滬深股市偏度風(fēng)險(xiǎn)及對(duì)我國宏觀經(jīng)濟(jì)的影響研究
發(fā)布時(shí)間:2020-10-20 03:57
近年來,越來越多的投資組合、資產(chǎn)定價(jià)、風(fēng)險(xiǎn)價(jià)值和期權(quán)估值模型開始強(qiáng)調(diào)資產(chǎn)收益的非對(duì)稱性,將偏度納入資產(chǎn)收益建模日益流行。大量研究表明,資產(chǎn)收益分布具有非對(duì)稱性,且分布的偏度和峰度具有明顯的時(shí)變特征[1]。因此,研究偏度風(fēng)險(xiǎn),尤其是時(shí)變的偏度風(fēng)險(xiǎn)對(duì)于維持金融市場(chǎng)穩(wěn)定發(fā)展尤為重要。本文對(duì)比了基于各對(duì)稱分布的GARCH模型與基于不同非對(duì)稱分布的GARCHSK模型,通過DM檢驗(yàn),發(fā)現(xiàn)基于Gram-Charlier擴(kuò)展序列的GARCHSK模型對(duì)于收益率序列高階矩的描述效果最佳,并在此基礎(chǔ)上得出滬深股市日度偏度數(shù)據(jù)。經(jīng)濟(jì)學(xué)研究的核心問題是信心與預(yù)期。金融市場(chǎng)不景氣會(huì)直接影響人們的期望,導(dǎo)致國民對(duì)未來經(jīng)濟(jì)的發(fā)展缺乏信心與合理的預(yù)期。股市作為宏觀經(jīng)濟(jì)的“晴雨表”,其表現(xiàn)對(duì)國民經(jīng)濟(jì),尤其是消費(fèi)者信心的影響十分巨大,因此討論股市偏度風(fēng)險(xiǎn)對(duì)宏觀經(jīng)濟(jì)的影響十分必要。在將股市偏度風(fēng)險(xiǎn)用于宏觀經(jīng)濟(jì)模型時(shí),傳統(tǒng)宏觀計(jì)量模型需要利用加總或插值等方法將混頻數(shù)據(jù)統(tǒng)一到同頻數(shù)據(jù)再應(yīng)用于宏觀經(jīng)濟(jì)模型中,而混頻數(shù)據(jù)模型是直接利用混頻數(shù)據(jù)構(gòu)建模型,避免了因數(shù)據(jù)加總或插值導(dǎo)致的信息損失和人為信息的虛增,充分利用了現(xiàn)有高頻數(shù)據(jù)的信息,改進(jìn)了宏觀計(jì)量模型估計(jì)的有效性和預(yù)測(cè)的精度[2]。因此本文采用時(shí)下流行的MIDAS回歸進(jìn)一步探討股市偏度風(fēng)險(xiǎn)對(duì)我國宏觀經(jīng)濟(jì)的影響。通過與低頻OLS回歸的分析比較,發(fā)現(xiàn)MIDAS回歸更精確的描述了滬深股市與宏觀經(jīng)濟(jì)的相關(guān)性。研究發(fā)現(xiàn),股市偏度風(fēng)險(xiǎn)加劇了通貨膨脹,降低了社會(huì)消費(fèi)增長,從而抑制了經(jīng)濟(jì)增長,同時(shí)導(dǎo)致外匯市場(chǎng)上人民幣本幣匯率上升,不利于外匯市場(chǎng)健康穩(wěn)定發(fā)展。
【學(xué)位單位】:華中科技大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位年份】:2018
【中圖分類】:F832.51;F124
【部分圖文】:
圖 2.1 參數(shù) 和 對(duì)應(yīng)的廣義 t 分布形態(tài) 2.1 展示了當(dāng)參數(shù) 和 取不同值時(shí),廣義 t 分布形態(tài)發(fā)生的變化。值參數(shù) 控制分布的偏度:若 為正,則分布右偏;反之亦然。隨機(jī)變量 Z 的密度函數(shù)為 ,則稱 ?梢宰C明, 均值,單位方差的性質(zhì)。為使密度函數(shù)有意義,定義 數(shù)包含了大量常見分布的密度函數(shù),例如,當(dāng) 時(shí),Hansen 分布學(xué)生 t 分布;而當(dāng) 時(shí),學(xué)生 t 分布又漸變?yōu)檎龖B(tài)分布。Hanse高階矩公式為: ① ① ① ① (2.16 中 , , ,
