基于GARCH模型的波罗的海干散货运价指数预测

为准确地把握波罗的海干散货运价指数(BDI)的变化趋势,选用一阶对数差分方法,对近期BDI日收益率序列的基本统计量特征进行了分析,验证了BDI日收益率序列的"尖峰厚尾"及波动的集聚性等特征,并进一步运用GARCH(1,1)模型,分析了其波动的持续性和滞后性.在此基础上,基于GARCH模型构造了预测的方法步骤,经优化调整滞后期对BDI日收益率进行了预测,最后,通过将BDI对数日收益率序列还原为指数序列,对BDI进行了预测,实证分析结果验证了模型及方法的适用性和有效性.     

基于GARCH模型的波罗的海干散货运价指数预测北大核心

为准确地把握波罗的海干散货运价指数(BDI)的变化趋势,选用一阶对数差分方法,对近期BDI日收益率序列的基本统计量特征进行了分析,验证了BDI日收益率序列的"尖峰厚尾"及波动的集聚性等特征,并进一步运用GARCH(1,1)模型,分析了其波动的持续性和滞后性.在此基础上,基于GARCH模型构造了预测的方法步骤,经优化调整滞后期对BDI日收益率进行了预测,最后,通过将BDI对数日收益率序列还原为指数序列,对BDI进行了预测,实证分析结果验证了模型及方法的适用性和有效性.     

夜盘交易对我国贵金属期货市场的影响研究

对比了我国贵金属期货市场推出夜盘交易制度前后流动性、波动性与联动性的变化,并研究了该交易制度带来的长期与短期不同的影响。首先,采用经过修正的流动性比率衡量市场流动性,并引入虚拟变量纳入回归模型,进一步研究夜盘交易对市场流动性的贡献;接下来,将每日收益率分解为隔夜收益率和日内收益率,通过建立EGARCH模型,分别考察夜盘交易对隔夜波动率和日内波动率长期与短期的影响;最后,通过建立VAR-BEKK-GARCH模型,从均值和方差两个层面研究了国内外贵金属期货市场间的联动性。研究发现:我国推出的夜盘交易制度显著提高了贵金属期货市场的流动性,降低了贵金属期货市场的波动性,尤其是降低了隔夜收益率的波动性,日内收益率的波动性并没有显著减弱;夜盘交易的推出同时增强了国内外期货市场之间的联动性,提升了我国贵金属期货市场对信息的吸收与传递效率。     

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。     

基于GED—GARCH模型的中国原油价格波动特征研究

本文采用中国大庆原油价格日平均交易数据,建立了基于GED分布的GARCH(1,1)、GARCH-M(1,1)和TGARCH(1,1)三个模型,描述了中国原油价格与国际接轨以来的波动特征。实证结果表明,与国际油价类似,中国原油价格的波动也存在显著的GARCH效应,但其波动冲击的半衰期要比国际油价短,为5天。而且,中国原油收益率受到预期风险的负向影响,表明中国原油市场并非完全市场化运作,当然这种负向影响程度较小,约为8%。另外,中国原油价格的波动存在显著的杠杆效应,相同幅度的油价下跌比油价上涨对未来油价的波动具有更大的影响,前者是后者的1.7倍左右。最后,基于GED分布的GARCH模型比基于正态分布的GARCH模型能够更好地描述中国原油价格的波动特征,并且具有较好的预测能力。     

灰色时序组合模型及其在地下水埋深预测中的应用

地下水埋深的变化过程是一个复杂的非线性过程,这种具有复杂的非线性组合特征的序列,使用某一种模型进行预测,结果往往不理想.在分析了灰色GM(1,1)模型、灰色GM(1,1)周期性修正模型和时序AR(n)模型的优点和缺点基础上,提出了一种新的灰色时序组合预报模型.该方法利用了GM预测所需原始数据少、方法简单的优点,用周期修正方法反映其地下水位埋深周期性波动的特征,用AR(n)模型预报其地下水位埋深的随机变化.实例研究表明,这种方法方便简洁实用且预测结果接近于实际观测值,为其它地区的地下水位埋深和相关时间序列的分析研究提供参考与借鉴作用.     

