上海证券A股市场波动性拟合模型改进研究

研究了将ARMA模型与ARCH族模型相结合,通过建立ARMA-EGARCH-M模型来拟合证券市场波动性,基于大样本数据通过样本期内外模型预测能力检验,得出结论认为针对上海证券A股市场,改进后的波动性拟合模型相较于广泛使用的GARCH(p,q)-M模型具有更好的样本外预测能力.     

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.     

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。     

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。     

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GARCH模型的股票指数收益率波动性分析

我国沪深股市相似的结构和监管环境使得两市的收益率和波动性之间具有相互作用和影响.所以可以运用ARCH模型和GARCH模型,通过研究股票指数的波动,发现我国股票市场上下波动的不一致性,即利空消息比利多消息更加具有影响力;股票市场都存在明显的GARCH-M效应;且发现上海股票市场投资者的风险厌恶程度高于深圳市场投资者;深圳市场的股票波动会影响上海市场的的波动.据此提出了要健全股票市场信息披露制度、加强证券市场化和对投资者进行理性教育的建议.     

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.     

基于GARCH模型的沪深股市分析

利用我国沪深股市2007年7月1日至2010年7月1日的收盘指数,对沪深股市的波动性、收益率及其相关性进行了实证分析研究。研究表明,沪深两市具有明显的GARCH效应,而且两市之间具有联动性。     

基于时间序列模型的股票价格波动特性分析

股票市场的波动率问题一直是现代投资学研究的关键问题,是国家监管机构最关注的风险指标。选取股票交易系统中2015—2016年股票东阿阿胶(000423)日收盘价数据,分别从序列水平特征和波动特性2个角度,运用ARIMA模型和GARCH模型,进行股票的短期预测和波动性拟合。结果显示:ARIMA模型对深交所股票东阿阿胶日收盘价的短期预测值与实际值相对误差小,GARCH模型较好地拟合了股票价格,并估计出了风险区间,能为短期投资者和股票决策者提供参考。     

证券投资基金市场的ARMA-ARCH类模型分析

文章通过分析自回归条件异方差(ARCH)类模型的统计结构,讨论了ARCH模型族的拟合波动性的优缺点,建立了ARMA-ARCH类模型,并用平稳帕雷托分布代替标准正态分布;以中信基金管理有限公司的股票基金与债券基金指数的收盘价为样本,对我国基金市场收益率分布用ARMA-ARCH类模型进行实证分析,解决了方差时变条件下金融波动时间序列建模问题,描述了基金序列的特性。     

金融市场发展的波动性的定量研究与实证分析

近年来,金融市场发展的波动性测度逐渐成为这一领域研究的热点问题,为了准确的描述金融市场发展的变化规律,建立了带有GJR-GARCH波动率的资产定价模型,对金融市场波动率的行为和性态以及波动率的影响因素进进行了定量研究。同时选取国内4家银行的股票价格历史数据作为样本,主要对其对数收益率及波动率进行了计算和分析,对理论结果的合理性进行了验证。结果将作为人们深入了解金融市场及合理投资的重要参考。     

金融危机前后中美金融市场溢出效应研究

采用VAR-GARCH-ECCC模型,选取上证综指、标普500以及美元指数3个市场指数,研究金融危机前后两个时期中美金融市场间收益和波动溢出效应.结果表明,与金融危机前相比,危机后存在显著的均值溢出现象,具体表现为上证综指和标普500之间的双向均值溢出和美元指数对上证综指的单向均值溢出.虽然上证综指和标普500以及美元指数之间的波动溢出效应在危机前后均不显著,但其相关性显著加强.     

股票市场与国债市场的溢出效应研究

为了分析信息在股票市场和国债市场的传导路径,选取沪深300指数和中证国债指数作为研究样本,运用VAR－GARCH－BEKK模型,研究中国股票市场与国债市场均值和波动溢出效应.研究表明,股票市场与国债市场均具有波动聚集性,两市场之间存在双向均值溢出效应,且只存在着股票市场对国债市场的单向波动溢出效应.     

