基于GARCH模型对人民币汇率波动的分析
基于GARCH模型对人民币汇率波动的分析【摘要】本文主要通过garch类模型对中国实施汇率体制改革以来2005年7月25日至2012年12月31日期间人民币兑欧元中间价汇率波动性进行分析。人民币兑欧元中间价汇率收益具有显著的左厚尾特征；汇率的波动不服从正态分布，具有集聚性；并且人民币的汇率波动具有记忆性，存在一定的杠杆效应。最后提出相关政策建议。
【关键词】人民币汇率；波动性；garch模型
一、引言
2005年7月，人民币汇率改革标志着人民币汇率市场化改革取得重大进展，随后推出的一系列外汇市场配套改革措施，进一步加快了人民币汇率市场化步伐。“汇改”至今，人民币快速升值，人民币汇率成为各界关注的焦点。汇率是开放经济运行中的核心地位之一，不同经济变量及政策因素都引起它的变动，而它的变动又会对其他的经济变量带来重要的影响。我国经济增长是贸易依赖性增长，汇率的波动会对我国的国际贸易产生重大的影响，从而影响经济发展水平。另外，汇率会对国外的投资与资本流动产生重要影响，而投资是经济增长的一部分，资本的流动甚至会引发金融危机。因此对于汇率波动的研究具有重要的意义。本文通过对人民币汇率波动特征进行研究，以期对汇率的政策有所帮助。
engle（1982）开创性的提出了arch概念，bollerslev（1986）对其进行了直接扩展形成garch模型。之后众多学者开始对金融领
用GARCH模型预测股票指数波动率
用GARCI模型预测股票指数波动率 目录 Abstract ......................................................................... 1.引言........................................................................... 2.数据........................................................................... 3.方法........................................................................... 3.1.模型的条件平均............................................................ 32模型的条件方差............................................................... 3.3预测方法.................................................................... 3.4业绩预测评价............................................................... 4.实证结果和讨论................................................................. 5.结论........................................................................... References ....................................................................... Abstract This paper is designed to makea comparison between the daily conditional varianee through seven GRAChhodels. Through this comparison, to test whether advaneed GARCH models are outperform ing the sta ndard GARCH models in predict ing the varia nee of stock in dex. The database of this paper is the statistics of 21 stock in dices around the world from 1 January to 30 November 2013. By forecast ing one —step-ahead con diti onal varia nee within differe nt models, the n compare the results within multiple statistical tests. Throughout the tests, it is found that the sta ndard GARCH model outperforms the more adva need GARCH models, and recomme nds the best
用GARCH模型预测股票指数波动率
用GARCH模型预测股票指数波动率 目录Abstract (2) 1.引言 (3) 2.数据 (6) 3.方法 (7) 3.1．模型的条件平均 (7) 3.2.模型的条件方差 (8) 3.3预测方法 (9) 3.4业绩预测评价 (9) 4.实证结果和讨论 (12) 5.结论 (16) References (18)
Abstract This paper is designed to make a comparison between the daily conditional variance through seven GRACH models.Through this comparison,to test whether advanced GARCH models are outperforming the standard GARCH models in predicting the variance of stock index.The database of this paper is the statistics of21stock indices around the world from1January to30 November2013.By forecasting one–step-ahead conditional variance within different models, then compare the results within multiple statistical tests.Throughout the tests,it is found that the standard GARCH model outperforms the more advanced GARCH models,and recommends the best one-step-ahead method to forecast of the daily conditional variance.The results are to strengthen the performance evaluation criteria choices;differentiate the market condition and the data-snooping bias. This study impact the data-snooping problem by using an extensive cross-sectional data establish and the advanced predictive ability test.Furthermore,it includes a13years’period sample set, which is relatively long for the unpredictability forecasting studies.It is part of the earliest attempts to inspect the impact of the market condition on the forecasting performance of GARCH models.This study allows for a great choice of parameterization in the GARCH models,and it uses a broad range of performance evaluation criteria,including statistical loss function and the Mince-Zarnowitz regressions.Thus,the results are more robust and diffusely applicable as compared to the earliest studies. KEY WORDS:GARCH models;volatility,conditional variance,forecast,stock indices.
