基于SV-POT-TDRM的沪深300股指期货尾部风险研究

使用随机波动率模型修正沪深300股指期货收益率序列的波动聚集效应,并在残差服从正态分布和极值分布的假设下,分别计算了度量尾部风险的VaR、ES及尾部扭曲风险测度(TDRM)值。研究发现:股指期货日收益率序列呈现负偏、尖峰厚尾及波动聚集的形态;使用随机波动率模型可以较好地预测波动率的变化;假设残差分布服从极值分布的模型结果优于假设残差分布服从正态分布的模型结果,说明极值模型在尾部分析上比正态分布更加适用;使用扭曲尾部风险测度估计尾部风险,通过扭曲函数的选取与风险厌恶系数的不同设定,调整尾部风险发生的概率,反映了投资者的主观风险偏好,在相同置信水平下,得到的尾部风险估计值比VaR更精确。     

基于杠杆效应和结构突变的HAR族模型及其对股市波动率的预测研究

近年来,基于高频交易数据的HAR族模型在对各类金融市场波动率的预测研究中展现出了良好的预测效果.本文在4个经典或前沿的HAR族模型的基础上,考虑杠杆效应和结构突变因素对波动率的预测作用,构建4个带杠杆效应和结构突变的HAR族模型.接着,以上证综指和深证成指的5分钟高频交易数据为研究样本,对上述模型进行样本内和样本外分析,以此检验各成分对股市波动率的预测作用以及比较各模型的预测能力.实证结果显示:已实现波动率,连续波动率,下行波动率,上行波动率,杠杆效应和结构突变成分对股市波动率的预测作用较强,而跳跃波动率,符号跳跃方差对股市波动率的预测作用较弱;带杠杆效应和结构突变的HAR族模型对股市波动率的样本内拟合效果和样本外预测能力都明显优于相对应的不带杠杆和结构突变的HAR族模型,其中大多数情况下LHAR-CJ-SB模型展现出最高的拟合效果和预测精度.以上结果表明,杠杆效应和结构突变因素能有效提高HAR族模型的预测精度,所以在HAR族模型的构建中这两个因素不能被忽视.     

中国股市波动的异方差模型及其SPA检验

以中国股票市场最具代表性的股价指数-上证综指的高频(High-frequency)数据样本为例,实证计算了以GARCH族模型和随机波动(Stochastic volatility)模型为代表的不同异方差模型对中国股市波动率的预测,并进一步运用SPA(Superior predictive ability)检验法,实证检验了不同异方差模型对中国股市波动的刻画能力和预测精度问题.实证结果显示,就中国股市而言,随机波动(Stochastic volatility)模型是预测精度最高的异方差模型,但在某些损失函数标准下,EGARCH模型也具有良好的波动预测表现.     

GARCH驱动下历史滤波服从Levy过程的期权定价

为了刻画对数收益率分布的尖峰、厚尾和偏度现象,同时体现波动率集聚效应,通过历史滤波模型构建GARCH波动率驱动下的历史滤波分布,并假设服从五种纯跳跃Levy过程从而估计模型参数,进行Levy-GARCH模型的恒生指数拟合检验及期权定价的实证研究.对比无跳跃模型及历史滤波模拟,结果显示:不同模型有着不同的风险溢价;纯跳跃GARCH模型的残差估计量与市场数据有着良好的拟合效果,期权定价精确度优越于无跳跃GARCH模型.其中,TS分布对历史滤波拟合效果最佳,CGMY-GARCH模型的定价精度最为准确.     

HAR族模型与GARCH族模型对不同期限波动率的预测精度比较——基于沪深300指数高频价格的实证分析

以对收益条件方差建模的GARCH族波动率模型,及对高频已实现波动建模的HAR族波动率模型为考察对象,采用滚动时间窗的样本外预测,结合具有Bootstrap特性的SPA检验法,分别使用4种常用的损失函数作为评价指标,比较了13种常用波动率模型对沪深300指数短期、中期、长期波动率的预测精度。实证结果表明,对数形式的HAR-RV-CJ模型对短期、中期、长期波动率的样本外预测都具有最高的精度,且对长期波动率预测的优势最为显著;对收益条件方差建模的GARCH族模型即便加入已实现波动作为附加解释变量,其预测精度仍无法超越对已实现波动直接建模的HAR族模型。     

