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。     

考虑投资者情绪的GARCH-改进神经网络期权定价模型北大核心CSCDCSSCI

提出了一种考虑投资者情绪的基于改进粒子群算法优化的BP神经网络,并结合GARCH模型用于预测欧式期权价格。引入单点变异算子来提升传统粒子群算法的寻优能力,并通过改进后的算法来优化BP神经网络的结构与相应参数。利用GARCH模型估计权证股票价格的历史波动率,并将其作为改进神经网络模型的输入变量之一。最后,进一步考虑投资者情绪对期权价格的影响,通过构造剔除了基本因素的投资者情绪复合指标,并融入改进后的神经网络中。选取包括鞍钢JTC1在内的10支国内认购权证的收盘价格进行实证研究。结果表明,该模型的收敛速度与预测精度优于传统的BP神经网络以及B-S模型,考虑投资者情绪的影响后,预测结果更贴近实际情况。     

宏观经济信息发布对股票市场收益率及其波动的影响

通过构建宏观信息发布中的未预期信息衡量指标,本文研究了宏观信息对股票市场收益率及其波动的影响.实证分析发现:股票市场指数月收益率具有"通胀对冲"功能,同时PPI、固定投资、货币供给(M2)也会显著影响指数收益率,贸易顺差则与收益率波动显著相关;进一步对股票市场指数日收益率分析发现沪深两市对宏观信息的短期反应并不相同.对上证综指,仅CPI、固定投资与进口同比显著影响指数收益率,而出口同时影响指数收益率及其波动;对于深证成指,市场只对出口信息会作出及时反应.此外,本文还发现危机后股市对宏观信息的反映也出现了显著变化,宏观信息变量中只有PMI和进出口变量显著影响市场收益率,而PPI则成为影响收益率波动的显著因素.     

投资者情绪和资产定价异象

在以个人投资者为主体的中国股票市场中,投资者情绪对资产价格的影响非常重要.本文将投资者情绪和宏观经济变量加入到条件CAPM模型中,采用Avramov和Chordia(2006)的两步回归分析框架,检验了包含投资者情绪信息和宏观经济变量的条件资产定价模型对我国股票市场收益异象的解释力.实证结果表明,包含IPO首日收益率为投资者情绪信息的条件CAPM模型能够显著解释我国股市中的特质波动率之谜,规模效应和价值效应,经济不确定性指数作为额外的宏观经济变量加入条件CAPM模型能够解释我国股票市场的非流动性溢价,实证结果对于不同的度量指标都很稳健,进而证实了投资者情绪因素在资产定价过程中的重要作用.     

新型小波支持向量机在波动率预测中的实证研究

运用支持向量机进行广义自回归条件异方差(GARCH)模型预测所面临的一个主要问题就是普通核函数难以准确捕捉股指波动率的聚集特征.然而小波函数却具备以任意时间粒度在任意位置刻画任一时间序列的能力.因此,本文基于小波分析与核函数理论,构造了一个满足mercer条件的多尺度小波核来解决这一问题.通过真实股指数据分析,小波支持向量机在波动率预测中的有效性获得了证实.     

基于GARCH模型的风险价值蒙特卡罗模拟

讨论用蒙特卡罗模拟（MC）方法计算风险价值（VAR）。分别用样本标准差和广义自回归条件异方差（GARCH）作为参数代入几何布朗运动方程中，并把计算结果进行比较，得出各模型的适用范围。     

投资者情绪、股权结构特征与上市公司创新效率

非理性的投资者情绪以及管理层对股市的过度“呵护”扭曲了中国A股上市公司的投资结构,影响资本市场资本配置效率。使用上市公司数据探讨了投资者情绪和股权结构特征对上市公司创新效率的影响。研究发现：A股上市公司存在较为明显的迎合投资现象,投资者情绪与上市公司投资效率之间存在非线性关系的抑制作用,即当市场情绪低落时,创新效率的损失对投资者情绪十分敏感;当市场情绪高涨时,创新效率的增速则对投资者情绪变得迟钝。另外,本文得出的3个结论应获得足够的关注：① 国有或国有控股的上市公司迎合投资的创新效率要高于民营上市公司,政府应积极利用市场情绪推动国有上市公司混改,利用非公资本改良国有上市公司的投资“DNA”,实现产业转型和技术升级的创新基因表达。② 积极打造国家创新驱动发展战略相关产业的资本风口,鼓励并引导社会资本进入高科技领域等创新效率较高的实体产业。③ 大力推动上市公司“两权分离”,提高管理团队的投资能力和投资的持续性,保持较高的投资水平和创新效率。     

混合自回归滑动平均模型———MARMA

提出一类新的用于非线性时间序列建模的混合自回归滑动平均模型(Mixture autoregressive movingaverage model简记MARMA).该模型条件分布富于变化的特点使得它能够描述非对称、多峰、以及条件异方差等非Gauss特征.研究得到了MARMA模型的平稳性条件和自相关函数.利用BIC(Bayes informationcriterion)准则来选择模型.运用EM(expectation maximization)算法估计模型的参数.将MARMA模型应用于一组金融数据,并和其它模型做比较.结果表明MARMA模型能够更准确地描述该数据的特征.     

基于VaR-GARCH模型族的我国期铜市场风险度量研究

描述了金融时间序列的一般特性,从收益的波动性与分布出发,组建起计算时变风险价值的VaR-GARCH模型族,并应用该模型族在3种分布假设下对我国铜期货的市场风险进行了实证分析.研究结果表明,基于广义误差分布的VaR-EGARCH模型能很好地刻画期铜收益的尖峰厚尾性与市场风险.同时,对期铜市场风险的变动趋势进行了详细剖析.     

中国证券交易所国债和银行间国债指数的关联性分析

运用VAR模型、Granger因果检验、脉冲响应分析及协整检验对证券交易所国债指数和银行间国债指数的关联性进行检验和分析。实证结果表明证券交易所国债指数对银行间国债指数有较强的引导作用，二者之间存在短期相关关系，而不存在协整关系。表明我国证券交易所国债市场和银行间国债市场趋同性还没有产生，合并条件并不成熟。证券交易所国债市场的价格发现效率高于银行间国债市场的价格发现效率．应该让更多的投资者进入银行间债券市场以及建立和完善包括做市商制度在内的交易制度。     

基于非线性Granger因果检验的中国大陆和世界其他主要股票市场之间的信息溢出

采用线性及非线性Granger因果检验的方法,对中国大陆股票市场和世界其他主要股票市场之间不同阶段的信息溢出现象进行了实证研究.通过比较Granger (1969)线性因果检验和 Hiemstra and Jones(1994)非线性因果检验, 发现中国大陆市场和世界其他主要股票市场之间存在非线性信息溢出效应;随着中国大陆市场改革的深入和全球经济一体化的发展,信息溢出的程度也在提升; 在建立风险预警机制时,需要充分考虑其他市场的信息.