论文部分内容阅读
长期以来,股票市场收益率波动性的研究历来是金融时间序列研究的关键问题,同时也是每个国家监管机构最关注的权衡目标,因为股票波动性是反映股票价格变化最便捷和最管用的指标之一,同时,与企业投资,财务策划以及消费者的消费行为最为密切相关的。近些年来,我国的股票市场发展迅猛,对股票波动率的变化的度量方法需求也日益强烈。GARCH模型是为金融数据而专门量体定做的条件异方差模型,其非常适合于股市收益波动性的分析。GARCH模型(广义自回归条件异方差模型)是ARCH模型(自回归条件异方差模型)的推广形式,其充分地说明了资产收益率波动过程。金融时间序列的特点为波动集聚性、非对称性以及尖峰厚尾性。一般地波动集聚性由ARCH模型及其一般形式GARCH模型来刻画,金融时间序列另一个典型的特征是非对称性,GARCH模型中一般都假定残差项是服从正态分布的,不能够表现出这一特点。首先,文章建立了金融时间序列对于波动性非对称性的TAR—GARCH模型(阈自回归GARCH模型),检验股市收益波动对于其自相关性的差异性,以及对于正负信息的差异性。其次,本文引入了虚变量,采用股市收益的虚变量GARCH模型来刻画金融时间序列的非对称性,通过对GARCH模型的改进,更好的反应了金融时间序列的特点及股票波动性的变化,得到了更好的拟合效果。本文将虚变量GARCH模型应用于上证综合指数的波动性研究,拓展了GARCH模型在股票市场上的应用。经研究表明,GARCH模型的改进具有非常重要的理论意义和现实意义,不但可以帮助投资者针对具体情况作出具体分析,而且对于政策的制定者也具有很大的参考价值。最后,又将虚变量GARCH模型和GARCH模型的变体(即非对称GARCH模型)在实例分析中进行对比,更加说明本论文创新点的适用性,即非常适合股票波动性的分析,可以起到非常重要的作用,其意义和对数值本身的研究相比更加显著。