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.     

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。     

不同市场状态下股指期货套期保值效率研究——异常波动事件的影响效应

本文以股市异常波动为背景系统地考察了沪深300股指期货在不同市场状态下动态套期保值效率的变化,以探究异常波动和交易限制措施对股指期货套期保值功能的影响.本文基于日内高频数据建立已实现协方差(RCOV)和已实现相关系数来度量期现收益率相关性,进而建立RCOV-Wishart-HAR模型以及MVGARCH族模型用于动态套期保值.本文的实证结果表明股指期现收益相关性在异常波动中出现下降,并在严格的交易限制措施出台后受到进一步冲击.股指期货的风险对冲效率相应地在异常波动中出现下降,但仍能够对冲70%以上的市场波动风险;近年来,随着交易限制的逐渐松绑和市场波动率的降低,股指期货的风险对冲效率出现回升.套保成本在异常波动中最低,而交易受限后套保成本高于受限之前的水平,并没有随着交易限制的松绑而下降.以上结果表明股指期货在异常波动中较好的发挥了套期保值功能,交易限制措施阻碍了套期保值功能的发挥,现行的松绑政策一定程度上促进了股指期货套期保值功能的恢复,但仍有进一步的政策空间.     

中国股市多分形波动率建模及预测研究

本文考虑股市高频数据的日内效应和已实现波动率的测量误差修正了现有多分形波动率指标的构建方法，以HAR模型为基础构建新的多分形波动率预测模型.利用Diebold-Mariano检验和"模型信度设定"检验等方法综合评价了各种模型对我国沪深300股指的预测能力.结果表明：1）在相同模型范式下，赋权调整已实现波动率的样本外预测能力要优于已实现波动率，而本文提出的新的多分形波动率模型要显著优于其他模型；2）在相同波动率测度指标下，引入股价波动的跳跃成分和杠杆效应能进一步改善波动率模型的短期预测效果；3）最优和次优模型均是基于新多分形波动率方法构建的模型.     

基于波动率测量误差的波动率预测模型

本文研究了一种基于波动率测量误差的波动率预测模型,并做了非线性扩展,期望改进预测效果.考虑到文献中关于波动率可能长记忆性和非线性并存的观点,本文以具有长记忆特征的HAR(heterogeneous autoregressive)模型为基础,加入波动率测量误差后模型持续性有所提高,结合非线性的时变参数模型则达到结构变化和减弱异方差的效果.本文用2652天的沪深300高频数据计算的已实现极差波动率来验证模型效果.固定参数下,在HAR型模型中加入测量误差作为调节变量可以较显著地改善样本外预测效果.时变参数下,加入测量误差的HARQ型模型预测效果大多优于对应的HAR型模型.时变参数模型总体上可以改善固定参数模型的预测效果,尤其在预测期较长的情况下改善均是显著的.     

基于TVS-HAR模型的农产品期货市场已实现波动率的预测研究

本文以4种农产品期货的高频数据为样本,在实证考察预测因子对农产品期货已实现波动率的预测能力基础上,通过假定时变HAR模型的参数遵循独立正态-伽马自回归过程先验分布,构建了具有时变稀疏度的HAR模型(TVS-HAR),以同时考虑预测模型参数的时变性和预测模型的时变性,并采用MCS检验评价和比较该模型和其他HAR族模型的样本外预测性能.实证结果表明:TVS-HAR模型能较好地识别和拟合潜在预测因子对农产品期货市场波动率的预测的重要性和影响程度的时变性;跳跃成分对我国农产品期货市场已实现波动率具有一定的预测能力;相对于其他几类HAR模型,TVS-HAR模型的预测性能最好.     

基于TVS-MHAR模型金融市场高频多元波动率的预测

本文基于Kalli和Griffin(2011)的时变稀疏模型和多元HAR模型,构建了具有时变稀疏性的多元HAR模型(TVS-MHAR),并利用中国上证综指、沪深300期货和国债期货的五分钟高频数据,对金融市场的已实现波动率矩阵进行预测.本文通过Cholesky转换方法保证预测波动率矩阵的正定性.通过对不同多元波动率模型的预测结果进行数值比较和经济比较,本文发现,本文构建的TVS-MHAR模型无论对于短期预测、中期预测还是长期预测都具有最高的预测精度和最大的投资改善.同时,时变多元波动率模型可以获得比固定参数模型更好的预测效果,高频数据模型比低频数据模型获得更大的投资改善.     

