(g)arch模型在金融數(shù)據(jù)中的應(yīng)用(文件)
【正文】 壞消息引起的波動(dòng)比同等大小的好消息引起的波動(dòng)要大，滬深股市都存在杠桿效應(yīng)。（三） 滬深股市波動(dòng)溢出效應(yīng)的研究當(dāng)某個(gè)資本市場(chǎng)出現(xiàn)大幅波動(dòng)的時(shí)候，就會(huì)引起投資者在另外的資本市場(chǎng)的投資行為的改變，將這種波動(dòng)傳遞到其他的資本市場(chǎng)。檢驗(yàn)兩市波動(dòng)的因果性（1） 提取條件方差重復(fù)前面GARCHM模型建模的步驟，選擇主菜單欄“Procs”下的“Make GARCH Variance Series”，得到rh回歸方程殘差項(xiàng)的條件方差數(shù)據(jù)序列GARCH01，同樣的步驟rz 回歸方程殘差項(xiàng)的條件方差數(shù)據(jù)序列GARCH02。這初步證明滬深股市的波動(dòng)之間存在溢出效應(yīng)，且是不對(duì)稱，單向的，表明是由于深圳市場(chǎng)的波動(dòng)導(dǎo)致了上海市場(chǎng)的波動(dòng)，而不是相反。圖723 滬市GARCHM（加入滯后項(xiàng)GARCH02）的估計(jì)結(jié)果與前面圖7－15結(jié)果比較可見，加入滯后項(xiàng)后，滬市GARCHM模型中均值方程的GARCH項(xiàng)估計(jì)值變大，而且更加顯著，并且估計(jì)的標(biāo)準(zhǔn)誤差縮小了。通過分析，基本可以得出了以下結(jié)論：第一，滬深股市收益率都存在明顯的GARCH效應(yīng)。15 / 15。第三，滬深股市都存在明顯的杠桿效應(yīng)，反映了在我國(guó)股票市場(chǎng)上壞消息引起的波動(dòng)要大于好消息引起的波動(dòng)。此時(shí)滬市收益率的GARCHM效應(yīng)更加明顯了，風(fēng)險(xiǎn)(波動(dòng)性)與收益之間的正相關(guān)關(guān)系更加顯著。在“Equation Specification”窗口中，按圖722示輸入如下變量，即在模型的條件方差方程中加入了深市波動(dòng)的滯后項(xiàng)。圖721 Granger因果檢驗(yàn)可見，我們不能拒絕原假設(shè)：上海的波動(dòng)不能因果深圳的波動(dòng)。美國(guó)股市的大震蕩引起歐洲及亞洲股市中投資者的恐慌，從而引發(fā)了當(dāng)?shù)刭Y本市場(chǎng)的大動(dòng)蕩。圖7－19 滬市收益率EGARCH(1,1)模型估計(jì)結(jié)果圖720 深市收益率EGARCH(1,1)模型估計(jì)結(jié)果在EGARCH中， 項(xiàng)的系數(shù)估計(jì)值都小于零。( 二) 股市收益波動(dòng)非對(duì)稱性的研究 TARCH模型估計(jì)結(jié)果在圖712的“ARCH Specification ”下拉列表中選擇“EGARCH”，即可得到rh 、rz的TARCH模型估計(jì)結(jié)果，如圖717和圖718所示。圖7－15 滬市收益率GARCHM(1,1)模型估計(jì)結(jié)果圖716 深市收益率GARCHM(1,1)模型估計(jì)結(jié)果可見，而且都是顯著的。 圖7－12 Equation Specification 窗口圖713 滬市收益率GARCH(1,1)模型估計(jì)結(jié)果圖714 深市收益率GARCH(1,1)模型估計(jì)結(jié)果可見，滬深
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1