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。  

极值理论在风险度量中的应用--基于上证180指数

精确度量风险是金融风险管理的关键问题。本引入广义帕雷托分布代替传统的正态分布等，精确描述金融收益的厚尾特征。并将基于广义帕雷托分布的VaR模型和其它模型方法，如GARCH(1，1)、GARCH(1，1)-t、历史模拟法、方差-协方差方法，进行比较分析。实证研究表明，基于广义帕雷托分布的VaR模型比传统的模型方法更适合厚尾分布高分位点的预测，并且其预测结果比较稳定。这使得基于广义帕雷托分布的VaR模型成为VaR度量方法中最稳健的方法之一。  

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。  

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.  

中国证券市场股指波动的条件异方差特性分析

股指的波动具有持续性、集聚性 ,如何进行判别 ?本文用 Garch模型理论探讨沪深股指的这种条件异方差特征 ,进一步分析波动是否影响股指未来变化 ,以及股市对利好、利空的消息是否存在不对称的反映。同时 ,比较不同类型的股指的共性及差异 ,并对上述现象作了解释和说明。  

上海股市波动的周日效应检验

与以往日历异常现象的研究大多集中在股市收益率上不同,本文对上海股市波动的周日效应进行实证研究,无条件波动的修正Levene检验和条件波动的GARCH模型被应用。结果显示上海股市存在显著的星期一高波动现象,利用混合分布模型对此现象进行了解释,周末信息的积累对星期一交易的影响可能是其高波动的原因。  

上海股票市场波动不对称性研究-GJR-与VS-GARCH模型的比较

分析了两个不对称的GARCH模型:G JR-GARCH和VS-GARCH,并对VS-GARCH进行了修正。使用上证综合指数对两个模型进行了实证比较,发现修正的VS-GARCH更适合中国证券市场,能更好的捕捉到波动的不对称性。同时实证结果显示在沪市上,好消息引发的波动大于坏消息引发的波动,并从交易规则和投资者心理方面进行了解释。  

国内外股市波动溢出效应——基于多元GARCH模型的实证研究

通过对多个股票市场间波动溢出效应的研究,可以了解波动风险在市场间的传导路径和方向,以及在股市因外部冲击动荡前做出短期预测。本文以美国、日本、香港和我国沪市作为研究对象,采用多元GARCH模型对国内外股市波动溢出关系进行了研究。结果表明:只有香港股市对沪市具有显著的波动溢出,美、日股市对沪市的波动溢出则不显著,但由于美、日股市波动均对香港股市具有传染效应,它们可以借助对香港股市波动的影响间接地引起我国沪市的波动。所以,对我国沪市外部波动风险的把握在短期上应主要关注香港股市波动,其次还必须关注日本和美国股市的波动,尤其是美国股市的波动。  

ARMA-GARCH模型对上海铜期货市场收益率的建模与分析

本文首先对沪铜期货收益率序列的进行了分析,在单位根检验中克服了观察等价性的影响,并得到为该收益率服从ARIMA（0,1,1）-GARCH（1,1）模型.在此基础上,利用TARCH和EGARCH模型对收益率的杠杆效应进行了检验.