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%。

混合Beta分布GARCH模型的EM算法求解与实证分析

GARCH模型在处理时序数据异方差问题中得到广泛应用,然而在面临一些特殊领域的数据,尤其是金融市场领域中具有高峰厚尾、非对称性、有界取值区间等特征的数据时,传统正态分布的基本假设往往与现实严重不一致。针对此类问题,文章提出混合Beta分布的GARCH模型,并给出了基于完全数据最大似然函数的EM算法估计模型的参数,以仿真模拟数据和金融市场现实数据为例,进行了实证分析。结果显示,在违背正态分布假设的情形下,混合Beta分布GARCH模型更能有效地提炼波动的一系列非正态性信息,同时也验证了EM算法对模型的参数求解行之有效。

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。

ARIMA与ARIMAX模型在私人汽车拥有量预测中的应用

为了提高私人汽车拥有量的预测精度,利用时间序列分析方法对全国2005—2020年的私人汽车拥有量数据进行研究,建立基于动态回归(ARIMAX)模型。运用Lasso模型和灰色关联分析得出影响私人汽车拥有量的主要因素,并将主要因素作为回归项引入差分自回归移动平均(ARIMA)模型。然后,在ARIMA模型的基础上建立ARIMAX模型。模型预测的对比结果揭示了ARIMAX的拟合效果更佳,适用于全国私人汽车拥有量的预测。

基于GARCH模型的林业碳汇项目期权价值评估

森林具有强大的碳汇功能,林业碳汇项目是实现碳达峰目标的中坚力量。合理评估林业碳汇项目价值有助于加速林业碳汇市场的发展,缓解我国碳排放压力。以浙江省仙台县碳汇造林项目为研究对象,基于二叉树期权定价方法,采用GARCH模型估计价值波动率参数,实证检验了期权价值对林业碳汇项目经济价值的附加作用。结果表明:期权价值对提升林业碳汇项目价值有显著的正向效益,考虑期权价值使得项目价值提高了71.5%。敏感性分析表明价值波动率与项目期权价格呈同向变动关系,采用GARCH模型估测价值波动率对林业碳汇项目定价具有重要意义。基于研究结论,提出建议:明确碳汇交易规则,健全碳汇市场定价机制;促进碳汇金融创新,推动投资策略多元化。

沪深300指数的市场风险预测——基于GARCH模型

随着金融全球化和自由化程度不断加深,金融市场在得以发展的同时也面临着日益剧烈的市场风险。文章基于2010年1月4日至2024年3月20日沪深300指数日收盘历史数据,运用GARCH模型分别在90%、95%和99%的置信水平下预测沪深300指数市场风险。研究显示:(1)GARCH(1,1)正态分布模型在90%、95%、99%置信水平下的失败天数和LR值均未通过检验;(2)GARCH(1,1)-t分布模型在90%置信水平下的失败天数和LR检验值均通过了检验,在95%置信水平下的LR值通过检验,在99%的置信水平下失败天数为0,低估了沪深300指数收益率损失的风险;(3)综合来看,GARCH(1,1)-t分布模型能够更有效地预测沪深股市的市场风险。

基于GARCH类模型和极值理论的理财产品风险分析

风险分析是理财产品管理和运营的重要依据。本文依据广义自回归条件异方差(GARCH)类模型和极值理论,利用理财产品的净值数据进行建模,对理财产品的风险值进行估计。实证结果验证了模型在实际应用中的可行性和有效性,说明该方法适用于理财产品风险的动态分析。

基于GARCH类模型对美国股市波动性的对比分析

为研究美国股市股指的波动性特征,本文选取美国股市的Nasdaq指数和Russel2000指数的日收盘价数据,借助统计软件,利用GARCH类模型进行实证分析。实证结果表明:Russel2000指数的风险较Nasdaq指数更稳定,更适合投资,且相较GARCH(1,1)模型,满足学生t分布的APARCH(1,1)模型拟合的条件异方差可以更好地反映种股指日对数收益率的波动率情况,因此可选用此模型对两种指数波动率的未来值进行预测,为投资者提供未来投资参考。

