基于GARCH模型的中小板指数波动性的实证分析

股票市场的波动一直是经济研究人员和投资者关注的焦点。在计量经济学领域,ARCH模型和GARCH模型经常用在金融时间序列分析中,特别是GARCH(1,1)模型在金融分析中得到广泛的应用。本文以中小板指数为研究对象,分别运用ARCH模型、GARCH模型进行初步研究,分析我国股价波动的动态特征。     

时间序列模型在中国股市中的应用

时间序列模型是研究股票市场的一个非常重要的工具,本文在不同情境下分别采用ARIMA和ARCH两种模型分析方法,对上证指数的周收盘价格进行了建模分析,结果表明,ARCH模型比ARIMA模型效果要好一些。     

中外主要股票市场流动性调整的风险价值关系研究

利用流动性调整的风险价值模型考察了世界主要股票市场的流动性风险值及其变化趋势和它们之间的长期均衡关系.实证结果表明,各国股票市场面临的流动性风险占总风险的比重普遍较大,我国股市各年的流动性风险波动最为剧烈;协整分析表明样本指数间存在着长期均衡关系,其中美国股市对其他股市影响最为显著,英国富时指数对法国巴黎、澳大利亚和我国证券指数存在显著影响,澳大利亚、中国香港和日本股市间存在着相互影响关系,日本对香港、香港对印度存在单向影响,而我国沪深股市对其他股市影响不明显.     

我国经济增长过程中证券市场的作用评价

我国的证券市场随着新时代改革开放的加深逐渐的发展壮大了起来。通过研究最近几年中国的证券市场我们可以发现,沪深股市的指数在连续收阴的同时,各行各业尤其是银行、地产以及化工钢铁等传统的行业的上市公司股票正在被纷纷的抛售,这种情况表现了中国股市行情正在和经济增长的势头逆向行驶。中国股市的这种表现,是对当前经济增长过程中证券市场的一种考验,因此,本文对我国的经济增长过程中证券市场的功能作用进行了浅显的分析,以供参考。     

基于随机波动性模型的中国股市波动性估计

采用动态随机波动性模型实证研究了中国股票市场的波动性. 通过基于马尔可夫链蒙 特卡罗(MCMC) 模拟的贝叶斯分析方法,较好地估计了随机波动性模型中的参数与波动性序 列. 基于中国股市数据进行的实证结果表明,与ARCH 类模型相比,随机波动性模型能更好地 描述股票市场回报的异方差和波动性的序列相关性.     

国际油价、宏观经济变量与中国股市的尾部风险溢出效应研究

本文首先基于Massacci (2017)提出的时变POT模型、应用纯时间序列方法测度动态尾部风险,再利用Diebold和Yilmaz (2012, 2014)提出的溢出指数模型,结合滚动样本估计方法,从方向、大小和动态性的角度考察中国股票市场与宏观经济体系之间的尾部风险溢出效应。研究结果表明,中国股票市场与宏观经济变量之间存在显著的尾部风险溢出效应,总溢出指数在危机时期显著提高。股票市场对宏观经济的方向性尾部风险溢出效应要弱于其接收自宏观经济体系的冲击,是系统中最大的尾部风险净接收者。其中,国际原油价格、货币政策的极端变动等均对股市尾部风险水平产生重要影响,是中国股票市场尾部风险的重要来源。此外,我国经济政策不确定性指数与股票市场之间的尾部风险溢出效应正逐渐增强。因此,在经济转型的关键时期,政策制定者和监管当局应特别关注经济政策不确定性对金融市场和实体经济的负面影响。     

我国股票市场指数及指数证券投资组合

运用主成分分析法分析我国上海和深圳两个交易所几个市场指数对市场变化的反应情 况, 结果表明两个股票市场的综合指数和A 股指数可以反应市场的变化, 而其他指数不能反 映各自代表的股票市场变化. 由于这4 个指数都不是一个好的投资组合, 要得到与指数一致的 投资收益需要构造指数投资组合. 本文利用多因子定价模型, 结合统计分析和优化方法, 从每 个股票市场上选取20 余支股票, 经过适当的组合就可以得到与指数一致的收益.     

中国股票市场的时变杠杆效应研究——基于随机Copula模型的实证分析

构建随机Copula模型研究了中国股票市场在极端市场条件下的时变杠杆效应.为了解决金融市场中波动率不可直接观测的问题,采用已实现波动率测度作为隐波动率的代理变量,进而运用基于有效重要性抽样的极大似然(EIS-ML)方法估计了随机Copula模型的参数.基于沪深股市数据的实证研究表明:中国股票市场的杠杆效应具有非对称特征,即股市低收益率伴随高波动率,但股市高收益率不一定伴随低波动率;中国股票市场的杠杆效应存在显著的时变性,沪深股市杠杆效应表现出类似的变化趋势;随机Copula模型相比其它Copula模型(静态Copula模型和时变Copula模型)具有更好的数据拟合效果.     

