基于GARCH类模型的上证股市波动性研究

文章在回顾ARCH/GARCH类模型的基础上,用GARCH模型进行上证股市波动性的实证研究,用GARCH-M模型分析风险溢价情况,以及用EGARCH模型进行股市波动的非对称性实证研究.结果表明,GARCH模型能消除残差的异方差性,股市波动存在强烈冲击,收益有正的风险溢价,股市中坏消息引起的波动比同等大小的好消息引起的波动要大得多,存在明显的杠杆效应.最后给出一些相关结论和建议.     

基于GARCH模型族的外汇汇率的波动性分析

外汇汇率市场的波动特性是金融市场中人们研究的热点之一.文章以美元对人民币汇率和欧元对人民币汇率为研究对象,分别运用GARCH模型、GARCH-M模型、EGARCH模型和TARCH模型对两种汇率同时拟合,通过比较分别得出描述两种汇率的最佳模型.     

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。     

基于AR-ARCH类模型的我国经济波动的实证研究

文章利用GAKCH、TGAKCH和EGARCH模型对我国实际GDP的波动率进行了实证分析.结果表明基于正态分布假设下的GARCH模型拟合效果最好,更能准确的描述我国经济的波动性,这表明我国经济波动率是变化的,实际GDP的增长率是对称的.     

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.     

上海证券市场GARCH效应检验和模型选择

文章利用1999年10月8日至2003年11月7日上证综合指数每日的收盘价数据对其进行了GARCH效应的检验,结果表明上海证券市场股价的波动存在着显著的GARCH效应,并且存在非对称的情况。在具体的模型选择上以EGARCH(1,1)较好,并且在研究中发现GARCH-M模型不适合模拟我国上海证券市场股价的波动情况。     

基于商业银行汇率风险的经济资本配置

文章首先检验了人民币对美元日汇率收益序列的特征,在此基础上,建立了ARCH、GARCH和EGARCH模型,比较发现GARCH(1,1)模型有最好的拟舍效果.进而利用GARCH(1,1)模型预测条件方差,研究商业银行汇率风险的经济资本配置.     

人民币汇率波动的数据挖掘分析

文章综合运用ARCH类模型对人民币汇率波动特性进行数据挖掘，在分析样本数据特征之后，文章依次建立了ARMA均值方程、GARCH模型和EGARCH模型。最后得出以下结论：人民币汇率波动存在异方差性、持续性和不对称冲击，其中负冲击将加大波动而正冲击对波动影响轻微。根据所得出的结论本文提出以下政策建议：控制汇率变动的幅度和节奏以及建立完善的汇率衍生品市场。     

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。     

基于GARCH族模型的分级基金波动性分析

文章选取中证稳健股票、进取股票和进取债基三大分级基金指数系列的日收益率序列作为研究样本,运用GARCH族模型研究不同类型分级基金收益波动特征.根据AIC准则确定各指数收益率的残差分布与最佳ARIMA-GARCH族模型,并在此基础上,用GARCH-M模型研究波动与收益的关系,用TGARCH模型与EGARCH模型研究波动的非对称性.结果表明:分级基金指数收益率均具有明显的波动聚集性,市场存在强烈冲击,稳健股基具有显著的反向杠杆效应,稳健股基与进取债基有正的风险溢价.     

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.     

中国银行间同业拆借市场利率波动模型研究

利用中国银行间同业拆借市场1996年12月29日至2008年5月30日全部拆借品种每周加权平均利率，对正态分布、t分布和GED分布下的GARCH模型族进行对比分析，构建出衡量利率波动的ARMA—GARCH模型。结果显示中国银行间同业拆借利率（CHIBOR）序列杠杆效应不明确；拆借利率分布对模型拟和结果影响较大。t分布不适合描述中国银行间利率序列的分布状况。GED分布能更好刻画同业拆借利率序列的分布状况，并且在GED分布下，EGARCH模型较GARCH和TARCH模型更适合描述中国银行间同业拆借利率序列。     

新阶段沪市波动率预测模型的选择

根据陈浪南把我国股票市场划分为三个阶段的划分理论,选取CSMAR数据库中2000.3.17-2003.12.31之间的上证综合指数收盘价为研究数据样本,分析该指数波动率的特点,从而选取ARCH、GARCH、CARCH-M、EGARCH模型来预测股市的波动性,用三种评估模型包括非对称的LINEX损失函数对这几种预测模型进行综合评价.     

