中国股票garch

1. 急求怎样看股票日波动率，已经用eviews跑了一遍GARCH（1.1） 但是看不懂结果

这个结果已经有了，剩余的需要你补充理论知识，这就不是一两句话的问题了，而是几个月的踏实学习

2. 两个股市的数据用garch(1,1)模型大概步骤是怎么样的啊，在线等！急求！！！

你急什么？数据有什么用？你不懂股？

3. 如何用GARCH(1,1)求股票的具体波动率数据

以哈飞股份(600038)为例，运用GARCH（1,1）模型计算股票市场价值的波动率。

GARCH（1,1）模型为：

(1)

(2)

其中， 为回报系数， 为滞后系数， 和 均大于或等于0。

（1）式给出的均值方程是一个带有误差项的外生变量的函数。由于是以前面信息为基础的一期向前预测方差，所以称为条件均值方程。

（2）式给出的方程中： 为常数项， （ARCH项）为用均值方程的残差平方的滞后项， （GARCH项）为上一期的预测方差。此方程又称条件方差方程，说明时间序列条件方差的变化特征。

通过以下六步进行求解：

本文选取哈飞股份2009年全年的股票日收盘价，采用Eviews 6.0的GARCH工具预测股票收益率波动率。具体计算过程如下：

第一步：计算日对数收益率并对样本的日收益率进行基本统计分析，结果如图1和图2。

日收益率采用JP摩根集团的对数收益率概念，计算如下：

其中Si，Si-1分别为第i日和第i-1日股票收盘价。

图1 日收益率的JB统计图

对图1日收益率的JB统计图进行分析可知：

（1）标准正态分布的K值为3，而该股票的收益率曲线表现出微量峰度（Kurtosis=3.748926>3），分布的凸起程度大于正态分布，说明存在着较为明显的“尖峰厚尾”形态；

（2）偏度值与0有一定的差别，序列分布有长的左拖尾，拒绝均值为零的原假设，不属于正态分布的特征；

（3）该股票的收益率的JB统计量大于5%的显著性水平上的临界值5.99，所以可以拒绝其收益分布正态的假设，并初步认定其收益分布呈现“厚尾”特征。

以上分析证明，该股票收益率呈现出非正态的“尖峰厚尾”分布特征，因此利用GARCH模型来对波动率进行拟合具有合理性。

第二步：检验收益序列平稳性

在进行时间序列分析之前，必须先确定其平稳性。从图2日收益序列的路径图来看，有比较明显的大的波动，可以大致判断该序列是一个非平稳时间序列。这还需要严格的统计检验方法来验证，目前流行也是最为普遍应用的检验方法是单位根检验，鉴于ADF有更好的性能，故本文采用ADF方法检验序列的平稳性。

从表1可以看出，检验t统计量的绝对值均大于1%、5％和10%标准下的临界值的绝对值，因此，序列在1%的显著水平下拒绝原假设，不存在单位根，是平稳序列，所以利用GARCH（1,1）模型进行检验是有效的。

图2 日收益序列图

表1ADF单位根检验结果

第三步：检验收益序列相关性

收益序列的自相关函数ACF和偏自相关函数PACF以及Ljung-Box-Pierce Q检验的结果如表3（滞后阶数 =15）。从表4.3可以看出，在大部分时滞上，日收益率序列的自相关函数和偏自相关函数值都很小，均小于0.1，表明收益率序列并不具有自相关性，因此，不需要引入自相关性的描述部分。Ljung-Box-Pierce Q检验的结果也说明日收益率序列不存在明显的序列相关性。

表2自相关检验结果

第四步：建立波动性模型

由于哈飞股份收益率序列为平稳序列，且不存在自相关，根据以上结论，建立如下日收益率方程：

(3)

(4)

第五步：对收益率残差进行ARCH检验

平稳序列的条件方差可能是常数值，此时就不必建立GARCH模型。故在建模前应对收益率的残差序列εt进行ARCH检验，考察其是否存在条件异方差，收益序列残差ARCH检验结果如表3。可以发现，在滞后10阶时，ARCH检验的伴随概率小于显著性水平0.05，拒绝原假设，残差序列存在条件异方差。在条件异方差的理论中，滞后项太多的情况下，适宜采用GARCH（1,1）模型替代ARCH模型，这也说明了使用GARCH（1,1）模型的合理性。

