基于GARCH模型与灰色预测模型GM(1,1)的人民币汇率收益率分析

论文中对人民币汇率收益率序列分别建立了GARCH(1,1)模型和GM(1,1)模型.首先利用GARCH(1,1)模型刻画了收益率序列的波动性,接着通过预测模型GM(1,1)对收益率序列水平值进行预测.实证结果表明,人民币汇率收益率序列之间存在明显的波动性和长期的自相关性,预测模型GM(1,1)能够很好的拟合人民币汇率收益率序列,是一个可用的较好的预测模型.     

季节变动回归分析模型的构建与应用

针对传统测定时间序列季节变动方法的缺陷,采用虚拟变量回归分析的原理,将季节因子作为虚拟变量,构造含有季节因子变动的回归分析模型。利用该回归模型对序列水平进行分析,可以在分解长期趋势和其他影响因子对季节变动作用的同时进行有关的统计检验,并据此建立预测置信区间,对时间序列的未来变化趋势进行预测。     

沪深300股指期货对我国股市波动溢出效应的分析

本文通过选取沪深300股指期货、上证指数以及深证成指的样本数据,经过预处理后,通过建立GARCH模型,在GARCH模型的基础上研究了沪深股指期货收益率波动对上证综指收益率以及深证成指收益率的波动性的影响,得出股指期货收益率的波动会加剧上证综指和深证成指收益率的波动。     

基于两种分布下的SV模型与GARCH模型的VaR比较

文章将随机波动SV模型与GARCH模型应用于VaR的计算,并利用上证指数的实际数据作实证研究,构建基于正态分布和T分布下的GARCH模型与SV模型,测量了上证指数收益率的风险价值(VaR).结果表明,相比GARCH模型,SV-N,SV-T模型能更准确地对实际市场波动情况进行拟合,更加真实地反映上证指数的市场风险特性.     

国债收益率曲线的宏观影响因素研究

国债收益率曲线是资产定价、宏观调控以及货币政策制定中的重要参考因素。采用主成分分析法提取可以解释国债收益率曲线大部分变动的三个主成分,并结合多种宏观经济变量对国债收益率曲线进行回归分析。对历史数据的分析表明,主成分和宏观经济变量能够很好地拟合国债收益率,并且对各期收益率的变化具有一定的预测能力。同时采用逐步回归法,寻找具有协整关系的显著性影响因素,通过研究显著性变量的变化,可以提前对国债收益率曲线未来的变化作出判断。     

引入制度和产业结构因素下的经济增长实证研究

本文在分析我国经济增长要素时,除选取传统的资本投入、劳动因素和人力资本作为解释变量外,还引入了制度因素和产业结构变量,通过建立变量间的回归模型并进行Granger因果检验和对变量的序列相关性及平稳性进行检验的基础上,建立了具有良好统计性质的协整与误差修正模型,较好地解释了影响我国经济增长的主要因素。     

基于GARCH模型族的国际船用燃油价格波动性研究

船用燃油成本一直都在航次成本中占有较大的比重,加强对船用燃油价格波动的监控和预测是航运企业加强经营成本控制和管理的重要手段。以新加坡市场船用燃油IFO380cst作为研究对象,利用ARMA(1,1)模型对其价格收益率进行回归拟合,通过GARCH模型消除了序列存在的异方差性,并利用GARCH-M模型和TARCH模型对其进行进一步研究,发现对于新加坡市场船用燃油IFO380cst而言,不存在ARCH in mean效应和杠杆效应。     

中国股票市场财富效应的实证研究——基于2003—2009年季度数据的分析

在总结国内外学者选用变量的基础上,加入测度消费者信心的变量,利用持久收入假说构建回归模型,对各个非平稳时间序列进行协整分析,并进行格兰杰因果检验,以确定长期中各变量之间的相互关系和影响程度,最后采用ECM模型考察股票价格与消费变动之间的短期调整状况。结果表明,现阶段中国股票市场财富效应已经初步显现,但影响力度比较微弱。     