基于GARCH模型的沪深300指数收益率波动性分析
基于GARCH模型的沪深300指数收益率波动性分析
摘要 股票市场的价格波动研究，不仅具有重要的学术意义，而且具有重要的实际意义。股价的波动给投资者带来了获利的机会。因此，金融市场的波动性一直以来都是投资者和经济研究人员关注的焦点。 本文以对沪深300指数2005年1月4日到2014年6月11日每个交易日收盘价为原始数据，对其收益率进行了研究分析。研究结果表明：日收益率序列的波动表现出时变性、突发性和集簇性等特征。序列分布呈现出尖峰厚尾的特点，并且存在明显的GARCH效应，表明过去的波动对于未来的影响是持久的，同时也是逐渐衰减的。而且，沪深300指数波动幅度大。沪深300指数的频繁交易使得股指期货市场具有高流动性，这种高流动性也是造成指数波动的一大成因。 关键字：收益率；ARCH模型；GARCH模型
一、前言 1.1研究意义 股票市场的价格波动研究，不仅具有重要的学术意义，而且具有重要的实际意义。股价的波动给投资者带来了获利的机会。投资者可以通过对度量波动率来猜测股市的风险有多大，同时，了解波动性有助于投资者更好的理解和把我股票市场的运行规律，将股价界定在一个可能的范围内，当投资者认识到股价波动的规律，就可以帮助其做出明智的投资，以获取更多的利益。因此，金融市场的波动性一直以来都是投资者和经济研究人员关注的焦点。 1.2 研究对象和方法 沪深300指数是由上海和深圳证券市场中选取300只A股作为样本编制而成的成份股指数。沪深300指数选取规模大、流动性好的股票作为样本, 覆盖了沪深市场六成左右的市值,具有良好的市场代表性，所以有必要对其进行深入分析。 本文以中国金融期货交易所的沪深300指数2005年1月4日到2014年6月11日每个交易日收盘价为原始数据，共2288个数据样本。 就沪深300指数收益率的波动性研究方法而言，国内外的研究结果表明，许多金融时间序列都将GARCH模型作为解释金融数据的经验方法。因此，本文采用GARCH模型检验沪深300指数日收益率的波动性变化，希望可以发现沪深300指数的波动性特征。 二、GARCH模型介绍 2.1 ARCH模型 ARCH模型由Engle（1982）提出，并由Bollerslev（1986）发展成为GARCH-广义自回归条件异方差。这些模型广泛的应用与经济性的各个领域，尤其是金融时间序列中。 ARCH的核心是(1)式中t时刻的随机误差项ε的方差（σ2）依赖于t-1时刻的平方误差的大小，即依赖于ε2t?1。 Y t=β0+β1X1t+?+βk X kt+εt (1)
波动率于garch模型剖析
1.1.波动率 波动率是用来描述证券价格、市场指数、利率等在它们均值附近上下波动幅度的术语，是标的资产投资回报率的变化程度的度量。股票的波动率σ是用于度量股票所提供收益的不确定性。股票通常具有15%-50%之间的波动率。股票价格的波动率可以被定义为按连续复利时股票在1年内所提供收益率的标准差。当?t 很小时，2t σ?近似的等于在?t 时间内股票价格变化百分比的方差。这说明σ√?t 近似的等于在?t 时间内股票价格变化百分比的标准差。由标准差来表述股票价格变化不定性的增长速度大约为时间展望期长度的平方根（至少在近似意义下）。 1.2.由历史数据来估计波动率 为了以实证的方式估计价格的波动率，对股票价格的观察通常是在固定的时间区间内（如每天、每星期或每个月）。 定义 n+1——观测次数； S i ——第i 个时间区间结束时变量的价格，i =0，1，…n ； τ——时间区间的长度，以年为单位。 令 1ln ,0,1, ,;i i i S u i n S -?? == ??? 1.2.1 u i 的标准差s 通常估计为 s = 1.2.2 或 s = 1.2.3 其中u ?为i u 的均值。 由于i u 的标准差为。因此， 变量s 是的估计值。所以σ本身可以被估计σ∧ ，其中 σ∧ = 可以证明以上估计式的标准差大约为σ∧ 。 在计算中选择一个合适的n 值并不很容易。一般来讲，数据越多，估计的精确度也会越高，但σ确实随时间变化，因此过老的历史数据对于预测将来波动率可能不太相干。一个折中的方法是采用最近90～180天内每天的收盘价数据。另外一种约定俗成成俗的方法是将n 设定为波动率所用于的天数。因此，如果波动率是用于计算量年期的期权，在计算中我们可以采用最近两年的日收益数据。关于估计波动率表较复杂的方法涉及GARCH 模型与EWMA 模型，在下文中将进行详细介绍。 1.3.隐含波动率 首先对于一个无股息股票上看涨期权与看跌期权，它们在时间0时价格的布莱克-斯科尔斯公式为 012()()rT c S N d Ke N d -=- 1.3.1 201()()rT p Ke N d S N d -=--- 1.3.2 式中 21d =
第七讲 汇率决定理论2
