投资组合规模与分解风险能力的相关性

本文以2000年3月27日至2001年3月23日(共238个交易日)上海A股股票市场随机选取的102只股票日收盘价作为样本数据,通过对股市风险的板块分解,就我国证券市场投资组合中股票数目大小与分散风险能力进行实证分析,并对我国证券市场上投资分散化程度的"有效"区域进行探讨.     

沪深A、B股市场分割的实证检验

文章运用计量经济学中Granger因果性检验,分阶段实证检验了B股市场对内开放以及汇率制度改革以来沪深两市A、B指收益率的引导关系,得到的结论主要有:B股市场对内开放以来,沪深两市收益率的引导关系以及A、B指收益率的引导关系有所增强;特别是汇率制度改革以来,A、B股市场收益率的引导关系表现得更加显著。     

全球股指现货和期货市场极端风险溢出检验

文章选取全球范围内七对典型的股票指数及其指数期货自2007年10月8日国际股票市场大跌至2008年11月14日的日度数据,运用基于GED分布的GARCH模型估计了这些市场5%和10%风险水平下的指数下跌的条件VaR,并利用Hong(2001)提出的风险-Granger因果检验方法分析了相对应市场之间的风险溢出效应.实证结果表明,期货市场是股票指数主要的信息来源,起着重要的价格决定作用.     

苏联中央统计局代表团访问我国

[本刊讯] 应中华人民共和国国家统计局的邀请,以苏联中央统计局局长M．A．科罗廖夫为首的苏维埃社会主义共和国联盟中央统计局代表团,于1986年8月7日至15日正式访问了中国,代表团成员包括:苏联中央统计局局务委员、人口普查和调查局局长A．A．伊苏波夫,苏联中央统计局外国统计和外经统计局局长B．B．马尔丁诺夫,苏联中央统计局对外联络司总经济师B．C．谢南琴柯,苏联驻华大使馆工作人员M．B．巴拉诺夫。     

基于ARIMA模型的外汇占款预测

文章对2001年1月至2011年8月间外汇储备与消费者物价指数同比月度数据进行协整检验,并对二者进行Granger因果关系检验,以确定外汇储备与物价水平在长期内的关系及影响程度。由于外汇储备以外汇占款为中介,通过货币发行量来影响我国物价水平,故货币当局为减缓通胀压力而进行冲销操作的直接对象就是外汇占款。因此,文章将依据外汇占款月度数据建立ARIMA(p,d,q)模型,对外汇占款变动进行较精准的短期预测,为货币当局的工具操作和政策制定提供依据。检验结果表明:将ARIMA模型应用于外汇占款数据分析与预测,可获得较为满意的预测结果。     

沪深A、B股市场信息传递路径实证分析

运用计量经济学中的ARCH-LM检验、GARCH模型、Granger引导关系检验等分析方法，实证分析了B股市场对境内投资者开放前后沪深两市A指收益率序列与B指收益率序列和非预期收益率序列的Granger引导关系，给出沪深A、B股市场信息传递路径，并且指出从信息流动角度来说，A、B股市场整合的方式是从A股市场向B股市场的内幕消息的传递和从B股市场向A股市场的投资理念的趋同。     

深市、沪市地产股指数收益率波动性的统计研究

本文研究了深市、沪市地产指数波动的统计性质。我们主要对深市、沪市地产指数2001年-2006年的日收益率进行研究。首先从平稳序列的角度,采用偏度峰度检验和 Kolmogorov-Smirnov 检验等方法对两证券市场的地产指数收益率分布进行了实证分析,研究结果表明中国证券市场综合地产指数收益率序列与Gauss分布具有一定的偏离。进一步地根据数据统计分析,得到两证券市场的地产指数收益率服从幂率分布。论文的最后对地产指数的相关价格进行统计分析,讨论其相应的统计规律性。     

中国A、B股市场影响因素的比较研究

借助时间序列分析方法,利用2005年7月至2007年9月沪深A、B股指数、居民消费物价指数、美元-人民币汇率和银行间同业拆借利率的月度数据,就各因素对A、B股市场的影响差异进行了研究.结果表明,A股市场主要受到来自国内的因素如利率市场和消费市场的影响,而B股市场则更多地受到汇率变动的影响,这种差异在沪市表现得更为明显.研究结论认为,只有进一步加强中国资本市场的制度建设,继续推进汇率改革和提高市场的国际化水平,A、B股市场的整合才能最终完成.     

后金融危机时代人民币汇率与股指关系的实证

在后金融危机的时代背景下,文章以2009年1月5日至2011年12月12日期间人民币兑美元的名义汇率和上证综指的716个日交易数据为样本,通过ADF单位根检验、Enger—Granger两步法协整检验和Granger因果关系检验来对人民币汇率与我国股市之间的关系进行研究,并结合近年来人民币大幅升值及股市大幅下跌的情况做出现实解释。     

上海证券交易所医药行业股票风险分析

我国股票市场作为一个发展中的新兴市场,其强烈的波动性和较高的风险性是一个突出的问题,如何测量股市的投资风险是投资者日益关注的紧迫问题.文章以2001年8月3日至2003年8月15日共100周的时间段,选取数据较完整的14只上海证券交易所医药行业股票作为研究对象,对每两周的帐面收益率与上海证券交易所A股指数的双周收益率作回归分析,运用资本资产定价模型对医药行业的股票投资风险构成和风险--收益关系两方面进行实证分析,对CAPM理论在我国证券市场的应用结果进行了检验,并对产生偏差的原因进行了分析.     

