银行间债券市场回购利率的ARCH/GARCH模型及其波动性分析

使用ARCH/GARCH模型对我国银行间债券市场三个月回购利率进行了分析,发现其波动性能够用不对称性GARCH模型得到很好的描述.同时,这种不对称性不同于股票收益率中的不对称性,即利率在向上变动的过程中其波动性反而较大.     

期货市场价格波动与市场弱有效性的检验与分析

通过对中国期货市场铜和铝两种金属期货品种收益率的分布与波动性进行实证分析，论证其时间序列存在ARCH效应；运用GARCH模型对两种期货品种进行了拟合分析和统计检验，结果表明这两个期货品种的波动性均具有很高的持续性，但上海铝期货的波动性相比于上海铜，其波动性受各种外部冲击的影响较大；通过GARCH(1，1)的市场有效性检验，论证中国金属期货市场尚未达到弱式有效，市场风险较大。     

具有结构转换的GARCH模型及其在中国股市中的应用

引入具有结构转换(switching regime)的GARCH模型(简称SW—GARCH)，并利用上海股市收益进行实证研究，通过与GARCH模型下的结果相对比，表明SW—GARCH大大提高了对市场波动性的预测能力，为股价波动的变结构建模问题提出了一个新方法，从而解决GARCH及其他异方差模型的结构变化问题。     

股指期权推出对股票市场和股指期货市场波动性影响

对于证券市场来说期权具有价格发现、活跃股票市场、增强市场的流动性与稳定性、促进资本形成、确保资本市场良性运行等功能.以韩国KOSPI200指数和KOSPI200指数期货为研究对象,使用GARCH(1,1)模型、TARCH(1,1)模型对韩国KOSPI200股指期权推出后KOSPI200指数和KOSPI200指数期货的波动性进行了研究.研究结果表明:KOSPI200指数期权推出对于KOSPI200指数和KOSPI200指数期货的波动性和非对称波动性都有显著的影响,KOSPI200指数推出后KOSPI200指数和KOSPI200指数期货的波动增大,同时股指期权推出后现货市场的不对称性加大,而股指期货市场的不对称性减小.结论对于新兴市场经济国家股指期权产品的设计和中国股指期权推出后的风险防范有着重要的参考价值.     

股指期权推出对股票市场和股指期货市场波动性影响:以KOSPI200股指期权为例

股指期权是以股票指数为标的期权类衍生产品,对于证券市场来说期权具有价格发现、活跃股票市场、增强市场的流动性与稳定性、促进资本形成、确保资本市场良性运行等功能,以韩国KOSPI200指数和KOSPI200指数期货为研究对象,使用GARCH(1,1)模型、TARCH(1,1)模型对韩国KOSPI200股指期权推出后KOSPI200指数和KOSPI200指数期货的波动性进行了研究,研究结果表明:KOSPI200指数期权推出对于KOSPI200指数和KOSPI200指数期货的波动性和非对称波动性都有显著的影响,KOSPI200指数推出后KOSPI200指数和KOSPI200指数期货的波动增大,同时股指期权推出后现货市场的不对称性加大,而股指期货市场的不对称性减小.结论对于新兴市场经济国家股指期权产品的设计和中国股指期权推出后的风险防范有着重要的参考价值.     

关于利率对不同规模上市公司影响的讨论

根据ARCH－GARCH模型理论，利用GARCH模型及其各种推广形式研究了当前中国货币市场银行间同行业拆借利率对不同规模和上市公司的日平均收益率的影响，发现当前货币市场银行间同业拆借利率的波动对证券市场上不同规模的上市公司的日平均收益率产生不同的影响。对此现象在本文中给出了一些合理的经济解释和政策建议。     

预测沪深股市市场波动性

研究目的在于:首先,检验和对比三种GARCH模型对于我国上海、深圳股市波动性的预测能力.其次,使用非对称的预测指标以体现对于预测误差高低的不同个体需求.在对于4个对称型的预测常规指标中,TGARCH对于2个市场波动的预测结果都是最佳的,而EGARCH的预测结果也要好于GARCH(1,1).这表明我国上海与深圳市场受坏消息的负面影响大于同等程度好消息的正面影响,而运用单边非对称的GARCH模型将更利于提高波动性预测的准确性.在非对称预测指标方面,研究认为EGARCH模型对于那些更愿意低估市场波动性的投资者而言较为有利,而GARCH(1,1)模型则相应满足了希望高估市场波动性的投资者的需求.这也表明投资者应根据自己的需要来选择相应的波动性预测模型.     

