沪深300仿真股指期货价格不对称跳跃波动的实证分析

本研究利用2006年10月30日至2009年3月13日期间的仿真的沪深300指数期货每日结算价,探讨了期货价格的不对称跳跃波动行为。在实证研究方法上,本文以Chan和Maheu的GARCH(1,1)-ARJI模型为基础并进行了扩展,以EGARCH(1,1)-CJI和EGARCH(1,1)-ARJI两种模型来刻画股指期货价格的不对称和跳跃波动行为。实证结果显示:(1)沪深300仿真股指期货价格存在不对称跳跃波动,而且跳跃强度不为一固定常数,异常信息所产生的跳跃强度是随着时间变动的。(2)经过似然比检验,结果显示EGARCH(1,1)-ARJI模型比EGARCH(1,1)-CJI模型具有更好的拟合能力。     

GARCH(1,1)模型及其在汇率条件波动预测中的应用

检验人民币/日元汇率与波动的时间序列特征,证实存在简单单位根过程及条件异方差性。计算表明,其汇率变化率的ARMA及ARMA/GARCH组合模型的建模不成立,GARCH、EGARCH、IGARCH模型的建模效果接近,且GARCH(1,1)拟合效果最好。GARCH(1,1)模型的跨度为一年的样本外条件异方差预测,显示出该年末汇率的震荡,与实际情况一致。GARCH(1,1)是汇率数据建娱的首选模型。     

基于GARCH模型族的中国股市波动性预测

收益与风险历来都是投资者与研究者所关注的问题 .本文选取 GA RCH、TGARCH和 EGARCH模型来拟合中国股市的波动性 .实证分析结果表明 ,中国股市的波动具有显著的波动聚类性与持续性 ;由 E-GARCH模型所预测的上证 30指数、上证综合指数和深证成份指数未来一天的波动要明显优于 GARCH和TGARCH模型的对应值 ,而对香港恒生指数 ,三种模型的预测结果无显著的差异 .     

基于真实波动率和高斯估计的随机波动率模型研究

在随机波动率模型中,由于波动率是不可观测,因此相应的参数估计和统计推断比较困难.将应用真实波动率近似估计积分波动率,进一步基于高斯估计方法给出非线性扩散模型的线性估计,而后再给出随机波动率模型精确的极大似然估计方法.最后,采用上证综合指数和深证成份指数对一系列随机波动率模型进行实证的研究.实证结果表明,均方根模型(Heston模型)较好地描述上证综合指数动态行为,而对于深证成份指数的描述在统计意义上没有显著地解释力.     

极端波动、跳跃和尾部风险——基于已实现波动率的股票市场风险动态预测

本文基于跳跃扩散波动理论,利用非参数方法估计波动中跳跃成份,研究我国股市波动中跳跃的动态演变特征,将跳跃作为股市波动的重要因素纳入模型,建立我国股指收益率的非齐次自回归已实现波动率模型,利用条件极值方法对我国股市的波动风险进行动态预测.统计结果表明:在股市大波动时期跳跃发生更为频繁,而且和连续成份相比较,跳跃对股指波动的贡献占据主要地位。和传统的EGARCH模型相比,包含跳跃的已实现波动率模型对股指波动风险预测性能明显优于EGARCH模型风险预测,跳跃对股指波动风险预测具有显著的解释力.对股市历史数据的分析和预测表明,跳跃对于股指日收益率尾部行为具有重要的影响,大跳跃的发生导致尾部风险显著增大。本文研究结果对于政府监管部门监控股市和制定有效的调控措施加强股市风险管理具有重要的参考价值。     

基于非参数GARCH模型的中国股市波动性预测

本文采用上证综合指数和深证成份指数1997年1月2日—2005年6月30日的每日收盘价对数百分收益率为样本,运用非参数GARCH(1,1)模型研究了中国股票市场的波动性,并与参数GARCH(1,1)模型的估计结果进行了比较,最后利用六种预测误差度量指标比较了这两种模型的样本内及样本外预测能力,结果发现,非参数GARCH(1,1)模型对股市波动性的预测精度有明显提高。     

基于半参数EGARCH模型的VaR和CVaR度量与实证研究

本文主要是运用半参数EGARCH模型研究中国股票市场风险.首先,运用半参数EGARCH模型估计波动率.其次,研究中国股票市场风险,即估计VaR和CVaR值.最后,利用半参数EG;ARCH模型对上证指数进行实证分析。结果表明,半参数EGARCH模型比一般的EGARCH模型能更准确地度量中国股市风险。     

