本文摘要：發(fā)表學(xué)術(shù)論文網(wǎng) 辦的非常成功，極具口碑。在這里，你可以找到最具時事性的文章和最具代表性的各類文章。當(dāng)然，因?yàn)槊赓M(fèi)和開源，大家都可以學(xué)習(xí)、借鑒和共同使用，如果你需要專屬于個人的原創(chuàng)文章，請點(diǎn)擊鏈接獲得專業(yè)文秘寫作服務(wù)。 摘 要：通過對上海證券交易
發(fā)表學(xué)術(shù)論文網(wǎng)辦的非常成功，極具口碑。在這里，你可以找到最具時事性的文章和最具代表性的各類文章。當(dāng)然，因?yàn)槊赓M(fèi)和開源，大家都可以學(xué)習(xí)、借鑒和共同使用，如果你需要專屬于個人的原創(chuàng)文章，請點(diǎn)擊鏈接獲得專業(yè)文秘寫作服務(wù)。
摘 要：通過對上海證券交易所國債市場指數(shù)收益率序列波動特征的研究發(fā)現(xiàn)，上交所國債市場指數(shù)收益率不但具有非正態(tài)性和條件異方差的特點(diǎn)，還具有長記憶性特征。實(shí)證研究表明，F(xiàn)IGARCH(1，d，1)模型能夠較好地刻畫上交所國債指數(shù)收益率波動的特征。
關(guān)鍵詞：非正態(tài)性;條件異方差;長記憶性;FIGARCH(1，d，1)模型
一、問題提出與文獻(xiàn)回顧
由于金融類時間序列，如收益率時間序列，往往具有時變性特點(diǎn)和束性趨勢，其方差會隨著時間變化而變化，呈現(xiàn)出異方差特征。因此對金融類時間序列的刻畫，主流的研究方法都是建立在ARCH類模型的基礎(chǔ)上進(jìn)行的。
國外的研究中，Brooks和Simon(1998)按照一定的標(biāo)準(zhǔn)選用特定的GARCH模型來預(yù)測美元匯率的收益波動情況;Aguilar，Nydahl(2000)使用GARCH模型來對匯率的波動性進(jìn)行建模，取得了較好的擬合效果;Torhen、Bollerslev等人(2001)在基于德國馬克和日元對美元的匯率值、每日匯率值、每日匯率的波動分布和相關(guān)性的基礎(chǔ)上，完善了GARCH模型使用過程中對樣本分布的限制條件。
在國內(nèi)，惠曉峰等(2003)基于時間序列GARCH模型對人民幣匯率進(jìn)行預(yù)測，發(fā)現(xiàn)GARCH模型的預(yù)測匯率與實(shí)際匯率是非常接近的，擬合曲線幾乎完全跟得上實(shí)際匯率走勢;鄒建軍(2003)通過研究發(fā)現(xiàn)GARCH(1，1)模型對我國滬市收益波動性具有比較好估計(jì)和預(yù)測效果。牛方磊、盧小廣(2005年)運(yùn)用ARCH類模型對基金市場的波動性進(jìn)行了研究，發(fā)現(xiàn)上證基金指數(shù)收益率表現(xiàn)出非正態(tài)性和條件異方差的特征，GARCH(1，1)模型對上證基金的波動具有很好的擬合效果。王佳妮、李文浩(2005)應(yīng)用ARCH類模型分析了1999—2004年歐元、日元、英鎊、澳元等四種貨幣兌美元的匯率。
以上研究表明，ARCH類模型能夠比較準(zhǔn)確地刻畫金融類時間序列，特別是金融收益率時間序列的波動性。因此，本文對我國交易所國債市場波動率的研究，也是以ARCH類模型為基礎(chǔ)，通過深入分析交易所國債市場波動率的內(nèi)在特征，選取合適的模型對其進(jìn)行刻畫。
二、樣本選取與統(tǒng)計(jì)特征分析
(一)樣本選取和指標(biāo)設(shè)計(jì)
由于上海證券交易所國債指數(shù)從總體上基本反映了上海證券交易所國債價格的變動情況。本文以上證國債指數(shù)作為研究對象，選取2003年2月24日至2006年4月18日的每日上證國債指數(shù)收盤價為樣本，共計(jì)764個觀測值，數(shù)據(jù)來源于上海證券交易所、湘財(cái)證券圓網(wǎng)等相關(guān)網(wǎng)站。
