导读:本文包含了指数族模型论文开题报告文献综述及选题提纲参考文献，主要关键词:ARCH模型,Granger因果关系检验,Gumbel,Copula函数,相关性
指数族模型论文文献综述
王英[1]（2018）在《基于ARCH族模型和Copula函数研究创业板指数和成交量》一文中研究指出创业板是新兴的金融市场,代表着国家未来经济的发展方向,指数和成交量作为股市技术分析的重要指标,指数序列代表着整个创业板股票的基本情况,成交量的多少代表着投资者对股市投资的“情绪指数”。对创业板指数和成交量深入分析与研究具有重要意义。前人对创业板指数和成交量也有部分研究,但是存在样本量少,方法单一的情况。本文基于创业板指数挂牌之日(2010.06.01)起至近期(2017.10.27)创业板日、周和月数据,样本量大,且样本涵盖了叁种类型的数据,数据丰富。本文利用ARCH族模型、Granger因果关系检验,Gumbel Copula函数,对创业板指数和成交量进行研究,得到创业板指数和成交量之间存在正相关的关系。通过ARCH-M模型得到指数和风险负相关,成交量和风险正相关。ARCH模型和ARCH-M模型都能很好的拟合序列,并且对序列预测结果理想。TARCH和EGARCH模型得到,指数和成交量的日数据都存在信息不对称和杠杆效应,即利空消息能产生比利好消息更大的冲击影响,而周数据和月数据不存在杠杆效应。通过计算Kendall秩相关系数和上尾部相关系数并分析得出,日数据、周数据和月数据均存在正的相关关系,和上尾部相关关系,但是相关性较弱。(本文来源于《海南师范大学》期刊2018-05-01）
陈赐,王延新[2]（2018）在《基于GARCH族模型的创业板指数收益率波动分析》一文中研究指出基于GARCH族模型,对创业板指数收益率的波动性进行实证分析。利用创业板挂牌上市以来的历史数据分析,发现该序列具有尖峰厚尾和异方差性,适合GARCH族模型建模。实证比较表明,GARCH-M模型能够很好的描述创业板股指的波动规律。(本文来源于《宁波工程学院学报》期刊2018年01期）
郭新艳[3]（2018）在《基于GARCH族模型的道琼斯指数收益率波动性及VaR度量研究》一文中研究指出本文运用当今金融领域描述条件方差最典型的GARCH族模型及其衍生模型PARCH和EGARCH模型,分别在正态分布及能刻画其尖峰厚尾特征的分布(GED分布和t分布)假定下,对道琼斯指数对数日收益率的波动性进行实证分析,并将结果做了对比分析,最终选定了在t、GED、正态分布下的拟合最有效的EGAECH模型进行VaR值的计算,采用失败频率检验法对基于EGARCH-GED、EGARCH-t、EGARCH-n分布模型的VaR方法作出评价。(本文来源于《今日财富》期刊2018年05期）
项金英[4]（2017）在《基于ARCH族模型的上证50ETF波动率指数影响效应实证研究》一文中研究指出市场的情绪波动是影响市场走向的重要因素,而找到能够衡量市场情绪的指标难度很大。1993年芝加哥期权交易所推出的VIX指数(即波动率指数)有效地反应了市场情绪的变化,通过反映人们对市场未来波动的一致预期来达到风险防范和指导交易的目的。而我国直到2016年11月28日才在上海证券交易所正式推出了基于上证50ETF期权编制的上证50ETF波动率指数(即iVX指数),填补了我国缺乏波动率指数的这一空白。也正是由于我国波动率指数的设立时间较晚,目前学术界对iVX指数的研究成果尚不多见。正是如此,本文试图研究iVX指数与上证50ETF的关系,希望能从iVX指数的推出对上证50ETF波动性影响和二者之间的波动溢出效应入手。一方面能证明iVX指数的影响效应,为利用iVX指数来规避市场风险提供了理论支持;另一方面可以丰富国内对于波动率指数指数的研究成果,为今后进一步研究开发基于iVX指数的相关衍生产品提供理论指导。