garch股票市場相關性

❶ 如何用GARCH(1,1)求股票的具體波動率數據

以哈飛股份(600038)為例，運用GARCH（1,1）模型計算股票市場價值的波動率。

GARCH（1,1）模型為：

(1)

(2)

其中， 為回報系數， 為滯後系數， 和 均大於或等於0。

（1）式給出的均值方程是一個帶有誤差項的外生變數的函數。由於是以前面信息為基礎的一期向前預測方差，所以稱為條件均值方程。

（2）式給出的方程中： 為常數項， （ARCH項）為用均值方程的殘差平方的滯後項， （GARCH項）為上一期的預測方差。此方程又稱條件方差方程，說明時間序列條件方差的變化特徵。

通過以下六步進行求解：

本文選取哈飛股份2009年全年的股票日收盤價，採用Eviews 6.0的GARCH工具預測股票收益率波動率。具體計算過程如下：

第一步：計算日對數收益率並對樣本的日收益率進行基本統計分析，結果如圖1和圖2。

日收益率採用JP摩根集團的對數收益率概念，計算如下：

其中Si，Si-1分別為第i日和第i-1日股票收盤價。

圖1 日收益率的JB統計圖

對圖1日收益率的JB統計圖進行分析可知：

（1）標准正態分布的K值為3，而該股票的收益率曲線表現出微量峰度（Kurtosis=3.748926>3），分布的凸起程度大於正態分布，說明存在著較為明顯的「尖峰厚尾」形態；

（2）偏度值與0有一定的差別，序列分布有長的左拖尾，拒絕均值為零的原假設，不屬於正態分布的特徵；

（3）該股票的收益率的JB統計量大於5%的顯著性水平上的臨界值5.99，所以可以拒絕其收益分布正態的假設，並初步認定其收益分布呈現「厚尾」特徵。

以上分析證明，該股票收益率呈現出非正態的「尖峰厚尾」分布特徵，因此利用GARCH模型來對波動率進行擬合具有合理性。

第二步：檢驗收益序列平穩性

在進行時間序列分析之前，必須先確定其平穩性。從圖2日收益序列的路徑圖來看，有比較明顯的大的波動，可以大致判斷該序列是一個非平穩時間序列。這還需要嚴格的統計檢驗方法來驗證，目前流行也是最為普遍應用的檢驗方法是單位根檢驗，鑒於ADF有更好的性能，故本文採用ADF方法檢驗序列的平穩性。

從表1可以看出，檢驗t統計量的絕對值均大於1%、5％和10%標准下的臨界值的絕對值，因此，序列在1%的顯著水平下拒絕原假設，不存在單位根，是平穩序列，所以利用GARCH（1,1）模型進行檢驗是有效的。

圖2 日收益序列圖

表1ADF單位根檢驗結果

第三步：檢驗收益序列相關性

收益序列的自相關函數ACF和偏自相關函數PACF以及Ljung-Box-Pierce Q檢驗的結果如表3（滯後階數 =15）。從表4.3可以看出，在大部分時滯上，日收益率序列的自相關函數和偏自相關函數值都很小，均小於0.1，表明收益率序列並不具有自相關性，因此，不需要引入自相關性的描述部分。Ljung-Box-Pierce Q檢驗的結果也說明日收益率序列不存在明顯的序列相關性。

表2自相關檢驗結果

第四步：建立波動性模型

由於哈飛股份收益率序列為平穩序列，且不存在自相關，根據以上結論，建立如下日收益率方程：

(3)

(4)

第五步：對收益率殘差進行ARCH檢驗

平穩序列的條件方差可能是常數值，此時就不必建立GARCH模型。故在建模前應對收益率的殘差序列εt進行ARCH檢驗，考察其是否存在條件異方差，收益序列殘差ARCH檢驗結果如表3。可以發現，在滯後10階時，ARCH檢驗的伴隨概率小於顯著性水平0.05，拒絕原假設，殘差序列存在條件異方差。在條件異方差的理論中，滯後項太多的情況下，適宜採用GARCH（1,1）模型替代ARCH模型，這也說明了使用GARCH（1,1）模型的合理性。

表3日收益率殘差ARCH檢驗結果

第六步：估計GARCH模型參數，並檢驗

建立GARCH（1,1）模型，並得到參數估計和檢驗結果如表4。其中，RESID(-1)^2表示GARCH模型中的參數α，GARCH（-1）表示GARCH模型中的參數β，根據約束條件α+β<1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，滿足約束條件。同時模型中的AIC和SC值比較小，可以認為該模型較好地擬合了數據。

表4日收益率波動率的GARCH（1,1）模型的參數估計

❷ 目前中國股票市場價格波動與哪些指標相關性大

短線炒熱點
中線炒題材
長線炒位置

短線不抓熱點漲停無望
中線不辨題材漲幅難測
長線不明位置上下成空

無論短中長線都只有與政策導向相符合才能發揮最大的效力

❸ 如何計算兩個股票的相關系數(correlation）（急）

我不知道如何計算這種系數，抱歉！
我只想說，這樣的比較在實際操作中一點意義都沒有。很多大學的教學內容在股市的實際運用中完全是兩碼事。正因為如此，股神巴菲特退出了當年就讀的第一個商學院。

