GARCH类模型在金融数据波动性分析中的应用研究

发布时间：2020-10-28 03:28

　　 近年来，世界金融格局发生了较大的变化，金融市场十分活跃[4]。我们知道自金融市场产生以来，它自身就具有价格的波动性的显著特征，随着时代的发展，金融活动中的信息不完备问题越来越突出，这使得人们越来越关注自己所投资的金融产品的收益情况。因此，防范和化解金融风险成为一个突出问题，特别是许多大的损失，对金融服务领域和监管者造成广泛的冲击。金融资产的收益率在不同时刻往往都是不相关，即使是相关的，那么它的相关程度也是非常弱的；只有当滞后的阶数很小的时候有一些而且是非常微弱的相关性。但是对于我们所研究的收益率，它的平方着实存在着很大的相关性[5]。条件异方差模型就是描述这种性质的。 ARCH模型能很好的描述金融时间序列数据所具有的波动性的特点，而且在经济领域当中有着较为广泛的应用和研究[6-7]。随着经济研究方面的理论的不断成熟与发展成熟，越来越多的经济学者运用ARCH模型拟合数据的波动性，这样，ARCH模型对于投资者和金融管理者来说，无论是进行投资还是掌控风险，它都是一个良好而且有效的工具。 这篇文章在时间序列模型独有的历史背景下通过介绍时间序列模型，条件异方差模型，主要运用GARCH类模型以我国期货市场2009年以来每日成交额和深圳综指为分析对象，从而发现我国金融市场具有价格波动性的特点，通过理论和实证的研究结果，又为金融市场增加了两个有关波动性的实例，并从现在中国的期货市场和股票市场实际情况出发，为金融市场的管理与监测提出了一些较为实际并且可执行的建议。中国现在的金融市场正在处于发展时期，很多方面的发展还不够充分，准备不够充足，为更好地促进金融市场的长远健康发展，我们需要继续完善健全经济市场的相关制度，降低市场信息的不对称性；深化并完善相应的金融市场运行管理条例，使得金融市场成为有法可依的市场。
【学位单位】：辽宁师范大学
【学位级别】：硕士
【学位年份】：2012
【中图分类】：F224;F832.51;F724.5
【部分图文】：

通过延迟(1)模型：t t 1tX c φ Xε = + +以写为11(1 )(1 ) ( )(1 )1t tt ttB X cX B ccBφ εφ εφ εφ = += += + < 1条件下，有1(1 )11j jt tjt t t jcX B Bcφ φ εφε φε φ εφ = + + + + + = + + + + + 果要使 AR(1)具有平稳性，则0j jjφB∞=∑ 一定要收敛，也就是自回归< 1。

图 4.1 残差序列图Fig. 4.1 the diagram of residual sequence效应检验们采用两种方法进行 ARCH 效应检验。 检验常用的 LM 检验法对(4.2)式的残差进行 ARCH 效应检验，我们检验结果如图 4.2 所示。此时 P-Value 为零，拒绝原假设图 4.2 ARCH 效应检验结果Fig. 4.2 the results of ARCH effect test平方的自相关性检验

图 4.3 残差平方相关图检验Fig.4.3 the correlation test diagram of squares of residual sum相关系数和偏自相关系数都显著不为 0，且 Q 统计量很显著，表明 ARCH 效应[1]。综上，以上两种方法都说明模型残差存在 ARCH 效应。ARCH 模型分析进一步对模型(4.2)进行高阶的 ARCH 效应检验，我们令滞后阶数 pValue 为零，拒绝原假设，也就是说模型(4.2)存在高阶 ARCH 效应以采用 GARCH 模型对进行建模。一般情况下 GARCH(1,1)模型就能需要，因此我们这里只给出 GARCH(1,1)模型的结果。RCH 模型
【参考文献】

相关期刊论文 前6条

1 高文军;关薇;;中国股市波动的异方差模型[J];沈阳航空工业学院学报;2010年02期

2 王勇;顾海燕;徐文科;;基于ARMA模型的河川年径流量预测[J];哈尔滨商业大学学报(自然科学版);2011年03期

3 徐梅,梅世强;经济波动谱分析方法的比较研究[J];控制与决策;2003年03期

4 李姝,吕光明;中国股市股价指数变动的协整研究[J];辽宁师范大学学报;2001年05期

5 麻英;;居民消费价格指数ARCH族模型检验[J];现代商贸工业;2011年03期

6 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

相关硕士学位论文 前10条

1 方江晓;短期风速和风电功率预测模型的研究[D];北京交通大学;2011年

2 王晗;我国股指期货对股票市场影响的实证研究[D];西安科技大学;2011年

3 夏志华;基于金融创新的金融专利研究[D];浙江大学;2004年

4 王新蕾;上证综合指数的马氏性和时间序列模型的组合分析和预测[D];南京信息工程大学;2006年

5 曹慧红;中国股票市场价格行为研究[D];南昌大学;2006年

6 周靖;随机时间序列模型在商品国际价格预测中的适用性研究[D];西南财经大学;2007年

7 蒋涛;ARCH模型在中国股市中的实证研究[D];湖南大学;2007年

8 汤岩;时间序列分析的研究与应用[D];东北农业大学;2007年

9 陈晶鑫;基于灰色模型和ARCH模型对股价指数的实证分析[D];东北财经大学;2007年

10 刘丽华;基于时变非平稳时间序列分析的故障诊断方法研究[D];北京化工大学;2008年

本文编号：2859512