(g)arch模型在金融數(shù)據(jù)中的應(yīng)用-資料下載頁
2025-06-28 10:51本頁面
【正文】 。，美國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本市場的大動蕩。接下來我們將檢驗(yàn)深滬兩市之間的波動是否存在“溢出效應(yīng)”。檢驗(yàn)兩市波動的因果性（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。（2）檢驗(yàn)兩市波動的因果性在“Workfile”中同時選中“GARCH01”和“GARCH02”，右擊，選擇“Open”―“As Group”，在彈出的窗口中點(diǎn)擊“View”―“Granger Causality”，并選擇滯后階數(shù)5，得到如圖7－21所示結(jié)果。圖721 Granger因果檢驗(yàn)可見，我們不能拒絕原假設(shè)：上海的波動不能因果深圳的波動。但是可以拒絕原假設(shè)：深圳的波動不能因果上海的波動。這初步證明滬深股市的波動之間存在溢出效應(yīng)，且是不對稱，單向的，表明是由于深圳市場的波動導(dǎo)致了上海市場的波動，而不是相反。修正GARCHM模型在滬市GARCHM 模型的條件方差方程中加入深市波動的滯后項(xiàng)，應(yīng)該會改善估計結(jié)果。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的滯后項(xiàng)。圖722 修正GARCHM模型點(diǎn)擊“OK”，則得到加入滯后項(xiàng)GARCH02后滬市GARCHM模型重新估計的結(jié)果，如圖7－23所示。圖723 滬市GARCHM（加入滯后項(xiàng)GARCH02）的估計結(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)估計值變大，而且更加顯著，并且估計的標(biāo)準(zhǔn)誤差縮小了。這說明在條件方差方程中加入深市波動的滯后項(xiàng)是恰當(dāng)?shù)?。此時滬市收益率的GARCHM效應(yīng)更加明顯了，風(fēng)險(波動性)與收益之間的正相關(guān)關(guān)系更加顯著。我們運(yùn)用GARCH類模型，對滬深股市收益率的波動性、波動的非對稱性，以及波動之間的溢出效應(yīng)做了全面的分析。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)。第二，滬深股市都存在明顯的GARCHM效應(yīng)，而且滬市的正向風(fēng)險溢價要高于深市，反映了上海股市的投資者比深圳的投資者更加厭惡風(fēng)險。第三，滬深股市都存在明顯的杠桿效應(yīng)，反映了在我國股票市場上壞消息引起的波動要大于好消息引起的波動。第四，滬深股市之間波動存在溢出效應(yīng)，而且是單向的，深市的波動將引起滬市的波動，加入深市波動的模型將有助于提高滬市風(fēng)險溢價的水平。15 / 15
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1