圖 4.1 滬深 300 指數(shù)收益率分布,收益率均值很小,且不顯著。標(biāo)準(zhǔn)差是均值的 44 倍,主要特征。收益率分布顯著負(fù)偏,峰度超過正態(tài)分布較多 統(tǒng)計(jì)量在 1%的水平下顯著,拒絕了收益序列服從高斯分的收益率分布分位數(shù)在 3 個(gè)標(biāo)準(zhǔn)差以外偏離了正態(tài)分布分征。Ljung-Box Q(4)統(tǒng)計(jì)量在 1%水平下顯著,拒絕了收聯(lián)合為 0 的原假設(shè)。含 3 階滯后項(xiàng)的 ADF 檢驗(yàn)顯著表明是平穩(wěn)序列。濟(jì)數(shù)據(jù)知,我國宏觀經(jīng)濟(jì)政策的目的有四個(gè),分別是:充分就業(yè)長和國際收支平衡。本文主要就后三個(gè)方面研究滬深股市
【參考文獻(xiàn)】
本文編號(hào):2848172
【學(xué)位單位】:華中科技大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位年份】:2018
【中圖分類】:F832.51;F124
【部分圖文】:
圖 2.1 參數(shù) 和 對(duì)應(yīng)的廣義 t 分布形態(tài) 2.1 展示了當(dāng)參數(shù) 和 取不同值時(shí),廣義 t 分布形態(tài)發(fā)生的變化。值參數(shù) 控制分布的偏度:若 為正,則分布右偏;反之亦然。隨機(jī)變量 Z 的密度函數(shù)為 ,則稱 ?梢宰C明, 均值,單位方差的性質(zhì)。為使密度函數(shù)有意義,定義 數(shù)包含了大量常見分布的密度函數(shù),例如,當(dāng) 時(shí),Hansen 分布學(xué)生 t 分布;而當(dāng) 時(shí),學(xué)生 t 分布又漸變?yōu)檎龖B(tài)分布。Hanse高階矩公式為: ① ① ① ① (2.16 中 , , ,
圖 4.1 滬深 300 指數(shù)收益率分布,收益率均值很小,且不顯著。標(biāo)準(zhǔn)差是均值的 44 倍,主要特征。收益率分布顯著負(fù)偏,峰度超過正態(tài)分布較多 統(tǒng)計(jì)量在 1%的水平下顯著,拒絕了收益序列服從高斯分的收益率分布分位數(shù)在 3 個(gè)標(biāo)準(zhǔn)差以外偏離了正態(tài)分布分征。Ljung-Box Q(4)統(tǒng)計(jì)量在 1%水平下顯著,拒絕了收聯(lián)合為 0 的原假設(shè)。含 3 階滯后項(xiàng)的 ADF 檢驗(yàn)顯著表明是平穩(wěn)序列。濟(jì)數(shù)據(jù)知,我國宏觀經(jīng)濟(jì)政策的目的有四個(gè),分別是:充分就業(yè)長和國際收支平衡。本文主要就后三個(gè)方面研究滬深股市
【參考文獻(xiàn)】
相關(guān)期刊論文 前3條
1 鄭挺國;尚玉皇;;基于宏觀基本面的股市波動(dòng)度量與預(yù)測(cè)[J];世界經(jīng)濟(jì);2014年12期
2 申建平;孫菲;黃敏;;基于M-Copula-GJRSK-M模型的滬深兩市的相依性分析[J];重慶工商大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2014年01期
3 蔣翠俠;許啟發(fā);張世英;;金融市場(chǎng)條件高階矩風(fēng)險(xiǎn)與動(dòng)態(tài)組合投資[J];中國管理科學(xué);2007年01期
相關(guān)碩士學(xué)位論文 前2條
1 劉志峰;行為金融視角下的偏度風(fēng)險(xiǎn)研究[D];長沙理工大學(xué);2011年
2 費(fèi)偉;證券投資組合問題及其微粒群算法求解方法的研究[D];太原科技大學(xué);2010年
本文編號(hào):2848172
本文鏈接:http://sikaile.net/jingjilunwen/shijiejingjilunwen/2848172.html
最近更新
教材專著