利率变化影响股票市场波动性的模型分析与实证

利率变化影响股票市场波动性的模型分析与实证

马星亮  熊 燕  赵健宁

【摘要】

    本文基于ARMA(1,1)-GARCH(1,1)模型，在条件异方差方程中引入外生变量——利率，从利率变化的期限、预期与未预期、上升和下降三个角度出发，建立了利率变化对股市波动性影响的模型。通过实证分析，我们研究发现：（1）利率变化通过改变投资者参与股票市场的机会成本，影响其参与程度，最终使得与股市波动性关系为负；（2）无论何种形式的利率变化，都存在对股市波动性的影响，因投资者在资本市场和货币市场上的资产配置转换渠道缺乏，削弱了利率变化的影响程度；（3）由于投资者心理因素的存在，使得影响的传导机制复杂化，需要进一步研究。

【关键词】GARCH模型 利率 股市波动性

一、导  言

股市波动性是现代金融领域长期研究的重要问题之一，同时也是衡量宏观经济风险的重要指标。股市波动性作为衡量资本市场收益的波动情况的指标，是资产定价、投资组合选择和风险管理的基础，能及时体现金融市场稳定性。股市波动性能及时反映金融市场稳定状况，在货币和宏观经济中具有导向作用。因此，股市波动性普遍受到各国、企业和投资者的高度关注。

以我国股票市场为例，自上世纪九十年代初规范化的中国上海、深圳证券交易所成立，中国股市在过去十多年的发展过程中逐渐自我完善和发展壮大，市价总值从1992年的1048.13亿元，到截至2008年11月底，中国证券市场共有上市公司(包括A、B股)1690家,总股本18709.41亿股，市价总值、流通市值分别为127639.28亿元、44018.10亿元。投资者开户有效账户数达10,356.88万户。中国的股票市场在国民经济发展中的地位愈发显得重要。而在其发展过程中，却经历了多次大起大落，沪深股市近几年的股价指数几乎每年发生一次暴涨暴跌行情，大部分的涨跌行情在几天或几周内完成，时间短，涨跌幅度大，最高年振幅达400%，如上证综合指数1992年年振幅为404%，1997年至2009年期间，年振幅最大的是2006年，高达191.67%，最低的是2005年，为24.45%，十三年的平均年振幅为69.29%，从1997年到2009年9月21日，上证综合指数在766.36点至5084.84点间波动,波幅超过4000点。我国市场这样显著的波动性引起了许多学者的关注。然而，股票市场自身的波动性不仅是在中国这样的新兴市场，在世界各国的股票市场都具有相当的普遍性。正是波动性所依托的股票市场在国民经济中的突出地位和其不稳定性的普遍存在引起了国内外学者的关注研究。

在股票市场，股票指数价格是市场运行状况的反映。在货币市场，利率作为重要经济变量也有着类似的作用：从宏观的角度讲，利率是货币的中介目标，银行常运用工具来对其调整以保持金融市场乃至整个经济的稳定持续发展；从市场的具体角度讲，利率是货币市场资金流动的风向标，金融资产定价的基准，投资者进行投资决策时关注的重要指标。对二者的研究中M.J Gordon的模型（1967年）反映了这两者的均衡关系，模型说明股票价格与货币市场利率成反方向变化。利率下降，则股票价格上升，使得股票市场的相对投资收益率增加，这将引起投资者决策发生改变，使股票市场的投资增加，最终造成股票市场的资金处于供大于需的状态。对于该状态，我们进行了更深的理论分析：从投资信息角度看，进入市场的资金将携来更多的信息，会为该市场新增不确定性（反之则反），即是说在上述状态下股市的波动性会增强。这个分析范式为我们研究股市波动性提供了思路，也能为扩展对利率的了解创造了机会。

    依照上述思路，我们将对股市波动性建模以图刻画股市波动性的时变性和聚集性，再将利率作为外生变量引入，试图找出这二者可能的关系。

要研究波动性就要先刻画它，过去的研究中常将股市波动看作一个常数。这个明显不合理却一直存在被使用的假设中，是因为股市波动时变性是不可被直接观测。直到近几十年来，度量股市波动时变性的方法才开始被提出和发展。Engle（1982）提出的ARCH模型开创了研究波动性的新思路。其后，Tim Bollerslev(1986) 在ARCH基础上提出的GARCH模型，以及后来出现的TGARCH、EGARCH、GARCH-M和多元GARCH等模型都是度量股市波动性的重要方法，他们一起构成了比较完善的自回归条件异方差理论。早期相关研究都集中在从实证分析的角度度量股市波动性和对ARCH族模型的扩展。中国利用ARCH模型研究股市波动性问题则是起于20世纪90年代末期，直到这几年才得到学术界的大量关注。在这些研究中：刘宁(2004)对上海股市日收益率利用ARCH族模型进行了实证分析，结果表现出有明显的ARCH效应；胡彦梅、张卫国、陈建忠(2005)的研究表明AR-IGARCH-M模型能有效拟合我国深沪两股市的波动性；陈娟、沈晓栋(2005)运用GARCH(1，l)-M及TARCH(1，l)模型对我国股票市场收益率与波动性是否存在“杠杆效应”进行了阶段性分析，指出涨跌板交易制度对我国股股市波动性的显著影响；朱永安、石礼英(2003)把交易量引入GARCH-M的方差方程中，说明了交易量对中国股市的波动性的持续性有一定的解释能力。

与此同时，股市波动性的研究从如何度量也逐渐扩展到外生变量对股市波动性的影响。相关的理论也告诉我们股市波动性与反映证券市场质量和效率的其他指标如流动性、交易成本、市场信息流动等密切相关，也与企业投资与财务杠杆决策、消费者消费行为模式、经济周期及相关宏观经济变量等有关。国内对股市波动性作为外生变量的影响因素的研究较国外晚，研究主要分为以下几个方面：一、关注效应对股市波动性的影响，例如印花税的变动的影响，范南等（2003）、邵锡栋（2009）；二、关注我国股市波动性与报酬、交易量的关系（2005，杨彬）；三、关注国有商业银行上市（吴庆田等，2008）；四、关注基金持股期限（胡乔，2009）对股市波动性的影响。特别的,随着中国金融改革的不断推进，货币市场和资本市场的均衡发展和中国金融市场的稳定越来越成为学者关注的焦点，一些研究也开始以与两个市场和全国金融稳定密切相关的外生宏观经济变量——利率作为与股票波动互动的重要因素围绕两者相互关系进行相关分析。

