基于GARCH模型的LOF和ETF收益率波动性比较分析[毕业论文].doc

1、本科毕业设计论文届论文题目基于GARCH模型的LOF和ETF收益率波动性比较分析所在学院商学院专业班级金融学学生姓名学号指导教师职称完成日期年月日诚信声明我声明，所呈交的论文是本人在老师指导下进行的研究工作及取得的研究成果。据我查证，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得或其他教育机构的学位或证书而使用过的材料。我承诺，论文中的所有内容均真实、可信。论文作者签名签名日期年月日授权声明学校有权保留送交论文的原件，允许论文被查阅和借阅，学校可以公布论文的全部或部分内容，可以影印、缩印或其他复制手段保存论文，学校必须严格按照授权对论文进行处理

2、，不得超越授权对论文进行任意处置。论文作者签名签名日期年月日I摘要本文基于GARCH类模型分别选取我国基金市场LOF和ETF日收益率观测数据进行实证分析，对收益率的动性进行研究。实证结果表明我国LOF和ETF收益率波动性特征十分相似，收益率序列均存在明显的条件异方差性；LOF和ETF基金市场均具有较强的投机色彩；外部冲击对市场动的影响具有持续性。文章最后对实证结果进行了分析。关键词LOF,ETF,GARCH，收益率波动性基于GARCH模型的LOF和ETF收益率波动性比较分析IIABSTRACTINTHETHESIS,INVESTIGATESTHERETURNVOLATILITYOFCHINES

3、EOPENENDFUNDMARKETBYUSINGLOFANDETFOPENENDFUNDINDEXGARCHMODELAREUSEDTOCARRYONTHEEMPIRICALSTUDYACCORDINGTOTHEEMPIRICALSTUDY,THEMAINRESULTSAREASFOLLOWSLOFANDETFINCHINAHAVESIGNIFICANTLYCONDITIONALHETEROSKEDASTICITYRELATIONLOFANDETFINCHINAHASASTRONGMOTIVEOFSPECULATIONOUTSIDESHOCKSCANBRINGABOUTLONGTERMIMP

4、ACTONTHEMARKETFLUCTUATIONTHERETURNOFFUNDHASOBVIOUSRISKPREMIUMEFFECTFINALLYITANALYZELOFSRETURNVOLATILITYANDETFSBASEDONTHERESULTSOFEMPIRICALSTUDYKEYWORDSLOF,ETF,GARCHMODEL,RETURNVOLATILITY目录摘要IABSTRACTII引言1一、文献综述2二、LOF和ETF概述4三、收益率波动模型6（一）ARCH模型6（二）GARCH模型6四、实证分析7（一）收益率统计分析及检验7（二）建立模型9五、结论与建议12参考文献141引

5、言随着开放式基金在我国的逐步发展，开放式基金在我国金融业中占据越来越重要的地位。它将对我国证券市场的资金结构和投资理念产生很大影响。与此同时，如同其他金融工具，开放式基金也面临着各种金融风险，如市场风险、流动性风险、操作风险、道德风险等。其中，市场风险是基金管理公司所面临的最主要的风险，并且市场风险也是最常见、最基本、最难防范的金融风险，它的恶化往往会导致其他风险如流动性风险的产生。近年来，由于市场风险的管理松懈，导致全球很多金融机构遭受了巨额亏损。这充分证明市场风险已经成为金融风险的最主要形式。而市场风险的根源就在于证券价格的波动性。自从1996年第一版巴塞尔协议建立以来，估计和预测市场波动

6、性已经成为世界上各经济体和许多金融机构风险管理的必要措施，金融资产的波动性问题开始受到投资者、监管部门以及学术界等各方面人士的极大关注。我国基金业发展走过了从无到有、从小到大的短短七年时间的初级阶段。起初，由于受到股市波动的影响，导致基金在广大投资者中认同程度低，基金发行时遇到了一定程度的困难，这说明基金这种投资品种为大众接受需要经历一个过程，从另一个方面来看，这也说明了投资者一改以往的了盲目和狂热，其投资行为正在变得更理性化，用更专业的眼光看待基金。这个时期，投资者期盼着新基金品种的出现，为他们提供具有明显特点、更能满足个性化需求的投资渠道。这也是我国基金市场通过基金品种创新走出基金发展暂时

