上海股票市场波动性的实证分析

利用四种GARCH模型实证分析了上海股票市场的波动性,研究结果表明上海股市具有较为明显的ARCH效应,波动持续的时间较长,波动存在显著的非对称性,EGARCH模型对上海股市波动具有较好的拟合效果.     

我国创业板市场与中小板市场动态相关性实证研究——基于方法比较视角

DCC—GARCH模型能较好地刻画金融市场间的线性动态相关性,而时变相关的正态Copula模型主要用于考察金融市场间的非线性动态相关性,选取创业板指数（399006）和中小板指数（399005）,通过对两大指数收益率序列进行建模,基于DCC—GARCH模型和Copula模型分别计算两市场间的动态相关系数,以考察两市场间的动态相关性。研究结果表明：①创业板市场与中小板市场存在正相关关系,且相关性很强;②时变Copula模型因捕捉了市场收益率随时间变化的特性,在刻画金融市场问的相关性方面,效果要优于常相关Copula模型;③除个别时点外,DCC—GARCH模型计算的动态相关系数处于稳定的区间,而Copula模型计算的动态相关系数会表现出异常值的出现,这是由于其考虑了市场间的非线性因素所致,效果优于前者。     

ARCH模型族在深圳成指中的应用

金融资产收益率一直是经济研究人员和投资者关注的焦点,ARCH及GARCH模型族可以较好地拟合金融资产收益率序列存在的尖峰厚尾、波动聚集性以及杠杆效应等特征.本文收集深圳成指(39900 1)二十年的日收盘价,通过GARCH-M模型论证了市场中预期风险增加一个单位,就会导致其收益率相应增加0.112个百分点,收益率的波动冲击影响会持续很长一段时间.利用EGARCH模型说明深圳成指收益率存在着信息不对称性,利空信息的冲击使得波动的变化更加大一些.同时根据相应的统计检验量,发现EGARCH模型比GARCH-M模型具有更好的拟合度,故实际中投资者应选用EGARCH模型预测深证成指的收益率.     

深圳股市收益率的波动性研究

使用时间序列分析的方法,对深圳股市的收益率波动性进行研究。使用GARCH模型、EGARCH模型和TARCH模型对深圳市场收益率的波动性进行分析,得到深圳市场具有尖峰厚尾的特征,具有明显的杠杆效应。通过对模型结果分析比较,说明EGARCH模型能比较好的刻画深圳股市的收益率及波动特点。     

农产品价格波动的非对称性研究

采用B-P滤波对1999-2012年我国农产品价格指数进行处理,观测到我国农产品价格呈现出4个波动性周期,并且表现出明显的不可重复性和非对称性;再利用描述性统计分析与非对称GARCH族实证模型相结合的方法检验我国农产品价格波动的非对称性;实证结果表明我国农产品价格波动的非对称性具有稳健性特征,并且EGARCH模型描述我国农产品价格波动的非对称性更为有效。最后绘制EGARCH模型的市场信息冲击曲线,进一步验证结论。     

农产品价格波动的非对称性研究

采用B-P滤波对1999-2012年我国农产品价格指数进行处理,观测到我国农产品价格呈现出4个波动性周期,并且表现出明显的不可重复性和非对称性;再利用描述性统计分析与非对称GARCH族实证模型相结合的方法检验我国农产品价格波动的非对称性;实证结果表明我国农产品价格波动的非对称性具有稳健性特征,并且EGARCH模型描述我国农产品价格波动的非对称性更为有效。最后绘制EGARCH模型的市场信息冲击曲线,进一步验证结论。     

沪深股市周内效应再检验

运用GARCH(1,1),GARCH(1,1)-M和EGARCH(1,1)模型,对中国沪深两市收益率进行了收益率均值的周内效应和收益率波动性的周内效应实证分析。同时对样本区间进行分段处理,以检验自1996年起实行的涨跌停板制度对股市周内效应是否存在削弱作用。研究发现,中国股票市场在相应的样本区间存在显著的周内效应,但是在不同区间周内效应的具体分布不尽相同。同时发现,股票风险的增加能够增大收益率,且收益率的波动性存在杠杆效应。     

开放式基金指数的波动性研究

为了探讨中国开放式类型基金指数收益率序列波动性特征问题使其有助于基金的投资和管理,对极少被研究的中国股票型、债券型和混合型开放式类型基金指数收益率的波动性进行了GARCH和EGARCH模型分析。数据选择于2002年12月30日至2006年12月31日。结果表明:得出从整体来看中国开放式基金收益率存在ARCH效应,但不具有非对称性效应的结论。     

沪市综合指数杠杆效应的实证分析

本文应用EGARCH（1,1）模型刻画沪市的杠杆效应,估计出了沪市非对称波动的实证模型,并通过EGARCH（1,1）模型刻画出了05年前后两个时间段的信息冲击曲线,。研究发现沪市在05年之前存在明显的杠杆效应,而在05年之后杠杆效应却明显的变小。结果表明：05年之前,利空消息对沪市收盘价格指数冲击效果是利好消息的2.18倍,而05年之后却为1.42倍。对此,本文从投资者的非理性和市场的有效性两点出发,说明了波动性与杠杆效应变小的原因。     

