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。     

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.     

多元变结构门限GARCH模型的伪协同持续性研究

首先在理论上证明了变结构GARCH模型与IGARCH模型的关系,从而给出了波动持续性产生的一个主要原因,其次基于变结构GARCH模型伪持续性的概念给出了多元变结构门限GARCH模型伪协同持续性的定义;最后应用深圳和上海两个股市的日数据进行实证研究,表明两个股市的波动都存在很强的持续性,且他们之间是伪协同持续的.     

具有结构转换的GARCH模型及其在中国股市中的应用

引入具有结构转换(switching regime)的GARCH模型(简称SW—GARCH)，并利用上海股市收益进行实证研究，通过与GARCH模型下的结果相对比，表明SW—GARCH大大提高了对市场波动性的预测能力，为股价波动的变结构建模问题提出了一个新方法，从而解决GARCH及其他异方差模型的结构变化问题。     

基于小波多尺度分析的GARCH建模方法的拓展

考虑到交易周期对资产价格波动特征的重要影响,将小波多尺度分析引入广义自回归条件异方差(GARCH)建模理论, 提出了多尺度广义自回归条件异方差模型和多尺度增广分整广义自回归条件异方差均值模型,同时通过改进迭代的步长参数, 得到了收敛速度快于BHHH算法的数值优化方法.对上证综合指数进行实证分析,结果表明: 该模型克服了GARCH理论无法同时揭示蕴含在资产价格内部的多时间尺度信息的缺陷, 还能够捕获到资产收益率在不同时间尺度上的局部波动特征; 改进后的算法对模型参数估值效果十分明显. 这类模型有助于探究资产价格伴随交易周期演化的微观动力学机制.     

Lévy过程下非对称GARCH模型权证定价

考虑权证标的资产的非正态特征,引入Lévy过程改进GARCH模型下权证的蒙特卡洛模拟定价方法。首先,针对不同Lévy随机分布和有偏GARCH模型建立真实测度下的Lévy-GARCH模型,然后进行风险中性测度转换并对38支大陆权证进行定价,最后对定价结果进行分类比较。结果表明,虽然大陆权证的市场价格与无套利假设下的理论价值有显著偏离,但Lévy-GARCH模型的定价精度仍然优于经典的B-S模型和Lévy随机模型,并且在市场剧烈波动的环境下定价效果提升更明显。     

基于藤copula–已实现GARCH的组合收益分位数预测

为准确预测分位数,利用已实现GARCH模型在边缘分布建模中纳入高频信息,通过藤copula刻画资产收益两两之间相异的相依结构,构建了资产组合收益分位数预测的藤copula–已实现GARCH模型.选取中国股市风格指数组合展开实证分析,回测检验结果表明高频信息和异质相依结构是准确预测分位数的关键环节,藤copula–已实现GARCH模型能够提供更准确的资产组合收益分位数预测.     

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GARCH扩散模型的权证定价

考虑了标的资产服从GARCH扩散模型下的权证定价问题. 首先,基于有效重要性抽样(EIS)技巧,给出了GARCH扩散模型的极大似然(ML)估计方法; 然后,以上证和深证综合指数数据为例, 利用EIS-ML方法估计了GARCH扩散模型,表明了EIS-ML估计方法的有效性; 最后,给出了基于恒生指数权证的实证研究. 结果表明:GARCH扩散权证定价模型比经典的Black-Scholes(B-S)模型具有更高的定价精确性.     

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.     

时变分数布朗运动下的GARCH族欧式期权定价研究

本文拓展了分数布朗运动理论下欧式期权定价问题,尤其突破了Hurst指数和波动率为常数的假设.我们在时变Hurst指数的分数布朗运动环境下,采用GARCH族模型描述收益率序列的波动率,推导出了一个欧式看涨期权定价的闭型解.利用该模型和韩国Kospi200股指期权日交易数据的实证检验表明,韩国Kospi200股指波动率符合GJR过程,时变波动率下的分数布朗运动刻画金融市场的动态特征比采用标准布朗运动更适合,该模型计算的期权理论价格与市场价格更接近,优于传统的定价模型.     

调整"已实现"波动率与GARCH及SV模型对波动的预测能力的比较研究

高频金融时间序列的分析与建模是金融计量学的一个全新的研究领域，“已实现”波动率是针对高频金融时间序列的一种全新的波动率的度量方法。为了降低“已实现”波动的测量误差，提出更有效的调整“已实现”波动。针对调整“已实现”波动的长记忆性和“杠杠”效应建立ARFIMAX模型。通过设定一系列标准，全面比较基于调整“已实现”波动的ARFIMAX模型、GARCH模型以及SV模型的预测能力。     

中国股市波动的异方差模型及其SPA检验

以中国股票市场最具代表性的股价指数-上证综指的高频(High-frequency)数据样本为例,实证计算了以GARCH族模型和随机波动(Stochastic volatility)模型为代表的不同异方差模型对中国股市波动率的预测,并进一步运用SPA(Superior predictive ability)检验法,实证检验了不同异方差模型对中国股市波动的刻画能力和预测精度问题.实证结果显示,就中国股市而言,随机波动(Stochastic volatility)模型是预测精度最高的异方差模型,但在某些损失函数标准下,EGARCH模型也具有良好的波动预测表现.     

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。     

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。     

预测沪深股市市场波动性

研究目的在于:首先,检验和对比三种GARCH模型对于我国上海、深圳股市波动性的预测能力.其次,使用非对称的预测指标以体现对于预测误差高低的不同个体需求.在对于4个对称型的预测常规指标中,TGARCH对于2个市场波动的预测结果都是最佳的,而EGARCH的预测结果也要好于GARCH(1,1).这表明我国上海与深圳市场受坏消息的负面影响大于同等程度好消息的正面影响,而运用单边非对称的GARCH模型将更利于提高波动性预测的准确性.在非对称预测指标方面,研究认为EGARCH模型对于那些更愿意低估市场波动性的投资者而言较为有利,而GARCH(1,1)模型则相应满足了希望高估市场波动性的投资者的需求.这也表明投资者应根据自己的需要来选择相应的波动性预测模型.     

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.     

基于Copula的最小方差套期保值比率

提出了套期保值的期货与现货非线性匹配原理和收益率波动预测原理,在最小方差套期保值模型的基础上,借助Copula模型计算体现非线性相关的相关系数,利用GARCH和EWMA模型对期货和现货的标准差进行预测,提高套期保值的有效性.该模型的特点一是利用Copula函数计算中位数相关系数,实现了期货与现货收益率的非线性匹配,保证了当期货价格和现货价格发生较大波动时的相关系数计算的准确性.二是通过套期保值的收益率波动原理,利用GARCH模型、EWMA模型对期货和现货的标准差进行预测,解决了因套期保值之前和套期保值期间收益率波动发生结构性变化所导致的套期保值效果失真的问题.实证结果表明, 该研究模型的有效性高于现有研究计算的套期保值比率.利用该模型进行套期保值可以更有效的规避现货价格风险.