VaR-APARCH模型与证券投资风险量化分析

基本统计分析发现,上证综合指数回报率分布存在尖峰肥尾性,不服从正态分布,并且还具有杠杆效应。本文应用APARCH模型在三种分布假设下对上证综合指数通过事后模拟和条件单步预测来计算上证综合指数的VaR风险值,然后把它与应用GARCH模型的估计结果进行比较分析。通过返回检验,我们发现,APARCH应用于VaR估计是统计有效的,并且明显优于GARHC模型。

基于GARCH模型的深证综合指数收益率波动性研究

在介绍GARCH模型相关理论的基础上,以深证综合指数收盘价为研究对象,运用Eviews6.0软件对深证综合指数收益率的波动情况进行了实证分析.结果表明,深证综合指数收益率具有明显的ARCH效应和平稳性特征,且有显著的"尖峰厚尾"现象,存在波动的集群性.同时,通过比较发现GARCH(1,1)模型最能模拟深证综合指数收益率的实际情况.此外,得出收益率具有明显的"杠杆效应",且验证了深证综合指数支持风险溢出理论.最后,在GARCH模型的基础上计算了VaR值.

ARCH族模型对沪市综合指数的实证分析

本文选取沪市股价综合日指数(1999 01 01～2002 12 30)作为样本,根据有效市场理论,利用股指的随机游走过程对上海股市的有效性进行检验,建立ARCH模型验证上海股市的可预测性.实证结果发现,上海股市具有杠杆效应、波动集群性和波动持续性.

外汇风险度量研究——基于GARCH类模型及VaR方法

本文应用GARCH模型和VaR方法对美元、欧元、日元和港币对人民币的四种外汇汇率进行了实证分析,得出如下主要结论:四种汇率波动率序列均为非正态平稳序列,存在显著的ARCH效应,GARCH类模型可以有效地刻画其非线性动态波动特性。四种汇率均具有自我稳定功能,且美元和港币汇率波动的持续性显著地高于欧元和日元。在日元汇率中存在显著的非对称效应,而在美元和港币汇率中存在显著的风险补偿效应,欧元和日元的汇率风险大约为美元和港币的6-7倍;欧元汇率最理想的估计模型为GARCH(1,1)和IGARCH(1,1),而美元和港币汇率的首选模型为GARCH-M(1,1)-t和GARCH-M(1,1)-g,日元汇率的首选模型为PARCH(1,1)-t和EGARCH(1,1)-g。

我国沪、深股市的波动性研究——基于GARCH族模型

金融市场的波动性不仅是投资者关注的焦点之一,而且也是被研究的热点之一。中国股市还非常年轻,股票市场的价格常常表现出大幅波动的特征。本研究以上证综合指数和深圳成分指数为研究对象,分别运用GARCH模型、TARCH模型和EGARCH模型同时拟合,并对比分析了中国股市日收益率波动的动态特征;结果显示,EGACH模型能更有效拟合股市的波动性。

基于ARCH-M模型上证基金指数收益性与波动性的实证分析

以日收盘价指数的对数收益率为基础,采用ARCH-M类模型(GARCH-M,TGARCH-M和EGARCH-M)对上证基金指数的波动性与收益性进行了实证研究。结果表明基金波动性存在集聚性、波动率与收益率正相关,利空与利好消息对基金波动冲击存在不显著的杠杆效应。

ARCH族模型研究及其在沪市A股中的应用

介绍了ARCH模型、GARCH模型、EGARCH模型、TARCH模型,分析这些模型的特点,并将ARCH族模型运用到我国沪市市场的实证分析,得出EGARCH模型有最好的拟合效果.

基于GARCH模型的我国创业板市场风险度量

以创业板综合指数的日对数收益率为基本数据,分别在正态分布、T分布与GED分布下总结GARCH参数并计算VAR值,通过实证分析指出序列分布具有尖峰厚尾的特征,利空消息带给创业板市场的波动比等量的利好消息更大,创业板市场存在明显的杠杆效应,波动具有聚集性和持久性;GED分布能够更好地拟合创业板市场综合指数,得出的VAR值精度较高;模型种类并不是VAR值结果的决定性因素。

基于GARCH族模型的股价波动性分析

运用GARCH族模型对上证综指进行建模研究,结果表明:上证股市收益率序列不服从正态分布,有"尖峰厚尾"特征;存在一定的杠杆效应,即利空消息比等量利好消息带来冲击更大;股市受外部影响时间较长,短期内难以消除。

ARCH模型族在深圳成指中的应用

金融资产收益率一直是经济研究人员和投资者关注的焦点,ARCH及GARCH模型族可以较好地拟合金融资产收益率序列存在的尖峰厚尾、波动聚集性以及杠杆效应等特征。本文收集深圳成指(399001)二十年的日收盘价,通过GARCH-M模型论证了市场中预期风险增加一个单位,就会导致其收益率相应增加0.112个百分点,收益率的波动冲击影响会持续很长一段时间。利用EGARCH模型说明深圳成指收益率存在着信息不对称性,利空信息的冲击使得波动的变化更加大一些。同时根据相应的统计检验量,发现EGARCH模型比GARCH-M模型具有更好的拟合度,故实际中投资者应选用EGARCH模型预测深证成指的收益率。

基于GARCH族模型的深证成分指数波动性研究

基于GARCH族模型对深证成分指数的波动性进行实证研究。用学生-t分布的GARCH(1,1)模型分析了尖峰厚尾和波动聚集特征,用基于CED分布的GARCH-M(1,1)模型研究了风险溢价情况,以及用基于标准正态分布的EGARCH(1,1)模型分析股市波动的杠杆效应。结果显示,残差确实存在异方差性,股市中收益与风险成正比,同等单位的利空消息对股市冲击更大。最后根据实证研究给出结论与建议。

