基于Levy-GARCH模型的股票市场尾部风险度量研究

防范化解金融风险是牢牢守住不发生系统性风险底线的重要工作,描述资产价格规律、准确度量尾部风险是风险管理的前提。为研究非对称性和非高斯性对我国股市收益率预测和尾部风险度量的影响,本文使用20种Levy-GARCH模型对上证综合指数进行实证分析,计算噪声服从跳跃过程时的VaR和CVaR值,结合快速傅里叶变换数值计算和回溯测试进行检验。研究结果表明:在中国股市中,非高斯性和非对称性是不可忽视的重要特征,跳跃行为在收益率拟合、预测和风险度量方面有重要影响;在尾部风险度量上,带跳跃的非仿射结构条件方差模型表现稳定地优于仿射结构模型,而且有限跳跃过程模型的综合表现优于带无限活动率跳跃过程的模型。总的来说,非对称、非高斯、非仿射的Levy-GARCH模型在收益率拟合与尾部风险测度上表现更好,而且有限跳跃形态可以更准确地解释中国股票市场的尾部风险。

基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。为验证模型有效性,选取一定数据量的PMI指数进行实验。结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%。

含零收益率的金融非对称Log-GARCH模型研究

在实际外汇市场中,由于诸如交易缺失、舍入误差等原因使得收益率序列中出现零值,常见GARCH族模型无法对含零收益率数据进行有效拟合,导致波动率估计结果产生较大偏差。为了更准确地估计汇率波动率,本文对含有零收益率的外汇数据进行建模。首先运用不受条件方差为正限制的log-GARCH模型对汇率市场收益率数据进行拟合,同时提出一个处理含有零收益率的数据处理框架,即将零值视为缺失的观测值。然后通过结合QMLE方法和期望最大化(EM)算法对含缺失观测值的log-GARCH模型进行无偏估计。最后通过实证分析比较零收益率两种不同处理方法——非零值代替零值方法和将零值视为缺失值方法下波动率估计结果的差异。研究结果显示零收益率的存在会增加波动率的估计偏差,将非零值作为缺失值方法得到的估计结果更接近市场真实情况。

基于ARIAM-GARCH深度学习的股价预测与决策

对于绝大多数股民而言,大盘股具有投入成本高、损失大、资金流转慢等特性,为使得股民减少损失,提高收益,通过针对于中小企业股,采用两阶段的方法对股价进行了预测,给出了一种最优投资组合决策方法。第一阶段先用ARIMA-GARCH模型进行建模,提取每日收益率的波动率,再将波动率加入到原有数据集中,构建CNN-BiLSTM-AT深度神经网络模型进行预测,最后使用XGBoost算法对预测值进行修正。第二阶段在给定投资者的期望收益率的条件下,用Bayes方法进行投资组合,获取最优投资决策。实证研究表明,此方法对于选取的10只中小企业股有着较好的研究结果。

产业链视角下油料产品价格溢出效应的对比分析——基于三元VAR-BEKK-GARCH(1,1)模型

为了更好地理解油料产品价格的波动规律,提升国内油料产品价格研究水平,以大豆、油菜、花生为油料作物的典型代表,以2011年2月—2019年12月油料产业链上各个环节月度价格数据为基础,采用三元VAR-BEKK-GARCH(1,1)模型,研究油料产业链上、中、下游产品的价格溢出效应。结果表明:大豆产业链各环节产品均存在价格均值溢出效应,油菜产业链上、中游之间没有价格均值溢出效应,花生产业链上、下游之间不存在价格均值溢出效应;在大豆、油菜和花生产业链中,各环节产品间价格双向波动溢出效应明显。政府应通过建立农业产业链价格监测体系、多元化的价格监测体系、稳定的市场调节机制等措施,促进相关农业产业链的协调发展。

我国碳市场与化石能源市场溢出效应研究——基于VAR-GARCH-BEKK模型的分析

碳市场的建立是实现“双碳”目标的重要保障,分析碳市场与化石能源市场间的溢出效应有助于提升市场流动性、规避碳金融风险,从而更好地推动国家气候战略目标。本文运用主成分分析方法将我国8个碳试点价格集成,明确试点阶段我国碳市场的整体发展规律,并通过VAR-GARCH-BEKK模型,进一步探究了全国统一碳市场建立前后碳市场与化石能源市场之间溢出效应的变化情况。结果表明,试点阶段碳市场与各类化石能源市场之间均存在显著的单向均值溢出效应。然而,在全国碳排放权交易市场建立初期,仅有部分发电行业参与交易,这在一定程度上削弱了碳市场与化石能源市场之间的联动关系,造成了二者之间均值溢出效应的下降。此外,全国统一碳市场的建立吸引了更多的投资者,加剧了碳市场和化石能源市场间的风险传染,需要进一步完善监管政策体系,保障碳市场平稳健康运行。

