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。     

基于GARCH模型的股票波动性分析

对于高频金融数据,模型回归后得到残差序列的方差衡量了投资的风险程度,一直以来是人们关注的焦点。通常情况下,残差平方项之间存在一定的正相关性,这就是股票市场波动性的集群现象。本文主要运用GARCH类模型对这种现象进行分析,并选取能够对数据作出最优拟合的模型。     

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.     

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ARCH类模型对沪市波动性的实证研究

在对股票市场的研究中,波动性一直是比较重要的一方面,利用ARCH类模型对上证综指日收益率进行分析,得出上证综指具有集聚性和长期记忆性。     

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。     

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.     

CARCH模型在上证指数收益率分析中的应用

本文运用Engle的ARCH法对上证指数收益率的异方差性进行了详细的分析,得出涨跌幅制制度的实施对收益率的异方差性有明显的影响,序列异方差性与序列长度存在密切的关系.在运用CARCH模型对序列进行拟合时,发现拟合模型的阶数与序列长度也存在一定的关系.     

基于GARCH模型的股票买卖时机分析

通过对股票收盘价格的历史数据进行处理分析,建立GARCH模型,此模型较好的描述股票价格的条件异方差性,同时用此方法对股票价格进行拟合和预测,利用预测数据分析股票较好的买卖时机.     

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.     

对上海股票市场波动性的ARCH研究

在分析上海股市收益波动特征的基础上，利用多种形式的ARCH类模型对上海股市日收益率的波动进行了实证分析，结果表明上海股市具有较为明显的ARCH效应．     

GARCH-neural网络模型对股票价格买卖差波动率的预测

股票价格买卖差是衡量金融市场流动性和有效性的重要指标,已经得到学术界的广泛研究.相比而言,作为衡量股票市场风险的重要因素的股票价格买卖价差的波动率却没有得到相同的重视.在广义自回归条件异方差(generalized autoregressive conditional heteroscedasticity,GARCH)模型的基础上,提出了GARCH-neural network (GARCH-NN)混合模型分析股票价格买卖价差波动率的动态性.以深圳证券交易所成分股价指数的高频数据为样本对所提模型进行了实证分析.运用GARCH家族模型对股票价格买卖差波动率的动态性进行分析,得出预测效果最优的GARCH模型.在最优GARCH模型的基础上结合神经网络分析方法即GARCH-NN混合模型对样本数据进行了实证分析.比较分析最优GARCH模型和GARCH-NN混合模型对股票价格买卖差波动率的预测效果,并以AIC(Akaike information criterion)和BIC(Bayesian information criterion)作为检验模型预测效果的指标.实证结果表明,提出的GARCH-NN混合模型更优.     

沪深两市股票指数的长记忆性

针对中国股票市场的长记忆性问题,讨论了分整自回归移动平均(Auto-regressivefractionalintegratedmovingaverage,ARFIMA(p,d,q))模型中的参数估计问题,重点集中在对分整参数d的估计。使用Hurst指数方法估计d,并分别用经典R/S方法、有偏修正R/S方法和无偏修正R/S方法进行估计,并结合上证指数和深证成指的收益率数据,给出了3种方法的估计结果。实证结果表明,中国股票市场已初步显示出了长记忆性。给出ARFIMA模型的最优阶数和全部参数估计值。得出了上证指数和深证成指收益率所适合的最优的ARFIMA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。     

中国股市波动集簇性和不对称性研究

利用GARCH类模型，以上证综合指数为对象对中国股市波动进行实证研究。新的证据显示中国股市波动的集簇性和不对称性是显的，并在中国股市的背景下对集簇性和不对称性的几种经济解释进行了理论分析。     

中美棉花期货价格波动特征的比较研究

利用GARCH(1,1)模型和EGARCH(1,1)模型分别对中国和美国棉花期货价格的波动特征进行对比分析.结果表明,从总体看郑州和纽约棉花期货市场都具有价格波动剧烈的特点,郑州棉花期货市场收益波动不具有杠杆效应,证明中国的棉花期货市场还不够成熟.     

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。