基于garch模型的沪深300指数收益率波动性分析.doc

成都理工大学本科毕业论文（设计）本科毕业设计论文基于GARCH模型的沪深300指数收益率波动性分析摘 要股票价格的波动性在理论界和实务界都是一个热点问题本文借鉴发达市场的研究文献，运用GARCH模型作为工具,检验了沪深300指数日收益率的波动性的变化研究结果表明：沪深300指数日收益率波动从时间上呈现出明显的可变性和集簇性,序列分布呈现尖峰厚尾等特点,并且存在明显的GARCH效应，表明过去的波动对未来的影响是逐渐衰减的；模型还存在明显的GARCH-M效应，说明收益有正的风险溢价；通过建立TARCH模型和EARCH模型，发现沪深300指数收益率存在明显的杠杆效应，这反映出在我国股指期货市场上坏消息引起的波动要大于好消息引起的波动关键词：股指波动性ARCH模型GARCH模型CSI 300 Index Volatility Based on GARCH Model AnalysisAbstract:Stock price fluctuations is a hot spot in both theoretical circles and community of practice. Basing on the literature search of developed markets, this article tries to use GARCH model as tools, to test the daily return volatility changes of CSI 300 index. And the results indicate that CSI 300 index daily return volatility show variability from the time and a clear set of clusters of the sequence showed a fat tail distribution characteristics, and there exists significant GARCH effect, which indicates that the volatility of the past influence the future gradually decay. What’s more, there also exists obvious GARCH-M effect, which shows that the risk premium income does exist. Through the establishment of the model EARCH and TARCH, we found CSI 300 index significant leverage effect exists,which reflects the volatility of the stock index futures market in China caused by bad news easier than good news. 朗读显示对应的拉丁字符的拼音 字典Key words: Stock index futures volatility; ARCH model; GARCH model目录第1章前言 31.1选题的背景和研究意义 31.2研究对象 31.3本文框架结构 3第2章相关理论文献综述 32.1国外研究成果 32.2国内研究成果 3第3章研究思路与实证分析 33．1研究思路和方法 33.1.1 ARCH模型 33.1.2 GARCH模型 33.2实证分析 33.2.1 数据说明及统计性描述 33.2.2 沪深300指数收益率序列的平稳性检验 33.2.3 ARCH效应检验 33.2.4 GARCH类模型建模 3第4章 结论与分析 3致谢 3参考文献 3附录 327第1章 前 言1.1选题的背景和研究意义在2010年4月16日推出以沪深300指数为标的的股指期货合约之前，我国的股票市场还是一个单边做多的市场，投资者参与股市的方式只有一个，先买入，再卖出，并以此实现赢利。

对于一个市场而言，这样的模式本身就有很大的缺陷研究结果显示，如果一个市场缺乏卖空机制，一般会存在股价被高估的现象推出沪深300指数的关键在于引入一种做空机制，投资者赢利不一定以股价上升为前提，相反股价下降也可能是投资者赢利的途径，也就是说股价的波动为投资者带来了更多获利的机会投资者可以通过度量波动率来猜测他们可能接触到的风险有多大，同时了解波动性有助于其将股价界定在一个可能的范围内，当投资者认识到股价波动的规律，他就会对他的投资作出明智的决定这就是为什么我们对估计股市的波动性充满兴趣综合以上分析，研究沪深300指数收益率的波动性特征，有利于我们进一步探究产生波动性的原因并且使我们更好地规避风险就沪深300指数收益率的波动性研究方法而言，根据国内外研究结果可以发现许多金融时间序列都将GARCH模型作为解释金融数据的经验规律因此，本文以2006年10月30日到2010年4月15日每个交易日收盘价作为原始数据，运用GARCH模型检验沪深300指数日收益率的波动性变化，希望借此可以发现沪深300指数波动性特征并分析其原因1.2研究对象我国股票市场作为世界新兴市场之一，市场波动性与成熟市场相比有所不同。

而针对我国金融市场波动性的研究主要集中在把沪深两市分开研究或者单独分析某个市场，难以全面概括金融市场的整个状况；另一方面，沪深两市规模不一样，非同步性交易也会对分析结果形成干扰因素沪深300指数陶佶. 沪深300股指期货理论和实务[M]. 中国发展出版社2008年5月第一版. 113是以在上交所和深交所所有上市的股票中选取规模大和流动性强的最具代表性的300家成分股作为编制对象，并以这些成分股的自由流通量为权数，以2004年12月31日为基准日、基准点数1000点的股价指数2005年4月8日，沪深300指数正式发布，成为沪深证券交易所联合开发的第一个反映A股市场整体走势的指数在2010年4月16日推出以沪深300指数为标的的第一个股指期货合约，它的推出开启了中国金融市场的新时代以沪深300指数作为研究对象正好可以弥补我国波动性研究的缺陷，使检验结果更加具有真实性和完整性具体来讲，沪深300指数具备以下特点：（1） 样本选择标准严格，指数代表性强；（2） 以自由流通量为权数，采用分级靠档法确定权重，抗市场非正常波动强；（3） 市场覆盖率高，抗市场操纵性强；（4） 行业分布均匀，抗行业周期性波动强；（5） 成分股基本面优势强，是机构投资者乃至整个市场的投资取向标杆。