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。

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。

宏观经济对股市波动的影响——基于GARCH-MIDAS-RTSRV模型的证据

本文对GARCH-MIDAS模型进行了拓展。首先,在估计GARCH-MIDAS模型的长期波动成分时,采用同时考虑噪声和跳跃影响的稳健双频已实现波动估计量RTSRV来代替传统的已实现波动估计量RV。其次,选取了经济变量并从中提取出主成分,从其水平值和波动率两个层面研究不同主成分对股市波动的影响。研究发现:本文构造的GARCH-MIDAS-RTSRV模型优于传统的GARCH-MIDAS模型,其预测精度更高并且可使投资者获得更高的经济价值;经济变量的主成分和已实现波动率均对股市的波动有显著的影响,并且相较于其水平值,波动率对股市波动的影响更为显著。

美国股市双向溢出效应实证研究——基于双变量GARCH(1,1)模型

股票价格往往呈现波动性特征,而随着经济的全球化发展,股票市场之间的相互影响也日益加深。因此,研究股市之间的溢出效应对于宏观经济政策制定者和股票资本投资者具有至关重要的意义。文章选取在纳斯达克(NASDAQ)上市的两个企业从2019年到2021年的股价序列,利用双变量GARCH(1,1)模型分别对企业A与企业B的溢出效应进行了研究,研究结果表明企业A和企业B在波动和收益率方面都存在双向的溢出效应且溢出效应不对称。与企业B相比,企业A更容易受到来自市场外部冲击的影响。此外,随着时间推进,股票市场价格的波动是高度持久的。

基于GARCH类模型对美国股市波动性的对比分析

为研究美国股市股指的波动性特征,本文选取美国股市的Nasdaq指数和Russel2000指数的日收盘价数据,借助统计软件,利用GARCH类模型进行实证分析。实证结果表明:Russel2000指数的风险较Nasdaq指数更稳定,更适合投资,且相较GARCH(1,1)模型,满足学生t分布的APARCH(1,1)模型拟合的条件异方差可以更好地反映种股指日对数收益率的波动率情况,因此可选用此模型对两种指数波动率的未来值进行预测,为投资者提供未来投资参考。

金融时间序列的波动持续性与优化投资组合关系——基于GARCH(1,1)模型矩的视角

GARCH(1,1)模型是最具代表性的ARCH族模型,而ARCH族模型是描述金融时间序列波动持续性特征最为广泛使用的模型,因此对GARCH(1,1)模型进行研究具有很强的理论和实际意义。本文基于矩的角度对GARCH(1,1)模型描述的波动持续性进行了研究并得到了矩和波动持续性关系的具体数学描述。这为人们厘清掩藏在服从GARCH(1,1)过程的金融时间序列背后的规律提供了一个独特视角,帮助人们了解GARCH模型并优化投资组合。

全球政治、经济不确定性与黄金价格波动--基于GARCH-MIDAS模型的实证研究

从政治和经济不确定性两个维度入手构建GJR-GARCH-MIDAS模型,探讨全球不确定性对国际黄金价格波动的溢出效应及其传导路径,并对黄金市场的未来价格波动趋势进行考察。(1)全球政治、经济不确定性对黄金价格波动产生显著正向冲击,纳入不确定性因素的双因子GARCH-MIDAS模型对后者的解释效果较佳。(2)不同政治、经济不确定性子要素对黄金市场的冲击强度和冲击时间具有异质性;地缘政治行动和货币政策不确定性是影响黄金价格长期波动的最主要因素。(3)外部不确定性主要通过影响黄金的商品属性、资产属性、准货币属性对黄金市场施加影响,其中“准货币属性”是近年来不确定性冲击影响黄金市场波动的最主要路径。(4)模型预测结果显示,随着全球政治、经济不确定性因素的减弱和反复,黄金价格长期波动成分从2023年第二季度开始,将逐步下移,随后在第四季度有所反弹。