多元回归-马尔可夫复合模型在上证综指预测中的应用

本文研究了近年我国股票市场与国际股票市场指数之间的关联性,为了弥补一般多元回归模型对于随机波动性强的数据的预测误差大的缺陷,建立了多元回归-马尔可夫模型,通过对比分析,该复合模型较一般的多元回归模型预测效果更佳。最后利用复合模型对上证综指进行了短期预测。     

我国股市发展与经济增长的关系研究及政策建议

本文首先对股票市场发展与经济增长的关系进行了文献回顾,然后采用统计软件EVIEWS以1 994年第1季度到2004年第2季度的股票市场数据,对股票市场发展与经济增长的关系进行了实证分析,得出了一些结论,从而对我国股票市场的发展提出了政策建议。     

稳健非参数VaR建模及风险量化研究

参数VaR模型被广泛应用于风险测量中,然而需要给出具体的结构形式,这就容易发生模型错误设定的灾难,使风险计量的精确性易于产生较大偏差。针对参数VaR模型的设定误差问题,本文构建了SQ-ARCH和Nop-Quantile两个非参数VaR模型,诣在提高传统风险计量模型的灵活性、稳定性和准确性。采用稳健的分位数回归方法,得到了计算这两个VaR模型的具体表达式并给出了模型估计的算法和步骤。Monte Carlo模拟发现无论模型正确还是错误设定非参数VaR模型比参数ARCH类VaR模型更稳健。此外,把这两个稳健非参数VaR模型应用于我国股票市场风险量化的实证分析中。研究结果表明稳健非参数VaR模型比参数ARCH类VaR模型度量风险更准确。     

非正态ARCH族模型的预测绩效和VaR度量研究

本文以上海证券综合指数为样本,在残差项服从正态和非正态假设下,分别进行ARCH建模,比较正态残差项和非正态残差项ARCH族模型对波动率的预测绩效和VaR度量效果,以揭示分布假设对GARCH模型预测能力和风险度量的影响.     

次债危机下美国股市对中国股市的影响

美国次贷危机对我国股票市场的影响有多大?本文通过美国道琼斯指数和我国上证指数,以及恒生指数作联动性研究,采用协整理论和Granger因果关系检验方法来探求三者之间的关联性,并将指数联动性和时间序列的VAR模型相结合建立ECM模型。研究结果表明道.琼斯指数与上证指数之间存在长期稳定的均衡关系。     

中国股票市场发展与经济增长关系的动态分析

论文运用VAR(向量自回归)方法,选用1995年至2001年的季度时间序列数据,对中国股票市场发展与经济增长的因果关系和冲击响应进行了实证分析,实证结果表明中国股票市场与经济增长之间只存在着由经济增长到股票市场发展的单向因果关系,而股票市场规模扩张冲击对经济增长的动态影响十分微弱。     

消费者信心指数与股票市场收益率关系研究——基于Granger因果检验视角

文章运用计量经济学基本手段,设立相关模型,对我国消费者信心指数和股票市场收益率进行了单位根检验、granger因果分析、VAR回归分析。得出我国消费者信心指数granger因果影响股票市场的收益率,而滞后的股市收益率和消费者信心指数存在着负的相关关系,结果表明,消费者信心指数和股市收益率之间存在的不同形式的影响关系。影响具有时空滞后性和不对称性。     

上证指数及其证券组合的构造

通过对上海股票市场的分析,可以看到一个充分分散化的投资组合可以分散掉市场70%左右的个股风险.而对上海股票市场几个股票指数的分析,告诉我们上证A股指数和上证综合指数可以反应市场的变化,是风险充分分散化的投资组合.但如果按照这两个指数的权重投资非要大量的资金不可,并且要对不断变化的新股上市进行调整.本文根据APT定价模型,利用聚类分析、主成分分析、回归和优化方法找出将近20种股票,按一定比例投资于这20个股票的组合可以与指数至少在短期内(3个月)变动一致.从而可以做到投资于少量股票,取得指数的收益.     

证券市场波动性评价方法研究

研究了将ARMA模型与ARCH族模型相结合,通过建立ARMA-EGARCH-M模型来拟合证券市场波动性,基于大样本数据通过样本期内外模型预测能力检验,得出结论认为ARMA-EGARCH-M模型对上海证券市场波动性拟合优于传统的ARCH族模型。     

进口农产品贸易对我国耕地规模传导效应实证研究

本文运用合成ARCH模型分析进口农产品贸易对我国耕地规模的价格间接传导效应,并通过建立多元长期短期模型进一步研究国内农产品期货价格、进口农产品量及人口增长对我国耕地规模的长期多元波动影响,并分析变量相互作用下呈现的传导效应,以期随着"市场定价、价补分离"改革的进一步深入,进口农产品贸易对我国耕地规模影响进行趋势研究及理论探讨。     

基于VaR-EGARCH-GED模型的深圳股票市场波动性分析

本文应用模型EGARCH(1,1)-GED和GARCH(1,1)-N计算了深圳股票市场成份指数的日对数回报VaR值。通过后验测试和统计分析表明,对深圳成份指数的波动性分析,模型EGARCH(1,1)-GED优于GARCH(1,1)-N。在此分析结果基础上,文中进一步分析了深圳股票市场的系统性风险并提出了相关结论与政策建议。     

金融ARCH模型的贝叶斯检验和模型选择

在金融时间序列分析中,检验ARCH效果和决定合适的阶是ARCH模型的重要研究主题,在贝叶斯框架下,本文使用贝叶斯因子来检验ARCH效果和选择ARCH模型合适的阶。在路径抽样的基础上,提出了计算ARCH模型贝叶斯因子的方法。最后,我们用一个具体的实例来论证了所提方法的有效性。