7、困境的一个契机。开放式基金的推出，是我国基金业的创新，这说明我国基金管理公司具备借鉴国外先进技术、结合我国市场情况设计开发基金新品种的能力。随着我国基金业的进一步发展，市场各方积极开展金融创新活动，上交所和深交所经过努力研究，开发出了新的基金产品LOF、ETF。由于目前大部分国内外文献都是分析和检验股票市场的变化特征和波动规律，而对开放式基金市场的波动特征研究很少，所以本文选取我国LOF和ETF，对其收益率波动性进行研究。基于GARCH模型的LOF和ETF收益率波动性比较分析2一、文献综述二十世纪五十年代以前，对金融市场波动性的研究主要运用的是定性描述方法，MARKOWITZ1952提出的均值

8、方差模型标志着运用定量的方法研究金融市场波动的开端。在此模型中，用收益率的方差来刻画金融市场的波动，并假定方差不随时间变化而变化。但随着金融理论的深入发展，这一假设逐渐呈现出其不合理的方面。大量的有关金融数据的实证研究表明用来表示市场波动的方差是随时间而变化的。MANDELBROT1963对大量资料进行研究后指出一个描述金融价格的随机变量可能具有趋于无穷的方差，很多金融随机变量的分布具有尖峰厚尾的特性，其方差是随时间不断变化的，并且在方差的变化过程中，幅度较大的变化会相对集中在某些时段里，幅度较小的变化则会相对集中在另一些时段里。FAMA1965、HAGERMAN1978等学者相继发现，股票收

9、益率的分布具有两大特性1有偏性，而且偏度往往大于0，即概率分布不是对称的，而是偏向右边；2尖峰厚尾性，且峰度往往要远大于3，就是说，收益率剧烈波动，即出现极端事件的可能性要大于正态分布假设下极端事件发生的概率。由此可以看出，传统的计量经济学模型关于独立同方差的假定已不适用于描述金融市场价格的变化规律。于是许多金融学家和计量经济学家开始尝试用不同的模型和方法来处理这一问题。ENGEL1982提出的条件异方差自回归模型AUTOREGRESSIVECONDITIONALHETEROSKEDASTICITY，简称ARCH模型。该模型被认为是最集中地反映了方差的变化特点，而被广泛应用于经济领域的时间序列

10、分析。但是该模型也存在缺陷ARCH模型为短记忆过程，即市场受到一个冲击后，经过一段时间调整就得到恢复，这与金融市场的某些现象不符，这些现象是长记忆过程，即市场收到一个冲击后，要经过很长时间才得到恢复。为了使ARCH模型能够更好地拟合金融领域的变化规律，各国学者在ARCH模型的基础上进行了一系列推广。BOLLERSLEV1986提出了广义ARCH模型即GARCH模型，GARCH模型不仅考虑了扰动项的滞后值，还考虑了扰动项条件方差的滞后值。因此，GARCH模型是一长记忆过程，可以刻画长记忆的金融时间序列。为了刻画时间序列受自身方差影响的特征，ENGLE、LILIEN和ROBINS1987把条件方差

11、作为变量引入均值方程，提出了GARCHM模型条件异方差均值模3型。而当需要刻画证券市场中的非对称效应负收益的冲击比正收益的冲击导致更大的条件方差时，NELSON1991提出的EGARCH模型指数GARCH模型能更准确地描述金融产品价格波动的情况。此后，一些学者又提出了APGARCH模型、AGARCH模型、FIGARCH模型以及LMGARCH模型，经过不断的发展形成了ARCH类模型体。国外研究者利用这些模型进行了大量的研究，表明ARCH、GARCH模型及其扩展形式对描述金融时间序列的波动性具有非常好的效果。在有关收益与波动的关系的研究中，FRENCH，SCHWERT和STAMBAUGH1987用

