基于VaR-EGARCH-GED横型的深圳股票市场波动性分析

本文应用模型EGARCH(1,1)-GED和GARCH(1,1)-N计算了深圳股票市场成份指数的日对数回报VaR值.通过后验测试和统计分析表明,对深圳成份指数的波动性分析,模型EGARCH(1,1)-GED优于GARCH(1,1)-N.在此分析结果基础上,文中进一步分析了深圳股票市场的系统性风险并提出了相关结论与政策建议.     

基于随机波动性模型的中国股市波动性估计

采用动态随机波动性模型实证研究了中国股票市场的波动性. 通过基于马尔可夫链蒙 特卡罗(MCMC) 模拟的贝叶斯分析方法,较好地估计了随机波动性模型中的参数与波动性序 列. 基于中国股市数据进行的实证结果表明,与ARCH 类模型相比,随机波动性模型能更好地 描述股票市场回报的异方差和波动性的序列相关性.     

中国股票市场的波动性研究--EGARCH-M模型的应用

将ＧＡＲＣＨ－Ｍ模型和ＥＧＡＲＣＨ模型结合起来,分析了我国股市波动性的特点。实证结果表明,波动性对收益率冲击的反应具有非对称效果,即正冲击所引起的波动要大于同等程度的负冲击所引起的波动,收益率与波动性具有显著正相关关系。     

中国股票市场波动性与交易量关系的实证分析

本文运用GARCH-M模型实证检验了中国股票市场波动性与交易量之间的关系.与其他人的研究结论一致,中国股票市场波动性与交易量存在正相关关系.我们将交易量分解为预期交易量和非预期交易量进行检验表明,非预期交易量对股市波动的解释能力要比预期交易量的解释能力更重要,即中国股票市场的短期波动主要由非预期交易量所隐含的新信息的冲击产生的.另外,中国股票市场符合国际上研究量价关系的混合分布假说(MDH)理论,交易量所替代的信息流是引起股市波动的根源.     

考虑收益率自相关特征的存货质押动态质押率设定

异于收益率弱相关的有效金融市场假说,以现货交易为主的质物市场收益率往往存在显著的自相关.从金融时间序列一般规律出发,分析质物市场收益率序列统计特征,以场外现货交易为主的螺纹钢日数据为例,模型化收益率序列自相关性和异方差性特性,建立尖峰厚尾分布下的AR(1)-GARCH(1,1)-GED模型;提出置于多风险窗口下度量未来质押期内钢材价格风险水平,给出同时考虑收益率自相关性和波动率时变性的长期风险VaR计算解析式,得出与银行风险承受能力相一致的质押率;基于失效率法则建立长期风险的碰撞序列函数,回测多风险窗口下长期VaR值.实证分析和回测显示,与现有其他模型相比,引进系数K值后的模型能显著提高银行风险覆盖率,且能显著降低银行效率损失,为银行提供一种动态质押率风险管理框架,模型确定的多风险窗口质押率与朱来螺纹钢最低价值呈显著正相关.     

我国股票市场的价格波动性分析——基于上证A股指数的ARCH效应研究

本文通过GARCH－阶模型对上证A股指数进行了波动性分析，得出的结论是：引入条件标准差的GARCH-M模型对指数波动的拟合度最好，上证A股指数表现出显著的群集波动，指数具有“长记忆性”，冲击对上证A股指数波动造成的影响时间比较长，政府需要把握好调控力度。     

基于GARCH模型的中小板指数波动性的实证分析

股票市场的波动一直是经济研究人员和投资者关注的焦点。在计量经济学领域,ARCH模型和GARCH模型经常用在金融时间序列分析中,特别是GARCH(1,1)模型在金融分析中得到广泛的应用。本文以中小板指数为研究对象,分别运用ARCH模型、GARCH模型进行初步研究,分析我国股价波动的动态特征。     

