已实现波动和已实现极差波动的比较研究

高频金融时间序列的分析与建模是金融计量学的一个崭新的研究领域,已实现波动和已实现极差波动是针对高频金融时间序列而开发的两种全新的波动率度量方法.首先证明了在理想状态下,已实现极差波动比已实现波动是更有效的波动估计量,然后基于渐近关系讨论了高频数据最优抽样频率问题.在模拟试验的基础上,比较了微观结构效应对两种波动率度量方法的影响程度.最后,通过实证分析对上证综指的高频数据给出一个最优抽样频率.     

金融高频数据的偏差校正“已实现”双幂次变差

金融高频数据中微观结构噪声的存在严重影响了金融波动率估计量的准确性.为了消除微观结构噪声给波动率估计量带来的偏差,构建更准确的金融波动率估计量,选取具有稳健性的"已实现"双幂次变差对其做了偏差校正,提出偏差校正的"已实现"双幂次变差,通过定理证明了其渐近无偏性与有效性,并用深证成指的金融高频数据验证了这一理论成果.因此偏差校正的"已实现"双幂次变差是具有稳健性、渐近无偏性与有效性等良好统计性质的金融波动率估计量,它为金融应用研究领域奠定了基础.     

加权已实现极差四次幂变差分析及其应用

针对金融高频数而开发的极差波动估计量因能更精确地度量波动率而备受关注. 根据方差有效性结合数值模拟, 推导出了已实现极差多幂次变差族中最优的波动估计量, 并依据无偏性和方差有效性给出了相应的加权估计量. 同时将这些估计量与已实现GRACH模型相结合, 并对模型进行扩展. 实证表明已实现极差四幂次变差是已实 现极差多幂次变差族中最优的波动估计量, 加权的已实现极差四幂次变差能有效消除日历效应的影响, 扩展的已实现GRACH模型在拟合和预测效果上明显优于传统的EGARCH模型.     

"已实现"双幂次变差与多幂次变差的有效性分析

近年来,基于金融高频数据的波动率研究成为金融学研究领域的热点,而有效性是衡量波动率估计量优劣的重要标准,本文对波动率估计量的新方法“已实现”双幂次变差和“已实现”多幂次变差的有效性进行了研究,得出“已实现”双幂次变差在一般条件下比“已实现”波动更有效的结论,并且证明了在一定条件下,“已实现”多幂次变差的幂次个数越多,该波动率估计量的有效性越高.这一结论为“已实现”多幂次变差的幂次个数选取提供了原则.     

基于SV-POT-TDRM的沪深300股指期货尾部风险研究

使用随机波动率模型修正沪深300股指期货收益率序列的波动聚集效应,并在残差服从正态分布和极值分布的假设下,分别计算了度量尾部风险的VaR、ES及尾部扭曲风险测度(TDRM)值。研究发现:股指期货日收益率序列呈现负偏、尖峰厚尾及波动聚集的形态;使用随机波动率模型可以较好地预测波动率的变化;假设残差分布服从极值分布的模型结果优于假设残差分布服从正态分布的模型结果,说明极值模型在尾部分析上比正态分布更加适用;使用扭曲尾部风险测度估计尾部风险,通过扭曲函数的选取与风险厌恶系数的不同设定,调整尾部风险发生的概率,反映了投资者的主观风险偏好,在相同置信水平下,得到的尾部风险估计值比VaR更精确。     

基于双重XGBoost模型的农产品期货波动率预测——以玉米期货为例

农产品期货的波动率在农产品衍生品定价、风险分散和农产品风险对冲等领域都起着关键性作用。对波动率进行预测，投资者可以依据波动率预测结果，对预期可能面临的风险采取相应的应对策略，更加精准地进行农产品风险管理。但波动率预测领域存在如下挑战：(1)波动率的预测期限较短，仅为1天或3天，难以反映资产在未来较长时间的价格波动率情况；(2)以往研究多关注于价格等信息，在波动率预测中对于基本面信息考虑较少；(3)神经网络、深度学习等预测模型的可解释性较差，网络构建和超参数的选择多依赖于经验选择。本文提出了一个基于XGBoost模型的波动率预测框架，考虑价格和基本面数据，对于波动率的长期趋势和短期变化进行了分析。实证结果表明，加入了更多信息维度的模型有助于提升波动率预测的精度，相比于传统的GARCH模型，均方误差MSE缩小了35%以上。     

