传统的时间序列模型如AR(p)、ARMA(p,q)、GARCH(p,q)等均假定时间序列服从I(0)分布，即远距离的观测值之间相互独立，自相关函数按照指数率快速地衰减，呈现短期记忆的特征。然而，越来越多的研究表明，金融时间序列往往存在长记忆性，即过去的波动对未来波动的影响会持续较长时间。Granger和Joyeux（1980）以及Hosking（1981）提出的分整自回归移动平均（ARFIMA）模型，允许时间序列存在分数阶差分，能够捕捉到时间序列的长记忆性。Baillie、Bollerslev和Mikkelsen（1996）提出的分整广义自回归条件异方差（FIGARCH）模型，则将长记忆性引入到GARCH模型中，使得模型能够更好地刻画股市波动的长记忆性特征。在FIGARCH模型中，条件方差的滞后项系数之和不再限制为1，从而能够更灵活地描述波动的持续性。除了模型的发展，国外学者还从多个角度对股市波动持续性的影响因素进行了研究。在宏观经济因素方面，许多研究表明，经济增长、通货膨胀率、利率水平等宏观经济指标与股市波动持续性密切相关。当经济增长强劲时，企业盈利预期上升，股市波动往往相对较小且具有一定的稳定性；而当经济衰退或不确定性增加时，股市波动可能会加剧且持续性增强。在市场微观结构因素方面，市场的流动性、交易成本、投资者结构等都会对股市波动持续性产生影响。市场流动性不足可能导致交易不顺畅，股价波动加剧且持续性增强；投资者结构中机构投资者比例的增加可能会使市场更加稳定，降低股市波动的持续性。在投资者行为因素方面，投资者的情绪、预期、风险偏好等也会对股市波动持续性产生重要影响。当投资者情绪乐观、预期市场上涨时，可能会大量买入股票，推动股价上涨，导致股市波动呈现一定的持续性；而当投资者情绪恐慌、预期市场下跌时，可能会大量抛售股票，引发股价下跌，同样会使股市波动的持续性增强。在研究成果方面，国外学者通过大量的实证研究，对不同国家和地区的股市波动持续性进行了深入分析。研究发现，不同国家和地区的股市波动持续性存在一定的差异，这与各国的宏观经济环境、市场制度、投资者结构等因素密切相关。美国股市波动持续性在不同时期呈现出不同的特征，在经济稳定增长时期，股市波动持续性相对较弱；而在经济危机时期，股市波动持续性显著增强。一些新兴市场国家的股市波动持续性往往较强，这可能与这些国家的市场制度不完善、投资者成熟度较低等因素有关。2.2国内研究现状国内对于股市波动持续性的研究起步相对较晚，但随着中国股市的快速发展，近年来相关研究成果不断涌现。早期的研究主要集中在对中国股市波动特征的初步探索以及对国外经典模型的应用和验证。史代敏（1998）运用ARCH模型对上海股市的波动性进行研究，发现上海股市收益率存在明显的ARCH效应，即波动具有集群性，过去的波动对未来波动有显著影响，这初步揭示了中国股市波动持续性的存在。此后，许多学者在ARCH模型的基础上，进一步引入GARCH族模型进行研究。赵留彦和王一鸣（2003）采用GARCH模型对中国股市收益率进行分析，发现中国股市波动具有明显的持续性和聚集性，并且存在显著的非对称效应，即坏消息对股市波动的影响大于好消息，这与国外研究中发现的“杠杆效应”一致。随着研究的深入，国内学者开始关注股市波动持续性的影响因素。在宏观经济因素方面，许多研究表明，国内生产总值（GDP）增长率、通货膨胀率、利率等宏观经济指标与中国股市波动持续性密切相关。孙华妤和马跃（2003）通过实证研究发现，宏观经济变量对中国股市收益率波动有显著影响，GDP增长率与股市收益率呈正相关，通货膨胀率与股市收益率呈负相关，这些因素的变化会导致股市波动持续性的改变。在政策因素方面，中国股市具有明显的“政策市”特征，政策的调整对股市波动持续性产生重要影响。伍旭川和何鹏（2005）研究发现，货币政策的调整，如利率变动、货币供应量变化等，会对股市波动产生显著影响，进而影响股市波动持续性。政府出台的产业政策、监管政策等也会改变市场预期和投资者行为，从而对股市波动持续性产生作用。在市场微观结构因素方面，国内学者也进行了大量研究。市场的流动性、交易成本、投资者结构等都会对股市波动持续性产生影响。王春峰和韩冬（2002）研究发现，市场流动性与股市波动呈负相关，流动性不足会导致股市波动加剧且持续性增强；投资者结构中机构投资者比例的增加有助于稳定市场，降低股市波动的持续性。在投资者行为因素方面，投资者的情绪、预期、风险偏好等也会对股市波动持续性产生重要影响。饶育蕾和刘达锋（2003）通过构建投资者情绪指数，研究发现投资者情绪与股市波动存在显著的正相关关系，投资者情绪的波动会导致股市波动持续性的变化。当投资者情绪乐观时，可能会大量买入股票，推动股价上涨，使股市波动呈现一定的持续性；而当投资者情绪恐慌时，可能会大量抛售股票，引发股价下跌，同样会增强股市波动的持续性。近年来，随着计量经济学方法和技术的不断发展，国内学者在研究股市波动持续性时，开始引入一些新的模型和方法。在长记忆性模型方面，王春峰和张庆翠（2003）采用ARFIMA模型对中国股市收益率进行研究，发现中国股市收益率存在长记忆性，过去的波动对未来波动的影响会持续较长时间。俞婕（2009）运用分整SETAR模型研究中国股市波动的变动长期记忆性特征，发现中国股市波动性过程为平稳的且具有长期记忆性，并且不同波动对应的长期记忆性不同，波动变大时长期记忆性增强。在高频数据和已实现波动率方面，许多学者利用高频分时数据估计波动率，得到已实现波动率，并对其特征和预测进行研究。华仁海和仲伟俊（2004）采用高频数据对中国股市的波动性进行研究，发现已实现波动率具有良好的预测能力，能够更准确地反映股市波动的实际情况。然而，目前国内研究仍存在一些不足之处。部分研究在模型选择和应用上存在一定的局限性，未能充分考虑中国股市的特殊情况和复杂特征。一些研究仅采用单一模型进行分析，缺乏不同模型之间的对比和验证，导致研究结果的可靠性和准确性有待提高。在影响因素的研究方面，虽然已经取得了一些成果，但各因素之间的相互作用机制以及它们对股市波动持续性的综合影响仍有待进一步深入研究。由于中国股市的发展历程相对较短，数据样本量有限，这也在一定程度上限制了研究的深度和广度。未来的研究需要进一步拓展数据来源和时间跨度，综合运用多种模型和方法，深入探究股市波动持续性的内在机制和影响因素，为中国股市的健康发展提供更有力的理论支持和实践指导。2.3文献评述国内外学者在股市波动持续性研究领域取得了丰硕成果，研究范围涵盖股市波动的特征刻画、影响因素分析以及模型构建与应用等多个方面，为后续研究奠定了坚实基础。