第一节汇率的弹性价格货币分析法 一、弹性价格货币分析法的基本模型 Ｍs－Ｐ＝αy－βi，α＞０，β＞０ Ｐ＝Ｍs－αy＋βi Ｐ*＝Ｍs*－αy*＋βi* e＝Ｐ－Ｐ* e＝α（y*－y）＋β（i－ i*）＋（Ｍs－Ｍs*） 第一，本国货币供给水平一次性增加的影响。本国的货币供给的一次性增加，会迅速带来本国价格水平的相应提高。当其他因素保持不变时，本国货币供给的一次性增加将会带来本国价格水平的同比例上升、本国货币的同比例贬值，本国产出与利率则不发生变动。 第二，本国国民收入增加的影响。在货币模型中，当其他因素保持不变时，本国国民收入的增加将会带来本国价格水平的下降，本国货币升值。 第三，本国利率上升的影响。在货币模型中，当其他因素保持不变时，本国利率的上升将会带来本国价格水平的上升，本国货币的贬值。 二、引进预期后的货币模型 三、对货币模型的检验与评价 我们首先对货币模型进行理论上的分析。 第一，货币模型将购买力平价这一主要形成于商品市场上的汇率决定理论引入到资产市场上，将汇率视为一种资产价格，从而抓住了汇率这一变量的特殊性质。 第二，货币模型引入了诸如货币供给量、国民收入等经济变量，分析了这些变量的变动对汇率造成的影响，从而使这一理论较购买力平价能在对现实生活的分析中得到更广泛的运用。 第三，货币模型是一般均衡分析。 第四，由于理论假定的不同，货币模型是资产市场说中最为简单的一种形式，但它却可
以反映出这一分析方法的基本特点。 货币模型的不足之处则体现在： 第一，它是以购买力平价为理论前提的，如果购买力平价本身在实际中很难成立的话，那么这种理论的可信性是存在问题的。 第二，它在货币市场平衡的分析中，假定货币需求是稳定的，这一点至少在实证研究中是存在争议的。 第三，它假定价格水平具有充分弹性，这一点尤其受到了众多研究者的批评。 货币模型在实证检验中，总的来说并不令人满意。 第二节汇率的粘性价格货币分析法 汇率的粘性价格货币分析法简称为“超调模型”（overshooting model），是由美国经济学家多恩布什（Dornbucsh）于２０世纪７０年代提出的。 一、超调模型的基本假定 分析前提上，在以下两个方面与货币模型不同。 第一，购买力平价在短期内不成立。 第二，总供给曲线在短期内不是垂直的。 二、超调模型中的平衡调整过程 以其他条件不变，本国货币供给的一次性增加（假定增加了２５％）为例，说明超调模型中的平衡调整过程。 1.经济的长期平衡 利用上节的结论，我们可知道在长期内，本国的价格水平将同比例（即Ｐ=１：２５Ｐo）上涨，本国货币将贬值相应幅度（即ｅ=１：２５ e０ ），而利率与产出均不发生变动。 ２.经济的短期平衡 当外国利率水平不变而本国利率水平下降时，显然本币的即期汇率将相对于预期的未来汇率水平贬值，即： e１＝ｅ－（i１－i） 在原有价格水平上，本国产出超过充分就业水平。 在短期内，总供给曲线是水平的，价格水平不发生调整，货币供给的一次性增加只是造成本国利率的下降，本币汇率的贬值超过长期平衡水平，本国产出超过充分就业水平。 ３.经济由短期平衡向长期平衡的调整 在货币市场上，由于价格水平的上升，货币需求上升，这造成利率的逐步上升。本国利率的逐步上升会造成本国汇率的逐步升值。这一升值是在原有过度贬值的基础上进行的，体现为汇率逐步向其长期平衡水平的趋近，还需要指出的是，由于利率的逐步提高，以及实际汇率的逐步升值，本国的私人投资及净出口均逐步下降，总产出也较短期水平下降，逐步向充分就业水平调整。以上的调整过程将持续到价格进行充分调整，经济到达长期平衡水平
基于GARCH模型族的中国股市波动性预测
基于GARCH 模型族的中国股市波动性预测 2005级数量经济学专业 倪小平 摘要：本文采用上证综合指数和深证成份指数2000年1月4日—2006年12月27日的每日收盘价对数百分收益率为样本采用GARCH 模型对我国股市波动性进行实证分析。 关键词：GARCH 模型 波动性 预测 一、引 言 波动性是金融市场最为重要特性之一。金融市场在一些时间段内显得非常平静，而在另外一些时间段内剧烈波动。描述波动性的时变特性是非常重要，因为第一，资产风险是资产价格的重要决定因素，投资者要求更高的预期收益作为持有更高风险资产的补偿，因此回报方差的变化对于理解金融市场是非常重要的，事实上，波动性是证券组合理论、资本资产定价模型(CAPM)、套利定价模型(APT)及期权定价公式的核心变量。第二，它与市场的不确定性和风险直接相关，是体现金融市场质量和效率的最简洁和最有效的指标之一。另一方面波动性对企业的投资与财务杠杆决策、消费者的消费行为和模式、经济周期及相关宏观经济变量等都具有重要影响。因此，波动性的估计、预测和影响因素分析一直是金融经济学研究的持续热点。 Engle 于1982年开创性的提出ARCH 模型，Bollerslev 于1986年对其进行扩展，给出了GARCH 模型。如今GARCH 模型族已经成为度量金融市场波动性的强有力工具。 本文的结构如下：首先对所选用的四种GARCH 模型给予了简单的描述；第二部分实证分析，包括：数据的选取与基本统计分析、模型参数的估计以及对波动性的预测和模型的比较；最后是本文的总结。 二、模型概述 1、一般GARCH 模型 ARCH 模型的主要贡献在于发现了经济时间序列中比较明显的变化是可以预测的,并且说明了这种变化是来自某一特定类型的非线性依赖性,而不是方差的外生结构变化。