基于混频数据的实体经济与金融市场时变溢出效应研究

本文基于混频VAR模型分析了中国实体经济与股票市场、债券市场之间的时变溢出效应。结果显示,实体经济与股票市场、债券市场之间收益率与波动率的溢出效应呈现显著的时变特征,溢出效应在金融危机期间呈现快速上升趋势,而后呈现下降态势,且易受到极端事件的影响;在大部分考察时期内存在股票市场向实体经济的波动率溢出效应,而债券市场相对于实体经济则从考察初期波动率溢出效应的净输入方转化为中后期的波动率溢出效应的净输出方。进一步分析收益率与波动率总溢出指数的影响因素,结果发现,极端事件、宏观经济代理变量和期限利差对于溢出效应具有正向影响,泰德利差对波动率总溢出指数具有负向影响,而投资者情绪指数对收益率总溢出指数具有负向影响。     

中国股票市场波动长记忆建模研究

本文首先运用GPH方法对中国股票市场的长记忆性进行了检验,然后利用ARFIMAFIEGARCH-GED模型对中国股票市场进行了实证研究,发现中国股票市场波动存在明显的长记忆性和杠杆效应,而ARFIMA-FIEGARCH-GED模型则很好地捕捉到了其高峰厚尾现象、长记忆性和波动的杠杆效应.     

股票市场与黄金市场收益率波动溢出效应研究

文章通过建立GARCH族模型研究股票市场和黄金市场收益的波动性、波动的非对称性以及波动的溢出效应。研究表明:(1)股票市场和黄金市场的收益率均存在显著的ARCH效应;(2)GARCH(1,1)模型能够很好地消除两市收益率的条件异方差性,方差方程中的ARCH项和GARCH项的系数之和接近1,表明冲击对条件方差的影响具有很强的持续性;(3)两市均存在明显的非对称性,所不同的是股票市场中坏消息引起的波动比同等好消息引起的波动要大,而黄金市场中好消息引起的波动比同等坏消息引起的波动要大;(4)股票市场和黄金市场之间存在溢出效应,但是溢出效应是不对称的、单向的。黄金市场的波动能够引起股票市场的波动,而股票市场的波动不能引起黄金市场的波动。     

SV模型下中国股票型开放式基金杠杆效应分析

针对中国股票型开放式基金收益波动中是否存在杠杆效应的问题,在对该类基金整体及所选取的三支具有代表性的单个基金分析的基础上,运用一个带杠杆效应的SV模型对其收益的波动性建模,并利用MCMC方法对模型进行参数估计。结果显示：不同于一般对股票市场的研究结论,无论股票型开放式基金整体还是单个基金,其收益率序列的波动中均不存在显著的杠杆效应。     

基于TARCH模型深证综指收益率波动的实证分析

文章应用含二阶非对称效应的TARCH模型分析深证综指收益率波动的变化特征.结果显示:深证综指收益率的变动受滞后1、4阶影响较强;深证综指收益率存在较强的条件异方差,而TARCH模型能较好的消除条件异方差.相对于好消息而言,不利消息对深证综指收益率的冲击要大,且总体上存在较为明显的杠杆效应.     

沪港台三地股市波动的风险传导效应研究

由于受到地理位置、经济文化等因素的影响,沪港台股市在收益率波动上存在相关性。利用Granger因果检验和Chi-plot图检验两种方法分别对沪港台股市波动进行了实证研究。结果一致表明：沪台股市的收益率波动存在双向传导效应,沪港两市的收益波动仅存在显著的港市对沪市的单向“溢出效应”,而沪台两市传导效应相对较弱。但沪港台三市的收益波动均存在明显的“杠杆效应”。     

激进型投连险收益率波动特征及投资风格研判

文章以特定激进型投连险账户为研究样本,基于2004~2014年间的日交易数据,运用GARCH族模型对其收益率波动特征进行检验,并对其投资风格进行研判。研究发现,GED分布设定下的ARMA(1,1)-GARCH(1,1)模型拟合效果最佳;该收益率具有波动聚集、高风险高收益以及长记忆等特征,与我国股票市场具有杠杆效应特征不同,杠杆效应特征并不显著;此外,通过建立DCC-GARCH模型对其投资风格进行研判,发现该收益率与上证综合指数收益率的动态条件相关系数为正且较高,这印证了其激进型的投资风格。     

基于分位点回归模型的条件VaR估计以及杠杆效应分析

 在文献中,分析杠杆效应时大多数都是基于ARCH类模型,本文应用分位点回归模型及其变点检测模型分析了“已实现”波动率条件下的CVaR,并尝试从CVaR的角度对杠杆效应进行分析。最后,对中国股票市场进行了实证研究,得到了“已实现”波动率条件下的CVaR估计,并对中国股市的杠杆效应进行了分析。     

基于ARCH—M模型上证基金指数收益性与波动性的实证分析

以日收盘价指数的对数收益率为基础,采用ARCH—M类模型（GARCH—M,TGARCH—M和EGARCH—M）对上证基金指数的波动性与收益性进行了实证研究。结果表明基金波动性存在集聚性、波动率与收益率正相关．利空与利好消息对基金波动冲击存在不显著的杠杆效应。     

在GARCH模型框架下发现的波动率“周内效应”可信吗?