基于符号价格极差的金融资产波动率预测研究

从价格极差在补充波动率预测方面的优秀表现和收益率符号信息在资本市场的广泛运用出发,本文将价格极差与收益率符号结合起来,构建了符号价格极差这一影响因子,并加入到4个主流的HAR模型中.基于上证综指的5分钟高频交易数据的实证结果表明:符号价格极差短期内对未来波动率影响显著且具有"非对称性",负(正)的符号价格极差导致未来波动率明显提高(降低);样本外预测结果显示,引入符号价格极差能够显著提高模型的预测能力且结果是稳健的,其中HAR-RSV-SR模型和HAR-Q-SR模型分别在对短期(1天)和中长期(5天和20天)的未来波动率预测中,表现出最高的预测精度.本文的结论对于波动率在资产定价和风险管理上的应用有着重要的参考价值.     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.     

高频数据下高维协方差阵的RCM算法估计与应用

基于因子模型的估计方法是高频数据下高维协方差矩阵估计的一个重要方向.为了解决行业分类门限法的主观性问题,本文使用RCM算法对剔除了主要成分的残差矩阵进行重新排序并进行分块对角化门限处理.本文首先在数值模拟中设定残差矩阵包含分块对角结构并将其顺序打乱,随后使用RCM算法进行重新排序,结果表明其能够还原乱序残差矩阵中所包含的分块对角结构.基于2015年股灾期间和2018全年的高频数据,本文将预平均法和使用RCM进行分块对角处理的POET方法进行结合,并在实证研究中对包括该估计量在内的多种协方差估计量进行了样本外预测效果的比较.结果显示改进后的估计量具有更好的预测能力,进行含总敞口约束的最小方差组合投资时的日内波动率整体较低.     

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.     

基于波动率测量误差的波动率预测模型

本文研究了一种基于波动率测量误差的波动率预测模型,并做了非线性扩展,期望改进预测效果.考虑到文献中关于波动率可能长记忆性和非线性并存的观点,本文以具有长记忆特征的HAR(heterogeneous autoregressive)模型为基础,加入波动率测量误差后模型持续性有所提高,结合非线性的时变参数模型则达到结构变化和减弱异方差的效果.本文用2652天的沪深300高频数据计算的已实现极差波动率来验证模型效果.固定参数下,在HAR型模型中加入测量误差作为调节变量可以较显著地改善样本外预测效果.时变参数下,加入测量误差的HARQ型模型预测效果大多优于对应的HAR型模型.时变参数模型总体上可以改善固定参数模型的预测效果,尤其在预测期较长的情况下改善均是显著的.     

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.     

中国股市波动的异方差模型及其SPA检验

以中国股票市场最具代表性的股价指数-上证综指的高频(High-frequency)数据样本为例,实证计算了以GARCH族模型和随机波动(Stochastic volatility)模型为代表的不同异方差模型对中国股市波动率的预测,并进一步运用SPA(Superior predictive ability)检验法,实证检验了不同异方差模型对中国股市波动的刻画能力和预测精度问题.实证结果显示,就中国股市而言,随机波动(Stochastic volatility)模型是预测精度最高的异方差模型,但在某些损失函数标准下,EGARCH模型也具有良好的波动预测表现.     

基于杠杆效应和结构突变的HAR族模型及其对股市波动率的预测研究

近年来,基于高频交易数据的HAR族模型在对各类金融市场波动率的预测研究中展现出了良好的预测效果.本文在4个经典或前沿的HAR族模型的基础上,考虑杠杆效应和结构突变因素对波动率的预测作用,构建4个带杠杆效应和结构突变的HAR族模型.接着,以上证综指和深证成指的5分钟高频交易数据为研究样本,对上述模型进行样本内和样本外分析,以此检验各成分对股市波动率的预测作用以及比较各模型的预测能力.实证结果显示:已实现波动率,连续波动率,下行波动率,上行波动率,杠杆效应和结构突变成分对股市波动率的预测作用较强,而跳跃波动率,符号跳跃方差对股市波动率的预测作用较弱;带杠杆效应和结构突变的HAR族模型对股市波动率的样本内拟合效果和样本外预测能力都明显优于相对应的不带杠杆和结构突变的HAR族模型,其中大多数情况下LHAR-CJ-SB模型展现出最高的拟合效果和预测精度.以上结果表明,杠杆效应和结构突变因素能有效提高HAR族模型的预测精度,所以在HAR族模型的构建中这两个因素不能被忽视.     

