股票市场波动性研究——基于ARMA-TGARCH-M模型的实证分析

通过构建ARMA-TGARCH-M模型,并同时利用上证综合指数和深圳成份指数的低频日收益率和5分钟高频收益率数据,对中国股票市场的波动性问题进行了实证研究.结果表明:中国股票市场存在着大幅度高频率波动,市场总体风险较大,而且收益率波动也存在着波动集群性、尖峰后尾性和非对称分布等特征,深圳股票市场在各方面的特征也都比上海股票市场突出.此外,低频日收益率序列和5分钟高频收益率序列都存在着显著的平稳性、自相关性和ARCH效应,中国股票市场还存在着较长的外部冲击波动持续期,且杠杆效应显著.GARCH族模型能够很好地拟合中国股票市场的波动性问题.     

中国股市农业板块研究——基于ARCH族模型

分析中证指数农业龙头板块日收益率数据具有波动的群集性以及尖峰厚尾特点,检验其具有ARCH效应,并得出GED-GARCH模型对数据拟合效果最佳。分别利用学生t分布的TARCH模型和GED-GARCH-M模型分析板块数据不具有杠杆效应,以及存在收益和波动之间明显的正向关系。最后,利用虚拟变量法得出板块数据具有收益的正的周四效应,波动的负的周二、周四及周五效应。     

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.     

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。     

中国股市收益波动性的ARCH族模型分析

文章运用ARCH族模型对深证综合指数日收益率进行实证研究,结果表明:中国股票市场收益率具有显著的尖峰厚尾特点,且存在波动的集群性;市场杠杆效应显著,期望收益与期望风险之间存在正向关系,且股市波动具有信息不对称性。     

基于GARCH族模型的深证成指波动特征实证分析

采用GARCH族模型对深证成指总体及分阶段收益率的波动性进行统计拟合分析,指出深证成指的波动具有集聚性、持久性、显著的非对称性效应及阶段性特征。以深证成指价格达到最高点的时间点为分界,将整个样本分成两个阶段:在第一阶段,“利好消息”对深证成指的冲击比同等程度的“利空消息”大;在第二阶段,“利空消息”的冲击比同等程度的“利好消息”大。这说明深证市场具有杠杆效应。     

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。     

中国黄金市场波动性特征分析

利用随机波动模型(SV模型)可以刻画金融数据波动性的功能,文章以2009年以来上海黄金交易市场的收益率数据为代表,通过五类SV模型进行模拟分析并以此判断我国黄金现货及黄金期货市场的实际情况,比较结果认为国内两类黄金市场波动持续性强且具有尖峰厚尾性,其中Leverage-SV模型可以更好地刻画出两种黄金市场收益波动的杠杆效应特征,且拟合效果相对较优.     

上证国债指数“杠杆效应”的检验与分析

上证国债指数是中国国债价格的一个很好标尺。研究国债指数的波动性特征对于认识国债市场的波动有着很大的帮助。对近三年来上证国债指数进行实证分析，指出了其收益率分布的“尖峰厚尾”以及条件异方差的存在。同时采用三种不对称ARCH模型，TARCH，EGARCH，非对称CARCH验证了该指数的不对称“杠杆效应”。从行为金融学和市场参与者交易行为的角度来分析国债指数为什么存在“杠杆效应”的原因。