方差缩减技术在GARCH类定价模型中的应用

利用GARCH、EGARCH模型对离散障碍期权的定价进行实证研究。同时,使用拟蒙特卡洛模拟方法来避免随机数不均匀的问题,并加入方差减少技术来进行优化。结果表明:GARCH类定价模型能更好的估计期权价格,并且拟蒙特卡洛方法和方差减少技术同样能在GARCH类定价模型中很好地提高估计精度,减小模拟误差。

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类模型的上证股市波动性研究

文章在回顾ARCH/GARCH类模型的基础上,用GARCH模型进行上证股市波动性的实证研究,用GARCH-M模型分析风险溢价情况,以及用EGARCH模型进行股市波动的非对称性实证研究。结果表明,GARCH模型能消除残差的异方差性,股市波动存在强烈冲击,收益有正的风险溢价,股市中坏消息引起的波动比同等大小的好消息引起的波动要大得多,存在明显的杠杆效应。最后给出一些相关结论和建议。

我国商业银行存款保险期权定价的实证研究——基于Merton、Rv和Garch模型的比较与分析

文章以发展近四十年的期权定价方法为基础,引入GARCH(1,1)期权定价模型对银行股本收益率的波动率进行了建模分析,并与早期的Merton和RV模型实证分析结果进行比较。研究发现:采取传统求方差算法的费率要低于采取GARCH模型算法的保险费率;同时,Merten方法计算的费率高于RV方法的计算结果。研究结论为我国存款保险的定价提供参考性建议。

VaR-GARCH类模型在股市风险度量中的比较研究

金融市场风险管理的核心是对风险的度量,度量风险最流行的方法是VaR方法。文章选取1998年1月5日～2006年11月6日的上证综指日收盘价指数共计2129个数据实证分析了GARCH、EGARCH、TARCH和PARCH四种模型在正态分布、t分布以及GED分布下预测的VaR值的准确程度。实证分析结果表明,正态分布下估计的VaR值在靠近左尾时存在低估现象;与正态分布和t分布相比,GED分布能较好地反映股市收益率回报序列的厚尾特征,使用GARCH类模型预测VaR值时,E-GARCH和PARCH模型要优于其他模型。

GARCH类模型波动率预测效果评价——以沪铜期货为例

以沪铜期货为例,研究了GARCH、EGARCH、FIGARCH和FIEGARCH四种模型的波动率预测效果。以已实现波动率为模型评价衡量标准,分别采用M-Z回归和损失函数进行预测效果检验,结果表明,无论残差服从高斯分布还是t-分布,不同的GARCH类模型预测效果有显著差异,其中FIGARCH模型预测效果最好,其次是GARCH模型,EGARCH和FIEGARCH模型预测效果不佳。此结论说明我国铜期货市场具有显著的长记忆性,但不具有非对称效应。

基于新陈代谢GM(1,1)误差校正的GARCH混合期权定价模型

针对非对称性GARCH期权定价模型的随机误差项不仅受过去价格波动影响,还受金融数据中包含的大量灰色成分、随机性和非线性等因素干扰的问题,文章提出了基于新陈代谢GM(1,1)误差校正的GARCH混合期权定价模型。即利用具有灰信息处理优势的新陈代谢GM(1,1)预测当期随机误差并纳入GARCH期权定价模型的方差方程中,以增强当期价格波动信息对条件方程的影响。通过对上证50ETF期权价格的实证分析,证明了该混合期权定价模型相对于传统单一定价模型的有效性及鲁棒性。

基于GARCH类模型的人民币汇率非线性依赖关系研究

利用三类不同结构的基本GARCH类模型对四个不同时间跨度上人民币汇率序列进行拟合和效度检验;并进一步结合窗口检验程序,借助相关性C统计量和双相关H统计量对实证对象的GARCH类非线性结构的稳定性及GARCH类模型中有关非线性相关的基本假设进行检验。结果表明,人民币汇率系统是一个典型的非线性动态复杂系统,人民币汇率序列中的GARCH类非线性结构表现出了非持续和瞬时性的特点。

外汇风险度量研究——基于GARCH类模型及VaR方法

本文应用GARCH模型和VaR方法对美元、欧元、日元和港币对人民币的四种外汇汇率进行了实证分析,得出如下主要结论:四种汇率波动率序列均为非正态平稳序列,存在显著的ARCH效应,GARCH类模型可以有效地刻画其非线性动态波动特性。四种汇率均具有自我稳定功能,且美元和港币汇率波动的持续性显著地高于欧元和日元。在日元汇率中存在显著的非对称效应,而在美元和港币汇率中存在显著的风险补偿效应,欧元和日元的汇率风险大约为美元和港币的6-7倍;欧元汇率最理想的估计模型为GARCH(1,1)和IGARCH(1,1),而美元和港币汇率的首选模型为GARCH-M(1,1)-t和GARCH-M(1,1)-g,日元汇率的首选模型为PARCH(1,1)-t和EGARCH(1,1)-g。

