基于arch和garch模型的沪市股价波动性分析

基于arch和garch模型的沪市股价波动性分析

ID:6127399

大小:159.50 KB

页数:8页

时间:2018-01-04

基于arch和garch模型的沪市股价波动性分析_第1页
基于arch和garch模型的沪市股价波动性分析_第2页
基于arch和garch模型的沪市股价波动性分析_第3页
基于arch和garch模型的沪市股价波动性分析_第4页
基于arch和garch模型的沪市股价波动性分析_第5页
资源描述:

《基于arch和garch模型的沪市股价波动性分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、成绩评卷人研究生姓名学号云南财经大学研究生课程论文《基于ARCH和GARCH模型的沪市股价波动性分析》专业:统计学课程名称:时间序列分析课程类别:专业必修课任课教师:颜云志开课时间:2011春季(第1~18周)云南财经大学研究生部基于ARCH和GARCH模型的沪市股价波动性分析摘要:金融市场的波动性一直是经济研究人员和投资者关注的焦点。自回归条件异方差模型(ARCH模型)和广义自回归条件异方差模型(GARCH模型)经常用在金融时间序列分析中,特别是GARCH(1,1)模型在金融资产的波动性研究中得到广泛的应用。本文分别

2、运用ARCH模型、GARCH模型进行初步研究,分析沪市估价波动的动态特征。关键字:沪市波动性;ARCH效应;GARCH模型一、金融时间序列的模型在回归模型的古典假定中,随机误差项必须服从同方差性的假定,即,其中为随机误差项,为一个常数。但是在现实中的方差往往随着时间的推移表现出某种趋势。如金融市场中的一个常见现象,是股价会其他类似的金融产品的波动性不仅随时间的变化而变化,而且常在某一时段中出现偏高或偏低的情况,即随机误差项的方差表现出“波动集群性”特征,即方差在一定时段中比较小,而在另一时段中比较大。显然,呈现这种特征

3、的现期方差与前期的“波动性”有关,这一特征可以由ARCH模型及其各种推广模型来描述。正是由于ARCH类模型的这种特点,使得它在过去的十几年中得到了普遍的重视,并由此出现了许多重要的成果。(一)ARCH模型ARCH模型(autoregressiveconditionalheteroskedasticitymodel)最早由恩格尔(Engle)于1982年提出,ARCH模型的目的就是刻意预测误差的条件方差中可能存在的某种相关性。ARCH模型的主要思想是:扰动项的条件方差依赖于它的前期值的大小。假设预测误差为随机变量,记为时

4、刻t的信息集,则一个ARCH(p)的过程如下:(1)在ARCH(p)过程中,不可能为负,所以是正的才合理,为了使协方差平稳,所以进一步要求方程的根全部位于单位圆外。如果都非负,则要求。(二)GARCH模型在ARCH基础上,博勒斯莱文(Bollerslev)于1986年将其发展成为GARCH模型(广义自回归条件异方差模型,generalisedARCHmodel)。GARCH模型在条件方差的方程中加上了滞后项,从而可以体现更为灵活的滞后结构。GARCH(p,q)的方差方程定义为:其中,;则GARCH(1,1)模型为:(2

5、)GARCH模型的有点在于它考虑到了金融时间序列的波动集群性,并且可以有效地排除资产收益率中的过度峰值(Excesskurtosis)二、沪市股价波动的实证分析本文选取沪市较新的2000年1月4日至2010年3月2日的日收盘价作为样本进行检验,共2454个数据。实证分析主要通过软件EVIEWS6.0取得。同时,为了减缓序列的波动程度,取x的自然对数lnx,结果如图1和图2所示:图1原数据序列图2自然对数序列由图1、图2可知,经过对数处理后没有改变波动趋势,只是减缓了波动程度,这对后面建立方程模型并对其进行一系列的统计检

6、验提供了便利,使得模型残差更趋于平稳,减少两类错误风险。(一)变量序列的平稳性检验在应用计量分析的各种方法时,往往需要检验变量的平稳性。若直接用非平稳的变量序列进行回归,往往会导致伪回归。所以在进行计量分析以前,要先对序列进行平稳性检验。进行平稳性检验的方法很多,主要有自相关图检验法、DF检验法、ADF检验法和PP检验法。本文采用ADF检验进行变量的平稳性检验。本文对lnx和它的一阶差分序列dlnx进行单位根检验,其结果如表1所示:表1lnx和dlnx的平稳性检验结果变量ADF检验值1%临界值P值结论lnx-1.338

7、765-3.9617860.8778非平稳dlnx-48.87448-2.5659050.0001平稳从上表的ADF平稳性检验结果可以得到,变量lnx是非平稳的,一阶差分后(dlnx)是平稳的,即不存在单位根,序列dlnx是一阶单整的。经过反复实验,最终选择AR(4)模型:(3)DW=1.977可以看出该方程的拟合度较差,再来观察残差序列图,见图3:图3回归方程残差图由图3可以发现波动表现出时变性、突变性和集簇性的特点,即波动的成群现象,这说明误差项可能有条件异方差性。(二)ARCH模型分析1.ARCH—LM检验ARC

8、H本身不能使标准的OLS估计无效,但是忽略ARCH影响可能导致有效性降低。因此有必要对该模型进行ARCH效应检验。检验一个模型的残差是否含有ARCH效应,有两种方法:ARCHLM检验(拉格朗日乘数检验Lagrangemultipliertest)和残差平方相关图检验。本文采取前一种方法进行检验。对(3)式进行条件异方差的ARCHL

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。