基于DC-MSV的动态套期保值模型及实证研究

根据现货与期货价格随机波动的特点,引入一种新的动态相关系数,建立了基于DC-MSV的动态套期保值模型.通过DC-MSV模型来估计动态的套期保值比率.其具体特色:①通过建立套期保值比率与具有时变特征的收益率标准差的函数关系,揭示了最优套期保值比率的时变特征;②通过建立具有时变特征的收益率相关系数的函数关系的DC-MSV模型,揭示了推动资产价格波动因素的有效信息,完整地估计了资产收益波动的交叉相关性;③实证研究表明,该模型优于现有流行的套期保值模型.通过建立基于沪铜现货和期货的最小方差套期比的动态套期保值策略进行实证研究.研究结果表明,套期保值模型在样本期外和样本期内套期保值效果都明显优于Naive和OLS套期保值策略.     

基于已实现二阶矩预测的期货套期保值策略及对股指期货的应用

资产收益的跳跃行为给套期保值决策带来了挑战. 提出了考虑跳跃、基于预测的VecHAR-RVRCOV-J模型, 首次将高频数据中蕴含的跳跃信息引入套期保值决策, 对期货和现货收益率的已实现二阶矩做异质滞后阶向量自回归, 构造动态套期保值比率的预测统计量. 实证应用中以沪深300股指期货及沪深300指数为对象构建套期保值策略, 在样本内和样本外的综合套保绩效考核上, 新模型优于常用的二元GARCH模型.     

基于LPM的多尺度最优套期保值比率

首先使用小波方法将指数收益和期指收益分解到不同时间尺度上,并使用核密度方法估计指数和期指的联合密度函数,然后基于最小下偏矩框架得到多尺度最优套期保值比率。它既可以满足不同投资者基于不同期望收益目标的下方风险管理的需要,也可以满足不同投资期限的需要。最后,使用香港恒生指数以及香港恒生指数期货数据进行实证分析,结果表明:随着时间尺度的增加,最优套期保值比率以递减的速度增加,且套期保值效率一直递增,直至接近于1。另外,最优套期保值比率在大多数情形下随着期望目标的增加而递减,风险厌恶程度对最优套期保值比率的影响并不确定。     

多种期货对多种现货的最优套期保值决策模型

以期货套期保值收益最小方差为目标函数,建立了多种期货对多种现货的最优套期保值决策模型.模型的特色与创新一是根据两个或两个以上组合的非线性风险叠加后的整体风险来求解最优套期保值比率.解决了新增一组套期保值资产时,如何确定全部资产的套期保值最优策略问题.二是建立了多种期货对多种现货的最优套期保值决策模型.     

基于MRS Copula-GJR-Skewed-t模型的股指期货套期保值研究

构建了一个基于马尔可夫状态转换Copula函数的GJR-Skew-t模型,用以估计4个亚洲证券市场中股指期货与指数现货之间的最小方差套期保值比率.实证研究表明:动态套期保值模型的风险规避效果明显优于静态模型;根据套期保值组合方差降低百分比,该模型套期保值效果比其它动态策略有显著提升;除日本市场外,基于马尔可夫状态转换Copula函数的套期保值模型可以获得比传统模型更高的收益,这意味着该策略模型有助于降低套期保值成本.     

基于Copula的最小方差套期保值比率

提出了套期保值的期货与现货非线性匹配原理和收益率波动预测原理,在最小方差套期保值模型的基础上,借助Copula模型计算体现非线性相关的相关系数,利用GARCH和EWMA模型对期货和现货的标准差进行预测,提高套期保值的有效性.该模型的特点一是利用Copula函数计算中位数相关系数,实现了期货与现货收益率的非线性匹配,保证了当期货价格和现货价格发生较大波动时的相关系数计算的准确性.二是通过套期保值的收益率波动原理,利用GARCH模型、EWMA模型对期货和现货的标准差进行预测,解决了因套期保值之前和套期保值期间收益率波动发生结构性变化所导致的套期保值效果失真的问题.实证结果表明, 该研究模型的有效性高于现有研究计算的套期保值比率.利用该模型进行套期保值可以更有效的规避现货价格风险.     

基于最小方差的系列展期套期保值优化模型

当期货合约的最长持有期比现货所要套期保值的时间还短时,就迫使人们不得不采用两个或两个以上的期货合同交叠或接续的做法来进行现货的套期保值.采用期限较短的期货合约逐个叠加构造与现货套期保值时间相等的期货组合,建立了基于最小方差的系列展期套期保值优化模型.该模型一是通过建立交叠合约的风险函数求解最优套期保值比率,解决了复杂时间序列的整体风险的控制问题.二是在三个区间段组成的连续的等效时间序列中,在其整体风险最小的情况下,反推出交叠区间段不同期货合同价格冲抵的比例关系,进而求出交叠部分不同期货合约各自的最优套期比.实证研究表明所建立模型的有效性高于现有研究的成堆展期套期保值模型.     

