股市波动的周内效应研究

收益与风险共存，以往对股市的周内效应研究仅集中在收益率上，对股市的另一特征波动性的周内效应进行了实证研究。应用无条件波动的修正Levene检验和条件波动的GARCH模型，研究了上证综合指数，结果显示我国股市存在显的星期一高波动现象，利用混合分布模型对此现象进行了解释，周末信息的积累对星期一交易的影响可能是其高波动的原因。     

中国股市交易量的周内效应

研究了中国股市交易量在一周里面的变化规律,采样时间跨度是从1990-12-19到2002-12-31。以市场换手率度量交易量,采用自回归广义自回归条件异方差(AR-GARCH)模型研究了中国股市交易量的时间系列。研究结果显示沪市和深市的日市场换手率不服从正态分布并且存在着自相关性和ARCH效应;AR-GARCH模型很好地拟合了日市场换手率时间系列,估计出来的参数十分显著;周一到周五的日市场换手率存在显著差异并且周一的市场换手率达到了一周的最大值。利用混合分布假说进行了解释,非交易日的信息积累可能是周一高换手率的原因。结果指出:在该研究的样本范围内,中国股市交易量存在着周内效应。     

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.     

基于多元GARCH模型的可转换债券市场与股票市场的波动关系研究

可转换债券作为一种混合型的金融衍生品,已经成为金融市场中重要的组成成分,并且其市场与股票市场之间又是互相影响的,它们的共同发展对金融市场的繁荣和企业竞争力的提高方面起到了积极的推动作用.因此,对可转债市场与股票市场之间关系的实证研究具有一定的理论与现实意义.基于上证指数(000001)与上证转债指数(000139),运用BEKK形式的多元GARCH模型来实证研究可转债市场与股票市场之间的波动关系及其溢出效应.实证结果发现,这两个市场之间有正相关的关系,并且存在双向的波动溢出效应.     

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。     

基于半参数GARCH模型的上证指数实证分析

以上证综合指数2006-01-02-2012-12-31的每日收盘价对数收益率为样本,运用半参数GARCH模型对其波动性进行研究,并与参数GARCH模型进行比较,凸显出了半参数模型的优良性.     

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。     

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。     

GARCH模型的实证研究

本文通过对上证综指收益率序列的实证分析,发现其具有明显的群集聚集性、波动性、尖峰厚尾的特征,并应用GARCH及其扩展模型对该序列进行建模分析,发现GARCH模型可以较好的消除金融时间序列的异方差性,同时发现,GARCH-t的拟合效果更好一些。     

上证综指波动率的估计——基于GARCH（1,1）模型的研究

波动率是测度风险的重要变量,在金融领域中占有至关重要的地位。采用GARCH（1,1）模型研究了上证综指的波动率。研究结果表明GARCH（1,1）模型能够准确地估计1年以上股市的波动率。     

混合GARCH模型下股票市场跳跃形态分析

在跳跃扩散模型下,假定跳跃强度服从门限自回归模型(self-threshold autoregressive model,SETAR)以反映跳跃强度的结构性突变,并使用GARCH模型描述收益率波动扩散形态.以受波动率影响的跳跃强度控制跳跃行为发生概率,并以受跳跃行为影响的GARCH模型控制正常扩散过程,构建了SETARGARCH模型.以上证房地产指数为例,实证研究发现,股指存在门限效应,GARCH效应明显,跳跃突变发生的概率为35.21%.资产收益率总体方差中有较大的部分是由跳跃行为异常所引起.历史波动率直接影响未来跳跃强度预期,历史跳跃行为干扰加剧了当期收益率波动扩散,波动率扩散和跳跃行为具有双向反馈机制.     

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。     

GARCH类模型在我国期货市场预测中的应用研究

理论研究和实证分析是期货市场波动性和价格操纵行为研究的重要基础,GARCH类模型的研究和应用被认为是该领域的重要成果．利用时间序列分析方法,以2009年1月5日至2011年6月10日期货市场每月总成交额为样本,对我国2009年以来期货的总成交额进行实证分析．通过ARCH模型分析、ARCH效应检验和CARCH模型分析,认为TARCH（1,1）模型是适合的,且期货日成交额序列存在一定的波动聚类与持续性而表明存在条件异方差性的较明显、非对称性的存在而显示出的杠杆效应的突出．     

基于GARCH模型的股市流动性风险研究

在GARCH族模型进行简单介绍的基础上,通过对中国上证综合指数及深证成分指数进行了实证分析,利用GARCH族模型对市场流动性风险进行分析,据此得出了相关结论和建议。     

GARCH模型的经验似然估计

以计量经济学中ARCH模型族为背景,对GARCH模型进行讨论和研究。讨论了基于GED分布的β-ARCH模型和GARCH模型的经验极大似然估计的求解方法,得到了相应的平稳模型的大样本性质定理。     

EMD和GARCH模型应用于股票价格预测

将EMD（经验模式分解）方法应用到股票价格趋势的预测中,找出影响股票市场波动的关键因素,旨在提高预测的精确性。通过EMD方法将上证指数日收盘价数据分解为不同频率的数据段,重组为高频序列、低频序列和趋势序列,运用高阶自回归和GARCH模型对分解出来的各序列进行拟合和预测,避免各个分段预测过程中的误差累积,最后对预测数据重组,得到样本外数据的预测序列。结果表明,该模型具有较好的预测效果,能给投资者提供更为合理的股票投资意见,同时为趋势预测研究提供借鉴。     

GARCH模型和ECM模型对沪深两市预测的比较分析

GARCH模型反映了经济变量之间特殊的不确定形式：方差随时间变化,所以在金融市场的预测和决策有着重要的作用。鉴于股票和房地产这两个重要的经济指标,本文选择上海和深圳两地的股票收益率的波动性作为研究对象,建立了GARCH模型及其主要变化形式,结果表明基于T分布的GARCH（1,1）模型更好模拟了实际值。另外,本文还对上海,深圳的股市进行协整分析,建立了相应的误差修正模型并对其预测,预测效果比基于T分布的GARCH（1,1）模型更好。     

股指期货对现货市场日内波动影响的研究

本文使用GARCH及其拓展模型对沪深300股指期货上市前后我国市场的高频数据进行了分析研究,研究发现：股指期货上市后,我国股票现货市场的波动性出现了显著上升,这种上升并不源于现货市场信息效率的提高。研究同时表明,股指期货引入所带来的高时间频率下现货市场的波动上升不仅仅局限于股指期货标的指数,沪深300指数成分股之外的股票波动性也出现了显著上升。研究表明,股指期货并没有提高现货市场的定价效率。