表3日收益率残差ARCH检验结果

第六步：估计GARCH模型参数，并检验

建立GARCH（1,1）模型，并得到参数估计和检验结果如表4。其中，RESID(-1)^2表示GARCH模型中的参数α，GARCH（-1）表示GARCH模型中的参数β，根据约束条件α+β<1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，满足约束条件。同时模型中的AIC和SC值比较小，可以认为该模型较好地拟合了数据。

表4日收益率波动率的GARCH（1,1）模型的参数估计

4. 中国股市的波动率是越低越好吗

股市波动率持续下降，从一定程度上反映出中国股市的投机氛围进一步下降，市场泡沫获得较好的挤压，这利于市场运行走势逐渐回归理性。
但，从另一方面分析，在股市波动率持续下降的同时，实际上也预示着股市投资活力骤降，市场持续性赚钱效应持续低迷，而股市依旧维系以存量资金作为主导的局面。
需要注意的是，一方面是股市投资活力的骤降，市场投资吸引力的持续下降；另一方面则是股市融资依旧维系较高的水平，而在一周一批次IPO发行新常态的环境下，市场较弱的投资活力不足以支撑高居不下的融资规模。
由此可见，过高或过低的股市波动率，并非完全是一件好事。对于一个健康的股票市场，融资固然重要，但在融资功能得以发挥之际，更需要市场环境的持续配合，而适度活跃的股市波动率与股市赚钱效应，更利于市场投资与融资功能的均衡发展，同时也利于提升股市的投资吸引力与股市的投资回报率。
多年来，中国股市投资与融资功能长期处于失衡的发展状态，这也是股市投资吸引力迟迟得不到本质上提升的主要原因。与此同时，对于市场的定位问题，也或多或少加剧了市场的融资压力，股市投资功能长期未能够获得本质上的提升。由此可见，实现股市投资与融资功能的均衡发展颇显关键，而过高或过低的股市波动率，对市场来说也并非好事，而维系适度的股市投资活力，实现股市的自我调节功能，依旧是未来股市治市的关键所在。

5. 在国内的金融投资实务中，经典的ARCH，GARCH模型用的多吗

经典的ARCH和GARCH模型是在ARMA、ARIMA模型基础上的修正。在传统的ARMA、ARIMA模型中，干扰项的方差被设定为常数。但在实际的很多情况下，该假设并不成立，金融时间序列的波动率呈现出聚集性的特征，这时若再假设方差为常数便显得不那么合适了。

自1982年ARCH模型提出以来，其研究和应用一直没有间断，人们力图通过该模型及其拓展模型，例如GARCH，来解释和预测市场。经典的ARCH，GARCH模型最重要的应用是其能够较为准确地模拟时间序列波动性的变化，这样投资者便能更好地把握风险。当然，其应用也主要集中在与波动性有关的领域，例如：在险价值研究、政策研究、理论命题检验、季节性分析、结合分整研究的长记忆模型研究等。除此之外，ARCH，GARCH模型对期货交易制度设计、风险控制制度设计和投资组合风险管理策略研究等也提供一个更为广阔的研究空间。

6. garch模型能预测股票价格波动率吗

我认为不大可能

7. 如何用garch模型 预测出今后一个月的股票价格啊

模型在中国不行，国外的可以但也并不稳定，主要都是操盘手作怪

8. GARCH模型测股票波动性需要什么数据

你只需下载股票每日历史价位就可以了。比方说你下载的是每日开盘价（用每日均价也是可以的），记为S1，S2， S3。。。然后，你需要把这些数字转换成价格日变化率，即（S2-S1）/S1, (S3-S2)/S2,...等等，然后把这组变化率数据导入Eviews, 按下面链接页面的步骤操作就可以，很容易的。
http://perso.fundp.ac.be/~mpetijea/MyEviews/Clips/clip17.html
加油。