本文以iVX指数和上证50ETF为出发点,一共分为五章内容。前两章为绪论和文献回顾部分,提出了iVX指数影响效应研究的必要性,并将国内外对波动率研究、波动率指数推出的影响以及波动率指数与标的市场波动溢出关系的相关文献进行了梳理。第叁章对本文用到的实证研究模型和方法进行了详细的说明,为后文的实证部分建立理论基础。第四章是本文的实证部分,也是本文的重点。首先利用描述性统计对iVX指数和上证50ETF的走势进行了分析;其次检验是否存在波动聚集效应;再次建立带虚拟变量的GARCH模型,对iVX指数引入之后现货市场波动性的变化进行实证分析;然后利用TARCH模型分析上证50ETF波动率指数推出之后现货市场波动的非对称性是否发生改变;最后对iVX指数与上证50ETF之间的波动溢出效应进行了检验,从而对iVX指数的影响效应进行研究。最后第五章对本文的研究结论做出了详细梳理与整合,与此同时重点针对我国波动率指数运行现状提出相关建议。本文的主要结论如下:(1)上证50ETF波动率指数运行情况符合市场变化;(2)上证50ETF波动率指数能有效发挥稳定市场,预测市场波动的功能;(3)上证50ETF波动率指数与上证50ETF之间存在双向的波动溢出效应。总体来看,上证50ETF波动率指数对上证50ETF具有明显的影响效应,但目前其影响程度依旧明显偏低。本文的贡献重点体现在如下叁个层面:第一,此次研究能够有效地充实学术界对于我国波动率指数理论研究的不足。我国波动率指数iVX从2016年11月推出至今,学术界的理论研究成果较少。本文对iVX指数和标的市场的相关联动性方面的研究是对我国波动率指数研究的有益补充,丰富了国内对我国波动率指数的研究成果;第二,本文对iVX指数的作用和影响进行了实证。现有相关文献对我国波动率指数的研究仅限于指数编制和与标的市场相关关系等方面,缺乏对我国iVX指数的作用和影响的研究。而本文则通过建立ARMA模型以及带虚拟变量的GARCH模型和TARCH模型对iVX指数的作用和影响进行了研究;第叁,本文对iVX指数与上证50ETF之间的波动溢出效应进行了研究。同时,在对iVX指数拟合的过程中运用傅里叶变换,发现上证50ETF波动率指数的周期特征。(本文来源于《浙江财经大学》期刊2017-12-01）
李子翼[5]（2017）在《基于GARCH族模型的上证指数波动特征研究》一文中研究指出股票市场合理的波动率反映股市的健康成长,近年来波动率研究成为金融实证的热点。2014年末至2016年初,上证指数经历了一轮牛熊涨跌。从2015年6月末开始的股灾来看,其下跌时投资者表现出来的恐慌程度难以想象,因此研究上证指数波动性显得极为迫切。本文首先对波动率的研究背景意义以及国内外研究现状做简单介绍,随后介绍了本文的研究方法、思路及框架。其次对波动率的研究理论做了详尽介绍,主要包括参数法的GARCH模型和SV模型以及非参数法。再次对上证指数和上证指数各阶段波动特征做简单介绍,并阐述了本文对上证指数两阶段波动率的研究方法。然后以股权分置改革完成以来2007-2016年共2435个上证指数日收盘价为样本和2015年股灾期间上证指数为样本分别做实证分析,刻画波动特征,并从投资者投资行为角度以及监管当局角度对异常波动特征“反杠杆效应”进行原因分析。最后对全文总结并提出建议。研究发现,EGARCH模型相较GARCH模型对样本数据尖峰厚尾特征刻画更优,EGARCH(1,3)最好地刻画了股改完成以来上证指数的波动特征,在此期间波动呈现“杠杆效应”。2015年牛市阶段,上证指数波动呈现强烈的“反杠杆效应”,分析得出是投资者投资过程中表现出强烈的“羊群效应”与“处置效应”以及监管当局舆论导向不当和监管力度不够导致上证指数股灾期间波动呈现异常的“反杠杆效应”。建议加快推进程序化交易以减少投资者投资过程中表现出的行为偏误;增强政府政策的透明度,以减少预期偏差所造成的剧烈波动;增强金融衍生品市场的监管,增多对冲工具并完善做空机制,避免市场风险累积过大。(本文来源于《华东政法大学》期刊2017-05-30）
