沪深300指数期货已实现波动率的跳跃行为

采用修正的已实现门阀多次幂变差研究沪深300股指期货已实现波动率的跳跃特征,并通过构建考虑跳跃的AHAR-C-TCJ模型研究沪深300股指期货已实现波动率的跳跃成分对股指期货市场未来波动率预测的影响。结果表明:沪深300股指期货波动率的连续成分存在较强的长记忆性,而离散跳跃序列的长记忆较弱,但仍具有一定的可预测性;跳跃的久期序列的自相关性较强,而规模序列的自相关性不显著;显著的离散跳跃对沪深300股指期货日、周以及月的已实现波动率的预测都存在显著的正向影响,AHAR-C-TCJ模型能显著提高股指期货市场波动率的预测精度,尤其是标准差形式和对数形式的AHAR-C-TCJ模型。     

基于跳跃和符号跳跃变差的HAR-RV预测模型及其MCS检验

以沪深300指数的高频数据为例,运用滚动时间窗的样本外预测方法以及比SPA检验更具优势的模型信度设定检验(MCS),实证分析了跳跃、符号跳跃变差及符号正负向跳跃变差对HAR-RV、HAR-RV-J、HAR-RV-CJ和HAR-RV-TCJ等4种基础波动率模型预测能力的影响。研究发现:符号跳跃变差不仅可以提高各波动率模型的拟合精度,而且还可以提高模型的预测精度;符号正向和负向跳跃变差相比符号跳跃变差对未来波动率具有更好的解释能力,且它们对未来波动率的影响是不对称的;加入符号正、负向跳跃变差的HARRV-TCJ模型的预测效果是众多模型中表现最好的,尤其是它的对数形式。     

基于跳跃、好坏波动率与百度指数的股指期货波动率预测

本文首次将百度指数引入HAR波动建模框架,基于跳跃、好坏波动率与百度指数提出HAR改进模型,实证研究揭示股指期货波动运行规律,并通过MCS检验分析预测模型优劣.HAR建模考察连续-跳跃波动、好-坏波动率的两种已实现波动分解.为了降低波动率估计偏差,基于序列相关法仿真统计最优抽样频率,利用已实现核修正的ADS检测识别跳跃,进一步修正好坏波动率与符号跳跃.基于沪深300股指期货的样本内外预测表明:连续波动比跳跃波动对未来已实现波动的预测贡献更大;好坏波动率具有不对称的波动冲击,好(坏)波动率抑制(加剧)未来波动性;符号跳跃对未来波动具有负向冲击;好坏波动率分解优于连续与跳跃波动分解;百度指数能显著提升HAR波动建模的样本内外预测能力;MCS检验证实,考虑符号跳跃与百度指数的HAR-RV-SJ-BI模型表现最佳.研究结论对认识股指期货波动规律和市场风险具有意义.     

中国股市已实现波动率的跳跃行为研究

以二次幂变差的测量为理论基础,研究了上证综指已实现波动率中的跳跃行为.将已实现波动率分解为连续样本路径方差争离散跳跃方差,研究了跳跃方差序列的统计特征,并且应用HAR-RV-CJ模型对上证综指的已实现波动率进行预测.研究结果发现,几乎所有日、周和月已实现波动率的可预测性都来自连续样本路径方差,表明二次变差中的连续样本路径成分是中国股市已实现波动率预报的决定因素.     

随机波动和跳跃下的短期利率动态

在短期利率模型中引入随机波动和跳跃两种因素,利用序贯参数更新思想和粒子滤波方法实现模型的估计,并对中国银行间短期利率进行实证分析. 研究结果显示短期利率存在显著的随机波动和跳跃特征,表明CIR-SV-J模型在描述短期利率动态中拟合效果最优,而且忽视随机波动或跳跃因素会使拟合变差,影响对利率均值回复特征的描述,并证明了随机波动因素在模拟中比跳跃因素起着更为重要的作用.     

中国股市高频波动率跳跃的特征分析

采用修正的已实现门阈多次幂变差实证分析了中国股市高频波动率跳跃的特征,并运用自回归条件持续期模型、自回归条件风险模型以及扩展的自回归条件风险模型刻画了跳跃持续期的特征.实证研究表明,中国股市高频波动率发生显著跳跃的比例较高,并且跳跃具有聚集的特征,跳跃的幅度、强度以及跳跃幅度的分布都具有时变性,而跳跃对高频波动率的贡献却具有相对稳定性;在样本期,中国股市高频波动率跳跃表现出较强的正自相关性,且跳跃的持续期存在较强的长记忆性和周日历效应.     

