GARCH类模型的实证检验比较——基于深证股价波动不对称性

一、引言 长期以来资产收益率的波动性一直都是金融学家关注的问题,资产选择理论用方差来描述收益率的波动性,进而寻找最优资产组合,这个模型说明投资者获得收益是对承担风险的补偿.传统的金融计量方法认为方差是独立于时间变化的变量.但是近来大量的金融时间序列实证分析发现,方差是随时间变化而变化的,而且金融时间序列的波动具有类聚性,即随机扰动往往在较大幅度的波动之后伴随较大幅度的波动,在较小幅度的波动之后,伴随较小幅度波动.     

银行汇率风险管理与时间序列模型研究——以ARCH模型评估资产组合收益的概率分布函数为基础

金融时间序列模型在金融理论和金融实务的应用日益广泛,然而却一直忽略了时间轴上的异方差问题,本文从ARCH模型出发,以外汇汇率风险管理为对象,对其可行性进行了相关研究,并针对外汇风险管理提出了相关改进建议。     

经济时间序列波动率的度量与ARCH

尽管金融经济学家很早就知道经济时间序列的波动率有簇聚效应，并且边际分布具有尖峰形态，但却一直没有建立能够反映这种特点的时间序列模型。恩格尔在20世纪80年代早期开始了波动率模型的研究，成功地突破了传统的时间序列统计分析方法，开创性地建立了随时间变化的波动率模型一自相关条件异方差(ARCH)模型，从而有力地推动了金融经济学的发展。本文介绍了ARCH模型的产生背景、模型结构及其对金融经济学的学术价值。     

功能视角下金融发展对居民消费升级的动态影响——基于2005-2012年季度数据的VAR模型

本文根据我国2005-2012年季度时间序列数裾,利用基于向量自回归模型（VAR）的协整关系分析、向量误差修正、以及脉冲响应和方差分解等计量工具,实证分析了金融发展相关变量与我国城镇居民消费结构的动态影响.研究结果表明：金融发展与消费支出存在长期稳定关系;金融发展对基本消费支出存在着反向调整机制,而对服务性消费不存在;金融发展对消费支出的促进作用并不明显.     

河北省金融发展与经济增长的实证研究

本文以1984—2010年河北省金融发展与经济增长的时间序列数据为基础,构造合适的金融发展和经济增长的变量,主要从金融相关比率、金融中介效率、金融储蓄结构三个方面考察与经济增长的关系。结果显示河北金融发展与经济增长存在长期均衡关系的结论,接着对变量做Granger因果检验,最后再进行脉冲响应函数和方差分解进行动态效应分析。     

GARCH类模型的实证检验比较——基于深证股价波动不对称性

一、引言长期以来资产收益率的波动性一直都是金融学家关注的问题,资产选择理论用方差来描述收益率的波动性,进而寻找最优资产组合,这个模型说明投资者获得收益是对承担风险的补偿。传统的金融计量方法认为方差是独立于时间变化的变量。但是近来大量的金融时间序列实证分析发现     

人民币汇率非线性特征的研究与分析

近年来,关于人民币汇率改革的问题一直是国内外关注的热点,对各国的政治、金融、贸易均产生了巨大的影响。因此如何科学的预测人民币汇率走势,并以此为基础采取相应的风险规避措施,成为了学界的焦点和难点。而在构建人民币汇率预测模型的过程中,对于数据的特性进行分析是前期的必要工作。本文对人民币汇率进行非线性特征检验,通过JB正态性检验证实了人民币汇率的“尖峰厚尾”特性、AC-PAC序列自相关性检验表明人民币汇率时间序列存在一定程度上自相关性、ARCH异方差性检验验证了汇率的波动现象存在时间序列上的“簇聚现象”。     

