中国股票市场的ARCH效应研究

一、引言 金融时间序列往往具有时变方差的特征，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。为了刻画时间序列的这一特征， Ｅｎｇｌｅ于１９８２年提出了自回归条件异方差（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。ＧＡＲＣＨ模型的本质特征是随机误差项的条件方差服从ＡＲＭＡ过程。设｛ｙｔ｝为一定平稳时间序列，ＧＡＲＣＨ（ｐ，ｑ）模型可表述为： 其中，Φ（Ｌ）为滞后算子Ｌ的多项式，特征方程Φ（２）＝０的根全位于单位圆外。ｖｔ为方差等于 …     

中国股票市场有效性实证研究

本文使用AR-GARCH-M模型,通过考察股票价格波动是否具有可预测性来检验市场的弱式有效性. 一、模型设定 对市场有效性的早期研究都假设股票收益的方差在不同时期保持不变,但是大量的实证研究表明这一假设不甚合理,不能客观地对金融市场随时间变化的特性进行准确的描述.金融时间序列的一个显著特点是条件异方差性.Engle(1982)提出自回归条件异方差(ARCH)模型,Bollerslev(1986)将其推广到广义ARCH模型(GARCH).这些模型假定收益的误差项服从条件期望为零,条件方差为以前若干期收益误差平方和的条件正态分布,其性质与金融市场的波动聚集性(Cluster)、收益序列的尖峰、厚尾以及非线性等特征相吻合.因此,为了研究中国股票市场的弱式有效性问题,我们用GARCH(1,1)类模型来模拟股市收益率,用模型残差项的条件方差描述股市的波动性.     

GARCH族模型参数估计的EXCEL实现

一、引言Engle(1982)提出的自回归条件异方差性模型(即ARCH模型),将方差和条件方差区分开来,并让条件方差作为过去误差的函数而变化,从而为解决异方差问题提供了新的途径。由于其对现代金融计量经济学发展的重要影响,Engle也因此项学术成就而获得2003年诺贝尔经济学奖。1986年,Bollerslev在ARCH模型的基础上提出了广义自回归条件异方差(GARCH)模型。此后,许多学者在GARCH(ARCH)模型的结构下,又发展出一系列新的模型,统称为GARCH族模型。     

ARCH模型在预测股价变动中的应用

自回归条件异方差(ARCH)模型是由RobertEngle最早提出的,之后各国学者对ARCH模型进行各个方面的完善和扩展,出现了如GARCH、EARCH,ARCH-M等改进后的模型,ARCH类模型因其良好的统计特性和对波动现象的准确描述,被广泛地应用于对经济类时间序列数据,诸如利率、外汇汇率、通货膨胀     

股票价格预测的GARCH模型

1G A R CH预测模型的建立本文的G ARCH模型建立过程依赖于SAS/ETS软件的A UTOR EG过程(自回归过程)。AUTOREG过程用于估计和预测误差项自相关或异方差的时间序列数据的线性回归模型。自回归误差模型被用来校正相关系数和广义自回归条件异方差模型,并且其变形被用于异方差性的建     

上证指数收益率的特征及其波动性分析

股票价格的频繁波动是股票市场最明显的特征之一。ARCH类模型可以很好地预测金融资产收益率的方差。通过对上证指数的统计分析表明,上证指数的收益率分布表现出非正态性,并存在自回归条件异方差的特征。利用ARCH类模型对上证指数的波动进行了拟合,结果表明GARCH(1,1)模型对上证指数波动具有较好的拟合效果。     

股票价格预测的最优选择模型

文章首先介绍了我国学者对股票价格指数的研究现状,并阐述了时间序列分析中两种常见的模型:自回归移动平均(ARIMA)模型和条件异方差(ARCH)模型。然后分别对上证指数近八年的346个有效收益数据进行建模,并对未来三个月的收盘价进行预测。结果表明,ARCH模型的整体预测效果优于ARIMA模型。     

我国房屋销售价格指数AR模型的预测分析

随着房地产业经历了兴起-暴涨和理性回归之后,我国的房价将会何去何从一直为众多学者和决策者所关注.文章使用AR(1)形式的自回归模型结合自回归条件异方差模型对我国83个月度数据进行多模型实证,最终选择指数ARCH模型进行研究,并进行了信息冲击曲线和成分时间序列的绘制,最后对未来房价指数进行了预测.     

