本文關(guān)鍵詞：基于GARCH和Copula的滬港通事件對滬港兩市市場特征影響分析

  更多相關(guān)文章： 滬港通 GARCH模型 Copula函數(shù) Monte Carlo模擬 波動率分析

【摘要】：滬港通,即滬港股票市場交易互聯(lián)互通機制,指上海證券交易所和香港聯(lián)合交易所允許兩地投資者通過當?shù)刈C券公司(或經(jīng)紀商)買賣規(guī)定范圍內(nèi)的對方交易所上市的股票。本文將選擇2014年4月10日李克強總理宣布實行滬港通以及2014年11月17日滬港通正式開通作為兩個關(guān)鍵時點,選擇這一段時間內(nèi)指定兩市三十余只金融股、地產(chǎn)股的對數(shù)收益率作為研究對象,同時用Copula函數(shù)對兩市開通滬港通之前以及開通滬港通之后金融股、地產(chǎn)股對數(shù)收益率做出統(tǒng)計分析,并采取通用的Monte Carlo方法選擇相對應的Copula函數(shù),最后從對應Copula函數(shù)出發(fā),結(jié)合之前統(tǒng)計相關(guān)特征,最后得出開通滬港通對兩市關(guān)聯(lián)結(jié)構(gòu)有著“閥門式”作用,滬港通機制推出的確改變兩地股票相依結(jié)構(gòu)。波動率分析是金融學界經(jīng)久不息的話題,正因為它在資產(chǎn)定價這塊有著重要地位,對于滬股通市場波動率特性：時間可變性(time varying)和聚集性(clustering),但并不是所選取股票都是“尖峰厚尾”,我們先對數(shù)據(jù)進行統(tǒng)計分析、檢驗,得出兩個股市部分板塊的波動率部分板塊并不受滬港通的出現(xiàn)而發(fā)生改變,針對波動率隨滬港通出現(xiàn)有記憶性波動的板塊,我們將采用GARCH模型對2014年4月11日至2015年2月27日,中間選擇滬港通開通之日11月17作為斷點,然后對股票收益率波動率進行建模,因為GARCH能夠較好捕捉到股票收益率長記憶性特征,最后結(jié)果顯示所選板塊股票記憶長度、沖擊強度,從而驗證兩地股市地產(chǎn)股與金融股板塊是否存在杠桿效應。對于政府、投資者、企業(yè),研究滬港通交易機制都有其戰(zhàn)略性指導作用。事實上,滬港通市場并非是完全開放市場,因為港交所、上交所對滬港通交易金額、種類做出限定,也給本文指引未來改進的方向,同時,本文也為將來兩地股票市場完全開放、兩地股票投資者提供借鑒性意見。
【關(guān)鍵詞】：滬港通 GARCH模型 Copula函數(shù) Monte Carlo模擬 波動率分析
【學位授予單位】：南京大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F832.51
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-14
• 1.1 問題的研究背景介紹9-10
• 1.2 問題的提出與研究意義10-12
• 1.2.1 Copula函數(shù)相關(guān)文獻研究10-11
• 1.2.2 GARCH模型的相關(guān)文獻研究11-12
• 1.3 本文研究的主要內(nèi)容及論文結(jié)構(gòu)12-14
• 第二章 Copula函數(shù)與GARCH模型相關(guān)介紹14-26
• 2.1 Copula函數(shù)基礎(chǔ)簡介14-22
• 2.1.1 Copula函數(shù)的定義及性質(zhì)14-15
• 2.1.2 具有Copula函數(shù)的相關(guān)性度量15-17
• 2.1.3 Copula函數(shù)族17-21
• 2.1.4 Copula函數(shù)的選擇與評估21-22
• 2.2 GARCH模型22-26
• 2.2.1 ARCH模型簡介23-24
• 2.2.2 GARCH模型簡介24
• 2.2.3 EARCH模型簡介24-26
• 第三章 基于收益率的兩市特征分祈26-34
• 3.1 數(shù)據(jù)選取26-27
• 3.2 指數(shù)編制27
• 3.3 數(shù)據(jù)分析27-34
• 3.3.1 基本統(tǒng)計量27-31
• 3.3.2 Copula函數(shù)選擇與擬合結(jié)果31-34
• 第四章 基于波動率的兩市特征分析34-56
• 4.1 滬港通事件發(fā)生前后滬市金融股對比35-42
• 4.1.1 滬市金融股基本統(tǒng)計量及相關(guān)檢驗35-40
• 4.1.2 滬市金融股ARCH效應檢驗40-42
• 4.2 滬港通事件發(fā)生前后港市金融股對比42-47
• 4.2.1 港市金融股基本統(tǒng)計量及相關(guān)檢驗42-45
• 4.2.2 港市金融股ARCH效應檢驗45-47
• 4.3 滬港通事件發(fā)生前后滬市地產(chǎn)股對比47-52
• 4.3.1 滬市地產(chǎn)股基本統(tǒng)計量及相關(guān)檢驗47-49
• 4.3.2 滬市地產(chǎn)股ARCH效應檢驗49-51
• 4.3.3 滬港通事件發(fā)生前滬市地產(chǎn)股收益率GARCH模型分析51-52
• 4.4 滬港通事件發(fā)生前后港市地產(chǎn)股對比52-56
• 4.4.1 港市地產(chǎn)股基本統(tǒng)計量及相關(guān)檢驗52-54
• 4.4.2 港市地產(chǎn)股ARCH效應檢驗54-56
• 第五章 總結(jié)56-58
• 5.1 收益率、波動率總結(jié)56-57
• 5.2 本文不足與展望57-58
• 致謝58-59
• 參考文獻59-62
• 附錄：相關(guān)股票與代碼以及相關(guān)程序62-69

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 梁佳;;我國股票價格指數(shù)編制問題研究[J];產(chǎn)業(yè)與科技論壇;2008年03期

2 王獻東;;基于GARCH模型的波動率預測及應用[J];常州工學院學報;2011年06期

3 韋艷華,張世英;金融市場的相關(guān)性分析——Copula-GARCH模型及其應用[J];系統(tǒng)工程;2004年04期

4 劉瓊芳;張宗益;;基于Copula房地產(chǎn)與金融行業(yè)的股票相關(guān)性研究[J];管理工程學報;2011年01期

5 魏宇;;中國股票市場的最優(yōu)波動率預測模型研究——基于滬深300指數(shù)高頻數(shù)據(jù)的實證分析[J];管理學報;2010年06期

6 姜鳳利;;基于Copula函數(shù)的滬深股市尾部相關(guān)性分析[J];中國管理信息化;2014年18期

7 張躍軍;涂捚;;中國燃料油期貨市場動態(tài)套期保值研究——基于Copula-GARCH模型的實證分析[J];北京理工大學學報(社會科學版);2015年01期

8 陳怡璇;;滬港通“活水”效應[J];上海國資;2014年05期

9 蔡恩澤;;有了滬港通,QFII受冷落?[J];廣東經(jīng)濟;2014年05期

10 李亞凌;;基于Copula函數(shù)的滬深港三地股市的聯(lián)動性分析[J];中國農(nóng)業(yè)銀行武漢培訓學院學報;2014年04期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 孫清巖;股票價格指數(shù)編制理論研究[D];東北財經(jīng)大學;2010年

2 韋艷華;Copula理論及其在多變量金融時間序列分析上的應用研究[D];天津大學;2004年

，

本文編號：1130087