6GARCH模型分析与应用解析.pptVIP

这个例子中，利空消息能比等量的利好消息产生更大的波动的结果在EGARCH模型中也能够得到印证，在EGARCH模型中， ，其非对称项? 的系数小于零， 当 时，有 倍冲击； 当 时，有 倍冲击。 在EViews4.0的EGARCH模型结果显示中： | ut /?t|项的系数? 记作|RES| /SQR[GARCH] (1) ； 杠杆效应项 ? 记作 RES/SQR[GARCH](1)； 此例中? 是负的并在统计上是显著的，这表明在样本期间沪市的股票收盘价格指数中存在杠杆效应。 [实证案例6-3]国际股票市场与内地市场之间波动的杠杆效应与溢出效应检验 p220 随着全球经济一体化和金融市场国际化，国际股票市场内地沪深市场之间存在某些重要关联。那么，国际市场（纽约、日本、香港）和内地市场（上海市场、深圳市场）之间是否存在一定的杠杆效应和溢出效应呢？在此，我们将对这个问题进行研究。 在此，所采用的数据为2001年1月2日至2006年9月29日上海证券交易所、深圳证券交易所、香港联交所、东京证券交易所和纽约证券交易所每日收盘指数数据，包括上证指数、深成指数、恒生指数、日经指数和标准普尔500指数，并分别定义为PSZPSC、PHS、PRJ和SPR，其各自的收益率定义为对数形式。 （1）杠杆效应 杠杆效应体现了波动性传导的单向性，或者一定程度的风险态度差异，杠杆效应可以通过GARCH模型中引入一定的非对称项来实现，从而产生了非对称冲击模型，在此采用EGARCH模型来解释各股票市场的非对称性。下图是上海市场和深圳市场的信息冲击曲线，可以发现在我们选取的时段里不存在明显的信息不对称性。 沪深两市的信息冲击曲线 （2）溢出效应 由于国际股票市场均存在信息冲击的非对称性，所以我们利用修正EGARCH模型来检验溢出效应，模型为： 系数C(6)反映了国内股票市场向国外的信息溢出效应的强弱，可以看出，国际市场不受国内的影响。 参考文献 高辉, 赵进文. 期货价格收益率与波动性的实证研究——以中国上海与英国伦敦为例[J]. 财经问题研究, 2007, (2): 54-66. 陈潇, 杨恩. 股市杠杆效应与溢出效应实证分析-GARCH模型之应用[J]. 财经科学, 2011, (4): 17-24. 运怀立. 中美股市杠杆效应与波动溢出效应_基于GARCH模型的实证分析[J]. 现代财经, 2006, 26(9): 25-28. 2019 ppt资料 * 欢迎批评指导！！ 放映结束！ 结果表中的(RESID)*ARCH(1)项是 ? ，也称为TARCH项。 股票价格指数方程回归残差 观察上图，该回归方程的残差，我们可以注意到波动的“成群”现象：波动在一些较长的时间内非常小（例如2000年），在其他一些较长的时间内非常大（例如1999年），这说明残差序列存在高阶ARCH效应。 重新建立序列的GARCH（1, 1）模型，结果如下： 均值方程： （23213） 方差方程： （11.44） （33.36） 对数似然值 = 3006 AIC = -5.76 SC = -5.74 ARCH估计的结果可以分为两部分：上半部分提供了均值方程的标准结果；下半部分，即方差方程包括系数，标准误差，z—统计量和方差方程系数的P值。在方程中ARCH的参数对应于?1，GARCH的参数对应于? （6.14式）。在表的底部是一组标准的回归统计量，使用的残差来自于均值方程。 方差方程中的ARCH项和GARCH项的系数都是统计显著的，并且对数似然值有所增加，同时AIC和SC值都变小了，这说明这个模型能够更好的拟合数据。再对这个方程进行条件异方差的ARCH—LM检验，相伴概率为P = 0.924，说明利用GARCH模型消除了原残差序列的异方差效应。ARCH和GARCH的系数之和等于0.