中国期货市场波动率的杠杆效应研究

发布时间：2017-05-11 14:20

  本文关键词：中国期货市场波动率的杠杆效应研究，由笔耕文化传播整理发布。

【摘要】：金融市场的波动性问题一直是国内外学者研究的重点对象,20世纪90年代以来,很多学者对此进行了实证研究。他们的研究结果表明,无论是投资领域还是货币政策等领域,都受到金融市场波动性特征的影响。除此之外,金融市场波动性的特征对金融市场的影响也很大,甚至能对全球经济造成重大冲击。因此,在衡量金融市场和经济脆弱性时,往往把金融市场的波动性作为重要的指标。 我国的期货市场虽然已经有二十多年的历史,但目前仍不是很完善。期货市场的机制体制还有很多不合理的地方,还需要继续改进；期货产品的开发,和发达的国外期货市场相比,还存在很大的差距。随着我国金融体制改革的进一步推进,以及我国社会主义市场经济体制的逐步深化,我国期货市场在金融体系中所发挥的作用越来越重要。虽然我国期货市场具有非常大的发展潜力,但是我国期货市场的发展面临的考验也非常多。首先,从我国具体国情来看,我国社会经济的不确定因素越来越多,环境复杂多变；其次,从国外期货市场的发展经验来看,很多国家期货市场的发展都曾面临各种各样的障碍和困难,他们的发展都不是一蹴而就的。因此,我国期货市场的发展,肯定也不会一帆风顺。为了使我国的期货市场继续深入地发展,很多实务和理论问题必须得到有效的解决。其中一个非常重要的方面就是我国期货市场波动率非对称性的理论研究。 本论文解决的几个主要问题：一是收益率的基本性统计,主要包括平稳性检验、正态分布检验、自相关检验以及自相关修正、异方差检验。二是收益率的杠杆效应研究,即关于利好利空消息对期货价格的影响程度的研究,主要包括EGARCH模型研究和GJR—GARCH模型研究。 本论文所遵循的主要逻辑结构为：GARCH类模型以及杠杆效应的经典研究模型概述→国内外杠杆效应研究的成果→我国期货市场收益基本统计特征分析→我国期货市场杠杆效应研究。本论文在介绍了GARCH类模型以及杠杆效应的经典研究模型之后,又介绍了国内外杠杆效应的研究成果,在此基础上,本文总结了各研究者的研究方法以及研究成果,并归纳出各研究方法的创新点和不足之处,以此作为本论文的切入点。 本论文的研究方法：首先分析了我国期货市场收益率的基本统计特征,然后基于基本统计特征分析,分别在正态分布、学生-t分布和GED分布三种分布假设的情况下,综合运用EGARCH模型和GJR—GARCH模型,研究我国期货市场波动率的杠杆效应。 本论文的研究结果及主要的研究结论： 关于我国期货市场波动率基本统计特征和基本检验的分析。首先计算了铜期货、铝期货、小麦期货和大豆期货收益率的基本统计量,并描述了他们收益率的基本统计特征,发现简单收益率的波动幅度明显大于对数收益率的波动幅度。而且从统计结果看,简单收益率的最大值大于对数收益率的最大值,最小值小于对数收益率的最小值。此外,从偏度和和峰度的统计值来看,简单收益率也明显大于对数收益率。因此,简单收益率比对数收益率的波动要剧烈些。同时也说明他们的收益率是不服从正态分布的,具有非常典型的尖峰厚尾特征。所以,在研究期货市场波动率的波动特征时,我们通常使用的是对数收益率,因此本文选择对数收益率作为研究数据。平稳性检验部分,笔者采用了ADF检验方法,通过EViews7.0计量分析软件进行计算,最后得出铜期货、铝期货、小麦期货和大豆期货收益率序列都是平稳序列的结论。此外,基本统计结果表明,铜期货、铝期货、小麦期货和大豆期货的收益率序列存在明显的尖峰厚尾特征,从偏度看来,小麦期货收益率的偏度大于零,铝期货、铜期货和大豆期货的收益率的偏度小于零；从峰度看来,他们的峰度都大于3。这表明他们的收益率序列有必要进行正态分布检验。本文分别运用四种检验方法对铜期货、铝期货、小麦期货和大豆期货的收益率序列进行正态分布检验,检验结果均表明他们的收益率序列的确不服从正态分布。通过对铜期货、铝期货、小麦期货和大豆期货的收益率序列进行独立性和相关性检验,笔者发现,铜期货、铝期货、小麦期货和大豆期货收益率序列不独立,并且还存在一定的自相关性。因此本文利用ARMA模型对铜期货、铝期货、小麦期货和大豆期货收益率序列进行修正,消除了序列的相关性,并得出各序列的残差序列。异方差检验部分,列举了四种异方差的检验方法,并对铜期货、铝期货、小麦期货和大豆期货收益率序列进行ARCH检验,检验发现他们的收益率序列存在ARCH效应。 关于我国期货市场波动率杠杆效应的研究。本部分首先对波动率的杠杆效应进行了界定和度量。很多学者研究发现收益率和波动率之间是负相关的,即当金融资产的收益率为负时,将会导致其条件方差向上修正；当金融资产的收益率为正时将会导致其条件方差向下修正。这种现象被很多学者称为波动的非对称性,也被称为杠杆效应。当金融资产的价格下降时,会产生对非预期收益负向的冲击,通常把这种情况定义为“利空”；当金融资产的价格上涨时,会产生对非预期收益正向的冲击,通常把这种情况定义为“利好”。这么定义的好处主要在于只需要关注造成的事实,而不用去区分导致价格波动的信息来源。GARCH类模型主要是对非预期收益,也就是对收益模型的残差进行分析的,所以,笔者首先需要建立铜期货、铝期货、小麦期货和大豆期货的收益模型,进而从他们的收益模型中获取非预期收益。本文在实证研究中,就是用的收益模型的残差进行估计。然后本部分在介绍期货市场杠杆效应的界定和度量以及研究模型和实证研究方法的基础上,结合我国期货市场波动的基本特征的分析结果,建立了我国期货市场波动率杠杆效应研究的相关实证模型,并分别在正态分布、学生-t分布和GED分布三种分布的条件假设下进行实证研究。经研究发现我国期货市场上的铜期货在三种分布的假设条件下,EGARCH模型和GJR—GARCH模型的估计结果均显示其不具有杠杆效应；铝期货在三种分布的假设条件下,EGARCH模型和GJR—GARCH模型的估计结果均显示其具有显著的杠杆效应；小麦期货在正态分布的条件假设下,EGARCH模型估计出的结果显示具有显著的杠杆效应,但是在其他分布的假设下EGARCH模型的估计结果显示其不具有杠杠效应,GJR—GARCH模型的估计结果显示,在三种分布的假设条件下其都不具有杠杆效应；大豆期货在三种分布的假设条件下,EGARCH模型和GJR—GARCH模型的估计结果均显示其不具有杠杆效应。
【关键词】：期货市场 EGARCH模型 GJR—GARCH模型 杠杠效应
【学位授予单位】：西南财经大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：F832.51;F224
【目录】：

