GARCH类模型在金融数据波动性分析中的应用研究

摘要

近年来，世界金融格局发生了较大的变化，金融市场十分活跃[4]。我们知道自金融市场产生以来，它自身就具有价格的波动性的显著特征，随着时代的发展，金融活动中的信息不完备问题越来越突出，这使得人们越来越关注自己所投资的金融产品的收益情况。因此，防范和化解金融风险成为一个突出问题，特别是许多大的损失，对金融服务领域和监管者造成广泛的冲击。金融资产的收益率在不同时刻往往都是不相关，即使是相关的，那么它的相关程度也是非常弱的；只有当滞后的阶数很小的时候有一些而且是非常微弱的相关性。但是对于我们所研究的收益率，它的平方着实存在着很大的相关性[5]。条件异方差模型就是描述这种性质的。
　　 ARCH模型能很好的描述金融时间序列数据所具有的波动性的特点而且在经济领域当中有着较为广泛的应用和研究[6-7]。随着经济研究方面的理论的不断成熟与发展成熟，越来越多的经济学者运用ARCH模型拟合数据的波动性，这样，ARCH模型对于投资者和金融管理者来说，无论是进行投资还是掌控风险，它都是一个良好而且有效的工具。
　　 这篇文章在时间序列模型独有的历史背景下通过介绍时间序列模型，条件异方差模型，主要运用GARCH类模型以我国期货市场2009年以来每日成交额和深圳综指为分析对象，从而发现我国金融市场具有价格波动性的特点，通过理论和实证的研究结果，又为金融市场增加了两个有关波动性的实例，并从现在中国的期货市场和股票市场实际情况出发，为金融市场的管理与监测提出了一些较为实际并且可执行的建议。中国现在的金融市场正在处于发展时期，很多方面的发展还不够充分，准备不够充足，为更好地促进金融市场的长远健康发展，我们需要继续完善健全经济市场的相关制度，降低市场信息的不对称性；深化并完善相应的金融市场运行管理条例，使得金融市场成为有法可依的市场。

目录

文摘

英文文摘

1 绪论

1.1 课题的研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 本文的组织结构

1.3 本文的主要工作

2.平稳时间序列模型

2.1 时间序列简介

2.2 自回归过程

2.2.1 一阶自回归过程AR(1)

2.2.2 二阶自回归过程AR(2)

2.2.3 p阶自回归过程AR(p)

2.3 移动平均过程

2.3.1 一阶移动平均过程MA(1)

2.3.2 q阶移动平均过程MA(q)

2.4 自回归移动平均过程

2.5 自相关系数与偏自相关系数

2.5.1 自相关系数及其特征

2.5.2 偏自相关系数及其特征

2.5.3 模型定阶方法

3.条件异方差模型

3.1 自回归条件异方差模型

3.1.1 ARCH(q)模型定义

3.1.2 建立ARCH模型

3.1.3 ARCH模型的特点

3.2 GARCH类模型

3.2.1 GARCH模型的定义

3.2.2 GARCH模型的特点

3.2.3 EGARCH模型

3.2.4 TGARCH模型

3.2.5(G)ARCH-M模型

4.GARCH类模型在我国期货市场中的实证分析

4.1 数据来源以及统计特征

4.2 ARCH模型分析

4.3 ARCH效应检验

4.4 GARCH模型分析

4.5 小结

5.GARCH类模型在我国股票市场中的实证分析

5.1 数据来源以及统计特征

5.2 平稳性检验

5.3 残差与残差的平方的相关性检验

5.4 ARCH效应检验

5.5 GARCH模型分析

5.6 GARCH(1，1)-M模型分析

5.7 EGARCH模型和TGARCH模型分析

5.8 小结

6 结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