股票市场波动非对称性思考
我国的股票市场波动还是比较明显的，导致了股民都不敢够买股票，那么，股票市场波动为什么是非对称性呢？
股票价格的波动情况一直被人们看中，通过相关的数据研究，可以发现，当前的收益和下一期的收益是呈负相关的，而且，收益能够与方差联系起来，呈现出一种非对称的现象。
在股票市场低迷的时期，非对称性特征是非常明显的，而且，股票价格的下跌常常与股票的非对称特点联系，通过对杠杆效应和波动特征分析，可以发现，如果股票的价值下降，就会导致其金融杠杆的上升，而且，股票的风险会越来越大，使股票的价格发生很大的波动，股票的价格出现不稳定性的问题。
为了能够使股票的交易具有平衡性的特点，就要对股票的波动进行分析和预测，从而能够在够买股票的过程中减少风险。
一、研究的相关方法和金融计量分析
从股票价格波动研究的角度出发，运用GARCH模型，能够在一定程度上将时变方差进行转换，从而能够分析滞后的回报平方，确定函数模型，从而能够抓住金融时间，找到价格的差异性，将股票价格的波动性按照一定的序列进行排列，找到股票价格波动的动态特性，所以，在运用GARCH模型的过程中，首先要分析的就是市场上股票价格的波动特点，本文选择了几种不同的模型，分析股票价格的波动性，从而对股票市场的波动性进行了准确地研究。
(一)GARCH(1,1)-M模型
这个模型是在1982年由Engle提出的，这类模型是在自然回归条件下提出的，建立条件差异性方差，这类模型能够按照时间的顺序，建立方差的模型，在1986年，这个模型又得到了完善，在建立条件方差的过程中，容易出现各类时变风险，这时就要对时变风险进行度量，分析风险与收益的关系，从而能够建立起完善的防范风险的模型。
这个模型运用了递归的形式，从而能够对误差系数和滞后系数进行分析，在分析的基础上，建立递归公式，完善一个ARCH模型，这个模型具有无限性特点，误差系数与滞后系数相加也不会大于1，实现了GARCH在使用过程中的二阶平稳，误差系数和滞后系数能够反映股票市场波动的特征，而且能够分析持续阶段的股票市场的波动性，而且相加的数值越接近于1，表明波动的时间越长。
(二)指数GARCH(1,1)模型
这个模型是Nelson在ARCH模型的基础上提出的一类新的模型，这类模型能够实现非线性方程的计算，是在非线性变换指数的方式上提出的，这个模型又可以称为EGARCH模型，这类模型，能够对系数参数进行约束，防止系数出现了负数的`形式，所以，在一定程度上导致了条件方差不具有动态性，在完善后的EGARCH模型中，就不会存在这类问题，能够展现出条件方差的动态性特点。
在这个模型中，能够实现标准化的正态分布，而且能够显示出非对称的响应函数，起到了良好的调节作用。
而且，这个模型能够对回报的负冲击程度进行分析，从而能偶完善更加标准的条件方差，通过相关的数据分析，可以发现，EGARCH模型能够对金融数据进行精确地模拟，但是，这个模型不能建立更加完善的股票市场波动性的预测。
(三)GJRGARCH(1,1)-M模型
这个模型是针对股票市场的非对称性建立的，能够建立起虚拟的变量，从而分析利好消息和利空消息，然后，让虚拟变量为零，分析对条件方差的冲击，然后将虚拟变量设计为1，分析条件方差的冲击性。
所以，如果虚拟变量不为零，那么利好消息和利空消息之间就存在着比较大的波动，呈现出非对称的特点，而且虚拟数值的量很大，说明利空消息产生的冲击力比利好消息要大，为了能够分析条件方差，应该对预期收益的平稳度进行分析。
二、数据波动时间的划分和相关数据的统计
在2000年之前，我国的股票市场规模还不是很大，而且在操作的过程中还没有相关的标准，所以，本文选择了2000年-2010年的指数进行分析，由于在此期间，很多制度会发生变化，所以，中国股票市场上呈现出了一定的波动性，这样的波动性也呈现出一定的阶段性特征，在2006年的涨跌停板对中国股票的波动性造成了一定的影响。
在不同的市场上，指数收益率与样本的均值都不大，但是，样本的方差是比较大的，说明股票市场的波动性比较大，而且，在第二阶段的标准差小于第一阶段，这说明，我国的股票市场的波动是在逐渐减小的，而且，偏态和峰值都不为零，这说明，拒绝正态性的分析是正确的，在对相关的模型进行分析的基础上，尅看出在对时间序列进行设计的时候，必须确保序列的平稳。
三、结束语
现在，我国的股票市场波动还是比较明显的，导致了股民都不敢够买股票，所以，要对股票市场的波动性进行分析，在此基础上，能够把握好股票的波动情况，运用建立模型的方法，对系数参数进行约束，防止系数出现了负数的形式，EGARCH模型能够对金融数据进行精确地模拟。
【股票市场波动非对称性思考】相关文章：