基于GARCH模型的波动率预测及应用

以中国石油（601857）股票2010年1月15日至2011年1月17日交易日收盘价格的实际数据为样本,建立了股票对数收益率波动率的GARCH模型,利用Eviews软件进行参数估计得到波动率的方程,并对波动率进行预测,从而得到基于GARCH模型预测波动率的欧式看涨期权的价格和风险值VaR的计算。     

带指数参数的隐含波动率模型

在广泛运用的Black-Scholes定价模型中,波动率被看作是一个固定的常数,但越来越多的实证分析表明这种假设在实际的期权市场中并不成立,隐含波动率具有波动率微笑和期限结构等特点。鉴于此,对Cassese和Guidolin提出的确定性隐含波动率模型进行改进,认为隐含波动率并不一定是关于在值程度的二次函数,采用指数参数项替代原模型中的在值程度二次项。最后基于AAPL股票期权进行实证分析,结果表明改进的模型更具灵活性,能更好地拟合和预测隐含波动率及期权价格。     

基于结构转换GARCH模型的中英股市波动率研究

利用马尔可夫转换GARCH模型分别对上证综指和富时指数进行分析,并对两个市场指数进行对比研究.结果表明,当残差项服从t分布时,该模型能够更好地拟合上证综指和富时指数.同时,上证综指和富时指数都以中低波动为主,但是富时指数的波动周期明显要比上证综指的波动周期长.     

基于灰色马尔科夫模型预测金融波动

引入灰色模型和符号时间序列分析方法,与马尔科夫模型方法相结合,提出了一种新的预测金融波动的方法。首先将波动序列符号化,然后建立灰色马尔科夫模型,不仅能减小影响预测精度的误差,而且能利用马尔科夫模型来调整误差,使结果更加精准。采用上海证券交易所综合指数2007--2010年间隔为5分钟的高频数据为样本,对已实现波动序列进行实证分析,成功预测了下一时点波动值所处的区间,并验证了该方法的可行性和有效性。     

隐含波动率曲面的非参数拟合

针对证券市场中的数据具有函数型特征这一特点,将非参数拟合中的局部多项式拟合法应用于估计Black-Scholes隐含波动率函数,并结合CBOES&P500指数期权数据,构造了隐含波动率曲面,取得了很好的效果,为进行函数型数据分析奠定了基础.     

基于GARCH模型的人民币汇率波动性研究

选取2011—2016年间汇率日线的1 213个观测数据,运用GARCH(1,1)、EGARCH模型对人民币汇率的波动情况进行研究.数据分析显示,人民币汇率具有明显的时间可变性、集群性和杠杆性的特点,针对人民币汇率的波动性提出应控制汇率变动节奏、完善人民币汇率制度和汇率衍生品市场等政策建议.     

基于GARCH族模型的创业板指数收益率波动分析

基于GARCH族模型,对创业板指数收益率的波动性进行实证分析。利用创业板挂牌上市以来的历史数据分析,发现该序列具有尖峰厚尾和异方差性,适合GARCH族模型建模。实证比较表明,GARCH-M模型能够很好的描述创业板股指的波动规律。     

基于EMD和GARCH模型的股票收盘价格预测

首先对股票收盘价序列进行经验模式分解(EMD),对分解后的本征模函数(IMF)与残差序列分别拟合ARMA-GARCH模型.将所建模型的预测结果相加,往后预测5 d的收盘价格,并与原始序列所建ARIM A-GARCH模型的预测结果进行比较.比较结果可以帮助股票投资者预测股票市场行情.     

非对称GARCH模型在VaR预测上的应用

基本统计分析发现,上证综合指数回报率分布存在高峰厚尾性,不服从正态分布,并且还具有杠杆效应.本文应用非对称APARCH模型在四种分布(正态分布、T分布、GED分布和SKST分布)假设下对上证综合指数通过事后模拟和条件单步预测来计算上证综合指数的VaR风险值,然后把它与GARCH模型的估计结果进行比较分析.通过返回检验,发现APARCH应用于VaR估计是统计有效的,并且明显优于GARCH模型.     

