基于GARCH模型族的沪深300波动率实证分析

本文以沪深300日收益率为分析对象,运用正态分布、学生t分布、GED分布下的GARCH、EGARCH、TGARCH,研究了沪深300自2005年4月8日发布以来至2013年3月30日的收益率的波动性,实证表明,沪深300波动具有尖锋厚尾性和高聚集效应;发现沪深300的收益率序列不服从正态分布且具有非对称性,其中基于GED分布的GARCH(1,1)是最优的拟合模型。     

沪深300指数收益波动性实证研究

本文应用ARCH扩展模型,基于广义分布假设对沪深300指数的日收益率波动性进行了实证研究,结果表明沪深300指数日收益率波动呈现明显的丛聚性和持续性,序列分布呈现尖峰后尾等特点,同时发现EGARCH(1,1)模型能够较好拟合沪深300指数日收益率波动实际,还发现沪深300指数日收益率的波动并不具有"非对称效应",且不支持风险溢价理论,并对此做了简要分析。     

沪深300指数收益波动性实证研究

本文应用ARCH扩展模型,基于广义分布假设对沪深300指数的日收益率波动性进行了实证研究,结果表明沪深300指数日收益率波动呈现明显的丛聚性和持续性,序列分布呈现尖峰后尾等特点,同时发现EGARCH(1,1)模型能够较好拟合沪深300指数日收益率波动实际,还发现沪深300指数日收益率的波动并不具有"非对称效应",且不支持风险溢价理论,并对此做了简要分析。     

股票市场波动性——来自沪深300指数的证据

基于证券交易所沪深300指数,利用ARMA模型和GARCH模型拟合分析股票市场波动性。ARMA(1,1)-GARCH(1,1)模型拟合效果较好,可以解释波动性存在的持续性、丛集性和杠杆效应等特征。TARCH(1,1)和EGARCH(1,1)模型表明波动性存在信息不对称,有明显的杠杆效应;均值TARCH(1,1)模型回归结果表明预期收益对预期条件波动并没有补偿,风险与收益不对称。     

股票市场波动性——来自沪深300指数的证据

基于证券交易所沪深300指数,利用ARMA模型和GARCH模型拟合分析股票市场波动性。ARMA(1,1)-GARCH(1,1)模型拟合效果较好,可以解释波动性存在的持续性、丛集性和杠杆效应等特征。TARCH(1,1)和EGARCH(1,1)模型表明波动性存在信息不对称,有明显的杠杆效应;均值TARCH(1,1)模型回归结果表明预期收益对预期条件波动并没有补偿,风险与收益不对称。     

股权分置改革对我国证券市场波动性的实证分析

为了解决股权分置的难题,中国证监会在2005年对上海证券交易所与深圳证券交易所的上市公司进行了全流通改革.由此,利用上证综合指数日收益率和深证成份指数的日收益率数据,采用GARCH(1,1)-M模型与EGARCH(1,1)-M模型对收益率的波动性进行研究.研究结果显示上海证券市场存在较明显的"杠杆效应",且股权分置改革对上海证券市场的影响较大,对深圳证券市场的影响较小;同时也显示沪深证券市场的期望收益与期望风险存在正向关系.     

关于误差项服从偏正态分布的GARCH模型研究

为了同时拟合时变收益的"有偏、尖峰和肥尾"特性和波动聚集性,本文提出了误差项服从偏正态分布(Skew Normal Distribution)的GARCH模型,即GARCH-SN模型,并用沪深两市的日收益数据进行了实证检验。     

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。     

资金流动和股市价格波动性分析

一般认为中国股指涨跌由资金推动,短期资金流动引起股市价格的波动。本文开头通过成交额和沪深300指数之间两个变量进行回归,发现二者之间在较长时间段并不存在显著相关性。本文认为政策变量的冲击是引起波动的主要原因。通过TARCH模型和EGARCH模型对沪深300指数样本数据进行实证检验,发现这种政策变量的冲击存在非对称性,并提出建议减轻政策冲击。     

限制股指期货对股市波动性影响的实证研究

本文利用2013—2016年沪深300指数收盘价的日收益率数据,首先采用GARCH(1,1)模型,分析了在剔除融资融券变量之后,限制股指期货的政策对股市的波动影响,然后使用EGARCH(1,1)模型分析股指期货限制对股市非对称效应的影响,最后通过中证500、上证50股指期货收盘价数据和调整数据周期进行了稳健性检验。研究结果表明:限制股指期货的政策降低了股市的波动性,但加剧了股市的非对称效应。     

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.     