引入隔夜信息的已实现波动率

中国股市每天交易时间只有4小时,而可能影响股票收益的信息却在24小时内连续累积。隔夜信息即指非交易时段产生的影响股市的信息,既可能源自非交易时段的政策颁布、公司公告,也可能源自海外市场的股价变动等。在估计日已实现波动率时,对隔夜信息的处理方式尚无定论。以沪深300指数5分钟高频价格为实证数据,比较多种引入隔夜信息的方法,发现本文提出的以SP500指数交易时段已实现波动率代理隔夜波动率,与沪深300指数交易时段已实现波动率相加而构建的日已实现波动率估计量,在均方误差指标和模型置信集检验下具有最高的样本内精确度。并且以之为真实波动率代理变量时,常用GARCH类模型样本外预测性能的比较结果在各种估计窗/预测窗组合下最为一致。     

中国股票市场特质波动率异象及成因

本文改进并构建了月滚动已实现特质波动率作为度量特质波动率的标准,通过横截面回归的研究方法对中国股票市场是否存在特质波动率异象进行实证检验。在此基础上,基于HP滤波法将特质波动率分解为长期特质波动率和短期特质波动率两部分,分别研究二者与股票截面收益之间的关系。结果显示,中国股票市场确实存在特质波动率异象。进一步研究发现,长期特质波动率与股票截面收益成正向关系,短期特质波动率与股票截面收益成反向关系。在长期特质波动率与短期特质波动率综合作用下,特质波动率与股票截面收益率之间的关系可能为正也可能为负,取决于两者谁占主导地位,进而从指数构建与方法论的视角对我国股票市场的特质波动率之谜做出了解释。     

基于微观结构噪音修正的波动率估计——以中国股市逐笔交易数据为样本

基于中国股市遂笔交易数据,有效利用全样本不规则采样数据,采用二尺度已实现波动率(TSRV)方法对我国股票市场分离噪音下的日波动率进行估计,并将TSRV方法拓展至日内高频时段,结合RV模型进行了对比研究,研究结果正示逐笔交易数据相对传统起高频数据包含更多的交易信息,噪音的存在严重的干扰了波动率估计,TSRV方法在中国市场条件日间和日内都具有较好的适用性,能有效别出微观结构噪音对波动率估计的影响,提高波动率的估计精度和稳定性.实际应用中,TSRV方法对低频采样频率的选取具有很好的鲁棒性.     

赋权已实现波动及其长记忆性,最优频率选择

已实现波动是针对高频金融时间序列的一种全新的波动度量方法,具有不需要模型和计算方便的优点.本文则对已实现波动进行了改进,提出了另一种更为有效的波动度量方法———赋权已实现波动,并且使得“已实现”波动成为赋权已实现波动的一个特例.通过对上海股票市场的实证研究,说明了赋权已实现波动是优于已实现波动的波动估计量,并且对赋权已实现波动的统计特性进行了分析.同时,在综合考虑微观结构误差和测量误差的基础上选择了最优的高频数据采样频率.     

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.     

已实现波动和已实现极差波动的比较研究

高频金融时间序列的分析与建模是金融计量学的一个崭新的研究领域,已实现波动和已实现极差波动是针对高频金融时间序列而开发的两种全新的波动率度量方法.首先证明了在理想状态下,已实现极差波动比已实现波动是更有效的波动估计量,然后基于渐近关系讨论了高频数据最优抽样频率问题.在模拟试验的基础上,比较了微观结构效应对两种波动率度量方法的影响程度.最后,通过实证分析对上证综指的高频数据给出一个最优抽样频率.     

我国沪深300股指期货和现货市场的交叉相关性及其风险

利用2010年4月16日到2012年4月12日期间的我国沪深300股指期货和现货1分钟高频数据，采用降趋交叉相关分析方法（DCCA）和多重分形降趋交叉分析方法（MF-X-DFA），研究我国股指期货市场和现货市场之间的以及在不同收益率情况下的长程交叉相关性和风险情况. 结果表明，我国股指期货和现货市场之间具有长程交叉相关性，均呈现出长期记忆性和多重分形特性，且股指期货市场的整体风险大于现货市场；随着市场波动程度加大，市场之间的交叉相关性增强，风险的传染程度加剧. 这对于金融市场的风险监管和政策的制定具有一定的借鉴意义.     

高频时间序列的改进"已实现"波动特性与建模

高频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”波动是针对高频金融时间序列的一种全新的波动率度量方法．证明了“已实现”波动的极限性质，对“已实现”波动的计算方法进行了修正，得到了更有效的改进“已实现”波动．在综合考虑微观结构误差和测量误差的基础上，定义了最优抽样频率．通过蒙特卡罗模拟，说明改进“已实现”波动是比“已实现”波动更有效的估计方法．研究了上海股市的“已实现”波动和改进“已实现”波动的特性，并针对改进“已实现”波动的长记忆性和“杠杆”效应建立了ARFIMAX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.