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3σ准则的分段拟合及其GARCH修正模型

在金融时间序列中,一组金融序列可被视为由不同时间段的分段函数拟合连接而成.利用3σ准则确定分段函数的临界点,并根据AIC准则及调整后R2对分段点进行验证,从而分段点把数据分割成两部分.对两序列分别用合适的函数进行拟合,并用ARMA-GARCH模型对残差序列进行修正.由上证综合指数数据的实证分析结果表明:3σ准则能很好地检索出临界点,同时建立的分段函数模型预测效果要优于ARMA与EGARCH模型,以及ARMA-GARCH模型的引入对模型的精确度有所提高.所介绍的方法简单易懂、便于操作、精度高,为金融投资者和学者提供参考价值.     

基于ARMA-GARCH模型的股票价格分析与预测

利用时间序列模型对大众公用(600635)股票价格进行分析与预测.首先,通过对数据的初步分析,建立ARMA拟合模型;然后,通过模型检验发现模型残差中存在条件异方差性,通过加入GARCH项消除条件异方差性,得到了ARMAGARCH拟合模型;最后实证分析结果表明了模型的有效性与准确性.     

基于HP滤波和ARMA-GARCH模型的人民币汇率趋势预测

在复杂多变的金融市场,人民币汇率的变化受多种因素的影响,而人民币汇率的变化又影响着经济生活的方方面面,人民币汇率及其变化特征受到人们的广泛关注,研究人民币汇率变化特征,正确分析与预测人民币汇率的走势,对于国家和各个经济主体制定金融政策和投资决策具有十分重要的意义,采用HP滤波法将汇率数据序列分解为趋势成分序列和波动成分序列,然后使用自回归和ARMA-GARCH模型分别进行拟合和预测,通过实证分析发现模型有着较好的预测效果,可以为金融产品的预测研究和制定金融政策提供参考。     

基于GAS模型的动态VaR预测效果分析

GAS模型是一种基于观测的动态模型,理论简单且应用灵活,可以直接估计VaR.将GAS模型和GARCH类模型应用于不同条件下生成的模拟数据和三个时间段的沪深300指数的日对数收益率数据,并比较模型关于VaR的预测效果。结果表明:在对称的条件分布下,GAS模型容易高估风险且不稳健,其表现不如GARCH类模型;但在条件分布为有偏的时,GAS模型与GARCH类模型的表现相当,部分情况下会优于GARCH类模型,尤其在实证分析中关于序列2和序列3的VaR的估计,GAS模型的预测效果较好。因此,实际应用中,对于具有较明显偏态分布或尖峰分布的数据可以考虑使用GAS模型预测动态VaR.     

上海证券市场回报率分析——基于ARIMA模型和GARCH模型

本文分析中国上海证券市场回报率。分别通过APdMA模型和GARCH模型，发现若用APdMA模型分析和建立时间序列模型，一次自回归项是不够的，需要高次项，在大多数情形，若运用GARCH模型，则GARCH（1，1）就能够很好的拟合数据。     

基于协整理论的DFT-GARCH模型的统计套利研究

现有的统计套利策略大多建立在协整理论和GARCH模型的基础上.离散Fourier变换(DFT)的思想可以挖掘价差序列周期性、非线性的特征,保证其在拟合和预测中的精确度.利用沪铜期货合约的收盘价数据进行实证分析,研究结果表明:在高频数据下,新模型对数据的拟合和预测效果要明显优于传统的套利模型,在相同的交易规则下,新模型的套利成功率和收益率都高于传统的统计套利模型.     

基于ARMA模型的共享单车的投放预测与管理

共享单车作为城市公共交通的有效补充,对其使用情况进行预测能为共享单车管理部门的投放和统一管理提供依据.采用时间序列分析的方法,对城市某一公共场所共享单车的使用情况进行了观察记录,对所获得的序列X-user进行时间序列分析的方法建立了序列ARMA模型.根据所建立的ARMA模型对共享单车的使用情况进行了短期的预测,预测的结果与实际观察的结果具有较高的拟合度,验证了模型具有较好的预测效果.     

中国黄金期货市场波动特征及模型预测研究

选取上海期货交易所黄金期货价格指数日内10分钟高频收益数据,构造了经调整的已实现极差波动率估计序列,利用6类GARCH模型建模分析,描述了黄金期货价格指数的波动特征.运用多种损失函数比较了GARCH类模型样本外波动率预测精度的优劣,并在此基础上,采用一种渐进正态分布检验法评估了GARCH类模型的预测效果.结果显示,黄金期货已实现极差波动率估计序列具有尖峰厚尾、集聚性、持续性等特征.对于黄金期货市场,ACD-GARCH模型具有相对最好的波动率预测能力.     

基于GARCH模型的人民币汇率波动规律研究

自人民币汇率体制改革以来,汇率波动日趋复杂.鉴于GARCH模型能够较好地拟合汇率时间序列的尖峰厚尾特征,本文采集了2003～2007年之间的1069个美元兑人民币汇率日值,应用GARCH模型进行分析,证实了我国外汇市场确实存在ARCH效应,且GARCH模型能够较好地拟合汇改后的人民币汇率数据.     

