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.     

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.     

基于多分形波动率测度的ES风险度量

多分形波动率(Multifractal Volatility,MFV)是一种最近提出的金融市场波动率测度方法。以上证综指和标准普尔500指数的高频价格数据为例,构造了多分形波动率测度的lnMFV-ARMA动力学模型,并运用基于Bootstrap方法的后验分析过程,实证对比了lnMFV-ARMA模型与其他6种常用波动模型对ES(Excepted Shortfall)风险测度的估计精度差异。实证结果表明:在所考察的大多数分位数水平下,lnMFV-ARMA模型对ES风险测度的估计精度都优于许多现有常用波动模型,特别是对标准普尔500指数的极端价格波动风险具有最优的刻画能力。     

多分形波动率测度的VaR计算模型

以上证综指长达6年时间的5分钟高频数据为实证样本,首先提出了一种基于多分形谱(Multifractalspectrum)分析的市场波动率测度方法(Volatility measurement),并进一步探讨了其在市场风险价值(VaR)计算中的模型设计和应用.实证结果表明: 我国新兴资本市场的价格波动确实具有显著的多分形特性,且与各类线性和非线性GARCH族模型相比, 在高风险水平上,基于多分形波动率测度的VaR模型具有更高的风险测度精度.     

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.     

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.     

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.     

高频环境下沪深300股指期货波动测度——基于已实现波动及其改进方法

作为中国唯一上市交易的金融期货产品,沪深300股指期货在资本市场价格发现和风险防范过程中扮演重要角色, 科学准确地测度其收益波动对充分实现股指期货避险功能具有重要理论和现实价值.在日内高频信息环境下分别采用经典已实现波动率、已实现极差波动率和已实现双幂波动率等三类方法对沪深300股指期货的收益波动进行测度,通过样本内预测误差指标对上述 方法的测度性能进行比较. 实证结果表明:沪深300股指期货在上市交易后表现出由剧烈波动 到渐趋平稳的波动特征,已实现波动的改进方法在沪深300股指期货收益波动的测度性能上具有较为明显的优越性.     

具有价格均值回复与随机波动率的信用差价衍生产品定价

为了研究均值回复特征与随机波动率对金融衍生品定价的影响，考虑状态变量的均值回复特征与两种随机波动率过程：平方根过程与Ornstein-Uhlenbeck过程，应用解偏微分方程与特征函数方法．推导出衍生品的定价方程。推导了基于均值回复特征与随机波动率的信用差价期权、信用差价上限与下限的定价公式。结果表明，均值回复和随机波动率在衍生品定价中起重要影响。     

基于非对称跳跃粗糙随机波动率模型的期权定价研究

基于资产价格存在的非对称跳跃与资产波动率存在的粗糙特性,本文提出了粗糙带非对称跳Heston模型(rHeston-AEDJ),在风险中性测度中推导出该模型的特征函数.由于模型的非马尔可夫且非半鞅性质,不能使用传统的欧拉方法进行逼近,本文使用混合模拟方法对该模型进行逼近,并解决粗糙波动率下奇异期权的定价问题.在风险中性测度下,基于Fourier-SINC推导了欧式期权的拟闭解.实证研究结果表明,上证50ETF价格存在跳跃、波动率Hurst指数远小于1/2,即波动率存在粗糙性,并基于拟闭解对上证50ETF期权进行定价实验发现本文所提出的rHeston-AEDJ模型在样本内外均有较好的定价精度.本文的研究对国内外期权产品定价与精确风险管理具有重要的现实意义和应用价值.     

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。     

调整"已实现"波动率与GARCH及SV模型对波动的预测能力的比较研究

高频金融时间序列的分析与建模是金融计量学的一个全新的研究领域，“已实现”波动率是针对高频金融时间序列的一种全新的波动率的度量方法。为了降低“已实现”波动的测量误差，提出更有效的调整“已实现”波动。针对调整“已实现”波动的长记忆性和“杠杠”效应建立ARFIMAX模型。通过设定一系列标准，全面比较基于调整“已实现”波动的ARFIMAX模型、GARCH模型以及SV模型的预测能力。     

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.     

Brent原油期货市场波动结构突变点预测

针对Brent原油期货市场可能存在结构突变点（结构断点），引入了隐马尔科夫模型(Hidden Markov Models，HMM)对其进行波动状态预测，但是由于HMM模型测度下的波动状态中可能存在伪结构突变点，再使用迭代累积平方和(Iterated Cumulative Sums of Squares，ICSS)模型对Brent原油期货市场波动结构突变点进行诊断，并修正其波动状态，为了检验ICSS-HMM-EGARCH模型对Brent原油期货市场结构突变点预测的准确性，基于修正后的波动状态再次使用HMM-EGARCH模型对Brent原油期货市场进行波动率预测。最后，采用成功率(Success Rate，SR) 和基于平均误差函数(Root Mean Squared Errors，RMSE)的Diebold-Mariano(D-M)模型分别对预测波动状态和预测波动率的准确性进行检验。实证结果表明：Brent原油期货市场中存在波动结构突变点；HMM模型测度下的波动状态中存在伪结构突变点，而ICSS-HMM-EGARCH模型能够修正波动状态中的伪结构突变点；基于修正后的波动状态后HMM-EGARCH模型能够对Brent原油期货市场进行更加准确地波动率预测，因而ICSS-HMM-EGARCH模型能够准确地预测Brent原油期货市场波动结构突变点。     

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.     

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ES-TV的贷款承诺极端风险测度模型

在Basel Ⅲ的风险计量新要求及中小企业融资成本高、违约风险大等背景下，贷款承诺极端风险的测度成为银行未来资产管理的重点之一. 基于期权理论，首先给出了浮动利率下的贷款承诺定价公式；其次通过引入DGN（Delta-Gamma-Normal）模型，刻画了贷款承诺价值变动的分布形态；继而通过修正尾部波动率，并利用期望短缺原理，构建了衡量贷款承诺极端风险的ES-TV测度模型. 该模型兼顾极端损益及其波动性，能更全面反映极端风险. 最后对X银行贷款承诺组合管理进行了实证分析.     

考虑杠杆效应的多重分形波动建模:基于中国股指的实证分析

为提高波动估计的准确性,针对修正因子的不足,改进了多重分形波动率测度,建立了反映多重分形波动特征的ARFIMA模型和HAR模型.样本内拟合实证表明:考虑杠杆效应的多重分形波动建模明显提高模型拟合程度.样本外预测实证表明:基于多重分形的波动模型是比GARCH类模型更有效的预测模型.两方面实证表明考虑杠杆效应的多重分形波动建模更能有效地刻画金融市场波动复杂性.