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 .     

基于条件VaR模型的中国股市风险的影响因素分析

考虑了更为灵活的股市风险的测度方法——条件风险价值模型,它将风险价值与其影响因素结合起来,深刻地刻画了各影响因素对股市风险的影响特征.实证结果表明:政策事件对股市风险影响是正向的,而且影响效果更多地体现于极端风险偏好上;交易额变化率对风险的影响在极端和中度风险偏好上没有明显差异,正的冲击将导致中度风险和极端风险同向扩大;而对于收益率的滞后项来说,正的冲击将导致风险平均反转和中间风险收缩,负的冲击则导致风险平均反转和中间风险扩大.     

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。     

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.     

市场风险值VaR的算法与应用

进行金融风险管理时可以将风险划分为四类，即信用风险、经营风险、流动性风险和市场风险。其中市场风险是指金融市场价格（包括股票价格、利率、汇率和大宗可交易商品的价格）波动而引起的未来收益的不确定性。市场风险值VaR(Value at Risk）就是用来评价给定资产所面临的市场风险大小。本文介绍了VaR的定义、相关的计算方法和在证券投资决策中的应用实例。     

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.     

人民币汇率波动对我国行业风险影响研究

以2008年1月7日到2012年3月30日为样本数据,建立基于广义误差分布的GARCH模型.结果表明,行业指数收益率波动具有"长期记忆性"并且股市价格的波动呈现非对称性,即存在杠杆效应.改变了以往运用总体角度方法,以行业角度出发,同时引入了流动性风险这一控制因素,分析汇市与股市的关系,结论更具有现实意义.     

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.     

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.     

基于价格持续时间的中国股市日内风险价值预测

基于高频数据度量日内交易活动的风险是目前日内金融数据与风险管理中极具挑战性的研究课题之一。本文从实时交易的角度,使用中国股市分笔交易数据,基于价格持续时间的自回归条件持续时间(ACD)模型,研究日内不规则交易数据的风险测度,利用日内不等间隔波动模型估计了日内交易的即时条件波动率,对日内不等间隔风险价值进行了预测和检验。实证结果发现日内不等间隔风险价值模型能够比较好的刻画日内交易风险,股票投资者和市场监管者可以基于该工具对日内风险做出合理的预测,达到止损避险和控制风险的目的。     

基于BG分布的资产收益率分布拟合与尾部风险测度——以上海黄金市场为例

本文以上海黄金市场为例,在GARCH模型下,系统性比较了基于正态分布、Logistic分布、HS分布、Laplace分布、t2分布和Cauchy分布的对称和非对称共12种BG分布在收益率分布拟合以及VaR和ES测度中的效果。研究结果表明,BG分布在收益率分布建模与尾部风险测度上的表现与原分布类型有关。当原分布为正态分布时,对称和非对称BG分布的效果都较差。当原分布为Logistic分布、HS分布、Laplace分布、t2分布和Cauchy分布时,对称和非对称BG分布的效果都较好,其中非对称BG分布效果在尾部分布拟合上优势更大。在所有分布中,基于t2分布和Cauchy分布的非对称BG分布表现最优。     

中国股市与部分国际股市的比较分析

本文讨论中、外股市的对比及相互关系。对中国的上海综合指数、深圳综合指数和国际 11个新兴证券市场、4个成熟证券市场的基本统计特征进行比较研究     

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。     

全球主要股市波动率的聚类特征分析

本文采用多路归一化割谱聚类方法、单变量GARCH模型和Granger因果检验相结合的模型,分阶段研究了1994-2014年间全球主要股市波动率的聚类特征。首先,利用单变量GARCH模型分别提取全球主要股市的波动率;其次,借助多路归一化割谱聚类方法的特殊性质刻画了全球主要股市波动率的聚类数目、聚类质量以及聚类结果的稳定性等特征;最后,利用Granger因果检验模型分析不同类的代表元股市间的波动溢出效应和同一类内股市间的波动溢出效应。实证结果表明,与非金融危机阶段相比,在金融危机期间全球主要股市波动率的聚类数目较多、聚类质量较高、聚类结果相对稳定、并且全球主要股市间的波动溢出效应增强。     

风险度量模型的研究

分析了方差法和半方差法作为风险测度的不足之处，考虑到资产离散程度和实际投资者的风险偏好，引入风险偏好系数，建立加权的半方差证券组合决策模型，作出了理论分析并给出了相应的数值比较结果。     

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。     

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。     

不同矩属性波动模型对中国股市波动率的预测精度分析

金融时间序列的波动性建模经历了从一阶矩到二阶矩直到高阶矩(包含三阶矩和四阶矩)的过程,而对于高阶矩波动模型是否有助于对未来市场的波动率预测这一问题,国内外学术界尚无文献讨论。以上证综指长达7年的每5分钟高频数据样本为例,通过构建具有不同矩属性的波动模型,计算了中国股票市场波动率的预测值,并利用具有bootstrap特性的SPA检验法,实证检验了不同矩属性波动模型的波动率预测精度差异。实证结果显示:就中国股市而言,四阶矩波动模型能够取得比二阶矩波动模型更优的波动率预测精度,而三阶矩波动模型并未表现出比二阶矩波动模型更强的预测能力;在高阶矩波动模型中包含杠杆效应项并不能提高模型的预测精度。最后提出了在金融风险管理、衍生产品定价等领域引入四阶矩波动模型的研究思路。     

交易者行为倾向与股市波动形态

分析一个具有基础价值均衡、非基础价值均衡、周期和混沌等四种市场波动形态的随机多主体股市模型,利用理论分析和数值实验的方法研究交易者模仿学习、价格追踪和策略转移三种行为倾向对股市场波动形态的影响,得出结论:当三类行为倾向都很小时,股市处于基础价值均衡形态;随着价格追踪和模仿学习倾向逐渐增大,股市进入周期形态;当模仿学习倾向足够大时,系统处于非基础价值均衡形态;混沌形态出现在周期和非基础价值均衡形态中间很窄的参数范围.