基于ARMA-GARCH-SN模型的沪深300股指期货日内波动率研究与预测

运用五个交易日的股指期货高频数据(每秒两笔),本文主要研究了沪深300股指期货日内波动率特征并对日内波动率预测。研究发现高频股指期货日内收益率有明显的波动率聚集和条件异方差现象,但无尖峰厚尾现象,收益率序列分布符合有偏正态分布。因此,我们对时间序列建立了最优的ARMA-GARCH-SN模型,并对模型拟合充分性做了验证,拟合结果发现ARMA(1,2)-GARCH(1,1)-SN模型基本能够刻画股指期货高频日内波动特征,条件方差所受的冲击具有很强的持续性、日内波动也具有长记忆性,最后我们还利用自助法对高频股指期货日内波动率两步预测、利用滚动回归预测方法对样本做了样本内预测。预测结果表明,波动率预测结果能够较好地反映股指期货日内波动特征。     

中国A股市场收益波动的非对称性研究

本文运用ARMA—EGARCH及ARMA-TARCH模型,以1993年1月以来沪深两市的A股指数的日收益为研究样本,检验中国股票市场是否存在波动的非对称性,结果表明:无论是上证还是深证A股市场,收益率波动的非对称性都表现出阶段性特征,股市发展早期,市场表现为反向的非对称性或非对称不明显,随着时间的发展,股市收益的波动则存在非对称性,且表现为杠杆效应。     

中、欧股市非线性分形特征的比较研究

本文利用R/S重标极差法对中国股市(上证综指和深证成指)日收益的非线性分形特征进行实证分析,并与欧洲股市的五个重要股指进行比较,结果表明:中国股市收益波动比欧洲五大市场存在着更强的长程相关性和非周期性循环,沪、深两市的Hurst指数都明显大于0.6,具有一定的非线性分形特征。     

GARCH模型对期铜市场风险的研究

期货市场是一个高风险的市场,因此需要有效地控制并且监管风险。本文以上海期铜市场97年到04年的收盘价格为研究样本,通过拉格朗日检验,发现价格收益率序列服从ARCH过程,在正态、student-t和GED三种分布假设下,估计了GARCH(1,1)模型的参数,结果表明student-t假设下模型的拟和程度较好,然后利用EGARCH(1,1)-M模型检验了上海期铜市场杠杆效应和波动集群效应。最后在两种置信水平下,利用GARCH(1,1)和Risk Metrics方法计算了期铜市场每天的VaR,Kupiec检验表明基于t分布的GARCH(1,1)模型能更准确地反映上海期铜市场的风险。     

一类改进的灰色预测型线性规划

根据基于GM（1，1）模型的预测型线性规划思想方法，建立了中心逼近式GM（1，1）模型，从而给出对灰色预测型线性规划的改进。     

宏观经济信息宣告的股市收益及波动性效应——基于改进的AR(1)-EGARCH(1,1)-M模型的实证检验

基于改进的AR(1)-EGARCH(1,1)-M模型,从收益率和波动性两个方面考察各类宏观信息宣告对股票市场价格行为的影响.结果表明,居民消费价格指数和商品零售价格指数对股票市场的收益有负向影响;国内生产总值、社会消费品零售总额、公开市场操作利率变动率和企业景气指数对股票市场的收益有正向影响;公开市场操作公告会导致股票市场条件收益率显著增加;其余各类宏观信息因素对股票市场收益的波动性并不存在显著影响.     

GM(1,1)模型灰色作用量的优化

通过把GM(1,1)模型中的灰色作用量b改进为动态的b_1+b_2k,从而构建了对灰色作用量优化的GM(1,1)模型.通过实例的验证以及与GM(1,1)模型对比,发现优化的GM(1,1)模型的模拟精度和预测精度均较高.     

GM(1,1)模型参数的神经网络算法

GM(1,1)模型的实质是小样本、贫信息下的预测模型,其目的是得到误差尽可能小的预测值.在分析GM(1,1)模型建模机理的基础上,提出了GM(1,1)模型中参数a,b的一种新算法——神经网络算法.把神经网络中的BP算法应用于GM(1,1)模型的建模过程,实例表明可使预测精度得到提高.     

优化白化方程的GM(1,1)模型

通过对GM(1,1)模型的原始形式的分析,得到与之等价的差分方程,然后把差分方程连续化得到微分方程,并定义为GM(1,1)模型的白化方程,最后通过实例验证了新模型的有效性.     

农业生产中化肥需要量的灰色预测

在分析了ＧＭ（１，１）模型局限性的基础上，推荐使用灰色Ｖｅｒｈｕｌｓｔ模型．在本文中，灰色Ｖｅｒｈｕｌｓｔ模型比ＧＭ（１，１）模型预测精度高，能广泛应用到实际问题中。     

累加生成的改进和GM(1,1,t)灰色模型

根据卷积变换可提高变换序列光滑度的特性和累加生成的机理,对灰色建模中的序列生成方式和GM(1,1)模型加以改进,用线性序列对建模序列作卷积变换,建立带线性时间项的灰色模型GM(1,1,t),实例计算结果表明GM(1,1,t)模型的模拟精度较GM(1,1)模型有较大提高且适用范围更广.