基于高频数据的GARCH模型拟极大指数似然估计的一种portmanteau Q检验

已有研究表明,基于高频数据的GARCH模型的拟极大指数似然估计可以提升估计精度,但鲜有研究就该估计量的性质推导其对应的检验统计量。文章基于高频数据的GARCH拟极大指数似然估计性质,提出一种portmanteau Q检验统计量,通过模拟验证了该检验统计量的理论正确性,并选取沪深300、中证500和上证50等3个指数进行了具体应用。结果显示,在模型充分时,文章提出的检验统计量的分布更近似理论推导的分布,优于基于低频数据的检验统计量结果,且由于包含高频信息,该统计量能更好地捕捉高频残差自相关性;而当低频残差自相关性时,即使相关性较弱,该统计量也能识别模型是否充分,对GARCH模型的阶数识别有一定效果。实证研究也表明,该检验统计量能对高频信息有效利用,具有一定的实用性。

混合Beta分布GARCH模型的EM算法求解与实证分析

GARCH模型在处理时序数据异方差问题中得到广泛应用,然而在面临一些特殊领域的数据,尤其是金融市场领域中具有高峰厚尾、非对称性、有界取值区间等特征的数据时,传统正态分布的基本假设往往与现实严重不一致。针对此类问题,文章提出混合Beta分布的GARCH模型,并给出了基于完全数据最大似然函数的EM算法估计模型的参数,以仿真模拟数据和金融市场现实数据为例,进行了实证分析。结果显示,在违背正态分布假设的情形下,混合Beta分布GARCH模型更能有效地提炼波动的一系列非正态性信息,同时也验证了EM算法对模型的参数求解行之有效。

房地产企业资本结构对股价波动的传递效应分析——基于结构化GARCH模型

中国房地产企业资本结构长期处于高负债、高杠杆状态。在二十余年的房地产高速发展过程中,高杠杆风险长期被忽视,甚至被认为是房地产企业发展的固有模式。在结构化GARCH模型中引入资本结构因素,检验房地产企业资本结构对股价波动的传递与溢出效应。研究发现:中国房地产市场具有结构化特征,杠杆乘数与股价波动具有同步性;过高的负债水平并不会提升房地产企业的规模效应,反而会抑制股票收益率的增长。

基于ARIMA-GARCH模型的人民币汇率波动研究

人民币正式加入SDR以来,人民币汇率的波动日益复杂,而汇率变动特征的识别是预测人民币汇率的关键环节。为提取出人民币汇率波动的特征规律,本文选择对2016年10月10日—2020年10月10日的人民币兑美元日序列建立模型并预测。同时,本文为评价ARIMA-GARCH组合模型的预测效果,将其与ARIMA模型预测结果相互对比。结果显示,ARIMA-GARCH模型不仅可以提取出人民币汇率波动的规律性,还可以改良ARIMA模型的预测精度,预测精度最高,在短期内能够得到较好的预测值。

沪深300指数的市场风险预测——基于GARCH模型

随着金融全球化和自由化程度不断加深,金融市场在得以发展的同时也面临着日益剧烈的市场风险。文章基于2010年1月4日至2024年3月20日沪深300指数日收盘历史数据,运用GARCH模型分别在90%、95%和99%的置信水平下预测沪深300指数市场风险。研究显示:(1)GARCH(1,1)正态分布模型在90%、95%、99%置信水平下的失败天数和LR值均未通过检验;(2)GARCH(1,1)-t分布模型在90%置信水平下的失败天数和LR检验值均通过了检验,在95%置信水平下的LR值通过检验,在99%的置信水平下失败天数为0,低估了沪深300指数收益率损失的风险;(3)综合来看,GARCH(1,1)-t分布模型能够更有效地预测沪深股市的市场风险。

基于GARCH模型的林业碳汇项目期权价值评估

森林具有强大的碳汇功能,林业碳汇项目是实现碳达峰目标的中坚力量。合理评估林业碳汇项目价值有助于加速林业碳汇市场的发展,缓解我国碳排放压力。以浙江省仙台县碳汇造林项目为研究对象,基于二叉树期权定价方法,采用GARCH模型估计价值波动率参数,实证检验了期权价值对林业碳汇项目经济价值的附加作用。结果表明:期权价值对提升林业碳汇项目价值有显著的正向效益,考虑期权价值使得项目价值提高了71.5%。敏感性分析表明价值波动率与项目期权价格呈同向变动关系,采用GARCH模型估测价值波动率对林业碳汇项目定价具有重要意义。基于研究结论,提出建议:明确碳汇交易规则,健全碳汇市场定价机制;促进碳汇金融创新,推动投资策略多元化。

GARCH模型在开放式基金中的实证研究

用GARCH模型及其推广模型,分析了我国华安创新基金收益率的波动情况。实证分析结果表明:华安创新基金收益率存在异方差性和不对称的现象,用EGARCH-M(2,2)模型就能较好模拟该基金收益率的特征。

基于GARCH、EGARCH模型的LME镍期货价格波动集聚性实证分析

镍是经济发展的重要资源,是伦敦金属交易所(LME)六大交易品种之一。讨论LME镍期货价格波动规律,有助于更科学合理地预测镍期货市场行情,把握国际镍期货市场风险。1980年1月—2014年12月LME镍期货价格时间序列具有明显的随机游走趋势与自相关关系,LME镍期货市场为弱式有效。镍期货价格序列存在ARCH效应,GARCH(1,1)模型计量结果显示其具有波动集聚性特征,反映出波动的外部冲击对市场的影响具有长期性,EGARCH(1,1)模型计量结果显示镍价格序列波动的非对称性特征,但利好信息、利空信息对镍价冲击的杠杆效应很弱,有助于揭示镍期货市场风险规律与投资策略。