基于已实现波动率的长记忆性分析

根据长记忆性的检验方法,即H/S分析法、GPH法,分别对上证指数收益率波动的长记忆性进行检验。同时,采用已实现波动率（RV）对波动进行度量,结合ARFIMA-RV、HAR-RV长记忆性模型进行分析,证实上证指数的RV序列具有长记忆性,而且HAR-RV模型能更好地对波动进行预测分析。     

神经网络和卡尔曼算法在石油需求预测中的应用

分析中国1978—2009年影响石油需求的8个相关指标数据。将指标分成3组,通过每组指标的数据分别用广义回归神经网络和误差反向传播神经网络（GRNN和BPNN）方法对2013年的中国石油需求量进行预测,并对其预测结果进行比较。进一步采用神经网络平均影响值（Mean Impact Value,MIV）方法,从影响石油需求时间序列的相关指标数据中筛选出对石油需求影响最大的5个变量。用选出的5个变量,根据AIC准则确定了时间序列的阶数,并建立了石油需求的AR时间序列模型。采用卡尔曼滤波算法和Rauch-Tung-Striebel（RTS）算法对AR模型进行了后验估计。卡尔曼滤波算法使得模型参数得以更新,且相关仿真结果表明,对于AR模型的输出起到较好的修正作用,从而提高了模型的预测精度。     

涨跌停机制对上海股市效率和波动的影响

涨跌停机制是对证券的每日最高和最低成交价,或每日最高涨跌幅度进行的限制,旨在降低股市波动,提高市场效率。用带有涨跌停虚拟变量的GARCH(1,1)模型,对上海股市交易最为活跃的30支股票在涨跌停机制影响下的鞅假设和收益波动进行了实证研究。结果表明,中国股市当前10%的涨跌幅价格限制率会降低市场效率,而且不能降低市场的波动。因此,我国应取消或放宽当前的涨跌幅限制。     

融资融券对股价特质性波动的影响研究

以2010年3月31日融资融券交易系统在沪深两市正式开通以及标的股票的四次扩容为背景,选取2008年9月1日至2015年8月31日融资融券标的股票的相关数据,采用二元线性回归模型,Fama-French三因子模型,GARCH 模型,双重差分模型等,从金融市场微观结构的视角,研究融资融券交易对中国沪深两市股价特质性波动的影响以及产生这些影响的作用机理.研究发现:标的股票的股价特质性波动能够在一定程度上被融资融券交易所抑制,并且这一现象是由于融资融券交易降低了标的股票的噪音交易,提高了标的股票的信息传递速度而产生的.以上发现表明,融资融券交易能够使标的股票特质性波动中所包含的信息效率得到一定程度上的提高.     

基于广义误差分布的股票收益率波动特征分析

假设股票收益率序列服从具有厚尾特征的GED分布,利用多种非对称性模型描述和检验了沪市股票日收益率序列的波动性特征,发现股票价格波动具有条件异方差性,并通过对股票市场信息影响曲线的分析,刻画了沪市股票价格波动中的显著非对称性。这说明股市波动对于不同的政策干预和信息冲击具有不同程度的反应,且非对称性的方向与以往结论有所不同,说明我国股市风险变异特征和收益状况在不断的发生变化,＂利好消息＂对股市的刺激作用需要其他市场干预的配合才能发挥出来。     

基于VAR的货币供应量对我国上证指数的影响力分析

货币政策会通过货币供应量的变动发挥其政策效果,并借助一定的传导机制,影响一国经济的各个层面,其供应量的变动对资产价格的变动也会造成一定的影响。应用VAR模型,选择一定的变量以及对数据进行整理,对货币供应量对我国上证指数的影响力进行实证分析,发现货币供应一般通过进入经济实体和股市两种途径影响股票市场,M1的增减方向与股市涨跌方向基本同步,M2对上证指数波动的贡献率最大。     

