陈 仪

（英国纽卡斯尔大学，NE1 7RU）

1.文献综述

常言道：“股票有风险，投资需谨慎”。股票的涨跌不确定是难以捉摸的，但是通过对其历史的时间序列进行波动性研究分析，这样可以科学理解其存在的波动性。例如学者林德钦（2014）在对创业板指数进行GARCH 研究的时候，与其他GARCH 模型相比之下，GARCH(1,1)更为合适。同样，也有对创业板指数波动性研究的宋永辉，许倩（2020），他们对创业板指进行GARCH 族模型拟合，并指出创业板指“尖峰厚尾”是符合ARCH 模型建立的标准，加之其波动性是非对称的，当市场上出现坏消息时，创业板指会更“波澜起伏”相对比与好消息出现的反应程度。在个股研究方面，在2020年，王晟坦途发现比亚迪的股票价格序列是存在非对称性效应的，说明了除了指数，个股同样存在不对称性效应。少有学者对深证100 指数的波动性研究，本文对其进行GARCH族模型拟合。

2.理论简介

广义自回归条件异方差模型在自回归条件模型（Autoregressive conditional heteroskedasticity model，ARCH）基础上发展起来的（Bollerslev(1986)）。

后来有学者Engle、Lilien 和Robin（1987）加入ARCH-M项对金融资产收益与风险的研究。另外，在金融市场中好消息与坏消息对资本市场的影响是不一样的，为了更好的描述这一非对称效果，Engle 和Victor K.Ng.(1993)提出非对称模型TARCH 模型以及Nelson（1991）提出的EGARCH 模型。

3.数据来源

文章从Net Ease 中获取深证100 指数每日收盘价序列，数据区间从7/11/2018-1/04/2021 共605 个数据。由于金融时间序列有其趋势性波动性，因此为了进一步减缓其波动程度，使该序列可以满足建模的条件，该序列将会进行对数化处理，本文使用Eviews10 软件进行数据分析。……