论文部分内容阅读
二十多年来,时间序列计量模型得到很大的发展,在国外被广泛运用于各个领域,特别是在债券、股票等有价证券市场,为市场营运者和风险管理人员的预测和决策提供了非常有价值的信息,成为研究者和金融市场分析家不可或缺的工具.金融市场的风险是全球金融机构及监管当局关注的焦点,市场波动率的准确测量是度量风险价值的核心问题.当前,用于研究金融市场收益率波动最为常用的是GARCH族模型.然而,随着经济发展的全球化,各国金融市场间的联系越来越密切,研究各地区金融市场之间的相互关系变得十分必要.为了研究多个金融市场的相互关系,就需要将单变量模型扩展成多变量模型.常用的多变量模型主要有VECH模型、对角VECH模型、BEKK模型、EWMA模型、DCC-GARCH模型等,但它们普遍存在待估参数过多、计算过于复杂、经济意义不明确等缺点.目前,在我国对多变量模型算法研究、软件实现方面都没有形成较完整的体系,对于模型的算法、程序实现及其在金融市场中的应用方面也没有进行综合的研究.对于ICA-GARCH模型在金融市场中的应用方面也没有进行综合的研究.基于上述原因,本论文首先对过去几种常用的多变量模型进行综述和计算方法研究,引入提出的ICA-GARCH模型,并对它进行算法研究和程序实现.然后用ICA-GARCH模型做实证研究,利用提出的ICA-GARCH多变量模型探讨中国股票市场的波动率并进行预测.由于波动的变化会影响到投资组合的风险,而市场问的相关性变化则会影响到避险策略.将ICA-GARCH模型运用到金融市场中做实证研究,分析中国两市之间和不同行业之间的股票收益率波动相关性变化,进而了解各市场的波动变化与波动关系.实证分析说明了ICA-GARCH模型具有比其他多变量模型更简便的计算优势,而且经济意义明确.ICA-GARCH模型可以捕捉到序列间的波动会相互影响,它们之间的相关性也随之变化这一特征.在市场波动性有较大变动时,考虑ICA-GARCH模型所计算投资组合的风险值,较能反映不同市场之间的相关性对投资组合的影响,并且让投资者更能了解市场间的相关性质,从而做出更佳的投资选择,并提高避险效果.通过利用多元模型综合分析两种或多种资产投资之间的波动性及相关性,对于投资者来讲具有十分重要的意义.投资者通过对各资产间的波动趋势以及相关程度进行分析,可以更好地选择资产组合,规避风险.