基于GARCH族模型的期货价格波动研究
基于GARCH 模型的股价波动预测
基于GARCH模型的股价波动预测万睿(长春工业大学数学与统计学院吉林长春130012)摘要：该文运用GARCH模型，根据沪深300指数对股市波动性推理预测，让投资者决定的策略更精准，对其起到指导作用。
成果显示使用GARCH模型有利于增长股票市场推测的精准性，更具备适用性。
沪深300指数使投资者在金融市场上可以避免一定风险，但同时也会增加投资者的数目，从而加剧金融市场的波动性。
所以，该文以入股的收益率为参数，建立模型。
关键词：GARCH模型波动性预测金融市场股票中图分类号：F832.51;F224文献标识码：A文章编号：1672-3791(2022)03(b)-0129-04 Stock Price Volatility Forecast Based on GARCH ModelWAN Rui(Institute of Mathematics and Statistics,Changchun University of Technology,Changchun,Jilin Province,130012China)Abstract:In this paper,GARCH model is used to predict the volatility of the stock market based on the CSI300 index,so that investors can make more accurate strategies and play a guiding role.The results show that the use of GARCH model is conducive to the accuracy and applicability of stock market speculation.The CSI300index en‐ables investors to avoid certain risks in the financial market,but it will also increase the number of investors,thus aggravating the volatility of the financial market.So this article is depending on a parameter with the rate of return on investment,establish a GARCH model.Key Words:GARCH model;Volatility forecast;Financial markets;Stock1引言1.1问题的提出对金融市场股票价格变动大致分析，使得投资者在决策前有所参照。
基于GARCH族混合模型的沪深300指数波动预测
基于GARCH族混合模型的沪深300指数波动预测波动率是金融市场中非常重要的一个指标，它反映了市场风险的大小。
对于投资者来说，预测市场波动率具有重要的意义，可以帮助他们制定风险管理策略和投资决策。
本文将介绍基于GARCH族混合模型的沪深300指数波动预测方法。
GARCH族模型是一类广泛应用于金融领域的时间序列模型，其中包括ARCH模型、GARCH模型和EGARCH模型等。
这些模型的核心思想是波动率聚集效应，即市场波动率在时间上呈现出一定的持续性和聚集性。
基于这个核心思想，GARCH族模型能够很好地捕捉市场波动率的特征，并且已经被广泛用于市场波动率的预测。
单一的GARCH模型并不能完全准确地预测市场波动率，因为市场波动率与宏观经济数据和市场因素之间存在复杂的相互关系。
所以，为了提高波动率预测的准确性，研究者们开始探索将GARCH模型与其他模型相结合的方法。
基于GARCH族混合模型的沪深300指数波动预测方法是将GARCH模型与其他模型相结合，得到的混合模型能够更好地反映市场波动率的变化。
具体来说，该方法的步骤如下：收集与沪深300指数相关的数据，包括历史价格数据、宏观经济数据和市场因素数据等。
使用GARCH模型对沪深300指数的历史价格数据进行建模，得到波动率序列。
然后，使用其他模型对宏观经济数据和市场因素数据进行建模，得到宏观经济因素和市场因素对波动率的影响。
将GARCH模型的波动率序列与其他模型得到的波动率影响序列相结合，得到最终的混合波动率序列。
在得到混合波动率序列之后，可以进一步进行波动率的预测。
具体的预测方法可以采用时间序列分析方法，如ARIMA模型，或者机器学习方法，如神经网络模型。
需要注意的是，基于GARCH族混合模型的沪深300指数波动预测方法是一种相对比较复杂的方法，需要对多个模型进行建立和调整。
市场波动率的预测本身就具有一定的难度，需要充分考虑市场的非线性和不确定性。
基于GARCH族混合模型的沪深300指数波动预测方法能够更准确地预测市场波动率，对于投资者来说具有很大的参考价值。
基于GARCH族模型的股价波动性分析
基于GARCH族模型的股价波动性分析作者：陈进晋宗义郑涛来源：《价值工程》2009年第12期摘要: 运用GARCH族模型对上证综指进行建模研究,结果表明:上证股市收益率序列不服从正态分布,有“尖峰厚尾”特征;存在一定的杠杆效应,即利空消息比等量利好消息带来冲击更大;股市受外部影响时间较长,短期内难以消除。
关键词: 股价波动性;GARCH族模型;ARCH效应;杠杆效应中图分类号:O141·4;F830·91 文献标识码:A 文章编号:1006-4311(2009)12-0163-030引言大多数金融时间序列,尤其是股票收益率序列,具有非正态性、尖峰厚尾的特征,且存在波动集群性和持续性特点。
传统的经济计量模型在描述股票收益率时,通常假定收益率的方差保持不变,这样进行统计推断往往会产生较大的偏差。
