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。

经济政策不确定性对深圳碳排放权交易市场波动性的影响——基于GARCH-MIDAS模型的分析

相较于国外碳排放权市场,我国的碳排放权交易体系交易制度和监管体系等各方面尚待完善。碳排放权价格的波动经常会给投资者、企业、监管带来困扰,这也是当今学者关注的重点。本文采用GARCH-MIDAS模型将碳排放权价格的波动分解为长期和短期分量,并将经济政策不确定性(EPU)指数作为潜在的影响因子,对设立时间最早且有效交易日较多的深圳碳交易市场进行研究。本文采用GJR-GARCH-MIDAS模型进行比对以将杠杆效应纳入考虑。研究表明,经济政策的变化会加剧碳排放权价格的波动,且这种影响是长久的,而杠杆效应在样本中并不显著。因此,政府应通过出台详细政策指引和增加信息披露透明度来最大化降低这种不确定性所带来的价格波动。

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。

时变风险厌恶与黄金期货市场波动率--基于GARCH-MIDAS模型的实证研究

黄金作为特殊的贵金属,一直被投资者视为拥有“避风港”特征的有效避险工具。将时变风险厌恶指数(R_(A))引入GARCH-MIDAS模型中,研究R_(A)对黄金期货波动率的影响及预测作用。采用损失函数和模型置信集(MCS)评价不同模型的样本外预测精度。实证结果表明:R_(A)对黄金期货市场波动有显著的正向影响;相比于其他模型,引入R_(A)的GARCH-MIDAS-RA模型拥有更好的参数估计结果和预测结果。

比特币对我国股票市场波动性的影响——基于双重非对称GARCH-MIDAS模型的实证研究

在考虑股票市场收益率以及波动率非对称性的基础上,通过采用上证综合指数、五大行业股票指数(工业、商业、房地产业、公共事业和其他行业)以及比特币数据,构建双重非对称GARCH-MIDAS(DAGARCH-MIDAS)模型,实证研究比特币对我国整体股票市场在不同样本期间(全样本期、中国股市崩盘的2014—2016年、比特币依托的区块链技术火热的2016—2019年)和对不同行业股票市场在全样本期间的影响。研究结果表明:在全样本期,比特币对我国整体股票市场具有显著的正向影响;在2014—2016年的子样本期,比特币对我国股市的正向影响更为显著;在2016—2019年的子样本期,比特币对我国股市具有显著的负向影响;比特币对我国工业、商业、房地产业和其他行业的股票市场均具有显著的正向且相似的影响,但对我国公共事业股票市场并没有显著冲击。

经济政策不确定性与中国股市波动率预测——在GARCH-MIDAS模型下的实证研究

文章以中国经济政策不确定性指数(CEPU)、美国经济政策不确定性指数(AEPU)和全球经济政策不确定性指数(GEPU),上证综合指数5分钟高频数据和日收益率为研究对象,运用GARCH-MIDAS模型分析不同经济政策不确定性对上证综合指数波动率的影响。实验结果表明,研究结果发现:GARCH-MIDAS模型比GARCH模型可以更好地拟合我国股市的波动状况,同时加入EPU指数能提升模型的预测性能。此外,通过不同的预测窗口和DM检验结果发现,CEPU对中国股票市场波动影响最大,说明本国经济政策是中国股票市场长期波动的主因。外国经济政策虽然会对本国股票市场波动产生影响,但其影响的程度远没有本国的经济政策对股市影响的效果强烈。

基于GARCH-MIDAS模型的宏观经济与股市波动关系

以宏观经济变量为研究变量,运用多因子GARCH-MIDAS(Mixed Data Sampling)模型研究了我国宏观经济与股市波动之间的关系。研究结果表明:多因子GARCH-MIDAS模型较好地描述了宏观经济与股市波动之间的关系。工业增加值和社会消费品零售总额会对股市长期波动产生正向影响,并且这种影响有逐渐增强的趋势。利率与货币供给量则在不同经济发展阶段对股市波动的影响表现出一定的差异性,这主要是与当时的宏观经济环境以及经济变量自身的特征有关。

