發布時間：2020-04-16所屬分類：經濟論文瀏覽：1次
摘 要： [摘要]為探究中國股票市場的波動幅度和風險性，選取2016年1月1日至2019年3月31日期間的上證指數和深證成指的收益率為研究對象，建立GARCH模型進行實證分析，得出以下主要結論：外部的沖擊會加劇對上證指數、深證成指的波動，且上證指數受到外部沖擊的波動更
[摘要]為探究中國股票市場的波動幅度和風險性，選取2016年1月1日至2019年3月31日期間的上證指數和深證成指的收益率為研究對象，建立GARCH模型進行實證分析，得出以下主要結論：外部的沖擊會加劇對上證指數、深證成指的波動，且上證指數受到外部沖擊的波動更大，深證成指所受前期波動的影響更大�；趯嵶C分析結果，制定了量化投資策略，即通過因子IC優化復合因子IR的方式來配置因子權重，構造多因子選股模型，并選取一些傳統因子結合新構造的非流動性因子ILLIQ來進行分析，回測結果表明在2015年1月1日至2018年1月1日期間的回測中，策略收益達到67.67%，遠高于基準收益10.69%。
[關鍵詞]GARCH模型;因子IC;非流動性因子ILLIQ;量化投資
股票市場是一個“高風險、高收益”的領域，加之我國股票市場復雜多變的特征，傳統的基本面分析和技術分析很難獲得預期和穩定的收益。如何有效地規避風險，從繁多的市場股票中篩選出未來具有超額收益的股票，是投資者一直以來關注的問題。因此，對股票收益率波動的分析、構建投資組合具有重要的意義。在此背景下，系統高效的量化投資策略可以幫助投資者進行更加理性和準確的投資。
一、文獻綜述
股票量化投資策略是股票合理投資的重要基礎，國內外已有諸多學者對其進行了較為深入的分析和研究。
外國的學者對量化投資領域的研究較早。馬科維茨發表的“PortfolioSelection”中推導出的投資人的決策問題公式，說明了投資人資產分配的原則是在達成投資目標的前提下，將資產組合的風險最小化。[1]該文奠定了現代投資組合理論的基礎。Fama和French針對包括美國、EAFE國家成熟市場以及16個新興市場國家的股票市場進行了實證研究，根據B/M，C/P，E/P和D/P區分價值股和成長股，從而形成投資組合。[2]
國內對量化投資的研究發展較慢，且大多應用于業界。江方敏通過選取上市公司財務報表中的6個財務因子，給出了高出市場基準的12個組合。[3]由于選取的因子過于單一，獲取信息片面，無法科學地分析股市行情，給出科學的建議。王昭棟更偏重于多因子模型的應用與實踐，對三種多因子模型的績效表現作以充分的實證和分析，討論了收益率的穩定性和多因子的冗余性檢驗。[4]但是為處理數據方便，沒有考慮股票市場交易的流動性和流動性風險。
綜上分析，多因子模型相對來說比較穩定，是量化投資領域應用最廣泛的一種選股模型。盡管研究成果頗豐，但仍存在以下兩點不足：一是沒有考慮到我國股市相較于外國股市波動幅度和風險程度更大，只選用傳統的因子，忽略了流動性影響因素;二是沒有對建立的投資策略進行歷史回測，以及對行業的歸因分析。
基于此，本文通過因子IC優化復合因子IR的方式來配置因子權重構造多因子模型，考慮到市場的流動性問題，在選取了6個傳統因子的基礎上，采用成交量和價格變動聯系起來的方式觀測流動性，即通過構建非流動性因子ILLIQ來尋找市場對弱流動性的收益補償;最后為考察構建的投資組合中合成因子的選股能力，進行了歷史回測和行業歸因分析，以給出更加精準科學的投資策略。
二、基于GARCH模型的滬深股市收益率波動性分析
