国际主要股票市场联动性——基于藤Copula-HAR-RV模型

随着经济一体化和金融全球化进程的不断加快,世界各国股市间的联动效应越发显著。针对已有研究的不足,利用HAR-RV模型将高频信息和不同频率已实现波动纳入到边缘分布建模过程,基于藤Copula刻画五个国际主要股市间的相依结构,构建了描述股市联动的藤Copula-HAR-RV模型。结果表明:R藤Copula-HAR-RV模型在拟合优度和投资组合分位数预测方面表现最优;国际主要股市相依结构呈现区域集聚特征,香港股市占据中心地位;藤结构中条件市场的加入能够大幅降低股市联动,R藤Copula-HAR-RV相依结构下构建的投资组合具有较好的避险效果。此研究对于市场监管政策制定、风险管理、资产配置等一系列金融实践活动具有理论参考价值和现实意义。     

组合信用风险测度的藤copula方法

研究组合信用风险测度问题,用藤copula描述违约相依结构,提出一种测度组合信用风险的藤copula方法.实证结果表明:常用多元copula方法往往低估或高估风险值,而藤copula方法在各种常用的多元copula相依结构假定下的VaR和ES估计值与实际风险值很接近,VaP都通过了回测检验,ES回测检验指标也表明藤copula方法估计的ES更准确.因此,相对于常用多元copula,藤copula方法更具灵活性,能提高组合信用风险测度的准确性.     

基于尖峰厚尾、有偏GARCH-copula模型的风险测度

考虑到证券投资组合中资产收益分布的尖峰厚尾属性和波动率集聚效应以及金融资产变量间的非线性相依结构,假设资产收益率分布服从广义误差分布(GED),以尖峰厚尾、有偏的GJR-GARCH-GED模型刻画资产收益率的边际分布,以copula函数描述变量间的相依性,构建起改进的GARCH-copula模型。以研究GED分布的GJR-GARCH模型与不同copula函数耦合对金融序列的拟合能力,进而测度投资组合风险。实证研究发现,沪深收益波动存在明显的非对称性,适宜采用GJR-GARCH-GED模型处理收益率的尖峰厚尾性,波动率的集聚性。考察上述模型与Clayton copula、Gumbel copula、Frank copula以及t copula耦合下的实际拟合表现,进而对投资组合风险VaR和CVaR检验发现,Clayton copula刻画风险相依性的效果最佳,适合应用于风险管理。     

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.     

基于多分形的资产组合风险度量建模与实证研究

考虑资产收益率的多分形特征及资产组合收益率间的复杂相依结构,运用Markov switching multifractal(MSM)模型对资产收益建模并结合Copula函数刻画相依结构,构建了资产组合市场风险度量的Copula-MSM模型.以风险价值(VaR)和期望损失(ES)作为市场风险度量工具,选取上证指数和恒生指数构成的资产组合进行实证分析,并比较Copula-MSM, Copula-GARCH和Copula-FIGARCH模型对VaR和ES风险测度的估计精度差异.实证结果表明,与Copula-GARCH和Copula-FIGARCH模型相比Copula-MSM能更准确的估计VaR和ES值,提高风险度量精度.     

基于偏t分布realized GARCH模型的尾部风险估计

借助偏t分布realized GARCH模型,提出同时考虑高频和低频信息的尾部风险估计方法,分别纳入RV、RRV和BPV构成尾部风险估计的对比模型,并利用上证综指高频数据进行实证分析.实证结果表明:相比EGARCH模型,realized GARCH模型能够提供更准确的VaR和ES估计;纳入对微观结构噪声和跳跃稳健的已实现测度有助于提高VaR和ES估计的准确性;realized GARCH模型在尾部风险估计中的表现对次贷危机前和次贷危机后两个不同的样本期间稳健.     

基于混频数据抽样的已实现波动率长记忆模型

基于已实现GARCH模型和混频数据抽样(MIDAS)结构,提出了已实现混频数据抽样GARCH模型.该模型使用混频数据抽样结构从已实现测度中提取长短期波动率信息以提升模型对波动率的拟合和预测能力.基于指数和个股数据的实证分析表明,相比传统的已实现GARCH模型,新模型的样本内拟合能力更强,对长记忆性的捕捉更好.样本外结果表明,新模型显著提升了波动率的多步预测效果,并且改进效果随着预测期的延长而增强.     

