自回归条件异方差模型在我国沪市的应用研究

应用自回归条件异方差(ARCH)模型对上海股市2000年—2004年4月上证指数收益率进行建模分析;实证结果反映上证指数收益率具有明显的群集聚集性、波动性、尖峰厚尾的特征,并且ARCH模型的预测能力较强.     

机制转换条件下股市收益率跳跃行为研究:基于RS-ARJI模型的以中国股市为例的实证分析

为检验股市收益率机制转换特性,考察机制转换条件下股市收益率的跳跃特征,以及在不同机制下跳跃行为对股市收益率的冲击效应,将Markov机制转换思想引入自回归跳跃(ARJI)模型,构建一个机制转换自回归跳跃(RS-ARM)模型.基于该模型对中国股市进行实证研究,结果表明:股市存在高、低波动两种机制,高波动时期的跳跃幅度和强度及其对股市收益率的冲击均大于低波动时期.同时,波动率估计和预测评价指标显示,RS-ARJI模型优于目前被广泛使用的GARCH模型和ARJI模型.     

双限制Tobit自回归GARCH模型和价格限制下股票日收益率模型估计

本文提出了一个在价格限制即涨跌停板制度存在的情况下，股票日收益率可能遵循的时间序列模型一双限制Tobit自回归GARCH模型，建立了此模型的最大似然估计法(MLE)，用Monte Carlo实验研究了最大似然估计量性质．作为此模型应用，我们对一个上海股市的股票日收益率模型参数进行了估计。     

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。     

稀疏VAR在股票收益率研究的应用

向量自回归模型(VAR)广泛应用在对时间相依的多元时间序列建模中,但在高维数据建模中,自回归的系数膨胀可能导致噪音估计、不稳定的预测、解释上的困难等问题。在实际应用中,序列的真实模型往往具有稀疏性,因此运用稀疏VAR模型对高维时间序列进行建模,不仅可以解决高维数据带来的上述困难,也有利于寻找高维数据内在的真实模型。本文以10家公司的股票收益率为研究对象,采用3种不同的稀疏估计方法,不但分析了股票收益率之间的动态关系,而且通过实证分析展示了稀疏估计的优势。     

贝叶斯向量自回归分析方法及其应用

由于经济环境的多变,使得经济预测面临数据量少的建模难题,贝叶斯方法对小样本数据建模问题具有明显优势。本文在共轭条件似然函数"矩阵正态-Wishart分布"意义下,首先讨论了向量自回归模型的贝叶斯分析方法,得到了模型参数的后验分布与一步预测分布。其次,给出了分量方程的对应结果,说明了模型阶数的推断方法。最后,列出了计算步骤,并作为应用,对上海房地产价格指数数据进行预测建模,取得了较好效果。     

GARCH模型在股票市场风险计量中的应用

本文以上证综指的日收益率为研究对象,运用GARCH模型簇分析上海股市日收益率波动的条件异方差性,计算每天的V aR值.实证研究表明,GARCH模型的V aR计算方法对我国股市风险的管理有较好的效果.     

上海股市收益率序列簇生特征局部线性平滑分析

本文从分析上海股票市场收益率序列的基本特征入手,重点利用非参数方法分析收益率序列波动性的簇生特征.首先通过一系列描述指标说明股市收益率序列具有的基本特点,利用非参数方法估计收益率序列的密度函数.进一步利用非参数回归分析的方法,分析股票市场的波动性,说明股市收益率序列的簇生特征是一个一般规律,在防范股市风险的时候应该注意到这一特点.     

基于高斯过程函数型回归模型的日最高气温研究

极端天气是目前社会热点问题.利用高斯过程函数型回归对北京,上海等10个城市近年来夏季日最高气温进行整体建模.选取城市地理位置信息作为均值函数解释变量,时间和降雨信息作为高斯过程协方差结构解释变量,充分利用模型能够同时捕捉均值和协方差结构的优势,解决多地区日最高气温的整体建模和同步预测问题.研究表明,高斯过程函数型回归模型在随机预测,外延预测,k步预测,以及对于训练数据集以外城市的预测均有较好的效果,且优于一般的函数型数据模型.     

基于EGB2分布族的GAS-EGARCH模型与VaR预测

GARCH族模型是刻画资产收益率的常用工具,在风险度量领域具有广泛应用。为了更有效地描述收益率的偏斜厚尾等特征,越来越多学者对GARCH族模型的条件分布形式进行了研究。但是仅对GARCH模型条件分布进行修正是不够的,还需要对模型本身的函数形式进行修正。基于得分函数的时变参数建模思想近年来受到广泛关注,本文借助这一思想对EGARCH模型中对数标准差进行时变波动建模,并利用EGB2分布族作为模型的条件分布,进而建立GAS-EGARCH-EGB2模型。以我国10只中证行业指数为研究对象考察GAS-EGARCH-EGB2模型的风险预测效果,GAS-EGARCH-EGB2模型样本外VaR预测表现普遍优于ACM-EGARCH-EGB2模型。     

