永辉超市日收盘价GARCH模型的构建.docVIP

　　　 金融统计学 课程大作业 题 目： 永辉超市股票的GARCH分析 　　　　　　 专 业： 国际金融 班 级： 中新金121 姓 名： 陈静 学 号： 2012190001 姓 名： 董子瑄 学 号： 2012190004 姓 名： 郭施诗 学 号： 2012190007 姓 名： 刘菁菁 学 号： 2012190009 姓 名： 郭丰屹 学 号： 2012190006 成绩： 评语： 1 问题简介 永辉超市是中国大陆首批将生鲜农产品引进现代超市的流通企业之一，公司已发展成为以零售业为龙头，以现代物流为支撑，以现代农业和食品工业为两翼，以实业开发为基础的大型集团企业。对研究我国生鲜超市的发展具有重要的意义。 2 数据来源与处理 本文数据选择永辉超市的日度收盘价，区间为2015年6月1日至2015年12月4日，数据整理见附录。建立永辉超市日度收盘价的序列RSN。 3 软件处理后输出结果 序列的平稳性检验 观察收盘价序列的图形，见图1-1和图1-2。 图1-1 从图中可以看出，收益率序列RSN具有波动集聚性的特点。 进行单位根检验，结果如图2所示。 图2 单位根检验结果 由上表可知，收益率序列RSN是平稳的。 （二）检验ARCH效应 观察RCH的自相关图，可以看出无自相关性。因此直接将RSN对常数回归，得到残差序列。观察残差平方的自相关图，如图3所示。 图3 残差平方的自相关图 残差平方序列在滞后1阶处并不是异于0的，即存在自相关性。进一步进行LM检验，这里选取滞后阶数为1。检验结果如图4所示。 图4 ARCH效应检验结果 所对应的p值为0.0003，因此RSN在1%的显著性水平下是存在ARCH效应的。 （三）估计模型参数 估计GARCH（1,1），结果如图5所示。 图5 GARCH（1,1）的估计结果 估计系数不均满足非负性，而且在1%的显著性水平下不显著。 检验残差的自相关性和正态性 观察残差的自相关图、残差平方的自相关图、正态性检验和ARCH LM test...,结果如图6、图7、图8及图9所示。（见下页） 图6 残差的自相关图 残差序列不存在自相关性。 图7 残差平方的自相关图 残差平方序列也不存在自相关性。 图8 残差直方图及正态性检验结果 图9 残差ARCH效应检验结果 dlgs检验的p值为0.4898，因此不存在ARCH效应。 因此，建立GARCH（1，1）模型是不合理的。 不同GARCH模型的对比分析 尝试建立不同的GARCH模型形式：TARCH模型、EGARCH模型和ARCH-M模型。 TARCH模型估计如图10所示。 图10 TARCH模型估计结果 EARCH模型估计如图11所示。 图11 EGARCH模型估计结果 ARCH-M模型估计如图12所示。 图12 ARCH-M模型 均值项不显著，因此不考虑ARCH-M模型，也不考虑该模型与推广其他GARCH模型的结合形式。 对比分析GARCH（1,1）、TARCH、EGARCH模型的AIC、SC和残差检验，如表13所示。 表13 不同模型残差检验结果对比 GARCH（1,1） TARCH EGARCH AIC -3.048959 -3.037888 -3.047320 SC -2.978518 -2.943967 -2.976879 残差检验 无自相关、无ARCH效应、不满足正态性 无自相关、无ARCH效应、不满足正态性 无自相关、无ARCH效应、不满足正态性 从对比结果可以看出，TARCH的效果最好。因此选择TARCH模型。  4　结论与分析 选择TARCH模型进行预测。留后20个样本作为预测时期，采用动态预测， 结果如图14所示。 图14 TARCH模型动态预测图 预测值为1，而且预测协方误为0.000000，几乎均为方差误，因此模型的预测精度并不高。 附录 永辉超市2015年6月1日至2015年12月4日日收盘价 日期 收盘 日期 收盘 日期 收盘 日期 收盘 2015/6/1 19.42 2015/7/21 15.9 2015/9/16 12.55 2015/11/9 17.07 2015/6/2 20.02 2015/7/22 15.9 2015/9/17 12