基于EGARCH-VaR模型的沪深股市风险分析研究

根据证券收益的基本特性,对上证指数和深证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模型及EGARCH-M模型.通过计算两种模型在三种分布下的VaR值,对沪深股市风险进行分析.分析结果表明,深圳股市比上海股市有更大的风险,基于GED分布假定下的EGARCH-M模型能更好的反映收益率的风险特性.     

基于GARCH模型的风险价值在现货黄金市场的比较研究

风险价值VaR现广泛运用于金融风险测量中,但基于正态性假设的VaR并不能很好的处理金融变量中的尖峰厚尾性且VaR未能考虑更加重要的尾部风险,CVaR 弥补了VaR方法存在的缺陷.利用基于GARCH模型的CVaR在性质上的优越性,通过现货黄金市场的实证研究,对不同分布下的VaR及CVaR值进行比较,得出新的结论.我们发现基于GED分布GARCH模型的VaR及CVaR值要好于基于正态分布及t分布的VaR及CVaR值.     

广义误差分布下CVaR模型的股市风险研究

以沪深300指数数据为样本,首先利用广义误差分布与正态分布假定下的GARCH模型对我国股票市场收益率波动特征进行定量分析,然后运用CVaR模型对股票市场的风险进行实证研究,并与基于VaR模型的风险测度值进行比较.研究结果表明,广义误差分布假定下的GARCH模型能够更好地反映出我国股票指数收益率尖峰厚尾的特性,而使用CVaR模型则有利于提高金融市场风险测度的准确性.     

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.     

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.     

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。     

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.     

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.     

基于GARCH-CVaR模型的我国股票市场风险分析

条件风险值(CVaR)风险度量方法是风险值(VaR)方法的改进，是一种较之VaR更加客观谨慎的风险度量方法。运用CVaR的动态计算模型——GARCH-CVaR模型，对我国股票市场风险特征进行了分析研究，结果表明：我国股票市场具有显著波动聚集性及持续性，股票市场的CVaR值始终比同期VaR值偏大，尤其在市场剧烈波动即风险较大时．     

基于GED—EGARCH模型的深圳股市风险价值研究

金融时间序列具有分布的厚尾性、波动的集聚性等特点,传统的方法难以准确度量其风险。根据GED分布适合刻画资产收益的厚尾分布和GARCH族模型能动态描述收益率行为的优点,得到基于GED分布的GARCH、EGARCH模型的日VaR的度量方法。利用深证综指数据,计算市场风险的日VaR,并利用Kupiec提出的LR统计量检验法对两模型的风险价值计算结果进行了比较。结果表明基于GED-EGARCH模型的风险价值能更好地刻画深圳股市的市场风险。     

中国企业新加坡上市的基本情况

阐述了中国企业在新加坡上市的利与弊，介绍了中国企业在新加坡上市的基本情况，提出了中国企业在新加坡上市的条件、程序以及途径。     

股票市场内幕信息操纵的实证研究

以截止到2006年底沪深股市发生过的内幕信息操纵的股票为黑色样本,对其市场反应特征进行了分析;并引入了对应的基准样本(白色样本),建立了验证组样本、考察了Logistic模型对识别内幕信息操纵的适用性,确定了Logistic模型在以共线性较强的市场反应指标作为自变量的判别模型中的优越性。     

CAPM模型应用于房地产股票市场的有效性检验

CAPM模型普遍应用于中国房地产行业资本成本估算,投资风险评价和房地产泡沫等研究中。但是目前并没有文献对该模型在中国市场使用是否有效进行检验。本文选择了沪深A股房地产市场的33只股票,对CAPM模型在中国房地产股票市场的有效性进行检验。通过理论和实证研究,得出CAPM模型应用于房地产市场是无效的结论,即在中国房地产股票市场上不能直接应用CAPM模型,而应当根据中国房地产市场的实际条件做出相应的改进。     

封闭式基金交易收益率的ARCH效应分析

以沪市25支封闭式基金的日收益率为研究对象,运用ARCH模型、GARCH模型验证了每支基金的尖峰厚尾现象,分析了每支基金日收益率波动的条件异方差性,并检验了上证A股指数对基金走势的影响程度,结果显示是弱相关的。     

基于多元回归分析的财务危机预警研究

结合国内外有关研究，运用多元逻辑回归分析方法，借助于Logistic分析工具，导入2002年在沪上市的上市公司财务数据，选取两类（ST和非ST）上市公司的37个财务指标为样本，建立了财务危机预警模型，并对所建模型的创新和不足之处进行了探讨．     

利用财务指标预测股票价格及财务风险预警

主要研究上市公司的财务指标和股票价格的关系及如何利用这些指标对财务风险进行预警。首先运 用回归模型对上证180家上市公司财务指标与个股股价进行实证分析,并对样本股票价格进行预测。然后 选择100家ST股票和深沪两市绩优股为样本,再次利用回归模型将对股价有显著影响的财务指标与样本 股出现财务风险的概率进行分析,对样本股财务风险进行预测,并说明此研究的实际应用价值。     

中国股市波动测度实证研究

提出了一种基于非参数波动测度的综合测度方法,该方法以已实现极差波动测度为基础,根据混合抽样模型(MIDAS)的思想,利用多元回归方法将基于高频数据的不同时间尺度的已实现极差波动测度组合成综合测度.通过对中国股票市场综合指数分析,发现利用综合测度方法可以更好描述高频数据的波动行为.     

基于遗传算法神经网络集成股票市场预测研究

神经网络集成技术能有效地提高神经网络的学习能力和泛化能力,已经成为机器学习和神经计算领域的一个研究热点.本文利用不同的神经网络算法产生神经网络集成个体,以误差平方和最小为准则,用遗传算法动态求解集成个体的非负权重系数,进行最优组合集成建模研究,并以此建立股市预测模型.通过上证指数开盘价、收盘价进行实例分析,计算结果表明该方法相对传统的简单平均集成模型,具有预测精度高、稳定性好,易于操作的特点.     

董事会规模的最优化研究

采用回归分析法,以2006年沪深A股上市公司的数据为样本,通过对董事会规模和公司业绩之间关系的实证研究,得出两者存在着倒U型的曲线关系。     

沪深股市的二元风险模型

在风险预测建模中，copula有着非常重要的应用。本文运用copula建立了预测沪深股市风险的二元模型，该模型包括参数估计和对不同copula参数族进行择优的准则与方法。