中国股市收益率与波动性长记忆性的实证研究

根据 Granger关于序列长记忆性的定义 ,从股市收益率与波动性两个方面分析与研究了香港、上海和深圳股市的长记忆性 .结果表明 :中国股市收益率与波动性具有长记忆性 ,尽管收益率的长记忆性不如美国股市强 ;上海股市的记忆性明显强于深圳股市 ;分数可积模型较指数衰减自相关函数能更好地拟合样本的自相关系数     

中国股市极值收益率的长记忆性研究

与以往对股市收益率及波动率的长记忆性及有效性研究不同,聚焦于金融市场极端波动行为,以中国股票市场最具代表性指数——上证指数为研究样本,将金融市场按照一定期间划分为不同的时间窗口,将每个时间窗内的极值收益率组成一个时间序列,并将该极值收益率序列作为实证研究对象。分别运用重标极差分析、消除趋势波动分析等多种统计方法,对上海股票市场极值收益率的长记忆性展开深入研究,结果发现无论是极值收益率序列还是极值波动率序列都具有明显的长记忆性特征,且极值收益率序列和极值波动率序列呈现出的长记忆性特征要明显强于原始全样本收益率序列本身,这说明市场的极端波动行为之间具有一定的依赖性,市场的极端波动行为在一定程度上是可测的。此外,进一步分析了极大值及其相应波动率序列之间、极小值及其相应波动率序列之间以及极大值与极小值之间的互相关关系,结果发现不同的极值序列间呈现出各自特有的、强度不同的相互依赖关系。     

基于期限结构溢价的商业银行信用利差测算模型与实证

商业银行的信用利差系指银行债与国债年到期收益率的差额, 既反映市场众多投资者对特定银行信用风险程度的认同, 又是银行债投资决策的重要依据. 通过同一信用等级银行债到期收益率曲线上、不同期限的到期收益率之差确定T-1年的利率期限结构溢价, 通过T年期银行债的到期收益率减去T-1年的利率期限结构溢价来确定1年期银行债的到期收益率, 建立了基于期限结构溢价的商业银行信用利差测算模型和违约概率测算模型, 并对可得到数据的46家商业银行进行了实证研究. 本文的创新与特色一是通过用特定银行债T年期的理论到期收益率r_y,T减去收益率曲线上的同一信用级别银行债T-1 年利率期限结构溢价r_p,T-1、来确定特定银行债1年期到期收益率r_y,1, 解决了现有理论公式仅仅能够测算T年这一整个时段的到期收益率、无法确定特定债券1年期到期收益率、因而无法计算债券利差的难题. 二是通过1年期的银行债与国债到期收益率的比较给出各有关银行的实际信用利差, 反映资本市场对各有关商业银行信用风险的认同, 为银行债的发行定价和投资决策提供依据. 三是通过折算到同一基准日的国债与银行债实际到期收益率的比较来反映真实的信用利差, 解决了各种债券由于发行日不同而无法进行比较的问题. 四是通过实证研究得到了与穆迪公司对我国银行信用风险排序一致的结果, 验证了本模型的合理性. 实证研究结果表明, 四大国有商业银行违约概率最低, 地区性的城市商业银行违约概率较高, 上市银行的违约概率居中.     

中国债券收益率的可预测性检验

基于工具变量(instrumental variable, IVX)统计检验方法,对我国主要宏观经济变量能否单独或联合预测债券收益率进行可预测性研究.IVX检验方法无需考虑预测变量的持续性先验信息,对任何属于单位根过程、近单位根过程、近平稳过程或平稳过程的预测变量都稳健.进一步使用AIC和BIC方法对多元变量回归模型进行变量筛选,仿真结果表明,两种准则均能准确筛选出模型重要变量并排除冗余变量.通过对国债和AAA、AA-级企业债三种不同信用等级债券收益率的长短期可预测性差异分析,研究发现:1) 1年期储蓄存款利率、人民币实际有效汇率、沪深300指数、工业增加值同比以及大部分宏观经济变量组合在10%显著性水平上能显著预测债券收益率;2)宏观经济变量长期预测能力强于短期;3)基于IVX方法的AIC和BIC准则能够有效地筛选模型重要变量.     

我国国债收益率波动的Padé逼近模型研究

利用Padé逼近模型,研究我国国债收益率的变动规律.在分析国债日收益率分布特性的基础上,运用Hill估计器通过检验分布的尾部特征,发现收益率服从负幂律分布.根据计算的Pareto指数,选定的Padé逼近模型为P[0,4]模型.运用该模型对我国不同到期期限国债收益率的检验发现,该模型可以较好地拟合各种期限国债的收益率波动.     