针对此,Engle于1982年提出了GARCH模型(自回归条件异方差),用来描述波动的集群性和持续性。
Bollerslev又于1986年提出了GARCH 模型(广义自回归条件异方差),该模型大大简化了参数估计的个数,具有良好的处理厚尾的能力。
基于这两个模型发展起来的ARCH族模型已得到很大扩充,以GARCH(1,1)模型为代表的低阶ARCH类模型因参数少且建模效果好,在金融收益率序列的波动性研究中得到广泛应用。
刘晓、李益民(2005)[1]以深圳成指为样本,将GARCH族模型对比分析,发现GARCH(3,1)模型能够相对较好地模拟深圳成指走势。
孙邦勇、李亚琼(2007)[2]借助ARCH族模型研究沪市行业指数收益率的波动性,分析发现行业指数收益率是平稳的,但其条件方差是尖峰厚尾非正态分布且具有明显的ARCH效应,行业指数收益率具有不同程度杠杆效应。
万威、江孝感(2007)[3]利用GARCH族模型对我国沪深股市的波动性进行了研究,结果显示,EGARCH模型能够更有效地拟合股市的波动性。
赵进文、王倩(2008)[4]运用GARCH族模型对上证300指数进行间接实证建模分析,得出上海股市股价波动确实存在显著的GARCH效应和冲击持久效应,并存在较弱杠杆效应。
基于GARCH模型的金融市场波动预测研究
基于GARCH模型的金融市场波动预测研究前言随着全球化及金融市场复杂度的增加，金融市场波动性变得越来越难以预测。
然而，精确的波动预测对于投资者和政策制定者来说至关重要。
因此，基于GARCH模型的金融市场波动预测研究成为了一个热门课题。
第一章 GARCH模型概述1.1 GARCH模型的发展历史GARCH模型由Engle于1982年首次提出。
早期的GARCH模型只能处理固定时间跨度内的波动率。
后来，Bollerslev介绍了时间可变GARCH模型，能够处理更为复杂的时间序列数据。
1.2 GARCH模型的基本概念GARCH模型是一种条件异方差模型，即假设波动率是一个随时间变化的随机变量，并且满足随机游走的特征。
GARCH模型的核心思想是用历史波动率的信息来预测未来波动率。
第二章 GARCH模型在金融市场中的应用2.1 GARCH模型在股票市场中的应用许多学者用GARCH模型进行股票市场波动率的预测。
其中，Hong等人通过对中国和美国股市进行实证研究，发现GARCH模型可以成功地预测波动率。
Meng等人认为GARCH模型能够有效地捕捉到股票市场波动的特征。
2.2 GARCH模型在外汇市场中的应用Wang等人用GARCH模型对10种主要货币的波动进行了研究，发现GARCH模型可以成功地预测货币汇率的波动。
De Gooijer等人用GARCH模型预测荷兰盾兑美元的汇率波动，证明GARCH模型能够准确地捕捉到汇率波动率的规律。
2.3 GARCH模型在债券市场中的应用Wu等人用GARCH模型对中国债市波动率进行了研究，发现GARCH模型可以成功地预测债市波动率。
第三章 GARCH模型的优缺点及发展方向3.1 GARCH模型的优点GARCH模型可以不受时间跨度和市场环境的限制，能够很好地对金融市场进行预测。
而且，GARCH模型的预测结果相对于其他模型更为准确。
因此，GARCH模型被广泛应用于金融市场中。
3.2 GARCH模型的缺点GARCH模型在实际应用中存在一些缺点，其中最突出的是GARCH模型只考虑过去的信息。
基于GARCH族模型的我国股市的波动性及联动性实证研究的开题报告
基于GARCH族模型的我国股市的波动性及联动性实证研究的开题报告一、研究背景和意义股市波动性及联动性作为风险管理的重要研究领域，一直备受关注。
在全球化的背景下，股市波动性和联动性越来越受到国内外研究者的关注，而GARCH族模型具有广泛的应用价值，可用于量化分析金融市场中的波动性并进行风险管理。
因此，对于我国股市的波动性及联动性进行实证研究，对于有效预测市场风险、提高资产的配置效率等具有重要的实际意义。
二、研究内容和方法本研究将选取我国股市中的代表性指数作为研究对象，采用GARCH 族模型，对股市中存在的波动性和联动性进行深入研究。
具体来讲，研究将从以下几个方面展开：1. 对我国股市中代表性指数的波动性进行测算，并探究其波动性的特点和趋势变化。
2. 基于GARCH族模型，对我国股市中不同指数的波动性进行建模，探究其模型参数的变化规律。
3. 将建立的模型应用于风险管理领域，探究其对于风险的预测和分析的能力；4. 基于GARCH族模型，分析我国股市中不同指数之间的联动性，探究其联动关系及波动性的传染效应。
三、研究预期成果通过本研究，预期可以得到以下成果:1. 揭示我国股市中存在的波动性和联动性特点和趋势变化，并探究其背后的原因和机制。
2. 建立GARCH族模型，并对我国股市中不同指数的波动性进行模型拟合，对风险进行预测和分析，为风险管理提供一定的支持和帮助。
3. 基于GARCH族模型，探究我国股市中不同指数之间的联动关系，为投资者提供合理的资产配置建议。
四、研究的实施计划本研究从2022年2月开始，预计在2023年底完成。
具体的实施计划如下:1. 第一年：调研前沿文献，整理参考资料，初步构建研究框架，并制定实验方案和数据采集计划，进行资料的搜集和整理，学习量化分析理论和工具。
2. 第二年：对股市中代表性指数的波动性进行实证研究，开展波动性的特征分析与测算，并对GARCH族模型进行建模。
3. 第三年：对股市中不同指数的波动性进行建模，并对风险进行预测和分析，探究其对于风险管理的作用，并对联动关系进行研究和分析，撰写论文，完成毕业论文。
基于GARCH族模型的股市收益率波动性研究
金融研究 山东财政学院学报(双月刊) 2009年第1期(总第99期)基于GARCH 族模型的股市收益率波动性研究安起光 郭喜兵(山东财政学院,山东济南 250014)[摘 要]通过运用GARCH 类模型对我国沪市的日收益进行分阶段分析,得出了对于不同的阶段,利空和利好消息对我国股市的影响是不同的,在熊市,利空消息产生的波动要大于利好消息产生的波动;而在牛市,利好消息产生的波动要大于利空消息产生的波动,而且在不同的阶段,投资者对风险所要求的收益也有较大差异。
