论文部分内容阅读
摘要：ARCH模型在具有群集性和条件异方差的数据中有着良好的适用性，本文对上证综指收益率进行实证研究，以探讨其收益率波动中的条件异方差性和非对称性以及杠杆效应的正相关作用。
关键词：TARCH模型；杠杆效应；非对称ARCH模型
股市波动性特点和市场资产定价组合的选择高度相关。根据资产定价理论：股市收益率波动性和信息中的风险溢价存在正向联系，但是利好和利空信息多收益率波动的影响存在不对称性，即同强度的利空消息会导致市场波动更大。这也就是所谓的“杠杆效应”。对股市收益率波动性的研究已经成为资产定价和投资分析的重要部分。
非对称ARCH模型及TARCH模型：
资本市场里常常存在这样的现象：资产价值的下跌时伴随有更剧烈的上行波动性。这种非对称性很有用，因为它允许波动率对市场下跌的反映比对市场上升的反反应更加迅速，即“杠杆效应”它是徐东金融资产的重要特征。具体地，在股票市场中，负面冲击较正向冲击更易带来波动。由于低股价降低了股东权益同时增加了公司杠杆作用从而提高持有股票的风险。
TARCH模型又称为门限ARCH模型，它是由Zakoian等人独立引入的。其条件方差如下： σ2t=ω+αu2t-1+γu2t-1dt-1+βσ2t-1
模型中，利好消息（Ut>0）与坏消息（Ut<0）对条件方差的影响各异；好消息有一个α的冲击；负面消息的冲击则为α+γ。若γ≠0，表明信息不对称；γ>0，表示存在杠杆效应；γ<0，则意味着非对称效应的作用是使波动减小。股票价格行为就属此例。
数据分析：
本文采用了上证日综合指数自1990年12月19日至2005年2月5日的收盘指数，数据来源http：//finance.yahoo.com/q/hp？s=000001.SS+Historical+Prices
先对模型lnloset=γlncloset-1-ut进行最小二乘回归，其中lnclose为当天收盘指数取对数，得到结果如下： ln closet=1.000062ln closet-1+ut
关键词：TARCH模型；杠杆效应；非对称ARCH模型
股市波动性特点和市场资产定价组合的选择高度相关。根据资产定价理论：股市收益率波动性和信息中的风险溢价存在正向联系，但是利好和利空信息多收益率波动的影响存在不对称性，即同强度的利空消息会导致市场波动更大。这也就是所谓的“杠杆效应”。对股市收益率波动性的研究已经成为资产定价和投资分析的重要部分。
非对称ARCH模型及TARCH模型：
资本市场里常常存在这样的现象：资产价值的下跌时伴随有更剧烈的上行波动性。这种非对称性很有用，因为它允许波动率对市场下跌的反映比对市场上升的反反应更加迅速，即“杠杆效应”它是徐东金融资产的重要特征。具体地，在股票市场中，负面冲击较正向冲击更易带来波动。由于低股价降低了股东权益同时增加了公司杠杆作用从而提高持有股票的风险。
TARCH模型又称为门限ARCH模型，它是由Zakoian等人独立引入的。其条件方差如下： σ2t=ω+αu2t-1+γu2t-1dt-1+βσ2t-1
模型中，利好消息（Ut>0）与坏消息（Ut<0）对条件方差的影响各异；好消息有一个α的冲击；负面消息的冲击则为α+γ。若γ≠0，表明信息不对称；γ>0，表示存在杠杆效应；γ<0，则意味着非对称效应的作用是使波动减小。股票价格行为就属此例。
数据分析：
本文采用了上证日综合指数自1990年12月19日至2005年2月5日的收盘指数，数据来源http：//finance.yahoo.com/q/hp？s=000001.SS+Historical+Prices
先对模型lnloset=γlncloset-1-ut进行最小二乘回归，其中lnclose为当天收盘指数取对数，得到结果如下： ln closet=1.000062ln closet-1+ut