国内目前基于GARCH模型对利率与股票波动性关系的理论研究和实证分析仍然较少。较早时蒋振声等（2001）和陈德伟（2003）等分别利用月数据和季数据来考察我国资产价格信号在资本市场和货币市场传导的不对称性（研究还表明作为利率指标的同业拆借利率的调整是迅速和充分的）。之后,毕晓梅等（2007）和熊正德等（2007）分别应用GARCH族模型对利率上调对股市波动性的影响和利率与股市之间波动溢出效应进行了研究，发现早先研究中的价格信号在两个市场间单向传导的现象依然存在，同时近一步的指出了利率变动对股价存在资本投资效应和投资替代效应。

可以看出已有的若干成果仅对利率在市场间的调整速度和利率对股市波动性的溢出效应有所研究，没能涉及到利率的其他方面对股市波动性的影响。本文的研究将对“利率的不同因素对股市波动性影响”展开分析，以期在一个全新的角度得到"利率对股市波动性影响"这一问题的新认识。具体地，以GARCH族模型对股市波动性建模，再将利率以外生变量引入，从其上涨和下降，期限长和短，预期和未预期三个角度分解，达到全面地分析利率变化对股市波动性的影响目的。

本文框架安排如下：第二部分是通过数据的探测分析，展示股市波动性和利率的统计特征以及股市波动性与利率之间的关系；第三部分是在GARCH模型的条件异方差方程中加入外生变量——利率，从期限长短，预期与未预期，上升与下降角度，建立利率变化对股市波动性影响的模型；第四部分，通过对模型的实证研究，我们分析利率变化对股市波动性的综合影响，以及作用机制；第五部分为本文的结论和建议。

二、数据探测

（一）变量和数据样本选取

为了更好的观察利率与股市收益率的互动关系，我们选取近期调整较多利率变化较大的时间窗口作为考察的平台，具体地，样本期为：2008年10月6日到2009年9月1日。在这段时间央行开始实施宽松的货币，货币市场上的利率有明显的下调变化，我们希望借此更好地观测利率对股市收益率波动的影响。样本期间，共数据226组，包括各期限上海银行间拆放利率变化量（利率变化变量）和由上证综合指数计得的股票收益率（股票收益率变量）。

其中，上海银行间拆放利率（Shanghai Interbank Offered Rate，简称Shibor ）是2007年1月4日推出以来被广泛应用于利率互换、浮息债券利率基准，以及短期限固定收益产品定价基准，作为了货币市场基准利率的利率标准，是具有较好的代表性的利率指标（数据来自：www.shibor.org）。变量中的上海银行间拆放利率变化量（）是通过下式由Shibor计算得到。

            ………………………………………… （1）

其中：是期限为i的t日的同业拆借利率（i=隔夜、月、年）

由上证综合指数计得的股票收益率是从较公认的能典型地综合反映我国股票市场变化的上证综合指数（数据来源：CSMAR数据库)通过下式

       ………………………………………… （2）

其中：代表t日上证综合指数的收益率、代表t日上证综合指数的收盘价 

计算得到的股票市场收益率指标。综上，本文选取Shibor的变化量作为利率变化变量，由上证综合指数计得的股票收益率作为股市收益率变量，通过定量的描述利率变化,对由构建GARCH模型得到的波动性的相关规律来讨论利率变化与股市波动性的关系。在本段接下来的探索中将利用描述统计来对选用的数据初步探索。

（二）数据的基本统计分析

    

    初步的探索分为两部分：一、描绘和展示样本期间上证综合指数收益率的走势和收益率在各取值区间的出现频率，寻找该时期股市收益率变化的直观特征和可能量化其波动性的适合模型；二、结合宏观经济现实对利率的变化做出直观的解释，初步的分析它与股市波动性可能的关系。

1、上证综合指数收益率分布的基本分析

图一 上证股指收益率走势图

从走势图（图一）上，我们可以发现，股指收益率存在着剧烈的波动。并且在一个小的波动率后往往跟随着一个小的波动率，而大的波动率后伴随着一个大的波动率，说明了这段时期的收益率波动性有聚集性。同时，收益的波动率在时间上明显存在着大小的被称为时变性的变化。即上证指数收益率的波动表现出聚集性和时变性。这与广义条件异方差（GARCH）所能刻画得特点相符合，为我们模型的选用提供了初步的支持。

图二 股指收益率正态分布图

上图对股市收益率在各个取值区间出现的频率进行了展示，它最直观的特点是厚尾性，在概率分布两端存在大量的样本，异常值出现的概率大于正态分布的情形。另外，从右边的特征统计量列表中看到该分布的偏度（skewness）值为-0.398，峰度（Kurtosis）值为3.81>3，表现出高峰左偏的特征。我们还注意到，JB统计量为12.155以0.002的概率拒绝了原假设，即股指收益率不服从正态分布。由此，我们有理由认为样本期间股指收益率背后的概率分布与金融理论中的经典的高峰厚尾假设一致。

结合对走势图（图一）的分析：波动性存在着的时变性和聚集性。我们确定使用经典的股票波动率模型，GARCH模型，来对上证股指收益率的波动性进行拟合。

2、利率与股市波动性的初步分析

以隔夜拆借利率为例，从左图中可以看出，在金融危机背景下，利率的走势图反应了我国实施宽松货币的效果。自2008年10月份以来，利率进入了连续下降的过程，截至到2009年1月份，利率从3.55%下降到0.8775%，最低为0.8163%，变化幅度大。与此同时从左图可以看出，我国股票市场也出现了剧烈的上下波动。在2009年1月利率进入了持续稳定的过程，长期维持在低于1.0%的位置，此时同时的股票市场也呈现出微小的波动。2009年7月份，传出央行的货币将要微调的信号后，利率出现了小幅上涨，在2009年8月份以来，我国股票市场再次出现了剧烈的波动。因此，我们可以初步分析出利率变化与股市波动性的内在联系。

图三 左：隔夜拆借利率走势图；右：上证股指收益率走势图（同图一）

    综上可知，股指收益率的分布呈现高峰厚尾现象，波动性存在时变性和聚集性，我们可以使用GARCH模型进行拟合。在利率变化与股市波动性的初步分析中，我们运用资金的相对收益率比较和货币实施的效果，综合考虑利率变化对股市波动性的影响，可以得出二者数据上的统计性质，都表现出了内在的联系性，在下文中，我们会在股市波动性建模的基础上，分析利率变化对股市波动性的影响。

三、模型建立

（一）股市波动性的理论模型

    

