滬深300指數(shù)和世界重要股指的聯(lián)動(dòng)性分析
發(fā)布時(shí)間:2020-07-25 20:09
【摘要】: 隨著世界金融體系的發(fā)展,世界經(jīng)濟(jì)體之間的相互影響越來(lái)越深入,金融市場(chǎng),證券市場(chǎng)之間的相互影響更是越來(lái)越明顯,一個(gè)市場(chǎng)的利好消息利空消息產(chǎn)生的影響也會(huì)對(duì)其他世界市場(chǎng)的滯后時(shí)間點(diǎn)的股票價(jià)格產(chǎn)生影響。 首先,針對(duì)中國(guó)有關(guān)滬深300指數(shù)的具體情況,采用目前世界廣泛采用的“協(xié)整理論”及基于VAR的Granger因果關(guān)系檢驗(yàn),對(duì)影響滬深300指數(shù)的主要原因做了“協(xié)整建!狈治。 其次,本文基于GARCH類模型對(duì)各股指做了波動(dòng)研究,研究結(jié)果顯示,滬深300指數(shù)和世界重要股指都存在著不同程度的非對(duì)稱性,和事實(shí)比較接近,對(duì)于利好消息產(chǎn)生的沖擊小于利空消息帶來(lái)的沖擊程度。從滬深300指數(shù)的信息沖擊曲線上也能看出利空消息比較陡峭而利好消息比較平緩。其他指數(shù)也分別滿足EGARCH和TGARCH模型,非對(duì)稱項(xiàng)系數(shù)均顯著說(shuō)明了利空利好消息帶來(lái)的不同程度的沖擊,利空消息往往帶來(lái)更大的沖擊影響。 最后,利用Copula函數(shù)研究滬深300指數(shù)和世界重要股指之間的相依結(jié)構(gòu),分別采用帶高斯、t和經(jīng)驗(yàn)邊際分布的高斯和t-Copula進(jìn)行連接結(jié)構(gòu)分析,高斯Copula和高斯邊際的關(guān)于u的分布圖顯示更集中于中部,而具有時(shí)變方差特性的正態(tài)邊際分布和t邊際尾部更加分散,更接近于經(jīng)驗(yàn)分布的情形,比較適合于擬合投資組合的研究。雖然各指數(shù)之間的相關(guān)系數(shù)是相同的,但是根據(jù)不同的Copula函數(shù)進(jìn)行連接,它們之間的相依結(jié)構(gòu)也是不同的。
【學(xué)位授予單位】:南京理工大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2009
【分類號(hào)】:F224;F832.51
【圖文】:
各指數(shù)圖形關(guān)系
一硯二加《〕之5一心〕。,《〕。。赫耐,恤卿‘‘。卿州耐耐卿卿R曰51圖5.1滬深300指數(shù)對(duì)數(shù)收益率從滬深300指數(shù)對(duì)數(shù)收益率圖5.1可以看到,較大的波動(dòng)后面跟著較大的波動(dòng),較小的波動(dòng)后面跟著較小的波動(dòng),說(shuō)明這些指數(shù)序列都呈現(xiàn)明顯的時(shí)變方差特性。第一步需要檢驗(yàn)收益序列的殘差是否存在波動(dòng)集聚效應(yīng)即ARCH效應(yīng)。建立
AIC=一 4.841239SC=一4.831667(5.2)該回歸方程的t統(tǒng)計(jì)量顯著,并且Alc,sc值都變的更小,所以下面將采用該式為基礎(chǔ)進(jìn)行GARCH族模型研究。該模型的殘差序列圖見(jiàn)圖5.2:一(〕一《〕’一}二{!{;.{圖 5.2硯3月〕()rh“。t!滬深300指數(shù)對(duì)數(shù)收益率AR(l)殘差序列殘差圖顯示模型存在自回歸條件異方差。對(duì)上述殘差序列再進(jìn)行LM檢驗(yàn)當(dāng)滯后階數(shù)取8時(shí),得到如下檢驗(yàn)結(jié)果表5.2:表5.2收益率序列殘差LM檢驗(yàn)F統(tǒng)計(jì)量LM二樣本數(shù)*RZ 7.41036556.50812 P=0.000000P=0.000000當(dāng)滯后階數(shù)為8時(shí),兩個(gè)P值遠(yuǎn)小于置信水平0.05,兩種統(tǒng)計(jì)量都顯示模型的殘差模型存在高階ARCH效應(yīng)。第二步建模和預(yù)測(cè)。為了顯示出利好和利空消息對(duì)指數(shù)波動(dòng)的不同程度的影響,分別建立了GARCH(l,l),GARCH一M,TGARCH
本文編號(hào):2770303
【學(xué)位授予單位】:南京理工大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2009
【分類號(hào)】:F224;F832.51
【圖文】:
各指數(shù)圖形關(guān)系
一硯二加《〕之5一心〕。,《〕。。赫耐,恤卿‘‘。卿州耐耐卿卿R曰51圖5.1滬深300指數(shù)對(duì)數(shù)收益率從滬深300指數(shù)對(duì)數(shù)收益率圖5.1可以看到,較大的波動(dòng)后面跟著較大的波動(dòng),較小的波動(dòng)后面跟著較小的波動(dòng),說(shuō)明這些指數(shù)序列都呈現(xiàn)明顯的時(shí)變方差特性。第一步需要檢驗(yàn)收益序列的殘差是否存在波動(dòng)集聚效應(yīng)即ARCH效應(yīng)。建立
AIC=一 4.841239SC=一4.831667(5.2)該回歸方程的t統(tǒng)計(jì)量顯著,并且Alc,sc值都變的更小,所以下面將采用該式為基礎(chǔ)進(jìn)行GARCH族模型研究。該模型的殘差序列圖見(jiàn)圖5.2:一(〕一《〕’一}二{!{;.{圖 5.2硯3月〕()rh“。t!滬深300指數(shù)對(duì)數(shù)收益率AR(l)殘差序列殘差圖顯示模型存在自回歸條件異方差。對(duì)上述殘差序列再進(jìn)行LM檢驗(yàn)當(dāng)滯后階數(shù)取8時(shí),得到如下檢驗(yàn)結(jié)果表5.2:表5.2收益率序列殘差LM檢驗(yàn)F統(tǒng)計(jì)量LM二樣本數(shù)*RZ 7.41036556.50812 P=0.000000P=0.000000當(dāng)滯后階數(shù)為8時(shí),兩個(gè)P值遠(yuǎn)小于置信水平0.05,兩種統(tǒng)計(jì)量都顯示模型的殘差模型存在高階ARCH效應(yīng)。第二步建模和預(yù)測(cè)。為了顯示出利好和利空消息對(duì)指數(shù)波動(dòng)的不同程度的影響,分別建立了GARCH(l,l),GARCH一M,TGARCH
【引證文獻(xiàn)】
相關(guān)碩士學(xué)位論文 前2條
1 行成生;我國(guó)區(qū)域市場(chǎng)城市房?jī)r(jià)波動(dòng)特征的實(shí)證研究[D];東北財(cái)經(jīng)大學(xué);2010年
2 母宇;中國(guó)股票市場(chǎng)與全球主要股票市場(chǎng)聯(lián)動(dòng)性研究[D];西南民族大學(xué);2011年
本文編號(hào):2770303
本文鏈接:http://sikaile.net/guanlilunwen/zhqtouz/2770303.html
最近更新
教材專著