通过分析模型中的自回归结构与"周内效应"之间的相互影响关系发现:基于GARCH模型框架以考察收益率波动"周内效应"的计量方法极易产生误判。随后的一系列Monte Carlo模拟实验不仅印证了上述结论,而且还发现,使用绝对值收益率作为波动率代理对哑变量做回归的方法虽然发现"周内效应"的能力稍逊于上前者,但可以避免误判问题。     

基于GARCH模型的沪深地产股波动性分析及预测

近年来GARCH类模型在预测波动率方面得到了广泛应用,鉴于股票和房地产两个市场对我国经济发展的重要性,所以选择沪深两市地产指数的收益率做波动性研究.丈章运用GARCH类模型对沪深地产指数收益率的波动进行了枯计和预测,结果表明沪深地产指数收益率的波动不存在杠杆效应,投资者投机目的较强,M-Z回归和损失函数评价结果显示,GARCH(1,1)-M模型的样本外预测刚效果是最好的,但不能准确预测非常大的波动.     

沪深两市波动性特征的实证研究

在股票市场上投资者需要衡量价格波动所带来的风险期望收益率,这离不开对收益率波动性的准确度量.如何更深刻理解股票收益率波动的随机性并从中探寻其规律性,对我国股票市场的发展具有重要意义.     

宏观经济变量对银行间国债收益率的影响

文章采用VAR建模方法,将国债指数收益率与5个经济变量作为一个动态系统,通过脉冲响应函数与方差分解技术考察银行间国债财富指数波动过程中来自经济变量的冲击,分析了经济变量对国债指数收益率的影响程度以及相对重要性.结果表明经济变量因素对我国银行间国债市场的影响较为明显,市场上对于通货膨胀风险的补偿要求较高,与股票市场"跷跷板"效应明显,投机风险较大;从各变量影响国债市场波动的相对重要性来看,股票收益率变量排在第一位.     

波动率模型在中国股市中的应用研究

文章对上证综合指数收益率和深证成分指数收益率进行统计分析,运用GARCH,EGARCH,TARCH模型对其进行建模,发现股票收益率序列所存在的尖峰厚尾现象、波动聚类特性以及杠杆效应,通过比较不同的模型发现非对称模型的拟合效果最为理想;另外通过采用三种不同的损失函数评价各类模型的预测效果,结果表明,非对称模型样本外预测的能力也是最强的.     

基于高频数据的沪指波动长记忆性驱动因素分析

借助于高频数据的最优取样法,利用已实现波动率给出的上证指数波动率的有效估计,在研究已实现波动率特性的基础上,用计量模型探讨沪指波动的长记忆特征.发现HAR-RV模型比FARIMA模型更能有效地刻画沪指波动的长记忆性,且HAR-RV模型样本外预测效果远远优于FARIMA模型,这说明沪指波动具有伪长记忆性,表面特征显示的长记忆性是由短期投资、中期投资和长期投资形成的短记忆性叠加而成.同时由于HAR-RV模型综合考虑了不同时间水平上的已实现波动率,从而在深层次上验证了中国股票市场的异质性和波动率的杠杆效应.     

中国股市波动率的非对称性

不同学者以相同的模型研究中国股票市场的杠杆效应,得出的结论并不一致.针对这一问题,本文借助于GJR-GARCH和EGARCH,以一定的样本为初始样本,然后逐个扩大样本容量,研究样本的变动对结论造成的影响,得出中国股票市场不存在杠杆效应的结论.     

基于上证指数数据股票市场周日效应实证研究

"周日效应"指股票市场在一周中的某一天的平均收益率比一周内其它任何一天的平均收益率高或者低,且在统计上有显著性。由于研究发现周一的平均收益率显著低于其它时间,而周五的平均收益率显著高于其它时间。文章选用上证指数2006~2010年的股票收益率作为样本来进行研究,采用实证分析方法,采用Eviews软件作为分析工具,利用广义条件异方差自回归模型(GARCH)分析中国上海股票市场是否存在周日效应。     

我国股市成交量及其波动性研究

一、引言 收益率与成交量是股票市场上的两个最为根本的变量.由于收益率直接与股价相关,而现代金融的核心问题之一就是定价问题,所以对股票市场的研究几乎都是以收益率为核心.关于收益率及其波动相互关系的问题已经有了大量的研究成果.     

股指期货推出对股指波动率影响的实证研究

文章以沪深300指数期货作为样本,通过建立非对称的GARCH模型,对全样本和子样本分别进行股指期货推出与股指波动率影响的实证研究。结果表明:我国股指期货的推出后,股票市场的波动性并未受到影响。同时,股票市场的杠杆效应减弱了。     

物价波动水平对投资波动影响的实证检验

文章运用GRANGER因果检验及TARCH模型检验考察了1978年以来我国的物价水平与投资波动之间的实证关系,研究结果表明,我国转轨时期物价波动与投资波动多次出现恶性循环的原因,在很大程度上是由于高投资率和农产品价格的放开引发了物价的大幅波动,而由于物价对投资波动的杠杆效应,因此又引发了投资更大的波动。