融时间序列分析》课程
RESSQRGARCH1
02227
001685
132137
00000
RESSQRGARCH1EGARCH1
00431109794
00079220003406
544192875751
0000000000
SEofregressio

00172102
Akaikei
focriterio

555740
Sumsquaredresid
0711157
Schwarzcriterio

554298
Durbi
Watso
stat
1991196
Loglikelihood
6694333
通过表4，可以看出模型的参数都通过了显著性检验，DW值为199，说明序列不存在
自相关。把估计值代入前面的公式中，由收益率序列得到残差序列zt，通过平稳性检验见
表5我们可以看出zt变得更平稳，通过ARCH效应的LM检验见表6我们可以看出波动集
群现象明显下降，结果都在很高的水平上拒绝原假设，表示残差序列zt以没有ARMA现象
和条件异方差现象，更接近于独立同分布。
表5残差序列zt的单位根检验
tStatistic
ADFTestStatistic
2108085
Testcriticalvalue
1level
34361
5level
28632
10level
25677
表6残差序列zt的ARCH检验
ARCHTest
Fstatistic
01902710
ProbF2，2408
ObsRsquared
0189224
ProbChiSquare8
Pvalue0．0000
05814780612344
四、结论
通过以上分析可以发现：（一）上海股票市场的股票收益率呈现的描述性特征：序列的平稳性，高峰厚尾非正态性，波动聚类性和ARCH效应。（二）EG1ARCH11M模型能较好的拟上海股市的日收益率时间序列。（三）在EGARCH11，上证综指和深证成指杠杆效应系数1φ0043110，说明股市的收益率都存在“杠杆效应”即在中国股市上利空消息引起的冲击要大于同等大小的利好消息引起的冲击。这说明我国投资者的投资观念还不是很强，投资行为极易受到外部各种信息的干扰。认识到我国股市波动的这些特点，可为投资者规避风险以及监管机构实施监督管理提供理论依据。
第4页共4页
fr