第1页共13页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第1页共13页目录一、引言：.................................................3二、文献回顾：.............................................3三、模型理论与研究方法.....................................5四、对沪深两市收益率波动性的实证检验及结论：...............6（一）、数据描述：........................................6（二）、研究方法及理由：..................................6（三）、实证研究结果：...................................14参考文献：................................................16第2页共13页第1页共13页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第2页共13页我国沪深两市收益率波动性的对比分析摘要：金融市场的波动性不仅是投资者关注的焦点之一，而且也是被研究的热点之一。我国股市还比较年轻，股票市场价格常常会大幅波动。本文从研究我国沪深股市收益率波动性的角度出发,对比分析,判断上海与深圳两个股市是否会因为区域的不同导致市场存在差异性。应用GARCH族模型基于05年6月1日到08年4月25日每日之间的收盘价格指数得出结论：深市内部不确定性高于沪市，两市存在明显的杠杆效应。关键字：价格指数;收益率;GARCH;杠杆效应Abstract：Thevolatilityofthefinancemarketisnotonlyoneofthefocusesoftheinvestors,butalsooneimportantresearchpoint.ThispaperstudiedonshanghaicompositeindexandShenzhencomponentindex,andusedGARCH,TARCHandEGARCHmodelsrespectivelytosimulateandcomparethecharacteristicsofthevolatilityofstockmarketsdailyreturnratessimultaneously.TheresultshowsthatEGARCHcansimulatethevolatilityofthestockmarketsbetter.usetimeseriesanalysis,usetheclosingquotationdatafrom2005.6.1to2008.4.25,utilizethegroupofGARCHmatrix.Theconclusionis:Shenzhenstockmarketincertitudemuchhigherthanshanghaistockmarket,bothofthemhaveLeverageEffects.Keywords:priceindex;yield;GARCH;LeverageEffects一、引言：自2006年初，我国股市进入了一个大牛市，上证指数在06年——07年一年多的时间里涨幅近400点，由于股市的过度膨胀，越来越多的人投身股票，可是由于中国股市是一个新兴市场，有很多不完备性的客观原因，具有较大的波动性，因此在股市繁荣的背后隐藏着较大的风险性，在08年初的几个月里，股市出现了大幅震荡的局面，上证综合指数从07年年末的6000多点一路下滑至目前3600点附近，深圳成分指数也从19600点下跌至13000点附近。这使得原本人人赚钱的股市变得萧条，日交易量日益萎缩。由于中国的资本市场发展较晚,资本市场建设仍然存在许多不完善的地方,制度不健全,投资者非理性程度较高,投机炒作盛行,从而使中国股票市场比发达国家市场波动性更大,因此不论对于投资者还是对于金融机构,怎样能够准确地把握中国金融市场的风险显得尤为重要。由于历史原因,中国证券市场形成了上海和深圳两个市场,两市股指总体呈现联动的特点,但是由于2000年深市停发新股,上市公司的质地差第3页共13页第2页共13页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第3页共13页别等因素,两市出现了“沪强深弱”的特征,表现出一定的差异。对于一个经济体而言，能否掌握资本市场的波动性是风险控制的核心，本文基于此，从中国沪深两市收益波动性角度出发，对其进行比较分析，判断上海与深圳两个股市的波动性受否有所区别[1]。二、文献回顾：⑴在金融学有关研究和经验分析中,自回归条件异方差模型(AutoregressiveConditionalHeteroskedasticity,ARCH)专门用于波动性的建模和预测。最早的ARCH模型由Engle提出,认为扰动项的条件方差依赖于它前期值的大小。⑵Bollerslev把它扩展为广义自回归条件异方差(GARCH)模型。⑶Engle、Lilien和Robins则把条件方差引入均值方程中,提出了条件异方差均值模型(ARCH-M)。⑷为了克服GARCH模型在处理金融时间序列数据时的一些不足之处,Nelson提出了指数GARCH(EGARCH)模型,该模型考虑了...