基于ANN－GARCH模型的中国股市收益非对称波动拟合能力研究

在传统的非对称GARCH模型上加入ANN逻辑项,从而提高了模型的非对称性描述能力。不同于"黑箱"式的神经网络计算,这种方法的ANN逻辑项是可见、可分析的。通过对上证综指、深证综指和恒生指数的实证研究,发现三个市场都存在"杠杆效应"。研究表明:ANN-GARCH模型总体上比传统模型的拟合效果更好,预测能力更强。

基于VaR-GARCH模型的我国开放式基金风险实证研究

从收益的波动性与分布出发,组建起计算时变风险价值的VaR-GARCH模型族,并应用该模型族在两种厚尾分布假设下对我国开放式基金的市场风险进行了实证分析。研究结果表明,基于广义误差分布的VaR-EGARCH模型能相对较好地刻画开放式基金的统计特征与市场风险。

基于多元GARCH模型的沪深股市波动性研究

选取上证综合指数和深证成分指数,分别使用多元对角VECH-GARCH模型和多元非对称BEKK-GARCH模型建模,对我国沪深股市之间的波动相关关系及波动溢出效应进行了实证研究。结果表明,中国沪深股市之间波动的相互影响是持久的,波动呈现出趋同现象;存在显著的双向波动溢出效应,而且上证股市对深证股市的波动溢出效应比深证股市对上证股市的波动溢出效应更显著,存在波动传导的不对称性。

基于FIGARCH模型的中国房地产指数的实证分析

在T分布和正态分布假设下采用GARCH模型和FIGARCH模型对上证地产股指数日收益率序列进行建模分析,结果表明,上证地产股指数日收益率序列的波动具有显著的长记忆性,表明外部冲击对波动有着长期的影响。因此,采用FIGARCH模型建模的效果优于采用GARCH模型建模的效果,并且在T分布假设下拟合模型,其效果优于在正态分布假设下拟合的模型。

基于非对称GARCH模型的股票指数VaR的度量与实证分析

Va R法是目前金融机构广泛采用的风险管理工具。文章选取最新的上证综指和深证成指的日收盘价作为数据样本,基于GARCH类模型,探讨其在不同置信水平下,在分别服从正态分布、t分布和GED分布的假设下的Va R值,并通过回测检验对模型的有效性进行检验。实践证明,非对称的GARCH模型能够更好地拟合股票指数序列。

基于GARCH模型的原油期货价格波动性分析

运用GARCH模型和EGARCH模型,分别在正态分布、学生t分布及广义误差分布下对纽约商品交易所WTI原油期货合约价格进行拟合,结果显示误差分布设置为学生t分布的模型较其它模型能更好地描述原油期货价格的波动,同时原油期货市场波动的非对称性显著,即此期货市场上存在杠杆效应。

GARCH模型的分位点回归的MCMC方法（英文）

本文研究了GARCH模型和TGARCH模型的分位点回归的MCMC估计方法.通过将分位点回归估计问题转化为极大似然估计问题,并利用Metropolis-Hastings算法从模型参数的后验分布抽取随机数来完成GARCH类模型的分位点回归的Bayesian估计,本文得到了Value-at-Risk的动态估计.这一方法是对经典的Value-at-Risk计算方法的非常有效的推广.

基于GARCH和E-GARCH模型的投资组合波动预测分析:以上证50指数为例

通过借助GARCH模型和考虑数据不对称性的E-GARCH模型,分析上证50指数投资组合波动的预测性,实证结果发现:上证50指数日收益率波动均存在条件异方差,市场收益率的波动随时间的变化而变化,而且经常在某一时刻中连续出现偏高或偏低的情况;另一方面,从GARCH模型和E-GARCH模型对上证50指数的预测比较可看出,选取的上证50指数样本数据具有一定的不对称性,短期来看,GARCH模型和E-GARCH模型都能够很好的拟合上证50指数的日收益率波动轨迹,预测误差较小。但随着样本期的延伸,相对于GARCH模型,E-GARCH模型预测效果的相对误差更小。

长记忆条件下我国房地产业的风险测量——基于GARCH和FIGARCH模型的动态VaR计算

从股票市场风险管理的角度分析房地产业指数,基于GARCH和FIGARCH模型对房地产业指数日收益率序列进行建模,在此基础上分别计算其VaR的值,并对二者进行比较。实证研究表明:房地产业指数收益率序列的波动具有长记忆性,FIGARCH模型的拟合效果优于GARCH模型;并且基于FIGARCH模型计算的VaR比基于GARCH模型计算的VaR能更有效地度量风险。

基于GARCH模型和SV模型的VaR比较

简单介绍了VaR的含义及计算方法,指出推测市场因子的波动情况是计算VaR的关键.通过对比GARCH和SV模型,得出SV模型更能刻画金融市场的实际特征.将随机波动SV模型应用于VaR的计算,最后作实证研究.通过与GARCH模型下的结果对比,说明基于SV模型计算的VaR更具有动态性和准确性,VaR更贴切地反映了金融市场的风险水平.

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。

基于GARCH模型的VaR方法对中国股市的分析

中国股票市场的收益率具有厚尾性 ,可以利用GARCH模型中的条件方差来度量其VaR。我们运用了基于不同分布假定下的GARCH模型的VaR方法对深圳股票市场与上海股票市场的风险进行了分析。分析的结果表明深圳股票市场比上海股票市场有更大的风险 ;