基于GARCH 模型簇橡胶期货价格波动性分析.docVIP

基于GARCH 模型簇橡胶期货价格波动性分析 　　【摘要】考虑到近几年来我国期货市场的发展，期货必将在未来我国的经济中占据着越来越重要的作用，本文选取了橡胶期货在上海交易所的收盘指数，基于GARCH模型来探讨橡胶期货的波动率特征。 　　【关键词】GARCH 杠杆效应 波动率 　　一、引言 　　金融资产收益率的波动性一直以来都是金融经济学家长期关注的一个话题，考虑到近几年来我国期货市场的发展，本文选择在上海期货交易所上市的橡胶期货来探讨橡胶期货的波动率特征。 　　二、实证分析 　　（一）数据来源及处理 　　本文选取的数据是从2011年7月15日至2012年5月15日橡胶期货ru1206在上海交易所的收盘指数，共200个数据。本文先对橡胶期货收盘指数进行数据处理，计算对数收益率，将指数处理为收益率后，本文的有效样本量变为199。 　　（二）描述统计 　　收益率序列显示，正态分布的偏度应该为0，但本文中橡胶期货收益率偏度为-0.058439，表明，收益率分布是左偏峰分布的，其峰度4.072319大于3，表明其为尖峰分布，其Jarque-bera值超出原假设下观测值的概率为0.008036，该值很小，故可以拒绝原假设，认为橡胶期货的收益率不具有正态性，由此我们初步判出收益率序列Rt可能存在ARCH现象。 　　（三）平稳性检验 　　建模前必须先对橡胶期货收益率序列进行平稳性检验，本文采取ADF检验，从检验结果看，在1%，5%，10%三个显著性水平下，单位根检验的Mackinnon临界值分别为-3.463405，-2.875972，-2.574541，而t统计量的值为-14.06460，小于相应临界值，故拒绝原假设，认为收益率序列不存在单位根，是平稳序列。因此可以用自回归模型解释收益率的变化。 　　（四）ARCH现象检验 　　用自相关和偏相关函数对收益率序列的自相关性进行分析，结果显示收益率序列在20个滞后期内具有相关性，但收益率相关性较弱，因此我们用一个常数c加一个随机扰动项u来刻画均值收益率，Rt=c+u。对收益率平方的序列进行相关性分析，收益率平方在20个滞后期内的P值小于0.05，因此，我们拒绝不相关的原假设。 　　上述分析表明，虽然收益率序列不存在相关性，但收益率平方序列具有显著的相关性，故我们可以考虑用GARCH模型来拟合收益率。 　　（五）GARCH回归 　　因大量实证表明，GARCH（1，1）的拟合效果较好，故本文选择用该模型来拟合收益率。、 　　利用Eviews进行GARCH（1，1），回归方程写为： 　　σ2t=00.151183u2t-i+0.842059σ2t-1 　　衰减指数θ1+θ2反应了冲击对变量波动率产生影响的持续性，上述方程中衰减指数θ1+θ2=0.151183+0.842059=0.993242 　　1，满足GARCH模型参数的要求，但是系数之和非常接近于1，表明收益率序列是弱平稳过程，收益的波动最终会衰减，但衰减的速度会比较慢，也就是说冲击的时间会持续比较久，冲击对未来所有的预测都具有重要的作用。如t时刻产生的波动在t+4时刻时，还残留0.993242^4=0.97324，冲击的衰减速度很慢。 　　上述回归方程进行ARCH-LM检验，滞后阶数为4时，F统计量的值为1.687524，对应的P值为0.1535270.05，可认为已经残差序列已经不存在ARCH效应。 　　（六）GARCH-M回归 　　为了度量橡胶期货预期风险对收益率的影响，本文建立GARCH-M 模型，将条件标准差引入方程，回归方程如下： 　　σ2t=00.132685u2t-i+0.859664σ2t-1 　　Rt=-0.002164+0.073035σt+ut 　　均值方程中标准差系数为0.073035，表明橡胶期货市场中，预期风险每增加一个单位，就会带来相应预期收益增加0.073035个百分点，这一结果表明我国橡胶期货市场符合高风险高收益原则。 　　干扰项的GARCH（1，1）模型中系数为0.132685+0.859664= 0.9923491，说明收益率条件方差序列是平稳的，模型具有可预测性，也就是说橡胶期货市场的风险可以由过去的风险加以预测，波动性的衰减系数为0.992349，比较接近1，说明橡胶期货市场的波动性的衰减速度比较缓慢。 　　对该回归方程进行ARCH—LM检验，滞后阶数为4时，其F统计量1.902155，相应P值为0.1117420.05，可以认为残差序列已经不存在ARCH效应。 　　（七）对称性分析 　　TGARCH模型分析：由于金融资产的收益率波动往往存在非对称性，即杠杆效应，我国橡胶期货市场上是否也存在显著的杠杆