我国创业板市场的波动性研究

【摘要】创业板市场，又称“二板市场”，是为具有高成长性的中小企业和高科技企业进行融资服务的市场。2009年10月23日，我国创业板市场在深圳证券交易所正式启动，同年10月30日起正式交易。本文以我国创业板指数收益率时间序列为研究对象，运用GARCH模型对其波动性进行实证分析。研究表明：我国创业板指数收益率时间序列存在明显的ARCH效应；模型GARCH（1，1）对我国创业板市场波动性有较好的拟合性和适用性；创业板市场的波动十分剧烈，总体风险还较大。

【关键词】创业板 市场波动性 GARCH模型

一、研究背景

创业板市场，又称“二板市场”，是为具有高成长性的中小企业和高科技企业融资服务的市场。与主板市场相比，在创业板市场上市的企业规模较小、上市条件相对较低，这为中小企业通过上市途径融资提供了极大的便利。创业板的主要功能有两个：一是创业板可以作为风险资本的退出窗口，这是其在风险投资机制中的作用；二是创业板具有优化资源配置、促进产业升级等作用，这是资本市场的固有功能。①

2009年10月23日，经国务院同意、中国证监会批准，我国创业板市场在深证交易所正式启动，同年10月30日起正式交易。创业板的设立，是我国证券市场发展史上又一个重要的里程碑，这标志着我国交易所市场在经过二十年的发展后，已经逐步确立了由主板、中小板、创业板组成的多层次交易所市场体系框架，创业板成为了其中的重要组成部分。

我国股票市场作为新兴市场，自创立以来已取得巨大进步，但与发达国家股票市场相比，其股票波动频率更高，波动幅度更大，而我国创业板的风险又大于主板。同时，创业板的功能决定了其设立和发展必定对我国国民经济和资本市场产生重大的影响。因此对创业板的研究，特别是对创业板波动性即风险的研究是中国资本市场的重要课题。

二、研究内容与创新

由于西方发达资本市场设立创业板较早，因此西方学者对创业板各个方面的问题都有所研究且较为深入。而我国创业板设立相对较晚，因此相关研究起步也较晚且相关研究的文献资料数量较少，并且多数文章只是介绍创业板市场，探讨创业板的风险因素以及说明创业板适用的法律法规等。对创业板的波动性研究或者说风险研究更少且停留在定性分析阶段，很少引进西方先进的理论模型对创业板波动性进行定量的实证研究。因此，本文的创新之处在于以创业板指数（399006）日收益率为研究对象，运用GARCH模型进行实证分析，并定性分析数据结果。

三、我国创业板市场波动性的实证研究

（一）数据来源及处理

本文以我国创业板波动性为研究对象，因此选取的样本数据为创业板指数（399006）。该指数的初始成分股为指数发布日的全部创业板股票，后限定为100只股票，以可流通股本数为权数，进行逐日加权平均，可以反映我国创业板市场的总体走势。创业板指数以2010年5月31日为基日，基日点数为1000点。

样本范围：2010年6月1日～2014年4月4日数据，共930个观察值。数据来源：实证分析所用数据来自大智慧经典版6.0免费炒股软件。数据处理：本文数据先用EXCEL2007作简单处理，再用STATA11.0软件进行实证分析，具体包括我国创业板市场ARCH效应的检验，GARCH模型选择及建立以及建立的模型的效果检验。

创业板的日收盤价以表示Pt，因为分析经济时间序列数据经常是在计算它们的对数或其对数的变化之后才进行的，为了减少误差也更加科学，对日收益率进行自然对数处理，即lnPt。因此，日收益率Rt=lnPt-lnPt-1。

（二）我国创业板的ARCH效应检验

用ARCH或GARCH建模的前提有两个，一是使用的时间序列数据必须具有平稳性，二是收益率的波动性存在ARCH效应。

平稳性检验。对创业板指数原序列和对数的一阶差分序列进行单位根ADF检验，检验的原假设H0：时间序列非平稳。原序列T统计值为-1.141，大于10%显著性水平-3.130，因此序列非平稳；对数一阶差分序列的T值为-28.303，小于临界值，一阶差分序列平稳且服从一阶单整I（1）。因此可以进行创业板市场波动性的ARCH效应检验。

用自相关和偏自相关检验是否存在ARCH效应。此检验的原理是如果各阶滞后自相关AC和偏自相关PAC为0，并且Q统计量不显著，则说明残差中并不存在ARCH效应。检验结果为各阶滞后自相关和偏自相关均不为0，同时，在5%的显著性水平下，2阶及2阶以上的Q统计量都显著，因此认为我国创业板指数具有强烈的ARCH效应。

