我国A股股票市场风险度量及影响因素分析

贺娜 彭泓毅

（华南农业大学  经济管理学院,广东 广州 510642）

摘要：本文选取2010-1-4到2017-12-30我国A股市场9只股票为研究对象，并基于EGARCH模型，结合VaR方法对这9只股票每日的市场风险值进行测度。最后从宏观经济角度和微观企业角度两个方面出发，以每季度的9只股票平均市场风险为被解释变量，通过建立面板数据多元回归模型来对影响我国A股市场风险因素进行实证研究。结果显示宏观经济因素中汇率，微观上市公司因素中每股收益、机构持股比例、换手率、资产负债率都会对市场风险产生显著性的影响。

关键词： EGARCH；VaR；风险测度；风险因素

Risk measurement and influencing factors analysis of a-share stock market in China

                               Hena

(school of economics and management, south China agricultural university, guangzhou 510642, China)

Abstract: in this article, we select the nine stocks as research objects in China's a-share market from January 4, 2010 to December 30, 2017，and measured the daily market risk values of these 9 stocks based on EGARCH model and VaR method.Finally, from the perspective of macro-economy and micro-enterprise, taking the average market risk of 9 stocks in each quarter as the explained variable, this paper establishes A panel data multiple regression model to conduct an empirical study on the risk factors affecting China's a-share market. The results show that exchange rate, earnings per share, institutional shareholding ratio, turnover rate and asset-liability ratio factors all have a significant impact on market risk.

Key words: EGARCH； VaR； Risk measurement； Risk factors

一、引言

我国A股经过了将近30年的发展，市场规模不断的扩张，截止到2018年10月，已经有3559只股票，在2017年市值总额达到了约56万亿元，居于全球第二。A股作为我国最大的金融资本市场，其发展的好坏直接关系到我国整个经济的发展。尽管A股发展了很久，但是依旧存在发展不成熟、制度不完善、市场不稳定等各种问题，导致了A股市场股价存在大幅度的波动，投资风险极大，股民损失惨重，股民对A股失去了信心。特别是2015年下半年的股灾，从2015年6月中旬开始，在短短的4个星期内，上证指数累计下跌了1800点，跌幅接近35%。下跌过程中，一轮轮杠杆资金被爆仓，大面积的个股股价被腰斩，有1400家上市公司停牌以规避风险，真可谓惨烈至极。而这次的股灾主要是由大部分股票的股价估值过高与庄家出货、杠杆资金的撤离与被围剿、高管减持、市场监管不利导致。对此国家出台了一系列措施来对股票市场进行治理，进行了三阶段救市活动。最终在国家一系列的措施下，市场的流动性得以恢复，过半上市公司复牌，安然度过当月的股指交割日。尽管当时股市得以恢复，但是依旧避免不了股价波动性较大，风险较大的问题，2018年在美国贸易战影响的情况下，股票依旧存在不稳定的现象，特别是科技股损失惨重，从这可以看出国际环境也会对股价产生重大的影响，这又对我国在面对如此严峻的国际环境下来如何稳定股票市场提出了新的难题。因此，对我国的A股市场的风险进行度量，以及研究A股股价的风险的各种影响因素对将来防范股票市场动荡具有有大的意义。

