中國股票garch

1. 急求怎樣看股票日波動率，已經用eviews跑了一遍GARCH（1.1） 但是看不懂結果

這個結果已經有了，剩餘的需要你補充理論知識，這就不是一兩句話的問題了，而是幾個月的踏實學習

2. 兩個股市的數據用garch(1,1)模型大概步驟是怎麼樣的啊，在線等！急求！！！

你急什麼？數據有什麼用？你不懂股？

3. 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

4. 中國股市的波動率是越低越好嗎

股市波動率持續下降，從一定程度上反映出中國股市的投機氛圍進一步下降，市場泡沫獲得較好的擠壓，這利於市場運行走勢逐漸回歸理性。
但，從另一方面分析，在股市波動率持續下降的同時，實際上也預示著股市投資活力驟降，市場持續性賺錢效應持續低迷，而股市依舊維系以存量資金作為主導的局面。
需要注意的是，一方面是股市投資活力的驟降，市場投資吸引力的持續下降；另一方面則是股市融資依舊維系較高的水平，而在一周一批次IPO發行新常態的環境下，市場較弱的投資活力不足以支撐高居不下的融資規模。
由此可見，過高或過低的股市波動率，並非完全是一件好事。對於一個健康的股票市場，融資固然重要，但在融資功能得以發揮之際，更需要市場環境的持續配合，而適度活躍的股市波動率與股市賺錢效應，更利於市場投資與融資功能的均衡發展，同時也利於提升股市的投資吸引力與股市的投資回報率。
多年來，中國股市投資與融資功能長期處於失衡的發展狀態，這也是股市投資吸引力遲遲得不到本質上提升的主要原因。與此同時，對於市場的定位問題，也或多或少加劇了市場的融資壓力，股市投資功能長期未能夠獲得本質上的提升。由此可見，實現股市投資與融資功能的均衡發展頗顯關鍵，而過高或過低的股市波動率，對市場來說也並非好事，而維系適度的股市投資活力，實現股市的自我調節功能，依舊是未來股市治市的關鍵所在。

5. 在國內的金融投資實務中，經典的ARCH，GARCH模型用的多嗎

經典的ARCH和GARCH模型是在ARMA、ARIMA模型基礎上的修正。在傳統的ARMA、ARIMA模型中，干擾項的方差被設定為常數。但在實際的很多情況下，該假設並不成立，金融時間序列的波動率呈現出聚集性的特徵，這時若再假設方差為常數便顯得不那麼合適了。

自1982年ARCH模型提出以來，其研究和應用一直沒有間斷，人們力圖通過該模型及其拓展模型，例如GARCH，來解釋和預測市場。經典的ARCH，GARCH模型最重要的應用是其能夠較為准確地模擬時間序列波動性的變化，這樣投資者便能更好地把握風險。當然，其應用也主要集中在與波動性有關的領域，例如：在險價值研究、政策研究、理論命題檢驗、季節性分析、結合分整研究的長記憶模型研究等。除此之外，ARCH，GARCH模型對期貨交易制度設計、風險控制制度設計和投資組合風險管理策略研究等也提供一個更為廣闊的研究空間。

6. garch模型能預測股票價格波動率嗎

我認為不大可能

7. 如何用garch模型 預測出今後一個月的股票價格啊

模型在中國不行，國外的可以但也並不穩定，主要都是操盤手作怪

8. 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。