中国、巴西、俄罗斯股票市场间波动溢出效应的实证研究——基于小波多分辨率分析的多元BEKK-GARCH模型

互联互通是世界经济飞速发展的动力源,在促进了各国之间的经济往来的同时,也加深了各国股票市场之间的联系。中国与巴西、俄罗斯作为经济合作程度较高,三个国家的股票市场也有很多相似的特征。因此,研究中国、巴西、俄罗斯股票市场之间的波动溢出效应有很重要的学术意义。本文选取中证500指数、巴西IBOVESPA指数、俄罗斯RTS指数,作为中国内地、巴西、俄罗斯股票市场的代表,对2014年1月1日至2019年12月31日的收益率序列做波动溢出效应的实证研究。格兰杰因果检验的结果表明,仅有俄罗斯股票市场收益率的变动是中国股票市场、巴西股票市场收益率变动的格兰杰原因。基于BEKK-GARCH模型,研究发现中国、巴西、俄罗斯的股票市场都体现出波动的聚集性和持久性溢出效应,并且中国与巴西股票市场、中国与俄罗斯股票市场、巴西与俄罗斯股票市场之间都存在双向的波动溢出效应。本文将小波分析引入研究,与多元BEKK-GARCH(1,1)模型相结合,把三个国家股票市场的收益率序列分解为不同尺度的信号,对应建立不同交易周期下的波动溢出效应模型。结果发现在短期、中期和长期的时间尺度下,三个股票市场相互之间依然显著存在双向溢出效应。文章建议政策制定者关注股票市场间的溢出关系,完善监管体制,并且出台抵御市场剧烈波动的政策。同时,又从投资者的角度出发,提醒投资者不要忽视高关联程度的股票市场的重要信息。

基于ARMA-GARCH模型的中证绿色债券指数预测

文章选取了中证绿色债券指数2018年11月1日至2023年12月29日的日收盘价,通过Eviews10.0建立ARMA-GARCH模型预测其时间序列变化趋势并得出相应的结论,其实证结果表明:ARMA-GARCH模型可以有效地应用于绿色债券市场预测未来走势,其中静态预测结果优于动态预测,未来一定时间内绿色债券指数收盘价总体呈现向上增长趋势。这对投资者降低投资风险、挖掘投资机遇具有重要意义,便于投资者更好地制定投资策略,控制风险,进而获得更高的收益。

基于损失函数的GARCH类模型波动率预测评价

本文的目的是通过利用多种损失函数评估三种GARCH模型的预测精度,找到最优的股指期货日内波动率研究预测模型。利用之前的研究结果,三个沪深300股指期货日内一分钟日内收益率被用作研究对象,对标准GARCH,eGARCH以及RealGARCH三个模型做了实证检验,并利用多种损失函数,从不同角度衡量三个波动率模型的预测精度。研究发现:Sample1样本的RealGARCH模型有最好的预测效果,而Sample2样本与Sample6样本的eGARCH模型有最好的预测精度。因此,在对沪深300股指期货日内波动率研究时,应根据其样本特征,优先选择具有能够反映非对称特征的波动率模型来刻画波动过程,对未来波动率做预测。

不同分布的GARCH族模型的波罗的海干散货运价指数波动率

为把握航运市场状态,实现航运资源的有效配置,利用GARCH族模型实证研究波罗的海干散货运价指数(Baltic Dry Index,BD I),对其收益率序列和波动率进行建模.通过比较基于不同分布情况的各模型优劣,找出最适合的模型.研究表明,在单纯描述BD I波动率时,采用服从t分布的GARCH(1,2)模型,更能反映BD I收益率序列的尖峰厚尾性;在描述BD I波动率的杠杆效应时,采用正态分布假设下的TGRACH(1,2)对其进行描述更合适.

上海证券市场GARCH效应检验和模型选择

文章利用1999年10月8日至2003年11月7日上证综合指数每日的收盘价数据对其进行了GARCH效应的检验,结果表明上海证券市场股价的波动存在着显著的GARCH效应,并且存在非对称的情况。在具体的模型选择上以EGARCH(1,1)较好,并且在研究中发现GARCH-M模型不适合模拟我国上海证券市场股价的波动情况。

基于TGARCH-偏态t分布模型的美元兑人民币汇率波动实证分析

文章使用R4.2软件,选取2015年1月—2022年9月工作日美元兑人民币汇率数据,选取非对称GARCH模型族,参考具有尖峰厚尾特征的分布函数。研究结果表明,基于偏态t分布的非对称TGARCH模型的拟合优度高于传统的GARCH(1,1)模型,且高于其他分布的EGARCH模型,一阶差分的美元兑人民币汇率序列具有杠杆效应。

具有时变杠杆效应的已实现GARCH模型

杠杆效应是金融市场中的一种常见现象。为了更好地刻画杠杆效应的时变性,首先基于线性样条函数将时变杠杆效应引入了经典已实现GARCH模型,得到了具有时变杠杆效应的已实现GARCH模型,并给出了模型的参数估计及其算法。其次,模拟研究了本文所提模型在有无杠杆效应、不同样本容量及不同噪声选取下的有限样本表现。最后,利用伦敦富时100指数实证分析了本文所提模型相比于经典已实现GARCH模型的优越性。