AR-EGARCH模型在疾病指数时间序列建模中的应用研究

目的探索带有影响因素的疾病指数时间序列建模方法。方法采用黄瓜霜霉病病情指数时间序列从方法学的角度进行预测方法研究,将主成分回归模型和自回归条件异方差模型结合起来,建立AR(2)-EGARCH(0,2)模型。结果AR(2)-EGARCH(0,2)模型用应变量的过去值、过去误差和自变量的当前值、过去值的线性组合来预测病情,克服了主成分回归模型误差项不独立或存在异方差的缺点,模型取得了较好的预测效果。结论AR(2)-EGARCH(0,2)模型为本研究获得的预测效果较好的时间序列模型,适合于类似时间序列数据的结果预测。

用AR-EGARCH-M模型对中国股市波动性的拟合分析

利用 AR(m) - EGARCH(p,q) - M模型 ,以 1996年 12月 16日— 2 0 0 1年 9月 2 8日上证综指和深圳成指收盘价为样本 ,对我国股市的波动性进行拟和分析 ,并对实证结果给予了解释 。

基于EGARCH-GED模型下的股市风险测度研究

根据我国股市市场收益的基本特征,首先运用AR-EGARCH模型来捕获上海证综合指数收益序列的自相关性、波动集聚性和杠杆效应;然后利用广义误差分布估计其厚尾分布,建立了能准确度量时变风险价值的AR-EGARCH-GED模型,并与基于正态分布和学生t分布的AR-EGARCH模型所计算的风险价值效果进行比较.最后,通过实证分析,并利用后验测试,表明基于AR-EGARCH-GED模型的风险价值能更好地刻画我国股市的市场风险.

基于GED分布下EGARCH模型的SHIBOR方差时变性研究

对2012年1月4日至2013年12月31日的SHIBOR隔夜品种进行实证研究,结果表明:1SHIBOR隔夜利率序列不服从正态分布,且具有尖峰厚尾及右偏的特征;2经过反复试算,发现在假设扰动项服从GED分布的情况下,AR(2)-EGARCH(1,1)-M模型能更好的拟合原序列,而且模型估计结果证明SHIBOR的波动存在反杠杆效应,说明"好消息"能比"坏消息"产生更多的波动。

宏观经济信息宣告的股市收益及波动性效应——基于改进的AR(1)-EGARCH(1,1)-M模型的实证检验

基于改进的AR(1)-EGARCH(1,1)-M模型,从收益率和波动性两个方面考察各类宏观信息宣告对股票市场价格行为的影响.结果表明,居民消费价格指数和商品零售价格指数对股票市场的收益有负向影响;国内生产总值、社会消费品零售总额、公开市场操作利率变动率和企业景气指数对股票市场的收益有正向影响;公开市场操作公告会导致股票市场条件收益率显著增加;其余各类宏观信息因素对股票市场收益的波动性并不存在显著影响.

我国股价指数的时间序列模型研究

基于收盘上证指数和深证成指的实际数据资料,利用SAS/ETS软件,采用赫斯特(H.EHurst)提出的R/S分析方法,在论证了我国证券市场为持久性随机过程的基础上,建立了沪深两市的AR-EGARCH模型。指出,就目前我国证券市场而言,AR-EGARCH模型要比ARIMA模型更适合于描述沪、深两个证券市场的股价指数序列变动的非线性规律。

我国商业银行市场利率风险度量研究——基于银行间同业拆借利率

当前商业银行已成为我国金融市场参与主体,市场利率风险是其面临的主要风险之一。本文以银行间同业拆借市场利率为视角,建立基于正态分布、学生分布和广义误差分布下的GARCH模型和EGARCH模型分别刻画市场利率特征,在此基础上构造AR(1)-EGARCH(1,1)-t-VaR复合模型来度量我国商业银行面临的市场利率风险。结果显示:我国银行间同业拆借利率收益率具有显著的杠杆效应,相较于利空消息,利好消息对序列造成的"冲击"更大;随着同业业务快速发展,商业银行对市场流动性的变化更为敏感,所面临的利率风险水平较大且呈现趋势性抬升特征。本文提出进一步完善利率风险管理系统、积极发展金融衍生品对冲利率风险等建议。

中国银行间的同业拆借市场：基本特点分析及影响因素

本文通过对1996年7月2日至2005年11月4日各种不同期限的银行间逐笔拆借交易的交易利率以及成交金额进行统计描述分析,从交易次数、市场份额、交易者类型、交易的地区分布、日均拆借利率以及日均隔夜拆借利差的时间序列走势等角度,归纳出中国银行间同业拆借市场的基本交易特点。在此基础上,我们构造相应的AR(P)-EGARCH模型,从流动性、交易量以及结构性变化的角度系统探讨各种不同期限的利率品种的日均隔夜拆借利差的影响因素。文章的基本结论是:流动性因素、交易量对各种不同期限利率品种的日均隔夜利差序列有显著的影响,利差序列以1999年7月为界,之前和之后存在一个结构性的变化,并且利差序列的波动存在正的杠杆效应,日均隔夜利率的一阶差分对其他期限的利差序列的波动存在一个正向的影响。

中证银行指数和它的十大权重股溢出效应研究

伴随着世界金融危机的频频爆发,预测金融系统风险就成为学者和机构的重要研究课题.选用了经典的AR(1)-GARCH(1,1)模型拟合了边缘分布.接着,利用GO-GARCH模型来刻画了银行和金融系统的相依结构,最终预测了十大权重股对金融系统的风险贡献.

黄金价格(AU99.99)的季节性风险预测

选用了经典的AR(1)-EGARCH(1,1)模型和极大似然估计来获得黄金收益率的条件均值和条件方差的估计.接着,利用极值理论模拟了标准独立化以后的残差序列.最终预测了每个季度的VaR和CVaR,进而研究了黄金价格的季节性风险.