基于主成分聚類及GARCH模型族的深股金融特征分析.pdf

1、隨著我國證券交易的日益成熟，人們對于股票的關(guān)注度也日益提升。關(guān)于股市的方方面面都吸引著人們的關(guān)注。例如，對于股票的選擇及股票價格的走向。聚類分析作為一種數(shù)據(jù)處理方法，因其簡便容易理解的特點得到了廣泛關(guān)注。它能夠幫助投資者在數(shù)量龐大、種類繁多的數(shù)據(jù)信息里篩選出對自己有價值的數(shù)據(jù)，并選擇出最適合的方法來進(jìn)行處理。GARCH模型是人們常用的描述股市波動率的模型。Engle于1982年給出了自回歸條件異方差(ARCH)模型。到目前，ARCH模型

2、已經(jīng)成為應(yīng)用最廣泛的模擬金融收益序列的模型。雖然ARCH模型可以刻畫出金融收益序列分布的一些特征，但也有一定的局限性。一方面，q較大時，ARCH模型的條件方差與開始的方差具有相關(guān)性，易使得誤差較大;另一方面，ARCH模型要求參數(shù)為正，以保證方差大于零，但在實際應(yīng)用中，往往會遇到參數(shù)為負(fù)值的情況。據(jù)此，Bollerslev提出了廣義自回歸模型(GARCH模型)。而后，又有人逐漸提出了EGARCH、GARCH-M等模型。
　　本文第一

3、章對聚類分析做出了闡述，并簡單介紹了主成分分析的方法。第二章介紹了波動率模型的相關(guān)概念。第三章為實證分析，首先利用GARCH模型族對深證綜合指數(shù)的收益率波動進(jìn)行了實證研究，所用軟件為eviews，得到EGARCH(1，1)模型比GARCH(1，1)模型及GARCH(1，1)-M模型能更好的擬合深證綜合指數(shù)收益率波動的結(jié)論。隨后，又令EGARCH(p，q)的參數(shù)發(fā)生變化，得到EGARCH(1，3)模擬更優(yōu)。另外，還利用SPSS軟件，對于隨