股指期货最小风险套期保值比率计算方法及实证研究

股指期货作为资本市场中重要的风险管理工具,其功能的发挥取决于套期保值比率的确定.本文在系统分析投资组合最小风险套期保值模型基础上,研究了最小风险套期保值比率各种主要计算方法,并针对香港恒生指数期货套期保值进行深入的实证分析,检验了不同方法在香港市场上的应用效果.     

基于MRS的股指期货最优分位数套期保值研究北大核心CSCD

为研究不同市场状态及现货收益率分位下的股指期货套期保值比率,引入马尔科夫状态转换模型将分位数套期保值方法扩展到多状态情形,并提出了基于损失函数最小化的最小方差套期保值效率分位数计算方法.选取中国上证50、沪深300和中证500股指期货进行实证分析,结果表明,三大股指期货的分位数套保比率呈倒U型;低波动状态的分位数套保比率相对平稳,而高波动状态的分位数套保比率在现货收益分布中向右下方倾斜.比较不同套期保值方法的效率得出,在高、低波动状态下,分位数套期保值均优于均值回归套期保值.     

基于0-1混合整数规划及Cornish-Fisher-CVaR方法的ETF基金最优动态套期保值比率模型

鉴于ETF基金的独特避险功能及Cornish-Fisher方法测度风险的简便性与稳健性,本文以ETF基金组合作为现货资产与股指期货进行套期保值,并用Cornish-Fisher方法进行风险估计;同时以CVaR最小作为目标函数,建立基于0-1混合整数规划的ETF基金最优动态套期保值比率模型并以遗传算法进行求解。在对Cornish-Fisher方法进行有效性验证的基础上,实证研究发现,置信水平固定且以CVaR(VaR)最小作为目标函数时,保证金比率增加则ETF基金动态套期保值比率整体上降低但CVaR(VaR)减小,且CVaR(VaR)对保证金比率的变化要比套期保值比率对保证金比率的变化敏感的多。虽然本文采用优化方法求得的不是精确解,但实证结果证明了本文所构建Cornish-Fisher-CVaR方法的有效性,同时也表明了CVaR方法较VaR方法在风险估计方面更为保守。     

基于极端风险控制的多品种期货套期保值模型

以多品种期货套期保值组合的条件风险价值CVaR度量风险,运用非参数核估计和蒙特卡罗方法模拟现货和期货未来损益情景,通过求解最小CVaR值,建立了基于极端风险控制的多品种期货套期保值模型,解决了在期货价格异常变动的条件下套期保值的风险控制问题.本文以条件风险价值CVaR最小为目标控制套期保值组合的尾部损失,避免了多品种期货套期保值的极端损失,提高了套期保值的效果.采用离散化处理条件风险价值的复杂积分计算收益分布的尾部面积,使得套期保值组合的尾部损失的确定适合任意分布的情况,避免了现有研究对组合收益分布做特定假设的不合理情况,使模型适合任何分布情况的风险控制.     

时-频域视角下的集成高阶矩投资组合策略研究

针对以往研究不足,本文基于时-频域视角,借鉴"分解-集成"思想,将极大重叠离散小波变换方法与高阶矩投资组合框架相结合,构建了小波-集成高阶矩投资组合模型.鉴于小波函数诸多且性质各异,本文又提出"分解-混合-集成"思想,并构建混合小波-集成高阶矩投资组合模型.基于股票、原油和黄金数据,本文采用构建的模型进行样本外投资组合检验和分析,并进行稳健性检验,实证结果表明:相较于对照组,小波-集成高阶矩策略取得了较好的投资效果,为投资者带来更高的收益、夏普比率以及效用水平;凭借混合诸多小波函数的优势,混合小波-集成高阶矩策略取得了更佳的组合效果,显著优化了小波-集成高阶矩策略.稳健性检验佐证了上述结论.     

基于CVaR的期货最优套期保值比率模型及应用

通过条件风险价值(CVaR)控制套期保值资产组合在极端情况下发生的超额损失,建立了组合CVaR最小的套期保值优化决策模型.本模型的特色表现在:①现有研究的最小方差套期比及VaR套期比模型仅仅是本模型的1个特例:一是在期货的期望收益率为零时,或在期货和现货收益率完全相关时,本模型的最优套期比就是现有研究的最小方差套期比;在置信水平接近于100%的情况下,本模型的最优套期比趋近于最小方差套期比;二是在置信水平1-α下,当本模型的套期保值组合收益率小于标准正态分布的"α分位数"那一点的组合收益率的条件均值等于VaR套期比模型中特定的"β分位数"时,本模型就等于VaR套期比模型.②以期货套保组合收益率的CVaR为目标优化套期保值比.充分考虑了套保组合的尾部损失,综合了套期保值者期望收益率和风险偏好,改变了现有研究忽略套保者期望收益率和人为设定风险偏好参数现象,使期货合约的选择直接反映了套保者的风险承受能力.③模型反映了CVaR最优套期比由套保者投机需求和纯套保两部分组成,更深层次地探讨了套期保值比率的含义.     

