非参数异方差模型在沪深股市中的应用研究

发布时间：2020-06-12 14:18

【摘要】： 非参数模型在描述数据的非线性特征方面具有良好的性质；GARCH模型从其出现以来就在股票市场的计量研究中发挥着很重要的作用。本文主要研究了基于多项式样条估计的NARCH模型以及GARCH类模型在沪深300指数波动率分析中的应用,同时探讨了将小波多分辨分析理论与NARCH模型结合后在沪深300指数波动率分析中的应用。主要研究内容如下： (1)利用AR、GARCH、EGARCH等模型对沪深300指数收益率进行了统计拟合分析,研究结果表明：这些模型在拟合股票收益率方面能收到良好的效果,相对而言AR (2)-GARCH (1,1)模型的拟合效果比AR (2)-EGARCH (1,1)模型的拟合效果要好；同时,通过这些模型的拟合研究得到：沪深300指数收益率具有尖峰厚尾性和异方差性等重要统计特征,特别在利用EGARCH模型的研究中得出沪深股市具有杠杆效应。 (2)将基于多项式样条估计的NARCH模型应用到沪深300指数数据的实证研究之中,先进行拟合分析,然后进行了预测研究,研究结果表明：该模型的拟合与预测效果较好,是有效估计,能够较好的应用到股票市场的数据分析之中。 (3)首先对沪深300指数收益率数据进行小波分解与单支重构,然后,对单支重构后的数据建立了基于多项式样条估计的NARCH模型,并进行了拟合、预测,最后,将该拟合、预测结果与基于多项式样条估计的NARCH模型的拟合、预测结果进行对比,结果表明：结合小波分解与单支重构的基于多项式样条估计的NARCH模型的拟合与预测精度有所提高。
【图文】：

.2实证研究选取沪深300指数从2005年8月9日至2008年3月1日的日收盘指数作为观数据来自雅虎财经网，原始数据见附录)，共有989个数据。原始数据的图形如

性水平0.05一凡检验统计量为:}一30.7555】>L%，所以，原始数据是不平稳的。对原始数据进行一阶对数差分，一阶对数差分后的数据就是收益率序列，，因为一般情况下收益率的数值较小，为了提高计算精度，在对数差分的基础上乘以100。图3一2是沪深300指数收益率序列的图形。02撅耙泪邻锌吕m蜓思 01002003004005006007008009001000时间/日图3一2沪深300指数收益率序列图 F19.3一 2YieldratesequeneefigureofshanghaiandSllenzhen300Index对收益率序列尺进行游程检验，得到{:卜，.%(z一 0.0442)，所以，差分后序列是平稳的。也可以用单位根检验法进行检验。经计算，ADF值为一30.75629，比显著性水平为1%的临界值小，说明沪深300指数收益率是平稳的。表3一l沪深300指数收益率序列平稳性的AOF单位根检验Table3一 1ADFUnitRootTestofyieldrateseqt一 eneeofshanghaiandShenzhen300Index AtlgmentedDiekey一 Fullerteststatistie Testeritica!valuesl%leve!5%!eve!10%leve
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F832.51;F224

【相似文献】

相关期刊论文 前10条

1 ;沪深股市总貌[J];股市动态分析;2011年30期

2 ;沪深股市总貌[J];股市动态分析;2011年35期

3 甘斌;;最小平均VaR套期保值比率计算模型及实证研究[J];经济管理;2010年09期

4 涂莉;;上证指数波动性实证分析[J];东方企业文化;2011年04期

5 夏丹;邓梅;;融资融券对沪深股市影响的实证分析[J];商业时代;2011年22期

6 金牛九段;;多空决战2610点[J];股市动态分析;2011年35期

7 李玲玮;;我国商业银行股票收益率波动分析[J];知识经济;2011年17期

8 江红莉;何建敏;庄亚明;;基于GARCH-EVT-Copula的社保基金投资组合风险测度研究[J];金融理论与实践;2011年08期

9 ;沪深股市总貌[J];股市动态分析;2011年25期

10 ;沪深股市总貌[J];股市动态分析;2011年26期

相关会议论文 前10条

1 田玲;张岳;;基于GARCH模型的我国保险公司经济资本度量[A];中国保险学会第二届学术年会入选论文集(理论卷2)[C];2010年

2 吴恒煜;朱福敏;;GARCH驱动下历史滤波服从Levy过程的期权定价[A];第六届（2011）中国管理学年会——金融分会场论文集[C];2011年

3 崔建国;党耀国;;基于价值函数的GARCH修正模型研究[A];江苏省系统工程学会第十一届学术年会论文集[C];2009年

4 李武;;GARCH(1,1)模型参数的Monte Carlo估计方法[A];第八届中国不确定系统年会论文集[C];2010年

5 张秀丽;;GARCH模型预测波动率的投资组合保险绩效评价[A];“中国视角的风险分析和危机反应”——中国灾害防御协会风险分析专业委员会第四届年会论文集[C];2010年

