随机波动率模型下的GMM估计对我国股市的实证分析
2012年3月下 总第261期 dio:10.3969/j.issn.1004-8146.2012.3.117
经济与法
随机波动率模型下的GMM估计对我国股市的实证分析
复旦大学管理学院 冯荣国
(一) Stochastic Volatility Model的定义
(1)(2)(3)(4)其中为参数。从定义可以看到,SV模型是一个非线性的模型。其作用在于检验是否有随机变化的趋势。显然,如果如果我们做变换,则,即是一个AR(1)过程。
所以,其实是一个AR(1)过程与维纳过程的组合,且2者之间是相互独立的。其中的参数部分都在
Andersen,T.G 和 B.E.Sorensen 在其1996年的文章中,针对SV 模型,推导出了使用GMM方法估计条件。
2、参数估计
选择计算的方法为迭代,初始值给定为(0, 0.5, 0.5)。其结果为J-test的自由度为21,J-test= 10.50719,P-value=
都很小,尤其是Pr(>|t|)显著的小,说明应用GMM方法对模型进行拟合的效果不错。
注:因为第一步产生数据的随机性,所以,即使用同样的种子下面,我们使用上海证劵交易所给出的上证综合指数(No.00001)来分析。时间从2000年1月4日开始,至2009年12月31日期间的每日开盘时的指数数据,一共2415天。如下图所示,其中蓝色横线为6000点,红色横线为3000点。
即:
(二)随机波动率模型的模拟及其估计
1、我们按照SV模型,产生随机数,给定初始参数为:
(一)原始序列
使用GMM估计,其结果J-test的自由度为21,J-test= 1.3232e+32,P-value= 0.0000e+00,其余参数的估计值如下
经济与法
文化需要,而且能够吸收国民经济各部门大量的物质产品和消费资金,对国民经济的发展有一定的调节作用。
3、建筑业作为支柱产业的可持续性
建筑业对原材料等基础制造业有着巨大的拉动作用,这点在之前一节已经得到充分说明。事实上,在大多数发达国家城市化的进程来来看,城市化初期,建筑业发展活跃,为扩充城市边界,完善城市基础设施建设都发挥出不可替代的作用。建成的各类工业、交通运输、农林水利、文教卫生、科技等建设项目,保证了经济建设和社会进步发展之所需。建筑业企业为全社会建造了大量住宅,有效地改善了人们的居住条件,提高了居民的生活质量。
但是,在发达国家进入城市化中后期的时候,建筑业支柱产业的地位也逐渐被其他诸如电子信息、高新技术等产业所代替。在中国城市化进程已达到40%的当下,建筑业支柱产业的地位还能维持多久?这是一个值得探讨的问题。
一方面,建筑业使得城市边缘扩大,使更多的农村居民进入城市居住,促进城市化的进步;城市化加速又使得中心城市对周边地区的辐射力增强,带动了区域内建筑业的发展,进而缩小了城乡差距,进一步加速我国整体城市化的进程。
另一方面,当城市化达到一个较高水平时,建筑业扩张城市边缘的作用逐渐被旧城改造一类的维修类工作取代,当然,城市内部盘活土地的建筑更新、卫星城的建造也占有一部分比例。由于土地供应量的有限,建筑业的发展也会因此受到制约,无法像城市化初期那样发展迅速。
我国作为发展中国家,建筑业占GNP的比重应当呈倒U型,
(上接第171页)
依据本文上节分析可知,当下建筑业的生产总值仍然处于上行阶段,也就是U型曲线的左半边。因此,在现阶段选择以建筑产业作为支柱产业的确是正确的选择,但是也应当顺应时变,在城市化后期时,即进入U型曲线右半边的时候,则应适当调整发展战略。
建筑业的发展机遇与对策
现阶段,建筑业、汽车工业与钢铁工业依然是国民经济的三大支柱产业。众多学者对建筑业今后的发展道路提出了政策建议,为建筑业的继续繁荣提供了参考。简略总结为以下几条:其一,完善政策法规,对接国际市场;其二,规范建筑市场,提高建筑人员素质;其三,增加建筑技术含量,提高增加值;其四,调整产业结构,谋求产业升级。
如果政府以及建筑企业能在以上四点上下足功夫,建筑业作为支柱产业造福社会的作用一定会更为显著。
参考文献:
[1]李百吉.基于需求收入弹性的建筑业支柱产业地位分析.经济研究.2008
[2]边学迪.建筑业在国民经济中的支柱产业地位分析.企业与经济管理.2006;8
[3]吴拯.中国建筑业产业组织研究.[学位论文]硕士
(责任编辑:张 彬)
其模型拟合的P-value 完全为0,关于3个参数的Std. Error=Inf,Pr(>|t|)=1,所以,我们不能考虑使用SV模型来拟合该数据。换句话说,该数据并不符合Stochastic Volatility Model。
(二)收益率序列
设表示该上证综合指数(No.00001),我们对做变换
的图形如下所
从表(5)中可以看到,合效果不错。除P-value较小以外,三个参数的Pr(>|t|)都很接近0。所以,在致符合Stochastic Volatility Model。
SV模型是一种随机波动模型,满足模型的数据应该带有强烈的随机性,而上证综合指数(No.00001)其带有强烈的的随时间变化的趋势,通过程序的结果以及一系列后续检验可以说明,不能直接使用Stochastic Volatility Model来拟合上证综合指数(No.00001)。
而上证综合指数(No.00001)的收益率,可以较好的符合Stochastic Volatility Model。这个应该和股市每天限定涨跌幅度的因素是分不开的。
我认为可以进一步考虑使用GARCH 模型进行拟合该上证综合指数(No.00001)数据。此外,在上面的对上证综合指数(No.00001)程序计算中,我们选用的权重矩阵W为一种非常有效的估计, 在gmm函数中,默认选择迭代的W为更优的矩阵合适的参考文献:
[1]Andersen,T.G And B.E.Sorensen(1996).”GMM Estimation of a Stochastic Volatility Model:A Monte Carlo Study”Journal of Busiiness and Economic Statsitics, 14,328-352
[2]Pierre Chausse (2010), Computing Generalized Method of Moments and Generalized Empirical Likelihood with R.Journal of Statistical Software, 34(11), 1-35. URL http://www.jstatsoft.org/v34/i11/.
(责任编辑:韩晓兵)
我们对使用GMM方法进行检验是否符合Stochastic Volatility Model,其结果如下:
J-test的自由度为21,J-test=29.835963,P-value=