美元欧元间汇率的时间序列模型设计

外汇汇率的变动随机性强,属于较难预测的波动率类金融数据,时间序列模型对于此类数据的短期预测较为准确,该模型可为外汇及外汇衍生品交易人员和研究者提供一定的理论依据及预测建议。金融时间序列模型适用于金融波动率的相关研究,外汇汇率的变化趋势与未来走向则是金融波动率研究中的核心内容。对原始数据进行相应处理以确定适当的滞后阶数1.模型设计选取的数据取自datamarket.com,数据截取1999年1月至2012年4月的每月美元与欧元间汇率值。图1为原始数据散点图。通过观察可以发现,原始数据的散点图呈现出不平稳性和周期性重复,同时在数据期的最近3年中出现方差的增长,可考虑对原始数据进行去周期性和异方差的相关讨论。2.由图2原始数据的自相关函数ACF图表明,该原始数据呈现随机漫步序列的特点,可以进行一阶或多阶差分。3.对原始数据一阶差分之后,第一阶的相关系数显著,第一阶至第三阶的相关系数显著,对滞后阶数的选取提出了相关建议:可取的阶数有至;可取。     

中国股票市场相关性的Copula分析

1、引言:当今世界,金融危机和波动频繁出现,风险管理和金融时间序列之间的相关性等研究,已经成为了国内外关注的焦点。而原用的线性相关系数等研究方法存在着很多局限性,如线性相关系数首先要求变量间的关系是线性的,而且其方差为有限,否则就没有定义,但是金融市场中出现的不少数据往往是厚尾分布,它们的方差有时并不存在,因此不能用线性相关系数来反映相关性。近几年来,随着Copula理论的出现,金融市场相关性分析进入了一个新的阶段。Copula技术被广泛应用于非参数统计领域,特别是用来研究随机变量间的相关关系。运用copula理论构建金融模…     

网络金融信息量与沪市A股价格表现的关联性

本文将网络金融信息流信息量及其算术变动量引入到EGARCH模型中,对沪市A股价格ARCH效应进行网络金融信息流角度的再解释.结果显示,引入前期网络金融信息量后,EGARCH模型拟合度得到了显著改善,对价格变动量序列自相关异方差部分的解释力明显增强;实证回归的方程式中信息量的系数准确刻画出了样本序列ARCH效应依赖网络金...     

金融时间序列GARCH建模现状及发展分析

ARCH类模型是当今金融时间序列波动性建模分析的最重要的工具。而随着金融时间序列研究不断深入,金融时间序列的波动性特征不断显现,最初的ARCH类模型以及无法满足金融时间序列波动性建模的需要。因此,ARCH类模型也经历了相应的发展。     

金融时间序列GARCH建模现状及发展分析

ARCH类模型是当今金融时间序列波动性建模分析的最重要的工具。而随着金融时间序列研究不断深入,金融时间序列的波动性特征不断显现,最初的ARCH类模型以及无法满足金融时间序列波动性建模的需要。因此,ARCH类模型也经历了相应的发展。     

中国实际利率的状态转换与阶段性平稳特征——基于三区制Markov状态转移模型的分析

我们使用三状态Markov区制转移模型研究了从1999年10月至2010年11月中国实际利率的时间序列行为。结果显示,Ex-post实际利率在不同时期具有显著不同的均值、方差,而本质上仍是一种随机游走。我们构建了Ex-ante实际利率序列。我们亦证明,在合理长度阶段的平稳Ex-ante实际利率符合一些金融理论和金融模型,如费雪效应、Black-Scholes期权定价公式等。最后我们基于历史事实和研究结果强调,Ex-ante实际利率的潜在动态特征对于政策制定具有重要意义。     

我国城镇化、工业化和金融发展的相互关系研究

本文基于协整理论、格兰杰因果检验和方差分解,利用我国1992—2012年时间序列数据,对我国城镇化、工业化和金融发展之间的相互关系进行研究。结果显示:在研究区间内,我国城镇化领先于工业化,符合钱—塞的"发展模型"理论;资本市场的发展和金融规模的扩大并没有对城镇化和工业化起到应有的促进作用;在长期内,资本市场和存贷比对城镇化影响显著,城镇化和金融发展对工业化影响显著。本文根据研究结果,提出了相关政策建议。     