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…     

基于平均移动自回归理论的中国进出口贸易实证研究

文章通过对中国国际贸易进口和出口的数据分析,应用自回归滑动平均模型和条件异方差理论,对国际贸易进口的差分数据构建了6月份及8月份的自回归平均移动模型和,并应用进口增长率自回归平均移动-条件异方差模型对国际贸易出口增长率进行了波动率和变化率的拟合估计.根据所拟合的模型,发现在8月份拟合的自回归平均移动-条件异方差模型下的国际贸易进口差分数据更接近实际的国际贸易差分数据,并且国际贸易进口增长率差分对出口增长率差分的波动率具有正向的作用.中国国际贸易进口具有滞后的时间效应,并且中国国际贸易进口差分波动率对出口差分有正向的溢出效应.     

汇率波动非对称效应的计量检验-基于非对称ARCH类模型

本文利用非对称ARCH类模型对1994年1月1日至2007年8月24日的人民币／美元的日汇率序列的波动特性进行了计量检验，检验结果表明在此期间汇率序列的波动存在显著的条件异方差性和波动过程的非对称性，利空消息引起的汇率波动大于利好消息引起的汇率波动。     

区域板块股票波动风险的概率相关与Volatility差异

一、前言 度量股票收益率波动风险,常见有Markowtz投资群组合选择理论的样本方差;Sharpe的资本资产定价模型的β-系数;J.P.Morgen概率模型的风险价值(Value-at-Risk);Engle自回归条件异方差ARCH类模型.在以往的研究中,对中国股市行业板块研究的见多,对区域板块,特别是对区域板块的波动风险研究较少.上市公司的区域板块是区域经济现代化的一种表征,虽然不能刻画出该区域经济的整体面貌,但是,区域整体股价的波动性,在显示区域股价风险同时,直接关联区域经济平稳快速增长.     

TGARCH模型在利率波动建模中的应用

波动率是利率期限结构模型的重要因素。本文从对利率的波动进行建模,进而对利率的波动进行预测的角度出发,在考虑利率波动的异方差性质,以及利率对正的信息和负的信息的不同的波动模式的基础上,用门限广义自回归条件异方差模型(TGARCH)对CKLS模型中的波动部分进行建模。     

上证综指杠杆效应与非对称ARCH模型选择

文章对上证综合指数的异方差进行了分析,发现呈现显著的"聚集"现象,说明存在ARCH效应:通过非对称ARCH模型族拟合对比分析,非对称CARCH模型能更有效捕捉我国股票市场的暂时的非对称效应,且负面信息冲击比正面信息冲击带来的波动更大;同时该模型中的长期波动率表明,波动率收敛于稳态的速度更快.     

上证指数收益特征实证分析

在资本市场上,许多金融时间序列在一个时间段波动较大,在另一个时间段波动又较小,波动随时间变化.这种"波动群集"等非古典现象,表明序列不仅存在自相关,也违背传统的经济计量方法所要求的同方差条件,因此利用传统的回归模型对这类时间序列进行分析往往会产生严重的不良后果.     

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.     

我国实际产出扰动过程的条件异方差分析

文章使用具有描述非对称性传导机制的自回归条件异方差模型对我国实际产出的动态扰动过程进行了实证分析。研究结果显示:E-GARCH和T-GARCH等非对称条件异方差模型对数据的拟合优度要优于GARCH等对称条件异方差模型,这与Shigeyuki Hamori(2000)关于美国、英国和日本的实际GDP扰动过程具有对称特征的结论有所不同,上述实证结论说明在我国经济周期波动过程中,不仅经济增长率水平存在非对称性,而且波动性程度也存在非对称性。     

上海股市的时间序列模型研究

现实经济生活中的股市行情是一个随时间推移而变化的过程,投资者要想在瞬息万变的证券投资市场上获得有限投资的最大利润,就必须对股市进行时间序列分析,建立适当的数学模型,然后根据数学模型预测证券变化趋势.本文介绍了时间序列分析的两种常见的模型:自回归移动平均模型和条件异方差模型,并把它们结合,对上证综指近五年的1122个有效收益数据进行建模,并对未来几天的收盘价作预测,比较得出模型的优劣性.     

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。     

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.