基于GARCH模型的沪深300股指期货对现货市场波动性研究

文章用全球金融危机全面爆发以来的样本数据,基于GARCH模型分析了沪深300股指期货上市前后我国股票价格指数的波动性,并对其信息传递功能进行了探讨。结果发现:沪深300股指期货的上市使得现货市场上的信息传递速度加快;总体来看,沪深300股指期货的上市在一定程度上降低了现货市场的波动性,但统计意义上并不显著,原因在于我国股指期货微观结构不完善,其功能尚未完全发挥。

基于GARCH模型的外汇风险度量中VaR的测度研究

近年来,中国外汇储备的规模不断扩大,如何控制和防范风险成为当务之急。通过利用残差项服从t分布的GARCH模型,对人民币/美元汇率风险进行测度,计算和预测了2005-2014年人民币/美元收益率的VaR值。研究结果表明:基于该方法估计得到的风险值是可靠的,精度较高,可以体现其收益率的分布状态和波动性的影响作用,为中国外汇风险度量提供了有力的参考依据。在此基础上,呼吁商业银行加强汇率风险管理意识并建立完善的汇率风险管理体系。

基于Copula-GARCH模型的投资组合日收益率的相关性的风险度量实证研究与应用

以Gaussian GARCH模型和Copula函数为基础,建立了Copula-GARCH模型,利用4个股指国债指数(000012)、企债指数(000013)、基金指数(399305)和沪深300指数(000300)的收盘价、成交量的一些历史数据(数据来源于国信证券网上交易系统),通过建立的Copula-GARCH模型和统计软件Eviews5.0的模拟计算,得到了投资组合日收益率的风险价值.构建了投资组合风险的多元联合收益分布和资产之间的相关性.结果说明,随着时间的变化,股指之间的波动存在着较稳定的正相关关系.对进一步探讨股票市场波动(风险)和预期的收益之间有非常重要的理论意义.

基于趋势平滑和GARCH的证券市场预测

首先将证券市场运动用局部多项式趋势模型进行平滑 ,然后分别用 AR模型和GARCH模型考虑序列之间自相关性和波动的变化性。参数的条件最大似然估计应用了状态空间模型的卡尔曼滤子递推和 GARCH模型的条件方差递推 ,模型阶数的选取应用了Akaike的最小化信息矩阵方法。计算实例表明了这种组合方法预测能力的优越性。

基于GED-GARCH族模型沪深股指波动性研究

本文以上证综指、深圳成指收益率为研究对象,通过对比Normal、Student-t以及GED三种分布假定的个GARCH族模型,发现基于GED的GARCH族模型较好符合收益率尖峰厚尾的特征。并在此基础上选取上证综指和深圳成指日收益率观测数据进行波动性研究,发现深市存在显著的杠杆性,沪市也存在杠杆性却并不明显,但两股市都存在风险溢价以及非对称的溢出效应。

基于EMD和GARCH模型的股票收盘价格预测

首先对股票收盘价序列进行经验模式分解(EMD),对分解后的本征模函数(IMF)与残差序列分别拟合ARMA-GARCH模型。将所建模型的预测结果相加,往后预测5 d的收盘价格,并与原始序列所建ARIMA-GARCH模型的预测结果进行比较。比较结果可以帮助股票投资者预测股票市场行情。

基于VMD和改进ARIMA模型的超短期风速预测

针对风速序列非线性、波动性的问题,提出了一种基于变分模态分解和改进差分自回归滑动平均模型的风速预测模型。首先利用变分模态分解(Variational Mode Decomposition,VMD)将信号从低频到高频逐次分解,使每个分量具有不同中心频率的有限带宽;然后对各分量分别建立ARIMA模型,由于各分量的残差序列可能存在异方差性,因此引入GARCH模型消除异方差特性,建立ARIMA-GARCH模型;最后各分量预测结果叠加得到最终的预测值。实验结果表明,所提出的预测模型在超短期风速预测上具有较高的预测精度。

