基于GARCH模型族的上证综指预测模型选择研究

论文摘要

金融市场波动性方面的研究是分析资本资产定价、防范金融风险等问题的基础。金融市场进行定量研究的前提是对金融市场波动性进行准确的刻画,GARCH模型族是专门针对金融数据量体订做的回归模型,特别适用于波动性方面的分析和预测。但是,到目前为止,GARCH类模型已有30多种,究竟哪一种或者哪几种模型更适合我国股票市场的实际情况呢?鉴于此,选取了6种常见的GARCH类模型作为研究对象,选取了2005年5月9日至2010年10月22日的上证综合指数作为样本数据,主要工作及结论如下：(1)样本数据处理及基本统计特征分析。对上证综合指数进行对数差分处理之后,进行了基本统计量、尖峰厚尾特征分析。得到的结论为：上证综合指数收益率具有明显的尖峰厚尾特性,且样本数据不服从正态分布。(2) ARCH效应检验。在建立模型之前论证了调整后的样本数据是否存在高阶的ARCH效应。采用了拉格朗日乘数检验,得出的结论是：TR2=17.251>x0.052(1)=3.84,显著拒绝原假设,经调整的样本数据存在高阶ARCH效应。(3)估计并预测6种GARCH类模型。分别采用极大似然估计方法和估计函数方法对调整后的样本数据进行6种GARCH类模型的估计,之后进行滚动时间窗口的一步外推预测。(4)预测绩效评价。通过采用一步外推预测获得预测值,分别采用损失函数值和SPA检验值进行了预测绩效评价。得到的结论是：在本文选取的6种GARCH类模型中,EGARCH模型的预测精度最高,TSGARCH模型的预测精度次之,GARCH模型的预测精度最差；值得注意的是,采用估计函数方法估计的EGARCH模型的预测精度要高于极大似然估计方法估计的EGARCH模型。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 选题背景
• 1.2 研究意义
• 1.3 研究方法及论文框架
• 1.3.1 研究方法
• 1.3.2 论文框架
• 1.4 主要研究工作
• 第2章 文献综述
• 2.1 国外文献综述
• 2.1.1 GARCH 模型族
• 2.1.2 模型估计方法
• 2.1.3 预测模型选择
• 2.2 国内文献综述
• 2.2.1 GARCH 模型族
• 2.2.2 预测模型选择
• 第3章 GARCH模型族及其模型估计方法
• 3.1 金融时间序列波动理论
• 3.1.1 一般特征
• 3.1.2 测量方法
• 3.2 GARCH模型族
• 3.2.1 ARCH 模型
• 3.2.2 GARCH模型及其扩展
• 3.3 模型估计方法
• 3.3.1 参数化方法
• 3.3.2 非参数化方法
• 3.3.3 半参数化方法
• 第4章 预测绩效评价方法
• 4.1 “已实现”波动率
• 4.2 损失函数理论
• 4.3 SPA检验方法
• 第5章 实证研究
• 5.1 数据选取
• 5.2 基本统计特征分析
• 5.2.1 数据处理
• t统计特征'>5.2.2 r_t统计特征
• t统计特征'>5.2.3 RV_t统计特征
• 5.3 ARCH效应检验
• 5.3.1 LM检验理论
• 5.3.2 估计均值方程
• 5.3.3 估计方差方程
• 5.4 模型预测结果
• 5.4.1 MLE方法预测结果
• 5.4.2 EF方法预测结果
• 5.5 预测绩效比较
• 5.5.1 损失函数值
• 5.5.2 SPA检验值
• 第6章 结束语
• 6.1 结论
• 6.2 不足之处
• 6.3 进一步研究方向
• 参考文献
• 致谢
• 附录