论文基于ARCH族模型沪深股市波动性动态相关性是关于沪深股市方面的的相关大学硕士和相关本科毕业论文以及相关股市行情指数论文开题报告范文和职称论文写作参考文献资料下载。
摘要：采用上证综指和深证成指2001年1月2日至2014年9月30日的日收盘价数据,分别运用GARCH、EGARCH、CARCH模型,对上海股市和深圳股市的波动聚集性、杠杆效应、波动收敛性进行比较分析.实证结果表明,虽然上海股市的波动聚集性、杠杆效应比深圳股市显著,但差距并不大;而短期成分趋于0及长期波动率收敛于稳定状态的势都要快于深圳股市.此外,运用DCC-GARCH模型研究上海股市和深圳股市的动态相关性,发现两个市场的变动显著正相关.
关 键 词：ARCH族模型;沪深股市;波动性;动态相关性
中图分类号：F830.91 文献标识码：A 文章编号：1006-3544（2015）03-0051-04
在现代金融领域中,波动性被广泛地用于衡量金融资产风险的大小,而资产间的相关性更是风险管理和资产定价的关键变量,因此准确描述出金融资产的波动率及彼此间的相关性在资产定价与组合构造及风险管理中具有举足轻重的地位.
一、国内外研究文献综述
Engle（1982）提出的自回归条件异方差（ARCH）模型,包含均值方差和方差方程,认为扰动项条件方差依赖于它前期值的大小.Bollerslev（1986）把ARCH模型扩展为广义自回归条件异方差（GARCH）模型.学者们研究股票市场时发现,股价下跌和上涨相同幅度时, 股票价格下降往往伴随着更剧烈的波动性, 为描述与解释这种非对称冲击,Zakoian（1990）和Glosten、Jagannathan、Runkle（1993）提出了TARCH（Threshold ARCH）模型,Nelson（1991）提出了EGARCH（Exponential ARCH）模型.Engle（2002）提出的DCC（Dynamic Conditional Correlation）多元变量GARCH 模型,解决了大量随时间变动的条件方差协方差矩阵在计算上的复杂性,能够使多个变量之间的相关性估计更加简化,并且可以得到不同变量之间的动态时变的相关系数.
近年来,国内学者介绍了很多关于ARCH类模型,而且还用ARCH类模型对我国股市波动性做了一些探索性的研究.姚战琪（2012）运用ARCH模型对我国上证综指日收益率及波动性进行了实证研究, 探索了我国股指收益率波动特征. 马锋利用ARMA-GJR-GARCH模型研究了我国股市风险和收益的关系, 发现引入协方差和将两市联合研究的模型比未加协方差和单个研究的预测能力要强.罗阳、杨桂元（2013）用GARCH模型对上证股市波动性进行了实证研究, 用GARCH-M模型分析了风险溢价情况,以及用EGARCH模型对股市波动的非对称性进行了实证研究.吴玉东（2013）建立了上证综指收益率的非线性模型,实证结果表明,收益率的波动不服从正态分布,具有集聚性和记忆性,并且收益率波动具有一定的杠杆效应.丁振辉、徐瑾（2013）运用GARCH-M模型研究了上海股市和香港股市之间的联动关系.高猛、郭沛（2014）利用2002～2006年和2007～2012年两个样本区间的数据, 运用VAR-BEKK-GARCH模型分析了中国、美国、英国、日本和香港之间的波动溢出效应,并以此分析了国内外股市联动关系.郭航（2014）以上证指数为研究标的, 利用RS-GARCH模型族对股市的波动性进行了比较研究.
二、ARCH族模型简要介绍
（一）ARCH模型
条件方差方程等式的左边是条件方差的对数,意味着ht非负且杠杆效应是指数型.所以条件方差的预测值一定是非负的.若?渍≠0,冲击的影响就存在着非对称性,当?渍<0时,杠杆效应显著.
（四）成分ARCH（CARCH）模型
在GARCH模型中,条件方差的均值被限定为常数,相反,CARCH模型允许均值趋近于一个变动的水平值.
,描述长期成分ct,以?籽的势趋于?棕,即长期波动率的均值.
（五）DCC多元变量GARCH模型
该模型假设有k个资产,其条件收益率服从均值为0、方差协方差矩阵为Ht的正态分布,可以表示为：
其中,rt为资产收益率,?赘t-1为截止到t-1时刻的信息集,Dt为单变量GARCH模型所求出的随时间变动的条件标准差取对角元素的k×k矩阵,Rt为动态条件相关系数矩阵.而：
其中,Qt为协方差矩阵;Q为标准化残差所求出的无条件协方差;?琢m和?茁n分别为DCC多元变量 GARCH模型中前期残差平方项的系数和前期条件方差的系数,m和n分别为残差平方项的滞后阶数和条件方差的滞后阶数.
三、实证结果及分析
本文选取2001年1月2日至2014年9月30日间的上证综指和深证成指的日收盘价数据（来源于长江证券网上行情系统）,合计3327个数据.为了降低时间序列的波动程度, 对上述两个指数进行了自然对数处理,分别记为LSH和LSZ.本文中的统计分析、建模运用了Eviews7和OxMetrics6软件.
（一）ARCH效应检验
LSH和LSZ序列的自相关与偏相关系数计算结果如表1所示.
从表1中可以看出, 两个序列的各阶自相关系数显著不为0,自相关函数表现为拖尾,滞后1阶的偏相关系数显著不为0;再者,由于股价指数序列常常用一种特殊的单位根过程——带漂移的随机游走（random walk）模型来描述,因此可以考虑建立AR（1）模型.
从表2可知LSH和LSZ序列的AR（1）方程的统计量都很显著,拟合效果很好,进一步证实了股票收盘价格序列是符合随机游走模型的, 进而对残差进行相关性与平稳性检验.
总结:关于免费沪深股市论文范文在这里免费下载与阅读,为您的沪深股市相关论文写作提供资料。
参考文献：
1、 基于GARCH模型深圳股市波动性 [摘 要]文章以深证成指为研究对象，搜集了2015年1月5日至2016年6月8的日收盘价数据，运用GARCH模型对深证成指收益率的波动性和特点进。
2、 利率对我国股市波动性影响实证 摘要：本文以利率对我国股市波动性影响为研究对象，在已有研究的基础上，使用2010-2015年Shibor隔夜利率与上证综合指数数据进行实证分析，。
3、 沪深之狼金钱永不眠 出乎意料，又在情理之中。在“史上最严并购重组条规”颁布接近周年之际，资本市场再掀借壳浪潮：恒大借壳深深房A，娃哈哈借壳中国糖果，深装总借壳ST。
4、 沪深300指数日内成交量异常和价格反转 【摘要】股票市场成交量与价格的关系一直以来都是金融理论界与实务界关注的焦点，研究量价关系有助于人们了解股市微观结构和信息传递机制。本文从成交量出。
5、 利率对我国股市波动性影响实证 【摘要】本文选取上海银行间同业拆放利率（Shibor）和沪深300指数收盘价的时间序列数据，运用ADF检验、协整检验、Granger因果检验、建。
6、 沪深股市三因子模型验证 摘 要：目前在国外Fama-French三因子模型已经被广泛应用到收益率预测、风险管理、基金业绩评估等方面。借鉴国外经验运用Fama-Fren。