中国股市波动性研究

文章运用GARCH模型族对上证指数和深证成指收益率的波动性进行研究,分析了我国股市波动性的特点。通过比较发现,对于沪、深两市股指收益率的波动性,EGARCH(1,1)模型和EGARCH(1,1)-M模型都能很好地拟合,同时还对两市股指收益率的波动性进行了预测分析。     

开放式基金收益的EGARCH模型及其非对称性研究

通过对极少被研究的中国股票型、债券型和混合型开放式基金收益率的波动性进行了GARCH和EGARCH模型分析，结果表明：大部分基金存在非对称效应，并且由于基金条件波动序列的非平稳性，信息冲击曲线具有多样化特征，这为非平稳非线性模型的研究提供了新的方向；通过构建基金类型指数，对开放式基金整体波动性的研究发现，中国开放式基金收益率的波动存在ARCH效应，但不具有非对称性效应。     

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.     

参数法、半参数法的动态VaR模型风险度量

文章采用参数法和半参数法,分别考虑标准化收益在GED、SGT、GPD分布下以及FSH方法下的GARCH模型、EGARCH模型和PGARCH模型的风险测度的准确性,据此组建了12种风险测度的动态VaR模型,并采用道琼斯股票市场指数和上证指数进行实证分析.对收益率进行基本统计分析发现两个股票市场的收益率都不服从一般的正态分布.运用后验测试的方法,对所有模型的样本外预测动态VaR值采用LR、LR.和DQ三种方法综合检验,并由损失函数值可以看出:GARCH模型的风险度量能力最弱,在置信水平99.5％下,EGARCH模型最准确,在置信水平95％下,PGARCH模型最准确;GED分布描述市场的准确程度相对最弱,在较高的置信水平下,半参数模型能更好地度量市场的风险,在较低的置信水平下,参数模型能更好地度量股票市场的风险.     

ARCH族模型在深沪A股中的应用

经典的最小二乘回归假定随机残差序列无自相关,误差的方差为一常数.然而研究金融市场时却发现,大多数时间序列往往具有变方差的特征,即在某些时期的波动十分剧烈,而另一些时期的波动又相对平稳,为了模拟这种波动,提高预测精度,1982年Engle提出了方差随时间变化的自回归条件异方差ARCH模型,Bollerslev又于1986年进一步提出了广义自回归条件异方差GARCH模型,此后,ARCH模型的一些扩展模型也被相继提出,如ARCH-M模型,GARCH-M模型,EGARCH模型等,形成ARCH族模型,并在解释货币和金融时间序列的行为中得到广泛应用.     

VaR和GARCH类模型在证券投资基金风险计量中的应用研究

本文将当前金融领域刻画条件异方差最典型的GARCH模型及其衍生模型TARCH，EGARCH，PARCH等，引入VaR的计算，分别在正态分布、t-分布和广义误差分布（GED）假设下，进行了实证研究，刻画了基金波动的焦聚性、杠杆效应、尖峰及厚尾特征，有效度量了基金风险。结果表明该方法具有重要的经济应用价值。     

参数与非参数GARCH模型的预测能力比较

股票市场的收益与风险历来都是股票投资者和研究者所关注的问题,人们常常借助于条件异方差(或波动率)刻画股市的波动性。我国越来越多的研究人员更加关注提高波动性预测的精度。李亚静等选取GARCH、TGARCH和EGARCH模型拟合了中国股市的波动性,并比较了这三个模型的预测能力。胡