共查询到18条相似文献，搜索用时 781 毫秒
1.
GARCH模型在中国股票波动预测中的应用 总被引：1，自引：0，他引：1
大量的实证研究表明诸如股票价格等经济类时间序列具有方差随时间变化即异方差的特点.目前被认为最集中地反映了方差变化特点而被广泛地应用在金融时间序列上的模型为广义自回归条件异方差(GARCH)模型.应用GARCH模型对我国股票波动率进行应用预测分析,结果表明模型对波动率进行了很好的预测.这对股票投资者尤其短期交易者具有指导意义. 相似文献
2.
杨欢 《郧阳师范高等专科学校学报》2011,31(6):42-44
应用广义自回归条件异方差GARCH模型对上海股市1999年6月30日至2007年6月29日上证指数收益率进行建模分析.结果反映上证指数收益率具有明显的聚集性、波动性、尖峰厚尾的特征,ARCH族模型较好的拟合了上证指数收益率序列. 相似文献
3.
黄宗远 《广西师范大学学报(哲学社会科学版)》2004,40(4):15-20
证券市场不仅包含了分形运动和随机运动，也包含了趋势运动和周期运动。因此，证券市场是可以预测的。近年来，人们运用非线性时间序列中的自回归条件异方差模型(ARCH)与广义自回归条件异方差模型(GARCH)等模型来描述股价的变动特征，国际间的主要资本市场的股价波动与主要的货币现期及远期汇率均可由这些模型进行有效的解释。神经网络是人类大脑的一种高度简化的抽象，它是一个解决复杂问题的强大工具，在证券市场的预测问题上已显示出较高的价值。 相似文献
4.
波动率预测的参数方法与非参数方法比较 总被引：1，自引：1，他引：0
对人民币／欧元汇率一阶差分数据建立了GARCH（1,1）模型,并在此模型基础上计算了条件方差;然后,在非参数自回归模型基础上,运用非参数局部线性估计方法计算出了条件方差;最后,运用两种不同的方法进行了比较,结果表明非参数方法的预测效果要优于参数方法的预测效果． 相似文献
5.
股票市场最令人捉摸不透也最具吸引力的是波动不已的股票价格。本文以上证综合指教日收盘价格序列为样本。应用GARCH类模型研究了我国股票价格序列的波动性。结果表明，我国股市股票价格波动具有自回归条件异方差特征。非对称的TGARCH模型能较好的拟合我国股市的股票价格序列波动，印证了利空消息比利好消息对我国股市有更大影响的实际。 相似文献
6.
孙婷婷 《鞍山师范学院学报》2014,16(4):1-9
对于金融时间序列,常会出现观测值在某个时间段波动大,但在另一个时间段波动比较小的聚类性现象。本文运用ARCH模型和GARCH模型建立上证地产指数的条件异方差模型,即利用加入条件标准差的GARCH-M模型进行外推一期预测,结果表明,外推一期的结果可以有效地预测上证地产指数收盘价。 相似文献
7.
分别采用回归分析方法、灰色数列预测方法及时间序列预测中的差分自回归移动平均法（ARIMA）对厦门市滩涂养殖区面积的变化趋势进行模拟,结果表明：ARIMA（2,2,0）模型的拟合效果最好,三次多项式曲线模型和灰色GM（1,1）预测模型的拟合误差均较大．采用ARIMA（2,2,0）模型和三次多项式曲线模型分别对滩涂养殖区面积变化趋势进行短期预测和长期预测,预测结果表明滩涂养殖区的面积呈逐渐下降趋势． 相似文献
8.
9.
凌贻清 《佳木斯教育学院学报》2012,(1):334-335
利用GARCH、EGARCH和GJR带正态分布和t分布的GARCH模型族对沪深300指数日收益率进行了统计拟合比较分析,得到了收益率序列尖峰厚尾性和异方差性等主要概率特征,并对GARCH、EGARCH和GJR带正态分布和t分布的GARCH模型族的预测效率进行了比较分析,发现基于学生t分布的GARCH(1,1)模型是最优的拟合模型,可以较好地提供沪深300指数未来两日的波动率预测。 相似文献
10.
研究三一重工（A股）周对数收益率的均值结构与条件方差结构．实证分析表明：该股票周收益率的均值结构与条件方差结构符合联合的ARMA—GARCH模型,该结论可以为投资者进行该股票投资提供有益的帮助． 相似文献
11.
