中国股票市场收益的长期记忆性研究

首先应用R/S分析法研究中国股票市场的长期记忆性，实证结果表明中国股市作为一个新兴的资本市场，表现了与国外发达股市不太一样的特征，即中国股市具有较明显的长期记忆生，又用既能描述短记忆又能表现长记忆的ARFIMA模型对中国股票市场进行建模研究，并证明该模型与其他模型相比较所体现的优越性。     

中国股票市场中收益与风险关系及其国际比较

利用ARCH-M族模型来拟合中国股市和成熟证券市场的收益序列,以揭示股票市场中投资收益与时变风险的关系,并在ARCH-M族模型的范畴内,研究确定了国内外证券市场中时变风险的最佳测度方式。本文通过建模,对中国股市和成熟市场的风险补偿系数以及投资者的风险承受能力进行了比较研究。     

基于收益分解的股票市场动量效应国际比较

基于资产定价模型和股票市场动量效应的研究成果,对比分析了中、美股票市场动量效应的存在及形成机理。结果表明,中国股票市场赢者组合过早出现收益反转,致使动量投资策略盈利性不显著;而美国股票市场赢者组合与输者组合表现的相对对称性,保证了动量投资策略的盈利性。不同市场动量投资组合收益成分变化与市场表现之间的因果关系进一步揭示了动量效应的内在机理。     

中国股票市场行业风险结构的实证分析

从两个方面研究中国股票市场行业风险结构，首先是利用分解法将股票市场行业整体平均风险分解为系统风险和非系统风险；其次是利用CAPM模型计算单个行业的风险组成。主要结论有：在样本期间，系统风险占行业平均风险的比例超过了70％，系统风险随时间呈现下降趋势，但行业非系统风险不存在明显的时间趋势；不同行业的风险构成存在很大差异。     

中国股票市场的股票收益与波动关系研究

检验中国证券交易四类股票收益与波动的时间序列特征,以及收益与波动之间的关系。首先应用广义自回归条件异方差模型（GARCH）和指数GARCH模型以获得合适的条件方差序列。应用结果发现,波动性随时间变化的证据,并且波动高／低的时期趋向于聚集,显示出高度持续性和可预测性。然后,应用均值GARCH（GARCH－M）模型检验预期收益与预期风险的关系。研究结果认为,每日交易量作为每日信息到达时刻的代理变量对于中国股票市场每日收益的条件波动的解释力度不显著。     

论证券市场的复杂性:以上海股票市场为例

突破了传统证券市场理论研究的线性框架，以上海股票市场为例，探讨了证券市场的复杂性问题及其理论与实践意义。在讨论证券市场系统之分形特征及其演化平均轨道周期的同时，分析了用自相关函数及李雅普诺夫指数等来研究证券市场复杂性之适应性，并从理论上进行了实证，最后，结合复杂性理论在证券市场研究中的应用，认为在证券市场研究中，协同市场假定，小波理论及自组织临界理论等将成为证券市场复杂性研究的发展方向。     

竞争战略风险的收益序列变动分析模型

基于产业竞争结构基本理论及信息熵度量的基本方法，利用产业内企业收益率作为竞争指标，通过对产业收益序列系统的动态结构分析，提出行业竞争风险、产业链竞争风险、替代竞争风险的定量度量分析方法。     

基于收益共享的风险厌恶供应链协调研究

以条件风险价值(CVaR)和期望利润的加权平均作为零售商的风险效用度量,研究了制造商与零售商的定价与订货策略,以及风险态度给供应链运作带来的影响.结果表明:零售商的风险厌恶恶化了双重边际效应,且这种恶化随CVaR权重和风险厌恶因子的增加而加剧;而当制造商与零售商能通过收益共享进行合作,却可以实现供应链协调;当存在不同风险态度零售商的横向竞争时,零售商的订货量与其风险厌恶因子之间存在着反相关性.     

风险、收益、套利和估价

对X＝L^2(Ω,Γ,P）中给定的未定债权－价格集{（xλ,qλ）｜λ∈A}所生成的金融市场,给出了套利机会的定义,它是传统资本市场中套利资产组合的推广。研究了套利机会的各种等价定义及其经济学含义,考虑了Werner(1997)的例子,得到了一些有意义的结果。     

股票价格和收益变化中的幂律

用不同的方法来研究股价的波动规律,非参数估计显示股票收益分布的非正态性及“肥尾”现象,其尾部满足幂律衰减,股票收益的“一般化”波动函数在不同时间间隔下的结构函数也服从幂指数分布律,第三个幂律是在我们使用模式分析法对股价的波动进行分析时发现的。     

机构投资者对中国股市波动性影响的实证研究

以中国股票市场上的上证指数与深证成份指数的日收益率为样本，采用GARCH与EGARCH模型，来研究机构投资者对中国股票市场波动性的影响。实证研究的结果发现，在大力发展机构投资者后，股指收益率波动性数值减小。波动的平稳性增强，波动的杠杆效应减弱，这表明机构投资者能够有效地降低股市的波动性。     