基于GARCH族模型的波动率研究——以燕京啤酒股票收益率为例

本文主要研究了波动率预测及燕京股票与食品板块指数、深成指数的关系这两个问题。首先,本文构建了以日数据为基础的GARCH族模型,并以此为基础预测了燕京啤酒股票日对数收益率的波动率,使用了四种损失函数法评价各模型样本外的预测能力。其次,对燕京股票股价、食品板块指数和深成指数的对数做了协整分析,构建了关于三者日对数收益率的VAR(1)模型,并完成了对应分析。最后得出结论,GARCH-n模型预测能力最好,食品板块指数对燕京股票具有较为明显的牵动效果,但深成指数的牵动效果较弱。

金融时间序列的波动持续性与优化投资组合关系——基于GARCH(1,1)模型矩的视角

GARCH(1,1)模型是最具代表性的ARCH族模型,而ARCH族模型是描述金融时间序列波动持续性特征最为广泛使用的模型,因此对GARCH(1,1)模型进行研究具有很强的理论和实际意义。本文基于矩的角度对GARCH(1,1)模型描述的波动持续性进行了研究并得到了矩和波动持续性关系的具体数学描述。这为人们厘清掩藏在服从GARCH(1,1)过程的金融时间序列背后的规律提供了一个独特视角,帮助人们了解GARCH模型并优化投资组合。

中国GDP预测—基于引入外生变量M2的ARIMAX模型

基于我国2001-2020年间的国内生产总值(GDP)和全国广义货币供应量(M2)数据,以M2为外生变量,建立ARIMAX模型,利用R语言为编程工具,对我国2021—2023年的GDP进行预测。首先建立基础的ARIMA模型对GDP进行预测,其次再将预测结果和ARIMAX模型得到的结果进行对比,最后发现ARIMAX模型预测更为准确。预测结果显示2021—2023年我国GDP总量稳步增长,与实际数据吻合度高,表明我国经济稳步发展;同时2024年的预测结果,也预示我国本年度经济发展持续增长。

宏观经济不确定性对碳交易市场时变波动的溢出效应——基于GARCH簇-SVAR-AB模型的实证研究

为探究经济不确定性影响中国碳交易市场排放权交易价格的影响因素,选取宏观经济、全国碳交易价格、煤炭能源、证券市场与电力消费五类变量,采用GARCH簇-SVAR-AB模型时域和频域溢出指数度量五大变量,对2014年-2022年我国碳交易市场价格的时变波动溢出效应水平及其非对称性进行实证研究。结果表明:碳交易价格波动对我国金融市场具有显著的时变波动风险溢出效应,且在不同冲击规模和正向、负向冲击下表现出风险传染的异质性和明显的非对称性;极端状态与正常状态下的风险溢出走势存在较大差异,极端状态下风险溢出水平远高于正常状态;经济政策不确定性短期上对碳交易市场交易价格有着显著影响,但长期的影响较弱。进一步分析发现,冲击规模和冲击方向均会对碳交易市场波动产生明显的非对称性影响,在极端风险事件冲击下风险的溢出效应及其非对称性更加显著。因此,政府应与金融机构一道,健全碳交易市场的政策调控体系与价格调控机制,创新碳金融衍生产品,降低碳交易市场价格波动对我国金融市场系统性风险的传递水平,阻断风险传递路径,不断提升我国绿色碳金融市场的发展。

基于GARCH-GA-BP模型的股市波动率预测研究

波动率是衡量金融资产收益不确定性的重要指标,由于真实的波动率无法直接观测,因此构建合理的波动率模型来估计真实波动率显得尤为重要。论文对沪深300指数收益率的波动率进行GARCH建模,并在此基础上构建了基于GARCH-GA-BP的波动率混合预测模型。实证结果表明,相对于GARCH-BP模型和GARCH-SVR模型,论文提出的基于遗传算法优化的GARCH-GA-BP模型能显著提高股市波动率的预测精度。

基于ARIMAX 模型的中国税收收入预测与分析

根据我国1978—2019年间的税收收入、国内生产总值和财政支出数据,利用R软件,对税收收入建立ARIMA模型,又以国内生产总值和财政支出为协变量,对税收收入建立ARIMAX模型.根据两个模型分别预测2020—2022年税收收入,将预测值与真实值对比,计算得到相对误差和平均绝对百分比误差,发现与ARIMA模型相比,ARIMAX模型误差更小,精度更高,预测更准确.因此,利用ARIMAX模型得到2023—2025年税收收入的预测值.