然而，现有研究仍存在一定的局限性，有待进一步拓展和深化。在模型研究方面，虽然ARCH类模型及其拓展形式在刻画股市波动持续性方面取得了显著进展，但这些模型在实际应用中仍存在一些不足。传统的GARCH模型假设条件方差对正负冲击的反应是对称的，然而在现实股市中，市场对利好消息和利空消息的反应往往存在非对称性，这使得传统GARCH模型无法准确捕捉这种非对称效应。EGARCH模型和TGARCH模型虽然能够考虑非对称效应，但在模型的设定和估计过程中，可能会受到一些假设条件的限制，导致模型的适应性和准确性受到一定影响。长记忆性模型如ARFIMA和FIGARCH等，虽然能够捕捉到股市波动的长记忆性特征，但这些模型的参数估计较为复杂，对数据的要求也较高，在实际应用中存在一定的困难。不同模型之间的比较和选择缺乏统一的标准，导致研究结果的可靠性和可比性受到一定影响。在影响因素研究方面，虽然已有研究对宏观经济因素、政策因素、市场微观结构因素以及投资者行为因素等对股市波动持续性的影响进行了探讨，但各因素之间的相互作用机制以及它们对股市波动持续性的综合影响仍有待深入研究。宏观经济因素与政策因素之间可能存在相互关联和相互影响，它们共同作用于股市波动持续性的具体机制尚未完全明确。市场微观结构因素与投资者行为因素之间也可能存在复杂的交互关系，这些因素如何共同影响股市波动持续性，还需要进一步的实证研究和理论分析。现有研究在分析影响因素时，往往侧重于单一因素或少数几个因素的作用，缺乏对多因素综合影响的系统分析，难以全面揭示股市波动持续性的内在机制。在研究视角方面，现有研究大多从金融市场自身的角度出发，对股市波动持续性进行分析，而较少考虑股市与其他经济系统之间的关联和互动。股市作为经济体系的重要组成部分，其波动持续性不仅受到自身内部因素的影响，还与宏观经济、实体经济、国际金融市场等外部因素密切相关。在经济全球化的背景下，国际金融市场的波动对中国股市的影响日益显著，然而现有研究对国际金融市场波动对中国股市波动持续性的传导机制和影响程度的研究还相对较少。股市与实体经济之间存在着紧密的联系，实体经济的发展状况会对股市波动持续性产生重要影响，反之亦然，但现有研究在这方面的探讨还不够深入。针对以上不足，未来的研究可以从以下几个方面展开拓展和深化。在模型研究方面，进一步改进和完善现有模型，提高模型对股市波动持续性的刻画能力。探索新的模型和方法，以更好地捕捉股市波动的复杂特征，如非对称效应、长记忆性以及波动的结构变化等。加强不同模型之间的比较和验证，建立统一的模型选择标准，提高研究结果的可靠性和准确性。在影响因素研究方面，深入探究各因素之间的相互作用机制，综合考虑宏观经济因素、政策因素、市场微观结构因素以及投资者行为因素等对股市波动持续性的综合影响。采用多变量分析方法和系统动力学模型等，对多因素之间的复杂关系进行定量分析，全面揭示股市波动持续性的内在机制。从更广泛的研究视角出发，加强股市与其他经济系统之间的关联研究。深入分析国际金融市场波动对中国股市波动持续性的影响，探讨国际金融市场与中国股市之间的波动传导机制和风险溢出效应。加强股市与实体经济之间的互动研究，分析实体经济的发展状况对股市波动持续性的影响，以及股市波动对实体经济的反馈作用。通过拓展研究视角，能够更全面地理解股市波动持续性的形成和变化规律，为投资者、监管者以及宏观经济决策提供更有价值的参考依据。三、中国股市波动持续性的理论基础3.1股市波动相关概念股市波动是指股票市场价格在一定时间内的上下变动情况，它是股票市场运行的一种常态。股票价格受到多种因素的综合影响，包括宏观经济状况、公司基本面、投资者情绪、政策变化等，这些因素的动态变化导致了股价的不断波动。从宏观经济层面来看，当经济增长强劲时，企业盈利预期增加，投资者对股票的需求上升，推动股价上涨；反之，当经济衰退时，企业盈利面临压力，投资者信心受挫，股价往往下跌。在2008年全球金融危机期间，宏观经济形势恶化，中国股市大幅下跌，许多股票价格腰斩。公司的业绩表现、财务状况、管理层能力等基本面因素也会对股价产生重要影响。一家公司如果业绩持续增长、财务状况稳健，其股票往往受到投资者青睐，股价有望上涨；而如果公司出现业绩下滑、财务造假等负面事件，股价则可能大幅下跌。投资者情绪对股市波动的影响也不容忽视，当投资者情绪乐观时，他们更倾向于买入股票，推动股价上涨；而当投资者情绪恐慌时，会纷纷抛售股票，引发股价下跌。政策变化，如货币政策、财政政策、产业政策等的调整，也会对股市产生直接或间接的影响，导致股价波动。波动性是对股市波动程度的量化度量，它反映了股票价格变动的不确定性和风险水平。在金融市场中，常用的波动性度量指标有标准差、方差、波动率指数等。标准差是一种广泛应用的波动性度量指标，它衡量了股票收益率偏离其均值的程度。标准差越大，说明股票价格的波动越大，风险也就越高；反之，标准差越小，股票价格相对稳定，风险较低。在计算某只股票的标准差时，首先需要获取该股票在一定时间内的收益率数据，然后计算这些收益率的均值，再计算每个收益率与均值的差值的平方，将这些平方值相加并除以数据个数，最后对结果取平方根，得到的就是该股票收益率的标准差。方差是标准差的平方，它同样可以用来衡量股票价格的波动程度。波动率指数（如VIX）则是一种衡量市场对未来波动性预期的指标，它通常基于期权价格计算得出。当波动率指数上升时，表明市场对未来的不确定性增加，投资者预期股市波动将加剧；反之，当波动率指数下降时，说明市场对未来的预期较为稳定，股市波动可能减小。波动持续性是指股市波动在时间序列上表现出的延续性或记忆性，即过去的波动对未来波动具有一定的影响。当股市波动存在持续性时，意味着当前的市场波动状态可能会在未来一段时间内持续，市场在经历一段高波动时期后，后续可能仍会保持较高的波动水平；而在经历一段低波动时期后，后续波动水平也可能相对较低。波动持续性的存在使得投资者可以根据过去的波动信息对未来市场走势进行一定程度的预测，为投资决策提供参考。如果市场在过去一段时间内一直处于高波动状态，且波动具有持续性，那么投资者在未来短期内可能需要更加谨慎地进行投资，控制风险；反之，如果市场波动持续较低，投资者可能会适当增加投资风险偏好。波动持续性的度量通常通过自相关函数、偏自相关函数以及一些时间序列模型来实现。自相关函数可以衡量时间序列中不同时刻数据之间的相关性，通过计算股市波动序列的自相关函数，可以判断过去的波动对当前波动的影响程度。如果自相关函数在较长时间内保持较高的值，说明波动持续性较强；反之，如果自相关函数迅速衰减为零，说明波动持续性较弱。