基于修正GARCH模型的中国股市收益率与波动周内效应实证研究

中国管理科学 ›› 2008, Vol. 16 ›› Issue (4): 44-49.

基于修正GARCH模型的中国股市收益率与波动周内效应实证研究

陈雄兵¹, 张宗成²

1. 中南财经政法大学新华金融保险学院湖北武汉 430073;
2. 华中科技大学经济学院湖北武汉 430074

收稿日期:2007-03-21 修回日期:2008-02-19 出版日期:2008-08-31 发布日期:2008-08-31
作者简介:陈雄兵(1979- ),男(汉族),湖北人,中南财经政法大学新华金融保险学院,教师,研究方向:金融经济学.
基金资助:
国家自然科学基金资助项目(70541003)

The Day-of-the-Week Effect on Stock Return and Volatility in China：Empirical Evidence from Modified GARCH Model

CHEN Xiong-bing¹, ZHANG Zong-cheng²

1. Xinhua Schod of Finance and Insurance, zhongnan University of Economicsand law, Wuhan 430073, China;
2. School of Economics, Huazhong University of Science and Technology, Wuhan 430074, China

Received:2007-03-21 Revised:2008-02-19 Online:2008-08-31 Published:2008-08-31

摘要/Abstract

摘要： 本文研究《证券法》实施之后的2000—2006年沪深股市收益率与波动的周内效应。利用修正的GARCH模型,发现两市收益率的最大与最小值均分别出现在周二与周四;两市的最小波动均出现在周二,但沪市的最大波动在周三,而深市的最大波动则在周一。进一步的分析表明中国股市的收益率与市场风险有显著的正向关系,即投资者由于承担高风险而受到补偿获得高收益。文章最后对周内效应的存在提出了两种解释。

关键词: 周内效应, 波动性, GARCH模型, 市场风险

Abstract: This paper investigates the day-of-the-week effect on stock return and volatility in China during the period of 2000 to 2006.Under modified GARCH framework,we find that the lowest and the highest return are present on Thursday and Tuesday for both Shanghai and Shenzhen markets,respectively.The lowest volatility is observed on Tuesday for both markets,whereas the highest volatility occurs on Monday for Shenzhen and on Wednesday for Shanghai.We also find there is significantly positive relationship between expected returns and market risk.Two explanations for the day-of-the-week effect are provided in the end of the paper.

Key words: the day-of-the-week effect, volatility, GARCH model, market risk

中图分类号:

F224

陈雄兵, 张宗成. 基于修正GARCH模型的中国股市收益率与波动周内效应实证研究[J]. 中国管理科学, 2008, 16(4): 44-49.

CHEN Xiong-bing, ZHANG Zong-cheng. The Day-of-the-Week Effect on Stock Return and Volatility in China：Empirical Evidence from Modified GARCH Model[J]. Chinese Journal of Management Science, 2008, 16(4): 44-49.

[1]	陈其安, 张慧. 系统风险冲击、企业创新能力与股票价格波动性:理论与实证[J]. 中国管理科学, 2021, 29(3): 1-13.
[2]	朱晓谦, 李建平. 相关性下的银行风险集成研究综述[J]. 中国管理科学, 2020, 28(8): 1-14.
[3]	陈其安, 张慧, 陈抒妤. 股指期货交易加剧了中国股票市场波动性吗？——基于投资者结构的理论和实证研究[J]. 中国管理科学, 2020, 28(4): 1-13.
[4]	王超, 陈乐一, 李玉双. 中国金融周期特征及其宏观经济效应[J]. 中国管理科学, 2020, 28(12): 12-22.
[5]	郑尊信, 王华然, 朱福敏. 基于Levy-GARCH模型的上证50ETF市场跳跃行为与波动特征研究[J]. 中国管理科学, 2019, 27(2): 41-52.
[6]	凌爱凡, 陈骁阳. 嵌入GARCH波动率估计的B1ack-Litterman投资组合模型[J]. 中国管理科学, 2018, 26(6): 17-25.
[7]	王安兴, 谭鲜明. 基于混合分布的中国股票波动风险因素的识别与分析[J]. 中国管理科学, 2018, 26(2): 86-95.
[8]	丁逸俊, 冯芸. 极端下跌事件的正反馈效应与监管限制溢出[J]. 中国管理科学, 2017, 25(9): 81-96.
[9]	章德宾, 徐娟, Paul D. Mitchell, 李崇光. 一种农户与经销商合作的市场风险分担模型[J]. 中国管理科学, 2017, 25(7): 93-101.
[10]	刘晓倩, 王健, 吴广. 基于高频数据HAR-CVX模型的沪深300指数的预测研究[J]. 中国管理科学, 2017, 25(6): 1-10.
[11]	韩超, 严太华. 基于高维动态藤Copula的汇率组合风险分析[J]. 中国管理科学, 2017, 25(2): 10-20.
[12]	陈其安, 雷小燕. 货币政策、投资者情绪与中国股票市场波动性:理论与实证[J]. 中国管理科学, 2017, 25(11): 1-11.
[13]	张贵生, 张信东. 基于近邻互信息的SVM-GARCH股票价格预测模型研究[J]. 中国管理科学, 2016, 24(9): 11-20.
[14]	赵军力, 梁循. 基于TrTS取样的股票收益率RV测度的改进[J]. 中国管理科学, 2015, 23(7): 26-34.
[15]	侯利强, 杨善林, 王晓佳, 陈志强. 上证综指的股指波动:基于模糊FEGARCH模型及不同分布假设的预测研究[J]. 中国管理科学, 2015, 23(6): 32-40.