基于GARCH模型与VAR模型的我国股市实证分析的综述报告.docx

基于GARCH模型与VAR模型的我国股市实证分析的综述报告
股市是经济中最为重要的组成部分之一，其波动对经济的影响十分显著。为了更好地理解股市的波动，并预测其未来走势，许多学者运用不同的模型进行研究。本文将综述基于GARCH模型与VAR模型的我国股市实证分析的研究进展。
一、GARCH模型
GARCH模型是Volatility（波动率）的自回归条件异方差（AutoregressiveConditionalHeteroscedasticity，ARCH）模型的一种拓展。GARCH模型能够有效地捕捉金融时间序列中的波动率聚集现象，广泛应用于股票市场中。
之前的研究表明，股市的波动率是不稳定的，因此许多学者采用GARCH模型对其进行研究。例如，黄颖（2016）研究表明，在股票价格变动与波动率之间，GARCH模型更能够准确地呈现其变化规律。同时，在考虑宏观经济因素时，GARCH（1,1）模型也能有效预测股票市场的未来动向（朱超，刘卫东，陈仁青，2013）。
二、VAR模型
向量自回归模型（VectorAutoregressionModel，VAR）是一种用来描述多个变量之间的关系的方法。该方法适用于不同经济变量之间的联动效应，是股市波动分析中常用的方法之一。
使用VAR模型进行分析的研究表明，中国股票市场存在显著的内部和外部因素的影响。例如，齐彦丽（2016）研究表明，中国股票市场的形成主要是受到国内实体经济、外部主要经济体市场及其它关键国际市场的影响；同样，潘明华（2016）发现，进出口贸易、基准利率等宏观经济变量对于股票市场的影响非常显著。
三、综合应用GARCH模型和VAR模型
实际上，GARCH模型和VAR模型都有其适用范围和局限性，因此一些学者将二者相结合，进行预测与分析。例如，钱涛（2016）研究表明，VAR模型能够反映宏观经济变量对股票市场的影响趋势，而GARCH模型能够更好地反映股票市场的波动率特征，两者结合使用，能够提高预测效果和分析能力。
综上所述，基于GARCH模型与VAR模型的我国股市实证分析及其研究进展表明，二者分别在不同的方面发挥了作用，并且相结合能够更加准确地反映股市波动的特征和影响因素，预测股市的未来动向和走势。