美农报告对中国农产品期货波动的影响——基于GARCH-MIDAS模型

根据主成分分析的基本原理和GARCH-MIDAS混频模型的建模理论,分别提取大豆、玉米美农报告数据的主成分,而后构建基于大豆美农报告数据主成分与大豆期货收益率、玉米美农报告数据主成分与玉米期货收益率的GARCH-MIDAS模型,并根据混频模型回归结果及混频图得出美农报告对我国农产品期货波动有一定影响的结论,同时证明了GARCH-MIDAS混频模型的有效性,为农产品期货市场影响因素的分析提供了新思路。文章认为美农报告之所以对我国农产品期货市场产生影响,主要是由于我国相关权威信息机构的缺乏、农产品定价权的缺失以及农产品期货国际竞争力较弱,而后提出相应的对策建议。

基于GARCH-MIDAS的混频投资者情绪对股市波动的影响

采用广义自回归条件异方差的混频数据抽样模型(GARCH-MIDAS)研究投资者情绪对中国股市收益率波动的影响。实证结果表明:与投资者关注、经济政策不确定性相比,投资者情绪在单因子GARCH-MIDAS模型中优度最佳,对市场波动产生显著的正向影响,并能够解释A股中较高比例的长期波动;投资者关注对市场波动产生显著的正向影响;经济政策不确定性对A股的影响不显著。此外,投资者情绪与投资者关注组合时的双因子GARCH-MIDAS模型可以得出与单因子模型一致的结论,在模型中合理地选取解释变量进行组合可以提高模型对股市波动的解释能力。GARCH-MIDAS模型有效地解决了投资者情绪与股市波动率数据频率不一致的问题,为股市波动率影响因素的研究提供了新的研究视角。

基于GARCH-MIDAS模型对股市波动率预测

极端冲击(例如战争和金融危机)会导致股市波动剧烈.提出5种增强的混频模型(GARCH-MIDAS),可以捕捉非对称和极端冲击对股市波动率的影响.样本内的结果表明,我国股市存在明显的波动率聚集效应和杠杆效应,并且负面的极端震荡会导致较高的波动性.而样本外的MCS和DM检验结果则清楚地显示出EGARCH-MIDAS-ES模型最适合预测股市波动率,该模型在短期波动中纳入了非对称效应,长期趋势中加入了极端冲击的影响.此外,稳健性检验证实,与标准GARCH-MIDAS模型相比,增强的波动率模型在统计和经济方面均可产生更好的预测结果.通过考虑极端冲击,为股市波动率预测提供了新的见解.

地缘政治风险对数字货币市场波动的影响研究——基于GARCH-MIDAS模型实证分析

从地缘政治风险角度出发,采用GARCH-MIDAS模型,检验了不同地缘政治风险指数对比特币及整个数字货币市场波动率的影响及预测能力。全样本结果表明,地缘政治风险是影响比特币和数字货币市场波动率的重要因素,除印尼外,其余地缘政治风险指数对比特币波动率均存在显著的负面影响;不同的地缘政治风险指数对数字货币市场波动率的影响存在异质性。样本外预测结果说明,地缘政治行为(GPA)和地缘政治威胁指数(GPT)分别对比特币和数字货币市场的波动率拥有最佳的预测能力。进一步提出,地缘政治风险是数字货币市场波动的关键外部驱动因素,监管机构应着重关注地缘政治风险的变化,避免数字货币市场的非常规波动影响到国内的金融市场。

