中美股市杠杆效应与波动溢出效应——基于GARCH模型的实证分析

本文基于极大似然函数值准则和赤池信息准则,从众多非对称GARCH模型中选择最优模型来研究中美股市杠杆效应和波动溢出效应。结果表明:沪市和深市都表现出显著的杠杆效应,与美国股市相比沪市和深市杠杆效应较弱;沪市和深市之间存在显著的双向波动溢出效应,且沪市对深市的波动溢出效应更显著;美国股市与中国股市之间不存在显著的波动溢出效应。     

上证综合指数波动性及VaR度量研究

以中国沪市的风险测量为研究对象,收集了近10年的上证综指每日指数收盘价。在对上证综指收益率序列分布分别作正态分布、卜分布和广义误差分布的假设基础上,分别用GARCH、EGARCH方程来分析和度量沪市的潜在风险和波动性特征,并用返回检验法检验,从而得出了符合沪市波动特征的VaR估值模型。     

对后金融危机时代上海股市风险特征比较研究

本文紧密结合后金融危机背景,考察中国经济增速下降前后上海股市风险特征.为此搜集了2008-2010年、2011-2016年期间上综指的样本数据,并分别运用t分布与GED分布下GARCH类模型进行对比分析.研究发现,沪市在中国经济增速下降之前的股市风险均略高于中国经济增速下降之后的股市风险.同时也发现,沪市收益率呈现显著的非正态分布、长记忆性、波动持续性及杠杆效应,且不同阶段冲击不同,“利空消息”比“利好消息”对股市的冲击更大.     

基于GARCH模型的动态VaR实证研究——以上证指数为例

重点探讨了在波动的条件异方差对VaR估计造成影响的基础上，利用GARCH模型估计、预测股市动态VaR的方法，并基于上海证券交易所1000个交易日的收益率进行了实证分析。分析结果表明，在95％的置信水平下估计失败次数仅有54次，失误率为0．54％，说明GARCH模型能够较为准确地反映沪市风险。     

基于VECM-BEKK-二元GARCH模型的沪市A、B股市场信息传导关系研究

通过VECM-BEKK-二元GARCH模型对沪市A、B股市场的信息传导关系进行实证研究发现,一方面,沪市A、B股市场在长期存在双向价格溢出效应,但短期仅有从A股市场到B股市场的单向价格溢出;另一方面,沪市A、B股市间存在波动溢出效应,但是非对称的,即仅有从A股市场向B股市场的波动溢出。由此证实了由A股市场向B股市场单向传导是沪市信息传导的主体路径。     

GARCH族模型在汇率波动分析中的应用

文章基于GARCH族模型对人民币/美元的汇率波动特征进行分析。用ARMA-GARCH联合模型对人民币/美元的日汇率值进行实证研究,通过似然的方法,结合三种信息量,选择最佳的模型,并对GARCH、GJR和APARCH模型下所得到的结果进行比较分析,研究结果表明,描述人民币/美元汇率波动的GARCH族模型具有非对称性和长记忆性特点。     

我国外汇市场波动性的实证研究

运用GARCH类模型对我国外汇市场上的三种外汇汇率收益率的波动性进行研究,主要回答了以下问题：中国的外汇市场是否存在GARCH效应？对于所选的三种外汇的波动率,最适合的GARCH模型是什么？计算结果显示,对日元／人民币汇率收益率的波动而言,EGARCH（2,1）模型的拟合效果较好,而EGARCH（2,2）则能较好地拟合美元／人民币和港元／人民币汇率收益率的波动。同时,还对日元从民币和美元从民币收益率的波动率进行了预测。     

人民币汇改后人民币汇率与上证综指波动的实证分析

应用GARCH模型和Granger因果关系检验法分析了我国人民币汇改后人民币汇率与上证综指波动的关系。研究表明,汇改后GARCH（1,1）模型是适用的,它反映上证综指和人民币兑美元汇率波动率具有一定的持续性,同时,上证综指变动率和人民币兑美元汇率变动率之间存在双向线性因果关系,人民币兑美元汇率波动更多引导上证综指的变动。     

基于ARIMA与GARCH模型的国际油价预测比较分析

在分析影响油价波动因素的基础上,利用1986年1月至2010年12月的WTI国际原油价格月度数据,分别建立ARIMA和GARCH模型对油价进行预测。并通过对2011年1月至2012年4月WTI原油价格进行外推预测,检验模型的预测效果。比较分析发现,在短期预测中,ARIMA和GARCH模型对油价的预测均比较准确,但当油价由于受到重大事件的影响而有较大波动时,模型的预测精度下降;在长期预测中,GARCH模型的预测效果优于ARIMA模型;整体来看,GARCH模型预测的精度高于ARIMA模型。因此,在国际油价预测中,用GARCH模型是比较合适的。     