GARCH 模型是ARCH 模型族中的一种带异方差的时间序列建模的方法。 一般的GARCH 模型可以表示为 : 2011',t t t t t q p t i t i j t j i j y x v h h βεεααε θ--===+==++∑∑ 其中1var(|)t t t h ε?-=，1t ?-是时刻t-1及t-1之前的全部信息,其中, t v 独立同分布,且参数满足条件：这里t h 可以理解为过去所有残差的正加权平均,这与波动率的聚集效应相符合,即:大的变化后倾向于有更大的变化,小的变化后倾向于有小的变化。由于GARCH (p,q)模型是ARCH 模型的扩展,因此GARCH(p,q)同样具有ARCH(q)模型的特点。但GARCH 模型的条件方差不仅是滞后残差平方的线性函数,而且是滞后条件方差的线性函数。
用GARCH模型预测股票指数波动率
用GARCH模型预测股票指数波动率 目录 Abstract (2) 1.引言 (3) 2.数据 (6) 3.方法 (7) 3.1．模型的条件平均 (7) 3.2. 模型的条件方差 (8) 3.3 预测方法 (9) 3.4 业绩预测评价 (9) 4.实证结果和讨论 (12) 5.结论 (16) References (18)
Abstract This paper is designed to make a comparison between the daily conditional variance through seven GRACH models. Through this comparison, to test whether advanced GARCH models are outperforming the standard GARCH models in predicting the variance of stock index. The database of this paper is the statistics of 21 stock indices around the world from 1 January to 30 November 2013. By forecasting one –step-ahead conditional variance within different models, then compare the results within multiple statistical tests. Throughout the tests, it is found that the standard GARCH model outperforms the more advanced GARCH models, and recommends the best one-step-ahead method to forecast of the daily conditional variance. The results are to strengthen the performance evaluation criteria choices; differentiate the market condition and the data-snooping bias. This study impact the data-snooping problem by using an extensive cross-sectional data establish and the advanced predictive ability test. Furthermore, it includes a 13 years’ period sample set, which is relatively long for the unpredictability forecasting studies. It is part of the earliest attempts to inspect the impact of the market condition on the forecasting performance of GARCH models. This study allows for a great choice of parameterization in the GARCH models, and it uses a broad range of performance evaluation criteria, including statistical loss function and the Mince-Zarnowitz regressions. Thus, the results are more robust and diffusely applicable as compared to the earliest studies. KEY WORDS: GARCH models; volatility, conditional variance, forecast, stock indices.
