经济时间序列波动率的度量与ARCH

尽管金融经济学家很早就知道经济时间序列的波动率有簇聚效应，并且边际分布具有尖峰形态，但却一直没有建立能够反映这种特点的时间序列模型。恩格尔在20世纪80年代早期开始了波动率模型的研究，成功地突破了传统的时间序列统计分析方法，开创性地建立了随时间变化的波动率模型一自相关条件异方差(ARCH)模型，从而有力地推动了金融经济学的发展。本文介绍了ARCH模型的产生背景、模型结构及其对金融经济学的学术价值。     

基于灰色-马尔可夫改进的预测模型——以沪深300指数为例

建立灰色GM(1,1)与马尔可夫链的组合预测模型,用灰色预测模型预测随机时间序列数据的总体发展趋势,而用马尔可夫链模型修正数据随机波动所带来的预测误差。以沪深300指数的真实数据进行验证,结果表明:灰色马尔可夫预测模型既能预测随机数据序列的总体趋势,又适应股票价格随机波动性较大的特点,灰色马尔可夫预测模型预测精度高于GM(1,1)模型的预测精度。     

基于灰色-马尔可夫改进的预测模型——以沪深300指数为例

建立灰色GM(1,1)与马尔可夫链的组合预测模型,用灰色预测模型预测随机时间序列数据的总体发展趋势,而用马尔可夫链模型修正数据随机波动所带来的预测误差。以沪深300指数的真实数据进行验证,结果表明:灰色马尔可夫预测模型既能预测随机数据序列的总体趋势,又适应股票价格随机波动性较大的特点,灰色马尔可夫预测模型预测精度高于GM(1,1)模型的预测精度。     

利率与商业银行不良贷款率波动研究

本文采用2004年第1季度至2010年第4季度的时间序列数据,在VAR模型的基础上,对利率与商业银行不良贷款率的波动进行了实证分析。结果表明:在我国,提高利率会推高商业银行不良贷款率。一年期贷款基准利率(LBIR)对商业银行不良贷款率(CNPL)有正向冲击,一年期存款基准利率(DBIR)对商业银行不良贷款率(CNPL)有负向冲击,但综合影响是正向冲击。     

基于SEMIFAR模型的我国股市波动率的长记忆性研究

以深圳股票市场1997年1月1日至2011年10月10日深证成分指数行情数据为样本,采用SEMIFAR模型,研究中国股票市场波动率的长记忆特性。首先,对长记忆的统计检验进行计量分析,研究发现对数日波动率序列衰减缓慢并在滞后200阶的情况下依然显著,这表明我国股票市场波动率序列具有长记忆性。紧接着,尝试使用SEMIFAR模型对日波动率序列进行建模和预测,结果发现SEMIFAR模型在对数日波动率序列长记忆建模中效果很好。     

ARIMA模型在云南省GDP预测中的应用

从云南省经济发展的实际情况出发,以1978～2013年云南省GDP统计资料为依据,将这些数据进行平稳化、零均值化处理,并利用序列的自相关函数、偏自相关函数的性质确认序列应当适合的模型,利用时间序列模型中的ARIMA模型中的Box-Jenkins方法,对云南省1978～2013年的GDP数据序列进行建模分析,验证该序列的时间序列特性,研究并选择了序列的最佳ARIMA(1,1,1)模型。模型实证分析的结果表明:在时间序列分析建模与预测方面Box-Jenkins方法是精度较高且切实有效的方法模型。     

实际有效汇率波动影响了人民币国际化进程吗？北大核心CSSCISSCI

本文利用GARCH模型测度实际有效汇率波动性,并构建了影响人民币国际化长期因素的计量估计模型,进一步对2002年第一季度至2015年第二季度的时间序列季度数据,采用GMM估计方法考察了实际有效汇率波动对人民币国际化程度的影响。研究发现,实际有效汇率波动是人民币国际化的重要影响因素,且具有显著的抑制效应,即汇率波动越大,越不利于人民币国际化。在控制了外汇储备规模、汇率制度改革和国际金融危机等影响因素后,上述结论仍然成立。本文的研究结果表明,实际有效汇率在均衡区间内的弹性浮动,以及外汇储备多元化,对于稳步推进人民币国际化进程具有重要意义。     

