深圳股市价格运动可预测性的研究

讨论了市场的可预测性及有效性的关系。以深圳股票市场为对象，研究了股票价格或各类指数的可预测性，发现深圳股市综合指数和各类分类指数的对数可以认为服从随机走动，而在被检验的6个股票价格中发现两个股票价格的对数不服从随机走动，只服从单位根过程，随机扰动项具有序列相关性。检验方法包括用Phillips-Perron检验法检验单位根过程，用方差比检验法检验随机走动等。     

空间滞后模型中Moran's Ⅰ统计量的Bootstrap检验

针对空间滞后模型的估计残差,采用Wild Bootstrap方法进行空间相关性检验;进而,基于Moran's Ⅰ统计量的经验分布,从水平扭曲和功效角度比较Bootstrap检验和渐近检验的有效性.Monte Carlo实验结果显示,在经典正态假设条件下,Bootstrap检验已然同等或优于渐近检验;在更为实际的异方差、非正态假设条件下,渐近检验显著偏离,而Bootstrap检验的水平扭曲更小、功效更高.当模型不满足经典的分布假设条件,尤其是在小样本和空间衔接密度较高情况下,与渐近检验相比,Bootstrap检验更为有效.     

空间滞后模型中Moran's I统计量的Bootstrap检验

针对空间滞后模型的估计残差,采用Wild.Bootstrap方法进行空间相关性检验;进而,基于Moran's I统计量的经验分布,从水平扭曲和功效角度比较Bootstrap检验和渐近检验的有效性.Monte Carlo实验结果显示,在经典正态假设条件下,Bootstrap检验已然同等或优于渐近检验;在更为实际的异方差、非正态假设条件下,渐近检验显著偏离,而Bootstrap检验的水平扭曲更小、功效更高.当模型不满足经典的分布假设条件,尤其是在小样本和空间衔接密度较高情况下,与渐近检验相比,Bootstrap检验更为有效.     

羊群效应的新测度指数及其对我国股市波动的预测作用研究

羊群效应作为一种典型的市场投资者行为异象，极易对股票价格波动形成影响.因此，在已有羊群效应测度方法基础上，提出了一种新的羊群效应测度指数，并以我国上证综指为样本，运用广义自回归条件异方差混频数据（GARCH-MIDAS）模型实证检验了该指数对上证综指波动率的影响及预测作用，并与多种常用的同频数据GARCH族模型和纳入经济政策不确定性指数（EPU）的波动率模型进行比较分析.实证结果表明，相对于EPU指数，纳入新羊群效应指数的GARCH-MIDAS模型具有更显著的样本内参数估计结果，同时可以更好地解释上证综指波动的长期成分.进一步，模型信度集合（MCS）检验和预测方向准确性（DoC）检验结果表明，纳入新羊群效应指数能够显著提高模型对我国股市波动率的样本外预测精度.最后，采用不同样本外预测天数、不同损失函数、不同滞后期预测以及基于深证成指样本的各种实证结果进一步证实上述结论的稳健性.     

周期异方差时间序列中季节单位根的Gauss 检验

为检验带异方差的季节时间序列中的单位根,提出了基于Cauchy估计的Zc统计量.在原假设下得到该检验统计量的极限分布服从于标准正态分布,并与季节周期d和误差项的周期异方差无关.Monte Carlo模拟计算表明当模型中自回归系数接近1时,用该方法得到的估计值比普通的最小二乘方法得到的估计值误差小.计算结果和实例分析结果表明了用该方法检验季节单位根的简便性和有效性.     

