上证指数收益率波动的实证分析——基于ARCH族模型

利用ARCH族模型对上证指数股票收益率进行定量与定性分析,表明上证指数日收益率存在高阶的ARCH效应,条件方差对日收益率有很强的影响,其中EGARCH模型在反映股市波动性方面优于其他模型.     

基于GARCH类模型和BP神经网络的量价关系实证研究

作者以量价关系相关理论为基础,使用EGARCH模型和BP神经网络对中国股市的量价关系进行了实证研究.EGARCH模型的参数估计结果显示加入交易量的模型更优.然后作者得到了上证指数的如下量价关系特征:非预期成交量与股市波动性之间存在较强的正相关关系且我国股市收益率的波动存在明显的"杠杆效应".因而加入交易量的BP模型具有更小的均方误差.     

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。     

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.     

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.     

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。     

人民币汇率收益率厚尾性研究

以2005年7月22日至2015年12月30日的美元兑人民币汇率的每日中间报价作为为研究对象,采用EGARCH模型过滤了收益率序列的非线性特征得到标准化的收益率序列,利用GPD分析方法对标准收益率序列的上下尾部的厚尾性进行了研究.结果表明人民币汇率收益率存在双侧厚尾的风险,且上尾比下尾的尾部风险更大.     

基于EGARCH和Cornish Fisher展开的VaR度量方法

针对度量收益率风险价值VaR时,GARCH模型不能体现正负收益率的非对称效应,研究了基于EGARCH模型和Cornish-Fisher展开度量VaR的一般方法。该方法结合了EGARCH模型和CornishFisher展开,将EGARCH模型的偏度和峰度代入Cornish-Fisher展开中对收益率VaR进行度量。实证分析选取标普500指数日收益率作为样本数据,度量该收益率的风险价值VaR;该收益率具有非对称性,建立了能够体现非对称性的EGARCH(1,1)模型,运用新的VaR的方法与经典的基于极值理论的VaR度量方法,和基于Bootstrap方法的VaR度量方法对收益率VaR进行了度量,在不同的置信水平下比较了3种方法 VaR度量结果失败率的大小;结果显示:新的VaR方法对收益率VaR的度量效果优于其他两种方法,对于具有非对称效应的收益率,可考虑此方法度量收益率的VaR。     

EGARCH(1,1)模型对上证指数与成交金额波动性的实证研究

以2010年3月31日-2014年10月28日的上证指数与其成交金额的日数据为样本,对其进行Granger因果检验,采用ARCH族模型,对上证指数与成交金额的波动关系进行了非线性研究,并对EGARCH(1,1)模型运用于成交金额对上证指数日收益率的影响进行了检验和预测.     

基于GARCH族模型的黄金价格收益率拟合分析及波动性研究

运用GARCH族模型对黄金9999近6年的1 500个收盘价数据进行拟合分析。根据数据的正态性检验、ARCH效应检验以及根据AIC准则对模型进行筛选,发现EGARCH(3,3)模型对黄金现货价格的日对数收益率拟合效果最好。通过模型分析可知我国黄金市场存在非对称性现象,坏消息传来时黄金收益率受到的冲击更大。     

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.     

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.     

香港国企H股与沪深股市股指收益率波动特征及其关系研究

选取香港国企H股指数、上证指数和深圳综指2003年2月26日至2006年5月12日的股票日收盘指数作为样本,运用TARCH模型研究收益率波动的特征.结果表明:三市指数收益率均存在信息不对称效应,但沪、深股市比香港国企H股波动剧烈.运用Johansen多变量协整关系检验及Granger因果关系检验.结果发现,它们之间存在着长期稳定的协整关系.香港国企H股与内地股市关系密切,香港国企H股的变动会对沪、深股市产生影响,而沪、深股市的变动不会对香港国企H股产生影响,同时上海股市的变动也会对深圳股市产生影响,但深圳股市的变动对上海股市影响不大.     

双极模型的优化策略分析

基于交易量与收盘价,设计了一种识别反转点的双极模型.以万科A股票3年的数据对双极模型进行投资模拟,得到在不同参数组合下的每次买卖投资收益,计算出年均收益率,再由EGARCH模型计算出每次投资的日VaR值和总风险,作出不同参数组合下的收益率和风险散点图及有效边界图.结合不同投资者对风险喜好的无差异曲线,得到对应的最优参数组合,从而为不同类型的投资者提供投资策略.     

TARCH-M模型在上证指数波动率的实证分析

本文应用TARCH-M模型,并且引入迭代累计平方和(ICSS)法则对上证指数进行波动时段进行划分,针对不同波动时段分析其上证指数日收益率上涨和下跌对上海股票市场非对称的影响特点.结果表明,上海股市在1997年以前,收益率的上涨比下跌对股市造成的影响更大,即与通常定义的“杠杆效应”相反;而在1997年以后,其“杠杆效应”才显著.此外,收益率和波动性在后两阶段出现明显的正相关关系,说明了投资者正从以前盲目投资逐渐转变为理性投资,上海股市已日趋成为一个成熟的市场.     

基于EGARCH模型的人民币汇率波动性研究

选取2005年7月21日至2010年5月14日间每个交易日的美元/人民币汇率中间价的高频数据作为样本数据,然后对样本数据进行平稳处理和ARCH效应检验,在满足GARCH建模条件下建立EGARCH(1,1)模型,实例检验和分析人民币汇率波动性.结果表明,2005年7月21日以来,人民币汇率收益率序列具有明显的尖峰厚尾特征...     

基于ARMA-EGARCH-M模型的沪深股市波动性分析

文章讨论了ARCH模型族的拟合波动性的优缺点,建立ARMA-EGARCH-M模型,简要说明了此模型的优点;以2000年1月11日-2006年3月15日上证综指和深证成指收盘价为样本,对我国沪深股市收益率分布用ARMA-EGARCH-M模型进行拟合分析,结果表明该模型能更有效地拟合我国沪深股市的波动性;最后解释实证结果和分析了我国股市的行为。     

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。     

上证指数非对称GARCH模型

以上证指数收益率及其波动特征为研究对象,以实证分析为主要方法.运用GARCH-M,EGARCH等模型对上海市场收益率波动进行分析.实证分析结果表明:上海市场存在显著负的杠杆效应,利空消息引起的波动比同等的利好消息引起的波动要大.