·154·
Lnht=k0+β1lnht-1+…+βrht-r+α1{|vt-1|-E(|vt-1|)+θvt-1}+…+αq{|vt-q|-(|vt-q)|+θvt-q}E
下面以EGARCH(1,1)模型为例,条件方差方程为1nht=k0-α1E(|vt-1|)+α1|vt-1|+α1θvt-1+β1lnht-1。先假定εt-1<0(等价于vt-1<0),表明资产价格被高估,是个利空消息。此时条件方差lnht=k0-α1E(|vt-1)|+α(1θ-1)vt-1+β1lnht-1;若εt-1>0(vt-1>0),表明价格被低估,是个利好消息,此
(|vt-1|)+α()vt-1+β1lnht-1。若存在非对称时条件方差lnht=k0-α1E1θ+1
性,即正冲击和负冲击对波动率的影响不同,则两次得到的条件方差不相等,进而可以得出θ≠0的结论。
3数据及实证研究
3.1数据的选取及预处理文章选取黄金市场上6101黄金现货价格为研究对象。样本区间为2006年1月3日至2011年9月23日,共1490个收盘价。分析所用数据来自大智慧软件,统计分析软件为Eviews5.0。黄金现货价格走势情况如图1所示。
价值工程
益率建立如下模型:Rt=αRt-6+εt。利用最小二乘法(OLS)估计得到:Rt=0.07495-0.07232Rt-6,AIC=3.4680,回归方程残差图(图3)表明模型很可能存在自回归条件异方差,因此对黄金价格日收益率回归方程残差序列进行ARCH-LM检验。结果显示,在滞后阶数为9的时候ARCH-LM检验结果的F统计量为10.7065,R2值为91.0256,P值均为0,因此拒绝零假设,认为黄金价格日收益率自回归方程残
回归方程残差平方序列存在高阶自相关。差存在ARCH效应,
因为当ARCH(q)中q值较大时ARCH模型的参数估计不再精
确,而且一个低阶的GARCH(p,q)模型能够很好地替代高阶ARCH模型,因此选择采用低阶GARCH(p,q)来刻画日收益率及波动性,p和q的选择依据赤池信息准则(AIC)确定,最后经过筛选,确定采用GARCH(1,1)模型。
均值方程:Rt=0.0869-0.0672Rt-6+εt条件方差方程:ht=0.0171+0.0564εt-1+0.9359ht-1再次对模型进行ARCH-LM检验,滞后阶数为9的时候F统计
2
量为0.2919,R值为2.6405,相伴概率P值均远大于0.05,因此认为已不存在ARCH效应。
ARCH项系数α加GARCH项系数β之和等于0.9923,满足平稳约束条件,过去的波动对未来的影响是逐渐衰退递减的;同时,α+β之和十分接近于1,说明过去波动的冲击较为持久,对未来的预测有重要的作用。
进一步考察是否有必要建立GARCH-M模型即将姨t引入均值方程中,GARCH(1,1)

