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.     

机构投资者对中国股市波动性影响的实证研究

以中国股票市场上的上证指数与深证成份指数的日收益率为样本，采用GARCH与EGARCH模型，来研究机构投资者对中国股票市场波动性的影响。实证研究的结果发现，在大力发展机构投资者后，股指收益率波动性数值减小。波动的平稳性增强，波动的杠杆效应减弱，这表明机构投资者能够有效地降低股市的波动性。     

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.     

基于EGARCH和C-F扩展的VaR模型及应用

分别运用EGARCH和Cornish—Fisher扩展的VaR模型对中国深、沪股市的期望收益率与风险进行了实证比较研究，发现结合异方差的Cornish—Fisher扩展的VaR模型与仅用波动率描述的VaR计量方法比较，具有较好修正作用；同时对中国股票市场风险成因作了初步探讨。     

ARCH族模型在干散货运价指数分析中的应用

为了改善国际干散货航运市场预测的可靠性,通过对国际干散货航运市场运价指数(BDI)收益率序列的平稳性、异方差性进行分析和检验,验证BDI收益率序列是平稳的.通过使用GARCH(1,1)模型分析发现BDI收益率序列有明显的波动集聚效应并结合实际分析特别波动的原因.同时利用EGARCH模型刻画不同时期外部信息对国际干散货市场造成的影响以及区别.结论可用于国际干散货航运市场预测方法的改善.     

GARCH模型在开放式基金中的实证研究

用GARCH模型及其推广模型，分析了我国华安创新基金收益率的波动情况。实证分析结果表明：华安创新基金收益率存在异方兰性和不对称的现象，用EGARCH-M（2，2）模型就能较好模拟该基金收益率的特征。     

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.     

基于幂律型分布的动态VaR模型及实证研究

针对金融资产回报时间序列的尖峰厚尾性和波动集聚性,提出了基于AR(1)一GARCH(1,1)模型与幂律型分布相结合计算VaR的方法.用GARCH模型对时间序列建模刻画波动集聚性,用基于幂律型分布的扩展形式拟合GARCH模型的残差分布尾部,刻画回报时间序列的厚尾特征,两者结合更好地描述回报时序的动态波动现象.对上证综指进行实证分析,结果表明,文中提出的方法比基于正态分布的GARCH模型和静态幂律尾法更精确.     

机构投资者、股权分置改革与股市波动性——基于MCMC估计的t分布误差MS-GARCH模型

从2003年开始, 中国机构投资者占股市流通市值中的比例迅速增长. 论文以这段时期上证指数的日收益率序列为研究对象, 改进了最新的t分布误差MS-GARCH模型, 运用马尔科夫链蒙特卡罗模拟(MCMC)对该模型进行了估计, 为研究股权分置改革、机构投资者对股市收益率波动的影响提供了新的证据. 研究发现, 股权分置改革使股市波动性发生了结构性改变, 股市由低波动风险期转换为高波动风险期; 各类基金的总净值和仓位给股市波动性带来的影响有显著差异, 存款准备金率和利率的调整也会影响股市波动性. 最后, MS-GARCH模型对股市数据的拟合度和预测效率等都优于单状态GARCH模型.     

动态投资组合风险控制策略

从股市上采集的大量股票收益率数据表明,前后相邻的股票收益率数据呈现出一定程度的依赖关系,即前期收益率呈现出大的波动幅度,紧接着后期收益率也呈现出大的波动幅度,这样的波动特点被称之为"波动聚集性","风险传染性",在金融计量上,通常用收益率的方差来定量刻画收益率的波动幅度的大小和相应收益率风险的大小,因此本文选用能准确拟合金融资产收益率方差的GARCH模型来刻画金融资产收益率的这种"风险传染性",在此基础上应用协同持续思想构建了投资组合的风险优化控制模型,并求得了相应最优投资组合权重.选取6支股票作了实证检验.检验结果表明,按该模型配王的投资组合收益率长期被控制在较小的风险范围,在统计上亦表现出较高的夏普比.     

