ARMA-GARCH模型实战：日历效应与节假日效应的统计检验

股价的日历效应和节假日效应，这两个词听起来像是金融学术圈的黑话，但说白了就是一件事：市场在某些特定的时间点上，会表现出某种反复出现的规律性偏向。比如“周一跌得多”“节前缩量节后放量”“月末资金面紧张”这类经验之谈，老交易员嘴里念叨了几十年，但真要拿数据去验证，光靠肉眼翻K线是不够的。我这次做的事情，就是用ARMA-GARCH这套组合模型，把日历效应和节假日效应从收益率序列里“抠”出来，看看哪些时间窗口的效应是统计上站得住脚的，哪些只是幸存者偏差。

先交代一下这个项目的定位。它不是一个预测模型，至少核心目的不是预测明天涨跌。ARMA负责刻画收益率序列的自相关结构，GARCH负责刻画波动率的聚集性和时变性，两者叠加之后，我们得到的残差才算是“洗干净”的——把常规的时间依赖性和波动聚集性剔除掉，剩下的部分再去检验日历虚拟变量是否显著。这个顺序很关键，如果直接拿原始收益率跑回归，自相关和异方差会把标准误搞偏，显著性检验基本不可信。适合谁来参考？有一定Python基础、懂一点时间序列、想认真做一次因子验证的读者。纯小白也能看懂思路，但复现代码需要动手调。

1. 整体设计思路与模型选型考量

1.1 为什么不是简单跑个OLS回归

最朴素的做法是：构造星期几的哑变量，直接对收益率做OLS，看系数显著性。我一开始也这么试过，结果很尴尬——残差的Ljung-Box检验p值接近零，说明自相关严重；ARCH-LM检验同样拒绝原假设，异方差明摆着。这种情况下OLS的t统计量是虚高的，你会看到一堆“显著”的星期效应，但其中大部分是模型误设带来的假象。

所以正确的路径是分两步走。第一步，用ARMA把均值方程的自相关结构吃掉，阶数通过AIC/BIC定；第二步，对ARMA残差做ARCH-LM检验，确认存在波动聚集后，用GARCH族模型建模方差方程。完成这两步之后，标准化残差才具备近似白噪声的性质，此时再把日历虚拟变量放进均值方程做联合检验，结论才靠谱。这个逻辑链条是整个项目的骨架，后面所有代码都是围绕它展开的。

1.2 ARMA阶数的确定：别迷信自动定阶

ARMA(p,q)的定阶我用的是网格搜索加信息准则。p和q各扫0到5，共36个组合，按AIC排序取最优。这里有个坑要提醒：AIC倾向于选更复杂的模型，样本量大的时候经常选出p=5,q=5这种，参数估计不稳定。我的做法是同时看AIC和BIC，如果两者给出的阶数不一致，优先选BIC的结果，再用残差白噪声检验兜底。实测下来，日频收益率序列通常ARMA(1,0)或ARMA(0,1)就够了，高阶项带来的边际改善很有限。

另外，均值方程里要不要带常数项，取决于收益率是否零均值。我建议先做一次简单的均值检验，如果均值不显著异于零，常数项可以保留但不解读，避免遗漏变量偏误。

1.3 GARCH族的选择：GARCH(1,1)打底，GJR-GARCH做对照

波动率建模这块，GARCH(1,1)是行业默认起点，参数少、解释性强、绝大多数金融收益率序列都能拟合得不错。但股价有一个众所周知的特性——杠杆效应，即负收益对波动率的冲击大于同等幅度的正收益。标准GARCH对称地处理冲击，捕捉不到这个不对称性。所以我同时跑了GJR-GARCH(1,1,1)，加了一个示性项来区分正负冲击。如果示性项系数显著为正，说明杠杆效应确实存在，后续的日历效应检验就应该以GJR-GARCH的残差为准。

分布假设也值得说一句。正态分布假设下，GARCH模型的标准化残差尾部往往还是偏厚，峰度对不上。我用了Student-t分布，自由度参数交给模型自己估。这一步对显著性检验的影响不小，因为t分布下标准误更保守，能过滤掉一部分伪显著。

1.4 日历效应与节假日效应的变量构造

日历效应我拆成三块：星期效应（周一至周五四个哑变量，以某一日为基准）、月份效应（1到12月，同样留一个基准）、月末月初效应（每月最后3个交易日和最初3个交易日各设哑变量）。节假日效应单独处理，因为节假日的定义因市场而异，我这里的做法是：节前最后N个交易日设一个哑变量，节后最初N个交易日设一个哑变量，N取1和3各跑一遍做稳健性对照。

注意：虚拟变量的基准组选择会影响系数的解读，但不影响联合显著性检验的F统计量。所以如果你只关心“有没有效应”，基准选哪个无所谓；如果要解读“周一比周二低多少”，基准就必须明确。

