- 1、本文档共5页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
?
?
GARCH模型分析股票市场的波动性
?
?
论文导读:本文将利用广义自回归条件异方差模型,即GARCH模型族对中国深圳股票市场的日收益率的波动进行实证分析,为政府部门监管股市及投资者预测并规避风险提供决策依据。而中国股市反映非对称信息的系数并不显著,中国股市不存在显著的杠杆效应。
关键词:中国股市,波动率,GARCH模型
?
股票价格的频繁波动是证券市场的显著特点之一,它与证券市场的不确定性和风险直接相关,是证券组合理论、资本资产定价模型(CAPM)、套利定价模型(APT)以及Black-Schole期权定价模型的核心变量[1]。同时,波动率对企业的投融资决策、消费者行为模式等也都有着重要的影响[2],因此,股票市场波动率的估计和预测一直是证券市场研究的热点问题。
本文将利用广义自回归条件异方差模型,即GARCH模型族对中国深圳股票市场的日收益率的波动进行实证分析,为政府部门监管股市及投资者预测并规避风险提供决策依据。论文检测。论文检测。
1问题的分析和模型的假设
1.1GARCH模型
ARCH模型的主要贡献在于发现了经济时间序列中比较明显的变化是可以预测的[3],并且说明了这种变化是来自某一特定类型的非线性依赖性,而不是方差的外生结构变化。GARCH模型是ARCH模型族中的一种带异方差的时间序列建模的方法。一般的GARCH模型可以表示为[4]:
1.2EGARCH模型
2数据及实证研究分析
2.1模型GARCH
2.1.1模型的建立
表1自相关和白噪声检验
AutocorrelationCheckforWhiteNoise
ToLagChi-SquareDFPrChiSqAutocorrelations
69999.996.00010.9960.9910.9870.9820.9770.972
从表1自相关和白噪声检验中我们发现延迟8阶的自相关系数为0.96331,所以收盘价有高度的自相关性。对于ARCH效应的检验,最长采用的方法是Lagrange乘数法,即LM检验。
经反复试验,本文自回归方程的滞后阶数取1时在ARCH(1)效应。
表2GARCH模型的数据检验
MSE:3099RootMSE:55.66586
SBC:19264.558AIC:19253.6006
RegressR-Square:0.9929TotalR-Square:0.9929
Durbinh2.0361Prh0.0209
EstimatesofAutoregressiveParametersStandard
LagCoefficientErrortValue
可知整个模型的R-Square高达0.9929。
从表可知逐步自回归向后消除报告显示除了延迟1阶序列,延迟3阶序列值显著自相关外,延迟其他阶数的序列值均不具有显著的自相关。
表3GARCH模型的数据检验
VariableDFEstimateErrortValuePr|t|
Intercept19.40986.11411.540.1238
AR11-0.04340.0267-1.620.1042
AR31-0.04860.0245-1.990.0469
ARCH110.11990.010611.33.0001
GARCH110.85550.010978.50.0001
2.1.2最终模型
从上表中可知拟合的模型为:
从表3中我们发现,常数项的系数并不明显显著t检验的相伴概率为0.1238,但仍在可接受的范围内,故不去除。
2.2模型EGARCH
2.2.1模型的建立
通过实际拟合,反复验证得到以下结果;
表4EGARCH模型ARCH效应检验
LagCoefficientErrortValue
从表可知逐步回归向后消除报告显示除了延迟1阶序列,延迟3阶序列值显著自相关外,延迟其他阶数的序列值均不具有显著的自相关。
表5EGARCH模型ARCH效应检验
VariableDFEstimateErrortValuePr|t|
Intercept111.54675.86651.970.0490
AR11-0.03990.0216-1.840.0651
AR31-0.05000.0121-4.14.0001
EARCH010.23440.05864.00.0001
EARCH110.23590.02509.42.0001
THETA1-0.02960.0569-0.520.6025
2.2.2最终模型
从表5可知拟合的模型为:
从EGARCH模型的系数检验中我们发现THETA的系数不显著t检验的相伴概率为0.6025,即说明深圳成分指数的杠
文档评论(0)