论文基于沪深300指数的发现与波动性是关于对写作发现论文范文与课题研究的大学硕士、相关本科毕业论文发现论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
[摘 要] 股指期货功能的发挥建立在股指期货与现货市场形成有效互动、引导关系的基础上.本文对股指期货与现货间的传导关系进行实证分析,通过研究,发现股指期货和现货市场存在着长期稳定的均衡关系.同时本文以此为根据,对股指期货市场与现货市场的运行提出改进建议.
[关键词] 沪深300股指期货；现货市场；发现；波动性
doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2016. 21. 067
[中图分类号] F830.91 [文献标识码] A [文章编号] 1673 - 0194（2016）21- 0131- 02
1 沪深300股指期货介绍
2006年,中国金融期货交易所从抗操纵性、基本特征等方面综合考虑,选取了覆盖两市六成市值的沪深300股票指数作为股指期货合约的标的指数,并率先推出了股指期货仿真交易.经过四年筹备,我国沪深300股指期货终于在2010年4月16日正式上市交易,不仅为我国期货市场增加了一种新的交易品,而且使我国建立起自己的证券衍生品交易市场.沪深300股指期货上市以来运作良好,在我国期货市场的地位日益稳固.
2 实证结果分析
对2015年1月5日至2016年6月15日共353组数据进行分析.为缩小数据分布范围,避免异常值对统计量的影响,对所选取的日收盘价数据均取对数.
2.1 单位根检验,单整检验
为避免伪回归发生,进行平稳性检验.LNS的ADF统计量-0.38和LNF的ADF统计量-0.35均大于5%显著性水平下的临界值-1.94,即不能拒绝原假设,存在单位根,均为非平稳的时间序列.对于一阶差分,DLNS的ADF统计量-17.54和DLNF的ADF统计量-14.98均小于5%显著性水平下的临界值,拒绝原假设,说明沪深300股指期货与现货日对数的一阶差分序列均平稳,即均为一阶单整序列.
2.2 协整检验
釆用E-G两步法,对于同是一阶单整的序列LNF与LNS,进行OLS：
■等于-0.241 746+1.028 128 ln s
■2等于0.982 83 t等于（-4.733 123） （165.075 2）
残差的ADF统计量-4.30小于10%显著性水平下的临界值-1.62,拒绝原假设,表明沪深300股指期货与现货间存在长期稳定的均衡关系.
2.3 格兰杰因果检验
可以发现,虽然滞后三阶不存在序列相关,但AIC已开始增大,选择滞后两阶为最佳滞后.对于原假设“ln s不是ln f的Granger原因”和“ln s不是ln f的Granger原因”,P值都较小,拒绝原假设,表明股指期貨收益率和现货收益率互为Granger原因,即股指期货与现货间存在领先滞后关系.
3 基于ARIMA模型对沪深300指数的实证分析研究
以沪深300指数日时间序列为研究对象,用 ARIMA模型对其进行实证分析并作出预测.
3.1 判定原始序列的稳定性,识别模型
沪深300指数日数据记为S,现货原序列的ADF统计量-0.51大于5%显著性水平下的临界值-1.94,为非平稳序列,一阶差分后ADF统计量-14.79小于5%显著性水平下的临界值,为平稳序列,即S～I（1）.
3.2 模型的定阶
确定d值后,用自相关函数、偏自相关函数以及它们的图形来确定p,q值.观测差分数据dS序列的ACF和PACF图能看出dS序列的自相关系数和偏自相关系数都在2阶拖尾,均无明显截尾性,故可建立ARIMA（2,1,2）.再用AIC和SC准则最小化来确定模型.经比较,ARIMA（2,1,2）过程的AIC等于11.756 63和SC等于11.800 73都是最小的,然后进行模型估计,模型参数估计在5%的水平下不完全是显著的.在ARIMA（2,1,2）计算结果的基础上,逐步剔除不显著的滞后项或移动平均项,得到由AR（1）、AR（2）、MA （2）组成的改进后的ARMA（2,2）模型进行拟合.各参数的t检验量在5%显著性水平下都通过,且滞后多项式f（x-1）倒数根值都在单位圆内说明过程平稳,DW在2附近说明残差不存在一阶自相关.模型最小二乘估计：■等于0.046 093dst-1-0.947 612dst-2+0.854 822εt-2
■2等于0.096 264
t等于（2.566 582） （-30.795 57） （16.520 82）
3.3 模型的检验
对ARIMA （2,1,2） 模型的残差序列进行Q-检验,该模型的残差不存在序列相关,残差序列为白噪声过程,且模型的各项统计量也很好,因此可确定ARIMA（2,1,2）模型来拟合沪深300指数序列是合适的,并可选取此模型作为预测模型.
3.4 模型的预测和分析
采用一步向前静态预测,依据模型对沪深300指数下一日收盘价预测.预测值与实际观测值有一定偏差.考虑到六月份以来,沪深300指数波动较大且6月16日指数出现了一个向上猛冲的势态,这种情况下6月17日指数出现一次回降,导致了预测值的偏误.
3.5 研究结论
从实际值和预测值能看出该模型预测效果基本接近实际值,作为沪深300指数的短期预测模型是可行的.ARIMA模型拟和预测的结果说明此序列包含了沪深300指数的大部分信息,在一定程度上可代表沪深300指数的走势.但该模型只考虑了时间序列本身的特性,没考虑其他一些不确定因素的影响,虽然它们以随机项来反映,但在预测的期望值中无法反映.
4 基于 GARCH 模型的沪深 300 指数收益率波动性分析
总结:本论文为您写发现毕业论文范文和职称论文提供相关论文参考文献，可免费下载。
参考文献：
1、 沪深楼市降温政策的小船说翻就翻 随着一线城市相继出台调控政策，以及楼市降温，未来房地产走向如何？二线城市是不是将会迎来投资的最佳时机？房展会人气大幅下滑随着“五一”小长假的。
2、 新年首日沪深300连续触发熔断机制将停牌至收市 1月4日午后，大盘连续大跌。截至13：13，沪深300指数大跌5%，触发第一次熔断机制。在暂停交易15分钟后，指数继续杀跌，截至13：34分，沪。
3、 沪深43家终止上市公司治理缺失引发 摘要：本文基于沪深43家终止上市公司的信息资料，发现这些公司普遍存在大股东侵占、盲目扩张、假账假信息、主业停顿、内部管理不善等表象原因，而究其根。
4、 沪深之狼金钱永不眠 出乎意料，又在情理之中。在“史上最严并购重组条规”颁布接近周年之际，资本市场再掀借壳浪潮：恒大借壳深深房A，娃哈哈借壳中国糖果，深装总借壳ST。
5、 沪深300指数日内成交量异常和价格反转 【摘要】股票市场成交量与价格的关系一直以来都是金融理论界与实务界关注的焦点，研究量价关系有助于人们了解股市微观结构和信息传递机制。本文从成交量出。
6、 沪深股市三因子模型验证 摘 要：目前在国外Fama-French三因子模型已经被广泛应用到收益率预测、风险管理、基金业绩评估等方面。借鉴国外经验运用Fama-Fren。