2. 数据准备与预处理的关键细节

2.1 数据源与字段选择

我用的是某公开数据接口的日频行情，字段包括交易日期、开盘、最高、最低、收盘、成交量和成交额。收益率用对数收益率：$r_t = \ln(P_t / P_{t-1})$，其中$P_t$取后复权收盘价。为什么用后复权？因为前复权在除权除息日附近会产生价格跳变，虽然对收益率的影响理论上被调整掉了，但不同数据商的前复权算法有差异，后复权更稳妥。对数收益率的好处是可加性，多期收益直接求和，且近似服从正态，适合后续建模。

成交量字段我留着做辅助分析，比如验证节前缩量这个经验说法，但不进入主模型。成交额同理。

2.2 缺失值与停牌处理

日频数据最烦的是停牌和节假日造成的日期不连续。停牌期间没有收益率，直接删除会导致时间轴断裂，ARMA的滞后结构就错位了。我的处理原则是：停牌日不插值、不补零，直接从序列中剔除，但在构造节假日虚拟变量时，用交易日序号而非自然日序号来定位“节前第N个交易日”。这样即使中间有停牌，节前节后的相对位置依然准确。

还有一种情况是数据源在某个交易日返回了空值但当天实际有交易，这种属于数据质量问题，我一般对照成交量字段判断——如果成交量也为零或空，按停牌处理；如果成交量正常而价格缺失，用前后交易日均价插补，并在日志里标记，后续做敏感性分析时剔除这些点重跑一遍。

2.3 异常值识别：别急着winsorize

收益率序列里的极端值，我见过两种处理方式：一是直接winsorize到1%和99%分位，二是保留但用稳健标准误。我的建议是先别动。GARCH模型本身对厚尾有一定容忍度，Student-t分布假设就是为此准备的。真正需要处理的是数据错误导致的异常值，比如价格小数点错位、除权未调整造成的假暴跌。识别方法很简单：算一遍收益率的马氏距离或者直接用3倍标准差粗筛，然后逐条对照原始行情核实。确认是数据错误的才修正，真实的市场极端波动保留，否则你会把危机期间最有信息量的样本删掉，模型对尾部风险的刻画反而失真。

2.4 样本区间的选择与结构性断点

样本区间拉多长有讲究。太短，日历效应的检验功效不足；太长，中间经历的市场制度变化、交易机制调整会引入结构性断点，导致参数估计失真。我的做法是先做一个粗略的Chow检验或者Bai-Perron断点检测，看看序列在哪些时间点附近有均值或方差的突变。如果断点明显，要么分段建模，要么在均值方程里加断点哑变量。实测中，很多市场的日频收益率在重大制度调整前后确实存在方差断点，GARCH模型如果不处理，波动率持续性参数会被高估。

3. 完整实操流程与核心代码实现

3.1 环境搭建与依赖说明

Python环境，核心依赖四个库：pandas做数据处理，numpy做数值计算，statsmodels做ARMA和回归，arch做GARCH族建模。arch这个库是专门做波动率模型的，比statsmodels自带的GARCH功能全，支持GJR-GARCH和多种分布假设。安装命令很直接：

pip install pandas numpy statsmodels arch matplotlib

版本上建议arch用6.x以上，早期版本对GJR-GARCH的参数约束处理有bug，会导致部分样本下估计不收敛。statsmodels用0.14以上，ARMA的定阶接口更稳定。

3.2 收益率计算与描述性统计

import pandas as pd import numpy as np # 假设df已包含date和close两列，date为交易日 df = df.sort_values('date').reset_index(drop=True) df['ret'] = np.log(df['close'] / df['close'].shift(1)) df = df.dropna(subset=['ret']).reset_index(drop=True) # 描述性统计 from scipy import stats print('均值:', df['ret'].mean()) print('标准差:', df['ret'].std()) print('偏度:', stats.skew(df['ret'])) print('峰度:', stats.kurtosis(df['ret'])) print('JB统计量p值:', stats.jarque_bera(df['ret'])[1])

跑完这段，你大概率会看到负偏、高峰度、JB检验拒绝正态。这三个特征直接决定了后面要用Student-t分布，也解释了为什么OLS不可靠。

3.3 ARMA定阶的网格搜索

import warnings warnings.filterwarnings('ignore') from statsmodels.tsa.arima.model import ARIMA best_aic, best_order = np.inf, None results = [] for p in range(6): for q in range(6): try: model = ARIMA(df['ret'], order=(p, 0, q)) res = model.fit() results.append((p, q, res.aic, res.bic)) if res.aic < best_aic: best_aic, best_order = res.aic, (p, q) except: continue res_df = pd.DataFrame(results, columns=['p', 'q', 'aic', 'bic']) print(res_df.sort_values('aic').head(10)) print('AIC最优阶数:', best_order) print('BIC最优阶数:', res_df.sort_values('bic').iloc[0][['p','q']].values)

