吴刘仓 昆明理工大学理学院 深沪股市日对数收益率的统计分析

合集下载

国内外股市收益率统计特征与相关性分析

国内外股市收益率统计特征与相关性分析
表1 国 内外 股 市 日对 数 收 益 率 描 述 性 统 计 量
S I 指数 ( r t s i ) ; 北美洲 、 南美 洲 、 澳洲 的股指 分别选 用美 国纳斯达克指数 ( n a s d a q ) 、 巴西博 维斯帕 指数 ( b o v ) 和 澳大利亚普通股指数( a o i ) 作 为代表 。 所有股票指数 均选 取 2 0 0 7 年 第一 个 交易 日作 为 起始时 间, 2 0 1 3 年 最后一 个交易 日作 为终止 时值 。其 次 , 对剔 除后 的所有 数据 取 自然 对 数 。最 后 , 利用公 式 r 一 1 0 0( 1 n P i , 一
l n P i , 一 1 ) 求 出 日对 数 收 益 率 , 将 价 格 序 列 转 化 成 收 益 率序列 , 最终取得 l 3 1 1 组 收 益率 。
欧 洲 4个 , 分 别 为英 国富时 1 0 0指 数 ( f t s e ) 、 法 国 C AC 4 0 指数 ( c a c ) 、 德国 D A X 指数 ( d a x ) 和俄罗斯 R T —
( 3 ) J —B统计量进 一步证 明各 国股市 的收益 率序 列 不 服从 正 态 分 布 。
新兴 市场 间以及新兴 市场 间的收益率相关程度普遍较 高, 中国与世 界股市的收益率相 关水 平较低 ; 交叉相 关 系数
表 明, 随 着滞 后 期 的 延 长 , 国 内外 股 市 收 益 率 的 相 关 性 减 弱 。 关键词 : 股 市收 益 率 ; 统计特征 ; 相关性 ; 交 叉 相 关 系数 中 图分 类号 : F 7 4 文献标识码 : A 文章 编 号 : 1 6 7 2 — 3 1 9 8 ( 2 0 1 5 ) 0 3 — 0 0 9 2 — 0 2

成交量与资产定价理论模型

成交量与资产定价理论模型

收稿日期:2001 05 11基金项目:国家杰出青年科学基金资助项目(70025303)成交量与资产定价理论模型吴文锋, 朱云, 吴冲锋(上海交通大学管理学院,上海200052)摘 要:成交量在现代资产定价理论模型中几乎不起作用,本文在介绍最近有关成交量研究的基础上,从股价推进进程角度,提出成交量作为股价推进进程的标度,基于成交量进程的股价分析思想。

关键词:成交量进程;日历时间进程;资产定价理论中图分类号:F830 9 文献标识码:A 文章编号:1003 5192(2002)04 0048 04Trading Volume and Asset Pricing TheoryWU Wen feng,ZHU Yun,WU Chong feng(M ana gement School ,Shanghai Jiaotong Univer sity ,Shanghai 200052,China)Abstract:T rading volume plays no role in the modern asset pricing theo ry.Introducing recent studies on tr ading vol ume,the paper puts forward a method about trading volume process based stock price analysis,in which trading volume i s regarded as a scale.Key words:tr ading volume pr ocess;calendar time process;asset pricing theor y 1 引言股价、成交量和时间是金融市场的三个根本变量。

在这三个变量中,股价是核心,是学术界和实务界的研究目标变量。

因为现代金融的核心问题是定价问题,所有的金融研究都是以股价为核心。

沪深300_股指期权与现货市场价格关联性研究

沪深300_股指期权与现货市场价格关联性研究

的影响不大" iN@CAP@Z@WBSW运用时变方差计算方 可达一个工作日$ 有些学者通过计算衍生品的'"
法" 得出期权产品上线前后相对应的标的产品价 定量分析了期权对现货市场价格的引导机制"
格波动率没有显著变化$
,BCBDJW@_ 认为不同样本区间导致的结构性差异
国内学者对期权与现货市场关联性的研究主 使得期权产品的'" 份额较低$ 有学者在引入沽空
市" 作为继上证70#(*期权# 中证700 股指期货 随着我国期权市场产品的不断推出以及各类
上市之后的又一期权产品" 该期权产品的发布" 金融监管政策的完善" 金融期权与现货市场的关
标志着我国期权市场发展的进一步完善以及对衍 联性越来越受到民众关注" 期权作为金融市场中
生品的研发更加深入" 也标志着我国股指期权的 重要的对冲工具" 沪深300#(*期权的市场规模
风险对冲的工具" 价格发现机制是其引导标的资 设条件方差不仅取决于残差项的滞后期" 还依
产价格变化# 揭示市场未来价格走势进而减少组 赖于自身的滞后期" 该模型通过引入方差滞后
合资产波动性的重要影响因素之一$ 具体来说" 期的方式来减少模型中的滞后阶数$ 由于金融
期权与现货市场的关联性的衡量是收益率的波动 市场的价格信息常常受历史价格表现的影响"
期货及衍生品
中国证券期货!!!!! !
"#$%&'('#" )*%(%&#" +*$,'-.!!!!!!
年月 /0// 1
!"#! $%&$'())*+&,-./&010223&4%44&4&%%5

对数收益率

对数收益率

对数收益率对数收益率是一个用于衡量资产或投资收益的指标。

它是指以对数形式计算的收益率,它可以用于比较不同资产或投资之间的收益情况。

对数收益率的计算公式为:ln(R) = ln(V2/V1) = ln(V2) - ln(V1)其中,ln表示自然对数,R表示收益率,V1表示初始时的价值,V2表示结束时的价值。

