论文沪深300股指期货对A股市场波动性实证是关于股指期货方面的的相关大学硕士和相关本科毕业论文以及相关股指期货k线图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：文章对沪深300指数日收盘价日收益率建立ARMA模型,并使用GARCH模型和EGARCH模型分析引入股指期货对A股市场波动性的影响,发现引入股指期货减轻了A股的波动性及非对称型.
关键词：股指期货；A股市场波动性；GARCH模型；EGARCH模型
中图分类号：F830 文献标识码：A 文章编号：1008-4428（2016）08-101 -03
一、引言
股指期货是一种金融衍生工具, 以股票价格指数为标的,买卖双方根据事先约定, 在未来某一特定时间以约定价格进行股指期货交易的一种标准化协议.
一般而言, 股指期货的推出会产生额外交易, 同时吸引新资金入场交易.股指期货的套利交易及投资组合使得期货与现货之间的关系更为稳定.
2005年4月8号沪深300指数开始发布,2010年4月16号沪深300股指期货正式推出,我国股指期货市场迅速发展起来.沪深300股指期货的推出对沪深300指数波动性影响问题成为了研究人员和投资者普遍关注的问题.
文章通过研究2005年4月8号到2016年5月6号的沪深300指数的收盘数据,分析沪深300股指期货推出对股票现货市场波动性的影响,通过对沪深300指数日收益率数据建立ARMA模型并对该模型的残差在引入虚拟变量的情况下建立GARCH模型和EGARCH模型来分析股指期货的推出对现货市场波动性和杠杆效应的影响,并阐述了出现该现象的原因,这对于投资者制定投资策略以及政府机构出台金融政策稳定市场都具有很好的参考价值.
二、数据选取与统计描述
(一)数据选取
文章使用沪深300指数日收益率数据作实证分析.选取2005年4月8号到2016年5月6号沪深300指数日收盘价（Ct）作为原始数据,数据来源为Wind数据库,共2693个数据.日收益率用指数收盘价的对数之差表示：Rt等于lnCt-l-lnCt-1,故沪深300指数的日收益率数据共2692个.
(二)描述性统计
图1反映了日收益率序列的分布情况.右边为样本的描述统计量值.
由表1可知, 序列Rt的偏度S等于-0.516560<0,峰度K=6.086518>3, 其与标准正态分布（S等于0,K等于3）相比,日收益率序列略微左偏并为尖峰厚尾形态.
(三)沪深300指数日收益率序列平稳性检验
文章运用的是ADF单位根检验方法.ADF值小于给定显著水平下的临界值时, 表明该时间序列没有单位根, 即该序列为平稳序列.反之,则为非平稳序列,需要对序列进行差分处理, 以使序列平稳.
使用Eviews8.0软件对日收益率序列进行单位根检验.检验结果如表2所示,ADF等于-23.85910,小于1%显著性水平下的临界值-3.4358即样本时间序列不存在单位根,可见日收益率序列是平稳序列, 可对其建立ARMA模型.
三、实证分析
(一)沪深300指数日收益率序列ARMA模型的建立
1.自回归移动平均方程的建立
设收益率序列的ARMA模型方程为：
使用AIC准则和SC准则对模型阶数进行选择, 通过Eviews8.0软件对序列分别进行ARMA（1,1）、ARMA（1,2）、ARMA（2,1）、ARMA（2,2）回归分析, ARMA（2,2）模型由于不满足宽平稳的条件,不予考虑.表3中第一行的AIC值和SC值最小,所以选ARMA（1,1）较为合适.
2.参数估计
使用Eviews8.0对沪深300指数收益率数据建立ARMA（1,1）模型,进行参数估计,结果如表4.所以得到的模型为：
3.ARCH效应检验
通过ARCH-LM检验来判断该模型残差序列是否存在条件异方差.再对其残差进行滞后8阶的ARCH-LM检验,结果如表5所示.
表5中LM统计量（Obs*R-squared）的相伴概率为0,表明模型残差序列存在高阶ARCH效应, 故选择对ARMA（1,1）模型残差建立GARCH模型.
(二)GARCH模型的选择与建立
对收益率序列ARMA模型的残差建立GARCH模型.通过AIC准则、SC准则来确定模型的阶数,结果如表6,应该选择 GARCH（1,1）模型.
表6 不同阶数的GARCH的AIC值和SC值
对ARMA（1,1）模型残差建立GRACH（1,1）模型之后,对该GARCH（1,1）模型的残差进行卡方检验以检验其相关性,结果GARCH模型的残差序列相互独立,不存在相关性,说明GARCH模型已经成功提取了ARMA模型残差中的信息,使得GARCH模型的残差成为白噪声.再对GARCH模型的残差进行ARCH效应的LM检验,分别进行1阶和8阶检验,结果如下,说明GARCH模型的残差已经不存在ARCH效应.
为了检验引入指数期货对A股波动性的影响, 文章引入了一个（0,1）的虚拟变量序列dt.股指期货推出前, 该变量值为0；推出后该变量值为1.引入虚拟变量之后的GARCH模型形式为：
小于零且该变量具有统计显著性时, 则说明股指期货的引入减轻了A股的波动性； 大于零时,表明股指期货的引入增强了A股的波动性；等于零时, 则说明股指期货的引入对A股的波动性无影响.
表8为参数估计结果.其中DI值即为GARCH模型的 值,该值为负数,即沪深300指数期货的推出减缓了A股现货市场的波动.
对该GARCH模型的残差进行滞后8阶的ARCH-LM检验,检验结果如表9,LM统计量（Obs*R-squared）值为0.671954 , 大于置信水平0.05,表明经过GARCH（1,1）处理后, 残差序列已不存在ARCH 效应.方差方程中的ARCH项和GARCH 项的系数之和（αi+βi）为： 0.060926+0.927368等于0.988294 , 小于1 , 满足GARCH（1,1）模型宽平稳的参数约束条件.
总结:本文是一篇关于股指期货论文范文，可作为相关选题参考,和写作参考文献。
参考文献：
1、 新年首日沪深300连续触发熔断机制将停牌至收市 1月4日午后，大盘连续大跌。截至13：13，沪深300指数大跌5%，触发第一次熔断机制。在暂停交易15分钟后，指数继续杀跌，截至13：34分，沪。
2、 基于五因素模型A股市场交易策略 [提要] 本文以Fama-French五因素模型为研究基础，结合基本面分析和技术分析，挖掘具有价值投资的一类公司作为投资组合。研究发现：选出的投。
3、 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。
4、 股指期货短期预测模型 摘 要：本文构建的短期股指期货预测模型，是采用导数分析首先判断其走势方向，再通过一阶差分BP神经网络模型预测波动幅度，进而得到预测日期指价格。以。
5、 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。
6、 A股市场离婚到底有多贵赵薇哥哥离婚，嫂子拿走5亿分手费 恋爱虽易，婚姻不易，这话相信很多人都深有体会。而对于上市公司的大股东们来说，更是如此，一旦婚姻解体，伤心伤财不说，出于信息披露的要求，还得主动将。