一般來說，我們用收益率波動性指標來衡量股票市場的質量。在一定的波動范圍內，股票收益率的波動有活躍股票市場的作用，超過一定幅度會使市場風險暴露，不利于股市的正常運行。投資者通過研究收益率波動性可以較為合理地預測股市風險，而上證指數和深證成指是我國金融市場的晴雨表，反映我國證券市場的走勢，投資者能否獲利與其波動性關系緊密。
(一)樣本范圍
選取2016年1月1日至2019年3月31日的交易日的上證指數和深證成指的收盤價，使用金融時間序列的計量經濟方法估計參數的結果并給出實證結論。用SH表示上證指數收盤價，SZ表示深證成指收盤價，RSH表示滬市收益率，RSZ表示深市收益率。收益率定義為Rt=(Pt-Pt-1)/Pt-1×100%，其中Pt、Pt-1分別表示第t日、t-1日的收盤價。數據來源于iFinD。
(二)模型選擇
在選擇模型時，考慮到在ARCH(p)建模過程中，如果p很大，會導致方差隨著之前時刻的變化量而變化，在這種情況下，方差方程中的參數可能會出現負值的情況，不符合理論依據。因此，我們避免使用這種方法。
而GARCH模型是一個專門面向金融數據的回歸模型，在條件方差的方程中加入滯后項，對誤差的方差有更進一步的解釋，所以被廣泛應用于分析和預測波動性。其中，最常使用且通常也很適合金融時間序列的GARCH模型是GARCH(1，1)。本文以2016年1月1日至2019年3月31日的上證指數和深證成指為研究對象，建立GARCH模型。
相關期刊推薦：《東北財經大學學報》Journal of Dongbei University of Finance and Economics(雙月刊)1999年創刊，注重反映以經濟科學為主的社會科學研究和教學研究新成果，為改革開放和經濟建設服務，為財經教學服務，為本校師生廣大經濟工作者提供有價值的參考資料。
(三)實證分析
1.描述性統計分析
對上證指數收益率和深證指數收益率進行描述性統計，得到基本統計特征值。其中，上證指數收益率在樣本期內的平均值為0.00059，略高于深證成指收益率的平均值0.000419。同時，兩個收益率的偏度都小于0，都為左偏;上證指數和深證成指的峰度分別為8.058682和6.273822，都大于正態分布的峰度值3，故兩個指數收益率都呈現尖峰厚尾的特征。另一方面，從標準差來看，深證成指的標準差為0.020462，高于上證指數的標準差0.018068，說明深證成指的波動性要大于上證指數。
2.平穩性檢驗
根據前期描述性統計分析的結果，我們推測滬深兩指的收益率序列可能存在ARCH/GARCH效應，而時間序列的平穩性是構建模型分析預測的前提。因此，對該序列進行ADF檢驗，以考察序列的平穩性。
首先，為了直觀分析兩個指數收益率序列的平穩性，繪制了滬深兩指的收益率時序圖，如圖1、圖2所示。
通過以上圖形可以看出，上證指數收益率和深證指數收益率序列基本都是圍繞在0附近上下波動，直觀上判斷應該都是平穩的。以下進一步采用ADF單位根檢驗法進行判斷，利用EVIEWS軟件得到結果匯總，如表1所示。
從回歸結果來看，上證指數收益率單位根的ADF統計量為-19.66081，分別小于顯著性水平為10%、5%和1%的臨界值。因此，RSH和RSZ都是平穩的，可以直接利用上證指數收益率和深證成指收益率序列進行建模分析。
3.確定均值方程及殘差序列自相關檢驗
一般情況下，金融市場的收益率序列都存在自相關現象。故首先根據收益率序列的自相關圖來判斷其均值方程。通過繪制上證指數收益率的自相關圖可知，在滯后4期時的自相關系數最大且顯著，故初步判斷存在滯后4期的自相關。再次繪制殘差的自相關圖，可知仍然存在自相關現象，故需要進一步調整。經過不斷修正，最終得到的上證指數收益率均值方程為：RSHt=α+β1RSHt-1+β2RSHt-4+β3RSHt-10+εt