基于外部信息冲击的符号跳跃变差高频波动率模型

现阶段研究高频波动率的主流HAR-RV-跳跃模型仅考虑了与高频波动率有关的内生变量,忽视了外部信息冲击的影响,对高频波动率的估计和预测可能存在偏误.本文尝试将外部信息冲击引入到HAR-RV-跳跃模型中,构建基于外部信息冲击的符号跳跃变差高频波动率模型(HAR-VRV-跳跃模型).这类模型不仅兼顾内生因素和外部信息冲击对高频波动率的共同影响,还考虑了多元信息冲击的非对称效应.通过选取沪深300和中证500指数的高频交易数据作为研究样本,并利用滚动时间窗口预测和SPA检验对HAR-V-RV-跳跃模型的预测能力进行了评价,结果表明:HAR-V-RV-跳跃模型可以依据外部信息冲击的类型对高频波动率做出更准确的预测,其预测能力明显优于现有的HAR-RV-跳跃模型.但是,HAR-V-RV-跳跃模型对平稳期高频波动率的预测表现优于非平稳期.     

基于交错取样门限多幂次变差的中国股市波动细分及非对称性建模

以多幂次变差的测量为理论基础,考虑到有限样本规模的局限以及市场微观结构噪声的影响,提出交错取样门限多幂次变差方法并将其用于中国股市高频已实现波动的细分,区分出连续波动与跳跃波动。根据已实现波动、连续波动与跳跃波动的不同统计特征,分别为已实现波动与连续波动建立LHAR-V-CJ模型,为跳跃波动强度建立LHAR-SJ-C模型,为跳跃波动间隔时间建立LACH-DJ-C模型,引入异质非对称性。使用沪深300指数的实证表明,已实现波动及连续波动与跳跃强度、跳跃间隔时间呈现出不同的非对称性特征,且本文提出的各非对称性模型较现有模型均有较明显的拟合能力改进。     

基于跳跃、跳跃强度和机制转换的股票市场波动建模及其预测研究

将跳跃及其跳跃强度引入到异质自回归(heterogeneous autoregressive, HAR)模型中,并在此基础上进一步嵌入固定转移概率矩阵的马尔可夫状态转换机制模型,构建出系列新的波动预测模型.运用系列统计检验手段(如模型置信度检验、样本外R²检验、趋势检验)评估上述预测模型对中国股票市场波动的预测能力,样本外的实证结果表明:1)与基准模型相比,结合马尔可夫机制转换的模型具有更好的预测表现; 2)相比其他预测模型,包含跳跃、跳跃强度以及马尔可夫机制转换的模型(MS-HAR-TJI)具有更高的预测精度; 3)在新冠疫情爆发期以及高波动时期, MS-HAR-TJI模型对中国股票市场波动仍具有很强的预测能力.     

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.     

具有未知跳跃股票价格异方差性的 Bootstrap模拟检验

采用Bootstrap模拟方法检验股票价格异方差性．利用随机分析方法获得波动率的一个渐进估计，这种估计能够消除股票价格中可能存在的随机跳跃的影响，并且无需确定波动率函数的具体形式、建立了一个关于波动率为常数的原假设的统计量，用Bootstrap模拟方法可以获得该统计量的分布．用此检验方法对中国沪深两市指数进行检验，获得了两市中指数呈异方差性的结论．这种检验方法对认识市场微观结构、资产定价、投资和风险管理都具有积极作用．     

中国股指期货和现货市场信息传导关系在牛熊市中的异化现象

本文采用牛熊市的视角,根据市场的历史周期的判断结果,分别提取我国沪深300牛市和熊市样本窗口,使用了BVGJR-GARCH-BEKK模型和LM跳跃检验法,从价格发现、波动溢出和跳跃风险三个方面对股指期货和现货市场间的信息传导关系的异化现象进行了实证研究.结果表明,牛市时股指期货市场发挥主要的长期价格发现作用,熊市时两个市场存在双向的价格发现,过分自信效应可以解释这一异化现象.两个市场在牛熊市都存在双向的波动溢出,但非对称性的方向相反.熊市时两个市场上都检验出了更多的跳跃行为,熊市下股指期货市场的跳跃风险来自于未预期到的信息.     