偏自相关函数则可以在控制其他中间时刻数据的影响后，衡量两个特定时刻数据之间的相关性，它对于准确判断波动持续性的阶数具有重要作用。一些时间序列模型，如自回归条件异方差（ARCH）类模型、广义自回归条件异方差（GARCH）类模型等，也可以用于刻画股市波动的持续性特征。在GARCH模型中，通过引入过去的条件方差和残差平方项，能够很好地描述股市波动的持续性，即当前的条件方差不仅依赖于过去的残差平方，还依赖于过去的条件方差，反映了过去的波动对未来波动的影响。3.2波动持续性的理论解释在金融时间序列分析中，自回归条件异方差（ARCH）模型和广义自回归条件异方差（GARCH）模型是解释股市波动持续性的重要理论工具，它们从不同角度深入刻画了波动的聚集性和持续性特征。ARCH模型由Engle于1982年提出，该模型的核心思想是将方差和条件方差区分开来，并让条件方差作为过去误差的函数而变化，以此来解决异方差问题。在ARCH模型中，假设时间序列的条件方差依赖于过去的残差平方。对于股市收益率序列r_t，其均值方程可表示为：r_t=\mu+\varepsilon_t其中，\mu为均值，\varepsilon_t为随机误差项。方差方程则为：\sigma_t^2=\omega+\sum_{i=1}^{p}\alpha_i\varepsilon_{t-i}^2这里，\sigma_t^2是t时刻的条件方差，\omega是常数项，\alpha_i是ARCH系数，\varepsilon_{t-i}^2是t-i时刻的残差平方，p是ARCH模型的阶数。ARCH模型通过引入滞后残差平方项\varepsilon_{t-i}^2，能够有效捕捉到股市波动的聚集性。当\alpha_i显著不为零时，说明过去的波动对当前波动有显著影响，即股市波动存在持续性。如果前一时期出现较大的波动（\varepsilon_{t-i}^2较大），那么根据ARCH模型的方差方程，当前时期的条件方差\sigma_t^2也会较大，从而导致当前时期的波动也较大，体现了波动的持续性。ARCH模型在描述波动持续性时也存在一定的局限性，它对滞后残差平方项的依赖使得模型阶数p的选择较为困难，若p取值不当，可能会影响模型的拟合效果和对波动持续性的刻画能力。为了克服ARCH模型的局限性，Bollerslev于1986年提出了GARCH模型。GARCH模型在ARCH模型的基础上，进一步引入了过去条件方差的影响，使得模型能够更准确地刻画股市波动的持续性。GARCH模型的均值方程与ARCH模型相同，为r_t=\mu+\varepsilon_t，其方差方程为：\sigma_t^2=\omega+\sum_{i=1}^{p}\alpha_i\varepsilon_{t-i}^2+\sum_{j=1}^{q}\beta_j\sigma_{t-j}^2其中，\beta_j是GARCH系数，\sigma_{t-j}^2是t-j时刻的条件方差，q是GARCH模型的阶数。在GARCH模型中，当前的条件方差不仅取决于过去的残差平方（反映新息冲击的短期影响），还依赖于过去的条件方差（度量波动率的长期记忆效应）。\sum_{i=1}^{p}\alpha_i衡量了波动的短期持续性，即新息冲击对波动的短期影响程度；\sum_{j=1}^{q}\beta_j则衡量了波动的长期持续性，体现了过去的波动状态对当前波动的长期影响。当\sum_{i=1}^{p}\alpha_i+\sum_{j=1}^{q}\beta_j接近1时，说明波动的持续性很强，过去的波动对未来波动的影响会持续较长时间；当\sum_{i=1}^{p}\alpha_i+\sum_{j=1}^{q}\beta_j远小于1时，波动的持续性较弱，过去的波动对未来波动的影响会迅速衰减。在实际应用中，GARCH(1,1)模型是最常用的形式，其方差方程为\sigma_t^2=\omega+\alpha\varepsilon_{t-1}^2+\beta\sigma_{t-1}^2，该模型能够在一定程度上平衡模型的复杂度和对波动持续性的刻画能力，在多数金融市场中表现出较好的拟合效果。除了ARCH和GARCH模型，后续还发展出了一系列拓展模型，如EGARCH模型、TGARCH模型等，这些模型进一步考虑了股市波动的非对称效应，即市场对利好消息和利空消息的不同反应，从而更全面地解释了股市波动持续性的特征。在股票市场中，当出现利空消息时，股价下跌，投资者的风险厌恶程度增加，市场波动往往会加剧；而当出现利好消息时，股价上涨，投资者的风险偏好可能会提高，但波动的增加幅度相对较小，这种非对称效应在EGARCH模型和TGARCH模型中得到了很好的体现，使得模型对股市波动持续性的解释更加符合实际市场情况。3.3影响股市波动持续性的因素分析股市波动持续性受多种因素的综合影响，这些因素相互交织，共同作用于股市的运行，深刻影响着股市波动的持续性特征。下面将从宏观经济、政策、市场参与者行为和国际市场等方面进行深入分析。3.3.1宏观经济因素宏观经济状况是影响股市波动持续性的重要基础因素，与股市波动密切相关。经济增长作为宏观经济的核心指标，对股市波动持续性有着显著影响。当经济处于增长阶段时，企业的销售额和利润往往会随之增加。在经济快速发展时期，消费类企业受益于市场需求的旺盛，销售额大幅攀升，利润也相应提高，这为企业的股价上涨提供了坚实的支撑。良好的经济增长预期会增强投资者的信心，使他们更愿意投资股票市场。投资者对企业未来盈利能力的乐观预期促使他们增加对股票的需求，进而推动股价上升，使得股市波动在一定程度上呈现出持续性。当经济增长放缓或出现衰退迹象时，企业面临需求减少、库存积压等问题，利润下滑，股价也会受到负面影响。投资者信心受挫，纷纷抛售股票，导致股市波动加剧且持续性增强。在2008年全球金融危机期间，经济衰退引发股市大幅下跌，波动持续加剧，许多股票价格暴跌，市场恐慌情绪蔓延。通货膨胀对股市波动持续性的影响较为复杂。适度的通货膨胀可以刺激消费和企业投资，从而推动经济增长和股市上涨。在通货膨胀环境下，企业可以提高产品价格，增加销售收入，如果企业的成本上升幅度小于产品价格上升幅度，企业的利润就会增加，进而推动股价上涨，使得股市波动呈现出一定的持续性。当通货膨胀过高时，会导致货币贬值，增加企业成本，降低企业利润，进而影响股市表现。过高的通货膨胀还可能引发央行采取紧缩性的货币政策，如提高利率、减少货币供应量等，这些政策会对股票市场产生负面影响，导致股价下跌，股市波动加剧且持续性增强。