波动率风险溢价——基于VIX的实证

波动率风险溢价是金融学文献关注的核心问题之一.基于非仿射GARCH扩散模型,推导相应的VIX公式,继而采用SP500与VIX指数联合数据,给出模型客观与风险中性参数基于有效重要性抽样(EIS)的联合极大似然(ML)估计.进一步利用粒子滤波方法给出隐波动率的估计,推断VIX隐含的波动率风险溢价.蒙特卡罗模拟实验表明,提出的估计方法是有效的.采用实际数据进行的实证研究表明,波动率风险被定价,且波动率风险溢价为负,隐含市场投资者整体表现为风险厌恶.     

基于序贯贝叶斯参数学习的Lévy动态波动率模型研究

非高斯动态波动率模型及其计量是现代金融的重要研究内容.基于Levy-GARCH动态波动率模型,引入了序贯贝叶斯参数学习方法,并进行SP500指数的跳跃风险溢价估计、欧式期权定价、风险测度评估的实证研究.研究表明,相比傅里叶变换的极大似然估计,序贯贝叶斯参数学习显著改进了各模型的期权定价能力.研究还发现,带跳跃随机模型的风险度量更加准确;跳跃风险溢价明显高于扩散风险的溢价;跳跃强度越大,风险的市场价格越高.     

基于参数学习的GARCH动态无穷活动率Lévy过程的欧式期权定价

在股票价格中引入漂移率、波动率和随机跳跃三种状态， 建立动态状态空间模型， 并通过局部风险中性定价关系（RNVR）推导无套利定价模型. 以非高斯条件ARMA-NGARCH为基准模型， 构建S&P500指数的离散动态Lévy过程， 并基于序贯贝叶斯的参数学习方法， 进行模型估计和期权定价研究. 结果表明： 动态Lévy过程能够联合刻画时变漂移率、条件波动率和无穷活动率等特征， 且贝叶斯方法的引入提高了期权隐含波动率的定价精度. 同时， 无穷活动率模型在期权定价方面具有显著优势. 在五类滤波中， 无损粒子滤波估计精度最高， 速降调和稳态过程（RDTS）的期权定价误差最小， 而非高斯模型在收益率预测方面没有表现出显著的差异.     

我国商品期货的无模型隐含方差与方差风险溢价研究——基于豆粕和白糖的分析

无模型隐含方差具有不依赖于期权定价模型的特点,它与已实现方差的差值度量了方差风险溢价,近年来在金融资产的方差风险溢价研究中备受关注.本文利用我国豆粕期货和白糖期货的期权数据估计出无模型隐含方差,然后在方差互换合约的框架下,深入研究商品期货的方差风险溢价.研究发现:我国豆粕期货和白糖期货的方差风险溢价显著为负,且具有时变性;经典的市场风险因子对豆粕期货和白糖期货的方差风险溢价的解释力度较小;两种商品期货的方差风险溢价与期货收益之间均存在非线性关系,并且方差风险溢价对未来一定期限内的资产收益具有预测作用.同时,本文还发现,我国豆粕期货和白糖期货与上证50 ETF的方差风险溢价存在较大差异,样本期内上证50 ETF的方差风险溢价不显著,而且对其未来收益无显著预测作用.     

基于参数学习的GARCH动态无穷活动率Levy过程的欧式期权定价

在股票价格中引入漂移率、波动率和随机跳跃三种状态,建立动态状态空间模型,并通过局部风险中性定价关系(RNVR)推导无套利定价模型.以非高斯条件ARMA-NGARCH为基准模型,构建SP500指数的离散动态Levy过程,并基于序贯贝叶斯的参数学习方法,进行模型估计和期权定价研究.结果表明:动态Levy过程能够联合刻画时变漂移率、条件波动率和无穷活动率等特征,且贝叶斯方法的引入提高了期权隐含波动率的定价精度.同时,无穷活动率模型在期权定价方面具有显著优势.在五类滤波中,无损粒子滤波估计精度最高,速降调和稳态过程(RDTS)的期权定价误差最小,而非高斯模型在收益率预测方面没有表现出显著的差异.     