同理，得到的深圳成指收益率均值方程為：RSZt=α+β1RSZt-1+β2RSZt-8+β3RSZt-10+εt
分別對以上方程估計的殘差和殘差平方序列進行自相關檢驗，取滯后10階，觀察滬市和深市殘差及殘差平方的自相關系數及P值。可知無論滬市還是深市，其殘差序列都不存在自相關，但殘差平方的序列卻都存在顯著的自相關性，兩個殘差平方的波動具有明顯的時間可變性和集簇性，初步判斷適合采用GARCH模型來進行建模分析。進一步采用ARCH-LM法進行檢驗，得到的結果如表2所示。
可以看出，檢驗的P值都為0，故應該拒絕模型不存在ARCH效應的假設。因此，兩個均值方程的殘差都存在顯著的ARCH效應，適合采用GARCH進行建模。
4.GARCH建模分析
在以上得到均值方程的基礎上，繼續建立GARCH(1，1)模型對兩個股票市場的波動性進行分析。首先，運用EViews軟件得到的兩個市場GARCH(1，1)模型初步估計結果�？梢缘玫剑藭r兩個市場GARCH模型的均值方程中存在變量估計系數不顯著的情況;故進一步進行調整，修正后，除部分常數項，模型中的各變量估計系數在10%水平下都是顯著的(P<0.1);再次對兩個GARCH模型的殘差及殘差平方進行自相關檢驗，取滯后10階得到的結果如表3所示(以滬市為例，深市同理)。
(四)合成因子的回測
1.回測結果
為了考察因子選股能力的回測效果，歷史回測的基本設置如下：回測時段為2014年1月1日至2018年1月1日，股票池為A股全部股票，策略參考標準為滬深300指數，組合每5個交易日調倉，交易費率設為雙邊萬分之二。
由回測結果可知，運用多因子策略得出的投資組合在2014年1月1日至2018年1月1日之間，策略的收益和年化收益率分別達到了67.67%和19.33%，分別遠高于基準收益和基準年化收益的10.69%和3.53%。阿爾法值為0.16，貝塔值僅為1.03，夏普比率達到0.49，信息比率達0.83，這些指標表現出色。但是最大回撤相對偏高，為45.68%。結合基準收益、策略收益和超額收益在這三年內的走勢和對比，綜上可以認為策略運行較好。
2.回測持倉平均市值
回測之后，對該策略選股的持倉市值分析。在之前的合成因子選股市值的分布特征中，已經對該策略選股的持倉市值進行了簡單的分析，真實回測的持倉市值結果如圖6所示。圖6展示了全市場股票市值25%分位數、全市場股票市值75%分位數以及策略持倉股票平均市值的時間序列。2014年至2015上半年，策略持倉的平均市值在全市場股票市值75%分位數附近波動，而2015年下半年至今，策略持倉股票平均市值相對偏高，遠超全市場股票市值75%分位數�？傮w來看，該策略的持倉市值相對較高。
四、結論與建議
從研究成果出發，對股票市場投資提出以下建議：
一是要不斷提升量化投資技術水平。特別是要將計算技術與各類統計數學模型進行有效結合，在“大數據”時代對復雜的投資相關數據進行挖掘與分析;同時還要高度重視技術分析體系的建設，[5]特別是要對基本面分析指標、股票估值指標、交易趨勢等進行有效分析。
二是要時刻保持風險意識，注意風險防控。由GARCH模型分析結果可知，股票市場易受外部因素的干擾，收益率波動較大。這種波動性在一定程度上會加劇股票投資的不確定性，會給投資者帶來豐厚的收益，也可能會帶來巨大的損失。因此在進行量化投資策略分析時，也應將投資風險考慮在內。
三是要加強對大數據的利用能力，做到科學投資。在投資策略分析過程中，存在大量的數據，要增強投資策略的科學性，就必須對“大數據”進行有效利用，常用的方式主要是建立適合的統計模型，并對模型進行深入分析和檢驗。
SCISSCIAHCI
