基于涨跌停制度Tobit-AR-GARCH模型及其估计.pdf

【基于涨跌停制度的Tobit-AR-GARCH模型及其估计】 涨跌停制度是中国股票市场的一个显著特征，它规定了每日股票价格的最大波动幅度，以防止过度投机和市场剧烈波动。这一制度使得时间序列模型如ARCH（自回归条件异方差）、GARCH（广义自回归条件异方差）和SV（随机波动率）模型在处理中国股市数据时面临挑战，因为它们假设数据分布和自相关结构不受此类限制的影响。 Tobit模型是一种处理截断数据的统计模型，由Tobin在1958年提出，常用于分析存在观测下限或上限的情况。在中国股票市场，当股票价格触及涨跌停板时，数据并非完全丢失，而是部分信息仍然存在于序列中，因此Tobit模型可以更适当地捕捉这种限制下的价格行为。 王军伟等人提出的Tobit-AR-GARCH模型结合了Tobit模型和AR-GARCH模型的优点，旨在解决涨跌停制度下的数据分析问题。AR-GARCH模型考虑了价格变动的历史波动性，而Tobit部分则考虑了数据因涨跌停制度而被截断的情况。在模型阶数确定方面，他们提出了新的方法，以适应受涨跌停制度影响的数据特性。 文章中还探讨了贝叶斯估计方法在Tobit-AR-GARCH模型参数估计中的应用，相较于传统的最大似然估计，贝叶斯方法能提供更稳定的估计结果，并且考虑了先验信息，增强了模型的可信度。通过比较AR-GARCH模型和Tobit-AR-GARCH模型的参数估计，研究发现Tobit-AR-GARCH模型在处理涨跌停数据时表现更优。 国内外学者对涨跌停制度的研究结果显示，这一制度对股市波动性的影响尚无定论。有的研究表明，涨跌停制度可能加剧或减轻价格波动，而有的则认为它可能导致价格发现的延迟和交易干扰。针对中国股市的特点，直接应用不考虑涨跌停制度的经典时间序列模型可能会导致模型风险的低估。 Tobit-AR-GARCH模型为分析涨跌停制度下的股票价格提供了新的视角，有助于更准确地理解和预测中国股市的动态行为。这一模型的应用不仅有助于金融市场的风险管理和定价，也有助于政策制定者评估和调整涨跌停制度对市场稳定性的影响。