上证180指数的ARCH族模型仿真研究.docVIP

上证180指数的GARCH族模型仿真研究 推荐本文　 □ 赵进文 王 倩 　　摘 要:本文旨在运用GARCH族模型对即将作为股指期货标的物——上证300指数进行间接实证建模研究。本文使用上证180指数研究上证300指数具有可行性。分析结果表明: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,并存在较弱的杠杆效应;收益率条件方差序列是平稳的,模型具有可预测性,GARCH-M(1,1)模型可以很好地拟合与预测上证180指数。该仿真模型可以较好地实现点对点的长期高精度预测,克服了传统预测模型只能进行短期预测的缺陷。这不仅对于投资者规避风险,开拓利润空间,而且对于我国资本市场的稳健发展,都具有重要的理论与实践指导意义。 　　关键词:上证180指数;GARCH族模型;GARCH效应;杠杆效应;仿真 　　中图分类号:F830.91 文献标识码:A 　　文章编号:1000-176X(2008)03-0047-06 　　 　　一、引 言 　　 　　从股票与期货市场诞生之日起,人们就试图寻找一种能有效预测股指或期指的科学方法,以便能提前采取行动,规避风险,强占先机,使投资(或投机)获利最大化。从理论研究角度看,发展一套行之有效的预测理论,也是科学工作者梦寐以求的理想,它必将使资本市场的发展更加科学化。因此,研究股指的拟合、仿真与预测,无论是对投资者,还是对学科的发展,甚至是对经济的繁荣和社会的进步,都具有重要意义。 　　国际资本市场运行的实践表明,资本市场(股票市场作为特例)中每日报酬时间序列大多呈现非正态性和厚尾性特征,并具有波动聚集性与持续性,即如果当期市场是波动的,则下一期的波动将会大,而且它会随当期收益率偏离均值的程度而加强或减弱;反之,如果当期的波动小,则下一期的波动也会小,除非当期收益率严重偏离均值。基于这些特性,诺贝尔奖得主Engle于1982年首先提出了自回归条件异方差模型(Autoregressive Conditional Heteroskedasticity Model),即ARCH模型,以此来描述波动的聚集性与持续性。随后,Bollerslev (1986)在ARCH模型基础上又创立了广义自回归条件异方差模型(Generalized Autoregressive Conditional Heteroskedasticity Model ),即GARCH模型,该模型弥补了在有限样本下模型阶数过大所带来的计算效率及精度上的不足,具有良好的处理厚尾能力。如今,GARCH族模型已经成为度量金融市场波动性的最主要工具之一。本文试图在前人研究工作基础上,利用GARCH族模型及上证180指数对即将作为股指期货标的物的上证300指数进行间接实证建模研究,选出最优的仿真模型来预测股指,检验长期的预测效果,为股指期货的运行提供理论与实践参考。 　　 　　二、文献综述 　　 　　国内外对股指及股指期货的模型定量化研究由来已久,积累了大量的文献,发展了各式各样的预测模型。总体上讲,目前比较典型的方法有:传统回归分析法,时间序列分析法,Markov转移概率法,鞅差序列分析法,系统动力学模型分析法,网络神经元模型分析法,Black-Scholes 定价公式法,资产组合分析法,资本资产定价模型(CAPM)法,套利定价理论(APT)分析法,协整模型分析法,混沌模型分析法,分形理论分析法,突变理论分析法,GARCH族模型分析法等。这些理论与方法被有效地应用于世界各地不同时期的不同资本市场,深刻揭示了资本市场及其衍生品市场的运行规律,可谓百花齐放。 　　近年来,人们对GARCH族模型在资本市场及其衍生品市场的应用情有独钟。Akgiray(1989)[1]比较早地利用GARCH模型及ARCH模型预测了美国股指的波动,并将预测结果与传统的指数加权移动平均模型及历史平均模型预测结果进行了比较,发现GARCH模型预测结果要优于其它模型的预测结果。Pagan and Schwert (1990)[2]用GARCH模型、EGARCH模型、Markov区制转换模型及3种非参数模型对美国股票收益率波动进行了预测,得出EGARCH模型要稍优于GARCH模型的结论,而其它模型的预测性能则较差。Franses and van Dijk (1996)[3]运用GARCH族中3个模型(标准GARCH,QGARCH和GJR模型)对欧洲股市的周股指进行了预测,得出非线性GARCH模型并不一定胜于标准GARCH模型的结论。Brailsford and Faff(1996)[4]对澳大利亚月股指的预测发现,GJR和GARCH模型要稍优于传统预测模型(随机游走,短期和长期移动平均,指数平滑,指数加权平均,线性回归等模型)。Dueker(1