股指期货即日趋势交易模型研究

股指期货具备套期保值、价格发现、套利及投机等基本功能。机构投资者由于持有大量风险敞口的现货头寸,具有极大的避险需求,是股指期货市场的参与主体,而市面上对适用于机构的套期保值、套利的交易策略已经有了充分的研究。事实上,股指期货也是一项很好的投机工具,其保证金结算、指数作为交易标的及做空机制令其在短线趋势交易中具有非常明显的优势。本文以区间突破为原理,用沪深300指数一分钟高频历史交易数据的统计检验来设定交易条件,逐步建立、完善并优化出一个简单实用、亦可适用于个人投资者的沪深300股指期货高频趋势交易模型。     

股指期货波动率的半参数预测模型及其MCS检验

股指期货在资本市场价格发现和风险防范过程中扮演重要角色,科学准确的预测其收益波动率对充分实现股指期货的市场功能具有重要的理论和现实价值。将线性非负模型扩展为半参数的预测模型,用来预测股指期货市场的已实现波动率,并探讨了该模型估计方法的渐进性质。此外,以沪深300股指期货的5 min高频交易数据为例,运用滚动时间窗的样本外预测和最新发展起来的具有Bootstrap特性的MCS检验,在多种稳健损失函数下,实证评价和比较新构建的半参数预测模型与其他7类波动率预测模型对沪深300股指期货已实现波动率的预测能力。实证结果表明,在多种稳健损失函数的评价标准下,新构建的半参数预测模型是预测性能最好的模型。     

中国股指期货的价格发现功能和波动外溢效应

运用EC-EGARCH-GED模型,分析了中国股指期货的价格发现功能和波动外溢效应.研究结果表明股指期货增大了股指的波动性.从长期看,股指期货的价格影响股票指数的价格;而短期内股指期货价格对股指价格的影响比长期均衡的影响大.最后还考察了中国新上市的股指期货对沪深300指数的影响,认为股指期货的上市给股指带来了一定的冲击力.     

股指期货套期保值模型选择

基于沪深300和S&P500的股指期货真实交易的数据,通过构建ETF组合作为沪深300的现货,选取S&P500的指数作为S&P500的现货,运用OLS,VECM,copula-VaR,修正的ECM-GARCH这4个模型进行套期保值的实证分析.通过"风险最小化"原则比较不同模型对于这2个股指的套期保值效率,发现以上4种方法对于沪深300的套期保值效率要优于S&P500;同时,对于2个股指,样本内和样本外都是动态的ECM-GARCH效果最优.最后给出投资者选择股指期货套期保值模型的具体建议.     

基于小波去噪和协整理论的股指期货高频数据跨期择时套利策略

近年来,高频交易策略因为其巨大的获利能力成为了投资领域研究的一个热点.由于股指期货合约在新上市首日和退市前几个交易日存在潜在的套利机会,该文对合约不同时间点进行套利的思想进行具体的实证分析研究.首先运用小波分析法对数据进行去噪,然后采用协整理论对数据进行协整分析和建模,最后进行跨期套利计算收益率.实证结果表明:采用小波去噪后的协整理论进行股指期货跨期套利,比采用传统的协整理论套利机会多,套利效果好.     

沪深300股指期货市场和现货市场信息传播实证研究

选取沪深300股指期货和现货价格的1min的高频价格数据为样本数据,利用MATLAB进行ADF检验和协整检验,建立VECM模型和脉冲响应函数,分析沪深300股指期货和现货市场之间的信息传播情况。结果表明,两市场间具有长期均衡关系,股指期货的价格引导能力比现货市场强并领先4min,而现货市场引导能力比期货市场较弱只领先1min。期货市场对新信息反应速度要快于现货市场,且冲击反应相对持久。     

基于Poisson-GP复合极值分布的股指期货保证金设置研究

我国股指期货处于推出初期,具有数据少、风险大的特征,使得现有保证金设置方法存在低估风险或估值误差较大的不足.该文通过将离散型随机变量与连续型随机变量的复合,建立了一个既能反映某时段内风险发生的次数,又能反映价格波动的Poisson-GP复合极值分布模型,并应用到我国股指期货保证金水平的设置中.实证表明,针对我国股指期货...     

股指期货对现货市场日内波动影响的研究

本文使用GARCH及其拓展模型对沪深300股指期货上市前后我国市场的高频数据进行了分析研究,研究发现：股指期货上市后,我国股票现货市场的波动性出现了显著上升,这种上升并不源于现货市场信息效率的提高。研究同时表明,股指期货引入所带来的高时间频率下现货市场的波动上升不仅仅局限于股指期货标的指数,沪深300指数成分股之外的股票波动性也出现了显著上升。研究表明,股指期货并没有提高现货市场的定价效率。     

考虑交易费用和泊松过程的沪深300股指期权定价研究

对于沪深300股指期权的仿真模拟交易,考虑交易费用,考虑收盘价格异常波动下的泊松过程,搜集并整理最新的沪深300股指高频仿真交易数据,分别利用B-S定价模型和推广的B-S定价模型来模拟,利用解析式法和二叉树、三叉树法计算出股指期权价格,并比较其与真实市场价格的差异性,得出推广的B-S定价模型结果更优,为沪深300股指期权的定价提供一定的理论依据.     

