發(fā)布時(shí)間：2021-01-08 17:24

　　金融市場(chǎng)中,風(fēng)險(xiǎn)的度量及預(yù)測(cè)一直都是被關(guān)注和研究的重點(diǎn)。文章通過構(gòu)建價(jià)格極差-交易量-廣義自回歸條件異方差模型,對(duì)股票市場(chǎng)的流動(dòng)性風(fēng)險(xiǎn)進(jìn)行度量,并利用上證指數(shù)2011年1月4日至2019年4月30日2 000多個(gè)數(shù)據(jù)作為樣本進(jìn)行實(shí)證檢驗(yàn)。結(jié)果表明,改進(jìn)后的模型不僅能改善模型的擬合預(yù)測(cè)效果,廣義自回歸條件異方差效應(yīng)的解釋能力明顯減小,而且所有價(jià)格極差和交易量的系數(shù)估計(jì)量均為正,說明把交易量和價(jià)格極差作為代理變量來研究收益率的持續(xù)波動(dòng)性具有一定的解釋作用。同時(shí)改進(jìn)模型比傳統(tǒng)模型預(yù)測(cè)的風(fēng)險(xiǎn)值更加準(zhǔn)確,錯(cuò)誤率更低。 

【文章來源】：杭州電子科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2020,16(05)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

改進(jìn)模型下的風(fēng)險(xiǎn)度量(正態(tài)分布)

改進(jìn)模型下的風(fēng)險(xiǎn)度量(t分布)

圖2 改進(jìn)模型下的風(fēng)險(xiǎn)度量(t分布)由圖1-圖3可知,價(jià)格極差-交易量-廣義自回歸條件異方差模型計(jì)算出的風(fēng)險(xiǎn)值與收益率的走勢(shì)趨勢(shì)一致,并且基本能夠覆蓋收益率的點(diǎn)分布,同時(shí)流動(dòng)風(fēng)險(xiǎn)的值大多都在收益率的下方,只有少數(shù)溢出點(diǎn)(三角標(biāo)志),這說明改進(jìn)后的模型能夠充分估計(jì)出股票的流動(dòng)風(fēng)險(xiǎn),正確率較高。

【參考文獻(xiàn)】：
期刊論文
[1]中國(guó)牛市真的是“水�！眴�?——不確定性視角下股市價(jià)量關(guān)系的實(shí)證研究[J]. 石建勛,王盼盼,何宗武.  中國(guó)管理科學(xué). 2017(09)
[2]中國(guó)股市收益率與成交量動(dòng)態(tài)關(guān)系的研究——基于工具變量的分位數(shù)回歸（IVQR）模型[J]. 任燕燕,李劭珉.  中國(guó)管理科學(xué). 2017(08)
[3]中國(guó)股市量?jī)r(jià)關(guān)系研究[J]. 陳虹,徐融.  經(jīng)濟(jì)問題. 2017(03)
[4]基于日度低頻價(jià)格的波動(dòng)率預(yù)測(cè)[J]. 劉威儀,孫便霞,王明進(jìn).  管理科學(xué)學(xué)報(bào). 2016(01)
[5]基于La-VaR模型的中國(guó)國(guó)債市場(chǎng)流動(dòng)性風(fēng)險(xiǎn)研究[J]. 胡方琦,宋琴.  海南金融. 2016(01)
[6]La-VaR模型在股票市場(chǎng)流動(dòng)性風(fēng)險(xiǎn)度量中的應(yīng)用[J]. 胡暉,王琰.  商業(yè)時(shí)代. 2009(31)

碩士論文
[1]基于極差GARCH-MIDAS模型的中國(guó)股市風(fēng)險(xiǎn)度量研究[D]. 岳婷婷.安徽財(cái)經(jīng)大學(xué) 2019
[2]基于GARCH-VaR模型的新三板市場(chǎng)流動(dòng)性風(fēng)險(xiǎn)量化研究[D]. 張亞西.西南交通大學(xué) 2016



本文編號(hào)：2964999