基于半参数GARCH模型的我国外汇储备形态

基于CSMAR提供的1987年1月至2007年12月的月度外汇储备数据,首次使用半参数GARCH模型对高频月度外汇储备的动态增长机制进行了研究。研究表明半参数GARCH(1,1)模型要优于参数的GARCH(1,1)模型和其他非参数GARCH模型,半参数GARCH(1,1)能够准确地拟合我国外汇储备的分布形态和动态相依结构,同时半参数GARCH模型也提供了一种灵活描述数据分布非正态和高阶矩的途径。     

基于Copula函数的组合资产条件相依性模型及其应用

条件概率分布常用来研究马尔科夫序列相依模型的构建.组合资产的相依结构受多方面的影响,资产之间的同期相依与单个资产时间上的短期相依是组合资产两类主要的相依关系. 结合条件概率的理论,考虑组合资产之间的同期相依与时间上的短期相依两类关系,建立基于Copula函数相依关系模型研究了沪深股市指数收益率的相依结构.应用三阶段极大似然估计方法对模型的参数进行估计,应用χ²检验统计量对模型进行优度检验和模型的比较.研究结果表明:考虑了单个资产时间上短期相依关系的模型更适合描述沪深股市的相依结构.     

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。     

考虑时变波动率影响的最优期权投资组合

本文基于上证50ETF期权,构建单期模型求解最优期权组合问题.我们采用GARCH模型和GJR-ST模型来刻画标的50ETF日对数收益率的动态过程,采用蒙特卡罗模拟法生成标的资产在期权到期日的价格分布.样本外实证结果表明,GARCH模型和GJR-ST模型构建的最优期权组合都能获得显著为正的样本外平均收益.而相比于GARCH模型,GJR-ST模型能更好地管理波动率风险,因而可以获得更高的收益风险比.     

基于高频金融数据的正交ARFIMA模型及应用

在低频数据领域内,向量GARCH模型和向量SV模型的参数难于准确估计,利用这些模型很难解决多个资产的协方差矩阵的预测问题.向量ARFIMA模型可以对利用高频金融数据计算得到的多个资产收益的协方差矩阵进行建模,但是随着变量维数的增加,向量ARFIMA模型同样也面临着参数过多而难于准确估计的问题.因此,提出了基于金融高频数据的正交ARFIMA模型.正交ARFIMA模型通过主成分分析将一组变量的协方差矩阵问题转化成了分别考虑它们的主成分的一元波动问题,这样一元的ARFIMA模型可以很直接的得到应用.正交ARFIMA模型通过主成分分析的方法有效的降低了变量的维数,使得其参数估计问题得到很好的解决,对于金融工具的定价、资产配置、风险管理等问题的解决有着深刻的意义.     

基于高维R-vine Copula的金融市场投资组合优化研究

为优化国际金融市场的投资组合,本文以全球具有代表性的七大股票市场重要股票指数作为金融市场的典型代表:首先运用较为灵活的APARCH模型来刻画股票指数收益序列的"典型事实"特征,其次针对投资组合优化模型中变量之间复杂相依关系,采用最大生成树MST (maximum spanning tree,MST)算法选择的R-vine Copula来刻画七个股票市场的相依结构,进而测度R-vine Copula相依结构下组合风险CVaR,最后基于R-vine Copula相依结构条件下建立Mean-CVaR投资组合模型,并实证对比了Mean-VaR,Mean-CVaR和基于R-vine Copula相依结构下的MeanCVaR模型的拟合效果.实证结果表明:考虑资产之间的相依结构能起到优化投资组合的效果,在降低投资组合风险的同时增加了回报率;基于R-vine Copula相依结构下的Mean-CVaR模型投资组合优化效果明显优于Mean-CVaR模型,而Mean-VaR模型较其它两种模型表现相对较差.     

基于vine copula方法的股市组合动态VaR测度及预测模型研究

以世界十大股票市场指数为例,运用滚动Monte Carlo模拟技术,实证计算了R-vine、Dvine、C-vine及R-vine all t四种vine copula结构对投资组合的动态VaR预测值,并进一步运用严谨的Back-testing检验方法,实证对比了上述四种vine copula结构对投资组合的VaR预测能力的优劣.实证结果显示:不论是在等权重还是在mean-CVaR约束条件下,R-vine对投资组合的VaR预测效果是最好的.特别在高分位数水平下,其表现得更为突出.另外,D-vine的预测精度总体上要高于C-vine和R-vine all t的,而节点间全为t copula的R-vine all t表现相对较差.     