上证指数的预测分析

本文根据上海股市2005年6月到2009年8月的上证指数数据,通过建立数学模型的方法,对上海股票市场的走势情况作出了综合评价,建立短期内预测股市发展趋势模型对上证指数进行预测,并通过历史实际数据对模型进行了验证。     

Volatility forecasting using stochastic conditional range model with leverage effect

In this paper, we propose a stochastic conditional range model with leverage effect (henceforth SCRL) for volatility forecasting. A maximum likelihood method based on the particle filters is developed to estimate the parameters of the SCRL model. Simulation results show that the proposed methodology performs well. We apply the proposed model and methodology to four stock market indices, the Shanghai Stock Exchange Composite Index of China, the Hang Seng Index of Hong Kong, the Nikkei 225 Index of Japan, and the S&P 500 Index of US. Empirical results highlight the value of incorporating leverage effect into range modeling and forecasting. In particular, the results show that our SCRL model outperforms the conditional autoregressive range model, the conditional autoregressive range model with leverage effect, and the stochastic conditional range model in both in‐sample fit and out‐of‐sample forecast.     

股票指数的时间序列模型分析

借助于SA S软件将工程中的K a lm an滤波方法与时间序列的状态空间模型结合对上海A股指数进行了拟合与预测分析,通过对拟合与预测误差的计算可以发现这种模型是可行的;然后还把与滤波结合的状态空间模型的分析结果和常见的时间序列模型如:AR IM A模型、逐步自回归模型以及指数平滑模型的分析结果进行比较,比较的结果说明结合滤波的状态空间模型分析的结果比后三种的结果更加精确.结果为时间序列数据分析提供了一个较好的分析工具.     

我国股市收益的双长记忆性检验——基于VaR估计的ARFIMA-HYGARcH-skt模型

针对股市收益分布的"尖峰肥尾"特征,引入了偏t分布作为新息分布。基于VaR方法,从风险估计的角度,利用ARFIMA(2,d_1,0)-HYGARCH(1,d_2,1)-skt模型对1996年12月17日至2007年7月5日期间的沪深股市收益进行了实证分析.实证结果显示:沪深股市具有显著的双长记忆特征;上海股市的日收益率和波动率的长记忆性均比深圳股市强;ARFIMA(2,d_1,0)- HYGARCH(1,d_2,1)-skt模型对我国股市收益具有较强的风险估计和预测能力。     

沪深股市风险特征分析

本文运用ARMA-GARCH-M计量经济学模型,以及国际上通行的风险评价指标VAR,通过计算沪深两市的VAR值,比较两市的整体投资风险,以及各自的风险特点,并对模型的有效性进行了Kupiec检验,为投资者控制市场风险提供参考.     

基于GOMPERTZ函数的上证综合指数预测的实证研究

对基于G om pertz函数的上证综合指数进行预测的可行性进行了分析,同时,在对上证综合指数的具体走势及实际数据进行研判的基础上,对牛市行情下上证综合指数的运行进行了预测的实证研究,得出了相应的结论,并提出了该预测方法进一步完善之处和可进一步深入研究的问题.     

中国股票市场“周内效应”的再研究

本文避免了通常利用方差分析方法检验周内效应时的不足之处,利用考虑到异方差情况ARCH模型,通过采用虚拟变量,在研究沪深两市日收益率的周内效应的基础上,进一步考察其方差变动的周内效应。通过实证分析发现沪市存在显著为正的星期五效应,深市存在显著为负的星期一效应与显著为正的星期五效应,并且深市日收益的方差变化也存在一定的周内效应。     

上海股市波动的预测方式和模型

探讨基于 SV类模型的上海股市波动的预测方式和模型问题 .比较了 SV( stochastic volatility)类模型 (包括基本 SV模型和 ASV模型 )在两种不同方式下的预测效果 ,并将基本 SV类模型的预测效果与 ASV模型 ,以及其他常用模型做了比较 .结果表明 :SV类模型在两种预测方式下的预测效果存在一定的差异 ;基本 SV模型对于上海股市具有较强的预测能力 ;ASV模型的预测效果不理想 .     

沪深股市杠杆效应的实证分析

运用 E-GARCH模型对沪深股市的杠杆效应进行了实证分析 ,结果表明 ,日收益存在着明显的杠杆效应 ,收益对波动强度的影响具有非对称性 .     

沪、深股市波动不对称性的实证分析

本支应用系数多变量EGARCH模型来研究我国沪深股市的波动不对性,结果发现:在全样本时期,收益率呈现深市向沪市的单向溢出,而沪深两市则都呈现显著的波动不对称性特征。分时段来考察,B股对境内投资者开放前后呈现收益率由深市向沪市的单向溢出到双向溢出现象;而波动性的实证结果则显示,以B股对境内投资者开放为间断点,沪市波动不对称性有明显加强的趋势,而深市波动不对称性则呈现由不显著到显著的特征。