我国开放式基金风险度量——基于GARCH模型和SV模型的VaR比较

本文是对我国开放式基金市场风险的度量进行研究,找到一种能有效测度我国开放式基金市场风险的模型,给投资者和投资机构提供参考。考虑到金融时间序列数据的波动性以及概率分布,本文运用了GARCH类模型和SV类模型,并分别基于正态分布和T分布进行了建模,进而将其应用于计算VaR值。通过实证结果对比表明,基于SV—T模型计算得到的VaR值更具有准确性,是较优的基金风险测度模型。     

基于GARCH模型的沪深300指数VaR计算

针对VaR和CvaR方法的局限性,运用GARCH及其衍生模型,以深沪300指数为例,计算出其VaR值,并对模型计算出的结果进行对比,以及事后检验。结果发现,该模型能有效地刻画出指数的风险情况。     

金融资产的市场风险度量模型及其应用

从理论和实用两方面综合介绍各种风险度量模型及其特点。根据风险度量模型的发展状况和特点，将其分为三类：方差及其变化模型、含基准点的风险度量模型和VaR及其变化模型，并总结了推动风险度量模型发展的主要动因。     

中国股市价格的波动性研究——基于沪深300指数的GARCH族模型

本文运用GARCH族模型,以中国A股市场较有代表性的沪深300指数作为研究对象,对中国股市价格波动中存在的条件异方差性和正负冲击对股价波动影响的不对称性进行检验,结果表明在样本期（2005年4月8日至2009年5月22日）内,我国股价波动存在明显的条件异方差性,但是并未发现正负冲击对股价波动影响的不对称性。     

上证指数收益率的ARCH族模型与实证分析

应用广义自回归条件异方差GARCH模型对上海股市1999年6月30日至2007年6月29日上证指数收益率进行建模分析.结果反映上证指数收益率具有明显的聚集性、波动性、尖峰厚尾的特征,ARCH族模型较好的拟合了上证指数收益率序列.     

我国股票价格序列波动的GARCH拟合

股票市场最令人捉摸不透也最具吸引力的是波动不已的股票价格。本文以上证综合指教日收盘价格序列为样本。应用GARCH类模型研究了我国股票价格序列的波动性。结果表明，我国股市股票价格波动具有自回归条件异方差特征。非对称的TGARCH模型能较好的拟合我国股市的股票价格序列波动，印证了利空消息比利好消息对我国股市有更大影响的实际。     

非参数与参数GARCH类模型的比较

在对金融资产价格的波动进行定量建模研究时,使用最多的是参数GARCH类模型,这类模型有许多优点,但模型需要的设定条件却比较严格,当不清楚变量的分布形式时,利用实际样本数据建立的参数模型可能会由于错误的设定而得出错误的结论.与参数模型相比较,非参数GARCH类模型的建模方法是一种不同于参数方法建模的新思路,非参数模型不要求设定条件,不会由于错误的设定而得出错误的结论.比较了非参数与参数GARCH类模型的基本形式和适用条件,在对金融资产的波动性进行建模的时候应该根据数据的基本统计特征灵活选用非参数与参数GARCH类模型.     

上证指数收益率的月度效应研究——基于含虚拟变量的GARCH模型

股票市场中的月份效应,是违反市场有效性的异常现象之一,主要表现为某些月份的股票收益率显著高于或低于其他月份的收益率。本文主要研究上证股市的月度效应,以2005年至2014年间的有效交易日为样本日期,选取上证指数的收盘价,运用包含虚拟变量的GARCH模型来研究上证股市是否存在月度效应。通过实证研究表明,上证股市存在月度效应,即一年内一、二月的月平均收益率较高,六月份的月平均收益率较低。最后结合我国的实际情况给出上证股市收益率存在月度效应的原因。     

非线性GARCH模型在人民币汇率预测中的应用

介绍了时间序列处理中常用的非线性GARCH模型,对汇改以来人民币对美元汇率进行预测.在论证GARCH模型可行性基础上,采用一步向前预测方法对实际数据进行预测,得到了较好的结果.     

上海股市的波动性研究

本文运用GARCH模型对上证180指数收益率的波动性进行研究,分析了其收益率的分布特征和波动性的特点,表明上海股票市场的收益率有明显的GARCH效应.     

上海股市的波动性研究

本文运用GARCH模型对上证180指数收益率的波动性进行研究,分析了其收益率的分布特征和波动性的特点,表明上海股票市场的收益率有明显的GARCH效应。     

基于VaR的我国商业银行市场风险分析

本文以招商银行为例,运用VaR-GARCH(1,1)模型对收益率的风险值进行分析,并对我国商业银行的风险管理提出建议,具有较强现实意义.     

GARCH模型族在沪深300中的比较研究

当前我国证券市场已形成了与我国经济发展相适应的特色道路,制度性建设日趋完善.但股票市场在诸多方面的不完善性仍较为明显.尤其是从2008年开始的下滑行情造成了重大的负面影响,风险度量逐渐成为金融市场风险管理的核心.本文系统的GARCH模型,重点研究了利用ARCH(LARCH)模型为波动率建模,从而对沪深300指数风险度量深入研究.实证结果发现基于学生t分布的GARCH(1,1)模型是最优的拟合模型.     

GARCH模型族在沪深300中的比较研究

利用GARCH、EGARCH和GJR带正态分布和t分布的GARCH模型族对沪深300指数日收益率进行了统计拟合比较分析,得到了收益率序列尖峰厚尾性和异方差性等主要概率特征,并对GARCH、EGARCH和GJR带正态分布和t分布的GARCH模型族的预测效率进行了比较分析,发现基于学生t分布的GARCH(1,1)模型是最优的拟合模型,可以较好地提供沪深300指数未来两日的波动率预测。