基于小波的回归-GARCH模型及其在外汇储备中的应用

结合小波变换、多项式回归和GARCH模型对中国的外汇储备进行分析及预测.首先利用db4小波对数据进行去噪处理,并对去噪后的数据建立多项式回归模型.由于去噪后的数据与回归模型之间存在残差,且残差具有自回归条件异方差效应,故对该残差建立GARCH模型.然后将回归模型和GARCH模型进行线性叠加,从而得到基于小波分析的回归-GARCH模型.最后将预测值与实际值进行拟合,发现拟合效果较好.充分证明了小波变换、多项式回归和GARCH模型相结合的方法在处理外汇储备这类具有明显增长趋势的非平稳时间序列时,具有明显的优越性,是一项有用的分析预测工具.     

GARCH模型和SV模型对深圳股市的比较

文章采用GARCH模型和SV模型对深圳股市进行了实证分析;结果表明,基本SV模型较GARCH(1,1)模型能更好地拟合实际金融时间序列数据;从总体上来说,基本SV模型的预测效果优于GARCH(1,1)模型。     

深证成指日收益率波动的实证研究

应用GARCH模型对深证成指日收益率从1991年4月3日到2006年3月12日共3 695个数据进行了拟合,结果表明GARCH模型能够很好地拟合日收益率时间序列,拟合后残差序列的均值、标准差、偏度、峰度、J-B统计量等都有明显改善,同时也发现波动具有明显的持续效应.     

长记忆条件下我国房地产业的风险测量——基于GARCH和FIGARCH模型的动态VaR计算

从股票市场风险管理的角度分析房地产业指数,基于GARCH和FIGARCH模型对房地产业指数日收益率序列进行建模,在此基础上分别计算其VaR的值,并对二者进行比较。实证研究表明:房地产业指数收益率序列的波动具有长记忆性,FIGARCH模型的拟合效果优于GARCH模型;并且基于FIGARCH模型计算的VaR比基于GARCH模型计算的VaR能更有效地度量风险。     

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。     

沪市180指数波动的实证研究

本文将ARCH族模型运用于我国上海股票市场的实证分析,从实证结果中选择适合上证指数收益率序列的模型,我们得出运用GARCH（1,1）-t模型对上证180指数收益率序列进行刻画较为合适．     

基于修正ICSS算法的时间序列方差结构突变研究

运用修正的ICSS算法研究了上证A股的股票资金流强弱指数方差结构性变点,并对上证A股2003年5月22日至2015年5月22日的日交易数据序列进行检测,得到了23个突变点;根据时间序列分析方法,将所得到的变点作为虚拟变量加入GARCH模型中进行模型分析。结果表明:上证A股资金流强弱指数是平稳的非正态时间序列;未加入方差结构性变点的GARCH(1,1)模型,序列波动具有很强的持续性,加入作为虚拟变量的方差结构性变点的GARCH(1,1)模型拟合效果更好,序列波动持续现象显著减弱,结构突变效应已被虚拟变量所捕获。     

基于GARCH模型的上证指数实证分析

在对GARCH模型进行探究的基础上,针对上证指数收益率的波动特征进行GARCH建模,最后通过对所得模型结果的分析得出了我国股市与其他发达国家的股市具有一些共同的地方,即我国的上证指数收益率序列具有显著的异方差特征,且收益率波动的大小与其自身过去的波动大小有非常明显的关系,因此说我国的大盘指数也可以采用GARCH模型来进行拟合和解释。     

沪深300指数期货最优套期保值比率的估计

针对即将推出的沪深300指数期货的套期保值策略,分别采用OLS模型、GARCH模型、ECM-GARCH模型计算最优套期保值率,比较套期保值的绩效,并尝试在计算中将基本的GARCH模型扩展,在GARCH模型族中选择最适合刻画沪深300指数波动特征的模型。结果表明,考虑了现货和期货价格序列协整关系的ECM-GARCH模型能够以更小的成本来避险,对投资者来说,不失为一种较好的选择。     

基于GARCH族模型的我国股市波动性研究

选取1996年12月16日到2015年5月19日期间上证综指和深证成指日收益率数据,建立二变量指标的GARCH模型、TARCH模型和EGARCH模型,对我国股市的波动性进行实证分析.结果发现:EGARCH模型能较好地拟合沪深两市日收益率波动的时间序列,而且我国股市存在显著的非对称性,表现为股票市场上投资者对利好消息的反应小于对同等程度的利空消息的反应.     

基于时变的我国开放式基金选股和择时能力定量分析

金融时间序列数据常常发现有波动聚集的现象即波动随时间变化的现象.选取2003年前发行的15只开放式基金的周数据作为样本,在T-M模型和H-M模型的基础上加入GARCH效应来分析基于时变的我国开放式基金的选股和择时能力,以求对这两种能力更精确的评估.实证结果表明,传统的T-M模型和H-M模型不仅高估了基金经理的选股能力,还高估了基金投资组合的系统风险.因此,为了去除这种高估的偏差,应该在评估基金绩效或基金经理选股、择时能力时在模型中考虑GARCH效应.     

