基于混频数据的我国股市波动性研究

发布时间：2017-08-19 12:06

  本文关键词：基于混频数据的我国股市波动性研究

  更多相关文章： 混频数据 ADL-MIDAS GARCH-MIDAS 股市波动

【摘要】：关于股市波动的已有研究,大多存在两种现象：一是研究采用的数据都是单一频率的,或者是低频数据,即月数据、季度数据等；或者是高频数据,即日数据、日内5分钟数据等；二是在研究股市波动与宏观经济的关系时,大多采用低频的股市数据,如月度、季度或年度数据,使其数据频率与宏观经济数据保持一致。这些做法并没有充分利用可得的金融数据信息,难免对研究造成重要影响。为充分利用数据信息,很有必要在一个研究模型中同时使用不同频率的数据,如有的变量采用日数据,有的采用周或月度数据。这是本文采用混频数据进行研究的基本动机。本文采用混频数据对股市波动进行两个方面的研究,一是股市波动预测,二是宏观经济对股市波动的影响。即,本文对我国股市波动性的研究在于股市波动率的预测以及股市波动的经济根源。首先,本文分别采用自回归分布滞后混合数据抽样回归模型(ADL-MIDAS)与GARCH模型预测股市周波动率。ADL-MIDAS模型采用上证综指、深证成指的混频数据(日数据和周数据的混合),GARCH模型仅使用周数据。本文估计了两类模型,比较了两类模型的样本内性质；利用West(2006)提出的非嵌套的模型比较检验,比较了两个模型样本外预测精度。实证结果表明,基于上证综指、深证成指的数据,在没有采用Nowcasting思想的情况下,并没有充分证据表明ADL-MIDAS模型的效果优于GARCH模型,而当采用Nowcasting思想时,ADL-MIDAS模型无论是比较样本内拟合效果还是样本外的预测精度均优于GARCH模型。本文还通过一系列稳健性分析说明该结论是稳健的。其次,本文通过GARCH-MIDAS模型将股市波动率分解为长期成分和短期成分。以此为基础,在上述模型中直接纳入宏观经济变量来研究宏观经济对股市波动的影响。为了保证结论的稳健性和说服力,本文还对股市长期波动和一些宏观经济变量建模,来探究宏观经济对股市波动的影响。实证结果表明,基于已实现回报率(RV)的GARCH-MIDAS模型可以较好地对我国股市的长短期成分进行分解；直接纳入宏观经济变量的GARCH-MIDAS模型回归结果和股市长期波动与宏观经济变量的多元回归模型的结果一致,宏观经济对股市波动的影响显著。在考虑大部分宏观经济因素时,宏观经济因素的当期值对于股市波动的影响较为显著。
【关键词】：混频数据 ADL-MIDAS GARCH-MIDAS 股市波动
【学位授予单位】：南京财经大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;F224
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-19
• 1.1 选题背景和研究意义9-11
• 1.2 文献综述11-14
• 1.2.1 股市波动率11-12
• 1.2.2 宏观经济对股市波动的影响12-14
• 1.3 研究内容14-16
• 1.3.1 混频数据与混频数据模型14-15
• 1.3.2 利用混频数据预测我国股市波动性15
• 1.3.3 宏观经济对股市波动的影响15
• 1.3.4 拟解决的关键问题及难点15-16
• 1.4 研究方法16
• 1.5 创新点与不足16-17
• 1.5.1 文章的创新点16-17
• 1.5.2 文章存在的不足17
• 1.6 技术路线及论文结构安排17-19
• 第二章 理论模型构建19-24
• 2.1 股市波动预测的模型构建19-22
• 2.1.1 混频数据的应用19-20
• 2.1.2 MIDAS模型20-22
• 2.2 宏观经济对股市波动的影响22-24
• 2.2.1 股市波动长期成分与短期成分的分解22-23
• 2.2.2 宏观经济对股市波动的影响23-24
• 第三章 基于混频数据的我国股市波动预测24-39
• 3.1 波动率预测模型可比较的理论基础24-25
• 3.2 变量的选取及检验25-28
• 3.2.1 变量选取25-27
• 3.2.2 数据的统计特征检验27-28
• 3.3 股市波动预测28-37
• 3.3.1 样本内拟合29-30
• 3.3.2 样本外预测30-32
• 3.3.3 Nowcasting32-35
• 3.3.4 稳健性分析35-37
• 3.4 结论37-39
• 第四章 宏观经济对我国股市波动的影响39-52
• 4.1 波动率分解模型GARCH-MIDAS的极大似然函数39-40
• 4.2 变量选择与描述性统计40-43
• 4.2.1 变量选择40-41
• 4.2.2 数据预处理41-42
• 4.2.3 数据的描述性统计42-43
• 4.3 实证分析43-51
• 4.3.1 提取股市波动中的长期成分44-45
• 4.3.2 GARCH-MIDAS模型直接纳入宏观经济因素45-49
• 4.3.3 股市波动率长期成分对宏观经济因素建模49-51
• 4.4 结论51-52
• 第五章 结论与展望52-54
• 5.1 结论52-53
• 5.2 展望53-54
• 参考文献54-58
• 致谢58-59
• 在读期间发表论文及研究成果59

【参考文献】

中国期刊全文数据库 前2条

1 刘金全;刘汉;印重;;中国宏观经济混频数据模型应用——基于MIDAS模型的实证研究[J];经济科学;2010年05期

2 赵华;蔡建文;;基于MRS-GARCH模型的中国股市波动率估计与预测[J];数理统计与管理;2011年05期

，

本文编号：700600