基于SV模型的我國股市波動性實證分析
發(fā)布時間：2022-12-23 00:35
經過二十多年的發(fā)展,我國金融市場在得到迅猛發(fā)展的同時,也呈現出了前所未有的波動性,致使金融市場風險日趨嚴重,金融風險的度量得到了日益關注。在我國股市起伏劇烈,使得股市存在著巨大的風險,但同時也存在著巨大的機會。廣大中小投資者投資空前狂熱,然而由于投資者對股市風險無知,盲目的進入股市,損失慘重。而投資者的行為也加劇了股市的劇烈波動性,增大了股市風險。因此系統(tǒng)深入研究中國股市波動特征和風險價值具有重要的現實意義。 隨機波動率（SV）模型是一類能很好刻畫金融數據波動特征的模型,目前在金融領域中有著廣泛的用途。因此本文選用隨機波動模型描述我國股票市場的波動性特征,通過模型的實證研究力求揭示我國股市的總體特征,并為其規(guī)范和完善我國股票市場提供參考價值。 本文首先介紹了股市波動性研究的背景和意義,在此基礎上回顧了國內外關于波動性的主要研究成果,并指出波動性研究可能提升的之處。實證方面,利用2009-1-6到2010-6-30滬深300指數收益率數據分析了我國股市收益率特征,然后采用標準SV（SV-N）和厚尾SV（SV-T）模型對滬深300指數收益率波動進行建模分析。模型的參數估計是通過...
【文章頁數】：51 頁
【學位級別】：碩士
【文章目錄】：
摘要
Abstract
1. 緒論
1.1 選題背景和意義
1.2 國內外研究現狀及評價
1.2.1 金融數據波動研究
1.2.2 金融數據的VaR研究
1.3 研究思路、關鍵點和論文框架
2. 我國股市收益率波動描述性分析
2.1 數據來源與符號說明
2.2 我國股市收益率特征分析結果
2.2.1 尖峰厚尾性
2.2.2 平穩(wěn)性
2.2.3 波動聚集性
2.2.4 平方收益記憶性
3. 股市收益波動模型及估計
3.1 ARCH族模型
3.1.1 ARCH模型提出背景
3.1.2 ARCH模型及擴展
3.1.3 ARCH族模型的不足
3.2 隨機波動(SV)模型
3.2.1 隨機波動模型(SV)的提出
3.2.2 標準SV(SV-N)模型
3.2.3 厚尾SV(SV-T)模型
3.3 隨機波動(SV)模型的估計
3.3.1 貝葉斯原理
3.3.2 馬爾可夫蒙特卡羅模擬(MCMC)
3.3.3 Gibbs抽樣
3.3.4 模型估計的軟件實現
4. 我國股市收益率SV模型建模分析
4.1 標準SV(SV-N)模型建模
4.2 厚尾SV(SV-T)模型建模
4.3 SV-N和厚尾SV模型結果對比分析
5. 基于SV模型我國股市風險價值(VaR)分析
5.1 股市風險與VaR
5.1.1 股市風險的含義與類型
5.1.2 VaR的含義與優(yōu)缺點
5.2 VaR測度股市風險
5.2.1 SV模型VaR的方法
5.2.2 VaR的回顧測試(Back-Testing)
5.3 實證分析
6. 結束語
6.1 本文的工作
6.2 結論與建議
參考文獻
附錄
致謝
【參考文獻】：
期刊論文
[1]VaR方法及其在中國股票市場的風險度量研究[J]. 史天雄,錢錦曄. 中國地質大學學報(社會科學版). 2010(04)
[2]基于SV模型的滬深300指數日收益率波動性實證研究[J]. 郭衛(wèi)超,謝琦. 大眾商務. 2010(06)
[3]基于SV模型的滬深股市風險分析[J]. 田秋榮,欒長福. 科學技術與工程. 2009(10)
[4]基于Gibbs抽樣的厚尾SV模型貝葉斯分析及其應用[J]. 朱慧明,李峰,楊錦明,虞克明. 系統(tǒng)仿真學報. 2008(09)
[5]上海股市的VaR風險研究[J]. 方杰興. 經濟師. 2007(04)
[6]隨機波動性模型的比較分析[J]. 王春峰,蔣祥林,吳曉霖. 系統(tǒng)工程學報. 2005(02)
[7]基于GARCH模型和SV模型的VaR比較[J]. 余素紅,張世英,宋軍. 管理科學學報. 2004(05)
[8]上證綜指收益波動性及VaR度量研究[J]. 胡援成,姜光明. 當代財經. 2004(06)
[9]ARCH族波動模型及其在金融市場研究中的應用[J]. 歐陽資生. 湖南商學院學報. 2004(02)
[10]股票收益隨機波動模型研究[J]. 沈根祥. 中國管理科學. 2003(02)
碩士論文
[1]VaR風險度量方法在我國股票市場的應用研究[D]. 宋海礁.上海師范大學 2010
[2]不同分布下收益率波動模型的比較[D]. 王以明.華東師范大學 2009