基于长记忆视角的Granger因果检验

基于ARFIMA和FIGARCH模型,以地产股指数和银行股指数为例,提供了一种分解长记忆时间序列短记忆特征的思路,研究了时间序列长记忆性对Granger因果检验的影响.案例研究表明,银行指数收益率波动对地产指数收益率波动有更强的因果引致关系,且银行指数收益率波动的长记忆特征在一定程度上影响到其短时相依关系对地产指数收益率波动的解释力.     

中国期货市场高频波动率的长记忆性

利用GPH方法对中国期货市场收益率的高频数据进行检验, 实证结果表明: 期货市场高频收益率数据的波动性具有长记忆性特征. 然后应用一类描述金融市场波动性过程的长记忆性特征的分整自回归条件异方差FIGARCH模型和HYGARCH模型, 研究了中国期货市场高频数据波动性过程, 实证结果表明长记忆的GARCH类模型在预测期货市场高频数据波动率比较合适. 且相比较而言, HYGARCH模型比FIGARCH模型更加适用于期货市场.     

多维高频数据的"已实现"波动建模研究

金融市场高频数据的分析与建模是金融计量学一个全新的研究领域.把基于一维高频数据的“已实现”波动率扩展到多维高频数据情形,给出“已实现”协方差阵,并给出了协方差阵的极限性质,用以刻画多维金融变量的波动率和相关性.研究了基于上证综指和深圳成份指数高频数据的“已实现”协方差阵的特性,最后针对它的长记忆性建立了FIVAR模型,该模型刻画了上证综指和深圳成份指数各自的波动性和之间的相关性.研究发现,“已实现”波动和“已实现”协方差取对数后具有良好的正态分布特性,相同的长记忆性.针对“已实现”协方差阵建立的FIVAR模型为进一步研究波动的协同持续性提供了基础.     

中国股市收益率的多重分形分析

应用MF-DFA方法对上海综合指数收益率和深圳成分指数收益率进行多重分形分析.结果表明:上证综指收益率和深成指收益率均具有多重分形特征,均存在长程相关性和胖尾分布;深成指收益率序列的相关性程度高于上证综指收益率序列的相关性程度,从而上证综指收益率的波动性大于深成指收益率的波动性.     

人民币收益率曲线构建研究

内部资金转移定价系统在一定程度上决定了国内商业银行未来竞争力，而收益率曲线的构建是其中的关键所在。但是由于国内金融市场的特殊性，缺乏可用的人民币收益率曲线，本文对这一重要问题进行了探讨。本文首先对相关文献和收益率曲线的应用进行了评述，在此基础上，提出了基于McCulloch模型的人民币收益率曲线构建的具体方法，并采用实际数据进行了检验。     

中国股市收益率胖尾性分析

应用HKKP估计方法对沪深股指收益率的尾指数进行估计,并对涨跌停板前后股指收益率尾部的变化状况进行分析。结果表明:沪深股指收益率的左右尾指数均大于2;上证综指收益率呈现明显的非对称性,右尾胖于左尾;上证综指收益率的波动性比深成指收益率的波动性大,但沪市比深市更有吸引力;沪深股指收益率在涨跌停板后发生了较大的变化,沪市变化更大。     

我国螺纹钢线材市场的分形特征

运用重标极差分析方法(R/S分析法)、消除趋势波动分析(DFA方法)以及多重分形消除趋势波动分析方法(MF-DFA方法),对我国螺纹钢线材市场收益率序列进行实证研究。结果表明:我国螺纹钢和高线两种钢材的日收益序列具有尖峰厚尾特征,并不服从正态分布,存在显著的正相关性和长记忆性;且螺纹钢和高线的日收益率序列具有明显的多重分形特征,因此仅用单一的标度指数对其进行描述是不合适的。     

企业投资预期收益率的风险偏好影响的研究

引入递归效用函数,建立了考虑企业风险偏好条件下的预期收益率的修正模型,并就不同的偏好参数下的预期收益率进行了模拟。结果表明:主观贴现因子对预期收益率的影响为负,且主观贴现因子越大,对于主观贴现因子边际预期收益率绝对值就越小;而跨期替代弹性和风险规避系数对预期收益率的影响为正,在跨期替代弹性和风险规避系数的不同取值空间内,对预期收益率的影响程度存在很大差别。     

上证指数收益率、波动性与成交量动态关系研究——基于日数据的非线性动力学实证分析

对上证指数的收益率、波动性与成交量的动态关系进行了实证分析.采用EGARCH(1,1) M模型和ARMA(4,3) ARCH(1)模型分别测度上证指数收益率的波动性以及成交量的波动性,使用逐步回归法建立了收益率与成交量(R-V),收益率的波动性与成交量(hR-V)以及收益率的波动性与成交量的波动性(hR-hV)等的二维动力学模型,并用动力学方法研究以上诸二维系统的动力学行为.研究结果表明,虽然大量研究结果表明股市收益率时间序列存在混沌现象,但由收益率与成交量、波动性与成交量等构成的二维动力系统并不存在混沌现象.     