❹ 黃金投資收益和股票市場的收益正相關嗎

股票市場是經濟的晴雨表
股市向好，證明經濟形勢趨好，這樣資金就會流，那麼黃金是市場的避險保值需求會降低，金價就會受到打壓。反則反之。
這是兩者走勢上的負相關關系，收益方面沒有任何相關性，能不能掙，哪個能掙完全在於你怎麼做。

❺ 請問怎麼用EVIEWS實現DCC-GARCH模型想研究兩個金融市場之間的波動溢出效應，求大神~！高分！

EVIEWS只能實現正態分布、t分布、GED分布下的ARCH、GARCH、EGARCH、TGARCH、PARCH等模型的估計，但是像CCC-GARCH、DCC-GARCH等復合GARCH模型的估計EViews是無法實現的。要對這個進行估計的話簡單的辦法是利用OXmetrix軟體做，也可以用R和Matlab編程實現。

❻ GARCH模型測股票波動性需要什麼數據

你只需下載股票每日歷史價位就可以了。比方說你下載的是每日開盤價（用每日均價也是可以的），記為S1，S2， S3。。。然後，你需要把這些數字轉換成價格日變化率，即（S2-S1）/S1, (S3-S2)/S2,...等等，然後把這組變化率數據導入Eviews, 按下面鏈接頁面的步驟操作就可以，很容易的。
http://perso.fundp.ac.be/~mpetijea/MyEviews/Clips/clip17.html
加油。

❼ 股票價格波動相關性是金融風險嗎

股票在交易市場上作為交易對象，同商品一樣，有自己的市場行情和市場價格。
由於股票價格要受到諸如公司經營狀況、供求關系、銀行預期年化利率、大眾心理等多種因素的影響，其波動有很大的不確定性。正是這種不確定性，有可能使股票投資者遭受損失。
價格波動的不確定性越大，投資風險也越大。因此，股票是一種高風險的金融產品。
例如，稱雄於世界計算機產業的國際商用機器公司（ibm），當其業績不凡時，每股價格曾高達170美元，但在其地位遭到挑戰，出現經營失策而招致虧損時，股價又下跌到40美元。
如果不合時機地在高價位買進該股，就會導致嚴重損失。
關於股票價格波動建議長期關注雲財經數據中心 。

❽ 股票市場相關性包含哪些內容

從總體相關性來看，股票市場和債券市場存在蹺蹺板效應，但是，這種效應在不同時期表現不一致。我們發現，在不同期間，股票價格波動和債券價格波動時而同向變化，時而反向變化。在2002年初到2004年底期間，股票價格波動與債券價格波動基本呈現出同向的變化趨勢；但是從2005年開始，兩者表現出非常明顯的反向變化。在前一個階段，兩者的相關系數為0.92，在後一個階段兩者的相關系數是-0.63。因此，股市和債市在2002年到2004年的3年時間里表現出強烈的協同效應；而在2005年初到2009年9月這將近5年時間里，表現出較強烈的蹺蹺板效應。對這種差別一種可能的解釋是，在前一段時期中，股市波動性相對不劇烈.計算得到，2002年到2004年期間，上證指數的波動標准差是20.9，只有全樣本波動性的三分之一。這種股票市場的較低波動性不足以引起投資者的股票和債券的資產組合發生大規模的變化。而這種協同效應主要由影響股市和債市的共同因素所致，比如利率的變化和經濟增長率的變化，這兩者的變化通常會帶來股市和債市的協同波動。因為股票和債券一樣都是資產，資產的價格通常同其收益率呈正比，與其貼現率成反比。經濟增長使得股票和債券的收益率都上升，市場利率的提高使得股票和債券的貼現率同時上升。為了更加詳細的分析兩者之間的關系，我們將股市的大起大落的階段作為參考期。顯示了在股市大漲大跌時期，債券市場價格的漲跌狀況。我們發現，除了2002年7月至2003年1月這段股市下跌時期中，債券市場出現同方向的下跌趨勢外，其它5個股市大波動時期，債券市場都表現出與股市變化相反的變動趨勢。在同向變化的這個時期，股價的漲跌幅最小。這組數據支持了股市與債市之間的「蹺蹺板效應」。表3的數據中表現出一個明顯的特徵是，股市漲跌幅越大，債市相反方向的漲跌幅也越大；並且，股市下跌時債市漲幅更加明顯。前一個特徵表現出投資者在資產組合選擇中對於風險的敏感性較高。後一個特徵主要是由於股市通常上漲較慢，而下跌較快。因此，在股市上漲時期，債市資金總是通過緩慢的方式撤離；而一旦股市出現大跌，投資者為了避免損失，會快速從股市撤出資金，大量資金從股市流入債市帶來的債券需求的突然增長，通常會較快的拉高債券價格。