沪深股市收益率波动性实证研究

波动性是诸多经济和金融研究的一个重要方面,我国沪深两市收益率的波动性具有自身特点。本文通过ARMA—EGARCH—M模型分析我国沪深两市收益率的波动性,捕捉到我国股市收益率集聚性、尖峰厚尾性、以及非对称性的特点,并绘制出信息曲线,最后对实证结果给予解释与分析。     

基于GARCH模型的中国股票市场波动性研究

2015年我国股市经历了大起大落,股市的剧烈动荡使我们有必要对其目前的波动性进行研究,发现其问题所在。本文主要对我国股市近几年的波动情况进行了研究,从股市波动的统计分析入手,再借助GARCH族模型对我国股市的波动特性进行了完整的分析。本文以上证综合指数为研究对象,以2009年4月1日到2016年3月31日共1700个日收盘价数据为样本区间对我国股票市场波动性进行了研究。通过建立GARCH(1,1)模型、TGARCH(2,1)模型和EGARCH(1,2)模型对上证综指的波动特征进行了实证分析,得出上证综指存在ARCH效应且其波动存在聚集性、持续性和非对称性的特点。     

HS300指数收益波动性及VaR度量研究

本文分别运用EGARCH和Cornish-Fisher扩展的VaR模型对中国股票市场(以沪深300指数作为代表)的期望收益率以及市场风险进行实证比较研究,发现结合条件异方差的Cornish-Fish-er扩展的VaR模型与仅用波动率描述的VaR计量方法比较具有较好的修正作用。同时对中国股市波动的成因进行初步的探讨,并提出一些建议。     

HS300指数收益波动性及VaR度量研究

本文分别运用EGARCH和Cornish-Fisher扩展的VaR模型对中国股票市场(以沪深300指数作为代表)的期望收益率以及市场风险进行实证比较研究,发现结合条件异方差的Cornish-Fish-er扩展的VaR模型与仅用波动率描述的VaR计量方法比较具有较好的修正作用。同时对中国股市波动的成因进行初步的探讨,并提出一些建议。     

我国深沪股票市场波动的对比分析

金融市场的波动是现代金融学研究的核心问题．而ARCH类模型已经成为国际上最常用的研究金融资产波动的模型。它的一个最大特点就是突破了传统方法中收益与风险线性关系的假定．反应了方差的时变特点。随着ARCH类模型的不断应用，它本身的形式也不断得以发展。出现了非对称的ARCH模型和成分ARCH模型。我国学者近年来也利用ARCH类模型做了许多的研究。陈泽中等（2000）使用GARCH模型指出了我国深市比沪市波动剧烈。王玉荣（2002）使用了ARCH类模型模拟了我国股市收益率波动状况．指出了中国股市波动存在聚类性和非对称性。陈浪南等（2002）也对我国股票市场波动的非对称性做了研究。李丽莎（2004）使用了三种ARCH模型再次描述了我国股票市场收益率波动状况。朱孔来（2005）运用TARCH模型进一步分析了日收益率波动的条件异方差性和非对称性。在上述的研究中．部分文献所采用的时问段过短．这对于最终结论是有一定的影响的．尤其是对于EGARCH模型的使用影响很大。同时部分文献所采用的数据没有经过平稳性的检验．因为早期的中国股市达不到弱式有效。价格指数通不过平稳性的检验。本文使用2000年深沪市的价格指数日收盘序列，都可以通过平稳性的检验．同时，本文还检验了常用的几类ARCH模型．得出了EGARCH可以较好的模拟我国股市波动状况的结论。     

基于EGRACH模型的股指期货对股市非对称性波动影响的实证研究

本文基于EGRACH模型,利用高频数据,实证检验了沪深300股指期货对我国股市非对称波动的影响。实证研究表明,沪深300股指期货与现货市场之间存在互为格兰杰因果关系,在股指期货初期股指期货对股市的波动有放大作用,在远期降低了非对称性波动,具有稳定股市的功效。     

我国融资融券助涨助跌了吗?--基于波动非对称性视角北大核心CSSCISSCI

2014-2015年我国股市剧烈波动期间,融资融券是否助涨助跌曾引发激烈争论。本文基于波动非对称性视角,运用EGARCH模型研究融资融券对我国股市周期性波动的影响。实证结果表明,我国股市波动存在显著的双重非对称性,但融资融券对熊市波动非对称性和牛市反向波动非对称性都没有显著影响;我国融资融券既没有助推牛市上涨,也没有加剧熊市下跌,它对股市周期性波动的影响是中性的。     

门限向量乘积误差模型对沪深两市波动溢出分析

本文提出创新性模型即门限向量乘积误差模型(TVMEM),这种新模型是将向量乘积模型(VMEM)与机制转换的门限自回归模型相结合。利用TVMEM分析沪深两市的已实现波动率,发现沪市的内在机制促使沪深两市波动溢出具有显著非线性和非对称性特点。基于TVMEM考虑机制转换问题能够有效分析变量间的信息传导方向,这一点优于已有的分析波动溢出模型。     

基于R-GARCH模型与HAR模型预测能力比较研究

本文采用沪深300日间隔为5分钟的高频数据,构建了日间收益序列和日已实现极差波动(RRV)序列,然后分别建立R-GARCH模型与HAR模型,并采用M-Z回归及损失函数作为判别准则对两类模型的波动预测能力进行了测度。结果表明,无论从M-Z回归结果还是损失函数值来看,R-GARCH模型都要优于HAR模型。