12、GARCH模型估计美国股市预期收益和波动的关系，发现预期收益与股票的可预测波动成正相关，而未预期收益则与未预期波动成负相关。同年ENGLE等运用GARCHM模型进行研究发现，发现标准普尔500指数预期收益与预期波动正相关。1991年BOLLERSLEV和ENGLE的研究也发现风险溢价和波动性之间存在正相关关系。股价波动的杠杆效应的检验在NELSON1991，GLOSTEN，JAGANNATHANANDRUNKLE1993，ENGLEANDNG1993以及FORNARIANDMELE1997的论文中得到多次证实。NELSON1991采用具有非对称性的EGARCH模型来分析了不同的消息对股票波动性

13、的影响，验证了杠杆效应的存在。GLOSTEN，JAGANNATHANANDRUNKLE1993在GARCHM模型中加入季节项来区分正、负冲击对股价波动的不同影响称之为GJRGARCH模型，用该模型对纽约股市的股价指数月度收益进行实证分析，结果也表明存在杠杆效应。ENGLE1993比较了GARCH、EGARCH、GJRGARCH、VGARCH等模型捕捉波动非对称性的能力，并应用日本TOPIX指数收益率进行实证。FORNARIANDMELE1997系统地研究了杠杆效应，并采用6个国家的股票市场数据使用不同的模型进行了实证分析，同样证实了杠杆效应的存在。国内不少学者对ARCH类模型体系做了介绍，并且

14、运用ARCH类模型体系分析和检验了我国金融市场的变化规律和波动特征。张世英和柯珂2002对ARCH模型体系做了介绍和评述。唐齐鸣和陈健2001、陈健2003等对我国股市的ARCH效应进行了分析，并进行了股指波动的拟合。岳朝龙2001、陈千里2002、陈千里，周少甫2002利用GARCH类模型对我国股市收益的波动集簇性和不对称性进行了实证研究。到了近几年，国内学者才开始研究封闭式基金市场的波动特征。牛方磊，卢小广（2005）选取上证基金指数为研究对象，运用ARCH模型族进行实证分基于GARCH模型的LOF和ETF收益率波动性比较分析4析。结果表明，上证基金指数收益率表现出非正态性和条件异方差的特

15、征；GARCH1，1模型对上证基金指数的波动具有很好的拟合效果。郭晓亭（2006）以中信基金指数等三种基金指数为样本对封闭式基金市场的聚集性，非对称性等波动特征进行了实证研究。结果表明，基金市场波动具有聚集性、杠杆效应特征，没有明显的风险溢价效应。杨湘豫，周屏（2006）用GARCH模型及推广模型分析了华安创新基金收益率情况。王吉培，张哲（2008）运用GEDGARCH模型成功对沪深基金收益率波动性进行了研究，对不同分布假定的GARCH族模型进行了比较，发现基于广义误差分布GARCH类模型较好地解释了收益率分布的尖峰性和厚尾性。国外学者推动了GARCH模型的发展，使之更好的拟合金融界的变化规律

16、，国内学者用ARCH类模型检验我了我国的金融的变化规律。从总体上来看，国内外研究者大多是对股票市场收益率波动性进行研究，而很少有文献涉及证券投资基金收益率的波动性。本文将从整个开放式基金市场的角度出发，通过试验和对比，选择合适的模型进行拟合，力图发现ETF和LOF收益率波动特征，并且在实证研究的基础上，归纳出二者存在的问题，对我国LOF和ETF基金的发展提出建议。二、LOF和ETF概述2004年，深圳证券交易所推出了LOF，即上市型开放式基金；其后不久，上海证券交易所推出了ETF，即交易所交易基金。二者的相继推出，拉开了中国证券市场上新一轮金融创新特别是基金创新的序幕。LOF基金，英文全称是“

