多元GARCH 建模及其在中国股市分析中的应用

简要回顾了一元ARCH类模型的发展过程,介绍了多元GARCH类模型的四种形式.针对传统基于梯度信息的多元GARCH模型估计方法的不足,提出了基于遗传算法的似然估计方法,并利用中国股市数据进行了实证研究.结果说明中国股市存在着波动的持续性和显著的二元GARCH效应,并且沪、深股市不存在协同持续性.     

多元GARCH 建模及其在中国股市分析中的应用

简要回顾了一元ARCH 类模型的发展过程,介绍了多元GARCH 类模型的四种形式. 针对 传统基于梯度信息的多元GARCH 模型估计方法的不足,提出了基于遗传算法的似然估计方 法,并利用中国股市数据进行了实证研究. 结果说明中国股市存在着波动的持续性和显著的二 元GARCH 效应,并且沪、深股市不存在协同持续性.     

存在方差持续性的资本资产定价模型分析

自回归条件异方差(ARCH) 类模型突破了传统计量经济分析的同方差假定,对现代资本 资产定价理论产生了深远的影响. 随着对时变方差研究的深入,方差持续性也日益受到人们的 重视. 文章首先介绍了条件均值、条件方差以及在自回归条件异方差的基础上介绍了方差持续 性的有关概念和性质,并将之用于资本资产定价模型的研究,讨论了条件方差持续性对资本资 产定价模型的影响,并且进一步讨论了在多资产条件下向量GARCH 模型持续性对组合投资 的影响.     

我国上海股票市场GARCH效应实证研究

本文简略的介绍了三种GARCH 模型思想, 并用所介绍的模型对我国上海股票市场的GARCH 效应进行了实证研究。结果表明我国上海股票市场收益率序列的波动具有显著的异方差性,股价波动存在集群性和持续性,可以用GARCH类模型进行拟合。     

中国铜期货市场最优套期保值比率估计——基于马尔科夫区制转移GARCH模型

在套期保值的研究中,GARCH模型被普遍使用。但是近来许多实证研究证明了GARCH模型存在一定的缺陷,即波动率的高持续性,这影响了对于资产价格序列描述的准确性,在套期保值策略的制定时就需要考虑到波动率对状态的依赖性。因此,本文将区制转移应用到套期保值模型构建中,将MRS模型与GARCH模型相结合,建立了MRS-DCC模型,以期消除GARCH模型带来的波动率的高持续性,并用于估算铜期货市场的套期保值比率。同时,本文创新性地运用极差收益率作为标的收益率来估计套期保值比率,不仅提高了模型对资产价格日内波动的捕捉效果,而且日内价格波动的准确预测使得套期保值者规避了期货市场价格突然变化带来的强行平仓风险。本文在理论上详细解释了MRS模型与DCC-GARCH模型结合的方法,并使用中国铜期货2007年10月15日至2010年10月15日的数据进行实证分析对比,从样本内和样本外两个方面证明了马尔科夫区制转移模型以及极差收益率的引入能够提高套期保值比率估算的准确性,从而提高套期保值绩效。本文为状态依赖套期保值策略制定,以及资产价格波动风险的度量提供了参考。     

基于MRS-GARCH的钢铁期货市场VaR风险测度

针对中国钢铁期货市场波动率具有结构突变特征,使用MRS-GARCH模型对其波动率建模,并通过马尔科夫蒙特卡罗方法(MCMC方法)对模型参数进行估计,进而对钢铁期货市场进行VaR风险测度。结果表明:基于MCMC估计方法 MRS-GARCH模型能够准确地刻画出钢铁期货市场波动率;MRS(3)-GARCH模型下VaR方法能够有效地测度钢铁期货市场风险。     

基于混合分布的中国股票波动风险因素的识别与分析

论文用GARCH模型描述股票的波动特性，应用混合分布对中国上市公司按照股票波动特性进行分组，发现中国上市公司的波动特性可以被分为4个子总体。其中，子总体1主要包含表现异常的公司股票，其他三个子总体的参数向量的相关性相似，风险大小不同。应用列联表法分析和多元logistic模型统计分析发现，非国有股权分散公司、制造业公司相对偏向低风险公司，社会服务业、房地产公司相对偏向高风险公司，制造业的公司（股票）波动的持续性相对较低。混合分布是对股票特性进行分组的良好工具。     

金融市场高维波动率的扩展广义正交GARCH模型与参数估计方法研究

本文对Van der Weide(2002)的广义正交GARCH模型进行扩展,提出反映金融资产收益波动性特征,具有"杠杆效应"的广义正交GARCH模型。由于这种扩展的广义正交GARCH模型在高维数据中面临参数估计困难,本文从交互信息理论视角研究模型的参数估计问题,在理论上证明基于交互信息最小化的多元GARCH模型参数估计与基于极大似然函数参数估计的联系和区别,并在提出的扩展广义正交GARCH模型框架下,采用不同的统计技术实现基于交互信息最小化的参数估计方法,避免了传统极大似然函数估计需要事先正确指定标准化残差概率密度函数和高维运算困难,计算效率较高,使多元GARCH模型在高维数据中可以应用。最后,根据全球主要金融市场的15种股票指数数据,通过实证研究对建立的扩展广义正交GARCH模型及其参数估计方法有效性进行评价与检验。实证研究表明了本文提出的扩展广义正交GARCH模型与参数估计方法的优势。     

嵌入GARCH波动率估计的B1ack-Litterman投资组合模型

在B1ack-Litterman投资组合模型中,为了更有效地估计风险资产的期望收益和波动率,引入了投资者的主观观点,这种处理确实能提高均值-方差投资组合模型的性能。但是在实践中,如何度量投资者观点成了另一个难题。为了克服这一困难,我们将GARCH波动率估计嵌入到B1ack-Litterman模型中,通过使用GARCH模型的预测能力来替代投资者主观观点,从而获得一个新的投资决策模型。作为应用,分别考虑了国内外真实市场数据测试情形,通过实证结果发现,嵌入了GARCH波动率估计后,Black-Litterman模型的性能可进一步得到很好提高,样本外平均收益率、波动率和夏普比等指标,均要好于一些传统模型。     

基于价格极差的金融波动率建模： 理论与实证分析

经典的波动率模型(GARCH等)是收益率为基础的模型,利用的是收盘价信息,忽略了价格波动的日内信息,这将导致信息与效率的损失.为了弥补这一缺陷并获得满意的波动率预测效果,本文引入并扩展了基于价格极差的自回归波动率模型.实证研究表明新模型能够有效刻画波动率的动态变化规律,其预测效果一致性地优于经典的GARCH模型.同时,我们的研究还证实了在波动率模型中加入收益率的滞后项能够提高模型的解释能力,并且存在明显的"杠杆效应".