本研究采用广义自回归条件均值自回归移动平均值（GARCH-M-ARMA）和指数广义自回归条件均值自回归移动平均值（EGARCH-M-ARMA）模型来研究溢出并影响贵金属（贱金属）ETF的收益率和波动率。 发现贵金属（贱金属）ETF与贵金属（贱金属）价格指数之间存在显着的正相关关系。 此外，在每日贵金属（贱金属）ETF中说明了风险与收益之间的正相关关系。

这项研究的目的是确定高收益和低收益股息ETF的回报和回报波动率对追踪市场股指的溢出和杠杆效应的存在，反之亦然。 作者使用了平均自回归条件下的广义自回归条件异方差性（GARCH-M-ARMA）和平均自回归运动平均值中的指数自回归条件性异方差性（EGARCH-M-ARMA）。 选择了etfdb.com数据库的前100个ETF中认可的六种ETF及其基础指数来代表高股息率和低股息率ETFs组。 研究结果表明，回报率的溢出效应在一组低收益股利ETF中更常见，而收益率的溢出效应在一组高收益股利ETF中更为明显。 就杠杆效应而言，它存在于所有ETF和股票指数中，当比较正非对称波动效应时，负非对称波动效应更多地发生。

在本文中，我们使用斯德哥尔摩证券交易所的每日股票收益率来检查其波动性。 因此，我们不仅估计GARCH（1,1）对称模型，而且估计具有不同残差分布的非对称模型EGARCH（1,1）和GJR-GARCH（1,1）。 波动率模型的参数使用Marquardt算法（Marquardt [1]）通过最大似然（ML）进行估算。 调查结果表明，在这个市场上，负面冲击比正面冲击影响更大。 同样，用于预测收益的指数表明，带有t型学生的ARIMA（0,0,1）-EGARCH（1,1）模型可以更精确地预测斯德哥尔摩证券交易所的波动率和预期收益。

本文的目的是使用通用自回归条件异方差（GARCH）类型模型来估计肯尼亚股票市场（即内罗毕证券交易所（NSE））的日收益率的波动性。 使用2013年3月至2016年2月的数据估算条件方差。我们使用对称和非对称模型来捕获股票市场的最常见特征，例如杠杆效应和波动率聚类。 结果表明，波动过程是高度持久的，因此提供了NSE指数收益序列存在风险溢价的证据。 反过来，这也支持正相关假设：即在波动率与预期股票收益之间。 结果揭示的另一个事实是，非对称GARCH模型比对称模型更适合NSE。 这证明了NSE回报系列中存在杠杆效应。

随着人民生活水平的不断提高，社会消费品总量在中国经济发展中占有重要地位。 其波动可以间接反映商品的需求和购买力，从而影响国家的宏观调控。 本文选择了2005年8月至2019年2月中国社会消费品的总量。使用EViews 7.2软件，利用计量经济学和金融时间序列中的序列波动的相关性分析，找到最合适的EGARCH（1 ，1）基于ARMA（1,0）的模型对中国社会消费品总量进行了实证分析，并得出结论，中国社会消费品总量具有杠杆效应。

传媒行业周报：优质内容具杠杆效应 2021中国文化力量新韧性赛道布局时.pdf