中国股市跳跃行为的随机波动模型分析

基于上证综指样本数据,探讨双跳跃随机波动模型并研究股市波动跳跃行为.应用马尔科夫蒙特卡洛方法对模型参数进行估计,通过残差正态检验比较各类随机波动模型刻画股市波动能力,采用损失函数评价法和线性回归法,评估其对上证综指波动的预测精度.结果显示,中国股市跳跃波动程度和强度较大,对股市收益和波动均有显著影响;在引入跳跃成分刻画股市异常波动行为后,双跳跃模型显著提高股市收益波动率的估计精度与预测能力.     

对上海股票市场波动性的ARCH研究

在分析上海股市收益波动特征的基础上，利用多种形式的ARCH类模型对上海股市日收益率的波动进行了实证分析，结果表明上海股市具有较为明显的ARCH效应．     

上证综指波动率的估计——基于GARCH（1,1）模型的研究

波动率是测度风险的重要变量,在金融领域中占有至关重要的地位。采用GARCH（1,1）模型研究了上证综指的波动率。研究结果表明GARCH（1,1）模型能够准确地估计1年以上股市的波动率。     

中国股市收益波动的实证研究

采用GARCH类模型，利用上证综合指数对中国股市收益波动进行了实证研究。以前的研究显示中国股市波动存在反向的不对称性或不对称性不显著，并归因于中国股市的高投机性。而本研究的TARCH模型和EGARCH模型的实证结果首次提出了新的不同证据。说明中国股市存在显著的不对称性。对杠杆效应和波动反馈效应在中国股市的作用进行理论分析，认为波动反馈效应更能说明中国股市波动的不对称性。     

股市波动的周内效应研究

收益与风险共存，以往对股市的周内效应研究仅集中在收益率上，对股市的另一特征波动性的周内效应进行了实证研究。应用无条件波动的修正Levene检验和条件波动的GARCH模型，研究了上证综合指数，结果显示我国股市存在显的星期一高波动现象，利用混合分布模型对此现象进行了解释，周末信息的积累对星期一交易的影响可能是其高波动的原因。     

上证综指收益率波动性的非线性方法研究

以上证综指日收盘价为样本建立了对上证综指收益率波动性的非线性模型.实证结果表明我国上海股市的价格波动具有异方差性及显著的左尖峰厚尾的特征;收益率的波动不服从正态分布;具有集聚性和记忆性;波动持续时间较长.通过分析比较GARCH模型拟合效果较好,并预测结果有一定的稳定性.同时对收益率建立了EGARCH（1,1）和TARCH（1,1）模型,表明收益率波动存在一定的杠杆效应.     

基于中国股市波动率的多元模型比较与分析

讨论了DCC-GARCH和ICA-GARCH的多元时间序列协方差模型,并从中国股市出发,对中国股市的波动率进行估计及预测.同时,引入VaR模型,比较各多元模型衡量中国股市波动率的准确性及适用性.     

采用MCMC方法的上海股市随机波动模型

采用贝叶斯统计中的马尔科夫链-蒙特卡罗(MCMC)方法对上海股市的随机波动性进行研究,基于Gibbs抽样的MCMC数值计算过程,对上海股市的随机波动率模型(SV)进行参数估计,并在WinBUGS软件中实现.根据信息判别准则(DIC),对比拟合的SV-N,SV-T,SV-MT模型参数,结果表明:SV-T模型最能反映上海股市波动具有尖峰厚尾的特性,可进一步用于预测样本外的波动率结果.     

基于广义可加模型的波动率估计方法

放宽了传统GARCH模型参数形式的假定,将广义可加模型引入条件方差的估计,改进了[Bhlmann P,McNeil A J.An algorithm for nonparametric GARCH modelling.Computational Statisticsand Data Analysis,2002,40(4):665-683]提出的迭代算法并将其用于可加GARCH模型的估计.通过能够控制真实波动率的数学模拟实验,分别用样本内和样本外估计的方法说明了可加GARCH模型在估计现有参数模型无法刻画的复杂序列波动率时具有更好的估计效果,而与非参数模型相比,可加GARCH模型也有较好的估计效果.通过一个推断波动特征的算例,表明了可加GARCH模型对研究新兴市场股市或者处于金融危机中的股市等存在复杂波动特征的金融市场波动率有着非常现实的意义.     