基于高频极值数据的波动率建模与预测

本文系统性地研究了三种类别的高频极值数据下波动率的建模与预测，即分别基于高频收盘价数据、高频高低价数据、以及高频"开高低收"数据，讨论并完善了相应的连续价格假设下的估计量和跳跃价格假设下的估计量的理论性质，并将基于高频极值数据的各类估计方法统一地扩展为相应的动态预测模型，通过对上证指数及其他几种主要指数的高频数据进行实证分析，揭示出充分地利用高频极值数据信息可以显著地提高波动率的模型拟合效果和样本外动态预测能力.     

隔夜收益率能提高高频波动率模型的预测能力吗

将隔夜收益率作为解释变量加入到高频波动率模型中,研究其对模型预测精度的影响.以沪深300指数为例,运用样本外预测技术及新颖的模型可信集检验方法,同时选取比RV更为稳健的两尺度已实现波动率为基准波动率,实证研究表明,隔夜收益率对短期波动率存在显著的非对称效应;隔夜收益率能改善各波动率模型的拟合能力,并能显著提高模型的短期预测能力;在预测短、中及长期波动率时,已实现和已实现极差高频波动率模型的预测表现并不一致.     

基于期权博弈的股票波动性价值模型

基于无套利原理和期权博弈理论讨论了波动性对股票价格及收益的影响. 将波动分解为波动收益期权和波动损失期权建立模型, 并在投资者异质偏好假设下运用最小二乘蒙特卡罗模拟得到了考虑红利及随机波动条件下波动性价值的基本分布特征. 发现股票价格波动究竟表现为风险还是价值与投资者的波动偏好密切相关, 且最终取决于股票的现金红利水平和波动率水平的共同作用. 同时,时间参数对波动性价值亦有影响,但股票的初始价格与波动性价值无关.     

基于Levy过程修正GJR-GARCH模型的权证定价——对中国大陆和香港权证的实证研究

考虑股票收益率在GARCH模型下的非正态特征,以及收益率标准差序列的非对称特征,首先给出几种真实测度下服从Levy分布的条件异方差模型,接着对随机扰动项和波动率进行风险中性调整,最后通过蒙特卡罗模拟进行大陆和香港权证的实证.结果表明:Levy过程修正下的GJR-GARCH模型能够很好地捕捉到金融数据"跳跃特征"、"群聚现象"和"杠杆效应".同时,该模型显著提升了权证的定价精度.市场间对比显示,香港权证的定价精度高于大陆权证,且大陆权证的市场价格显著偏离无套利假设下的理论价值.     

基于TVS-MHAR模型金融市场高频多元波动率的预测

本文基于Kalli和Griffin(2011)的时变稀疏模型和多元HAR模型,构建了具有时变稀疏性的多元HAR模型(TVS-MHAR),并利用中国上证综指、沪深300期货和国债期货的五分钟高频数据,对金融市场的已实现波动率矩阵进行预测.本文通过Cholesky转换方法保证预测波动率矩阵的正定性.通过对不同多元波动率模型的预测结果进行数值比较和经济比较,本文发现,本文构建的TVS-MHAR模型无论对于短期预测、中期预测还是长期预测都具有最高的预测精度和最大的投资改善.同时,时变多元波动率模型可以获得比固定参数模型更好的预测效果,高频数据模型比低频数据模型获得更大的投资改善.     

中国股市信息流、波动性与交易量关系

基于混合分布假定(MDH),研究了中国股票市场信息流、回报的波动性和交易量之间动态关系。结果表明,基于回报序列与基于交易量序列推断出的信息流过程并不是一致的,反映了我国股票市场的回报波动性与交易量对信息流过程的反应并不是一个协调的过程。鉴于价格波动与交易量之间的关系反映了信息披露、信息传递、市场对信息的评估与消化机制的特性,这种非协调性也可能根源与信息作用机制的非均衡性。     

