【摘要】：近年來,金融市場(chǎng)的劇烈波動(dòng)使得金融機(jī)構(gòu)和監(jiān)管當(dāng)局面臨著巨大的挑戰(zhàn)。如何準(zhǔn)確辨識(shí)、測(cè)量金融風(fēng)險(xiǎn)成為了金融機(jī)構(gòu)和監(jiān)管部門關(guān)注的焦點(diǎn)。在金融市場(chǎng)上,經(jīng)濟(jì)政策的出臺(tái)、金融監(jiān)管制度的變遷以及金融市場(chǎng)自身的完善,都會(huì)導(dǎo)致市場(chǎng)結(jié)構(gòu)發(fā)生變化。 為了考慮金融市場(chǎng)在不同狀態(tài)下收益率的結(jié)構(gòu)性變化,本文將表現(xiàn)狀態(tài)轉(zhuǎn)換的Markov過程引入ARCH模型。并以上證綜指為樣本進(jìn)行實(shí)證研究,采用SW-ARCH模型并利用非參數(shù)核密度估計(jì)技術(shù)辨識(shí)了我國(guó)股市出現(xiàn)的大幅異常波動(dòng)狀態(tài),用Kupiec的失敗頻率檢驗(yàn)法對(duì)VaR的準(zhǔn)確性檢驗(yàn)來驗(yàn)證模型的有效性。同時(shí)對(duì)我國(guó)股市波動(dòng)中的高波動(dòng)狀態(tài)(狀態(tài)3)出現(xiàn)的原因進(jìn)行了分析研究。 實(shí)證結(jié)果表明SW-ARCH模型不僅能反映出不同狀態(tài)狀態(tài)的平均持續(xù)時(shí)間和條件方差,同時(shí)還可以反映出狀態(tài)發(fā)生變化的時(shí)間點(diǎn),尤其是在市場(chǎng)產(chǎn)生異常波動(dòng)的時(shí)候能有效地提高波動(dòng)的預(yù)測(cè)能力。導(dǎo)致高波動(dòng)狀態(tài)出現(xiàn)的原因多是根據(jù)證券市場(chǎng)的發(fā)展要求而出臺(tái)的一系列政策法規(guī)(如國(guó)有股減持、QFII制度、印花稅的調(diào)整等)。同時(shí)利率的波動(dòng)、房地產(chǎn)調(diào)控政策等也會(huì)導(dǎo)致高波動(dòng)狀態(tài)的出現(xiàn)。在分別對(duì)利率和房地產(chǎn)調(diào)控政策對(duì)股市的波動(dòng)影響程度進(jìn)行研究時(shí)發(fā)現(xiàn),利率下降會(huì)在某種程度上導(dǎo)致高波動(dòng)狀態(tài)的出現(xiàn),僅直接針對(duì)房?jī)r(jià)和住房信貸的政策會(huì)在某種程度上導(dǎo)致高波動(dòng)狀態(tài)的出現(xiàn),但存在一定的滯后。
【圖文】：

我國(guó)股市的交易日為周一到周五，所以選取前 5 個(gè)滯后期以涵蓋整個(gè)周，滯后10、15為每周自相關(guān)性的延伸。圖4.4給出了上證綜指收益率序列的自相關(guān)（AC）和偏相關(guān)（PAC）的估計(jì)值。滯后 1 天、3 天、4 天的自相關(guān)系數(shù)盡管小，但是都明顯為正。Q 統(tǒng)計(jì)量表明，在置信水平為 5%下，，收益序列在滯后 1 天、2 天、3天、5 天都不能拒絕零假設(shè)，即不存在自相關(guān)性；僅在滯后 4 天拒絕零假設(shè)，存在自相關(guān)性。在其他滯后期均拒絕零假設(shè)，即存在自相關(guān)性。圖 4.4 收益序列的自相關(guān)和偏相關(guān)圖Fig.4.4 Autocorrelation and Partial Correlation graph of Return Series4.1.3 集聚性分析在本文的第二章中提到，對(duì)波動(dòng)集聚現(xiàn)象出現(xiàn)的一種解釋是外部沖擊對(duì)資本價(jià)格波動(dòng)的持續(xù)性影響導(dǎo)致的。而高頻數(shù)據(jù)表現(xiàn)出的 ARCH 效應(yīng)就是信息以集聚方式到達(dá)的反映。序列是否存在 ARCH 效應(yīng)

波動(dòng)狀態(tài)的平均持續(xù)時(shí)間加大。SW-ARCH 模型將波動(dòng)分解為狀態(tài)波動(dòng)和 ARCH波動(dòng)后，從平滑概率圖（圖 4.5）中可以發(fā)現(xiàn)狀態(tài)波動(dòng)具有較高的持續(xù)，無論是在時(shí)間上還是波動(dòng)幅度上都主導(dǎo)著波動(dòng)族，并產(chǎn)生大的波動(dòng)集聚效應(yīng)。而狀態(tài)內(nèi)的ARCH 波動(dòng)并不具有同 GARCH 模型的高度持續(xù)性特征，這表明狀態(tài)轉(zhuǎn)換對(duì)我國(guó)股市波動(dòng)具有較大的影響。同時(shí) SW-ARCH 模型也解釋了傳統(tǒng) GARCH 模型族無法解釋的波動(dòng)具有無限記憶性，即在狀態(tài)轉(zhuǎn)換中的轉(zhuǎn)移概率11p ，22p 都較大，導(dǎo)致狀態(tài)具有長(zhǎng)記憶性。從預(yù)測(cè)圖（圖 4.6）中可以看出，SW-ARCH 模型對(duì)上證綜指的預(yù)測(cè)效果和對(duì)外部刺激的反應(yīng)靈敏度明顯優(yōu)于 GARCH 模型。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2011
【分類號(hào)】：F224;F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 丁志國(guó);蘇治;杜曉宇;;經(jīng)濟(jì)周期與證券市場(chǎng)波動(dòng)關(guān)聯(lián)性——基于向量SWARCH模型的新證據(jù)[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2007年03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

3 張志鵬;楊朝軍;仲偉周;;中國(guó)股市流動(dòng)性的體制轉(zhuǎn)變及政策效應(yīng)分析[J];系統(tǒng)管理學(xué)報(bào);2008年05期

相關(guān)碩士學(xué)位論文 前1條

1 郭名媛;具有馬爾可夫結(jié)構(gòu)轉(zhuǎn)換機(jī)制的波動(dòng)模型及其應(yīng)用[D];天津大學(xué);2003年

本文編號(hào)：2654132