[关键词]GARCH 模型;收益率;风险[中图分类号]F830.9 [文献标识码]A [文章编号]1008-2670(2009)01-0047-04[收稿日期]2008-12-24[作者简介]安起光,男,山东莱阳人,山东财政学院金融学院教授、硕士生导师,研究方向:金融工程;郭喜兵,男,山东聊城人,山东财政学院金融学院硕士研究生,研究方向:金融工程。
一、问题的提出近来,金融学家和计量学家对发达国家成熟资本市场的波动性进行了广泛的研究,得出金融时间序列一些共同特点。
首先,股票收益的经验分布显著不同于独立正态分布,表现出明显的尖峰厚尾性;第二,股票价格或指数的运动服从随机游走过程,而且一般是非平稳序列,但是收益序列通常呈现出平稳的特性;第三,收益序列本身几乎不呈现出相关性,而收益的平方序列却表现出比较明显的相关性。
基于以上特点,专家们提出了时变假设,并尝试通过特定的技术来预测金融时间序列的收益波动性。
1982年,Engle 提出了自回归条件异方差模型,即ARC H (Autoregressive Conditional Heteroskedastic)模型。
1986年,Bollerslev 又提出了广义ARC H (GARC H )模型。
国外许多学者也通过大量的实证分析证明了模型对于股票指数研究的适用性,而且也从中不断的对其进行完善与补充,又相继提出了EGARCH 模型、TGARC H 模型等GARC H 模型的延伸模型,我们称之为GARC H 族模型。
基于GARCH族混合模型的沪深300指数波动预测
基于GARCH族混合模型的沪深300指数波动预测沪深300指数是中国证券市场的重要股票指数之一，它反映了中国证券市场的整体表现。
为了帮助投资者制定合理的投资决策，预测沪深300指数的波动情况是非常重要的。
本文将介绍基于GARCH族混合模型的沪深300指数波动预测方法。
GARCH模型是一种经济计量模型，用于描述金融市场的波动性。
它的核心思想是当前时刻的波动性是过去一段时间内的波动性的函数。
GARCH模型的著名特点是对波动性的预测更为准确，具有良好的实证效果。
单一的GARCH模型可能无法充分捕捉到沪深300指数的波动情况。
我们可以采用GARCH 族混合模型，利用不同GARCH模型的优势，提高波动预测的准确性。
常用的GARCH模型有GARCH(1,1)模型、GARCH-M模型和GJR-GARCH模型等。
我们需要对沪深300指数的历史数据进行拟合，选取一个合适的GARCH模型。
可以使用最大似然估计法对模型进行拟合，并进行模型检验，评估模型的拟合效果和稳定性。
然后，根据拟合的混合GARCH模型，我们可以进行波动性的预测。
通过递归方式计算得到未来一段时间内的波动性，并结合历史波动性和市场情况，对波动的幅度和方向进行预测。
我们可以根据波动性的预测结果，制定相应的投资策略。
在预测波动性较高的情况下，可以采取较为保守的投资策略，减少投资风险。
而在预测波动性较低的情况下，可以采取较为激进的投资策略，提高投资收益。
波动性预测是一项复杂而困难的任务，受到众多因素的影响。
在进行波动预测时，需要结合宏观经济指标、市场情绪等因素，综合考虑，并进行风险评估。
基于GARCH族混合模型的沪深300指数波动预测可以提高波动性预测的准确性和可靠性。
这对于投资者制定合理的投资策略和降低投资风险具有重要意义。
需要注意的是，波动性预测并不是完全准确的，投资者在进行投资决策时应谨慎对待，同时结合其他因素进行判断。
浅谈GARCH模型下股指期货和股票市场的波动性关系
流 通 经 济
０
５
Ｏ
浅 谈 ＧＡ Ｒ Ｃ Ｈ模 型 下 股 指 期 货 和 股 票 市 场 的 波 动 性 关 系
吴大 大 美 丽 ｌ ， Ｉ ，
（ 新疆财 经大学 金融学院 ，新疆 乌鲁木齐
所 能够 对现 货 市场的 波动 性产 生的 实 际影 响进 行 分析 ， 在 此研 究 目 标之 上 ，本文 主要 采用 了计量 经济 学的 方式 ，来对 股 票 指数 的 波动性特 征 以及在 股 指期 货推 出之后 所 能 够对 指 数 波 动产 生 的影 响进 行 了 实证 分析 ，通过 Ｇ Ａ Ｒ Ｃ Ｈ 模 型 的 建
流通经济
益 率 的起 伏所 体现 出来 的是波 浪状 ， 波 动集 群性 高 ，我 们 可 以初 步对 其 做 出 收益 率 具 备 Ａ Ｒ Ｃ Ｈ 效 应 的 判 断 。具 体 的沪深 ３ ０ ０指数 日收益 中心 密度 曲线如 图 ３所示 ：
２ ０ １ ３． ８
从图 １ 当中股市收益率的波动是存在有聚集性 以及 时
变 性 的特点 的 ，也就 是说 在一 段时 间里 ，收 益率 的波 动相 对 比较 小 ， 但 是 ，在 另一段 时 间里 ，收益 率 的波 动则 是很 大 ，波 动在 一段 时 间里是 会 出现 内集 聚现象 的 。 之 后 ，我们 进一 步对 数据 做 出描述 和统 计 ，在经 过 了 分 析之 后 ，可 以得 到沪深 ３ ０ ｏ 指 数 的均值 、中位数 、最大
Ｊ ￣ ｕ ｅ － Ｂｅ ｒ ａ ２ ４ ８ ． ７ ８ ０ ８
Ｐ ｍｂ ￣ｉ ｌ ｉ ｔ ｙ ０ ． ０ ０ ０ ０ ０ ０
基于GARCH模型的原油期货价格波动性分析
过 程 为 宽 平 稳 的充 分 必 要 条 件 是 ： 。 ＹⅡ ＋∑卢 ＜ｌ Ｏ 代 表 当 ，ｅ
‘ １ ， １
前 信 息 对 波 动 的 影 响 作 用 大 小 ， 卢 代 表 了波 动 持 续 性 的 而
４ ｐ
由于 Ａ Ｃ Ｒ Ｈ模 型 能 描 述 金 融 时 间序 列 的 时 变 方差 、 动 波
