毕业论文移动版

目录

1绪论1

1.1选题背景1

1.2理论意义1

1.3国内外现状2

1.4本文结构2

2相关理论基础介绍...3

2.1股票波动率及其特征...3

2.2ARCH模型...4

2.3GARCH模型.4

2.4指标的选取5

3实证分析...6

3.1数据及其基本统计特征...6

3.1.1数据来源及处理..6

3.1.2数据检验..6

3.2ARMA模型拟合..8

3.2.1收益率序列平稳性及纯随机性检验8

3.2.2ARMA（r,m）模型建模.9

3.3GARCH（1,1）模型拟合13

4结论与建议.16

4.1结论16

4.2政策和建议16

致谢18

参考文献.19

附录AMATLAB代码附录1

附录B2010年1月4日到2015年12月31日上证指数日收盘价数据..1
1 绪论伴随中国经济的蓬勃发展， 中国证券市场也在不断的发展扩大中。 随着上市公司的增加，股市规模的扩大，股市制度的日趋完善，投资者对股票市场的积极性也在不断提高。然而，即使股市日趋成形完善，中国股市巨大浪潮仍然存在，如 2008 年、2015 年的股票价格的暴涨和暴跌都对股票市场造成了巨大冲击。也就是说，即使在现阶段，由于中国股市制度的不健全，金融市场仍存在金融风险。为了能够有效地规避风险，许多学者针对金融数据进行了分析研究，希望能够在一定程度上发现市场波动规律论文网，实现风险管理。本章主要阐述了本研究课题的选题背景和意义，并介绍了国内外的对 GARCH模型的研究现状。
1.1 选题背景伴随着股份公司的出现，股票至今已有400 年的历史。然而中国因为各种历史、政治原因，中国股市才短短不过几十年时间。近年来，随着中国经济的快速发展，越来越多的家庭开始进入股票市场，投资者希望通过投资股票来实现资产的保值和增值。然而时刻变化的股票价格让投资者不知该如何投资， 他们迫切需要一种理论来解释和描述股票价格变化的原因。在传统计量经济学上，数据模型假设中要求随机扰动项服从独立同分布的正态分布，但是在实证研究中的数据往往并不具备这一性质，扰动项经常是具有异方差性质的。特别是在金融时间序列中，例如股票数据，在一些或内部原因或外部原因的影响下，股票的波动往往出现集群现象。这种现象对模型的拟合和预测都会带来影响，使得传统的计量经济学模型不能充分说明数据的波动性。在这种情况下，我们需要一种能够更加准确描述数据波动性的模型，也就是异方差模型。1.2 理论意义金融资产的价格波动是导致金融风险的主要原因之一，这也导致了金融资产收益率的不确定性。为了刻画收益率的波动性，1982年 Engle 提出了 ARCH 模型，即自回归条件异方差模型[23]，该模型在金融波动性研究中取得重大成果。现如今在与波动性相关的领域得到了广泛的应用。为了弥补 ARCH 模型只适用于短期自相关的情形，Bollerslev 在 ARCH 模型的基础上做出了拓展，提出了广义自回归条件异方差模型，即 GARCH 模型[23]，它不仅适用于短期自相关数据，对于长期的自相关数据也具有很好的拟合效果。自它提出以来，不少研究者运用GARCH模型对金融数据进行了包括理论和实证方面的研究， 不仅在理论方面将GARCH模型进行了推广，提出了更多的GARCH 相关模型，在实证分析方面也取得了比较好的结果。 (责任编辑：qin)