基于仿射过程的企业债信用价差期限结构模型

本文选取上海证券交易所2003年至2010年国债和企业债交易数据，通过遗传算法求解五因子利率期限结构模型，分别得到不同期限国债和企业债的收益率时间序列，然后分别用两因子与四因子仿射过程来刻画国债收益率与企业债收益率的动态变化，从而构建债券信用价差的两因子仿射期限结构模型，并运用卡尔曼滤波法求解模型参数，进而预测出企业债信用价差序列.实证结果表明，该仿射模型能够较好地描述企业债信用价差的动态变化，可为企业债及其衍生产品的定价提供方法支持.     

中国股市指数收益率的时间跨度特性

以上证指数和深成指的3种不同时间跨度的收益率序列--日收益率、周收益、月收益率为研究对象,对比分析它们分布情况、厚尾性、ARcH效应以及自相关性等特征的变化.结果表明,随着时间跨度的不断增加,上海股市和深圳股市的收益率序列逐步趋于正态分布,序列自相关性增强并存在长期相关性,波动集群性逐渐消失,波动持续性和杠杆效应不断减弱,风险溢价的敏感性不断增强,这些相同的变化趋势反映出两地股市有很强的联动性.同时,两地股市指数收益率厚尾性变化有明显区别,随时间跨度的增加,上证指数收益率的左尾变瘦,右尾变胖,深成指收益率的左右尾都逐渐变瘦,这种不同的变化趋势反映出两地股市的差异性.     

基于小波变换的LMSV模型波动长记忆性估计与检验

将小波引入到LMSV模型波动长记忆性的估计与检验中，提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法，用不同参数值和样本容量的数据进行了模拟实验．又用该方法对上海和深圳证券交易所综合指数收益序列的LMSV模型的波动长记忆性进行了检验和估计，结果表明该方法是有效且可行的．     

基于CKLS过程的国债利率风险计量的实证分析

以我国国债市场为例,利用4种期限类型(7年期、8年期、10年期和20年期)的国债收益率样本数据对CKLS框架下各种利率动态模型进行实证分析得出,CIR模型较适宜于中国当前的金融市场实际;实证研究中考虑广义矩方法(GMM)可能存在某些问题,如效率不高等,本文使用Nowman(1997)提出的最大似然估计法(MLE)对上述利率动态模型进行估计。在此基础上,构建了基于利率期限结构的久期模型并进行经验计算。     

基于财富与信息角度的人工股票市场建模及非线性特征形成机理

在Chinrella人工股票市场的交易框架下,建立了在异质信念模块中增加财富与信息模型的人工股票市场。并通过多次实验,研究了财富与信息对股票市场非线性特征的影响。结果表明,收益率的尖峰、厚尾,波动聚集性,长期记忆性这三种非线性特征的形成各不相同。财富分布均匀更多导致收益率的尖峰、厚尾,长期记忆性产生,而财富分布不均匀导致收益率波动聚集性的产生;技术分析者信息处理方面,不均匀处理更多导致尖峰、厚尾产生,均匀处理更多导致波动聚集性产生,利用更多过去信息将更多导致长期记忆性产生。最后,从股票市场非线性特征的形成机理角度提出了完善股票市场的建议。     

基于EWT-SSA-PSO-ELM模型的P2P网贷市场收益率预测

鉴于目前鲜有研究关注P2P网贷市场收益率预测问题,针对已有金融市场收益率预测研究存在的不足,提出了一种基于两阶段分解技术和粒子群优化极限学习机的EWT-SSA-PSO-ELM预测模型.引入EWT经验小波分解算法对原始的收益率综指序列进行分解,进而提高原始序列的分解效率;采用Lempel-Ziv复杂度算法提升模式分量重构的科学性,避免以往分量重构过程的随意性;利用SSA奇异谱分解算法对高频重构分量进行降噪,从而提升高频重构分量预测效果.基于该预测模型对P2P网贷市场收益率综指进行预测,实证结果表明,所构建的收益率预测模型的性能显著优于其余基准对比模型.