集 群 性 （ ｏａｉ ｔ ｃｕ ｔｒ ｇ） 持 续 性 （ ｏａｉｔ ｅｓｓｅ ｃ ｖｌｔｉ ｌｓｅｉ 和 ｌｙ ｎ ｖ ｌｔ ｉ ｐ ｒｉｔｎ ｅ） ｌｙ
特 征 ， 逐 渐 被 广 泛 应 用 于 股 票 市 场 、 货 市 场 、 汇 市 场 等 它 期 外
融 市 场 上 人 们 研 究 的 热 点 问题 。
在 金 融 计 量 领 域 ， 究 金 融 市 场 波 动性 问 题运 用 最 广 泛 研 的是 Ｂ ｌ ｒ ｅ （ ９ ６ 提 出 的 广 义 Ａ Ｃ 模 型 即 Ｇ Ｒ Ｈ 模 ｏｌ ｓ ｖ １ ８ ） ｅｌ Ｒ Ｈ Ａ Ｃ 型 。大 量 的 金 融 事 实 和 原 油 期 货 价 格 的研 究 文 献 表 明 ， 油 原 期 货 价 格 显 著 符 合 Ｇ Ｒ Ｈ（ ， ） 型 ， 是 准 确 刻 画 原 油 Ａ Ｃ １１模 它 期 货 价 格 序 列 尖 峰 厚 尾 、 动 集 群 、 弱 但 持 久 记 忆 等 特 征 波 微 的 最 简 洁 的 模 型 之 一 。 因 此 ， 文 运 用 Ｇ Ｒ Ｈ 模 型 和 本 Ａ Ｃ
关键词 ： ＧＡＲＣ 模 型 ； Ｈ ＥＧＡＲＣ 模 型 ； 动 性 Ｈ 波 ｄ ｉ１ ． ９ ９ ｊｉｓ ． ０ ８—３ ２ ． ０ ０ Ｏ１０ ７ ｏ ：０ ３ ６ ／ ．ｓｎ １ ０ ９ ８ ２ １ ． ．０
基于中国黄金期货市场数据的GARCH族模型拟合及波动率预测效果评价
而 ， 货价格 的波动 除 了 主要 受 市 场供 求 等 基 本 因 期
素的影响 ， 随着现代经济的发展 ， 一些非供求 因素也
对 期货 价格 的变 化起 到越 来 越 大 的作 用 ， 比如 经 济
周期、 政府政策、 政治因素等等 ， 使投资市场变得难 以预料 。而期 货 交易 中的重 要环 节 一 证金 要求交 保 易参与者对市场未来的波动率有清晰的认识 。事实
第２ ７卷第 ５期
２１ ０ １年 １ ０月
有
色
矿
冶
Ｖ０ ． １２７． ５ №
Ｏｃｏ ｒ２ ｔｂｅ ０１ １
Ｎ０Ｎ —ＦＥＲＲＯＵＳ Ｍ Ｉ ＮＧ ＮＩ ＡＮＤ ＭＥＴＡＬＬＵＲＧＹ
文章编号 ：０ ７—９７ ２ １ ） ５— ０ ２— ４ １０ ６ Ｘ（０ １ ０ ０ ６ ０
２ 文 献 回顾
Ｂ ｔｎ和 Ｌ ｃｙ２ ０ ） 用 芝 加 哥期 货 交 易 所 ａｅ ｔ ｕｅ（ ０７ 利 （ Ｂ Ｔ １９ Ｃ Ｏ ）９９年 １月 至 ２０ ０５年 ｌ ２月 的数 据 ， 用 利 Ｇ Ｒ Ｈ族模 型研 究 了黄金期 货价 格波 动性 ， Ａ Ｃ 还利 用
了 Ｇｒａ ａｍ ｎ—Ｋａｓ 型 来 测 度 价 格 波 动 ， 而 研 究 ｌｓ 模 从 了 日问和异 １问价格 波 动问题 。 ３ 国 内学 者 对 波 动 性 的研 究 多 集 中在 股 市 或 股
１ 引 言
中国于 ２０ ０ ８年 １月 ９ 日在 上 海期 货 交 易所 推 出了黄金 期货 ， 这标 志 着 我 国 黄金 流 通 的 市场 化 由 现货 市场 与期货 市场 并驾 齐驱 的新 纪元 。 近年来 ， 国黄金 工业 发展 迅速 ， 我 已取 得 了举 世 瞩 目的成 就 。我 国数 家黄 金企业 集 团 已经 跻身 于世 界大 黄金集 团公 司之 林 。发 展 的同 时 ， 追求 盈 利 的 可靠性 和 经 营 的可 持 续 性 也 就 成 了企 业 的 内在 要 求 。通 过黄 金期 货进行 套期 保值 企业 可 以保 持持 续 盈利 ， 避免 下跌 风险 ， 求更 高销 售溢 价 同时保持 未 追
基于GARCH模型的股票市场价格波动分析
中 图分 类 号 ：８ Ｆ３
文 献标 识 码 ： Ａ
文章 编号 ：０ ６ ４ １ （０ ０）６ ０ ５ — ３ ｌ０ — ３ ｌ ２ １ ２ — ０ ０ ０
减 缓 的影 响 ， 此 波 动 会 持 续 一 段 时 间 ， 而 模 拟 了市 场 波 动 的集 因 从 随 着社 会 主 义市 场 经 济 的 不 断 发展 、 善和 经 济 体 制 改 革 的 不 群 性 现 象 ， 即较 大 幅度 的波 动后 面 一 般 紧 接 着 较 大 幅度 的波 动 ， 完 较 断深 化 ， 国股 票 市 场及 其 交 易 业 务 获 得 了长 足 发 展 。股 票市 场 已 小幅度 的波动后面一般紧接着较小幅度 的波动。 我 但没有说明波动的 成 为我 国资 本 市 场 中 最 活 跃 的 、 是 发 展 最 快 的市 场 ， 的 健 康 运 方 向 。 也 它 行 对 我 国 整 个 金 融体 系 稳 定 乃 至 国 民经 济 的平 稳 发展 起着 越 来 越 ②利用 Ａ Ｃ Ｒ Ｈ模型可以更精确地估计参数 ， 提高预测精度。当 重 要 的作 用 。 但股 票 市 场价 格 变 幻莫 测 ， 以驾 驭 ， 而 分析 股 市 价 存在 Ａ Ｃ 难 然 Ｒ Ｈ效应时 ， 若仍使用方差为常数的普通最小二乘法来估计 格行为 ， 掌握 股 市 价 格 变 化 规 律 ， 于 股 票市 场 管理 部 门 宏 观调 控 参 数 ， 会 产 生偏 差 ， 盖 预 测 的 不确 定 性 。 然而 ， 使 用 Ａ Ｃ 对 就 掩 若 Ｒ Ｈ模 和 投 资者 制定 投 资 策 略具 有 极 其 重 要 的意 义 。 为 此 １ 纪 股 票 市 型 ， 不 仅 可 以提 高 预 测值 的精 度 ， 可 以知 道 预 测值 的可 靠 性。当 ９世 则 还 场 建 立 以来 ， 多国 外 学者 对 股 票 市场 价 格 行 为 的研 究 形成 一 个 焦 方 差 较大 时 ， 测 值 的 置信 区间 就 较 大 ， 而 可 靠 性较 差 ； 方差 较 众 预 从 当 点。 融市 场 ， 金 尤其 是 股票 市 场 充 满 了风 险 ， 票 价格 频 繁 剧 烈 的 波 小 时 ， 测值 的置 信 区 间就 较 小 ， 而 可 靠性 较 好 。 股 预 从 动 时 股 票 市 场 最 明 显 的特 征 之 ～ ， 般 而 言 ， 票 的价 格 波 动 表 现 一 股 ③Ａ Ｃ Ｒ Ｈ模型 的主 要贡献在于发现 了经济 时间序列 中比较 明
