由GARCH模型探讨深圳股市风险价值的应用——基于1997~2013样本数据实证分析

中国自改革开放经济快速成长,人们在追逐高额回报率的背后,高风险也伴随而来。近年来投资者对风险的意识逐渐抬头,如何采用适当模型与方法对风险进行预测,是当前金融研究领域的热门话题。本文采用GARCH(1,1)模型对深证综指收益率序列进行研究,以Va R方法作为计算风险值的依据,进行波动率探讨。从实证的结果可知,GARCH(1,1)模型虽能预测深证综指的波动情况,但存在低估风险的情况。     

沪深股市股票价格波动的统计研究

我国股票市场是在经济体制转轨中建立的，表现出股价大起大落，频繁且剧烈波动的特点。因此，对我国股市价格波动的研究就具有重大理论和现实意义。本文以上证综指和深证成指为研究时象．利用GARCH模型时股价波动进行了实证分析。     

基于GARCH模型对上证指数收益风险波动的实证分析

金融市场的不确定性导致价格波动的随机性,而研究波动的随机性不仅可以支持金融理论,也对金融实践有重大意义.本文以上证指数的日收益率为研究对象,采用EVIEWS通过建立ARCH类模型对上证指数日收益率进行实证分析,浅释股指收益率与风险之间的关系.结果表明,GARCH（1,1）模型能够较好的拟合上证股票收益率的波动特征,如“高峰厚尾”、集聚等现象,而GARCH（1,1）-M模型在一定程度上能较好的表现出风险与收益率之间的关系.同时也验证了沪市在中长期内不存在杠杆效应.     

经济转折时期CRB综合价格指数波动性研究——基于GARCH（1，1）模型

本文以CRB综合价格指数时间序列数据为研究对象,通过一系列的检验,运用GARCH（1,1）模型;对其在次贷危机时期的波动性进行实证研究。研究表明,运用GARCH（1,1）模型能够较好的模拟CRB综合价格指数的波动性特征。如果将CRB综合指数在时间序列上表示出来,我们会发现其存在波动从聚性现象。     

基于GARCH模型的黄金指数与美元指数波动性研究

近几年的黄金市场与美元指数市场波动都比较大,但波动的方向不一致。通过对两者的波动进行研究,主要有单位根检验、ARCH效应的检验、GARCH模型分析以及因果关系检验,结果表明,黄金指数GARCH(1,1)最适合描述其市场波动,美元指数GARCH(2,1)最适合描述其市场波动,美元指数的预测对黄金指数的预测会有帮助。     

创业板指数波动率预测效果比较研究——基于GARCH族模型

创业板的推出虽然为投资者提供了更为多样的投资渠道，但其投资风险明显高于主板市场。本文运用GARCH族模型对创业板指波动率进行了实证分析，并对各模型的波动率预测效果进行比较。结果表明，AR（1）-GARCH（1，1）模型对创业板指波动率的预测更为有效。     

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.     

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.     

基于实现极差和实现波动率的中国金融市场风险测度研究

目前比较流行的金融市场风险价值研究一般采用日收益数据,并基于GARCH类模型进行估计和预测。本文利用沪深股指日内高频数据,分别通过ARFIMA模型和CARR模型对实现波动率和较新的实现极差建模,计算风险价值。通过对VaR的似然比和动态分位数等回测检验,实证分析了各种模型的VaR预测能力。结果显示,使用日内高频数据的实现波动率和实现极差模型的预测能力强于采用日数据的各种GARCH类模型。     

基于条件动态阿基米德Copula的金融股指尾部相关性研究

阿基米德族Copula能拟合多种金融资产收益分布,已被广泛用于金融资产相关性研究。然而,我们对阿基米德族Copula的研究相对有限。本文选取了上证综指、上证金融、深证综指和深证金融四只股票的767个交易日数据作为样本数据,利用GARCH模型对单个资产建模,采用分层条件动态法完成高维条件动态建模。实证表明,半网络条件动态建模能显著降低板块对股指间相关性的影响,挖掘出金融资产间本质的相关性,更有利于进行金融资产的风险管理。     

基于中国黄金期货市场数据的GARCH族模型拟合评价

本文运用GARCH族模型对我国黄金期货市场波动进行拟合情况,以上海期货交易所AU1406黄金期货合约的日收益率为数据来源,并运用损失函数对GARCH,TGARCH,EGARCH三个模型的波动率预测精度进行比较。实证结果表明,对称的GARCH模型是描述市场波动性给出了很好的描述,能够对投资者,特别是我国黄金生产企业在市场风险度量与预测以及投资决策时有所帮助。     

