存在异方差的股票数据

A. 如何利用计量经济学方法估计金融市场的波动率，并预测未来的股票价格走势

估计金融市场波动率的方法之一是使用GARCH模型。GARCH模型是一个非线性的时间序列模型，用来描述金融市场波动率的异方差性（volatilityclustering）。该模型可以通过历史数据来估计未来波动率的水平和方向。以下是利用GARCH模型估计波动率和预测未来股票价格走势的一般步骤：
1.收集历史股票价格数据以及与该公司相关的其他经济指标数据。这些数据可以从各种来源（比如财经新闻、股票网站等）收集。
2.进行数据清理和预处理。这涉及到处理异常值、缺失值和季节性等。
3.使用GARCH模型估计波动率。该模型可以包括ARCH（自回归条件异方差）和GARCH（广义自回归条件异方差）模型。
4.模型拟合完成后，进行模型检验。这包括残差分析和模型拟合优度的检验。
5.利用已估计出的波动率进行未来股票价格的预测。这可以通过将已估计出的波动率斗悉雀带入股票价格的确定性模型来实现。
需要注意的是，GARCH模型仅能够空早反映历史数据中的波动率，无法准确地预测未来变化，因此预测结果仅供参考。同时，由于金融市场的复杂性和不确定性，建议在进行金融决策时，需综合考虑各种因素，而不能仅仅依赖统计模型的预测陆余。

B. 统计学专业基本介绍

统计学专业基本介绍

统计学(statistics)是应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化分析、总结，做出推断和预测，为相关决策提供依据和参考。它被广泛的应用在各门学科之上，从物理和社会科学到人文科学，甚至被用来工商业及政府的情报决策之上。随着数字化的进程不断加快，人们越来越多地希望能够从大量的数据中总结出一些经验规律从来为后面的决策提供一些依据。统计学专业不是仅仅像其表面的文字表示，只是统计数字，而是包含了调查、收集、分析、预测等。应用的范围十分广泛。

统计学专业主要包括一般统计和经济统计两类专业方向，培养具有良好的数学或数学与经济学素养，掌握统计学的基本理论和方法，能熟练地运用计算机分析数据，能在企业、事业单位和经济、管理部门从事统计调查、统计信息管理、数量分析等开发、应用和管理工作，或在科研、教育部门从事研究和教学工作的高级专门人才。

随着科学技术的飞速发展，统计方法与技术的应用越来越重要。19世纪统计技术为基因学说奠定了理论基础，在即将跨入21世纪的今天，科学技术对统计方法的依赖愈来愈强。世界上许多国家尤其是发达国家都非常重视统计学理论的研究和发展。根据国际统计学会(ISI)近几年的会刊及统计学方面的着名杂志，可将近几年国际统计界研究的主要问题概括如下：

1.统计学基本理论研究有

概率极限理论及其在统计中应用、树形概率、Banach空间概率、随机PDE’S、泊松逼近、随机网络、马尔科夫过程及场论、马尔科夫收敛率、布朗运动与偏微分方程、空间分

统计学

支总体的极限、大的偏差与随机中数、序贯分析和时序分析中的交叉界限问题、马尔科夫过程与狄利克雷表的一一对应关系、函数估计中的中心极限定理、极限定理的稳定性问题、因果关系与统计推断、预测推断、网络推断、似然、M——估计量与最大似然估计、参数模型中的精确逼近、非参数估计中的自适应方法、多元分析中的新内容、时间序列理论与应用、非线性时间序列、时间序列中确定模型与随机模型比较、极值统计、贝叶斯计算、变点分析、对随机PDE’S的估计、测度值的处理、函数数据统计分析等。

2.统计学主要应用领域有

社会发展与评价、持续发展与环境保护、资源保护与利用、电子商务、保险精算、金融业数据库建设与风险管理、宏观经济监测与预测、政府统计数据收集与质量保证等、分子生物学中的统计方法、高科技农业研究中的统计方法、生物制药技术中的统计方法、流行病规律研究与探索的统计方法、人类染色体工程研究中的统计方法、质量与可靠性工程等。

