变结构门限GARCH模型与股市波动持续性研究

"这篇论文研究了多元变结构门限GARCH模型在金融市场中的应用，特别是对伪协同持续性现象的探讨。作者通过理论分析揭示了变结构GARCH模型与IGARCH模型之间的联系，并据此提出了波动持续性和伪持续性的概念。在实证研究部分，论文利用深圳和上海股市的日交易数据，证实了这两个市场的波动具有强烈的持续性，并且这种持续性在它们之间呈现出伪协同效应。" 在金融时间序列分析中，GARCH（Generalized Autoregressive Conditional Heteroskedasticity）模型是一种广泛应用的工具，用于捕捉资产价格波动的动态特征。GARCH模型通过考虑过去波动的影响来预测未来的波动，其中变结构GARCH模型允许波动率参数随时间变化，更适应市场环境的不稳定性。 论文首先探讨了变结构GARCH模型与IGARCH（Integrated GARCH）模型的关系。IGARCH模型是一种特殊的GARCH模型，其特点是波动率序列存在长期记忆性，即过去的异常波动会影响未来较长时间内的波动率。论文通过理论证明，揭示了这两种模型在波动持续性上的内在联系，这有助于理解金融市场中波动如何随着时间延续。 接下来，论文引入了“伪持续性”这一概念，它指的是即使没有实际的共同驱动因素，不同市场或资产间的波动也可能表现出类似持续性的假象。对于多元变结构门限GARCH模型，论文定义了“伪协同持续性”，即两个或多个市场的波动看似同步，但并非由共同的经济因素驱动，而是由于模型的结构特性导致的。 在实证研究部分，作者使用了深圳和上海股市的日交易数据进行分析。研究发现，两个市场的日收益率序列都显示出了显著的波动持续性，意味着今天的大波动往往预示着明天的高波动性。此外，尽管这两个市场可能在某些时候表现出波动同步，但这种同步并未由共同的经济基本面因素引起，而是可以归因于模型的伪协同持续性。 这篇研究对于金融市场分析和风险管理具有重要意义。理解波动的持续性和伪协同效应可以帮助投资者更好地预测市场的波动性，同时对政策制定者来说，了解这种现象可能有助于设计更有效的市场稳定策略。通过深入研究和应用变结构GARCH模型，可以进一步提高对金融市场动态的理解，特别是在复杂和不稳定的市场环境中。