在確定研究的樣本期后，再對上證國債指數(shù)的日收益率進(jìn)行計(jì)算，計(jì)算公式為：
OX語言環(huán)境下TSM0.4軟件包計(jì)算得出。
(二)統(tǒng)計(jì)描述及分析
首先，根據(jù)樣本序列(見圖1)，我們對其基本波動特征進(jìn)行分析，依次進(jìn)行自相關(guān)檢驗(yàn)、單位根檢驗(yàn)、正態(tài)性檢驗(yàn)和異方差性檢驗(yàn)。結(jié)果如下：
(1)根據(jù)Ljung-Box Q統(tǒng)計(jì)量和對應(yīng)P值(見表1)，可以判定樣本序列在至少滯后25期內(nèi)，不能拒絕沒有自相關(guān)的零假設(shè)，說明樣本序列存在自相關(guān)性。
(2)對樣本序列進(jìn)行ADF單位根檢驗(yàn)，由于序列圍繞零均值上下波動，故檢驗(yàn)選擇無常數(shù)項(xiàng)和趨勢項(xiàng)類型，ADF檢驗(yàn)的t統(tǒng)計(jì)量為-14.69335，明顯小于顯著性水平1%的Mackinnon臨界值-3.4415，表明在1%的顯著性水平下，拒絕樣本序列存在單位根的原假設(shè)，說明樣本序列具有平穩(wěn)性。
(3)采用峰度(K)、偏度(S)以及JB檢驗(yàn)聯(lián)合判斷樣本序列的正態(tài)性(見表2)，結(jié)果表明樣本序列顯著異于正態(tài)分布，高峰厚尾現(xiàn)象明顯。
(4)對樣本序列異方差性的檢驗(yàn)，采用ARCH-LM檢驗(yàn)法，當(dāng)取滯后階數(shù)為1時，結(jié)果(見表3)顯示樣本序列在l%的顯著性水平下，殘差序列存在ARCH效應(yīng)，說明樣本序列具有異方差性，當(dāng)滯后階數(shù)取10、20時，結(jié)果一致。
其次，根據(jù)樣本序列自相關(guān)ACF圖，滯后階數(shù)為200(見圖2)，進(jìn)行樣本序列記憶性特征分析，我們可以發(fā)現(xiàn)，自相關(guān)函數(shù)前11階下降的很快，而在其后則緩慢衰減，直至141階才逐漸接近于0，可見自相關(guān)函數(shù)對以前的影響有很強(qiáng)的依賴性，而且它衰減的形式不是很快地以指數(shù)形式衰減，而是以雙曲線的形式緩慢衰減，這表明條件方差受到的沖擊具有很長的持久性，樣本序列具有長記憶性特征，我們采用標(biāo)準(zhǔn)的GPH法對其進(jìn)行檢驗(yàn)。根據(jù)標(biāo)準(zhǔn)的GPH-估計(jì)量得出的樣本序列的記憶參數(shù)d=0.43215(0.0162)，括號內(nèi)為OLS估計(jì)檢驗(yàn)統(tǒng)計(jì)量的P值，結(jié)果清楚地表明樣本序列長記憶特征的存在。
三、上交所國債收益波動率模型的構(gòu)建
首先對樣本收益率序列建立輔助回歸模型：
由于一般金融文獻(xiàn)均認(rèn)為GARCH(1，1)模型就能夠描述大量的金融時間序列數(shù)據(jù)，因此，本文根據(jù)FIGARCH(1，d，1)模型對樣本序列的條件異方差建模，模型的最終形式為：
四、實(shí)證研究
(一)參數(shù)估計(jì)
對模型參數(shù)估計(jì)方法采用擬極大似然估計(jì)(QMLE)。由于分?jǐn)?shù)差分算子d是捕捉過程中長期記憶特征的，因此，在參數(shù)估計(jì)時，滯后階數(shù)選用200階。另外，由于樣本序列具有非正態(tài)性特征，因此本文在參數(shù)估計(jì)過程中假定殘差序列服從t分布。計(jì)算結(jié)果如表4所示：