顾慧旦[6]（2017）在《基于G-ARMA-GARCH族模型的沪深指数日收益率序列模型研究》一文中研究指出在股市的价格变化中,波动率是个十分重要的指标,也是许多国内外学者研究的热点问题。不同发展水平的股票市场中均存在着波动的不对称特征、方差时变特征和簇集特征,而且序列中的负向收益给股票价格带来的波动往往比正向收益来的大,说明股票的价格序列中存在着杠杆效应。与国外发达国家的股市相比,我国沪深股市的起步比较晚,发展还不够成熟,股票市场的监管措施还不那么完善,因此我国离发展成熟的股票市场还有很大差距。本文考虑了我国沪深股市的现状,研究了沪深股市中价格的非对称特征和波动特征,进一步加深了我们对沪深股市波动情况的了解。在我国沪深股市中,上证综指和深证成指是两种主要的指数。本文以上海证券交易所股权分置改革为起点,以深圳证券交易所重新修订深证成指编制方案为终点,综合运用了描述性统计方法和基于G-ARMA-GARCH族模型的实证分析法分别对2006年1月4日至2015年5月19日两种指数日收益率序列的波动情况进行了刻画,并对两种指数进行了对比。最后,根据拟合出的最佳模型分别预测了 2015年5月20日至2015年12月31日两种指数的日收盘价数据。在描述性统计分析中,我们分别讨论了两种指数的正态性、平稳性、异方差性、自相关性和偏自相关性。结果显示上证新综指和深证成指的日收益率序列均是平稳序列,说明可以用ARMA模型进行序列条件均值的初步拟合。同时两种指数的日收益率序列均存在左偏特征和尖峰厚尾特征,说明序列可能存在异方差性,可以用GARCH族模型拟合序列的条件方差。在运用G-ARMA-GARCH族模型进行实证分析的过程中,考虑到当日开盘价与历史收盘价之间可能存在一定的关系,我们在ARMA-GARCH族模型中加入了梯度因子来更好地反映历史数据和隔夜跳空因素对序列波动情况的影响。结果显示GARCH族模型中的EGARCH模型比TGARCH模型更适合拟合上证新综指和深证成指日收益率序列的条件方差,而且在序列的残差项服从GED分布时拟合效果最好。此外,我们发现两种指数的日收益率序列中均存在杠杆效应,且深证成指的杠杆效应更强。同时,深证成指日收益率序列条件方差的波动幅度也比较大,说明深证成指的风险水平更高。经过比较传统的ARMA-GARCH族模型和G-ARMA-GARCH族模型在预测日后收盘价时的精度差异,发现加入梯度因子后的模型预测的精度更高,稳定性也更强。根据描述性统计分析和实证分析,我们可以发现我国沪深股市中还存在许多问题,今后我们需要通过更深入的研究来改善这些问题,以推动我国沪深股市的进一步发展。(本文来源于《南京大学》期刊2017-05-24）
刘翠翠,王向荣,王赢,周杰[7]（2015）在《基于GARCH族模型的VaR和CVaR在沪深指数中的比较研究》一文中研究指出文章对上证综合指数和深圳成分指数在GAR CH族模型和不同置信度的基础上计算Va R和CVa R值,通过GAR CH族模型下的对比研究,发现CVa R要比Va R估计值高,并且随着置信水平的增大,Va R和CVa R都增大,说明CVa R的效果更好,能够覆盖更多的风险,且CVa R有效降低了实际失败的次数,对于估计股票风险更加的合理。同时还发现,在选择的模型中,EGARCH模型要比GARCH模型效果好。(本文来源于《市场论坛》期刊2015年11期）
