摘要：通过采用ecm模型及garch模型对沪深股市进行了研究，结果发现两市波动性存在非对称性和杠杆效应，沪深两市对的利空消息反应均大于利好消息的反应，但是深市风险大于沪市风险，当然其收益率也比较高。
关键词：收益；风险；误差修正模型；沪深股市
引言
中国a股市场经过十几年的发展，市场逐渐在规范，但是上市公司整体所表现出来的股市市值规模仍然较小，2005年开始的股权分置改革，使a股市场的发展迎来了新的机遇，走出了多年的熊市，有了较快的发展，处于上升的行情之中，但是与之相伴的却是股市激烈的波动。此外，由于诸多因素的影响和限制，中国a股市场投机气氛较浓。自从2008年世界金融危机以来，股市还出现了市场不确定性因素增多和市场风险加剧的趋势。
当前出现了大量的研究资产收益率方面的文献，有的定量研究波动性的非对称反应机制（李珠，吕明光，2001；胡永红，陆忠华，2005；周立、王东，2005），有的对波动性的形成方式与来源进行了分解（仲黎明等，2003；樊智、张世英，2005），有的研究了两市ipo的版块效应，这些研究具有一定的针对性，对我们研究金融市场运行机制与风险控制具有一定的启发意义。此外，有engle等人开创arch和grach计量（engel，1982），grange（1988）的因果检验已经用在了许多经济金融模型检验中（如高辉、赵敬文，2006），使研究者对金融市场有了更多的认识。
本文主要采用误差修正模型（error correct model）即ecm模型，检验两市短期波动模式的异同，判断两市对市场冲击的短期调整及反应程度，描述两市向均衡收敛的过程。WwW.133229.coM同时利用两种garch模型检验两市波动性之间的关系，判断两市的风险特征与风险转移过程，检验两市之间的“溢出效应”（spillover effect）和“杠杆效应”（leverage effect）。
一、变量选择和数据处理
在现有的可以衡量沪深股市的指数中，我们分别选择了上证a股综合指数和深圳a股综合指数作为指标。样本时间的选择，我们选择从2006年2月17日至2007年11月1日，这段时间，剔除节假日，共计样本416个。
我们将股市指数收益率rt定义为股票指数的对数的一阶差分：rt=ln（pt）-ln（pt-1），其中pt是股票指数价格。当股票指数波动不是十分剧烈的时候，它近似等于股票指数的日收益率，对应着股票市场的整体收益水平。
许多的学者研究结果倾向表明中国股市处于弱有效形式。因此，本文对股票指数收益率序列rt、股票指数绝对日收益率序列|rt|、日均方收益率序列r2t的变化情况进行考察。当样本容量比较大的时候，根据大数定理与市场弱型有效，可知样本区间的整体收益率均值为：rt=rt≈0，其中t是样本容量。假设εt表示沪深两市a股指数日收益率与样本均值的偏离，则有εt=rt-rt≈rt，εt=rt-≈rt，ε2t=（rt-rt）2≈r2t。
因此，沪深两市a股指数日收益率rt、日绝对收益率rt、日均方收益率r2t分别表示股指收益率分别围绕均值的双向变动，绝对变动，均方波动，他们体现了波动性逐渐增强的特点。
二、模型的建立
通过对沪深股市价格指数和收益率作单位根检验，granger因果关系检验和协整检验，我们发现：（1）沪指和深指对数序列均为一阶单整i（1），指数收益率序列为平稳序列；（2）上海股票市场指数是深圳股市指数的granger原因，但反之不成立；（3）沪深股指之间存在着协整关系（检验结果在附录）。基于检验结果，本文可以建立以下模型：
（一）误差修正模型
通过平稳检验，可以对沪深股指的收益率序列间建立误差修正模型，结果
rsht=0.7884rszt+0.0957rsh t-1+0.0288rsh t-2-0.0974rsz t-1-0.0787rsz t-2-
0.0006+εsh t
（41.6471） （1.9558） （0.58988） （-2.26068） （-1.82970）
（-1.15173）
rszt=01.0273rsht+0.1121rsz t-1+0.0577rsz t-2-0.1128rsht-1-0.0191rsht-2-
0.0002+εsz t
（41.6471）（2.2821）（1.1734）（-2.02089）（-0.34466）
（-0.46366） （1）
其中，sh表示上海综指，sz表示深圳综指，t表示时间，t-1表示t期滞后一阶。根据上述误差修正方程计算，如果仍然引入非显着的回归项，那么求解收益率序列的无条件数学期望，可以得到两市收益率水平分别为：=0.00371，=0.00428。可见两市的长期收益率有显着差异。两市收益率均受到长期均衡关系的显着影响，但是修正项对沪深股市收益率是负的边际贡献。在ecm模型中，存在沪深两市股票价格收益率的交互影响，因为滞后系数出现部分显着与不显着，体现了短期波动之间的相互影响。
因此，ecm模型表明，沪深两市股票收益率之间存在长期的协整趋势，但是它们的短期波动过程存在着相异的波动模式。
（二）garch模型和溢出效应模型的估计与检验
我们采用garch模型检验收益率序列的条件异方差性，首先利用偏自相关函数（pacf）和自相关函数（acf）决定均值方程中的ar过程与ma过程的阶数，然后根据绝对残差序列的特性，然后确定方差方程中的arch 项和garch项的阶数。在经过不断试错的情况下，garch（1，1）都能比较好地进行解释，其sc和aic值也比较小。
沪深市场的garch－m模型和溢出效应模型估计（括号中为z统计量值）：
rsht=0.1789rsht-0.0597rsh t-1+ε t
（3.338219） （1.15366）（2）
hsht=0.0000105-0.08（εsht-1）2+0.899hsht-1
（1.7415）（3.6922） （31.7933）
rszt=0.18rszt-0.0122rsz t-1+ε t
（3.5721） （0.2446） （3）
hszt=0.00005-0.08（εsht-1）2+0.899hsht
（1.75）（3.66） （31.71）
上述garch－m模型的均值方程和溢出效应模型估计结果显示，中国沪深股市存在一定的风险，波动性增加了当前收益率；两市的风险激励0.18和0.1789相近，且两市都存在显着的正向风险溢价。风险与收益相伴，高收益，伴随着高风险，高风险也伴随着高收益，体现出两个市场上的投资者都有一定程度的风险偏好。以上情况也表明：中国沪深股市经过近几年来的发展，已经逐渐成熟，成交量放大，其收益率水平和波动性能够起到一定的示范作用，其波动性形成了一定程度的“溢出效应”。