国内概况“九五”期间中国统计界出现了社会经济统计学与数理统计学相互学习、共同提高、共创未来的新局面。1996年10月，中国统计学会、中国概率统计学会、中国现场统计学会联合举办了全国统计科学讨论会，这是“九五”期间中国统计学术界一次盛会，它标志着中国社会经济统计学与数理统计学的合作已进入实质性阶段。统计界在数理统计与社会经济统计学的结合方面、风险管理与保险精算方面、空间统计学及其应用方面、政府统计数据质量研究与评价方面、信息技术、网络技术在统计学的应用方面、金融及证券理论研究方面、国民经济核算理论与应用方面、综合国力研究方面等取得了可喜的成就。“九五”期间国内统计界主要有影响的研究可概括如下：

1.理学类统计学一级学科地位的确立

“九五”期间中国统计界关于建立和完善统计学学科体系的研究与争论异常激烈。统计界对“大统计”的认识通过大量探索已逐步趋向统一。所谓“大统计”是针对中国过去数理统计、社会经济统计、生物医学统计等各学科领域的应用统计各自为政相对面窄而言。1998年9月国家教育部颁布的《普通高等学校本科专业目录和专业介绍》将统计学列为理学类一级学科，这是中国统计界“九五”期间的重大成就。教育部这项专业调整是为了适应市场经济与国际接轨的要求，在“宽口径，厚基础”的指导思想下，将原来的504个专业调整到249个专业，50%以上专业被砍掉，然而统计学不仅保留，而且列入理学类一级学科，这是中国统计界广大理论工作者辛勤努力的重要成就，是中国统计界值得庆幸的大事，它的颁布对中国统计的未来具有重大意义和深远影响。这一专业目录的确定为中国统计界长期的争论进一步指明了发展方向。这个方向就是——适应市场经济与国际接轨的统计学就是理学类统计学。统计学一级学科的地位表明统计学既不是经济学的一个子学科，也不是数学的一个子学科，统计学就是统计学。尽管统计学被教育部专业目录确定为理学类一级学科，但统计界，尤其是中国高等统计教育界经济类统计学者反对者甚多。有的学者认为理学类统计学就是数学，只有经济学其中的统计学才是统计学。赞成者认为统计学就是统计学，理学类统计学与数学有着质的区别，经济学类的统计学已被中国实践证明是前苏联的文科式统计学，根本不能代表作为方法论的整个统计学科。这一争论还将继续一段时间。

2.统计学基本理论与方法问题研究

“九五”期间中国统计界围绕与国际统计学接轨做了大量研究工作，系统地介绍了国外统计学研究的一些新进展。这方面最为突出的是国家统计局统计教育中心和中国统计出版社组织国内一流统计专家翻译出版了15本现代外国统计学优秀着作。这些着作令中国统计界不少学者大开眼界，从中汲取丰富的统计理论和方法，已在中国统计界产生了积极影响，为理学类统计学科的建立与发展奠定了基础。为适用新专业目录的需要，国内高校的统计教师们编写了一批统计方法和应用的新教材。中国统计界在抽样

统计学

方法、时间序列分析、多元统计分析、非参数统计、回归分析、指数理论、宏观经济建模等理论与应用研究方面作了大量工作。

3. 政府统计数据质量的研究

随着中国社会主义市场经济的深入发展，政府统计数据无论是在国家制定发展战略和社会、经济发展的宏观调控中，还是企业制定营销策略以及社会、经济、环境等科学研究领域都起着不可或缺的重要作用，用户对政府统计数据的内在质量以及数据的产生、提供过程的可靠性的企盼也越来越高。关于中国政府统计数据的质量近年来关注和研究的学者很多，发表的论文或报告已有近百篇之多。几乎每个省都设立了统计数据质量研究的课题，全国哲学社会科学基金还设立了“关于评估、改进和保证中国政府统计数据质量问题的研究”的重点项目。该项目从定性与定量的有机结合上开展对政府统计数据的评价与研究，主要从技术与方法上对中国政府统计数据的质量作出客观评价，对改进、提高、控制、监测中国政府统计数据的质量从理论与实践的结合上做了一些研究和探索。但总体来看，现有的大多数研究基本停留在定性的评说上，提批评的多，提实质性建议的少;指责体制的多，研究评价、改进、识别的理论与方法的少，大多数文献把统计数据的质量问题归结为中国的政治、经济体制问题。事实上，纵观北美、欧盟等许多国家的政府统计数据，无一例外地也存在数据质量问题，政府统计数据的质量是各国普遍存在和广泛关注的热点问题。

