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.     

基于小波分析的中国股市高频长记忆研究

0引言根据有效市场假说的理论,如果一个资本市场是有效的,则市场收益率自身不具有序列相关性;但一些学者发现这种序列自相关性在股市中是存在的。文献[1]对美国股市进行了研究,发现长记忆性在指数收益率序列中不显著,但在某些个股中却显著存在;文献[2]利用对数周期图法对沪深股     

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。     

中国股票市场收益与波动的长期记忆性研究

文章对我国股票市场的长期记忆特征进行了系统研究:选择上证综指和深证成指日收益序列为研究对象,采用计量经济学方法,考察中国股票市场日收益序列和日收益波动序列的长期记忆特征,建立既能描述收益长记忆又能刻画波动长记忆特征的ARFIMA-FIGARCH模型,并与其它短记忆模型进行对比,分析得出相应结论.然后针对目前我国股票市场存在的诸多问题,提出一些规范和完善股票市场、提高市场有效性的建议.     

中国股票市场预期收益与波动率关系研究

本文根据上海A股市场流通总市值计算波动率,并将整个市场分为上涨阶段和下降阶段以及将波动率分为可预见部分和不可预见部分,来探讨市场收益与波动率的关系.结果表明中国股市是弱有效性,其投资者整体上是风险偏好者,并且投资者在市场下降阶段的行为比上涨阶段的行为复杂得多.     

长记忆过程的参数估计及其在金融市场中的应用

文章提出了一种关于长记忆过程的记忆参数的估计方法.运用谱密度的一致估计量来估计自回归滑动平均过程的记忆参数,通过合适窗函数的选择可使得该平滑谱估计的方差变小,比传统的GPH估计更有效.最后,采用实际数据对上述方法进行说明.     

LMSV模型波动的长记忆与相关性的小波分析

本文提出了LMSV模型的波动自相关函数的定义,将小波分析方法引入到LMSV模型的建模研究中,提出了基于最大重复小波变换(MODWT)的不同尺度下的LMSV模型,并进一步讨论了不同尺度下的波动自相关函数的性质,并用该方法对上海和深圳证券市场综合指数收益波动序列进行建模,对在同一尺度和不同尺度下的长记忆性与相关性进行了实证分析。     

中国股市收益率和波动率的长记忆性检验

运用修正R/S和V/S两种分析方法,选取两大盘指数(上证综指和深证成指)以及20只个股为样本,对其收益率和收益波动率序列的长记忆性进行大范围的比较研究.结果表明:对于收益率序列两大盘指数存在长记忆性,且深市强于沪市,而个股普遍不具有长记忆性;对于收益波动率序列,无论是大盘指数还是个股均存在显著的长记忆性,并且,三个收益波动率序列的长记忆性由强到弱依次为修正对数平方收益率、绝对收益率和平方收益率.     

沪深股市收益的长记忆性检验及其影响分析

文章采用Lo(1991)提出的优于经典R/S分析的修正R/S分析,对沪深股市指数收益率的长记忆性重新进行了检验,结果表明股票市场指数收益率序列、绝对收益序列与平方收益序列存在长记忆性.最后,对股票收益率存在长记忆性的影响进行了简要分析.     

中国股市的实际波动率

中国股市实际波动率实证研究表明(1)经实际波动率标准化的收益率序列接近于正态分布;(2)对数实际波动率序列的分布近于正态;(3)实际相关系数序列接近于正态分布;(4)实际波动率序列、对数实际波动率及相关系数序列均具有显著的长记忆特征;(5)不同股票的对数波动率序列之间具有显著的相关性.     

基于ANN-GARCH模型的中国股市收益非对称波动拟合能力研究

在传统的非对称GARCH模型上加入ANN逻辑项,从而提高了模型的非对称性描述能力。不同于"黑箱"式的神经网络计算,这种方法的ANN逻辑项是可见、可分析的。通过对上证综指、深证综指和恒生指数的实证研究,发现三个市场都存在"杠杆效应"。研究表明:ANN-GARCH模型总体上比传统模型的拟合效果更好,预测能力更强。     