17、LISTEDOPENENDEDFUND”，汉语称之为“上市型开放式基金”。也即LOF基金发行结束后，投资者既可在指定网点申购与赎回基金份额，也可以在交易所买卖该基金。在募集期内，投资者除了可以通过基金管理人及其代销机构申购之外，还可以在具有基金代销资格的各证券公司营业部通过深交所交易系统认购。基金上市后，投资者可以通过跨系统转登记，实现通过银行等代销机构申购赎回与通过深交所交易系统买卖两种基金份额交易方式的转换。投资者还可以在证券营业部通过深交所交易系统按撮合成交价买入和卖出。ETF基金，英文全称是“EXCHANGETRADEDFUND”，交易型开放式指数基金，5又称交易所交易基金，是一种在交

18、易所上市交易的开放式证券投资基金产品，交易手续与股票完全相同，它通过完全复制与跟踪某一标的指数的方法最大限度地降低了市场的非系统性风险。采用被动式的管理使其交易成本较低，因此对一些希望规避风险获取长期稳定市场收益的投资者来说，ETF无疑是最佳的选择。作为全球金融衍生品的代表，ETF与股指期货交易自推出伊始便在全球范围内得到了迅猛发展，年交易量节节攀升，越来越受到广大投资者的青睐。由于ETF在一定程度上代表了股票现货指数，而股指期货与现货指数之间又存在极高的关联性，因此ETF与股指期货之间的关系也将十分密切。EFT和LOF的差异在于第一，基金类型不同。ETF是一种指数型基金，是跟踪标的指数的被动

19、型产品，而LOF可以是任何一种开放式基金，只是在现有交易渠道的基础上，增加了交易所交易方式，它不仅可以用于被动投资的基金产品,也可以用于经济投资的基金。第二，运作模式不同。ETF既可以用一揽子证券进行基金份额的申购和赎回，又可以上市交易，涉及的市场主体更为复杂，在发行方式、交易流程和结算交割流程等方面都不同于一般的产品。而LOF则是基金份额与投资者交换现金。第三，套利模式不同，如果ETF在交易所市场的报价高于其资产净值时，投资者可以在二级市场买进一揽子股票，然后在一级市场通过参与券商向基金管理人申购ETF，再于二级市场中以高于基金份额净值的价格将申购得到的ETF卖出，赚取之问的差价。反之，当E

20、TF在交易所的市场报价低于其资产净值，投资者可以在二级市场大量买进ETF，然后在一级市场通过参与券商向基金管理人赎回一揽子股票，再于交易所卖掉股票，获得套利。ETF的套利同时涉及到基金和股票两个市场。而对LOF进行套利交易只涉及基金的交易，LOF的申购和赎回是通过基金单位和市场买卖的基金单位分别由中国注册登记系统和中国结算深圳分公司系统托管方式来进行的，跨越申购赎回市场与交易所市场进行交易必须经过系统之间的转托管，需要两个交易日的时间，所以LOF套利还要承担时间上的等待成本，进而增加了套利成本。第四，参与主体不同，ETF可以用一揽子证券申购赎回基金份额，从而实现套利交易，保持了二级市场的基金交

21、易价格和基金份额净值的紧密联系。ETF实物申购与赎回的基本单位从几万份到100万份不等，目前上证50ETF是100万份。由于最小申购、赎回单位的金额较大，因此一般情况下，只有证券自营商等机构投资者以及资产规模较大的个人投资者才能参与ETF的实物申购与赎回，且一级市场的申购赎回一般都是通过参与券商进行。基于GARCH模型的LOF和ETF收益率波动性比较分析6三、收益率波动模型波动是描述事物起伏不定变化的一个概念。具体到金融市场来说，是指金融资产价格的变动，也经常指收益的变动。本文所研究的基金市场LOF和ETF的波动是收益的变动。波动率是资产收益不确定性的衡量，经常被用来衡量资产的风险。一般而言，

22、波动率越大，实际收益偏离预期收益的幅度越大，风险越大。本文将选取GARCH类模型分别对LOF和ETF收益率波动性进行衡量。（一）ARCH模型根据ENGLE提出的定义，ARCH模型表达式如下TTXY（1）如果,0/1TTTNI或2/1TTTV，其中1,0IINVT，则110TIITQ（2）为了保证条件方差T概率值为正，则00，I0，I1，2，3，Q。其中（1）式为ARCH模型的均值方程；（2）式为条件方差方程。ARCH模型能够很好的刻画时间序列的波动集聚性。系数0，1，Q反映过去外部冲击对当前的影响力度，系数越大说明影响程度越大。滞后期Q决定某一冲击对条件方差影响的持续时间，Q越大说明影响时间越

