基于ARCH族模型对沪深300指数收益率的实证研究 山西医科大作者:***
惠州惨烈交通事故
来源:《经营管理者·上旬刊》2017年第03期
摘 要:本文通过介绍ARCH族模型并使用GARCH模型对沪深300指数近两年来的767个数据进行建模分析,揭示了沪深300股指期货收益率存在波动集聚现象,波动具有持续性和投资者交易存在羊效应。 关键词:ARCH模型 沪深300 波动性
一、引言
以沪深300指数为标的IF300系列股指期货上市交易为中国A股的投资者提供了套期保值的工具。和发达国家的股指期货相比,沪深300股指期货的波动性明显偏大,而且会更频繁的出现波动性聚集性现象。根据技术分析理论三大前提假设可以推出,股指的当前的收益率会受到前期收益率和收益率波动的共同影响。本文通过ARCH族模型对沪深300指数的波动性进行简单地分析和预测,帮助投资者理性投资的目的。复合酶
二、GARCH模型简介
行医 序列的异方差函数通常有长期的异方差性,这时,如果用ARCH模型拟合就会产生较高的移动平均阶数和不准确的残差估计值。为了修正这个问题, Bollerslov提出了GARCH模型。GARCH广义自回归条件异方差模型,是在ARCH模型中ht函数中加入自回归项以反映异方差影响的长期性。GARCH模型的具体形式如下:
其中xt=f(t,xt-1,xt-2,…)为{xt}的自回归模型;et是服从标准正态分布的白噪音。该模型一般被称为GARCH(p,q)模型,p为ARCH项滞后项阶数,q为GARCH项滞后项滞后阶数。
通过对比ARCH模型和GARCH模型可以发现,ARCH(q)模型实际上是GARCH(0,q)模型,说明ARCH模型是GARCH模型的一个特例。
三、沪深300指数收益率实证检验
网络拓扑图
本文利用统计软件R语言,选取沪深300指数2013年1月4日至2016年3月4日收盘价格数据,通过计算沪深300指数的收益率2013年1月4日到2016年3月4日的数据作为研究对象。工业企业噪声卫生标准
指数的收益率用收盘价格的指数的对数差来表示,计算公式为: