双因子SV利率波动模型的Bayes估计

运用多元SV模型描述利率的波动性建立双因子SV利率波动模型,运用Bayes估计方法对模型进行参数估计,对短期利率的预测发现SV模型能很好地描述利率的波动性,且运用Bayes方法能得到较好的结果。     

银行间债券市场回购利率的波动性分析

引入了状态转移TGARCH模型(称为SW-TGARCH模型),并对我国银行间债券市场回购利率进行分析.与ARCH类模型相比,SW-TGARCH模型能够更好地描述其波动性,并解决了GARCH模型高持续性及状态转移问题.实证分析表明,造成我国银行间债券市场回购利率波动性状态转移的最主要原因是政策因素.     

GARCH模型分析股票市场的波动性

本文全面比较了描述波动率的各种模型以检验各种模型设定在改善模型表现、降低模型误差方面的作用并运用GARCH族模型对深证成指收益率的波动性进行研究,分析了我国股市波动性的特点。通过比较发现对于深市股指收益率的波动性,EGARCH（1,1）模型能很好的拟合。同时还对股指收益率的波动性进行了预测分析。     

我国货币市场国债回购利率预测模型研究

选择国债回购利率为研究对象,分别建立了ARIMA及GARCH模型并比较了这两种模型的预测能力。结论表明:使用传统的ARIMA模型,模型ARIMA(0,1,1)配适得较好,如使用GARCH模型,以模型GARCH(2,3)适配效果较好。此外,虽然GARCH模型的预测置信区间的波动性比ARIMA模型要小,但ARIMA模型的预测置信区间要更小一些因此预测能力比GARCH模型更强。     

基于时间序列模型的股票价格波动特性分析

股票市场的波动率问题一直是现代投资学研究的关键问题,是国家监管机构最关注的风险指标。选取股票交易系统中2015—2016年股票东阿阿胶(000423)日收盘价数据,分别从序列水平特征和波动特性2个角度,运用ARIMA模型和GARCH模型,进行股票的短期预测和波动性拟合。结果显示:ARIMA模型对深交所股票东阿阿胶日收盘价的短期预测值与实际值相对误差小,GARCH模型较好地拟合了股票价格,并估计出了风险区间,能为短期投资者和股票决策者提供参考。     

基于半参数GARCH模型的上证指数实证分析

以上证综合指数2006-01-02-2012-12-31的每日收盘价对数收益率为样本,运用半参数GARCH模型对其波动性进行研究,并与参数GARCH模型进行比较,凸显出了半参数模型的优良性.     

GARCH族模型在我国沪市指数上的实证分析

波动性是股票市场的一大显著特征.文章以市场指数本身作为研究对象,选用广泛应用的GARCH族模型来研究上证综指的波动性.在对我国上证综指的波动建模中,主要采用伪最大似然估计,并通过短期与长期的预测绩效评价,确定指数GARCH(EGARCH)为上证综指长期波动的最优预测模型。     

后危机时代中国股市波动性解析:基于GARCH模型族研究

波动性是衡量股市风险和稳定的重要指标之一,对股市的健康发展具有重要影响。文章以上证指数为研究标的,利用GARCH族模型对股市的波动性进行了比较研究。结果表明,后危机时代,中国股市收益率波动确实存在非对称现象,EGARCH模型比TGARCH模型更能适合刻画中国股市的特征,但GARCH模型族存在伪持续,尚待改进。     

VaR-GARCH模型在我国股指期货风险管理中的应用

国内外预测股指期货合约的市场风险基本以VaR风险评估为主流,计算VaR的核心与关键是估计波动性参数.由于金融资产价格涨跌率时间序列具有波动聚集效应、厚尾效应及时变方差效应,故采用对波动性估计具有精度、准确度和可信度较高的GARCH模型.基于这一点,构建了VaR-GARCH模型,并以恒生股指期货指数做了实证分析,结果表明VaR-GARCH模型可以很好地控制和预测香港恒生指数的股指期货风险.     

基于厚尾分布下Realized GARCH模型的中国股票市场波动研究

金融模型的正确选择是估计收益序列的分布和波动率至关重要的一步.本文采用误差项服从正态分布、t分布、偏t分布、NIG分布的Realized GARCH模型,拟合上证综指的收益率分布和波动率,并与误差项服从正态分布、t分布、偏t分布、NIG分布的GARCH模型进行对比,证明厚尾分布下的Realized GARCH模型能够更为精确地描述中国股市的波动性.     

对于预测上海股市股指波动性的数量模型的比较

目前对于随时间而变化的波动性预测模型主要有两类:一类是假设波动性的变化是一个确定性过程的GARCH模型,另一类是假设波动性的变化是一个随机性过程的随机波动模型.本文同时将这两类模型(GARCH(1,1)模型及其特例RiskMetrics模型,随机波动模型)应用于上海股市中,通过对样本外区间的预测准确度来衡量这两类模型对我国股市波动性的预测能力.通过4个预测准确度指标,MS模型对于上证指数在样本外区间的预测相对于另外两个模型而言都是显著最佳的.RiskMetrics模型的表现则要优于GARCH(1,1),且RiskMetrics在实际运用中要方便的多.     

