為了反映資產(chǎn)組合風(fēng)險(xiǎn)在不同狀態(tài)下對(duì)收益率的影響,從動(dòng)態(tài)的角度提出基于馬爾科夫狀態(tài)轉(zhuǎn)換下的高階矩CAPM-GARCH模型,即高階矩CAPM-MSGARCH模型。以上證180指數(shù)樣本股的10支不同行業(yè)的股票為研究對(duì)象,實(shí)證分析結(jié)果表明:高階矩系統(tǒng)風(fēng)險(xiǎn)對(duì)資本資產(chǎn)定價(jià)有顯著的影響,并且高階矩CAPM-MSGARCH模型能夠較好地刻畫風(fēng)險(xiǎn)的時(shí)變特征,顯著優(yōu)于傳統(tǒng)的高階矩CAPM-GARCH模型。 

【文章來(lái)源】：重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2020,34(06)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

上證180指數(shù)的超額收益率圖

科夫狀態(tài)轉(zhuǎn)換模型中的狀態(tài)變量不能直接觀察到，但可以通過(guò)信息集推論任意t時(shí)刻狀態(tài)的概率，基于全部觀測(cè)值得到的概率為平滑概率。本文以上海機(jī)場(chǎng)股票為例，分別繪出股票低、高狀態(tài)的平滑概率。平滑概率刻畫了狀態(tài)間的動(dòng)態(tài)轉(zhuǎn)換和跳躍變化情況，通過(guò)圖2、圖3可以看出狀態(tài)之間存在頻繁非連續(xù)的轉(zhuǎn)換，反映了方差方程中ω0、α1、β1發(fā)生轉(zhuǎn)換的時(shí)間和力度。2．5模型的比較分析為了體現(xiàn)高階矩CAPM-MSGAＲCH模型的優(yōu)越性，使之與高階矩CAPM-GAＲCH模型進(jìn)行比較分析。圖2低狀態(tài)的平滑概率圖3高狀態(tài)的平滑概率模型的方差方程中α1+β1度量了序列波動(dòng)持久性，其越接近于1，表明整個(gè)序列的波動(dòng)性會(huì)越大。高階矩CAPM-GAＲCH模型方差方程的參數(shù)估計(jì)結(jié)果如表6所示。表6高階矩CAPM-GAＲCH模型方差方程參數(shù)α1、β1估計(jì)結(jié)果股票上海機(jī)場(chǎng)貴州茅臺(tái)三江購(gòu)物農(nóng)業(yè)銀行中國(guó)石化金地集團(tuán)海通證券航發(fā)動(dòng)力中國(guó)衛(wèi)星張江高科α10．0910．0780．1800．1820．1300．1290．0720．0780．1450．111β10．9080．8960．8020．7980．8700．8250．9270．9010．8380．888段靜靜，等:基于馬爾科夫狀態(tài)轉(zhuǎn)換下的高階矩CAPM-GAＲCH模型的實(shí)證研究922??????????????????????????????????????????????

?611．762．693．012．495．293．132．623．9233．33注:Dur1、Dur2分別表示低波動(dòng)狀態(tài)和高波動(dòng)狀態(tài)的持續(xù)時(shí)間由表5可見(jiàn)，各股票低波動(dòng)狀態(tài)持續(xù)時(shí)間均大于高波動(dòng)狀態(tài)持續(xù)時(shí)間，表明低波動(dòng)狀態(tài)相對(duì)比較穩(wěn)定，持續(xù)的時(shí)間相對(duì)久一些。馬爾科夫狀態(tài)轉(zhuǎn)換模型中的狀態(tài)變量不能直接觀察到，但可以通過(guò)信息集推論任意t時(shí)刻狀態(tài)的概率，基于全部觀測(cè)值得到的概率為平滑概率。本文以上海機(jī)場(chǎng)股票為例，分別繪出股票低、高狀態(tài)的平滑概率。平滑概率刻畫了狀態(tài)間的動(dòng)態(tài)轉(zhuǎn)換和跳躍變化情況，通過(guò)圖2、圖3可以看出狀態(tài)之間存在頻繁非連續(xù)的轉(zhuǎn)換，反映了方差方程中ω0、α1、β1發(fā)生轉(zhuǎn)換的時(shí)間和力度。2．5模型的比較分析為了體現(xiàn)高階矩CAPM-MSGAＲCH模型的優(yōu)越性，使之與高階矩CAPM-GAＲCH模型進(jìn)行比較分析。圖2低狀態(tài)的平滑概率圖3高狀態(tài)的平滑概率模型的方差方程中α1+β1度量了序列波動(dòng)持久性，其越接近于1，表明整個(gè)序列的波動(dòng)性會(huì)越大。高階矩CAPM-GAＲCH模型方差方程的參數(shù)估計(jì)結(jié)果如表6所示。表6高階矩CAPM-GAＲCH模型方差方程參數(shù)α1、β1估計(jì)結(jié)果股票上海機(jī)場(chǎng)貴州茅臺(tái)三江購(gòu)物農(nóng)業(yè)銀行中國(guó)石化金地集團(tuán)海通證券航發(fā)動(dòng)力中國(guó)衛(wèi)星張江高科α10．0910．0780．1800．1820．1300．1290．0720．0780．1450．111β10．9080．8960．8020．7980．8700．8250．9270．9010．8380．888段靜靜，等:基于馬爾科夫狀態(tài)轉(zhuǎn)換下的高階矩CAPM-GAＲCH模型的實(shí)證研究922??????????????????????????????????????????????

【參考文獻(xiàn)】：
期刊論文
[1]時(shí)變資本資產(chǎn)定價(jià)狀態(tài)空間模型的構(gòu)建及實(shí)證[J]. 郭志鋼,楊詩(shī)惠,唐元琦,李建平.  統(tǒng)計(jì)與決策. 2017(10)
[2]傳統(tǒng)能源及碳交易價(jià)格與新能源股價(jià)——基于VAR和CAPM-GARCH模型的分析[J]. 秦天程.  技術(shù)經(jīng)濟(jì)與管理研究. 2014(12)
[3]基于馬爾可夫狀態(tài)轉(zhuǎn)換模型的滬深股市波動(dòng)率的估計(jì)[J]. 楊繼平,張春會(huì).  中國(guó)管理科學(xué). 2013(02)
[4]基于小波多分辨分析的高階矩CAPM[J]. 許啟發(fā),王艷明.  統(tǒng)計(jì)研究. 2007(04)
[5]高階矩CAPM模型的建立及實(shí)證分析[J]. 王永舵,王建華,魏平.  統(tǒng)計(jì)與決策. 2005(04)

碩士論文
[1]探究我國(guó)股市高階矩和橫截面收益率之間的關(guān)系[D]. 張婷.西南財(cái)經(jīng)大學(xué) 2016
[2]廣義CAPM-GARCH模型的構(gòu)建及其應(yīng)用[D]. 張?jiān)?南京理工大學(xué) 2013
[3]具有馬爾可夫結(jié)構(gòu)轉(zhuǎn)換機(jī)制的波動(dòng)模型及其應(yīng)用[D]. 郭名媛.天津大學(xué) 2003



本文編號(hào)：3443673