二、文献回顾

目前国外对于证劵市场风险度量的研究比较成熟和完善，而国内对于风险度量的理论的研究起步较晚。在Markowitzss提出证券投资组合理论之前，人们一直靠主观判断来度量证券风险，而在Markowitz（1952）提出证券投资组合理论之后，西方学者对于风险的研究蜂拥而至，很多的学者对于风险度量的理论领域进行了多方面的探索。Sharpe（1964）在投资组合理论的基本上提出了资本资产定价模型，并将风险细分为系统性风险和非系统性风险两类。由于金融时间序列一般呈现‘尖峰厚尾的特征，Engle（1982）提出了ARCH模型来刻画这类序列的条件方差，但是该模型存在对时间序列扰动反应相当缓慢，并且正向扰动和负向扰动的影响是相同的缺点，为了克服这一缺点，Bollerslev（1986）在ARCH模型的提出上提出了GARCH模型，该模型考虑了扰动项滞后项影响和扰动项条件方差的滞后期的影响。后期的学者发现金融市场上存在非对称性，Nelson（1990）提出了EGARCH模型，该模型不仅考虑了正向冲击和负向冲击对价格波动的影响，还能有效的除了金融时间序列存在的有偏性和异方差性等。Bollerlsev和Chou（1992）结合GARCH类模型和VaR方法，提出了GARCH类模型在风险度量中的应用，即GARCH-VaR。近年来，在我国将GARCH—VaR应用在金融市场的案例很多，其中陈维龙（2010）认为GARCH—VaR模型是作为静态VaR模型的改进，并将GARCH-VaR模型应用在开放式基金的风险度量上。他选取2004年10月30日到2007年12月13日博时价值增长基金每日净值为研究样本，首先利用GARCH模型对数据进行了拟合，然后引入GARCH模型下的VaR，验证了GARCH-VaR模型的有效性。周爱民，陈远（2013）将GARCH类模型来拟合中小板综合指数收益率，分别计算了GARCH、TARCH、EGARCH、PARCH在正态分布、t分布、GED分布下的VaR值，发现TARCH、EGARCH、PARCH模型在中小板市场的系数不显著，说明中小板市场不存在显著性的非对称效应，其次发现正态分布下的GARCH模型没有考虑到收益率序列的厚尾特征，而GED分布下的GARCH模型却能有效的捕捉到序列的厚尾性。杨克磊,桂海意（2014）依旧使用了GED—GARCH模型的VaR方法来度量中国金、银、铂3中主要的金属的投资风险。表明GED-GARCH（1，1）-VaR能够很好的度量3中贵金属现货的投资风险。彭承亮,何启志,戴翔（2017）通过建立EGARCH模型研究黄金期货市场的波动特征，证明EGARCH模型能够很好的刻画黄金市场的杠杆性，其次他们研究基于极值理论POT计算出的VaR值比单纯用EGARCH-VaR能更有效的对极端风险进行刻画。

在现有的文献中，GARCH-VaR模型已经运用在金融的各个领域中，但是大多数学者都止步于对股票风险的测度而没有对股票风险的影响因素进行分析，本文考虑到各种影响因素后，并结合我国市场的实际情况，综合得到本文的影响因素研究方向。最后本文通过考虑宏观经济因素和微观上市企业因素对股票风险的影响，深度挖掘股票价格风险影响因素。

三、我国A股风险度量

本文分别选取了9只A股股票（东信和平、江铃汽车、新和成、德豪润达、华兰生物、大族激光、天奇股份、传化智联、盾安环境），所用数据的时间范围为2010-1-4到2017-12-29日收盘价。数据来源于东方财富choice终端数据库。本文主要采用对数收益率作为研究对象进行研究，其中每只股票对数收益率计算公式为：，其中为每日的收盘价，为前一日的收盘价。

（一） 基本描述性统计分析

本文首先分析9只收益率的基本情况，然后利用Jarque-Bera统计量进行正态性检验。

发现所选取的9只股票对数收益率均值最大值为0.000899、最小值为-0.000402，9只股票对数收益率均值之间的差异较大。其次从标准差可以看出：9只股票的标准差分布在0.015545到0.032974之间，说明9只股票的变动差异相差不大。从偏度和峰度的角度看9只股票的分布情况，可以发现，除了江铃汽车以外，其余8只股票其偏度始终小于0，峰度都大于3，说明序列具有尖峰、厚尾的特征。再从正态性检验中可以发现，Jarque－Bera统计量对应的P值始终小于0.05，拒绝原假设，说明在0.05的显著性水平下，各个股票的对数收益率都是非正态分布序列。

（二）平稳性检验

序列平稳是构建ARCH模型的条件之一，因此在建立GARCH模型之前需要对9只股票进行平稳性检验。下面运用ADF统计量检验9只股票对数收益率的平稳性情况，发现9只股票的ADF统计量值都小于1%水平、5%水平、10%水平下的临界值，拒绝原假设，说明9只股票对数收益率都是平稳的时间序列，初步满足建立GARCH模型的要求。

