基于ARMA-GARCH模型和马尔科夫链的人民币汇率预测

本文构建人民币汇率的ARMA-GARCH模型,又引入马尔可夫链模型,试图探寻我国在岸人民币汇率的规律。从ARMA-GARCH(1,1)模型提取标准误差与马尔可夫链预测的汇率涨跌幅均值结合,对短期内汇率变化范围进行预测,可以预测7个交易日内的汇率上限,但存在精度问题需要后续研究改进。

基于ARMA-GARCH与VAR模型的中信证券股票收益率分析

本文以中信证券股票、金融行业指数及上证指数为研究对象,利用其六年的日度数据进行分析,发现中信证券股票收益率的波动率呈现出ARCH效应。为进一步解析其波动性特征,文章建立了ARMA-GARCH模型,并构建了股票收益率与金融行业指数及上证指数之间的VAR模型。研究结果表明,中信证券收益率受到行业和上证指数的显著影响,VAR模型展现了对这些影响因素的良好捕捉能力;脉冲响应分析进一步验证了模型在解释市场冲击和波动传导方面的有效性。最后,对ARMAGARCH和VAR模型进行了一系列稳健性检验。本文旨在提供对中信证券股票收益率波动性和市场影响因素的深入理解,为投资者和决策者提供更为精准的市场预测和风险管理支持。

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ARMA-GARCH簇模型的碳配额价格波动特征研究

在“双碳”目标指引下,我国碳市场正处于从区域试点迈向全国统一的关键时期,如何实现地方衔接全国碳市场已经成为亟待解决的问题。以北京、上海、广东、湖北、天津和全国6个碳交易市场的碳价为研究对象,通过建立ARMA-GARCH簇模型对碳价波动问题进行量化分析。研究结果发现,6个碳市场的碳价受前期交易的影响较为显著、价格波动具有集群效应以及存在非对称性冲击效应,为此提出丰富交易主体、交易产品和完善市场定价机制的相关建议。

非零均值噪声下ARMA-GARCH模型的拟极大似然估计

ARMA-GARCH模型在金融领域已得到广泛应用,可以用来研究金融资产价格的变化情况.对金融资产收益率建模时,通常假设噪声服从高斯分布.然而,实际研究表明,金融资产收益率可能具有正向或负向阶段性跳跃特征.对于此类金融数据,基于高斯分布的ARMA-GARCH模型在预测效果上显得不足.因此,研究了非零均值噪声扰动下的ARMA-GARCH模型,证明了拟极大似然估计量(QMLE)的强相合性和渐近正态性.进一步,通过数值模拟和实证分析说明了该模型的有效性.

基于ARMA-GARCH模型的北京碳排放权市场价格分析

作为我国经济发展迅速的城市之一,北京碳排放权市场的分析将为我国其他城市碳排放权市场的分析提供重要参考,能够为进一步评估我国碳金融市场提供一定的帮助。因此,本文选取了2013年11月8日—2021年6月4日北京碳排放权市场的日收盘价作为研究对象,并将该数据以2020年1月1日为分界线分为新冠疫情前和新冠疫情后两组数据分别进行建模,采用ARMA-GARCH模型对北京碳排放权市场价格进行分析,刻画北京碳排放权市场价格的变动趋势。结果表明:新冠疫情前碳交易市场的日收盘价用ARMA(0,2)-GARCH(1,4)的拟合效果较好,疫情后碳交易市场的日收盘价用ARMA(0,1)-GARCH(1,4)的拟合效果较好。文中根据ARMA(0,1)-GARCH(1,4)模型对北京碳交易市场碳价未来30天的收益率进行了预测。

基于ARMA-GARCH组合模型的汇率波动性预测

文章使用2015年8月11日至2022年11月30日人民币兑美元汇率的日交易中间价数据进行研究。首先对该数据进行对数差分处理,得到平稳的人民币汇率对数收益率序列。其次通过描述性统计分析发现该序列“尖峰厚尾”,而平稳性检验和ARMA模型建立证实了该序列的非随机性质,异方差性检验确认了波动聚集性。研究采用GARCH、EGARCH和TGARCH模型对波动率方程进行拟合,结果显示汇率存在杠杆效应。最终,使用最佳拟合效果的EGARCH(1,2)模型对汇率序列进行回测分析,并提出相关建议。

