深沪股指收益率波动研究

文章选取沪、深两市1991年1月1日至2005年2月18日的股票指数作为样本,运用EGARCH(1,1)模型,研究指数日收益率波动的性质特征,并探讨了不同阶段股市对利好消息和利空消息的反映。结果表明:不同阶段的指数收益率序列具有结构特征,各阶段沪、深两市指数收益率均与滞后一阶高度相关,且两市指数收益率均具有信息不对称效果。     

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.     

中国股票市场收益率与波动性的阶段性研究

本文以上海综合指数和深圳成分指数为研究对象,用GARCH(1,1)-M模型对两市的波动性与市场报酬之间的关系进行了分阶段研究,同时分析了涨跌停板交易制度对波动性的影响.通过TARCH(1,1)模型来检验我国股市是否存在"杠杆效应",结果表明,沪深两市均存在显著的"杠杆效应",即报酬与波动呈负相关.     

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.     

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。     

股指期货对股票现货市场影响的实证研究

我国于2010年4月16日正式推出了沪深300股指期货合约,这使我国资本市场发生了质的转变.文章借鉴了大量资料和成果,对引入GARCH模型HS300股指期货影响现货市场波动性的程度进行实证分析,将协整检验和Granger因果检验分析的方法加以运用来研究两市场彼此长期均衡的关系,同时应用多种方法(方差分解、脉冲响应分析、向量自回归(VAR)模型、向量误差修正(VEC)模型),进一步对期货与现货间价格发现功能进行了分析.     

涨跌停板制度对沪深股市不同期限股指收益率波动性的影响

本文利用ARCH/GARCH模型研究了涨跌停板制度对沪深股市日、周、月收益率波动性的影响.实证结果表明涨跌停板制度改变了两市周收益率和沪市月收益率的波动特征和日收益率的波动结构,并且对收益率波动性较高的上海市场的影响大于对深圳市场的影响,对上海市场长期收益率波动性的影响大于对短期收益率波动性的影响.     

RGM-EGARCH模型及其对深圳股市的实证

GM-EGARCH模型是一种将灰色预测模型(GM(1,1)模型)与EGARCH模型相结合的新型混合波动率模型.针对GM(1,1)模型在其适用务件上的局限性,文章利用残差灰色预测模型(RGM(1,1)模型)对GM(1,1)模型的预测结果进行改进,再将RGM(1,1)模型与GARCH模型相结合,构建RGM-EGARCH模型来修正随机误差项.通过对深证综合指数的实证分析,比较了RGM-EGARCH模型、GM-EGARcH模型和EGARCH模型的样本外短期预测效果.实证结果表明,在三种模型中,RGM-EGARCH模型具有最好的波动率预测效果.