基于MCMC的分位回归GARCH模型的贝叶斯分析

基于最小一乘方法提出了一类分位回归GARCH模型的2步估计方法,并且基于双指数分布和非对称Laplace分布构建了GARCH模型的似然函数,选择扩散先验分布,实现了对模型的贝叶斯估计.仿真分析发现基于最小一乘方法的贝叶斯分位回归方法可以全面有效地实现对GARCH模型的估计.     

SV模型的模拟GMM方法——兼论涨跌停板制度的有效性

采用SV模型的一个简捷高效的估计方法——模拟广义矩估计方法，以上证综合指数为样本，考查了涨跌停板制度对沪市股票收益波动的影响，并将SV模型的实证结果与GARCH模型进行了比较，发现SV模型的估计更符合实际；最后，利用Monte Carlo方法对股票收益序列进行了模拟和分析，进一步证实了这一结论。     

基于EGARCH-ε_t-GPD模型的VaR计算

在传统的利用极值理论来计算VaR的过程中,一般先是对时间序列建立GARCH模型,再对残差序列运用极值理论建模,从而估计得到VaR.但建模时在GARCH模型的条件方差方程中,人们只考虑了以前时刻的随机误差项对方差的影响,而忽视了当前时刻的随机误差项对方差所作出的贡献.故作者在对时间序列建立EGARCH模型时,在方差方程中引进了当前时刻的随机误差项,然后再对残差建立GPD模型来研究风险价值,并进行了相应的实证分析,结果表明加入当前时刻的随机误差项后估计得到的VaR准确性更高.     

基于GARCH族的VaR方法在上证市场中的风险度量

使用上证地产指数的日对数收益率的数据,对其收益率序列进行统计描述,并且建立GARCH族模型。分别在正态分布、T分布和GED分布下总结GARCH参数并计算VAR值,通过实证分析指出序列分布具有尖峰厚尾的特征,上证地产指数的对数价格具有波动率聚集现象,其中利好消息的波动比利空消息更大,上证地产指数存在明显的杠杆效应;T分布下的EGARCH(1,1)模型能够更好地拟合上证地产指数,得出的VAR值准确性较高的结果。     

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.     

基于广义可加模型的波动率估计方法

放宽了传统GARCH模型参数形式的假定,将广义可加模型引入条件方差的估计,改进了[Bhlmann P,McNeil A J.An algorithm for nonparametric GARCH modelling.Computational Statisticsand Data Analysis,2002,40(4):665-683]提出的迭代算法并将其用于可加GARCH模型的估计.通过能够控制真实波动率的数学模拟实验,分别用样本内和样本外估计的方法说明了可加GARCH模型在估计现有参数模型无法刻画的复杂序列波动率时具有更好的估计效果,而与非参数模型相比,可加GARCH模型也有较好的估计效果.通过一个推断波动特征的算例,表明了可加GARCH模型对研究新兴市场股市或者处于金融危机中的股市等存在复杂波动特征的金融市场波动率有着非常现实的意义.     

基于EGARCH模型的商业银行股票波动分析

使用GARCH、EGARCH模型,对中国商业银行类股票波动进行了分析。将其与上证综合指数进行比较,结果表明:中国商业银行类股票波动性高,其收益率序列具有异方差性、波动的持续性和非对称性。     

基于GARCH模型的WTI原油现货市场的风险分析

国际石油市场风险对我国经济的发展具有重大的影响,由于石油风险往往表现为石油价格的频繁波动和难以预测,文章选取美国WTI原油现货市场为分析对象,将原油价格序列分成波动时期和平稳时期,运用GARCH模型来研究收益率在尖峰厚尾分布(t分布、GED分布)下的VaR值,通过实证分析发现不同长度的时间序列对不同时期石油价格风险衡量的精确度具有不同的影响,而且在衡量石油风险方面GED分布下的模型要比t分布模型更优。研究结果为公司和机构投资者提高石油风险管理水平提供了新视角。     

基于ARMA-TS-GARCH有限混合模型的交通数据分析

基于对时间序列数据进行研究时不仅需要对它们的自回归性和周期性进行分析,而且需要对序列的方差与长期性无规则波动进行分析等问题,提出基于ARMA模型和APARCH模型的ARMA-TS-GARCH模型,并且对该模型的构造进行分析,针对洛杉矶长滩地区交通量数据进行模型参数估计和诊断检验,将此模型与GARCH和ARMA-GARCH模型进行比较。研究结果表明:ARMA-TS-GARCH模型对数据的拟合要优于ARMA模型和APARCH模型;用ARMA-TS-GARCH模型对数据集进行预测,所得结果较理想。