1. 研究目的与意义
|
时间序列是自然科学中普遍存在的典型序列，按时间排序的随机变量构成了复杂多变的三维世界，时间序列数据本质上反映的是某个或某些随机变量随时间不断变化的规律。股票市场是现实世界中经济领域的重要组成部分，以日为尺度，其运行数值是典型的离散型时间序列。主板与新三板是我国股票市场的多层次构成成分，相互独立又有千丝万缕的关系。为了构建出反映两个时间序列之间关系的模型，需要借助Copula函数，得出其联合分布。而为了描述主板与新三板市场的联系，两者间的风险溢出效应，需要借助联合分布得出CoVaR(条件在险价值)，标准化后得到风险溢出度%CoVaR。 但股票市场的时间序列具有独特的特征与有代表性的离散时间序列特征。因此，需要借助离散小波变换分析，将一维的时间函数升维为以尺度参数位移参数为维度的二维函数，从时域与频域对主板与新三板的进行分析。科学界常倾向于将复杂问题简单化的降维处理，而上世纪80年代出现了以小波变换、神经网络为代表的升维分析，通过更高维度分解，将一维存在的复杂纠缠变得更加清晰。而小波分析是唯一可以将两维分析最终化简为级数形式即低于一维的升维分析。因此，对于时频视域下主板与新三板风险溢出效应的研究，无论在理论上还是实践上均具有重大的意义。 理论层面上，我国多层次资本市场建设初具规模，不同层次市场服务不同上市主体的功能日趋明晰。随着金融市场对外开放逐步推进，资金在市场间的流动也将给不同市场带来更加显著的联系。新三板的推出，给企业提供了相对而言低成本、高效率、低门槛的融资方式。虽然其主要通过小额定向融资向企业提供流动性，对主板市场冲击效应还不明显。但随着新三板的不断扩容，新三板与主板市场的联动效应将增强。在研究新三板与主板间的风险溢出效应的基础上，可以进一步研究我国多层次资本市场的风险测度。 实践层面上，本文借助小波变换对时间序列进行处理得到需要的信息进行统计描述，在多层次上分析主板与新三板的风险溢出效应，而非传统的总体分析，因而研究成果可以反映不同时间尺度的变化趋势。对于不同交易周期的投资者，可以根据他们自身和对方的前期收益来更加准确的预测当前市场的趋势。此外，本文亦可以为资本市场的监督管理、健康发展与运行提供一定的思路。
|
2. 研究内容和预期目标
一、研究内容
本题目将基于我国主板与创业板市场的日收益率，构建相关模型，对于取得的数据进行实证检验，探究主板与新三板之间是否存在风险溢出效应，若存在，将研究风险溢出方向、大小，最后对于结果的运用提出建议。
二、拟解决的关键问题
3. 国内外研究现状
（一）国外研究现状
从整体上来看，当前国外对于股票市场关联性的研究主要集中于以下四个方面。
第一，研究不同国家（地区）股票市场之间的关系。Eun和Shim(1989)研究不同国家的股票市场存在一定关联性，主要利用VAR模型进行研究，发现美国股票市场在国际股票传递机制中起到决定作用[1]；Adrangi、Chatrath(2014)研究墨西哥指数、标准500以及阿根廷指数之间的波动溢出效应，实证分析得出，美国对其他两国之间存在波动溢关系，这主要是由于在金融全球化背景之下，各个国家表现出不同效应，从而为市场的监管者和投资者提供一定的借鉴意义[2]；Mohammadi, Tan(2015)研究美国、香港和中国的股票指数，选取2001年1月到2013年1月数据为样本，利用DCC-MVGARCH模型分析三个股票市场之间的波动溢出效应，研究表明香港与中国股票市场不存在明显的波动溢出效应，而美国股票对中、香港有单向的波动溢出效应，随着全球金融影响，其他股市与中国股市之间关系明显增加[3]。
4. 计划与进度安排
研究计划
1．2022年12月10日前完成开题工作
2．2022年3月18日前完成初稿和中期检查工作
5. 参考文献
|
[1] Eun CS, Shim. International transmission of stockmarket movements[J]. Journal of financial and quantitative Analysis, 1989, 24 (02):241-256． [2] Adrangi Bahram, Chatrath Arjun, Raffiee, Kambiz. Volatility Spillovers across Major Equity Markets of Americas[J]. InternationalJournal of Business, 2014, 19(3): 255-274. [3] Mohammadi Hassan, Tan Yuting. Return and Volatility Spilloversacross Equity Markets in Mainland China, Hong Kong and the UnitedStates[J]. Econometrics, 2015,3(2): 215-232. [4] Shang-Yung Yang, Shuh-Chyi Doong. Price and Volatility Spillovers between Stock Prices and Exchange Rates: Empirical Evidence from the G7 Countries[J]. International Journal of Business and Economics, 2004, (3).60-71. [5] Waaren G, Robert W, Faff and Geoffrey F. London, 2010, Asymmetry between Equity and Bond Markets in Australia Pacific Basin Finance Journal IS, pp Return and Volatility Spillover Be-2010:272 -298. [6] Hamao Y, Masulis R.W., Victor Ng. Correlations in price changes and volatility across international stockmarkets[J]. The Review of Financial Studies, 1990, (3):281-307. [7] Ross S.A. Information and volatility: The no-arbitrage martingale approach to timing and resolution irrevevancy[J]. Journal of Finance, 1989, (44):1-17. [8] King M, Sentana E and Wadhwani S. Volatility and links between national stock markets[J]. Econometrica, 1994, (62):901-933. [9] Huang S C. Wavelet-based multi-resolution GARCH model for financial spillover effects[J]. Mathematics and Computers in Simulation，2011， 81（11）:2529-2539. [10] 俞世典、陈守东、黄立华.主要股票指数的联动分析[J].统计研究. 2001, (8):42-46. [11] 韩非,肖鹏.中国股市间的联动性分析[J].金融研究，2005,(11):16-20. [12] 赖敏晖.沪深美股市之间波动溢出关系检验[D].山东大学.2010. [13] 张金林,贺根庆.中国创业板和主板市场时变联动与波动溢出——基于DCC-MGARCH-VAR模型的实证分析[J].中南财经政法大学学报，2012（2）100-106． [14] 刘金全，崔畅.中国沪深股市收益率和波动性的实证分析[J].经济学（季刊），2002,1（3）:885-898. [15] 汪素南，潘云鹤.美国股市与中国股市间溢出效应的实证研究[J]. 浙江大学学报（工学版）， 2004, 38（11）:1431-1435.
|
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