沪深300股指及期货波动率聚集性研究——基于Markov机制转换SJC Copula模型

选取沪深300指数及沪深300股指期货当月连续合约日内5min高频交易数据为研究对象,研究我国股票期现货市场波动率聚集性及尾部动态特征。结果显示:三状态Markov机制转换SJC Copula模型比其他模型能更好地刻画波动率的相关性结构,沪深300指数和股指期货波动率的尾部均存在明显非对称特征及动态特征,上尾相关性均大于下尾相关性,股指期货的高波动率聚集比沪深300指数高波动率聚集具有更高的发生概率,而低波动率聚集具有相反的发生概率。     

股指期货对股票市场正反馈交易的影响——基于中国A股市场的计量检验

利用非对称GARCH模型和正反馈交易模型，对中国A股市场的正反馈交易进行了计量检验.结果表明:股指期货推出后，股票现货市场的正反馈交易减弱，但正反馈交易减弱的原因并不在于市场信息效率的提升，而是由于正反馈交易由股票现货市场转移至股指期货市场.股指期货对股票市场的正反馈交易主要起到的是分流而非抑制作用，这一结论不同于以往对股指期货作用的乐观评价.计量检验同时发现:投资者风险厌恶程度与正反馈交易强度负相关.正反馈交易具有显著的风险寻求偏好，因此，对股指期货的交易限制，虽然可以短期降低正反馈交易的风险联动，但无法改变正反馈交易的风险偏好.所以，相关的制度安排应重点关注市场效率的提升而非波动抑制.     

基于EMD与BP神经网络的中国股票指数期货价格预测

应用经验模态分解算法（EMD）和BP神经网络理论提出了我国股指期货市场价格走势预测模型。首先应用EMD分解算法把股指期货价格序列分解成不同尺度的内禀模态分量（IMF）,再通过重复试验的方法运用BP神经网络对股指期货价格序列和分解得到的所有IMF的数据序列进行训练,得到股指期货价格的预测模型,并对股指期货价格进行预测。实验表明,通过该方法得到的预测值与股指期货的实际价格有着很高的拟合度。     

基于ECM-GARCH 模型的沪深300指数 期货套期保值策略的研究

首先选取沪深300指数日收盘价和沪深300股指期货日收盘价作为原始数据,对其进行描述性统计分析、平稳性检验及协整检验,得出两个日收盘价的对数收益率是平稳的,且两个收盘价之间是协整的.其次,巧妙运用普通最小二乘法、B-VAR、误差修正、GARCH(1,1)和ECM-GARCH模型,研究股指期货最优套期保值比率,得出ECM-GARCH模型最优.最后,分析沪深300股指期货套期保值策略的构建问题.运用动态调整法,从多头和空头套期保值策略进行分析,需要每天计算最优套期保值比率来确定最优股指期货合约份数.     

股指期货套期保值比率的选择

针对股指期货套期保值比率的选择问题,运用我国沪深300现货指数和沪深300股指期货数据进行了实证研究。研究中,把交易成本这一因素考虑进来,通过HE指标和修正的HE指标得出的不同结果作对比,得出交易成本角度下的最优套期保值比率。因此建议股指期货套期保值者根据自身的交易成本情况选择不同的套期保值比率。     

基于粗糙集和支持向量机的股指期货预测模型研究

本文提出基于粗糙集和支持向量机的股指期货走势预测模型。在模型中首先使用粗糙集对指标集进行特征选择,剔除冗余指标,然后使用支持向量机对基于历史数据的股指期货价格走势进行预测。为了评估该预测模型的性能,将预测结果与传统的自回归移动平均模型和BP神经网络模型的预测结果进行比较。实验结果表明了该模型的有效性。     

基于不同行业的沪深300股指期货价格发现功能研究

基于沪深300股指期货日收盘价及中证全指系列指数中的行业指数数据,利用协整检验、VAR模型、格兰杰因果检验和脉冲响应函数,研究了我国股指期货与不同行业现货价格上的领先滞后关系及其内部差异,最后对投资者和监管部门提出了一些建议.实证结果表明:股指期货和各行业现货指数之间存在着较强的单向因果关系,且在不同行业之间存在较大的内部差异.     

沪深两市股票指数的长记忆性

针对中国股票市场的长记忆性问题,讨论了分整自回归移动平均(Auto-regressivefractionalintegratedmovingaverage,ARFIMA(p,d,q))模型中的参数估计问题,重点集中在对分整参数d的估计。使用Hurst指数方法估计d,并分别用经典R/S方法、有偏修正R/S方法和无偏修正R/S方法进行估计,并结合上证指数和深证成指的收益率数据,给出了3种方法的估计结果。实证结果表明,中国股票市场已初步显示出了长记忆性。给出ARFIMA模型的最优阶数和全部参数估计值。得出了上证指数和深证成指收益率所适合的最优的ARFIMA模型。