基于状态转移的非对称PGARCH类模型对中国股市波动性研究
发布时间：2020-11-16 02:23
金融市场总在不断的变化,特别是中国金融市场仍处于不断调整和转轨中,经济规律不断变化,金融市场的金融波动结构变化是实际存在的。因此,对金融波动采用变结构的波动模型建模十分必要,变结构金融波动模型的研究也就成为了波动模型研究中的热点。本文以此为出发点,试图从理论上阐述变结构金融波动模型较其他金融波动模型更能实际反映中国股市波动性特征,然后通过实证分析来验证变结构金融波动模型刻画中国股市波动的效果。 一些重大事件对金融市场会产生巨大冲击,若不考虑这些事件对波动的影响,可能不符合实际情况。特别是中国股市自身不够成熟,重大事件的冲击会导致市场波动性加剧。因此,要准确地描述出股市的波动性行为特征并非易事。国内外学者对金融市场波动性研究已做过很多分析,并建立了很多类别的数量模型。其中,时间序列波动性模型一般可以分为两类:一类是自回归条件异方差(ARCH)类模型;一类是随机波动(SV)模型。ARCH类模型因其良好的统计特性和对波动现象的准确描述,被广泛地用于金融领域,常用模型有EGARCH、TGARCH、APGARCH等多种。本文拟介绍一种研究波动性的新方法——状态转移的非对称PGARCH(简称RS-APGARCH)模型,这种变结构波动模型是在APGARCH模型中引入一个具有两个状态的马尔可夫转换机制,将股市波动分成两种,一种是股市处于下跌状态,另一种是股市处于上涨状态,而一个随机过程控制了这两种制度之间的转换。论文将运用比较成熟的GARCH模型和灵活的APGARCH模型RS-APGARCH模型对中国股市波动性进行实证研究,并通过实证结果比较这些模型对中国股市波动性的刻画能力。 通过本文理论分析并对中国沪深股市波动性进行实证研究,本文认为经济政策的出台、金融监管制度的变迁、金融市场自身的完善以及国际金融危机的冲击等事件对数据结构均会产生很大影响,使得在条件波动中存在变结构,在对数据建模时,采用变结构波动模型能更好地刻画中国股市的波动性。 因此,针对中国股市波动程度大、稳定性差的特征,采用变结构波动模型对股市进行波动性研究具有较大的实用性和应用空间。有利于政府加强政策监管和引导、投资者进行风险规避。与此同时,政府需要进一步加大资本市场制度及运行机制建设,加强投资者教育,适时引入做市商制度和做空机制,增强市场稳定性,减少重大事件对股市的巨大冲击,保持资本市场的稳定性。
【学位单位】：重庆师范大学
【学位级别】：硕士
【学位年份】：2009
【中图分类】：F224;F832.51
【部分图文】：
证分析的结果主要通过 EViews 软件获得。采用的日收益率仍为日收盘价自然对数的一阶差分，表示如下：t t t-1r =ln(P )-ln(P ) (5.1)其中，tr 表示日收益率，tp 为日收盘价。5.3.2 沪深股指实证结果（1）基本统计特征图 5.1 表示上证指数、深成指的日收益率。日收益率的波动均表现出时变性、突发性和聚类性特征。图 5.2 表示其直方图及基本统计特征，上证指数的偏度为-0．02408，说明分布略左偏；深成指偏度为 0．152117，说明分布是右偏的。峰均明显大于正态分布的峰值 3，因此具有明显的“尖峰厚尾性”；Jarque—Bera 值也进一步说明收益序列的分布显著异于正态分布。上证指数均值为 0.000562，略大于沪市均值 0.000556，这与前期国内学者研究的结果沪强深弱有所不同［55］；标准差为 0.016704 略大于沪市的标准差 0.015167，说明近几年深市总体波动比沪市波动要剧烈，反映了深市风险稍大。
图 5.1 表示上证指数、深成指的日收益率。日收益率的波动均表现出时变性、突发性和聚类性特征。图 5.2 表示其直方图及基本统计特征，上证指数的偏度为-0．02408，说明分布略左偏；深成指偏度为 0．152117，说明分布是右偏的。峰均明显大于正态分布的峰值 3，因此具有明显的“尖峰厚尾性”；Jarque—Bera 值也进一步说明收益序列的分布显著异于正态分布。上证指数均值为 0.000562，略大于沪市均值 0.000556，这与前期国内学者研究的结果沪强深弱有所不同［55］；标准差为 0.016704 略大于沪市的标准差 0.015167，说明近几年深市总体波动比沪市波动要剧烈，反映了深市风险稍大。上证综指日收益率 深成指日收益率图 5.1 沪深股市日收益率示意图Fig 5.1 sketch map showing daily returns of China stock market