4. 风险管理和保险精算的研究

“九五”期间关于风险管理和保险精算的研究得到较快发展，主要表现在不少发达国家风险管理和保险精算名着的翻译出版，中国统计方面杂志以及几次全国概率统计学术会议这方面论文的显着增加。风险管理与保险精算的研究不仅满足中国社会主义市场经济的需要，也更大地扩展了统计学方法的应用。这方面的研究从引进国外理论已向中国的具体应用健康发展，保险精算的研究已由寿险领域向非寿险领域扩展，尤其是开始结合中国实际向社会保障领域有效延伸。

5. 统计学在金融、证券领域的应用研究

1997年开始的亚洲金融风暴，给亚洲乃至世界经济的健康发展带来危机，中国经济的发展也受到亚洲金融风暴的影响。国家的经济安全、金融安全被国家领导核心重视，为统计技术与方法的应用提供了新的机遇，在全国应运而生建立了金融数学与金融工程管理中心、证券期货模拟实验室、金融数学系等。全国有不少统计学者成为研究金融、证券、投资的主力。从发表的论文来看统计方法研究金融、证券问题主要有：(1)有效投资组合研究。最为典型的是VaR技术的运用和具有异方差的时间序列模型技术的应用。(2)结构分析研究。运用多元统计方法分析股票的投资结构、探讨股票涨跌规律、寻求证券市场发展与影响因素的关系。(3)金融安全概率的研究。有学者运用东南亚等国和中国的金融数据资料，结合金融安全给出预警概率，为国家宏观经济调控和金融风险防范提供了有力的决策依据。

6. 统计综合评价理论与应用的研究

国际竞争力的研究是近年来颇受世界各国关注的重要研究。中国学者在“九五”期间开始开展这一领域的研究、并且通过刻苦努力紧跟这一领域的世界水平，在这方面中国学者所用的统计方法与世界水平相当，结合中国国情国力取得了重要成果。这方面有国民经济核算进一步发展的国际竞争力统计研究，知识经济时代中国科技创新的国际竞争力研究，中国金融、保险等领域的国际竞争力研究还有统计方法在社会经济发展水平的综合评价中的应用，顾客满意度量测与评价的研究等。

7. 国民经济核算理论与应用研究

“九五”期间，中国的国民经济核算体系研究进一步完善。在内容上，以增加值和GDP为核心，已经能比较全面地反映中国国民经济生产全过程、收入与分配、消费、储蓄、实物投资、金融投资、国际收支、资本和财富存量的变化等。为国家制定经济政策和宏观调控发挥着积极作用。可喜的是已有一些学者在国家的可持续发展、环境与核算技术相结合方面取得了重要研究成果。

研究方法统计方法在企业质量管理中的应用研究“九五”期间，一股“ISO9000”认证热席卷全球，质量体系认证日益成为国际贸易中所要求的供方质量保证能力和水平的标志。ISO9000族标准中有许多要素涉及到统计技术与方法的应用，中国已有近2万家大中型企业通过了认证。这方面的认证，对统计方法的应用提供了新的机会，中国不少统计学者找到了统计应用的现场，为国有企业员工培训、提高素质、扭亏增盈，国家经济形势好转发挥了统计工作者的积极作用。特别是试验设计、ISO14000和6质量标准技术的推广对改进企业管理水平，提高产品质量，提升企业国际竞争力发挥了重要作用。

抽样调查方法与应用的研究折叠“九五”期间关于抽样调查方法的研究与应用在中国开展的如火如荼。例如，交通部还建立了统计抽样调查系统。交通运输的大量统计数据已基本由抽样调查方法获得。全国许多行业对本部门关心的问题进行抽样调查，不少部门就公众关注的热点问题开展公众调查，有的报刊还定期刊登公众调查的调查报告。中国90年代初成立了不少市场调查公司，经过几年的大浪淘沙，现在全国生存下来的公司经营状况不错。网上调查、电话调查在中国也健康发展。有关抽样调查的理论，如非抽样误差控制的研究也得到统计界的广泛重视。