通过将收益率进行对数转化,可以解决原始收益率存在的问题,例如收益率的非线性和计算的复杂性。

对数收益率的优点是能够提供更准确和可比较的收益率数据。

它可以将不同时间段的收益率转化为线性关系,并且对数函数的性质可以有效地抵消异常值的影响。

对数收益率也广泛应用于金融学领域,例如投资组合管理、资产定价等。

在金融领域中,对数收益率常用于分析股票、债券、基金等金融产品的收益情况。

通过计算这些资产的对数收益率,投资者可以比较它们的风险和回报,并做出合理的投资决策。

对数收益率的计算方法相对简单,只需要取对数并相减即可。

然而,在实际应用中,对数收益率的计算可能受限于数据的可用性和质量。

例如,如果某个资产的价格为0或负值,将无法计算对数收益率。

因此,在计算对数收益率时,需要注意数据的准确性和完整性。

此外,对数收益率还可用于计算波动率。

波动率是一种衡量资产价格波动性的指标,通常用标准差表示。

通过计算资产的对数收益率,并将其标准差乘以根号下时间的倒数,可以得到波动率的估计值。

总之,对数收益率是用于衡量资产或投资收益的一种指标,它能够提供更准确和可比较的收益率数据。

在金融领域中,对数收益率广泛应用于资产定价、投资组合管理等方面。

通过计算对数收益率,投资者可以比较不同资产之间的收益情况,并做出合理的投资决策。

腾讯控股投资价值分析

腾讯控股投资价值分析


体 个性 空 问 , 即博 客 。截 至 2 0 1 4年 ,
联网 一 最好_ 的产量和一 中国最大_ 的疆 残平台一腾 控股是_ 中目互蜃 一 网_ 全业 市值排 5 _ - 一 阿黑_ 巳 。 一 _ 本_ 文在 析腾 讯产量和盈 孙捷氧的基 础上,
韭特偷 通过 墨 WQ 金 插 波 粮 . 互_ 力分 析模 型 及 务一 分折 方 澎 同 一 时一 融
年 网 游 运 营 商 市 场 运 营 收 入 排 名 前
三为: 腾讯 ( 3 2 6 . 3亿 元 ) 、 盛大( 8 3 . 4
年 6月 1 6日, 腾 讯控 股 成为第 一 家 在
香 港 主 板 上 市 的 中 国互 联 网 企 业 。 到
亿元 ) 、 网易 ( 4 3 . 9亿 元 ) 。④ Q Q影 音 。
该 视 频 播 放 器 从 无 到 有 ,截 至 2 0 1 4 年 1 2月 市 场 份 额 已 经 提 升 到 4 . 2 %。
目前 ,它 是 中国最 大 的互联 网综 合 服 务提 供 商之一 ,也 是 中国服 务 用户 最
多 的 互 联 网企 业 之 一 。

户 数仅 次 于 F a c e b o o k,达 到 8 . 2 9亿 , 成 为 全球 第 二 大社 交 网络 。Q Q 同 时 在线人数 , 从 2 0 0 0年 的 1 0万 到 2 0 1 4 年 突 破 2亿 , 增长了 2 0 0 0倍 , 复合 增
频 次均名 列前 茅 。 ⑧ QQ游 戏 。目前 是
国 内最 大 的 网络游 戏 社 区 , 艾瑞 2 0 1 3
旗下 Q Q、 Q Q 空 间 和 微 信 进 入 前 五 名 。( 1 ) Q Q 及其相 关 产 品。其最 具代 表性 的产 品是 即时通 讯 软件 Q Q。Q Q

沪深两市股票指数收益率分布特征的实证研究__省略_ATLAB软件实现对中国股票市

沪深两市股票指数收益率分布特征的实证研究__省略_ATLAB软件实现对中国股票市

第26卷第1期2004年3月 湘潭师范学院学报(自然科学版)Journal of X iangtan Normal University (Natural Science Edition ) Vol.26No.1Mar.2004沪深两市股票指数收益率分布特征的实证研究①———用MAT LAB 软件实现对中国股票市场数据的检验张 敏1, 强世应2(1.湘潭大学商学院,湖南湘潭411105;2.安徽大学数学系,安徽合肥230026)摘 要:用Matlab 软件对中国股票市场数据进行了分布和非线性检验,为了解决这些问题,采用并进一步开发了一套算法工具。

关键词:股指收益率;K olm og orov -Smirnov 检验;非线性;算法中图分类号:F832 文献标识码:A 文章编号:1671-0231(2004)01-0122-05在世界经济金融化和“金融工具/体制”创新化的推动下,以及随着我国金融体制改革的不断深入,股票市场越来越成为经济活动中最为活跃的成分之一,深入研究我国股票市场的运动规律具有重大的现实意义。

1952年,Markowits 创立现代组合投资理论(M odern P ortfolio Theory ),在收益率的正态分布假设下提出以证券投资收益率的方差计量风险;而著名的“Black -scholes 期权定价公式”则直接建立于期权收益的正态分布假设之上。

J.Mayers (1987年)提出“最优投资组合理论”成立的必要条件是金融资产价格的变化(收益)服从所谓的“线性分布族”(Linear Distribution Class )。

然而股票收益的运动是极其复杂的,这些为简化模型而主观设计的前提假设常常与实际不符。

闫冀楠(1997年)针对上海股市收益进行了K uiper 、Jarque -Beta 等非参数方法和参数方法的正态分布检验,得出收益的非正态性在统计上显著的结论;刘志新(2001年)研究了有关股票收益的非正态性和非线性问题。