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。     

我国创业板市场的波动性研究——基于GARCH模型的分析

创业板市场,又称"二板市场",是为具有高成长性的中小企业和高科技企业进行融资服务的市场。2009年10月23日,我国创业板市场在深圳证券交易所正式启动,同年10月30日起正式交易。本文以我国创业板指数收益率时间序列为研究对象,运用GARCH模型对其波动性进行实证分析。研究表明:我国创业板指数收益率时间序列存在明显的ARCH效应;模型GARCH(1,1)对我国创业板市场波动性有较好的拟合性和适用性;创业板市场的波动十分剧烈,总体风险还较大。     

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。     

美元欧元间汇率的时间序列模型设计

外汇汇率的变动随机性强,属于较难预测的波动率类金融数据,时间序列模型对于此类数据的短期预测较为准确,该模型可为外汇及外汇衍生品交易人员和研究者提供一定的理论依据及预测建议。金融时间序列模型适用于金融波动率的相关研究,外汇汇率的变化趋势与未来走向则是金融波动率研究中的核心内容。对原始数据进行相应处理以确定适当的滞后阶数1.模型设计选取的数据取自datamarket.com,数据截取1999年1月至2012年4月的每月美元与欧元间汇率值。图1为原始数据散点图。通过观察可以发现,原始数据的散点图呈现出不平稳性和周期性重复,同时在数据期的最近3年中出现方差的增长,可考虑对原始数据进行去周期性和异方差的相关讨论。2.由图2原始数据的自相关函数ACF图表明,该原始数据呈现随机漫步序列的特点,可以进行一阶或多阶差分。3.对原始数据一阶差分之后,第一阶的相关系数显著,第一阶至第三阶的相关系数显著,对滞后阶数的选取提出了相关建议:可取的阶数有至;可取。     

EGARCH-SN模型及其实证研究

首先研究了以往GARCH模型对误差项的各种选择方法,并基于Sahu等(2003)和Branco、Dey(2001)等对偏正态分布的研究,提出了EGARCH(1,1)-SN模型;该模型能同时考虑收益序列的"有偏、尖峰和肥尾"特性以及正负新息非对称冲击的杠杆效应,是理论上较为理想的波动模型。选用沪深A股1996-2005年日收益率数据对模型进行了检验,结果发现:EGARCH(1,1)-SN模型对沪深两市收益波动的拟合效果很好;同时",波动序列非对称性"比"收益序列非对称性"更为重要;正负新息均具有增大后期波动之趋势,但负新息对后期波动的影响更大。     

基于B-S公式与时间序列模型对期权价格的预测

国内的期权市场发展迅猛,目前不仅规模庞大、活跃度高,而且价格波动较大,因此期权价格的预测对于投资者和市场的稳定发展极其重要。本文利用Black-Scholes公式(最常用的期权定价公式)和时间序列模型相结合的方法对期权价格进行预测,以50ETF的沽2018年6月2.90期权的实际数据作为实验数据,对该方法进行了验证,结果显示该方法的短期预测效果非常好。     

GARCH类模型的实证检验比较——基于深证股价波动不对称性

一、引言 长期以来资产收益率的波动性一直都是金融学家关注的问题,资产选择理论用方差来描述收益率的波动性,进而寻找最优资产组合,这个模型说明投资者获得收益是对承担风险的补偿.传统的金融计量方法认为方差是独立于时间变化的变量.但是近来大量的金融时间序列实证分析发现,方差是随时间变化而变化的,而且金融时间序列的波动具有类聚性,即随机扰动往往在较大幅度的波动之后伴随较大幅度的波动,在较小幅度的波动之后,伴随较小幅度波动.     

