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。     

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.     

基于GARCH模型的深圳股市周内效应研究

有很多学者对股市周内效应进行了深入的研究,但是他们大多都基于经典模型,即对收益率取对数后没有考虑其条件异方差.本文通过对条件异方差的分析,借助GARCH模型识别深圳股市的周内效应,我们得出深圳股市综合指数(1995-2006)存在明显的“负周四效应”。     

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。     

股票市场与黄金市场收益率波动溢出效应研究

文章通过建立GARCH族模型研究股票市场和黄金市场收益的波动性、波动的非对称性以及波动的溢出效应。研究表明:(1)股票市场和黄金市场的收益率均存在显著的ARCH效应;(2)GARCH(1,1)模型能够很好地消除两市收益率的条件异方差性,方差方程中的ARCH项和GARCH项的系数之和接近1,表明冲击对条件方差的影响具有很强的持续性;(3)两市均存在明显的非对称性,所不同的是股票市场中坏消息引起的波动比同等好消息引起的波动要大,而黄金市场中好消息引起的波动比同等坏消息引起的波动要大;(4)股票市场和黄金市场之间存在溢出效应,但是溢出效应是不对称的、单向的。黄金市场的波动能够引起股票市场的波动,而股票市场的波动不能引起黄金市场的波动。     

中国股市波动率与收益率的因果关系研究

文章以上证综指2000年到2008年高频数据为例,基于Dufour、Taamouti(2010)测量短期和长期因果关系的方法构建了一个关于收益率与波动率的向量自回归线性模型,用来测量和比较了中国股票市场收益率和波动率之间的动态杠杆效应、波动率反馈效应等因果关系.实证结果表明我国股票市场无论是对已实现波动率还是对二次变差前三天都有较强的动态杠杆效应,而波动率反馈效应在所有的时间跨度上都可以忽略不计,并且收益率和波动率之间的瞬时因果关系在有些时间跨度上较显著.     

基于上证指数数据股票市场周日效应实证研究

"周日效应"指股票市场在一周中的某一天的平均收益率比一周内其它任何一天的平均收益率高或者低,且在统计上有显著性。由于研究发现周一的平均收益率显著低于其它时间,而周五的平均收益率显著高于其它时间。文章选用上证指数2006~2010年的股票收益率作为样本来进行研究,采用实证分析方法,采用Eviews软件作为分析工具,利用广义条件异方差自回归模型(GARCH)分析中国上海股票市场是否存在周日效应。     

一种基于Eviews的Garch模型的恒生指数研究

文章选取香港恒生指数2012年1月4日至2012年12月31日的日收盘数据为研究对象,针对其收益率序列,运用Garch模型对恒生指数进行拟合和检验。分析结果表明,恒生指数收益率序列具有明显的异方差性、波动性和持续性,同时恒生综指有较高的风险溢价现象,即股市波动越大,其存在的风险也越大,收益率也越高。     

基于灰色经济计量模型的我国股市波动率实证研究

针对我国股市收益率具有长期记忆性的特点,综合灰色预测理论和经济计量模型,建立了基于灰色模型的分整广义自回归条件异方差模型(GM-FIGARCH).选取上证A股、深证A股的日收益率进行分析,采用修正R/S分析检验其长记忆性,利用GM-FIGARCH模型对其进行实证研究.结果表明我国A股市场波动率普遍存在长记忆特征,投资者可以利用历史数据来预测未来股市的波动并据此获取投机利润.利用GM-FIGAKCH模型可获得较好的预测效果.     

对我国沪市日综合价格指数杠杆效应的实证分析

TARCH模型对于处理金融数据的异方差有着很好的效果。文章首先对此模型进行了系统的介绍;其次对沪市每日收盘的综合价格指数成功地建立了TARCH模型,并利用此模型进行了实证研究。其结果证明:对沪市收盘价格指数产生的冲击,利空消息是利好消息的1.447984倍,杠杆效应显著。对此,从投资者的非理性和市场的非有效性两点出发,说明了杠杆系数较大的原因;最后,对于如何规范我国的股市提出了几点参考性意见。     