VIX期权定价——基于随机参数的仿射调和稳态模型

考虑VIX时间序列均值回复、尖峰厚尾、有偏、非对称跳与波动率聚类的特征，本文源于日历时间与内在时间的视角，构建了基于随机参数的仿射调和稳态模型.同时应用VIX时序过程的特征函数、等价无穷小与概率论方法，求出期权定价最简表达式.基于该类模型与期权定价方法，可以快速地进行VIX期权定价模型的参数估计与定价预测.较之前沿的带随机参数的跳过程的CIR定价模型与FFT期权定价方法，具有快而精准的特征.较之一般的仿射跳模型，不仅能较好地刻画VIX时序中的尖峰厚尾、有偏与非对称跳等特征，而且具有较好的经济解释与可行性的优势.该研究不仅丰富了衍生品定价理论，也为投资者进行风险规避与衍生品定价提供一些参考.     

基于双因子柳树的中国可转换债券定价研究

近年来,可转债已经成为我国上市公司再融资的重要方式,因此如何对其进行定价受到广泛关注.本文综合考虑了随机利率、股价、违约风险、赎回回售条款的触发条件,提出采用股价利率双因子柳树模型对我国市场上的可转债进行定价.较之现有的模型,柳树法模型的定价结果与可转债的市场价格匹配度更高.在估计标的股票的波动率参数时,本文既考虑了历史波动率也考虑了隐含波动率(通过可转债市场价格校准模型得到的波动率).实证结果表明采用隐含波动率时模型的精度有很大的提高.     

罕见灾难风险与中国股权溢价

本文计算了我国1996-2014年平均股权溢价,并通过基于传统效用函数及广义预期效用函数的资产定价模型计算的相对风险规避系数、GMM估计方法及H-J最小方差界验证了我国的确存在股权溢价之谜,以此构建灾难风险模型对我国股权溢价之谜进行解释,结论包括:1)我国1996-2014平均股权溢价为8.64%,股票收益波动性较大;2)我国的确存在股权溢价之谜,仅考虑广义期望效用函数无法合理解释我国股权溢价之谜;3)时变灾难模型可以较好地解释我国股权溢价之谜,尤其股市熊市模型更能体现灾难对投资者行为的影响从而影响资产价格风险溢价;4)我国股票收益率波动较大,而股息增长率波动较小,本文验证了灾难视角下股利价格比可以有效预测股票超额收益,为今后投资决策提供稳定科学指标和研究框架.     

基于混合转移分布模型的Black-Scholes期权定价偏差纠正

波动率微笑是B lack-Scho les(BS)期权定价模型的定价偏差之一。混合转移分布(MTD)模型的最大优点在于其不仅能拟合时间序列中的平稳态,还能较好地拟合时间序列中的延伸态、突发态和异常值。在MTD模型的基础上建立了欧式看涨期权定价模型,利用香港恒生指数期权数据进行了实证检验,估计出了基于MTD期权定价模型的隐含波动率,并将之与BS期权定价模型的隐含波动率进行了比较。发现在不同的期限结构下,基于MTD期权定价模型的隐含波动率比BS期权定价模型的隐含波动率平抑了许多。这说明MTD期权定价模型对BS期权定价模型的波动率微笑定价偏差有较好的纠正。     

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.     

基于多分形波动率测度的ES风险度量

多分形波动率(Multifractal Volatility,MFV)是一种最近提出的金融市场波动率测度方法。以上证综指和标准普尔500指数的高频价格数据为例,构造了多分形波动率测度的lnMFV-ARMA动力学模型,并运用基于Bootstrap方法的后验分析过程,实证对比了lnMFV-ARMA模型与其他6种常用波动模型对ES(Excepted Shortfall)风险测度的估计精度差异。实证结果表明:在所考察的大多数分位数水平下,lnMFV-ARMA模型对ES风险测度的估计精度都优于许多现有常用波动模型,特别是对标准普尔500指数的极端价格波动风险具有最优的刻画能力。     

基于微观结构噪音修正的波动率估计——以中国股市逐笔交易数据为样本

基于中国股市遂笔交易数据,有效利用全样本不规则采样数据,采用二尺度已实现波动率(TSRV)方法对我国股票市场分离噪音下的日波动率进行估计,并将TSRV方法拓展至日内高频时段,结合RV模型进行了对比研究,研究结果正示逐笔交易数据相对传统起高频数据包含更多的交易信息,噪音的存在严重的干扰了波动率估计,TSRV方法在中国市场条件日间和日内都具有较好的适用性,能有效别出微观结构噪音对波动率估计的影响,提高波动率的估计精度和稳定性.实际应用中,TSRV方法对低频采样频率的选取具有很好的鲁棒性.     

应用混合小波神经网络和遗传算法在香港衍生品市场上的研究

提出了新的基于Black-Scholes模型的混合小波神经网络.隐含波动率是指在市场中观察的期权价格所蕴涵的波动率.基于不同种类的期权价格对波动率的敏感度不同,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型优于传统的Black-Scholes模型.     