系统性跳跃、异质跳跃与尾部特征

将系统性跳跃和异质跳跃视为尾部事件,从极值理论的视角探讨股票收益率分布的尾部特征.利用time of day(TOD)方法消除高频数据的日内效应,运用指数-个股法~1分解系统性跳跃和异质跳跃,并采用peak over threshold(POT)方法分别估计它们的左尾和右尾参数.实证研究表明,A股市场日内效应具有明显的"L"型特征,每支股票的系统性跳跃与异质跳跃都是显著存在的,且两类跳跃都具有非常明显的厚尾特征,所有股票的右尾跳跃次数和贡献都大于左尾,这表明,频繁出现的资产价格跳跃及其尾部特征是导致股票收益率非正态分布的一个重要原因.     

基于杠杆效应和结构突变的HAR族模型及其对股市波动率的预测研究

近年来,基于高频交易数据的HAR族模型在对各类金融市场波动率的预测研究中展现出了良好的预测效果.本文在4个经典或前沿的HAR族模型的基础上,考虑杠杆效应和结构突变因素对波动率的预测作用,构建4个带杠杆效应和结构突变的HAR族模型.接着,以上证综指和深证成指的5分钟高频交易数据为研究样本,对上述模型进行样本内和样本外分析,以此检验各成分对股市波动率的预测作用以及比较各模型的预测能力.实证结果显示:已实现波动率,连续波动率,下行波动率,上行波动率,杠杆效应和结构突变成分对股市波动率的预测作用较强,而跳跃波动率,符号跳跃方差对股市波动率的预测作用较弱;带杠杆效应和结构突变的HAR族模型对股市波动率的样本内拟合效果和样本外预测能力都明显优于相对应的不带杠杆和结构突变的HAR族模型,其中大多数情况下LHAR-CJ-SB模型展现出最高的拟合效果和预测精度.以上结果表明,杠杆效应和结构突变因素能有效提高HAR族模型的预测精度,所以在HAR族模型的构建中这两个因素不能被忽视.     

跳跃自激发与非对称交叉回馈机制下的期权定价研究

跳跃集聚和波动率非对称回馈是股票价格运动过程中不可忽视的重要特征.基于动态跳-扩散半鞅随机过程,本文提出了具有时变跳跃到达率和波动率的双因子交叉回馈机制的期权定价模型,推导了跳-扩散交叉回馈模型的一般化风险中性变换关系;同时借助序贯贝叶斯方法对模型和跳跃风险溢价进行校准,并对道琼斯工业平均指数(DJX)、标普500指数(SPX)、苹果(APL)、IBM、JP摩根(JPM)股票进行实证研究,研究发现,它们的跳跃达到率和波动率都呈现集聚性和非对称回馈效应,且跳跃到达率具有更强的持续性和更大的杠杆系数;跳跃风险溢价在定价中占主要地位.期权定价的实证研究还表明,双因子交叉回馈模型具有最小的期权定价误差,定价能力明显优于单向回馈的跳-扩散模型.     

中国股市与股指期市的对冲表现及市场非完备性

基于理论模型和数据实证两个角度考察了在市场非完备条件下, 我国股票市场与股指期市的对冲表现. 在理论上, 建立了市场非完备性与市场微观噪声及考虑噪声的对冲效果之间的关系. 在实证上, 首先提出了一种基于非参数估计的分析方法, 然后利用5分钟高频数据验证了模型假设的合理性及模型结论的正确性. 理论与实证都表明当一个市场非完备性程度越高时, 利用股指期货对冲股市风险就越应考虑市场微观噪声的影响. 实证结果还表明我国股票市场和股指期货市场间存在较高的非完备性. 不过,随着时间的推移,市场的非完备性存在减小的趋势.     

基于高频极值数据的波动率建模与预测

本文系统性地研究了三种类别的高频极值数据下波动率的建模与预测，即分别基于高频收盘价数据、高频高低价数据、以及高频"开高低收"数据，讨论并完善了相应的连续价格假设下的估计量和跳跃价格假设下的估计量的理论性质，并将基于高频极值数据的各类估计方法统一地扩展为相应的动态预测模型，通过对上证指数及其他几种主要指数的高频数据进行实证分析，揭示出充分地利用高频极值数据信息可以显著地提高波动率的模型拟合效果和样本外动态预测能力.