论文部分内容阅读
本论文是在导师王斌会教授的广东省自然科学基金项目《统计预测方法的算法研究及计算机实现》(课题编号：04010490)的基础上进行的对多变量GARCH模型的研究。 近二十多年来，时间序列计量模型得到很大的发展，在国外被广泛运用于各个领域，特别是在债券、股票等有价证券市场，为市场营运者和风险管理人员的预测和决策提供了非常有价值的信息，成为研究者和金融市场分析家不可或缺的工具。当前，用于研究金融市场收益率波动最为常用的是GARCH族模型。然而，随着经济发展的全球化，各国金融市场间的联系越来越密切，研究各地区金融市场之间的相互关系变得十分必要。为了研究多个金融市场的相互关系，就需要将单变量GARCH模型扩展成多变量GARCH模型。常用的多变量GARCH模型主要有VECH模型、对角VECH模型、BEKK模型、CCC模型等，但它们普遍存在待估参数过多、计算过于复杂、经济意义不明确等缺点，而Engle(2001)提出的动态条件相关多变量GARCH模型(DCC—MVGARCH)就很好地弥补了这些缺陷。目前，在我国对多变量GARCH模型算法研究、软件实现方面都没有形成较完整的体系，对于DCC—MVGARCH模型的算法、程序实现及其在金融市场中的应用方面也没有进行综合的研究。 基于上述原因，本论文首先对过去几种常用的多变量GARCH模型进行综述和计算方法研究，引入Engle提出的DCC-MVGARCH模型，并对它进行算法研究和MATLAB程序实现；然后用DCC—MVGARCH模型做实证研究，分析不同地区股票市场间和同一地区不同股票市场间的波动相关性变化，进而了解各市场的波动变化与波动关系；由于波动的变化会影响到投资组合的风险，而市场间的相关性变化则会影响到避险策略，因此，论文还比较了在不同时期、不同政策信息影响下，由动态相关系数DCC和常相关系数CCC所估算出的VaR值的大小。