权证收益率波动的度量:基于GARCH和SV模型的比较

分别采用GARCH模型和SV模型对权证收益率波动进行比较研究,发现这两类模型均能较好地拟合权证收益率的波动,但SV模型比GARCH模型更能捕捉权证收益率的波动信息。在权证总持续期间,通过SV模型计算的V aR值比GARCH模型更加准确;而在权证发行上市时期及最后交易日期间,通过GARCH模型计算的V aR值比SV模型更加准确。     

中国股票市场日内高频信息风险特征与实时测度

基于日内信息组成结构的时变特性,推导时变知情交易概率的非参数计算表达式,并构建测度日内高频信息风险的方法。应用此方法绘制上证50ETF产品2009年日内高频信息风险分布图。基于此测绘结果,对2009年7月29日该产品发生尾盘暴跌当日及其前后两日的高频分笔交易数据进行滚动跟踪测算,证明本文模型能够实时捕捉不断变化的信息风险状态,对由有毒信息流引起的资产价格突变具有预测功能。     

期货市场交易量与收益率及其波动关系的实证研究--ARMA-EGARCH-M模型的应用

通过建立ARMA-EGARCH-M模型对中国期货市场铜、铝交易量与收益率及其波动的关系做了一个全面的实证研究。结果表明：同期交易量与收益率波动正相关，将交易量分为预期与非预期两部分后发现非预期部分对收益率的波动有更大的影响；交易量的引入并没有消除波动的ARCH效应；中国期货市场杠杆效应不明显；铜在期货市场的运行有效率，而铝却缺乏效率。     

引入信用风险的我国可转换债券定价实证研究

利用最小二乘Monte Carlo(LSM)模拟建立引入信用风险的可转债定价模型,模型可以更好地描述内嵌不同路径依赖触发条款期权的可转债的复杂特征.本文用MATLAB软件编程计算出中国沪深两市11支可转换债券的理论价格并与市场价格进行比较.实证结果表明,该模型的平均定价偏差在时间序列和横截面上都不超过4%,模型价格与市场价格拟合程度很高,这为模型在实际投资决策中的模拟应用提供了理论依据,具有很高的实用价值.     

长记忆下的风险度量及中国市场投资期限效应的实证分析

从可预测性的角度将风险定义为实际与预测结果的偏差，并利用收益序列的噪声对其进行度量。在此基础上，采用中国市场的数据对投资期限效应进行了研究，结果表明：不同抽样间隔的收益序列具有不同的相关性和风险收益特征；而且，上证综合指数和深圳综合指数收益的短期表现优于它们的长期表现，在一定程度上解释了中国股市的投机性。     

中国股市回报、风险与业绩的行业特征

对A股上市公司的业绩和股价行为月特征进行了分行业的统计分析,检验了业绩、股价收益及风险的行业效应,并对股份收益与公司业绩、风险分别进行了相关性分析和回归分析。研究结果表明,不同行业公司的业绩具有显著差异,但股份收益和风险均没有显著差异;股份收益与公司业绩基本无关,但与风险显著正相关,约25.3%的股份收益波动可由风险来解释。     

长记忆随机波动模型的估计与波动率预测——基于中国股市高频数据的研究

为了有效捕捉中国股市波动率的长记忆性,提高远期波动率的预测精度,本文基于中国股市高频数据建立了长记忆随机波动模型,检验高频数据中时变的“日历效应”成分的频率,有效地对“日历效应”进行滤波。使用频域内拟极大似然方法估计LMSV模型参数,为了提高计算效率应用混沌优化算法进行最优搜索。对比了高频数据直接建模和已实现波动率方法建模的预测结果发现,通过高频数据估计的LMSV模型可以很好保留高频数据中所包含的信息量,克服信息丢失问题,预测结果要优于已实现波动率方法建模预测的结果。     

基于时间序列的上海股市系统风险、流动性风险溢价实证研究

在Acharya和Pedersen（2003）提出的三种流动性风险（收益对市场非流动性的敏感性COV（ri,LM）、非流动性对市场收益的敏感性COV（Li,rM）、流动性的共性COV（Li,LM）的基础上，提出了一个关于市场收益、市场非流动性、组合收益以及组合非流动性的四元均值GARCH（1，1）模型，鉴于多元均值GARCH类模型参数估计的困难，我们分两阶段建模，对上海股票市场四类指数（工业、商业、公用以及地产）1997～2004年的风险溢价状况进行了实证研究。结果表明，存在系统风险溢价和流动性风险溢价，并且流动性风险溢价主要来源于收益对市场非流动性的敏感性和非流动性对市场收益的敏感性。     

基于顺周期性的信用风险预期损失模型和已发生损失模型的对比分析

金融危机爆发后,基于对其成因的思考,IASB提出用预期损失模型取代现行已发生损失模型,通过对风险的有效预期来预防损失。通过设定条件,在预期不变和预期发生变化两种情况下对两个模型进行比较分析,并根据比较结果进行相应修正。分析表明两个模型由于其内在属性均存在一定程度的顺周期性,而通过损失分摊,修正预期损失模型能够有效缓解资产减值的顺周期性。预期损失模型的推广有助于我国商业银行针对信用风险进行全面风险管理,提高贷款质量。