資源描述：
《上交所國債市場波動率的實證研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、上交所國債市場波動率的實證研究 摘要：通過對上海證券交易所國債市場指數(shù)收益率序列波動特征的研究發(fā)現(xiàn)，上交所國債市場指數(shù)收益率不但具有非正態(tài)性和條件異方差的特點，還具有長記憶性特征。實證研究表明，F(xiàn)IGARCH(1，d，1)模型能夠較好地刻畫上交所國債指數(shù)收益率波動的特征。 關(guān)鍵詞：非正態(tài)性；條件異方差；長記憶性；FIGARCH(1，d，1)模型 一、問題提出與文獻(xiàn)回顧 由于金融類時間序列，如收益率時間序列，往往具有時變性特點和束性趨勢，其方差會隨著時間變化而變化，呈現(xiàn)出異方差特征。因此對金融類時間序列的刻畫，主流的研究方法都是建立在ARC
2、H類模型的基礎(chǔ)上進(jìn)行的。 國外的研究中，Brooks和Simon(1998)按照一定的標(biāo)準(zhǔn)選用特定的GARCH模型來預(yù)測美元匯率的收益波動情況；Aguilar，Nydahl(2000)使用GARCH模型來對匯率的波動性進(jìn)行建模，取得了較好的擬合效果；Torhen、Bollerslev等人(2001)在基于德國馬克和日元對美元的匯率值、每日匯率值、每日匯率的波動分布和相關(guān)性的基礎(chǔ)上，完善了GARCH模型使用過程中對樣本分布的限制條件。 在國內(nèi)，惠曉峰等(2003)基于時間序列GARCH模型對人民幣匯率進(jìn)行預(yù)測，發(fā)現(xiàn)GARCH模型的預(yù)測匯率與實際匯率
3、是非常接近的，擬合曲線幾乎完全跟得上實際匯率走勢；鄒建軍(2003)通過研究發(fā)現(xiàn)GARCH(1，1)模型對我國滬市收益波動性具有比較好估計和預(yù)測效果。牛方磊、盧小廣(2005年)運(yùn)用ARCH類模型對基金市場的波動性進(jìn)行了研究，發(fā)現(xiàn)上證基金指數(shù)收益率表現(xiàn)出非正態(tài)性和條件異方差的特征，GARCH(1，1)模型對上證基金的波動具有很好的擬合效果。王佳妮、李文浩(2005)應(yīng)用ARCH類模型分析了1999—2004年歐元、日元、英鎊、澳元等四種貨幣兌美元的匯率?！ ∫陨涎芯勘砻?，ARCH類模型能夠比較準(zhǔn)確地刻畫金融類時間序列，特別是金融收益率時間序列的波動性
4、。因此，本文對我國交易所國債市場波動率的研究，也是以ARCH類模型為基礎(chǔ)，通過深入分析交易所國債市場波動率的內(nèi)在特征，選取合適的模型對其進(jìn)行刻畫?！ 《?、樣本選取與統(tǒng)計特征分析 (一)樣本選取和指標(biāo)設(shè)計 由于上海證券交易所國債指數(shù)從總體上基本反映了上海證券交易所國債價格的變動情況。本文以上證國債指數(shù)作為研究對象，選取2003年2月24日至2006年4月18日的每日上證國債指數(shù)收盤價為樣本，共計764個觀測值，數(shù)據(jù)來源于上海證券交易所、湘財證券圓網(wǎng)等相關(guān)網(wǎng)站?！ ≡诖_定研究的樣本期后，再對上證國債指數(shù)的日收益率進(jìn)行計算，計算公式為： OX語言環(huán)境
5、下TSM0．4軟件包計算得出?！ ?二)統(tǒng)計描述及分析 首先，根據(jù)樣本序列(見圖1)，我們對其基本波動特征進(jìn)行分析，依次進(jìn)行自相關(guān)檢驗、單位根檢驗、正態(tài)性檢驗和異方差性檢驗。結(jié)果如下： (1)根據(jù)Ljung-BoxQ統(tǒng)計量和對應(yīng)P值(見表1)，可以判定樣本序列在至少滯后25期內(nèi)，不能拒絕沒有自相關(guān)的零假設(shè)，說明樣本序列存在自相關(guān)性?！ ?2)對樣本序列進(jìn)行ADF單位根檢驗，由于序列圍繞零均值上下波動，故檢驗選擇無常數(shù)項和趨勢項類型，ADF檢驗的t統(tǒng)計量為－14．69335，明顯小于顯著性水平1％的Mackinnon臨界值－3．4415，表明在1％
6、的顯著性水平下，拒絕樣本序列存在單位根的原假設(shè)，說明樣本序列具有平穩(wěn)性。 (3)采用峰度(K)、偏度(S)以及JB檢驗聯(lián)合判斷樣本序列的正態(tài)性(見表2)，結(jié)果表明樣本序列顯著異于正態(tài)分布，高峰厚尾現(xiàn)象明顯?！ ?4)對樣本序列異方差性的檢驗，采用ARCH-LM檢驗法，當(dāng)取滯后階數(shù)為1時，結(jié)果(見表3)顯示樣本序列在l％的顯著性水平下，殘差序列存在ARCH效應(yīng)，說明樣本序列具有異方差性，當(dāng)滯后階數(shù)取10、20時，結(jié)果一致?！ ∑浯危鶕?jù)樣本序列自相關(guān)ACF圖，滯后階數(shù)為200(見圖2)，進(jìn)行樣本序列記憶性特征分析，我們可以發(fā)現(xiàn)，自相關(guān)函數(shù)前11階下降
7、的很快，而在其后則緩慢衰減，直至141階才逐漸接近于0，可見自相關(guān)函數(shù)對以前的影響有很強(qiáng)的依賴性，而且它衰減的形式不是很快地以指數(shù)形式衰減，而是以雙曲線的形式緩慢衰減，這表明條件方差受到的沖擊具有很長的持久性，樣本序列具有長記憶性特征，我們采用標(biāo)準(zhǔn)的GPH法對其進(jìn)行檢驗。根據(jù)標(biāo)準(zhǔn)的GPH－估計量得出的樣本序列的記憶參數(shù)d=0．43215(0．0162)，括號內(nèi)為OLS估計檢驗統(tǒng)計量的P值，結(jié)果清楚地表明樣本序列長記憶特征的存在?！ ∪?、上交所國債收益波動率模型的構(gòu)建 首先對樣本收益率序列建立輔助回歸模型： 由于一般金融文獻(xiàn)均認(rèn)為GARCH(1
8、，1)模型就能夠描述大量的金融時間序列數(shù)據(jù)，因此，本文根據(jù)FIGARCH(1，d，1)模型對樣本序列的條件異
