基于异质自回归模型的中国股票市场波动测度研究的开题报告.docx

基于异质自回归模型的中国股票市场波动测度研究的开题报告
一、研究背景与意义
随着全球金融市场的日益繁荣和国际化，中国股票市场作为世界主要股票市场之一，其波动情况对全球金融市场具有重要的影响。因此，对于中国股票市场的波动情况进行科学、准确的测度，对于金融市场的风险管理和投资决策具有重要的意义。
传统的波动测度方法主要是基于GARCH类模型，其主要特点是假设波动率是随时间变化的，一般采用日度数据，预测时间范围为较短期。但是，由于股票市场存在异方差性和自相关性等特点，GARCH类模型在捕捉市场波动过程中存在着局限性。
为了克服GARCH类模型的缺陷，近年来，学者们开始采用异质自回归模型来捕捉股市波动的特征。在该模型中，波动率被看作是一个随机过程，并与其他市场变量共同演化。此外，该模型还考虑了不同证券之间的交互影响，并将异方差性和自相关性结合到了一起，可以用于更有效地捕捉波动率。
二、研究内容与方法
本文研究旨在基于异质自回归模型，对中国股票市场的波动进行测度。主要包括以下两个方面：
1.对中国股票市场的日度数据进行收集和整理，选取代表性股票进行分析。具体包括：上证指数和深证成指的收盘价、开盘价、收益率和交易量等数据。
2.应用异质自回归模型对中国股票市场的波动进行测度，具体步骤如下：
(1)首先，采用ADF检验等方法对收益率序列进行平稳性检验，确定模型的阶数和参数。
(2)然后，采用G-ARCH和E-GARCH模型对异方差性建模，并分析模型的参数和残差序列的性质。
(3)最后，采用VAR模型对波动率和市场变量之间的关系进行分析，并进行预测和敏感性分析。
三、研究预期与创新点
1.通过应用异质自回归模型对中国股票市场的波动进行测度，可以更全面、准确地揭示波动率与市场变量之间的关系。
2.本研究考虑了市场中不同证券之间的交互影响，可以更好地反映市场风险的整体特征。
3.本研究采用了中国股票市场的日度数据，可以在更短的时间内进行波动测度，对于及时了解市场风险和调整投资策略具有重要意义。
四、研究计划与进度安排
本文计划在以下时间节点内完成：
第一阶段（1周）：查阅相关文献，研究异质自回归模型等经济学方法。
第二阶段（2周）：数据的收集和整理，包括中国股票市场的日度交易数据，详细记录证券的个别情况。
第三阶段（2周）：使用Python或R语言进行数据处理和分析。
第四阶段（2周）：利用Eviews或Stata等软件建立异质自回归模型，并对模型进行检验和评估。
第五阶段（1周）：总结分析结果，撰写研究报告。
五、参考文献
1.刘畅，陈攀，2007，异质自回归模型在中国股市波动性预测中的应用，科学技术与经济，第25卷，第5期：28-31。
2.李兆基，任益芝，1999，异方差自回归GARCH模型在中国股市日收益率预测中的应用，中国金融期货，第13卷，第8期：20-24。
3.黄景艳，王朝明，2014，异质自回归模型在中国股市股票波动性测度中的应用，金融经济学研究，第3卷，第9期：96-102。