基于GARCH模型分析股指期货推出对股指波动率的影响
万方数据表二ＡＩＣ和ＳＩＣ结果列表Ｐ／ｑ０２３０Ｎ／ＡＮ／Ａ３９８６９３９９１２３９８６３３９９５０３９７８１３９９１１１３９８７７３９９２１３９８４１３９９２９３９８４６３９９７７３９７９８３９９７２２３９８８１３９９６８３９８５４３９９８５３９８７１４００４５３９８０７４００２５３３９８０９３９９４０３９８１７３９９９１３９８３４４００９６３．９７２９３９９９０虽然ＡＩＣ和ＳＩＣ不是最小，但是为了简便，ＡＲＭＡ（１．１）模型最好的刻画了股指期货推出以后Ａ５０ｔ旨数收益率的序列特征。
由于大多数金融数据能被ＧＡＲＣＨ（Ｉ。
１）拟合。
又是经过反复验证的能拟合收益率序列的最佳模型。
所以本文在这里选择这个模型。
（３）ＡＲＣＨ—ＬＭ检验估计ＧＡＲＣＨ类模型前，还应该进行Ｅｎｇｌｅ（１９８２）提出的ＡＲＣＨ效应检验。
ＡＲＣＨ—ＬＭ是一种用于检验方差自回归条件异方差性的方法．以确保该类模型适用。
表三ＡＲＣＨ—ＬＭ检验结果ＡＲＣＨＴｅｓｔ：Ｆ—ｓｔａｂｓｂｃ１８４９９９１ＰｒｏｂａｂＪＩ［ｔｙ００００００００ｂｓ‘Ｒ—ｓａｕａｒｅｄ８６０５９９８Ｐｒｏｂａｂｉｌｉｔｙ０００００００对指数收益率序列检验显示，Ｆ统计量和Ｒ平方统计量分别为１８．５和８６．０６，对应的临界概率都为Ｏ０，小于显著性水平５％，说明方程残差序列中ＡＲＣＨ效应是显著的。
（４）ＧＡＲＣＨ模型的建立通过以上分析，建立ＡＲＭＡ（１，１）一ＧＡＲＣＨ（１，１）模型，为了考察股票之指数期货的推出对指数波动性的影响。
设立虚拟参数ＤＴ（当期货推出后为１．推出前为０）：啊＝％＋ｑ《１＋层曩ｌ＋归ｒ表四ＧＡＲＣＨ模型估计结果通过上述分析。
虚拟变量ＤＴ的临界概率为０．００６４，统计量小于在５％显著性水平下的临界值，说明股指期货的推出增大了股票指数的波动性。
３．ＧＡＲＣＨ模型的扩展标准的ＧＡＲＣＨ模型还是存在问题。
首先估计模型可能违背非负条件；其次不能解释杠杆效应；最后未考虑条件方差和均值之间的直接反馈。
基于Garch-Ewma的郑棉期货价格预测模型
基于Garch-Ewma的郑棉期货价格预测模型众所周知，期货价格只有三种运动方向：上涨、下跌和盘整。
看起来很简单，但是真正交易起来，涨中有跌，跌中带涨，时不时有震荡加入其中，价格走向错综复杂；再加上恐惧和贪婪心理的存在加深了期货价格的波动幅度，让人感觉捉摸不定和难以把握。
引用摩根斯坦利华鑫的话就是：市场唯一确定就是它的不确定性。
因此，未来的期货价格是不可能被精确预测的。
但是，从期货价格的形成机制来看，期货价格以现货价格为基础，是对未来现货价格的反应，期货价格形成是有依据的。
虽然期货价格不能被精确预测，但是依据“趋势延续的概率往往大于反转的概率”和“价格反映一切”，对于已知的期货价格，利用一定的数学模型，可以对未来的期货价格的波动区间进行预测，可以指导我们在期货交易中做到“顺势而为”和控制风险。
本文主要利用GARCH模型和EWMA来对棉花期货1101合约的下一周期的价格波动范围进行预测，从而更好对棉花期货交易进行指导。
一、棉花期货价格预测模型的原理1.1EWMA简介Ewma是指数移动平均的简称，主要是对时间序列中的数据依据时间先后赋予不同的权重，距离现在越近，赋予的权重越大，历史越远，赋予的权重越小；同时为了计算简便化，引入参数λ决定权重的分配，λ为衰减因子，取值范围在0~1之间。
一个时间序列{x}的指数移动平均定义为：1.2Garch模型简介Bollerslev于1986年在ARCH ( p) 模型中增加了q个自回归项,推广成GARCH ( p, q) 模型.形式最简单的GARCH ( 1, 1)模型是实际中最常用的模型,只有一个滞后的非预期回报平方项和一个自回归项。
α为回报系数,系待估参数。
β为滞后系数, 系待估参数，一般α+β<1。
1.3期货价格预测模型的原理由于在使用Ewma模型对期货价格进行分析的过程中，衰减因子λ不能合理的确定，从而影响预测的精度，为解决这一问题,将GARCH模型与EWMA结合在一起,把GARCH模型估计出的滞后系数β设定为EWMA中的衰减因子,然后应用这一修正后的EWMA模型进行期货合约价格波动幅度的预测。
基于GARCH族模型的深证成指价格波动研究
Ｕｓ ｅ ＧＡＲＣＨ ａ ｉ ｏ ｅ ｓ ｔ ｔ ｄ ｈ ｉ ｅ Ｖｏ ａ ｉｉｙ ｆ ｍ ｌ ｍ ｄ ｌ ｏ Ｓ ｕ ｙ ｔ ｅ Ｐｒ ｃ ｌ ｔｌｔ ｙ
ｏ ｈ ｎｚ ｅ ｍ ｐ ｎ ｎｔＩ ｄ ｘ ｆＳ ｅ ｈ ｎ Ｃｏ ｏ ｅ ｎ ｅ
Ｇ Ｕ Ａ Ｎ ｕ Ｈ ａ
于 市 场 的 利 好 消 息 ， 动 率 的 反 应 则 会 出 现 相 反 的 波 情 况 Ｉ ｚ。
金融 数据 的 波动往 往 随着 时 间 的变化 而 变化 ， 而且 在波动 的变化 过程 中， 某些 时 段 里会 有 相对 比
期 第 ２ 卷 第 ３ ５
２ １ 年 Ｏ １
湖 南 大
学
学
报 （社 会 科 学 版 ）
Ｖｏ． １ ２５， ｏ Ｎ ．３
５ 月
Ｊ ｕ ｎ １ ｔ Ｈｕ ａ ｉｅ ｓｔ （ ｏ ｉ１ ｃｅ ｃ ｓ ｏ ｒ ａ ｏ ｎ ｎ Ｕｎ ｖ ｒ ｉ Ｓ ｃａ Ｓ ｉｎ ｅ ） ｙ
明显 的 尖峰 后尾 现 象 ， 票价 格 指 教 存 在 非 对称 效 应 ， Ａ Ｃ 模 型 较 好 地 拟 合 了股 票 价 格 指 教 的非 对 称 效 应 的 股 Ｅ Ｒ Ｈ
结论 。