基于D-Markov模型的金融波动模式识别

将小波变换与符号时间序列分析相结合,引入工程领域的D-Markov模型,提出了一种用于金融波动变化模式识别和异常检测的方法。波动序列经过离散小波变换,产生小波系数序列,将小波系数序列符号化产生符号时间序列,建立符号时间序列的D-Markov模型,并求状态转移概率矩阵,计算各状态转移概率矩阵的状态概率向量与标准状态转移概率矩阵的状态概率向量之间的欧拉距离,从而得到异常度。基于得到的异常度识别金融波动变化模式,检测异常波动的发生。以上证综指的5分钟序列为样本实证分析,对该方法的可行性和有效性进行了验证。     

国内专利申请受理情况时间序列的GARCH模型及预测

建立了国内专利申请受理情况时间序列的多种自回归模型、多种条件异方差模型．比较各个模型检验参数及预测精度,确定国内专利申请受理情况时间序列的GARCH（1,1）模型为优化模型,预测2008年国内专利申请受理情况时间序列将继续保持上升趋势,受理量预测值为723913件,预测相对误差不大于1．1％．     

GARCH模型的相依性

验证广义自回归条件异方差(GARCH)过程中的绝对值序列和平方序列都是两两PQD序列,讨论了GARCH(1.1) 模型的两两正相依性,研究了关于GARCH序列部分和的不等式。这些性质和GARCH过程的条件异方差性是一致的,同时也说明用GARCH模型来描述金融时间序列的波动聚类现象是合理的。     

基于非对称GARCH-MIDAS模型的原油价格波动预测

针对原油价格波动的预测问题,将GARCH-MIDAS模型扩展为两类:A-GARCH-MIDAS模型研究正负面的油价波动因素对原油市场的不同影响;GARCH-MIDAS-X模型将短期成分扩展到额外的波动决定因素,将扩展模型应用于原油WTI数据.样本内估计结果表明,非对称效应对原油价格波动性有显著影响;样本外预测结果表明,非对称效应显著提高了波动率模型的预测性能.     

用耦合模型预测水文系列

本文分析了在预测水文系列时使用的互相关模型、自相关一维AR(P)及多维AR(P)模型的优缺点为克服这些模型之不足,文章提出了用既考虑变量互相关又考虑变量自相关及其随机性的耦合模型进行水文系列预测的方法。文章给出了耦合模型的一般形式,并用一实例说明了建立耦合模型的程序,希望对于生产有指导意义。     

GARCH模型的经验似然估计

以计量经济学中ARCH模型族为背景,对GARCH模型进行讨论和研究。讨论了基于GED分布的β-ARCH模型和GARCH模型的经验极大似然估计的求解方法,得到了相应的平稳模型的大样本性质定理。     

基于随机波动率模型的沪深300ETF期权定价

选取2019年12月23日至2020年8月31日到期日在两个月内的沪300ETF平价看涨期权的日交易数据,计算出隐含波动率,发现存在明显的"波动率微笑"现象;构建Heston模型,并用MCMC法中的Gibbs算法对其参数进行估计。结果表明,B-S公式的定价偏高,相比B-S模型,Heston模型的定价结果更贴合实际,但是当标的资产价格大幅波动时,B-S定价结果比Heston定价更准确。比较Heston模型与B-S公式的定价结果并对误差分析发现,在4种误差衡量方法下,Heston模型的定价均更为准确。     

山东经济增长与波动模型

本文介绍了邹至庄对乘数—加速数模型的改动，并利用山东的统计数据对邹至庄乘数—加速数模型进行了实证检验，进而分析了建国以来山东省的经济发展方式。     

用AR模型预测机械故障的方法

就ＡＲ模型在机械故障诊断中的应用进行了探讨，特别就ＡＮ模型的时序回归预测作了阐述．同时给出并分析了ＡＲ模型的几种建模方法．     

基于GARCH模型的WTI原油价格波动性分析

运用GARCH、EGARCH的t分布模型对WTI原油现货价格进行了统计拟合分析,得到了其收益率序列尖峰厚尾和异方差性等主要概率特征,并对GARCH、EGARCH的t分布模型的预测效果进行了比较分析,发现基于学生t分布的EGARCH模型比GARCH模型能更好地描述WTI原油价格的波动特征,并且具有较好的预测能力.