针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机（SVM）模型进行预测。针对SVM模型中参数难以确定的问题,采用粒子群（PSO）算法进行参数寻优,保证预测的精确度。将PSO—SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO—SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律。 相似文献
12.
GARCH-M （generalized autoregressive conditional heteroskedasticity in the mean） model is used to analyse the volatility clustering phenomenon in mobile communication network traffic. Normal distribution, t distribution and generalized Pareto distribution assumptions are adopted respectively to simulate the random component in the model. The demonstration of the quantile of network traffic series indicates that common GARCH-M model can partially deal with the “fat tail” problem. However, the “ fat tail” characteristic of the random component directly affects the accuracy of the calculation. Even t distribution is based on the assumption for all the data. On the other hand, extreme value theory, which only concentrates on the tail distribution, can provide more accurate result for high quantiles. The best result is obtained based on the generalized Pareto distribution assumption for the random component in the GARCH-M model. 相似文献
13.
依托从英国快速路系统中采集到的实际交通流数据,研究了时间汇集间隔对交通流异方差性的影响．使用1-30min共30种时间汇集间隔,生成了30个实际交通流数据序列,确定并估计了相应的ARIMA模型,计算后得到30个交通流量残差序列．针对不同汇集间隔下的ARIMA模型残差序列,应用portmanteau Q检验和LM（Lagrange multiplier）检验,分析了交通流量序列的异方差性．实证结果表明：交通流量序列在选定的30个汇集间隔都具有显著的异方差性;较长的时间汇集间隔可以消减交通流量序列中的噪声,从而减弱交通流异方差性的程度．研究结果有助于开发具有较高可靠性和鲁棒性的交通管理和控制系统． 相似文献
14.
任立民 《福建工程学院学报》2011,9(3):293-296
应用向量自回归EGARCH模型,对中国黄金市场与外汇市场间的收益与波动溢出效应进行经验分析。研究显示:美元兑人民币汇率和中国黄金不存在收益溢出效应,欧元兑人民币汇率对黄金存在负向溢出效应;危机期间市场之间新息冲击的"杠杆效应"减弱,对黄金走势持乐观态度,但波动性比较大。 相似文献
15.
在股票市场交易中,股票价格大的涨跌幅度通常是伴随着交易量的大起大落。通过研究股指收益率和交易量两个序列的特点和它们的相互关系,把平方后的交易量变动和股指收益引入对方的GARCH模型,并分析了它们之间的波动关系,认为股市投机中追涨杀跌是投资者投资股市的基本的永恒的特点,是投资者投资心理的本能反映,也是引发股市波动的重要原因。 相似文献
16.
针对现有交通需求预测模型构建过程中忽视交通需求管理要求及缺乏政策敏感性等问题,建立了基于离散选择的交通需求预测模型并论证了其对交通需求管理的适应性. 建立包括个人社会经济特征、时间和价值3 个变量的私人小汽车-公交车离散选择模型,并通过停车收费和公交优先 2 种交通政策来评估模型的政策敏感性. 实证结果表明: 出行选择对停车收费政策敏感性不强,表现为 88. 41% 的出行者对停车收费政策不敏感; 出行选择对公交优先政策敏感性较强,表现为 67. 70% 的私家车出行者及 77. 02% 的公交车出行者对公交优先政策敏感. 基于离散选择模型的交通需求预测模型具有政策敏感性,在满足需求预测基本功能的同时对需求管理具有很好的适应性. 相似文献
17.
我国财政支出的时间序列分析 总被引：1，自引：0，他引：1
张淑银 《福建教育学院学报》2009,10(5):43-46
介绍求和自回归移动平均模型ARIMA（P,d,q）的建模方法及SAS实现。将ARIMA模型应用于我国财政支出的分析与预测,结果表明ARIMA是一种短期预测精度较高的预测模型。 相似文献
18.
根据呼叫中心的话务量时间序列,对比研究了趋势外推法、平滑预测法与ARIMA模型法等话务量预测技术,并结合实际历史话务进行了相关验证,得出基于Holter-Winter非季节模型与ARIMA模型的预测方法可以对企业呼叫中心的话务进行较为准确的预测的结论． 相似文献