股票收益和波动长记忆性的KPSS检验和LM检验

文章从分整特性的新视角,利用流行的KPSS检验和LM检验对我国股市收益及其波动的记忆性特征进行了深入研究。研究结果表明,我国股市的波动序列中存在显著的长记忆性,而收益序列本身无明显的长记忆性。这与成熟股票市场有关长记忆性的研究结论基本一致,与新兴股票市场的研究结论有所不同。此项结论对股市的长期投资者具有重要的决策意义。     

引入持仓量的沪铜指数长记忆波动性研究

通过协整关系检验、误差修正模型、向量自回归模型、格兰杰因果关系检验、脉冲响应函数证明了在建立模型时引入持仓量序列的必要性。运用修正R/S分析,建立了沪铜指数收益率波动的ARFIMA、FI-GARCH、ARFIMA-FIGARCH模型,并运用此种模型对沪铜指数的收益率序列rt、收益率波动序列｜rt｜及残差序列｜εt｜进行相关研究和分析,结果表明：ARFIMA（0,d1,0）-FIGARCH（1,d2,1）模型的预测效果比较好。     

中国股市存在“约瑟夫”效应吗？——对我国股票市场的实证分析

"约瑟效应"即长记忆性,是指股票价格存在长期持续与非周期的循环现象。为了对我国证券市场的长记忆性作比较全面的分析,文章选取上证综合指数和深圳成分指数,分阶段利用R/S方法、ARFIMA过程来识别收益率的记忆特征,并用FIGARCH模型来刻画波动的记忆特征。分析发现,hurst指数以及ARFIMA模型表明收益率序列存在比较微弱的长记忆特征,而利用FIGARCH模型则发现序列的波动存在较为强烈的长记忆性。     

从众行为影响我国股票市场波动性的计量研究

文章使用2000年以来我国股市10年的数据,采用状态空间模型卡尔曼滤波估计方法,估计和分析了我国股票市场的从众行为度,同时使用GARCH模型对我国股票市场的波动性进行了测度,并且将从众行为度与我国股市波动性进行了相关分析,结果发现我国股市的从众行为度与市场波动性存在显著的正相关关系.因此本文认为我国股市较严重的从众行为是加剧我国股市波动性的直接动因之一.     

中国股票市场波动特征的实证研究及其启示

本文通过运用自相关性分析、消除趋势的波动分析(DFA)和多标度分形分析(Multifractal Analysis)等新型的统计分析方法,从不同视角研究了中国股票市场的价格波动特征,并就实证结果对我国股票市场的监管工作,特别是风险管理工作的启示进行了初步探讨。     

股票市场非流动性水平及其波动对收益的影响

通过ARMA-GARCH模型对非流动性进行建模,在分离出预期和未预期非流动性的同时,得到非流动性的波动序列。建立GARCH-M模型分别考察流动性水平和流动性波动对收益的影响。研究表明,预期非流动性与期望收益正相关,而未预期非流动性与期望收益负相关;非流动性的波动对期望收益有显著影响,两者呈负相关关系。     

基于小波分析的我国股票市场趋势探测

小波分析是一种将数据从时域转换到不同层次的频域的数学方法.它的很多方法能够很好地应用于实证经济学和金融学.本文利用小波分析的方法排除了上证指数中的大量噪声,成功地探测了其运动趋势.     

中国股市长期记忆性的检验及记忆长度的度量

分析了股市长期记忆的存在对现有金融理论尤其是对有效市场假设的影响,采用自相关和偏自相关函数、R/S分析、修正的R/S分析三种方法检验了中国股市的长期记忆性。但是,三种方法的检验结果不一致,本文对造成这一结果的原因进行了分析,提出了记忆长度比长期记忆的存在性更重要的观点,并采用R/S分析和李雅普诺夫指数两种方法计算了深沪两市的记忆长度。     

中国股票市场波动率的多重分形分析与实证

我国股票市场波动表现出随时间变化的动态特征。文章采用多重消除趋势波动分析法(MFDFA),对沪深股市四个主要指数的日波动率时间序列进行了分析。结果表明,沪深股市四个主要指数的日波动率时间序列均表现出多重分形特征,且上证指数和中证500指数日波动率序列相对于其他两个指数日波动率序列表现出更强的多重分形特征。各指数日波动率时间序列的多重分形特征均是自身的长程相关性和波动的厚尾分布共同作用的结果,且波动的厚尾分布对原始序列的多重分形特征的影响比长程相关性大。