基于garch族的我國股指波動率的擬合及預(yù)測(參考版)
2025-06-25 20:33本頁面
【正文】 egan Pricing bivariate option under GARCH processes with timevarying copula Insurance [J] Mathematics and Economics 42 ,2008 ,1095–1103.[6]Liu Y. Luger R. Efficient estimation of copulaGARCH models [J]Computationnal Statistics and Data Analysis 2008.[7]Xibin Zhang Maxwell L. King BoxCox stochastic volatility models with heavytails and correlated errors [J] Journal of Empirical Finance 15, 2008,549–566[8] JungSuk Yu M. Kabir Hassan. Global and regional integration of the Middle East and North African (MENA) stock markets [J ] The Quarterly Review of Economics and Finance 48 ,2008，482–504[9]Martin T. Institutional investors and stock returns volatility: Empirical evidence from a natural experiment [J ] Journal of Financial Stability ,20080,[10] Michael D. Evidence of an asymmetry in the relationship between volatility and [J] Review of Financial Analysis, 16, 2007, 22– 40[11]Celso Brunetti Chiara Scotti Roberto S..Markov switching GARCH models of currency turmoil in Southeast Asia. [J] Emerging Markets Review 2008, [12]Bowden Nicholas. Short Term Forecasting of Electricity Prices for MISO Hubs: Evidence from ARIMAEGARCH Models Energy Economics. 2008.[13]鄒宏元 譯 Chris Brooks [英]著 金融計量經(jīng)濟學(xué)導(dǎo)論 [B]西南財經(jīng)大學(xué)出版 2005,6.[14]周愛民 金融計量學(xué) [B] 現(xiàn)代金融理論前沿叢書 經(jīng)濟管理出版社 2006, 1.[15]張曉峒 Eviews使用指南與案例 [B] 機械工業(yè)出版社 2007,2.。兩個模型對股價波動性描述成功；第四，對擬合模型的樣本外預(yù)測通過損失函數(shù)的四個指標顯示對我國滬深港主要股指收益波動性的預(yù)測比較成功。結(jié)論如下：第一，我國滬深港地區(qū)主要股指收益的統(tǒng)計顯著性和ARCH效應(yīng)的檢驗表現(xiàn)出明顯的尖峰后尾特征和ARCH效應(yīng)，這是建立GARCH模型的基礎(chǔ)；第二，總的來看GARCH模型族對我國滬深主要股指的擬合相對比較成功。而這個結(jié)論也強有力地證明了反應(yīng)不對稱性的TGARCH和EGARCH模型在預(yù)測中要好于另兩個模型。分別來看EGARCH模型對滬深300的股指波動預(yù)測要好于GARCH(11)，故選擇了E GARCH模型對其預(yù)測。這個接近于0的值說明，我們得到的方程擬合很好，具有良好的預(yù)測功能，模型系統(tǒng)基本穩(wěn)定，基本上不存在系統(tǒng)誤差。Theil不等系數(shù)大于0但不超過1,其理想值為0。從損失函數(shù)看 表7中為MSE,MAE RMSE 以及MAPE等4個損失函數(shù)的方差?！?”表示預(yù)測相對較差,放棄該模型。再根據(jù)前文提到的RMSE、MAE、MAPE和Theil不等系數(shù)四個評價指標，對各自的預(yù)測結(jié)果進行綜合評價。鑒于華爾街風(fēng)暴對全球股市狂跌的影響，為了預(yù)測更準，本文避開這段股市異常低迷時期，將數(shù)據(jù)選取到9月12日。C、D區(qū)的檢驗結(jié)果顯示較好基本符合擬合效果的要求。系數(shù)估計的顯著性表明了反向沖擊比正向沖擊會導(dǎo)致更高的下一期條件方差。表6 各指數(shù)TGARCH模型擬合TGARCH擬合：上證指數(shù)深圳成指滬深300香港恒指A均值方程參數(shù)C系數(shù)（）()（）()（）()（）()B方差方程參數(shù)（常數(shù)）（系數(shù)）（系數(shù))（系數(shù)）()()()()()()()()()()()()()()()()C檢驗指標AICSICDWD殘差檢驗調(diào)整FQ[2]()()[3]()[2]()()[2]()[3]()()[2]()[2]()()[3]()注：圓括號內(nèi)為各個參數(shù)的P值；方括號內(nèi)為滯后階數(shù)。D區(qū)LM和F的檢驗值分別達到了足夠小的水平,它保證了殘差序列不再存在條件異方差性；對殘差序列是否存在自回歸性的Q統(tǒng)計量也顯示非常小,因而殘差序列不存在自回歸性。上證市場對負沖擊的反應(yīng)比其他三個股指大。其他市場的也一樣。以滬深300為例,其波動性對正的沖擊的反應(yīng)系數(shù)為：+＝＋（）＝；對負的沖擊的反應(yīng)系數(shù)為：+＝－＋（）＝－。表5 各指數(shù)EGARCH模型擬合EGARCH擬合：上證指數(shù)深圳成指滬深300香港恒指A均值方程參數(shù)C系數(shù)()()()()()()()()B方差方程參數(shù)（常數(shù)）(系數(shù)) (系數(shù))（系數(shù)）()()()()()()()()()()()()()()()()C檢驗指標AICSICDWD殘差檢驗調(diào)整FQ[2]()()[2]()[1]()()[2]()[2]()()[2]()[3]()()[2]()注：圓括號內(nèi)為各個參數(shù)的P值；方括號內(nèi)為滯后階數(shù)。但大部分關(guān)聯(lián)還在于,即與前一期的波動性有很大關(guān)系?？梢姼鞴芍甘袌鍪找媛什▌有耘c前一期的波動性有關(guān)，同時也與前一期的收益對收益平均值的偏差有關(guān)。2. GARCHM模型擬合表4 各指數(shù)GARCHM模型擬合GARCHM擬合上證指數(shù)深圳成指滬深300香港恒指A均值方程參數(shù)
法律信息相關(guān)推薦
鄂ICP備17016276號-1