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。     

股票型基金风险实证研究

开放式基金和封闭式基金是两种不同运作方式的基金。本文基于VaR方法对开放式和封闭式的股票型基金进行风险测算和比较。由于基金的日收益率非正态的"尖峰厚尾"的分布特征,运用GARCH模型计算出了基金的VaR值。实证结果发现,开放式和封闭式基金的VaR值是存在差异的。     

股票型基金风险实证研究

开放式基金和封闭式基金是两种不同运作方式的基金。本文基于VaR方法对开放式和封闭式的股票型基金进行风险测算和比较。由于基金的日收益率非正态的"尖峰厚尾"的分布特征,运用GARCH模型计算出了基金的VaR值。实证结果发现,开放式和封闭式基金的VaR值是存在差异的。     

基于GARCH模型的集装箱运价指数及其衍生品波动性研究

建立GARCH族模型对上海集装箱运价指数(SCFI)欧洲航线和美西航线指数、SCFI衍生品(欧洲航线和美西航线)价格的波动特征进行分析。ARCH效应检验发现只有美西航线衍生品价格去均值收益率序列存在条件异方差性,其他三个序列不存在ARCH效应。对美西航线衍生品价格去均值收益率序列建立GARCH模型,发现基于残差服从GED分布假设下的GARCH(1,1)最优,存在较强的波动持续性;美西航线衍生品收益率与风险无关。建立非对称GARCH模型分析美西航线衍生品价格去均值收益率的杠杆效应,TARCH和EGARCH模型均显示序列不存在杠杆效应。     

股权分置改革对我国证券市场波动性的实证分析

为了解决股权分置的难题,中国证监会在2005年对上海证券交易所与深圳证券交易所的上市公司进行了全流通改革.由此,利用上证综合指数日收益率和深证成份指数的日收益率数据,采用GARCH(1,1)-M模型与EGARCH(1,1)-M模型对收益率的波动性进行研究.研究结果显示上海证券市场存在较明显的"杠杆效应",且股权分置改革对上海证券市场的影响较大,对深圳证券市场的影响较小;同时也显示沪深证券市场的期望收益与期望风险存在正向关系.     

基于GARCH模型的美国主权CDS息差收益率波动性研究

本文以美国5年期主权CDS息差2012年9月30日至2016年9月29日的全部日度数据为研究对象。从研究美国5年期主权CDS息差收益率的基本统计特征出发,利用时间序列分析法,构建能够衡量其波动性特征的GARCH(1,1)模型,重点探究美国5年期主权CDS息差收益率的波动特征。实证分析表明,美国5年期主权CDS息差收益率具有异方差性且具有"尖峰厚尾"现象,收益率具有右侧较长尾部。GARCH(1,1)能够很好地拟合序列,适合对主权CDS息差收益率波动性作进一步研究。     

黄金市场波动特征与风险度量

本文应用GARCH族模型刻画了伦敦黄金市场收益率波动特征,在此基础上计算出黄金市场VaR值用以度量风险并进行了回测检验。研究结果表明,伦敦黄金市场受外部冲击时收益率波动存在非对称效应,好消息带来的波动相对更大,并且高风险并不意味着高收益。给定95%置信水平,在正态分布假定下,TARCH(1,1)模型的VaR值精确度最高,可有效度量伦敦黄金市场波动风险。实证分析为黄金市场参与者管理风险提供了参考。     

基于GARCH模型对上证指数收益风险波动的实证分析

金融市场的不确定性导致价格波动的随机性,而研究波动的随机性不仅可以支持金融理论,也对金融实践有重大意义.本文以上证指数的日收益率为研究对象,采用EVIEWS通过建立ARCH类模型对上证指数日收益率进行实证分析,浅释股指收益率与风险之间的关系.结果表明,GARCH（1,1）模型能够较好的拟合上证股票收益率的波动特征,如“高峰厚尾”、集聚等现象,而GARCH（1,1）-M模型在一定程度上能较好的表现出风险与收益率之间的关系.同时也验证了沪市在中长期内不存在杠杆效应.     

GARCH型控制图及其在股票市场中的应用研究

GARCH型控制图可用来解决受控过程出现的自相关及波动簇聚问题。针对上证指数周收益率序列数据特征,建立广义自回归条件异方差模型(GARCH模型)进行拟合,同时构造GARCH(1,1)型控制图,对异常点进行分析与验证,得出该控制图能够较好地对股票市场进行有效的预警与监控。     

我国创业板市场的波动性研究——基于GARCH模型的分析

创业板市场,又称"二板市场",是为具有高成长性的中小企业和高科技企业进行融资服务的市场。2009年10月23日,我国创业板市场在深圳证券交易所正式启动,同年10月30日起正式交易。本文以我国创业板指数收益率时间序列为研究对象,运用GARCH模型对其波动性进行实证分析。研究表明:我国创业板指数收益率时间序列存在明显的ARCH效应;模型GARCH(1,1)对我国创业板市场波动性有较好的拟合性和适用性;创业板市场的波动十分剧烈,总体风险还较大。     

由GARCH模型探讨深圳股市风险价值的应用——基于1997~2013样本数据实证分析

中国自改革开放经济快速成长,人们在追逐高额回报率的背后,高风险也伴随而来。近年来投资者对风险的意识逐渐抬头,如何采用适当模型与方法对风险进行预测,是当前金融研究领域的热门话题。本文采用GARCH(1,1)模型对深证综指收益率序列进行研究,以Va R方法作为计算风险值的依据,进行波动率探讨。从实证的结果可知,GARCH(1,1)模型虽能预测深证综指的波动情况,但存在低估风险的情况。     

