金融市场振荡是一个不可避免的属性。市场动荡是不可预测增长和下跌的股票市场。调整市场反应,经济趋势,流动性限制成分,引发股票市场不稳定。市场混乱是不可避免地辅以一系列的经济数据和评估政府的经济战略以及它们如何可能会影响市场。股市需要融合的全球一体化市场风险和价格。然而,网络的出现在金融市场上可以是一个有价值的成分,但它也能像蔓延整个系统的动力。

财务回报显示波动聚类,而不是一个稳定的波动。离散时间模型是最优的定量和准确评估的常规价格变化模式。有两种主要类型的离散时间模型对股票价格波动:探索自回归随机方差(ARV)或随机方差(SV)模型和自回归条件heteroskedastic (ARCH)模型。此外,还有这些模型等的继任者Glosten-Jagannathan-Runkle GARCH (GJR-GARCH)门限GARCH (TGARCH),或集成广义自回归条件异方差性(IGARCH)。SV模型分别探讨波动过程本身,而GARCH规范表现出波动过程的特点是早期观测的函数。SV和GARCH模型可以视为状态方程模型(ssm)的情况下,它通常用于时间序列数据的分析和动力系统。

这个特殊问题的目的是将原始研究和评论文章讨论股票市场建模和预测的基础上,最近的和先进的离散时间模型。

潜在的主题包括但不限于以下:

• 石油危机和股市波动
• 全球金融市场之间的波动溢出效应
• 基于DCC-GARCH模型时变波动溢出
• 在商品期货和股票市场波动传播
• 未来能源市场的回报和波动性
• 使用GARCH模型预测能源市场波动
• 分析股票市场的不确定性
• 在cryptocurrency市场波动持久性
• 证券市场效率
• 股票市场异常现象
• 风险价值方法有效投资组合风险管理