股票价格波动模型探讨

在介绍传统的股票价格波动模型——随机游走模型和对数正态分布模型的基础上 ,提出了由随机波动源和异常波动源共同作用的波动源模型 ,并对波动源模型进行了实证研究 ,结果表明波动源模型要比传统的对数正态模型更能精确地描述现实股票市场的价格波动现象 .     

随机波动模型的持续性和协同持续性研究

波动持续性是广泛存在于经济和金融时间序列的一类普遍现象，它反映了经济和金融的风险相关性，在介绍随机波动模型有关要概念和性质的基础上，从单整的角度讨论了随机波动模型存在的持续性，并以此为基础，讨论了向量随机波动模型存在的持续性和协同持续性，给出了随机波动模型的协同持续定理，此外，文中进一步讨论了协同持续存在的条件和有关性质，给出了协同持续关系的误差校正模型形式。     

随机波动模型分析及其在上海股市的应用

随机波动模型的产生既有其数理金融背景,又有其金融计量根源;它们能很好地描述金融市场中的诸多波动现象.本文利用基本的随机波动模型对上海股市的波动性进行实证分析,得到了一些有益的结论;最后提出了对未来研究的一些建议.     

基于波动率分解的期权定价

文章通过将标的资产波动率分解为不相关的两个组成部分,构建了期权定价模型,并求解了相应的期权定价公式.分析新模型在标的资产收益率的偏度与峰度、隐含波动率等方面的重要特征,并利用市场数据对模型进行了拟合.研究表明:将波动率进行分解,以适应于其组件不同的运动过程,从而扩展了模型的适用场景;利用波动率组件的相互作用,即使在波动率参数较低时,也可以令短期期权获得明显的尖峰、波动率微笑等形态特征,从而有效地规避了单因素随机波动率模型的缺陷;同时,通过波动率分解引入新的风险源,模型具有更好的定价效率.     

随机波动模型参数估计的新算法及其在上海股市的实证

研究用马尔科夫链蒙特卡罗(MCMC)算法估计随机波动模型的参数问题.基于“前向滤波,后向抽样”方法提出一种新算法,并将新算法同原有算法进行了比较.然后利用新算法对上海股市进行波动性分析,发现中国涨跌停板制度对波动的持续性估计有着重要的影响,忽视这些因素将会导致波动的持续性被高估.     

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.     

一种汇率模型的波动分析

讨论一种受到一般随机干扰的汇率模型,介绍随机循环的含义及定理,使用随机李雅普诺夫函数得到了在一定的条件下受到各种随机干扰的实际汇率的波动范围。     

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.     

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.     

随机分形与金融波动的市场机制

简要回顾有效市场理论并指出其缺陷，将随机分形和分数布朗运动引入金融波动的研究中，阐述随机分形市场的经济涵义和波动机制，指出金融波动的异方差性，将分数维时间序列建模和异方差建模相结合，提出ARFIMA－GARCH模型，并给出实证研究。     

CHIB市场SV模型与GRS模型的比较研究

利用中国银行同业间拆借(CHIB)市场数据,估计并比较了目前国际上普遍采用的SV模型和GRS,研究发现,在样本期间内GRS比SV模型能更好的描述利率的均值和波动行为,在样本期间外SV比GRS模型能更好的预测未来利率的走势,而GRS比SV模型能更好的预测未来利率的波动。     

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.     

杠杆效应对期权定价的影响研究

本文基于时间序列视角从随机模拟和实证研究两方面探讨随机波动率模型中杠杆效应对期权定价的影响.在随机模拟中,通过与基本的随机波动率模型比较,发现当收益率时间序列存在高杠杆时,带杠杆的随机波动率模型给出的期权价格更接近真实的价格,在MAE和RMSE距离统计量上都存在显著差异,但较低的杠杆对期权定价不会有显著影响;并且,在带杠杆的模型中,路径模拟定价法优于BS框架下的定价方法.此外,在标普500指数的欧式期权上的实证研究,表明指数存在较高的杠杆水平;相较于期权市场价格,带杠杆的模型在定价上好于基本的模型,在MAE和RMSE统计量上存在显著性的差异.     

基于三因子模型的沪铜期货定价研究

基于沪铜的期货价格，构建包含商品现货价格、随机便利收益、随机波动率的三因子模型，对沪铜期货进行定价研究。使用似无关回归分析（SUR）方法，检验了沪铜现货价格和便利收益具有均值回复的特征，同时检验了库存理论的有效性；利用AR-GARCH模型检验了不同期限的铜期货价格具有随机波动率的特征。最后，提出三因子模型的构建方式，推导得出期货定价公式的解析解，并结合状态空间模型和扩展卡尔曼滤波对模型进行估计。使用2010~2019年的沪铜期货价格进行实证研究，结果表明：铜现货价格、便利收益与随机波动率间均呈正相关；模型在样本期内拟合效果较好，尤其在2012年铜期货暴跌与2017年铜期货暴涨的时段内，三因子模型能够很好地捕捉到波动率的变化。此外，相比于经典的Schwartz双因子模型，本文提出的三因子模型具有更高的拟合精度。     

随机波动率模型的参数估计及对中国股市的实证

基于有效重要性抽样(EIS)技巧,提出极大似然(ML)方法估计了四种不同收益分布假定的随机波动率(SV)模型的参数. 以上证综合指数和深证成份指数为例,实证检验了不同收益分布假定的SV模型的性能,分析适合我国股票市场的SV模型及收益分布. 实证结果表明,与正态分布、学生t-分布和广义误差分布(GED)假定的SV模型相比,具有“有偏”和“尖峰厚尾”特征的有偏学生t-分布假定的SV (SVSKt)模型能够更好地描述中国股票市场的波动性.