基于中国黄金期货市场数据的 GARCH 族模型拟合评价

本文运用 GARCH族模型对我国黄金期货市场波动进行拟合情况,以上海期货交易所 AU1406黄金期货合约的日收益率为数据来源,并运用损失函数对 GARCH,TGARCH,EGARCH三个模型的波动率预测精度进行比较。实证结果表明,对称的 GARCH模型是描述市场波动性给出了很好的描述,能够对投资者,特别是我国黄金生产企业在市场风险度量与预测以及投资决策时有所帮助。     

存货质押融资业务的流动性风险研究

本文基于存货质押融资业务中出现的质物变现情况,以流动性指标为基础进行流动性风险研究。对流动性水平序列进行一系列检验,采用GARCH模型对流动性序列的波动建模,并对BDSS模型进行调整得到新的L-VaR模型,将GARCH结果代入到L-VaR模型中得到流动性风险值。     

存货质押融资业务的流动性风险研究

本文基于存货质押融资业务中出现的质物变现情况,以流动性指标为基础进行流动性风险研究。对流动性水平序列进行一系列检验,采用GARCH模型对流动性序列的波动建模,并对BDSS模型进行调整得到新的L-VaR模型,将GARCH结果代入到L-VaR模型中得到流动性风险值。     

基于GARCH模型的金融危机对上证综指波动性影响的研究

金融市场活动的核心是风险评估和风险定价,而风险评估和风险定价都离不开对资产收益率波动性的度量。本文基于GARCH模型对上证综指在金融危机前后波动率变化的情况进行研究。结果表明,上证综指收益率的变化服从GARCH过程;进一步研究发现,金融危机对上证综指的波动率的变化有着显著的影响。     

沪市股指收益率及波动性的实证分析

文章主要以上证综指日收益率作为研究对象,从实证的角度采用GARCH模型族,研究了2003年至2007年间我国股价波动的统计特征。实证结果表明:在这段检验时间内,上海证券市场股价的波动具有显著的尖峰厚尾特征,且存在波动的集群性、异方差性和非对称性,市场杠杆效应显著。     

基于GARCH模型的VaR方法在证券投资决策中的应用

由于股票市场的收益率具有尖峰厚尾及波动聚集的特性,使得对收益率的分析不能采用一般的方法,可以利用GARCH模型中的条件方差来度量其VaR,以此来消除股票日收益率的ARCH效应。将GARCH模型应用于我国证券市场中股票日收益率风险波动的计量,以民生银行和华夏银行为例,根据预测到的VaR值来计量股票风险波动的大小,从而得到同一行业中的哪只股票更有投资价值,为投资者提供正确的投资决策。     

黄金市场波动特征与风险度量

本文应用GARCH族模型刻画了伦敦黄金市场收益率波动特征,在此基础上计算出黄金市场VaR值用以度量风险并进行了回测检验。研究结果表明,伦敦黄金市场受外部冲击时收益率波动存在非对称效应,好消息带来的波动相对更大,并且高风险并不意味着高收益。给定95%置信水平,在正态分布假定下,TARCH(1,1)模型的VaR值精确度最高,可有效度量伦敦黄金市场波动风险。实证分析为黄金市场参与者管理风险提供了参考。     

基于修正的KMV模型信用风险度量研究

随着全球金融行业的迅猛发展,信用风险的评价和管理变得越来越重要。本文选取2011.1-2011.12房地产业的ST公司和非ST公司共十家组成样本,利用GARCH（1,1）波动率模型估计股权价值波动率,并运用KMV模型计算这十家上市公司2011年违约距离及理论违约概率。研究结果表明,房地产行业违约距离总体均处较高水平,而ST公司与非ST公司相比,前者具有更大的违约距离,违约风险更大。     

基于GARCH模型的金融危机对上证综指波动性影响的研究

金融市场活动的核心是风险评估和风险定价,而风险评估和风险定价都离不开对资产收益率波动性的度量.本文基于GARCH模型对上证综指在金融危机前后波动率变化的情况进行研究.结果表明,上证综指收益率的变化服从GARCH过程;进一步研究发现,金融危机对上证综指的波动率的变化有着显著的影响.