本文是一篇金融论文，微观金融学借助正统经济学的基本方法（例如，个人最优化和均衡分析等），意味着它必然带有浓厚的新古典特征；同时也最大限度地使用现代数学提供的有力工具—— 随机过程理论。（以上内容来自百度百科）今天为大家推荐一篇金融论文，供大家参考。
第 1 章 绪论
1.1 研究背景
“十三五”时期，金融改革是全面深化改革的重点内容之一。国家、企业与个人出于不同目的都密切关注金融市场，参与金融市场交易。投资股票市场是参与金融市场交易的重要方式之一。金融行业不仅包括银行、保险、券商，还有基金公司、资产管理公司、信托公司、金融租赁公司，金融消费公司，财务公司这些机构都可以算在金融行业之中。不过作为个人股票投资者，我们能投资的金融行业上市公司股票只有银行、保险和券商这三个板块。上市公司股价预测一直是学术界和商界的重大挑战。股票市场随机因素众多，我国股票指数经常出现大起大落的现象，表明我国股市具有尖峰肥尾的统计特征，也体现出金融市场仍不够成熟。如果我们可以制定适当的投资策略，为投资者提供分析数据信息，正确预测股票价格的走势，就可以帮助投资者获得收益并避免潜在的下跌风险。正确的投资策略有助于减少恐慌性的暴跌和非理智的暴涨这样的情况发生，促进市场走向成熟。近年来，在我国面临经济下行的背景下，商业银行有更强的防范风险的需求。2017 年，在政府强监管、央行持续降息的刺激下，商业银行息差逐渐缩小，不能只靠息差挣钱了，需要调整其发展模式。股票市场中银行板块目前有 25 只股票由国有银行、商业银行、和城市商业银行组成。银行股整体股价不高，估值较低，行业景气程度良好，将成为稳定行情的坚实力量。2016 和 2017 年中小盘银行股陆续上市，使得银行业板块格局更加复杂、上市商业银行之间差异也更加明显。2016 年上市商业银行的总资产占所有商业银行的比例已达80%，但是上市银行的数量占全行业银行数量不足 3%，行业中存在大量未上市的中小规模银行。截至 2017 年底，我国银行业金融机构的总资产达到 252 万亿元（2016 年总资产为 164 万亿元），同比增长 8.7%。
..........
1.2 研究目的和意义
1.2.1 研究目的
2017 年由于银行板块股价上涨迅速，受到投资者的广泛关注，板块个股交投活跃，但是对于中国股市上市银行股股指价格预测的研究并不多。本篇论文理论与实证研究相结合，基于中证银行指数的统计特征，使用跨度为 12 年的前复权对数收益率数据，选取三种不同的 GARCH 族模型，其中包括 GARCH（1，1）、APARCH（1，1）、TGARCH（1，1）模型，和标准正态、学生 t、GED 分布三种分布，进行组合建模，通过对比后将最优的模型-分布组合用于中证银行指数后五个工作日的预测。希望通过本文对中国股市中证银行指数进行预测，可以为银行板块的股价研究做出贡献，帮助投资者制定有效的投资策略。
1.2.2 研究意义
本文用 GARCH 族模型对银行板块股票指数进行研究，可以帮助投资者加深对银行板块股票的认识，对其市场波动特征及其未来发展状况的分析和研究具有现实意义。银行业与其他行业联系紧密，所以在股票市场中也具有一定的代表性，股票价格受宏观经济形势、经济政策、经营业绩、投资者行为等因素影响，十分复杂，具有研究价值。通过研究银行板块股票指数对大盘指数的整体把握也有一定帮助。本文这种分析方法具有以下三个优势：（1）速度快。在金融市场的投资中，即使是行业研究员或者专业基金经理短时间内也不可能在巨大的股票市场中选择出收益最大的股票，况且这个市场还是在不断变化的，但是通过建立合适的模型可以快速追踪市场变化，发现新的投资机会。（2）概率取胜。首先模型投资方式可以通过不断地分析处理历史数据，以此来找出未来可能出现重复的历史规律，通过这个规律进行股票买卖，从而获得超额的收益；然后是构建股票投资组合，利用投资多支股票来降低风险，从而获得稳定的收益率，这样既规避了一定的风险同时可以获得一定的收益；（3）纪律性：在没有人的主观的情绪和恐惧的影响下，通过计算机科学和技术，依据之前设定完整的投资策略，只需要计算机严格按此来执行，且不再需要人的意识去干预，这样就可能获得一定的超额收益，而且可以有效地克服人性的恐惧和贪婪，尽可能地规避主观情绪给投资带来的影响。
........