金融市场间波动溢出效应理论研究与评价

金融市场波动溢出效应是指市场波动之间的相互传递相互影响关系,其研究将对资产组合配置、金融风险防范以及相关金融政策制定起着重要作用。文章从研究方法出发,对目前较为常用的三类模型——单变量GARCH类模型,多变量GARCH类模型以及向量SV模型进行了综合评价,并提出进一步研究的方向。     

美元指数收益率波动的比较分析——基于单因素GARCH族模型

美元在世界货币体系中占据首要地位,选取适当的方法对美元汇率波动性进行解释和预测,具有重要意义。首先介绍了四种广义自回归条件异方差(GARCH)模型,然后运用2007年6月1日到2014年5月1日的美元指数收盘价数据,基于GARCH族模型对美元指数收益率进行分析,将对称GARCH与非对称GARCH模型的预测效果进行对比,发现对称GARCH模型中历史波动情况对当前波动的影响较非对称GARCH模型更显著。     

沪深股市收益和风险分析

通过采用ECM模型及GARCH模型对沪深股市进行了研究,结果发现两市波动性存在非对称性和杠杆效应,沪深两市对的利空消息反应均大于利好消息的反应,但是深市风险大于沪市风险,当然其收益率也比较高。     

基于GARCH模型族的深圳股市波动性分析

文章以深证综合指数作为研究对象．采用GARCH模型族对1997-2008年中国深圳股票市场的波动情况进行实证分析。研究结果表明,深圳股市具有明显的ARCH效应、深综指收益率序列具有显著的“尖峰厚尾”特点。存在波动聚集效应,期望收益与期望风险之间存在正相关关系。     

沪市A、B股市场间信息传递模式研究

通过向量自回归模型和多元GARCH模型对沪市A、B股市场之间的信息传递模式和A、B股市场指数收益之间的均值溢出效应和波动溢出效应的分析发现，沪市A、B股市场之间仅存在从A股市场到B股市场的单向信息传递。造成这种信息传递单向性的主要原因在于市场微观结构中的投资者差异和信息不对称．     

中国股票市场月份效应的实证研究

本文将中国股票市场按发展成熟程度不同进行了两个时间阶段的划分,并运用带虚拟变量的GARCH(1,1)模型结合描述性统计结果对两个阶段进行比较研究。实证结果显示:第一阶段,由于中国证券市场的市场化程度低,沪市和深市均存在多月份效应;第二阶段,中国证券市场存在符合经济学解释且与国外一月份效应类似的年关效应和其中沪市表现为四月效应和十二月效应,深市表现为二月效应和十二月效应。由此可见,中国股票市场的月份效应是随着股市发展程度而变化的。     

基于FIGARCH模型的中国房地产指数的实证分析

在T分布和正态分布假设下采用GARCH模型和FIGARCH模型对上证地产股指数日收益率序列进行建模分析,结果表明,上证地产股指数日收益率序列的波动具有显著的长记忆性,表明外部冲击对波动有着长期的影响。因此,采用FIGARCH模型建模的效果优于采用GARCH模型建模的效果,并且在T分布假设下拟合模型,其效果优于在正态分布假设下拟合的模型。     

沪深300指数的GARCH模型族仿真研究

应用GARCH模型族对沪深300指数进行实证研究,发现沪深300指数的波动存在明显的GARCH效应,股市波动存在持久性和弱杠杆效应;沪深300指数收益率条件方差是平稳系列,股市具有可预测性,用EGRACH-M（11,）模型能很好预测股市的波动。     

中国资本市场的波动性研究

资本市场的波动性一直是金融学研究的热点问题之一,笔者分别使用GARCH、非对称GARCH和SV模型研究中国沪深300股指期货市场的波动性特征,并利用多种准则比较分析了上述模型对于反映中国股指期货波动的适用性。研究结果表明:沪深300股指期货市场存在较大的投机性。     

人民币汇率预测及方法选择——基于ARIMA与GARCH模型

自2005年7月人民币汇率改革以来,人民币持续升值,已影响到经济生活的各个方面,正确分析与预测汇价及其波动对各经济主体金融政策与投融资决策的制定有着十分重要的意义。本文选取国内外学者较为认同的ARIMA和GARCH模型对人民币美元汇率建模,并对其预测误差进行分析,结果表明在对人民币兑美元中间价的预测中,GARCH模型预测相对ARIMA模型更优。     

基于GARCH族模型对中国股市波动的分析与预测

运用GARCH类模型对沪深300指数序列的波动性、收益率进行了实证研究,并且对序列做了拟合与预测,获得了不错的效果。除此,还证实了中国股市存在着显著的非对称效应。