吴刘仓 昆明理工大学理学院 深沪股市日对数收益率的统计分析

吴刘仓 昆明理工大学理学院 深沪股市日对数收益率的统计分析
从图 7可以清楚地看出,利用正态逆高斯分布拟合上证 A股收益率呈现出尖峰厚尾性, 它的最高峰度比正态分布更高,尾部比正态分布更厚.由图 8上证 A股的 Q-Q图看出,利用 正态逆高斯分布拟合上证 A股日对数收益率效果也比较好. 2.4深、沪股市的日对数收益率的比较分析
通过对深、沪两地股市 A股的日对数收益率的统计分析,发现我国股市的数据有明显 的“尖峰厚尾”特征.通过比较图 1和图 5,发现我国深、沪两地股市 A收盘价的波动趋势 大体相同.通过比较图 2和图 6,可以发现我国深圳股市的日对数收益率的波动范围比上证 的大一些.从图 4和图 8上看,广义双曲分布对深圳股市的日对数收益率拟合效果比上海股 市的好.
( ) 2π
α
λ

1

λ

δ
α2 −β2
(1) (2)
是标准化的常量, kλ 表示阶数为 λ 的第二类修正Bessel函数.式(1)、(2)中参数的范围为
µ∈R
δ ≥ 0, β < α ,if λ > 0 δ > 0, β < α ,if λ = 0 δ > 0, β ≤ α ,if λ < 0
时间/天
图 2 深证 A股 1996年 12月 18日到 2003年 3月 17日日对数收益率曲线 Fig.2 Curve of daily log-return of A-share from December,17,1996 to March,17,2003 in Shenzhen.
由于广义双曲线分布族的密度函数形式复杂,参数估计非常困难,因此,在这里我们只 考虑一种相对简单的正态逆高斯分布的情况.利用深证 A股 1996年 12月 18日到 2003年 3 月 17日日对数收益率的样本数据,通过计算得正态逆高斯分布的极大似然参数估计结果如 下表 2所示.

ch1-金融数据的统计分析

ch1-金融数据的统计分析
Ch1 金融数据的统计分析
徐剑刚
1
1 金融数据的统计分析
1.1 金融价格变动和报酬 1.2 金融资产价格和报酬的模型 1.3 金融资产报酬的统计特性 1.4 金融资产报酬的其他经验规则
2
1.1 金融价格变动和报酬




资产价格 一天(单期)报酬 多天(多期)报酬 实例分析
3
资产价格
最早的研究分析资产价格或股价指数的行为,检 验市场有效性。 信息有效市场中资产价格的随机游动特征:
350 300 250 200 150 100 50 0 -7.5 -5.0 -2.5 0.0 2.5 5.0 7.5 Series: DLOG(CITIC)*100 Sample 1 2100 Observations 1610 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability -0.020785 -0.019551 9.377550 -8.484307 1.451820 0.529204 8.948509 2448.876 0.000000
rt
8
pt ln(Pt )

深圳发展银行 2002-11-29 2002-12-2 1 2 股价 12.10 11.62 -0.48 -3.97 -4.05 绝对价格变动 简单报酬(%) 对数报酬(%)
2002-12-3
2002-12-4 2002-12-5
3
4 5
11.76
11.79 11.64
0.14
0.03 -0.15
1.20
0.26 -1.27
1.20
0.25 -1.28

中国股市股票交易信息与股票横截面收益研究

中国股市股票交易信息与股票横截面收益研究

中国股市股票交易信息与股票横截面收益研究韩海容1,吴国鼎2(1.同济大学经济与管理学院,上海200092;2.北京大学光华管理学院,北京100871)摘要:本文基于沪深股市1993-2008年剔除了金融类股的所有A 股数据,研究了股票动量因素、反转因素和换手率等股票交易信息对股票收益横截面的影响。

研究结果表明,股票的一年期的动量因素对股票的横截面收益的影响不显著,股票的三个月的短期反转因素对股票的横截面收益有显著影响,股票的三个月的累计收益越低,其在接下来一期获得的收益就可能越高。

股票的换手率对股票的横截面收益的影响也显著,股票的上一期的换手率越高,在接下来的一期获得的收益就可能越低。

关键词:股票市场;股票交易信息;动量因素;反转因素;换手率;横截面收益文章编号:1003-4625(2011)01-0010-04中图分类号:F830.91文献标识码:A收稿日期:2010-11作者简介:韩海容(1970-),女,山东临沂人,博士研究生;吴国鼎(1973-),男,山东临沂人,博士研究生,研究方向:证券市场。

