基于TGARCH-偏态t分布模型的美元兑人民币汇率波动实证分析

文章使用R4.2软件,选取2015年1月—2022年9月工作日美元兑人民币汇率数据,选取非对称GARCH模型族,参考具有尖峰厚尾特征的分布函数。研究结果表明,基于偏态t分布的非对称TGARCH模型的拟合优度高于传统的GARCH(1,1)模型,且高于其他分布的EGARCH模型,一阶差分的美元兑人民币汇率序列具有杠杆效应。

我国饲料粮价格非对称性波动特征及其成因分析

文章基于我国30个省(市、自治区)饲料粮价格数据,采用TGARCH模型实证检验我国各地区饲料粮价格非对称性波动特征及其成因。结果表明,仅有7个省份饲料粮价格存在非对称波动,说明我国饲料粮价格波动不是普遍规律,而是个体属性;我国饲料粮价格非对称性特征具有区域异质性,黑龙江、吉林、河南和内蒙古的饲料粮价格存在负向非对称性波动,江苏、山东和广东的饲料粮价格存在正向非对称性波动;政策变动、自然灾害、技术等不规则因素变动是引发饲料粮价格非对称性波动的主要原因。因此,相关主体应提高饲料粮价格变动信息判断能力,采取差异化饲料粮价格调控措施,强化市场调控力度,有效调控饲料粮价格波动。

货币错配波动的集聚性及与汇率、利率的联动性——基于向量TGARCH-BEKK模型

中国货币错配波动具有明显的非对称性，不具有尖峰性，但具有长记忆特性。向量TGARCH—BEKK模型的分析结果表明：货币错配程度减弱时其波动集聚性更强，波动集聚性滞后效应持续约6～7年；货币错配受到汇率冲击的溢出效应比利率冲击大；1994年汇率改革后货币错配与汇率呈弱化趋势，但货币错配与利率的联动性增强；亚洲金融危机期间的货币错配与汇率联动性明显增强，金融危机冲击对贷币错配产生倒“U”型脉冲效应；总体来看，人民币汇率升值虽然不利于货币错配波动集聚性的弱化，但可以减弱国家层面货币错配程度。

中国肉禽市场价格非对称性波动特征及成因分析

文章以我国30个省(市、自治区)肉禽月度价格作为研究对象,在此基础上运用TGARCH模型实证研究肉禽市场价格波动的非对称性特征。结果显示,12个省(市、自治区)的肉禽价格存在非对称性波动特征,表明中国肉禽市场价格非对称性波动特征不具备普遍性;中国肉禽市场价格的非对称性波动特征存在显著区域差异,其中河北、福建、海南、山西、河南、四川与甘肃的肉禽价格具有负向非对称性波动特征,江苏、浙江、安徽、江西与辽宁具有正向非对称性波动特征;导致肉禽市场价格非对称性波动的主要因素包括生产成本、疫病和市场变化。基于此,应维持禽肉市场秩序,重视肉禽市场价格关联性;搭建信息化平台,提升肉禽产业综合效益;完善生产养殖配套设施,提升安全防疫水平,实现多元主体对肉禽市场价格波动的有效调控。

基于常数和门限AR-TGARCH模型的CAViaR研究

本文对AR-TGARCH模型进行了改进,提出门限I-AR-TGARCH模型、门限II-AR-TGARCH模型以及常数-AR-TGARCH模型,常数-门限I-AR-TGARCH模型和常数-门限II-AR-TGARCH模型,并且对中国四个股票指数2006年到2014年的数据进行实证分析,研究结果表明门限II-AR-TGARCH模型,常数-门限I-AR-TARCH模型和常数-门限II-AR-TARCH模型均比AR-TGARCH模型要优越,且常数-门限II-AR-TGARCH模型是最好的,常数-门限系列模型均优于其相对应的门限系列模型,四个指数均受到滞后风险的影响,且中小板指数和深圳成指所受到的滞后风险较小,上证指数同深圳成指具有传导双向关联性,上证指数和深圳成指会对中小板指数产生影响,上证指数对台湾加权指数具有传导性,台湾加权指数对上证指数却没有因果传导关联性。

预测铁水硅含量的TGARCH模型研究

在高炉炼铁过程中,铁水硅含量是表征炉温热状态的主要参数指标.本文利用包钢6#高炉2011年连续2个月的铁水硅含量700炉生产数据,将金融领域中预测股票波动的时间序列模型用于高炉铁水硅含量的预测中,建立了铁水硅含量的时间序列预测模型.该预测模型重点考虑了炉温的波动性﹑非对称性﹑异方差性,克服了以往炉温控制模型只针对炉况较稳定时才能预测的缺陷.因此该炉温模型预测命中率达到80%,取得较好预测效果.

