基于ARMA-GARCH模型的我国5G行业股价
波动性研究
——以立讯精密为例
摘要：目前在国内用ARCH模型族研究股票波动性主要集中在上证和深证指数，对新兴行业的研究还比较少。本文将其运用到5G通信行业，研究其股票波动的特殊性，对于展望未来新兴市场的发展趋势和对于投资者减小投资风险具有一定的意义。
关键词：GARCH模型； ARCH模型； 波动性；
一、文献综述
国外研究现状
金融时间序列分析主要研究的是资产价值随时间演变的理论。目前金融市场价格的波动性便是金融研究的核心问题之一。金融市场波动性的研究问题主要来源于资产选择和资产定价的需要。用资产收益率的方差来衡量股票市场波动性的模型，主要有时间序列模型和隐含期权标准差定价模型，其中时间序列模型的应用最为广泛。
20世纪60年代，随着计量经济学科理论的迅速发展与完善，时间序列分析的方法理论也在这一过程中取得了较大的进展，国外已经有较多的学者采用了时间序列的方法来分析金融股票市场的波动性。Mdanlebrot(1963)发现了股票市场的波动性具有聚集性的特征，即幅度较大的波动会跟在较大的波动后面。1970年，Box和Jenkins系统地提出了ARMA模型的一系列理论，随机时间序列模型的研究也得到广大学者的重视。1982年，美国纽约大学统计学家和计量经济学家Engle在《计量经济学》杂志(Econometrica)发表的论文里，首次提出了自回归条件异方差(Autoregressive Conditional Heteroskedasticity)模型，简称ARCH模型，并在分析英国通货膨胀指数的研究中得到成功应用。由于ARCH类模型在模拟异方差特性，尤其是随着时间变化和捕捉金融时间序列波动性方面存在独特的优势，因此ARCH类模型广泛应用于各类金融市场领域，包括股票、期货、外汇、货币等市场的相关研究。为了表彰Engle与Granger在时间序列模型研究中做出的卓越贡献，两人于2003年一起获得了诺贝尔经济学奖。
以上是毕业论文文献综述，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。