目前对股市波动性的建模中，存在着GARCH模型和SV（Stochasitc Volatility）模型两条主线，并在此基础上衍生出许多适应实际数据的特点模型。在理论分析上，SV模型效果较好，但在实证研究中，GARCH模型比较有优势，更因为在所应用的变量体现出的特性（详见第二部分数据探测），本文选择了以GARCH模型为为股市波动性建模，并在条件异方差方程中引入利率作为外生变量，进而研究利率变化对股市波动性的影响。下面对GARCH模型的理论进行介绍。

GARCH模型

大量的实证研究表明,ARCH 类模型特别适合于对金融时间序列数据的波动性和相关性进行建模,因此受到广泛应用。Bollerslev对Engle (1982)提出的ARCH模型进行了推广,形成GARCH类模型。在干扰项本期条件方差的决定模型中引入条件方差本身的滞后值得:

， …………………………………………（3）

                           

其中，称为ARCH 项,称为GARCH 项，且弱平稳充要条件：。

    GARCH 模型可以看作是无限阶的ARCH 模型。

我们在GARCH模型的基础上，根据上证收益率数据自身的特点选择适当模型和阶数，来拟合上海股票市场的波动性。根据获得的条件异方差，建立模型，研究利率对股市波动性的影响。

( 二)利率变化对股市波动性影响的模型

利率是货币市场上资金的价格，同时也可以作为无风险收益率体现在股票的定价方程中。股票的定价方程如下：

                   …………………………………………（4）

式中，为股票价格，为预期基期每股股息，为货币市场利率，为股票的风险报酬，为股息年增长率。这一模型说明股票价格与货币市场利率成反方向变化。越高，股票价格就越低；反之，则反。这一理论简单阐述了货币市场利率与股票市场指数价格的内在关系. 所以利率作为货币市场上的资金价格变动时，也会对股市市场上的价格变动产生影响。

投资者在货币市场和资本市场进行投资时，通过比较两个市场的收益率，改变其自身的资产配置和投资决策。在货币市场和资本市场之间比较的标准是相对收益率，从股票市场的角度分析就是股票收益率相对利率的变化情况。假设股票市场上的收益率不变，当利率提高，股票市场上的相对投资收益率会下降，股票市场对投资者来说失去吸引力，投资者会把更多的资金配置到货币市场上或者离开股票市场；当利率下降时，资金投资者把更多的资金配置到股票市场上，或者重新进入股票市场。利率变化，通过改变股票市场上的相对投资收益率，造成投资者改变其资产配置，进一步改变股票市场上资产供求关系，影响股市市场上收益率。

通过上面的分析，我们知道利率会通过股票定价方程的折现因子和股票相对投资收益率比较，对股票价格产生影响。货币市场上利率的变化，会使投资者改变在货币市场和股票市场的投资决策，资金配置或者决定是否退出股票市场，会不可避免地对股票市场形成外生冲击，在一定程度上改变了股票市场的波动。

我们前文已经对股票市场波动性采用GRACH模型进行了建模，GARCH虽然可以拟合股市波动性中的时变性和集聚性，但并不能对此进行解释，需要引入其他外生变量，解释股市波动性。结合上文的理论分析，我们从利率变化的期限、预期与未预期、上升和下降三个角度，把利率变化引入条件异方差方程中，研究其对股票市场波动性产生的影响。

1、利率的期限因素

不同期限的利率代表了在货币市场上资金在不同期限的使用成本，也代表了投资者在股票市场进行投资的机会成本。货币市场上利率的变化，影响着股票市场上投资者对不同期限投资产品的选择。隔夜拆借利率的上升，会造成部分短期投机者放弃收益率较低部分的操作；而月拆借利率的变化，则会影响投资者的中期投资行为（一个月左右时间）；年拆借利率的变化，则决定投资者的长期投资选择。

通过GARCH模型对股市波动性的拟合，可以得到条件异方差方程，ARCH项和GARCH项反映了波动的持续性和聚集性。更进一步，我们把三种期限的利率变化，作为外生变量，来分析不同期限的利率变化对股市波动性的影响。因此，我们在条件异方差方程的基础上，建立以下模型：

…………………………………………（5）

其中：，i=1，2，3，分别代表隔夜拆借利率、期限一个月的同业拆借利率（月拆借利率）和期限为一年的同业拆借利率（年拆借利率），作为利率变化的滞后项，反应利率变化对股市波动性影响的传递时间。在模型中，ARCH项和GARCH项作为控制变量，利率变化的引入，如果在统计上显著，会造成ARCH项和GARCH项系数的改变，在一定上程度解释股市波动的持续性和聚集性。不同期限的利率变化，对ARCH项和GARCH项系数存在不同的改变程度，以此来考察利率变化的期限因素对股市波动性的影响。

2、利率变化的预期部分与未预期部分

对于利率的变化，投资者通常根据利率过去的情况来预测现在和未来。对于实际发生的利率变化，被理性预期到的部分已经反映到了投资行为中，只有未预期部分才会对投资者的决策产生影响。在利率变化对股市波动性的影响中，预期和未预期部分会因在投资决策上传导的不同，对股市波动性产生不同的影响。

为了研究利率变化中预期部分和未预期部分对股市波动性的不同影响，我们需要对利率变化进行分解。利率变化为利率的一阶差分数据，可以采用平稳时间序列模型：ARMA模型，对其进行刻画。残差项（）作为当期随机扰动项，可以认为是利率变化中的未预期部分，而ARMA项（）由过去的利率变化组成，可以认为是利率变化的预期部分。利率变化的ARMA分解模型如下：

           …………………………………………（6）

把利率变化的预期和未预期部分引入条件异方差方程中，建立了如下模型：

      …………………（7）

其中，代表利率变化中的预期部分，代表利率变化中的未预期部分，以及各自的滞后项。通过比较利率变化中预期和未预期的系数和的不同，以及预期和未预期各自滞后期的不同，可以研究它们对股市变动性影响的大小程度和传递期限，借此来反映利率变化在投资者决策中过程的作用机制。

3、利率的上升和下降

股票市场中收益率的变化对股市波动性的影响存在不对称性，即杠杆效应。利率的变化首先对股市收益率产生影响，那么利率的上升和下降是否对股市市场波动性同样具有不对称效应呢？通过对利率变化的正负，即利率的上升和下降，加以区分，把二者引入到条件异方差方程中，建立了如下模型：

         ……………（8）

其中，为虚拟变量， 当>0， =1，其他情况下， =0；为虚拟变量， 当<0， =1，其他情况下， =0。通过虚拟变量和把利率变化区分为正和负，系数和的不同，反映利率的上升和下降对股市波动性的不同影响，而滞后期的不同，则是和投资者的决策行为有关。

