學(xué)年論文終極版(編輯修改稿)
2024-07-25 03:23 本頁面
【文章內(nèi)容簡介】 進(jìn)行修正，引入虛擬變量并對其賦值， =0代表股指期貨引入前，=1代表股指期貨引入后，其系數(shù)表示波動(dòng)性變化的代理參數(shù)，=0表示股指期貨引入后，現(xiàn)貨市場的波動(dòng)性不變， 0表示波動(dòng)性增大， 0表示波動(dòng)性減小，根據(jù)的正負(fù)和大小情況可以判斷引入期貨后，現(xiàn)貨市場波動(dòng)性的變化情況。引入虛擬變量后，模型的公式如下:(二).描述性統(tǒng)計(jì) 從圖1看出，滬深300指數(shù)對數(shù)收益率的波動(dòng)性曲線明顯有收縮的趨勢。這初步顯示出股指期貨的引入可能導(dǎo)致現(xiàn)貨市場波動(dòng)性水平減少，不過需要更詳細(xì)的分析，得出更有統(tǒng)計(jì)意義的解釋。 圖31 滬深300指數(shù)對數(shù)收益率波動(dòng)情況圖32 滬深300指數(shù)對數(shù)收益率描述性統(tǒng)計(jì)量及柱狀圖 從圖2中可以看出，滬深300指數(shù)對數(shù)收益率峰度值大于3，偏度小于0，在均值處出現(xiàn)過度波峰，JB統(tǒng)計(jì)量P值為0，拒絕序列服從正態(tài)分布的原假設(shè)。故不能用于基于正態(tài)分布的F檢驗(yàn)等統(tǒng)計(jì)方法檢驗(yàn)該樣本序列的波動(dòng)性。但該收益率的樣本序列具有典型的金融數(shù)據(jù)尖峰厚尾的特征，因此可以通過建立GARCH模型進(jìn)行研究。(三).模型的建立以股指期貨推出時(shí)間為界分別選取滬深300指數(shù)2007年1月4日到2010年4月15日以及2010年4月16日到2013年6月3日的收盤價(jià)的對數(shù)收益率作為研究對象，建立GARCH模型來研究股指期貨推出前后數(shù)據(jù)的變化情況，以下是建立模型的步驟和相關(guān)分析。 表31 股指期貨推出之前滬深300指數(shù)對數(shù)收益率的單位根檢驗(yàn)情況tStatisticProb*Augmented DickeyFuller test Statistic Test critical values1% level5% level10% level表32 股指期貨推出之后滬深300指數(shù)對數(shù)收益率的單位根檢驗(yàn)情況tStatisticProb*Augmented DickeyFuller test Statistic Test critical values1% level5% level10% level 兩表的單位根檢驗(yàn)結(jié)果一致，拒絕原假設(shè)，就是說股指推出前后滬深300指數(shù)的對數(shù)收益率不存在單位根，因而是平穩(wěn)的。對股指期貨推出前后滬深300指數(shù)對數(shù)收益率自相關(guān)檢驗(yàn)，通過自相關(guān)圖以及AIC，SC準(zhǔn)則確定：在股指期貨推出以前，滬深300指數(shù)收益率的時(shí)間序列是一個(gè)ARMA(2,2)過程，在推出股指期貨之后變成了一個(gè)ARMA(1,1)過程。對建立的兩個(gè)模型進(jìn)行ARCH效應(yīng)檢驗(yàn)。表33 股指期貨推出之前時(shí)間序列的ARCHLM檢驗(yàn)Heteroske dasticity Test:ARCHFstatistic(3,800)Obs*RSquared(3)表34 股指期貨推出之后時(shí)間序列的ARCHLM檢驗(yàn)Heteroske dasticity Test:ARCHFstatistic(3,758)Obs*RSquared(3)根據(jù)檢驗(yàn)結(jié)果我們可以看出，股指期貨推出前后均存在ARCH效應(yīng)，而且選擇滯后階數(shù)為10時(shí)，結(jié)果仍然是顯著的，也就是說存在著高階的ARCH效應(yīng)，因此我們可以而且應(yīng)該建立GARCH模型。GARCH(1,1)能夠非常好的擬合金融時(shí)間序列模型，在此選取其進(jìn)行估計(jì)，以下是利用GARCH(1,1)分別對滬深300股指期貨推出之前和推出之后的滬深300指數(shù)收益率進(jìn)行估計(jì)的結(jié)果。表35 股指期貨推出之前滬深300指數(shù)對數(shù)收益率的GARCH模型參數(shù)GARCH=C(6)+C(7)*RESID(1)^2+C(8)*GARCH(1)Variable CoefficientzStatisticProb.C AR(1) AR(2) MA(1) MA(2) Variance EquationC RESID(1)^2 GARCH(1) 表36 股指期貨推出之后滬深300指數(shù)對數(shù)收益率的GARCH模型參數(shù)估計(jì)GARCH=C(6)+C(7)*RESID(1)^2+C(8)*GARCH(1)Variable CoefficientzStatisticProb.C AR(1) MA(1) Variance EquationC RESID(1)^2 GARCH(1) 從表中可以得出，系數(shù)都是顯著的，依據(jù)表格可以寫出方程：股指期貨推出之前，均值方程：條件方差方程：股指期貨推出之后，均值方程：條件方差方程： 再進(jìn)行ARCHLM檢驗(yàn)，結(jié)果如下：表37 股指期貨推出之前滬深300指數(shù)對數(shù)收益率的ARCHLM檢驗(yàn)Heteroske dasticity Test:ARCHFstatistic(3,800)Obs*RSquared(3)表38 股指期貨推出之后滬深300指數(shù)對數(shù)收益率的ARCHLM檢驗(yàn)Heteroske dasticity Test:ARCHFstatistic(3,800)Obs*RSquared(3)檢驗(yàn)結(jié)果顯示，無法拒絕原假設(shè)，因而表明經(jīng)過GARCH模型估計(jì)己經(jīng)消除了ARCH效應(yīng)。3 .引入虛擬變量的GARCH模型以上是對股指期貨推出前和推出后的滬深300指數(shù)對
公司管理相關(guān)推薦
鄂ICP備17016276號-1