人民币/美元日汇率收益模型的建立

人民币汇率制度改革以后,人民币汇率的波动特点也发生了变化。本文对人民币/美元的日汇率收益序列进行实证研究,建立相应的GARCH模型并对未来值进行预测。结果表明GARCH-t(1,1)模型能够很好的刻画人民币/美元的日汇率收益序列的统计特征,而且对未来的短期预测具有可行性。     

基于CARR模型对我国股指期货的非对称性研究

本文以沪深300股上证指数日收益率作为研究样本,在EGARCH模型的基础上,运用CARR模型对上证指数日收益率的非对称性进行预测和实证分析.结果表明,在运用CARR模型对波动率数据进行拟合的条件下,收益序列的波动特征呈现出杠杆效应,即收益率波动具有非对称性.     

不同分布下中国股市的VaR度量——基于ARFIMA-FIGACH模型

基于正态分布、学生-t分布、GED分布和Skewed-t分布四种不同分布,采用ARFIMA-FIGARCH模型对深圳股市收益率的风险值进行了动态建模。通过模型实证参数估计,发现深圳股市收益率序列存在双长记忆性特征;通过模型预测的VaR值的DQ和LR测试,发现在Skewed-t分布下,ARFIMA-FIGARCH模型能更有效地捕捉深圳股市收益率序列的特性,能够较好地反映金融收益率的实际风险。     

ARMA预测模型和平滑ARMA预测模型的比较研究——基于贵州省1950-2011年的年度CPI环比数据

本文基于贵州省CPI(居民消费价格指数)1950至2011年的年度环比数据进行分析预测,并用Eviews6.0软件完成建模过程。通过对两个模型预测效果的比较,得出结论,平滑ARMA模型的预测效果并没有一般的ARMA模型好,但是平滑ARMA模型可用于对比较短的时间序列的预测,通过平滑方法可以增加样本个数,从而使得本来不能够进行ARMA预测的序列可以用ARMA模型来预测。     

中国股市的波动性及国际比较

本文通过描述性统计和基于GARCH模型族的计量分析,对上证A股综指、道指、富时100指数和日经225指数收益率序列有关波动性的基本特征进行了概括和比较,并得到基本结论：1998年7月至2008年7月期间,上海股市的总体波动性水平要高于其他三个股票市场：上海股市较高的波动性表现在日收益率序列、周收益率序列以及月收益率序列等多个时间维度上;同时,上海股市较高的波动性还表现在波动的幅度上和波动的频繁程度上。本文还指出,中国股票市场较高的波动性不能简单地从宏观经济波动性或对外金融开放角度来解释。     

基于SKT分布的中国股市波动率研究

本文以上证指数收益率序列为例,利用R／S分析法,假设残差分别在正态分布、t分布、GED分布及SKT分布下,使用“滚动时间窗”的方法对波动率进行预测,并采ARFIMA（p,d,q）-FGARCH（m,n）-M模型对收益率序列进行了实证分析。实证结果表明：上证收益率序列存在长记忆性;基于SKT分布条件下ARFIMA（2,1）-FGARCH（1,1）-M模型能够较好的处理序列“尖峰厚尾”和聚集现象并且较其他分布条件下具备较强的预测精度。     

我国期货价格风险管理研究——基于VaR方法与GARCH-t模型的视角

本文利用我国商品期货及金融期货2010年9月份合约数据采用VaR方法对其收益率序列的波动性进行了检验。研究结果发现:首先,应用GARCH-t模型的方法对期货商品的价格风险进行管理具有显著的有效性和适用性,特别是在95%的置信水平下对收益率波动性的拟合效果最佳,同时该方法对期货商品正收益率的拟合效果比负收益率更好。其次,我国股指期货正式推出后,收益率波动性较模拟交易时期显著变小,表明改进后的交易制度及政府监管等措施可能限制了市场上的过度投机行为。最后,农副产品期货的风险暴露程度比股指、金属和能源化工等期货品种要小。     

我国银行间同业拆借市场利率风险度量

本文利用1996年1月5日至2008年9月17日的我国银行间隔日同业拆借利率序列,通过GARCH模型对收益数据中的自相关和异方差现象进行了实证研究,采用MLE方法估计模型参数,再利用所得参数分别计算了不同收益率分布假设下的不同置信水平的VaR值;在此基础上,进行回测检验,比较了各种模型估计效果,并进一步分析了我国同业拆借利率市场的系统性风险历史波动趋势;最后提出了相关结论与政策建议。     

上海股市的VaR风险研究

针对上证综合指数收益率分布的尖峰厚尾特征,文章分别用GARCH-正态模型、GARCH-t模型和GARCH-GED模型进行拟合,证明了上海股市具有正的风险溢价,并存在杠杆效应。然后分别用这三种模型估计出的结果计算上海股市的日度VaR值,结果发现GARCH-GED模型比GARCH-正态模型能更好地度量上海股市的风险。     

基于ARCH族模型的上证指数研究

本文利用Eviews软件,以2004年1月2日—2013年4月25日沪市股票的收盘价格指数日数据为样本序列,运用ARCH族模型对上证综指的波动性进行实证分析,结果表明上证综指对数序列具有较为显著的ARCH现象和"杠杆效应",通过EGARCH模型拟合预测上证综指并给出若干小结。     

TARCH-M模型在测度上海证券市场风险中的应用

本文主要介绍一种新的模型,即TARCH-M模型来对上海证券市场风险波动进行实证分析.该模型保留了传统GARCH模型描述收益率波动集群性和过度峰度的优势,而且能描述金融资产收益率序列的有偏分布,同时根据资产定价理论,把股票风险波动考虑到股票收益率模型中.通过该模型,我们可以根据rt的历史数据对未来的风险波动σ2t进行预测,从而可以很好地测度出上海证券市场的风险波动,为政府部门监管股市,避免股市大起大落,为投资者规避市场风险提供理论依据.     