空间统计与地理信息系统的应用研究折叠空间统计学是近几年统计学发展的一个新领域，其主要的应用包括遥感，国土资源估计，农业和林业，海洋学、生态学和环境观测。在遥感技术的应用中，得到的统计数据通常以网络的形式出现，而且这些数据受到大气效应、观测位置以及测量工具的影响产生误差，空间统计学的应用在于，针对这种特殊的数据，研究如何控制误差、如何建立模型、如何处理资料信息。在资源的估测中，空间统计学的应用在于，如何利用空间统计数据，估计资源的总储量、资源的地区分布、资源的开发等。在环境监测等领域也作了积极的探索。

海外申请折叠一、专业简介和就业前景折叠按定义来说，统计学是应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化的分析、总结，并进而进行推断和预测，为相关决策提供依据和参考。举个例子来说：某批药品的不合格率是否在可以允许的范围之内，以便确定它是否能投放市场，就需要通过统计学研究抽取的样本来判断。虽然统计学从属于数学类，但是从美国大学的设置来看，统计专业已经慢慢从数学系中独立出来，成为单独的统计系。现在越来越多的学校成立统计系就是最好的证明。

统计是近些年非常热门的申请专业之一，统计学硕士毕业年薪通常可在6至8万美元以上。导致申请热门的最主要的原因就是申请者正是听说统计专业在美国的就业前景非常好，而且录取难度相对较低，因此无论是统计本专业的申请者还是转专业的申请者都将精力放在这个专业的申请上面。于是就加剧了统计专业的申请竞争。

从美国开设统计学专业的学校来看，统计学大致可以分为两类，一类是偏向于理论研究的，另一类是偏向于实际应用的。参考美国几所典型的统计学学校，我们可以对统计学的研究方向加以总结。前者主要包括统计系或者数学系下的统计学，后者包含的方面就非常的广泛了，包括：数理统计、生物统计、环境统计、金融统计、经济统计、遗传统计、农业统计等等。这些是统计在其他领域的应用而形成的研究分支。每个方向未来的发展也是不同的。

如数理统计就是通过对随机现象有限次的观测或试验所得数据进行归纳，找出这有限数据的内在数量规律性，并据此对整体相应现象的数量规律性做出推断或判断。其在应用方面，例如可以通过统计方法进行气象、水文以及地震预报的研究;在研制新产品时，利用统计学的知识进行试验设计和数据处理，以寻求最佳的生产方案等。

生物统计则是运用数理统计的原理和方法，分析和解释生物界的种种现象和数据资料，以求把握其本质和规律性。其最常见的是应用于医学、生物学、农学等的研究中，合理地进行调查或实验设计，科学地整理、分析收集得来的资料。在美国，生物统计有很大一部分设置在公共健康学院 (School of Public Health) 里面，毕业后可以在医院或者科研机构进行研究工作。生物统计的发展非常快，现在很多学校都专门设立了独立的生物统计系。

另外，经济统计学也是比较热门的专业之一，他主要是对于经济金融活动进行数量方面的调查整理分析，目的是认识经济活动客观规律，对经济活动实行科学建议、管理与监督。

除了以上比较热门的分支之外，还有社会统计等一些分支。但是随着学科的发展健全，目前的美国统计专业的分支除了生物统计之外划分的也没有那么明显，反而是学科间的融合越来越明显，统计与学校其他各个系之间的合作越来越多、越来越深入。

C. 股票收益率为什么要用对数收益率,请问各位大侠，对数收益率有什么优势

因为常用的时间序列分析的模型，都要求随机变量是二阶矩平稳，很明显价格序列通常是I（1）过程，或者是广义维纳过程。这一类过程二阶矩不平稳，很多模型不适用，所以要进行对数转换，变成平稳的序列。

