住房市场泡沫识别的超指数膨胀模型——以京沪各区县房价为例

近年来我国房价不断攀升,京沪房屋平均销售价格始终位居全国前两位,目前京沪房价仍处于上升通道,人们愈加关心京沪房地产市场是否存在泡沫.基于京沪各区县二手房交易价的周均价数据,本文构建了房价泡沫检测与识别的均值回复随机平稳终结模型,并估计了房价泡沫的膨胀强度和泡沫破灭的临界时距.利用它对京沪区县2007年12月至2015年10月的投机泡沫实证分析表明,该模型能够有效地检验京沪区县住房市场泡沫的存在性,识别29个区县泡沫膨胀强度和积累的稳定性大小,模型对于房价下跌有很好的预警效果.最后,本文利用该模型的实证结果指出,当前京沪各区县的房地产市场存在不同程度的投机泡沫.     

股价泡沫的逆CIR模型研究EI北大核心CSCDCSSCI

按照股价泡沫的定义,泡沫识别的本质是一个联合检验问题,面临着二难逻辑困境.不少学者因此尝试绕开泡沫定义,通过假设投机的行为特征来直接提出对应的泡沫价格随机过程模型,然后围绕这些模型的统计性质来创建识别方法.然而,目前的随机过程模型对泡沫形态的限制性较强,忽略了很多的泡沫形态,导致泡沫识别的灵敏度不高.另外,大部分模型缺乏对泡沫崩溃风险率的动态建模,使得对泡沫的实时预警缺乏理论支持.为了克服传统模型的这些不足,本文提出了一个新的股价泡沫模型.由于该模型的解服从倒数化的Cox-Ingersoll-Ross(CIR)过程,简称为逆CIR泡沫模型.该模型经济学意义明确且形式简约,便于估计.本文证明,该模型兼容传统泡沫模型的非线性风险溢价和价格暂态超指数膨胀特征.同时还证明,逆CIR模型能够解释传统模型所无法解释的泡沫实证效应——泡沫崩溃前的1)"暴雨前寂静"现象;2)"高位滞涨"现象.另外,此模型包含内生且具有明确经济意义的泡沫崩溃风险率,可作为实时预警指标.本文给出了崩溃风险率的计算方法——求解高斯超几何函数方程.对我国股市2015年泡沫崩溃的风险率实证估计表明,该模型具有良好的识别和预警效果.     

中国股市泡沫的三区制特征识别

本文使用一个三区制转换模型识别中国股市泡沫的非线性特征,刻画其动态演进过程,并探讨了异常交易量和超常收益率对三区制转换的解释作用.我们发现, 上证综指泡沫的变化可以明确划分为潜伏、膨胀和破灭三种区制,异常交易量和超常收益率对于泡沫的区制转换有很好的解释作用,样本内和样本外预测都取得了较好的效果.     

中国股市泡沫与债市泡沫之间的时频联动性研究

首先基于倒向上确界ADF泡沫检验方法(BSADF)来对中国沪、深股市和债券市场2000~2015年的泡沫程度进行动态监测,进而采用极大重叠离散小波变换方法(MODWT)分析股市泡沫与债市泡沫之间的时频联动性。研究结果表明:在整个时期内,沪、深股市和债券市场均出现了多次泡沫,比较严重的股市泡沫和债市泡沫分别集中在2007年和2008年;短期和长期上,股市泡沫与债市泡沫之间存在正向联动性,说明两者具有相互促进的关系;而中期上,股市泡沫与债市泡沫之间存在负向联动性,具有此消彼长的关系;相比之下,两者在长期上的正向联动性最为显著。     

中国股市风格资产泡沫测度及其政策响应研究

基于动态单位根检验视角,采用倒向上确界ADF泡沫检验方法(BSADF)来刻画中国股市中六种风格资产(大盘股、小盘股、高市盈率股、低市盈率股、高市净率股和低市净率股)在2000～2017年的泡沫程度及其走势;在此基础上,全面分析各风格资产泡沫对我国近18年来的股市监管政策及货币政策的响应特征。研究结果表明:各风格资产均在研究时期内出现多次泡沫,比较严重的泡沫均集中在2007年,最长的泡沫周期达到17个月。2008年金融危机加速了我国股市泡沫的破灭进程。近18年来,我国股市的大部分改革措施(B股对内地居民开放、实施QFII、调整印花税、启动股权分置改革、实施QDII、实施"沪港通")均加剧了股市各风格资产泡沫程度,但引入做空机制(推出股指期货和融资融券业务)能显著抑制我国股市泡沫程度。相比控制广义货币M2增速,提高银行短期贷款基准利率和金融机构存款准备金率对我国股市各风格资产泡沫更具有显著的抑制作用。这些研究结论在为监管层及时识别中国股市泡沫的内部分布结构差异、评价监管措施效果、及时出台差异化的股市泡沫防范措施等方面提供了有益的借鉴。     