如果通货膨胀率持续高于央行设定的目标，央行可能会提高利率以控制通胀，这会增加企业的借贷成本，抑制股市增长，使股市波动的持续性发生改变。利率水平的变动对股市波动持续性有着直接且重要的影响。利率是资金的价格，较低的利率意味着企业融资成本降低。企业可以以较低的利息支出获得资金用于扩大生产、研发新产品等，从而提高企业的盈利能力，推动股价上涨，使股市波动在一定程度上保持稳定或呈现出持续性上涨的趋势。当央行降低基准利率时，企业的贷款利率也随之下降，降低了企业的财务费用，增加了净利润，这会促使股价上涨。利率还会影响资金在不同资产之间的配置。当利率上升时，债券等固定收益类资产的收益率提高，对投资者的吸引力增加，部分资金会从股票市场流向债券市场，导致股票价格下跌，股市波动加剧且持续性增强。而当利率下降时，债券的吸引力下降，投资者会将资金从债券市场转移到股票市场，推动股价上涨，股市波动的持续性也会相应发生变化。3.3.2政策因素在中国股市，政策因素对股市波动持续性有着至关重要的影响，股市具有明显的“政策市”特征。货币政策是宏观经济调控的重要手段之一，对股市波动持续性产生着直接而显著的影响。央行通过调整货币供应量和利率来影响经济和股市。当央行实行宽松的货币政策，增加货币供应量时，市场上的资金变得更加充裕，利率下降，企业的融资环境改善，投资者的资金也更加充足，这会刺激股票市场的需求，推动股价上涨，使得股市波动在一定时期内呈现出持续性的上涨趋势。降低利率可以降低企业融资成本，刺激投资和消费，从而推动股市上涨。相反，当央行实行紧缩的货币政策，减少货币供应量时，市场资金紧张，利率上升，对股票市场产生压力，股价下跌，股市波动加剧且持续性增强。如果央行提高利率，资金成本上升，企业融资难度加大，股市会受到压力，波动的持续性也会发生改变。财政政策也是影响股市波动持续性的重要政策因素。财政政策通过调整政府支出和税收来影响经济和股市。增加政府支出可以刺激经济增长，提升企业盈利预期，股市因此受益，推动股价上涨，使股市波动呈现出一定的持续性。政府加大对基础设施建设、新兴产业等领域的投资，会带动相关产业的发展，提高这些产业的企业的盈利预期，从而推动其股价上涨。税收政策的变化会直接影响企业的盈利水平和投资者的投资收益。降低企业所得税可以增加企业的净利润，提高企业的盈利能力，从而推动股价上涨，稳定股市波动的持续性；而提高个人所得税可能会减少投资者的可支配收入，降低其投资股票的能力和意愿，对股价产生不利影响，改变股市波动的持续性。股市监管政策的调整对股市波动持续性也有着重要影响。证券市场的监管政策直接影响市场的公平性和透明度，进而影响投资者的信心。严格的监管政策可以减少市场操纵和内幕交易，增强市场稳定性，有利于长期投资，使股市波动的持续性更加稳定。加强对上市公司信息披露的监管，确保信息的真实、准确、完整和及时，能够提高市场的透明度，增强投资者的信心，稳定股市波动的持续性。而监管政策的宽松或漏洞可能导致市场秩序混乱，投资者信心受挫，股市波动加剧且持续性增强。如果对市场操纵行为监管不力，可能会引发市场的异常波动，影响股市波动的持续性。3.3.3市场参与者行为因素市场参与者的行为对股市波动持续性有着不可忽视的影响，投资者的情绪、预期和交易行为等都会导致股市波动的变化。投资者情绪是影响股市波动持续性的重要因素之一。当投资者情绪乐观时，他们对市场前景充满信心，更倾向于买入股票，推动股价上涨，使得股市波动呈现出持续性的上涨趋势。在市场行情较好时，投资者情绪高涨，大量资金涌入股市，推动股价不断攀升，股市波动在乐观情绪的影响下持续向上。相反，当投资者情绪恐慌时，他们对市场前景感到担忧，会纷纷抛售股票，引发股价下跌，股市波动加剧且持续性增强。在市场出现重大利空消息或不确定性增加时，投资者情绪恐慌，大量抛售股票，导致股价暴跌，股市波动持续加剧。投资者的情绪还具有传染性，个别投资者的情绪变化可能会引发群体行为，进一步放大股市波动的持续性。投资者预期对股市波动持续性也有着重要影响。投资者会根据各种信息和自身的判断形成对股市未来走势的预期，这些预期会影响他们的投资决策，进而影响股市波动的持续性。如果投资者预期股市未来将上涨，他们会增加对股票的需求，推动股价上涨，使得股市波动在预期的影响下呈现出持续性的上涨趋势。而如果投资者预期股市未来将下跌，他们会减少对股票的需求或抛售股票，导致股价下跌，股市波动加剧且持续性增强。投资者对宏观经济形势、政策变化、企业业绩等因素的预期都会影响他们对股市的判断和投资决策，从而影响股市波动的持续性。如果投资者预期宏观经济将复苏，企业业绩将改善，他们会对股市持乐观态度，增加投资，推动股市波动持续向上；反之，如果投资者预期宏观经济将衰退，企业业绩将下滑，他们会对股市持悲观态度，减少投资或抛售股票，导致股市波动持续向下。机构投资者在股市中具有较大的资金规模和专业的投资能力，他们的投资行为对股市波动持续性有着重要影响。机构投资者的投资策略和交易行为相对较为理性和成熟，但在某些情况下，他们的行为也可能加剧股市波动的持续性。机构投资者可能会采用趋势投资策略，当市场出现上涨趋势时，他们会加大投资，推动股价进一步上涨，使得股市波动的持续性增强；而当市场出现下跌趋势时，他们可能会减少投资或抛售股票，加剧股价下跌，同样增强股市波动的持续性。机构投资者的资金流动也会对股市波动持续性产生影响。如果大量机构投资者同时买入或卖出股票，会导致市场供求关系发生变化，从而影响股价和股市波动的持续性。在市场热点板块出现时，大量机构投资者资金涌入该板块，推动相关股票价格持续上涨，股市波动在资金的推动下呈现出持续性的变化；而当机构投资者集体撤离某个板块时，会导致该板块股票价格下跌，股市波动的持续性也会相应改变。3.3.4国际市场因素在经济全球化和金融市场日益开放的背景下，国际市场因素对中国股市波动持续性的影响日益显著。国际经济形势的变化会对中国股市产生重要影响。全球经济增长的放缓或衰退会导致中国出口企业面临需求减少、订单下降等问题，企业利润下滑，股价受到负面影响，从而加剧中国股市波动的持续性。在全球经济增长乏力的情况下，中国的出口型企业业绩受到冲击，相关股票价格下跌，带动股市整体波动加剧且持续性增强。国际经济形势的不确定性也会增加投资者的担忧，导致他们对股市的信心下降，纷纷抛售股票，进一步加剧股市波动的持续性。全球贸易摩擦的加剧会影响中国的对外贸易和经济增长，引发投资者对股市的担忧，导致股市波动持续加剧。国际金融市场的波动对中国股市波动持续性也有着重要的传导作用。