文档介绍：沪深 300 指数收益率实证分析作者简介:苗苗( 1992- ) ,女,河北承德人,四川大学经济学院资产评估专业研究生,研究方向:企业价值评估。摘要:文章采用 ARMA 模型来描述沪深 300 指数收益率序列, GARCH (1,1) 模型用来拟合误差。文章对深 300 指数收益率序列分别建立误差分布为正态分布, GED 分布和 t 分布的 ARMA-GARCH (1,1)、 GARCH (1,1) 模型。实证结果表明:我国股票市场具有异方差性、尖峰厚尾的特征。文章讨论了 GARCH 类模型的参数估计方法和结构形式, 实证分析发现,基于 GED 分布和 t 分布的模型相比正态分布的模型有一定优越的表现。关键词: GARCH 模型; t 分布; GED ;分布一、前言随着时代的发展、技术的进步, 全球金融市场的变革导致金融市场的波动性日趋加剧。针对这种情况, 金融监管当局、金融机构近年来一直在不断强化市场风险的管理与监管。计量经济学领域中 GARCH 族模型的提出和发展为我们准确地度量金融风险提供了精确且科学的工具。越来越多国内许多学者开始研究我国证券市场回报的波动规律。本文以我国沪深 300 每分钟收益率作为研究的对象,分别建立了基于正态分布、 t 分布、 GED 分布的 ARMA (p,q) -GARCH (1,1) 模型及 GARCH (1,1) 模型。通过从理论到实证的系统地研究,增加了一些研究中国股市的波动性的实例,并为监管、防范和化解金融风险提供参考。二、文献综述陈守东( 2002 )的实证结果表明:在误差分布为 t 分布 GED 分布时, 计算得到的在险价值比正态分布效果要好,能更好地反映收益的风险特性。陈学华等( 2003 )基于 t 分布、 GED 分布情况下,用 GARCH 族模型估计股票收益的 VaR 值。实证结果表明: GDE 分布适合上证综指的描述。龚锐、陈仲常和杨栋锐等( 2005 )分别用基于正态分布、 GED 分布和 t 分布假设下的 GARCH 族模型, 对我国股票指数做实证结果表明: 当样本数据较少、风险极大, 又明显不符合正态分布时,用 GED 分布能更好地描述收益率的厚尾特性,计算结果更准确。 Curto 在 2009 年对美国、德国、葡萄牙的主要股票指数的日收益率的实证研究表明: 基于稳定的帕累托、学生 t 分布 GARCH 模型拟合的回报显然比正态分布更好。然而, 若样本的密度预测已知, 那么学生 t 分布优于正态分布和稳定帕累托分布。因此, 现有研究认为金融市场回报的波动具有显著的聚集性, 金融时间序列回报序列存在尖峰厚尾、异方差特点。 GARCH (1,1 )模型具有准确性, 实用性, 可以把股票市场中时间序列变量的潜在价值刻画得更加完善,更好地反应出收益率序列异方差的特点。研究表明 GARCH 模型在高频数据表现良好, 本文旨在研究比较基于不同分布的 GARCH 模型的预测的准确度, 所以采用沪深 300 指数每分钟收盘价格作为研究对象, 削弱个体风险导致的数据异常带来的干扰。选取时间跨度为 2013 年 12月 20日9点 31 分至 2014 年2月 28日 15 点。①本文采用如下收益率表示每分钟价格波动: rt=100* ( lnpt-lnpt-1 ) ,其中 pt 为t 分钟指数收盘价格, p