上证论文关于基于GARCH(1,1)模型的上证50ETF波动率论文范文参考资料.docVIP

上证论文关于基于GARCH(1,1)模型的上证50ETF波动率论文范文参考资料 　　 【摘要】本文基于上证50ETFxx～xx年的日收盘价，利用GARCH(1,1)模型分析了上证50ETF波动率。研究表明，上证50ETF波动率不仅受前期波动率的影响，还和基金净值波动率、平均交易量波动率存在显著的正向关关系。 　　 　　 【关键词】上证50ETF 历史波动率 GARCH模型 　　 　　 波动率反映了资产价格的波动程度，刻画了资产收益率的不确定性，一直是金融经济研究的重要课题之一。随着波动率模型理论研究的深入，波动率模型应用研究也不断涌现，其中讨论最多的就是GARCH模型。上证50ETF具有良好的市场代表性和流动性，是上交所最具代表性的指数基金之一，上证50ETF期权的推出更具有划时代的意义，它标志着我国正式进入期权时代，对上证50ETF波动率的研究具有重要的现实意义。由于历史波动率是分析金融资产价格波动率的主要形式，因此本文采用历史波动率分析法研究上证50ETF波动率的特征和规律。 　　 　　 本文认为基金净值波动率和交易量会影响到上证50ETF波动率，因此在GARCH(1,1)模型中引入了两个外生变量。 　　 　　 基金净值波动率（记为funhv）是对上证50ETF基金净值波动情况的刻画。经检验上证50ETF基金净值和市场价格的相关系数为0.999958，因此本文认为上证50ETF的净值波动也会引起市场价格的波动。本文基于短期预测的目的，上证50ETF市场价格波动率和基金净值波动率均采用30日历史波动率，分别记为yt和funhvt。 　　 　　 交易量是金融资产价格研究重要的指标之一，因此本文在GARCH(1,1)模型中引入交易量信息，以观察上证50ETF交易量对波动率的影响情况。因此本文引入了平均交易量相对增长率（记为ravol）的概念，定义ravol是当期交易量与前30期交易量平均值之比的对数。 　　 　　 首先，对yt、funhvt和ravolt时间序列进行了ADF检验。结果表明这三个时间序列在5%的显著性水平下都拒绝原假设，所以可以认为yt、funhvt和ravolt都是平稳的时间序列。 　　 　　 再建立方程 　　 　　 yt=c+yt-1+yt-2+μt （1） 　　 　　 对式（1）进行OLS估计，结果显示调整后R2=0.9880，对数似然值为8235.4889，AIC=-5.7894，SC=-5.7831。滞后1阶时，式（1）的ARCH LM检验在1%的显著性水平上拒绝原假设，说明式（1）估计模型的参差序列存在ARCH效应。 　　 　　 根据前文分析，本文上证50ETF波动率的GARCH(1,1)模型设定如下 　　 　　 均值方程：yt=c+yt-1+yt-2+μt （2） 　　 　　 方差方程：σ2t=ω+αμ2t-1+βσ2t-1+γfunhvt+δravolt （3） 　　 　　 根据OLS估计结果，GARCH(1,1)模型调整后R2=0.9878，对数似然值为8447.8674，AIC=-5.9352，SC=-5.9185，与式（1）相比对数似然值有所增加，同时AIC和SC值都变小了。其他估计结果见表1。 　　 　　 从表1可以看出方差方程中ARCH和GARCH项的系数都是统计显著的，说明GARCH(1,1)模型能够较好拟合数据。并且GARCH(1,1)模型通过了ARCH LM检验，残差序列不存在ARCH效应。 　　 　　 从均值模型看，第t-1期波动率的走向很大程度上决定了当期波动率的波动趋势；第t-2期波动率对当期波动影响较小，并且是负相关，可以认为第t-2期会在一定程度上修复第t-1期波动率对当期波动性的影响。 　　 　　 从方差方程看，funhv与yt之间存在显著的正相关关系，表明基金净值波动率的增加或减少，都会伴随着上证50ETF波动率的增加或减少。因此，交易者在交易过程中需要重视基金净值波动对其市场价格波动的影响。ravol与yt之间存在显著的正相关关系，平均交易量相对增长率的增加会加大上证50ETF的波动，而平均交易量相对增长率的下降会消弱上证50ETF的波动。 　　 　　 本文根据GARCH(1,1)模型对上证50ETF波动率进行了时间序列分析，研究表明GARCH(1,1)模型能够较好拟合样本数据，并且引入的外生变量可以很好的反映上证50ETF历史波动率的波动情况。基金净值波动率和交易量相对增长率对上证50ETF波动率具有显著的正相关，因此投资者再把握上证50ETF市场价格的波动风险时，应充分考虑这两个外生因素的影响。同时，希望本文对交易量的分析方法，能够为其他研究者提供借鉴，推进交易量在金融资产相关研究中的应用，而不