中国和台湾地区经济波动的实证研究

本文利用ARCH类模型对中国和台湾地区的实际GDP增长率的波动进行了实证分析,结果表明,中国实际GDP增长率的波动有ARCH效应,并且GARCH模型拟合效果最好,而台湾地区实际GDP增长率的波动没有ARCH效应。这表明中国经济波动率是变化的,实际GDP的增长率是对称的,而台湾地区的GDP的波动率是不变的。     

基于二叉树的可转债定价研究

本文以GARCH（1，1）模型来估计股价的波动率．以Matlab工程软件为工具．用二叉树法对我国8支可特债的定价进行了实证研究，同时考虑了可特债内嵌的多种期极。研究姑暴表明，我国可特债的价格被低估。这与我国证券市场的实际情况有关。本文还提出了一种计算单个期权价值的新思路，     

中国经济波动特征的研究——基于ARCH类模型

一个国家经济的波动对经济的发展有很大的影响。本文引入ARCH类模型,在简要介绍模型的基础上,基于中国1953~2012年实际GDP增长率的数据进行实证分析,探究我国经济增长的波动特征。结果表明:GARCH(1,1)模型较好地表示了我国经济的波动,该波动具有很强的波动聚集性和波动持续性;我国经济的波动不存在不对称性;经济增长的波动性增加将导致增长率绝对水平的提高,但是该影响效果并不明显。     

人民币实际有效汇率波动性度量

本文首先探索确定了度量人民币实际有效汇率波动所适用的GARCH模型,然后用GARCH模型对人民币实际有效汇率波动性进行度量,选取1991年1月-2011年12月月度数据,得到GARCH序列,作为人民币实际有效汇率波动率,并绘制了人民币实际有效汇率波动走势图     

基于GARCH族模型族的创业板指数波动性研究

本文通过GARCH族模型族对44业板指数收益率的波动性以及波动的非对称性进行了相关的实证分析。经过对该收益率序列的实证分析．我们发现该序列具有使用GARCH模型的一些显著特征：尖峰厚尾、集群现象以及明显的异方差性。此外．序列波动的非对称性也比较显著，创业板股市对于负面消息的反应要大于正面消息。即负面消息能够产生更大的股市波动。最后．通过实证比较得出TGARCH（1．1）模型可以很好地描述创业板指数收益率的波动性。     

基于中国黄金期货市场数据的GARCH族模型拟合评价

本文运用GARCH族模型对我国黄金期货市场波动进行拟合情况,以上海期货交易所AU1406黄金期货合约的日收益率为数据来源,并运用损失函数对GARCH,TGARCH,EGARCH三个模型的波动率预测精度进行比较。实证结果表明,对称的GARCH模型是描述市场波动性给出了很好的描述,能够对投资者,特别是我国黄金生产企业在市场风险度量与预测以及投资决策时有所帮助。     

基于中国黄金期货市场数据的 GARCH 族模型拟合评价

本文运用 GARCH族模型对我国黄金期货市场波动进行拟合情况,以上海期货交易所 AU1406黄金期货合约的日收益率为数据来源,并运用损失函数对 GARCH,TGARCH,EGARCH三个模型的波动率预测精度进行比较。实证结果表明,对称的 GARCH模型是描述市场波动性给出了很好的描述,能够对投资者,特别是我国黄金生产企业在市场风险度量与预测以及投资决策时有所帮助。     

时间序列模型在金融产品价格预测的效果分析

金融市场的波动率对资产定价、组合投资以及风险管理无论是在理论上还是在实践上都是非常重要的。本文选取两种不同的时间序列模型——实际波动率和GARCH模型,对不同的金融产品价格进行预测并分析比较各自的效果。     

时间序列模型在金融产品价格预测的效果分析

金融市场的波动率对资产定价、组合投资以及风险管理无论是在理论上还是在实践上都是非常重要的。本文选取两种不同的时间序列模型——实际波动率和 GARCH模型,对不同的金融产品价格进行预测并分析比较各自的效果。     

沪深300指数收益率的GARCH效应实证研究

本文基于两种非正态分布的GARCH类模型对我国沪深300指数进行实证研究,同时考虑到收益率条件方差的非对称性,采用GARCH模型中典型的非对称模型中的TGARCH模型对普通的GARCH模型进行改进。研究结果表明,沪深300指数波动有显著的GARCH效应,并且运用GARCH模型进行建模之后,消除了残差序列的异方差,同时运用TGARCH模型的改进也证明了波动存在一定的杠杆效应:即坏消息的出现会带来更大的冲击和波动。     

创业板指数波动率预测效果比较研究——基于GARCH族模型

创业板的推出虽然为投资者提供了更为多样的投资渠道，但其投资风险明显高于主板市场。本文运用GARCH族模型对创业板指波动率进行了实证分析，并对各模型的波动率预测效果进行比较。结果表明，AR（1）-GARCH（1，1）模型对创业板指波动率的预测更为有效。     

GARCH模型在研究股市交易量与股价关系中的应用

本文运用Granger因果检验和扩展GARCH模型实证研究了深圳A股市场交易量与股价之间的关系.得到了如下结论交易量变量和收益率、波动率存在双向Granger因果关系;交易量只能在有限程度内解释波动率的持续性,深圳股市还存在其他影响波动率持续性的因素.     

