题目：基于结构转换参数和半参数模型的中国股市波动性的实证研究

波动性是体现股票市场质量和效率的一个重要特征。在如今全球金融市场剧烈波动的大背景下，时间序列数据往往是非平稳的，股市的波动存在结构转换特征。因此，为了更好地规避风险与管理风险，我们需要寻求更准确的计量模型来描述金融时间序列，尤其是其结构转换的特征，并且用更合适的风险估计方法来预测与管理风险。 本文选取上证综指和深证成指2000年1月4日至2013年3月1日的对数收益率序列作为样本，首先采用单一状态的GARCH模型族(GARCH模型，GARCH-M模型，EGARCH模型，TGARCH模型，APGARCH模型)对样本波动率进行分析，估计沪深股市VaR值，并运用Kupiec检验法对该模型族预测实际损失的表现进行评价。结果表明：在95%置信水平下，五个模型得到的VaR值均能通过返回检验，而在较高的置信水平(99%置信水平)下，五个模型得到的VaR值均不能通过返回检验。因此，有必要对模型进行进一步的改进。 考虑到沪深股市存在变结构特征，首先运用ICSS算法分别找出上证综指及深证成指的结构变点，将这些结构变点作为虚拟变量引入到GARCH模型中，并将其与一般的GARCH模型进行比较分析，发现加入虚拟变量后的GARCH模型对波动率的拟合优度更高，即有更精确的估计和预测能力。然后，将沪深股市的波动变化分为下跌、盘整和上涨三个状态，采用基于马尔科夫结构转换的参数GARCH模型(MRS-GARCH模型)对其波动率进行估计和预测，并运用MSE1、MSE2和QLIKE对估计和预测出的波动率进行评价，结果表明基于马尔科夫结构转换的GARCH模型(MRS-GARCH模型)的估计拟合和预测能力优于单状态的模型。 由于参数模型存在着模型误设的问题，而现阶段同时考虑结构转换与半参数模型的研究并不多。因此本文在马尔科夫结构转换GARCH模型(MRS-GARCH模型)的基础上进一步加以改进，通过在参数模型中引入非参数部分，得到基于马尔科夫结构转换的半参数模型(半参数MRS-GARCH模型)，并将其运用于中国沪深股市波动率及VaR的实证研究中。研究结果表明：半参数MRS-GARCH模型对中国沪深股市波动率的拟合效果总体上优于MRS-GARCH模型，并且能够得到更为准确的VaR估计值。因此，改进后的半参数MRS-GARCH模型更适用于中国沪深股市波动性及风险特征的实证研究。