上证综合指数波动性的实证分析

以上证综合指数的日收益率为研究对象,建立了基于正态分布的GARcH(1,1)模型,同时考虑到股票收益率受到风险水平的影响,进一步建立GARCH(1,1)-M模型.实证研究结果表明,上证综合指数的收益率具有尖峰厚尾、方差随时间而变化特点与波动集群的现象.在研究样本区间内,GARCH(1,1)模型能较好地拟合上证综合指数收益率的波动性,同时,其期望收益与期望风险存在着正向关系.     

深证100指数日收益率波动性的实证研究

实证研究表明,对深证100指数日收益率可以建立GARCH(1,1)模型,但不能建立TARCH模型、EARCH模型、Asymmetric Component ARCH模型,即深证100指数日收益率的杠杆效应不显著.换句话说,深证100指数日收益率波动行为具有ARCH效果,但不具有不对称性以及信息程度偏误等特性.     

京东小金库收益波动率的GARCH类模型构建

鉴于互联网金融对经济发展起着越来越重要的作用,针对收益波动率的分析已成为当下热点话题,提出基于互联网理财产品收益波动率的研究。首先选取京东小金库(嘉实)七日年化收益率作为研究对象;其次运用ADF检验、自相关性检验等方法仔细分析数据特征,得出收益率具有非平稳性、自相关性、尖峰厚尾、波动集聚性、异方差性等特征;最后基于数据特征分析结果对收益率构建了基于GED分布的TGARCH(1,1)和EGARCH(1,1)模型,通过ARCH效应检验以及模型输出结果,得出上述模型可以很好地拟合数据的结论;分析模型结果发现:京东小金库收益率存在反杠杆效应,即当市场上出现"利好消息"时,收益率波动更明显。     

开放式基金净值波动不对称检验

利用GARCH（1,1）-N、GARCH（1,1）-T、EGARCH-N和EGARCH（1,1）-GED4种模型,结合标准正态分布、学生t分布、广义误差分布3种分布形态,对我国2003年前发行的17支开放式基金净值的波动是否存在不对称进行检验。结果显示,EGARCH（1,1）。N模型和EGARCH（1,1）-GED模型能较好地刻画我国开放式基金净值的波动特点,开放式基金净值收益的波动具有异方差性和不对称性,同时正向与负向期望收益对波动也有影响。     

白糖期货波动特征实证检验

对我国郑州商品交易所白糖期货在2006—2011年收益率序列的波动特征进行了实证检验。研究结果表明:白糖期货的收益率分布均表现出尖峰厚尾特征,GARCH(1,1)模型检验结果发现,其α+β值小于1,但非常接近1,表明都具有很强的波动持续性;EGARCH(1,1)和TGARCH(1,1)模型估计的结果则表明白糖期货表现出正的杠杆效应。     

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。     

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.     

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。     

基于灰色马尔科夫模型的工程成本预测

针对随机波动较大的工程成本预测问题,通过研究过去几年中国一建筑公司承建同类工程的相关数据,建立了灰色GM（1,1）模型,并采用马尔科夫模型分析优化数据.实例分析结果表明,灰色马尔科夫模型用于工程成本的预测结果与实际情况较为一致,说明本研究建立的预测模型合理可靠,具有一定的实用性.     

中美棉花期货价格波动特征的比较研究

利用GARCH（1,1）模型和EGARCH（1,1）模型分别对中国和美国棉花期货价格的波动特征进行对比分析。结果表明,从总体看郑州和纽约棉花期货市场都具有价格波动剧烈的特点,郑州棉花期货市场收益波动不具有杠杆效应,证明中国的棉花期货市场还不够成熟。     

基于Attention机制的LSTM股价预测模型

针对时间序列分析方法和神经网络对于股价预测具有一定局限性的问题,将基于Attention机制的LSTM模型应用于股价预测;以2014-01-02—2020-09-22日的上证工业指数、上证环保指数等相关数据为样本,在LSTM模型中引入Attention机制,使模型聚焦于重要的股价特征信息,预测股票第二日的最高价;实证研...     