金融危机前后中国股市价量关系实证分析

为了研究金融危机爆发前后中国股票市场价格和成交量之间的关系,将上证指数分为金融危机之前和金融危机之后两个子时段,运用Granger因果检验初步探究二者关系,进而使用ARMA模型将交易量划分为不同的类型,并分别加入到GARCH模型中进行实证。研究发现:金融危机前后两时段的价量关系有相同之处,在量对价的解释程度方面也存在差异。     

基于CARR模型的上海股市量价关系实证研究

为研究股票市场的成交量与股价波动性之间的动态关系，引用台湾著名学者chou（2005）提出的CARR模型，实证分析上海股市成交量与股价波动性之间的动态关系，检验结果表明．CARR模型比GARCH模型的估计结果更为稳健，非预期成交量尤其是超过均值部分对股价波动性有一定的解释作用，而预期成交量对股价波动性的影响并不显著。     

中国股市投资者预测交易到达率的GARCH学习行为

在投资者具有学习能力的假设基础上,构建了一个允许知情和未知情交易到达率时变且可预测的GARCH结构信息模型.应用该模型,基于沪深300成分股2006—2009的高频分笔交易数据,研究了中国股票市场投资者学习市场交易信息并调整其交易行为的动态过程.发现投资者能够根据前期的预测到达率以及订单数据推测的当期到达率,优化其下期的交易决策;此外,预测误差对后期预测的影响是一个二阶导数大于零的递减函数.     

基于COX模型的财务危机动态预测方法

企业爆发财务危机是一个动态的演化过程,与财务危机静态预测研究不同的是,文章采用多元时间序列数据表述企业特征,并结合COX模型进行动态预测研究。从多角度采集企业爆发财务危机的影响变量,完成必要的数据预处理后采用Mann-Whitney U检验和多重共线性检验进行变量筛选,并提取财务危机预测的主成分变量以降低变量维度,最后对比分析静态COX模型、动态COX模型和其它模型的预测效果。沪深两市A股上市公司的全样本实证结果表明:动态COX预测模型的综合识别准确率比静态COX预测模型高,且分类识别的第I类准确率和第II类准确率均有所提高,与其它模型相比具有较好的预测效力。动态COX预测模型具有较好的财务危机预判能力。     

异常审计费用、审计质量与股价崩盘风险

审计收费的经济后果近年来引起了学界的持续关注,在我国资本市场管理制度尚不健全的背景下,异常审计费用与个股价格波动密切相关。以2012—2018年沪深两市A股上市公司为样本,实证分析了异常审计费用对股价崩盘风险的影响路径。研究发现,正向异常审计费用能够显著降低公司的股价崩盘风险,在高代理成本公司中,这种降低作用更明显;而负向异常审计费用不会显著影响公司的股价崩盘风险。另外,机制分析发现,审计质量在异常审计费用对股价崩盘风险的抑制影响中具有部分中介效应。上述结论表明,异常审计费用的产生遵循了成本效益原则,而非审计意见购买。因此,会计师事务所应当对审计服务收费进行更加规范的管理,制定合理的定价标准,避免低价揽客对审计质量造成损害,进而引发股价异常波动。     

基于主成分分析法的商品住宅特征价格模型改进

特征价格模型作为一种对商品住宅价格进行有效分析和评估的工具而广泛应用于房地产领域。针对特征价格模型在实际应用中自变量数目较多、选择难度大且存在多重线性相关的问题,提出采用主成分分析法对商品住宅特征模型进行改进,排除变量间的线性相关对特征价格模型产生的误差。同时,以武汉市轻轨沿线商品住宅楼盘作为研究对象,构建了基于主成分分析的商品住宅特征价格模型,并用该模型对商品住宅价格的预测结果与实际销售价格进行对比,结果显示多数样本预测误差在5%以下,验证了改进模型的优越性。