基于结构转换PTTGARCH模型沪深股市波动率的估计

考虑股市收益率波动存在结构转换特征以及描述波动非线性和非对称特征的幂变换门限GARCH(PTTGARCH)模型,本文提出结构转换PTTGARCH模型.选取沪深300指数日对数收益率作为研究对象,将股指的波动变化分为下跌、上涨和盘整三个状态:选用2013年7月1日至2015年12月17日以及2015年12月18日至2016年1月8日作为样本内和样本外时期:分别应用GARCH,EGARCH,APGARCH,PTTGARCH模型及具有结构转换的相应模型对沪深股市波动率进行估计和预测,利用高频数据得到的已实现波动率作为股指实际波动率的估计.采用平均平方误差(MSE_1,MSE_2),平均绝对误差(MAE_1,MAE_2)对估计与预测的波动率进行评价,并采用模型信度集(MCS)检验比较各模型估计和预测能力.研究结果表明:单状态和具有马尔可夫结构转换PTTGARCH模型在样本内和样本外的拟合和预测结果均更为准确.     

人民币汇率预测的两种模型

通过对汇改后人民币对美元汇率的波动情况进行分析,采用周期-ARMA模型和多变量的CAR模型,对人民币汇率进行短期预测.结果表明,两种模型都能对原始数据达到很好的拟合,对于实际的预测分析,周期-ARMA模型的预测结果较为平稳,而参考了恒生银行汇价的CAR模型对汇价的波动更加敏感.因此,利用两个模型进行组合预测,可以得到更高的预测精度.     

基于跳-扩散过程的人民币汇率收益率波动模型

通过对人民币汇率收益率波动性的统计分析,发现其存在"尖峰厚尾"现象.鉴于此,引进跳-扩散过程,建立汇率收益率波动模型,并给出了模型参数估计方法.利用人民币/美元的实际日汇率数据进行实证分析,得出用跳-扩散过程拟合人民币汇率收益序列能更好地解决"尖峰厚尾"问题.进一步,利用跳-扩散过程与无跳随机扩散过程的模拟数据与真实观测数据进行拟合分析,发现前者的拟合效果更好.     

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.     

权证收益率波动的度量:基于GARCH和SV模型的比较

分别采用GARCH模型和SV模型对权证收益率波动进行比较研究,发现这两类模型均能较好地拟合权证收益率的波动,但SV模型比GARCH模型更能捕捉权证收益率的波动信息。在权证总持续期间,通过SV模型计算的V aR值比GARCH模型更加准确;而在权证发行上市时期及最后交易日期间,通过GARCH模型计算的V aR值比SV模型更加准确。     

汇率预测的“米斯和罗格夫之谜”破解——来自非参数方法的回答

汇率预测非常困难,其波动具有时变性、随机性和模糊性等统计特征.现存文献中各种方法和模型的预测效果受很多因素影响,其预测力都不及随机游走模型,这就是汇率预测领域所谓的"米斯和罗格夫之谜(The Meese and Rogoff puzzle)".本文使用非参数方法研究汇率波动及其预测模型,发现较之任何参数方法、半参数方法都具有更大的灵活性.为了克服"维数魔咒",本文提出非参数可加模型来研究汇率预测问题.与现有模型相比,在同样的观察样本期内,非参数可加汇率预测模型有更好的样本外预测能力,这有力地证明了"米斯和罗格夫之谜"并非难以破解.此外,我们将非参数可加汇率模型应用于人民币对美元的汇率预测,其结果仍然揭示了该模型很好的拟合度和预测能力.本文为汇率预测这一研究领域提供了新的研究思路和方法.     

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。     

可加模型及其在金融市场波动率估计中的应用

放宽了传统GARCH模型参数形式的假定,将可加模型引入条件方差的估计,改进了Btihlmann和McNeil提出的迭代算法,并将其用于可加GARCH模型的估计.通过能够模拟真实波动率的数学实验,以及新加坡股市和不同市场股市比较的实证算例,发现可加GARCH模型不仅在估计现有参数模型无法刻画的复杂序列波动率时具有更好的估计效果,而且与一般非参数模型相比也有较好的估计效果.因此,可加GARCH模型对研究新兴市场股市或诸如金融危机等存在复杂波动特征的金融市场有着非常现实的意义.     

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.     

远期汇率的异常波动与波动期限结构

以美元/日元远期汇率为例,利用马尔可夫机制切换算法研究远期汇率对数收益率的异常波动,并将异常波动与宏观经济形势和宏观事件相对照,较好地解释了宏观因素对汇率波动的影响. 同时,利用GARCH(1,1)模型拟合剔除异常点后的汇率波动,所得到的不同到期期限的远期汇率的条件方差表明,期限较长的远期汇率的条件波动较大,期限较短的远期汇率的条件波动较小,说明不同期限的远期汇率可能存在信息不对称, 即期限越长,信息的不确定性越大.     