四、实证分析

（一）变量的单位根检验

对时间序列建立回归模型时，如果模型是非平稳的，则回归可能会造成“伪回归”，使原本没有关系的变量在统计上表现出相关性，因而在对时间序列建模前需要对变量进行单位根检验。我们使用包含截距项的ADF检验，对各变量的检验结果如表一所示，各变量都是平稳的，可以对其建立模型，进行更深入的分析。

表一 变量的ADF单位根检验结果

变量的ADF单位根检验结果
变量	含义	ADF统计量	显著性水平
sh1	上证收益率	-15.63342	***
rated	隔夜拆借利率的变化	-16.22128	***
ratem	一月的拆借利率变化	-7.6842	***
ratey	一年的拆解利率变化	-12.5322	***
erated	隔夜拆借利率的变化的预期部分	-21.2056	***
unrated	隔夜拆借利率的变化的未预期部分	-15.37234	***
rated1	隔夜拆借利率的上升	-10.45041	***
rated2	隔夜拆借利率的下降	-14.37395	***

注：*表示10%显著性水平，**表示5%显著性水平，***表示1%显著性水平。检验结果来自EVIEWS5。

（二）上证收益率的ARCH效应检验

我们在数据描述部分，通过初步分析认为上证收益率的概率分布存在高峰厚尾的性质，波动性存在着时变性和聚集性。为了更准确的描述波动性的时变性，我们需要在对上证收益率进行拟合后，分析残差序列平方的相关性，即ARCH效应的检验。

我们没有选择通常的收益率均值回归方程（）对上证收益率拟合，经过比较后，我们选择了，实证结果如下：

我们认为，上证收益率服从ARMA(1,1)过程在一定程度上反映了收益率的一阶自相关性。可是对残差平方进行ARCH效应检验，LM==1.1100< (1)=3.841,却没有能够验证ARCH效应的存在。然而我们观察残差序列平方的相关函数图（图四）可以发现存在很强的自相关性：在n=10时，Q统计量为60.231，拒绝了残差序列平方不存在自相关的原假设。因而，我们认为有理由继续对上证收益率序列，使用GARCH模型进行建模分析。

图四 残差序列平方的相关函数图

（三）上证收益率波动性建模及利率变化对其影响

1、上证收益率波动性模型

在上证收益率服从ARMA(1,1)过程的基础上，我们建立了GARCH(1,1)模型来上证收益率的波动性。最终得到了如下模型ARMA(1,1)-GARCH(1,1):

  （29146.75）（40.54368）（-149.7038）

(0.717999)  ( 3.123372)  ( 23.51698)

AIC=0.254549   SC=0.3455  LR=-22.63672

注： 括号内为t统计量。

模型的极大似然为统计量LR的绝对值为22.63672>（6）=18.5476，说明模型显著，对收益率的条件异方差可以进行较好的拟合。从各变量的t统计量来看，除条件异方差方程中的截距项外，认为各个系数显著。=0.7688<1，符合GARCH模型的弱平稳条件，并且0.7688接近于1，反映出了波动率的持续性。我们可以在异方差方程的基础上引入利率变化，作为外生变量，研究利率变化对股市波动性的影响。

2、利率的期限因素

对于隔夜拆借利率（Rated）、月拆借利率(Ratem)和年拆借利率(Ratey)变化分别通过，进行数据的调试后，我们最终建立的模型如下表所示:

表二 系数表

变量系数	Rated	Ratem	Ratey
α0	0.000967***	0.000967***	0.000967***
α1	0.115886***	0.115886***	0.115886***
β1	0.884698***	0.884698***	0.884698***
γ0	-6.91E-17***	-2.73E-16***	-8.71E-17***
γ1	-6.42E-17***
γ2		-2.93E-16***	-9.32E-17***

注：rated，ratem，ratey的含义同ADF检验的表示，“****”表示1%的显著性能水平。

通过上表，我们可以发现，利率变化对股市波动性的影响在统计上显著，但数值上并不大，三种期限的利率变化的系数表现出了一致性，这与传统意义上利率变化会对股票市场产生很大影响不同。但值得注意的是隔夜拆借利率变化的滞后期上比期限为一月和一年的利率变化短，仅仅在滞后一期上存在显著性，而一月和一年的利率变化在滞后二期上仍然显著，在滞后一期并不显著。与这三种利率代表的资金使用期限联系起来，隔夜拆借利率资金由于时间短，使投资者的投资选择空间和灵活性大大降低，在股票市场上的投资也必然受到影响，从而对股市波动性的影响仅仅表现出滞后一期。而对月利率和年利率的资金，投资者由于资金的使用期限长，投资灵活性增加，规避投资风险的能力加强，投资选择的空间扩大，对股市波动性的影响也更加复杂，表现为滞后一期没有显著，而滞后两期却显著的特殊情况。

值得注意的是，在模型建立时，我们把三种不同期限的利率作为响应期限投资者的机会成本，并没有得到很好的验证。这可能与我国金融市场的特点有关，在货币市场上，参与者主要为金融机构；而在股票市场上投资者主要为个人投资者和基金，基金把主要资产配置在股票市场，使得利率并没有起到调节投资者改变资产配置的作用。

3、利率变化的预期部分与未预期部分

在研究利率变化中的预期部分与未预期部分对股市波动性的影响前，我们需要对利率变化中预期部分和未预期部分进行分解。我们选择隔夜拆借利率变化，使用通常的平稳时间序列模型：ARMA模型，对利率变化进行分解，最终结果如下：

我们残差项作为未预期部分：，ARMA项拟合的作为预期部分，使用进行分析，最终得到如下结果：

表三 系数表2

α0	α1	β1	γ0	γ1	γ2	γ3	λ0
0.000967	0.115886	0.884698	-2.08E-15	-1.27E-15	-1.37E-15	6.48E-17	-1.16E-16
***	***	***	***	***	***		***

我们可以发现预期部分和未预期部分的作用机制的不同：利率变化中的未预期部分，仅仅在当期对股市波动性产生影响；而预期部分则滞后两期仍然会产生影响，滞后三期时则不显著。利率变化中预期部分，会有一个逐渐地对股市波动性的作用过程，在模型中表现为滞后性。从预期的作用机制看，投资者预期到利率在未来会产生变化，就会在投资决策中反映出这种预期因素，逐渐改变资产在货币市场和资本市场的配置。在资产配置调整的过程对股市波动性产生了影响。与此相反，当实际利率的变化与预期变化存在误差时，即未预期部分，投资者会一次性地调整资产配置，对股市波动性的影响变现为当期，不存在滞后的效应。

