已实现GARCH-GED模型的研究及应用

针对高频金融数据分布普遍存在尖峰厚尾的现象,将经典的已实现GARCH模型的残差分布拓展到服从广义误差分布的形式,并将杠杆函数的幂次放松为待估参数,建立了新的已实现GARCH-GED模型。基于上证50指数5 min频率的高频数据的实证研究结果表明:相对于正态分布假设下的已实现GARCH模型,已实现GARCH-GED模型更能刻画波动率的杠杆效应,在一定程度上提升了对尾部风险度量的精度。

基于QR-GED-EGARCH模型的上证180指数风险度量分析

以上证180指数为研究对象,利用GED-EGARCH模型对收益率序列进行拟合并计算VaR值,并将分位数回归理论应用到该模型中,构建QR-GED-EGARCH模型来刻画收益率序列的尾部特征,深入研究了上证180指数的收益分布特征和波动规律,并运用Kupiec检验对比分析了各模型的风险预测精度。实证结果表明,上证180指数收益序列具有尖峰厚尾、波动集聚性及不对称性特征,引入分位数回归构建的QR-GED-EGARCH模型对上证180指数收益序列风险表现出比GARCH族模型更为优异的预测能力。

基于GED—GARCH模型的中国原油价格波动特征研究

本文采用中国大庆原油价格日平均交易数据,建立了基于GED分布的GARCH(1,1)、GARCH-M(1,1)和TGARCH(1,1)三个模型,描述了中国原油价格与国际接轨以来的波动特征。实证结果表明,与国际油价类似,中国原油价格的波动也存在显著的GARCH效应,但其波动冲击的半衰期要比国际油价短,为5天。而且,中国原油收益率受到预期风险的负向影响,表明中国原油市场并非完全市场化运作,当然这种负向影响程度较小,约为8%。另外,中国原油价格的波动存在显著的杠杆效应,相同幅度的油价下跌比油价上涨对未来油价的波动具有更大的影响,前者是后者的1.7倍左右。最后,基于GED分布的GARCH模型比基于正态分布的GARCH模型能够更好地描述中国原油价格的波动特征,并且具有较好的预测能力。

中国燃料油期货市场动态套期保值研究——基于Copula-GARCH模型的实证分析

为了更好地规避中国燃料油市场价格风险,利用Copula函数的秩相关系数代替皮尔逊线性相关系数,并用GED-GARCH模型求出燃料油现货和期货收益率的动态标准差,从而建立动态的最小方差套期保值模型,并对2009—2012年中国上海市燃料油期货进行套期保值策略分析。实证结果表明:与传统线性最小方差套期保值模型相比,动态套期保值模型提高了中国燃料油期货市场的套期保值有效性;具体而言,在样本区间内,动态模型的套期保值有效性为44.76%,比传统模型的有效性提高了32.1个百分点。

基于VaR-GARCH模型族的我国豆粕期货市场风险分析

对大连期货市场豆粕期货每个交易日价格的波动进行分析,利用VaR风险值方法和GARCH模型族,建立了基于VaR-GARCH模型族的豆粕期货市场风险评估模型.通过实证分析,发现豆粕期货的收益率具有尖峰厚尾聚集波动的特性,并在收益率为3种不同分布的假设下,比较相应的VaR估计值,最后得出当收益分布为广义误差分布时,用VaR-EGARCH模型能更好的刻画豆粕期货的市场风险.

基于Copula-GARCH模型的上证股指行业板块相关性研究

基于现代Copula理论,选用上海股票市场各行业板块指数,包括:工业股指数(SHGY)、商业股指数(SHSY)、地产股指数(SHDC)、公用事业股指数(GYSY)的组合为研究对象,构建了多元Copula-GARCH模型.同时考虑到相关参数的动态变化性,选择时变相关SJC-Copula模型较全面地研究各行业板块指数之间的相关性.通过对比多元正态分布、多元t分布与加入copula的多元正态copula模型、多元t-copula模型以及时变相关SJC-Copula模型的拟合情况,结果表明:①Copula函数具有比多元分布更为灵活的形式,它能更好地适应和刻画现实金融序列的分布.②上海股票市场各行业板块指数收益率序列之间均有较强的正相关关系.③时变相关的SJC-Copula函数考虑到了相关参数的动态变化性,可以更好地描述随着外部环境的不断变迁,变量间的相关性也在随时间而不断变化.

