中國股市收益序列的異方差性和長記憶性研究.pdf

1、股票市場最令人捉摸不透也最具有吸引的就是不斷波動的價格。對于股票投資收益的追求,使得人們對股票價格波動規(guī)律的研究從未間斷過。股票市場波動性的模擬、預測和影響因素分析一直是金融經(jīng)濟學研究的熱點,但由于股票價格波動的難以描述、分析和預測,導致難以形成較完善的描述體系。至20世紀60年代,美國芝加哥大學財務學家尤金.法默終于提出了較為完整的有效市場假說理論(EMH)。在隨后的四十多年里,有效市場假說一直被奉為金融經(jīng)濟學的經(jīng)典理論。但隨著計算機

2、技術的成熟和越來越多的異?，F(xiàn)象被發(fā)現(xiàn),有效市場假說被證實并不符合實際情況。
　　 本文首先回顧了有效市場假說,分析了有效市場假說的缺陷。并從金融時間序列不符合有效市場正態(tài)分布假定出發(fā),分析了中國股票市場的異方差性和長期記憶性。
　　 在異方差性方面,運用了經(jīng)典的GARCH模型,并結合ARMA模型建立了對數(shù)似然值和AIC準則均較優(yōu)的模型,并對比ARMA模型和ARMA-GARCH模型,表明加入了異方差因素的模型更符合實際情況

3、;其次,在異方差模型選擇方面,還運用了較常見的EGARCH、Power ARCH模型對收益序列建模,并與GARCH模型比較,結果顯示EGARCH模型在描述異方差性方面更為合理。
　　 在長記憶性方面,運用R/S分析法計算了上證指數(shù)和深證成指收益序列的Hurst指數(shù),說明上證指數(shù)和深證成指收益序列均存在明顯的長記憶性;并對經(jīng)過分數(shù)差分后的收益序列建立了ARFIMA模型;在模型優(yōu)化方面,對比了兩種優(yōu)化方法,表明運用BHHH算法進行優(yōu)

4、化能得到更好的效果;最后選用了經(jīng)過BHHH算法優(yōu)化的ARFIMA模型進行了后推10步的預測,發(fā)現(xiàn)預測效果較為理想。
　　 最后,綜合考慮了一階序列的長、短記憶性和二階序列的異方差性,建立了AFRIMA-GARCH、AFRIMA-EGARCH、AFRIMA-PARCH模型,本文將上面三種模型總稱為AFRIMA-ARCH模型。其中AFRIMA-EGARCH、AFRIMA-PARCH為本文首次提出。在提出模型后,運用最新的數(shù)據(jù)進行了實