会出现伪回归。平稳性检验的方法主要有：非参数检验法、自相关函数检验位根检验。这里采用 Augmented—DickeyFuller(ADF)检验收益率序列{rt}的性（见表 5.1）。假定收益率在 0 上下波动，因此计算其 ADF 统计量时回归方不含常数项和时间趋势项，ADF 统计量小于显著水平为 1%时的临界值，表明在的置信水平下该序列是平稳的。表 5.1 ADF 单位根检验Table 5.1 ADF Unit Root Test上证指数 深成指（3）自相关性检验对两市股指收益率求滞后 10 阶的自相关和偏相关函数值，如图 5.3，表益率之间的相关性不显著，有些阶呈现弱自相关。
【引证文献】
本文编号：2885504
【学位单位】：重庆师范大学
【学位级别】：硕士
【学位年份】：2009
【中图分类】：F224;F832.51
【部分图文】：
证分析的结果主要通过 EViews 软件获得。采用的日收益率仍为日收盘价自然对数的一阶差分，表示如下：t t t-1r =ln(P )-ln(P ) (5.1)其中，tr 表示日收益率，tp 为日收盘价。5.3.2 沪深股指实证结果（1）基本统计特征图 5.1 表示上证指数、深成指的日收益率。日收益率的波动均表现出时变性、突发性和聚类性特征。图 5.2 表示其直方图及基本统计特征，上证指数的偏度为-0．02408，说明分布略左偏；深成指偏度为 0．152117，说明分布是右偏的。峰均明显大于正态分布的峰值 3，因此具有明显的“尖峰厚尾性”；Jarque—Bera 值也进一步说明收益序列的分布显著异于正态分布。上证指数均值为 0.000562，略大于沪市均值 0.000556，这与前期国内学者研究的结果沪强深弱有所不同［55］；标准差为 0.016704 略大于沪市的标准差 0.015167，说明近几年深市总体波动比沪市波动要剧烈，反映了深市风险稍大。
图 5.1 表示上证指数、深成指的日收益率。日收益率的波动均表现出时变性、突发性和聚类性特征。图 5.2 表示其直方图及基本统计特征，上证指数的偏度为-0．02408，说明分布略左偏；深成指偏度为 0．152117，说明分布是右偏的。峰均明显大于正态分布的峰值 3，因此具有明显的“尖峰厚尾性”；Jarque—Bera 值也进一步说明收益序列的分布显著异于正态分布。上证指数均值为 0.000562，略大于沪市均值 0.000556，这与前期国内学者研究的结果沪强深弱有所不同［55］；标准差为 0.016704 略大于沪市的标准差 0.015167，说明近几年深市总体波动比沪市波动要剧烈，反映了深市风险稍大。上证综指日收益率 深成指日收益率图 5.1 沪深股市日收益率示意图Fig 5.1 sketch map showing daily returns of China stock market
会出现伪回归。平稳性检验的方法主要有：非参数检验法、自相关函数检验位根检验。这里采用 Augmented—DickeyFuller(ADF)检验收益率序列{rt}的性（见表 5.1）。假定收益率在 0 上下波动，因此计算其 ADF 统计量时回归方不含常数项和时间趋势项，ADF 统计量小于显著水平为 1%时的临界值，表明在的置信水平下该序列是平稳的。表 5.1 ADF 单位根检验Table 5.1 ADF Unit Root Test上证指数 深成指（3）自相关性检验对两市股指收益率求滞后 10 阶的自相关和偏相关函数值，如图 5.3，表益率之间的相关性不显著，有些阶呈现弱自相关。
【引证文献】
相关期刊论文 前1条
1 赵谊生;;国内外有关MRS-GARCH族模型的研究综述[J];市场周刊(理论研究);2012年02期
相关硕士学位论文 前1条
1 赵谊生;基于MRS-GARCH族模型的国际主要股指波动比较研究[D];南京航空航天大学;2012年
本文编号：2885504
本文链接：https://www.wllwen.com/guanlilunwen/zhqtouz/2885504.html
最近更新
教材专著
