資源描述：
《基于garch模型和var模型的中國股票市場實證分析.doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于GARCH模型和VAR模型的中國股票市場實證分析【摘要】本文以深圳成分指?滴?例，對深成指日收益率數(shù)據(jù)進行ARCH效應(yīng)檢驗，GARCI1建模，分別得出殘差服從正態(tài)分布，t分布，GH）分布的GARCH預(yù)測模型，并對三種模型的優(yōu)劣進行比較，針對股市對利好，利壞消息的反映程度，在GARCH模型的基礎(chǔ)上建立具有杠桿效應(yīng)的TGARCH模型，探宂市場對好消息和壞消息的敏感程度【關(guān)鍵詞】GARCI1模型VAR模型股票市場一、引言中國股市在2015年的表現(xiàn)更是讓人歡喜讓人憂。從牛市起步到瘋牛的形成，再到股災(zāi)爆發(fā)流動性完全喪失，監(jiān)管當(dāng)局出手救市后乂遭人民幣貶值預(yù)期打壓，政府不得不全球安撫，這一切僅僅在半年
2、多的時間內(nèi)完成，如夢亦如幻。因此進一步把握股票市場的整體變化趨勢，預(yù)測股票市場的未來走向，甚至分析不同股票市場的聯(lián)動作用，對股票市場既在宏觀上進行把控，又在微觀上能夠掌握是我們進行實證分析的目標。在此基礎(chǔ)上，木文以實證分析較少但代表性較強的深圳成分股指數(shù)為研宂對象，對深成指的F1收益數(shù)據(jù)進行GARCH族模型預(yù)測，以期找到對其風(fēng)險的合理預(yù)測模型。二、基丁GARCH模型的實證分析本文利用銳思數(shù)據(jù)庫選擇2014年到2016年3年的日收盤價數(shù)據(jù)作為樣本數(shù)據(jù)，對日收盤價數(shù)據(jù)進行對數(shù)差分，即：Rt=lnPt-InPt-l,計算連續(xù)復(fù)利情況下的日收益率。本文的統(tǒng)計分析軟件為EVIEWS軟件。對日收益率數(shù)據(jù)
3、進行描述性統(tǒng)計分析，用Eviews軟件做出時序圖，發(fā)現(xiàn)円收益序列均在0附近波動，并且日波動具有明顯的聚集現(xiàn)象，也就是說日波動具有明顯的突發(fā)性，時變性，集簇性特征。通過正態(tài)性檢驗發(fā)現(xiàn)，深成指H收益序列不服從正態(tài)分布。進行ADF檢驗發(fā)現(xiàn)t統(tǒng)計量的絕對值很大為22.8178,顯著拒絕日收益率序列存在單位根的原假設(shè)，日收益率序列平穩(wěn)?？梢赃M行時間序列數(shù)據(jù)的處理。對確定平穩(wěn)后的FI收益率序列進行GARCH建模，首先要確定円收益率序列是否存在ARC11效應(yīng)，即自回歸條件異77差效應(yīng)，檢驗ARCH效應(yīng)最經(jīng)典的方法為Engle(1982)提出的拉格朗H乘數(shù)檢驗，即LM檢驗。這里本文用Evicws軟件進行AR
4、CH效應(yīng)檢驗。發(fā)現(xiàn)滬深300股指日收益數(shù)據(jù)存在明顯ARCH效應(yīng)。通過對深成指日收益序列的ARCH效應(yīng)檢驗，殘差項存在明顯的ARCH效應(yīng)，為了更好的擬合殘差項的波動，我們建立GARCH模型對深成指的日收益率序列進行描述。GARCH模型通常建立在正態(tài)分布假設(shè)的基礎(chǔ)上。在正態(tài)GARCH模型中假定服從條件正態(tài)分布，其條件方差為，由于改變的條件方差允許回報序列存在更多的異常值或者非常大的觀測值，所以回報序列的無條件分布是尖峰的，且比正態(tài)分布具有更厚的尾部。因此GARCH類模型特別適合對于金融時間序列數(shù)據(jù)的波動性進行建模。然而，對丁高頻數(shù)裾，正態(tài)GARCH仍然不能充分地描述數(shù)據(jù)的尖峰厚尾性。因此，本文同
5、時使服從t分布和廣義誤差分布GH)分布。進行GARCH?N，GARCH?t，GARCH?GED的建模，以期比較不同模型之間的優(yōu)劣。在對GARCH模型進行建模的過程中，利用最常用的GARCH(1，1)模型。利用Eviews軟件進行建模，GARCH(1,1)_N的建模結(jié)果為：Rt二0.058995(Rt-1)+=0.00000393+0.083565+0.907943其屮AIC值為-5.3947保持均值方程不變，令殘差項服從t分布，同樣建立GARCH(1,1)模型。得出GARCH(1，1)-t的建模結(jié)果為：Rt=0.052622(Rt-1)+,=0.00000416+0.078019+0.912
6、8其中，模型誤差平方項和殘差平方項前的系數(shù)和約為0.99,接近1,很好的展示了其波動性，方差方程的各顯著性都比較好，在10%顯著性水平上都能通過檢驗。八兒值為-5.4137.利用同樣能夠描述后尾的GED分布，建立GARCH(1，1)-GED模型，保持均值方程不變，令殘差項服從GRD分布，同樣建立GARCH(1，1)模型。得出GARCH(1,1)-GED的建模結(jié)果為:Rt=0.050797(Rt-1)+，=0.00000402+0.080527+0.910527通過模型預(yù)測得出均值方程和方差方程中個別系數(shù)的顯著性沒有正態(tài)分布時顯著，這和木文之前的預(yù)計有偏差，同時可以看到誤差平方項和殘差平方項前
7、的系數(shù)和約為0.991，接近1，很好的展示了其波動性，同時八1(：值為-5.4227,AIC值比較好。因此，通過同時使服從t分布和廣義誤差分布GH)分布。進行GARCH-N,GARCH-t,GARCH-GED的建模后，利用深成指的日收益率數(shù)據(jù)，通過對結(jié)果的實證分析，發(fā)現(xiàn)GARCH(1，1)-N模型的系數(shù)顯著性更好，但是針對模型的擬合效果來說，通過AIC的比較，我們可以發(fā)現(xiàn)，GARCH-GED的AIC更小，模型