中国国债市场收益率的统计特征分析

首先通过采用基于各个国债之间相关性的距离测度方法,对修正后的国债日收益率时间序列进行了聚类分析,将上海证券交易所的20只国债分成了5类,分类结果显示我国国债市场中的各个国债日收益率之间的相关性程度是很明显地依赖于它们的到期时间的。同时,研究了每一个国债修正后日收益率时间序列的价格波动结构,结果表明中国的国债市场也表现出非常明显的多标度分形特征,还发现属于同一类国债的多标度特征具有很强的自相似性,而不同类型国债之间的多标度特征则具有一定程度上的差异性。     

我国原油价格与外国原油价格的波动溢出效应——基于DCC-MGARCH模型分析

本文利用扩展的4维(E)DCC-MGARCH(1,1)模型,分析了四个原油市场(Brent、WTI、Dubai、China)之间的相互波动溢出效应。研究表明,Brent、WTI原油市场对我国市场均有显著的单向波动溢出效应,WTI原油市场比Brent原油市场对我国原油市场的波动溢出效应更明显。我国和美国原油市场波动都是暂时的,而Brent原油市场波动性是持久的。我国原油市场对Dubai原油市场有单向的波动溢出效应。结果还显示,Brent与WTI原油市场有双向波动溢出效应,Brent的波动溢出效应小于WTI波动溢出效应。     

基于最小二乘法的GM(1,1)模型在我国猪肉产量预测中的应用研究

猪肉产量受诸多因素影响,因此数据波动性大,并且具有小样本性及贫信息等特点.本文采用基于最小二乘法的GM(1,1)模型对我国未来几年内猪肉产量进行了短期预测.首先,介绍了GM(1,1)模型;然后,通过最小二乘法的原理弱化波动较大的数据,减少随机性,加强规律性,建立基于最小二乘法的GM(1,1)模型;其次,结合2008至2014年我国猪肉产量数据建立预测模型;最后,使用2014年数据对模型的可靠性进行验证,基于最小二乘法的GM(1,1)模型的预测结果更加接近实际值.预测结果显示未来3年中国猪肉产量将持续增加.该模型为其他相关预测提供了理论依据,也便于我国对未来猪肉产品市场进行宏观调控,维持猪肉市场平衡,避免猪肉价格波动风险.     

银行间与交易所国债市场的信息溢出效应研究

用VAR模型的预测误差方差分解方法和格兰杰因果检验方法研究中国银行间和交易所国债市场信息溢出效应的方向、水平和动态趋势及其原因。研究表明:银行间和交易所国债市场之间收益与波动溢出效应均呈现上升动态特征;在收益溢出效应中银行间是国债市场信息传导者,在波动溢出效应中交易所是国债市场信息传导者;利率变化和市场流动性显著负向影响收益总溢出和波动总溢出。     

货币政策、市场状态对中国股市微观流动性影响的实证分析

本文研究了我国股市微观流动性的影响因素。在假定所有经济变量之间相互影响、内生决定的情况下,建立VAR系统,通过脉冲响应函数、方差分解的方法分别讨论了市场收益、波动及货币政策对股市微观流动性的影响。实证结果表明,货币政策对股市流动性并无显著影响,货币政策的松紧、"宏观流动性"的增强或减弱并不必然导致股市微观流动性的增强或减弱;市场的波动对股市流动性也无显著的影响效应,但市场的收益状态却决定着股市微观流动性的强弱。     

中国股票市场风险的实证分析研究

本文从实证角度说明了上证指数和深证成份指数存在着GARCH现象 ,并建立了沪、深两市股指波动率的IGARCH(1,1) M模型与EGARCH(1,1) M模型。将估计的IGARCH(1,1) M模型与EGARCH(1,1) M模型比较得出 ,对上证指数的波动率 ,IGARCH(1,1) M模型与EGARCH(1,1) M模型的模拟效果基本相同 ,而对深证成份指数的波动率 ,IGARCH M模型要略优于EGARCH M模型。同时还对两市的股指收益的波动率进行了预测分析     

中国股市收益率与异质波动性关系研究

本文研究了中国股票市场的异质波动性问题。主要从异质波动性的识别与分布,异质波动性与股票收益率之间的关系,以及异质波动性是否被充分定价等三方面进行探讨。研究的目的在于分析股票异质波动性问题在中国股票市场中的特殊地位,这其中也包括异质波动性对股票收益影响问题。结合中国股票市场的数据,采用广义矩估计(GMM)的数量方法,显著地得到了中国股票市场中异质波动性水平,并以此分析了异质波动性与股票收益之间的关系,证明股票异质波动性水平是投资者进行决策时需要考虑的重要因素之一。     

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.     