基于ARMA-GARCH模型的内蒙古煤炭价格波动性研究

文章运用ARMA-GARCH模型,以内蒙古煤炭价格指数的对数收益率为研究对象,对内蒙古煤炭价格波动性进行实证研究。研究结果显示,内蒙古煤炭价格指数的对数收益率序列均具有明显的波动集聚性,波动率序列具有显著的ARCH效应;煤炭市场往期的波动对现在波动的影响明显大于外部冲击;通过ARMA-GARCH模型中ARCH系数与GARCH系数之和与“1”的大小比较可知,波动具有不同强度的持续性和增强的趋势。

基于ARMA-GARCH模型的上证综指收益率研究

股票价格变化的预测对判断我国股市的走势有着显著作用。文章选取从2015年1月2日至2020年12月30日的上证指数每日收盘价,首先对一阶差分后的对数收益率序列建立ARMA(2,4)模型,其次通过分析发现残差序列存在条件异方差性,进一步构建GARCH(1,1)模型,随后构建综合的ARMA(2,4)-GARCH(1,1)模型并对模型进行相关诊断性检验,得出上证综指对数收益率序列存在波动聚集性且短期预测效果要优于长期的结论。

基于ARMA-GARCH族和VAR模型的碳排放权交易价格波动特征研究

随着“双碳目标”的提出,我国碳交易市场得到了越来越多的关注,而碳定价权的争夺也将成为国际碳市场的竞争核心。因此,对碳排放权交易价格进行走势预测和波动特征研究是必要且具有现实意义的。本文综合考虑地区分布、碳交易规模和活跃性等因素,选取了广州、湖北、北京和上海四个碳交易市场,通过构建ARMA-GARCH和ARMA-EGARCH模型以及VAR模型,对碳排放权交易价格的日对数收益率进行了研究。结果发现:四个碳市场的交易活跃度和价格波动情况存在区域差异,对数收益率存在显著的自相关性和条件异方差性,且存在一定的相互影响。GARCH模型能够帮助更好地拟合波动特征,VAR模型的预测效果最佳。另外,我国碳市场的效率和流动性偏低,当期收益大小和波动受前期交易的影响较大。其中,广州、湖北和北京三个碳市场对利空和利好消息均敏感,上海碳市场则只对利好消息敏感。基于此,本文提出了“坚持市场导向 + 政府部门监管和引导”的建议。

基于ARMA-GARCH与VAR模型的棉花期货价格波动特点与影响因素研究

本文选取2015年至2021年郑州商品交易所棉花期货收盘价数据,建立ARMA-GARCH模型,其中分别使用EGARCH、GARCH-M证实棉花价格波动存在“杠杆效应”与不存在“高风险、高收益”的特征。同时,使用ARMA-EGARCH模型拟合得到的条件波动率与我国工业增加值变化率、M2变化率、人民币兑美元汇率变化率建立向量自回归模型,得知上述三者共同Granger引发棉花价格的波动,其中工业增加值变化率影响最为显著,且M2变化率对长期棉花价格波动影响大于短期波动。最后提出政策性建议。

基于小波分析的ARMA-GARCH模型在降水预报中的应用

利用小波分析方法对通榆地区1955-1999年降水资料进行分解与单支重构,得到低频序列和高频序列;对得到的子序列依据是否具有自回归条件异方差（ARCH）效应,建立自回归移动平均（ARMA）模型或者ARMA-GARCH模型。然后将上述各子序列所建模型进行线性叠加,得到年降水量的基于小波分析的ARMA-GARCH模型（W-A-G）。根据2000-2009年的降水资料检验模型,并与未考虑ARCH效应的基于小波分析的ARMA模型（W-A）作对比。结果表明：小波分析的6个子序列中,低频项（A5）不具有ARCH效应,高频项（D1~D5）具有明显ARCH效应;W-A-G模型检验的相对误差平均值为9.98%,平均绝对百分比误差（MAPE）值为0.009 9,根均方差（RMSE）值为34.592 8,符合水文预测标准且精度明显高于W-A模型（平均相对误差22.4%,MAPE为0.180 2,RMSE为83.337 3）,表明W-A-G模型是一种可行的方法。最后用所建W-A-G模型对通榆地区未来6年降水量进行预测,预测结果显示：通榆地区未来降水量呈下降趋势,干旱情况将持续发生,应做好抗旱准备。

