基于MSV类模型的中国汇市与股市间溢出效应

金融市场波动特征及溢出效应一直是经济、金融学界研究的热点问题之一,SV模型作为一种有效刻画金融时间序列波动的工具,极具应用前景,但用于测度溢出效应的向量SV模型由于参数估计困难而鲜见于文献。本文借助WinBUGS软件,采用基于Gibbs抽样的MCMC方法,运用DC-MSV模型和GC-MSV模型分别对汇市与股市间的动态价格溢出效应和波动溢出效应进行研究。实证结果表明,汇市与股市间的价格溢出具有明显的时变特征,总体为负相关关系;汇市与股市间存在双向波动溢出效应,但汇市对股市的波动溢出要强于股市对汇市的波动溢出,呈现不对称性。     

基于ICA的多元金融市场波动溢出及实证研究

研究多个金融市场间的波动溢出效应能更好地刻画金融复杂系统的演化过程,有效防范和抵御金融风险。鉴于BEKK和DCC-MVGARCH等传统多元波动率模型存在的缺陷,运用独立成分分析(ICA)方法建立基于ICA的IC-EGARCH波动溢出扩展模型。实证分析了上证综指、上证基金、上证国债、美元兑人民币汇率和上海银行间同业拆借利率间的波动溢出效应。结果表明:我国股票、基金、债券、外汇和货币五个金融市场间存在不对称性的波动溢出;另外,IC-EGARCH模型的波动率预测效果显著优于BEKK模型和DCC模型,且在险价值(VaR)更低;新模型显著降低了多元波动率参数估计的个数。     

权证收益率波动的度量:基于GARCH和SV模型的比较

分别采用GARCH模型和SV模型对权证收益率波动进行比较研究,发现这两类模型均能较好地拟合权证收益率的波动,但SV模型比GARCH模型更能捕捉权证收益率的波动信息。在权证总持续期间,通过SV模型计算的V aR值比GARCH模型更加准确;而在权证发行上市时期及最后交易日期间,通过GARCH模型计算的V aR值比SV模型更加准确。     

ARCH模型与SV模型之间的关系研究

讨论了在金融时间序列中广泛应用的两类波动性模型，即自回归条件异方差(ARCH)模型和随机波动(SV)模型的关系问题。通过随机微分方程研究了GARCH模型和SV模型的相互联系并得到结论：一个离散的EGARCH(1，1)模型在弱GARCH过程的条件下与一个离散的SV模型是一一对应的。在此基础上进一步讨论了EGARCH(1，1)模型和SV模型的单位根问题，结果表明，两类模型的单位根存在对应的关系，即二者的持续性能够通过随机报分方程的形式来传递，这一性质表明了二者之间存在本质的联系。     

基于SV模型和KLR信号分析的期货逼仓风险预警模型

采用期货价格波动风险、持仓量波动风险和基差波动风险三大因素衡量期货交易中的逼仓风险。采用KLR信号分析法、SV随机波动模型、GARCH模型等构建了逼仓风险预警模型，为期货市场中的逼仓风险预警监控提供了理论依据和具体的方法。本研究最为关键的突破创新有以下两点：一是结合KLR信号分析法、SV模型等建立了期货交易中的逼仓风险预警模型。经1980～2006年的文献检索发现本研究是针对我国期货交易逼仓风险预警问题首次提出的定量分析模型，解决了我国期货界对逼仓风险至今没有预警方法的难题。二是在本研究中将现有KLR信号分析法与风险指标预测模型相结合，突破了以往使用KLR信号分析方法只能采用历史数据对未来情况进行预警而造成的预警误差。经实证分析，本研究的逼仓风险预警模型精度可达76．67％。     

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。     

Box-Cox-SV模型及其对金融时间序列刻画能力研究

利用Box—Cox变换构造的随机波动模型，即Box—Cox—SV模型，较好地概括了现有文献中出现的一些常用SV类模型，避免了模型选择中的困难．论证了该类模型的矩属性和平方序列的自相关特征，利用MCMC估计方法对上证指数收益序列建立了Box—Cox—SV模型，并与EGARCH模型对金融时间序列的刻画能力在理论上和实证上进行了对比研究．     

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。     

具有杠杆效应SV模型的贝叶斯分析及其应用

对具有杠杆效应的SV模型进行了的贝叶斯分析，使用基于Gibbs取样的BUGS软件对模型的参数进行了估计。用上海和深圳股市的指数收益时间序列对杠杆效应SV模型进行检验，指出沪、深两个股票市场存在显著的杠杆效应。     