GARCH模型在计算我国股市风险价值中的应用研究

主要讨论VaR模型中有关波动率的估计方法。通过拉格朗日检验（LM），发现上海股市的日收益率服从ARCH过程。分别采用GARCH（1,1）模型、RiskMetrics和移动平均法预测上海股市日收益率的波动性，计算每天的VaR。返回式检验表明，GARCH（1,1）模型比RiskMetrics和移动平均法能更准确地反映我国上海股市的风险。     

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.     

无模型隐含波动率及其所包含的信息: 基于恒生指数期权的经验分析

对香港恒生指数期权所含信息进行研究,并通过使用无模型隐含波动率对期权市场的效率进行直接检验, 结果发现:无模型隐含波动率所含信息最多, 它完全包含了所有历史波动率 所含信息,香港恒指期权市场是有效的; 在对未来一个月的预测中,无模型隐含波动率还完全包含了~BS~隐含波动率的信息, 在对未来两个月的预测中, 无模型隐含波动率虽不能完全包含~BS~隐含波动率,但仍然包含了最多的信息; 期权市场交易量的大小, 同时交易的不同行权价的期权的多少, 是影响无模型隐含波动率预测能力的重要因素;为追求积分密度进行过多人为的插值以及过大区间的积分,会导致无模型隐含波动率预测能力的降低,由此得到了无模型隐含波动率的相对合适的计算方式.美国已于~2003~年开始采用 无模型隐含波动率编制波动率指数.随着金融衍生品市场的不断发展,无模型隐含波动率在资产定价、风险管理方面将发挥越来越重要的作用.     

跳跃自激发与非对称交叉回馈机制下的期权定价研究

跳跃集聚和波动率非对称回馈是股票价格运动过程中不可忽视的重要特征.基于动态跳-扩散半鞅随机过程,本文提出了具有时变跳跃到达率和波动率的双因子交叉回馈机制的期权定价模型,推导了跳-扩散交叉回馈模型的一般化风险中性变换关系;同时借助序贯贝叶斯方法对模型和跳跃风险溢价进行校准,并对道琼斯工业平均指数(DJX)、标普500指数(SPX)、苹果(APL)、IBM、JP摩根(JPM)股票进行实证研究,研究发现,它们的跳跃达到率和波动率都呈现集聚性和非对称回馈效应,且跳跃到达率具有更强的持续性和更大的杠杆系数;跳跃风险溢价在定价中占主要地位.期权定价的实证研究还表明,双因子交叉回馈模型具有最小的期权定价误差,定价能力明显优于单向回馈的跳-扩散模型.     

中国股票市场的非对称反应

采用门限随机波动率(THSV)模型,从实证的角度分析中国股票市场对利好消息和利空消息的非对称反应。为了估计THSV模型的参数,提出基于有效重要性抽样(EIS)技巧的极大似然(ML)估计方法。采用上证综合指数和深证成份指数的日收益数据为样本进行的实证研究表明,利好消息和利空消息对中国股票市场的影响具有非对称性。具体而言,与利好消息相比,同等程度的利空消息引起中国股票市场更高的波动率以及波动率持续性,这说明中国股票市场对利空消息的反应程度要大于对利好消息的反应程度。     

利用互联网搜索关注度预测期权隐含波动率变动:基于人工神经网络的分析

本文运用人工神经网络方法,研究互联网搜索对期权隐含波动率的影响.基于标普500指数看涨期权,本文首先建立了一个揭示期权隐含波动率变化与指数收益率、期权Delta和期权剩余有效期之间关系的人工神经网络模型,结果显示此模型的估计精度比Hull和White (2017)提出的解析模型提升了约15%,比Cao、Chen和Hull (2020)提出的神经网络模型提升了约40%.接着,本文引入25个互联网搜索关注度指标,将它们集成一个谷歌趋势指数并作为度量互联网搜索关注度的综合指标.最后,将该谷歌趋势指数的变化率加入到前述人工神经网络模型,从互联网搜索关注度的角度探究期权隐含波动率的动态特征,新的模型进一步提升了约30%的估计精度.     

用混合小波网络和遗传算法对期权定价的研究

由于波动率微笑的存在,不同种类的期权的隐含波动率不同,如何衡量不同种类期权的隐含波动率的最优权重一直是期权定价领域中的重要问题.提出了新的基于Black-Scholes模型的混合小波神经网络,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型要优于传统的Black-Scholes模型和其它的神经网络模型.