期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于时间序列模型的上证A股指数实证分析
1
作者 宋雅晴 康晴晴 刘兮 《黑龙江科学》 2022年第17期26-28,共3页
选取20172021年上证A股指数,运用R语言和EVIEWS软件,拟建了ARIMA模型及GARCH簇模型,并进行短期估测,筛选出最佳模型——ARIMA-EGARCH综合模型。通过综合分析水平与波动两方面,得出上证A股指数是非平稳的,差分序列的偏自相关系数明显拖尾... 选取20172021年上证A股指数,运用R语言和EVIEWS软件,拟建了ARIMA模型及GARCH簇模型,并进行短期估测,筛选出最佳模型——ARIMA-EGARCH综合模型。通过综合分析水平与波动两方面,得出上证A股指数是非平稳的,差分序列的偏自相关系数明显拖尾,ARIMA(2,1,2)模型残差序列存在异方差性,上证A股指数未遭受风险的显著影响。为改善我国股市环境,有效规避股市风险,提出了相关建议。 展开更多
关键词 时间序列模型 上证A股指数 ARIMA-EARCH模型
下载PDF
上证A指预测波动率期限结构的实证分析
2
作者 郭小燕 《福建金融管理干部学院学报》 2007年第2期19-25,共7页
本文是对证券市场波动率期限结构预测的一个尝试。本文采用上证A指在1994-12-21至2002-12-31期间内的日交易数据之收盘价作为研究对象,用AR、GARCH、GJR、GCOMP等模型预测出其在1997-7-2至2002-12-31期间的波动率期限结构,并将预测结果... 本文是对证券市场波动率期限结构预测的一个尝试。本文采用上证A指在1994-12-21至2002-12-31期间内的日交易数据之收盘价作为研究对象,用AR、GARCH、GJR、GCOMP等模型预测出其在1997-7-2至2002-12-31期间的波动率期限结构,并将预测结果与实际结果进行比较分析。实证结果表明,尽管各种预测模型均存在一定缺陷,就短期(周或月)波动率的预测来说,GJR模型的预测效果最好,其次是GARCH模型,GCOMP模型表现最差,但就长期(季或年)波动率的预测而言,GCOMP模型表现较好。 展开更多
关键词 上证A指 预测 波动率期限结构
下载PDF
基于Copula-GARCH模型的上证地产股与金融股的相关性研究 被引量:6
3
作者 刘桂梅 赵丽 《浙江大学学报(理学版)》 CAS CSCD 2013年第2期140-145,共6页
利用Copula-GARCH模型,研究上证地产股指数和金融股指数收益率的相关性.利用边缘函数推断法(IFM)建立2个股指对数收益率的时间序列的GARCH(1,1)-t模型.对边缘分布概率积分变化后的2个服从均匀分布的序列,分别建立常相关的二元Copula模型... 利用Copula-GARCH模型,研究上证地产股指数和金融股指数收益率的相关性.利用边缘函数推断法(IFM)建立2个股指对数收益率的时间序列的GARCH(1,1)-t模型.对边缘分布概率积分变化后的2个服从均匀分布的序列,分别建立常相关的二元Copula模型,包括正态Copula函数、Clayton Copula函数、Gumbel Copula函数、t-Copula函数、SJC-Copula函数和时变相关的二元Copula模型.对2007年12月10日至2012年3月30日上证交易所地产股票指数和金融180股票指数进行实证分析,讨论2个行业的股票和行业本身的相关性. 展开更多
关键词 COPULA-GARCH模型 上证地产股指数 上证金融股指数 相关关系
下载PDF
上证A股指数与宏观经济因素关系的实证研究 被引量:2
4
作者 曹勇 张卓 《价值工程》 2009年第1期151-154,共4页
股票价格不仅受其内在价值影响,还与宏观经济因素有密切关系。以上证A股指数为因变量,选取宏观经济中影响A股指数的指标,运用EVIEWS软件对数据回归分析并建立回归模型,分析得出上证A股指数与基本建设投资总额成正相关关系,与商品零售价... 股票价格不仅受其内在价值影响,还与宏观经济因素有密切关系。以上证A股指数为因变量,选取宏观经济中影响A股指数的指标,运用EVIEWS软件对数据回归分析并建立回归模型,分析得出上证A股指数与基本建设投资总额成正相关关系,与商品零售价格指数和30天加权平均利率成负相关关系,但与工业增加值增长率的负相关关系有待进一步研究。 展开更多
关键词 宏观经济 上证A股指数 多元线性回归模型
下载PDF
利率、股票指数、货币供应量与房地产价格关系的实证研究 被引量:1
5
作者 李泉 马晗 《温州大学学报(社会科学版)》 2013年第4期95-101,共7页
利用计量经济学方法,选取利率、股票指数和货币供应量三个变量建立向量误差修正(VEC)模型,并通过脉冲响应函数与方差分解的方法研究各变量对房地产价格的动态影响及其效果。结果表明:当期房地产销售价格指数FPI、货币供应量M2、上证A股... 利用计量经济学方法,选取利率、股票指数和货币供应量三个变量建立向量误差修正(VEC)模型,并通过脉冲响应函数与方差分解的方法研究各变量对房地产价格的动态影响及其效果。结果表明:当期房地产销售价格指数FPI、货币供应量M2、上证A股综合指数SZHA、金融机构1–3年贷款基准利率R都对滞后期房地产销售价格有持续影响,且不同时间段影响方向不同;随着时间的推移,房地产销售价格指数和上证A股综合指数对房地产销售价格波动解释的贡献率较大,远超出货币供应量和金融机构1–3年贷款基准利率对房地产销售价格波动解释的贡献度。 展开更多
关键词 利率 股票指数 货币供应量 房地产价格 向量误差修正(VEC)模型
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部