一、问题的提出股票的收益可分为横截面收益和时间序列收益,横截面股票收益指的是不同上市公司股票在同一个时期的平均收益。

本文主要分析中国证券市场上股票横截面收益的影响因素。

影响股票横截面收益的因素是多种多样的,而且在不同的时期,不同的市场环境、不同的证券市场体制下,影响股票横截面收益的因素往往各不相同。

本文主要研究中国证券市场上股票交易信息对股票横截面收益的影响。

二、研究概述经典金融学的资本资产定价模型认为,在假设的理论世界中,股票收益的横截面差异是由股票的系统风险β决定的。

但是基于现实数据的经验研究发现,很多其他的因素与股票收益的横截面差异相关,这些因素与股票收益的相关关系往往不能用CAPM 完全解释。

这些经验数据包括规模效应、公司价值效应、股价中期惯性和长期反转等。

本文主要研究中国股市股票的动量效应、反转效应和换手率等股票交易信息对股票横截面收益的影响。

我国股指期货对股市波动性影响的实证研究

我国股指期货对股市波动性影响的实证研究
CAIXUN 财讯
我国股指期货对股市波动性影响的实证研究
□ 中央财经大学
本文旨在研究沪深 300 股指期货对 我国 A 股行业龙头股的对冲效果。 首先, 在选股方面,本文选取了风险相对较小 的行业龙头股,根据马科维茨最小方差 投资组合理论得出个股权重,得到股票 组合,最后,本文的模型与结论对股票 等证券投资者利用期货和期权进行套期 保值具有一定的理论和实际意义。
模型建立与求解
最小方差投资组合 (1)理论模型 我们考虑 Markovitz(1959)投资组 合中的均值-方差分析。为了简化,我们 集中考虑最小方差组合。 假设组合中有 k (本文 k=28)个风险资产,组合收益的 标准误差作为风险测量。假设这 k 个资 产的收益为 rt {r1t ,,rkt }'(本文 t=1094) , rt 的协方差矩阵为 Vt,组合的权重记为 t {1t , kt }' 。 权重是投资组合中每项 资产所占的百分比。 最小方差投资组合的思想是,选择 一个权重 t ,使得权重为下面简单最优 化问题的解: min 'Vt
龙 奇
刘明轩 / 文
其次为宝钢股份( 10.26% ) ,贵州茅台 (11.53%) ,大秦铁路(12.18%) ,融券 卖出较多的股票为中国石化(8.38%) , 江西铜业(10.96%) 。中国石油和工商银 行获得重仓买入的原因是这两只股票的 市值非常巨大 (截止 2014 年 12 月 31 日, 分别为 19785 亿元和 17119 亿元) ,是其 他龙头股的几倍到几十倍不止,且从 2010 年 7 月份至 2014 年 12 月份,中国 石油和工商银行的股价变化范围非常 小。在最小方差投资组合原理中,它们 也会获得较高的权重。 (3)日对数收益率比较 可以看见,所有的数据值都是正常 的。组合 A 的收益率均值(0.000622) 是大盘(0.000273)的 2 倍多,而标准差 却比大盘小。这说明由来自不同行业的 28 支股票组成的组合 A 充分分散了个股 的非系统性风险和行业风险。还有几只 股票的权重为负(但不大) ,因此在一定 程度上也分散了大盘风险,使得其风险 小于大盘。若忽略交易费用的影响,组 合 A 的业绩表现在 2010 年 7 月-2014 年 12 月这一年半的时间里远远好于大盘。 建议如下: 第一,强烈建议关注行业龙头的蓝 筹股,如中国石油、工商银行等。 第二,当风险头寸比较大时,建议 采用沪深 300 股指期货对冲风险。 作者简介:龙奇(1991- ) ,男,汉 族,湖北咸宁人。硕士研究生,单位: 中央财经大学中国经济与管理研究院, 研究方向:金融工程。 [1] 鲁旭, 赵迎迎.沪深港股市动态联动性研 究——基于三元 VAR—GJR—GARCH —DCC 的新证据[J].经济评论,2012 (01) :97-107. [2] 罗阳,杨桂元.基于 GARCH 类模型 的上证股市波动性研究 [J].统计与决 策,2013(12) :162-165. [3] 郑振龙, 杨伟.金融资产收益动态相关 性:基于 DCC 多元变量 GARCH 模 型 的 实 证 研 究 [J]. 当 代 财经 , 2012 (07) :006. [4] Hul J C.期权、 期货及其他衍生产品[J]. 机械工业出版社,2009.

基于EGARCH—GED模型下的股市风险测度研究

基于EGARCH—GED模型下的股市风险测度研究

0 引 言
近几年 以来 , A V R方法 已经 成为风 险管理 的标 准方 法 . A V R最 明显 的优 点 是把 金 融 机构 投 资组 合 的 风险 以一个 数值 来表示 , 映 了风 险管理 的核 心—— 潜在 亏损 . 要 准确 度 量 这些 亏 损并 非 易 事 , 主 要 反 但 这 因为 V R的度量不 仅与 资产 的概率 分布有 关 , 与 资产收益 的波动性 有关 . 内外大量 研究 表 明 , A 还 国 资产 收
ro e t g s o h tt e AR・ irt si h ws t a h n - EGARCH — —GED d li et rmeho o d s rb h r e ik i i e e mo e s a b te t d t e c e t e ma k trs n Ch n s i
第3 4卷 第 2期
昆明理 工大 学学报 ( 理工版 ) ht / w t / ww. u t u n icr/ p: k s o r a.o j n
V 13 N . o.4 o 2
! 旦 生兰
2竺 呈
竺 墨 : 堕 !兰 ! ! ! !! 呈 堡 !
n d e nly c a c og) enT h o
So k Ma k t tc r e . Ke o ds VAR ; AR ~ EGARCH d l g n r lz d e r r d srb to yw r : mo e ; e e aie ro it u in;p sei rt si g; so k ma k trs i o tro e t n tc v e ik; rs a l・me t ik me sl 1 e n
Ab t a t:F rty,b s d o h a i h r c e sis o eu n s re n Ch n s tc r e ,AR —EGARCH sr c isl a e n te b sc c a a tr tc fr t r e s i i e e S o k Ma k t i i mo e s u e o o ti t fe to u o o r lto d li s d t b an i efc fa t c re ai n,c u trn l cu to n s e ily t s l se ig fu ta in a d e p ca l he“lv r g fe t f e e a e efc ’ ’o

