基于MIDAS模型的中国股市对居民消费的影响效应

根据混频数据抽样模型,实证研究了中国股市对居民消费的影响效应,深入讨论了牛市和熊市阶段股市收益和波动对居民消费的影响特征。已有研究都是使用同频数据,多数研究认为股市对居民消费的影响不显著或不稳定。而本文基于混频数据的分析却得出不同的结论:不论是股市收益还是股市波动均对居民消费有着显著的影响效应。通常股市收益对居民消费有正的影响效应且影响持续时间长,而股市波动对居民消费有负的影响效应且持续性很短。股市收益在牛市阶段具有较大的影响;相反,股市波动在熊市阶段具有较大的影响。

基于极端冲击的GARCH-MIDAS模型对股市波动率预测研究

金融危机和政治事件等重大事件会对股市产生极端冲击,为探究极端冲击和非对称效应对股市波动率预测的影响,对GARCH-MIDAS模型进行改进并探究改进后的模型能否提高股票波动率的预测性能。以上证综指数据样本为例,运用滚动时间窗的样本外预测方法和MCS检验,探究同时包含极端冲击和非对称效应的GARCH-MIDAS模型的预测性能。样本内结果表明,我国股市存在明显的杠杆效应和极端冲击且负极端冲击的影响大于正极端冲击;样本外结果表明,在不同的损失函数条件下,MCS检验的结果显示在长期项和短期项中均考虑极端冲击和非对称效应的GARCH-MIDAS模型的预测性能更好。这说明在股票波动率预测模型中考虑极端冲击和非对称效应能够提高模型的预测精度。

基于混频数据抽样的已实现EGARCH模型的波动率预测

该文以沪深300股指期货高频数据为样本,在Realized EGARCH模型的基础上引入了混频数据抽样(MIDAS)结构与时变波动,构建了基于偏t分布的SMA-Realized EGARCH MIDAS模型,该模型提高了模型捕捉长记忆性的能力,更好地刻画了模型的时变波动性.通过滚动时间窗的方法对模型进行VaR预测与后验测试,采用MCS检验评估各模型在不同测度下的波动率预测能力.研究结果显示:相比于传统的Realized GARCH模型、Realized EGARCH模型和Realized EGARCH MIDAS模型,本文提出的SMA-Realized EGARCH MIDAS模型具有更好的样本拟合效果与样本外波动率预测精度.

港口物流对当地经济的混频预测分析

为深入探究港口物流与当地宏观经济的内在联系,采用混频数据抽样(mixed-frequency data sampling,MIDAS)模型分析国内5个省市港口的月度港口货物吞吐量增长率对其季度GDP增长率预测的有效性。研究结果表明:港口货物吞吐量表征的港口物流对当地GDP具有较好的预测效果;相较于传统的季节性自回归综合移动平均(autoregressive integrated moving average,ARIMA)模型,MIDAS模型能够捕捉高频解释变量的有用信息,提高预测精度。

空气污染对中国股市波动率的影响研究

空气污染可以通过情绪变化、政策制定和市场预期等渠道影响投资者从而影响股票市场。以上海和深圳的空气质量指数、上证综指和深证成指作为研究对象,采用广义自回归条件异方差混频数据抽样模型(GARCH-MIDAS),探究不同程度的空气污染对中国股票波动率的影响。结果表明:当空气污染严重时,容易使投资者情绪恶化,从而制约投资者做出理智的判断,因此股票波动率会增加。当空气质量极好时,投资者对市场的预期变好,产生的意见分歧更小,倾向于更小的波动率。在不同损失函数下,加入极端情况的GARCH-MIDAS模型通过模型信度检验(MCS),表现出更好的波动率预测性能。

基于混频抽样和杠杆效应的高频波动率模型预测

基于长记忆性的视角,将混频数据抽样(mixed data sampling)引入Realized GARCH模型的条件方差方程中,扩展得到Realized MIDAS GARCH模型,结合金融波动的非对称杠杆效应(asymmetric leverage effect),构建得到Realized MIDAS EGARCH模型,进一步考虑传统的正态分布假设不能够刻画金融时间序列的非对称性、非正态性、厚尾性等特征,将偏t分布引入Realized MIDAS EGARCH模型中,构建了基于偏t分布的Realized MIDAS EGARCH模型,推导其参数估计方法,并基于滚动时间窗技术预测和比SPA检验更具优势的模型置信集(model confidence set,MCS)检验评估各种波动率模型对我国期货黄金市场波动的预测能力.实证结果表明:Realized MIDAS GARCH族模型比起Realized GARCH族模型有更优的拟合能力,捕捉长记忆性的能力更强;考虑杠杆效应和非对称厚尾分布能够提升模型的解释能力和预测能力;基于偏t分布的Realized MIDAS EGARCH模型是本文所探讨的8种高频波动率模型里面拥有最高样本内拟合优度、最强长记忆性的捕捉能力和最优样本外预测精度的高频波动率模型.

一类包含不同权重函数的混频GARCH族模型及其应用研究

研究目标:构建包含不同权重函数的混频GARCH族模型,给出权重分布性质证明,通过中国股市波动度量和预测进行模型比较与评估。研究方法:将多种权重函数纳入混频GARCH模型,给出离散时间下的权重分布性质,基于准极大似然法对模型进行估计。研究发现:Beta权重函数、指数阿尔蒙多项式和扩展自回归权重函数具有较好的样本外预测效果,指数阿尔蒙多项式和扩展自回归权重函数能形成更多样化的权重分布;宏观经济变量能够显著影响未来股票市场波动,其中实际GDP和工业增加值对股市波动的影响具有较长滞后性,货币供应量能持续影响未来股市波动;对于不同宏观经济变量应匹配对应的权重函数以实现最优预测效果。研究创新:构建并扩展了包含不同权重函数的混频GARCH族模型,给出了权重分布性质证明,基于中国宏观经济和股市数据讨论了模型的稳健性和适用性。研究价值:丰富并扩展了混频GARCH模型,实证研究有利于投资者更深刻理解股市波动的驱动因素,有利于监管部门更好进行风险预警和防范。