基于GARCH和Copula的沪港通事件对沪港两市市场特征影响分析

发布时间：2017-11-02 05:08

  本文关键词：基于GARCH和Copula的沪港通事件对沪港两市市场特征影响分析

  更多相关文章： 沪港通 GARCH模型 Copula函数 Monte Carlo模拟 波动率分析

【摘要】：沪港通,即沪港股票市场交易互联互通机制,指上海证券交易所和香港联合交易所允许两地投资者通过当地证券公司(或经纪商)买卖规定范围内的对方交易所上市的股票。本文将选择2014年4月10日李克强总理宣布实行沪港通以及2014年11月17日沪港通正式开通作为两个关键时点,选择这一段时间内指定两市三十余只金融股、地产股的对数收益率作为研究对象,同时用Copula函数对两市开通沪港通之前以及开通沪港通之后金融股、地产股对数收益率做出统计分析,并采取通用的Monte Carlo方法选择相对应的Copula函数,最后从对应Copula函数出发,结合之前统计相关特征,最后得出开通沪港通对两市关联结构有着“阀门式”作用,沪港通机制推出的确改变两地股票相依结构。波动率分析是金融学界经久不息的话题,正因为它在资产定价这块有着重要地位,对于沪股通市场波动率特性：时间可变性(time varying)和聚集性(clustering),但并不是所选取股票都是“尖峰厚尾”,我们先对数据进行统计分析、检验,得出两个股市部分板块的波动率部分板块并不受沪港通的出现而发生改变,针对波动率随沪港通出现有记忆性波动的板块,我们将采用GARCH模型对2014年4月11日至2015年2月27日,中间选择沪港通开通之日11月17作为断点,然后对股票收益率波动率进行建模,因为GARCH能够较好捕捉到股票收益率长记忆性特征,最后结果显示所选板块股票记忆长度、冲击强度,从而验证两地股市地产股与金融股板块是否存在杠杆效应。对于政府、投资者、企业,研究沪港通交易机制都有其战略性指导作用。事实上,沪港通市场并非是完全开放市场,因为港交所、上交所对沪港通交易金额、种类做出限定,也给本文指引未来改进的方向,同时,本文也为将来两地股票市场完全开放、两地股票投资者提供借鉴性意见。
【关键词】：沪港通 GARCH模型 Copula函数 Monte Carlo模拟 波动率分析
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-14
• 1.1 问题的研究背景介绍9-10
• 1.2 问题的提出与研究意义10-12
• 1.2.1 Copula函数相关文献研究10-11
• 1.2.2 GARCH模型的相关文献研究11-12
• 1.3 本文研究的主要内容及论文结构12-14
• 第二章 Copula函数与GARCH模型相关介绍14-26
• 2.1 Copula函数基础简介14-22
• 2.1.1 Copula函数的定义及性质14-15
• 2.1.2 具有Copula函数的相关性度量15-17
• 2.1.3 Copula函数族17-21
• 2.1.4 Copula函数的选择与评估21-22
• 2.2 GARCH模型22-26
• 2.2.1 ARCH模型简介23-24
• 2.2.2 GARCH模型简介24
• 2.2.3 EARCH模型简介24-26
• 第三章 基于收益率的两市特征分祈26-34
• 3.1 数据选取26-27
• 3.2 指数编制27
• 3.3 数据分析27-34
• 3.3.1 基本统计量27-31
• 3.3.2 Copula函数选择与拟合结果31-34
• 第四章 基于波动率的两市特征分析34-56
• 4.1 沪港通事件发生前后沪市金融股对比35-42
• 4.1.1 沪市金融股基本统计量及相关检验35-40
• 4.1.2 沪市金融股ARCH效应检验40-42
• 4.2 沪港通事件发生前后港市金融股对比42-47
• 4.2.1 港市金融股基本统计量及相关检验42-45
• 4.2.2 港市金融股ARCH效应检验45-47
• 4.3 沪港通事件发生前后沪市地产股对比47-52
• 4.3.1 沪市地产股基本统计量及相关检验47-49
• 4.3.2 沪市地产股ARCH效应检验49-51
• 4.3.3 沪港通事件发生前沪市地产股收益率GARCH模型分析51-52
• 4.4 沪港通事件发生前后港市地产股对比52-56
• 4.4.1 港市地产股基本统计量及相关检验52-54
• 4.4.2 港市地产股ARCH效应检验54-56
• 第五章 总结56-58
• 5.1 收益率、波动率总结56-57
• 5.2 本文不足与展望57-58
• 致谢58-59
• 参考文献59-62
• 附录：相关股票与代码以及相关程序62-69

【参考文献】

中国期刊全文数据库 前10条

1 梁佳;;我国股票价格指数编制问题研究[J];产业与科技论坛;2008年03期

2 王献东;;基于GARCH模型的波动率预测及应用[J];常州工学院学报;2011年06期

3 韦艳华,张世英;金融市场的相关性分析——Copula-GARCH模型及其应用[J];系统工程;2004年04期

4 刘琼芳;张宗益;;基于Copula房地产与金融行业的股票相关性研究[J];管理工程学报;2011年01期

5 魏宇;;中国股票市场的最优波动率预测模型研究——基于沪深300指数高频数据的实证分析[J];管理学报;2010年06期

6 姜凤利;;基于Copula函数的沪深股市尾部相关性分析[J];中国管理信息化;2014年18期

7 张跃军;涂捚;;中国燃料油期货市场动态套期保值研究——基于Copula-GARCH模型的实证分析[J];北京理工大学学报(社会科学版);2015年01期

8 陈怡璇;;沪港通“活水”效应[J];上海国资;2014年05期

9 蔡恩泽;;有了沪港通,QFII受冷落?[J];广东经济;2014年05期

10 李亚凌;;基于Copula函数的沪深港三地股市的联动性分析[J];中国农业银行武汉培训学院学报;2014年04期

中国博士学位论文全文数据库 前2条

1 孙清岩;股票价格指数编制理论研究[D];东北财经大学;2010年

2 韦艳华;Copula理论及其在多变量金融时间序列分析上的应用研究[D];天津大学;2004年

，

本文编号：1130087