深证成指周收益率波动及预测实证研究——基于ARCH模型

深证成指周收益率波动及预测实证研究——基于ARCH模型
_


深证成指周收益率波动及预测 实证研究
— —
基于 A RC H 模 型
林 雨 幸 伟 刘 堂发
南 昌大 学共青 学 院
【 摘
要】 文章 以 1 9 9 6 -2 0 1 2年深证成  ̄ ' ( 3 9 9 0 0 1 ) 周收盘价为对 象, 就我 国股市波动情况进行 实证研 究。研 究结果表
A R C H — M模 型。目前 , 在学术界 A R CH模型已经有 多 的, 线性回归模型一般为: y t = " y 0 + ^ y x+ …+ ^ y k x u f 。对于
种 扩展 形式 ( 高铁 梅 , 2 0 0 9 ) , 比如 T A R C H、 E G A R C H A R C H ( q) 模型, 可写为: 盯 a o + a 1 + a 2 u 三 2 + …+ a 。 u ,
GA R C H — M 模 型 表 达 为 : y t = x t + 。 p o + u l ;
特征, 且 认 为我 国股 票 市 场 存在 显 著 的 信 息 非 对 称 性 盯 - a 0 + a 1 + a 2 u + …+ a 。 u 。其 中: 参数 p是条件方 和 杠杆 效 应 。 ( 二) 背景 和意 义 差盯 衡 量 的 ,能 观 测 到 预 期 风 险 波 动 对 Y 的 影 响 程
1 . AR CH模 型
模型 ) , 恩格 尔( E n g l e ) 、 利林( L i n l i e n ) 和 罗宾( R o b i n s )
( 1 9 8 7 ) 引 入 了 利 用 条 件 方 差 表 示 预 期 风 险 的
经典线性 回归模型通 常假定随机误差项是 同方差

沪市股指收益率及波动性研究

沪市股指收益率及波动性研究
现代商 贸工业
Mo enB s es rd n uty dr ui s T a eId s n r 20 0 9年 第 6期
沪 市股 指 收 益 率 及 波 动 性 研 究
李 凌 燕
( 疆财 经大学统 计与信 息学院 , 新 新疆 鸟 鲁木 齐 8 0 1 ) 3 0 2
摘 要 : 用 自回 归 条 件 异 方 差 ( 应 ARC 模 型 对 上 海 股 市 在 2 0 H) 0 7年 4月 2 7日至 2 0 0 8年 4月 2 8日股 指 日对数 收 益 率 进 行 建模 分 析 : 果 反 映 沪 市 股 指 收 益 率 具 有 明 显 的 波 动 聚 集 性 和 尖峰 厚 尾 的 特 征 ; 值 模 型 适 合 ARMA 过 程 , 不 符 合 结 均 且
进 一 步 检 验 收 益 率 序 列 的 平 方 的 相 关 性 特 征 , 意 到 注
( 2 序 列 的 AC 系 数 比 原 序 列 的 有 所 增 大 , 且 呈 现 出 R ) F 并

R2序 偏 的 。 第 五 , 动 率 对 价 格 的 大 幅 上 升 和 价 格 大 幅 下 降 的 反 { t ) 列 的 自相 关 、 自相 关 系 数 发 生 微 妙 的 变 化 。部 分 波
数 据 描 述
后做一 次差分 。
2 1 收 益 率 { } 正 态 分 布 检 验 . Rl的
定 的 规 律 性 , 像 原 序 列 显 著 为 零 。与 此 同 时 , 统 计 量 不 Q
原 拒 构 造收益率序 列 的 方 法是 对 股 票市 场价 格 取对 数 , 然 拒 绝 相 关 性 的 概 率 也 在 减 小 , 序 列 滞 后 1阶 时 , 绝 相 关

沪、深股市收益率风险的极值VaR测度研究

沪、深股市收益率风险的极值VaR测度研究

一历 方差 . 方 差 法 、 史 模 拟 法 、 特 卡 藩 横 拟 法 的 基 丰 宦 协 蒙

路 是 基 于某 一 分 布假 设 来 估 计 整 个 损 失 分 布 函 数 . 在 实 际 的观 而
大值 ( okm xm ) H c aia建模 。P T模型则对 观察值 中所有超 O
() 3
损失分 布函数 的某 一分 位点 。 由于传 统 的方 差一 协方 差
法 、 史 模 拟 法 、 特 卡 洛 模 拟 法 在 估 计 金 融 资 产 收 益 率 历 蒙 的 R值 上 的 低 效 ① ,mn ̄ 鲫 等 学 者 便 将 统 汁 极 F c sL
{为形 状 参 数 , )0为尺 度 参 数 , ‰ 根据乘法公式 . 由式 () : i有 () Y 依 据 式 ( ) 当 u 。时 , F ( )= 2, 一 有 Y
有效地使用 了有 限 的极端 观察 值 , 因此 通常被 认 为在实
跣 中是 最 有 用 的 , P T模 型 中 , 可 以 区 分 两类 不 同 的 在O 又 分 析 方 法 . 围绕 Hl估 计量 展 开 的 半 参 数模 型 与 基 于广 即 i l 义 帕累 托 分 布 的 参 数 模 型 。 本 文运 用 的是 基 于广 义 帕 累 托 分 布 的参 数 P T模 型 。 O 记 F ) 肢 价 收 益 率 损 失 分 布 函 数 , 中 , 一 ( 为 其 =

() 有 : 4便

F “ ) ( 一 )+ F “ ( )G ( )
பைடு நூலகம்、 F
() 5
此 处 = “qy ) 。 考 虑 式 f ) 分 布 函数 F( ) 估 计 - 5中 的

沪深股市股票收益长期记忆分析

沪深股市股票收益长期记忆分析

作者简介 : 国光 (9 6 ) 男 , 刘 16 一 , 江苏淮安人 , 师 , 讲 经济学博士 , 主要从事计量金融理论与方法研究 。
50 0
维普资讯
2OO6 .4 第 2 8卷 哲 学社 会 科学 版
Q, 法 解 释 过 程 的 自相 关 现 象 。 无 ( )K S 检 验 。 19 年 K i k w k , 二 PS 92 wa o si t
列 的 长期 记 忆 特 性 , ale等 人 则 提 出 分 数 B ii l
的 缺 点 , o在 19 L 9 1年提 出 了修 正 的 R S检 验 , /
L o构造 了如 下 的统 计 量 :

