第二章 模型理论与研究方法
2.1模型的引入
在有关金融学研究和经验分析中, 自回归条件异方差模型( Autoregressive Conditional Heterosked asticity , ARCH ) 被用于专门对波动性的建模和预测。最早的ARCH 模型由Engle提出,ARCH被认为扰动项的条件方差依赖于它前期值的大小。
Bollerslev把它扩展为广义自回归条件异方差( GARCH) 模型。
Engle 、Lilien 和Robins则把条件方差引入到均值方程中, 并且提出了条件异方差均值模型( ARCH - M) 。
大家为了克服GARCH 模型在处理金融时间序列数据时存在的一些不缺点,Nelson 提出了指数GARCH ( EGARCH) 模型, 该模型提出考虑了正负资产收益之间的不对称性。
金融市场中的波动性模型还有很多例如Nicholls 和Quinn的随机系数自回归模型( Random Coefficient Autoregressive Model ,RCA) , 以及Melino Turnbull 、Harvey et al 、J acquier et al 的随机波动性模型( Stochastic Volatility Model , SV)。
这些年来,国内专家学者对GARCH 类模型做了很多介绍和研究,并且他们用GARCH 类模型对我国金融市场股票价格收益报酬的关系做了许多探索性研究。岳朝龙 运用GARCH 模型族, 实证分析了上海股市收益率的波动特征, 并且指出上海股票市场收益率不仅具有条件异方差性,而且具有“杠杆效应”。皮天雷也对上证指数的波动进行拟合,结果声明,广义自回归条件方差模型是对我国股市波动性具有较好的拟合效果。唐齐鸣和陈健 用GARCH ( 1 ,1) 和EGARCH ( 1 ,1) 模型分析了沪深股市的ARCH 效应, 发现中国股市具有较为明显的ARCH 效应, 针对中国股市现实存在的问题,提出了加速发展中国股市的政策建议。陈浪南和黄杰鲲采用GJRGARCH - M 模型,从实证的角度验证分析了利好消息和利空消息对股股市的非对称影响,发现中国股票市场对消息的反应不同于现存文献,认为中国股票市场投机成分不断趋于减少、投资者不断成熟。这些介绍和应用无疑对我国金融市场的研究和健康发展起到了积极而重要的促进作用。然而国内研究者在用GARCH 类模型研究国内金融市场,通常存在这样一些问题: ( 1 ) 估本文来自辣.文~论,文·网原文请找腾讯752018766计模型时没有考虑金融时间序列数据的非正态性, 从而使估计参数的标准差和方差缺乏一致性, 进而影响估计参数的置信度; ( 2 ) 模型选取时的随意性, 即没有根据金融数据本身的特征或模型的经济学含义来选取ARCH 类模型以及模型阶数; ( 3 ) 对无条件方差的存在性( 或有界性) 不加检验。
本文针对沪深两市存在的波动性，运用GARCH族模型进行比较分析，探索股票市场波动性产生的原因，以及验证股票市场的条件异方差性与杠杆效应。
上一页 [1] [2] [3] [4] 下一页
我国沪深两市收益率波动性的对比分析 第3页下载如图片无法显示或论文不完整，请联系qq752018766
