基于GARCH模型的國(guó)際干散貨運(yùn)價(jià)指數(shù)波動(dòng)性研究的開題報(bào)告

基于GARCH模型的國(guó)際干散貨運(yùn)價(jià)指數(shù)波動(dòng)性研究的開題報(bào)告一、選題背景與意義國(guó)際干散貨運(yùn)價(jià)指數(shù)是衡量全球航運(yùn)市場(chǎng)的重要參考指標(biāo)，對(duì)于行業(yè)內(nèi)部和外部的分析預(yù)測(cè)都具有重要意義。然而，其價(jià)格波動(dòng)的受多方面影響，包括宏觀經(jīng)濟(jì)形勢(shì)、能源價(jià)格、政治事件等，使得其波動(dòng)性較大且難以預(yù)測(cè)。針對(duì)該問題，學(xué)術(shù)界和業(yè)界廣泛使用了各種金融時(shí)間序列模型進(jìn)行預(yù)測(cè)和風(fēng)險(xiǎn)管理，其中GARCH模型因其對(duì)于價(jià)格波動(dòng)性建模的優(yōu)良效果而備受研究者青睞。本研究旨在通過應(yīng)用GARCH模型分析國(guó)際干散貨運(yùn)價(jià)指數(shù)的波動(dòng)性，探討其受各種因素的影響程度，為航運(yùn)業(yè)提供較為科學(xué)的風(fēng)險(xiǎn)管理和決策支持。二、研究?jī)?nèi)容和方法1.研究?jī)?nèi)容本論文將基于GARCH模型，分析國(guó)際干散貨運(yùn)價(jià)指數(shù)的波動(dòng)性，包括以下三個(gè)方面：（1）運(yùn)價(jià)指數(shù)的波動(dòng)性特征分析，包括樣本的描述性統(tǒng)計(jì)、相關(guān)性分析等；（2）GARCH模型的構(gòu)建和參數(shù)估計(jì)；（3）運(yùn)用已擬合的GARCH模型進(jìn)行樣本內(nèi)和樣本外的預(yù)測(cè)，以及風(fēng)險(xiǎn)度量等應(yīng)用。2.研究方法本研究將采用如下研究方法：（1）數(shù)據(jù)來源：運(yùn)用Bloomberg或Wind等信息數(shù)據(jù)庫(kù)，收集1999年至今的國(guó)際干散貨運(yùn)價(jià)指數(shù)數(shù)據(jù)、宏觀經(jīng)濟(jì)指標(biāo)、貨幣政策利率等信息。（2）樣本分析：利用描述性統(tǒng)計(jì)量、時(shí)間序列圖和相關(guān)性分析等方法對(duì)數(shù)據(jù)進(jìn)行樣本特征分析。（3）GARCH模型構(gòu)建和參數(shù)估計(jì)：根據(jù)樣本分析結(jié)果，構(gòu)建合適的GARCH模型，利用極大似然函數(shù)等方法對(duì)模型參數(shù)進(jìn)行估計(jì)。（4）模型應(yīng)用：運(yùn)用已擬合的GARCH模型進(jìn)行預(yù)測(cè)并進(jìn)行風(fēng)險(xiǎn)度量，包括樣本內(nèi)的擬合和樣本外的測(cè)試。三、論文預(yù)期成果本研究預(yù)期的成果包括：（1）GARCH模型對(duì)于國(guó)際干散貨運(yùn)價(jià)指數(shù)波動(dòng)性的較好擬合效果和預(yù)測(cè)能力的驗(yàn)證；（2）探討各種因素對(duì)國(guó)際干散貨運(yùn)價(jià)指數(shù)波動(dòng)性的影響程度，為風(fēng)險(xiǎn)管理和決策支持提供參考；（3）對(duì)于應(yīng)用GARCH模型進(jìn)行金融時(shí)間序列分析的一定借鑒價(jià)值。四、進(jìn)度安排本研究計(jì)劃于2021年9月至2022年6月完成。預(yù)計(jì)進(jìn)度安排如下：（1）9月-10月：數(shù)據(jù)收集和預(yù)處理，樣本特征分析。（2）11月-12月：構(gòu)建GARCH模型，利用極大似然函數(shù)等方法估計(jì)模型參數(shù)。（3）1月-2月：樣本內(nèi)的擬合和樣本外的測(cè)試。（4）3月-4月：探討各種因素對(duì)波動(dòng)性的影響，并進(jìn)行風(fēng)險(xiǎn)度量。（5）5月-6月：論文撰寫和修改。五、參考文獻(xiàn)1.Bernanke,B.(1983).“Irreversibility,Uncertainty,andCyclicalInvestment”.TheQuarterlyJournalofEconomics,98(1),85-106.2.Bollerslev,T.(1986).“GeneralizedAutoregressiveConditionalHeteroskedasticity”.JournalofEconometrics,31(1),307-327.3.Engle,R.F.(1982).“AutoregressiveConditionalHeteroscedasticitywithEstimatesoftheVarianceofUnitedKingdomInflation”.Econometrica,50(4),987-1007.4.Gupta,R.,Pierdzioch,C.,&Selmi,R.(2019).“ForecastingtheSouthAfricanExchangeRate:AComparativeAnalysisofGARCH-TypeModels”.EmpiricalEconomics,57(1),1-27.5.Haroon,O.,Hafiz,M.,&Shahbaz,M.(2018).“ExchangeRateandEconomicUncertaintyNexusinMexico:ANonlinearAnalysis”.EconomicModelling,72,320-329.6.Li,M.,Wang,Y.,&Wu,C.(2020).“MetalPriceVolatilityForecastingUsingGARCH-TypeModels:AComparativeStudy”.ResourcesPolicy,69,101800.7.Zhang,L.,Li,R.,Li,X.,&Luo,J.(2020).“High-FrequencyForecastingofCrudeOilPricesUsingGARCH-TypeMod