基于SV族模型和GARCH族模型的贵州茅台波动性研究

以2013年1月4日至2018年10月29日贵州茅台的日收盘价格为研究对象,分别采用马尔科夫链-蒙特卡罗(MCMC)方法和Marquardt估计方法 ,对贵州茅台的SV族模型和GARCH族模型进行参数估计。根据各模型分布与其模型拟合的平均标准化残差的相关系数大小,对比各模型参数估计值,结果表明:GARCH族模型比SV族模型更适合度量贵州茅台的波动情况;同时得到,SV族模型中的SV-T模型更能反映贵州茅台波动具有高峰厚尾的特性,且模拟效果优于SV-N模型。     

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。     

基于GARCH族模型的深圳成指实证分析

通过分析深圳成指日收益率数据,发现其具有尖峰厚尾、非正态性、波动率集聚、自相关性和平稳性等特征。然后将收益率均值方程设定为AR(15)的形式,并假设标准残差服从t分布或GED分布,之后通过实证比较,发现在20种GARCH族模型中,EGARCH(1,1)-M-GED模型是最佳的。最后,本文进行了小结。     

基于GARCH族模型的上海市住宅市场价格波动的特征研究

住房问题是关系国计民生的重要问题,研究住宅市场的价格波动规律对消费者购买时机选择、调控政策的制定等具有重要的参考价值。鉴于此,以住宅市场收益率的变化来衡量住宅市场价格的波动,采用2006-2016年上海市新建住宅和二手房月度收益率时间序列作为样本,通过构建GARCH族模型对上海市新建住宅和二手房市场的价格波动特征进行研究。研究表明：上海市新建住宅市场的价格波动存在显著的自相关现象,但不存在显著的集聚性、非对称性以及高风险高回报的特征;二手房市场的价格波动存在显著的自相关现象,具有显著的集聚性,即二手房市场本期或过去若干期的波动较大时,未来几期的波动也会很大,反之亦然;二手房市场价格的波动不存在显著的非对称性及高风险高回报的特征。     

基于GARCH模型的我国股市权重股波动性研究

我国股市权重股中国石油,该股不管是市值规模、基本面经营情况,还是在股市中的号召力都是首屈一指,每一轮股市行情的开始与终结都是由这只股票提前给出指示信号,带动其他权重股和整个市场,关键时刻的护盘更是离不开该股票,是整个股市的定海神针。文章以该股中国石油(601857)2012年11月3日至2015年11月4日交易日股价收盘价数据为样本,首先用OLS法进行建模,对统计量进行分析发现该模型的误差项具有条件异方差性,因此采用GARCH(1,1)模型拟合并检验,得到权重股股价波动分析GARCH模型,在此基础上得出相关结论,并为监管部门和金融机构提出一些政策建议。     

基于GARCH模型的沪深两市波动性分析

资产收益率的波动问题是研究的焦点。我国股票市场还很年轻．对其波动性的研究一直是热点,目前研究的方法也很多。许多研究表明我国股票市场的波动性存在着一定的聚类现象．也即会存在条件异方差性。文章引用GARCH模型对中国股市的风险与收益进行实证研究．从对沪、深两市的各自分析着手,确定其关系,再结合两个市场的数据进行相关性的分析。两个市场的波动性有着密切的关系,以及中国股市将不断的有序、有效的发展。     

基于GARCH簇-VaR模型的碳交易市场收益率波动性研究

碳交易市场的碳价格波动性是碳资产风险管理面临的主要问题.本文以上海环交所核证自愿减排(CCER)为对象,考察五种GARCH簇模型在四种分布假设下的波动率模型.研究表明,CCER收益率序列呈尖峰厚尾和波动集聚性,存在显著不对称效应和长期记忆性.通过对模型及VaR检验,发现仅有广义误差分布下的APARCH(1,1)能精确预测VaR.     

基于不同分布假设GARCH族模型对上证指数波动性分析的比较研究

股票市场的波动性研究已经成为众多研究者和投资者广泛关注的焦点。以上证股票收益率为研究对象,在三种不同的分布假设下,利用GARCH族模型对上证指数波动性进行了比较研究,分析表明:上证股票收益率具有显著的条件异方差性,且基于GED分布的GARCH(1,1)模型是消除该条件异方差性的最佳模型;上证股票收益率具有正的风险溢价,且基于GED分布的GARCH(1,1)-M模型是反映风险溢价情况的最优模型;上证股票收益率存在着明显的不对称性(杠杆效应),利空消息比利好消息更容易引起大的波动,且基于标准正态分布的EGRCH(1,1)模型是揭示该不对称性的最佳模型。     

基于GARCH模型的我国石油进口价格风险的VaR计算

石油进口规模越来越大,所面临的进口风险也随之增加。文章利用金融领域的VaR计算方法来计量我国石油进口的价格风险,其中的参数是通过GARCH模型估计得出。     

基于GARCH模型的证券投资基金VaR计算与实证研究

基于统计技术的度量金融市场风险值VaR(Value at Risk)己成为测量市场风险的新标准和新方法。鉴此,如何高效、准确的进行VaR的计算将是问题所在。本文基于GARCH模型,讨论了对数收益率时间序列在正态、学生t和广义误差(GED)三种不同分布下的VaR计算方法,并对样本基金的市场风险进行估计,并通过返回检验来检验模型的准确性。研究结果表明,相比之下,基于GED分布的GARCH模型计算的VaR值最能真实地反映基金风险。     