基于Bootstrap方法的VaR计算

介绍了非参数方法中的Bootstrap方法在估计样本分位点时的应用，其中在随机抽取子样时应用了MCMC方法，最后将该方法应用到了金融资产VaR的计算上．由于金融资产收益率的分布往往不能用参数方法准确的估计，Bootstrap作为非参数方法克服了这种局限，并改进了历史模拟方法．文章对欧元／人民币、日元／人民币两种汇率进行了VaR的计算的实证分析，计算了VaR的点估计和区间估计，并比较了几种计算方法，得到了一些有意义的结果。     

扩展SV模型及其在深圳股票市场的应用

在金融风险的研究中很重要的一个领域就是量测金融风险的波动性。本文所研究的这种波动性指的是资产收益的方差随时间不断变化，这在讲师经济学中称之为异方差问题。许多高频的金融时间序列都具有异方差现象。对于波动性的量测（即异方差的量测），主要有两种模型方法：其一是ARCH模型族的量测方法，它包括Engle的ARCH模型（1982）、Bollerslev的GARCH模型（1986）以及在此基础上提出的其他扩展模型；另外一种方法就是SV(Stochastic Volatility）模型。本文提出扩展的SV模型及其参数估计方法和波动估计方法，并进行蒙特卡罗试验，最后利用扩展SV模型对深圳股票市场的波动性进行了实证研究，说明扩展SV模型比标准SV模型描述金融波动性的优越性。     

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．     

基于参数学习的GARCH动态无穷活动率Lévy过程的欧式期权定价

在股票价格中引入漂移率、波动率和随机跳跃三种状态， 建立动态状态空间模型， 并通过局部风险中性定价关系（RNVR）推导无套利定价模型. 以非高斯条件ARMA-NGARCH为基准模型， 构建S&P500指数的离散动态Lévy过程， 并基于序贯贝叶斯的参数学习方法， 进行模型估计和期权定价研究. 结果表明： 动态Lévy过程能够联合刻画时变漂移率、条件波动率和无穷活动率等特征， 且贝叶斯方法的引入提高了期权隐含波动率的定价精度. 同时， 无穷活动率模型在期权定价方面具有显著优势. 在五类滤波中， 无损粒子滤波估计精度最高， 速降调和稳态过程（RDTS）的期权定价误差最小， 而非高斯模型在收益率预测方面没有表现出显著的差异.     

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.     

维纳过程寿命预测的一种自助法

针对传统的维纳过程寿命预测方法未能有效考虑产品总体和个体之间的差异问题, 提出了解决该问题的一种自助法. 首先, 利用正态分布来描述产品总体维纳过程退化模型 的漂移参数和扩散参数; 然后, 对个体的性能退化参数进行自助估计并得到多组自助样本; 最后, 根据个体退化参数的自助样本对总体退化参数的分布进行估计, 获取其多组自助样本 并对总体的寿命进行预测. 通过对某航天长寿命产品的实例分析验证了该方法的有效性.     

Can Technical Indicators Provide Information for Future Volatility:International Evidence

We employ the static and dynamic copula models to investigate whether technical indicators provide information on volatility in the next trading day, where the volatility is measured by daily realized volatility. Our empirical results, based on long samples of 8 well-known stock indexes, suggest that a significant and asymmetric tail dependence between the technical indicators based on moving average and the next day volatility. The level of dependence change over time in a persistent manner.And the dependence structure presents some distinct differences between emerging market indexes and developed market indexes. These results indicate that the technical indicators can provide information on the next day volatility at extremes, and are less informative at normal market.     

基于局部波动率模型的上证50ETF期权定价研究

局部波动率模型被广泛运用于风险管理、期权定价等领域,该模型不仅可以描述波动率微笑、期限结构等实际现象,同时能保证市场的完备性.研究局部波动率模型的核心目标是对隐含波动率进行建模.本文分别通过参数法和非参数法对隐含波动率建模,不仅保证了波动率曲面的无套利性,同时给出了非参数法求解局部波动率的显式表达式,从而消除了近似误差,得到较为光滑的波动率曲面.此外,本文基于局部波动率模型对我国上证50ETF指数期权的定价进行了实证研究,分别从样本内定价误差、样本外定价误差、套期保值效果三个方面分析比较了该模型的定价效果.实证结果显示:对样本内数据,非参数法拟合的定价结果优于参数方法;对样本外数据以及套期保值效果来说,参数法取得的效果较好.特别地,隐含波动率建模方法无论是对期权定价还是套期保值,效果均优于直接根据市场数据建模的结果,样本内定价误差可减少一半以上,均方误差可降低1～2个数量级.     

