企业债券市场波动性研究—基于ARMA-GARCH模型的实证分析

基于交易所企债指数,利用ARMA-GARCH模型分析市场波动性。结果表明ARMA（1,1）-GARCH（1,1）模型可以合理解释企业债券市场波动存在的持续性、丛集性和杠杆效应。场外冲击对条件方差的影响具有持久性,反向冲击比等量的正向冲击会导致更高的下一期的条件方差。EGARCH（1,1）-M模型回归结果表明,市场存在正的风险溢价,但是预期条件波动对预期收益仅有微弱补偿。     

证券市场收益率的分布特征对VaR测算的影响

用EGARCH-M模型计算收益率的波动率,计算了基于正态分布t、分布和GED分布(广义误差分布)的VaR值,认为证券市场收益率具有强烈的GARCH效应,基于广义误差分布的VaR测算优于基于正态分布和t分布的VaR测算。     

企业债券市场波动性研究——基于ARMA-GARCH模型的实证分析

基于交易所企债指数,利用ARMA-GARCH模型分析市场波动性。结果表明ARMA(1,1)-GARCH(1,1)模型可以合理解释企业债券市场波动存在的持续性、丛集性和杠杆效应。场外冲击对条件方差的影响具有持久性,反向冲击比等量的正向冲击会导致更高的下一期的条件方差。EGARCH(1,1)-M模型回归结果表明,市场存在正的风险溢价,但是预期条件波动对预期收益仅有微弱补偿。     

应用ARCH模型族对沪市股票收益率的波动性分析

波动性是诸多经济和金融研究的一个重要方面。本文利用ARCH模型族,分别采用误差项的正态分布假定和t分布假定对上证指数的波动性进行实证研究,结果显示沪市股票收益有明显的尖峰厚尾性、波动的集簇性以及波动的信息不对称等特点。分析表明在误差项的t分布假定下,非对称模型EGARCH(1,1)能较好地描述沪市股票收益的波动情况。     

应用 ARCH 模型族对沪市股票收益率的波动性分析

波动性是诸多经济和金融研究的一个重要方面.本文利用ARCH模型族,分别采用误差项的正态分布假定和t分布假定对上证指数的波动性进行实证研究,结果显示沪市股票收益有明显的尖峰厚尾性、波动的集簇性以及波动的信息不对称等特点.分析表明在误差项的t分布假定下,非对称模型EGARCH(1,1)能较好地描述沪市股票收益的波动情况.     

基于GARCH类模型的中国股票市场波动性的VaR分析

本文通过运用GARCH类模型对沪深股市收益率的波动性、波动的非对称性,以及波动之间的溢出效应做了较全面的分析;并在GED分布下,采用EGARCH模型估计了沪深股市收益率的VaR值,对两市的各种统计指标进行了比较,得出了相应的结论。     

基于GARCH模型族的上证综指VaR计算

VaR已成为近年来国际广泛应用的风险度量方法。文章选取我国2008年至2012年每个交易日。上证综指的收盘价,结合GARCH模型族,在正态分布、t分布、GED分布三种收益率序列分布假设下,对VaR的值进行了分析和对比,并应用Kupiec提出的"失败频率检验法"进行了准确性检验,通过实证分析得出,采用TGARCH—GED模型能够较好地反映股市风险。     

基于GARCH类模型的中国股票市场波动性的VaR分析

本文通过运用GARCH类模型对沪深股市收益率的波动性、波动的非对称性,以及波动之间的溢出效应做了较全面的分析;并在GED分布下,采用EGARCH模型估计了沪深股市收益率的VaR值,对两市的各种统计指标进行了比较,得出了相应的结论。     

我国股票、债券和期货市场波动溢出效应的实证分析——基于GARCH-BVAR模型

基于2002年12月-2013年2月股票成交额、期货成交额以及国债成交额等数据资料,运用GARCH（1,1）模型获取各市场的波动信息,通过贝叶斯VAR模型（BVAR）、脉冲响应函数（IRF）等方法模拟各市场波动的“传染”过程,研究发现：第一,股票市场与期货市场均对来自自身冲击影响的反应比较强烈,期货市场的冲击对股票市场的影响较小但是持续时间长,股票市场的冲击对期货市场的影响较弱;第二,股票和期货市场的冲击对国债市场影响在整个样本期间均不大.     

基于GARCH模型的原油期货价格波动性分析

运用GARCH模型和EGARCH模型，分别在正态分布、学生t分布及广义误差分布下对纽约商品交易所WTI原油期货合约价格进行拟合，结果显示误差分布设置为学生t分布的模型较其它模型能更好地描述原油期货价格的波动．同时原油期货市场波动的非对称性显著，即此期货市场上存在杠杆效应。