（三）ARCH效应检验

建立GARCH模型的另一条件是：序列存在自回归条件异方差（即ARCH效应）。下面首先利用AIC最小准则，分别寻找9只股票对数收益率均值方程的最优拟合模型，然后对每只股票均值方程模型的残差进行ARCH效应检验，分别得到每只股票的均值方程的最优拟合模型形式和检验结果分别如下所示。

表1 均值方程形式及ARCH检验结果

从上表1可以知道9只股票的均值方程对应残差项的F统计量和卡方统计量所对应的伴随概率p值都是小于0.05，说明拒绝原假设，即股票对数收益率的残差序列都存在ARCH效应，满足建立GARCH模型的条件。

（四）Garch模型建立

EGARCH模型作为GARCH类模型的特殊形式之一，能够反映金融时间序列的非对称性，其基本形式如下所示，当时，说明干扰对股价的影响是非对称的；当时，说明价格波动受负外部冲击的影响大于受正外部冲击的影响，此时的被称为杠杆效应。其中EGARCH（1,1）模型的条件方差表达式如下所示：

下面建模过程中主要选用EGARCH（1，1）模型在正态分布、T分布、GED分布上来模拟，并利用信息准则选取最优拟合模型。一般认为模型的 AIC值越小，模型拟合效果越好。下表得到9只股票对数收益率在其最优均值方程和其最优分布形式下的EGARCH（1，1）模型的、、、系数如下表所示：

表2 EGARCH模型估计结果

*表示P<0.1,**表示P<0.05，***表示P<0.01；

从上表可以看出各股票方差方程的值（ARCH项）和值（GARCH项）都通过了0.01的显著性水平，其次可以看出各个股票的值（GARCH项）都远远大于值（ARCH项），说明各股票自身的记忆性要强于外界波动性的影响，又值（GARCH项）的系数都接近1，说明序列具有长期的记忆性，前期的波动情况对后期的波动有很大的影响。从显著性情况可以得到只有‘东信和平’、‘传化智联’、‘盾安环境’三只股票通过了显著性检验，并且系数为正值，说明这三只股票在2010年到2017年期间受正外部冲击的影响大于受负外部冲击的影响。

（五） VaR值计算

下面根据EGARCH-VaR的计算公式，求得各个股票在其最优分布下的VaR值，EGARCH-VaR的计算公式如下所示：

其中是指各个分布下分位数，为某一分布下的条件标准差，为持有期数，因为本文所研究的是日收益率数据，因此持有期数为1天。下表为9只股票在95%置信度水平和99%置信度水平下的VaR值均值，计算的时间范围为2010-1-4到2017-12-31，具体值如下表所示：

表3 95%置信度水平和99%置信度水平下的VaR值

股票简称	95%置信水平VaR值	99%置信水平VaR值
东信和平	0.04860419	0.05958031
江铃汽车	0.03807534	0.06389409
新和成	0.03911341	0.06523424
德豪润达	0.0422846	0.05184756
华兰生物	0.03602156	0.06016427
大族激光	0.04713544	0.05782061
天奇股份	0.04567584	0.07593607
传化智联	0.04215093	0.05167051
盾安环境	0.04143434 备案信息 举报中心 举报中心 行业协会 网络110 互联网协会 举报热线 首都协会 本站持《出版物经营许可证》 仅从事《商品与质量》杂志的网上订阅工作,非任何杂志官网,并不涉及杂志社的出版等事务,特此声明！ 工信部备案：湘ICP备2025122662号-1，营业执照统一社会信用代码：91430721MAEHMRR7OE， 出版物经营许可证号：新安新出发证字第2025002号 特别声明:本站资料均源于网上的共享期刊资源，请特别注意，勿做其他非法用途。 如有侵犯您的版权或其他有损您利益的行为，请联系指出，期刊咨询服务平台会立即进行改正或删除相关内容! 扫码添加微信咨询 QQ客服：1663286777 电话：137-1883-9017 收到信息将及时回复