上海证券交易所回购利率期限结构的风险溢酬

利用1999-01-04~2004-11-08的周样本数据,发现上交所回购市场上,回购利率期限结构具有显著的风险溢酬,利率期限结构的纯预期假设不成立。进一步分析发现,风险溢酬与利率期限结构的斜率明显相关,斜率越大,风险溢酬越大。利率期限结构的斜率还可以预测短期利率的变化。但风险溢酬与短期利率的波动率相关关系较弱,利率波动风险不是风险溢酬的主要决定因素。考虑到利率变化的高持续性,对回归估计量的小样本分布进行模拟分析发现,上述判断仍然成立。     

Bootstrap LM Tests for Spatial Dependence in Panel Data Models with Fixed Effects

This paper applies bootstrap methods to LM tests(including LM-lag test and LM-error test) for spatial dependence in panel data models with fixed effects, and removes fixed effects based on orthogonal transformation method proposed by Lee and Yu(2010). The consistencies of LM tests and their bootstrap versions are proved, and then some asymptotic refinements of bootstrap LM tests are obtained. It shows that the convergence rate of bootstrap LM tests is O((N T)~(-2)) and that of fast double bootstrap LM tests is O((NT)~(-5/2)). Extensive Monte Carlo experiments suggest that,compared to aysmptotic LM tests, the size of bootstrap LM tests gets closer to the nominal level of signifiance, and the power of bootstrap LM tests is higher, especially in the cases with small spatial correlation. Moreover, when the error is not normal or with heteroskedastic, asymptotic LM tests suffer from severe size distortion, but the size of bootstrap LM tests is close to the nominal significance level.Bootstrap LM tests are superior to aysmptotic LM tests in terms of size and power.     

基于高频极值数据的波动率建模与预测

本文系统性地研究了三种类别的高频极值数据下波动率的建模与预测，即分别基于高频收盘价数据、高频高低价数据、以及高频"开高低收"数据，讨论并完善了相应的连续价格假设下的估计量和跳跃价格假设下的估计量的理论性质，并将基于高频极值数据的各类估计方法统一地扩展为相应的动态预测模型，通过对上证指数及其他几种主要指数的高频数据进行实证分析，揭示出充分地利用高频极值数据信息可以显著地提高波动率的模型拟合效果和样本外动态预测能力.     

Bootstrap Estimation from Simulation Outputs

ＢｏｏｔｓｔｒａｐＥｓｔｉｍａｔｉｏｎｆｒｏｍＳｉｍｕｌａｔｉｏｎＯｕｔｐｕｔｓ⒇ＺＯＵＺｈｉｈｏｎｇＬＩＤａｆｅｎｇＤｅｐａｒｔｍｅｎｔｏｆＩｎｆｏｒｍａｔｉｏｎＥｃｏｎｏｍｉｃｓＵｎｉｖｅｒｓｉｔｙｏｆＩｎｔｅｒｎａｔｉｏｎａｌＢｕｓｉｎｅｓａｎ...     

基于“已实现”波动的协同持续研究及其应用

目前文献中对金融波动持续性和协同持续性的研究都是以低频金融数据为研究对象的.而随着信息技术的发展,高频金融数据的储存和获取更加便利.针对高频金融数据,采用“已实现”波动作为新的波动度量方法,并且给出基于“已实现”波动的金融时间序列波动持续性和协同持续性的定义,并且采用上海股票市场和深圳股票市场的高频金融数据对两个股票市场的波动的持续性和协同持续性进行了实证研究.     

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.     

不完全信息下二叉树期权价格上下界

由于信息不完全和市场冲击,经典期权定价理论的股票波动率不能准确得到,从而导致期权的理论价格和实际价格出现偏差。本文假设可以通过相关的有限信息信号对波动率进行推断,基于二叉树框架对欧式看涨期权进行定价,得到了不完全信息下期权价格的定价区间,并研究了影响期权价格上下界的因素。通过对单期模型和多期模型、单信号和多信号模型的分析表明,信息质量的提高使得定价区间变小,从而提高定价的准确性。本文的模型也能包容波动率为随机变量的期权模型,是经典二叉树模型的推广。