共查询到10条相似文献,搜索用时 15 毫秒
1.
本文根据我国A股市场股票的日交易数据计算出市场非流动性比率的时间序列,采用ARMA-GARCH族模型建立我国股票市场流动性AR(1-TARCH(1,1))模型。结果表明,我国股票市场流动性具有持久性,流动性成本可以预测收益。此外,我国股票市场流动性的波动具有非对称性。 相似文献
2.
本文选取了2005年6月6日至2008年8月l日的上证综指日度收盘数据为样本,使用GARCH和EGARCH模型实证检验了这段时间内我国股票市场的波动程度和波动的非对称效应。结果发现:该期间以上证综指为代表的股票市场的波动具有典型的阶段性特征,股市在2007年以来的大幅下跌过程中,波动水平比前期上涨过程中要大,同时比整个阶段的波动性水平也要大。全样本时间范围内上证综指确实存在非对称性的杠杆效应,负面消息对股价波动性的影响比正面消息更大,但在其中两个时间段内正面消息的影响却比负面消息更大,而这两个时间段都属于单边行情。 相似文献
3.
本文选取了2005年6月6日至2008年8月1目的上证综指日度收盘数据为样本,使用GARCH和EGARCH模型实证检验了这段时间内我国股票市场的波动程度和波动的非对称效应。结果发现:该期间以上证综指为代表的股票市场的波动具有典型的阶段性特征,股市在2007年以来的大幅下跌过程中,波动水平比前期上涨过程中要大,同时比整个阶段的波动性水平也要大。全样本时间范围内上证综指确实存在非对称性的“杠杆效应”,负面消息对股价波动性的影响比正面消息更大,但在其中两个时间段内正面消息的影响却比负面消息更大,而这两个时间段都属于单边行情。 相似文献
4.
本文分别采用EGARCH-M、TGARCH-M模型对沪深股市在牛市和熊市阶段的非对称波动效应进行了分析,这两个模型得出了相同的结论,在牛市阶段利好消息引起股市更大的波动,在熊市阶段利空消息引起股市更大的波动,而且这两个模型同时也说明了我国股市风险和收益的正相关关系,并从我国股票市场交易者构成和交易机制两方面说明了波动非对称的原因。 相似文献
5.
本文分别采用EGAKCH-M、TGAKCH-M模型对沪深股市在牛市和熊市阶段的非对称波动效应进行了分析,这两个模型得出了相同的结论,在牛市阶段利好消息引起股市更大的波动,在熊市阶段利空消息引起股市更大的波动,而且这两个模型同时也说明了我国股市风险和收益的正相关关系,并从我国股票市场交易者构成和交易机制两方面说明了波动非对称的原因. 相似文献
6.
以1997年1月1日至2009年5月6日的上证综合指数的日度收盘数据为样本,运用带学生-t分布的GARCH族模型对其进行实证分析,检验了在这一段时间内我国股票市场的波动情况以及波动的杠杆效应,分析结果表明了上证指数对数收益率服从非正态分布,具有尖峰厚尾和明显的ARCH效应,并且股票的收益率具有明显的风险溢价和杠杆效应。 相似文献
7.
8.
本文运用ARMA—EGARCH及ARMA—TARCH模型,以1993年1月以来沪深两市的B股指数的日收益为研究样本,检验中国B股市场是否存在波动的非对称性,结果表明:收益率波动的非对称性没有表现出明显的阶段性特徵,除了沪市B股市场在2001年以後表现出较弱的杠杆效应外,沪深股市在其它时间段都表现为反向的非对称性或非对称特徵不显着。 相似文献
9.
10.
股票市场波动非对称性的实证研究 总被引:2,自引:0,他引:2
金融市场的波动有许多特点,股票市场波动的非对称性是指同等程度的利好消息与利空消息对股票市场波动的影响不相同.本针对我国上海股票市场波动的非对称性展开深入的实证研究,得出与国外股票市场相反的结论,即在我国上海股票市场,同等程度的利好消息对波动的影响更大.最后从投资结构、心理和交易机制等方面解释这种现象. 相似文献