股票收益随机波动模型研究

中国管理科学 ›› 2003, Vol. ›› Issue (2): 16-20.

股票收益随机波动模型研究

沈根祥

上海财经大学经济学院上海 200083

收稿日期:2002-04-22 修回日期:2003-03-24 出版日期:2003-04-28 发布日期:2012-03-06

The Stochastic Volatility Model for Stock Return

SHEN Gen-xiang

Economics College of Shanghai University of Finance and Economics, Shanghai 200083, China

Received:2002-04-22 Revised:2003-03-24 Online:2003-04-28 Published:2012-03-06

摘要/Abstract

摘要： 通过对金融资产时间序列数据特点的分析,指出GARCH模型在描述金融资产时序数据的局限,尝试用随机波动模型刻画股票收益的波动规律,采用GMM方法估计模型参数,并以上海证券交易所综合指数日收益率数据为样本,对沪市指数收益波动进行实证研究,探讨涨跌停板制度对股市波动的作用。

关键词: 厚尾, 波动群集, GARCH, 随机波动, 涨跌停板

Abstract: Analyzing the characteristics of financial data and pointing out the drawbacks of GARCH models,the paper describes the volatilities of daily stock return by stochastic volatility model and employs GMM to estimate the parameters in the model.In the final,the paper carries out a emprical analysis of daily stock return volatilties in Shanghai stock market to figure out the effects of price limits posed on daily price of stocks listed in Shanghai Stoke Exchange on volatility and distribution pattern of stock return.

Key words: fat tail, volatility clustering, GARCH, stochastic volatility, price limits

中图分类号:

C931:F832

沈根祥. 股票收益随机波动模型研究[J]. 中国管理科学, 2003, (2): 16-20.

SHEN Gen-xiang. The Stochastic Volatility Model for Stock Return[J]. Chinese Journal of Management Science, 2003, (2): 16-20.

[1]	王超, 陈乐一, 李玉双. 中国金融周期特征及其宏观经济效应[J]. 中国管理科学, 2020, 28(12): 12-22.
[2]	王佳, 金秀, 王旭, 李刚. 基于时变Markov的DCC-GARCH模型最小风险套期保值研究[J]. 中国管理科学, 2020, 28(10): 13-23.
[3]	王正新, 姚培毅. 中国经济政策不确定性的跨国动态溢出效应[J]. 中国管理科学, 2019, 27(5): 78-85.
[4]	郑尊信, 王华然, 朱福敏. 基于Levy-GARCH模型的上证50ETF市场跳跃行为与波动特征研究[J]. 中国管理科学, 2019, 27(2): 41-52.
[5]	吴鑫育, 赵凯, 李心丹, 马超群. 时变风险厌恶下的期权定价——基于上证50ETF期权的实证研究[J]. 中国管理科学, 2019, 27(11): 11-22.
[6]	沈根祥, 邹欣悦. 已实现波动GAS-HEAVY模型及其实证研究[J]. 中国管理科学, 2019, 27(1): 1-10.
[7]	凌爱凡, 陈骁阳. 嵌入GARCH波动率估计的B1ack-Litterman投资组合模型[J]. 中国管理科学, 2018, 26(6): 17-25.
[8]	王安兴, 谭鲜明. 基于混合分布的中国股票波动风险因素的识别与分析[J]. 中国管理科学, 2018, 26(2): 86-95.
[9]	夏婷, 闻岳春. 经济不确定性是股市波动的因子吗？——基于GARCH-MIDAS模型的分析[J]. 中国管理科学, 2018, 26(12): 1-11.
[10]	刘晓倩, 王健, 吴广. 基于高频数据HAR-CVX模型的沪深300指数的预测研究[J]. 中国管理科学, 2017, 25(6): 1-10.
[11]	吴鑫育, 李心丹, 马超群. 门限已实现随机波动率模型及其实证研究[J]. 中国管理科学, 2017, 25(3): 10-19.
[12]	韩超, 严太华. 基于高维动态藤Copula的汇率组合风险分析[J]. 中国管理科学, 2017, 25(2): 10-20.
[13]	曹栋, 张佳. 基于GARCH-M模型的股指期货对股市波动影响的研究[J]. 中国管理科学, 2017, 25(1): 27-34.
[14]	张贵生, 张信东. 基于近邻互信息的SVM-GARCH股票价格预测模型研究[J]. 中国管理科学, 2016, 24(9): 11-20.
[15]	周艳丽, 吴洋, 葛翔宇. 一类高新技术企业专利权价值的实物期权评估方法——基于跳扩散过程和随机波动率的美式期权的建模与模拟[J]. 中国管理科学, 2016, 24(6): 19-28.