基于GJR模型的中国股市收益率波动性研究

发布时间：2017-09-18 05:16

  本文关键词：基于GJR模型的中国股市收益率波动性研究

  更多相关文章： 股票市场 收益率 波动性 ARMA-GJR-M模型 模型重组

【摘要】：基于中国股市收益率序列的四大特征:收益率序列分布呈现非正态性和高峰厚尾异方差性;收益率序列的方差具有很强的波动集聚性;收益率序列具有强烈的自相关性;中国股市存在杠杆效应。我们将着眼点放在构建全面刻画时间序列特征的模型上。由于GARCH模型能够较好的描述数据的高峰厚尾异方差性和波动集聚性,其中GJR模型除了具备GARCH模型的特点之外还能有效刻画金融市场波动性的杠杆效应。为了让收益率与风险大小成比例,将波动项引入均值方程,再结合ARMA模型,构造了基于student-t分布的ARMA-GJR-M模型,并用此模型来研究中国股市收益率的波动性。以1996年12月9日至2014年3月14日的上证综指日收盘价和深证成指日收盘价为研究对象,从时间序列分析的角度运用模型重组思想方法对收益率波动性进行实证分析,取得不错的拟合效果,表明ARMA-GJR-M模型适用于中国内地的股市特征。进一步发现,此模型对香港地区的股市拟合效果不佳。
【关键词】：股票市场 收益率 波动性 ARMA-GJR-M模型 模型重组
【学位授予单位】：青岛大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;F224
【目录】：

• 摘要2-3
• Abstract3-6
• 第1章 绪论6-12
• 1.1 研究背景及目的6-7
• 1.2 文献综述7-9
• 1.3 中国股市股指简介9-12
• 1.3.1 上证综指简介9-10
• 1.3.2 深证成指简介10-12
• 第2章 ARMA-GJR-M模型的构建12-16
• 2.1 GARCH 模型介绍12
• 2.2 GARCH模型推广12-14
• 2.2.1 从条件方差角度对GARCH模型进行推广12-13
• 2.2.2 从均值角度对GARCH模型进行推广13-14
• 2.3 ARMA-GJR-M模型14-16
• 第3章 GARCH族模型的一般建模过程16-20
• 3.1 序列的基本统计特征16-17
• 3.1.1 序列平稳性检验16
• 3.1.2 基本统计量16-17
• 3.2 模型的识别17-18
• 3.2.1 序列的相关性检验17-18
• 3.2.2 模型的定阶18
• 3.2.3 ARCH效应检验18
• 3.3 模型的参数估计18-20
• 第4章 中国股市收益率波动性研究20-34
• 4.1 上证综指收益率波动性研究20-26
• 4.1.1 数据选取与处理20
• 4.1.2 上证综指收益率序列平稳性检验20-21
• 4.1.2.1 上证综指收益率序列走势图20-21
• 4.1.2.2 上证综指收益率序列单位根检验21
• 4.1.3 上证综指收益率序列基本统计量特征分析21-22
• 4.1.4 上证综指收益率序列相关性检验22-23
• 4.1.5 上证综指收益率序列ARCH效应检验23
• 4.1.6 上证综指收益率模型定阶23-24
• 4.1.7 上证综指收益率参数估计及实证结果分析24-26
• 4.2 深证成指收益率波动性研究26-32
• 4.2.1 数据选取与处理26
• 4.2.2 深证成指收益率序列平稳性检验26-27
• 4.2.2.1 深证成指收益率序列走势图26-27
• 4.2.2.2 深证成指收益率单位根检验27
• 4.2.3 深证成指收益率序列基本统计量特征分析27-28
• 4.2.4 深证成指收益率序列相关性检验28-29
• 4.2.5 深证成指收益率序列ARCH效应检验29
• 4.2.6 深证成指收益率模型定阶29-30
• 4.2.7 深证成指收益率参数估计及实证结果分析30-32
• 4.3 香港恒生指数收益率波动性研究32-34
• 第5章 实证研究结论34-38
• 5.1 上证综指与深证成指波动性的比较性研究结论34
• 5.2 中国股市收益率波动性研究结论34-38
• 参考文献38-40
• 攻读学位期间的研究成果40-41
• 致谢41-42

【参考文献】

中国期刊全文数据库 前4条

1 张思奇,马刚,冉华;股票市场风险、收益与市场效率:——ARMA-ARCH-M模型[J];世界经济;2000年05期

2 莫扬;股票市场波动性的国际比较研究[J];数量经济技术经济研究;2004年10期

3 朱永安,曲春青;上海股票市场两阶段波动非对称性实证研究[J];统计与信息论坛;2003年04期

4 罗阳;杨桂元;;基于GARCH类模型的上证股市波动性研究[J];统计与决策;2013年12期

，

本文编号：873597