【摘要】：波動(dòng)模型在金融計(jì)量學(xué)中占據(jù)著極其重要的地位。因?yàn)橘Y產(chǎn)價(jià)格變化的條件方差不能被直接觀察到，該條件方差的度量只能通過對(duì)收益序列所服從的隨機(jī)過程進(jìn)行參數(shù)化方法而得到。因此，那些需要準(zhǔn)確預(yù)測(cè)未來波動(dòng)的從業(yè)者對(duì)于選擇合適的波動(dòng)模型有著很大的興趣。例如，從投資者的角度來說，交易員需要進(jìn)行股票期權(quán)定價(jià)，投資組合經(jīng)理要根據(jù)波動(dòng)情況制定有利的投資計(jì)劃，風(fēng)險(xiǎn)經(jīng)理要計(jì)算投資組合的市場(chǎng)風(fēng)險(xiǎn)等；從另外一個(gè)角度來說，波動(dòng)模型對(duì)于政策制定者和央行而言也具有非常重要的作用。一個(gè)合理的模型有助于他們觀察金融市場(chǎng)的發(fā)展情況，以此獲得用來分析貨幣和金融穩(wěn)定的信息，央行也會(huì)定期地分析不同資產(chǎn)的期權(quán)價(jià)格來計(jì)算市場(chǎng)對(duì)未來資產(chǎn)價(jià)格的預(yù)期。所以，去發(fā)現(xiàn)、把握、利用股市的波動(dòng)規(guī)律對(duì)廣大投資者、從業(yè)者以及管理者而言有著不言而喻的作用。 學(xué)界和業(yè)界早已對(duì)股市的波動(dòng)性進(jìn)行了深入的分析。Engle (1982)在他的一篇論文中首先提出了著名的自回歸條件異方差(ARCH)模型，并對(duì)波動(dòng)聚類(Volatility Cluster)情況進(jìn)行了詳細(xì)的分析，得到了良好的效果，此后ARCH模型便迅速成為對(duì)金融時(shí)間序列進(jìn)行分析的主要工具之一。Bollerslev (1986)通過對(duì)ARCH模型進(jìn)行推廣，得到后來被普遍使用的廣義自回歸條件異方差(GARCH)模型，雖然GARCH模型在ARCH模型的基礎(chǔ)上有了改進(jìn)和優(yōu)化，但是該模型并沒有把結(jié)構(gòu)突變對(duì)金融時(shí)間序列造成的影響考慮進(jìn)去，即金融時(shí)間序列會(huì)因?yàn)榻Y(jié)構(gòu)突變而形成不同的波動(dòng)狀態(tài)。此后，Nelson (1991)又提出了EGARCH模型，Zakoian (1994)提出了TGARCH模型。學(xué)者們對(duì)股票市場(chǎng)經(jīng)過大量研究后，得到的結(jié)果表明：在ARCH類模型中波動(dòng)具有較高的持續(xù)性。雖然股票市場(chǎng)波動(dòng)的持續(xù)性特征能通過ARCH類模型很好地刻畫出，但是Hamilton通過進(jìn)一步研究美國(guó)股票市場(chǎng)發(fā)現(xiàn)，ARCH類模型在波動(dòng)性的預(yù)測(cè)方面表現(xiàn)不佳。為此，Hamilton (1994)便提出了馬爾科夫區(qū)制轉(zhuǎn)移的ARCH (Regime-switching ARCH)模型，即SWARCH模型，該模型成功地解決了ARCH類模型對(duì)波動(dòng)的持續(xù)性較好的描述能力與對(duì)波動(dòng)較差的預(yù)測(cè)能力之間的矛盾。 本文的主要目的是從樣本內(nèi)和樣本外兩個(gè)角度來研究沖擊的持續(xù)性。我們使用帶有杠桿效應(yīng)的SWARCH模型，，并采用馬爾科夫鏈蒙特卡洛(MCMC)模擬對(duì)模型進(jìn)行估計(jì)，以此來對(duì)我國(guó)滬深300指數(shù)收益率的波動(dòng)性進(jìn)行實(shí)證研究，并對(duì)實(shí)證結(jié)果采取一些診斷措施，以及用后驗(yàn)預(yù)分析來評(píng)估模型捕捉到的方差方程是否與數(shù)據(jù)擬合良好，以此判斷模型的精度。 結(jié)果表明：首先，對(duì)于樣本期內(nèi)的滬深300指數(shù)收益率而言，其波動(dòng)率只分為高波動(dòng)率水平和低波動(dòng)率水平兩種狀態(tài)，且模型方差方程中的ARCH項(xiàng)階數(shù)為4，即SWARCH-L (2,4)模型最為適合。其次，本文使用貝葉斯方法在對(duì)SWARCH-L (2,4)模型估計(jì)完成后，為了評(píng)估該模型對(duì)樣本數(shù)據(jù)的擬合情況，我們用同樣的方法對(duì)GARCH (1,1)模型進(jìn)行了估計(jì)，通過比較，我們發(fā)現(xiàn)：對(duì)于方差方程中的自回歸條件部分引起的波動(dòng)受到的沖擊的持續(xù)性而言，S WARCH-L (2,4)模型比GARCH (1,1)模型的持續(xù)性稍短；且后驗(yàn)預(yù)測(cè)分析表明： SWARCH-L (2,4)模型和GARCH (1,1)模型都能很好地捕捉到收益觀測(cè)序列的波動(dòng)動(dòng)態(tài)，且GARCH (1,1)模型表現(xiàn)的更好，因此對(duì)于滬深300指數(shù)而言， GARCH (1,1)模型對(duì)數(shù)據(jù)的擬合效果更佳。最后，本文基于貝葉斯動(dòng)態(tài)預(yù)測(cè)方法，分別使用SWARCH-L (2,4)模型、G ARCH (1,1)以及常波動(dòng)率模型對(duì)2011年4月11日至2012年3月6日期間我國(guó)滬深300指數(shù)收益率的波動(dòng)情況進(jìn)行了預(yù)測(cè)，預(yù)測(cè)水平s有1天、7天、28天和45天，并對(duì)各模型的預(yù)測(cè)效果進(jìn)行了比較分析。結(jié)果發(fā)現(xiàn)：在各預(yù)測(cè)水平上僅根據(jù)RMSE、RMSLE以及MAPE的值， GARCH (1,1)模型的預(yù)測(cè)效果都比SWARCH-L (2,4)模型表現(xiàn)的好。但是，隨著預(yù)測(cè)水平的上升，SWARCH-L (2,4)模型的預(yù)測(cè)值對(duì)于實(shí)際發(fā)生的波動(dòng)進(jìn)行解釋的能力卻是增強(qiáng)的。需要說明的是，所有模型預(yù)測(cè)的波動(dòng)率都是實(shí)際波動(dòng)率的有偏估計(jì)。
[Abstract]:......
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：F224;F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 萬蔚;江孝感;;我國(guó)滬、深股市的波動(dòng)性研究——基于GARCH族模型[J];價(jià)值工程;2007年10期

2 蔣祥林,王春峰,吳曉霖;基于狀態(tài)轉(zhuǎn)移ARCH模型的中國(guó)股市波動(dòng)性研究[J];系統(tǒng)工程學(xué)報(bào);2004年03期

本文編號(hào)：2333930