积 分 GA C 模 型 来 研 究 股 票 价 格 、 率 和 期 RH 汇 货 价 格 数据 的长 期 记 忆 特 性 。 然 而 , 有 文 献 对 新 兴 的 资 本 市 场 研 究 却 现 较 少 。中 国 股票 市 场 作 为 新 兴 的 资本 市 场 , 经
,0 ( )过程 , 存 在 长 期 记 忆 。 择 假 设 为 分 数 不 备 积 分 参 数 不 为零 , 列 为 , d 序 ( )过 程 , 在 长 期 存
记 忆 。运 用 下 列 四种 方 法 对 沪 深股 市 长 期 记 忆 特 征 进 行 检验 。 ( ) o的修 正 的 R S检 验 。针 对 经 典 的 一 L / R S方 法 检 测 到 的 长期 记 忆 可 能 是 短 期 自相 关 /
是 对 市场 有 效 性 ( MH) 市 场 的发 育 程 度 进 行 E 、 研 究 是 十分 必 要 的 。本 文将 从 两个 方 面 对 沪 深 股 市股 票 收 益 的长 期 记 忆进 行 探讨 。文 中分 别

基于多分辨分析的沪深股市相关性分析

基于多分辨分析的沪深股市相关性分析

Analysis of SH&SZ Stock Market Dependence Based on Multiresolution Recognition
作者: 秦伟良[1,2] 颜华实[2] 达庆利[1]
作者机构: [1]东南大学经济管理学院,南京210096 [2]南京信息工程大学数理学院,南京
210044
出版物刊名: 数理统计与管理
页码: 517-522页
主题词: 高频数据 Copula semi-GPD MODWT χ^2-检验
摘要:为了有效地揭示沪深股市不同交易周期股票交易的相关性,本文采用极大重叠离散小
波变换,将上证指数和深圳成指高频收益率分解在不同的交易周期上,对各个周期的收益率采用semi-GPD模型作为其边缘分布分别进行拟合,在此基础上采用Copula函数方法建立同周期收益率的联合分布,度量了沪深两市同周期交易的相关性.实证表明,不同交易周期所表现出的相关性存在明显差异,并且随着交易期的增长,沪深两市非对称结构逐步明显。

沪深300股指期货日内绝对收益率与成交量之间动态关系研究

沪深300股指期货日内绝对收益率与成交量之间动态关系研究
针对资产收益率与成交量之间动态关系的研 究 也 由 来 已 久 ,一 般 金 融 资 产 的 收 益 率 与 波 动 率 存 在着 较 为 显 著 的 因 果 关 系:Ghysels?,Gouriéroux C,JasiakJ[7]使 用 高 频 数 据 验 证 了 收 益 率 和 成 交 量之间的动态因果关 Biblioteka ;KamathR和 WangY[8]验
收 稿 日 期 :20180102 基 金 项 目 :本 文 获 得 广 东 省 哲 学 社 会 科 学 “十 三 五 ”规 划 高 频 波 动 率 与 风 险 管 理 学 科 建 设 项 目 (GD18XYJ36) 作者简介:王苏生(1969),男,教授,博 士 生 导 师,研 究 方 向:金 融 工 程;李 光 路 (1982)男,博 士 研 究 生,研 究 方 向:金 融 工 程;王 俊 博 (1984),男 ,博 士 研 究 生 ,研 究 方 向 :金 融 工 程 。
0 引 言
金融资产收益波动率的研究一直都是金融实
证 和 时 间 序 列 研 究 的 重 点 与 热 点 ,波 动 率 的 准 确 估 计是金融资产定 价、风 险 管 理、资 产 配 置 的 关 键 因 素,因此,如何选用 适 当 的 方 法 来 准 确 度 量 金 融 资 产波动率 对 波 动 率 的 研 究 来 说 就 显 得 尤 为 重 要。
摘 要:均值为零的观测样本绝对收益率可以看作波动率的无偏估计量,因此 本 文 选 取 连 续 20个 交 易 日 的 日 内 高 频数据来研究沪深 300股指期货日内绝对收益率和成交量之间的动态关 系。 在 检 验 了 样 本 稳 定 性 后,文 章 采 用 格 兰杰检验方法检验了股指期货日内绝对收益率和成 交 量 之 间 的 因 果 关 系,检 验 结 果 表 明:所 有 样 本 的 成 交 量 均 不 是绝对收益率的格兰杰原因,而 20个样本中的 15个样本的绝对收益率 是 成 交 量 的 格 兰 杰 原 因。 随 后 我 们 使 用 向 量自回归模型分别对 15个模型的系数做估计,并对模型估计结果做了脉 冲 响 应 分 析。 研 究 发 现,在 此 高 频 抽 样 条 件下,与以往研究不同,沪深 300股指期货绝对收益率的变化会明显降 低 其 观 测 期 的 成 交 量。 因 此,在 股 指 期 货 日 内成交量与绝对收益率的研究中,历史成交量与收益 率 都 对 当 前 成 交 量 有 着 重 要 影 响;而 绝 对 收 益 率 只 受 历 史 绝 对收益率的影响。 关键词:高频数据;VAR模型;格兰杰因果关系;脉冲响应函数;沪深 300股指期货 中 图 分 类 号 :F830.91 文 章 标 识 码 :A 文 章 编 号 :10073221(2020)02016609 doi:10.12005/orms.2020.0049