23、长。同时，ARCH模型的峰度系数大于正态分布的峰度系数，可以较好刻画时间序列的厚尾性。（二）GARCH模型为了解决ARCH模型通常需要较大阶数才能有较好拟合效果的问题，BOLLERSLEV提出了GARCH模型，其他条件不变，其条件方差方程变为JTJJTIITPQ1110（3）其中00，I0（I1，2，3，Q），J0（J1，2，P），为了保证GARCH过程平稳性，要求1011JJIIPQ。另外，在ARCH族模型中，GARCHM模型将条件方差作为解释变量引入均值方程，反映风险与收益的关系；EARCH模型引入残差方差滞后项，TARCH模型引入TD，两个模型都可以都可以用来反应信息冲击的非对称性。7四

24、、实证分析（一）收益率统计分析及检验1、研究样本由于没有LOF和ETF的权威基金指数，所以本文选取的数据为近年来表现良好的嘉实300LOF（以下简称LOF）和易方达深证100ETF（以下简称ETF）的基金收益率。基金收益率的计算以其净值为依据，其中基金日净值已进行向后复权处理。样本数据跨度为2007年1月10日至2009年12月31日。数据来源于中国基金网。2、收益率的计算本文采用对数收益率，其计算公式如下1LNLNLN1TTTPDPTPDPRTTT（4）其中TP为第T期期末的基金净值，TD为该期间的红利。本文数据均采用EXCEL和EVIEWS50软件进行处理。3、收益率分布的正态性检验表1L

25、OF和ETF收益率统计指标表均值偏度峰度JARQUEBERALOF00065888094422488224141514281（0000）ETF00023052119191611090132874952（0000）（）内为P值）从表1可以看出，两种指数收益率的偏度值都小于0，说明两种指数收益率分布具有左偏的特点；两种基金的收益率的峰度系数均大于3，说明这两种基金市场的收益率差异幅度较大，更多的收益率取值聚集在均值周围，同时，部分收益率又远离均值，即收益率数据存在尖峰厚尾的分布特征；两种指数收益率序列的JARQUEBERA统计量P值为0，表明在99的置信水平下拒绝零假设，因此拒绝两种基金指数收益率

26、序列的正态分布的假设。4、收益率波动性平稳性检验根据LOF和ETF收益率序列的基本统计量分析可知，收益率序列围绕在均值周围波动，不存在趋势，因此，选择不带时间趋势的回归模型进行单位根检验。本文采用ADF检验对序列序列进行单位根检验。基于GARCH模型的LOF和ETF收益率波动性比较分析8表2LOF和ETF收益率平稳性检验表AICADF1临界值5临界值10临界值平稳性LOF2971261298393100000256735119411501616479平稳ETF4823429257950000256735119411501616479平稳内为P值从表2的结果来看，LOF和ETF的ADF统计值都小

27、于1显著水平的临界值2567351，从而在1的水平下拒绝收益率序列存在单位根的原假设，因此，两种基金指数收益率时间序列都是平稳的。5、收益率序列的相关性检验本文用Q统计量来检验ETF和LOF收益率序列的相关性，Q统计量的原假设为不存在序列相关，如果Q统计量在某一滞后阶数显著不为零，则说明序列存在某种程度上的序列相关。表3LOF收益率序列滞后10阶自相关表ACPACQSTATPROB100420042169660193200580056491700086300870092122900006400020002122940015500080019123600030600180027126720049

28、7000000001267200818001900141301201119003600341431201121000030005143230159表4ETF收益率序列滞后10阶自相关表ACPACQSTATPROB10058005832612007120059005566061003730090009714496000240032004015513000450035004216677000560033005217731000770018002618048001298002400151860300179006500552273100071000060006227690012由于检验的有效样本数T9

