基于MCMC方法的GARCH模型参数估计

参数GARCH模型是最常用的度量金融市场波动性的模型.运用马尔科夫蒙特卡罗(MCMC)方法对残差基于正态分布的GARCH(1,1)的参数进行估计,由沪市股指收益率数据的实证分析结果表明:基于马尔科夫蒙特卡罗(MCMC)方法估计的GARCH模型比基于极大似然估计(ML)方法估计的GARCH模型具有更好的拟合效果和预测能力.     

基于极值视角的沪深股市收益率的风险度量

文章以沪深股市收益率为研究对象,分别运用收益率的极值分布、收益率的POT模型以及基于收益率序列GARCH模型残差的POT方法计算沪深股市的在险价值(VaR).实证过程发现沪深股市收益率序列均存在明显的尖峰厚尾现象,实证结果表明深市潜在风险高于沪市潜在风险,并且三种方法中基于收益率序列的POT模型计算的VaR精度最高,而对收益率序列应用GARCH模型描述其波动后再对模型的残差进行POT方法计算的VaR精度最低.     

GARCH(1,1)模型的M-H估计及其应用

参数GARCH模型是最常用的度量金融市场波动性的模型。文章对残差基于正态分布的GARCH(1,1)模型通过构造M-H算法对其参数进行了估计,并给出了基于沪市股指收益率数据的实证分析。结果表明:基于M-H算法估计的GARCH模型比基于极大似然估计(ML)方法估计的GARCH模型具有更好的拟合效果和预测能力。     

基于GARCH族模型的中国旅游酒店板块指数收益率波动分析

运用GARCH族模型分析旅游酒店板块指数日收益率的波动特征,研究表明：旅游酒店板块收益率是一个平稳过程,其波动具有“聚集”现象和“非对称效应”。GARCH（2,1）模型比GARCH（1,1）模型更好地消除了收益率序列的异方差性;TARCH（2,1）模型的拟合效果最好;GARCH—M模型和非对称的CARCH（1,1）模型都不适用于描述收益率的波动特征。     

金融市场异方差模型及实证研究

文章介绍了两类异方差模型并对上证指数进行实证研究,通过研究表明上证指数日收益率序列具有明显的高峰厚尾特性和非对称性,且收益率平方具有自相关性.对两类模型进行了比较分析,结果显示:无论是从日收益率的峰度来看,还是从平方收益率序列的自相关函数的描述采看,SV模型都优于GARCH模型.     

VaR-GARCH类模型在股市风险度量中的比较研究

金融市场风险管理的核心是对风险的度量,度量风险最流行的方法是VaR方法。文章选取1998年1月5日～2006年11月6日的上证综指日收盘价指数共计2129个数据实证分析了GARCH、EGARCH、TARCH和PARCH四种模型在正态分布、t分布以及GED分布下预测的VaR值的准确程度。实证分析结果表明,正态分布下估计的VaR值在靠近左尾时存在低估现象;与正态分布和t分布相比,GED分布能较好地反映股市收益率回报序列的厚尾特征,使用GARCH类模型预测VaR值时,E-GARCH和PARCH模型要优于其他模型。     

基于TARCH-CAViaR模型的股指期货市场波动特性研究

正态随机误差项的GARCH模型并不足以描述金融时间序列中的尖峰厚尾性,考虑正负资产收益对分位数冲击的不对称性,文章采用贝叶斯分析和MCMC方法来估计TARCH-CAVia R模型,对HS300期指日收益率的实证分析显示,市场杠杆效应比较明显,利空消息对股市的影响往往要比相同规模的利好消息来得强烈。     

GARCH类模型和状态空间模型波动率预测评价

GARCH类模型和状态空间模型已经广泛运用于波动率的预测,但对模型的预测表现进行评价却受到了忽视,其主要原因是缺乏合适的衡量标准.文章首先运用GARCH类模型和状态空间模型对上证指数收益率进行了全面的估计及预测,然后以已实现波动率作为波动率预测的评价标准,通过M-Z回归评价GARCH类模型和状态空间模型的波动率预测表现.     