深沪股指收益率波动研究

深沪股指收益率波动研究

深沪股指收益率波动研究
姜学;许涤龙
【期刊名称】《统计与信息论坛》
【年(卷),期】2005(20)6
【摘要】文章选取沪、深两市1991年1月1日至2005年2月18日的股票指数作为样本,运用EGARCH(1,1)模型,研究指数日收益率波动的性质特征,并探讨了不同阶段股市对利好消息和利空消息的反映.结果表明:不同阶段的指数收益率序列具有结构特征,各阶段沪、深两市指数收益率均与滞后一阶高度相关,且两市指数收益率均具有信息不对称效果.
【总页数】4页(P50-53)
【作者】姜学;许涤龙
【作者单位】湖南大学,统计学院,湖南,长沙,410079;湖南大学,统计学院,湖南,长沙,410079
【正文语种】中文
【中图分类】F224.0
【相关文献】
1.基于Garch模型的股票市场股指收益率波动性研究 [J], 刁艳华;李文华
2.基于GARCH模型的道琼斯股指收益率的波动性研究 [J], 吴宇溦
3.上证50 ETF股指期货收益率及波动性长记忆性研究 [J], 王莹;雷鸣;周洋
4.基于隐马尔可夫模型的收益率波动性研究——以沪深300股指期货为例 [J], 杨
海霞
5.沪深300股指期货收益率及波动率的长记忆性研究 [J], 金成晓;王继莹
因版权原因,仅展示原文概要,查看原文内容请购买。

深证成指收益率分析及预测--基于ARFIMA-GARCH模型

深证成指收益率分析及预测--基于ARFIMA-GARCH模型

深证成指收益率分析及预测--基于ARFIMA-GARCH模型
玄海燕;史永侠;张运虎;杨娜娜
【期刊名称】《现代商业》
【年(卷),期】2015(000)032
【摘要】以2000年1月4日到2003年11月7日深证成指日收盘价数据为基础,通过对其收益率序列的长记忆性以及异方差性进行检验,建立ARFIMA-GARCH
模型,并且将模型对深证成指的预测结果与实际情况进行对比。

结果表明,利用ARFIMA-GARCH模型可以较好地分析深证成指日收益率序列的变化特征,从而
可以为政府及相关部门提供决策意见。

【总页数】2页(P162-163)
【作者】玄海燕;史永侠;张运虎;杨娜娜
【作者单位】兰州理工大学经济管理学院甘肃兰州 730050;兰州理工大学理学院
甘肃兰州 730050;兰州理工大学理学院甘肃兰州 730050;兰州理工大学理学院甘肃兰州 730050
【正文语种】中文
【相关文献】
1.基于GARCH模型的深证成指收益率波动性研究 [J], 秦晓宇;王筱萍;张晓红
2.深证成指周收益率波动及预测实证研究--基于ARCH模型 [J], 林雨;幸伟;刘堂发
3.基于ARFIMA-GARCH模型族的黄金价格预测分析 [J], 陈鹏;李星野
4.基于ARFIMA-GARCH模型的黄金价格分析及预测 [J], 叶静;赵凯;王传稳;刘文

5.基于ARIMA模型的深证成指收益率分析 [J], 艾小伟;王有远
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

Tab.1 Sample of closing index of A-share in Shenzhen and Shanghai market stock.


上证 A 股收盘指数
样本时间段
日收盘指数数据个数
1996.12.17—2003.03.17
1501
深证 A 股收盘指数 1996.12.17—2003.03.17
(3)
这就是双曲线分布(hyperbolicdistribution)的密度函数.
(3)正态逆高斯分布(NIG):当
λ
=

1 2
时,就得到正态逆高斯分布(NormalInverse
Gaussiandistribution,简称NIG分布)其概率密度函数为:
f NIG
(x)
=
αδ π

α 2 −β 2 +β (x−µ)
其中α 决定分布的形态(shape); β 决定分布的偏度,当 β =0时,分布是对称的; µ 决定
分布的位置;δ 是一个尺度(scale)参数,对应于正态分布中的σ ;λ 可用于描述某个子类 的特征,更有意义的是可以通过改变 λ 的值来调整尾部的厚度.由此可见,与正态分布仅有
两个参数相比较,这个分布族非常灵活,能更好地拟合实际金融收益分布.
对经济和金融数据的大量分析表明[2~5],,传统的正态分布假设和实际吻合程度差强人意。 Barndorff—Nielson[3]在研究丹麦海岸的风积沙砾的大小的时候首次提出广义双曲分布,这 种 分 布 有 非 常 好 的 统 计 性 质 .双 曲 分 布 (hyperbolic distribution)、 正 态 逆 高 斯 分 布 (normalinverseGaussiandistribution,NIG)、t分布、variancegamma和正态分布都 是其极限形式,而这些分布都被用来对金融和经济数据进行建模.人们发现,采用广义双曲分 布对市场数据的拟合程度要远远高于正态分布.这是由于广义双曲分布具有更多的参数,在 概率密度函数中有 Bessel函数,能更好地刻画市场数据具有的高厚尾性和高偏度等特征. 因此,本文利用典型的尖峰和厚尾的广义双曲分布对我国股市深、沪两地 A股日对数收益率 分布进行拟合.实证研究结果显示,利用广义双曲分布拟合股价日对数收益率比正态分布拟 合效果好.所得结果对研究中国股票市场的收益率分布情况具有理论和实际意义,对股市投 资者有一定的指导意义.
从图 7可以清楚地看出,利用正态逆高斯分布拟合上证 A股收益率呈现出尖峰厚尾性, 它的最高峰度比正态分布更高,尾部比正态分布更厚.由图 8上证 A股的 Q-Q图看出,利用 正态逆高斯分布拟合上证 A股日对数收益率效果也比较好. 2.4深、沪股市的日对数收益率的比较分析
通过对深、沪两地股市 A股的日对数收益率的统计分析,发现我国股市的数据有明显 的“尖峰厚尾”特征.通过比较图 1和图 5,发现我国深、沪两地股市 A收盘价的波动趋势 大体相同.通过比较图 2和图 6,可以发现我国深圳股市的日对数收益率的波动范围比上证 的大一些.从图 4和图 8上看,广义双曲分布对深圳股市的日对数收益率拟合效果比上海股 市的好.
4
下面研究广义双曲分布应用于深证 A股日对数收益率的密度函数图和 Q-Q图[8].
图 3深证 A股密度函数图 Fig.3 The probability density of A-share in Shenzhen stock market.
从图 3可以清楚地看出,利用正态逆高斯分布拟合呈现出尖峰厚尾性,它的最高峰度比 正态分布更高,尾部比正态分布更厚.由图 4深证 A股的 Q-Q图看出,利用正态逆高斯分布 拟合深证 A股日对数收益率效果比较好.
( ) 2π
α
λ