沪港通背景下沪港两市金融板块联动效应研究

本文首先就证券市场联动效应进行了理论分析,然后基于2012-2018年沪港两股市的时间序列数据,对“沪港通”出台前后两市金融板块指数进行了实证检验。研究发现：“沪港通”实施后两市金融板块指数建立了长期均衡关系,在短期波动中沪市更易向港市调整;沪港两市金融板块表现为双向格兰杰因果关系,且沪市对港市的冲击影响较大;此外,“沪港通”还加深了港市对沪市金融板块方差波动的贡献度。最后,基于实证分析结果提出了相关政策建议。     

金融时间序列分析中小波方法应用研究

由于传统时域分析的狭隘性,能从时域和频域两个角度同时充分描绘信号物理特性的小波分析方法引起了众多学者的关注,小波分析应用于金融时间序列分析逐渐成为趋势。小波方法由于具有良好的去噪性与多分辨分析能力,能够出色地完成对非平稳序列的拟合、奇异点的定位等工作,被普遍应用于单个市场、多个市场的金融时间序列分析以及金融时间序列中非市场因素的探究等方向。本文基于小波方法在金融时间序列分析中的"应用"视角,对该领域的部分文献进行了评述与总结,并对其未来研究提出了展望。     

河北省金融发展与经济增长的实证分析

本文以1978—2006年河北省金融发展与经济增长的时间序列数据为基础,对河北省的金融发展水平和经济增长关系进行了实证检验。结果表明河北省金融发展与经济增长有双向Granger因果关系,进而以向量自回归(VAR))模型为基础运用脉冲响应函数和方差分解技术定量分析了金融发展对经济增长作用的大小,最后回归出具体影响程度。据此认为河北省应该加快金融发展,进一步完善资本市场,以此来促进经济的更好更快发展。     

基于混合Copula函数的行业指数投资组合风险度量

考虑金融时间序列出现非正态性及非线性相关的特征,构建了基于混合Copula函数的投资组合风险度量及优化模型。采用GARCH模型对各个金融时间序列缘分布进行建模,并利用可以灵活反映上、下尾部相关和对称相关的混合Copula连接各个边缘分布。运用BFGS算法和极大似然估计相结合的方式对模型进行参数估计,通过数学优化和Monte Carlo模拟方法求得投资组合的最优权重,以及相应的Va R和CVa R值。最后,利用中国股市四个行业指数的数据进行实证分析,检验了模型的可行性和有效性,为高维非线性相关的投资组合决策提供有价值的参考。     

基于GARCH模型的配对套利策略研究

套利交易即对冲交易,其核心在于对交易标的价差的判断,传统套利策略假设价差在交易期内波动性不变,即标准差为常数。但金融时间序列通常存在异方差效应,本文通过实证发现,利用GARCH模型刻画价差波动,可以较好捕捉交易机会。     

基于EGARCH模型的中国股市波动性的实证研究

一、引言现代金融理论广泛以波动性代表金融产品风险。在股票市场中,用股票收益的标准差或方差来度量股票市场的风险,因为风险不仅是股票定价的关键因素,也是人们理解和管理股票市场的重要指标。因此,探讨股票市场波动(风险)以及与预期收益之间的关系具有重要的理论意义和实用价值。大量的实证研究表明,股票收益呈现出波动的聚集效应(Volatility Clustering),即大幅度波动聚集在某一时间段,而小幅波动聚集在另一时间段上。Engle,Ito和Lin(1990)认为波动的聚集效应是由两种原因造成的:第一,如果消息集中到达,那么收益就可能显示出聚集性;第二,如果市场交易主体偏好不同,并且需要花费时间来消化信息冲击,从而消除预期差异,那么市场的动态变化趋向于波动聚集。股票市场呈现有时相当稳定,有时波动异常剧烈,即股票市场波动具有随时间而变的特征。而Engle的ARCH(自回归条件异方差)模型和Bollerslev的GARCH(广义自回归条件异方差)模型能够用条件方差来刻画波动的时间可变性。因而,从时间序列角度可以研究股票市场波动与收益的关系。中国股票市场自从20世纪90年代初期产生以来,发展十分迅速,已跻身最重要的新兴...