基于马尔科夫状态转换下的高阶矩CAPM-GARCH模型的实证研究
发布时间：2021-10-18 23:07
为了反映资产组合风险在不同状态下对收益率的影响,从动态的角度提出基于马尔科夫状态转换下的高阶矩CAPM-GARCH模型,即高阶矩CAPM-MSGARCH模型。以上证180指数样本股的10支不同行业的股票为研究对象,实证分析结果表明:高阶矩系统风险对资本资产定价有显著的影响,并且高阶矩CAPM-MSGARCH模型能够较好地刻画风险的时变特征,显著优于传统的高阶矩CAPM-GARCH模型。
【文章来源】：重庆理工大学学报(自然科学). 2020,34(06)北大核心
【文章页数】：8 页
【部分图文】：
上证180指数的超额收益率图
科夫状态转换模型中的状态变量不能直接观察到，但可以通过信息集推论任意t时刻状态的概率，基于全部观测值得到的概率为平滑概率。本文以上海机场股票为例，分别绘出股票低、高状态的平滑概率。平滑概率刻画了状态间的动态转换和跳跃变化情况，通过图2、图3可以看出状态之间存在频繁非连续的转换，反映了方差方程中ω0、α1、β1发生转换的时间和力度。2．5模型的比较分析为了体现高阶矩CAPM-MSGAＲCH模型的优越性，使之与高阶矩CAPM-GAＲCH模型进行比较分析。图2低状态的平滑概率图3高状态的平滑概率模型的方差方程中α1+β1度量了序列波动持久性，其越接近于1，表明整个序列的波动性会越大。高阶矩CAPM-GAＲCH模型方差方程的参数估计结果如表6所示。表6高阶矩CAPM-GAＲCH模型方差方程参数α1、β1估计结果股票上海机场贵州茅台三江购物农业银行中国石化金地集团海通证券航发动力中国卫星张江高科α10．0910．0780．1800．1820．1300．1290．0720．0780．1450．111β10．9080．8960．8020．7980．8700．8250．9270．9010．8380．888段静静，等:基于马尔科夫状态转换下的高阶矩CAPM-GAＲCH模型的实证研究922??????????????????????????????????????????????
?611．762．693．012．495．293．132．623．9233．33注:Dur1、Dur2分别表示低波动状态和高波动状态的持续时间由表5可见，各股票低波动状态持续时间均大于高波动状态持续时间，表明低波动状态相对比较稳定，持续的时间相对久一些。马尔科夫状态转换模型中的状态变量不能直接观察到，但可以通过信息集推论任意t时刻状态的概率，基于全部观测值得到的概率为平滑概率。本文以上海机场股票为例，分别绘出股票低、高状态的平滑概率。平滑概率刻画了状态间的动态转换和跳跃变化情况，通过图2、图3可以看出状态之间存在频繁非连续的转换，反映了方差方程中ω0、α1、β1发生转换的时间和力度。2．5模型的比较分析为了体现高阶矩CAPM-MSGAＲCH模型的优越性，使之与高阶矩CAPM-GAＲCH模型进行比较分析。图2低状态的平滑概率图3高状态的平滑概率模型的方差方程中α1+β1度量了序列波动持久性，其越接近于1，表明整个序列的波动性会越大。高阶矩CAPM-GAＲCH模型方差方程的参数估计结果如表6所示。表6高阶矩CAPM-GAＲCH模型方差方程参数α1、β1估计结果股票上海机场贵州茅台三江购物农业银行中国石化金地集团海通证券航发动力中国卫星张江高科α10．0910．0780．1800．1820．1300．1290．0720．0780．1450．111β10．9080．8960．8020．7980．8700．8250．9270．9010．8380．888段静静，等:基于马尔科夫状态转换下的高阶矩CAPM-GAＲCH模型的实证研究922??????????????????????????????????????????????