基于GARCH模型的VaR方法在沪深300ETF风险测量的应用

交易所交易基金(ETF)在国际社会上被认为是长线投资、价值投资,规避风险的良好金融工具。中国股市投机炒作风气历来盛行,因此在投资领域有必要增强投资者对ETF的认知度和接受度。选用嘉实沪深300ETF作为研究对象,其所追踪的沪深300指数覆盖面广,基本体现中国沪深两市股市的收益状况。从其风险入手,运用GARCH模型研究分析得出该基金收益率的有效条件方差并结合VaR方法准确测量其风险价值,最终确定在95%的置信水平下GARCH(2,1)-t-分布模型能够最佳度量其风险价值。     

基于GARCH模型的上证指数与GDP波动性研究

中国的证券市场与宏观经济关系已进入弱相关阶段,本文通过使用ADF检验、ARCH效应检验、GARCH模型分析以及Granger检验对两者的波动性进行分析和研究。实证结果发现,中国的证券市场与宏观经济都具有非正态分布的特性。其次,证券市场不存在自回归条件异方差效应波动,宏观经济存在自回归条件异方差效应波动,并且GARCH(1,1)最适合描述宏观经济的自回归条件异方差效应波动,上证指数的预测与宏观经济的预测两者之间具有互相印证的关系。     

上海股市周内效应的逐日累计检验

运用广义误差分布的GARCH(1,1)模型,逐日累计检验上海股市周内效应。主要结论有:(1)沪市在历史演进中,周内效应呈现出复杂多变的阶段性特征:1994年11月3日至2000年10月27日,主要存在为负的周一效应和为正的周五效应;2000年10月30日至2004年7月16日,周内效应频繁改变;2004年7月19日至2008年10月28日,主要存在为负的周一效应和周四效应,以及为正的周二效应。(2)多次出现周内效应消失且消失后又重现的现象。(3)实行T+1交易后对周内效应没有影响;实行10%涨跌幅限制后对周内效应产生短暂的影响。     

基于非对称Laplace分布的GARCH模型探讨我国证券市场风险

文章以GARCH模型为理论基础,在95%的置信水平下,对比收益率的分布不同,分别求出我国四种主要股票指数的各时期的风险值,非对称Laplace分布合适地描述金融数据的尖峰、厚尾和有偏的特征,最后对于模型的有效性,选用Kupiec方法对模型进行检测,表明收益率分布采用非对称Laplace分布从而有助于提高对股票指数的风险度量的准确性。     

资本资产定价模型与深圳股票市场的实证研究

本文利用深圳股票市场数据对该市场作了检验,得出CAPM模型不符合我国的深圳股票市场的结论,同时发现了深圳市场同样存在西方发达市场中普遍的小公司效应;对风险结构的分析表明,非系统风险在个股的总风险中已经占有相当大的比重,个股价格变动呈现发散性特征,这说明深圳市场已经具备成熟市场的某些基本条件。     

比特币和莱特币价格波动及风险溢出效应研究

比特币发展已有十年之久,莱特币虽起步较晚,但其发展不可小觑,这使得研究两者价格波动特征及其风险溢出效应显得尤为重要.基于2017年5月1日至2019年7月11日的日收盘价,建立GARCH类模型及VaR和CoVaR模型研究比特币和莱特币的日收益率序列.结果发现,比特币和莱特币的波动具有明显的协同趋势,它们均为高风险高回报的金融资产.此外,在样本考察期内并未发现其杠杆效应,且莱特币较比特币表现出更高的风险水平和风险溢出强度.     

基于非参数模型的股市波动性研究综述

随着金融行业的发展和金融市场的不断完善,证券市场与人们的生活息息相关,而波动性作为股票市场赖以存在和发展的基础,越来越成为金融经济学研究的热点。但这些研究的角度、方法和结论都不尽相同。本文通过集中梳理最近二十年国内外对于股市波动性的研究文献,对这些文献进行了一定的总结,并提出了以往研究中存在的问题。     

基于Copula-GARCH模型的原油市场和股票市场相关性研究

由于原油市场和股票市场之间的联动性日益增强,因此研究两个市场之间的关联特征,分析原油价格波动对股市的影响,有助于规避风险,保证经济持续平稳地增长.采用Copula-GARCH模型对WTI原油价格的收益率序列和NASDAQ股指的收益率序列进行实证分析.结果表明,GARCH(1,1)-t模型拟合两个序列的条件边缘分布效果最好,时变SJC Copula模型比常相关Copula模型能更好地刻画两个市场之间的相关关系.两个收益率序列之间存在正的相关关系,且相关关系具有时变性,相关结构具有一定的不对称性,上尾相关系数小于下尾相关系数,即两个市场同时出现价格极端下跌的可能性更大.这为中国金融市场风险管理,规避油价波动对股市的冲击提供一定的参考依据.