公共文化服务平台

搜索到133篇“ TGARCH模型“的相关文章

比特币与中国投资者情绪——基于TGARCH模型的分析: 2022年; 比特币价格作为一种投机性强的交易标的,其价格波动性难免会受到非理性因素如投资者情绪的影响。文章梳理了有关比特币属性和价值决定影响因素的文献研究,并将中国投资者情绪与比特币波动性联系起来,通过扩展性的TGARCH模型,得出中国市场的投资者情绪对比特币价格波动性具有显著影响的结论。; 陈俞桦; 关键词：价格波动性投资者情绪 TGARCH

基于VaR-TGARCH模型的中证5G通信主题指数实证分析: 2021年; 利用TGARCH模型和VaR理论方法,对中证5G通信主题指数的波动性进行研究。实证分析发现5G通信指数存在着“反杠杆”效应,即利好的信息对股票有着积极的影响;通过计算不同分布、不同置信水平的VaR风险值,并结合Kupiec准确性检验,结果显示在置信水平为95%时,基于t分布下的TGARCH模型拟合效果最优。; 张航黄芮郑继明; 关键词：TGARCH模型 VAR计算 T分布

TGARCH模型下欧式脆弱期权的定价研究: 随着金融行业的不断发展，因信用问题导致违约事情不断发生，如今已成为场外交易市场面临的巨大挑战。衍生品市场的交易对手主要是其他金融机构且存在于场外交易市场，由于是交易双方私下协定，监管无法完全覆盖且交易过程存在不对称性，因...; 史意; 关键词：TGARCH模型违约风险随机波动率

市场环境因素对猪肉价格及其波动的影响——基于 VAR 和 TGARCH 模型: 2020年; 猪肉作为一种生活必需品,传统经济理论认为其均衡价格单纯由供给与需求决定。以国内鲜猪批发价格为对象,运用VAR模型对其与几种主要的宏观指标、市场数据之间的关系进行实证分析。并运用TGARCH模型引入虚拟变量实证分析突发事件对猪肉价格波动的冲击效应以及不同板块之间的联动效应。; 张笑铖; 关键词：猪肉价格 VAR模型 TGARCH模型

基于TGARCH模型的电价波动性分析: 在电力市场中，电价的作用基础又重要，更是确保电力市场稳定运行的关键所在。随着电力体制改革的不断深化，中国电力市场的市场化程度逐步深入。研究电价问题并且了解电价的波动性，对中国市场参与者和系统运营商都意义重大，更有利于保障...; 王永茹; 关键词：电力市场电价波动时间序列

基于TGARCH模型的脆弱期权定价研究: 信用风险是主要的金融风险之一。它已成为当今世界金融市场所面临的重大挑战。对于我国金融市场来说，衍生品交易起步较晚，各类制度监管的缺乏、信息披露的不及时以及信用环境长期不良使得信用风险成为金融机构的重点防范对象。波动率可以...; 苏苗; 关键词：金融市场信用风险收益率波动性风险溢价

基于TGARCH模型的农村居民消费指数分析: 2017年; 近年来,保持农业发展平衡和提高农民收入,已成为中共中央发展中国经济的政策目标之一,而农村居民消费指数也直接影响金融市场的调整。通过寻找农村居民消费指数的时间序列数据,从对其波动性进行预测的角度出发,探索时间序列波动的异方差性质,以及时间序列对正信息和负信息的差异波动模式的条件,建立门限广义自回归条件异方差模型,预测农村居民消费指数,并对其进行验证。; 李明昕唐俊; 关键词：时间序列 TGARCH

基于常数和门限AR-TGARCH模型的CAViaR研究: 2017年; 本文对AR-TGARCH模型进行了改进,提出门限I-AR-TGARCH模型、门限II-AR-TGARCH模型以及常数-AR-TGARCH模型,常数-门限I-AR-TGARCH模型和常数-门限II-AR-TGARCH模型,并且对中国四个股票指数2006年到2014年的数据进行实证分析,研究结果表明门限II-AR-TGARCH模型,常数-门限I-AR-TARCH模型和常数-门限II-AR-TARCH模型均比AR-TGARCH模型要优越,且常数-门限II-AR-TGARCH模型是最好的,常数-门限系列模型均优于其相对应的门限系列模型,四个指数均受到滞后风险的影响,且中小板指数和深圳成指所受到的滞后风险较小,上证指数同深圳成指具有传导双向关联性,上证指数和深圳成指会对中小板指数产生影响,上证指数对台湾加权指数具有传导性,台湾加权指数对上证指数却没有因果传导关联性。; 简志宏彭伟

上证指数收益率日效应研究——基于虚变量的TGARCH模型: 收益率波动是股票市场的基本属性，其波动变化趋势在一定程度上预示着股市价格的发展走向，实证表明成熟的股市具有大小适中的波动性。收益率波动过大，使得股票价格不稳定，投资者难以做出决策。收益率序列通常具有以下四大特征:尖峰厚尾...; 郑智勇; 关键词：股票市场收益率波动 TGARCH模型周末效应

带厚尾噪声的TGARCH模型的估计及检验:一个统一的框架被引量：1: 2016年; 本文基于伪最大似然方法和t-标准化二次抽样(percentile-t subsample)bootstrap方法,研究了厚尾TGARCH(1,1)(threshold generalized autoregressive conditional heteroskedasticity(1,1))模型的估计和检验问题.此处,厚尾的含义是,TGARCH(1,1)模型噪声平方的分布位于指数为κ∈(1,2)的稳定分布的吸引场,即噪声不存在4阶矩.本文首先证明了,无论厚尾TGARCH(1,1)模型平稳与否,在一定正则性条件下,其ARCH(autoregressive conditional heteroskedasticity)和GARCH(generalized autoregressive conditional heteroskedasticity)系数的伪最大似然估计(QMLE)均具有相合性,其渐近分布位于指数为κ∈(1,2)的稳定分布的吸引场.然而,该模型位置参数的QMLE只有在平稳情形下才具有相合性.其次,基于上述渐近结果,本文结合t-标准化二次抽样bootstrap方法,给出了检验厚尾TGARCH(1,1)模型严平稳性和对称性的方法,克服了因QMLE的收敛速度和渐近分布依赖于未知尾指数而无法进行统计推断的困难,且该方法无论模型平稳与否均适用.最后,通过Monte Carlo随机试验考察了估计和检验方法的有限样本表现,并且基于本文的估计及检验方法对中国5年期国债期货收益率进行了实证分析.; 王辉

相关作者