ARIMA-TGARCH模型揭示中国股市收益波动与杠杆效应

本文主要探讨了中国股票市场收益率波动的特征，特别是基于ARIMA-TGARCH模型的研究。ARIMA（Autoregressive Integrated Moving Average）和TGARCH（Threshold Generalized Autoregressive Conditional Heteroskedasticity）模型是两种广泛应用于金融时间序列分析的统计方法。ARIMA模型用于处理时间序列的自回归和移动平均特性，而TGARCH模型则特别适用于捕捉金融资产收益率的异方差性，尤其是在存在尖峰厚尾现象时。 作者谢梦菂和王斌会针对沪深两市的综合指数和板块指数收益率进行了长达十年的研究。他们选择这种模型是因为TGARCH能够有效地模拟股票收益序列中极端事件的不对称性，即在股票价格下跌时的波动通常大于价格上涨时。这表明我国股票市场存在显著的非对称杠杆效应，即在市场下跌时投资者可能会面临更大的风险放大。 具体来说，他们的研究发现综合指数收益率表现出明显的非对称性，这意味着在市场下跌时的损失可能会超过上涨时的收益，这与传统的对称性假设不同。而对于板块指数收益率，研究结果显示不同行业的表现各异，有些行业可能显示出杠杆效应，而其他行业则可能没有。这表明在投资策略制定时，需要考虑到行业的差异性和市场环境的变化。 这篇首发论文对中国股票市场的深入理解提供了有价值的见解，对于投资者、金融机构以及政策制定者来说，理解和预测收益率的波动性至关重要，因为它直接影响到风险管理、投资决策和市场稳定。通过ARIMA-TGARCH模型的应用，本文不仅提升了对国内金融市场动态的认识，也为国际学术界进一步研究和发展金融时间序列分析方法提供了新的视角。