基于CEEMD和改进时间序列模型的超短期风功率多步预测

根据风功率非平稳特性,提出一种基于互补集合经验模态分解和时间序列分析方法中的差分自回归滑动平均模型的新型风功率组合多步预测模型。首先对风功率序列进行互补集合经验模态分解,以降低风功率序列的非平稳特性;之后采用模糊熵理论对各分量进行复杂度评估,对复杂度相近的相邻分量重新组合,从而有效降低预测时间和计算量;然后对新组合的各分量建立差分自回归滑动平均(ARIMA)模型,再对各分量进行残差序列检验,对存在异方差特性的分量建立ARIMA-GARCH模型;最后叠加各分量预测结果得到最终的风功率多步预测值。实验结果表明,所提的组合预测模型具有较高的预测精度。

g-VaR算法与上证综指收益率检验

设计一种基于GARCH(1,1)模型的改进VaR算法(简称g-VaR).g-VaR将GARCH(1,1)模型引入VaR值计算,描述上证综指收益的波动性和尖峰厚尾特征.实证数据表明,g-VaR能很好地检验上证综指收益率,预测上证综指风险,模型有效.

创业板收益与波动的实证研究——基于与上证主板的比较分析

创业板启动六年多以来,已经成为我国证券市场的重要一环。研究创业板的收益与波动特征,对管理者与投资者科学决策、对创业板乃至整个证券市场的进一步完善都具有重要的意义。本文以创业板指数日收益率时间序列为研究对象,引入t分布下的ARMA-GARCH-M模型,与同时期上证指数日收益率时间序列进行了比较研究。结果表明,创业板风险与风险溢价均高于上证主板;创业板市场虽然风险大,但是并不存在过度投机的现象。

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.

基于EMD-BEKK-GARCH模型的有色金属股票市场波动溢出研究

2020年1月新型冠状病毒肺炎疫情爆发,随着防控政策加强与停工停产,全球范围内实体经济受到冲击,中国的经济与金融市场受到巨大影响。作为有色金属资源生产与消费大国,中国的铅、锌、铝、铜等有色金属的金融市场受到疫情冲击,出现较大程度的下滑。为了研究疫情期间中国有色金属的股票市场之间风险波动溢出情况,本文选取了铝、铜、铅锌对应的股票市场指数,将经验模态分解(EMD)与BEKK-GARCH模型结合,从不同周期的角度对该问题进行探讨。结果表明铝、铜与铅锌之间在长期、中期与短期存在着不同程度的波动溢出。对比未分解序列的波动溢出情况,EMD提供了不同周期的信息,这加强了我们对市场之间关系的研究。

我国农产品价格与CPI动态关联性分析

采用1997-03—2013-12的时间序列数据,构建贝叶斯DCC-GARCH模型,分析农产品价格与居民消费价格指数(CPI)之间的动态关联性。结果表明:1)农产品价格及CPI的波动具有非对称性,波动衰减速度缓慢,且衰减速度随着波动幅度的加大而减缓。2)畜产品价格与CPI关联更为密切,粮食价格与CPI关联相对较弱;畜产品价格中与CPI波动关联性最强的是猪肉价格,其次为鸡蛋和鸡肉价格,牛羊肉价格与CPI关联度相对较小,粮食价格中籼稻和粳稻价格与CPI的关联度更高。3)农产品价格与CPI的关联性具有时变性;畜产品价格与CPI波动关系大致表现出前期稳定,后期更为密切的特征。农产品市场重要程度、国家政策支持力度及随机事件冲击,致使关联性在品种间和时间上存在差异。

利率期限结构理论实证检验与期限风险溢价研究

利率期限结构反映了利率与到期期限之间的关系。国外的研究者对影响利率期限结构的因素十分关注,并提出了许多利率期限结构的理论。本文利用中国银行间债券回购数据对期限结构理论进行了实证检验,从而否定了合理预期理论。投资者所要求的随时间变化的期限风险溢价才是影响期限结构的重要因素。本文应用GARCH-M模型对期限风险溢价进行了预测。

创业板指数风险价值的测算——一种改进的历史模拟法

风险价值VaR(Value at Risk)是一种有效地衡量风险的方法。通过对传统的历史模拟法(HS方法)、HSAF方法和GARCH类模型进行改进,提出一种新的方法(记为HS_NEW),用以衡量中国股市创业板指数的风险。通过比较,改进后的方法在预测风险时更加灵活有效,可为投资者在创业板投资时提供一种新的、准确性更高的测算风险的方法。