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。     

股指期权推出对股票市场和股指期货市场波动性影响:以KOSPI200股指期权为例

股指期权是以股票指数为标的期权类衍生产品,对于证券市场来说期权具有价格发现、活跃股票市场、增强市场的流动性与稳定性、促进资本形成、确保资本市场良性运行等功能,以韩国KOSPI200指数和KOSPI200指数期货为研究对象,使用GARCH(1,1)模型、TARCH(1,1)模型对韩国KOSPI200股指期权推出后KOSPI200指数和KOSPI200指数期货的波动性进行了研究,研究结果表明:KOSPI200指数期权推出对于KOSPI200指数和KOSPI200指数期货的波动性和非对称波动性都有显著的影响,KOSPI200指数推出后KOSPI200指数和KOSPI200指数期货的波动增大,同时股指期权推出后现货市场的不对称性加大,而股指期货市场的不对称性减小.结论对于新兴市场经济国家股指期权产品的设计和中国股指期权推出后的风险防范有着重要的参考价值.     

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。     

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.     

股指期权推出对股票市场和股指期货市场波动性影响

对于证券市场来说期权具有价格发现、活跃股票市场、增强市场的流动性与稳定性、促进资本形成、确保资本市场良性运行等功能.以韩国KOSPI200指数和KOSPI200指数期货为研究对象,使用GARCH(1,1)模型、TARCH(1,1)模型对韩国KOSPI200股指期权推出后KOSPI200指数和KOSPI200指数期货的波动性进行了研究.研究结果表明:KOSPI200指数期权推出对于KOSPI200指数和KOSPI200指数期货的波动性和非对称波动性都有显著的影响,KOSPI200指数推出后KOSPI200指数和KOSPI200指数期货的波动增大,同时股指期权推出后现货市场的不对称性加大,而股指期货市场的不对称性减小.结论对于新兴市场经济国家股指期权产品的设计和中国股指期权推出后的风险防范有着重要的参考价值.     

American option pricing under GARCH diffusion model: An empirical study

The GARCH diffusion model has received much attention in recent years, as it describes financial time series better when compared to many other models. In this paper, the authors study the empirical performance of American option pricing model when the underlying asset follows the GARCH diffusion. The parameters of the GARCH diffusion model are estimated by the efficient importance sampling-based maximum likelihood （EIS-ML） method. Then the least-squares Monte Carlo （LSMC） method is introduced to price American options. Empirical pricing results on American put options in Hong Kong stock market shows that the GARCH diffusion model outperforms the classical constant volatility （CV） model significantly.     

风险价值的完全参数方法及其在金融市场风险管理中的应用

风险价值模型 ( Value-at-Risk)是近年来发展起来的用于测量和控制金融风险的量化模型 .本文提出了计算风险价值的一种新方法——完全参数方法 ,它本质上是参数方法和极值理论的结合运用 ,在证券市场上的实证研究表明该方法优于目前流行的 Risk Metrics这种参数方法.     

流动性调整地风险价值度量: 基于金融高频数据的实证分析

结合ACD和UHF-GARCH理论构造了适应我国股票市场的日内风险价值WACD(1,1) -UHF-GARCH(1, 1)-IVaR模型,然后引入价格冲击模型构造的流动性度量指标,以浦发银行为例对我国股票市场的流动性日内风险价值进行了实证分析,得出三点结论: 一是我国股票市场的交易持续期具有很强的聚类性;二是高频数据中GARCH效应显著,且利好消息会对等量的利空消息产生更大的波动,但考虑流动性的影响因素后利空利好消息对市场的冲击效果都有明显降低;三是蒙特卡罗模拟结果表明,不考虑流动性影响的风险价值较大幅度地低估了实际损失.     

Liquidity-Adjusted VaR Measurement based on High-Frequency Data: Model Constructing and Backtest

This article constructed a WACD(1,1)-UHF-GARCH(1,1)-IVaR Model to the stock market of China with the theory of ACD and UHF-GARCH, and took Shanghai Pudong Development Bank as an example, gave an empirical analysis to the intraday Value at Risk adjusted by liquidity in our stock market combining the liquidity indicators designed by price impact model. The result shows that: first, the transactions duration has strong clustering character; second, there is also strong GARCH effect on high-frequency data, and good news will come out more volatility than bad news, but the effect of both news impacting on the market have obviously reduced after considering the influence of liquidity; finally, Monte Carlo simulation shows that the Value at Risk will underestimate the real losses without considering the liquidity effects.     

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。