[3]高頻金融時間序列波動性研究[D]. 張嬌.電子科技大學 2009
[4]基于VaR歷史模擬法的中國股市風險研究[D]. 徐中華.復旦大學 2008
[5]基于隨機波動模型的中國股市波動性實證研究[D]. 徐永坤.復旦大學 2008
[6]VaR方法在中國股票市場風險度量中的應用[D]. 曹建美.東北財經大學 2007
[7]NOMMLE分布的參數估計與MCMC模擬研究[D]. 韓艷敏.武漢理工大學 2007
[8]金融數據波動性的建模研究[D]. 方杰興.中南大學 2007
本文編號：3724358
【文章頁數】：51 頁
【學位級別】：碩士
【文章目錄】：
摘要
Abstract
1. 緒論
1.1 選題背景和意義
1.2 國內外研究現狀及評價
1.2.1 金融數據波動研究
1.2.2 金融數據的VaR研究
1.3 研究思路、關鍵點和論文框架
2. 我國股市收益率波動描述性分析
2.1 數據來源與符號說明
2.2 我國股市收益率特征分析結果
2.2.1 尖峰厚尾性
2.2.2 平穩(wěn)性
2.2.3 波動聚集性
2.2.4 平方收益記憶性
3. 股市收益波動模型及估計
3.1 ARCH族模型
3.1.1 ARCH模型提出背景
3.1.2 ARCH模型及擴展
3.1.3 ARCH族模型的不足
3.2 隨機波動(SV)模型
3.2.1 隨機波動模型(SV)的提出
3.2.2 標準SV(SV-N)模型
3.2.3 厚尾SV(SV-T)模型
3.3 隨機波動(SV)模型的估計
3.3.1 貝葉斯原理
3.3.2 馬爾可夫蒙特卡羅模擬(MCMC)
3.3.3 Gibbs抽樣
3.3.4 模型估計的軟件實現
4. 我國股市收益率SV模型建模分析
4.1 標準SV(SV-N)模型建模
4.2 厚尾SV(SV-T)模型建模
4.3 SV-N和厚尾SV模型結果對比分析
5. 基于SV模型我國股市風險價值(VaR)分析
5.1 股市風險與VaR
5.1.1 股市風險的含義與類型
5.1.2 VaR的含義與優(yōu)缺點
5.2 VaR測度股市風險
5.2.1 SV模型VaR的方法
5.2.2 VaR的回顧測試(Back-Testing)
5.3 實證分析
6. 結束語
6.1 本文的工作
6.2 結論與建議
參考文獻
附錄
致謝
【參考文獻】：
期刊論文
[1]VaR方法及其在中國股票市場的風險度量研究[J]. 史天雄,錢錦曄. 中國地質大學學報(社會科學版). 2010(04)
[2]基于SV模型的滬深300指數日收益率波動性實證研究[J]. 郭衛(wèi)超,謝琦. 大眾商務. 2010(06)
[3]基于SV模型的滬深股市風險分析[J]. 田秋榮,欒長福. 科學技術與工程. 2009(10)
[4]基于Gibbs抽樣的厚尾SV模型貝葉斯分析及其應用[J]. 朱慧明,李峰,楊錦明,虞克明. 系統(tǒng)仿真學報. 2008(09)
[5]上海股市的VaR風險研究[J]. 方杰興. 經濟師. 2007(04)
[6]隨機波動性模型的比較分析[J]. 王春峰,蔣祥林,吳曉霖. 系統(tǒng)工程學報. 2005(02)
[7]基于GARCH模型和SV模型的VaR比較[J]. 余素紅,張世英,宋軍. 管理科學學報. 2004(05)
[8]上證綜指收益波動性及VaR度量研究[J]. 胡援成,姜光明. 當代財經. 2004(06)
[9]ARCH族波動模型及其在金融市場研究中的應用[J]. 歐陽資生. 湖南商學院學報. 2004(02)
[10]股票收益隨機波動模型研究[J]. 沈根祥. 中國管理科學. 2003(02)
碩士論文
[1]VaR風險度量方法在我國股票市場的應用研究[D]. 宋海礁.上海師范大學 2010
[2]不同分布下收益率波動模型的比較[D]. 王以明.華東師范大學 2009
[3]高頻金融時間序列波動性研究[D]. 張嬌.電子科技大學 2009
[4]基于VaR歷史模擬法的中國股市風險研究[D]. 徐中華.復旦大學 2008
[5]基于隨機波動模型的中國股市波動性實證研究[D]. 徐永坤.復旦大學 2008
[6]VaR方法在中國股票市場風險度量中的應用[D]. 曹建美.東北財經大學 2007
[7]NOMMLE分布的參數估計與MCMC模擬研究[D]. 韓艷敏.武漢理工大學 2007
[8]金融數據波動性的建模研究[D]. 方杰興.中南大學 2007
本文編號：3724358
本文鏈接：http://sikaile.net/jingjilunwen/jinrongzhengquanlunwen/3724358.html
教材專著
