关于上海股市收益分布的实证研究

本文通过概率坐标图发现上海股市收益呈明显的曲线，说明收益具有非正态性，随后的参数及非参数检验从统计上验证了这一点。我们又分别利用ＧＥＤ，ＡＲＣＨ及ＴＰＮ三种模型实证拟合了上海股市收益的分布形式由ＡＩＣ可知它们较正态分布对实际都更具有刻画力，尤以ＴＰＮ最佳。     

关于上海股市收益厚尾性的实证研究

对股市收益厚尾性进行了研究 ,基于极值理论利用高限峰值法 POT( Peak Over Threshold)方法以样本平均超限 ( The Sample Mean Excess Function)函数为工具 ,通过 GPD( Generalized ParetoDistrbution)模型 ,对股市收益分布尾部进行拟合探讨 ,由此给出股市收益分布尾部估计 ,并求出了尾部分位点.     

关于上海股市量价因果关系的实证探测

利用Ｇｒａｎｇｅｒ因果关系概念及Ｂａｅｋ－Ｂｒｏｃｋ非参数方法澄清验证了广为人知却一直停留在感性认识的股票量价关系,得出了上海股市中收益对交易量有显著的线性因果关系;而交易量对收益虽不具备线性因果关系,但长期却存在非线性因果关系的结论。     

一种基于最优化的极值分布建模方法

为提高极值分布中样本数据序列分布拟合精度,对改进的综合模型采用遗传算法实现分布参数的寻优。建立了灾难性事件的样本极值分布数学模型。采用非线性回归方法导出样本极值与累积概率之间的映射关系,考虑样本极值的上限和拟合的误差,建立了极值分布的综合模型。采用改进遗传算法,将模拟退火算法应用到遗传算法中,以模型误差为目标函数进行优化,从而确定函数模型中的分布参数,实现了拟合精度的提高。     

拟合中国股票市场收益的统计分布

对中国沪深股市收益的统计分布特征和市场风险规律进行了定量比较研究.分别采用稳定分布、渐近帕累托分布和截断列维分布拟合中国股票市场收益统计分布,实证研究发现中国股市收益分布的中间部分适合用稳定分布描述,分布的尾部适合用尾部指数大于2的渐近帕累托分布描述,即是具有尖峰厚尾特征的有限方差不对称分布.揭示出中国股市中高收益事件比低收益事件发生的更为频繁,深圳市场比上海市场的投资风险要高.所得结论有益于对价格波动性建模、资产定价、金融风险管理等领域的深入研究.     

非正态稳定分布条件下的投资组合模型:均值2尺度参数模型

针对风险证券收益率的经验分布所具有的偏态和过度峰态等非正态分布特征,提出在非正态稳定分布条件下研究投资组合模型.通过拟合优度检验发现我国的股票收益率与非正态稳定分布的拟合效果非常好;研究了非正态稳定分布条件下投资组合收益和风险的度量,建立了均值-尺度参数投资组合模型;通过实证分析发现均值-尺度参数模型能够解释资产配置之谜.     

基于多维极值参数的飞行风险量化评估方法

数具有和试验数据相同的分布形式,并构建了飞行风险发生的判定条件。在对一维极值参数符合广义极值分布的假设进行证明的基础上,提出了三维极值参数的四参数变权重(four adaptive weight parameters, FAWP),Copula模型利用自适应粒子群算法对一维和三维目标函数中的未知参数进行了辨识,对多种Copula辨识出的三维极值分布进行了拟合优度检验,结果表明FAWP Copula对三维极值参数分布形式的描述最为精确。利用FAWP Copula模型对尾流遭遇情形下的飞行风险概率进行了量化计算,所得指标可用来研究尾流场内的风险规避策略及算法。     

有偏胖尾分布下的金融市场风险测度方法

通过对上证综指和世界股市若干重要指数收益的统计特征分析发现,无论是成熟资本市场还是新兴资本市场,其收益分布都展现出较为显著的“有偏”和“尖峰胖尾”特征,因此,主流金融理论假定的正态分布或对称学生分布都无法全面准确刻画股市收益的真实分布特征和风险状况。通过引入有偏的学生分布,分析和对比了不同收益分布假定下的市场波动率和风险价值计算方法,并利用风险价值的失败率似然比检验以及动态分位数回归检验法,实证分析了不同分布模型的适用范围和精确程度,探讨了非正态分布假定下的金融市场风险测度方法。     

SV和GARCH模型拟合优度比较的似然比检验

讨论了在金融时间序列中广泛应用的两类波动性模型，即ARCH模型和SV模型的比较问题．从似然比原理出发，提出了一种基于随机模拟的似然比检验方法，阐明了利用该方法进行模型间比较的基本步骤，并利用基于随机模拟方法的似然比检验，分别比较了SV与GARCH(1，1)、SV与t-GARCH对上海股市数据拟合优度，结果表明：SV模型对于上海股市时间序列数据的拟合好于GARCH(1，1)模型，而SV模型上海股市时间序列数据的拟合与t-GARCH(1，1)模型效果相当。     

SV与GARCH模型对金融时间序列刻画能力的比较研究

围绕金融市场上的两个典型现象，时间序列分布上的“高峰厚尾”性和“平方序列微弱而持续的自相关”性，对比SVAR（1）模型和GARCH（1，1）对此现象的刻画能力，首先从理论论证SVAR（1）模型具有比GARCH（1，1）更吻合这两个现象的数值指标，接着利用上海股市收益作实证检验，通过分析具有体模型，再次说明SVAR（1）模型较之GARCH（1，1）能更好的拟合实际数据，最后提出对标准SV模型的一系列改进措施，以进一步增强SV模型对金融实务的刻画能力。     

中国股票市场长期记忆特征的实证研究

股票市场收益的长期记忆特征对于系统非线性结构的确定以及市场有效性的研究具有重要的意义.针对上海和深圳的周和日收益序列,采用非线性估计方法提高R/S系列分析估计H参数的精确度.并用ARFIMA模型对沪深股市的收益率的长期记忆性进行了检验,根据分段检验的结果,得出一些中国证券市场有效性的结论.     