中美银行市场之间风险溢出效应分析——基于GARCH-Copula-CoVaR模型

十八大以来,随着我国金融服务业的全面开放,中国银行市场与国际金融市场的联系日益紧密,对国际间银行市场风险溢出效应的定量分析,将有助于我国银行业应对国际金融风险的冲击。文章基于2018~2022年间中美银行指数日收益数据,采用GARCH-Copula-CoVaR模型,对美国与中国银行市场之间的风险溢出效应进行了实证分析。结果显示:1) 美国银行市场对我国银行市场存在较强的正向风险溢出效应,2) 大型银行的风险外溢强于中小型银行,3) 传统商业银行的风险溢出效应强于非传统商业银行。这些结论为管理当局进行宏观审慎监管、为中国银行业应对国际金融风险冲击提供了启示。

基于GARCH族模型及VaR方法的商业银行利率风险度量

我国金融的市场变化日新月异,其所面临的各种风险也在日益增加。利率市场化的发展使利率风险成为商业银行面临的主要风险之一。目前,学者们迫切需要探索和研究利率风险的重要问题,从而制定科学有效的各方面防范措施。本文将以上海银行间同业拆借理论为分析对象,运用GARCH族模型及VaR方法研究商业银行目前所面临的利率风险,进行风险衡量以及管理研究。本文以2020年初至2024年5月底Shibor O/N作为本文实证研究的基础数据。进行GARCH(1, 1)模型拟合数据,得出收益率序列相应的均值方程与条件方差方程,计算VaR预测值。结果显示,对目前中国商业银行的隔夜拆借利率业务而言,该文章选取90%、95%、99%三个不同的置信度,所得到的最大损失分别为11.60%、13.30%和15.43%的资产市场价值。基于目前我国利率的波动性,商业银行预防利率风险可以从以下几个方面入手:提高风险意识、完善金融产品的定价机制、注重人才培养、增加表外业务比重等。The financial market in China is undergoing rapid changes, and the various risks it faces are also increasing day by day. The development of the interest rate market has made interest rate risk one of the main risks faced by commercial banks. At present, scholars urgently need to explore and research the important issues of interest rate risk, to formulate scientific and effective preventive measures in all aspects. This article will take the theoretical basis of Shanghai Interbank Offerings as the analysis object and use the GARCH family model and VaR method to study the current interest rate risk faced by commercial banks for risk measurement and management research. This article takes Shibor O/N from early 2020 to the end of May 2024 as the basic data for empirical research. A GARCH(1, 1) model is conducted to fit the data, and the corresponding mean equation and conditional variance equation of the return rate sequence are derived to calculate the VaR forecast. The results show that for the current overnight lending rate business of Chinese commercial banks, this article selects three different confidence levels of 90%, 95%, and 99%, and the maximum losses obtained are 11.60%, 13.30%, and 15.43% of the asset market value, respectively. Based on the current volatility of interest rates in China, commercial banks can prevent interest rate risks from the following aspects: improving risk awareness, improving financial product pricing mechanisms, focusing on talent cultivation, and increasing the proportion of off-balance sheet businesses.

集成模型ARIMAX-GARCH及其在股票预测中的应用

在分析ARIMAX模型与GARCH模型的预测特性和优劣的基础上,建立了基于两者集成的ARIMAX-GARCH模型,其基本思想是充分发挥两种模型在回归与序列波动性因素提取方面的优势.对从5大行业中随机抽取的10只只股票的实证分析表明,该集成模型在股票预测中的准确率与稳定性显著优于两个单一模型.

具有时变杠杆效应的已实现GARCH模型

杠杆效应是金融市场中的一种常见现象。为了更好地刻画杠杆效应的时变性,首先基于线性样条函数将时变杠杆效应引入了经典已实现GARCH模型,得到了具有时变杠杆效应的已实现GARCH模型,并给出了模型的参数估计及其算法。其次,模拟研究了本文所提模型在有无杠杆效应、不同样本容量及不同噪声选取下的有限样本表现。最后,利用伦敦富时100指数实证分析了本文所提模型相比于经典已实现GARCH模型的优越性。