第 2 章 银行板块概况
2.1 上市银行基本情况
商业银行主要由：国有商业银行、股份制商业银行、城市商业银行、农村商业银行、邮政储蓄银行、外资银行这六部分构成。在我国证券市场上市的主要有国有银行、股份制银行、城市商业银行这三大类，大多数是在上海证券交易所上市。截止 2017 年 12 月31 日，一共有 25 家商业银行上市。其中 22 家上市银行进入了上海证券交易所和深圳证券交易所市值 500 强企业，这 25 家上市银行的市值排名如下：根据表 2.1 显示，四大国有商业银行位列中国上市公司市值五百强的前十名。但是对比 2016 年榜单，上市银行在五百强榜单中均有不同程度的下滑：工商银行、农业银行、招商银行（去年排名第 12 位）、交通银行（去年排名第 13 位）均下滑一位，中国银行从去年第 7 位下滑到第 10 位。这几家上市银行的排名比较稳定，而大部分的股份制商业银行的情况就不太乐观：浦发银行、兴业银行、民生银行、中信银行、平安银行、华夏银行等均出现了明显下滑。城市商业银行中市值名列前茅的北京银行和上海银行排名也出现了明显下滑。值得注意的是，建设银行在 2017 年银行业整体调整期的大环境下，从去年的第6位上升到了第4位。还有三只城市商业上市银行排名市值五百强之外，分别是张家港行、无锡银行和江阴银行。截止 2017 年 12 月 31 日已经在上海和深圳证券交易所上市的银行一共有 25 家，其中包括国有商业银行 5 家，股份制商业银行 8 家，城市商业银行 12 家。由于商业银行上市时间前后相差很远，国有商业银行和股份制商业银行上市时间较早，近几年陆续上市的银行股以城市商业银行为主，市值普遍较小。本文选取的研究对象为中证银行指数，下面对中证银行指数中权重占比排在前十名的上市商业银行进行分析。
...........
2.2 中证银行指数
银行行业指数有很多，例如万德数据库中的银行指数（代码：882115）、银行指数（代码：886052）、同花顺中的银行板块（代码：881155）。本文的研究对象选择的是比较有代表性的中证银行指数（代码：399986）。中证银行行业指数（代码 399986）是中证指数有限公司发起成立的由银行行业内全部股票构成的相应样本股。是中证指数有限公司编制该指数的目的是为了整合上海深圳证券交易所的指数资源，编制在国内外市场都具有影响力的全市场统一指数。中证指数有限公司实行市场化运作，中证公司希望可以在 3-5 年内发展成为国内规模最大、服务最全、最具市场影响力的专业指数服务公司，并谋求业务向海外市场扩展。同时还管理着一批极具影响力的指数，包括广大投资者熟知的沪深 300、中证 500 等指数。
.......