（三）选择模型及建立

在检验确认了我国创业板市场存在ARCH效应以后，则可以考虑选择合适的模型及具体模型的建立。根据经验，可选择GARCH（p，q）模型。

使用赤池信息准则（AIC）选择最优GARCH模型，对p和q的值进行选择，这里使用AIC准则。严格来说，这里应该进行AIC值的计算，选择AIC值最小的模型，因为AIC越小，模型越简洁也越精确。一般而言，对于金融时间序列我们选择GARCH（1，1）。我们先选择这个模型，然后再对拟合效果进行检验。模型如下：

yt=xtβ+εt （1）

σ■■=ωαε■■βσ■■ （2）

用STATA11.0建立我国创业板市场模型GARCH（1，1），得出 ARCH项的系数为α，数值为0.0312971；GARCH项的系数为β，数值为0.9372666。0.0312971+0.9372666=0.9685637<1，满足模型约束条件α+β<1。将两个系数分别代入方程（1）和方程（2），得到的模型建立的结果为：

rt=0.1134×10-3+εt

σ■■=0.114×10-4+0.03130ε■■+0.93727σ■■

（四）模型检验与结果分析

本文先用GARCH（1，1）进行建模，模型拟合效果如何还需要进一步的检验。如果该模型拟合效果不理想，我们还需准确计算AIC值进一步选择模型。现有如下考虑：

如果回归残差的条件方差是按规律变化的，即εt|Ψt-1～N（0，σ■■）。那么经过GARCH建模以后，标准化残差εt|σt就会服从标准正态分布，也不会再有ARCH效应。检验分为两步：一是检验εt|σt是否为白噪声。二是检验εt|σt是否服从正态分布，因为白噪声未必是正态分布。完成以上两步检验以后，即可证明（εt|σt）2不再具有ARCH效应，即模型GARCH（1，1）对我国创业板波动性拟合较好。

首先检验是否为白噪声。检验假设H0：时间序列是白噪声。在5%的显著性条件下，p<0.05则拒绝H0，即拒绝时间序列是白噪声，否则接受H0。根据检验结果，（εt|σt）2时间序列的Q统计量所对应的p值从1阶至10阶全部大于0.59，则可以接受原假设，即（εt|σt）2是白噪声。

然后检验是否为正态分布，正态分布检验基于变量的偏度和斜度。GARCH模型生成的残差项εt|σt是否服从正态分布，此处做正态分布检验。原假设H0：εt|σt服从正态分布。在5%的显著性水平上，若p>0.05，接受原假设，标准化残差服从正态分布；若p<0.05，则拒绝原假设。检验结果是P值为0.0906，所以接受原假设，标准化残差服从正态分布。

经过以上白噪声检验和正态分布检验后，可以证明GARCH（1，1）模型的建立已经消除了残差项的ARCH效应，并且从低阶（1阶）开始已经没有ARCH效应，因此GARCH（1，1）模型对我国创业板市场的日收益率波动性模拟效果较好，即模型能够比较准确地测度我国创业板市场的风险。

三、研究结论及政策性建议

（一）研究结论

通过上述实证检验，结果如下：一是我国创业板指数收益率时间序列符合一般金融序列的特征，具有明显的波动聚集性。二是我国创业板指数收益率时间序列存在明显的ARCH效应，即风险与其自身过去的波动性有明显的关系。三是模型GARCH（1，1）对我国创业板市场的波动性具有较好的拟合性和适用性。即波动性模拟效果较好，且能够比较准确地测度我国创业板市场的风险。四是股市冲击持久性由α和β之和决定，本文中实证结果所得两数和为0.9685637，趋近于1，也就是说明创业板市场的波动剧烈，总体风险还较大。

（二）政策性建议

我国创业板市场是高风险市场，总体市场风险要高于主板市场。目前我国创业板市场“三高”现象比较嚴重，即上市公司发行价格偏高，市盈率偏高和市净率偏高，其面临的风险主要有公司经营管理风险，技术风险，流动性风险和市场操纵风险等。

对于监管部门而言，应采取措施加强对创业板市场的监管。针对我国创业板市场在市场准入、持续监管、市场交易、退市环节、投资者教育、监管环节以及功能定位等方面面临的风险因素加强监管。

对于我国中小投资者而言，应该谨慎进入高风险的创业板市场。由于我国创业板市场企业规模较小，容易被庄家操纵，市场风险较大，因此我国中小股民应该遵循投资者适当性原则，谨慎进入创业板市场。同时，由于我国创业板市场收益率波动性符合GARCH模型，因此有一定能力和条件的投资者可以将GARCH模型与VAR结合起来，量化地预测市场的风险大小，从而辅助自己的投资决策。

作者简介：吴俊（1989-），女，汉族，江苏扬州人，毕业于上海交通大学，研究方向：地方债、证券市场。