［ 键 词 ］Ｇ Ｃ 族 ； 证 成指 ； 格 波动 关 ＡＲ Ｈ 深 价 ［ 图 分 类 号］Ｆ ３ ． 中 ８ ０９ ［ 献标 识 码 ］Ａ 文 ［ 文章 编 号 ］１ ０— １ ６ （０ １Ｏ — ０ ６一 Ｏ ｏ ８ ７ ３ ２ １ ）３ ｌ ｓｏ ｈ ｗｓ ｔ ａ ：ｔ ｅ ｄ ｓ ｒｂ ｔ ｎ ｏ ｅ ｕ ｎ ｒ ｔ ｓ ｓ ｒｅ ａ ｎ ｏ ｖｏ ｓ“ ｉ ｅ ｉ ｔ ｆｍｏ ｅｓ ｅ Ｃｏ ｃ ｕ ｉ ｎ ｓ ｏ ｈ ｔ ｈ ｉ ｔｉ ｕ ｉ ｆｒ ｔ ｒ ａ ｅ ｅ ｉ ｓ ｈ ｓ ａ ｂ ｉ ｕ ｐ ｋ － ｏ ｈ ｃ ａ ｌ ｐ ｅ ｏ ｎ ｎ；ｓ ｏ ｋ ｐ ｉ ｅｉ ｄ ｘ ｈ ｓｎ ｎ ｓ ｍｍ ｅ ｒｃ ｌ ｆｅ ｔ ｉ ｋ ｔ ｉ ｈ ｎ ｍｅ ｏ ” ｔ ｃ ｒｃ ｅ ａ ｏ － ｙ ｎ ｔ ｉａ ｆ ｃ ；ＥＡＲＣＨ ｄ ｌ ａ ｉ ｔ ｅｎ ｎ ｓ ｍ— ｅ ｍｏ ｅ ｃ ｎ ｆｔ ｈ ｏ — ｙ
ARMA-GARCH模型的期货价格预测比较研究
收 稿 日期 ：０ ０ ０ — ８ ２ １ — ６ １
自相关 图也表 明， 自相关系数从滞后 阶数 大于 ３后很快地趋
然而随着现代经 济的发展 ， 一些非供求 因素也对期货价格 的
变化 起到越来越大 的作 用 ， 比如经济周期 、 政府政策 、 政治 因 素等等 ， 使投资市场变得难 以预料 。因此 ， 预测模 型的建立基 于下 面 的假 设 ： 不论 期货 的价格受 什么 因素的影 响 ， 其影响
的效 果 与 程 度 都 会 体 现 在 数 据 层 面上 ， 即数 据 是 各种 影 响 因
至 ２１ ０ ０年 １月 ２ ０日合 约 号沪 铜 １ ０ ０ １的 阴极铜 的 收盘 价
格 ， ２ ２ 原始 数据 。 中使用前 １０个数据建立模型 ， 共 １个 其 ５ 后 ６ ２个数据作为评价 预测精度 的参 照对 象 ， 以检验模 型的预 用 测效果 。所有计算结果及 图形均 由 Ｅ ｉ ｓ． ｖ ｗ ５０软件实现。 ｅ １ Ｒ Ａ模 型预测期 货价格 ． Ｍ Ａ Ａ ＭＡ 模 型 是 自 回 归 移 动 平 均 模 型 ，由 Ｂ ｘ 和 Ｒ ｏ Ｊｎ ｉｓ 立 ， ｅｋｎ ￣ 也称 Ｂ 方 法 ， 一种精 度较 高的时 间序列 短 是 期 预测方 法 。如图 １阴极铜期 货收 盘价格原 始数据折线 图
随着经济的发展和人们投资意识的转变 ， 期货投资已经成 为现代人投资的一个重要组成部分 ， 期货市场 的健康发展 和繁 荣也成为管理者和投资者关心和研究 的重点 。 目前分析与预测
基于GARCH模型的股指期货波动性研究
根据 １ ９ ６ ８个交 易 日的数据绘制 的沪深 ３ ０ ０指数 收益率 时序图 ，可 以看 出样本时 间序列 在 ２ ０ １ ０年前 波动幅度 较大 ， 而 股指期货推 出后波幅逐渐减小 ，同时可 以看 出指数 收益率
在 波 动 群 聚性 效 应 （ 即异 方 差 现象 ） ， 即大 幅 波 动 附 近 的波 动 往 往很 大 ， 波 动 在 一 段 时 间 内集 聚 出 现 ， 这种 波动 丛 聚性
李树丞等 （ ２ ０ ０ ８ ） 利用 改进 的 Ｇ Ａ Ｒ Ｃ Ｈ模型 ， 对 韩 国综 合 股
价 指数 和 台湾 加权 指数 期货 进行 了实证 分析 ，发 现股 指 期
Ｒｔ ＝ ｌ ｎ Ｅ－ ｌ ｎ Ｐ ， 一 Ｉ
关 键 ： 股指期货 沪深 ３ ０ ０指数 Ｇ Ａ Ｒ Ｃ Ｈ模 型
一
、
引 言
１ ９ ８ ２年 ２月 ２ ４日 ，世 界 上第 一 支股 指 期 货 合约 在 美 国肯 萨斯 期 货 交 易所 开 通 ， 随后 的 ３ ０年 里 ， 世 界 各 主 要 发
波 动 具 有 群 聚性 特 征 。 即 在 一 段 时 期 波 幅较 大 ， 而 另 一 时期 波
券 的基 础上 为投 资 者进 一步 提供 了规 避 风 险的工 具 ，避 免
了股指 的 大起 大落 ，对稳 定 市场 和增 加市 场 流动 性起 到 了 积 极作 用 。Ｍａ ｏ ｓ ｅ ｎ Ｚ ｈ ｏ ｎ ｇ等 （ ２ ０ ０ ４ ） 分 析 了墨 西哥 Ｉ Ｐ Ｃ指 数 日交易 数据 ， 发现 墨 西哥 股指期 货 具有 价格 发现 功 能 ， 而 且 股指 期 货确 实加 剧 了现 货 的波 动性 。而 国 内学 者 刘考 场 和
基于GARCH模型的股价波动预测
基于GARCH模型的股价波动预测摘要：股价波动对于投资者和市场参与者来说是非常重要的。
准确的股价波动预测可以帮助投资者制定更合理的投资策略。
本文利用GARCH模型，探讨了基于历史数据的股价波动预测方法，并通过实证研究验证了该方法的有效性。
1. 引言股票市场是一个充满波动的环境，股票价格会受到多种因素的影响而发生波动，如市场供求关系、经济指标变化、政治因素等。
因此，准确预测股票价格的波动对于投资者来说至关重要。
2. GARCH模型介绍GARCH（Generalized Autoregressive Conditional Heteroskedasticity）模型是一种用于分析和预测时间序列波动的方法。
该模型是由Engle于1982年提出的，通过建立条件异方差结构来捕捉时间序列波动的特征。
GARCH模型的基本形式为：条件异方差模型：σ^2_t = α_0 + α_1ε^2_(t-1) +βσ^2_(t-1)，其中，ε_t为白噪声序列，t为时间序列。
3. 数据收集与预处理为了构建GARCH模型，需要收集历史股票价格数据，并进行预处理。
预处理包括检查数据的完整性和准确性，并对异常值或缺失值进行处理。
4. GARCH模型参数估计通过极大似然估计法（Maximum Likelihood Estimation，MLE）对GARCH模型进行参数估计。
该方法基于给定模型下观测到的数据，选择能够使得模型最有可能产生观测数据的参数值。
5. GARCH模型预测利用已估计的参数，可以对未来股票价格的波动进行预测。
预测结果可以帮助投资者决策，并制定相应的投资策略。
6. 实证研究与结果分析本文选择了某上市公司的股票数据作为实证研究对象，实证研究了方法。
结果显示，利用GARCH模型可以较为准确地预测股票价格的波动，为投资者提供了重要参考。
