开题报告 基于GARCH 族模型的沪市风险溢价情况及杠杆效应的研究分析 财务会计学专业

基于GARCH族模型的沪市风险溢价及杠杆效应研究一、选题的背景和意义我国股票市场的收益率也是服从非正态分布的，具有一定的尖峰厚尾的特征，并有很强的波动集聚性和持续性。同时我国股市股价的波动确实存在较为显著的ARCH效应，因而GARCH族模型适合于拟合我国股市的日收益率序列。股票的收益率与风险存在明显的正相关，存在明显的风险溢价，也就是说，股市的风险越大，人们对于投资所要求的报酬也就越大，这从本文中的GARCH-M模型中可以得到验证。因此，当股市处于波动较大的时候，政府更加要注重保护投资者的利益。上海股票市场上确实存在信息不对称的现象（从TGARCH与EGARCH模型中可以得出），即坏消息对股市波动的影响与好消息的影响不同，坏消息的影响明显要大于好消息的影响，这与大量的国际经验是相同的。同时也说明了我国股票市场还不太成熟，主要是过多地依赖行政措施的干预而不是市场化的调节手段。最后，上海股票市场的波动性持续的时间较长（从GARCH模型的GARCH（-1）系数为0.871792可以得出），说明了当证券收益率受到宏观政策、国际局势等因素影响出现异常波动后，需要很长时间才能够消除影响。管理当局在出台政策时应更加稳健，对市场的调控也更应从长远的角度考虑，把握好政策的调整力度。二、国内外研究现状及发展趋势我国学者研究GARCH模型与ARCH模型的区别就是在条件均值方程中加入了条件均值的自身滞后值的影响，因而简化了高阶的ARCH模型，一个具体的GARCH模型就是在具有与ARCH模型相同的均值方程之外的条件方差方程有所不同，举个例子，模型GARCH(p,q)的具体形式可以表示如下：在金融市场中，证券的收益率往往会依赖于它的波动率。一般来说，证券的波动率越大的话，投资者对其期望的收益率也就会越大。Engle在1982年提出了ARCH模型，成为了给波动率建模提供一个系统框架的第一个模型，ARCH模型的基本思想是：(a)均值修正的资产收益率αt是前后不相关的，但不是独立的；(b)αt的不独立性可以用一个它的延迟值的简单二次函数来表述。具体地说，一个ARCH(p)模型表示如下：其中，{εt}是独立同分布(iid)的随机变量序列，均值和方差分别为0和1，实际中通常假定εt服从标准正态分布或者标准化的学生-t分布；α0＞0，αi≥0；同时上式中的系数还必须要满足一些正则性的条件来保证αt的无条件方差是有限的。我们看到，ARCH模型是个很简单的模型，然而，在实际应用中，ARCH模型虽然能够得出较为准确的拟合效果，却往往需要很多的参数。为此，Bollerslev在1986年时提出了另外一个非常有用的推广形式，被称为推广的ARCH（GARCH）模型。因此，为了解决收益与波动之间的关系，对这种现象进行建模，1987年Engle、Lilien和Robins将条件方差引入到均值方程中，提出了著名的GARCH-M模型。该模型下的均值方程做了如下的修正：在该模型下，若建模后得到的均值方程中ψ的显著地不等于0的话，那么就能够说明该证券的收益率与其风险有着显著的关系。应该补上前人风险溢价和杠杠效应方面的研究成果三、研究的基本内容本文利用GARCH族模型对上证股市波动性进行深入研究，在利用经验建模的基础上，采用GARCH族模型对传统模型进行修正，GARCH族模型能消除残差的异方差性。利用GARCH-M模型对上证股市风险溢价情况进行分析，表明上证股市波动中存在强烈的冲击，收益有正的风险溢价性。并利用EGARCH模型对股市波动的非对称性进行研究，表明股市中坏消息引起的波动比同等大小的好消息引起的波动要大得多，存在明显的杠杆效应。