我国股票市场和汇率市场的波动溢出效应及非对称性研究

本文运用GARCH族模型系统分析了疫情发生后我国汇率市场和股票市场的波动溢出效应及其非对称性。实证结果发现:第一,BEKK-GARCH模型结果表明股票市场对汇率市场存在单向的、不对称的波动溢出效应。第二,TGARCH模型表明股票市场和汇率市场都存在非对称性,股票市场和汇率市场中坏消息引起的波动比同等好消息引起的波动要大。第三,DCC-GARCH模型表明股票市场上涨与人民币升值之间存在正向动态相关性,且相关关系愈加紧密。基于此,本文从完善人民币汇率形成机制、加强跨境资金监管、稳步推进资本项目扩大开放等方面提出相关政策建议。

杠杆效应与沪市在险价值(VaR)的计算——基于GARCH-t、EGARCH-t和TGARCH-t模型的比较

通过比较EGARCH-t、TGARCH-t、GARCH-t模型计算沪市在险价值的效果,得到:1、沪市存在杠杆效应,并对沪市在险价值的产生重要的影响,忽略杠杠效应,就会低估沪市的风险;2、仅通过拟合分布特征不能准确地计算沪市的VaR,为了准确计算VaR,还必须考虑沪市的杠杆效应;3、EGARCH-t模型不仅具有较好的分布拟合能力,而且能够有效地刻画杠杆效应,因而更适合于沪市在险价值的计算,且计算出的VaR也比较准确、可靠。

稳健ARMA-TGARCH控制图的构建及应用

传统ARMA-TGARCH控制图易受离群值的影响,当数据中存在离群值时,会拉高ARMA-TGARCH控制图的控制限,从而导致ARMA-TGARCH控制图监控失效。文章针对ARMA-TGARCH控制图的不稳健性,使用稳健统计思想中的权函数来降低或消除离群值对ARMA-TGARCH控制图的影响,从而构建了稳健ARMA-TGARCH控制图算法,得到较为贴近实际情况的监控效果。模拟实验和实证分析表明:当数据中不存在离群值时,传统ARMA-TGARCH控制图和稳健ARMA-TGARCH控制图的监控效果基本保持一致;当数据中存在一定量的离群值时,且随着离群值比例的不断增加,传统ARMA-TGARCH控制图的监控效果不断减弱,但稳健ARMA-TGARCH控制图仍保持着良好的监控效果。因此,稳健ARMA-TGARCH控制图有着较好的抗差性和抗干扰能力。

基于VaR-TGARCH模型的中证5G通信主题指数实证分析

利用TGARCH模型和VaR理论方法,对中证5G通信主题指数的波动性进行研究。实证分析发现5G通信指数存在着“反杠杆”效应,即利好的信息对股票有着积极的影响;通过计算不同分布、不同置信水平的VaR风险值,并结合Kupiec准确性检验,结果显示在置信水平为95%时,基于t分布下的TGARCH模型拟合效果最优。

新冠疫情非同步演化下中美股指期货市场间的风险溢出效应研究

新冠疫情强化了中美股指期货市场间的正相关性,使之存在显著的双向风险溢出效应,且该效应具有明显的非对称性。从整体上看,美国市场对中国市场的风险溢出强度更为明显。在新冠疫情暴发前、疫情集中暴发阶段和疫情扩散阶段,美国对中国股指期货的风险溢出效应呈现增强趋势,而中国对美国股指期货的风险溢出效应则呈现出先增强后减弱的特点。中美股指期货市场间的风险溢出效应具有较强的持续性。投资者恐慌情绪加剧了美国对中国股指期货市场的风险溢出强度,放大了新冠疫情对该溢出效应的影响程度,但中国股指期货市场对美国股指期货市场的风险溢出效应不显著。

机构投资者影响我国股价波动的实证研究

采用TGARCH模型对机构投资者与我国股指波动的关系进行研究,实证结果表明:无论是否考虑宏观经济因素对股票市场的影响,机构投资者对我国股票市场波动均产生正向影响。进一步用面板数据模型对机构投资者与上市公司股价波动的关系进行研究,发现机构投资者在不同宏观经济环境下也均未起到稳定上市公司股价波动的作用。

不同分布下非对称GARCH模型波动率预测评价

以损失函数为评价标准,研究不同分布(正态分布、T分布、广义误差分布、偏态T分布)下非对称GARCH模型在上证综合指数波动率的预测能力并进行比较.结果表明,无论样本内还是样本外,非对称GARCH模型均能很好地预测上证综合指数的波动率,其中偏态T分布下TGARCH模型能更加准确地描述收益率分布的尖峰厚尾及非对称特征,预测能力最强.

基于非对称GARCH与极值理论的商业银行信用风险度量模型

提出一种基于ARMA-TGARCH-EVT模型并适用于商业银行内部信用风险评估的新方法.首先通过广义矩法估计ARMA-TGARCH模型,获得近似独立同分布的残差序列zt;然后选用极值理论的越槛高峰模型(POT)对残差序列进行拟合分析,得到风险价值和期望损失的估计值,并采用Bootstrap方法给出95%置信水平下的置信区间;最后利用某商业银行2000-02-19～2010-12-15的日信贷资产对数收益率进行仿真,得到控制信用风险价值V和期望损失E值及置信区间,并与未经调整的预测值进行比较.研究结果表明,该方法在一定程度上克服了单纯进行极值分析时,由于序列的非独立同分布不能满足极值理论假设所造成的估计误差,改进了采用似然比率法估计置信区间时,由于极值事件的小样本所造成的偏差.

