时间序列模型在金融学专业教学中的实践与运用研究.docxVIP

时间序列模型在金融学专业教学中的实践与运用研 究 一、引言 时间序列模型是实证金融模型中的重要组成部分， 是时间序 列分析在金融各个领域的应用，如股票市场、债券市场、金融衍 生工具市场和外汇市场。 适用于低频和高频数据 ; 分为时域分析、 谱域分析和回归分析集中分析方法 ; 主要研究内容为价格或收益 序列的建模， 以及相应的波动性或风险的建模。 在金融学的教学 过程中，采用格林编写的《计量经济分析》，在该教材中，着重 介绍了时间序列模型中的 ARCH族类模型。ARCH模型是1982年 由恩格尔（ Engle ， R. ）提出，并由博勒斯莱文（ Bollerslev ， T.1986）发展成为 GARCH （Generalized ARCH ） ——广义自回 归条件异方差。这些模型被广泛运用在金融时间序列分析中。 二、模型介绍 （一） ARCH模型 自回归条件异方差（ Autoregressive Conditional Heterosce- dasticity Model，ARCH 模型是特别用来建立条件 方差模型并对其进行预测的。模型公式为： ■ （1） （二） GARCH： 1，1）模型 在标准化的 GARC（H1， 1）模型中： ■ （ 2） ■ （ 3） 其中：xt是1* （k+1）维外生变量向量， y是（k+1） *1维 系数向量。（ 2）中给出的均值方程是一个带有扰动项的外生变 量函数。由于（T 2t是以前面信息为基础的一期向前预测方差， 所以它被称作条件方差，式（ 3）也被称作条件方差方程。 （三）高阶 GARC （H p， q ）模型 高阶GARC模型可以通过选择大于1的p或q得到估计，记 作GARCH p，q）。其方差表示为： ■ （ 4） 这里，p是GARC项的阶数，q是ARCH项的阶数。 三、在金融学专业教学中实践与运用 笔者在本科教学实践过程中，向学生们讲解了时间序列 GARCI模型的相关内容，并演示了在计量经济软件 eviews6.0下 的操作流程。 为了让该模型能够得到具体的实践运用和操作， 要 求学生们完成相关性的论文， 有几篇关于时间序列 GARC模型的 论文，利用GARCH模型对金融市场上的各类时间序列数据进行具 体的检验和参数估计，得出了相应的结果并进行了合理的预测。 （1）在基于时间序列 GARC模型的股票价格波动分析中， 利用 eviews6.0 对采用的 2012年4月至 2014年2月的上证指数 日收盘价取对数进行 GARC模型的参数估计，得出的估计方程如 下： 均值方程：■ -0.047 （15639.40 ） 方差方程：■ （4.21） （3.06） （1.33） R2=0.96 D.W.=2.10 对未来股票市场趋势预测如下，结论为其股票在未来一段时 间会出现下降的趋势。 图1 预测趋势图 图2 解释变量预测 （2） 在GARC模型的预测能力分析一基于国际原油期货价 格的研究中，选取UKWT原油连续合约ET0Y近三个多月 （2013.4.12 — 2014.4.14 ）的每日收盘价格，利用时间序列 GARCH模型对期货价格进行分析和预测。结果如下图 图3样本内收盘价预测值与真实值对比图 图 4 样本内方差预测值与真实值对比图 该文得出的结论为，GARCH模型对期货价格的预测分析能力 较好，对其未来的预测是具有重要作用的。 （3） 在实际波动率与GARCI模型的比较分析-基于上交所案 例研究中，基于GARC模型的理论基础及 eviews6.0软件进行的 对样本数据的分析，建立 GARC （I 1， 1）模型如下： 方差方程：■ 条件方差方程：■ （1.50 ） （0.31 ） （12.97 ） R2=0.935 D.W.=1.762 对数似然值 =742.384 AIC=-6.179 SC=-6.121 从定性上分析， 实际波动率选择的样本数据为高频日内收盘 价，而GARC模型选择的样本数据为日内收益的平方， 数据采集 的频率越高， 则理论上与真实值越接近， 所以可初步判断实际波 动率比GARC模型具有更高的预测能力。 四、结论 通过在金融学专业教学中的时间与运用研究， 学生们能够了 解并消化关于教材中时间序列模型的有关内容 ; 能够较为清楚地 有条理地对时间序列模型进行分析， 得出有意义的结论和预测结 果; 能够熟练地操作计量经济软件 eviews ，利用软件对金融数据 进行实际有效地处理。