基于上证综指的波动率模型比较研究与实证分析

GARCH模型和SV模型适合于不同的市场,尚未有一种方法和模型的预测效果绝对优于其他方法和模型.本文选择具有代表性的上证综指收益率数据进行建模,对比分析GARCH和SV及其各自的扩展模型的拟和效果.实证结果反映上证指数收益率具有明显的群集聚性、波动性、尖峰厚尾的特征,同时,相比较而言,SV模型对于我国上海金融市场时间序列数据有更好的波动性拟和效果.     

杠杆效应对上证综指影响的实证分析

我国A股市场权重股的流通股份占总股本比例很小,而上证指数以总股本加权,这导致了较大的杠杆效应。本文对上证前十大权重股与上证指数的相关性进行了实证分析,指出权重股的强相关性及杠杆效应导致上证综指不能全面真实反映股票市场整体情况,并提出相关政策建议。     

基于ARCH的上证综指收益率波动性的特征分析

本文是在陈守东等人的研究基础上,将中国股票的发展时间(1990-2009)分为四个阶段,以上证综指为研究对象来研究其波动性。结果表明中国股市波动逐渐趋缓,市场逐步成熟。与前人结果不同的是:投资者并非一开始就处于风险偏好状态,而是由风险中立转为风险偏好,再到风险厌恶,最后又转为风险偏好型,最后这一转变正是由于世界性金融危机,以及大小非解禁等事实的存在。     

股票收益随机波动模型研究

通过对金融资产时间序列数据特点的分析,指出GARCH模型在描述金融资产时序数据的局限,尝试用随机波动模型刻画股票收益的波动规律,采用GMM方法估计模型参数,并以上海证券交易所综合指数日收益率数据为样本,对沪市指数收益波动进行实证研究,探讨涨跌停板制度对股市波动的作用。     

基于ARCH模型族的沪深股市波动率研究

金融资产收益的波动率研究已成为金融计量学的核心领域,通过对上证综指和深圳成指收益率检验,发现收益率都具有ARCH效应,过去的波动对未来的影响是逐渐衰减的,且我国两市的股指收益率都具有杠杆效应。     

上海与伦敦期铜市场之间的波动溢出效应研究

本文通过向量GARCH模型考察上海和伦敦两个期铜市场间收益率波动的溢出效应.研究结果表明:上海期铜与伦敦期铜市场之间存在双向的波动溢出效应.分阶段的进一步研究发现,在2001年前两个市场间,仅存在伦敦期铜市场对上海期铜市场的单向波动溢出;而2001年后,两个市场的联系加强,存在双向的波动溢出效应.     

反馈交易规则与股指收益自相关：对上证综指的实证研究

本文研究了反馈交易规则与上证综合指数日收益自相关之间的联系,结果表明正反馈交易将导致收益负的自相关,且相关系数绝对值随波动增大而增大,从而整个收益表现出随波动变化的序列相关.同时与其他发达国家相应研究结果的对比发现,正反馈交易对上证综指收益自相关的影响更小且收益整体波动更强,表现出新兴市场的特征.     

证券市场波动不对称性的动态研究

通过基于滚动样本的检验方法,实证发现中国证券市场的波动不对称性是随着时间而演变的。1997年之后,中国股市的波动不对称性与成熟市场相同起来,杠杆效应显著出现。研究还发现,波动不对称性与市场所处的状态无关。     

股市波动的杠杆效应检验:一种新的方法

股市波动的非对称性特征一直是金融研究中关注的焦点问题。本文首次构建了一个非平衡似无关波动模型,从个股角度对波动的非对称性进行检验。通过与综合指数的对比研究,本文揭示了市场因素对波动非对称性的影响。实证结果表明,我国深证成份指数波动存在杠杆效应,而成份股波动却表现出反向杠杆效应。市场同时存在的共同因素和异质因素,是导致成份股波动和成份指数波动表现不一致的原因。进一步的研究结果表明,在消除共同因素影响后,成份股波动的反向杠杆效应会表现更明显。     

偏正态随机波动模型及其实证检验

首先构建了有杠杆效应的随机波动模型(SV-L),证明了其波动随机项的条件分布为两个偏正态分布,由此称该模型为偏正态随机波动模型(SV-SN).接下来讨论了SV-SN模型的经济含义以及对应随机波动项的统计特征.最后利用沪深两市的指数收益数据对模型进行了实证研究,其结论为:相对于一般的SV模型,SV-SN模型的拟合效果更好;新息具有减弱后期波动之效应;与理论预期一致,单位负新息比单位正新息引致的波动要大.     

基于不同分布的股指波动非对称性实证分析

在随机误差项分别为正态、学生t及广义误差分布的假设下,用ARMA-GARCH、ARMA-EGARCH及ARMA-TARCH模型,对1995年12月至2008年3月沪深2市的A股指数的日收益率波动性进行实证分析.结果显示:沪深2市股指日收益率都存在着波动非对称性;在极大似然准则和AIC原则下,能最好地描述中国A股市场指数波动的模型为ARMA-EGARCH模型.     