中国交易所债券市场分形特征的实证研究

分形是自然系统和社会经济系统中存在的一种非线性现象.对我国金融市场分形特征的现有研究集中于股票市场和外汇市场,本文研究了我国金融市场的另一重要组成部分-交易所债券市场的分形特征.实证结果显示,中国交易所债券市场的价格变动是以分数布朗运动方式进行的,所形成的运动轨迹呈现出典型的特征指数α<2的稳定帕累托分布,分形特征广泛存在于我国交易所债券市场各时间标度下的收益率中.最后提出了从市场的分形特征出发进行风险管理的思路.     

Stability analysis of the Kaldor model with time delays: monetary policy and government budget constraint

We analyze the model with monetary policy based on the Kaldor's business cycle theory. We introduce the government sector, which conducts the fiscal policy and monetary policy to stabilize the economy. The execution of such a policy needs legislation, and generally, the legislative process is time consuming. We investigate in this paper how the fiscal policy with a time delay affects stability of the economy.We assume that the monetary policy is conducted as a countermeasure of the fiscal deficit by the government, and we consider two extreme cases, namely money finance and bond finance case. In each case, when no time delay exists for the fiscal policy, Keynesian fiscal policy is the preferred method for preventing the economic fluctuations. However, it is not so simple when the time delay exists in the fiscal policy. There exists the policy, which stabilizes the economy under any time delay in the money finance case. On the other hand, in the bond finance case, such a policy does not exist and as the time delay increases the economy becomes unstable. However in both cases, contrary to the expectations of the government, the stronger the fiscal policy, the more unstable the economy becomes for the short time delay.     

货市与股市波动的超前滞后关系 ——基于复主成分分析法

在传统主成分分析的基础上,复数希尔伯特主成分分析通过将希尔伯特变换与随机矩阵理论相结合获取滤噪经济数据的频域信息,为揭示股票市场与货币市场波动的超前滞后关系提供了途径.实证研究结果显示,在样本区间内,中国股票市场指标相对于货币市场指标来说大部分呈现出超前的变化,而在货币市场中,数量型指标波动较为靠前,价格型指标的反应则较为滞后.此外,股票价格与货币供应量的波动之间存在反馈效应.探索两市场间这样一种动态关系能为政府对金融市场的监管工作提供相应的政策建议.     

Volatility forecasting via SVR–GARCH with mixture of Gaussian kernels

The support vector regression (SVR) is a supervised machine learning technique that has been successfully employed to forecast financial volatility. As the SVR is a kernel-based technique, the choice of the kernel has a great impact on its forecasting accuracy. Empirical results show that SVRs with hybrid kernels tend to beat single-kernel models in terms of forecasting accuracy. Nevertheless, no application of hybrid kernel SVR to financial volatility forecasting has been performed in previous researches. Given that the empirical evidence shows that the stock market oscillates between several possible regimes, in which the overall distribution of returns it is a mixture of normals, we attempt to find the optimal number of mixture of Gaussian kernels that improve the one-period-ahead volatility forecasting of SVR based on GARCH(1,1). The forecast performance of a mixture of one, two, three and four Gaussian kernels are evaluated on the daily returns of Nikkei and Ibovespa indexes and compared with SVR–GARCH with Morlet wavelet kernel, standard GARCH, Glosten–Jagannathan–Runkle (GJR) and nonlinear EGARCH models with normal, student-t, skew-student-t and generalized error distribution (GED) innovations by using mean absolute error (MAE), root mean squared error (RMSE) and robust Diebold–Mariano test. The results of the out-of-sample forecasts suggest that the SVR–GARCH with a mixture of Gaussian kernels can improve the volatility forecasts and capture the regime-switching behavior.