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。

数据加密转发完整教程，纯小白十分钟搞定 一个时代结束了，新的时代来临，谁来扛起大旗？ethw，etc，erg还是什么？各大主流种类都完美支持。 完美支持ethw-etc-erg-rvn-cfx-beam-etf-qskg

ETF成交活跃度提升，TMT主题基金连续两周表现突出-20210806-16页.pdf

兴业证券-20150518-50ETF交易策略之二：50ETF与50指数成分股套利机会挖掘 兴业证券-20150518-50ETF交易策略之二：50ETF与50指数成分股套利机会挖掘 兴业证券-20150518-50ETF交易策略之二：50ETF与50指数成分股套利机会挖掘

ETF实盘历史波动数据 - 实盘原始股票期权行情数据从2015-01至2020-06（持续更新中...) - 数据为每日原始实盘50ETF行情数据，包括每个合约的开盘、最高、最低、收盘及行权价格、持仓、交易量等数据。 - 包括不同时间频率（周、1/2/3/5/6/9月，1/2年）的历史波动数据 - 算法按照yz算法（也可包括 c2c 、parkinson 、garmanklass 、rsy其他算法） - 数据格式为bson/json(适用mongodb数据库）。可以提供分钟级别数据，如果需要excel/csv或其他格式、或需要更多历史和不同频率实时数据。

股票和ETF的预测 徐亚伦（Aaron Xu）和阿迪蒂亚（Adithya Viswanathan）

这是一个网站/应用程序，旨在查看各种杠杆式交易所交易基金的过往表现。 它在一段时间内将选定的杠杆化ETF与非杠杆化ETF（基准）进行比较。 这些图表每周进行绘制和计算。 杠杆ETF在每日市场收盘的基础上重置。 这代表了非常独特的风险/回报特征，在投资或交易这些产品之前必须了解这些特征。 持有3倍杠杆ETF的时间超过一天，可能与持有非杠杆ETF成本的三倍大不相同。 本网站仅供参考。 过去的表现并不能保证未来的回报。 从本网站获得的信息不应被解释为一种投资建议。

专题报告：MSCI中国A50互联互通指数期货及境外投资中国资产渠道（以在美中国资产ETF为例）介绍.pdf

专题报告：在美上市的中国主题ETF概况介绍（2020）（18页）.pdf