TARCH-M模型在上证指数波动率的实证分析

本文应用TARCH-M模型,并且引入迭代累计平方和(ICSS)法则对上证指数进行波动时段进行划分,针对不同波动时段分析其上证指数日收益率上涨和下跌对上海股票市场非对称的影响特点.结果表明,上海股市在1997年以前,收益率的上涨比下跌对股市造成的影响更大,即与通常定义的“杠杆效应”相反;而在1997年以后,其“杠杆效应”才显著.此外,收益率和波动性在后两阶段出现明显的正相关关系,说明了投资者正从以前盲目投资逐渐转变为理性投资,上海股市已日趋成为一个成熟的市场.

哪些行业承载来自上海原油期货市场更多的风险溢出

自2018年建立以来,上海原油期货市场与我国股市风险波动的联动愈发明显。不同于以往更关注整体股市的研究,本文从行业维度出发,探究上海原油期货市场对我国各行业的风险溢出效应。选取2019年9月1日到2022年9月1日期间上海证券市场十个一级行业指数的5分钟收益率数据,引入GAS模型弥补GARCH类模型的不足,并建立MIDAS-Copula-CoVaR模型对各行业的条件风险以及承载的风险溢出强度进行度量。结果表明:第一,含有MIDAS结构的Copula模型拟合效果更好,充分说明纳入高频数据的重要性。第二,上海原油期货市场风险条件下各行业的上行风险明显大于下行风险,呈现出较为明显的非对称性,说明各行业风险对油价上涨更敏感。第三,分行业看,上海原油期货价格下跌对能源行业影响最大、公用行业影响最小,价格上涨对医药行业影响最大、金融行业影响最小。第四,相较于正常情况,极端上行风险对医药行业的风险溢出强度最大、对消费行业最小,极端下行风险对可选行业的风险溢出强度最大、对金融行业最小。

1999年6月黄海、东海海流的三维非线性数值计算

基于 1 999年 6月“向阳红 1 4”号调查船的水文和气象资料 ,用σ坐标下三维非线性的诊断、半诊断及预报模式计算了黄海、东海海流 ,计算结果表明 :( 1 )当t=3d左右 ,密度场和速度场都已调整 ,得到半诊断解 ;当t =2 1d以后 ,解已达到准稳定态 ,并取t =30 0d的计算结果作为预报计算的解 .( 2 )诊断计算结果表明 ,1 )计算区域的西北部有一支黄海沿岸流 ,为偏东向流 ,该流在济州岛以南流出本计算海区 .在计算区域的南部西侧还有一支流 ,即台湾暖流内侧分支 ,作气旋式弯曲后 ,转为东北方向流 .2 )在以上两支流北侧 ,即济州岛西南处 ,存在一个气旋式涡 ,它具有高密、低温的水文特征 .3)黑潮西侧有一台湾暖流外侧分支 ,先作气旋式弯曲 ,尔后向东北方向流动 .4 )黑潮在黄海、东海以较强的速度向东北方向流去 ;其最大水平速度在表层为 1 0 8 5cm/s,位于北边界附近 ,30m层、75m层以及 2 0 0m层的最大水平速度分别为 1 0 6 1 ,1 0 2 2及 85 1cm/s,且均位于南边界附近 .( 3)比较诊断、半诊断及预报模式计算结果 ,它们在定性上比较一致 ,在定量上有些差异 .例如 :1 )黑潮表层的最大水平速度分别为 1 0 8 5(诊断 )、1 2 2 6 (半诊断 )和 1 1 7 9cm/s(预报计算 ) .2 )