基于Levy-GARCH模型的股票市场尾部风险度量研究

防范化解金融风险是牢牢守住不发生系统性风险底线的重要工作,描述资产价格规律、准确度量尾部风险是风险管理的前提。为研究非对称性和非高斯性对我国股市收益率预测和尾部风险度量的影响,本文使用20种Levy-GARCH模型对上证综合指数进行实证分析,计算噪声服从跳跃过程时的VaR和CVaR值,结合快速傅里叶变换数值计算和回溯测试进行检验。研究结果表明:在中国股市中,非高斯性和非对称性是不可忽视的重要特征,跳跃行为在收益率拟合、预测和风险度量方面有重要影响;在尾部风险度量上,带跳跃的非仿射结构条件方差模型表现稳定地优于仿射结构模型,而且有限跳跃过程模型的综合表现优于带无限活动率跳跃过程的模型。总的来说,非对称、非高斯、非仿射的Levy-GARCH模型在收益率拟合与尾部风险测度上表现更好,而且有限跳跃形态可以更准确地解释中国股票市场的尾部风险。

基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。为验证模型有效性,选取一定数据量的PMI指数进行实验。结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%。

混合Beta分布GARCH模型的EM算法求解与实证分析

GARCH模型在处理时序数据异方差问题中得到广泛应用,然而在面临一些特殊领域的数据,尤其是金融市场领域中具有高峰厚尾、非对称性、有界取值区间等特征的数据时,传统正态分布的基本假设往往与现实严重不一致。针对此类问题,文章提出混合Beta分布的GARCH模型,并给出了基于完全数据最大似然函数的EM算法估计模型的参数,以仿真模拟数据和金融市场现实数据为例,进行了实证分析。结果显示,在违背正态分布假设的情形下,混合Beta分布GARCH模型更能有效地提炼波动的一系列非正态性信息,同时也验证了EM算法对模型的参数求解行之有效。

房地产企业资本结构对股价波动的传递效应分析——基于结构化GARCH模型

中国房地产企业资本结构长期处于高负债、高杠杆状态。在二十余年的房地产高速发展过程中,高杠杆风险长期被忽视,甚至被认为是房地产企业发展的固有模式。在结构化GARCH模型中引入资本结构因素,检验房地产企业资本结构对股价波动的传递与溢出效应。研究发现:中国房地产市场具有结构化特征,杠杆乘数与股价波动具有同步性;过高的负债水平并不会提升房地产企业的规模效应,反而会抑制股票收益率的增长。

基于ARIMA-GARCH模型的人民币汇率波动研究

人民币正式加入SDR以来,人民币汇率的波动日益复杂,而汇率变动特征的识别是预测人民币汇率的关键环节。为提取出人民币汇率波动的特征规律,本文选择对2016年10月10日—2020年10月10日的人民币兑美元日序列建立模型并预测。同时,本文为评价ARIMA-GARCH组合模型的预测效果,将其与ARIMA模型预测结果相互对比。结果显示,ARIMA-GARCH模型不仅可以提取出人民币汇率波动的规律性,还可以改良ARIMA模型的预测精度,预测精度最高,在短期内能够得到较好的预测值。

基于GARCH类模型对美国股市波动性的对比分析

为研究美国股市股指的波动性特征,本文选取美国股市的Nasdaq指数和Russel2000指数的日收盘价数据,借助统计软件,利用GARCH类模型进行实证分析。实证结果表明:Russel2000指数的风险较Nasdaq指数更稳定,更适合投资,且相较GARCH(1,1)模型,满足学生t分布的APARCH(1,1)模型拟合的条件异方差可以更好地反映种股指日对数收益率的波动率情况,因此可选用此模型对两种指数波动率的未来值进行预测,为投资者提供未来投资参考。

金融时间序列的波动持续性与优化投资组合关系——基于GARCH(1,1)模型矩的视角

GARCH(1,1)模型是最具代表性的ARCH族模型,而ARCH族模型是描述金融时间序列波动持续性特征最为广泛使用的模型,因此对GARCH(1,1)模型进行研究具有很强的理论和实际意义。本文基于矩的角度对GARCH(1,1)模型描述的波动持续性进行了研究并得到了矩和波动持续性关系的具体数学描述。这为人们厘清掩藏在服从GARCH(1,1)过程的金融时间序列背后的规律提供了一个独特视角,帮助人们了解GARCH模型并优化投资组合。

