金融期货与商品期货的动态关系研究--以沪深300股指期货和玉米期货为例开题报告
2022-01-12 22:35:07
全文总字数:5925字
1. 研究目的与意义及国内外研究现状
目的:本文以沪深300股指期货和玉米期货为例进行金融期货和商品期货之间的动态关系研究,了解两个期货市场自身存在的波动性和它们之间的联系,是为了让投资者对于期货市场有更深入的了解,能够更理性地进行投资;为了让政府管理部分能够更好地管理期货市场。
意义: 本文主要研究的是金融期货和商品期货之间的动态关系,想要通过这个研究来了解期货市场之间的联系,通过这可以对于我国期货市场的发展提出一些有价值的建议。期货市场的联动性是指在不同期货市场价格之间存在着明显的收益率波动的关联性,就是一个市场的波动会引起另外一个市场的波动。不同期货市场之间的条件相关系数是解释期货市场联动效应的重要指标,它通过测度不同期货市场收益率相关系数的变化来检验联动性。研究期货市场之间的联动性不仅有利于投资者真正把握市场风险,为投资组合决策提供可靠的理论基础,而且有利于政策制定者通过对不同期货市场间资本流动、信息传递以及投资者心理和预期变化的预测来把握经济走势。
国内外研究现状
自从 engle(2002)提出 dcc- garch 以来,众多国内外学者运用该模型研究不同金融市场的动态相关系数。dcc- garch 模型可以很好地捕捉不同市场相关系数的时变性,便于掌握市场间的联动效应。蒋治平(2008)基于dcc模型对人民币利率与汇率的动态相关关系进行了研究。曾五一,罗薇薇(2009)利用garch模型研究了中国证券市场a、b、h股的动态相关关系研究。褚昌友(2013)等基于多元dcc-garch模型研究上海股票市场与深圳a、b股市场的动态相关关系。王拉娣(2014)等利用借助granger因果检验、脉冲响应函数及方差分解等方法对房价波动与银行信贷风险的动态相关关系进行研究。李忠武和马瑞阳(2017)基于dcc-garch模型对“互联网 ”背景下证券市场相关行业板块的动态相关关系进行研究。占祖桂(2019)基于格兰杰和dcc-garch模型分析了人民币离岸与在岸市场汇率的联动效应。蒋惠琴和张潇(2017)基于arma-garch模型分析了中国试点碳市场收益率波动性。廖厥椿(2013)基于dcc-mvgarch模型研究了股指期货与股票市场动态相关性。宋星(2018)基于garch模型研究了玉米期货与玉米淀粉期货套利。史凯丽和傅莹莹(2017)基于garch模型进行了中国玉米期货价格波动的实证研究。杨文静(2017)基于msvar-full bekk-garch模型进行了市场情绪、玉米期货价格和现货价格相关性分析的实证研究[j].价格理论与实践。akkoc 和civcir (2019)基于svar-dcc-garch模型研究了土耳其战略商品和股票市场之间的动态联系。文章表明想要研究金融期货和商品期货的动态相关关系,可以使用dcc-garch模型。dcc-garch模型比起单变量的garch模型能够更好地研究期货之间的动态相关关系。
2. 研究的基本内容
本文应用了时间序列分析方法,运用多变量DCC-GARCH模型来研究金融期货与商品期货之间的动态相关关系,想要通过这个研究来了解金融期货市场与商品期货市场之间的联系。金融期货和商品期货具有很多的种类,为了更好地研究,本文从金融期货中选择了沪深300股指期货,从商品期货中选择了玉米期货。本文选取了从2010年4月16日到2019年4月12日连续2185个交易日的数据来进行实证分析。在建立DCC-GRACH模型之前,先进行了数据的平稳性检验,Granger因果关系检验,脉冲响应,方差分解和GRACH模型的构建。想要通过这个研究了解期货市场之间存在的联系。
3. 实施方案、进度安排及预期效果
2018年11月—2018年12月,查阅整理文献期刊,总结相关研究成果。2018年12月—2018年1月,做出整体研究构思,形成理论框架。2019年1月—2019年2月,基于理论研究,从国内外网站中查找并下载数据。2019年2月—2019年3月,对从网站下载的数据进行分析处理。2019年3月—2019年4月,分析Eviews软件得出的关于股指期货和石油期货的动态相关性研究结果,形成论文初稿。2019年4月—2019年5月,形成一篇优秀毕业论文《金融期货与商品期货的动态关系研究——以沪深300股指期货和玉米期货为例》。2019年6月—2019年7月,对毕业论文进行删改、整理,针对相关对策建议咨询有关专家意见,对论文继续进行完善,发表于核心期刊。
4. 参考文献
[1]akkoc u, civcir i. dynamic linkages between strategic commodities and stock market in turkey: evidence from svar-dcc-garch model[j]. resources policy, 2019, 62: 231-239.
[2]basher s a, sadorsky p. hedging emerging market stock prices with oil, gold, vix, and bonds: a comparison between dcc, adcc and go-garch[j]. energy economics, 2016, 54: 235-247.
[3]bollerslev t,generalized autoregressive conditional heteroscedasticity.journal of e-conometrics, 1986,31:307-327.