基于GARCH族模型的上证综合指数波动性分析

本文选取上证综合指数2005年1月4日—2010年9月30日的日收盘数据为样本,使用GARCH模型族对此时间段内上海股票市场的波动性进行了实证分析。结论表明了杠杆效应的存在,即利空消息对股价波动性的影响要大于利好消息;同时,上海证券市场的波动性具有一定的持久性。     

股票期权对股票市场的波动性分析:基于agent的计算实验金融仿真角度

在SFI-ASM模型的基础上,按照学习速度和风险偏好程度构建了异质agent股票市场模型,引入了随机交易者以及随机交易者信心变量等.交易者的异质化使得股票市场脱离了原先的预期均衡市场的理性状态,市场的波动性变大,收益率的分布也更趋向现实市场.在上述模型的基础上,引入期权交易市场,试验结果表明,期权交易会为股票市场带来更大的波动,不同的期权交易策略和不同类型的投资者对股票市场的影响也明显不同.     

基于幂律型分布的动态VaR模型及实证研究

针对金融资产回报时间序列的尖峰厚尾性和波动集聚性,提出了基于AR(1)-GARCH(1,1)模型与幂律型分布相结合计算VaR的方法。用GARCH模型对时间序列建模刻画波动集聚性,用基于幂律型分布的扩展形式拟合GARCH模型的残差分布尾部,刻画回报时间序列的厚尾特征,二者结合更好地描述回报时序的动态波动现象。对上证综指进行实证分析,结果表明本文提出的方法比基于正态分布的GARCH模型和静态幂律尾法更精确。     

基于混频数据模型的宏观经济对股票市场波动的长期动态影响研究

股票价格时间序列与宏观经济变量时间序列原始数据的不同频直接导致传统计量模型在处理宏观经济波动与股票市场波动的关系问题中产生模型误设和估计偏误。本文运用混频自回归条件异方差模型从水平值和波动率两个维度实证分析生产者价格指数、居民消费价格指数、宏观经济景气指数及同业拆借利率四个宏观经济变量对股票市场波动的长期动态影响。同时,运用主成分分析提取宏观经济第一主成分并构建一个宏观经济综合指数,进一步探究宏观经济总体状况对股票市场波动的长期影响。研究发现:股票市场已实现波动率显著地放大了股票市场的长期波动。生产者价格指数、居民消费价格指数、宏观经济景气指数的水平值和波动率均对股票市场长期波动产生显著影响;且其波动率维度呈现出较强的持续效应;同业拆借利率仅在水平值维度对股票市场波动长期成分产生微弱影响。宏观经济第一主成分和宏观综合指数的波动率对股票市场波动长期成分均具有显著的正向放大作用,但持续效应较弱;而其水平值对股票市场波动长期成分的影响虽然微弱,但持续时间较长。     

基于GJR-GARCH的VaR模型及其在上海证券市场的实证研究

针对风险价值VaR的一般参数方法都是对称的,其在处理非对称时间序列时存在着局限性,本文提出了非对称的VaR计算模型,并以上海证券市场为对象进行了实证研究,结果表明基于非对称的VaR计算模型优于对称的VaR计算模型。     

基于ICA模型的国际股指期货及股票市场对我国股市波动溢出研究

将独立成分分析(ICA)方法引入金融衍生品市场与基础市场之间的波动溢出研究,克服了传统方法解决高维金融时间序列波动问题时的障碍。通过与VECH、BEKK和DCC等传统多元GARCH模型的对比分析,本文所建立的ICA-EGARCH-M模型在解决高维问题时体现出一定的优势。在实证研究中,应用该模型考察了美国、英国、日本和中国香港的股指期货市场及其股票市场对我国股票市场的共同波动溢出。结果表明ICA-EGARCH-M模型不仅验证了波动溢出效应的存在,而且反映出了波动溢出的主要来源,能够较好地解决高维金融时间序列数据的波动溢出问题。     

