时间序列与证券价格周期

利用时间序列的隐周期理论,对证券价格的周期波动建立数学模型,并结合深、沪证券市场的指数数据进行分析,得到了指数波动的隐周期.结果表明,中国证券指数存在波动周期.     

中国股市长记忆性实证研究

利用对数周期图法对沪深A股指数及上证 180和深证成指部分样本股分别进行了长记忆检验 ,得出以下结论 :对于收益率序列 ,沪市的长记忆特征不显著 ,深市具有一定的长记忆特征 ;对于收益波动率序列 ,沪深两市均具有高度显著的长记忆特征     

时间序列与证券价格周期

利用时间序列的隐周期理论，对证券价格的周期波动建立数学模型，并结合深、沪证券市场的指数数据进行分析，得到了指数波动的周期，结果表明，中国证券指数存在波动周期。     

基于局部均值分解的高频金融数据波动率估计

为解决高频数据在风险评估中存在的非线性问题,提出了利用局部均值分解方法实现高频数据波动率估计。首先,采用高频模拟数据验证估计方法的可行性; 其次,将沪深300 指数不同频率收盘价作为研究对象,利用局部均值分解方法估计波动率,计算相对误差统计量。实验结果表明,利用局部均值分解方法可以有效实现高频数据波动率估计和解决高频数据中的非线性问题,随着抽样频率的增加,估计精度逐渐提高。该方法为高频数据波动率非参数估计提供了新的研究思路。     

沪深300股指及期货波动率聚集性研究——基于Markov机制转换SJC Copula模型

选取沪深300指数及沪深300股指期货当月连续合约日内5min高频交易数据为研究对象,研究我国股票期现货市场波动率聚集性及尾部动态特征。结果显示:三状态Markov机制转换SJC Copula模型比其他模型能更好地刻画波动率的相关性结构,沪深300指数和股指期货波动率的尾部均存在明显非对称特征及动态特征,上尾相关性均大于下尾相关性,股指期货的高波动率聚集比沪深300指数高波动率聚集具有更高的发生概率,而低波动率聚集具有相反的发生概率。     

基于GARCH模型的沪深股市分析

利用我国沪深股市2007年7月1日至2010年7月1日的收盘指数,对沪深股市的波动性、收益率及其相关性进行了实证分析研究。研究表明,沪深两市具有明显的GARCH效应,而且两市之间具有联动性。     

基于小波分析方法的股指期货和现货市场关系研究

基于小波分析方法,利用5min高频数据研究了沪深300指数和沪深300股指期货的关系.通过小波分解方法将两市场收益率序列作信号分解,研究发现,在各尺度下股指期货市场的波动性都大于股票市场的波动性,同时随着尺度的增加,两市场的小波相关系数增加,即联动性增加.各尺度的格兰杰因果检验表明,期货市场与股票市场之间存在波动溢出效应,但溢出效应是单向的,即只存在期货市场向股票市场的溢出效应.     

中国股市波动过程分析

使用一般到特殊的建模方法,建立沪深两市收益率的波动模型.实证分析表明ARFIMA-APARCH-skewed-t过程能有效刻画沪深两市收益率的数据生成过程.     

基于分形V/S技术的沪深股市长记忆性研究

将Cajueiro和Tabak提出估计Hurst指数的新方法即V/S分析引入我国沪深股票市场非线性特征的研究.比较研究表明V/S分析不易受短期相关性的影响,较R/S分析更为稳健和有效.通过对沪深两市综合指数的日收益率和周收益率序列的V/S分析,得到沪深两市的Hurst指数均小于0.5,这表明我国股票市场呈现出反持久性特征而不是长记忆性.     

基于二叉树模型方法的Bermuda型理财产品定价

利用时变二叉树模型方法研究了Bermuda型理财产品进行期权定价问题.首先,利用点估计方法对沪深300指数的历史数据进行收益率和波动率的提取.其次,针对收益率序列和波动率序列的历史数据建立相应的时间序列模型,进而表明了收益率和波动率不为常数.再次,将未来时刻的收益率和波动率视为时间变量的函数,构造了时变参数下的二叉树模型.最后,对各类Bermuda型理财产品是否自动化再投资问题进行分析,并通过实证分析,得出指定理财产品的理论价格,结果表明对该类型理财产品选择自动再投资对投资者更有益.     

基于实际波动率的我国股市波动率实证研究

从上证180样本股中随机抽取30只股票,采用日内分钟交易数据,对实际波动率的部分性质进行实证研究,得出经实际波动率标准化的收益率序列接近于正态分布,对数实际波动率序列的分布近于正态,实际相关系数序列接近于正态分布,实际波动率序列、对数实际波动率及相关系数序列均具有显著的长记忆特征,不同股票的对数波动率序列之间具有显著的相关性。     

基于非参数波动测度的上海股票市场异质性研究

利用非参数波动测度——已实现波动和已实现极差波动研究了上海股票市场的异质性现象,发现上海股票市场收益波动率的长记忆性主要是由短期交易者和长期交易者决定,并且已实现极差波动测度对股票收益波动的预测效果要好于已实现波动测度.     