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。     

The functional central limit theorem for linear processes with strong near-epoch dependent innovations

This paper discusses linear processes with innovations exhibiting asymptotic weak dependence by being strong near-epoch dependent functions of mixing processes. The functional central limit theorem for the normalized partial sum process is established. The conditions given essentially improve on existing results in the literature in terms of the “size” requirement for the amount of dependence. It is also shown that two important econometric models, ARMA and GARCH models, are strong near-epoch dependent sequences.     

石油期货价格距到期日效应波动实证研究

世界石油期货价格是否存在价格的波动性随到期日的临近而上升的趋势,对于投机商和市场监管都至关重要.研究根据中外石油期货合约的收盘价格得到较为平稳的日收益率,以37个合约的收益率为样本,分别建立时间序列ARM A主模型,并进一步建立带"到期时间"哑变量的GARCH模型.实证分析了世界石油期货收益率的到期日效应.在分析产生到期日效应原因的时,建立了带"成交量"与"国际价格"变量的GARCH模型,对成交量与国际石油期货价格对中国期货价格到期日的影响进行研究.     

基于多尺度自适应阶ARMA的混沌序列多步预测

混沌时间序列在自然界以及人们的生产生活中很常见,混沌序列看似杂乱无章但相较于纯随机序列其中蕴含着一些非线性的运动特征,提出一种基于多尺度自适应阶ARMA的混沌时间序列多步预测方法.首先利用自适应噪声的完备经验模态分解(CEEMDAN)对原始混沌序列进行分解,获得不同尺度的固有模态分量(IMF)和残余分量.然后采用经粒子群算法(PSO)进行阶数寻优的自回归移动平均模型(ARMA)对每一个IMF分量进行拟合预测.最后将预测得到的每一个分量相加得到原始混沌序列的预测值.基于Mackay-Glass混沌序列和太阳黑子数混沌序列进行实验分析,实验表明:与ARMA、PSO-ARMA以及CEEMDAN-ARMA方法相比,方法的预测效果有较好的提高,其平均绝对误差(MAE)、均方根误差(RMSE)以及平均绝对百分比误差(MAPE)都有降低.     

Whittle estimation in a heavy-tailed GARCH(1,1) model

The squares of a GARCH(p,q) process satisfy an ARMA equation with white noise innovations and parameters which are derived from the GARCH model. Moreover, the noise sequence of this ARMA process constitutes a strongly mixing stationary process with geometric rate. These properties suggest to apply classical estimation theory for stationary ARMA processes. We focus on the Whittle estimator for the parameters of the resulting ARMA model. Giraitis and Robinson (2000) show in this context that the Whittle estimator is strongly consistent and asymptotically normal provided the process has finite 8th moment marginal distribution.

We focus on the GARCH(1,1) case when the 8th moment is infinite. This case corresponds to various real-life log-return series of financial data. We show that the Whittle estimator is consistent as long as the 4th moment is finite and inconsistent when the 4th moment is infinite. Moreover, in the finite 4th moment case rates of convergence of the Whittle estimator to the true parameter are the slower, the fatter the tail of the distribution.

These findings are in contrast to ARMA processes with iid innovations. Indeed, in the latter case it was shown by Mikosch et al. (1995) that the rate of convergence of the Whittle estimator to the true parameter is the faster, the fatter the tails of the innovations distribution. Thus the analogy between a squared GARCH process and an ARMA process is misleading insofar that one of the classical estimation techniques, Whittle estimation, does not yield the expected analogy of the asymptotic behavior of the estimators.     

深证成指周收益率波动性的实证研究

利用GARCH模型,对深圳成分指数的周收益率波动性进行了实证研究。以深证成指周收盘数据建立了GARCH模型,利用估计出的GARCH模型得到深证成指周收益率序列的条件方差的估计值,预测出深证成指周收益率序列未来若干期的条件方差。结果表明,深证成指周收益率序列的波动性可以用GARCH模型进行很好的拟合。     

基于GARCH类模型和SV类模型的沪深两市波动性研究

以CSMAR数据库2007年2月27日至2008年5月14日共297个交易日的上证综指和深证综指的收盘价数据为研究对象,通过比较5类GARCH模型和两类SV模型对上证综指和深证综指样本内(2007年2月27日至2008年2月27日)收益率波动特征的描述能力以及样本外(2008年2月28日至2008年5月14日)收益率波动的预测能力,得出GARCH类模型相比SV类模型更适合描述中国证券市场的波动性.     

NM-QELE for ARMA-GARCH models with non-Gaussian innovations

Although the quasi maximum likelihood estimator based on Gaussian density (Gaussian-QMLE) is widely used to estimate parameters in ARMA models with GARCH innovations (ARMA-GARCH models), it does not perform successfully when error distribution of ARMA-GARCH models is either skewed or leptokurtic. In order to circumvent such defects, Lee and Lee (submitted for publication) proposed the quasi maximum estimated-likelihood estimator using Gaussian mixture-based likelihood (NM-QELE) for GARCH models. In this paper, we adopt the NM-QELE method for estimating parameters in ARMA-GARCH models and demonstrate the validity of NM-QELE by verifying its consistency.     

基于GARCH模型的短期汇率预测

研究人民币对美元的汇率预测,通过对2010年7月1日至2013年11月30的周汇率平均值进行数据分析,发现其基本符合时间序列分析中的GARCH模型,因此采用该模型进行预测,预测结果比较成功。预测表明人民币呈现升值的趋势.