对数收益率的时序可加性能够使用另外两个利器：中心极限定理和大数定律。假设初始资金 X_0（假设等于 1），ln(X_T) = ln(X_T/X_0) 就是整个T期的对数收益率。对数收益率的最大好处是可加性，把单期的对数收益率相加就得到整体的对数收益率。

(3)存在异方差的股票数据扩展阅读：

影响股票收益率的因素：

1、企业分配政策：由于不同企业所处发展阶段不同，经营效率不同，现金流量状况不同及规模扩张动力大小不同，因此会有不同的分配政策。这会直接影响红利分配的数量及红利分配的形式，也对资本增值收益产生间接影响。

2、企业所处行业特征：通常企业所处行业若为成长性行业、高科技行业，由于这些行业成长性高，发展前景广阔而被市场看好，因此市场预期趋同使这类股票受到追捧，从而有较高的市场价或存在着较高的价格上升潜力。反之处于传统产业甚至夕阳产业的企业，股票价格表现一般不会很好，从而投资难以获得差价收入。

3、宏观经济状况：宏观经济状况是股价变化的重要外部因素，具体包括经济增长周期、经济政策及经济指标变化特征等。宏观经济状况好，企业业绩增长外部环境好，股价容易上涨。

D. 怎么挑出跟大盘走势一样的股票

通过常识选你认为和大盘走势相近的股票，其次选取代表“走势”和“大盘”的指标，中国股市中，大部分股票的走势都与大盘走势是接近的，因为大盘走势就是由每一个股票组成的综合组成的。挑出与大盘走势一样的股票的方法有很多，每个股民都有自己的标准，很难一概而论。大盘一般指上证综合指数。由于股票基金主要投资股票，因此与股市关系密切，需经常关注上证综合指数。而上证综合指数是以上海证券交易所 挂牌上市的全部股票（包括A股和B股）为样本，以发行量 为权数（包括流通股本和非流通股本），以加权平均法 计算，以1990年12月19日为基日，基日指数 定为100点的股价指数。下载一个软件就可以，按照涨幅排序就可以找到每天上涨的股票通过这个是无法判断主力动向的，判断主力动向关键是资金的流向，只有后台的统计数据才能知道。
拓展资料：
一、长线投资：长线的股票只关注3点，基本面，业绩面和成长性。只要大盘处于低潮的时候，这些股票逢低介入持有。主要是一些绩优股和蓝筹股，比如我持有联通，宝钢，远洋，石化。这类股票不用担心其未来，肯定是向好的。短期投资关注消息面:这里主要指的是国家的一些政策取向，建设投入，未来的经济政策，发展趋势等等。比如今年5月，联通的重组炒作；不久前铁路板块炒作，每年的两会农业炒作，这种短期炒作都是快进快出。概念性炒作：奥运概念，世博会概念等等，这类股票只要在这种概念实现之前，都是有反复炒作的机会，你可以参见中体产业在奥运前的波段炒作。
二、短线的追涨操作：对于前几日表现一般，突短线的追涨操作：对于前几日表现一般，突然放量上涨的股票，可以在放量当日快速进场，而后次日获利离场。如果连续放量拉升的不追涨对大盘突然异动的判断：大盘在连续持续低迷，成交量萎缩的时候，某个交易日下午突然出现异动，大幅度拉升。很有可能就是国家即将出台政策利好。因为一些机构往往会提前知道利好，而采取行动。

E. 实际波动率的概念

要明确实际波动率，首先要从波动率的概念入手。波动率（Volatility）：是指关于资产未来价格不确定性的度量。它通常用资产回报率的标准差来衡量。也可以指某一证券的一年最高价减去最低价的值再除以最低价所得到的比率。业内将波动率定义为价格比率自然对数的标准差。波动率的种类有：实际波动率，隐含波动率，历史波动率等等，实际波动率便是波动率的一种。

F. 如何用GARCH(1,1)求股票的具体波动率数据

以哈飞股份(600038)为例，运用GARCH（1,1）模型计算股票市场价值的波动率。

GARCH（1,1）模型为：

(1)

(2)

