基于ARCH族模型和Copula函数研究创业板指数和成交量
发布时间:2021-01-16 02:52
创业板是新兴的金融市场,代表着国家未来经济的发展方向,指数和成交量作为股市技术分析的重要指标,指数序列代表着整个创业板股票的基本情况,成交量的多少代表着投资者对股市投资的“情绪指数”。对创业板指数和成交量深入分析与研究具有重要意义。前人对创业板指数和成交量也有部分研究,但是存在样本量少,方法单一的情况。本文基于创业板指数挂牌之日(2010.06.01)起至近期(2017.10.27)创业板日、周和月数据,样本量大,且样本涵盖了三种类型的数据,数据丰富。本文利用ARCH族模型、Granger因果关系检验,Gumbel Copula函数,对创业板指数和成交量进行研究,得到创业板指数和成交量之间存在正相关的关系。通过ARCH-M模型得到指数和风险负相关,成交量和风险正相关。ARCH模型和ARCH-M模型都能很好的拟合序列,并且对序列预测结果理想。TARCH和EGARCH模型得到,指数和成交量的日数据都存在信息不对称和杠杆效应,即利空消息能产生比利好消息更大的冲击影响,而周数据和月数据不存在杠杆效应。通过计算Kendall秩相关系数和上尾部相关系数并分析得出,日数据、周数据和月数据均存在正的相...
【文章来源】:海南师范大学海南省
【文章页数】:38 页
【学位级别】:硕士
【部分图文】:
指数日数据时间序列图
S3.2 数据的统计性描述对取自然对数以后的创业板指数和成交量分析得到基本的统计量如表3.1所示,创板指数和成交量日、周和月数据的时间序列图如下所示。表 3.1 指数和成交量的统计分析名称 均值 标准差 峰度 偏度 JB统计量 指数 23.99891 1.100288 -0.25104 1.75613 116.3604 0成交量 7.200263 0.441301 0.087610 1.928717 88.47447 0指数 7.199352 0.438521 0.085930 1.929276 18.61976 0成交量 25.53151 1.131211 -0.081869 1.933369 18.4312 0指数 7.191215 0.444114 0.025756 1.869359 4.750386 0成交量 27.01617 1.092679 0.006192 1.695643 6.309727 0
图 3.3 指数周数据时间序列图 图 3.4 成交量周数据时间序列图图 3.5 指数月数据时间序列图 图 3.6 成交量月数据时间序列图根据上述表格和图像结果发现偏度不为零,且峰度接近于0,较为平坦,且在显著水平为0.1的情况下,JB统计量的p值均拒绝原假设,所以得到日、周、月数据的指数和交量不服从正态分布,并且指数和成交量序列呈现厚尾的趋势明显。从上述6个图像可发现,创业板指数和成交量变化趋势大致相同,所以可以推断出创业板指数和成交量
本文编号:2980014
【文章来源】:海南师范大学海南省
【文章页数】:38 页
【学位级别】:硕士
【部分图文】:
指数日数据时间序列图
S3.2 数据的统计性描述对取自然对数以后的创业板指数和成交量分析得到基本的统计量如表3.1所示,创板指数和成交量日、周和月数据的时间序列图如下所示。表 3.1 指数和成交量的统计分析名称 均值 标准差 峰度 偏度 JB统计量 指数 23.99891 1.100288 -0.25104 1.75613 116.3604 0成交量 7.200263 0.441301 0.087610 1.928717 88.47447 0指数 7.199352 0.438521 0.085930 1.929276 18.61976 0成交量 25.53151 1.131211 -0.081869 1.933369 18.4312 0指数 7.191215 0.444114 0.025756 1.869359 4.750386 0成交量 27.01617 1.092679 0.006192 1.695643 6.309727 0
图 3.3 指数周数据时间序列图 图 3.4 成交量周数据时间序列图图 3.5 指数月数据时间序列图 图 3.6 成交量月数据时间序列图根据上述表格和图像结果发现偏度不为零,且峰度接近于0,较为平坦,且在显著水平为0.1的情况下,JB统计量的p值均拒绝原假设,所以得到日、周、月数据的指数和交量不服从正态分布,并且指数和成交量序列呈现厚尾的趋势明显。从上述6个图像可发现,创业板指数和成交量变化趋势大致相同,所以可以推断出创业板指数和成交量
本文编号:2980014
本文链接:https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/2980014.html