29、70，因此自相关AC系数和偏相关（PAC）系数为0的2倍标准差边界为2/T006421，即AC系数和PAC系数在006421，006421时，在5的显著性水平下，不能拒绝该系数等于0的零假设。从表1和表2可以看出两种基金指数的绝大部分自相关系数和偏相关系数的绝对值都小于0064216，表明LOF和ETF收益率自相关性比较弱。（二）建立模型1、收益率的均值回归模型从前面分析可以看出，LOF和ETF收益率序列之间的相关性较弱，可以考虑在收益率均值回归模型中不包括回归因子，而只包括均值和随机扰动项。如下式所示TTCR（5）2、收益率序列的ARCH效应检验表5ARCHQ效应检验Q值LOF收益率ETF收

30、益率LM统计量PROBLM统计量PROB1700638900000008722512000000024384767000000054163080000000329244530000000361036000000004221270100000002712738000000052086009000000026257630000000从检验结果来看，ETF基金和LOF基金收益率序列在Q1时，对应的2检验对应的P值都小于5，因此不能接受原假设，可以认为两个收益率序列存在ARCH效应；当Q5，LM统计量都显著，说明残差序列存在高阶的ARCH效应，用GARCH模型能比ARCH模型更好地进行参数估计。3、G

31、ARCH1，1模型由于GARCH1，1模型能够较好地刻画金融时间序列数据的尖峰厚尾分布特征，尝试用GARCH1，1模型对ETF和LOF的收益率序列进行建模，均值方程采用如下形式TTCR，GARCH1，1的条件方差形式为基于GARCH模型的LOF和ETF收益率波动性比较分析10212102TTT（6）利用EVIEWS50软件进行计算，参数估计结果下表所示表6GARCH1，1模型参数估计表系数LOFETFC0079913234535700647182007663000022859000564200015861530105005602040514500024318564481100923043840

32、742209678301728911AIC值2797042533910SC值28171662554072对数似然函数值13483511221146残差的ARCH（1）检验27970043783603OBSRSQUARED05477890052047中为Z统计量，表示在95的置信水平下是显著的，在99的置信水平下是显著的从表4可以看出，对于LOF和ETF收益率序列，在99的置信水平下，和的检验结果是显著的，而且小于1，服从二阶平稳的条件；对GARCH1，1模型的残差进行ARCH1效应检验，结果列于表最后一行，检验统计量伴随概率的P值大于005，在95的可信度下可以认为GARCH1，1模型的残差不

33、再具有ARCH效应。LOF和ETF收益率序列的GARCH1，1模型中，两种基金的参数均接近1，这说明LOF和ETF对冲击的反应函数是以一个相对较慢的速率衰减。4、GARCHM（1，1）模型GARCH（1，1）M模型在均值方程中加入了反应风险的条件标准差。均值方程的形式为TTTR（7）方差方程的形式为212102TTT（8）利用GARCH1，1M模型对LOF和ETF收益率进行参数估计，其结果如下表11表7GARCH1，1M模型参数估计表系数LOFETFC007797222425250064599197010530010709（03607133）0029186（0961199）0003137339

34、051510001467149675000709057738933003391065060630900550633301209680411800660AIC值28013992541240SC值28266012566443对数似然函数值13494761223690中为Z统计量，表示在95的置信水平下是显著的，在99的置信水平下是显著的对于所选取的数据T项没有显著性，这表明收益率与市场波动的相关性不明显。5、EGARCH（1，1）模型EGARCH（1，1）模型的条件方差形式为LNLN2111111102TTTTTT（9）表8EGARCH1，1模型参数估计表系数LOFETFC007394722425

35、250067874200377400113369（9057393）0073767（7481665）100313733905151010341577912770070905166564800061100982428基于GARCH模型的LOF和ETF收益率波动性比较分析1210969767138638809680414520853AIC值27971612535797SC值28219642566443对数似然函数值13472341221058中为Z统计量，表示在95的置信水平下是显著的，在99的置信水平下是显著的由于项11TT的系数分别为070905和0006110，没有通过显著性检验，说明这两种基