这段代码跑完，把AIC和BIC的前几名对照看。如果BIC选的阶数更低且残差通过了Ljung-Box检验，就用BIC的结果。Ljung-Box的检验代码：

from statsmodels.stats.diagnostic import acorr_ljungbox arma_res = ARIMA(df['ret'], order=(best_order[0], 0, best_order[1])).fit() lb = acorr_ljungbox(arma_res.resid, lags=[10], return_df=True) print(lb)

p值大于0.05才算过关。如果没过，说明阶数不够，回去加阶。

3.4 GARCH建模与杠杆效应检验

from arch import arch_model # 用ARMA残差作为GARCH的输入，或者直接在arch里指定mean='AR' am = arch_model(df['ret'] * 100, mean='Constant', vol='GARCH', p=1, q=1, dist='t') garch_res = am.fit(disp='off') print(garch_res.summary()) # GJR-GARCH am_gjr = arch_model(df['ret'] * 100, mean='Constant', vol='GARCH', p=1, o=1, q=1, dist='t') gjr_res = am_gjr.fit(disp='off') print(gjr_res.summary())

这里有个细节：收益率乘以100是为了数值稳定性，GARCH优化器对量纲敏感，收益率在0.01量级时容易不收敛。乘100之后参数估计更稳，解读时注意方差方程的参数含义不变，只是数值尺度变了。

看GJR的结果，gamma[1]就是杠杆效应项，如果显著为正，说明负冲击带来的波动增量更大。我实测的样本里这个系数通常在0.05到0.15之间，p值小于0.01。

3.5 日历虚拟变量的构造与联合检验

df['weekday'] = pd.to_datetime(df['date']).dt.weekday df['month'] = pd.to_datetime(df['date']).dt.month # 星期哑变量，以周一为基准 for i in range(1, 5): df[f'wd_{i}'] = (df['weekday'] == i).astype(int) # 月份哑变量，以1月为基准 for m in range(2, 13): df[f'm_{m}'] = (df['month'] == m).astype(int)

构造好之后，把虚拟变量加入均值方程。有两种做法：一是把虚拟变量直接放进arch_model的x参数里，让GARCH估计时一并处理；二是先用ARMA-GARCH得到标准化残差，再对残差做虚拟变量回归。我推荐第一种，因为第二种做法忽略了参数估计的不确定性传递，标准误偏小。arch库支持外生变量：

X = df[[f'wd_{i}' for i in range(1,5)] + [f'm_{m}' for m in range(2,13)]] am_exog = arch_model(df['ret'] * 100, mean='Constant', vol='GARCH', p=1, o=1, q=1, dist='t', x=X) exog_res = am_exog.fit(disp='off') print(exog_res.summary())

联合检验用Wald检验，原假设是所有日历虚拟变量的系数同时为零：

from statsmodels.stats.diagnostic import compare_cox # 仅示意，实际用wald_test # arch结果对象支持wald_test wald = exog_res.wald_test('wd_1 = wd_2 = wd_3 = wd_4 = 0') print(wald)

3.6 节假日效应的定位与检验

节假日的位置需要一张交易日历表。我的做法是维护一个节假日日期列表，然后对每个节假日，找到它在交易日序列中的索引，往前推N个交易日标记为节前窗口，往后推N个交易日标记为节后窗口。

# holiday_dates为节假日日期列表 trade_dates = df['date'].tolist() pre_holiday = set() post_holiday = set() N = 3 for hd in holiday_dates: # 找到节假日后第一个交易日的位置 idx = next((i for i, d in enumerate(trade_dates) if d > hd), None) if idx is None: continue for k in range(1, N+1): if idx - k >= 0: pre_holiday.add(trade_dates[idx - k]) if idx + k - 1 < len(trade_dates): post_holiday.add(trade_dates[idx + k - 1]) df['pre_hol'] = df['date'].isin(pre_holiday).astype(int) df['post_hol'] = df['date'].isin(post_holiday).astype(int)

然后把这两个哑变量加进均值方程，重复上面的估计和Wald检验。N取1和3各跑一遍，如果两个窗口下结论一致，说明效应稳健；如果只有N=3显著而N=1不显著，那大概率是噪音，别过度解读。

4. 常见问题排查与实操避坑指南

4.1 模型不收敛怎么办

GARCH估计不收敛是最常见的问题，报错通常是“Iteration limit reached”或者参数跑到边界。排查顺序我总结成一张表：

我踩过最坑的一次是收益率没乘100，omega估计出来是1e-6量级，优化器在平坦区域来回震荡，跑了五千次迭代都没收敛。乘100之后三次迭代就收敛了。

4.2 虚拟变量共线性陷阱

月份哑变量和星期哑变量如果同时全放进去，再加上常数项，会触发完全共线性。解决办法是每个虚拟变量组都留一个基准组，比如星期留周一、月份留一月。另外，如果样本区间不足一整年，某些月份可能只有个位数观测，对应的哑变量系数极不稳定，这种月份要么合并要么剔除。