股票期权定价模型的修正及实证检验——基于Black-Scholes和GARCH模型

上证50ETF期权的问世开启了中国股票期权的时代,中国股票期权市场发展潜力巨大,未来的几年将会迅速发展壮大,投资者可以通过购买股票期权进行风险规避或投机获利。为提高股票期权定价的精确性,可以从无风险利率的计算方法、运用GARCH模型进行股票收益率的预测以及引入股票分红三个方面对Black-Scholes股票期权定价模型进行修正,并将GARCH模型预测的股票价格波动率代入Black-Scholes股票期权定价模型。利用修正的模型对中国平安的股票看涨期权、看跌期权的计算,证明该模型具有实用价值。

基于GARCH模型的沪深300股指期权定价研究

对于处于仿真模拟交易阶段的沪深300股指期权,采用具有红利支付的扩展Black-Scholes期权定价模型对其进行定价,使用MATLAB、EVIEWS软件,应用历史波动率法和GARCH模型计算高频数据序列的波动率,据此计算出欧式看涨期权和看跌期权的价格并与仿真模拟交易数据比较,发现GARCH模型法在期权定价方面更为准确有效.

基于GARCH类模型的外汇汇率波动分析

一、引言GARCH类模型是反映市场收益率波动特征最常用的模型,它很好的反映了收益率波动的群集和异方差性。Engle(1982)

基于GARCH类模型的我国黄金市场波动特征研究

文章运用GARCH类模型研究了我国黄金市场的波动特征,得出如下几个结论:(1)我国黄金市场具有波动聚集的特征;(2)GARCH模型能够较好地拟合黄金价格的波动,而EGARCH(1,1)模型的拟合效果比GARCH(1,1)模型更好;(3)模型的研究结果表明黄金市场的波动具有持续性;(4)EGARCH模型中的非对称项的系数估计值为正,且为显著的,表明我国黄金市场也存在着非对称效应,正的冲击比负的冲击更容易增加黄金市场的波动。

基于修正GARCH模型的可转债定价研究

可转债是一种兼具债权与股权双重性质的复杂金融衍生品,发行人与投资者均可以利用各项条款来满足自身投融资的需求。本文以光大转债(113011)为例,将GARCH模型应用于未设有回售条款的可转债估值分析,并引入回售条款与稀释因子,加上已有的赎回条款对模型估值结果进行修正。研究结果显示:修正前,基于GARCH模型分析的理论价与实际价相比普遍存在低估;修正后,虽有误差但较修正前明显减小。最后,根据研究结论得出若干启示供我国可转债定价与可转债市场发展参考。

中国猪肉价格波动的实证分析——基于GARCH类模型

以2000年2月至2020年10月的月度数据为样本,对猪肉价格的收益率序列进行研究,首先构建均值方程带滞后项的多变量回归模型,条件方差方程分别是GARCH(1,1)、EGARCH(0,1)、GARCH-M(0,1)的GARCH类模型;随后根据猪肉原始价格序列呈现的强劲自身波动规律,对其拟合AR(3)-GARCH(1,1)模型。实证分析表明:猪肉价格具有极其显著的波动聚集性、异方差性、信息非对称性和高风险特征;影响猪肉价格波动的主要因素是上月猪肉价格、仔猪价格和牛肉价格,相比之下,鸡蛋和猪饲料的影响较弱。由此提出生猪产业发展、肉类产品管理和监测、价格预警等方面的政策建议。

基于GARCH类模型的黄金价格波动性研究

针对我国黄金交易中的现货延期交收业务(AU(T+D))的价格波动性问题,以2008年1月2日至2010年6月4日的日收盘价共593个数据为研究对象,建立多个广义自回归条件异方差(GARCH)类模型,通过对模型的参数检验和残差检验选择了最佳模型指数GARCH(1,1)模型,并且得出了这一时间段内我国黄金AU(T+D)市场灵敏性高,投资者对信息反应剧烈,并且具有波动持续性等结论。

中国物价指数CPI波动分析——基于GARCH类模型的实证分析

CPI是经济生活中的"晴雨表",一般市场经济国家认为CPI在2%～3%属于可接受范围,CPI过高对整个社会经济发展的负面影响较大,而高速度的经济增长同样也会拉高CPI,因此,在国家宏观经济分析中,CPI起着至关重要的作用。文章选取了1990年1月～2013年4月CPI月度数据作为研究对象,通过利用GARCH类模型对进行了实证CPI的波动规律进行了实证分析,以期为国家宏观经济研究提供依据。

非参数与参数GARCH类模型的比较

在对金融资产价格的波动进行定量建模研究时,使用最多的是参数GARCH类模型,这类模型有许多优点,但模型需要的设定条件却比较严格,当不清楚变量的分布形式时,利用实际样本数据建立的参数模型可能会由于错误的设定而得出错误的结论。与参数模型相比较,非参数GARCH类模型的建模方法是一种不同于参数方法建模的新思路,非参数模型不要求设定条件,不会由于错误的设定而得出错误的结论。比较了非参数与参数GARCH类模型的基本形式和适用条件,在对金融资产的波动性进行建模的时候应该根据数据的基本统计特征灵活选用非参数与参数GARCH类模型。