R语言基于GARCH模型的平安银行股票研究预警.docx

【原创】定制代写r/python/spss/matlab/WEKA/sas/sql/C++/stata/eviews数据挖掘和统计分析可视化调研报告等服务（附代码数据）, 咨询邮箱： 3025393450@ 有问题到淘宝找“大数据部落”就可以了 基于GARCH模型的平安银行股票研究和危机预警 ——R语言描述 1 研究背景 我国股市经过多年的发展,取得了巨大的成就特别是近年来,市场规模大幅增加,沪深证券市场与整个国民经济的相关程度显著增强,两市总市值占GDP的比重越来越大,沪深股票市场与宏观经济的联动效应正日益加强。 然而,我国证券市场尚处于发展的初级阶段,其波动幅度和风险大大高于国外成熟市场,尤其是异常波动更是频繁出现对金融市场波动性的研究主要是源于对资产选择和资产定价的需要,所以长期以来,股价波动的特征及其影响因素研究是学者们和投资者所关注的焦点问题投资者总是希望能凭借自己对股市波动性的充分认识来获得超额报酬。因此，如何去寻找较能真实刻画和衡量股价波动性特征的研究已经成为如今数理金融学不可分割的一部分。 在对现代金融市场研究的过程中,人们发现大多数时间序列诸如股票价格、利率、外汇汇率等的误差序列无自相关,但误差的平方序列存在自相关,即误差的方差或波动随时间变化这就对经典的最小二乘法回归所假定的误差序列无自相关、误差的方差为一常数提出了质疑。最小二乘法不再适用于对此类经济数据的建模和估计。 2003年,著名的计量经济学家—美国纽约大学的罗伯特·恩格尔教授和加州大学圣迭哥分校的克莱夫·格兰杰教授成为诺贝尔经济学奖的两位新得主。两位学者抓住了经济时间序列的两个核心性质：时变性（time-varyingvolatility）和非平稳性(nonstationary),并由此开创了一套新的统计分析方法。两位学者在上世纪八十年代初针对描述金融市场波动性的方差的时变性特征提出了自回归条件异方差,即ARCH模型,此后,随着实践的深入,ARCH模型的一些扩展模型也被相继提出,如GARCH模型、EGARCH模型、TARCH模型等,并且这些模型在解释金 融时间序列的特性中得到广泛应用。 多年来,恩格尔和格兰杰的研究工作不仅活跃了计量经济学、统计学和数理金融的理论模型及其实证研究,而且还广泛应用于现实经济金融问题的定量分析,为经济预测和风险评估提供了一套新的方法。 2 研究内容 本次数据集采用平安银行股票自1991年4月至2018年4月每日历史收盘价，拟通过分析平安银行每日收益率的波动变化情况，构建合适的ARIMA-GARCH模型，然后对某一期数据进行验证性预测，最终判断该模型的可适用性。本文同时试图使用风险价值模型（VAR）来对改股票进行风险预警，最终发现平安银行在2007年至2012年日收益率存在GARCH效应，预警效果在股价波动较大时有一定的参考意义。 3 研究方法及结构框架 3.1 研究方法 以平安银行股票为研究对象，用GARCH族模型对日收益率进行建模分析.对股票收益率的基本统计量以及模型参数估计结果进行对比分析. 本文股价指数的数据来源于万德数据平台，在统计分析和参数估计时以R语言为主要分析工具。 3.2 结构框架 第一章和第二章分别对本次研究的背景和内容进行介绍，第三章提出本次的研究方法和框架结构。 第四章主要是对平安银行和GARCH模型的相关理论及其拓展进行介绍。 第五章我们对平安银行股票日收益率进行了基本的统计分析之后，再对此金融数列进行纯随机性检验、平稳性检验和ARCH效应检验等，最终建立相应的GARCH模型。并基于建立的GARCH模型，我们对平安银行2007年至2010年的日收益率进行风险度量，度量结果发现，本次建立的ARMA-GARCH模型对于股价波动较大时具有一定的参考价值。 第六章是本文的小结，主要回顾了本次研究的内容，研究的方法以及研究成果等。 4 相关理论介绍 4.1 平安银行股票介绍 平安银行（股票代码：000001）是深圳发展银行 2012 年 6 月收购原深圳平安银行并更名后的银行，是一家全国性股份制商业银行。平安银行已经形成了七大行业产业链（地产、交通、能源矿产、现代物流、现代农业、文化旅游以及医疗健康）“全覆盖”模式，截至 2016 年 6 月末，在全国设有 58 家分行、1037 家营业机构，包括 1 个平台事业部、6 个行业事业部和 11 个产品事业部。 平安银行依托平安集团强大的综合金融服务优势，已形成独具特色与竞争力的市场品牌。近年来，我国商业银行受利率市场化、互联网金融、资本市场动荡、资产荒及监管趋严等因素影响，整体盈利水平大幅下降，但平安银行仍然保持高速发展。 在此背景下，本文拟计划分析平安银行股价波动规律，旨在为投资者衡量和规避市场风险提供一些参考。 4.2 GARCH模型及其推广 4.2.