36、金的收益率波动不存在杠杆效应。对比GARCH1，1模型和EGARCH1，1模型的AIC和SC值，二者相差不大，数值最小的是GARCH1，1模型，其拟合度最优。五、结论与建议通过以上的实证研究，可以得出以下结论LOF和ETF基金收益序列均表现出明显的非正态性，其分布呈现尖峰厚尾的特征。两种基金收益率左偏，这表明近几年两种基金负收益的概率大于正收益的概率。LOF和ETF的峰值分别为882和1109，跟军周哲芳，李子奈（2000）的研究结果，我国沪深股市的峰态系数值均为689左右，而美国股市的峰态系数值在38左右，我国LOF和ETF收益率序列的峰值远远高于国外成熟市场证券收益率序列的峰值，具有较强的

37、投机性；LOF和ETF的收益率波动具有持续效应，两种基金指数收益率序列的GARCH1，1模型的条件方差方程参数系数和接近1，这说明基金市场对冲击的反应函数是以一个相对较慢的速率衰减，外部冲击对收益率的冲击持续的时间比较长；GARCHM模型均值方程中反映风险的标准差系数并不显著，说明了投资者在对所选这两种基金投资时，并没有考虑到风险溢价，进一步表明投资者的投资行为是盲目的；通过对EGARCH模型的检验，说明了这两种基金的收益率波动不存在杠杆效应，但两种基金的系数1显著而不显著，表明投资者对正向的价格变动的敏感程度要大于负向价格变动的，投资者的投资理念还不够成熟，有一种“追涨”心理。一般来说，开放

38、式基金的投资理念是通过长期稳定的投资来获得较高水平的收益率。因此，同属开放式基金的LOF和ETF应该具有较低投机性和风险性的波动特征。但通过上文的实证分析，发现无论是LOF还是ETF都具有很强的投机13性和风险性，投资者更多的不是对这两种基金进行长期投资。要解决这些问题，可以从以下几方面着手第一，加强培育理性投资的力度。LOF和ETF的推出大大刺激了我国基金市场，这是开展投资者教育的一个大好时机。普及有关证券投资基金的知识，明确基金的产品特点和投资风险、树立正确的基金投资理念是基金业发展过程中急需解决的问题。从上文的实证结果来看，我国投资者对LOF和ETF的认识还不是很深，并没有将其作为长期投

39、资的工具。这使得LOF和ETF在我国证券市场的作用并没有完全发挥出来。第二，进一步优化投资方的结构。开放式基金的吸纳资金对象应以机构资金为主。因为成熟的投资者机构对刚成长的证券投资基金非常有利，他们运用更加专业的手段进行投资，能够减弱基金市场中的投机行为，对稳定证券市场起到一定作用。成熟的投资者机构一般以在可以预见的风险下的长期稳定增值作为投资目的，相比一般的投资者，他们更加关注的是基金的运作状况，以及如何通过分红来实现自身预期的收益等问题。应该从政策上鼓励投资机构积极参与基金投资，这样既可以避免由于个人投资者的因为投机行为而导致的基金市场的不稳定，又可以有效解决基金的投资渠道问题。第三，进一

40、步完善开放式基金监管体系。建立和完善我国基金监管法律体系，不仅是我国基金业规范运作的客观要求，也是我国基金业快速健康发展的重要保证。我国目前应加快立法进度，将现有的法律法规细化。在立法的同时，还应该做到以下几点一是加强对基金管理公司的内控机制的监管，促进基金管理公司积极提高自身的自律程度。相比西方国家基金监管体系，行业自律组织也是其重要的一个组成部分，它发挥着政府监管不可替代的作用；二是加强对基金信息披露的监管，增加基金信息的透明度，这样可以充分发挥公众和媒体的监督作用，促进基金公司自觉做到规范运作；三是推动中介机构和媒体的基金评级体系的建立。在西方国家基金业发展的过程中，基金评级机构已成为有