其中， 为回报系数， 为滞后系数， 和 均大于或等于0。

（1）式给出的均值方程是一个带有误差项的外生变量的函数。由于是以前面信息为基础的一期向前预测方差，所以称为条件均值方程。

（2）式给出的方程中： 为常数项， （ARCH项）为用均值方程的残差平方的滞后项， （GARCH项）为上一期的预测方差。此方程又称条件方差方程，说明时间序列条件方差的变化特征。

通过以下六步进行求解：

本文选取哈飞股份2009年全年的股票日收盘价，采用Eviews 6.0的GARCH工具预测股票收益率波动率。具体计算过程如下：

第一步：计算日对数收益率并对样本的日收益率进行基本统计分析，结果如图1和图2。

日收益率采用JP摩根集团的对数收益率概念，计算如下：

其中Si，Si-1分别为第i日和第i-1日股票收盘价。

图1 日收益率的JB统计图

对图1日收益率的JB统计图进行分析可知：

（1）标准正态分布的K值为3，而该股票的收益率曲线表现出微量峰度（Kurtosis=3.748926>3），分布的凸起程度大于正态分布，说明存在着较为明显的“尖峰厚尾”形态；

（2）偏度值与0有一定的差别，序列分布有长的左拖尾，拒绝均值为零的原假设，不属于正态分布的特征；

（3）该股票的收益率的JB统计量大于5%的显着性水平上的临界值5.99，所以可以拒绝其收益分布正态的假设，并初步认定其收益分布呈现“厚尾”特征。

以上分析证明，该股票收益率呈现出非正态的“尖峰厚尾”分布特征，因此利用GARCH模型来对波动率进行拟合具有合理性。

第二步：检验收益序列平稳性

在进行时间序列分析之前，必须先确定其平稳性。从图2日收益序列的路径图来看，有比较明显的大的波动，可以大致判断该序列是一个非平稳时间序列。这还需要严格的统计检验方法来验证，目前流行也是最为普遍应用的检验方法是单位根检验，鉴于ADF有更好的性能，故本文采用ADF方法检验序列的平稳性。

从表1可以看出，检验t统计量的绝对值均大于1%、5％和10%标准下的临界值的绝对值，因此，序列在1%的显着水平下拒绝原假设，不存在单位根，是平稳序列，所以利用GARCH（1,1）模型进行检验是有效的。

图2 日收益序列图

表1ADF单位根检验结果

第三步：检验收益序列相关性

收益序列的自相关函数ACF和偏自相关函数PACF以及Ljung-Box-Pierce Q检验的结果如表3（滞后阶数 =15）。从表4.3可以看出，在大部分时滞上，日收益率序列的自相关函数和偏自相关函数值都很小，均小于0.1，表明收益率序列并不具有自相关性，因此，不需要引入自相关性的描述部分。Ljung-Box-Pierce Q检验的结果也说明日收益率序列不存在明显的序列相关性。

表2自相关检验结果

第四步：建立波动性模型

由于哈飞股份收益率序列为平稳序列，且不存在自相关，根据以上结论，建立如下日收益率方程：

(3)

(4)

第五步：对收益率残差进行ARCH检验

平稳序列的条件方差可能是常数值，此时就不必建立GARCH模型。故在建模前应对收益率的残差序列εt进行ARCH检验，考察其是否存在条件异方差，收益序列残差ARCH检验结果如表3。可以发现，在滞后10阶时，ARCH检验的伴随概率小于显着性水平0.05，拒绝原假设，残差序列存在条件异方差。在条件异方差的理论中，滞后项太多的情况下，适宜采用GARCH（1,1）模型替代ARCH模型，这也说明了使用GARCH（1,1）模型的合理性。

表3日收益率残差ARCH检验结果

第六步：估计GARCH模型参数，并检验

建立GARCH（1,1）模型，并得到参数估计和检验结果如表4。其中，RESID(-1)^2表示GARCH模型中的参数α，GARCH（-1）表示GARCH模型中的参数β，根据约束条件α+β<1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，满足约束条件。同时模型中的AIC和SC值比较小，可以认为该模型较好地拟合了数据。

