一族GARCH模型的概率性质

简要回顾了异方差ARCH(GARCH)模型的有关背景,并以此为基础提出了一族广义自回归条件异方差(GARCH)模型hδt-1,然后讨论了这族广义自回归条件异方差(GARCH)模型的严平稳性及遍历性,t=gt-1 ct-1hρ同时给出了该模型存在高阶矩的充分条件,并对这族GARCH模型的一类子模型进行了模拟.     

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。     

信息冲击对聚乙烯期货市场波动的影响

为了更好地刻画聚乙烯期货市场,基于APARCH和ST-GARCH模型,提出一种新的GARCH族模型:ST-APARCH模型。与APARCH模型相比,该模型对信息的处理更加平滑,而且概括了更多的GARCH族模型;与ST-GARCH模型相比,该模型考虑了不同市场收益率波动的次幂特征.使用聚乙烯期货市场的收益数据进行实证研究的结果表明,与GARCH,GJR-GARCH,APARCH模型相比,ST-APARCH模型能够更好地刻画聚乙烯期货市场收益率的波动特征,尤其是信息冲击所引起的复杂的杠杆效应.     

MATLAB在GARCH模型上的应用——基于玉米期货收益率

针对GARCH族模型的复杂多样性,将MATLAB引入GARCH模型,并以反映玉米期货收益率波动的GARCH模型说明了MATLAB的应用。     

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。     

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．     

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。     

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。     

基于分位数回归的人民币兑美元汇率风险测度

针对人民币兑美元汇率风险问题,提出了一种基于分位数回归的风险测度方法;以2015-08-11—2019-09-16人民币兑美元汇率中间价数据为研究样本,运用EGARCH模型和TGARCH模型刻画了外汇收益率序列存在的不对称性、波动集聚性以及尖峰厚尾性特征,并在GARCH族VaR模型的基础上构建了QR-GARCH族VaR模型,最后选择Kupiec失败率检验和动态分位数检验等后测检验方法,比较了两类模型的风险预测精度;结果表明:相对于GARCH族VaR模型,QR-GARCH族VaR模型不仅仅对随机扰动项的假设分布不敏感,并且表现出显著优异的风险预测能力,其中基于t分布的QR-EGARCH VaR模型的预测能力最优,故QR-GARCH族VaR模型在人民币兑美元风险测度问题上更具适用性和稳健性。     

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。     

基于概率理论和AR/GARCH模型的非线性损伤识别

为了解决在不确定因素干扰下的结构非线性损伤识别问题,提出了基于概率理论和自回归/广义自回归条件异方差(AR/GARCH,autoregressive/generalized autoregressive conditional heteroskedasticity)混合模型的非线性损伤识别方法。描述了AR/GARCH模型的组合理论及其相应的组合公式,给出了模型参数估计和定阶方法。利用损伤前后的加速度响应信号构造AR/GARCH模型,并进一步提取出非线性损伤特征因子。采用概率理论和置信区间方法获取相应的损伤存在概率,并建立基于层间刚度的基本概率损伤指标。在此基础上,基于权化技术提出了改进概率损伤指标以提高识别可靠性。数值计算和实验验证结果表明,基于概率理论和AR/GARCH模型的损伤技术可以较好地解决不确定因素干扰下的非线性损伤问题,改进概率指标的识别效果明显优于基本概率指标。     

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.     

深证100指数日收益率波动性的实证研究

实证研究表明,对深证100指数日收益率可以建立GARCH(1,1)模型,但不能建立TARCH模型、EARCH模型、Asymmetric Component ARCH模型,即深证100指数日收益率的杠杆效应不显著.换句话说,深证100指数日收益率波动行为具有ARCH效果,但不具有不对称性以及信息程度偏误等特性.     

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.     

VaR模型及其在上海股市中的应用

资产未来收益率分布是决定VaR计算准确性的主要因素，针对上海证券市场综合指数收益率分布的不同假设，从静态与动态角度给出4种计算VaR的方法．首先通过拟合历史数据，说明上证综合指数收益率服从t4.579分布，然后考虑到收益率波动的时变性，用GARCH（1，1）模型来估计波动率．最后通过Back-test检验，得出GARCH-t4．869是计算VaR的最好的模型．     

基于Copula-GARCH模型的上证股指行业板块相关性研究

基于现代Copula理论,选用上海股票市场各行业板块指数,包括:工业股指数(SHGY)、商业股指数(SHSY)、地产股指数(SHDC).公用事业股指数(GYSY)的组合为研究对象,构建了多元CoPula-GARCH模型.同时考虑到相关参数的动态变化性,选择时变相关SJC-Copula模型较全面地研究各行业板块指数之间的...     

基于Copula函数的证券基金与股价指数的尾部相关性分析

利用Granger因果检验考察上证基金指数及股票指数间的联动特征,发现股票指数是基金指数的Granger成因.分别对基金指数及股票指数的收益率建立时间序列GARCH模型,引入Archimedean Copuh族的函数研究基金与股票收益之间的尾部相关性,研究表明基金指数和股票指数尾部相关性较高,基金市场随股票市场的涨跌而发生变化,且相关性在熊市期间强于牛市期间.     

股指期货套期保值文献综述

阐述了作为重要金融衍生工具的股指期货在国际金融市场上的重要作用,在总结＂天真模型＂、OLS、B-VAR及VECM等静态模型特点的基础上,重点介绍了GARCH模型和MRS动态模型的应用。     

中国股票市场亏损股价格波动的统计分析

亏损股的价格波动是金融理论界和实务界的关注热点之一。将协整模型与ARCH模型和GARCH模型相结合，可探知亏损股板块的价格波动特征；进而采用脉冲响应函数和方差分解法可得知亏损指数波动和市场指数波动的相互冲击效应和相互影响程度。