沪深300指数收益波动性实证研究

本文应用ARCH扩展模型,基于广义分布假设对沪深300指数的日收益率波动性进行了实证研究,结果表明沪深300指数日收益率波动呈现明显的丛聚性和持续性,序列分布呈现尖峰后尾等特点,同时发现EGARCH(1,1)模型能够较好拟合沪深300指数日收益率波动实际,还发现沪深300指数日收益率的波动并不具有"非对称效应",且不支持风险溢价理论,并对此做了简要分析。     

沪深300指数收益率波动性分析——基于GARCH模型

波动率的研究是资产定价方面的一个重要的研究方向,其中波动率估计准确与否直接关系到模型运用是否得当,投资的策略是否成立。沪深300指数是时衡量中国资本市场波动的一个重要标志。本文以2005年至2015年2455天样本数据为研究对象,运用ARCH和GARCH模型,研究发现沪深300指数日收益率波动呈现出明显的可变性和波动集簇性,序列分布呈现尖峰厚尾等特点,并且存在明显的GARCH效应,而且,过去的波动对未来的影响逐渐衰减。     

沪深300指数的分形特征分析

本文将沪深300指数和上证指数、深证成指分别叠加分析,发现三者整体走势基本一致,可以说明沪深300的走势代表了中国证券市场的走势。对沪深300指数的日、周、月收益率进行统计分析、K-S检验及R/S分析,统计分析发现收益率的分布可能不是正态分布,K-S检验得出沪深300指数的收益率不服从正态分布,R/S分析得出沪深300指数日、周和月收益率的Hurst指数均大于0.6,进而验证了收益率的分布是一个分形结构。因此可以说我国证券市场的有效性不强,受外界的影响较大,比如受国家政策的影响。     

我国股市收益率波动性分布特征若何?——基于GH分布的实证分析

金融收益率序列的分布往往表现出厚尾性和不对称性,这与传统的线性框架下的线性参数建模认为资产收益率等时间序列服从正态分布相违背。在回顾比较几种扰动项的常用分布基础上,首先对GH分布族的定义以及相关统计特征作系统介绍,随后运用波动率模型对上证综指和沪深300指数日收益率进行过滤,进而借助GH分布对扰动项分布做进一步的拟合,结果表明GH分布能准确地描述和呈现收益率序列波动状况的分布特征。     

我国股市收益率波动性分布特征若何?——基于GH分布的实证分析

金融收益率序列的分布往往表现出厚尾性和不对称性,这与传统的线性框架下的线性参数建模认为资产收益率等时间序列服从正态分布相违背.在回顾比较几种扰动项的常用分布基础上,首先对GH分布族的定义以及相关统计特征作系统介绍,随后运用波动率模型对上证综指和沪深300指数日收益率进行过滤,进而借助GH分布对扰动项分布做进一步的拟合,结果表明GH分布能准确地描述和呈现收益率序列波动状况的分布特征     

基于GARCH模型族的沪深300波动率实证分析

本文以沪深300日收益率为分析对象,运用正态分布、学生t分布、GED分布下的GARCH、EGARCH、TGARCH,研究了沪深300自2005年4月8日发布以来至2013年3月30日的收益率的波动性,实证表明,沪深300波动具有尖锋厚尾性和高聚集效应;发现沪深300的收益率序列不服从正态分布且具有非对称性,其中基于GED分布的GARCH(1,1)是最优的拟合模型。     

基于广义双曲分布的沪深300ETF期权定价实证研究

本文利用广义双曲分布(Generalized Hyperbolic,GH)来刻画沪深300ETF收益率尖峰、偏态、厚尾的特征,弥补了正态分布的不足.并利用GARCH过程描述其时变波动率的特征,两者结合建立了基于广义双曲分布的GARCH模型(GARCH-GH)为沪深300ETF期权定价.经测度转换至等价鞅测度下,用蒙特卡...     

中国股票市场波动性的实证分析

本文首先利用沪深300指数建立了基于GARCH族模型的中国股票市场波动性模型,发现:我国证券市场波动性具有很强的持续性,证券收益率一旦受到冲击出现异常波动,短期内很难消除,且股票价格波动存在杠杆效应,即"利空消息"能比等量的"利好消息"产生更大的波动。其次,对沪深300指数和恒生指数基于VAR模型利用协整检验、脉冲响应函数和方差分解进行实证分析,结果表明:内地股市和港股存在一定的相关性。     

基于CBP-GARCH模型的股指期现货收益率共同跳跃研究

本文以沪深300股指期现货收益率作为研究对象,运用CBP-GARCH模型,分析了股指期现货收益率间的共同跳跃现象,以期为相关投资者和监管部门提供决策有用信息。实证结果表明,沪深300股指期现货收益率不仅存在独立跳跃,而且收益率间也存在显著的共同跳跃,国债期现货收益率的跳跃频度都是时变的,其中,独立跳跃频度与各自市场前期收益率的波动水平相关,而共同跳跃频度则同时受到两个市场前期收益率波动水平的影响。     