基于非参数GARCH模型的一种波动率估计方法
案例13 基于非参数GARCH 模型的一种波动率估计方法 一、文献及研究综述 波动率（volatility ）是资产收益不确定性的衡量，它经常用来衡量资产的风险。一般来说，波动率越大，意味着风险越高。由于波动率在投资分析，期权定价等方面的重要性，近20年来一直是金融领域的一个研究热点，出现许多描述金融市场波动率的模型，最为典型的是Bollerslev （1986）提出的广义自回归条件异方差模型（GARCH 模型），而在实证中得到广泛应用的是其中的GARCH(1,1)模型，即条件方差不但依赖与滞后一期的扰动项的平方，而且也依赖于自身的滞后一期值，三者之间存在一种线形关系。针对三者之间的线形关系是否合适即能否用一种更有效的函数关系来描述的问题，人们进行了一些有意义的探索。Engel 和Gonzalez-Rivera(1991)采用半参数方法对条件方差进行建模，对扰动项的滞后值采取非参数形式，对条件方差自身的滞后值采用线形形式，两位的研究思路为人们以后的研究工作拓宽了思路。Peter Buhlmann 和Alexander J.MeNeil （2002）对三者之间的函数关系用一种非参数形式来描述，给出了一种全新的估计波动率的循环算法，并对这一全新的算法的可行性和有效性给出了证明，得出非参数形式的GARCH(1,1)对波动率的估计效果要强与参数形式的GARCH(1,1)。Antonio Cosma 和Fausto Galli （2005）利用Peter Buhlmann 和Alexander J.MeNeil 所提出的估计波动率的算法，对非参数形式的ACD 模型（Autoregressive Conditional Duration Model ）的久期(duration)进行估计，也得出用该估计算法的非参数形式比参数形式的ACD 模型的估计效果优越。 本文采用非参数方法中的非参数可加模型，对条件方差采用非参数可加模型GARCH(1,1)形式进行建模，即对条件方差的滞后值和扰动项的滞后值分别采用不同的函数形式进行建模。估计方法是基于Peter Buhlmann 和Alexander J.MeNeil(2002)对非参数GARCH 估计时的算法思想，采取模拟数据和真实收益率数据分别同参数形式的GARCH(1,1)采用极大似然估计结果进行比较。文章下面的结构是：第二部分是有关方法的描述。第三部分是模拟实验。第四部分是实证部分。第五部分是本文结束语。 二、方法描述 ㈠ Bollerslev （1986）提出的标准的GARCH(1,1)形式： t t z ε=
汇率决定的货币主义模型
《国际金融学》理论文献导读 十七、汇率决定的货币主义模型 货币主义汇率决定理论可以说是源远流长，其理论根源最早可追溯到18世纪休谟的货币数量论，而直到2 0世纪70年代布雷顿森林体系瓦解以后，货币主义汇率决定模型才真正建立，并迅速获得西方学术界以及各国货币当局的普遍关注，且一度成为国际货币基金组织、世界银行等重要经济组织制定汇率政策、分析和预测汇率变化的主要依据之一。 货币主义学者认为汇率是两国货币的相对价格，而不是两国商品的相对价格，他们强调货币市场均衡在汇率决定中的重要作用，把购买力平价与货币数量方程式有机地结合起来，产生了基于货币供应量与实际产出的一种汇率理论，这就是货币主义的汇率决定理论。根据不同市场在受到冲击后价格调整快慢的不同假定，货币主义模型可以分为弹性价格模型和粘性价格模型。 （一）货币主义的弹性价格模型 1、基本模型 弹性价格模型的许多内容实际上是对购买力平价的补充，但它与购买力平价理论有着显著的区别，它可以很好地避免购买力平价检验中选择不恰当的物价指数或不恰当的基期的可能，将难以真实测量的物价因素考虑在货币的需求之中。 在不考虑货币机会成本的情况下，货币数量方程可表示为： （3-1） 式中，M为货币供应量，Y为实际产出，P为商品价格水平，K为货币行为常数（可以看成是货币流通速度的倒数）。上式即为著名的剑桥方程式，又称为狭义的货币数量方程式，由英国经济学家庇古与1920年最早提出。 若上述货币数量方程式对外国来说同样成立，以带星号的变量表示相应的外国变量， 则： (3-2) 假定商品市场价格对外部冲击的反映具有充分弹性，或者说国际贸易会消除贸易商品价格趋势上的差别，则购买力平价成立。将本国与外国的货币数量方程式代入购买力平价则 有： (3-3) 式（3-3）便是建立在狭义货币数量方程式上的货币主义汇率决定模型，我们在此称之为狭义货币模型。