沪深300指数的VaR风险测量——基于历史模拟法和蒙特卡罗模拟法

VaR是目前金融市场风险测量的主流方法。本文基于历史模拟法和蒙特卡罗模拟法,以沪深300指数为研究对象,进行了VaR风险测量实证研究。研究发现,蒙特卡罗模拟法能够较好地覆盖实际损失,适于我国股票市场价格指数的风险度量。     

沪深300股指期货市场风险研究

我国即将推出以沪深300股票指数作为标的的股指期货，因为股指期货具有期货的杠杆效应，风险性极大，所以有必要对股指期货的市场风险进行合理的度量。目前对股指期货市场风险的研究是一个热点也是难点问题。利用近年来专家学者常用的极值理论计算沪深300指数的全尾、左尾（多头）和右尾（空头）的VaR和ES，可以有效的度量沪深300股指期货的市场风险。     

创业板与沪深主板市场联动效应的实证研究——基于沪深300指数和创业板指数的数据分析

随着深圳创业板正式挂牌交易,其对主板市场的影响引起了人们的关注。利用沪深300指数和创业板指数数据,建立起两变量的向量自回归(VAR)模型,并使用Granger因果检验、脉冲响应函数和方差分解等数量分析手法,发现创业板的波动对主板在短期上有明显的冲击,而创业板受主板的影响有限。     

VAR方法在我国沪深300股指期货风险管理的应用

2010年4月16日中国金融交易市场推出了沪深300股指期货。股指期货的出现,对于金融产品的发展起到了推动作用。但是作为我国新兴的交易市场,其机制并未完全成熟,其高杠杆、操作复杂等特征,容易给投资者带来损失。通过对沪深300股指期货的数据实证研究,观察VaR-GARCH模型在股指期货的实际风险管理中的应用价值,并针对股指期货风险提出一些防范措施建议。     

沪深300指数期货价格发现功能实证分析

本文以沪深300指数期货和标的指数日收盘价数据为样本,运用统计分析方法实证检验了沪深300指数期货对标的指数的预期效果和引导关系.结果表明:沪深300指数期货对标的指数具有日间级别的引导作用,在价格发现过程中,沪深300指数期货较沪深300标的指数价格发现作用更强,且居于主导地位.     

沪深300指数羊群效应研究

通过研究行为金融学的经典现象——羊群效应,并运用CCK模型和CH模型对沪深300指数成分股的羊群效应进行实证检验。研究发现,在所选的数据区间内,沪深300指数成分股之间的羊群效应现象并不明显;在对上升市和下降市的子样本检验过程中发现,上升市中存在一定的羊群效应,下降市中没有明显的羊群效应现象。     

沪深300指数的走势分析及预测——基于ARIMA模型

为研究上证指数的变化规律，利用时间序列分析方法建立了预测模型，模型对沪深300指数的周收盘数据作了预测分析，结果表明，预测值接近真实值，并为指导投资者在证券投资市场上的正确投资战略决策提供有效依据。     

沪深300指数收益率实证分析——基于不同分布的GARCH模型

文章采用ARMA模型来描述沪深300指数收益率序列,GARCH(1,1)模型用来拟合误差。文章对深300指数收益率序列分别建立误差分布为正态分布,GED分布和t分布的ARMA-GARCH(1,1)、GARCH(1,1)模型。实证结果表明:我国股票市场具有异方差性、尖峰厚尾的特征。文章讨论了GARCH类模型的参数估计方法和结构形式,实证分析发现,基于GED分布和t分布的模型相比正态分布的模型有一定优越的表现。     

基于Garch-M模型的我国沪深300指数研究

本文选取沪深300指数2014年1月2日至2014年12月31日的日收盘价作为研究对象,运用GARCH模型对其波动性进行实证分析,并且进一步引入GARCH-M模型研究我国沪深300指数收益率是否存在正风险溢价。研究表明:我国沪深300指数收益率时间序列存在着明显的ARCH效应,具有明显的异方差性和持续性;模型GARCH(1,1)对我国沪深300指数收益率波动性有较好的拟合性;同时研究发现我国沪深300指数存在一定的风险溢价现象,即预期风险越高,收益率越高。     

沪深300指数亮相

沪深股市终于在4月8日迎来了首个统一指数——沪深300指数。发布首日的沪深300指数以984．66点开盘，终盘报收1003．45点，上涨1．9％，同日上证综指上涨了1．88％。     

基于ARMA-GARCH模型的沪深300指数回报率波动性研究

收益率是衡量金融资产价格的一大重要指标,而其波动性能很好地对资产价格的波动进行描述。投资者通过对收益率及其波动性的研究,可以对未来资产价格波动情况进行预测,获得关于资产波动情况的有效信息。本文选取2012年～2021年沪深300指数的指数回报率序列,基于ARMA-GARCH模型对其波动性进行分析。实证结果表明：资产冲击虽对序列存在影响,但ARMA(2,2)-N-GARCH(1,1)模型仍是有效拟合沪深300指数回报率波动特征的最优模型。对收益率序列进行预测时,静态预测结果下,收益率的波动程度具有显著的过滤效果;动态预测结果表明沪深市场中收益率序列围绕正值（约5%）波动,投资者在整体情况下能得到正向反馈,沪深市场是非零和市场。     

