上提出的，这个模型又可以称为EGARCH模型，这类模型，能够对系数参数进行约束，防止系数出现了负数的形式，所以，在一定程度上导致了条件方差不具有动态性，在完善后的EGARCH模型中，就不会存在这类问题，能够展现出条件方差的动态性特点。在这个模型中，能够实现标准化的正态分布，而且能够显示出非对称的响应函数，起到了良好的调节作用。而且，这个模型能够对回报的负冲击程度进行分析，从而能偶完善更加标准的条件方差，通过相关的数据分析，可以发现，EGARCH模型能够对金融数据进行精确地模拟，但是，这个模型不能建立更加完善的股票市场波动性的预测。РР(三)GJRGARCH（1,1）-M模型Р这个模型是针对股票市场的非对称性建立的，能够建立起虚拟的变量，从而分析利好消息和利空消息，然后，让虚拟变量为零，分析对条件方差的冲击，然后将虚拟变量设计为1，分析条件方差的冲击性。所以，如果虚拟变量不为零，那么利好消息和利空消息之间就存在着比较大的波动，呈现出非对称的特点，而且虚拟数值的量很大，说明利空消息产生的冲击力比利好消息要大，为了能够分析条件方差，应该对预期收益的平稳度进行分析。Р二、数据波动时间的划分和相关数据的统计Р在2000年之前，我国的股票市场规模还不是很大，而且在操作的过程中还没有相关的标准，所以，本文选择了2000年-2010年的指数进行分析，由于在此期间，很多制度会发生变化，所以，中国股票市场上呈现出了一定的波动性，这样的波动性也呈现出一定的阶段性特征，在2006年的涨跌停板对中国股票的波动性造成了一定的影响。在不同的市场上，指数收益率与样本的均值都不大，但是，样本的方差是比较大的，说明股票市场的波动性比较大，而且，在第二阶段的标准差小于第一阶段，这说明，我国的股票市场的波动是在逐渐减小的，而且，偏态和峰值都不为零，这说明，拒绝正态性的分析是正确的，在对相关的模型进行分析的基础上，
全文预览