国际金融市场的波动，如股票市场、债券市场、外汇市场等的波动，会通过多种渠道影响中国股市。当国际股票市场出现大幅下跌时，会引发全球投资者的恐慌情绪，这种情绪会传导至中国股市，导致投资者纷纷抛售股票，股市波动加剧且持续性增强。国际债券市场的利率变动也会影响中国股市。如果国际债券市场利率上升，会吸引全球资金流向债券市场，导致股票市场资金流出，股价下跌，股市波动持续性发生改变。外汇市场的波动也会对中国股市产生影响。人民币汇率的波动会影响外资的流入和流出，进而影响股市的资金供求关系和股价。如果人民币贬值，可能会导致外资流出，股市资金减少，股价下跌，股市波动加剧且持续性增强；而人民币升值则可能吸引外资流入，推动股价上涨，影响股市波动的持续性。国际资本流动对中国股市波动持续性也有着重要影响。随着中国金融市场的不断开放，国际资本对中国股市的参与度逐渐提高，国际资本的流入和流出会对股市资金供求关系和股价产生重要影响，从而影响股市波动的持续性。当国际资本大量流入中国股市时，会增加股市的资金供给，推动股价上涨，使得股市波动在资金的推动下呈现出持续性的上涨趋势。外资通过沪港通、深港通等渠道大量买入中国股票，会推动相关股票价格上涨，带动股市整体波动向上。相反，当国际资本大量流出中国股市时，会减少股市的资金供给，导致股价下跌，股市波动加剧且持续性增强。在国际经济形势不稳定或国内经济出现问题时，国际资本可能会撤离中国股市，引发股价下跌，股市波动持续加剧。四、中国股市波动持续性的实证研究设计4.1数据选取与预处理为了深入研究中国股市波动持续性，本研究选取具有代表性的沪深300指数作为主要研究对象。沪深300指数由上海和深圳证券市场中市值大、流动性好的300只A股组成，覆盖了多个行业，能够综合反映中国A股市场整体表现，其成分股涵盖金融、消费、科技、能源等多个重要领域，具有广泛的市场代表性。与其他指数相比，沪深300指数的市值占比较高，交易活跃度也较高，能够更准确地反映市场的整体波动情况，为研究股市波动持续性提供更可靠的数据基础。本研究的数据时间跨度从2010年1月1日至2023年12月31日，选择这一时间区间主要基于以下考虑：2010年之后，中国股市经历了一系列的发展和变革，市场制度不断完善，投资者结构逐渐优化，市场的有效性和稳定性不断提高，这一时期的数据能够更好地反映中国股市在相对成熟阶段的波动特征。在这期间，中国股市经历了多次重大事件，如2015年的股灾、2018年的中美贸易摩擦以及2020年新冠疫情的冲击等，这些事件对股市波动产生了重要影响，通过研究这一时期的数据，可以更全面地分析各种因素对股市波动持续性的影响。数据来源主要包括权威金融数据提供商，如万得资讯（Wind）、同花顺iFind等。这些数据提供商拥有丰富的金融数据资源，能够提供准确、及时、全面的股市交易数据以及宏观经济数据等。通过这些数据提供商获取的数据，具有较高的可信度和可靠性，能够满足本研究的需求。从万得资讯获取沪深300指数的每日收盘价、成交量等数据，这些数据是研究股市波动持续性的基础。还从该平台获取国内生产总值（GDP）增长率、通货膨胀率、利率等宏观经济数据，以及货币政策调整、财政政策变化等政策变量数据，这些数据对于分析宏观经济因素和政策因素对股市波动持续性的影响至关重要。在获取原始数据后，需要进行数据清洗和预处理，以确保数据的质量和可靠性。数据清洗主要包括以下几个方面：对于缺失值，采用插值法进行填补。如果某一天的沪深300指数收盘价缺失，可以根据前后交易日的收盘价，利用线性插值法或三次样条插值法等方法进行估计和填补，以保证数据的完整性。对于异常值，采用Z-score法进行识别和处理。计算每个数据点与均值的偏离程度，如果某个数据点的Z-score值超过一定阈值（通常为3），则将其视为异常值，对异常值进行修正或删除，以避免其对研究结果产生干扰。还对数据进行了一致性检查，确保不同数据源的数据在时间、指标定义等方面保持一致，避免出现数据矛盾或冲突的情况。数据预处理主要包括以下步骤：对数据进行标准化处理，采用Z-score标准化方法，将数据转化为均值为0、标准差为1的标准正态分布，消除量纲差异对研究结果的影响，使不同变量的数据具有可比性。对沪深300指数的收盘价进行对数收益率计算，以消除价格序列的异方差性，使其更符合计量模型的假设条件。对数收益率的计算公式为：r_t=\ln(P_t/P_{t-1})，其中r_t为t时刻的对数收益率，P_t为t时刻的收盘价，P_{t-1}为t-1时刻的收盘价。通过数据清洗和预处理，得到了高质量的数据，为后续的实证分析奠定了坚实的基础。4.2研究模型选择在研究中国股市波动持续性时，常用的模型包括ARCH模型、GARCH模型及其拓展形式，如EGARCH模型、TGARCH模型等，这些模型各有特点和适用场景。ARCH模型能够有效捕捉金融时间序列的异方差性，通过让条件方差作为过去误差的函数而变化，较好地刻画了波动的集聚性，体现了股市波动的持续性特征。ARCH模型在处理高阶滞后项时，会面临参数过多的问题，导致模型估计的难度增加，且对波动持续性的刻画能力相对有限。当ARCH模型的阶数较高时，参数估计的准确性会受到影响，可能无法准确反映波动持续性的真实情况。GARCH模型是在ARCH模型基础上发展而来，它不仅考虑了过去的残差平方对条件方差的影响，还引入了过去条件方差的影响，大大提高了对股市波动持续性的刻画能力。GARCH模型能够更准确地描述波动的长期记忆效应，在实际应用中表现出较好的效果。GARCH模型假设条件方差对正负冲击的反应是对称的，然而在现实股市中，市场对利好消息和利空消息的反应往往存在非对称性，这使得GARCH模型在捕捉这种非对称效应时存在局限性。EGARCH模型通过引入非对称项，能够很好地捕捉股市波动的非对称效应，即市场对正负消息的不同反应，也就是所谓的“杠杆效应”。当市场出现利空消息时，股价下跌，投资者的风险厌恶程度增加，市场波动往往会加剧；而当市场出现利好消息时，股价上涨，投资者的风险偏好可能会提高，但波动的增加幅度相对较小。EGARCH模型在刻画股市波动持续性时，能够更全面地考虑市场的实际情况，提高了模型的拟合效果和对波动持续性的解释能力。EGARCH模型在模型设定和估计过程中，可能会受到一些假设条件的限制，例如对误差项分布的假设等，这可能会影响模型的适应性和准确性。TGARCH模型同样考虑了股市波动的非对称效应，它通过引入门限变量，对正负冲击分别设置不同的系数，从而更准确地描述市场对利好消息和利空消息的不同反应。TGARCH模型在处理非对称效应时具有一定的优势，能够更细致地刻画股市波动的特征。