首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 890 毫秒
1.
基于Copula模型,以上海股票市场行业板块指数作为研究样本,展开对中国股票市场板块问的相关结构的实证研究,获得如下研究结果:混合Copula模型的AIC值最小,SBC值最大;Clayton Copula函数的权重最大,所分析的四个板块指数的下尾相关性表现较为明显,即当一个板块指数下跌的时候,其他板块指数跟着下跌的概率比较大.  相似文献   

2.
一、3月市场回顾 3月境内股票市场指数总体下行,从风格来看,跟踪小盘股的中小板指数和创业板指数跌幅大于跟踪大盘股的沪深300指数,从市场来看,上证综合指数上涨而深圳成分指数下跌.股票型、混合型、指数型基金净值总体下跌,其中股票型基金的平均跌幅和最大跌幅均居各类型基金之首.  相似文献   

3.
李兰 《国际金融》2010,(6):52-54
一、股票市场再遭重挫2010年5月份股票市场再度重挫,上证综合指数下跌9.70%,收于2592.15点,沪深300指数下跌9.59%,深证成分指数下跌8.59%,继4月份的大幅调整之后,再创新低。在房地产调控政策逐级  相似文献   

4.
《中国外汇》2007,(4):10-12
“2007年2月27日”堪称股市黑色的一天,全球股票市场出现大幅下跌行情。中国A股市场沪深股指分别下跌8.84%、9.29%,创下10年来最大单日跌幅;美国道琼斯指数下跌3.29%,标准普尔500下跌3.47%,纳斯达克综指下跌3.86%;欧洲股市法兰克福DAX30指  相似文献   

5.
李兰 《国际金融》2010,(5):46-48
一、市场行情大幅下挫2010年4月份股票市场大幅下挫,上证指数跌破2900点,收盘2870.61点,月度跌幅7.67%,沪深300指数下跌8.32%,中小板指数下跌4.04%。股票市场经历了2、3月份小幅盘整上升之后,4月  相似文献   

6.
2008年对于中国股票市场来说是大灾之年,各主要指数均大幅度下跌,沪市综指、深市综指、沪深300指数的下跌幅度均超过了60%,中小板综合指数的下跌幅度超过了50%,上述指数的年平均下跌幅度为61.76%.债市的走势却与股市完全相反,沪市国债指数和企债指数,在2008年度的上涨幅度分别为9.41%和17.1%.  相似文献   

7.
首先,本文采用多元GARCH模型,对中国股票市场上与房地产行业板块相关联的三个板块收益率的统计特征进行研究,然后应用DCC-MVGARCH模型计算房地产板块与其他三个板块的相关系数.最后构造了房地产扳块和建筑板块的一个投资组合,比较在不同信息影响下,由动态相关系散和常相关系数所估算出的投资组合的VaR值的大小,并由此得出结论:与常相关系数下的VaR相比,动态相关系数下的VaR能更好地描述实际风险,特别是在市场波动剧烈时期.  相似文献   

8.
基于混合Copula模型选用房地产业和银行业的行业指数收益率数据对我国房地产业与银行业的相依关系进行研究,使用非参数核密度方法估计房地产业与银行业的指数收益率序列的边缘分布,并结合EM算法对混合Copula参数进行估计,得出结论:混合Copula模型相对于单个的Copula模型能更灵活的刻画出房地产业与银行业非线性与非对称的相关关系;两个行业在市场活跃时的相依强度略大于市场低迷时的相关强度且行业相依结构为正。文章的最后对于预防房地产业和银行业的风险传染给出参考性建议。  相似文献   

9.
肖强  焦梦茹 《甘肃金融》2023,(4):74-80+73
本文首先构建投资者情绪指数,然后基于马尔可夫区制转换向量自回归模型对股票市场2005年1月至2022年2月期间进行区制识别,最后进行脉冲响应分析不同区制下投资者情绪与股票超额收益率两者之间的联动关系。实证结果表明:运用马尔可夫区制转换模型可以将我国股票市场划分为三个区制:迅速下跌期、低位徘徊期以及快速上涨期;三区制状态下,投资者情绪对股票超额收益率的正向冲击均产生显著的正向效应,股票超额收益率对投资者情绪的正向冲击均产生负向效应;股票市场处于低位徘徊状态时,投资者情绪对股票超额收益率冲击的响应程度最小;股票市场处于快速上涨状态时,股票超额收益率对投资者情绪冲击的响应程度最大。  相似文献   

10.
文章主要通过金融工程当中的量化方法,研究主要宏观经济指标对国内股票市场的影响。文章对主要宏观经济指标序列进行分析筛选,运用统计学中的LOGISTIC回归模型以及数据挖掘的决策树模型,以从2002年5月至2011年12月的月度数据作为样本区间,分别建立用于解释上证综合指数上涨/下跌的LOGISTIC回归模型和决策树模型。在最后,文章对两种模型的结果以及模型局限性进行分析,并且提出后续的研究方向。  相似文献   

