GARCH模型在股市收益波动率分析中的应用

发布时间：2017-07-06 23:20

  本文关键词：GARCH模型在股市收益波动率分析中的应用

  更多相关文章： 时间序列 收益率 波动性 ARCH模型 GARCH模型

【摘要】：关于波动率的研究一直都是经济和金融领域的热点,在早期我们用恒定的标准差或者方差来度量波动率,但是在金融市场中,波动率会随着时间发生变化,传统的统计方法已经无法反映这些特征了,很多的学者开始尝试着使用其它的方法来分析金融中的波动率问题。1982年Robert F.Engle提出了ARCH模型(Auto Regressive Conditional Heteroskedasticity Model,自回归条件异方差模型)。用以分析具有异方差性质的时间序列,并且取得了很好的效果,此后,ARCH模型得到了快速的发展,学者们在ARCH模型的基础上做了很多的改进,如1986年Bollerslev提出的GARCH模型(推广的自回归条件异方差模型)。GARCH模型是ARCH模型的推广和拓展。GARCH模型除了具有ARCH模型的基本特点之外,它更能反应数据之间的长期自相关性,ARCH模型实际上只适合于异方差函数短期自相关过程,而GARCH模型可以有效的地模拟具有长期记忆性的异方差函数。GARCH模型也是本文主要使用的时间序列拟合模型。本文以2013年至2015年上证指数、深圳成指和创业板指数为分析对象,以ARMA模型和GARCH模型为分析方法,对上海主板、深圳主板、创业板三大股票市场的波动率进行了分析,分析结果说明上证指数和深圳成指的分布几乎一致,扰动项方差都呈现逐渐增加的趋势,对外部信息的反应灵敏程度创业板最强烈,上海主板和深圳主板较弱。
【关键词】：时间序列 收益率 波动性 ARCH模型 GARCH模型
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O212.1;F832.51
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-12
• 1.1 背景8-9
• 1.2 文献综述9-10
• 1.3 本文结构10-12
• 2 ARMA模型12-18
• 2.1 时间序列分析简介12-14
• 2.2 ARMA模型14-18
• 3 GARCH模型18-27
• 3.1 波动率18-21
• 3.2 ARCH模型21-23
• 3.3 GARCH模型23-24
• 3.4 AR-GARCH模型24-25
• 3.5 ARCH模型和GARCH模型的优缺点25-27
• 4 GARCH模型的实证分析27-50
• 4.1 数据选择与预处理27
• 4.2 拟合ARMA模型27-40
• 4.3 拟合GARCH模型40-46
• 4.4 方差的预测46-48
• 4.5 本章小结48-50
• 5 总结50-51
• 致谢51-52
• 参考文献52-55

【相似文献】

中国期刊全文数据库 前10条

1 熊建国;;《动载设计:模型分析的应用》[J];世界地震工程;1984年04期

2 卢正安;;积宽法测流模型分析[J];人民长江;1982年05期

3 蔡e，

本文编号：528126