机构投资者对中国股市波动性影响的实证研究

以中国股票市场上的上证指数与深证成份指数的日收益率为样本，采用GARCH与EGARCH模型，来研究机构投资者对中国股票市场波动性的影响。实证研究的结果发现，在大力发展机构投资者后，股指收益率波动性数值减小。波动的平稳性增强，波动的杠杆效应减弱，这表明机构投资者能够有效地降低股市的波动性。     

基于贝叶斯原理的随机波动率模型分析及其应用

基于贝叶斯原理,对随机波动性模型进行研究,并将随机波动率模型应用股市风险价值VaR的估计与预测.针对中国股市数据进行的实证结果表明,与GARCH模型相比,随机波动率模型能更好地描述股票市场回报的异方差和波动率的序列相关性;基于随机波动率的VaR较GARCH模型的VaR具有更高的精度.     

ARCH模型与SV模型之间的关系研究

讨论了在金融时间序列中广泛应用的两类波动性模型，即自回归条件异方差(ARCH)模型和随机波动(SV)模型的关系问题。通过随机微分方程研究了GARCH模型和SV模型的相互联系并得到结论：一个离散的EGARCH(1，1)模型在弱GARCH过程的条件下与一个离散的SV模型是一一对应的。在此基础上进一步讨论了EGARCH(1，1)模型和SV模型的单位根问题，结果表明，两类模型的单位根存在对应的关系，即二者的持续性能够通过随机报分方程的形式来传递，这一性质表明了二者之间存在本质的联系。     

中国股票市场的股票收益与波动关系研究

检验中国证券交易四类股票收益与波动的时间序列特征，以及收益与波动之间的关系。首先应用广义自回归条件异方差模型（GARCH）和指数GARCH模型以获得合适的条件方差序列。应用结果发现，波动性随时间变化的证据，并且波动高／低的时期趋向于聚集，显示出高度持续性和可预测性。然后，应用均值GARCH（GARCH－M）模型检验预期收益与预期风险的关系。研究结果认为，每日交易量作为每日信息到达时刻的代理变量对于中国股票市场每日收益的条件波动的解释力度不显著。     

SV和GARCH模型拟合优度比较的似然比检验

讨论了在金融时间序列中广泛应用的两类波动性模型，即ARCH模型和SV模型的比较问题．从似然比原理出发，提出了一种基于随机模拟的似然比检验方法，阐明了利用该方法进行模型间比较的基本步骤，并利用基于随机模拟方法的似然比检验，分别比较了SV与GARCH(1，1)、SV与t-GARCH对上海股市数据拟合优度，结果表明：SV模型对于上海股市时间序列数据的拟合好于GARCH(1，1)模型，而SV模型上海股市时间序列数据的拟合与t-GARCH(1，1)模型效果相当。     

机构投资者、股权分置改革与股市波动性——基于MCMC估计的t分布误差MS-GARCH模型

从2003年开始, 中国机构投资者占股市流通市值中的比例迅速增长. 论文以这段时期上证指数的日收益率序列为研究对象, 改进了最新的t分布误差MS-GARCH模型, 运用马尔科夫链蒙特卡罗模拟(MCMC)对该模型进行了估计, 为研究股权分置改革、机构投资者对股市收益率波动的影响提供了新的证据. 研究发现, 股权分置改革使股市波动性发生了结构性改变, 股市由低波动风险期转换为高波动风险期; 各类基金的总净值和仓位给股市波动性带来的影响有显著差异, 存款准备金率和利率的调整也会影响股市波动性. 最后, MS-GARCH模型对股市数据的拟合度和预测效率等都优于单状态GARCH模型.     

ARMA-GARCH模型及VaR方法在我国银行间同业拆借市场中的应用研究

对我国银行间同业拆借市场利率建立不同分布假设下的12种ARMA-GARCH模型,并用VaR模型度量同业拆借市场的利率风险,得出结论:通过选择适当的滞后阶数,12种不同分布假设下的ARMA(m,n)-GARCH(p,q)模型均可以有效地刻画同业拆借利率序列的动态特性,且同业拆借利率的变化与其前两期的变化有较大关系;我国银行间同业拆借利率序列存在显著的反杠杆效应:利率向上变动时的波动性要大于利率向下变动时的波动性;t分布不适合描述同业拆借利率序列的尾部特征,正态分布和GED分布能较好地描述同业拆借利率序列的右尾特征,但不适合描述其左尾特征.     