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ARMA-GARCH模型的上证指数收益率分析

本文综合ARMA模型在平稳时间序列数据预测方面的优势和GARCH模型在金融数据易变性方面的优势,基于不同的新息分布分析收益率序列的不同特征,并利用样本内统计量和基于循环迭代预测的回测检验方法比较不同模型的预测效果。实证表明上证指数日对数收益率具有显著的异方差性、风险溢价和杠杆效应,因此考虑异方差性的GARCH类模型比基于高斯分布的ARMA模型预测效果有显著提高,基于有偏学生分布的模型具有最优的预测效果。

ARI-TGARCH-M-GED建模分析微信理财通收益率

选取2013-12-11至2019-2-1期间的微信理财通七日年化收益率为研究对象,通过ADF检验、白噪声检验和ARCH效应检验,发现微信理财通收益率序列具有非平稳和自相关性,其一阶差分序列是平稳的非白噪声序列,且具有尖峰后尾和条件异方差等特征.基于此选择ARI-TGARCH-M-GED分布对数据进行建模,发现微信理财通收益率序列具有反杠杆效应,同时建立ARI-EGARCH-M-GED模型进一步证实该反杠杆效应的存在,最后分别对政府、互联网理财产品公司、投资者三方给予了相应的规避风险的措施建议.

应用ARCH类模型探究安徽省经济波动情况

在经济总量高速持续增长的过程中,经济波动是正常的。位居中国中东部的安徽省,经济波动情况与全国大体相同,通过对1978年至2018年安徽省地区生产总值增长率运用ARCH类模型,得出安徽省经济波动强度较为猛烈。经济系统自身不具有自我稳定的机制和杠杆效应,这会增加安徽省经济增长中的不确定因素。为提高经济增长的稳定性和抵抗衰退的能力,需优化固定资产结构,加快产业结构升级,扩大居民消费需求,为推动安徽省经济的跨越式发展提供强劲动力。

基于RT-GAS Copula模型的经济金融行业非对称相依性及风险溢出研究

考虑到实体经济行业与金融行业间的相依关系存在杠杆效应,本文采用GJR门限结构将杠杆效应纳入包含高频信息的广义已实现自回归得分Copula(GRAS Copula)模型中,构建广义已实现门限自回归得分Copula(RT-GAS Copula)模型。利用RT-GAS Copula模型揭示实体经济行业与金融行业间时变相依关系对行业收益的非对称响应,并进一步分析经济金融行业间风险溢出的非对称性和时变特征。研究发现:各行业间的相依关系存在显著的杠杆效应,某一行业收益的上涨和下跌对该行业与其他行业间时变相依关系的影响是非对称的;行业间的相依关系会受到国家调控政策和各类市场风险事件的影响;行业间的系统性风险溢出存在非对称性,且会受到严重风险事件的影响。此外,有效性检验结果表明,当行业间相依关系存在显著杠杆效应时,RT-GAS Copula模型的拟合和预测能力优于现有时变Copula模型。

流动性调整门限效应下的市场风险度量

为了刻画流动性对金融市场风险的影响,并且考虑到金融数据的尖峰厚尾性,对传统的门限UHF-GARCH模型进行扩展,加入持续期门限和对数持续期门限效应,基于标准T分布建立门限UHF-GARCH-MD模型和门限UHF-GARCH-LD模型,结合交易的及时性和交易深度刻画金融市场流动性风险,评价并比较两类门限模型的拟合优度和流动性风险度量精度.实证发现,持续期杠杆效应对金融市场流动性风险存在显著影响,门限UHFGARCH-LD模型不仅刻画了金融数据的尖峰厚尾性,并且捕捉高速流动性和低速流动性对金融市场风险的不对称影响,可有效地度量流动性风险,为金融市场风险研究提供了流动性新视角,也可为市场风险防控提供参考.

沪深股市周内效应再检验

运用GARCH(1,1),GARCH(1,1)-M和EGARCH(1,1)模型,对中国沪深两市收益率进行了收益率均值的周内效应和收益率波动性的周内效应实证分析。同时对样本区间进行分段处理,以检验自1996年起实行的涨跌停板制度对股市周内效应是否存在削弱作用。研究发现,中国股票市场在相应的样本区间存在显著的周内效应,但是在不同区间周内效应的具体分布不尽相同。同时发现,股票风险的增加能够增大收益率,且收益率的波动性存在杠杆效应。

基于分位点回归模型的条件VaR估计以及杠杆效应分析

在文献中,分析杠杆效应时大多数都是基于ARCH类模型,本文应用分位点回归模型及其变点检测模型分析了"已实现"波动率条件下的CVaR,并尝试从CVaR的角度对杠杆效应进行分析。最后,对中国股票市场进行了实证研究,得到了"已实现"波动率条件下的CVaR估计,并对中国股市的杠杆效应进行了分析。

基于不对称自回归条件异方差模型的短期负荷预测

研究了负荷时间序列的自回归条件异方差效应,提出了一种基于不对称自回归条件异方差模型的短期负荷预测方法。建立了广义误差分布假设下的不对称广义自回归条件异方差模型,借助模型的不对称参数,分析了不同冲击下的不对称机制,比较了各种广义自回归条件异方差模型的预测能力。其中,幂指数广义自回归条件异方差-广义误差分布模型的预测效果尤为突出。最后通过实际算例验证了上述方法的可行性和有效性。