4、利率的上升和下降

在研究利率的上升和下降对股市波动性的影响问题，我们通过模型

，进行了模型对比，我们最终建立的模型如下：

表四 系数表3

α0	α1	β1	γ0	λ0	λ2
0.000967	0.115886	0.884698	-2.72E-16	2.00E-17	-1.56E-16
***	***	***	***		***

我们发现利率的上升和下降对股市波动性作用时期不同：利率上升对股市波动性是当期作用，而利率下降则是滞后一期，当期则不显著。从资金供需和投资者的投资理念来分析，利率的上升，股市的相对收益率减少，投资者为防止更大的损失，会将大量资金迅速转移到货币市场；而利率下降时不同，投资者在股票市场的投资收益预期增加，但理性投资者并不会在当期增加投资，而比较关注收益增加的持续性，防止盲目的投资带来不可预测的损失，一般则会在下一期增加投资资金。 

5、利率变化对股市波动性影响的综合分析

综合以上，分析利率变化的期限因素、预期与未预期部分以及利率的上升和下降，我们可以发现，无论何种形式的利率变化，对股市波动性都存在影响，在统计上均显著，但数量上都很小。由此我们可以推断，影响股市波动性的重要因素除了利率变化以外，还应该有其他的因素，例如：干预、经济周期和流动性等。目前我国金融改革处于初步阶段，金融市场的发展存在许多不足：市场制度建设不完善，市场风险规避能力和监管功能缺乏，交易产品和工具稀缺，使得投资者（主要是个人投资者）在货币市场和资本市场间的资产配置转换难以实现。利率作为调节资金流动的作用也不再明显，使得其对股市波动性的影响较小。

在以上模型中，利率变化与股市波动性的关系为负，即利率上升会降低股市波动性，反之亦然。我们认为这与投资者在资产配置中的参与程度相关。利率上升会降低股票市场的相对投资收益率，投资者减少在股票市场上的资产配置，甚至完全撤出在股票市场的投资，造成股票市场的交易量下降，从而使得参与股票定价的投资者减少，关于股价的信息量随之降低，这些共同造成股市波动性的下降。与此相反，利率下降，通过股票定价方程可知，使得股价上升，提高了股票市场上的相对投资收益率。投资者增加在股票市场上的资产配置，新的投资者进入股票市场，积极参与市场交易，带来关于市场的新信息，共同提高股市的波动性。

从利率变化对股票市场波动性的作用机制来看，表现出了很强的复杂性：首先，不同期限的利率在滞后期表现出各自的特点，这与利率代表的资金使用期限有关，更与投资者在投资决策中各自行为有关；其次预期与未预期利率变化的影响过程，符合理论假设，但预期部分在滞后上的复杂性，加大了分析和预测难度；最后，利率上升和下降造成的不同影响，与投资者的心理因素有关，增加了整个传导过程的复杂性。

利率作为货币市场上资金的使用成本，综合反映了货币市场上各种参与者的影响，本身就受多种因素的影响，如：银行的货币，对未来宏观经济的预期，金融机构头寸的调度等因素。所以作为各种货币市场因素的综合，利率变化对股市波动性的影响，反映着货币市场参与者在股票市场上的投资行为，因为表现出了以上分析的各种特点。

五、结论及建议

 本文在利用GARCH模型对上证综指收益率的波动性进行建模的基础，把利率变化作为外生变量，引入条件异方差方程中，从利率变化的期限因素、预期和未预期、上升和下降三个角度，研究了利率变化对股市波动性的综合影响。主要得出以下几个结论：

结论一：利率变化对我国股市波动性存在影响，但这种影响很微弱，我们认为这与我国金融市场的实际状况密不可分。投资者把大部分资产配置在股票市场上，对货币市场上的资金价格—利率，表现得不再敏感，弱化了利率变化对股市波动性的影响。

结论二：利率变化与股市波动性的关系为负，与以往的研究结论相同，但我们采用投资者在股票市场上资产配置改变的角度进行分析，根据投资者参与股票定价，市场信息量的增减变化，分析投资渠道的传导情况。

结论三：在对利率的期限、预期和未预期因素进行研究后，我们认为利率变化对股市波动性的影响机制相对复杂，影响的滞后性与投资者的理性预期和决策行为有关，增加了分析和预测的难度。

综合以上结论可以发现，利率变化对股市波动性的影响，受我国金融市场发展状况的，使得利率作为货币市场上资金的价格，对股票市场的影响表现得微弱，我们认为应该从以下方面改善投资者在货币市场和资本市场上投资渠道，加强货币市场和资本市场的联系。

建议一：我国过于重视资本市场的发展，忽略了货币市场没有与资本市场均衡发展。在货币市场，金融产品以国债为主，缺少企业债、公司债等其他投资品种，由于收益率较低，削弱了投资者参与的积极性；参与者主要以商业银行和证券公司为主，证券投资基金作为聚集广大中小投资者的投资机构，并没有得到很好的参与，割断了中小投资者在货币市场配置资产的渠道。因此在以后的时间里，我国应该以金融市场的协调发展为目标，加强市场之间的监管工作，重视金融产品创新，扩大货币市场的交易产品和工具，增加货币市场基金的数量，使得中小投资者能把更多的资产配置在货币市场上。

建议二：在我国金融市场改革中，利率市场化是重要问题之一。利率作为货币市场资金的价格，反应市场上资金的供求状况，利率市场化的程度会影响到利率在投资者进行投资决策的调节作用。Shior的推出，在一定程度上促进了利率的市场化，应该继续扩大shibor在资产定价中的基础利率作用，使shibor成为利率互换、浮息债券的利率基准，以及短期限固定收益产品的定价基准。通过扩大shibor的影响力，来推进我国利率的市场化，使利率真正影响投资者的投资决策，借此推动投资者决策的理性化。

建议三：我国股票市场上投机氛围较重，投资者以短期投资为主，在投资决策上缺乏理性分析，风险规避意识薄弱。投资渠道单一，广大中小投资者主要在股票和储蓄存款之间选择，使得资产配置上没有合理分散化。另外需要注意的是，我国股票投资者以自有资金参与股票投资，利率并没有起到机会成本的作用，也使得对于利率变化不敏感。监管机构应该引导投资者理性投资分析，同时扩大个人的投资渠道，使我国个人的资产配置得到合理的分散化。

六、参考文献

[1]Terence C.Mills,《The Econometric Modelling of Financial Time Series》(中译本)，经济科学出版社，2002年； 

[2]A.Colin Cameron，Pravin K. Trivedi，Microeconometrics Methods and Applications，Cambridge University Press，2005

