基于GARCH模型的上证指数与GDP波动性研究

中国的证券市场与宏观经济关系已进入弱相关阶段,本文通过使用ADF检验、ARCH效应检验、GARCH模型分析以及Granger检验对两者的波动性进行分析和研究。实证结果发现,中国的证券市场与宏观经济都具有非正态分布的特性。其次,证券市场不存在自回归条件异方差效应波动,宏观经济存在自回归条件异方差效应波动,并且GARCH(1,1)最适合描述宏观经济的自回归条件异方差效应波动,上证指数的预测与宏观经济的预测两者之间具有互相印证的关系。     

基于岭回归的动态死亡率预测方法及其改进

建立适当的人口死亡率模型对人口预测、人力资本具有重要意义。对随机死亡率年龄-时期-队列（APC）模型的估计方式进行改进,在广义线性模型的基础上,引入岭回归估计。基于日本1980—2020年0～95岁人口死亡率分别使用广义线性泊松回归模型与改进的岭回归模型进行死亡率的拟合与预测,使用均方根误差、似然函数、贝叶斯信息准则模型评价准则进行比较。实证分析结果表明,在拟合效果与预测结果上,改进的岭回归模型均优于使用最大似然估计的广义线性模型（GLM）。     

美元/欧元汇率的组合模型区间预测

利用BP神经网络提取非线性特征,对残差运用广义自回归条件异方差模型分析波动性,最后将趋势与波动性结合给出预测区间。以2001年2月至2017年6月美元/欧元汇率的日收盘价数据为例,研究发现：BP神经网络具有很好的非线性刻画能力,但“过拟合”以及“欠拟合”均会影响预测区间的精度,只有合适的误差大小和精度标准才能得出较好的预测结果;同时也发现广义自回归条件异方差模型能够较为准确地分析波动性,且组合模型优于单一模型,适合中长期的区间预测。     

我国开放式基金和封闭式基金风险的比较分析

开放式基金和封闭式基金是两种不同运作方式的基金。本文分析发现所选两只开放式基金的收益率序列波动比较平稳,且回归方程的残差序列不存在ARCH效应,可用RiskMetrics模型计算其时变方差和相应的VaR;而所选两只封闭式基金的收益率序列有波动聚集性,存在条件异方差现象,由此拟和GARCH模型,计算收益率的条件方差和相应的VaR。比较分析发现开放式基金与封闭式基金的组织、运作形式的选择对基金风险的影响是显著的。     

考虑结构性变点的股指收益波动性建模

考虑到异方差及波动性突变问题,本文使用带结构性变点虚拟变量的GARCH类模型对近十年的上证指数收益序列进行拟合.结果表明,将虚拟变量加入EGARCH(1,1)模型的拟合效果相对较好,其中,假定扰动项t分布下的拟合优度最高,但GED分布假设下预测精度更好.     

基于EGARCH(1,1)-M-EVT模型的风险度量研究

针对金融资产收益的异常变化,采用EGARCH-M模型对风险资产的预期收益做风险补偿并捕捉收益序列的厚尾性、波动的异方差性杠杆效应等特征,将收益序列转化为标准残差序列,通过EGARCH-M模型与极值理论相结合拟合标准残差的尾部分布,建立了基于EGARCH(1,1)-M-EVT模型的动态VaR模型。通过对上证综指做实证分析,结果表明该模型能够合理有效地度量上证综指收益的风险。     

基于VaR-GARCH模型的我国股指期货风险管理研究

股指期货风险管理的核心是基于波动率预测的风险度量,波动率可以用价格涨跌率进行描述,而股指期货价格涨跌率时间序列具有波动聚集效应、厚尾效应以及时变方差效应,故可采用对波动性估计精确可信的GARCH模型。在建立VaR—GARCH风险评估模型后,对我国单个股指期货合约IF1006进行实证分析,结果表明VaR—GARCH模型可以很好地预测和控制我国股指期货风险。     

股票市场流动性与宏观经济的影响机制研究

文章利用我国主板和中小板市场数据研究股市流动性与宏观经济之间的影响机制。首先通过构建非流动性指标,发现股票市场流动性与宏观经济运行状态有较强的相关性;然后构建机制转换条件异方差模型,发现股票市场流动性体制转换特性与宏观经济景气度存在较好的对应关系;最后构建股市流动性与宏观经济的向量自回归模型。研究结果表明：中小板股票市场流动性能很好地预测宏观经济的波动,但主板市场预测宏观经济景气度时并不显著。     

多元线性回归模型在房地产评估中的应用

主要通过多元线性回归统计模型对房地产的价格进行评估。首先运用统计软件中的SPSS进行线性回归分析建立房地产评估的多元线性回归预测模型,同时对该预测模型进行显著性检验,并进行残差分析检验和异方差性检验,使得该模型具有解决实际问题的意义。最后,说明多元线性回归模型对于房地产评估的实用性。     

金融数据波动率模型教学研究

条件异方差模型即波动率模型是金融时间序列分析中很重要的一系列模型,是用来解决金融收益率波动问题,波动率是度量风险的一个常用指标。金融专业高年级学生会开设金融时间序列分析,必然涉及到波动率模型,波动率模型形式比较复杂,包含信息量很大,文章从如下几个方面探讨如何上好条件异方差模型:模型引入,模型介绍,案例分析,小论文写作和复习课讲解。旨在让学生掌握扎实的理论,敏锐的分析能力和动手能力。     

多因素数据重心法的区间预测与控制应用

文章提出数据重心概念,并给出一种新的参数估计方法--数据重心法,此方法能最大限度地减小拟合与预测的误差,运用的条件也比最小二乘法宽松.建立了煤净化过程区间预测与控制模型,运用此方法估计参数,与最小二乘法相比,数据重心法计算简捷,预测结果稳健.     