中国股市节日效应的行业比较研究

本文以上证综指和证监会行业分类下的零售业、旅游业和交通运输业三个行业指数为例,用ARMA（1,1）-GARCH（1,1）模型就上证综指收益率及三个行业指数收益率是否存在节日效应进行了研究。研究发现中国股市不仅有大多数国家股票市场所存在的节前效应,还有其所没有发现的节后效应。在具体分析不同行业在不同节日所表现出的节日效应中．发现不同行业表现出不同的节日效应。     

一类基于非参数回归的条件异方差检验

现有基于参数模型构造的条件异方差检验往往存在模型设定偏误问题。为了避免模型误设对检验结果的影响,并且同时捕获多种条件异方差现象,本文基于非参数回归构造了不依赖于特定模型形式的条件异方差检验统计量。该统计量可视作条件方差和无条件方差之间差异的加权平均,在原假设成立时渐近服从标准正态分布。数值模拟结果一方面表明本文统计量具有良好的有限样本性质,另一方面也说明条件均值模型误设会导致错误地拒绝条件同方差的原假设,凸显了本文引入非参数方法构造条件异方差检验的必要性。实证分析采用本文统计量探讨了国际主要股指收益率的条件异方差现象,得到了与Engle (1982)不同的检验结果,可能意味着股指收益率呈现出非线性动态特征。     

基于EGAROH-Gopula的金融市场条件相依分析

文章应用条件copula函数拟合上证指数和深证成指收益率的联合分布.对上证指数和深证成指收益率应用EGARCH-t模型拟合其条件分布,在此基础上根据连续条件分布Sklar定理.采用条件正态copula函数建立两者的联合分布.结果表明,EGARCH-t模型能够很好的描述两指数收益率的特征,正态Copula能够很好的描述沪深股市的相关性信息.     

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。     

沪市股票价格的波动性研究

本文应用自回归条件异方差(GARCH)模型对上海股市2000年～2004年4月上证指数收益率进行建模分析;结果反映上证指数收益率具有明显的群集聚集性、波动性、尖峰厚尾的特征.并且提出了建议.     

基于EGARCH-Copula的金融市场条件相依分析

文章应用条件copula函数拟合上证指数和深证成指收益率的联合分布。对上证指数和深证成指收益率应用EGARCH-t模型拟合其条件分布,在此基础上根据连续条件分布Sklar定理,采用条件正态copula函数建立两者的联合分布。结果表明,EGARCH-t模型能够很好的描述两指数收益率的特征,正态Copula能够很好的描述沪深股市的相关性信息。     

沪、深两市长期均衡关系的实证研究——来自综合指数和成分指数的比较分析

文章运用计量经济学中的协整理论,对沪、深两市综合指数间及成分指数间的长期均衡关系进行了比较分析.结果表明上证综指与深证综指之间不存在长期均衡关系,上证成指与深证成指之间存在长期均衡关系.     

非线性GARCH模型在中国股市波动预测中的应用研究

股票价格频繁的波动是股票市场最明显的特征之一。股票价格的时间序列经常表现出一个时期的波动明显地大于另一时期的特征。尽管有大量证据表明,短期的金融资产价格及收益率是不可预测的[1];但目前人们普遍认为,使用特定的时间序列技术可成功地预测金融资产收益率的方差。国外学者的研究结果表明,Ｂｏｌｌｅｒｓｌｅｖ提出的广义自回归条件异方差(ＧＡＲＣＨ)模型[2]和Ｅｎｇｌｅ的自回归条件异方差(ＡＲＣＨ)模型[3],在预测金融资产收益率方差方面是最为成功的。文献[4]较全面地综述了ＧＡＲＣＨ模型的应用。简单地讲,ＧＡＲＣＨ模型的建模…     

基于ARCH类模型的基金市场波动性研究

近年来,随着基金产品的广泛推出,基金市场迅猛发展,投资基金的市场收益率也呈现出一定的波动性.本文选取上证基金指数为研究对象,运用ARCH模型族进行实证分析.结果表明,上证基金指数收益率表现出非正态性和条件异方差的特征.GARCH(1,1)模型对上证基金指数的波动具有很好的拟合效果.     

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。