一个新的稳健ARCH检验和YJ-GARCH模型

众所周知,Engle(1982)的ARCH检验对于条件均值模型误设并不稳健,特别地,当条件均值是非线性过程而我们仅对之建立线性模型时,它过度地拒绝真实的原假设,导致出现严重的水平扭曲。因此,本文在文献当中首次利用Yeo-Johnson变换方法来转换均值模型的因变量以排除ARCH过程中均值部分的非线性,进而提出一个新的稳健ARCH检验以及一个新的GARCH模型——Yeo-Johnson(YJ)GARCH模型。蒙特卡罗模拟结果表明,稳健的ARCH检验在水平和势方面的表现要显著优于Engle(1982)的ARCH检验。对上证综指收益率的实证研究结果表明,YJ-GARCH模型的拟合效果要显著优于线性GARCH模型。

具有时变杠杆效应的已实现GARCH模型

杠杆效应是金融市场中的一种常见现象。为了更好地刻画杠杆效应的时变性,首先基于线性样条函数将时变杠杆效应引入了经典已实现GARCH模型,得到了具有时变杠杆效应的已实现GARCH模型,并给出了模型的参数估计及其算法。其次,模拟研究了本文所提模型在有无杠杆效应、不同样本容量及不同噪声选取下的有限样本表现。最后,利用伦敦富时100指数实证分析了本文所提模型相比于经典已实现GARCH模型的优越性。

高频GARCH模型的最优抽样分析

波动率代表是运用高频数据估计日频GARCH类模型时构造的一个重要统计量,文章针对运用高频数据估计日频GARCH模型的3种方法,基于估计量的渐近结果讨论了最优波动率代表的选择问题,并展开了在日内高频数据抽样中应用的讨论。通过对沪深300指数的高频数据实证分析发现:同一波动率代表在不同抽样频率下的表现有明显差异;在同一频率下,不同波动率代表有优劣之分;在不同估计方法下,每一个波动率代表的最优频率都不同。因此,日内高频数据的最优抽样频率应针对模型所用的不同估计方法加以区别对待。

基于GARCH模型的上证50ETF期权风险对冲策略研究

随着我国衍生品金融市场的发展,利用期权进行风险管理,特别是对系统性风险进行对冲,管理市场波动性,已经成为当前资产管理和风险管理行业的重要内容。基于Wind金融数据库中获取的上证50ETF数据和期权合约的历史数据,建立GARCH模型,进行波动率预测。为验证建模的有效性,通过对数收益率的时间序列进行ADF检验、J-B检验等统计性检验来说明时间序列的合理性,在此基础上使用Python进行GARCH(1,1)建模,得出时间序列的条件方差。结合参数方程进行策略回测,在充分考虑现实情况下,加入了交易成本,仍能实现较好的收益和风险对冲效果,为利用波动率实现期权对冲和风险管理提供了可行的思路和具体策略。

基于GARCH模型的天然气期货价格波动特征分析

在“双碳”目标的大背景下,天然气在我国能源消费结构中的占比逐年上升。本文选取2010年1月4日到2023年2月3日的纽约商品交易所(NYMEX)天然气期货价格的结算价数据,通过建立GARCH模型来分析天然气期货的价格波动特征,并运用VaR模型对天然气期货的风险测度进行分析。研究发现:天然气期货价格收益率存在显著的ARCH效应,通过建立GARCH与GARCH-M两种模型研究发现天然气期货价格收益率的波动存在聚集性并且价格受到一定影响冲击后波动持续影响时间较长,同时天然气期货市场具有高风险高回报性;美国天然气期货市场价格的VaR风险值也具有连续性和波动聚集效应,VaR-GARCH模型在90%和95%的显著性水平下对美国天然气期货市场的风险进行度量,在一定置信水平下通过了失败率检验,因此,对于期货市场当中无论是风险承受能力较高还是风险承受能力较低的参与者,VaR-GARCH模型均可以进行风险的度量,从而在一定程度上规避风险。根据研究结果,提出如下建议:增加国内天然气开发供给,保障能源安全;加快推出国内天然气期货,建立完善国内天然气期货市场;强化管网运营协调管理与健全储气设施市场化运营;推进能源高水平对外开放,同时密切监测发达国家尤其是美国经济指标动态。

基于GARCH模型族的集装箱海运价格波动特征研究

自2020年以来,受到新冠疫情、俄乌冲突、高通胀等因素影响,全球集装箱海运价格出现了爆发式的增长与回落。科学分析这些问题能使企业增加对集装箱海运市场运价规律的了解,更好地服务国际贸易,对助力集装箱海运重回健康稳定的发展方向意义重大。本文以集装箱海运市场运价的波动特征为研究对象,选取了GARCH模型族,考察了集装箱海运费的波动规律,并分析波动成因,研究利好消息和利空消息对集装箱海运市场的短期影响,对航运业相关企业经营策略提出建议。