国际油价波动风险预警及管理

我国石油依存度快速上升, 高能耗产业集中, 但尚无配套的国际石油议价策略, 被巨幅波动的国际石油价格"挟持"的可能性很大. 因此, 需要建立油价预警和风险管理系统, 减少油价波动可能带来的损失. 预警的首要工作就是预测, 但过去的预测都是基于年度或月数据, 预测结果滞后. 为在较短时间内感知油价风险并采取措施, 我们暂不考虑影响油价的长期因素, 以短期新视角对油价进行了剖析, 统一定性、定量区分了短期油价影响因素的权重, 通过灰预测计算短期未知指标后再用油价与影响因素之间的关系模型预测油价的两步新方法, 经过验证, 该方法切合实际, 效果较好. 并提出了高油价区国家及石油企业应对油价波动风险的管理对策.     

时变分数布朗运动下的GARCH族欧式期权定价研究

本文拓展了分数布朗运动理论下欧式期权定价问题,尤其突破了Hurst指数和波动率为常数的假设.我们在时变Hurst指数的分数布朗运动环境下,采用GARCH族模型描述收益率序列的波动率,推导出了一个欧式看涨期权定价的闭型解.利用该模型和韩国Kospi200股指期权日交易数据的实证检验表明,韩国Kospi200股指波动率符合GJR过程,时变波动率下的分数布朗运动刻画金融市场的动态特征比采用标准布朗运动更适合,该模型计算的期权理论价格与市场价格更接近,优于传统的定价模型.     

应用混合小波神经网络和遗传算法在香港衍生品市场上的研究

提出了新的基于Black-Scholes模型的混合小波神经网络.隐含波动率是指在市场中观察的期权价格所蕴涵的波动率.基于不同种类的期权价格对波动率的敏感度不同,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型优于传统的Black-Scholes模型.     

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.     

基于耦合的新船价格波动影响因素分析

针对新船价格波动机理,通过分析船舶市场运行过程中影响新船价格的各种因素所占权重,以及这些因素作用下最终形成市场价格的过程,研究新船价格波动背后的形成过程和作用体系.首先,为解决多元数据求极值问题,提出动态粒子平衡的均匀采样方法,并在高维空间的单位超球面上生成权重方向向量,得到映射到不同方向向量上的投影序列.其次,为消除不平稳、不规则数据的影响,运用经验模态分解方法对投影序列进行处理,生成不同度量尺度下的平稳序列.再次,考虑到随机抽样的离散特性,以本征模函数与目标序列的判定系数为优化目标,加入了遗传算法得到在连续超球面上的优化结果.最后,通过对新船价格及其各相关因素的历史数据进行分析,得出拟合度较高的曲线及其所对应的各因素所占权重.分析表明该方法能够有效解决多元序列求极值和多元非平稳序列的相关性分析问题,能够综合考虑更多因素描述与新船价格的波动机理,为以后船舶价格预测提供一种新的方法.     

交易者异质性条件下系统风险冲击与企业创新能力对股票价格波动性的影响机理:理论模型与仿真分析

基于信息交易者和非信息交易者行为特征，建立数学模型从理论上研究交易者异质性条件下系统风险冲击与企业创新能力对股票价格波动性的影响机理，并利用MATLAB编程对理论模型结果进行仿真分析.研究结果表明：企业创新能力在任何系统风险冲击和交易者结构下都将发挥股票价格稳定器作用；在企业创新能力较高时，股票价格波动性与信息交易者持股比例负相关，与系统风险冲击之间的相关性因交易者结构不同而呈现出不同特征；在企业创新能力较低时，股票价格波动性与系统风险冲击正相关，与信息交易者持股比例之间呈U型关系；信息交易者持股比例较高的股票市场更具优胜劣汰选择机制.提升企业创新能力、提高信息交易者持股比例、完善信息披露制度是抵御系统风险冲击、保障股票市场稳定可持续发展的重要途径.