7. 研究不足与展望尽管本文利用GARCH模型对股价波动进行预测取得了较好的效果，但仍存在一定的局限性。
基于GARCH-M模型的股指期货对股市波动影响的研究
基于GARCH-M模型的股指期货对股市波动影响的研究基于GARCH-M模型的股指期货对股市波动影响的研究摘要：股指期货市场与股市之间存在着密切的联系，股指期货的交易也对股市的波动产生着重要影响。
为了研究这种影响，本文采用GARCH-M模型，通过对不同时间段的数据进行实证研究，探讨了股指期货对股市波动的影响机制。
研究结果发现，股指期货市场的交易活跃度与股市的波动呈正相关关系，而股指期货价格与股市波动的关系则较为复杂，有正有负。
第一章：引言1.1 研究背景与意义1.2 研究目的1.3 研究方法与框架第二章：文献综述2.1 股指期货市场与股市的联系2.2 GARCH模型在股市波动研究中的应用2.3 GARCH-M模型的基本原理及优势第三章：数据与模型3.1 数据来源与样本选取3.2 GARCH-M模型的建立3.3 模型验证与参数估计第四章：实证研究结果与分析4.1 股指期货对股市波动的整体影响4.2 股指期货交易活跃度与股市波动的关系4.3 股指期货价格与股市波动的关系第五章：结论与启示5.1 结论总结5.2 研究的不足与展望5.3 对实践的启示与建议第一章引言1.1 研究背景与意义股指期货是一种衍生金融工具，在中国发展较快。
与股市相比，股指期货市场具有更高的交易活跃度和流动性。
因此，股指期货的交易情况往往能够反映出股市波动的变化情况。
1.2 研究目的本研究旨在探究股指期货对股市波动的影响机制，为投资者提供参考和决策依据。
具体而言，本文主要从股指期货交易活跃度与股市波动、股指期货价格与股市波动两个方面展开研究。
1.3 研究方法与框架本研究将采用GARCH-M模型对股指期货对股市波动的影响进行建模和分析。
首先，通过对不同时间段的股市与股指期货数据进行处理和整理，构建相关的数据样本；然后，利用GARCH-M模型对样本数据进行参数估计和模型验证；最后，根据实证结果进行分析和总结。
第二章文献综述2.1 股指期货市场与股市的联系股指期货市场与股市之间存在多种联系，例如股指期货价格对股市指数的预测作用、股指期货交易活跃度对股市波动的反应等。
基于GARCH模型的股票价格波动研究
基于GARCH模型的股票价格波动研究股票价格波动一直是投资者最为关注的重要指标之一。
波动的大小不仅影响着投资者的心态和投资决策，还对整个市场的走势产生了深远的影响。
如何科学地研究股票价格波动，探究其规律，成为了普遍关注的问题。
基于GARCH模型的股票价格波动研究，已经成为量化分析领域的一项重要研究内容。
GARCH模型，即广义自回归条件异方差模型，是以往各种波动模型的综合和拓展，具备了比较好的实用性和预测性。
它的特点在于，通过将历史波动捕捉进来，进行动态的预测和分析。
这使得GARCH模型在分析时完美综合了时间序列分析和经典的多元统计方法，有了更实用性的方法论和模型。
股票市场波动受多种因素影响，比如行业情况、宏观经济、政策法规、风险等级、公司业绩等等。
这些因素既有“可量化”的金融指标，也有“不可量化”的影响，它们结合起来，影响着股票价格的波动和走势。
GARCH模型将这些因素综合分析，从而判断影响股票的哪个因素或因素组合对波动的影响最大。
数据的选取也是进行GARCH模型建模的关键环节。
准确的、质量高的数据是精度高、可落地的模型的基础。
数据来源可以是历史股价数据、新闻事件、财报等多种形式，需要根据实际投资中的需要和目标进行综合决策和采集。
基于GARCH模型的分析结果，我们可以得到股票价格波动概率分布的预测曲线。
同时，将股票价格波动的极端事件风险计算进去，可以得到更加准确的风险度量，从而为投资者制定针对不同风险承受程度的投资策略提供了重要基础。
投资者可以通过了解该曲线，对股票涨跌走势进行更加准确和细致的判断，从而作出更加科学合理的投资决策。
基于GARCH模型的股票价格波动研究成果，对于更好地评估和预测股票行情和市场走势，制定更加科学有效的投资策略，有着重要的指导作用。
尤其是对于长期投资和股票组合管理等领域的分析和管理，该模型的实用性、可操作性和精度，都得到了业界投资人士、量化分析领域的专家们的高度评价。
随着数据采集、模型算法的不断完善，基于GARCH模型的股票价格波动研究，将在未来得到更加广泛的应用。
GARCH类模型在我国期货市场预测中的应用研究
２１ ０ ２年 ３月
辽 宁 师 范 大 学 学报 （ 自然 科 学 版 ）
Ｊ ｕ ｎ ｌ ｆＬｉｏ ｉ ｇ Ｎｏ ｍａ ｉ ｅ ｓｔ （ ｔ ｒ ｌ ｃｅ ｃ ｄ ｔ ｎ ｏ ｒ ａ ａ ｎ ｎ ｒ ｌＵｎ ｖ ｒ ｉｙ Ｎａ ｕ ａ ｉｎ ｅ Ｅ ｉｉ ） ｏ Ｓ ｏ
来 期货 的总 成交 额进 行 实 证 分 析． 过 ＡＲ Ｈ 模 型 分 析 、 Ｃ 效 应检 验 和 Ｃ ＣＨ 通 Ｃ ＡＲ Ｈ ＡＲ 模 型分析 ， 为 ＴＡＲ 认 ＣＨ（ ， ） 型是适 合 的 ， 期货 日成 交 额序 列存在 一定 的 波动 聚 类 １１ 模 且
与持 续 性而表 明存 在条 件 异 方 差 性 的较 明显 、 对 称 性 的存 在 而 显示 出的 杠 杆 效 应 的 非
作 者 简 介 ： 德 山 （９ ０ ， ， 宁沈 阳 人 ， 宁师 范 大学 副 教 授 ， 士 ． 孙 １ ７一） 男 辽 辽 博
第１ 期
孙 德 山等 ： Ｇ Ｃ 类模 型在 我 国期 货 市 场 预 测 中的 应 用研 究 ＡＲ Ｈ
５
模 式识 别 ， 数估 计 以及模 型 的检 验 ， 究期货 的 日成 交额 的原 因 是成 交 额和 成 交量 都 能 反 映 出期 货 参 研
Ｚ ｋ ｉｎ １ ９ ） 出了一 种非对 称模 型 Ｔ ａ ｏａ （ ９ ０ 提 ＧＡＲ ＣＨ 模 型 ， 种 模 型 很 好地 解 释 了价 格 上 涨信 息 和下 跌 这