基于GARCH模型的证券投资基金VaR计算与实证研究

基于统计技术的度量金融市场风险值(Value at Risk,VaR)已成为测量市场风险的新标准和新方法。鉴此,如何高效、准确地进行VaR的计算将是问题所在。基于GARCH模型,讨论了对数收益率时间序列在正态、学生t和广义误差(GED)三种不同分布下的VaR计算方法,对样本基金的市场风险进行估计,并通过返回检验来检验模型的准确性。研究结果表明,基于GED分布的GARCH模型计算的VaR值最能真实地反映基金风险。     

基于ARIMA模型的收盘价预测分析

本文旨在以时间序列模型为基础,选择爱尔眼科收盘价为研究对象,对其在2009年10月30日-2015年12.31日的除去部分缺失值后的1493个日收盘价数据采用R软件进行研究分析.在此,本文采用时间序列分析中的一种常见ARIMA模型进行相关的分析和预测,并对未来5天的日收盘价做短期预测.通过研究分析可知计算所得的平均相对误差范围均达到要求,则采用ARIMA 模型做股票价格预测是可行的.     

基于时间序列ARIMA模型的人民币汇率走势预测

2010年6月19日,央行为进一步增强人民币汇率弹性,推出第二次人民币汇率形成机制改革。本文旨在研究第二次汇改后的人民币兑美元汇率的波动情况。本文为探究时间序列长度对预测准确性的影响,使用R软件选择出一个较为适用的模型即ARIMA模型,使用2010年6月19日至2011年7月19日的的人民币兑美元中间价进行拟合,并对未来半月汇率进行预测。同时,为对比长短与样本对预测精度的影响,又使用2011年1月1日至7月19日的交易日汇率数据进行预测。对比发现两中ARIMA模型对汇率预测均有效,而短样本预测精度较长样本更优。据进行预测。对比发现两中ARIMA模型对汇率预测均有效,而短样本预测精度较长样本更优。     

基于GARCH模型的VaR方法对我国开放式基金风险的分析

本文从我国开放式基金收益率序列的分布与波动性两方面建立了一个估计基金风险的VaR-GARCH模型,在正态分布和能够刻画收益率的尖峰厚尾特征的t分布GED分布三种不同的分布假设下,对基金的VaR值进行估计,并应用Kupiec失败频率检验方法对VaR模型的准确性进行了返回检验。结果显示,基于GED分布的GARCH模型计算的VaR值比基于正态分布和t分布GARCH模型计算的VaR值更真实地反映了基金的风险。     

并购对港台商业银行经营业绩的影响

本文以港台地区的15家商业银行为样本,基于股权收益率模型,对样本银行并购前后的经营业绩进行了实证分析.研究结果表明:通过并购行为并不一定能实现银行经营业绩的改善;大多数银行的经营风险在并购后都有所提高.     

CAPM模型对中国资本市场的检验分析——基于中国深圳A股市场的实证检验

本文选取了2008年至2010年间深圳A股市场的20只样本股票的日平均收益率和同期的深圳A股的综合收益率数据作为市场收益率的代理变量进行资本资产模型的分析,采用Fama and Macbeth模型进行CAPM的横截面检验和采用BJS检验进行时间序列的检验.本文实证研究的结果表明CAPM模型并不适用于中国深圳的A股市场.分析原因是中国的资本市场还是一个不健全的资本市场,资本市场结构很不健全,资本市场的外部监管并没有有效地提高资本市场效率,即中国的资本市场还是一个弱势有效市场或者半强有效市场.     

商品期货有助于预测通货膨胀率吗

本文通过对我国22种商品期货提取隐含的便利收益率时间序列,发现商品期货在样本内和样本外可以显著预测未来通货膨胀率,在控制了利率、货币增速影响后,这一结果仍然成立。进一步,采用南华商品期货综合指数、商品期货各品种指数、商品期货大类指数,以及美国商品研究局商品期货指数对通货膨胀率进行了样本外预测,结果表明这些指数对于预测我国通货膨胀率效果仍然显著。基于商品期货价格的预测模型都优于本文的基准模型和朗润预测指数,这表明商品期货市场包含了与通货膨胀率相关的重要信息,可以作为未来一般物价走势的重要参考。     

数学建模在经济预测中的应用

数学模型在经济预测中应用比较广泛。本文简述了数学模型和数学建模概念，数学建模思想方法，和数学建模方法，并利用数学建模方法建立了混沌时间序列模型，且对该模型进行实际应用，把此预测结果与实际值进行了比较，结果证明其短期预测效果更好。     

ARCH模型族对上证综指收益波动的实证分析

金融时间序列的波动呈现聚类现象,即方差随时间的变化而变化,而传统的金融计量经济学模型对它的描述较为简单。本文运用ARCH模型族对2005年7月21日人民币汇率改革至2009年10月20日上证综指日收益率序列进行了实证研究,对模型结果分析并提出了相应的建议。