基于ARMA-ARCH类模型的股票基金、证券基金收益率波动研究

发布时间：2021-04-05 03:43

　　在对现代金融市场研究的过程中,我们发现大多数时间序列,比如：股票价格、利率、证券价格、基金价格收益率的误差序列无自相关,但误差的平方序列存在自相关,即误差的方差或波动随时间变化,则经典的最小二乘法回归所假定的误差序列无自相关、误差的方差为一常数就不再符合实际。最小二乘法不再适用于对这一类经济数据的建模和估计,而自回归条件异方差（ARCH）模型正符合了经济类时间序列数据的特点。该模型是一种动态非线性的时间序列模型,它反映了经济变量之间的特殊的不确定形式：方差随时间变化而变化。ARCH模型在近二十几年里取得了极为迅速的发展,已被广泛地用于金融数据时间序列分析中。本文通过分析GARCH类模型的统计结构,讨论了GARCH类模型的拟合波动性的优缺点,扩展了GARCH类模型,并提出了用平稳帕雷托分布代替标准正态分布的想法。本文以中信基金管理有限公司的股票基金与债券基金指数的收盘价为样本,对我国基金市场收益率分布用模型ARMA（m, n）-EGARCH（p,q）和模型ARMA（m, n）-TGARCH（p, q）类模型进行实证分析,分析了方差时变条件下的金融波动时间序列,描述了基金序列的特性.在处理... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：40 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
致谢
第一章 引言
    1.1 研究背景
    1.2 国内外相关研究状况概述
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 本文的研究目的
    1.4 研究的分析方法和结构框架
        1.4.1 研究的分析方法
        1.4.2 文章结构框架
第二章 模型结构分析
    2.1 ARCH（q）模型
    2.2 GARCH（p,q）模型
    2.3 ARMA（m,n）-EGARCH（p,q）模型
    2.4 ARMA（m,n）-TGARCH（p,q）模型
第三章 股票基金、证券基金收益率波动的基本统计分析
    3.1 样本选取
    3.2 数据的预处理
t的单位根检验">    3.3 日对数收益率r_t的单位根检验
    3.4 条件异方差效应检验
第四章 基于ARMA-ARCH类模型对股票基金、证券基金波动性的实证分析
    4.1 模型选择
        4.1.1 模型阶数确定
        4.1.2 模型参数估计
第五章 结论及下一步工作
参考文献
作者在攻读硕士期间完成的论文


【参考文献】：
期刊论文
[1]中国证券投资基金市场波动特征实证研究[J]. 郭晓亭.  中国管理科学. 2006(01)
[2]基于GARCH-CVaR模型的我国股票市场风险分析[J]. 王树娟,黄渝祥.  同济大学学报(自然科学版). 2005(02)
[3]股市波动性预测模型改进研究[J]. 胡海鹏,方兆本.  数理统计与管理. 2004(05)
[4]中国股市波动性研究[J]. 阎海岩.  统计与信息论坛. 2004(05)
[5]中国股票波动性的分解实证研究[J]. 宋逢明,李翰阳.  财经论丛(浙江财经学院学报). 2004(04)
[6]中国股市波动性过程中的长期记忆性实证研究[J]. 王春峰,张庆翠.  系统工程. 2004(01)
[7]上海股市波动性预测模型的实证比较[J]. 张永东,毕秋香.  管理工程学报. 2003(02)
[8]用AR-EGARCH-M模型对中国股市波动性的拟合分析[J]. 胡海鹏,方兆本.  系统工程. 2002(04)
[9]中国股票市场波动非对称性的实证研究[J]. 陈浪南,黄杰鲲.  金融研究. 2002(05)
[10]GARCH-M模型与我国沪深股市的波动[J]. 殷玲,唐杰.  江南大学学报(人文社会科学版). 2002(02)



本文编号：3119071