二元GED-GARCH模型的利率与汇率波动溢出效应研究

分别运用二元N-GARCH模型和二元GED-GARCH模型,对金融危机前后利率和汇率的波动溢出效应进行研究,通过自适应绝对偏差和自适应均方误差的平方根2种标准进行评价。研究认为,二元GED-GARCH预测效果更好,在金融危机前利率与汇率之间存在着由汇率到利率的溢出效应;在金融危机之后,利率与汇率具有双向的波动溢出效应。

基于GED-GARCH模型的沪深基金收益率波动性研究

本文对不同分布假定的ARCH族模型进行了比较,发现基于GED的GARCH类模型较好地解释了收益率分布的尖峰性和厚尾性,并在此基础上选取我国基金市场的日收益率观测数据进行实证分析,对收益率的波动性进行研究,试图找出我国基金市场价格分布的合理解释。

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。

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。

美国及亚洲国家(地区)股市间波动溢出效应研究——基于分位数回归模型

本文利用分位数回归方法研究美国及亚洲国家(地区)股市在熊市与牛市下的波动溢出规律。首先,借助GED-GARCH与偏t-GARCH模型得到各股市的波动序列;其次,对各国(地区)波动序列进行分位数回归;最后,通过不同分位点下回归系数的显著性来判断股市间的波动溢出关系是否存在。在熊市、牛市以及一般行情下,均存在如下关系:中国台湾对大陆股市具有显著单向波动溢出,香港股市与大陆股市间存在显著双向波动溢出;美、日、韩股市对中国大陆股市的波动溢出均不显著;韩国股市、中国台湾与香港股市两两间均存在显著双向波动溢出效应;美国股市与中国台湾股市、日本股市与香港股市以及美国股市与日本股市间均存在显著的双向波动溢出关系。但是,股市间波动溢出规律大致表现为:在熊市,市场间的波动溢出程度较弱;在牛市,波动溢出程度相对较强。

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。

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VaR-GARCH模型族的我国期铜市场风险度量研究

描述了金融时间序列的一般特性,从收益的波动性与分布出发,组建起计算时变风险价值的VaR-GARCH模型族,并应用该模型族在3种分布假设下对我国铜期货的市场风险进行了实证分析.研究结果表明,基于广义误差分布的VaR-EGARCH模型能很好地刻画期铜收益的尖峰厚尾性与市场风险.同时,对期铜市场风险的变动趋势进行了详细剖析.

供应链融资业务中钢材质押贷款动态质押率设定的VaR方法

异于债券、股票等质押融资业务,存货质押业务动态质押的核心在于预测其长期价格风险。从分析存货质押市场收益率的统计特征出发,以场外现货交易为主的钢材((HRB335)日数据为例,建立能刻画钢材收益率序列异方差性和尖峰厚尾特性的VaR-GARCH(1,1)-GED模型。同时,提出置于多风险窗口下运用样本外预测未来质押期内钢材价格风险水平,给出厚尾分布下长期风险VaR的计算解析式,得出与银行风险承受能力相一致的质押率。进而,基于失效率法则建立长期风险的碰撞序列函数,回测多风险窗口下长期VaR值。实证分析显示,模型得到的质押率在控制好风险的同时降低了效率损失,为商业银行提供一种动态质押率的风险管理模式和框架。

我国股市波动非对称性和混合分布假定的经验分析

混合分布假定(MDH)用信息流的自相关结构解释收益波动的GARCH效应和持续性。本文先运用EGARCH-GED模型考察沪深A、B股市场的波动非对称性,发现A股市场波动显著非对称、B股市场“杠杆效应”不显著。然后,我们根据“杠杆效应”的显著与否,把同期交易量作为信息替代指标分别引入EGARCH-GED和GARCH-GED模型的条件方差方程, 实证检验混合分布假定。最后,我们比较预期和未预期交易量对条件方差的解释力。研究表明:在B股和上证A股市场上,同期交易量对收益波动的GARCH效应和持续性有显著的解释力;同期交易量不能作为市场信息的完全替代指标;未预期交易量对收益波动有显著的解释力、比预期交易量的解释力强。

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。

基于非高斯分布GARCH模型的负荷预测

提出一种基于非高斯分布的广义自回归条件异方差(GARCH)模型的短期负荷预测方法。在论证自回归条件异方差(ARCH)效应存在性的基础上,将标准GARCH模型的正态条件分布假设推广为非高斯条件分布的形式(t分布、广义误差分布)。用极大似然估计获得ARCH族各模型的参数估计,建立了非高斯分布假设GARCH模型(GARCH-t,GARCH-GED)。比较了ARMA、标准GARCH、非高斯分布GARCH模型的预测能力,分析平均预测误差、最大预测误差能力等指标显示GARCH-GED模型表现最出色。算例表明,基于非高斯分布GARCH负荷预测模型是有效而可行的。

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。

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 ;

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.

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.

风电场风速时间序列峰度研究

风速预测是风力发电领域的重要课题之一。风速变化规律性较差,波动剧烈,预测难度较大,故提高风速预测的准确性需对风速数据自身特性进行深入发掘。使用广义自回归条件异方差(GARCH)模型的峰度分析技术研究了风速时间序列的高峰度特征,推导并证明了BTR定理的衍生形式。另外,建立了基于不同分布的GARCH模型,模拟了风速数据的整体峰度,为GARCH风速预测模型条件分布的选择提供了一种可行方案。

一类β-GARCH模型的参数估计

首次提出了基于广义误差分布(Generalized error d istribution,简称GED)的一类β-广义自回归条件异方差模型(Generalized Autoregressive Cond itional heteroscedastical,简称β-GARCH),给出了该模型的平稳遍历性和高阶矩的存在条件,在GED下,将时间序列尾部的特征融入到β-GARCH模型的参数估计之中,并给出了该模型估计的BHHH算法.