基于GARCH模型的我国创业板市场风险度量

以创业板综合指数的日对数收益率为基本数据,分别在正态分布、T分布与GED分布下总结GARCH参数并计算VAR值,通过实证分析指出序列分布具有尖峰厚尾的特征,利空消息带给创业板市场的波动比等量的利好消息更大,创业板市场存在明显的杠杆效应,波动具有聚集性和持久性;GED分布能够更好地拟合创业板市场综合指数,得出的VAR值精度较高;模型种类并不是VAR值结果的决定性因素。     

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。     

基于GARCH类模型的人民币汇率波动特征分析

以2005年汇改以来人民币对美元日名义汇率的高频数据为研究对象,运用TARCH和EGARCH模型对人民币汇率的波动进行测算,发现EGARCH(1,1)模型的拟合效果较好,人民币汇率变化的单边趋势明显,波幅不断加大,收益率序列呈现尖峰厚尾特征,汇率波动存在明显的集群性和杠杆效应。     

基于GARCH族模型的葡萄酒投资指数的波动性分析

对葡萄酒投资市场的波动性进行研究,选取伦敦葡萄酒交易所(LIV-EX)发布的样本区间为1988年1月至2013年11月的LIV-EX Fine Wine Investables Index月度数据,对FWI月收益率序列的平稳性、异方差性进行分析和检验。基于GARCH(广义自回归条件异方差,Generalized Auto-Regressive Conditional Heteroskedasticity)族模型来描述FWI的波动集聚性、敏感性及其杠杆效应。结果表明,FWI月收益率序列是平稳的,其指数波动具有高阶ARCH效应,并且具有正向非对称的反杠杆效应,但不存在ARCH in Mean效应。     

我国股票市场价格波动的非对称性及其国际比较

以7个国家的综合指数(包括我国上证指数与深成指数)为样本,以EGARCH模型系统研究我国股票市场上价格波动的非对称性以及这种非对称性与成熟市场上的差别。结果发现,与成熟的股票市场相比,我国股票市场上价格波动的非对称较弱,这可能是由于我国股票市场的特殊结构与贷款利率缺乏刚性所造成的。     

我国投资者情绪波动性与股市收益

以《股市动态分析周刊》好淡指数做为我国投资者情绪指数,运用GARCH模型,对我国投资者情绪波动性和股市收益关系进行实证分析。结果表明：我国投资者情绪指数存在ARCH效应,且对股市收益具有“溢出效应”;投资者情绪指数未来预期的时间长度应以月度为宜。     

基于EGARCH模型的我国股市信息对称性研究

利用过去17年我国上证综合指数的历史数据,根据股票市场大的波动周期分五阶段经过EGARCH(1,1)模型估计,以验证市场对信息冲出的反映情况.研究结果表明:中国股市存在很大的波动性,尚未达到弱有效性;存在正负杠杆效应交替出现的现象,表现出信息不对称性,但是这种不对称性在明显减小.     

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.     

基于GARCH模型和非参数模型的上海股市VaR的比较

从VaR的定义出发,考虑基于GARCH类模型和基于非参数模型的VaR估计.对于前者进行筛选以后,采用EGARCH(1,1)模型来估计资产或资产组合未来收益率的波动,后者则用核估计方法估计资产或资产组合未来收益率的概率密度函数,并用这两个模型对上海股市进行了实证研究,结果表明后者不失为一种值得考虑的方法.     

金融危机前后世界主要股票指数的风险分析——基于t分布和GED分布自由度的实证研究

本文选取14只世界主要的股票指数,采用GARCH(1,1)和EGARCH(1,1)模型比较金融危机前后的股市风险变化.结果表明:收益率在不同分布假设下Var值均能很好模拟风险,同时,GARCH(1,1)-GED计算的CVar值在金融危机中能很好地模拟股市风险;由t分布和GED分布的自由度的变化得出,金融危机的蔓延使得各国股市的风险上升并且趋同,而且这一状况在危机后并没有得到显著改善;发达国家受金融危机的影响严重,恢复极其缓慢,而发展中国家恢复较快.     

QFII对证券市场行业收益波动率影响研究

该文选取QFII进入我国A股市场后全阶段重仓持股的六大行业2002年7月1日至2008年7月31日之间的日收盘价,以研究QFII对六大行业波动收益率的影响。GARCH(1,1)模型和EGARCH(1,1)模型检验结果显示,在QFII刚进入时,QFII投资没有引起行业收益波动率的增加。分析结果显示,即使在2005年第四季度股改开始后,除金属、非金属和金融保险业外,QFII投资没有引起行业波动率增加,而在2007年12月QFII批准投资额度增加后,行业收益波动率增加。