1

λ

δ
α2 −β2
(1) (2)
是标准化的常量, kλ 表示阶数为 λ 的第二类修正Bessel函数.式(1)、(2)中参数的范围为
µ∈R
δ ≥ 0, β < α ,if λ > 0 δ > 0, β < α ,if λ = 0 δ > 0, β ≤ α ,if λ < 0
1.2常用的分布
下面讨论广义双曲线分布(GH分布)的极限形式和一些常用的分布的关系.
(1)正态分布:当δ
→ ∞和
δ α
→ σ 2 时,GH就成为正态分布.
(2)双曲分布:当 λ = 1时,就得到双曲分布,
fH
(x)
=
2αδ
α2 k1 (δ
−β α2
2

β
2
)
exp(−α
δ 2 + (x − µ)2 + β (x − µ))
5
为一天.图 5,图 6分别是上海股市 A股的日收盘价和对数收益率的分布曲线.
日收盘价
时间/天 图 5上证 A股 1996年 12月 17日到 2003年 3月 17日收盘价曲线 Fig.5 Curve of closing price of A-share from December,17,1996 to March,17,2003 Shanghai. 日对数收益率
3 结论与实际操作建议
众所周知,许多模型都是建立在正态分布的基础上建模的,传统研究大多假定金融资产 的收益服从正态分布.但本文通过对深、沪两地股市 A 股的日对数收益率的样本数据进行实 证研究发现,与正态分布相比,金融资产的对数收益明显呈现出尖峰、厚尾、偏斜等特征. 因此,我们利用典型的尖峰和厚尾的广义双曲分布对数据进行拟合.实证研究结果显示,利 用广义双曲分布拟合股价日对数收益率比正态分布拟合效果好.所得结果对研究中国股票市 场的收益率分布情况具有理论和实际意义,对股市投资者有一定的指导意义.
参考文献: [1]云南信息港昆明国泰君安网上交易分析系统,/
8
[2] Mikae Linden. A Model For Stock Return Distribution[J]. International Journal of Finance And Eonomics Int. J. Fin. Econ.2001,(6):159-169. [3] Barndorf-Nielsen. Exponentially decreasing distributions for the logarithm of particle size[J].Proceedings of the Royal Society London, the Royal Society London,1977,(353):401-419. [4] Eberlein E, Keller U Hyperbolic distributions in finance[J].Bernoulli 1995,(1):281-299. [5]Barndorff-Nielsen.E.ProcessesofnormalinverseGaussiantype[J].Finance& Stochastics,1998,(2):41-68. [6]萧树铁.数学实验[M].北京:高等教育出版社,1999. [7]薛薇.统计分析与SPSS的应用[M].北京:中国人民大学出版社,2001. [8]陈桂明,戚红雨,潘伟.Matlab数理统计(6.X)[M].北京:科学出版社,2002. [9]易丹辉,数据分析与 Eviews的应用[M].北京:中国统计出版社,1994.
K1 (α δ 2 + ( x − µ )2 ) δ 2 + (x − µ)2 .
(4)
2
(4)t分布:当α = β = µ = 0 时,就得到了t分布.
2 广义双曲分布在深沪股市日对数收益率统计分析中的应用
2.1数据样本和计算工具 研究所采用的样本数据[1]如下表 1.
表 1上证和深证 A股收盘指数样本
1501
计算工具为 Matlab7.1. 2.2深圳股市日对数收益率的统计分析
以下我们将利用广义双曲分布模型来拟和深圳股市 A股的日对数收益率分布.这里的数 据是股票收盘价及对应的对数收益率,时间为 1996年 12月 17日到 2003年 3月 17日,频 率为一天.图 1,图 2分别是深圳股市 A股的日收盘价和对数收益率的分布曲线.
时间/天 图 6上证 A股 1996年 12月 18日到 2003年 3月 17日日对数收益率曲线 Fig.6 Curve of daily log-return of A-share from December,17,1996 to March,17,2003 in Shanghai.
从图 5—图 6可以看出,我国上海股市 A股的一些交易日的收盘价及对数收益率出现较
表 2参数估计结果 Tab.2 Results of parameter estimation.
α
β
δ
µ
11.8981
0.2182
1.9128
-0.004532
在表 2中我们得出了正态逆高斯分布的参数估计值.由于 β ≠ 0 ,则说明样本数据不是 对称的分布.α 决定分布的形态(shape); µ 决定分布的位置;δ 是一个尺度(scale)参数, 对应于正态分布中的σ .
1
1广义双曲分布
1.1一元广义双曲分布[4]
广义双曲线分布的Lebesgue密度函数形式如下:
λ−1
( )2
gh(x;λ,α,β,δ,µ) = a(λ,α,β,δ) δ2 +(x−µ)2 2 kλ−1 (α δ2 +(x−µ)2 exp(β(x−µ))) 2
其中 a(λ,α, β ,δ ) =
λ
( ) α 2 − β 2 2
深沪股市日对数收益率的统计分析
1
1
2
吴刘仓 ,戴琳 ,左艳芳 ,(1.昆明理工大学 理学院,云南 昆明,650093.2.昆明冶金高等专科学校 社会科学与公共学院,云南 昆明
相关文档
最新文档