股票价格运动的跳跃和杠杆效应研究

基于已实现变差理论和双幂次变差理论,在股票价格为半鞅过程的前提下将已实现波动率分解为连续波动部分和离散跳跃部分,研究了上证综指收益率和波动率的杠杆效应以及连续波动部分和离散跳跃部分分别在杠杆效应中所起的作用,并且分析了跳跃部分和连续波动部分在价格运动过程中的区别.由独立方程模型的估计结果发现各个模型扰动项之间存在着一种类似杠杆效应的非线性关系,然后再通过联立方程组模型进一步验证扰动项之间的内在依赖性.实证分析结果表明:收益率和波动率的杠杆效应主要是通过连续波动部分起作用.     

股票月收益实际波动率的实证研究

阐述了实际波动率的理论背景，以及国外在实际波动率研究方面已得出的一些基本结论．对深沪股市随机抽取的30只股票数据进行了实证检验，得出对数实际月波动率序列的分布与正态分布无差异、月收益率经月实际波动率标准化后的序列的分布与正态分布无差异的结论．利用月实际波动率对广义自回归条件异方差类模型的波动率模拟效果进行了检验，发现该模型的波动率度量精度略胜一筹，但也只能解释一小部分收益率的变动．     

已实现波动测度的有效性及实证分析

建立在高频金融时间序列基础上的已实现波动测度是资产价格过程中隐含波动的一致估计量,证明了已实现双幂变差波动测度是比已实现波动更有效的波动估计量,并利用中国股票市场的高频数据进行了实证分析,实证结果与理论分析相一致.     

结构突变条件下农产品期货市场波动率的预测

在检验农产品期货已实现波动率序列的结构突变等特征基础上,通过构造不同估计窗口大小的ARFIMAX-FIGARCH模型及其线性和非线性组合预测模型来预测农产品期货市场的已实现波动率,并采用基于自助法的MCS检验评价和比较各类预测模型的预测性能。研究结果表明:农产品期货的已实现波动率序列都表现出结构突变特征、不对称性和双长记忆性,并且结构突变点都与一连串的宏观面、政策面重大事件冲击有关;对基于不同估计窗口大小的ARFIMAX-FIGARCH模型所得的单项预测值进行时变加权组合通常能够提供更准确的波动率预测值,并且基于NKR的非参数组合预测模型和基于NRLS和SIC的线性组合预测模型是在结构突变条件下预测农产品期货市场波动率尤其有效的方法。     

基于实际波动率的VaR模型实证研究

以实际波动率预测方法替代传统的波动率预测方法，应用到VaR模型中去，并随机选择了五只股票数据进行实证研究，比较基于GARCH模型和实际波动率模型的两种VaR预测结果，得到基于实际波动率的VaR预测效果显著地优于基于GARCH模型的VaR预测效果.     

金融数据变结构波动性模型的综述及研究进展

分别从马尔可夫转换模型、马尔可夫混合模型及马尔可夫与ARCH类模型的联合,对变结构金融数据波动性模型进行了综述;这种变结构的波动模型克服了传统波动性模型（ARCH类）波动持续性被高估及无法实现体制（状态）间的转换的不足。     

中国股市波动测度实证研究

提出了一种基于非参数波动测度的综合测度方法,该方法以已实现极差波动测度为基础,根据混合抽样模型(MIDAS)的思想,利用多元回归方法将基于高频数据的不同时间尺度的已实现极差波动测度组合成综合测度.通过对中国股票市场综合指数分析,发现利用综合测度方法可以更好描述高频数据的波动行为.     

服从随机游走假设的特质波动风险与横截面收益的相关性检验

股票市场的卖空限制、市场信息透明度的缺乏等使得投资者无法进行多样化投资,特质波动风险成为投资者面临的主要风险.本文首先针对存在争议的特质波动风险度量指标进行有效性检验,并确定EGARCH模型度量指标才满足随机游走假设.以我国沪深两市2003-2014年股票为样本,进行特质波动风险与横截面收益的截面回归分析,得出特质波动风险与横截面收益呈显著正相关,显著的动量效应是主要原因.同时得出"特质波动之谜"的结论主要是由于特质波动风险度量方法不当造成的伪现象,也不能简单依据已实现的特质波动率与横截面收益相关性直接推导期望特质波动率与横截面收益的关系.最后采用二维投资组合分析方法对所得结论做了进一步验证,得出我国股票市场未出现"特质波动之谜".