组合套期保值的多元线性回归特征

从统计学角度推导了风险头寸和多种套期保值工具所组成资产组合的价格协方差矩阵逆矩阵的表达式,分析了该表达式的统计学特征.在此基础上,结合组合套期保值策略的基本模型,研究了组合套期保值策略最优套期保值比率的数理统计特征.结果表明,各套期保值工具的最优套期保值比率正好等于风险头寸价格对各套期保值工具价格进行多元线性回归后对应的复回归系数.揭示了组合套期保值方法和套期保值的回归分析方法之间存在紧密的联系.     

基于Copula-ECM-GARCH模型的动态最优套期保值比率估计及比较

结合Copula函数技术和协整理论两方面的优势,给出最优动态套期保值比率模型。为检验该模型的套期保值效果,对标的资产为嘉实沪深300指数证券投资基金进行实证研究,并与传统的ECM-GARCH套期保值模型和修正的ECM-GARCH套期保值模型进行实证分析,结果表明:与ECM-GARCH模型和修正的ECM-GARCH模型相比,本文建立的模型能够在保持套期保值资产收益增加的同时,将其风险分别减少94.59%和93.82%.     

基于局部波动率模型的上证50ETF期权定价研究

局部波动率模型被广泛运用于风险管理、期权定价等领域,该模型不仅可以描述波动率微笑、期限结构等实际现象,同时能保证市场的完备性.研究局部波动率模型的核心目标是对隐含波动率进行建模.本文分别通过参数法和非参数法对隐含波动率建模,不仅保证了波动率曲面的无套利性,同时给出了非参数法求解局部波动率的显式表达式,从而消除了近似误差,得到较为光滑的波动率曲面.此外,本文基于局部波动率模型对我国上证50ETF指数期权的定价进行了实证研究,分别从样本内定价误差、样本外定价误差、套期保值效果三个方面分析比较了该模型的定价效果.实证结果显示:对样本内数据,非参数法拟合的定价结果优于参数方法;对样本外数据以及套期保值效果来说,参数法取得的效果较好.特别地,隐含波动率建模方法无论是对期权定价还是套期保值,效果均优于直接根据市场数据建模的结果,样本内定价误差可减少一半以上,均方误差可降低1～2个数量级.     

MRR模型一类正态总体的极大似然估计法及检验

Madhavan等给出了一个著名的价差分解模型：MRR模型. MRR模型利用广义矩方法估计参数，这使得该模型在扩展上受到矩条件限制. 考虑到价格演变存在条件异方差现象基础上，本文给出一类极大似然估计方法，使MRR模型在模型扩展中增加的变量不受矩条件限制. 以上证180成分股数据作为样本，实证结果表明带限定条件的极大似然估计法准确地捕捉了交易中的信息参数及流动成本，同时在原模型估计及扩展上有很好的稳定性. 模型扩展上，进一步检验了交易强度对信息参数的影响.     

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.     

基于三因子模型的沪铜期货定价研究

基于沪铜的期货价格，构建包含商品现货价格、随机便利收益、随机波动率的三因子模型，对沪铜期货进行定价研究。使用似无关回归分析（SUR）方法，检验了沪铜现货价格和便利收益具有均值回复的特征，同时检验了库存理论的有效性；利用AR-GARCH模型检验了不同期限的铜期货价格具有随机波动率的特征。最后，提出三因子模型的构建方式，推导得出期货定价公式的解析解，并结合状态空间模型和扩展卡尔曼滤波对模型进行估计。使用2010~2019年的沪铜期货价格进行实证研究，结果表明：铜现货价格、便利收益与随机波动率间均呈正相关；模型在样本期内拟合效果较好，尤其在2012年铜期货暴跌与2017年铜期货暴涨的时段内，三因子模型能够很好地捕捉到波动率的变化。此外，相比于经典的Schwartz双因子模型，本文提出的三因子模型具有更高的拟合精度。     

基于分解-聚类-集成学习的汇率预测方法

本文集成了经验模态分解(EEMD)、最小二乘支持向量回归(LSSVR)和K均值聚类方法,提出了一个新的外汇汇率预测方法,称为基于EEMD-LSSVR-K的分解-聚类-集成学习的外汇汇率预测方法.该方法利用聚类策略将分解-集成学习中固定权值集成学习扩展到基于局部数据特征加权的非线性集成加权学习,从而克服了分解-集成方法中集成学习阶段的不足.本文将该方法用于四种主要外汇汇率的预测,实证结果表明:在提前1天、提前3天和提前6天的预测中,本文所提出的EEMD-LSSVR-K方法的水平预测性能和方向预测性能显著地优于基准模型;同时也证实了聚类策略能够有效提高分解-集成模型的预测效果.