引入隔夜信息的已实现波动率

中国股市每天交易时间只有4小时,而可能影响股票收益的信息却在24小时内连续累积。隔夜信息即指非交易时段产生的影响股市的信息,既可能源自非交易时段的政策颁布、公司公告,也可能源自海外市场的股价变动等。在估计日已实现波动率时,对隔夜信息的处理方式尚无定论。以沪深300指数5分钟高频价格为实证数据,比较多种引入隔夜信息的方法,发现本文提出的以SP500指数交易时段已实现波动率代理隔夜波动率,与沪深300指数交易时段已实现波动率相加而构建的日已实现波动率估计量,在均方误差指标和模型置信集检验下具有最高的样本内精确度。并且以之为真实波动率代理变量时,常用GARCH类模型样本外预测性能的比较结果在各种估计窗/预测窗组合下最为一致。     

波动率预测：多元GARCH模型能战胜一元GARCH模型吗?——二元DCC-GARCH模型与一元GARCH模型的PK

波动率在不同资产(市场)之间的传导应当为预测波动率提供有用信息,使波动率预测更准确。本文考察了二元DCC-GARCH模型在预测波动率时是否优于传统的一元GARCH模型。研究发现：波动率在不同资产间的传导,可以为预测波动率提供有用信息,有助于提高预测的准确性;波动率溢出越明显,对提高预测帮助越大;日数据传递信息更及时,在预测波动率时能比周数据提供更有用的信息;实际波动率的不同度量方式会影响波动率预测准确性的评判结果,但一个占优的多元GARCH模型预测的波动率,可以在所有度量方式、评判标准下都占优。本文为进一步研究多元GARCH模型在预测波动率方面的应用提供了有益的启示。     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.     

混合分布的VaR非参数估计:对期货市场的实证分析

基于价格走势的不同将金融市场分为平稳行情,趋势与震荡行情,用混合分布刻画资产收益的母体分布特征,提出一种新的VaR非参数估计方法.利用高频数据对市场状态分类,基于Bootstrap的核密度方法估计子分布,最后计算总体分布的VaR.选取股指期货,铜期货,橡胶期货,豆粕期货等四个期货品种进行实证研究,估计了不同置信水平下的多头和空头VaR.实证结果表明:新方法相较传统的GARCH族模型,多种基于犀尾分布的GARCH模型,混合正态GARCH模型以及方差一协方差法能够更准确地估计空头VaR与尾部风险.     

基于藤copula-CAViaR方法的股市风险溢出效应研究

为准确揭示金融风险溢出效应,建立藤copula-CAViaR模型来估计多元条件联合分布,进而推导CoVaR类风险测度方法.该方法既能刻画多个金融市场间非线性的关联关系,也能描述金融市场间"多对一"的风险溢出效应,主要包括三个步骤:第一,使用CAViaR模型拟合单个金融市场收益的边缘分布特征;第二,运用藤copula方法刻画多个金融市场收益间的关联结构;第三,基于边缘分布特征与关联结构,得到多元条件联合分布并计算CoVaR类风险测度,实现金融风险溢出效应刻画.选取上证综指、标普500和日经225等股指数据进行实证研究,结果表明:相比于发生利好事件,美国和日本股票市场(独立或同时)发生更为严重危机事件对中国股票市场影响更加明显,呈现出"风险分担、收益不共享"的总体格局.     

基于AAVS-CAViaR模型的股市风险测量研究

考虑金融资产收益与正负收益对分位数冲击的不对称性,建立含有不对称绝对值和斜率设定的AAVS-CAViaR模型,采用混合最优化方法估计模型的参数并进行显著性检验.对1996-2008年期间沪深港股票指数的实证研究表明:沪深港股票市场均存在正负收益消息对市场风险冲击的不对称现象,且在不同VaR置信水平下存在差异;通过Granger因果检验发现沪深港股市的风险变化存在显著的互动传导关系;提出了VaR预测模型的评估准则,对所选样本数据而言AAVS-CAViaR模型比间接GARCH模型更好地描述了市场风险的演化模式.