扩展SV模型及其在深圳股票市场的应用

在金融风险的研究中很重要的一个领域就是量测金融风险的波动性。本文所研究的这种波动性指的是资产收益的方差随时间不断变化，这在讲师经济学中称之为异方差问题。许多高频的金融时间序列都具有异方差现象。对于波动性的量测（即异方差的量测），主要有两种模型方法：其一是ARCH模型族的量测方法，它包括Engle的ARCH模型（1982）、Bollerslev的GARCH模型（1986）以及在此基础上提出的其他扩展模型；另外一种方法就是SV(Stochastic Volatility）模型。本文提出扩展的SV模型及其参数估计方法和波动估计方法，并进行蒙特卡罗试验，最后利用扩展SV模型对深圳股票市场的波动性进行了实证研究，说明扩展SV模型比标准SV模型描述金融波动性的优越性。     

SHIBOR市场风险溢价动态特性的机制转换

针对上海银行间同业拆放利率(SHIBOR)动态特性中存在的机制转换及波动聚集现象,分别将机制转换和广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity,GARCH)效应引入CIR模型,构建了带机制转换的CIR模型(RSCIR)以及带机制转换和GARCH效应的CIR模型(RSCIR-GARCH),并基于SHIBOR利率数据对CIR模型、RSCIR模型及RSCIR-GARCH模型进行对比分析,发现机制转换和GARCH设定的引入大幅提高了模型的数据拟合优度,并消除了利率波动中的ARCH效应.基于RSClR-GARCH模型对SHIBOR市场的风险溢价动态特性进行研究,发现SHIBOR市场利率波动显著存在高利率高波动以及低利率低波动两个机制,相应的风险溢价的动态特性也发生了机制转换.     

基于偏t分布的Shibor隔夜拆借利率影响因素分析

由于隔夜拆借利率更能有效反映货币市场短期资金供求关系,本文通过建立Garch模型分析影响Shibor隔夜拆借利率波动性的各种因素,发现新股发行对其影响显著远大于存款准备金制度;随着央行不断提高法定存款准备金率,准备金制度对波动性的影响有增强趋势.这一结论可以为央行把握存款准备金制度改革进程,准确估计Shibor隔夜利率的走势提供参考;也有利于央行更好地制定金融市场政策,实现货币政策既定目标.     

基于ACD模型的中国期货市场波动性

通过用久期来调整收益率, 把非等距数据等距化, 构建ACD-GARCH模型来反映高频波动特征.并添加微观结构变量, 构建了ACD-GARCH-M模型, 用以分析久期、交易量与收益率和波动率的关系.结果表明: 较长的久期是由于信息缺乏所致, 久期对收益率的影响不显著, 但久期和价格的波动性负相关.交易量和价格的波动性正相关.在加入了微观解释变量的ACD-GARCH-M模型中, GARCH效应大大减弱了, 说明ACD-GARCH-M模型能较好地反映高频波动聚集性的本质, 久期、交易量是产生波动聚集的原因.     

基于状态转移ARCH模型的中国股市波动性研究

通过引入波动性状态转移的ARCH(SWARCH)模型对中国股票市场的波动性进行了研究．SWARCH模型较传统的ARCH类模型显著地提高了股票市场波动性的描述与预测能力．实证结果表明，促使中国股市低波动性状态向高波动性状态转移的主要原因是股市的政策因素，这与因为实体经济基础的变化而促使美国股市波动性状态转移有着本质的区别．     

权证收益率波动的度量:基于GARCH和SV模型的比较

分别采用GARCH模型和SV模型对权证收益率波动进行比较研究,发现这两类模型均能较好地拟合权证收益率的波动,但SV模型比GARCH模型更能捕捉权证收益率的波动信息。在权证总持续期间,通过SV模型计算的V aR值比GARCH模型更加准确;而在权证发行上市时期及最后交易日期间,通过GARCH模型计算的V aR值比SV模型更加准确。