胡景焕[8]（2015）在《基于GARCH族模型的葡萄酒投资指数的波动性分析》一文中研究指出对葡萄酒投资市场的波动性进行研究,选取伦敦葡萄酒交易所(LIV-EX)发布的样本区间为1988年1月至2013年11月的LIV-EX Fine Wine Investables Index月度数据,对FWI月收益率序列的平稳性、异方差性进行分析和检验。基于GARCH(广义自回归条件异方差,Generalized Auto-Regressive Conditional Heteroskedasticity)族模型来描述FWI的波动集聚性、敏感性及其杠杆效应。结果表明,FWI月收益率序列是平稳的,其指数波动具有高阶ARCH效应,并且具有正向非对称的反杠杆效应,但不存在ARCH in Mean效应。(本文来源于《青岛科技大学学报(社会科学版)》期刊2015年03期）
戚琦,汪凯,吴齐[9]（2015）在《基于GARCH族模型的深证成分指数波动性研究》一文中研究指出基于GARCH族模型对深证成分指数的波动性进行实证研究。用学生-t分布的GARCH(1,1)模型分析了尖峰厚尾和波动聚集特征,用基于CED分布的GARCH-M(1,1)模型研究了风险溢价情况,以及用基于标准正态分布的EGARCH(1,1)模型分析股市波动的杠杆效应。结果显示,残差确实存在异方差性,股市中收益与风险成正比,同等单位的利空消息对股市冲击更大。最后根据实证研究给出结论与建议。(本文来源于《科技和产业》期刊2015年09期）
余雄[10]（2015）在《上证指数收益率波动的实证分析——基于ARCH族模型》一文中研究指出股价指数的收益率序列具有几个特征,即尖峰厚尾、波动性群集等,运用传统的计量方法是无法准确地刻画出这些特征。通过利用ARCH族模型,选取2004年1月2日到2014年12月31日上证指数每日收益率共2670个数据对其波动进行定量、定性的分析,结果显示:上证指数日收益率存在ARCH效应、波动集聚性特征,并且用GARCH模型可以很好反映股市指数的波动性。(本文来源于《商业经济》期刊2015年06期）
指数族模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于GARCH族模型,对创业板指数收益率的波动性进行实证分析。利用创业板挂牌上市以来的历史数据分析,发现该序列具有尖峰厚尾和异方差性,适合GARCH族模型建模。实证比较表明,GARCH-M模型能够很好的描述创业板股指的波动规律。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
指数族模型论文参考文献
[1].王英.基于ARCH族模型和Copula函数研究创业板指数和成交量[D].海南师范大学.2018
[2].陈赐,王延新.基于GARCH族模型的创业板指数收益率波动分析[J].宁波工程学院学报.2018
[3].郭新艳.基于GARCH族模型的道琼斯指数收益率波动性及VaR度量研究[J].今日财富.2018
[4].项金英.基于ARCH族模型的上证50ETF波动率指数影响效应实证研究[D].浙江财经大学.2017
[5].李子翼.基于GARCH族模型的上证指数波动特征研究[D].华东政法大学.2017
[6].顾慧旦.基于G-ARMA-GARCH族模型的沪深指数日收益率序列模型研究[D].南京大学.2017
[7].刘翠翠,王向荣,王赢,周杰.基于GARCH族模型的VaR和CVaR在沪深指数中的比较研究[J].市场论坛.2015
[8].胡景焕.基于GARCH族模型的葡萄酒投资指数的波动性分析[J].青岛科技大学学报(社会科学版).2015
[9].戚琦,汪凯,吴齐.基于GARCH族模型的深证成分指数波动性研究[J].科技和产业.2015
[10].余雄.上证指数收益率波动的实证分析——基于ARCH族模型[J].商业经济.2015
标签：ARCH模型; Granger因果关系检验; Gumbel; Copula函数; 相关性;