人民币汇率与股市收益的动态关联性实证研究

利用基于广义误差分布(GED)的多因素TGARCH模型,实证分析了2005年7月21日汇改后人民币汇率与中国股市收益的动态关系。估计结果显示:人民币汇率对股市收益有显著的价格扩散效应,汇率上升会引起上证指数收益率较大幅度的上升;股市收益波动存在显著的ARCH效应和GARCH效应,并且等强度的正向或负向新息的冲击会引起股市波动的非对称反应,正向冲击比同强度的负向冲击能带来股市更大的未来波动。

基于熵补偿的Black-Litterman模型的投资组合

Black-Litterman模型在传统的投资组合模型中加入了投资者的主观判断,在金融市场上获得了一定的认可.在该模型基础上,提出了一种基于熵补偿的最优化方法.首先根据历史数据,利用AR-TGARCH模型预测收益率和波动率,作为模型的输入变量,代替了纯粹意义上分析师的主观决定;其次加入信息熵,改进了传统最优化效用函数,通过求解非线性规划问题得到资产的最优组合权重.实证研究表明,该模型较之其他投资组合模型,能够获得更高的收益,具有更强的应用性.

不同情境下中国碳排放权交易市场的风险度量

以深圳、湖北、广东、上海及北京5个碳交易中心2015~2020年的日交易数据为基础,设置了Ave、Med、Max、Min 4种交易情境,采用TGARCH-VaR模型对不同情境下的碳排放权交易市场风险进行了研究.结果表明,不同情境下碳排放交易市场风险存在差异,各情境的市场稳定性、政策响应度均存在一定规律:Ave情境碳现货收益率波动幅度最小,而Max情境与Min情境碳现货收益率波动幅度较大,意味着Ave情境下碳市场的风险最小.4种情境下碳市场都存在风险杠杆效应,坏消息对市场波动的冲击要大于好消息的冲击;Med情境与Min情境对政策依赖性较强,容易受到外界因素的冲击而产生较大的波动风险;Max情境下碳市场对消息面的敏感度最低,难以体现市场应有的调节作用;Ave情境市场稳定性较高并且能较好体现政策的调节作用.Ave情境下碳市场的VaR值方差最小,Max情境下碳金融市场的VaR值方差明显高于其他3市场,说明Ave情境下碳市场价格波动性风险较小;Ave情境碳市场风险最小、市场稳定性较高并且能较好体现政策的调节作用.我国在统一碳排放市场时,应该考虑到各个地区差异性,关注碳市场价格的稳定性,进而降低碳市场风险,提高企业参与碳交易的积极性助力双碳目标的落实.

投资者结构模式变迁与市场流动性风险

本文研究了市场流动性风险与投资者结构模式之间的关系。随着机构投资者的不断发展壮大,我国投资者结构模式发生了重要转变,然而新的投资者结构模式下,市场流动性的波动结构是否有所不同?本文以流动性水平变化率为研究对象,构建了包含虚拟变量的TGARCH模型对其波动方程进行拟合,研究发现:机构投资者壮大后市场流动性风险显著降低;机构占主导后市场流动性风险受新信息的影响权重较之前增大,而旧有信息对流动性风险的影响相比以前减小。

股指期现货市场间联动的非对称性和信息溢出

本文在ADCC-TGARCH模型的框架下,考察了沪深300股指期现货间的动态条件相关性及其非对称性,并结合VECM模型和CCF检验考察两市场间的信息溢出效应。实证结果表明,样本期内只存在期货对现货的单向均值溢出;在不同的滞后阶数下,特别是在第2、3、8阶存在双向的风险溢出;两市场的相关性很强,且相关性具有非对称性。

特征滞后计算的股市波动预测

针对股票价格波动拐点难以有效预测导致预测精度不高的问题,提出一种特征滞后程度计算的均值门限广义自回归条件异方差(LRD-TGARCH-M)模型。首先,基于股价波动与指标变化出现的不一致性,给出了滞后性的定义,并引入能量波动概念,从能量角度提出特征滞后程度(LD)计算模型;然后,用LD度量拐点出现之前的风险大小,将其加入到股价均值方程中,克服均值门限广义自回归条件异方差(TGARCH-M)模型对拐点预测的不足;其次,根据拐点附近波动相对剧烈,将LD加入到误差项的方差方程中,优化方差的变化,提高模型的预测精度;最后,给出了LRD-TGARCH-M模型的波动预测公式和精度分析,并在股票数据上进行实验,结果表明,与TGARCH-M模型相比,精确度提高了3.76%;与均值指数GARCH(EGARCH-M)模型相比,精确度提高了3.44%,证明了LRD-TGARCHM模型可以提高股价走势预测精度,减小误差。