我国股指期货加大了现货市场的波动性吗?——基于ARMA-GARCH模型的实证检验

引入虚拟变量、市场因素代理变量和股指期货同期交易数据建立ARMA-GARCH模型进行实证检验,结果表明股指期货交易管控政策对现货市场波动性影响不显著,股指期现货间波动传递机制尚未完全形成,股指期货加大现货市场波动性的观点不成立。我国应继续推进股指期货市场发展,完善制度体系,强化专业培养,加强过程监管,鼓励风险可控的适度创新,引导股指期货在资本市场发挥更大作用。

基于ARMA-GARCH的股指期货实证分析

基于沪深300股票指数期货的时间序列数据,研究了股指期货收益序列的平稳性,建立了ARMA-GARCH模型,通过模型中的均值方程和波动方程,发现初期期货市场上的交易状况偏向于风险厌恶型,得到了收益变化的循环周期大约为3.6天,股指期货市场的波动存在ARCH效应和长记忆性特点。说明市场初期交易者对市场的信息反馈非常敏感和迅速,并且呈现出群体效应和连锁行为,有增大市场风险的可能。

质押式回购利率的风险度量研究——基于ARMA-GARCH模型的实证检验

文章对2002年1月4日至2009年3月31日我国银行间质押式回购市场进行实证研究,结果表明:(1)t-分布和g-分布下的模型能更好地捕捉回购利率序列的尖峰厚尾性;(2)回购利率波动具有显著的非对称性,利率上升时的波动更大;(3)ARMA-PARCH-M模型是估计回购利率VaR值的理想模型,t-分布下的模型适合多头头寸VaR值的预测,而g-分布下的模型适合空头头寸VaR值的预测。这说明我国回购市场的利率风险较高。

基于ARMA-GARCH模型的超短期风功率预测研究

风功率预测对提高电能质量和电力系统的安全运行具有重要意义。基于时间序列的方法,对内蒙古赤峰地区某风场的风功率数据进行了超短期预测,通过对数据平稳性检验的结果,建立了时间序列的ARMA模型,利用拉格朗日乘子检验的方法,检验ARMA模型具有ARCH效应,并建立适合的ARMA-GARCH模型。结论通过对比ARMA模型,ARMA-ARCH模型和ARMA-GARCH模型的风功率预测精度可知,在解决数据的残差序列异方差函数具有长期相关性时,ARMA-GARCH模型能够有效的提高预测精度。

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。

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。

基于ARMA-GARCH-SN模型的沪深300股指期货日内波动率研究与预测

运用五个交易日的股指期货高频数据(每秒两笔),本文主要研究了沪深300股指期货日内波动率特征并对日内波动率预测。研究发现高频股指期货日内收益率有明显的波动率聚集和条件异方差现象,但无尖峰厚尾现象,收益率序列分布符合有偏正态分布。因此,我们对时间序列建立了最优的ARMA-GARCH-SN模型,并对模型拟合充分性做了验证,拟合结果发现ARMA(1,2)-GARCH(1,1)-SN模型基本能够刻画股指期货高频日内波动特征,条件方差所受的冲击具有很强的持续性、日内波动也具有长记忆性,最后我们还利用自助法对高频股指期货日内波动率两步预测、利用滚动回归预测方法对样本做了样本内预测。预测结果表明,波动率预测结果能够较好地反映股指期货日内波动特征。

基于ARMA-GARCH模型的股市量价动态关系研究

文章以GARCH模型为基础,纳入ARMA结构的均值方程形式,建立了描述股价和成交量之间内在关系的ARMA-GARCH组合预测模型。基于股价和成交量的历史高频交易数据,对该模型进行了参数估计和检验,同时对我国股市量价动态关系进行了实证分析。研究结果显示,股价与成交量之间的动态条件相关关系并非常数,而是具有时变性。在整个样本区间,动态条件相关系数均为正,而且随着进出市场的信息流呈现出很强的波动性特征。