發(fā)布時(shí)間：2020-09-03 13:11

　　 中國(guó)股市僅有20年歷史,由于市場(chǎng)機(jī)制不完善、法制建設(shè)滯后以及投資者心理不成熟等原因,它易受外界因素影響而呈現(xiàn)較大波動(dòng)。因此,對(duì)其波動(dòng)的深入研究顯得尤為重要,不少學(xué)者針對(duì)股票指數(shù)收益率進(jìn)行波動(dòng)性建模。 波動(dòng)性建模的發(fā)展主要經(jīng)歷了三個(gè)階段:早期的同方差假設(shè)下的傳統(tǒng)計(jì)量模型,后來(lái)的自回歸條件異方差(ARCH)模型和隨機(jī)波動(dòng)(SV)模型,以及新近發(fā)展針對(duì)高頻數(shù)據(jù)的非參數(shù)模型。目前應(yīng)用最廣的仍是(G)ARCH類模型,但在實(shí)際應(yīng)用中還可以與時(shí)間序列結(jié)構(gòu)性變點(diǎn)結(jié)合在一起考慮。 在此基礎(chǔ)上,本文使用帶結(jié)構(gòu)性變點(diǎn)虛擬變量的GARCH類模型對(duì)自1996年12月16日至2010年5月31日上證指數(shù)、深證成指收益序列進(jìn)行擬合。內(nèi)容主要從兩個(gè)方面展開:一是使用ICSS算法檢測(cè)樣本期間兩個(gè)指數(shù)收益序列的方差結(jié)構(gòu)性變點(diǎn),該算法的實(shí)質(zhì)是利用一系列迭代殘差構(gòu)造合適的統(tǒng)計(jì)量,事先模擬其分布及臨界值,之后對(duì)序列作假設(shè)檢驗(yàn),從而檢測(cè)出符合要求的變點(diǎn)。另一方面是把這些結(jié)構(gòu)性變點(diǎn)作為虛擬變量加入GARCH類模型重新擬合,然后比較不同情況下的擬合優(yōu)度及預(yù)測(cè)精度,選出最優(yōu)模型。這里需要考慮的因素還有風(fēng)險(xiǎn)溢價(jià)、非對(duì)稱效應(yīng)以及擾動(dòng)項(xiàng)分布等。 對(duì)樣本序列進(jìn)行實(shí)證檢驗(yàn)的結(jié)果表明,中國(guó)股市中部分重大事件使股指收益序列方差形成了結(jié)構(gòu)性變化,考慮這些結(jié)構(gòu)性變點(diǎn),并將其作為虛擬變量加入EGARCH(1,1)模型的擬合效果相對(duì)較好。其中,假定擾動(dòng)項(xiàng)t分布下的擬合優(yōu)度最高,但GED分布假設(shè)下預(yù)測(cè)精度更好。這樣,進(jìn)一步的研究便可對(duì)資產(chǎn)收益風(fēng)險(xiǎn)價(jià)值等作更為精確的度量。
【學(xué)位單位】：山西財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2011
【中圖分類】：F224;F832.51

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 時(shí)振;非參數(shù)方法及其在T模型上的應(yīng)用[D];復(fù)旦大學(xué);2012年

本文編號(hào)：2811478