6 杜子平;;金融系统市场风险协同持续性分析——关于沪深股市的实证分析[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

7 胡永宏;陆忠华;;沪深股市动态风险结构特征分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

8 潘海涛;;MCMC算法在时间序列中的应用[A];第八届中国不确定系统年会论文集[C];2010年

9 李序颖;;中国出口集装箱运价指数与波罗的海干散货运价指数的实证分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

10 周正义;;中国沪深股市的拯救之道及政策建议[A];中国商法年刊（2008）：金融法制的现代化[C];2008年

相关重要报纸文章 前10条

1 许志峰、田泓　新华社记者　潘清;沪深股市重现“井喷”[N];人民日报;2005年

2 记者 杜宇;沪深股市涨幅均超2%[N];人民日报;2005年

3 赵彤刚;A股持仓账户数连续三周下跌[N];中国证券报;2008年

4 记者 潘清;沪深股市冲高回落,成交再现“地量”[N];新华每日电讯;2008年

5 赵彤刚;上周新增股票账户20.19万户[N];中国证券报;2008年

6 证券时报记者 成之;政策利好刺激沪深股市强劲反弹[N];证券时报;2008年

7 记者 潘清;沪深股市暂别反弹沪指再度失守2000点[N];新华每日电讯;2008年

8 本报记者 赵彤刚;上周新增股票账户25.65万户[N];中国证券报;2008年

9 本报记者 赵彤刚;上周新开A股账户10.2万[N];中国证券报;2009年

10 黄婷;A股持仓账户及基金开户数连创新高[N];第一财经日报;2009年

相关博士学位论文 前10条

1 黄峰;中国股票市场的流动性风险及其溢价效应研究[D];上海交通大学;2007年

2 周洪涛;资本市场的非线性复杂性与投资组合优化[D];华中科技大学;2004年

3 王陟昀;碳排放权交易模式比较研究与中国碳排放权市场设计[D];中南大学;2012年

4 樊智;分形市场理论与金融波动持续性研究[D];天津大学;2003年

5 张自然;人民币汇率波动及外汇风险度量的实证研究[D];中国矿业大学（北京）;2010年

6 范建华;股票市场稳定性与货币政策关系研究[D];华中科技大学;2010年

7 易文德;基于COPULA理论的金融风险相依结构模型及应用研究[D];西南交通大学;2010年

8 韦艳华;Copula理论及其在多变量金融时间序列分析上的应用研究[D];天津大学;2004年

9 刘莹;对冲基金投资收益与风险研究[D];同济大学;2008年

10 孔丽娜;ARCH模型族的贝叶斯分析及其在经济中的应用[D];暨南大学;2009年

相关硕士学位论文 前10条

1 杨二鹏;非参数异方差模型在沪深股市中的应用研究[D];西安理工大学;2010年

2 于培超;基于GARCH模型的VaR计算及其在中国金融市场中的应用[D];山东理工大学;2011年

3 唐钢;基于GARCH模型与混合整数规划的投资组合[D];大连理工大学;2010年

4 欧洋;基于房地产投资风险VaR：GARCH与SWARCH的比较[D];天津财经大学;2011年

5 李敏;基于GARCH模型的电力市场风险分析[D];湖南大学;2010年

6 廖旭蓉;基于GARCH模型与VAR模型的我国股市实证分析[D];中南大学;2010年

7 李新民;引入高阶矩的GARCH模型理论研究及实证[D];东北财经大学;2010年

8 王勇;基于非对称GARCH族模型及FHS技术的VaR度量研究[D];西南财经大学;2010年

9 黄恩喜;基于藤结构的Paircopula-GARCH模型以其应用[D];中国科学技术大学;2010年

10 张璇;中国股市季节效应的非对称GARCH均值研究[D];武汉理工大学;2004年

本文编号：2709654