探究融资融券交易制度对股票市场的影响

本文利用试点以来的融资融券数据和沪深300指数,探究融资融券交易制度对股票市场的影响。本文通过建立VAR模型、运用Granger因果检验发现沪深300指数的对数收益率和融资融券交易总金额一阶差分具有显著的关系;之后进行了脉冲响应函数分析,发现当期给融资融券交易总金额一阶差分以正的冲击,会给沪深300指数对数收益率带来正的冲击。本文为防止"伪回归"现象的出现,又辅之以协整检验和VEC模型的建立,得出沪深300指数和融资融券交易总金额差分具有长期均衡关系的结论。     

沪深300指数收益率的GARCH效应实证研究

本文基于两种非正态分布的GARCH类模型对我国沪深300指数进行实证研究,同时考虑到收益率条件方差的非对称性,采用GARCH模型中典型的非对称模型中的TGARCH模型对普通的GARCH模型进行改进。研究结果表明,沪深300指数波动有显著的GARCH效应,并且运用GARCH模型进行建模之后,消除了残差序列的异方差,同时运用TGARCH模型的改进也证明了波动存在一定的杠杆效应:即坏消息的出现会带来更大的冲击和波动。     

信息冲击对我国股市的影响

股票市场收益率的波动一直是国内外学者们研究的重点,大量的实证研究结果表明股票市场上收益率波动存在着非对称的现象。本文以中国股票市场上沪深300指数2008年1月2日至2020年3月31日的日收益率序列数据为样本,利用GARCH族模型对数据进行拟合,分析信息冲击对股票市场收益率波动的影响。     

融资融券能否提高交易所自律监管效率?

本文利用沪深300指数日收益率为样本,采用GARCH-M模型、EGARCH-M模型分析融资融券业务推出对我国股市波动性的影响,并以波动性为交易所自律监管效率的代理变量来进一步说明融资融券能否提高我国交易所自律监管的效率。结果表明:融资融券业务从试点推出到转为常规业务的一年半以来,我国股市的波动性有所减小,波动的杠杆效应减弱,表明融资融券能起到稳定市场的作用。同时也说明了金融创新工具推出和应用的市场化改革能够促进我国交易所自律监管功能的发挥。     

中国股指期货市场长记忆性及对股票现货市场有效性影响实证分析

基于股指期货日收盘价数据,我们建立了能够同时测度其收益率和波动率的双长记忆性的ARFIMA-FIGARCH模型,模型估计结果表明我国股指期货的日收益率序列及其波动率序列均出现较显著的长记忆性特性,即我国股指期货市场是非有效市场.进而对股指期货上市前后沪深300指数的双长记忆性行为的进一步研究,发现股指期货的推出有助于促进我国股票现货市场的有效性.     

基于CVaR-SV-N模型的股指期货风险度量

CVaR-SV-N模型能够更好地刻画股指期货收益率序列尖峰、厚尾和波动集群性的特征。以我国沪深300指数期货合约(IF1012)的日收益率为样本的实证分析表明建立在SV-N模型基础上的CVaR预测收益率涨跌波动与原始收益率的变化趋势比较一致,CVaR准确性检验说明CVaR预测收益的准确性在统计上是显著的,能够较准确地预测风险。     

股指期货和沪深300指数联动关系实证研究

利用多元GARCH模型,本文评价了股指期货和沪深300数量联系。实证研究发现,股指期货和沪深300的存在密切的先行滞后关系,股指期货和沪深300之间的波动也存在显著的联系。并且本文对投资者的投资策略提出相关的建议。     

HS300指数收益波动性及VaR度量研究

本文分别运用EGARCH和Cornish-Fisher扩展的VaR模型对中国股票市场(以沪深300指数作为代表)的期望收益率以及市场风险进行实证比较研究,发现结合条件异方差的Cornish-Fish-er扩展的VaR模型与仅用波动率描述的VaR计量方法比较具有较好的修正作用。同时对中国股市波动的成因进行初步的探讨,并提出一些建议。     

HS300指数收益波动性及VaR度量研究

本文分别运用EGARCH和Cornish-Fisher扩展的VaR模型对中国股票市场(以沪深300指数作为代表)的期望收益率以及市场风险进行实证比较研究,发现结合条件异方差的Cornish-Fish-er扩展的VaR模型与仅用波动率描述的VaR计量方法比较具有较好的修正作用。同时对中国股市波动的成因进行初步的探讨,并提出一些建议。     

沪深300指数生存特征的实证研究

本文从沪深300指数波动强度和周期性两个角度出发,对指数涨跌收益率生存特征和涨跌天数的生存特征做了全面的实证研究。结果表明生存分析的方法在对沪深300指数连涨连跌的研究中是有意义的。     

沪深300股指期货风险管理的实证分析——基于CVaR-GARCH模型族

通过对沪深300股指期货收益率进行实证分析,采用可以更好刻画收益率序列特征的t分布和GED分布,基于GARCH模型族对收益率序列进行波动性建模。根据GARCH模型族的估计结果计算出CVaR值,并对CVaR的准确性进行了检验。由结果可知,GED分布下的TGARCH(1,1)模型是测算CVaR值的最佳模型。