学位论文 > 优秀研究生学位论文题录展示

基于GARCH模型的A+H银行股风险分析

作　者: 霍明云
导　师: 王元月
学　校: 中国海洋大学
专　业: 金融学
关键词: A+H股 ARMA模型 GARCH模型 EGARCH模型风险水平
分类号: F832.51
类　型: 硕士论文
年　份: 2010年
下　载: 144次
引　用: 1次
阅　读: 论文下载

内容摘要

在世界性的金融危机面前,如何有效地管理市场风险已成为我国金融机构面临的重大挑战。因此,研究市场风险管理中最基础的环节——风险度量技术,对于我国金融市场的稳定以及各类金融机构的健康发展具有重要的意义。近年来,运用GARCH模型对我国股票市场进行研究是一种比较新的思路与方法,相关研究也大量涌现,本文则希望通过分析能够为我国股票市场的研究发展提供一些参考。本文选取了三支A+H股(既作为A股在上海证券交易所或深圳证券交易所上市又作为H股在香港联合交易所上市的股票)作为样本,第一个是先发行A股后发行H股的招商银行(600036.SH & 3968.HK),第二个是先发行H股再发行A股的中国银行(601988.SH & 3988.HK),第三个是A股和H股同步发行的工商银行(601988.SH & 3988.HK).运用时间序列分析方法分别为这三个银行A股和H股的日对数收益率进行ARMA类、GARCH类或EGARCH类模型的建模。通过对比其条件方差(或方差)序列,我们发现我国A+H股上市公司在银行板块中表现为H股的风险水平略大于A股的风险水平,而且H股上升趋势跟A股相比较为显著。本文分为六部分,结构安排如下：前言部分主要介绍了论文的选题背景,国内外研究现状、发展动态,论文的研究思路、结构、方法和技术路线。第一章介绍了A+H股概况,包括A+H股的概念,产生和发展,A+H股模式对我国股市的影响以及我国上市公司中银行板块的A+H股概况。第二章主要阐述了时间序列分析理论基础,包括基本概念和一般自回归模型、条件异方差模型等模型的介绍。第三章是模型的建立,对A+H股上市公司中最有代表性的三支银行股招商银行(600036.SH & 3968.HK)、中国银行(601988.SH & 3988.HK)、工商银行(601988.SH＆3988.HK)A股和H股的日对数收益率分别进行ARCH类、GARCH类或EGARCH类模型的建模。第四章分别对招商银行、中国银行和工商银行A+H股进行风险分析。第五章是结束语。本文主要采用了定性和定量相结合、规范分析和实证分析、理论研究与应用研究相结合等多种方法,采用计量经济学方法(如时间序列,自回归,条件异方差等),同时利用EVIEWS软件进行编程和计算。本文系统地归纳了金融风险度量技术,尤其是GARCH模型的发展。创新之处在于把GARCH模型应用于A+H商业银行股,为我国商业银行两地上市提供借鉴。不足之处是在模型的构建过程中出现了数据不全以及复杂的程序运行等问题。此外ARIMA模型和IGARCH (ARCH/GARCH)模型在拟和曲线和向前一步预测值上都存在一阶滞后问题。因此在运用模型进行预测上还有待进一步改进。

全文目录

摘要  5-7
Abstract  7-11
0 前言  11-21
  0.1 选题背景  11-13
  0.2 国内外研究现状、发展动态  13-17
    0.2.1 关于GARCH模型理论的研究现状和发展动态  13-17
    0.2.2 关于A+H股模式的研究发展状况  17
  0.3 研究思路、结构、方法和技术路线  17-20
    0.3.1 研究思路和结构  17-18
    0.3.2 研究方法、技术路线  18-20
  0.4 论文的创新与不足  20-21
    0.4.1 创新  20
    0.4.2 不足  20-21
1 A+H股概述  21-24
  1.1 A+H股的概念  21
  1.2 A+H股的产生和发展  21-22
  1.3 A+H股模式对我国股市的影响  22-23
    1.3.1 A+H股模式所带来的好处  22
    1.3.2 A+H股模式的隐患  22-23
  1.4 我国上市公司中银行板块的A+H股概况  23-24
2 时间序列分析理论基础  24-35
  2.1 时间序列分析和基本概念  24-26
    2.1.1 时间序列分析  24
    2.1.2 平稳性和白噪声  24-25
    2.1.3 自相关函数和偏相关函数  25-26
  2.2 一般自回归模型  26-29
    2.2.1 自回归模型  26
    2.2.2 移动平均模型  26-27
    2.2.3 自回归移动平均模型  27
    2.2.4 序列相关性检验方法  27-28
    2.2.5 模型阶数的确定——AIC信息准则  28-29
  2.3 条件异方差模型  29-35
    2.3.1 ARCH模型  29-30
    2.3.2 GARCH模型  30-32
    2.3.3 非对称的ARCH模型  32-35
3 A+H股上市公司日收益率的模型建立  35-78
  3.1 研究步骤和样本选取  35-36
    3.1.1 研究步骤  35
    3.1.2 样本的选取  35-36
  3.2 招商银行A+H股日收益率的模型建立  36-51
    3.2.1 招商银行A股日收益率的模型建立  36-44
    3.2.2 招商银行H股日收益率的模型建立  44-51
  3.3 中国银行A+H股日收益率的模型建立  51-65
    3.3.1 中国银行A股日收益率的模型建立  51-57
    3.3.2 中国银行H股日收益率的模型建立  57-65
  3.4 工商银行A+H股日收益率的模型建立  65-78
    3.4.1 工商银行A股日收益率的模型建立  65-71
    3.4.2 工商银行H股日收益率的模型建立  71-78
4 A+H股上市公司中银行板块的风险分析  78-83
  4.1 招商银行A+H股的风险分析  78-79
  4.2 中国银行A+H股的风险分析  79-80
  4.3 工商银行A+H股的风险分析  80-81
  4.4 我国A+H股上市公司中银行板块的风险分析  81-82
  4.5 小结  82-83
5 结束语  83-85
参考文献  85-88
附录  88-92
致谢  92-93
个人简历、在学期间发表的学术论文  93

基于GARCH模型的A+H银行股风险分析

内容摘要

全文目录

相似论文