上海证券市场日期效应检验及其有效性的研究

以随机选取的沪市18支典型股票的收益率为样本，通过对任意两类日收益率及其残差的统计分析及其日期效应的研究，结果表明：上海证券市场存在着较为明显的日期效应。这一结果支持了目前学术界关于上海证券市场弱有效性的观点。     

上海和深圳证券一级市场比较分析

根据现代证券市场理论 ,利用 OLS方法和 ARIMA模型研究了上海和深圳证券一级市场最近三年的发展及相关证券市场变量对证券一级市场的影响 .发现当前上海和深圳的证券一级市场存在着超额报酬率 ,且上海和深圳的证券一级市场的新股超额报酬率产生的原因有其相同之处 ,但也有不同的原因 .在研究分析的基础上给出我国证券一级市场存在超额报酬率可能的解释及相应的政策建议.     

深市停发新股对我国股市信息引导格局的影响

从信息流的角度,研究了深市停发新股前后我国证券市场信息引导格局的变化.实证结果表明,在深市停发新股之前,深市A股收益、收益波动单向引导着沪市的收益和收益波动;但在深市停发新股之后,深市A股的收益对沪市A股收益的引导关系变得不再显著,沪市A股收益和收益波动开始显著地引导着深市A股的收益波动.研究结论表明,2000年10月深市停止发行新股对沪深两市在中国证券市场中的相对地位有着决定性的影响,投资者弃深投沪的趋势已经开始显现.此外,研究还发现,随着中国股市的逐渐规范,交易量里开始含有未来收益与收益波动的有用信息.     

多风险控制目标下的资产配置模型

相比于VaR风险测度,CVaR风险测度因满足次可加性能够更好地描述金融资产组合风险,而广义极值分布和Copula函数较好地拟合了金融资产收益率的厚尾特征和相依性。本文尝试使用CVaR风险测度和Copula-GEV分布描述金融资产组合的极端值风险,并将其作为风险控制目标引入传统均值-方差模型,构建多风险控制目标下的资产配置优化模型,实现在金融资产配置决策中综合考虑期望收益、波动性风险和极端值风险,并设计PSO-MC优化算法对模型进行求解。通过对我国上市公司股票收益率数据的实证分析,验证了模型及求解算法的有效性。     

股本规模、价格触限频率与波动溢出效应——来自沪深股市的实证研究

首先运用广义矩估计(GMM)方法,对沪深股市公司价格触限频率与股本规模之间的关系进行回归分析.其次采用事件分析法对涨跌停现象进行波动溢出效应检验.结果表明:流通股本规模越小的公司,其价格触限频率更高,而中小企业板股票的价格触限频率高于主板股票近两个百分点.而股本规模与其波动溢出效应的关系并不明显.研究说明中小企业板的涨跌停幅度应大于主板幅度,以更好地体现价格限制制度的作用.     

基于贝叶斯修正的多阶段情景元素生成

针对证券市场中资产未来收益的不确定性问题,本文基于随机波动率模型刻画了资产未来收益的情景元素,得到了资产未来收益分布的情景树,并在此基础上进一步采用贝叶斯理论修正了情景概率,最后利用国际证券市场的股票指数数据对模型进行了验证.算例结果表明,基于随机波动率模型的情景元素生成模型得到的情景元素质量良好,贝叶斯方法修正后的情景概率也与真实市场情况更贴合.     

证券市场的标度理论及实证研究

运用分形理论探讨证券市场的自相似性与标度不变性 ,分析三种标度指数 ,即自相关指数、Hurst指数、基于 DFA算法的标度指数 .基于标准差时间序列改进 Hurst指数 ,将 DFA推广为动态递推算法 .利用三种标度指数对国内沪深股市进行实证研究 .结果表明 ,沪深股市收益率均不服从正态分布 ,在跨时间尺度的股价指数之间存在着相关性 ,表现为分形时间序列 ,说明其背后所隐含的政策导向影响中国股票市场的特征 .     

基于Copula-GARCH-EVT的资产组合选择模型及其混合遗传算法

在非正态分布的条件下,M arkow itz的均值-方差资产组合选择模型存在不足。为此,以V aR和CV aR作为风险度量方法,EVT反映收益率的尾部分布,GARCH反映收益率的波动性,Copu la函数反映金融资产收益的相关性,构建了基于Copu la函数的资产组合选择模型。针对非正态分布条件下V aR非凸性和分布函数不连续性导致资产组合选择优化计算复杂、不精确的难题,设计了基于单纯形和传统遗传算法的混合遗传算法。最后,根据中国证券市场数据,采用该混合遗传算法对建立的资产组合选择模型求解。