推测未来的波动。第二部分是目标股票的市场模型，得到beta的估计值。关键词：美股、新冠肺炎、方差异质性模型（GARCH）、非对称方差异质性模型（GJR-GARCH、E-GARCH）、风险系数（Beta）。
緒論
股票的長期表現
我们称之为GJR-GARCH模型或Nelson（1991）提出的描述市场收益杠杆效应的指数GARCH（E-GARCH）模型，因此，除了GARCH模型之外，本研究还考虑了GJR-GARCH和E-GARCH模型，并适应了以下三种误差分布：1.正态分布。
股票在疫情期間表現
Linter (1965) 提出用该模型来分析股票的预期收益和市场风险（𝛽 值）。当贝塔。但仅凭波动幅度的大小并不能判断一只股票是否盈利，所以还要考虑平均收益。
研究方法
- ARCH Test
- Jarque-Bera Test
- Ljung-Box Test
- 變異數異質性模型
- Joint Test
- Beta 值應用與計算
在使用GARCH模型之前，需要判断数据是否存在方差异质性，即数据是否存在ARCH效应。本研究采用Engle（1982）提出的拉格朗日乘子（LM）来确认数据方差是否异质。模型内涵：Bollerslev（1986）提出了GARCH（Generalized Autoregressive Conditional Heteroskedasticity）模型，称为原始CHAR的自回归渐进方差模型。
一种波动率预测和分析工具，可最大限度地减少投资者决策错误。 GARCH(1,1)模型可以表示为： GARCH模型可以同时表示数据的偏移，具有肥尾和高窄峰分布的特点。本报告采用 Engle 和 Ng (1993) 提出的联合检验。当使用GARCH模型时，。
在建立模型之前，需要评估数据是否存在不对称性。本研究采用的分析方法为Joint Test，其估计公式为： Beta值也可以与变异异质性模型相结合，将Beta值添加到变异异质性模型中。乘以市场回报（𝑅𝑀𝑇）就可以在短时间内成为市场回报模型。
實證分析
樣本描述
S为偏度系数，K为超峰度，LB(1)为前一日数据独立性检验，LB2(5)为前一周数据独立性检验的检验统计量。偏度系数是判断数据分布情况的指标，如果偏度系数为负，则说明数据集中在右半部分，数据呈现左尾分布（如图1左侧所示）。如果偏度系数为正，则说明数据集中在左半部分，数据呈现右尾分布（如图1右侧所示）。超额峰度是判断数据是否为肥尾（长尾）分布的依据（图2）如果超额峰度大于0，则说明数据为肥尾分布。观察表1数据可知，除Blink电动汽车充电站外，所有个股均出现这一情况。
图 2 标普 500 指数、迪士尼、可口可乐和西南航空日波动图 图 3 波音、苹果、亚马逊和 Blink 电动汽车充电站日波动图 数据的波动没有规律性，可以说存在方差异质性问题。 3.
2018年Blink电动车充电站的波动非常动荡，查资料后发现，由于2018年Blink电动车充电站与亚马逊旗下的一家公司合作，当时Blink电动车充电站的股市价格。
變異數異質性模型的參數估計
从上表我们可以看到，所有检验结果的p值都大于0.05，所以我们可以看出残差是相互独立的，并且方差是齐次的，那么就不存在杠杆效应了。
變異數異質性模型最終模型
市場模型分析
市場模型參數估計
表5与表2相同，是拟合相应模型和误差分布后得到的参数估计表。 𝜇 代表均值，𝜙1 代表 AR 项，𝜔 为截距项，𝛼1 为上期支付参数，𝛽1 为上期数据变异参数，𝜈 为标准化 t 分布或标准化偏斜 t 分布的自由度，𝜂 为标准化 skew 分布 t 系数。表 6 显示了残差的独立性检验、方差的同质性检验以及杠杆效应的 p 值。
从上表我们可以看到，所有检验结果的p-value值都大于0.05，这说明残差是相互独立的，并且方差是齐次的，进而不存在杠杆效应。表7显示了平均回报（𝜇）、标准差（𝜎）、Beta值（𝛽）并可见可以使用股票价值回报，也可以使用夏普值回报。 ，标准差越大，数据的波动性越大，越不稳定，Beta值大于1表示波动性大于市场波动性； Beta值等于1表示波动性对应于市场波动性； ）、亚马逊（AMZN）。
Blink（BLNK）盈利；与迪士尼 (DIS)、波音 (BA)、可口可乐 (KO) 和西南航空相比。
市場模型最終模型
2020 年報酬率波動圖
图4和图5是利用生成的模型再代入2020年数据形成的波动预测图。可以发现，Blink电动汽车充电站的薪酬波动幅度很大，而亚马逊的薪酬波动受普通股影响较小。可以说，由表 7 得到，
苹果（APPL）、亚马逊（AMZN）和电动汽车充电站（BLNK）三只股票均盈利，其中亚马逊（AMZN）盈利最高，其平均回报（𝜇）为正，这意味着该股票在选定的时间范围内盈利；收益（𝜎）的标准差小，意味着波动小，但必须与平均收益匹配才能判断是否盈利； e Beta值(𝛽)小于1。股票市场价格的波动性低于市场价格；最后我们看到夏普值，大的夏普值加上低的标准差（𝜎）和贝塔值（𝛽）代表波动性，甚至人们因为不能出门而选择使用互联网购物；相反，航空业的波音（BA）和西南航空（LUV），它们的平均回报率（𝜇）意味着这只股票在选定的时间范围内出现亏损；回报率（𝜎）的标准差大，意味着波动大，但波动大并不意味着这是不好的，因为它也可能是某一时期高增长的结果；贝塔（𝛽）的绝对值大于1意味着股价波动高于市场；。
最后，我们看到夏普值，小夏普值加上高标准差（𝜎）和代表波动的贝塔值（𝛽）。
結論
当疫情来袭时，我们选择的股票价格类型是有限的，如果我们能够选择几个不同的行业，相信我们可以更准确地看到疫情对每个产业链的影响强度。