三阶段均值回复、TAR及其应用

本文首次定义了三阶段均值回复过程, 其用于刻画一类特殊的均值回复现象, 并可用于解释非线性均值回复现象和时间序列短期的"不平稳"现象. 门限自回归模型(threshold autoregressive model, TAR)和机制转换模型(regime-switching model)可用于三阶段均值回复过程的建模. 作为实证例子, 本文使用三阶段门限自回归模型拟合了我国对美国和香港的贸易顺差的对数增长率. 实证研究发现: 近十年来, 该增长率处于高水平均值过程(扩张期)的概率均高于50%; 收缩期的平均增长率水平最低, 而扩张期的平均增长率水平最高; 各均值过程的均值回复特征表现为低水平的均值方程的常数项相对较高, 但斜率系数相对较低, 而高水平的均值方程常数项相对较低, 但斜率系数相对较高. 因此, 可以使用三阶段TAR模型来建模三阶段均值回复现象.     

中国外贸差额及外汇储备月度变动特征 ——基于结构突变的数据分析

采用带有两个内生结构突变点的单位根检验方法, 对1994年以来中国外贸差额及外汇储备月度变动时间序列数据进行 分析, 结论表明两序列均为带有两个突变点的退势平稳过程. 并根据突变发生时点, 揭示外贸差额及外汇储备的特征和发展历程. 分析显示, 虽然美国次贷问题引起的全球金融危机使得外贸差额及外汇储备月度变动额均值有所下降, 但并未改变两序列的上升趋势, 可以预测贸易顺差及外汇储备额至少在短期内还将不断扩大.     

Shibor适用的短期利率模型

基于拟合优度、模型的预测效果等指标及数据的统计特征,考察单因素利率模型刻画拆借利率(Shibor)的适用性.多种统计检验表明:3月期限Shibor收益序列具有均值回复和厚尾特征;故初次选用带跳的Vasicek模型或带跳的指数Vasicek模型描述Shibor收益序列的变化过程;进一步应用粒子滤波方法对两模型的参数进行估计,并通过对两模型的拟合优度和预测精度的比较.最终遴选出带跳Vasicek单因子利率模型为描述Shibor的适用模型.     

修正的KSS检验及其对中国通货膨胀率的应用

Kapetanios等~([1])提出在指数平滑转换自回归(ESTAR)模型框架下进行单位根检验.他们的检验是基于误差项为独立同分布的强假设下得到的,该假设在现实中很难成立.当误差项为平稳弱相依时,该检验统计量的极限分布包含冗余参数.通过构造修正的KSS检验,得到了不包含冗余参数的检验统计量.蒙特卡罗模拟结果表明该修正的统计量大大减少了序列相关性带来的水平扭曲(size distortion),且该检验统计量对于非线性平稳过程的检验功效高于PP检验.将该检验用于中国的通货膨胀率,发现它存在着一个单位根,是非平稳过程.     

门限分位数自回归模型及在股市收益自相关分析中应用

门限分位数自回归模型(threshold quantile autoregressive model,简记为TQAR)是一种非线性分位数回归模型,主要用于讨论系统中的门限效应.在TQAR模型中,自回归阶数与门限值的确定等,都会影响模型分析效果.为此,本文给出模型定阶、门限值估计及门限效应检验等方法.数值模拟结果表明,TQAR模型在门限值估计、回归系数估计的有限样本表现方面都优于传统的门限均值自回归模型(threshold autoregressive model,简记为TAR)及门限均值自回归条件异方差(TAR-GARCH)模型.最后,将TQAR模型应用于中国股市收益的自相关性研究,实证结果证实收益序列的自相关性呈现出明显的门限效应和异质效应.这一发现,有助于准确刻画股市收益动态变化规律,为重新认识金融市场运行机制提供了一个实证基础.     