11.
本文研究了对于给定的4种Copula模型,通过CML方法进行参数估计,由边缘分布二元直方图与在求出的估计参数下绘制的密度函数图形加以对比分析,再由样本与经验Copula分布进行直观的Q-Q图检验,然后用负对数似然函数值、AIC信息准则进行了拟合优度检验,认为Symmetrised Joe-Clayton copula能够更好的刻画上证指数和深证指数的相依结构。  相似文献   

12.
对于动态投资组合与风险管理来说,测定波动溢出效应是非常重要的。已有的研究是建立在不同金融市场之间的波动是线性相关的,而线性相关并不能描述金融市场之间的非线性关系。借用Copula技术来描述股票市场之间的非线性关系、SV模型来刻画股票市场数据的边缘分布,并引入波动变结构论分析判断波动溢出,实证分析验证了方法是可行的。  相似文献   

13.
随着上海自贸区的快速发展,跨境流动资本呈现新的结构特征。人民币流动规模占比增加,短期资本开始主导跨境资金流的趋势,国内资本市场成为跨境资本流动套利的活跃平台。受此影响,国内股票市场不同板块呈现差异化的波动特征。通过选取代表币种、期限和投向的跨境资本流动结构指标以及上证综合指数、创业板综合指数,基于结构向量自回归模型(SVAR)进行实证研究,发现当前跨境资本流动中,币种结构的变动比期限结构和投向结构对我国股票市场的影响显著。  相似文献   

14.
针对国际原油价格与金砖五国股票市场收益之间的相关性问题,使用 AR(p)-GARCH(1,1)-Copula 模型进行检验。运用广义误差分布(GED)获取收益残差序列,对 WTI 原油价格和金砖五国股市收益之间的相关性进行实证分析。研究结果表明,国际原油价格与中国股市收益呈现微弱的相关关系,而与其他四国股市收益的相关关系较为明显。用时变 SJC Copula 模型刻画国际原油价格与金砖五国股票市场收益的相关性最为合适。  相似文献   

15.
《福建金融》2013,(9):12-12
(2013年8月)2013年8月份沪深市场整体上涨,8月16日光大证券"乌龙指"事件未对沪深股票市场整体走势造成过多干扰,多数行业及主题指数表现较好,仅少量指数出现下跌,行业指数中涨幅最大的为信息技术指数。随着国务院批准建设中国(上海)自由贸易试验区,8月份相关概念股运输、物流等指数涨幅颇高。本月兴证海峡指  相似文献   

16.
李兰 《国际金融》2010,(12):44-47
一、股市大幅调整继10月份大涨之后,股票市场在11月份迎来一波调整,上证综合指数下跌5.33%,收于2820.18点,沪深300指数下跌7.19%,深证成分指数下跌7.71%,中小板指数上涨2.71%。市场各主要指数中,除中小板指数之外,均有较大的跌幅。10月份由流动性推动的一轮行情,因央行货币政策的转向戛然  相似文献   

17.
本文研究了对于给定的4种Copula模型.通过CML方法进行参数估计.由边缘分布二元直方图与在求出的估计参数下绘制的密度函数图形加以对比分析.再由样本与经验Copula分布进行直观的Q—Q图检验,然后用负对数似然函数值、AIC信息准则进行了拟合优度检验.认为Symrnetrised Joe-Clayton copula能够更好的刻画上证指数和深证指数的相依结构。  相似文献   

18.
金融危机背景下的股市表现出更加复杂的动荡性,本文在传统GARCH模型的基础上引入了风险值对收益率的影响因素,运用GARCH-M模型来刻画股票收益率序列边缘分布,通过构建GARCH-M-t边缘分布过滤模型获取收益率残差序列,最后采用Copula函数对边缘分布拟合后的残差序列建模构建出Copula-GARCH-M-t相关结构模型。经过参数估计及多种Copula函数的拟合优度检验,最终成功刻画出中美金融市场五大证券交易中心股票收益率之间的相关结构模型。通过秩相关系数、尾部相关系数等相关性度量工具对中美两国金融市场的相关性进行分析,最后通过对不同股票市场之间的尾部相关性分析确定两国金融市场之间风险传导路径。  相似文献   

19.
2011年A股已经收官,中国经济以9%以上的速度高速增长,而沪综指和深成指分别以21.68%和28.41%的跌幅报收,领跌全球主要股票市场(见图1)。形成鲜明对比的是,发生经济衰退的美国道琼斯工业指数上涨5.53%;深陷欧洲债务泥潭的德国DAX指数下跌14.69%,法国CAC指数下跌16.95%;发生大地震的日本日经指数下跌17.34%;孟买Sensex指数下跌24.64%;香港恒生指数下跌19.97%,表现均好于A股市场(见图2)。伴随指  相似文献   

20.
Copula函数为金融市场非线性相依性的研究提供了一种新方法。本文将三种给定的Copula模型用于研究上证指数和深圳指数之间的非线性相依结构。我们首先采用经验分布去估计沪、深指数的边际分布,其次利用极大似然法去估计Copula中的参数,最后再进行分布拟合检验,并做了数据敏感度分析。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号