[3]James D.Hamilton，Time Series Analysis[M]，Princeton University Press，1994

[4]Engle.R.F.and T.Bollerslev，Modelling the persistence of conditional variances[J]，Econometric Reviews，1986

[5]刘俊山，张陶伟，成交量与股价波动ARCH效应的实证研究，财经科学，2004年3期。；

[6] 吴振信，许宁，货币对股指影响的GARCH-M效应研究，经济问题，2006 年8期；

[7] 战明华，许月丽，基础货币供给、银行同业拆借利率的变动与利率市场化改革——我国银行同业拆借利率与基础货币供应关系的实证及其含义，统计研究，2006年11期；

[8] 黄道平，基于ARCH族模型的中国股市波动性研究，暨南大学硕士学位论文，2006年5月；

[9]马向前，任若恩，基于市场效率的中国股市波动和发展阶段划分，经济科学，2002年第1期；

[10]陈德伟，金戈，利率、股票价格与货币传导，商业研究，2005年13期；

[11] 毕晓文，冯玉梅，利率调整对我国股市波动性的影响研究——基于2004年利率上调的实证分析，内蒙古科技与经济，2007 年2 期；

[12]谢敏，利率与股票市场间价格及其波动溢出关系的实证研究，湖南大学硕士毕业论文，2006年9月；

[13]满，美国金融危机对中国金融市场发展的启示；

[14]祁斌，全球金融危机下的中国资本市场发展，中国金融，2009年1期；

[15]夏春光，我国股市波动的利率效应，财经论坛，统计与决策，2005年7月下；

[16]李雅珍，我国货币市场与资本市场均衡模型研究，数量经济技术经济研究，2000年8期；

[17]李中山，武军伟，甄红线，我国银行间同业拆借市场基准利率的选择，上海金融，2009年8期；

[18]刘春香，银行利率与股市波动及经济增长之间关系的实证研究，辽宁税务高等专科学校学报，2006年6月3期；

[19]马骥，郭睿，中国股市波动性的实证分析，哈尔滨工业大学学报，2004年6期；

[20]熊正德，谢敏，中国利率与股市间波动溢出效应的实证研究，财经理论与实践(双月刊)，2007年1月28卷 145期；

[21]曹志鹏，韩保林，中国银行间同业拆借市场利率波动模型研究，统计与信息论坛，2008 年12月23卷12期；

[22] 蒋振声，金戈，中国资本市场与货币市场的均衡关系，世界经济，2001年10期；

[23] 2008.11.24-2008.11.28一周市场概貌，中国证券登记结算有限责任公司，http://www.chinaclear.cn/main/03/0306/1228203912329.htm

[24] 行情，证券时报，http://epaper.secutimes.com/paper/zqsb/page/1/2008-11-22/A023/80021227282973563.pdf。

附录

数据在EVIEWS中的操作结果

时间:

2008年10月6日-2009年9月1日

一、ADF检验

Sh1

Null Hypothesis: SH1 has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=14)
			t-Statistic	Prob.*
Augmented Dickey-Fuller test statistic			-15.63342	0.0000
Test critical values:	1% level		-3.459362
	5% level		-2.874200
	10% level		-2.573594
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(SH1)
Method: Least Squares
Date: 09/19/09   Time: 16:22
Sample (adjusted): 2 226
Included observations: 225 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
SH1(-1)	-1.0323	0.066070	-15.63342	0.0000
C	103.3021	6.607584	15.63387	0.0000
R-squared	0.5226	Mean dependent var		0.003424
Adjusted R-squared	0.520757	S.D. dependent var		0.419953
S.E. of regression	0.290722	Akaike info criterion		0.375953
Sum squared resid	18.84784	Schwarz criterion		0.406318
Log likelihood	-40.29469	F-statistic		244.4037
Durbin-Watson stat	2.004073	Prob(F-statistic)		0.000000

二、rated

Null Hypothesis: RATED has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=14)
			t-Statistic	Prob.*
Augmented Dickey-Fuller test statistic			-16.22128	0.0000
Test critical values:	1% level		-3.459362
	5% level		-2.874200
	10% level		-2.573594
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(RATED)
Method: Least Squares
Date: 09/20/09   Time: 15:49
Sample (adjusted): 2 226
Included observations: 225 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
RATED(-1)	-1.014926	0.062568	-16.22128	0.0000
C	-0.009884	0.004250	-2.325820	0.0209
R-squared	0.541275	Mean dependent var		-0.001554
Adjusted R-squared	0.539218	S.D. dependent var		0.093218
S.E. of regression	0.063277	Akaike info criterion		-2.673736
Sum squared resid	0.21	Schwarz criterion		-2.3371
Log likelihood	302.7953	F-statistic		263.1300
Durbin-Watson stat	2.011997	Prob(F-statistic)		0.000000

三、Ratem

Null Hypothesis: RATEM has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=14)
			t-Statistic	Prob.*
Augmented Dickey-Fuller test statistic			-7.684200	0.0000
Test critical values:	1% level		-3.459494
	5% level		-2.874258
	10% level		-2.573625
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(RATEM)
Method: Least Squares
Date: 09/20/09   Time: 15:50
Sample (adjusted): 3 226
Included observations: 224 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
RATEM(-1)	-0.621452	0.080874	-7.684200	0.0000
D(RATEM(-1))	-0.182262	0.0671	-2.818303	0.0053
C	-0.004876	0.002820	-1.729192	0.0852
R-squared	0.401598	Mean dependent var		8.04E-06
Adjusted R-squared	0.396183	S.D. dependent var		0.052732
S.E. of regression	0.040976	Akaike info criterion		-3.538374
Sum squared resid	0.371060	Schwarz criterion		-3.492682
Log likelihood	399.2978	F-statistic		74.15858
Durbin-Watson stat	2.047237	Prob(F-statistic)		0.000000

四、Ratey

Null Hypothesis: RATEY has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=14)
			t-Statistic	Prob.*
Augmented Dickey-Fuller test statistic			-12.53220	0.0000
Test critical values:	1% level		-3.459362
	5% level		-2.874200
	10% level		-2.573594
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(RATEY)
Method: Least Squares
Date: 09/20/09   Time: 15:50
Sample (adjusted): 2 226
Included observations: 225 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
RATEY(-1)	-0.826539	0.065953	-12.53220	0.0000
C	-0.009149	0.003583	-2.553795	0.0113
R-squared	0.413244	Mean dependent var		1.38E-05
Adjusted R-squared	0.410613	S.D. dependent var		0.068527
S.E. of regression	0.052609	Akaike info criterion		-3.043007
Sum squared resid	0.617200	Schwarz criterion		-3.0122
Log likelihood	344.3383	F-statistic		157.0560
Durbin-Watson stat	2.045494	Prob(F-statistic)		0.000000