我国黄金现货波动率预测能力分析——基于GARCH模型与CARR模型的比较

GARCH模型是金融资产波动率研究最常用的方式,近期Chou提出的CARR模型在估计波动率方面也显示一定的先进性。本文以我国黄金现货市场的主要交易品种Au99.95为研究对象,利用GARCH模型、GARCH-SKST模型、CARR模型和CARRX模型对我国黄金现货市场的波动率进行拟和,并根据Mincer-Zarnowitz回归方程和Diebold-Mariano检验对各类模型进行了预测能力比较分析,得到的结论是CARR模型在波动率研究方面优于其他模型。     

基于GARCH模型的股票期权定价方法研究

本文应用GARCH模型估计股票期权标的股票的收益波动率,并将估计出的收益波动率代入Black-Schole期权定价公式,以期提高Black-Scholes期权定价公式的精确度.为验证该方法的有效性,本文以首创JBTI为例进行了实证研究,结果表明在期权交易价格上升的期间内,基于GARCH模型的期权定价方法可以提高Black-Scholes期权定价公式的精确度.     

SV—N与SV—M模型测量股市波动性的应用

与传统的GARCH类模型一样,SV模犁(随机波动模型)是用来捕捉股市波动特征的一个较好的模型,该模型在国外得到广泛的应用.实证研究表明:利用SV模型的两个子类,即基于正态分布下的SV模型(SV-N)和均值SV模型(SV-M)来测量我国沪深股市波动性明显优于GARCH类模型,能够更好地描述其统计特征.     

基于实现极差和实现波动率的中国金融市场风险测度研究

目前比较流行的金融市场风险价值研究一般采用日收益数据,并基于GARCH类模型进行估计和预测。本文利用沪深股指日内高频数据,分别通过ARFIMA模型和CARR模型对实现波动率和较新的实现极差建模,计算风险价值。通过对VaR的似然比和动态分位数等回测检验,实证分析了各种模型的VaR预测能力。结果显示,使用日内高频数据的实现波动率和实现极差模型的预测能力强于采用日数据的各种GARCH类模型。     

带高频信息及交互效应的波动率模型

本文利用股票市场的高频数据波动率预测,采用隔夜波动率和交易时段波动率预测模型,其中,隔夜波动率模型考虑了周末效应对波动率的影响,在交易时段波动率模型中,"已实现波动率"采用基于周平均收益率的函数系数形式,以考察短期收益与高频信息的交互影响,建立了函数系数GARCH模型。基于上证综指的实证分析显示,隔夜波动率存在明显的周末效应,交易时段波动率"杠杆效应"显著,短期收益与高频信息存在显著的非线性交互作用。     

我国房地产指数收益率的波动性研究

自回归条件异方差(ARCH)模型是最简单的条件异方差模型,ARcH类模型在金融时序数据的波动性中具有很好的效果。文章利用ARcH类模型对我国房地产指数增长率的波动性进行了实证研究。结果表明房地产指数存在着明显的ARcH效应;GARCH模型更能准确地描述房地产指数的波动特征,且其波动性是对称、持续性的,房地产指数不存在明显的杠杆效应。     

外汇风险度量研究——基于GARCH类模型及VaR方法

本文应用GARCH模型和VaR方法对美元、欧元、日元和港币对人民币的四种外汇汇率进行了实证分析,得出如下主要结论:四种汇率波动率序列均为非正态平稳序列,存在显著的ARCH效应,GARCH类模型可以有效地刻画其非线性动态波动特性.四种汇率均具有自我稳定功能,且美元和港币汇率波动的持续性显著地高于欧元和日元.在日元汇率中存在显著的非对称效应,而在美元和港币汇率中存在显著的风险补偿效应,欧元和日元的汇率风险大约为美元和港币的6-7倍;欧元汇率最理想的估计模型为GARCH(1,1)和IGARCH(1,1),而美元和港币汇率的首选模型为GARCH-M(1,1)-t和GARCH-M(1,1)-g,日元汇率的首选模型为PARCH(1,1)-t和EGARCH(1,1)-g.     

基于GARCH(1,1)模型的上证50ETF波动率研究

本文基于上证50ETF2005~2016年的日收盘价,利用GARCH(1,1)模型分析了上证50ETF波动率。研究表明,上证50ETF波动率不仅受前期波动率的影响,还和基金净值波动率、平均交易量波动率存在显著的正向关关系。