应用时间序列分析法对上证指数的实证分析

一、概述时间序列分析法是应用随机过程理论和数理统计方法,研究随机数据序列所遵从的统计规律,以解决实际问题的一种研究方法。作为经济领域研究的主要工具之一,时间序列分析法采用合适的模型描述历史数据随时间变化的规律,并预测经济变量值。自回归-滑动平均模型(A R M A,AutoRegressive-MovingAverageModels)是适用于经济时间序列发展形态的一种高级预测方法,它描述时间序列的动态性和发展变化规律。而自回归-求和-滑动平均模型(ARIMA,AutoRegressive-Integrated-MovingAverageModels)是在ARMA模型的基础上发展起来的。它能够…     

国际石油价格波动对中国股票市场的风险溢出效应

由于交易时间上的不对称,采用非对称性调整方法对上证指数进行了滞后1期的调整,在此基础上,对非对称性调整前后的数据分别采用了Granger因果关系检验、向量自回归(VAR)模型、脉冲响应函数(IRF)、预测误差方差分解(FEVD)的方法以及MGARCH-BEKK(1,1)模型对纽约商业交易所(NYMEX)的西德克萨斯州中质油现货价格日对数收益率和上证指数日对数收益率之间的均值溢出效应和波动率溢出效应进行分析研究。研究结果表明,总体来说,两市收益率之间的风险溢出效应十分微弱和不稳定,但从2007年开始,这种风险溢出效应变得更显著,主要表现在WTI原油市场对上证指数具有正的均值溢出效应和正的波动率溢出效应。     

基于Markov切换模型的采购经理指数波动特征研究

论文引入Markov切换模型探讨中国PMI指数波动的持续性、波动幅度以及波动频率等特征.对此,首先通过ADF方法和JB统计量检验PMI时间序列的平稳性和非对称性,随后通过CUSUM方法检验得到时间序列不存在结构变点特征,采取极大似然估计方法确定Markov切换模型的相关参数.结果得到,PMI时间序列的低波动性持续的时间最长,进而得到波动形态的切换主要集中于中等波动和高等波动之间;并且PMI时间序列的波动存在明显的"聚集波动"和"分段波动"现象.最后,加入其他经济体PMI指数进行对比分析得到,中国PMI指数除了受到自身影响外,还会受到其他经济体的PMI指数的影响,而美国PMI指数对中国PMI指数的影响最为显著.     

短期跨境资金流动的波动性及其影响因素研究

运用2000~2015年的月度数据,利用计量模型测度中国短期跨境资金的波动率,并在此基础上通过VAR模型对其波动率的影响因素进行实证分析。结果表明:金融危机后特别是2011年之后,我国短期跨境资金流动双向波动的特征比较明显,波动率水平大幅上升,且近年来一直保持在较高水平;人民币对美元汇率中间价的波动、中美利差、资产价格收益率、本国经济增长率和通货膨胀对短期跨境资金波动率都有影响,尤其是通货膨胀的影响最为显著;全球因素特别是全球风险因素(VIX指数)对短期跨境资金波动率也有一定影响,且影响的时间比较长。     

基于BSP－HAR－RV模型的最优抽样频率研究

金融高频时间序列数量大、周期短、信息丰富,可以很好地反映金融市场特征。通过绘出平均双幂变差已实现波动率散点图(Bi Powe realized volatility Signature Plot,BSP),建立BSP-HAR-RV模型,改进以往国内通过列举法选择最优频率的方法。最后对TCL集团股票价格的高频数据进行实证分析,验证模型结果 ,并将其在最优频率下得到的HAR-RV模型预测结果与以往广泛使用的5min、10min频率得到的结果进行比较,发现最优抽样频率下模型预测能力较好,具有可行性。     

基于“已实现”波动率的ARFIMA模型预测实证研究

本文采用二次移动平均方法平衡影响"已实现"波动率预测精度的测量误差和市场微观结构误差,利用沪深300指数高频数据实证研究,结果表明"已实现"波动率序列的分布是非正态分布且具有长记忆性,对数"已实现"波动率序列接近于正态分布;最后建立ARFIMA模型,并对波动率进行了预测研究。