基于极端冲击的GARCH-MIDAS模型对股市波动率预测研究

金融危机和政治事件等重大事件会对股市产生极端冲击,为探究极端冲击和非对称效应对股市波动率预测的影响,对GARCH-MIDAS模型进行改进并探究改进后的模型能否提高股票波动率的预测性能。以上证综指数据样本为例,运用滚动时间窗的样本外预测方法和MCS检验,探究同时包含极端冲击和非对称效应的GARCH-MIDAS模型的预测性能。样本内结果表明,我国股市存在明显的杠杆效应和极端冲击且负极端冲击的影响大于正极端冲击;样本外结果表明,在不同的损失函数条件下,MCS检验的结果显示在长期项和短期项中均考虑极端冲击和非对称效应的GARCH-MIDAS模型的预测性能更好。这说明在股票波动率预测模型中考虑极端冲击和非对称效应能够提高模型的预测精度。

政策因素会长期影响股市波动吗?——基于GARCH-MIDAS模型的分析

基于GARCH-MIDAS模型实证检验了政策强度对股市波动长期成分的影响。研究发现:股票资金供应政策、市场法律法规、市场监管能降低股市波动长期成分。股票资金供应政策的影响随时间推移下降较快,市场法律法规、市场监管对市场波动的影响较为持久。税收政策调整会增加股市波动长期成分,且其影响是持久的。股票供应政策和货币政策的调整对于股市波动长期成分影响不显著。样本外预测结果表明,GARCH-MIDAS模型中加入政策变量能有效提升模型预测精度。

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.

中美股票市场的联动关系研究--基于DCC-GARCH和DCC-MIDAS模型的分析

本文探究中美两国股票市场之间联动性的作用机制。通过实证研究发现中国和美国的股指收益率在所选样本区间内的确存在联动性。在不同的时间范围内,两国股市之间联动性的强弱有所差异,但大致呈同向变动,且长期联动比短期联动更稳定。全球范围内的重大事件及美国经济不确定性会对中美股市联动性产生显著影响,且后者为负向影响。

基于非对称GARCH-MIDAS模型的原油价格波动预测

针对原油价格波动的预测问题,将GARCH-MIDAS模型扩展为两类:A-GARCH-MIDAS模型研究正负面的油价波动因素对原油市场的不同影响;GARCH-MIDAS-X模型将短期成分扩展到额外的波动决定因素,将扩展模型应用于原油WTI数据。样本内估计结果表明,非对称效应对原油价格波动性有显著影响;样本外预测结果表明,非对称效应显著提高了波动率模型的预测性能。

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。

基于C(n)-MIDAS模型的中国鸡蛋价格混频预测预警研究

作为国内首个上市的畜牧期货产品,中国鸡蛋价格体系趋于完善,但受产销信息不对称、运输损耗较大等多种因素影响,鸡蛋价格波动频繁,亟须对其进行动态监测、加强预警,选优监测预警方法以提高预警精度、保障市场的相对稳定。在分析国内外相关研究成果的基础上,采用时差相关分析和变量投影重要性(VIP)技术进行变量选择,从影响鸡蛋价格波动的18个混频指标中筛选出贡献度较高的4个重要先行指标以及2个待定指标;探讨不同指标选择下C(n)-MIDAS、PDL和ARIMA模型的预测精度变化,最后运用选定模型结合中国农产品监测预警阈值表对2021年3-12月鸡蛋价格进行预测预警。研究发现:C(n)-MIDAS模型用于鸡蛋价格短期预测具有比较优势;加入鸡蛋期货价格后的C(5)-MIDAS模型预测效果最好,且能及时将最新公布的高频数据纳入模型修正预测结果、提高预测精度;基于C(n)-MIDAS模型得到的预警结果可以迅速发现警情,精准定位警源,提前捕捉未发警情。未来可以通过加强重点指标监管力度、加强涵盖全国各省市的鸡蛋监测预警体系建设以及跟踪学术前沿,将金融经济行业的最新研究方法应用到鸡蛋产业等对鸡蛋市场监测预警进行广度和深度的扩展,保障鸡蛋产业平稳有序运行。

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%。