机构投资者、股权分置改革与股市波动性——基于MCMC估计的t分布误差MS-GARCH模型

从2003年开始, 中国机构投资者占股市流通市值中的比例迅速增长. 论文以这段时期上证指数的日收益率序列为研究对象, 改进了最新的t分布误差MS-GARCH模型, 运用马尔科夫链蒙特卡罗模拟(MCMC)对该模型进行了估计, 为研究股权分置改革、机构投资者对股市收益率波动的影响提供了新的证据. 研究发现, 股权分置改革使股市波动性发生了结构性改变, 股市由低波动风险期转换为高波动风险期; 各类基金的总净值和仓位给股市波动性带来的影响有显著差异, 存款准备金率和利率的调整也会影响股市波动性. 最后, MS-GARCH模型对股市数据的拟合度和预测效率等都优于单状态GARCH模型.     

中国证券市场的HAR-BACD-V模型及其应用

在已有的高频时间序列模型的基础上, 基于异质市场假说理论,构建了HAR-BACD-V模型.通过实证分析以探询在异质市场环境下不同交易频率投资者的交易行为对股市即时波动的贡献程度以及交易量对交易持续期、金融产品收益率和波动性的影响.研究结果进一步证实了我国股票市场的异质性,不同交易频率投资者的交易行为对股市波动的影响程度是不同的,并且发现交易量对交易持续期、收益率及波动性都存在不同程度的影响.     

随机波动性模型的比较分析

对均值条件分布为正态分布的随机波动性模型与条件厚尾分布的随机波动性模型进行了比较分析．实证结果表明，厚尾分布的随机波动性模型较正态分布的随机波动性模型能更好地描述我国股市的回报与波动性的特征．     

基于信息扩散模型的上证指数定价和波动特征研究

本文针对上证指数构建了基于信息扩散的风险因子,检验了其与指数收益率之间的实证关系;并对比了传统ARCH-M类模型中条件方差对收益率的解释力度.结果表明,基于信息扩散的风险因子能够更好地解释上证指数在不同发展阶段的定价和波动特征,并且对股指收益率具有更好的解释/预测效果.本文的研究揭示了波动作为信息的载体是有价的,佐证了中国股市定价机制在股权分置改革后出现了从投机市、政策市逐渐向基本面回归的转变,同时也捕捉到了股市波动特征自2014年以来出现的一些新变化.     

基于贝叶斯原理的随机波动率模型分析及其应用

基于贝叶斯原理,对随机波动性模型进行研究,并将随机波动率模型应用股市风险价值VaR的估计与预测.针对中国股市数据进行的实证结果表明,与GARCH模型相比,随机波动率模型能更好地描述股票市场回报的异方差和波动率的序列相关性;基于随机波动率的VaR较GARCH模型的VaR具有更高的精度.     

中国股市波动性过程中的长期记忆性实证研究

应用一类描述金融市场波动性过程的长期记忆特征的分整自回归条件异方差模型(FIGARCH模型)，研究了中国股票市场波动性过程的长期记忆性，实证结果表明中国股市波动性过程具有明显的长期记忆特征；文章还分析了FIGARCH模型与传统的条件方差模型相比，在模型描述和预测上所体现出的优越性。     

外汇市场与股票市场间波动溢出效应——基于汇改后数据的小波多分辨分析

随着金融全球化与自由化进程的加快以及人民币汇率体制改革和中国企业股权分置改革的深化,外汇市场与股票市场间的信息流动和风险传递进一步加强。通过小波多分辨分析能够从不同尺度研究外汇市场与股票市场间的波动溢出效应,以达到从时频2个角度同时进行研究的目的。实证结果表明,人民币汇率波动与股票价格波动的低频信号具有协整关系。其独到之处在于发现不同交易周期上波动溢出效应存在非一致性:短期主要表现为股票市场向外汇市场的单向波动溢出;而随着交易周期的加长,则表现为双向波动溢出效应。     

基于状态转移ARCH模型的中国股市波动性研究

通过引入波动性状态转移的ARCH(SWARCH)模型对中国股票市场的波动性进行了研究．SWARCH模型较传统的ARCH类模型显著地提高了股票市场波动性的描述与预测能力．实证结果表明，促使中国股市低波动性状态向高波动性状态转移的主要原因是股市的政策因素，这与因为实体经济基础的变化而促使美国股市波动性状态转移有着本质的区别．