上海股市波动性预测模型的实证比较

本文采用上证综合指数每日收盘价数据,应用常用的波动性预测模型预测上海股市的周波动性并比较其样本外预测效果.结果表明,尽管当采用不同的预测误差统计量作预测模型的预测精度的评价准则时,也会导致评价结果的排序不同,但从总体上来说,指数平滑模型对上海股市周波动性的预测效果还是优于其他模型;而相对比较复杂GARCH(1,1)模型对上海股市周波动性的预测效果并不佳.     

上证综指的股指波动:基于模糊FEGARCH模型及不同分布假设的预测研究

本文主要对2006年至2011年上证综指收益率序列的高频波动性进行预测研究。首先,针对金融数据的非线性和不确定等特性,借助模糊逻辑系统,提出一种新的金融市场波动率的预测方法-模糊FEGARCH模型,用来更好的针对具有非线性特性的收益率数据进行预测。其次,为了判断分布型模型和不对称型模型对预测精度的影响程度,分别采用分布型(GARCH-N,GARCH-t,GARCH-HT和GARCH-SGT)和不对称型(GJR-GARCH、EGARCH和模糊FEGARCH)的波动模型进行高级能力预测法(SPA)检测。实证结果表明,不对称模型对波动率预测的影响程度比分布假设的确定更为重要,而且模糊FEGARCH模型对于具有尖峰厚尾、高偏度和杠杆效应的非线性波动数据的预测能力更佳,说明了该模型的有效性与实用性。     

基于g-h分布的上证指数收益率分布拟合研究

本文旨在讨论上证指数收益率序列的分布特征,通过对上证指数1997年1月2日至2008年4月30日总计2700多个交易日的实证研究,发现上证指数收益率不服从正态分布,具有有偏、尖峰、厚尾的特性。本文将g -h分布引入收益率序列的分布拟合中,结果表明,这种分布能很好的解决收益率序列具有的有偏、尖峰、厚尾特性,拟合效果比用Logistic分布和t分布更好。     

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.     

我国期货市场波动性的非对称效应实证研究

波动的非对称性一直是金融市场波动性研究的一个重要方面.首先采用无条件波动度量方法对我国三大货市场四个主要品种1997年-2005年的波动性进行了估计,发现三大期货市场波动性呈现明显的阶段性和非对称性特征;然后根据无条件波动估计结果,对总样本进行了阶段性划分,进一步采用条件波动EGARCH模型对期货市场总体和两个不同阶段波动性的非对称效应进行了研究,结果发现小麦期货市场总体具有显著的非对称效应,而大豆、铜、铝期货市场总体不具显著的非对称效应,但分阶段后则呈现显著的非对称效应,并且两个阶段波动的非对称效应相反.     

中国沪深股市结构性波动的政策性影响因素

本文利用划分均值和方差变点的迭代累积平方和算法(ICSS:MV)对上证综指和深证成指1996年12月16日至2010年12月31日的日收益率序列进行结构变点的检验,通过将结构变点与重大事件对应选取影响沪深股市结构性波动的政策性事件,并根据选取的事件将样本区间分成13个子区间。为了避免参数模型中模型误设的缺陷,利用非参数GARCH模型估计样本区间的波动率;最后利用N-W核回归估计对非参数GARCH估计的波动率与收益率进行回归,分析股市结构性波动产生的政策性影响因素。通过分析发现央行调整存贷款基准利率和存款准备金率、国有股的减持、允许保险公司等机构投资者买卖证券投资基金、调整印花税等政策性因素是造成我国股市变结构波动的重要原因。     

运用生存分析与变点理论对上证指数的研究

本文运用生存分析与变点理论对上证指数进行了研究,发现连涨和连跌的股指服从伽玛分布,表明股市是有记忆的并且不服从随机游动假说。当股市发生变化时,伽玛分布的参数也会发生变化,而且伽玛分布的两个参数很好地反映了牛市、熊市的变化以及股市波动的变化。我们运用变点理论对这一变化进行了实证分析,得出了一些有意义的结论。     

基于马尔可夫状态转换模型的沪深股市波动率的估计

为了更准确地估计具有结构转换的沪深股市收益率波动特征,本文将沪深股市的波动变化分为上涨、下跌和盘整三个状态,选用2000年1月4日至2011年12月30日的上证综指和深证成指日收益率数据作为样本,2012年1月4日至2012年1月17日的日收益率作为样本外预测,分别应用GARCH和APGARCH模型,以及RS-GARCH和RS-APGARCH模型估计和预测两序列的波动率,最后采用MSE₁、MSE₂和QLIKE对估计和预测出的波动率进行评价。结果表明:单一状态和三种状态下APGARCH模型均比GARCH模型估计和预测的波动率更准确;更进一步带有马尔可夫状态转换的模型估计和预测出的波动率更准确,且误差分布服从正态分布的模型估计和预测的波动率拟合结果优于误差服从t分布的模型。     

中国股票市场的最优波动率预测模型研究——基于沪深300指数高频数据的实证分析

以沪深300指数的高频数据为例,采用滚动时间窗的样本外预测以及SPA检验法,对比了基于日收益数据的历史波动率模型和基于高频数据的实现波动率模型的预测能力.主要实证结果显示,实现波动率模型以及加入附加解释变量的扩展随机波动模型是预测精度最高的波动模型,但在学术界和实务界流行的GARCH及其扩展模型对我国A股市场波动的预测能力较差.