GARCH模型的沪深300指数收盘价波动性

近年来,我国有不少股指挂钩的理财产品推出,但是,股指价格的波动性给投资者带来了较大的风险。该文着力研究我国沪深300指数的波动特征,了解波动的不对称性,掌握我国市场存在杠杆效应等等。该文基于2005～2013年的沪深300指数收盘价的日度数据．采用GARCH（1,1）、GARCH—M、TARCH、EGARCH模型对沪深300指数收盘价的波动性进行分析,对于投资者预测走势以及做出相关决策部具有重大的意义．     

基于VaR方法的沪深300股指期货套期保值基差风险分析

套期保值并没有将风险完全转移出去,而是用变化较小的基差风险来代替变化较大的价差风险.随着价差的变动,套期保值者仍然面临着风险.实践经验表明目前我国企业、投资机构对套期保值的风险并没有引起足够重视.本文以沪深300股指期货套期保值为倒,利用VaR方法对基差风险的大小进行分析.力求通过具数据让投资者对套期保值中的基差风险有更明确的认识从而引起重视.     

沪深300指数期货推出对股票市场波动性影响的分析

股指期货的推出是否对其标的资产波动有显著影响,至今在经济学界和实践部门都有着很大的争议。文章在借鉴了国内现有研究成果的基础上,以我国沪深300现货指数为样本,运用实证分析方法,利用改进的GARCH模型对沪深300指数期货推出对股票市场波动性影响进行了实证研究。研究结果表明：沪深300指数期货上市后的一段时期内,股票现货市场的波动性有一定程度的增加。     

基于GARCH模型的股票市场波动研究——以沪深300指数为例

我国股票市场长期波动剧烈,波动风险较高是我国股市最具代表性的特点。股市过度波动对我国金融体系甚至国民经济影响巨大。本文通过分析当前股市现状,发现其中波动性特点,并选取能够反映我国证券市场股票价格变动的主要概貌,以及我国股票市场运行的大体状况的沪深300指数作为研究对象,运用GARCH模型实证分析,从经济计量的角度刻画沪深股票市场波动性特征,根据此结果对于我国股票市场提出政策建议。     

基于GARCH族模型的沪深300指数波动性模拟研究

本文运用GARCH族模型模拟沪深300指数收益率波动情况,得出结论:沪深300指数波动性的模拟,从简洁性出发应使用GED分布假设下的GARCH(1,1)模型;从精确度出发,即考虑其非对称性时应选择GED分布假设下的EGARCH(1,1)模型。企业和投资者可借助此模型相机投资;行业工作者和相关领域学者可参考本文方法展开进一步研究。     

巧选沪深300指数基金

沪深300股指期货正在紧锣密鼓地准备中,很快即将和投资者见面。而作为指数化投资的重要工具,以沪深300指数为标的物的指数基金也受到热捧。市场上的指数基金众多,如何从这些基金中选择合适的基金作为投资对象呢?本文就来对目前市场上的沪深300指数基金进行一次大阅兵,从中选择出适合的品种来帮助投资者进行投资决策。     

沪深300指数的ARCH效应

股价指数的收益率序列具有时变波动性、厚尾特征、波动性群集等特点,传统的计量分析无法刻画这些特点。通过对即将推出的股指期货的标的指数-沪深300指数的收益率序列进行AR-CH效应分析．采用ARCH模型及其扩展形式对沪深300指数的波动性进行实证分析,结果表明沪深300指数的收益率序列是有偏的,并具有尖峰厚尾的特点。同时也具有波动的群集性和不对称性的特点。     

基于RiskMetrics模型的国债指数风险研究

RiskMetrics模型是一组被广泛应用的金融风险管理工具,其核心技术是在险价值(VaR)方法。研究这种对线性金融工具计算VaR的简单方法。其中,用指数加权移动平均方法(EWMA)来计算收益率的波动,用最小RMSE标准来确定最优衰减因子。通过对上证国债指数的实证研究,计算最优的衰减因子和国债指数的每日VaR值。从中可以看出,上证国债指数的波动性较大,并且每日VaR的预测结果与所假设的置信水平能够很好的吻合。     

沪深300指数基金跟踪误差多元回归分析

近年来,指数基金由于其自身独特的优势逐渐受到投资者的关注,越来越多的基金公司开始发行指数基金。其中,以沪深300指数作为标的指数的基金最多。由于跟踪统一指数的基金存在同质性,因此普通投资者更多地以指数跟踪误差作为投资依据。无论是先验分析还是统计分析都表明,基金的管理费用、资金规模、股票仓位等因素都会对指数基金的跟踪误差产生影响。