商品金融化背景下我国商品期货市场的溢出效应研究

本研究系统探究了商品金融化背景下中国商品期货市场与传统金融市场间收益率及波动性层面的溢出效应。首先，采用TVP-VAR模型构建溢出指数，全面展现了期货市场与其他金融市场间的静态和动态溢出特征。随后，对溢出指数进行分解，分析了溢出效应的来源。研究结果表明，中国商品期货市场的整体溢出指数较高，且在2008年金融危机、2015年股市异常波动和2020年新冠疫情期间明显上升。溢出指数的上升主要源于期货市场与代表性金融市场间的双向溢出。本研究的边际贡献在于更深入地探讨了商品金融化背景下中国期货市场与金融市场间的溢出效应，描绘了金融市场微观结构的变化趋势，为理解大宗商品市场金融化提供了新的视角。研究结果有助于更全面地了解金融市场间的风险传染机制，协助政策制定者识别潜在的风险隐患，提高监管效能，有效地防范系统性金融风险。同时，本研究还有助于优化金融机构的资产配置决策。     

考虑跳跃和杠杆效应的股市多分形波动率建模

考虑股票市场中存在的跳跃行为和杠杆效应等特征,在HAR模型基础上,构建了一种新的多分形波动率模型.以上证指数和深证成指每5min高频数据为研究样本,运用“模型信度设定”(MCS)检验方法,实证对比了各波动率模型在高波动和低波动两个子样本期对我国股市的预测能力.实证研究结果表明,所提出的多分形波动率测度指标及其计量模型具有较好的预测作用,特别是在高(极端)波动时期其优势更为突出;研究结果有望为金融风险(特别是极端风险)的管理与控制提供新思路与新方法.     

基于二元VAR-GARCH(1,1)-BEKK模型的金融市场与石油市场的溢出效应研究

随着国际、国内金融市场互动的不断增强以及石油市场与金融市场作用的日益密切,石油背后的金融属性对自身价格的主宰也更加明显,国际金融因素更容易通过作用油价的方式影响中国的股票市场。以2002年后油价脱离传统面的波动为契机,运用VAR模型和GARCH-BEKK模型对三大市场的相关关系进行研究。结果表明,国际金融因素与国际石油价格相互作用后单向对中国股票市场产生溢出效应。这为中国在政策层面上采取措施缓冲和避免国际油价波动给中国股票市场带来的不利冲击,维护中国石油价格和经济发展的稳定提供必要的参考和指引。     

GARCH族模型在我国沪市指数上的实证分析

波动性是股票市场的一大显著特征.文章以市场指数本身作为研究对象,选用广泛应用的GARCH族模型来研究上证综指的波动性.在对我国上证综指的波动建模中,主要采用伪最大似然估计,并通过短期与长期的预测绩效评价,确定指数GARCH(EGARCH)为上证综指长期波动的最优预测模型。     

中国股市收益波动的实证研究

采用GARCH类模型，利用上证综合指数对中国股市收益波动进行了实证研究。以前的研究显示中国股市波动存在反向的不对称性或不对称性不显著，并归因于中国股市的高投机性。而本研究的TARCH模型和EGARCH模型的实证结果首次提出了新的不同证据。说明中国股市存在显著的不对称性。对杠杆效应和波动反馈效应在中国股市的作用进行理论分析，认为波动反馈效应更能说明中国股市波动的不对称性。     

考虑红利支付和随机波动的确定缴费型养老金最优投资策略

为研究红利支付和随机波动情形下确定缴费型养老金的最优投资问题,假设:(1)金融市场有2种资产,即无风险资产(银行存款)和风险资产(股票),且养老金计划的基金投资在这2种资产上;(2)风险资产的方差服从Heston模型,且考虑了风险资产(股票)所得的红利收入。通过随机控制原理,在指数效用函数情形下获得DC型养老金最优投资的显式解,从而得出其最优投资策略为:红利率越大,相同的养老金财富水平在股票上的投资比例越大;在一定范围内,通胀波动率的增加使得投资者追加对股票的投资,但当通胀波动率较大时,投资者反而减少对股票的投资。