股市收益率的风险测量——基于参数与非参数GARCH技术的动态VaR计算

风险管理的基础和核心是对风险的定量分析和评估,即风险测量。VaR方法由于其明确的的经济含义及易操作性,已成为金融机构进行风险管理的一种主流方法。本文基于参数GARCH和非参数GARCH技术计算股市收益率的VaR,并对二者进行比较。通过实证分析得出以下结论:上海股市收益率序列有强烈的GARCH效应,基于非参数GARCH技术得到的VaR在给定的显著性水平下更能有效地度量股市的风险。     

基于GARCH模型和模拟退火算法的实证检验

本文以德国马克-英镑汇率数据为研究对象,以不同的GARCH模型(GARCH模型、E-GARCH模型和TGARCH模型)考察序列的异方差性和不对称性,并比较三种模型拟合效果的优劣性。最后,用模拟退火(SA)算法重新对GARCH模型的参数进行估计,并与传统的数值方法进行比较,证明了SA算法的确优于传统数值算法。     

基于宏观信息发布的外汇风险度量VaR方法的改进

文章运用GARCH模型考察了中美两国发布的13类宏观经济信息对外汇市场的影响。分析发现,中美两国的货币政策和零售业信息、投资信息、消费信息、房地产信息等消息发布的当天,市场出现异常收益率;中国货币政策信息、消费信息,美国贸易信息、消费信息发布后,将导致外汇市场的波动加剧并且持续。文章使用加入宏观信息的GARCH模型为基础的VaR方法对外汇风险进行了度量,发现加入宏观信息可以增加估计的信息量,从而提高VaR的度量效果。     

基于GARCH模型VAR方法的人民币外汇交易风险控制

人民币升值预期成为投资者普遍关注的焦点。文章基于金融危机爆发后的数据,对我国人民币/美元日收益率序列进行分析,得出GARCH(1,1)模型能够更好的拟合日收益率序列的分布,从而能够更加准确的计算VAR方法公式中的δ值,为我国进出口企业基于VAR方法进行外汇风险控制提高了正确率,以期能有效减少外汇交易的风险损失。     

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.     

沪深300指数统计特征研究

文章以2005年4月8日至2007年10月30日沪深300指数日收盘价格序列为样本,以复合收益率为研究对象,通过对股市收益率非正态性检验,分析了沪深300指数的一些典型统计特征,验证了沪深300指数收益率"尖峰厚尾"的特性。因此有必要寻找一种更合适的模型,以便更准确地反映沪深300指数收益的真实分布。最后对其进行了GARCH效应的检验,结果表明沪深300指数收益率的波动存在着显著的GARCH效应。     

大豆期货价格波动与交易量的关系的考察

文章运用ARMA模型、GARCH模型和多元的GARCH模型对大连期货市场大豆的量价关系进行了分析,发现收益的绝对值较收益率本身与交易量有更大的相关性,收益率的绝对值对交易量的条件方差具有显著的影响,且它们的波动都有很强的持续性。运用多元的GARCH模型发现交易量的条件方差与收益率的条件方差有显著的相关性,但是条件方差的滞后项却对对方的条件方差的解释作用较小。     

基于GARCH模型的股票市场有效性的实证研究

证券市场波动的有效性问题是证券市场研究中的一个重要课题。文章运用时间序列的GARCH模型的推广形式对上证指数股票收益率序列建模,在以往研究的基础上鉴于实际波动情况引入了两个虚拟变量进行刻画,并就股票市场有效性问题进行了实证研究。     

股市波动的长记忆过程研究

基于FIGARCH和FIEGARCH建模国内股市波动的长记忆特性,深入分析波动影响因素。对上证综指日收益率时间序列进行了实证研究,结果表明和GARCH、EGARCH模型相比较,FIGARCH和FIEGARCH模型更好地描述了股市波动的长程相关特征,探索研究国家宏观经济政策对股市波动的影响。     

沪深股市的风险测度研究

本文比较风险测度方法在不同置信水平下是否能力有效测度沪深市场风险.针对上证综指收益率具有自相关、波动集聚性和杠杆效应特征,运用ARMA-GJR模型对上证综指的负收益率序列进行MLE以求出条件均值和方差以及标准残差序列,运用10%的数据作为极值数据运用MLE方法来估计广义帕累托分布,还对风险测度方法的估计效果进行分析,认为极值VaR能有效测度沪深股市风险.     

IT行业股价波动性的模型验证

本文应用GARCH、TARCH、EGARCH、GARCH-M模型对行业IT股票收益率进行定量及定性的分析。研究了IT行业收益率的波动性特征及风险性溢价,实证研究表明,我国IT行业的日收益率存在着高阶的ARCH效应,杠杆效应,波动性聚集特征,条件方差对日收益率有着很强的影响,其中GARCH模型在反映股市波动性效果方面优于其他模型。     

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.