基于非参数估计的权证定价方法及应用

针对权证市场, 文中首次提出基于非参数估计的权证定价方法, 其中包括完全非参数定价方法和基于模型的非参数修正定价方法, 并将其应用于中国权证市场和香港权证市场的时间外权证价格预测. 实证结果表明: 在价值状况非单调情形下, 基于模型的非参数修正定价方法效果最好, 完全非参数定价方法次之, 半参数定价模型以及参数定价模型效果较差; 此外, 在时间外的权证价格预报方面, 基于模型的非参数修正定价准确性明显优于其他模型.     

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。     

Local Polynomial-Brunk Estimation in Semi-Parametric Monotone Errors-in-Variables Model with Right-Censored Data

This paper introduces a semi-parametric model with right-censored data and a monotone constraint on the nonparametric part.The authors study the local linear estimators of the parametric coefficients and apply B-spline method to approximate the nonparametric part based on grouped data.The authors obtain the rates of convergence for parametric and nonparametric estimators.Moreover,the authors also prove that the nonparametric estimator is consistent at the boundary.At last,the authors investigate the finite sample performance of the estimation.     

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．     

多元条件高阶矩波动性建模

类似于二阶矩风险(方差风险)的时变性,高阶矩风险也具有时变性.同时,为讨论多个市场或多个金融资产对应高阶矩风险之间的关系,需要建立多元条件高阶矩波动模型.提出了多元GARCHSK模型并给出其向量表达,用独立成分分解技术来解决多元GARCHSK建模中的“维数灾难”问题,给出多元条件高阶矩波动率的估计方法.最后,利用该模型对我国股市4个主要股指的高阶矩风险进行了动态描述.     

基于变换核密度估计的半参数GARCH模型

针对金融资产收益率分布呈现的尖峰、厚尾及有偏的特点,沿袭变换核密度估计的思想,提出一种广义Logistic变换,对变换后的样本应用Beta核密度估计以消除边界偏差. 模拟试验表明,该方法显著提高了对尖峰厚尾分布密度的估计精度. 继而将该方法与参数化的GARCH设定相结合,建立一种半参数GARCH模型. 该模型具有两个优点：第一,基于变换核密度估计可更加准确地估计收益率的条件分布;第二,通过迭代提高了参数估计的稳健性. 模拟试验表明,较之伪极大似然估计法和基于离散最大惩罚似然估计的半参数方法,该方法大大提高了参数估计的相对效率. 对沪深300指数的实证研究验证了本文模型的有效性.     

基于高频方差持续的资本资产定价模型研究

对高频金融时间序列的“已实现”波动和“已实现”协方差提出相应的模型并建立“已实现”波动自回归移动平均模型和“已实现”波动向量自回归模型.同时,给出了高频时间序列持续性定义及相关性质.在“已实现”波动自回归移动平均模型基础上,从条件方差持续性的角度,讨论了条件方差的持续性对资产资本定价模型的影响.又进一步讨论了多资产组合条件下,“已实现”波动向量自回归模型持续性对组合投资的影响.给出了基于“已实现”波动自回归移动平均模型的实证分析,指出当模型具有单位根时条件方差对资产定价的影响是持续的.最后讨论了条件方差持续性质在金融分析中的现实意义.     

上证指数收益率、波动性与成交量动态关系研究——基于日数据的非线性动力学实证分析

对上证指数的收益率、波动性与成交量的动态关系进行了实证分析.采用EGARCH(1,1) M模型和ARMA(4,3) ARCH(1)模型分别测度上证指数收益率的波动性以及成交量的波动性,使用逐步回归法建立了收益率与成交量(R-V),收益率的波动性与成交量(hR-V)以及收益率的波动性与成交量的波动性(hR-hV)等的二维动力学模型,并用动力学方法研究以上诸二维系统的动力学行为.研究结果表明,虽然大量研究结果表明股市收益率时间序列存在混沌现象,但由收益率与成交量、波动性与成交量等构成的二维动力系统并不存在混沌现象.     

中外股票市场风险收益的比较研究

将中国证券市场的A股、B股分别与国际上四个成熟市场的风险、收益行为进行比较，从不同的角度分析和考察我国证券市场的数量特征，以及它与国际证券市场的关系是否密切；用带有局部及全球信息变量的GARCH(1，1)实证模型检验股指收益的条件均值，发现股指波动是时变的、不均匀的．局部及全球信息变量对股指收益有一定的解释性。     

中国股票市场的股票收益与波动关系研究

检验中国证券交易四类股票收益与波动的时间序列特征，以及收益与波动之间的关系。首先应用广义自回归条件异方差模型（GARCH）和指数GARCH模型以获得合适的条件方差序列。应用结果发现，波动性随时间变化的证据，并且波动高／低的时期趋向于聚集，显示出高度持续性和可预测性。然后，应用均值GARCH（GARCH－M）模型检验预期收益与预期风险的关系。研究结果认为，每日交易量作为每日信息到达时刻的代理变量对于中国股票市场每日收益的条件波动的解释力度不显著。