GARCH模型和SV模型的应用比较研究——以上证指数的波动性为例

文章以上证综指2007年2月27日至2008年5月14日共293个交易日的收盘价数据为研究对象,通过构造样本外波动性预测能力指标,分析比较了GARCH类模型和SV类模型在国内市场上的适用性。文章首先估计GARCH类模型和SV类模型的参数,其中SV模型参数的估计采用最新的马尔可夫链蒙特卡罗方法（MCMC方法）,并由WINBUGS软件加以实现。然后通过构造样本外预测能力指标对GARCH类模型和SV类模型的样本外预测效果进行比较,得出在国内市场SV类模型的拟合和预测效果要好于GARCH类模型。     

基于两重门限GARCH模型的短期负荷预测

针对负荷时间序列的非线性和波动性特征,在研究负荷时间序列波动性门限特征的基础上,引入冲量门限的概念,提出了一种基于两重门限GARCH模型的短期负荷预测新方法.利用条件极大似然估计方法,估计了模型参数.同时,考虑到负荷时间序列波动的厚尾效应,将模型推广为服从非高斯分布假设下的情形,建立了2种基于厚尾假设的两重门限GARC...     

深市股指波动性的实证研究

运用GARCH类模型对我国深市的两个股指日收益率的波动性进行研究,主要回答了中国股票市场是否存在GARCH效应,对于所选的两个股指的波动率,最适合的GARCH模型是什么2个问题。计算结果显示,对深证综指日收益率的波动而言,EGARCH-M(1,1)模型的拟合效果较好,而GARCH-M(1,1)则能较好地拟合深证成指日收益率的波动。同时,还对这两个股指日收益率的波动率进行了预测。     

上海证券交易所Ａ股市场的波动性分析

运用主要的三种条件异方差模型：ARCH、GARCH、EGARCH模型，对上海证券交易所A股指数的波动性进行拟合，分析模型对上证A股指数收益的波动性、杠杆效应的拟合情况，比较不 同模型对未来波动性的预测情况。实证分析结果表明：EGARCH模型比较适合对我国股票市场 波动性作长期预测，若假设收益序列服从t分布，由此改进的EGARCH-T模型会得到比正态分 布下更好的拟合与预测效果。     

交易量与股价波动性动态关系的研究

交易量与股价变化的关系是金融市场研究的重要课题之一.VGARCH模型是在传统的GARCH模型中加入交易量得到的衍生模型.通过对上证指数波动性预测的实证分析得出:VGARCH模型能更准确地预测股票指数的波动性.进一步指出,相比于交易量,其波动率能更好地度量每日信息到达量.     

EGARCH模型在同业拆借利率预测中的应用

中国银行间同业拆借利率(CHIBOR)是我国货币市场上最早市场化的利率.选择隔夜拆借利率为研究对象并选择GARCH族模型对其进行建模,发现EGARCH(1,3)模型拟合效果最好,并进行了短期预测且取得了理想的短期预测效果,从而确定了适合我国同业拆借市场的利率预测模型.该研究结果不仅可以帮助金融机构对金融产品合理定价,防范风险,也可以帮助央行准确估计CHIBOR走势,达到既定货币政策目标.     

利率期限结构CKLS的参数估计

文章运用马尔可夫链蒙特卡洛方法对利率期限结构CKLS模型参数进行估计,并利用我国近10年的国债回购利率进行实证分析,实证结果表明CKLS模型能很好反映我国国债回购利率的变化,是一个适合我国利率市场的利率期限结构模型。     

基于GARCH类模型的VAR方法对上证股市的分析

中国的股票市场的收益率具有厚尾性和杠杆效应,可以选用GARCH类模型来反映。本文运用了基于GED分布下的GARCH类模型的VAR方法在两种均值方程下对上海股票市场的风险进行了分析。分析的结果表明两种均值方程下的估计的结果相差不大,通过返回检验两个方程均能较好刻画实际的风险,有一定的参考意义。     

沪深股市的波动性分析——基于t分布下GARCH和SV模型的比较

构建基于N分布和t分布下的GARCH(1,1)和SV模型,并通过实证分析探讨了上证指数和深证成指收益序列的波动性.分析结果表明,GARCH(1,1)类模型和SV类模型能较好地拟合沪深股市收益率的波动,并指出我国股市存在较强的波动持续性;而基于t分布的各模型能有效地刻画股市的厚尾性;此外,通过计算VaR值,说明深市比沪市的风险更大,且SV类模型能更准确地反映收益率的风险特性.