论文基本框架引言。稍微具体点，引言写什么一、文献回顾………二、实证研究……..样本数据情况介绍、模型介绍、分析步骤介绍等2.1上证综指收盘价序列波动聚集的现象使其存在明显的GARCH效应2.2自回归后的残差具有高峰厚尾的特征2.3上证股市存在明显的GARCH-M效应2.4收益与风险的正相关关系体现收益有正的风险溢价2.5上证股市存在明显的杠杆效应2.6股市中坏消息引起的波动比同等大小的好消息引起的波动大得多还没有做研究的，这么说不好吧三、结论及其现实意义……..论文框架需要充实哎（二）研究的重点和难点基于EGARCH模型进行杠杆效应分析：股票价格波动中，相同单位的利空消息对波动的影响往往大于利好消息，这种非对称性影响称为杠杆效应。EGARCH模型是有效研究杠杆效应的方法之一。可观察到信息冲击曲线非对称，左边相对于右边明显较为陡峭，表明当出现负的冲击时（利空消息），该冲击对于上证指数产生的波动要明显大于出现正冲击（利好消息）所带来的波动。市场对利空消息的反应更加强烈，存在明显的杠杆效应。拟解决的关键问题本文选取上海证券交易所综合股价指数（上证综指）2018年3月3日-2018年4月3日的2452个日收盘价格数据（数据取自RESSET数据库），数据的分析处理及图形的生成均借助Eviews完成。建立初步模型，在数据分析处理过程中，将上证综指日收盘价序列记为SZ，为减少舍入误差，对SZ序列进行自热对数处理，记为LSZ，将序列LSZ作为因变量。该残差序列的Q统计量的概率有小于显著水平0.05的情况，残差序列存在自相关性，说明该模型对原始序列的信息提取不够充分。通过上述建模分析，GARCH（1，1）模型确实能够有效消除残差的异方差性。方差方程中的ARCH项和GARCH项系数均非负，且二者系数之和为0.991502，均小于1，满足模型参数约束条件。但是残差序列并不是白噪声，存在自相关性，进一步考虑调整模型，引入自回归项。五、预期研究成果调整模型中，残差序列为白噪声序列，该模型对信息提取充分。由于系数之和非常接近于1，表明条件方差所受的冲击是持久的，误差项的波动存在强烈冲击。在基于GARCH-M模型进行风险溢价分析中，金融理论表明，具有较高可观测到风险的资产可以获得更高的平均收益，其原因在于人们一般认为金融资产的收益应当与其风险成正比，风险越大，预期的收益就越高。用收益率的方差或标准差来衡量金融资产的风险。GARCH-M模型将条件方差加入到均值方程中，来描述风险与收益之间的关系，即为风险溢价情况。残差序列为白噪声序列，该模型对信息提取充分。在解释股票等进入资产的收益时，用随机误差项的条件方差σ2反映风险的大小。均值方程中条件方差项σ2系数的Z统计量显著，σ2的估计系数为16.86565，表示每增加一单位的风险，约增加16.86565单位的回报。反映了收益与风险的正相关关系，收益有正的风险溢价。六、研究工作进度计划第7学期第20周1月8日指导教师与学生见面,指导学生选题,初步查找,收集相关资料.第7学期结束即1月20日前,由指导教师下达毕业论文(设计)任务书,制定毕业论文(设计)相关计划.第8学期第2周结束即2月23日前,学生应完成开题报告,并交给指导教师审阅.指导教师将开题报告电子版统一提交至系里留档.第8学期第8周(4月2日-4月6日),我系将组织毕业论文(设计)中间检查,检查内容涉及:学生论文(设计)任务书的执行情况;指导教师的指导情况;毕业论文(设计)工作各环节的跟踪检查及改进措施.学生在第8学期11周结束即4月27日以前完成论文(设计)初稿,并交给指导教师审阅.学生根据指导教师