1.3本文框架结构本文共分为五章第一章是前言，主要介绍研究背景和意义，研究对象，以及框架结构等第二章是相关理论综述，主要介绍了国内外关于股票指数和股指期货波动性研究具有代表性的理论和实证成果第三章是实证分析过程，目标是分析沪深300指数收益率的波动性以及非对称性第四章是结论和政策建议第2章 相关理论文献综述金融市场价格变化的波动性是现代金融研究的核心问题之一，Daly(2008)Daly(2008)认为，波动率常作为风险的同义词指出了人们研究和关注金融市场风险可能的原因首先，短期类资产价格的剧烈波动，很难让投资者相信这种变动是源于基本经济因素，从而会降低其投资积极性，转而投资其它市场其次，投资者非常关注被投资公司的违约概率，而公司价值的波动率越大表明其违约概率一般也越大再次，风险溢价的一个重要决定因素就是波动率，波动率越大，风险溢价一般也越大而诸如保险产品等对冲金融工具，其价格一般也是波动率的增函数最后，经济和金融理论认为投资者一般是风险厌恶的，某投资项目的波动率越大只会减少其投资参与度出于上述动机，特别是在1987年美国股市大崩盘的实质触动下，研究者开始关注和追踪研究时变金融市场风险的度量方法，并建立了大量的波动率模型。

目前比较常用的波动率模型有三大类：一是ARCH类模型，二是TARCH模型，三是随机波动模型以下是国内外关于波动性研究的实证结论2.1国外研究成果Engle和Ng（1993）Engle, R.F. and V.K.Ng, Measuring and testing the impact of news on volatility [J].JournalofFinance. 1993(48), 1749-1778.选取日本的股票市场做研究，绘制了好消息和坏消息的非对称信息曲线，并同时使用EARCH、AGARCH、NGARCH、VGARCH和GJR GARCH模型，证实发现日本股票市场确实呈现波动度不对称的效果，这种非对称性是十分有用的，因为它允许波动率对市场下跌的反应比对市场上升的反应更加迅速，因此被称为“杠杆效应”在反应不对称效果上，以GJR GARCH模型最好Gallant等（1994）Gallant, A. R. , D. Hsieh and G. Tauchen, Estimation of stochastic volatility models with suggestive diagnostics. Duke University, Working Paper. 1994用1928-1987年S&P合成指数的日观测值估计单变量模型，用1977-1992年的日观测值估计S&P NYSE指数、德国马克对美元汇率和三个月期欧元汇率的三变量模型。

他发现，对于股价和利率，随机波动率模型可与非参数ARCH得分的ARCH部分相匹配但是，它不能匹配新生分布中的矩，对于汇率，随机波动率模型并不能拟合其中的ARCH部分Zakoian（1994）Zakojan, J.M., Threshold heteroskedastic models[J].Journal of Economic Dynamics and Control, 1994 (18) , 931- 955以法国股票市场为研究标的，并利用TARCH模型依赖于逐段线性逼近来估计条件方差函数的方法研究，发现法国的股票市场确实呈现不对称的情形，并且指出不对称情形会因冲击程度的大小不同而反转Danielson（1994）Danielson, J., Stochastic volatility in asset prices: Estimation with simulated maximum likehood[J].Econometrics 1994(64), 375-400发现对于1980年到1987年的S&P500指数的日数据，EARCH（2,1）模型比ARCH（5）、GARCH（1,2）、IGARCH（1,1,0）模型表现更好。

同时，它还优于用模型最大似然法估计的简单SV模型动态SV模型与EGARCH对数似然值之间的差额是25.5，支持了4个参数的SV模型优于5个参数的EGARCH模型的结论2.2国内研究成果仝玉民（2009）仝玉民：《股票市场波动性——来自沪深300指数的证据》，金融经济， 2009年06期采用 ARCH类模型对基于沪深300指的股票市场的长期波动性进行动态分析和实证检验，采用 ARMA模型刻画条件均值方程，实证分析结果表明ARMA （1, 1） - GARCH（1 , 1）模型拟合效果较好，可以解释波动性存在的持续性、丛集性和杠杆效应等特征TARCH（1, 1）和 EGARCH。