【参考文献】：
期刊论文
[1]时变资本资产定价状态空间模型的构建及实证[J]. 郭志钢,杨诗惠,唐元琦,李建平. 统计与决策. 2017(10)
[2]传统能源及碳交易价格与新能源股价——基于VAR和CAPM-GARCH模型的分析[J]. 秦天程. 技术经济与管理研究. 2014(12)
[3]基于马尔可夫状态转换模型的沪深股市波动率的估计[J]. 杨继平,张春会. 中国管理科学. 2013(02)
[4]基于小波多分辨分析的高阶矩CAPM[J]. 许启发,王艳明. 统计研究. 2007(04)
[5]高阶矩CAPM模型的建立及实证分析[J]. 王永舵,王建华,魏平. 统计与决策. 2005(04)
硕士论文
[1]探究我国股市高阶矩和横截面收益率之间的关系[D]. 张婷.西南财经大学 2016
[2]广义CAPM-GARCH模型的构建及其应用[D]. 张袁.南京理工大学 2013
[3]具有马尔可夫结构转换机制的波动模型及其应用[D]. 郭名媛.天津大学 2003
本文编号：3443673
【文章来源】：重庆理工大学学报(自然科学). 2020,34(06)北大核心
【文章页数】：8 页
【部分图文】：
上证180指数的超额收益率图
科夫状态转换模型中的状态变量不能直接观察到，但可以通过信息集推论任意t时刻状态的概率，基于全部观测值得到的概率为平滑概率。本文以上海机场股票为例，分别绘出股票低、高状态的平滑概率。平滑概率刻画了状态间的动态转换和跳跃变化情况，通过图2、图3可以看出状态之间存在频繁非连续的转换，反映了方差方程中ω0、α1、β1发生转换的时间和力度。2．5模型的比较分析为了体现高阶矩CAPM-MSGAＲCH模型的优越性，使之与高阶矩CAPM-GAＲCH模型进行比较分析。图2低状态的平滑概率图3高状态的平滑概率模型的方差方程中α1+β1度量了序列波动持久性，其越接近于1，表明整个序列的波动性会越大。高阶矩CAPM-GAＲCH模型方差方程的参数估计结果如表6所示。表6高阶矩CAPM-GAＲCH模型方差方程参数α1、β1估计结果股票上海机场贵州茅台三江购物农业银行中国石化金地集团海通证券航发动力中国卫星张江高科α10．0910．0780．1800．1820．1300．1290．0720．0780．1450．111β10．9080．8960．8020．7980．8700．8250．9270．9010．8380．888段静静，等:基于马尔科夫状态转换下的高阶矩CAPM-GAＲCH模型的实证研究922??????????????????????????????????????????????
?611．762．693．012．495．293．132．623．9233．33注:Dur1、Dur2分别表示低波动状态和高波动状态的持续时间由表5可见，各股票低波动状态持续时间均大于高波动状态持续时间，表明低波动状态相对比较稳定，持续的时间相对久一些。马尔科夫状态转换模型中的状态变量不能直接观察到，但可以通过信息集推论任意t时刻状态的概率，基于全部观测值得到的概率为平滑概率。本文以上海机场股票为例，分别绘出股票低、高状态的平滑概率。平滑概率刻画了状态间的动态转换和跳跃变化情况，通过图2、图3可以看出状态之间存在频繁非连续的转换，反映了方差方程中ω0、α1、β1发生转换的时间和力度。2．5模型的比较分析为了体现高阶矩CAPM-MSGAＲCH模型的优越性，使之与高阶矩CAPM-GAＲCH模型进行比较分析。图2低状态的平滑概率图3高状态的平滑概率模型的方差方程中α1+β1度量了序列波动持久性，其越接近于1，表明整个序列的波动性会越大。高阶矩CAPM-GAＲCH模型方差方程的参数估计结果如表6所示。表6高阶矩CAPM-GAＲCH模型方差方程参数α1、β1估计结果股票上海机场贵州茅台三江购物农业银行中国石化金地集团海通证券航发动力中国卫星张江高科α10．0910．0780．1800．1820．1300．1290．0720．0780．1450．111β10．9080．8960．8020．7980．8700．8250．9270．9010．8380．888段静静，等:基于马尔科夫状态转换下的高阶矩CAPM-GAＲCH模型的实证研究922??????????????????????????????????????????????
【参考文献】：
期刊论文
[1]时变资本资产定价状态空间模型的构建及实证[J]. 郭志钢,杨诗惠,唐元琦,李建平. 统计与决策. 2017(10)
[2]传统能源及碳交易价格与新能源股价——基于VAR和CAPM-GARCH模型的分析[J]. 秦天程. 技术经济与管理研究. 2014(12)
[3]基于马尔可夫状态转换模型的沪深股市波动率的估计[J]. 杨继平,张春会. 中国管理科学. 2013(02)
[4]基于小波多分辨分析的高阶矩CAPM[J]. 许启发,王艳明. 统计研究. 2007(04)
[5]高阶矩CAPM模型的建立及实证分析[J]. 王永舵,王建华,魏平. 统计与决策. 2005(04)
硕士论文
[1]探究我国股市高阶矩和横截面收益率之间的关系[D]. 张婷.西南财经大学 2016
[2]广义CAPM-GARCH模型的构建及其应用[D]. 张袁.南京理工大学 2013
[3]具有马尔可夫结构转换机制的波动模型及其应用[D]. 郭名媛.天津大学 2003
本文编号：3443673
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/3443673.html