五、erated

Null Hypothesis: ERATED has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=14)
			t-Statistic	Prob.*
Augmented Dickey-Fuller test statistic			-21.20560	0.0000
Test critical values:	1% level		-3.459762
	5% level		-2.874376
	10% level		-2.573687
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(ERATED)
Method: Least Squares
Date: 09/20/09   Time: 15:52
Sample (adjusted): 5 226
Included observations: 222 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
ERATED(-1)	-1.410848	0.066532	-21.20560	0.0000
D(ERATED(-1))	0.371266	0.038139	9.734505	0.0000
C	-0.013167	0.0008	-15.24019	0.0000
R-squared	0.674502	Mean dependent var		7.21E-05
Adjusted R-squared	0.671530	S.D. dependent var		0.015444
S.E. of regression	0.008851	Akaike info criterion		-6.603114
Sum squared resid	0.017157	Schwarz criterion		-6.557132
Log likelihood	735.9456	F-statistic		226.9081
Durbin-Watson stat	1.982809	Prob(F-statistic)		0.000000

六、Unrated

Null Hypothesis: UNRATED has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=14)
			t-Statistic	Prob.*
Augmented Dickey-Fuller test statistic			-15.37234	0.0000
Test critical values:	1% level		-3.459627
	5% level		-2.874317
	10% level		-2.573656
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(UNRATED)
Method: Least Squares
Date: 09/20/09   Time: 15:53
Sample (adjusted): 4 226
Included observations: 223 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
UNRATED(-1)	-1.028358	0.0667	-15.37234	0.0000
C	0.000531	0.004030	0.131672	0.54
R-squared	0.516738	Mean dependent var		0.0004
Adjusted R-squared	0.514551	S.D. dependent var		0.086381
S.E. of regression	0.060185	Akaike info criterion		-2.773855
Sum squared resid	0.800517	Schwarz criterion		-2.743298
Log likelihood	311.2849	F-statistic		236.30
Durbin-Watson stat	2.006069	Prob(F-statistic)		0.000000

七、rated1

Null Hypothesis: RATED1 has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=14)
			t-Statistic	Prob.*
Augmented Dickey-Fuller test statistic			-10.45041	0.0000
Test critical values:	1% level		-3.459494
	5% level		-2.874258
	10% level		-2.573625
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(RATED1)
Method: Least Squares
Date: 09/20/09   Time: 15:54
Sample (adjusted): 3 226
Included observations: 224 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
RATED1(-1)	-0.816254	0.078107	-10.45041	0.0000
D(RATED1(-1))	-0.110343	0.044712	-2.467883	0.0144
C	0.005178	0.001497	3.4580	0.0007
R-squared	0.473846	Mean dependent var		-8.93E-06
Adjusted R-squared	0.469085	S.D. dependent var		0.028573
S.E. of regression	0.020820	Akaike info criterion		-4.2547
Sum squared resid	0.095793	Schwarz criterion		-4.846856
Log likelihood	550.9653	F-statistic		99.514
Durbin-Watson stat	1.997674	Prob(F-statistic)		0.000000

八、rated2

Null Hypothesis: RATED2 has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=14)
			t-Statistic	Prob.*
Augmented Dickey-Fuller test statistic			-14.37395	0.0000
Test critical values:	1% level		-3.459362
	5% level		-2.874200
	10% level		-2.573594
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(RATED2)
Method: Least Squares
Date: 09/20/09   Time: 15:54
Sample (adjusted): 2 226
Included observations: 225 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
RATED2(-1)	-0.961850	0.066916	-14.37395	0.0000
C	-0.015685	0.004005	-3.916630	0.0001
R-squared	0.480925	Mean dependent var		-1.85E-19
Adjusted R-squared	0.478597	S.D. dependent var		0.080041
S.E. of regression	0.057796	Akaike info criterion		-2.854939
Sum squared resid	0.744909	Schwarz criterion		-2.824574
Log likelihood	323.1807	F-statistic		206.6104
Durbin-Watson stat	2.011919	Prob(F-statistic)		0.000000

九、ARCH检验：

（一）均值方程

Dependent Variable: SH1
Method: Least Squares
Date: 09/19/09   Time: 16:24
Sample (adjusted): 2 226
Included observations: 225 after adjustments
Convergence achieved after 23 iterations
Backcast: 1
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	100.0368	0.006957	14379.62	0.0000
AR(1)	0.935296	0.026309	35.55004	0.0000
MA(1)	-0.991900	0.011608	-85.45041	0.0000
R-squared	0.031270	Mean dependent var		100.0124
Adjusted R-squared	0.022543	S.D. dependent var		0.290234
S.E. of regression	0.286944	Akaike info criterion		0.354183
Sum squared resid	18.27876	Schwarz criterion		0.399731
Log likelihood	-36.84557	F-statistic		3.583054
Durbin-Watson stat	2.023788	Prob(F-statistic)		0.029409
Inverted AR Roots	.94
Inverted MA Roots	.99

ARCH Test:
F-statistic	1.1053	Prob. F(1,222)		0.294174
Obs*R-squared	1.110076	Prob. Chi-Square(1)		0.292066
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/19/09   Time: 16:24
Sample (adjusted): 3 226
Included observations: 224 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	0.075802	0.010901	6.953908	0.0000
RESID^2(-1)	0.070401	0.066954	1.051496	0.2942
R-squared	0.004956	Mean dependent var		0.081544
Adjusted R-squared	0.000474	S.D. dependent var		0.141231
S.E. of regression	0.141197	Akaike info criterion		-1.068427
Sum squared resid	4.425950	Schwarz criterion		-1.037966
Log likelihood	121.6638	F-statistic		1.1053
Durbin-Watson stat	2.000880	Prob(F-statistic)		0.294174

（二）GARCH模型

Dependent Variable: SH1
Method: ML - ARCH (Marquardt) - Normal distribution
Date: 09/19/09   Time: 16:25
Sample (adjusted): 2 226
Included observations: 225 after adjustments
Convergence achieved after 28 iterations
MA backcast: 1, Variance backcast: ON
GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*GARCH(-1)
	Coefficient	Std. Error	z-Statistic	Prob.
C	100.0440	0.003432	29146.75	0.0000
AR(1)	0.918463	0.022654	40.54368	0.0000
MA(1)	-0.9287	0.006608	-149.7038	0.0000
	Variance Equation
C	0.000967	0.001347	0.717999	0.4728
RESID(-1)^2	0.115886	0.037103	3.123372	0.0018
GARCH(-1)	0.884698	0.037620	23.51698	0.0000
R-squared	0.017358	Mean dependent var		100.0124
Adjusted R-squared	-0.005076	S.D. dependent var		0.290234
S.E. of regression	0.290970	Akaike info criterion		0.254549
Sum squared resid	18.54126	Schwarz criterion		0.3455
Log likelihood	-22.63672	F-statistic		0.773728
Durbin-Watson stat	1.966991	Prob(F-statistic)		0.569593
Inverted AR Roots	.92
Inverted MA Roots	.99

