利用遗传算法对上证综指EGAROH模型的实证分析

比较了改进的遗传算法和BHHH算法对EGARCH模型的估计效果．结果显示，改进的遗传算法优于BH—HH算法．然后分别用在正态分布、t分布和广义误差分布（GED分布）假设下的EGARCH模型对上证综指进行实证分析．分析结果表明，EGARCH模独在厚尾分布假设下对序列的拟合效果比在正态分布假设下的效果好．上证综指收益率序列具有明显的杠杆效应．     

股票收益率预测及风险与收益关系研究——基于ARMA-GARCH模型和高频数据

以沪深300指数的一分钟为间隔的实时价格为研究样本,利用ARMA模型和基于T分布的GARCH(1,1)模型,对其收益率进行了拟合和预测,同时运用GARCH-M模型,分析风险和收益之间的关系。研究表明,股指波动存在条件异方差性;ARMA模型长期预测效果较好,而GARCH(1,1)-T模型短期预测效果较好;沪深300指数的风险和收益不呈正比,说明我国股市发展不成熟。     

基于ARMA-GARCH模型的上证指数实证分析

研究上证指数收益率过程。本文以2004年9月30日至2011年9月30日期间的上证指数收盘价为基础,验证序列的相关性、稳定性及异方差性,建立ARMA-GARCH模型进行实证分析和预测,分别在误差服从正态分布、t分布、GED分布条件下比较拟合和预测效果,得到t分布的ARMA-GARCH模型最优,表明其更适合上证指数收益率的研究。     

基于GARCH类模型的中国股市收益率分析

自二十世纪八十年代以来, 金融时间序列的波动群聚性,尖峰厚尾性和长记忆性特征的研究已经成为众多研究的论题, 是当今金融风险管理的核心. GARCH类模型是波动群聚性建模中常用的模型. 作者在简要介绍金融时间序列波动性的GARCH模型的基础上, 运用MATLAB软件包编程, 利用FIGARCH模型、NAGARCH模型和EGARCH模型对中国股市波动特征进行建模, 并比较了正态分布、Studentt分布、GED分布和偏t分布等四种不同分布特征的FIGARCH、NAGARCH和EGARCH模型对中国股市波动特征的拟合.实证结果表明, 偏t分布更适合我国股市波动特征的描述, FIGARCH模型在拟合效果方面要优于其他模型.     

基于EGARCH-CVaR的我国股市风险分析

根据我国股票市场收益的基本特征,对上证180指数收益率序列分别构建基于正态分布、t分布和GED分布的EGARCH模型。通过计算三种不同分布下的CVaR值,对股市风险进行分析。并将EGARCH模型的CVaR值与GARCH模型的CVaR值进行比较。结果表明,基于广义误差分布的EGARCH模型(EGARCH-GED)能更好地刻画我国股市的市场风险。     

基于不同分布假设的GARCH模型对上证指数风险值预测能力的比较研究

采用GARCH模型对上海股票市场的潜在风险进行了度量．通过对三种不同分布（Normal，Student-t，GED）进行返回检验，可看出GED分布能更好地刻画上证指数的尖峰厚尾特征，从而也能更准确地预测沪市的风险值．     

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.     

利用遗传算法对上证综指EGARCH模型的实证分析

比较了改进的遗传算法和BHHH算法对EGARCH模型的估计效果.结果显示,改进的遗传算法优于BH-HH算法.然后分别用在正态分布t、分布和广义误差分布(GED分布)假设下的EGARCH模型对上证综指进行实证分析.分析结果表明,EGARCH模型在厚尾分布假设下对序列的拟合效果比在正态分布假设下的效果好.上证综指收益率序列具有明显的杠杆效应.     

我国外汇储备汇率风险测度

选取2015年3月18日至2016年7月8日的美元/人民币日频汇率数据作为样本,建立了基于正态分布、t分布、GED分布的GARCH(1,1)模型来研究汇率的波动性,并计算出风险价值(VaR值),结果显示,在置信水平分别为0.99,0.95,0.9的条件下,基于t分布、GED分布的GARCH(1,1)模型的VaR值大于基于正态分布的GARCH(1,1)模型的VaR值,使其有效地估计风险具有现实意义。     

ARMA模型的实证应用

本文使用Eviews软件对1880—1985年全球气表平均温度改变值序列拟合,得出了一个ARMA模型,并使用此模型对1880—1985年全球气表平均温度改变值序列进行了预测,预测效果理想。     

基于VAR-GARCH模型我国外汇风险分析

通过对美元收益率R序列的特征分析发现,序列存在非正态性、尖峰厚尾、非对称性、异方差性的特征。分别基于正态分布、T分布、GED分布和偏态T分布的GARCH类模型对R序列进行实证分析。经过VAR方法的风险度量可知,基于T分布的GARCH-M模型对多头美元市场的风险度量最为准确。     

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。     

基于Matlab的股票市场收益率波动分析实验

针对金融风暴背景下的股票市场价格的波动特性,应用数学分析、经济统计与计量知识,对中国上海、深圳股票综合指数2007~2009年的数据进行实验分析,并利用Matlab金融分析工具箱以及广义自回归异方差模型编程建模,实现对股票市场收益率的分析和预测。结果表明,股票市场收益率序列的波动有显著的异方差性。     

基于ARMA-GARCH模型的风险价值与条件风险价值计算

基于ARMA-GARCH模型,给出风险价值VaR、条件风险价值CVaR的计算公式,分别在标准正态分布、student＇T分布、Skewed-T分布、广义误差分布条件下对模型进行数值模拟,并用上证A股、大同煤业股票相关数据拟合模型来进行实证分析.结果表明,利用ARMA-GARCH模型给出的计算公式能够准确地估计VaR值与CVaR值,并且随着给定概率水平p的减少,VaR与CVaR的值增大,对于给定同一概率水平的CVaR值比VaR值大,CVaR比VaR更能体现风险度量的大小.     

具有GJR-GARCH误差项时序的ADF单位根检验

在有限样本情况下，随机模拟了具有GJR-GARCH误差项时间序列的ADF单位根检验，分析了样本容量、扰动项高阶矩的存在性、肥尾和杠杆效应对临界值的影响．结果显示，条件分布为广义误差分布和t分布时，只可以直接使用zt统计量的Fuller的临界值表．     

上证综指收益率波动性的非线性方法研究

以上证综指日收盘价为样本建立了对上证综指收益率波动性的非线性模型.实证结果表明我国上海股市的价格波动具有异方差性及显著的左尖峰厚尾的特征;收益率的波动不服从正态分布;具有集聚性和记忆性;波动持续时间较长.通过分析比较GARCH模型拟合效果较好,并预测结果有一定的稳定性.同时对收益率建立了EGARCH（1,1）和TARCH（1,1）模型,表明收益率波动存在一定的杠杆效应.     

随机单位根过程

讨论了误差形式是广义误差分布的随机单位根过程的估计和检验问题.在误差为广义误差分布时对随机单位根过程进行了估计,并利用近似极大似然估计方法构造了相应的检验统计量,同时还得到了统计量在混合相依条件下的极限分布.     

基于偏态分布的风险度量计算

金融时间序列具有尖峰厚尾性,同时在股市中又存在着杠杆效应.对股票指数收盘价格的对数收益率序列建立ARMA-APARCH模型,在对数收益率序列分别满足Skewed-t分布和Skewed-GED的假设下,给出了在险价值及期望损失的计算方法.对t分布与Skewed-t分布、GED与Skewed-GED分别进行对比性实证分析,结果表明,在两个偏态分布假设下计算得到的期望损失估计结果更为保守,更能够捕捉到股市的尾部风险.