模型的AIC值為-12.314，SC值為-12.243，都非常小，這說明FIGARCH模型能夠較好地?cái)M合數(shù)據(jù)。另外，采用Box-Pierce統(tǒng)計(jì)量，進(jìn)一步檢驗(yàn)建立模型后標(biāo)準(zhǔn)化參差序列及序列是否存在自相關(guān)性，其中K值為滯后階數(shù)，取k=20，得出Q(K)=6.32(0.914)，Q2(20)=16.72(0.923)。結(jié)果顯示在高概率水平下接受Ho假設(shè)，即序列不存在自相關(guān)。
(二)預(yù)測
我們對條件方差進(jìn)行單步向前預(yù)測，在此采用平均預(yù)測誤差平方和的平方根(RMSE)，平均絕對誤差(MAE)和平均預(yù)測誤差(MFE)三個衡量時間序列預(yù)測效果最常用的指標(biāo)進(jìn)行測量。為進(jìn)一步檢驗(yàn)所得FIGARCH模型對樣本序列刻畫的效果，我們同時對樣本序列建立GARCH模型(具體形式略)，并與FIGARCH模型進(jìn)行比較，預(yù)測的對象為樣本外2006年4月19日至29日的10天數(shù)據(jù)，結(jié)果見表5。
結(jié)果顯示FIGARCH模型在三項(xiàng)指標(biāo)的預(yù)測值偏離度上都小于GARCH模型。這說明FIGARCH模型對條件方差波動的預(yù)測能力上明顯優(yōu)于GARCH模型。
五、結(jié)論
本文通過對上海證券交易所國債指數(shù)收益率序列波動特征的研究發(fā)現(xiàn)，上交所國債指數(shù)收益率不但具有一般金融類時間序列非正態(tài)性和條件異方差的特點(diǎn)，還具有長記憶性特征，據(jù)此，本文選取了更適合刻畫時間序列長記憶特征的FIGARCH(p，d，q)模型對上交所國債指數(shù)收益率序列建模。
通過與GARCH模型的比較發(fā)現(xiàn)，F(xiàn)IGARCH模型對上交所國債指數(shù)收益率序列條件方差波動的預(yù)測能力上明顯較強(qiáng)。這些結(jié)論相信能為今后進(jìn)一步深化對我國國債市場風(fēng)險(xiǎn)特征的研究提供一定的參考。
閱讀范文：高級經(jīng)濟(jì)師評審商業(yè)銀行信貸危機(jī)
作者問：我需要評高級經(jīng)濟(jì)師方面的論文，希望編輯老師可以給推薦幾個權(quán)威的經(jīng)濟(jì)期刊，以及靠譜的網(wǎng)站，我身邊有不少人上當(dāng)受騙的。
小編答：評審高級經(jīng)濟(jì)師方面的期刊的確有很多，小編建議作者首先咨詢?nèi)耸聠挝挥袥]有規(guī)定的經(jīng)濟(jì)期刊，《經(jīng)濟(jì)師》、《中國統(tǒng)計(jì)》、《中國會計(jì)評論》這幾本都是不錯的期刊，至于正規(guī)的網(wǎng)站，小編建議作者去大型正規(guī)的機(jī)構(gòu)，畢竟他們的發(fā)表范圍廣，并且成功率也比較高，比如期刊之家、發(fā)表學(xué)術(shù)論文網(wǎng)都是您不錯的選擇。
【摘要】由于銀行在未來一段時間內(nèi)的信貸收支狀況受政治、軍事、宏觀經(jīng)濟(jì)、市場以及一些突發(fā)事件的影響，這些因素存在著很大的不確定性和隨機(jī)性。因此銀行在未來一段時間內(nèi)的信貸業(yè)務(wù)收支差額存在很大的不確定性和隨機(jī)性，可以看做是一個隨機(jī)變量，或稱作不良貸款。
【關(guān)鍵詞】問題,研究,規(guī)模,最優(yōu),銀行信貸,商業(yè),
轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/5522.html