开放式基金的VaR值测算与评估——基于GARCH模型的实证分析

本文在对VaR值理论进行分析的基础上,选取了我国证券市场中偏重于股票投资的10支开放式基金,利用GARCH模型以及历史模拟法进行了VaR值比较研究,通过实证发现我国开放式基金的日收益率分布也呈现出非正态性和“尖峰宽尾”的特征,并且现阶段各支基金的风险与收益并未出现较为显著的对应关系。     

外汇风险度量研究——基于GARCH类模型及VaR方法

本文应用GARCH模型和VaR方法对美元、欧元、日元和港币对人民币的四种外汇汇率进行了实证分析,得出如下主要结论:四种汇率波动率序列均为非正态平稳序列,存在显著的ARCH效应,GARCH类模型可以有效地刻画其非线性动态波动特性.四种汇率均具有自我稳定功能,且美元和港币汇率波动的持续性显著地高于欧元和日元.在日元汇率中存在显著的非对称效应,而在美元和港币汇率中存在显著的风险补偿效应,欧元和日元的汇率风险大约为美元和港币的6-7倍;欧元汇率最理想的估计模型为GARCH(1,1)和IGARCH(1,1),而美元和港币汇率的首选模型为GARCH-M(1,1)-t和GARCH-M(1,1)-g,日元汇率的首选模型为PARCH(1,1)-t和EGARCH(1,1)-g.     

基于GARCH-VaR模型对沪深300ETF基金的实证分析

由于在金融领域内,GARCH模型在金融时间序列波动率的模拟以及金融风险的度量中都有着相对广泛的应用。故而本文基于GARCH模型以正态分布的假定度量Va R值的精确程度,并且对Va R值进行失败率检测。结果表明,沪深300ETF基金具有尖峰厚尾特特征;利用EViews8.0对基金收益率序列进行相关性检验,发现其具有强相关性。通过GARCH模型消除相关性,对收益率建模,有效预测估计了基金的Va R值。     

EGARCH-SN模型及其实证研究

首先研究了以往GARCH模型对误差项的各种选择方法,并基于Sahu等(2003)和Branco、Dey(2001)等对偏正态分布的研究,提出了EGARCH(1,1)-SN模型;该模型能同时考虑收益序列的"有偏、尖峰和肥尾"特性以及正负新息非对称冲击的杠杆效应,是理论上较为理想的波动模型。选用沪深A股1996-2005年日收益率数据对模型进行了检验,结果发现:EGARCH(1,1)-SN模型对沪深两市收益波动的拟合效果很好;同时",波动序列非对称性"比"收益序列非对称性"更为重要;正负新息均具有增大后期波动之趋势,但负新息对后期波动的影响更大。     

基于GARCH模型的核证减排期货价格波动性研究

近年来全球碳排放权交易市场急速发展,相应的金融衍生产品也相当活跃。本文运用GARCH模型对在芝加哥气候期货交易所上市交易的核证减排期货价格波动性特征进行了实证研究。研究结果表明:核证减排期货同样具有金融资产价格波动性的特征,即收益率分布呈现出波动集聚、尖峰厚尾的分布特征。实证检验核证减排期货收益率序列存在高阶ARCH效应,GARCH(2,1)模型可以对它的这些特征进行很好得拟合和解释另外,通过GARCH(2,1)-M模型发现,核证减排期货市场收益率与波动(风险)密切相关,通常情况下,风险大的收益率也高。     

基于GARCH模型的核证减排期货价格波动性研究

近年来全球碳排放权交易市场急速发展,相应的金融衍生产品也相当活跃。本文运用GARCH模型对在芝加哥气候期货交易所上市交易的核证减排期货价格波动性特征进行了实证研究。研究结果表明:核证减排期货同样具有金融资产价格波动性的特征,即收益率分布呈现出波动集聚、尖峰厚尾的分布特征。实证检验核证减排期货收益率序列存在高阶ARCH效应,GARCH(2,1)模型可以对它的这些特征进行很好得拟合和解释另外,通过GARCH(2,1)-M模型发现,核证减排期货市场收益率与波动(风险)密切相关,通常情况下,风险大的收益率也高。     

我国证券投资基金投资市场风险度量的模型选择

本文通过对我国基金指数收益率进行了统计分析,在此基础上为度量我国证券基金投资市场风险的模型进行了对比分析,本文认为用EGARCH(1,1)-M模型对上证基金、深证基金收益率序列比较合适。     

上证行业指数间的相关性研究及应用

投资组合中各种资产收益之间的相关性对整个投资组合的风险有着非常重要的影响。运用一种简化的GARCH模型,分析了上证行业指数间的相关性。行业指数的GARCH(1,1)模型估计结果显示,各个行业指数对数收益率的方差都明显受到各自方差的滞后值和残差滞后值的影响。通过对各行业指数残差项的分析,给出了行业指数间动态相关系数的解析表达式;并以上证能源与其余行业指数的相关性为例,给出风险投资组合的投资建议。     

我国证券投资基金投资市场风险度量的模型选择

本文通过对我国基金指数收益率进行了统计分析,在此基础上为度量我国证券基金投资市场风险的模型进行了对比分析,本文认为用EGARCH(1,1)-M模型对上证基金、深证基金收益率序列比较合适.