对中证500指数波动性的分析研究——基于ARMA-GARCH族模型

以中证500指数收益率为研究对象,利用不同假设分布的GARCH族模型对收益率波动性进行分析。结果表明:收益率序列存在明显的波动集群现象,而且并非正态分布;基于t分布下的ARMA(1,1)-GARCH(1,1)模型可以较好的描述收益率序列的波动集群现象;基于GED分布的ARMA(1,1)-EGARCH(1,1)模型则是最佳模型,同时说明了中证500指数收益率存在杠杆效应,且利空消息影响大于利好消息。

多尺度GARCH模型研究货币增长对期货价格波动的影响

选取M2同比增长率为货币供应量的增长指标,从收益的波动性与分布出发,运用GARCH-GED模型对上海期货交易所的铜、铝和橡胶期货数据进行检验,求得收益的波动序列。同时,运用小波db(4)对波动序列进行小波分解,得到反映长期趋势的低频数据。通过对低频数据和M2同比增长率之间的Granger因果检验,得出货币供应量的增长会加剧期货市场的波动,从而为流动性过剩对期货市场产生影响提供有力证据。

基于GARCH模型的VaR方法对中国股市的分析

中国股票市场的收益率具有厚尾性 ,可以利用GARCH模型中的条件方差来度量其VaR。我们运用了基于不同分布假定下的GARCH模型的VaR方法对深圳股票市场与上海股票市场的风险进行了分析。分析的结果表明深圳股票市场比上海股票市场有更大的风险 ;

对我国开放式基金风险的实证研究——基于GARCH模型的VaR方法

从我国开放式基金收益率序列的分布、波动性和杠杆效应三方面考虑,在正态分布t、分布和GED分布的假设下,建立了估计基金风险的VaR-GARCH、VaR-EGARCH模型,选择合适的模型对各只基金及不同类型基金的VaR值进行估计,并应用Kupiec方法对VaR模型的准确性进行了返回检验。结果显示,基于GED分布的GARCH模型计算的VaR值比基于t分布的GARCH模型计算的VaR值更真实地反映了基金的风险,不同投资类型和投资风格的基金的风险也不尽相同。

基于不同残差分布下GARCH模型的VaR估计

为了研究在不同残差分布下哪种GARCH-VaR模型更能有效反映中国证券投资基金的市场风险,文章运用GARCH(1,1)-N模型、GARCH(1,1)-t模型和GARCH(1,1)-GED模型分别对4只证券投资基金进行VaR估计,并对得出的结果进行全面比较.结果表明,GARCH(1,1)-GED模型有可能更有效地预测市场风险.在此基础上利用Kupiec的LR检验法对这3种模型进行检验,检验结果表明,GARCH(1,1)-GED模型的VaR估计效果更好,能较好地估计中国证券投资基金市场VaR.

GARCH模型的残差分布比较研究及实证分析

在三种不同的分布假设:正态分布、学生t分布、GED分布下,对GARCH模型进行了比较研究。并对沪深300指数收益率进行了实证分析。研究结果表明:在不同的分布假设下,GED分布更能反映沪深300指数收益率的尖峰厚尾性,更能准确地描述沪深市场的波动性。

基于GARCH模型的风险价值在现货黄金市场的比较研究

风险价值VaR现广泛运用于金融风险测量中,但基于正态性假设的VaR并不能很好的处理金融变量中的尖峰厚尾性且VaR未能考虑更加重要的尾部风险,CVaR弥补了VaR方法存在的缺陷。利用基于GARCH模型的CVaR在性质上的优越性,通过现货黄金市场的实证研究,对不同分布下的VaR及CVaR值进行比较,得出新的结论。我们发现基于GED分布GARCH模型的VaR及CVaR值要好于基于正态分布及t分布的VaR及CVaR值。

加权马尔科夫AR-GARCH-GED模型在降水量中的预测

针对降水量序列的随机性,基于非线性时间序列理论和马尔科夫链原理,首先应用AR-GARCH-GED模型拟合时序的总体趋势,得到的精度指标是随机波动的,其次应用有序聚类对精度指标分类,用加权马尔科夫链对精度指标状态预测,再次应用状态概率线性插值法修正精度指标,最后反推出预测值。该方法既包含了非线性时间序列的点预测,又融合了加权马尔科夫模型的状态预测,从而较好的揭示了降水量的内在规律,提高了预测精度,得到了满意的结果。