我国股指期货价格发现功能研究

本文基于沪深300股指期货5分钟高频数据,利用协整检验、误差修正模型和脉冲响应函数研究了我国股指期货长短期的价格发现机制,并用信息共享模型、共因子模型研究了我国股指期货市场的价格发现贡献程度,在此基础上,引入分位数回归,探讨不同涨跌幅度的期现关系。实证结果表明：我国指数期货和现货价格存在相互引导关系,而现阶段现货市场能更快反应全部市场的冲击,且现货市场在价格发现功能中的作用相对较大;随着涨跌幅度的变化,现货对期货的影响呈U型走势,而期货对现货的影响呈单边上升走势。     

沪、深两市长期均衡关系的实证研究——来自综合指数和成分指数的比较分析

文章运用计量经济学中的协整理论,对沪、深两市综合指数间及成分指数间的长期均衡关系进行了比较分析.结果表明上证综指与深证综指之间不存在长期均衡关系,上证成指与深证成指之间存在长期均衡关系.     

中国股票市场波动率的多重分形分析与实证

我国股票市场波动表现出随时间变化的动态特征。文章采用多重消除趋势波动分析法(MFDFA),对沪深股市四个主要指数的日波动率时间序列进行了分析。结果表明,沪深股市四个主要指数的日波动率时间序列均表现出多重分形特征,且上证指数和中证500指数日波动率序列相对于其他两个指数日波动率序列表现出更强的多重分形特征。各指数日波动率时间序列的多重分形特征均是自身的长程相关性和波动的厚尾分布共同作用的结果,且波动的厚尾分布对原始序列的多重分形特征的影响比长程相关性大。     

基于LSTAR模型的中国股市泡沫风险识别

本文在非线性模型框架下拟合中国主要股价指数的真实数据生成过程,并提出股市泡沫风险识别方法,较Phillips et al.（2011）提出的上确界单位根(SADF)方法具备更好的效果,能够精准预判股市泡沫风险进而为防范化解金融风险的政策措施提供参考。实证检验发现,主要股价指数的波动均存在逻辑平滑转换自回归(LSTAR)模型描述的非线性特征,自推出以来,四大股价指数均存在泡沫风险,上证指数存在六个主要的持续期,深圳成指存在四个主要的持续期,沪深300指数存在两个主要持续期,而创业板指数存在三个持续期。总体来看,创业板指数的泡沫生成时间会先于其它三大指数,可以作为预警中国股票市场泡沫风险的先行指标,且2015年7月之后的中国股票市场并不存在泡沫风险。     

深圳股票市场成分指数的持续性分析

一、引言持续性分析(Duration Analysis)又称“生存分析”(Survival Analysis)或“风险性分析”(HazardAnalysis)。它是研究某一变量持续某种状态的时间长度的分析方法,已被广泛地应用于工程、医学和生物学等领域。70年代末,经济学家开始采用这种分析方法研究失业时间的持续性,     

基于小波协方差的中国股市波动序列相关性的实证分析

在介绍概率变化协调的相关性度量方法的同时,证明了该方法是传统方法的推广。又依据小波协方差在不同尺度下的分解理论,提出了基于小波协方差的相关性度量方法,并对沪深股市波动序列之间的相关性进行了实证分析。结果表明：沪深股市波动序列在整体上具有正相关性,但在不同尺度下沪深股市波动序列之间的相关性不同,小尺度下相关性小。对投资者而言,最好以小尺度为基准选择分散投资策略。     

中国股指收益率的非对称拉普拉斯分布实证检验

应用非对称拉普拉斯分布拟合沪深两市股指日、周收益率数据。研究结果表明:非对称拉普拉斯分布能够比正态分布更好地反映两市股指的日、周收益率数据的尖峰、厚尾、偏态特征。由于非对称拉普拉斯分布有显性的表达式,便于开展参数估计和数字特征的计算,因此对于股指期货投资者而言,在计算股指收益率的VaR、CVaR进行风险测量时,采用非对称拉普拉斯分布将是较好的选择。     

深沪股指收益率波动研究

文章选取沪、深两市1991年1月1日至2005年2月18日的股票指数作为样本,运用EGARCH(1,1)模型,研究指数日收益率波动的性质特征,并探讨了不同阶段股市对利好消息和利空消息的反映。结果表明:不同阶段的指数收益率序列具有结构特征,各阶段沪、深两市指数收益率均与滞后一阶高度相关,且两市指数收益率均具有信息不对称效果。     

上证指数收益率的特征及其波动性分析

股票价格的频繁波动是股票市场最明显的特征之一。ARCH类模型可以很好地预测金融资产收益率的方差。通过对上证指数的统计分析表明,上证指数的收益率分布表现出非正态性,并存在自回归条件异方差的特征。利用ARCH类模型对上证指数的波动进行了拟合,结果表明GARCH(1,1)模型对上证指数波动具有较好的拟合效果。