基于ARCH模型对美元兑日元价格波动性的分析毕业论文应用文.docVIP

摘 要 波动性是金融经济研究的核心问题之一，现代金融理论广泛地以波动性（用手一的方差度量）代表金融产品风险，它不仅是金融产品定价的关键因素，也是人们理解和管理金融市场的主要指标。传统的金融产品定价模型往往假定波动性是不随时间变化的常数。但大量的实证研究表明，金融产品价格的变动呈现出波动的聚集性现象。所谓波动的聚集性是指价格的大幅度波动常常相继出现，即大幅波动聚集在某些时段，而小波动则聚集在另外一些时段。正因为如此，恩格尔教授于1982年创造性地引入自回归条件异方差模型ARCH（Auto regressive Conditional Heteroscedasticity）模型来刻画金融资产的价格波动行为。可以说，ARCH模型的提出是金融计量学领域过去30年中历程碑式的学术成果。Engle（1982）提出的自回归条件异方差（arch）模型和Bollerslev（1986）在其基础上提出回归条件异方差（GARCH） 本文通过以上三个模型对外汇货币对美元兑日元（USDJPY） 关 键 词：美元兑日元；收益率；GARCH模型；TARCH模型  目 录 1 对美元兑日元数据进行简单分析 5 1.1 数据的描述 5 1.2 序列特征性的分析及平稳性的判断 6 2 判断序列是否存在ARCH效应 8 2.1 建立模型并对其进行估计 8 2.2 对残差进行ARCH效应的检验 8 3 对收益率建立GARCH及TARCH模型 11 3.1 建立GARCH模型 11 3.2 建立TARCH模型 12 参考文献 14  对美元兑日元数据进行简单分析 数据的描述 本次研究的样本数据为2013年6月10日-2017年6月10日1462个交易日的美元兑日元价格，由于数据数量过大，在此选取最近30组数据如下： 表1.1美元兑日元价格30个交易日收盘价数据 日期 2017-05-12 2017-05-13 2017-05-14 2017-05-15 2017-05-16 2017-05-17 价格 113.88 113.3325 113.3325 113.3325 113.7555 113.043 日期 2017-05-18 2017-05-19 2017-05-20 2017-05-21 2017-05-22 2017-05-23 价格 110.9475 110.9475 111.47 111.238 111.238 111.238 日期 2017-05-24 2017-05-25 2017-05-26 2017-05-27 2017-05-28 2017-05-29 价格 111.2775 111.822 111.4815 111.842 111.306 111.306 日期 2017-05-30 2017-05-31 2017-06-1 2017-06-2 2017-06-3 2017-06-4 价格 111.316 110.7535 110.7335 111.3925 110.4225 110.4225 日期 2017-06-5 2017-06-6 2017-06-7 2017-06-8 2017-06-9 2017-06-10 价格 110.457 109.4105 109.8195 110.049 110.2715 110.2715 数据来源于Choice金融终端 为了可以更好的判断该样本数据的特征，我们再对序列绘制折线图与直方图，如下所示： 图1.1美元兑日元近五年价格折线图 图1.2美元兑日元近五年价格直方图 由美元兑日元的价格折线图与直方图可以看出，历年价格波动较大，在14年之前价格都在低位，而从14年末开始，价格跳跃式增高，这可能主要是因为美国国内经济复苏趋势良好，就业等情况趋于好转等原因使美元汇率走强，而在16年价格又触底反弹，这可能和美国总统竞选带来的政治动荡对汇市中对美元预期的影响有关。 序列特征性的分析及平稳性的判断 图1.3为该序列的统计特征图，有图可以看到该序列的均值为110.206，中位数为109.83，极大值为12556，极小值为94.01，标准差为8.405434。 图1.3美元兑日元近五年价格特征图 为了研究该序列的平稳性，我们做该序列的相关图与偏相关图如下： 图1.4 美元兑日元价格的相关图与偏相关图 由图1.1-图1.4我们都可以观察到美元兑日元汇率的波动性加大，从图1.4中的相关图与偏相关图进一步可以确认，该序列为非平稳序列。  判断序列是否存在ARCH效应 建立模型并对其进行估计 首先为了减少误差，我们对序列去自然对数，用eviews的genr指令输入y=log（usdjpy），得出的新数列为lnusdjpy序列。然后估计模型： =++ 图2.1模型估计结果 F统计量显著从而表明方程