基于尖峰厚尾、有偏GARCH-copula模型的风险测度

考虑到证券投资组合中资产收益分布的尖峰厚尾属性和波动率集聚效应以及金融资产变量间的非线性相依结构,假设资产收益率分布服从广义误差分布(GED),以尖峰厚尾、有偏的GJR-GARCH-GED模型刻画资产收益率的边际分布,以copula函数描述变量间的相依性,构建起改进的GARCH-copula模型。以研究GED分布的GJR-GARCH模型与不同copula函数耦合对金融序列的拟合能力,进而测度投资组合风险。实证研究发现,沪深收益波动存在明显的非对称性,适宜采用GJR-GARCH-GED模型处理收益率的尖峰厚尾性,波动率的集聚性。考察上述模型与Clayton copula、Gumbel copula、Frank copula以及t copula耦合下的实际拟合表现,进而对投资组合风险VaR和CVaR检验发现,Clayton copula刻画风险相依性的效果最佳,适合应用于风险管理。

基于分位数回归模型的人民币汇率风险测度方法研究

采用分位数回归模型探讨了人民币汇率收益率风险的测度方法。首先,对传统的GARCH族模型在测度人民币汇率收益率方面进行一定的改进,摒弃了传统的条件方差的正态分布假定,采用现阶段常用的测度金融风险的一种方法,用广义误差分布(GED)来代替收益率序列的正态分布假定,并用GEDGARCH模型来刻画收益率序列波动的时变性和聚集效应;其次在GED-GARCH模型的基础上,采用分位数回归(QR)模型,构建了QR-GED-GARCH模型以进一步度量汇率收益率序列的尾部风险特征。失败率检验以及拟合成功率的比较结果表明,QR-GED-GARCH模型可以全面地对汇率收益率序列的风险特征进行描述,在5%的显著性水平下,QR-GED-GARCH模型比GED-GARCH模型对汇率收益率风险的拟合成功率更高,达到98.08%。该方法不仅能够很好地处理汇率收益率序列的尖峰厚尾分布特征,对异常值的稳健性也很强,可以推广到其他金融子市场的风险测量分析中。

基于上证综指的节日效应实证研究

传统金融理论是在理性人假说和有效市场假说的基础上建立起来的,但近年来越来越多市场异象的存在使传统金融理论的地位受到质疑。作为市场异象之一,节日效应近年来倍加受到研究者们的重视。文章以上证综指日收益数据为研究对象,使用引入虚拟变量的ARMA-GARCH-GED模型,考察在1999年12月30日-2013年1月4日期间,股指收益率是否存在显著的节日效应,并对可能影响结果的星期效应进行了检验。结果表明:总体检验中,沪市存在显著的节前效应和节后效应;分节日检验中,元旦节不存在显著的节前效应和节后效应;春节存在显著的节前效应和节后效应,且节前效应更为显著;劳动节存在显著的节前效应和节后效应,且节后效应比节前效应更显著;国庆节仅存在显著的节前效应;在考虑了星期效应之后,节日效应依然显著存在。

我国外汇储备汇率风险测度

选取2015年3月18日至2016年7月8日的美元/人民币日频汇率数据作为样本,建立了基于正态分布、t分布、GED分布的GARCH(1,1)模型来研究汇率的波动性,并计算出风险价值(VaR值),结果显示,在置信水平分别为0.99,0.95,0.9的条件下,基于t分布、GED分布的GARCH(1,1)模型的VaR值大于基于正态分布的GARCH(1,1)模型的VaR值,使其有效地估计风险具有现实意义。

基于滚动样本的我国沪深股市星期效应研究

主要运用滚动样本建模的方法分析了上证综指和深证成指的星期效应。将连续交易日的第一天和最后一天识别为星期一和星期五,以此来分析星期效应的影响。首先分析收益率序列的特征,考虑到收益率序列的高波动性和非正态性,使用所有的样本建立GED-GARCH(1,1)模型,在全局层面考察星期效应。然后,使用不同的窗宽进行滚动建模,从收益率和波动率两方面考察星期效应的变化过程。通过分析发现,无论在上海市场还深圳市场,星期五效应若显著,绝大多数时间都对收益率产生正向的影响。而星期一效应在两市都发生过反转,上海市场是由正转负,而深圳市场则恰好相反。从对波动率的影响来看,星期一效应给两市引入了更多的波动。从星期效应的发展趋势来看,无论是对收益率还是对波动率,其影响都在逐渐减弱。

组合预测模型在汇率预测中的应用

为准确对汇率进行预测,提出基于ARIMA-GARCH^GED模型与PSO-LSSVM模型的汇率组合预测模型.首先,利用HP滤波将汇率分解为长期趋势序列与循环序列,然后运用ARIMA-GARCH^GED模型对长期趋势序列进行预测分析,运用PSO-LS-SVM模型对循环序列进行训练分析,最后将长期趋势与循环趋势的值相加即为汇率预测值.通过实例分析对比发现,此组合预测模型精度高于单一预测模型,可以更加准确预测非平稳汇率时间序列.