还有一个隐蔽的共线性：节前窗口和月末窗口可能重叠。如果某个月的最后一个交易日恰好是节前第三个交易日，两个哑变量同时为1，系数解读就混在一起了。我的处理是在构造变量时检查重叠比例，如果重叠超过5%，就在回归里加一个交互项，或者把节前窗口的定义改成“非月末的节前交易日”。

4.3 多重检验校正不能忘

日历效应检验本质上是在做几十次假设检验：5个星期、11个月份、2个节假日窗口，加起来接近20个系数。即使每个检验的显著性水平是5%，纯随机情况下也会有一两个“显著”的结果。这就是典型的多重检验问题。我的做法是用Benjamini-Hochberg方法对p值做FDR校正，校正后仍然显著的才认。实测下来，原始p值小于0.05的系数里，校正后能活下来的通常不到一半。这一步不做，你的结论大概率是过度挖掘。

4.4 样本外稳健性怎么验

样本内显著不等于样本外有效。我的做法是滚动窗口：用前60%的样本估计模型、识别显著的日历效应，然后在后40%的样本上检验这些效应是否依然存在。如果某个效应只在样本内显著、样本外消失，基本可以判定是数据挖掘的产物。滚动窗口的长度建议不少于250个交易日，否则估计噪声太大。

提示：节假日效应的样本外检验要特别注意节假日分布的均匀性。如果后半段样本里某个节假日的次数太少，检验功效不足，结论要谨慎。

4.5 结果解读的三个常见误区

第一个误区是把统计显著当成经济显著。某个星期效应的系数是0.0003，p值0.04，统计上显著，但年化下来不到8个基点，扣掉交易成本什么都不剩。解读时必须把系数换算成年化收益或者与交易成本对比。

第二个误区是忽略波动率维度。日历效应可能不体现在均值上，而体现在波动率上。比如节前收益率均值没变化，但波动率显著下降。这种情况要在方差方程里也加虚拟变量检验，不能只看均值方程。

第三个误区是混淆相关与因果。星期效应显著，不代表“因为今天是周一所以跌”，背后可能是结算周期、资金面节奏、信息披露习惯等机制性因素。没有机制解释的统计规律，可靠性要打折扣。

5. 结果呈现与可视化建议

5.1 系数森林图比表格更直观

把各个日历虚拟变量的点估计和置信区间画成森林图，一眼就能看出哪些效应跨过了零线。用matplotlib的errorbar就能做，横轴是系数值，纵轴是变量名，零线画一条竖虚线。比密密麻麻的回归表格友好得多，汇报的时候也更容易讲清楚。

5.2 条件波动率的时段对比

把GARCH拟合的条件波动率按星期或者按节前节后分组画箱线图，能直观看到波动率的时段差异。如果节前窗口的波动率箱体明显低于非节前窗口，说明“节前缩量”这个经验说法在波动率维度上是有数据支撑的。

5.3 滚动窗口的效应稳定性图

把滚动窗口估计出的某个日历效应系数按时间画成折线，加上正负两倍标准误的带状区域。如果系数线大部分时间在零线一侧且带外，说明效应稳定；如果来回穿越零线，说明效应时有时无，不可依赖。这张图是我认为最有说服力的一张，比任何单一样本的显著性检验都更能说明问题。

6. 我个人的几条实操体会

第一，别一上来就堆复杂模型。我见过有人直接上ARMA-GARCH-EVT再加机器学习，结果连基本的残差白噪声检验都没过。模型复杂度要跟数据信息量匹配，日频收益率序列的信噪比很低，简单模型往往更稳健。

第二，虚拟变量的构造比模型选择更影响结论。同样是检验星期效应，用交易日序号还是自然日序号、基准组选周一还是周五、样本是否剔除极端值，都会改变显著性结果。这些预处理决策要在论文或报告里写清楚，否则别人复现不出来。

第三，节假日效应的定义高度依赖市场。不同市场的节假日安排不同，节前节后的交易日窗口长度也不一样。跨市场比较的时候，必须用各自市场的交易日历重新构造变量，不能直接套用。

第四，统计工具是辅助，不是答案。日历效应背后往往有资金面、结算制度、投资者行为等机制性原因，模型只能告诉你“有没有”，不能告诉你“为什么”。找到机制解释，结论才站得住。

最后分享一个调试小技巧：每次改完模型设定，先把标准化残差的自相关图和ARCH-LM检验跑一遍，确认残差干净了再去看系数显著性。残差没洗干净就解读系数，等于在流沙上盖楼。这个习惯帮我省了很多返工的时间。