基于SV族模型和GARCH族模型的贵州茅台波动性研究

以2013年1月4日至2018年10月29日贵州茅台的日收盘价格为研究对象,分别采用马尔科夫链-蒙特卡罗(MCMC)方法和Marquardt估计方法 ,对贵州茅台的SV族模型和GARCH族模型进行参数估计。根据各模型分布与其模型拟合的平均标准化残差的相关系数大小,对比各模型参数估计值,结果表明:GARCH族模型比SV族模型更适合度量贵州茅台的波动情况;同时得到,SV族模型中的SV-T模型更能反映贵州茅台波动具有高峰厚尾的特性,且模拟效果优于SV-N模型。     

ARIMA与ARIMAX模型在私人汽车拥有量预测中的应用

为了提高私人汽车拥有量的预测精度,利用时间序列分析方法对全国2005—2020年的私人汽车拥有量数据进行研究,建立基于动态回归（ARIMAX）模型。运用Lasso模型和灰色关联分析得出影响私人汽车拥有量的主要因素,并将主要因素作为回归项引入差分自回归移动平均（ARIMA）模型。然后,在ARIMA模型的基础上建立ARIMAX模型。模型预测的对比结果揭示了ARIMAX 的拟合效果更佳,适用于全国私人汽车拥有量的预测。     

2OO3年度诺贝尔经济学奖评述

本文在对时间序列分析进行简单介绍之后,从不同的侧面对2003年诺贝尔经济学奖获奖者罗伯特·恩格尔和克莱夫·格兰杰在时间序列分析方面的主要理论贡献-协整理论和自回归条件异方差(ARCH)模型进行了评述,并简要分析了本年度诺贝尔经济学奖的特点.     

汇率、股票市场及房地产价格波动的关联性研究

文章利用时变相关的多元波动率模型,对美元汇率、上证指数以及地产指数的逐日数据建立三元时变相关的广义自回归条件方差（TV—GARCH）模型,从而得出三者的波动性特征以及其显著的时变相关系数,可知地产价格的收益率波动最大。汇率与地产指数、上证指数的相关关系复杂,可存在正相关或负相关关系,而股票市场与房地产市场间存在正向相关关系,且相关系数的大小随时间变化。     

违约风险结构化模型演进历程及最新动态

鉴于传统的结构化模型会低估违约风险,结构化模型的拓展研究一直是学术界关注的热点。文章对结构化模型的演进历程进行了梳理归纳,并重点对结构化模型的最新研究动态进行了评述。研究表明,近年来,违约风险结构化模型的研究方向主有对首越边界时间模型的改进;基于信息不对称因素对结构化模型的修正;采用了包含交易噪音的最大似然估计法来估计结构化模型的输入参数,提高了结构化模型的预测结果。     

风险度量的混合GARCH模型及对中国股市的实证分析

基于GARCH模型的VaR计算方法一直是一个颇受关注的研究领域,但在残差服从正态分布的假设下,有时GARCH模型的"尾"仍不够厚.论文讨论了混合广义自回归条件异方差(MGARCH)模型,它能够更好地刻画金融时间序列的厚尾现象.论文还结合我国股市数据,运用EM算法对收益率序列建立混合GARCH模型,计算市场风险VaR值,并对结果做出分析.     

基于EGARCH模型的上证综指收益率波动性研究

本文以沪市上证综指1990年12月至2013年6月交易日指数收益率为研究样本,将这些年来沪市整体趋势划分为三个子样本区间,通过建立指数自回归条件异方差（EGARCH）模型来检验我国股市所存在的“尖峰厚尾”、“波动聚集”及“杠杆效应”等具体特征.     

经济时间序列的统计方法——2003年诺贝尔经济学奖获得者的理论贡献

本文分析介绍了2003年度诺贝尔经济学奖获得者开创出的处理经济时间序列变量的研究方法及其贡献。克莱夫·格兰杰提出了时间序列协整分析方法;罗伯特·恩格尔提出了自回归条件异方差模型。这些方法的广泛应用给经济学研究和经济发展尤其在金融领域带来重大的突破性影响。     

污染设备月度装船量时间序列分析

本文利用SAS软件对季节性非平稳时间序列进行模型的估计,并做出一定的预测。通过对所给原始数据合理的分析处理,这一时间序列进行一系列的模型识别和拟合以及相关的检验,找到一种最适当的模型。从而进行有效的预测,同时也为公司管理层提供客观正确的决策方案。