我国外汇市场与股票市场间波动溢出效应实证研究——基于小波多分辨的多元BEKK-GARCH(1,1)模型分析

汇率机制和股权分置改革加强了我国汇市与股市一体化程度, 近期人民币升值压力不断演化和几大经济危机爆发进一步增强了两个市场间的关联性。本文采用小波多分辨分析与多元BEKK-GARCH(1, 1)模型相结合方式研究了国内汇市与股市之间的波动溢出关系, 实证结果不仅表明两大市场存在显著的波动溢出效应, 还发现在不同交易周期下存在着不同的波动溢出效应, 短期来看股市向汇市有单向传递效应, 随周期变长发展为双向溢出, 其中又以汇市向股市波动溢出效应更为显著, 长期则仅有小幅度溢出效应存在于股市向汇市波动传递过程中。     

基于遗传算法优化的GM（1，1）能源预测模型研究

能源消费预测是制订能源规划的重要组成部分.鉴于能源消费系统的复杂性和非线性的特征,本文结合某省能源消费的历史数据,用灰色系统理论建立了GM(1,1)预测模型,并对其优缺点进行了分析,在此基础上引入遗传算法,对该灰色预测模型参数进行优化,从而获得更为精确的能源预测模型和预测值.实例的预测结果表明,该模型可以作为能源消费预测的有效工具.     

基于驱动因素控制的线性时变参数DLDGM(1,N)模型

针对传统GM(1,N)模型未考虑参数随时间变化的动态特征及未明确驱动因素作用机制的问题,首先引入线性时变参数以及驱动因素控制函数,构建基于驱动因素控制的线性时变参数DLDGM(1,N)模型,论证DGM(1,1)、NDGM(1,1)、TDGM(1,1)、DGM(1,N)、DCDGM(1,N)模型均是该模型在不同参数取值下的特殊形式;然后基于白化信息充分和匮乏的两种情况,给出驱动因素控制参数的识别方法;最后应用所提模型对河南省粮食产量进行预测,验证模型的有效性和实用性。     

基于自忆性原理的多变量MGM(1,m)耦合系统模型构建及应用

针对小样本条件下具有相互制约关系的多变量系统,本文提出了一种新颖的多变量MGM(1,m)自忆性耦合系统模型,用来统一描述系统各变量间关系并且提高其建模精度。该模型通过有机耦合动力系统自忆性原理与传统MGM(1,m)模型,综合了两者各自的优势。系统的自忆性方程包含多个时次初始场而不仅是单个时次初始场,从而克服了传统灰色预测模型对初值比较敏感的弱点。对基坑变形预测的实例研究结果表明,所构建模型能够充分利用系统的多个历史时次资料,可以紧密捕捉系统演化趋势,模拟预测精度显著高于传统多变量MGM(1,m)模型。研究结果表明,新模型丰富和完善了灰色预测理论,值得推广应用于其他类似的多变量系统。     

基于二次插值的GM(1,1)模型预测方法的改进

从理论上分析了GM(1,1)模型中背景值的计算,指出文[11]利用Newton-Cotes公式构造模型背景值的方法是不可靠的,提出用二次插值构造模型中的背景值,同时用最小二乘法对预测公式中的初值进行改进,并用改进的方法进行了短期预测.其理论分析及仿真结果均表明本文所提出的方法有效可靠,为提高预测精度提供了新的途径.     

基于新型核与灰度序列的MGM(1,m,N)模型及其应用

雾霾是空气质量重要评判标准之一,对其进行准确预测能为相关政府部门及时做出正确决策提供理论支持,因此预测雾霾具有实际意义。本文针对区间灰数分布信息已知的序列,构建多个影响因素作用于多个系统行为变量的灰色MGM(1,m,N)模型。首先根据可能度函数计算得到区间灰数的新型核与灰度序列,然后对新型核与灰度序列分别建立MGM(1,m,N)模型以求得模拟值和预测值,最后通过还原得到区间灰数序列的上、下界。为进一步验证该模型的可行性,本文将该模型应用于雾霾相关数据并与基于传统核与灰度序列的MGM(1,m,N)模型进行比较,结果表明本文构建的新模型的模拟预测精度都较传统模型更好。