-M

模型的估计结果中

姨t项显著性检验z统计量的相伴概率P=0.19>0.05,因此认为没有必要建立GARCH(1,1)-M模型。
由于金融资产的收益率及波动往往存在非对称性,因此有必要考虑建立TGARCH模型考察新息冲击曲线的对称性。TARCH模型的结果如表4。非对称系数λ显著异于0(p=0.0009),表明TGARCH模型较好刻画了黄金价格波动非对称性的特点。这里应当注意到,
这意味着在黄金市场中,利好消息比利空消非对称系数λ=-0.0435,
息对波动率的影响更大,这是有别于股票等金融资产波动规律的现象。
表4TARCH模型估计输出结果
CAR(6)
CRESID(-1)^2(-1)^2*(RESID(-1)<0)RESID
GARCH(-1)
R-squaredAdjustedR-squaredS.E.ofregressionSumsquaredresidLoglikelihood
Std.ErrorCoefficient
0.1021970.028631-0.0631850.026709VarianceEquation
2
很明显,该时间序列是非平稳的,所以在建立模型之前我们将收盘价作如此变换:令rt=100×(logpt-logpt-1),rt代表日收益率,得到的日收益率图见图2。
3.2实证结果日收益率R的统计特征如表1所示。
表1日收益率统计特征表
MeanMedianMaximumMinimum
0.0760800.10911110.39191-7.366343
Std.DevSkewnessKurtosisJarque-Bera
1.373753-0.2154517.4300891229.130
图2较为明显地表明日收益率存在着波动聚集的现象,在某些时间段内波动很大。表1的统计结果中,偏度为-0.215451,表明样本分布呈左偏;峰度为7.430089,远大于3,说明收益率有明显的“尖峰厚尾”特征;而且JB值为1229.13,远大于临界值。这些统计结果都表明黄金价格的日收益率分布不符合正态分布,而且序列可能存在ARCH效应。
3.3单位根检验建立GARCH族模型需要时间序列满足平稳条件,所以,在建模之前,有必要对收益率时间序列进行平稳性检
这里采用增广迪基-富勒(ADF)检验的方法。对黄金现货价格日验。
收益率序列进行ADF检验的结果如表2。
表2ADF检验表
AugmentedDickey-FullerteststatisticTestcriticalvalues:
1%level5%level10%level
-38.52910-3.434537-2.863276-2.567743
0.0000
z-Statistic3.569393-2.3656821.9495296.210033-3.317304105.1894
Prob.0.00040.01800.05120.00000.00090.00000.0744681.3725473.2842163.3056661.994157
0.0101430.075097-0.0434810.9453480.0046590.0012891.3716622778.913-2429.246
0.0052030.0120930.0131070.008987
MeandependentvarS.D.dependentvarAkaikeinfocriterionSchwarzcriterionDurbin-Watsonstat
最后通过EGARCH(1,1)模型考察非对称性,估计结果见表5。上文提到过,检验新息冲击曲线是否具有非对称性只须检验θ是否等于0,也就是检验图中的C(5)是否等于0即可。EGARCH
检验统计量t=-38.53,小于显著性水平为1%的临界值,因此拒(1,1)模型中非对称系数对应的伴随概率p<0.05,因此拒绝零假设,绝存在单位根,认为日收益率序列已经平稳。认为存在非对称性。C(5)=0.0309>0,也表明利好消息对波动的影响
4拟合模型更大。通过观察{Rt}的自相关(ACF)图及偏自相关(PACF)图可以发5结语现,日收益率序列的第6阶相关性较为明显,通过反复筛选,对日收通过上述模型对黄金现货价格的日收益率及波动情况进行分
基于GARCH族模型的黄金价格收益率及波动性研究_专业资料。文章应用GARCH族模型对黄金现货价格的收益率及波动性进行实证研究,实证结果表明黄金价格日收益率具有“尖峰厚...
关键词: 黄金价格; GARCH 族模型; 非对称性 Key words: gold price; GARCH family models; asymmetry 中图分类号:F82 文献标识码:A 文章编号:1006-4311 (...
2012 年第 10 期中旬刊 (总第 495期) 时代金融TimesFinance NO.10,2012(CumulativetyNO.495) 国内黄金价格收益率波动性研究—— —基于 ARMA与GARCH 模型的分析...
基于GARCH族模型的股市收益率波动性研究_教育学/心理...股票价格或指数的运动服从随机游走过程 , 而 且一般...术来 预测 金 融时 间序 列的 收益 波 动性。...
财税金融 Garc h模型的 指收益率波 动性研究 ■ 刁艳华 李文华 摘要 : 本文运 用GARCH模型对深圳 的价格波动行为进行 更为准确和合理 的描 目前 对于 H...
基于Garch模型的股票市场股指收益率波动性研究_经济/市场_经管营销_专业资料。基于 Garch 模型的股票市场股指收益率波动性研究 摘要:本文运用 garch 模型对深圳证券综...
基于GARCH族模型的黄金价... 25人阅读 3页 3.00 深证成指周收益率波动性...股票价格的频繁波动是股票市...
龙源期刊网 http://www.qikan.com.cn 基于 GARCH 族模型的中国股市通信板块 收益率波动分析 作者:王宏涛 来源:《沿海企业与科技》2010 年第 12 期 [摘要]...
我国开放式基金市场波动性研究——基于GARCH族模型_数学...开放式基金的收益率具有更明显的风险溢 价,但不...组成,能够全面反映中国开放式基 金市场的整体绩效...
基于GARCH族模型的中国股市通信板块收益率波动分析_专业资料。文章运用GARCH族模型分析中国沪深股市通信板块指数日收益率的波动特性,发现信息通信板块收益率是一个平稳过...
热门文档