会员注册 | 登录 | 微信快捷登录 支付宝快捷登录 QQ登录 微博登录 | 帮助中心 人人文库renrendoc.com美如初恋!
站内搜索 百度文库

热门搜索: 直缝焊接机 矿井提升机 循环球式转向器图纸 机器人手爪发展史 管道机器人dwg 动平衡试验台设计

   首页 人人文库网 > 资源分类 > DOC文档下载

证券其它相关论文-非线性波动模型在上海股票市场中的应用.doc

  • 资源星级:
  • 资源大小:10.40KB   全文页数:5页
  • 资源格式: DOC        下载权限:注册会员/VIP会员
您还没有登陆,请先登录。登陆后即可下载此文档。
  合作网站登录: 微信快捷登录 支付宝快捷登录   QQ登录   微博登录
友情提示
2:本站资源不支持迅雷下载,请使用浏览器直接下载(不支持QQ浏览器)
3:本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

证券其它相关论文-非线性波动模型在上海股票市场中的应用.doc

证券其它相关论文非线性波动模型在上海股票市场中的应用摘要本文采用非线性GARCH模型研究中国股票市场的波动性。实证结果表明,非线性GARCH模型较传统的线性GARCH模型显著提高了股票市场波动性的描述与预测能力,且非线性GARCH模型的VaR值具有较高的精度,其中以ANSTGARCH模型的效果为最佳。关键词波动性非线性GARCH类模型风险价值波动性是金融市场最为重要的特征之一,资本市场的波动率的一个重要特征就是它不能被直接观察,但它往往表现出高峰厚尾、微弱但持久记忆、波动集群等现象。针对这些特征,Engle1982首先提出了ARCH模型,Bollerslev1986将ARCH模型推广成广义ARCH模型,即GARCH模型。随后又有一些经济学家对上述模型进行扩展与完善,提出了一系列的非线性GARCH模型,如GJRGARCH模型、LSTGARCH模型、ESTGARCH模型以及ANSTGARCH模型,最终形成一个所谓的非线性GARCH类模型族。本文的主要目的是应用非线性GARCH类模型来刻画沪市的波动性,通过比较各模型在波动性预测精度上的差异,找出能较好地描述沪市波动性的模型,以期对中国股票市场风险的测量与预测以及投资者在投资决策时有所帮助。一、GARCH模型族的介绍1.GARCH模型GARCH模型是在ARCH模型的基础上拓展的,其条件方差方程,表示式如下2.GJRGARCH模型GJRGARCH模型是Glosten,Jagannathan和Runkle在1993年提出的,其具有如下形式的条件方差型中利好消息对条件方差的影响为,利空消息对条件方差的影响为,可以看出如果,则表明波动存在不对称的杠杆效应。3.LSTGARCH模型LSTGARCH模型是由Hagerud1997和GonzalezRivera1998提出的,其条件方差如下动信息的变化在0和1之间变动,实现了残差平方的系数和之间的平滑转换。事实上,当趋于正无穷大时,LSTGARCH模型简化为GJRGARCH模型。4.ESTGARCH模型ESTGARCH模型也是Hagerud在1997年提出的,其条件方差的形式与LSTGARCH模型一致,但取。5.ANSTGARCH模型ANSTGARCH模型是由Anderson,Nam和Vahid在1999年提出的,其条件方差为了两个GARCH1,1模型之间的平滑体制转换。二、实证分析1.数据特性描述本文采用上证股指的日数据,样本区间为2000年1月~2008年4月,样本数为1990个,股指回报为。通过对收益率序列的检验可以得出上证收益率序列具有一定的负向偏度,具有尖峰厚尾的特性,拒绝正态分布假设,是稳定的序列,并且并不具有自相关性。2.GARCH类模型实证结果分析对不同模型进行估计,根据结果可知ANSTGARCHT模型AIC值为5.760612,是所有模型中最小的值,因此ANSTGARCHT模型的估计效果最佳,此模型实现了两个GARCH1,1模型之间的平滑转换,更好的描述了大的负冲击所引起的杠杆效应。比较分析可知GARCHN模型的估计效果相对较差,而GARCHT模型与非线性GARCH类模型的估计效果较好。对各个GARCH类模型1期预测估计可知,各个GARCH模型都能较好的预测收益率的波动特性。总体来看非线性GARCH模型要优于线性GARCH模型,ANSTGARCHT模型的|LE|为2.09036,LSTGARCHT模型的MAE为0.000273,而GARCHN模型的|LE|与MAE分别为2.13237与0.000283,同理可以计算出其他各个非线性GARCH类模型的|LE|与MAE,通过比较可知LSTGARCHT模型与ANSTGARCHT模型对波动的预测能力较为突出。3.VaR误差率分析注括号中的数值为样本中不超过VaR估计值的个数表中给出了不同模型不同临界概率下的VaR估计结果。VaR是衡量金融资产价格波动风险的重要工具。现通过误差率来讨论基于各个模型的VaR对风险测度的准确性。对ANSTGARCHT模型,在95的置信水平下,实际回报低于(VaR)的数目为114个,这个数据除以1990得到5.7286,定义该值为误差率,由于选取置信水平为95,若模型理想,误差率应等于5,若误差率过度小于5,则说明利用模型估计的波动率大于实际情况而导致VaR值偏高,高估了市场风险若误差率过度大于5,则说明模型估计的波动率小于实际情况而导致VaR值偏低,低估了市场风险。对于此模型,在99置信水平下,误差率等于0.9045,接近于1。并且基于ANSTGARCH模型所得到的VaR曲线可以较好地刻画上证股指收益率的波动特征,但在较低置信水平下却会低估收益率的实际损失值。从各个模型的VaR值来看,非线性GARCH模型较为理想,也较贴近实际水平。而从误差率水平来看,在较高置信水平下,ANSTGARCHT模型的效果稍优于其他非线性GARCH模型而非线性GARCH模型整体要优于线性GARCH模型,其中以GARCHN模型的效果最差。三、总结分析本文引用非线性GARCH模型实证研究了上海股票市场的波动率,并将非线性GARCH模型应用于股市风险价值VaR的估计与预测。利用上海股市数据进行的实证结果表明,非线性GARCH类模型能更好地描述我国股票市场的波动性,并且基于非线性GARCH模型的VaR较基于线性GARCH模型的VaR具有更高的精度,其中以ANSTGARCH模型的效果最佳,为我国股票市场风险的测量与预测以及投资者在投资决策起到了很大的作用。参考文献1EngleRF.AutoregressiveconditionalheteroscedasticitywithestimatesofthevarianceofUnitedKingdominflationJ.Econometrica,1982,5098710072Hagerud,G.E.ANewNonLinearGARCHModelM.PhDthesis,IFE,StockholmSchoolofEconomics,19973王春峰金融市场风险管理M.天津天津大学出版社,2003

注意事项

本文(证券其它相关论文-非线性波动模型在上海股票市场中的应用.doc)为本站会员(docin)主动上传,人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知人人文库网([email protected]),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。

copyright@ 2015-2017 人人文库网网站版权所有
苏ICP备12009002号-5