十、利率与期限:

（一）一日:

garch01 c garch01(-1) resid02(-1)   rated rated(-1)

Dependent Variable: GARCH01
Method: Least Squares
Date: 09/19/09   Time: 15:24
Sample (adjusted): 3 226
Included observations: 224 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	0.000967	3.27E-18	2.95E+14	0.0000
GARCH01(-1)	0.884698	3.59E-17	2.47E+16	0.0000
RESID02(-1)	0.115886	1.14E-17	1.01E+16	0.0000
RATED	-6.91E-17	2.70E-17	-2.561180	0.0111
RATED(-1)	-6.42E-17	2.66E-17	-2.410206	0.0168
R-squared	1.000000	Mean dependent var		0.084505
Adjusted R-squared	1.000000	S.D. dependent var		0.051219
S.E. of regression	2.48E-17	Sum squared resid		1.34E-31
F-statistic	2.38E+32	Durbin-Watson stat		0.888788
Prob(F-statistic)	0.000000

（二）一月:

Dependent Variable: GARCH01
Method: Least Squares
Date: 09/19/09   Time: 15:35
Sample (adjusted): 3 226
Included observations: 224 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	0.000967	4.96E-18	1.95E+14	0.0000
GARCH01(-1)	0.884698	5.63E-17	1.57E+16	0.0000
RESID02(-1)	0.115886	1.68E-17	6.88E+15	0.0000
RATEM	-2.73E-16	6.24E-17	-4.377130	0.0000
RATEM(-2)	-2.93E-16	5.93E-17	-4.932070	0.0000
R-squared	1.000000	Mean dependent var		0.084505
Adjusted R-squared	1.000000	S.D. dependent var		0.051219
S.E. of regression	3.66E-17	Sum squared resid		2.93E-31
F-statistic	1.09E+32	Durbin-Watson stat		0.715831
Prob(F-statistic)	0.000000

（三）一年：

garch01 c garch01(-1)  resid02(-1) ratey ratey(-2)

Dependent Variable: GARCH01
Method: Least Squares
Date: 09/20/09   Time: 09:27
Sample (adjusted): 3 226
Included observations: 224 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	0.000967	3.18E-18	3.04E+14	0.0000
GARCH01(-1)	0.884698	3.57E-17	2.48E+16	0.0000
RESID02(-1)	0.115886	1.10E-17	1.05E+16	0.0000
RATEY	-8.71E-17	3.16E-17	-2.756523	0.0063
RATEY(-2)	-9.32E-17	3.10E-17	-3.007279	0.0029
R-squared	1.000000	Mean dependent var		0.084505
Adjusted R-squared	1.000000	S.D. dependent var		0.051219
S.E. of regression	2.39E-17	Sum squared resid		1.25E-31
F-statistic	2.56E+32	Durbin-Watson stat		0.967915
Prob(F-statistic)	0.000000

十一、利率的分解:

（一）一日:

rated c  ar(2) ma(2)

Dependent Variable: RATED
Method: Least Squares
Date: 09/19/09   Time: 15:19
Sample (adjusted): 3 226
Included observations: 224 after adjustments
Convergence achieved after 11 iterations
Backcast: 1 2
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-0.009369	0.004456	-2.102494	0.0366
AR(2)	-0.412428	0.110540	-3.731045	0.0002
MA(2)	0.558568	0.112982	4.943862	0.0000
R-squared	0.093369	Mean dependent var		-0.009821
Adjusted R-squared	0.085165	S.D. dependent var		0.063279
S.E. of regression	0.060524	Akaike info criterion		-2.758243
Sum squared resid	0.8095	Schwarz criterion		-2.712551
Log likelihood	311.9232	F-statistic		11.37985
Durbin-Watson stat	2.046206	Prob(F-statistic)		0.000020

garch01 c garch01(-1) resid02(-1) erated(0 to -3) unrated

Dependent Variable: GARCH01
Method: Least Squares
Date: 09/20/09   Time: 10:28
Sample (adjusted): 6 226
Included observations: 221 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	0.000967	6.82E-18	1.42E+14	0.0000
GARCH01(-1)	0.884698	5.21E-17	1.70E+16	0.0000
RESID02(-1)	0.115886	1.63E-17	7.10E+15	0.0000
ERATED	-2.08E-15	2.75E-16	-7.562862	0.0000
ERATED(-1)	-1.27E-15	2.73E-16	-4.61	0.0000
ERATED(-2)	-1.37E-15	2.57E-16	-5.355061	0.0000
ERATED(-3)	6.48E-17	1.85E-16	0.351225	0.7258
UNRATED	-1.16E-16	4.16E-17	-2.785926	0.0058
R-squared	1.000000	Mean dependent var		0.084804
Adjusted R-squared	1.000000	S.D. dependent var		0.051501
S.E. of regression	3.52E-17	Sum squared resid		2.65E-31
F-statistic	6.71E+31	Durbin-Watson stat		0.943882
Prob(F-statistic)	0.000000

十二、不对称性研究:

（一）一日:

garch01 c garch01(-1) resid02(-1) rated1 rated2 rated2( -2)

Dependent Variable: GARCH01
Method: Least Squares
Date: 09/20/09   Time: 10:47
Sample (adjusted): 3 226
Included observations: 224 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	0.000967	3.48E-18	2.78E+14	0.0000
GARCH01(-1)	0.884698	3.70E-17	2.39E+16	0.0000
RESID02(-1)	0.115886	1.19E-17	9.78E+15	0.0000
RATED1	-2.72E-16	8.24E-17	-3.306237	0.0011
RATED2	2.00E-17	3.07E-17	0.650872	0.5158
RATED2(-2)	-1.56E-16	3.04E-17	-5.118540	0.0000
R-squared	1.000000	Mean dependent var		0.084505
Adjusted R-squared	1.000000	S.D. dependent var		0.051219
S.E. of regression	2.57E-17	Sum squared resid		1.44E-31
F-statistic	1.78E+32	Durbin-Watson stat		1.048743
Prob(F-statistic)	0.000000