基于Agent的股票市场仿真:个体行为对市场、政策效果的影响

基于A gent的金融市场仿真是一种自底向上的金融复杂系统研究方法。针对连续竞价市场建立了一个基于A gent的股票市场仿真模型,模型中有基本分析者和技术交易者两类A gent。利用该模型研究了微观个体行为对宏观市场现象的影响:再现了实际交易数据中表现出来的异常现象,分析了技术交易者对价格动态和交易量的影响。研究了微观个体行为对涨跌幅限制政策实施效果的影响,以期为政策设计与评价提供一种新的方法。     

基于跳跃滤波和时变参数估计的中国股市微观结构研究

为了更为有效地探究微观市场结构对股票价格的影响,本文在状态空间模型框架下,同时将交易方向、带方向的交易量、交易间隔、微观噪声以及跳跃因素引入状态方程和观测方程中,建立全面的市场微观结构模型,以反映各变量对交易价格序列产生的暂时性和永久性影响.然后,在采用基于粒子滤波的非参数离群点检测方法检测跳跃并对跳跃进行滤波的基础上,运用贝叶斯最小二乘方法对微观结构模型系数、波动率以及状态变量进行实时更新和估计,在此基础上分析跳跃日度分布、日内分布、个股跳跃和共同跳跃特征,并同时判断不同交易方向、交易量的订单对价格产生的影响.最后选取2015年股灾期间、沪市股票的逐笔数据作为研究样本进行实证研究.实证结果显示:我国股票高频时间序列跳跃和共同跳跃均存在日内季节性,且跳跃频率和大小与市场信息密切相关;买卖订单对交易价格及股票价值的影响并不是完全对称的,交易价格对于微观结构的敏感度、微观结构噪声也随市场波动而发生变化,熊市中都相对更高;考虑跳跃滤波并对参数进行实时估计可以提高价格对于交易的敏感度,能更好地捕捉市场微观结构在价格发现中的作用.     

实时检验泡沫：基于严格局部鞅判别的泡沫检验方法

实时检验泡沫并对市场参与者和监管者进行预警，有利于防范和化解金融风险。基于检验泡沫的严格局部鞅判别原理，在RKSH方法的基础上拓展了一种倒向滚动检验方法（BSLM），并通过蒙特卡洛仿真和实证分析验证了新方法的有效性。研究发现：相对于传统严格局部鞅判别方法，BSLM方法对距离当前时刻较近的泡沫具有更高的检验势，并且能更早地事前预警泡沫；在对中国股票市场主要指数2000~2015年的泡沫检验中，新方法能判断泡沫的生成时间和破灭时间，发现上证指数和深圳成指的泡沫具有较强的联动性。     

多种市场形态下人工股市特征性事实分析

研究不同市场形态下股票市场的特征性事实对理解股市运行有指导意义.构建了一个具有基础均衡、泡沫均衡、周期和混沌4种市场形态的多主体股市模型,并对其各种形态进行了计算机仿真实验,然后对仿真收益率序列统计分析.研究表明:4种市场形态均存在尖峰肥尾、波动聚集和长期记忆特性,其中以基础均衡状态最为明显,周期和混沌次之,泡沫均衡最弱.     

中国证券市场泡沫问题实证研究

中国证券市场的泡沫问题一直是各界关注的一个焦点。本文运用剩余价值模型,针对1994~2007年的A股市场,分别从市场整体和行业局部的两个视角对进行了泡沫问题的实证研究,得出了我国证券市场长期以来存在泡沫的结论。从市场角度而言,我国证券市场的内在价值保持相对稳定,而股票价格波动频繁,市场中的泡沫成分较多;从行业角度而言,不同的行业,泡沫成分明显不同。综合两者的共同点,市场泡沫波动频繁时期,行业泡沫亦增多,反之,亦然。     

基于GD-FNN的股票市场泡沫模型

针对股票市场内部结构复杂性和外部因素多变性, 构建一种基于预测的股票市场泡沫模型. 以上证指数为研究对象, 在价格和成交量的基础上, 将与股票市场密切相关的宏观经济指标引入泡沫模型指标体系, 并对指标体系中各变量之间长期均衡关系和因果关系进行数量分析. 在此指标体系下, 构建向量自回归模型(VAR)模型衡量股票市场基础价值, 并据此分析宏观经济指标对市场的影响; 同时构建基于椭圆基函数且能够动态调整网络结构的广义动态模糊神经网络模型(GD-FNN)对上证指数进行拟合预测作为股票市场的市场价值, 并通过GD-FNN模型提取的模糊规则对股票非线性系统运行模式进行分析. 最后, 根据预测的股票市场市场价值与基础价值之间的偏差计算泡沫度, 并提出相应的预警策略.     

有效证券市场的理性泡沫与股票内在价值的信息滤波

对有效证券市场上理性泡沫的产生条件、度量方法和形成原因进行了分析;并对我国股市的泡沫进行了相应的实证分析.在上述研究的基础上,探讨了与度量股市泡沫相反的问题,即如何从股票价格的波动中滤去泡沫从而识别出股票内在价值的信息.用Kalman滤波方法对股票内在价值进行信息滤波与预测.     

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.