中外几大股票市场差异的分形研

运用了分形理论中的R／S分析法对中国的三大股市（上证,深证和香港的恒生指数）以及欧美的三大股市（道琼斯、纳斯达克以及标普500指数）的近10年（2002～2011）的股票指数作了差别研究．我国股市的月对数收益率的Hurst指数为0．74左右;而国外的则在0．77左右．国内三大股市的平均循环周期在600d左右,而国外三大股市在1150d左右．道琼斯指数对上证指数价格变化影响较大;恒生指数对深证指数的价格波动影响要比上证指数的价格波动影响大．中外股指均具有比正态分布更高的峰度,且在最初的一到两个周期内,数据呈现右偏尖峰后尾的分布特征,之后则呈现左偏尖峰后尾的分布特征．而国外股指的数据分布更接近于正态分布．本研究对股市研究者了解和借鉴近年来国外股市行情有着一定的指导意义．     

中石油在上海、香港和纽约的股票价格的相关性分析

利用协整理论和以VAR模型为基础的VECM模型,对中石油A股、H股和中石油美股之间的波动相关性进行实证研究。研究的结果表明：1）三地的股票价格之间存在协整关系,即长期均衡关系;2）中石油A股的价格波动主要受其自身的影响,H股和美股价格的影响较为有限;3）中石油美股价格在中石油股票的价格发现中起主导作用。     

利率、股票指数、货币供应量与房地产价格关系的实证研究

利用计量经济学方法,选取利率、股票指数和货币供应量三个变量建立向量误差修正（VEC）模型,并通过脉冲响应函数与方差分解的方法研究各变量对房地产价格的动态影响及其效果。结果表明：当期房地产销售价格指数FPI、货币供应量M2、上证A股综合指数SZHA、金融机构1–3年贷款基准利率R都对滞后期房地产销售价格有持续影响,且不同时间段影响方向不同;随着时间的推移,房地产销售价格指数和上证A股综合指数对房地产销售价格波动解释的贡献率较大,远超出货币供应量和金融机构1–3年贷款基准利率对房地产销售价格波动解释的贡献度。     

有限注意下大幅涨跌股票的短期收益实证研究

基于有限注意视角对股票价格大幅上涨或下跌后的短期收益做了实证研究。根据相关条件筛选得出沪深两市739家上市公司为样本,首先计算出总的累计异常收益,检验其显著性后,采用公司规模和换手率作为解释变量,以股票异常收益为被解释变量,进行基于每日交易数据的回归分析。结果发现换手率和公司规模都对股票异常收益有正的影响。对总的累计异常收益的稳健性检验,进一步证明有限注意的股市操作策略是有效的;无论是股票价格大幅上涨还是下跌,有限注意对累计异常收益的影响是显著的。     

用ARCH模型研究中国股市的波动特征

中国股市的波动特征是学者们和投资者关注的一个重要领域,与国外成熟的证券市场相比,中国股票市场作为新兴市场,具有其特有的性质,如更高的不可预测性和复杂性,股票价格更大的波动幅度和频率.研究中国股市的波动特征就具有重要的理论价值和现实价值.投资者在选股过程中需要理解中国股市随时间变化的波动情形,而ARCH模型族正是研究股市波动随时间变化的工具.以上证综合指数为对象,采用GARCH类模型对中国股市波动情况进行实证研究,为股市收益的尖峰厚尾特点、波动的集簇性、时变性提供了实证证据,并对实证结果作了一些初步的探讨.     

GP分布模型与股票收益率分析

讨论了GP分布模型的某些性质,利用此模型对上证指数、深证指数和2家公司股票价格的收益率进行分析,给出股票指数和价格极值波动程度的量化指标和风险值(VaR)的估计值。     

我国上市公司风险收益关系的统计分析

选取以2006—2007年为分析期的98家A股上市公司的股票为研究对象,这些上市公司是截至1996年有较长交易历史的上市公司,并且引入资本资产定价模型（CAPM）,利用上证A股指数作为市场综合指数,通过回归分析方法对我国股市的风险收益进行统计分析。研究分析结果表明：沪市系统风险与收益率存在一定的正相关关系,但不是线性关系。     

变点对状态空间模型预测的影响分析

利用变点理论对上证指数进行了分析,得到了全涨全跌股指的变点个数及其所处位置．根据上证指数变点个数的不同,分别对三个不同时段的上证指数建立状态空间模型,通过比较预测结果,得出变点越少的状态空间模型,其预测精度越高的结论．最后在没有变点的情况下比较了ARIMA、自回归与状态空间模型的预测结果,说明了状态空间模型具有更好的预测效果．     

基于ARIMA模型对上证指数的预测

股票价格涉及很多不确定因素,且各个因素之间的相关关系错综复杂, 因此要从理论上彻底弄清楚股市的变化机理十分困难.然而股市是一个运动的、特殊的系统, 它必然存在着规律.以上证综合指数为例,利用EVIEWS软件对其股票价格建立ARIMA模型,提出了股票价格序列的一步向前静态预测方法,用于股票价格序列的建模及股价短期预测,希望为企业和投资者在进行相关决策时提供有益的参考.