第 3 章 实证模型........... 17
3.1 时间序列分析...... 17
3.2 资产波动率........ 17
3.3 GARCH 族模型理论介绍 ........ 18
3.4 分布介绍.......... 19
3.4.1 t 分布 ...... 20
3.4.2 GED 分布 .... 20
3.5 参数估计.......... 20
3.6 模型选择.......... 21
第 4 章 实证结果........... 22
4.1 基本统计特征...... 22
4.2 GARCH 族模型建模 ............ 23
4.2.1 单位根检验............ 23
4.2.2 自相关性检验.......... 24
4.2.3 ARCH 效应检验 ......... 24
4.2.4 GARCH 族模型建立 ...... 25
4.3 股指预测.......... 31
第 5 章 总结及展望......... 33
5.1 总结.... 33
5.2 展望.... 34
第 4 章 实证结果
本章的研究对象是中证银行指数，选取数据是从 2005 年 1 月 1 日至 2017 年 12 月31 日的前复权价，然后对每日前复权价格数据取对数，采用对数收益率。数据来源于万得数据库。使用 R 语言软件进行分析建模和预测。
4.1 基本统计特征
对中证银行指数的日收益率进行取对数和差分后描述其基本统计特征。正态分布的偏度为 0，峰度为 3，根据表 4.1 观察中证银行指数共 3158 个数据后发现该指数偏度为0.0216、峰度为 3.6007，呈现一定的正偏和尖峰的统计特征。通过查阅文献发现全球大多数股票指数的统计信息，股票的对数收益率均值近似为零，样本的偏度主要为负，平均的样本峰度在标准正态的 2-4 倍之间。通过对比，中证银行指数有一定的正偏，峰度略高，均值也为正，综上所述，中证银行指数是具有长期投资价值的。如图 4.1 是中证银行指数从 2005 年 1 月 1 日到 2017 年 12 月 31 日的日对数收益率时序图，一共 3157 个观测数据。在 2007 年 11 月 1 日达到最高值 8512 点，在 2009 年8 月 3 日达到第三高点 5763，在 2015 年 6 月 9 日达到第二高点 7395。总体来说，自从中证银行指数成立从 1000 点，上涨到 7636 点（截至 2018 年 2 月 5 日）大幅跑赢沪深300 指数（当日 4274 点），也领先于中证 500 指数（当日 5998 点）。#p#分页标题#e#
........
总结
本文通过对 3158 个中证银行指数日对数收益率的历史数据进行建模，模型使用了三种 GARCH 族模型和三种分布，一共九种组合。首先从基本统计特征来看这个时间序列存在尖峰厚尾的特征，也存在一定的非对称效应。然后经过单位根检验、自相关性检验、ARCH 效应检验后，对中证银行指数的前复权日对数收益率时间序列进行 GARCH 模型的建模，然后把 GARCH、APGARCH、TGARCH 模型和标准正态分布、学生 t 分布和 GED 分布进行组合后分析发现，中证银行指数受到冲击具有持久性，系统想要恢复到均衡状态需要比较长的时间。最后经过对九种组合的 QQ 图、AIC 指标和极大似然估计值的比较，APARCH-GED 分布的预测效果最好，根据预测结果可以按照中证银行指数的权重比例买入一揽子银行股进行投资。本文得出如下结论：
（1）中证银行指数的对数收益率时间序列存在尖峰厚尾和非对称效应，其偏度为0.0216、峰度为 3.6007，并不符合标准正态分布。通过查阅文献发现全球大多数股票指数的统计信息，股票的对数收益率均值近似为零，样本的偏度主要为负，平均的样本峰度在标准正态的 2-4 倍之间。通过对比，与全球大多数股票指数不同的是中证银行指数有一定的正偏，峰度略高，均值也为正。综上所述，中证银行指数是具有长期投资价值的。
（2）经过单位根检验、自相关性检验、ARCH 效应检验，发现我国中证银行指数的对数收益率时间序列服从平稳过程，该时间序列的自相关系数和偏自相关系数均在合理的范围之内，也就是该收益率时间序列不具有一阶自相关性，具有很强的 ARCH 效应，故可以进行 GARCH 族模型的建模。
（3）由三种 GARCH 模型和三种分布建模拟合出九种情况，通过 GARCH（1，1）拟合后，系数 alpha 和 beta 相加非常接近于 1，就国内股票市场而言，银行板块股票市场受到的冲击具有持久性，也就是说如果 T 天的波动率很大，随后一天的波动率也会很大，即波动聚凝现象，系统想要恢复大波动率趋于均衡状态需要比较长的时间。股票市场中散户占总数的大多数，说明存在大量非理性个体投资者，“羊群效应”导致价格波动具有聚凝性。运用 AIC 和极大似然估计值这两个指标判断出 APARCH-GED 分布的预测效果最好。
..........
参考文献（略）
