近年來(lái),越來(lái)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(kāi)始強(qiáng)調(diào)資產(chǎn)收益的非對(duì)稱(chēng)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(chēng)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(chēng)分布的GARCH模型與基于不同非對(duì)稱(chēng)分布的GARCHSK模型,通過(guò)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(wèn)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(guó)民對(duì)未來(lái)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(guān)經(jīng)濟(jì)的“晴雨表”,其表現(xiàn)對(duì)國(guó)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(guān)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(guān)經(jīng)濟(jì)模型時(shí),傳統(tǒng)宏觀(guān)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(guān)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(guān)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(guó)宏觀(guān)經(jīng)濟(jì)的影響。通過(guò)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(guān)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(zhǎng),從而抑制了經(jīng)濟(jì)增長(zhǎng),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(lèi)】：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(chēng) 。可以證明， 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(jiàn)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(guò)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(guó)宏觀(guān)經(jīng)濟(jì)政策的目的有四個(gè)，分別是：充分就業(yè)長(zhǎng)和國(guó)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(guó);尚玉皇;;基于宏觀(guān)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(guó)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(zhǎng)沙理工大學(xué);2011年

2 費(fèi)偉;證券投資組合問(wèn)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