论文部分内容阅读
2010年4月16日，我国沪深300股指期货正式上市。在此之前，对于股票市场的系统性风险投资者是无法回避的，而股指期货可以有效地避免系统性风险，准确地分析期货价格波动特征是识别期货市场风险和促进我国期货市场健康运行的基础。本文基于GARCH族模型从一元到多元的发展过程，给出了一元GARCH模型的参数极大似然估计法。首先，论文在传统的GARCH族模型基础上引进了状态变量，建立了马尔科夫状态转换非对称GARCH模型，以具体刻画非平稳序列的非线性特征，并提高GARCH族模型参数估计的准确性，通过分析沪深300股指期货的日收盘价对数收益率序列和股指期货的主要统计特征，发现其日收盘价对数收益率更适合使用t分布进行拟合且其波动存在非对称性。在此基础上，论文对马尔可夫状态转换GARCH模型提出了基于t分布的MS-EGARCH模型和MS-TGARCH模型，以研究股指期货对数收益率序列的分布特征，并对股指期货的收益率进行预测和风险评估。其次，本文对GARCH模型、TGARCH(1,1)模型及EGARCH(1,1)模型进行参数估计，通过对各模型的参数估计结果和不同模型的拟合效果进行比较，表明中国股指期货收益率序列具有明显的非对称性。在此基础上，建立了马尔科夫转换非对称GARCH模型，即MS-TGARCH和MS-EGARCH模型，并且将市场波动分为高、低波动状态。参数估计结果表明，相对于低波动状态，高波动状态的平均持续期较短。实证分析表明，MS-GARCH族模型在拟合效果上优于传统的GARCH族模型，能更好的描述股指期货的波动特征。