• 摘要4-7
• ABSTRACT7-13
• 1. 引言13-17
• 1.1 研究问题的提出13-15
• 1.2 研究内容及框架15-16
• 1.3 数据和研究方法16-17
• 2. 文献综述17-29
• 2.1 GARCH类波动率模型概述17-20
• 2.2 杠杆效应研究的经典模型回顾20-24
• 2.3 杠杆效应的国内外实证研究成果24-28
• 2.4 本章小结28-29
• 3. 期货市场波动率的基本特征统计分析29-54
• 3.1 基本统计量29-35
• 3.2 平稳性检验35-37
• 3.3 正态分布检验37-39
• 3.4 独立性和相关性检验39-45
• 3.5 异方差检验45-52
• 3.6 本章小结52-54
• 4. 实证研究54-79
• 4.1 波动率杠杆效应的界定与度量54-56
• 4.1.1 波动率杠杠效应的界定54-55
• 4.1.2 波动率杠杆效应的度量55-56
• 4.2 期货市场波动率杠杆效应的研究模型56-58
• 4.2.1 模型选择标准56-57
• 4.2.2 EGARCH模型57
• 4.2.3 GJR-GARCH模型57-58
• 4.3 我国期货市场收益率杠杆效应的实证研究58-77
• 4.3.1 波动率杠杆效应的EGARCH模型研究58-70
• 4.3.2 波动率杠杆效应的GJR-GARCH模型研究70-77
• 4.4 本章小结77-79
• 5. 结论79-81
• 参考文献81-84
• 后记84-86
• 致谢86-87
• 在读期间科研成果目录87

【参考文献】

中国期刊全文数据库 前6条

1 江晓东,杨灿;股票收益率波动的实证研究[J];东南学术;2002年02期

2 周少甫,陈千里;中国股市收益波动的实证研究[J];华中科技大学学报(自然科学版);2002年09期

3 陈泽忠,杨启智,胡金泉;中国股票市场的波动性研究——EGARCH-M模型的应用[J];决策借鉴;2000年05期

4 刘国旗;非线性GARCH模型在中国股市波动预测中的应用研究[J];统计研究;2000年01期

5 萧楠;;ARMA-GARCH模型对上海铜期货市场收益率的建模与分析[J];运筹与管理;2006年05期

6 李胜利;中国股票市场杠杆效应研究[J];证券市场导报;2002年10期

  本文关键词：中国期货市场波动率的杠杆效应研究，由笔耕文化传播整理发布。

，

本文编号：357452