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。

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。

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。

基于GARCH-MIDAS-dLSTM模型的棉花期货价格趋势拟合研究

利用机器学习对期货价格的趋势进行拟合研究的时候,在价格波动剧烈的情况下效果往往并不理想.期货基本面方面的因子大多都是月度或者年度之类的低频数据,不能与日度价格数据进行很好地融合,因此无法充分利用这类信息进行拟合研究.针对上述问题,提出一种基于混频数据的GARCH-MIDAS-dLSTM模型,以棉花期货作为研究标的,将多因子GARCH-MIDAS模型与双层LSTM模型进行融合并对棉花期货收盘价进行趋势拟合.实验结果表明,引入棉花期货基本面低频因子的GARCH-MIDAS-dLSTM模型MAE值为0.127 3,较引入之前提升了0.018 4,表明该模型能够在价格波动剧烈的情况下提高拟合结果的准确度并减小误差.

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。

建筑业上市公司财务风险度量研究——基于GARCH-MIDAS-VaR模型

针对金融数据存在的频率不一致问题,文章以建筑业上市公司季度财务数据及日度收益率为样本,引入广义自回归条件异方差混频数据抽样模型及不对称广义自回归条件异方差混频数据抽样模型,采用参数法计算在险价值指标,与样本公司实际损益率作对比,分析模型对最大损失的预测情况,进一步说明模型对建筑业上市公司财务风险的度量效果。实证研究表明,相比于传统的广义自回归条件异方差模型,广义自回归条件异方差混频数据抽样模型及不对称广义自回归条件异方差混频数据抽样模型能对样本公司的损益进行更有效的预测。基于此,在对上市公司财务风险进行度量研究时应充分考虑到数据的混频性质。

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。

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。

俄乌冲突对欧盟碳排放权交易市场波动及风险影响研究——基于GARCH-VaR视角

俄乌冲突的爆发对欧盟(EU)碳排放交易体系造成了剧烈冲击,测度俄乌冲突对碳排放交易价格波动和风险水平的冲击具有重要意义。通过设置俄乌冲突前和俄乌冲突后两个情景,基于欧盟碳排放配额期货(EUA)日度数据,采用GARCH-VaR模型来探究俄乌冲突对欧盟碳市场价格波动和市场风险影响,研究证实GARCH-VaR模型可以测度俄乌冲突前后欧盟碳排放权收益率序列的波动特征以及度量市场风险水平,俄乌冲突增加了欧盟碳交易市场的波动及风险水平。

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。

基于多周期GARCH-M模型的短期电价预测

电价的分布特性是电力市场风险管理和电力金融产品定价的重要依据。建立了一个采用虚拟变量和正弦函数来刻画现货电价序列多周期性特征的GARCH-M模型。该模型易于定阶、待估参数少,可同时处理电价序列的趋势变化、多周期、异方差及其与负荷之间的非线性相关性,具有一定的实用价值。对PJM电力市场历史数据的分析表明,电价分布的异方差和负荷的平方对电价均值具有显著的影响,电价序列具有周、半月、月、季、半年等多重周期和明显的波动集聚性。

基于GARCH-M模型的人民币汇率预测

在经济全球化的形势下,人民币的走势是关系到中国外贸企业生存、国际地位以及国家金融环境的重要因素,因此对人民币/美元汇率进行预测是十分有必要的。通过对GARCH-M模型在预测人民币美元汇率的可行性,时间序列存在异方差性和自相关性的论证,建立相应的GARCH(1,1)-M模型,并运用模型对美元/人民币汇率进行预测。表明在现实中可以运用GARCH-M模型进行汇率趋势预测,但是由于检验的数据较少,所以不能达到精确的预期目的。

基于ARMA-EGARCH-M模型的沪深股市波动性分析

文章讨论了ARCH模型族的拟合波动性的优缺点,建立ARMA-EGARCH-M模型,简要说明了此模型的优点;以2000年1月11日-2006年3月15日上证综指和深证成指收盘价为样本,对我国沪深股市收益率分布用ARMA-EGARCH-M模型进行拟合分析,结果表明该模型能更有效地拟合我国沪深股市的波动性;最后解释实证结果和分析了我国股市的行为。

Garch-M模型的沪市险值实证研究

由于我国股票市场每日报酬时间序列的非正态性和厚尾特性,且呈现波动集群性,基于正态假设的静态模型存在很大的缺陷,而Arch类模型具有良好的处理厚尾能力,能较好地描述股价等金融变量的波动特征,因此,将Garch-M模型引入VaR方法中,通过实证分析,结果表明,Garch-M模型能显著提高预测的准确性。

GARCH-M模型在股指预测中的应用

本文用GARCH-M模型模拟波动率的变化趋势,并进行预测,将所得结果带入Black-Scholes公式中,用蒙特卡罗模拟10000次,取其期望,得了较真实的股票指数。