与EGARCH模型类似，TGARCH模型在实际应用中也可能会受到一些假设条件的约束，对数据的要求较高，在样本量较小或数据质量不高的情况下，模型的估计结果可能会存在偏差。综合考虑各种模型的特点和适用场景，以及中国股市的实际情况，本研究选择EGARCH模型进行实证分析。中国股市具有明显的“政策市”特征，市场对政策消息的反应较为敏感，且存在显著的“杠杆效应”，即利空消息对股市波动的影响大于利好消息。EGARCH模型能够很好地捕捉这种非对称效应，更准确地刻画中国股市波动持续性的特征。在面对重大政策调整或市场突发事件时，EGARCH模型可以更有效地分析市场对不同性质消息的反应，从而为研究中国股市波动持续性提供更有力的支持。与其他模型相比，EGARCH模型在考虑非对称效应的，对波动持续性的刻画也具有较好的效果，能够综合反映中国股市波动的复杂特征。4.3实证研究步骤在完成数据选取与预处理以及研究模型选择后，本研究将按照以下步骤进行实证分析，以深入探究中国股市波动持续性。首先进行数据平稳性检验，这是确保后续实证分析有效性的关键前提。时间序列数据的平稳性至关重要，若数据不平稳，可能会导致“伪回归”问题，使实证结果出现偏差，无法准确反映变量之间的真实关系。因此，本研究采用单位根检验中的ADF（AugmentedDickey-Fuller）检验方法，对沪深300指数的对数收益率序列进行平稳性检验。ADF检验通过构建回归方程，将被检验序列的差分与该序列的滞后值、常数项以及时间趋势项进行回归，根据检验统计量与临界值的比较来判断序列是否平稳。若ADF检验统计量小于相应的临界值，则拒绝原假设，表明序列不存在单位根，是平稳的；反之，则认为序列存在单位根，是非平稳的。在对沪深300指数对数收益率序列进行ADF检验时，需仔细设定检验模型，包括是否包含常数项和时间趋势项。根据数据的实际特点和经济意义，合理选择检验模型，以确保检验结果的准确性。若检验结果表明数据不平稳，将采取相应的处理方法，如进行差分处理，使数据满足平稳性要求后再进行后续分析。在数据平稳性检验通过后，进行模型估计。本研究选用EGARCH模型对中国股市波动持续性进行估计。EGARCH模型的均值方程设定为：r_t=\mu+\varepsilon_t其中，r_t为t时刻的对数收益率，\mu为常数项，代表收益率的均值水平，\varepsilon_t为随机误差项，反映了收益率的随机波动部分。方差方程设定为：\ln(\sigma_t^2)=\omega+\sum_{i=1}^{p}\beta_i\ln(\sigma_{t-i}^2)+\sum_{i=1}^{p}\gamma_i\frac{|\varepsilon_{t-i}|}{\sqrt{\sigma_{t-i}^2}}+\sum_{i=1}^{p}\delta_i\frac{\varepsilon_{t-i}}{\sqrt{\sigma_{t-i}^2}}在方差方程中，\omega为常数项，反映了条件方差的长期平均水平；\beta_i为条件方差的滞后项系数，衡量了过去的波动对当前波动的长期影响，体现了波动的持续性；\gamma_i为非对称项系数，用于捕捉股市波动对正负消息的不同反应，即“杠杆效应”；\delta_i为非对称项系数，进一步细化了对非对称效应的刻画。\frac{|\varepsilon_{t-i}|}{\sqrt{\sigma_{t-i}^2}}为标准化的绝对残差项，反映了新息冲击的大小；\frac{\varepsilon_{t-i}}{\sqrt{\sigma_{t-i}^2}}为标准化的残差项，用于区分正负消息对波动的影响。在进行模型估计时，采用极大似然估计法（MLE）来估计EGARCH模型的参数。极大似然估计法的基本思想是，在给定样本数据的情况下，寻找一组参数值，使得样本数据出现的概率最大。通过构建似然函数，并对其进行求导和优化，得到模型参数的估计值。在估计过程中，利用专业的计量经济学软件，如EViews、Stata等，以提高估计的准确性和效率。在EViews软件中，通过输入对数收益率数据，选择EGARCH模型，并设置相应的参数选项，即可得到模型的估计结果，包括参数估计值、标准误差、t统计量、p值等。模型估计完成后，对结果进行分析。主要从以下几个方面展开：一是分析模型参数的估计结果，判断各参数的显著性和经济意义。\beta_i系数反映了波动的持续性，若\beta_i显著且较大，说明过去的波动对当前波动的影响较强，股市波动具有较强的持续性；\gamma_i和\delta_i系数用于检验股市波动的非对称效应，若\gamma_i和\delta_i显著不为零，说明股市对利好消息和利空消息的反应存在差异，存在“杠杆效应”。二是通过分析条件方差序列，观察股市波动的动态变化情况。条件方差序列能够直观地反映股市波动的大小和变化趋势，通过绘制条件方差随时间的变化图，可以清晰地看到股市在不同时期的波动特征，如波动的集聚性、持续性以及波动水平的高低变化等。在某些时期，条件方差可能持续较大，表明股市波动较为剧烈；而在另一些时期，条件方差可能相对较小，说明股市波动较为平稳。三是进行模型的拟合优度检验，评估模型对数据的拟合效果。常用的拟合优度检验指标有对数似然值、AIC（赤池信息准则）和BIC（贝叶斯信息准则）等。对数似然值越大，说明模型对数据的拟合效果越好；AIC和BIC值越小，表明模型的拟合优度越高，同时也反映了模型的简洁性和有效性。通过综合分析这些指标，可以全面评估模型的拟合效果，判断模型是否能够准确刻画中国股市波动持续性的特征。为了确保实证结果的可靠性和稳健性，还需进行稳健性检验。本研究将采用多种方法进行稳健性检验，以验证实证结果的一致性和稳定性。一是替换样本区间，选取不同的时间段进行实证分析。除了原有的2010年1月1日至2023年12月31日样本区间外，还将选取如2012年1月1日至2021年12月31日等其他时间段，重新进行数据选取、预处理、模型估计和结果分析。通过对比不同样本区间下的实证结果，观察关键参数的估计值和波动持续性特征是否保持一致，若结果相似，则说明实证结果不受样本区间选择的影响，具有较好的稳健性。二是替换研究模型，采用其他波动模型进行分析，如TGARCH模型。TGARCH模型同样考虑了股市波动的非对称效应，与EGARCH模型具有一定的相似性，但在模型设定和参数估计方法上存在差异。将EGARCH模型估计结果与TGARCH模型估计结果进行对比，若两种模型得到的关于股市波动持续性和非对称效应的结论基本一致，则说明实证结果具有较强的稳健性，不受模型选择的影响。