表4日收益率波动率的GARCH（1,1）模型的参数估计

G. "由一个具有常数有限无条件均值和方差的平稳随机过程产生的"

（1）式给出的均值方程是一个带有误差项的外生变量的函数。由于是以前面信息为基础的一期向前预测方差，所以称为条件均值方程。

（2）式给出的方程中： 为常数项， （ARCH项）为用均值方程的残差平方的滞后项， （GARCH项）为上一期的预测方差。此方程又称条件方差方程，说明时间序列条件方差的变化特征。

通过以下六步进行求解：

本文选取哈飞股份2009年全年的股票日收盘价，采用Eviews 6.0的GARCH工具预测股票收益率波动率。具体计算过程如下：

第一步：计算日对数收益率并对样本的日收益率进行基本统计分析，结果如图1和图2。

日收益率采用JP摩根集团的对数收益率概念，计算如下：

其中Si，Si-1分别为第i日和第i-1日股票收盘价。

图1 日收益率的JB统计图

对图1日收益率的JB统计图进行分析可知：

（1）标准正态分布的K值为3，而该股票的收益率曲线表现出微量峰度（Kurtosis=3.gt;3），分布的凸起程度大于正态分布，说明存在着较为明显的“尖峰厚尾”形态；

（2）偏度值与0有一定的差别，序列分布有长的左拖尾，拒绝均值为零的原假设，不属于正态分布的特征；

（3）该股票的收益率的JB统计量大于5%的显着性水平上的临界值5.99，所以可以拒绝其收益分布正态的假设，并初步认定其收益分布呈现“厚尾”特征。

以上分析证明，该股票收益率呈现出非正态的“尖峰厚尾”分布特征，因此利用GARCH模型来对波动率进行拟合具有合理性。

第二步：检验收益序列平稳性

在进行时间序列分析之前，必须先确定其平稳性。从图2日收益序列的路径图来看，有比较明显的大的波动，可以大致判断该序列是一个非平稳时间序列。这还需要严格的统计检验方法来验证，目前流行也是最为普遍应用的检验方法是单位根检验，鉴于ADF有更好的性能，故本文采用ADF方法检验序列的平稳性。

从表1可以看出，检验t统计量的绝对值均大于1%、5％和10%标准下的临界值的绝对值，因此，序列在1%的显着水平下拒绝原假设，不存在单位根，是平稳序列，所以利用GARCH（1,1）模型进行检验是有效的。

图2 日收益序列图

表1ADF单位根检验结果

第三步：检验收益序列相关性

收益序列的自相关函数ACF和偏自相关函数PACF以及Ljung-Box-Pierce Q检验的结果如表3（滞后阶数 =15）。从表4.3可以看出，在大部分时滞上，日收益率序列的自相关函数和偏自相关函数值都很小，均小于0.1，表明收益率序列并不具有自相关性，因此，不需要引入自相关性的描述部分。Ljung-Box-Pierce Q检验的结果也说明日收益率序列不存在明显的序列相关性。

表2自相关检验结果

第四步：建立波动性模型

由于哈飞股份收益率序列为平稳序列，且不存在自相关，根据以上结论，建立如下日收益率方程：

(3)

(4)

第五步：对收益率残差进行ARCH检验

平稳序列的条件方差可能是常数值，此时就不必建立GARCH模型。故在建模前应对收益率的残差序列εt进行ARCH检验，考察其是否存在条件异方差，收益序列残差ARCH检验结果如表3。可以发现，在滞后10阶时，ARCH检验的伴随概率小于显着性水平0.05，拒绝原假设，残差序列存在条件异方差。在条件异方差的理论中，滞后项太多的情况下，适宜采用GARCH（1,1）模型替代ARCH模型，这也说明了使用GARCH（1,1）模型的合理性。

表3日收益率残差ARCH检验结果

第六步：估计GARCH模型参数，并检验

建立GARCH（1,1）模型，并得到参数估计和检验结果如表4。其中，RESID(-1)^2表示GARCH模型中的参数α，GARCH（-1）表示GARCH模型中的参数β，根据约束条件α+βlt;1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，满足约束条件。同时模型中的AIC和SC值比较小，可以认为该模型较好地拟合了数据。