本文主要密切关注股票市场波动性问题，综合运用统计的理论与方法，研究股票市场波动风险因素，结合实际数据，运用统计软件，对统计数据进行定量分析与挖掘。

本文主要采用条件异方差模型描述分析股票的波动特性，应用混合分布对中国上市公司按照股票波动特性进行分组，然后应用适合的分析方法，根据不同的风险水平，对中国上市公司进行识别与分析。

自现代金融体系建立以来，风险与收益相匹配的原则得到了理论界和实务界的广泛认可。因此，在金融实务中如何对风险进行有效的测度和衡量成为金融研究工作者重点关注的话题。在现代金融理论中，波动率是金融时间序列最重要的特征之一，常被用于度量风险的大小，在金融市场的风险测定和金融衍生品定价方面发挥着巨大的作用。股票市场因其参与个体众多，风险的时变性和跳跃性更为明显，因此，对股票市场风险的有效测度成为学术界需要重点突破的一个领域。

在股票市场中，波动不断变化且具有群聚性。股票波动率是测量股票风险的重要指标，在资产定价、金融风险管理中有重要应用。

GARCH模型能准确地模拟时间序列变量的波动性的变化，它在金融工程学的实证研究中应用广泛，使人们能更加准确地把握风险（波动性）。因此本文采用此模型进行实证研究。

由于资产价格的波动容易受利率、汇率、财政政策、市场内外部消息等外在因素的影响，因此股票样本扰动项的方差大小依赖于前期误差的变化。GARCH模型可以很好的描述股票波动集聚性，日内心的信息不断到达，且信息数量序列相关，导致股票价格变化出现集聚性现象，产生GARCH效应，市场深度与信息到达的相关性与市场波动率特性有关。

自30世纪90年代以来，已有学者对LARCH模型进行了改进，并推出了一系列新模型。例如，1991年Nelson分析了1962一1987年美国股票指数样本，发现了股票收益的非对称性，并提出了EGARCH模型，放松了对参数非负性的约束。反映价格波动的不对称杠杆效应的另一个模型是在1993年由RabemananjaraZakoian提出的TGARCH模型。1996年Baillie探讨了序列变动异方差性和持续变动性，并提出了FGARCH模型。同年，Boller-slev,Ghysels提出了PGARCH模型，该模型考虑的因素比较多，也被看作是其他LARCH模型的综合。

对于GARCH 模型，国内学者主要采用现有模型进行实证研究为主。陆蓉、徐龙炳采用EGARCH模型，实证研究牛市和熊市对中国股市波动不平衡的影响。研究结果表明，股市在牛市阶段的信息不对称效应反映了显著的正回报效应，而熊市为显著的负面影响效应。

2. 研究的基本内容与方案

1、选取2006年至2014年A股上市公司每日股票收盘价数据，数据来自CSMAR数据库和Wind数据库。

2、对原始样本数据进行处理，得到每日股票收盘价序列，并验证其平稳性；若为平稳序列，用EViews软件输出每日股票收盘价序列的统计量特征及分布图。