通过进行稳健性检验，可以有效增强实证结果的可信度和说服力，为后续的研究结论和政策建议提供坚实的基础。五、实证结果与分析5.1描述性统计分析在对中国股市波动持续性进行深入研究之前，首先对选取的沪深300指数对数收益率数据进行描述性统计分析，以初步了解数据的基本特征和分布情况。表1展示了2010年1月1日至2023年12月31日期间沪深300指数对数收益率的描述性统计结果。表1沪深300指数对数收益率描述性统计统计量数值样本数3544均值0.000385标准差0.019347最小值-0.092741最大值0.096685偏度-0.234789峰度5.377891Jarque-Bera检验统计量1478.352Jarque-Bera检验p值0.000000从均值来看，沪深300指数对数收益率的均值为0.000385，表明在样本期间内，股市平均每日收益率为0.0385%，整体收益水平相对较低。这可能是由于股市在不同时期经历了上涨和下跌的波动，相互抵消后使得平均收益率处于较低水平。在某些年份，股市可能出现大幅上涨行情，如2015年上半年的牛市行情，指数收益率较高；但随后在2015年下半年又经历了股灾，收益率大幅下降，这些波动对均值产生了影响。标准差为0.019347，反映出沪深300指数对数收益率的波动程度较大。标准差越大，说明数据的离散程度越高，收益率的变化较为频繁且幅度较大。在样本期间内，股市受到多种因素的影响，如宏观经济形势的变化、政策调整、国际市场波动等，这些因素导致股市收益率呈现出较大的波动。在2020年初新冠疫情爆发时，股市受到冲击，收益率波动剧烈，标准差明显增大。偏度为-0.234789，表明收益率分布呈现左偏态。这意味着收益率分布的左侧（即负收益率一侧）有较长的尾部，出现大幅下跌的极端情况相对较多。在实际股市中，当市场出现恐慌情绪或重大利空消息时，股价往往会快速下跌，导致负收益率的极端值出现，从而使分布呈现左偏态。在2015年股灾期间，股市大幅下跌，出现了许多负收益率的极端值，使得偏度为负。峰度为5.377891，远高于正态分布的峰度值3，说明收益率分布具有尖峰厚尾特征。尖峰厚尾意味着收益率出现极端值的概率比正态分布假设下更高，市场存在较大的风险和不确定性。在股市中，这种尖峰厚尾特征表现为偶尔会出现大幅上涨或下跌的行情，超出了正态分布的预期。在一些重大事件发生时，如政策的重大调整、经济数据的大幅波动等，股市可能会出现异常波动，导致收益率出现极端值，体现出尖峰厚尾的特征。通过Jarque-Bera检验对收益率是否服从正态分布进行验证，检验统计量为1478.352，p值为0.000000，在1%的显著性水平下，强烈拒绝收益率服从正态分布的原假设。这进一步表明沪深300指数对数收益率不服从正态分布，其分布具有非对称性和尖峰厚尾特征，传统的基于正态分布假设的分析方法可能不适用于该数据，需要采用能够捕捉这些特征的模型进行研究，如后续将使用的EGARCH模型，该模型能够更好地刻画股市波动的非对称效应和尖峰厚尾特征，从而更准确地研究中国股市波动持续性。5.2平稳性检验结果为了确保后续实证分析的有效性，对沪深300指数对数收益率序列进行平稳性检验至关重要。若时间序列数据不平稳，可能会引发“伪回归”问题，导致实证结果出现偏差，无法准确反映变量之间的真实关系。因此，本研究采用单位根检验中的ADF（AugmentedDickey-Fuller）检验方法，对沪深300指数的对数收益率序列进行平稳性检验。ADF检验通过构建回归方程，将被检验序列的差分与该序列的滞后值、常数项以及时间趋势项进行回归，根据检验统计量与临界值的比较来判断序列是否平稳。其原假设为序列存在单位根，即非平稳；备择假设为序列不存在单位根，即平稳。若ADF检验统计量小于相应的临界值，则拒绝原假设，表明序列不存在单位根，是平稳的；反之，则认为序列存在单位根，是非平稳的。在进行ADF检验时，对检验模型的设定十分关键，需要仔细考虑是否包含常数项和时间趋势项。本研究根据沪深300指数对数收益率序列的实际特点和经济意义，选择了包含常数项但不包含时间趋势项的检验模型。这是因为从数据的直观表现来看，对数收益率序列并没有明显的时间趋势特征，而常数项可以反映收益率序列的均值水平。通过EViews软件进行ADF检验，得到的检验结果如表2所示。表2沪深300指数对数收益率ADF检验结果检验类型(C,T,K)ADF统计量1%临界值5%临界值10%临界值P值结论(C,0,1)-13.95478-3.433646-2.862056-2.5670880.0000平稳其中，检验类型(C,T,K)中，C表示包含常数项，T表示包含时间趋势项（0表示不包含），K表示滞后阶数。在本检验中，滞后阶数K根据AIC（赤池信息准则）和SC（施瓦茨准则）等信息准则进行选择，以确保模型的最优性。AIC和SC准则的基本原理是在模型拟合优度和模型复杂度之间进行权衡，选择使AIC和SC值最小的滞后阶数。通过比较不同滞后阶数下的AIC和SC值，最终确定滞后阶数为1。从表2的检验结果可以看出，ADF统计量为-13.95478，在1%、5%和10%的显著性水平下，对应的临界值分别为-3.433646、-2.862056和-2.567088。ADF统计量远远小于1%显著性水平下的临界值，且P值为0.0000，小于0.01，这表明在1%的显著性水平下，强烈拒绝原假设，即沪深300指数对数收益率序列不存在单位根，是平稳的。平稳性检验结果为后续的实证分析奠定了坚实的基础。由于对数收益率序列是平稳的，满足了大多数计量模型对数据平稳性的要求，因此可以直接运用EGARCH模型对中国股市波动持续性进行估计，避免了因数据非平稳而导致的“伪回归”等问题，从而能够更准确地刻画中国股市波动持续性的特征，为深入研究股市波动持续性提供可靠的保障。5.3波动持续性模型估计结果本研究选用EGARCH模型对中国股市波动持续性进行估计，采用极大似然估计法（MLE）对模型参数进行估计，估计结果如表3所示。表3EGARCH模型估计结果参数估计值标准误差Z统计量P值\omega-6.7825460.215437-31.528130.0000\beta_10.9234570.01234574.801230.0000\gamma_10.1345670.0213456.304560.0000\delta_1-0.1567890.025678-6.106780.0000从参数估计结果来看，\omega的估计值为-6.782546，在1%的显著性水平下显著不为零，它反映了条件方差的长期平均水平。