基于ARMA-GARCH组合模型的汇率波动性预测

文章使用2015年8月11日至2022年11月30日人民币兑美元汇率的日交易中间价数据进行研究。首先对该数据进行对数差分处理,得到平稳的人民币汇率对数收益率序列。其次通过描述性统计分析发现该序列“尖峰厚尾”,而平稳性检验和ARMA模型建立证实了该序列的非随机性质,异方差性检验确认了波动聚集性。研究采用GARCH、EGARCH和TGARCH模型对波动率方程进行拟合,结果显示汇率存在杠杆效应。最终,使用最佳拟合效果的EGARCH(1,2)模型对汇率序列进行回测分析,并提出相关建议。

基于损失函数的GARCH类模型波动率预测评价

本文的目的是通过利用多种损失函数评估三种GARCH模型的预测精度,找到最优的股指期货日内波动率研究预测模型。利用之前的研究结果,三个沪深300股指期货日内一分钟日内收益率被用作研究对象,对标准GARCH,eGARCH以及RealGARCH三个模型做了实证检验,并利用多种损失函数,从不同角度衡量三个波动率模型的预测精度。研究发现:Sample1样本的RealGARCH模型有最好的预测效果,而Sample2样本与Sample6样本的eGARCH模型有最好的预测精度。因此,在对沪深300股指期货日内波动率研究时,应根据其样本特征,优先选择具有能够反映非对称特征的波动率模型来刻画波动过程,对未来波动率做预测。

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。

基于机器学习偏差校正的GARCH波动率模型预测

科创板是独立于现有主板市场的新设板块。以科创板的设立为分界点,针对GARCH波动率模型存在预测偏差的问题,分别利用机器学习算法中的BP、SVR、RF及XGBoost对三种不同分布下的GARCH模型的预测偏差进行校正,构建基于机器学习偏差校正的GARCH波动率预测模型,以期降低模型的估计误差从而获得更精确的波动率估计。实证结果表明,科创板的设立对股票市场的波动性具有一定的抑制作用,该模型能显著提高GARCH模型的预测精度。在众多机器学习算法中,以XGBoost算法的偏差校正效果为最优。

基于Markov-switching GARCH模型的上证50ETF期权定价分析

上证50ETF由于其组合资产的对冲,其资产面临的主要是系统风险,通过马尔可夫结构转换GARCH模型(MS-GARCH模型)准确预判上证50ETF波动状态后对其实施风险管理。首先,根据MS-GARCH模型稳态分类方法对上证50ETF波动率划分3个波动区间;其次,将波动率以滚动窗口形式带入Black-Scholes期权定价模型;最后,运用均方误差、对称平均绝对百分比误差等确定最优模型。实证结果表明:拟合和预测期权价格得到MS-GARCH模型优于GARCH模型。通过准确预判上证50ETF波动状态,在高波动状态情行下可以对上证50ETF提前做好风险管理措施,为金融组合资产系统风险管理提供一个很好的参考依据。

基于GARCH-VaR模型的上证指数风险度量

本文选取我国股票市场中较为有代表性的上证指数作为研究对象,选取2000年1月1日至2022年11月28日以来所有交易日的股票波动情况进行分析。对参数取值多次拟合得到拟合结果较好的GARCH模型,建立上证指数收益波动序列的GARCH模型。再应用Eviews10.0软件中的Forest和已经建立的GARCH模型结合,预测未来上证指数的条件方差。最后基于GARCH模型计算上证指数的预期VaR值,量化上证指数预期金融风险。为投资者和提前预测股票价格波动,此模型也适合不同的股票收益序列,在一定程度上为投资者提前掌握股票价格走势提供参考帮助。

基于GARCH类模型对比分析中美两国科技企业股票数据的实证分析

中美斗争的加剧,致使人们开始全面审视美国和中国这两个世界最大经济体在技术上的对抗。科技公司在股票市场上的波动不仅代表其科技实力,而且也能反映出所在国家对科技发展的支持力度。本文分别分析了中美两国各具有代表的两家上市科技公司,用GARCH族模型分别拟合四只股票的收益率序列。研究发现,中国的科技公司股票收益率序列的波动性要高于美国,且基于t分布的EGARCH模型能够较好地拟合属于中国的科技公司股票,而基于正态分布的TGARCH模型更适用于拟合属于中国的科技公司股票。结果表明,GARCH族模型对科技类股票波动率建模具有较好的拟合效果,且基于中美科技股票的对比分析,为中美在科技方面对比提供了例证。