SV模型的模拟GMM方法——兼论涨跌停板制度的有效性

采用SV模型的一个简捷高效的估计方法——模拟广义矩估计方法，以上证综合指数为样本，考查了涨跌停板制度对沪市股票收益波动的影响，并将SV模型的实证结果与GARCH模型进行了比较，发现SV模型的估计更符合实际；最后，利用Monte Carlo方法对股票收益序列进行了模拟和分析，进一步证实了这一结论。     

基于跳跃厚尾随机波动模型的股市波动研究

通过对4个不同SV模型对比分析,试图了解股市收益序列中具有较大波动幅度的极端实现值能够被解释为一个非高斯分布的尾部行为,还是高斯扩散中一个跳跃组分的叠加,抑或是这两种设定同时起作用.采用两种具有不同波动程度的上证综指日收益数据进行的实证研究发现,我国股市日收益序列不仅存在显著的尖峰(厚尾)特征,而且波动持续性较低,以及受政府政策影响较多.此外,两组收益数据所对应模型的实证比较发现,跳跃设定有助于SV模型描述波动剧烈的收益序列,但却不适合波动平缓的收益序列.     

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.     

隔夜波动率的估计

基于广义动态因子模型构建了个股隔夜波动率的一个新的估计量,并利用中国的上证50指数的24支成分股2013—2014年的数据进行了实证分析.实证结果表明:新估计量比隔夜收益的平方的表现更好,新的估计量可以降低噪声的影响.     

具有随机收益率与波动率股票的一般价格分布

研究了收益率及波动率均为扩散过程的股票价格分布问题 ,给出了二者独立情况下分布的解析形式 ,并应用于欧式期权的定价。     

深市波动率特征分析

股价与成交量是股市中的两个重要变量,研究股票市场的波动率,掌握股票市场的主要波动性特征,进而有效管理市场,具有重要的理论意义和实践价值.采用计量经济分析技术,采集深市交易数据,分析了深市日收益率序列和波动率序列的每周不同天效应和记忆性.分析认为,深市日收益率序列不存在每周不同天效应,但存在1～2星期的记忆性;波动率序列则存在每周不同天效应和持续性;同时,交易量对波动率具有很好的解释作用,而波动率则不对交易量具有解释作用.     

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".     

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.     

基于股票价格波动问题的消除系统风险的投资组合模型研究

本文以中小企业板为研究对象,在探索结合投资组合理论与股票价格波动理论的基础上,对股票价格波动过程中低点、高点出现的规律进行分析,通过统计检验,建立阶段周期低点和高点回归预测模型,最后应用该模型进行股票投资的实证分析.研究结果表明,基于阶段周期回归预测模型的投资操作可以有效规避系统风险,提高中小投资者的收益率,对中小投资者进行投资选择具有很好的指导意义.     

考虑跳跃和杠杆效应的股市多分形波动率建模

考虑股票市场中存在的跳跃行为和杠杆效应等特征,在HAR模型基础上,构建了一种新的多分形波动率模型.以上证指数和深证成指每5min高频数据为研究样本,运用“模型信度设定”(MCS)检验方法,实证对比了各波动率模型在高波动和低波动两个子样本期对我国股市的预测能力.实证研究结果表明,所提出的多分形波动率测度指标及其计量模型具有较好的预测作用,特别是在高(极端)波动时期其优势更为突出;研究结果有望为金融风险(特别是极端风险)的管理与控制提供新思路与新方法.     

经济增加值(EVA)指标在我国股市的实证研究

当前,传统会计指标在解释股价波动和衡量公司业绩方面贡献较小,不能很好地反映上市公司的价值,利用反映股东价值的EVA指标对中国股市进行实证研究;通过对股票收益率进行逐步回归和相关性分析,实证结果表明EVA指标能较好地解释股价波动和衡量公司业绩。