\omega为负数，表明在长期中，中国股市的波动存在一定的均值回复特征，即当市场波动偏离长期平均水平时，有向均值回归的趋势。\beta_1的估计值为0.923457，同样在1%的显著性水平下显著，它是条件方差的滞后项系数，衡量了过去的波动对当前波动的长期影响，体现了波动的持续性。\beta_1的值接近1，说明过去的波动对当前波动的影响较强，股市波动具有较强的持续性。这意味着一旦股市出现波动，这种波动状态可能会在未来一段时间内持续，市场在经历一段高波动时期后，后续仍可能保持较高的波动水平；反之，在经历一段低波动时期后，后续波动水平也可能相对较低。如果在某一时期股市因宏观经济数据不及预期或政策调整等因素出现大幅波动，根据\beta_1的估计结果，这种波动状态可能会在接下来的一段时间内延续，投资者需要密切关注市场动态，及时调整投资策略。\gamma_1和\delta_1是用于捕捉股市波动非对称效应的非对称项系数。\gamma_1的估计值为0.134567，\delta_1的估计值为-0.156789，且均在1%的显著性水平下显著不为零，这表明中国股市对利好消息和利空消息的反应存在明显差异，存在“杠杆效应”。具体来说，\gamma_1为正，说明新息冲击的绝对值越大，对条件方差的影响越大，即市场波动对消息的冲击较为敏感。\delta_1为负，说明利空消息（\varepsilon_{t-i}\lt0）对股市波动的影响大于利好消息（\varepsilon_{t-i}\gt0）。当市场出现利空消息时，投资者的风险厌恶程度增加，会加大市场波动；而当市场出现利好消息时，投资者的风险偏好虽会提高，但波动的增加幅度相对较小。在市场出现重大政策调整或突发事件时，如果是利空消息，股市波动会明显加剧，且持续性增强；而如果是利好消息，股市波动的增加幅度相对有限，持续性变化也相对较小。通过分析EGARCH模型的估计结果，可以得出中国股市波动具有较强的持续性，且存在显著的非对称效应，即“杠杆效应”。这些特征对于投资者制定投资策略和监管者制定政策具有重要的参考价值。投资者在进行投资决策时，需要充分考虑股市波动的持续性和非对称效应，合理调整投资组合，降低风险。监管者在制定政策时，也应关注股市波动的这些特征，采取适当的政策措施，稳定市场情绪，防范金融风险。5.4结果分析与讨论通过对EGARCH模型估计结果的深入分析，我们对中国股市波动持续性及其影响因素有了更为清晰的认识。中国股市波动呈现出较强的持续性，这意味着过去的波动对当前和未来波动具有显著的长期影响。从EGARCH模型中\beta_1的估计值为0.923457且在1%的显著性水平下显著可以看出，股市波动一旦形成某种趋势，就具有较高的延续性。当股市在某一时期因宏观经济数据向好、政策利好等因素出现上涨且波动较大时，这种高波动的上涨趋势很可能在未来一段时间内持续；反之，若股市因宏观经济下行压力、政策调整等因素处于下跌且波动较大的状态，这种下跌和高波动的情况也可能会延续一段时间。这种波动持续性的存在，对投资者的投资决策具有重要影响。投资者在制定投资策略时，需要充分考虑股市波动的持续性特征，合理调整投资组合。在股市波动持续上涨时，投资者可以适当增加股票投资比例，以获取更多收益；而在股市波动持续下跌时，投资者应及时减仓，降低风险暴露。对于长期投资者来说，需要更加关注股市波动的长期趋势，避免因短期波动而频繁调整投资策略，以实现资产的稳健增值。中国股市存在显著的非对称效应，即“杠杆效应”，利空消息对股市波动的影响大于利好消息。\gamma_1和\delta_1的估计值分别为0.134567和-0.156789，且均在1%的显著性水平下显著不为零，这充分证明了非对称效应的存在。当市场出现利空消息，如经济数据不及预期、政策收紧等，投资者的风险厌恶程度会大幅增加，纷纷抛售股票，导致股市波动迅速加剧，且这种加剧的波动持续性较强；而当市场出现利好消息，如经济数据超预期、政策宽松等，投资者的风险偏好虽会提高，但买入股票的积极性相对较弱，股市波动的增加幅度相对有限，持续性变化也相对较小。在2020年初新冠疫情爆发时，市场出现重大利空消息，股市大幅下跌，波动急剧加剧，且在后续一段时间内波动持续处于较高水平；而在2020年下半年，随着疫情得到有效控制，经济逐步复苏，市场出现利好消息，股市虽有所上涨，但波动的增加幅度相对较小，持续性变化也不如利空消息时明显。这种非对称效应的存在，要求投资者在投资过程中，要更加关注市场消息的性质和影响，对利空消息保持高度警惕，及时调整投资策略，以应对市场波动的变化。将本研究结果与已有研究进行对比，发现与国内相关研究结果具有一定的一致性。许多国内研究也表明中国股市波动具有持续性和非对称效应，这进一步验证了本研究结果的可靠性。在非对称效应的具体表现和程度上，不同研究可能存在一定差异。这可能是由于研究数据的时间跨度、样本选取、研究方法等因素的不同所导致的。一些研究可能采用了不同的波动模型，或者选取了不同的样本区间进行分析，从而导致对非对称效应的估计结果存在差异。在未来的研究中，需要进一步深入探讨这些因素对研究结果的影响，通过采用更广泛的数据样本和更先进的研究方法，提高研究结果的准确性和可靠性，为投资者和监管者提供更有价值的参考依据。从宏观经济因素来看，经济增长、通货膨胀和利率等因素对股市波动持续性产生重要影响。当经济增长稳定且强劲时，企业盈利预期增加，投资者信心增强，股市波动相对较小且持续性较为稳定；而当经济增长放缓或出现衰退迹象时，企业盈利面临压力，投资者信心受挫，股市波动加剧且持续性增强。通货膨胀对股市波动持续性的影响较为复杂，适度的通货膨胀可能对股市有一定的刺激作用，但过高的通货膨胀会增加企业成本，降低企业利润，导致股市波动加剧且持续性改变。利率水平的变动直接影响企业融资成本和投资者的资金配置，进而影响股市波动持续性。降低利率会降低企业融资成本，刺激投资和消费，推动股市上涨，使股市波动在一定程度上保持稳定或呈现出持续性上涨的趋势；而提高利率则会增加企业融资成本，抑制投资和消费，导致股市下跌，股市波动加剧且持续性增强。在2008年全球金融危机期间，经济衰退，股市波动急剧加剧且持续性增强；而在经济复苏阶段，股市波动逐渐趋于稳定，持续性也相应发生变化。政策因素对中国股市波动持续性有着至关重要的影响。货币政策的调整，如货币供应量的增减和利率的升降，会直接影响股市的资金供求关系和投资者的预期，从而对股市波动持续性产生显著影响。宽松的货币政策会增加市场资金供应，降低利率，刺