41、效的社会监督机构之一。其在帮助投资者权衡投资收益与风险选择基金投资的时候起到了一定的参考作用。基于GARCH模型的LOF和ETF收益率波动性比较分析14参考文献1张世英,柯珂ARCH模型体系J系统工程学报，200262362452唐齐鸣，陈健中国股市的ARCH效应分析J世界经济，2001329363陈健ARCH类模型研究及其在沪市A股中的应用J数理统计与管理，2003510134岳朝龙上海股市收益率GARCH模型族的实证研究J数量经济技术经济研究，200161261295陈千里，周少甫上证指数收益的波动性研究J数量经济技术经济研究，200261221256陈千里中国股市波动集簇性和不对称性研究

42、J湖北大学学报，2002，22142177牛方磊，卢小广基于ARCH类模型基金市场波动性研究J统计与决策，2005121091108郭晓亭中国证券投资基金市场波动特征实证研究J中国管理科学，2006,14115209杨湘豫，周屏GARCH模型在开放式基金中的实证研究J系统工程，2006，244737610王吉培，张哲基于GEDGARCH模型的沪深基金收益率波动性研究J现代经济，2008，710121411刘洋，王雅丽货币市场基金日收益率序列的波动性研究J浙江金融，20091262712ENGLERFAUTOREGRESSIVECONDITIONALHETEROSKEDASTICITYWITHE

43、STIMATESOFTHEVARIANCEOFUKINLATIONECONOMETRICA,198250987100813BOLLERSLEVTAGENERALIZEDAUTOREGRESSIVECONDITIONALHETEROSKEDASTICITYJOURNALOFECONOMETRICS,19863130732714NELSONDBCONDITIONALHETEROSKEDASTICITYINASSETRETURNSANEWAPPROACHECONOMETRICA,19915934737015DINGZHUANXIN,GRANGERCWJ,ENGLERFALONGMEMORYPROPE

44、RTYOFSTOCKMARKETRETURNSANDANEWMODELJOURNALOFEMPIRICALFINANCE,199318310616DUANJINCHUNAUGMENTEDGARCHP,QPROCESSANDITSDIFFUSIONLIMITJOURNAL15OFECONMETRICS,1997799712717CHIANG,THOMASCANDDOONG,SHUHCHYIEMPIRICALANALYSISOFSTOCKRETURNSANDVOLATILITIESEVIDENCEFROMSEVENASIANSTOCKMARKETSBASEDONTARGARCHMODELREVIE

45、WOFQUANTITATIVEFINANCEANDACCOUNTING,20011730131818CROUHYHANDMROCKINGERVOLATILITYCLUSTERING,ASYMMETRICANDHYSTERESISINSTOCKRETURNSINTERNATIONALEVIDENCEFINCANCIALENGINEERINGANDTHEJAPANESEMARKETS,1997413519BODURTHA,JAMESNANDNELSONCMARKTESTINGTHECAPMWITHVARYINGRISKSANDRETUENSJOUANLOFFINANCE,1991461485150

46、520ENGLERT,MUSTAFACIMPLIEDARCHMODELSFROMOPTIONSPRICEJOURNALOFECNOMETRICS,19925228931121FRENCHKR,GWSCHWERT,RSTAMBANGHEXPECTEDSTOCKRETURNSANDVOLATILITYJOURNALOFFINANCIALECONOMICS19871932922GLOSTENLR,RJAGANNATHAN,DRUNKLEONTHERELATIONBETWEENTHEEXPECTEDVLAUEANDTHEVOLATILITYOFTHENOMINALEXCESSRETURNONSTOCKSJOURNALOFFINACE,1993481779180123ENGLERFMEASURINGANDTESTINGTHEIMPACTOFNEWSONVOLATILITYJOURNALOFFINANCE,1993481749177824FABIOFANDMELEASIGNANDVOLATILITYSWITCHINGARCHMODELSTHEORYANDAPPLICATIONSTOINERNATIONALSTOCKMARKETSJOURNALOFAPPLIEDECONOMETRICS,1997124956基于GARCH模型的LOF和ETF收益率波动性比较分析16致谢