信 息对 条件 方差 的作用 效果 是不 同 的． 以上这 些模 型 已经被 广泛 应用 到各 种金 融数 据分 析 中［ ］ ２．
突 出．
关键 词 ： ＧＡＲ ＣＨ 模 型 ； 动 性 ； 方 差 ； 对 称 性 波 异 非
- 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、"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、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)。
基于GARCH族模型的期货价格波动研究
摘要：本文以玉米期货为例利用garch族模型对玉米期货价格进行了研究，发现玉米价格前期的冲击对后期的影响是持久的，并且价格变化存在着非对称性，利空消息对玉米期货价格变化影响更大；garch、tarch、egarch模型都能较好的预测玉米期货价格，相比较而言，tarch模型预测效果要更好些。
关键词：价格；非对称性；garch族模型
一、引言
了解期货价格的波动对于期货市场的参与者有着重要的意义，本文以玉米期货为例，运用garch模型、tarch模型、egarch模型进行分析。
2004年9月22日玉米期货品种在大连商品交易所推出上市，几年的发展下，玉米期货已成为国内最主要的农产品期货交易品种之一。
能够准确的判断玉米期货价格波动，是有效利用玉米期货市场来实现套期保值和价格发现功能的基础。
考虑到市场接受新产品往往需要一段时间，因此本文样本时间段选为2005年7月1日-2012年12月31日玉米期货主力合约收盘价数据cp。
数据来源于文华财经交易系统，共1830个观测值。
二、实证分析
（一）均值方程设定
首先对变量cp进行自相关检验，发现cp序列的滞后1期至36期的自相关系数ac和偏相关系数pac显著不为0，而且q统计量非常显著，所以cp存在自相关性。
因此引入变量cp的滞后项，根据
aic和sc准则，以及剔除不显著的解释变量。
最后得到均值方程形式为： cpt=?%zcpt-1+?%[cpt-2+?%et。
?%z、?%[表示系数，?%et 表示残差项。
简单回归的结果为?%z=0.876、?%[=0.124，对应的t 统计量依次为37.7、5.342031，方程的r2=0.998124、dw=1.999827。
检验结果表明方程总体显著性很好，解释变量都在1%显著性水平通过t检验。
对?%et进行自相关检验，发现不存在自相关性。
再次，对?%et进行单位根检验，采用adf方法，检验得到t统计量为-42.7，对应p值为0，即在1%显著性水平下拒绝原假设。
结果表明序列是平稳的，因此均值方程具有协整意义。
然后，对方程进行条件异方差的arch-lm检验，在滞后10期内，得到f统计量为2.3，对应p值为0.01，r统计量为23.07041，对应p值为0.0105。
检验结果表明方程残差存在条件异方差性。
（二）方差方程设定
1、garch模型。
许多经济问题常常出现?%et的条件方差依赖于很多时刻之前的变化量的现象，尤其是金融领域采用日数据或周数据时特别明显。
garch模型就是用一个或两个的滞后值代替许多
的滞后值。
本文建立的garch（1，1）条件方差表达式为：
?%lt2=?%r+a?%et-12+b?%lt-12
2、tarch模型。
tarch模型是一个反映非对称性的模型，在garch 模型基础上加入虚拟变量，由此来反映数据冲击的非对称性。
本文建立的tarch（1，1）条件方差表达式为：
?%lt2=?%r+a?%et-12+b?%lt-12+c?%et-12dt-1
其中，dt-1是一个虚拟变狼，当?%et-10，说明了”坏消息”能比”好消息”产生更大的冲击。
当出现”坏消息”时，该冲击会带来一个a+c=0.13倍的冲击，而出现”好消息”时，仅会带来一个a=0.04倍的冲击。
这证明了负的冲击比正的冲击更容易增加我国玉米期货价格的变化。
egarch模型中，a的估计值为0.178332，非对称项c的估计值为-0.038782。
当?%et-1>0，该信息冲击对条件方差的对数有一个
a+c=0.14倍的冲击；而当?%et-1<0，它给条件方差的对数带来的冲击大小为a-c=0.22倍的冲击。
这表明”利空消息”比等量的”利好消息”对我国玉米期货价格产生更大的影响的结果在egarch模型中也能够得到印证。
2、预测评估的比较分析
四个指标的值越小，表明预测误差越小，预测越准确。
比较发现，tarch（1，1）模型最小、egarch（1，1）模型居中、garch（1，1）模型最大，但是彼此间差距都非常小。
另外三个方程的theil不等系数都小于0.01，说明garch（1，1）模型、tarch（1，1）模型、egarch（1，1）模型对玉米期货价格预测都具有较好的效果。
相比较而言，tarch（1，1）模型要更好些。
三、结论
本文通过建立garch族模型对玉米期货价格波动进行了研究，发现玉米期货价格变化较大幅度的受到最近期价格的影响，体现了金融时间序列”鞅过程”的特点。
另外，利空消息比利好消息更能让
价格产生大的波动，这启示投资者在短期交易过程中应该多注意止损，采用分散投资对冲风险，长期交易可以参考tarch模型的价格预测结果。
参考文献：
[1]韩士专，龙永康.我国玉米期货价格预测实证分析[j].江西社会科学，2012（6）
[2]张羽，佘传奇.中美玉米期货价格关联度研究[j].价格理论与实践，2013（4）
[3]高铁梅.计量经济分析方法与建模：eviews应用及实例（第二版）[m].清华大学出版社，2009
作者信息：张羽（1987-），男，安徽六安人，安徽大学经济学院研究生，研究方向：金融投资；何源（1988-），男，安徽潜山人，安徽大学经济学院研究生，研究方向：货币银行。