多维波动模型的因果关系分析

在Comte等关于二阶(非)因果关系的基础上,探讨了FF-GARCH模型、(G)O-GARCH模型、Hadamard乘积GARCH模型的波动(非)因果关系条件,为更好理解所得结论,给出了二维情况下的表达。同时,对多维SV模型也进行了分析。     

我国农产品期货与现货市场之间的信息传递效应

通过构建误差修正项模型和基于t分布的双变量EC-EGARCH(1,1)模型,选取玉米和白糖期货作为研究样本对我国农产品期货市场和现货市场之间的的信息传递效应进行了实证研究。结论表明:农产品期、现货市场之间存在长期均衡关系、相互引导关系和相互波动溢出效应,并且期货市场对现货市场的波动溢出效应大于现货市场对期货市场的波动溢出效应;检验了期货市场交易量和持仓量的信息传递效应,发现只有交易量对现货市场有显著的正反馈信息传递效应。     

多维条件方差偏度峰度建模

为了考察多个市场或多个金融资产之间的高阶矩风险度量问题,有效地捕获收益率时间序列高阶矩动态特征,在考虑当前预期和波动性条件下,推导了高阶中心矩和协矩之间的关系,提出了能够有效解决维数灾祸问题的多维条件高阶矩模型.在多维S_U分布基础上,采用动态条件相关性(DCC)和自回归条件密度技术,通过智能优化算法对条件高阶矩模型的时变参数进行估计.实证研究结果表明,多维条件高阶矩模型较好的拟合了收益率时间序列高阶矩动态特征,与之前的高阶矩模型相比,能够有效解决高阶矩模型的维数灾祸问题,表明该模型能够捕捉到我国多个市场之间高阶矩风险特征,提高多维条件高阶矩模型测度能力.     

应用小波分析方法研究沪深股市的溢出效应

应用小波分析方法研究沪深股市的价格和波动性的特征以及两市之间的溢出效应．对沪深股指收益率序列用小波分析作信号分解，分解为高频信号(细节信号)和低频信号(离散逼近信号)．通过比较沪深股市的高频信号之间的关系获知沪深股市之间存在着显著的价格和波动性的溢出效应．深市和沪市之间存在着一定程度的负的价格溢出效应；而深市对沪市存在着正的波动性溢出效应，沪市对深市存在着负的波动性溢出效应，并且波动性溢出效应大于价格溢出效应．     

具有有偏厚尾的非对称SV模型及其实证研究

为了描述资产收益与波动率之间的非对称关系,提出一种非对称SV模型,即具有杠杆效应与尺寸效应的SV(SV-LS)模型。进一步,针对资产收益分布展现出"有偏"及"厚尾"特征,引入有偏广义误差分布(SGED)来描述资产收益,提出具有有偏厚尾的SGED假定下的SV-LS模型。继而,基于有效重要性抽样(EIS)技巧,给出了模型参数的极大似然(ML)估计方法。最后,采用上证综合指数收益数据进行实证研究。结果表明,SGED假定下的SV-LS模型表现最优,它能够综合刻画资产收益的"有偏"及"厚尾"特征,并且证明了我国沪市具有很强的波动持续性以及显著的杠杆效应。     

基于Copula-SV模型的金融投资组合风险分析

基于正态Copula函数和SV模型,建立了正态Copula-SV模型,将其应用到金融投资组合风险分析,并与Copula-GARCH模型对金融投资组合风险分析方法进行了对比,结果表明,边缘分布的选择对变量的联合分布具有重要作用,Copula-SV模型比Copula-GARCH模型在刻画组合风险VaR值方面具有优越性。     

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.     

人民币NDF市场与新台币NDF市场相关性及风险溢出研究

通过构建二元正态Copula模型和SJC-Copula模型来研究不同时期人民币NDF市场和新台币NDF市场之间的相关性特征和尾部相关性的变化,接着运用CoVaR方法着重分析新台币NDF市场对人民币NDF市场的风险溢出强度.实证结果表明:两个市场在金融危机前期和金融危机时期存在明显正的相关性,只是在金融危机后期特别是2011年之后,随着人民币不断升值的预期,两市场间表现出负相关性;下尾相关程度在金融危机时也明显增强,新台币NDF市场对人民币NDF市场在三个时间段都存在着明显的溢出效应.并且在金融危机时期溢出效应最强.