改进的GARCH-M模型在股市风险分析中的应用

首先对上海和深圳的收益序列进行自相关检验,发现两市均不具有明显的自相关特征.其次对两市收益进行异方差检验,发现它们的异方差特征显著.在前两步基础上提出改进的GARCH-M(1,1)模型进行风险分析,结果表明沪深两市的风险都具有时变、正偏、高峰、波动聚集性和长记忆性等特点;中国股市的收益与风险没有必然联系,投资者还处于不完全理性阶段;风险对市场的正负面消息的反应存在显著差别,负面消息在一定程度上加剧了市场波动.     

改进的GARCH-M模型在股市风险分析中的应用

首先对上海和深圳的收益序列进行自相关检验，发现两市均不具有明显的自相关特征．其次对两市收益进行异方差检验，发现它们的异方差特征显著．在前两步基础上提出改进的GARCH—M（1，1）模型进行风险分析，结果表明：沪深两市的风险都具有时变、正偏、高峰、波动聚集性和长记忆性等特点；中国股市的收益与风险没有必然联系，投资者还处于不完全理性阶段；风险对市场的正负面消息的反应存在显著差别，负面消息在一定程度上加剧了市场波动．     

基于Omega函数的投资基金业绩评估

通过对Willam F.Shadwick和Con Keating提出的Omega函数法的进一步解析,文章选取14只封闭式基金从2006年7月21日到2008年8月8日的周单位净值,采用Omega函数法对各基金分牛市、熊市和盘整市三种市场状态进行业绩评估.Omega函数反映基金的盈亏比,需选定阈值.实证分析中,阈值分别取无风险利率和沪深300的周平均收益.结果表明:Omega函数法下的基金排名对阈值的选择敏感性不大,但不同市场状态下基金的业绩差异显著,因此,投资者在进行基金选择时,应结合当前的市场状态.