沪深300指数期货已实现波动率的跳跃行为

采用修正的已实现门阀多次幂变差研究沪深300股指期货已实现波动率的跳跃特征,并通过构建考虑跳跃的AHAR-C-TCJ模型研究沪深300股指期货已实现波动率的跳跃成分对股指期货市场未来波动率预测的影响。结果表明:沪深300股指期货波动率的连续成分存在较强的长记忆性,而离散跳跃序列的长记忆较弱,但仍具有一定的可预测性;跳跃的久期序列的自相关性较强,而规模序列的自相关性不显著;显著的离散跳跃对沪深300股指期货日、周以及月的已实现波动率的预测都存在显著的正向影响,AHAR-C-TCJ模型能显著提高股指期货市场波动率的预测精度,尤其是标准差形式和对数形式的AHAR-C-TCJ模型。     

混合分布的VaR非参数估计:对期货市场的实证分析

基于价格走势的不同将金融市场分为平稳行情,趋势与震荡行情,用混合分布刻画资产收益的母体分布特征,提出一种新的VaR非参数估计方法.利用高频数据对市场状态分类,基于Bootstrap的核密度方法估计子分布,最后计算总体分布的VaR.选取股指期货,铜期货,橡胶期货,豆粕期货等四个期货品种进行实证研究,估计了不同置信水平下的多头和空头VaR.实证结果表明:新方法相较传统的GARCH族模型,多种基于犀尾分布的GARCH模型,混合正态GARCH模型以及方差一协方差法能够更准确地估计空头VaR与尾部风险.     

高频环境下沪深300股指期货波动测度——基于已实现波动及其改进方法

作为中国唯一上市交易的金融期货产品,沪深300股指期货在资本市场价格发现和风险防范过程中扮演重要角色, 科学准确地测度其收益波动对充分实现股指期货避险功能具有重要理论和现实价值.在日内高频信息环境下分别采用经典已实现波动率、已实现极差波动率和已实现双幂波动率等三类方法对沪深300股指期货的收益波动进行测度,通过样本内预测误差指标对上述 方法的测度性能进行比较. 实证结果表明:沪深300股指期货在上市交易后表现出由剧烈波动 到渐趋平稳的波动特征,已实现波动的改进方法在沪深300股指期货收益波动的测度性能上具有较为明显的优越性.     

基于已实现二阶矩预测的期货套期保值策略及对股指期货的应用

资产收益的跳跃行为给套期保值决策带来了挑战. 提出了考虑跳跃、基于预测的VecHAR-RVRCOV-J模型, 首次将高频数据中蕴含的跳跃信息引入套期保值决策, 对期货和现货收益率的已实现二阶矩做异质滞后阶向量自回归, 构造动态套期保值比率的预测统计量. 实证应用中以沪深300股指期货及沪深300指数为对象构建套期保值策略, 在样本内和样本外的综合套保绩效考核上, 新模型优于常用的二元GARCH模型.     

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。     

伊藤半鞅框架下资产价格动态模型的非参数设定检验——基于沪深300股指期货超高频数据的分析

模型设定检验是诊断资产价格动态过程模型误差的主要手段,对于动态投资组合优化、衍生品定价、风险管理等金融决策至关重要。本文采用非参数模型设定检验方法在伊藤半鞅框架下研究沪深300股指期货价格过程。基于沪深300股指期货超高频价格数据的实证结果表明,沪深300股指期货价格过程包含扩散项、有限活动跳跃项以及无限活动跳跃项。该结论对于以沪深300股指期货为工具的风险对冲和高频交易等投资活动以及以沪深300股指期货为标的资产的衍生品设计有重要指导意义。     

基于GAS的混频Copula模型的投资组合风险预测

考虑到金融资产间的相关关系具有时变性和长记忆性,纳入了混频数据抽样(mixed data sampling,MIDAS)的混频Copula (MIDAS Copula)模型虽能刻画时变性和长记忆性,但其参数演变过程较为简单,因此将广义自回归得分(generalized autoregressive score,GAS)模型作为参数演变过程引入MIDAS Copula模型中,构建GAS MIDAS Copula模型.实证分析发现该模型提升了 MIDAS Copula模型对样本拟合的能力;进一步选择不同相关程度的三组沪深300行业指数,分析该模型对不同相关程度行业间时变相关系数长记忆性的捕捉能力及对投资组合的风险预测精度.结果发现:1) GAS MIDAS Copula模型对高度和中度相关行业间相关系数长记忆性的刻画能力均最优;2)对三组数据简单投资组合的VaR与ES回测检验结果显示GAS MIDAS Copula模型均有最高的预测精度.最后基于不同置信水平、不同权重比例、不同样本滚动窗口长度以及不同资产的各种风险预测结果证实了 GAS MIDAS Copula模型的稳健性.     

基于贝叶斯CAViaR模型的油价风险研究

CAViaR模型是常用的VaR估计方法之一, 但通常面临参数估计和模型检验的困难. 本文发展了贝叶斯CAViaR模型用于分析油价风险, 并考察该模型在参数估计、模型选择、VaR预测等方面的作用. 采用布伦特原油价格日数据, 研究显示贝叶斯CAViaR模型有效控制了估计风险和模型风险, 且具有较好的VaR预测绩效, 优于传统CAViaR模型. 本文同时指出, 油价VaR存在自回归特征并受前期正负收益率的不对称影响. 不对称斜率CAViaR模型有效刻画了油价VaR的动态变化模式.     

基于协整的股指期货跨期套利策略模型

沪深300股指期货即将推出,目前已经推出仿真交易.国外已有相关文献研究表明基于协整的统计套利可挖掘到一定的股指期货套利空间,而本文利用沪深300股指期货的仿真交易数据对基于协整的统计套利策略模型的有效性及效率进行检验,结果表明国内股指期货仿真交易市场也存在的一定的跨期套利空间.     

中国股市波动率的广义周内特征及其预测模型

本文将Realized GARCH模型推广至基于周历日的时变参数情形以刻画杠杆和溢出效应的周内特征并避免传统GARCH类模型在拟合长记忆性与周内效应时两者相互干扰问题.将新模型应用于上海股票市场2001至2013数据的分析发现:我国股市波动率存在时变的杠杆效应和溢出效应.实证结果表明:新模型无论在样本外的预测能力还是在样本内的拟合度上都明显优于现有模型.     

我国大宗商品市场的风险估计

在金融风险管理领域，随着金融工具和市场的日益复杂及金融监管的不断强化，研究者和政策制定者常需要识别特定市场上的风险。作为金融机构使用最多的风险指标，在险价值(VaR)在金融市场风险监控中被广泛地采用。本文按照VaR标准技术流程，通过GARCH族模型、CAViaR以及DQR的分位数回归模型对我国大宗商品市场的风险波动进行了估计，并通过模型置信集(MCS)程序进行了估计效果的比较分析，最后通过各类模型间的聚合方式，考虑单一模型在估计效果上的优化问题。本文研究发现：CAViaR-IG在整体上对我国大宗商品市场相关收益序列的预测效果最好，其次为DQR模型。在对GARCH族模型的估计效果比较下，Student-t和Skew-Student-t对收益分布的估计有较大的调节作用。进一步考虑单一模型估计效果的优化问题时，对不同分布下的GARCH模型和GJR-GARCH模型进行聚合，均匀聚合比指数加权聚合更能够发挥出每个单一模型的估计特点，从而优化了在险价值的估计效果。     

考虑基差对高阶矩影响的市场风险度量研究

提出了加入基差项的GARCHSK模型研究了基差对现货收益高阶矩的动态影响,并将该模型应用于提高对现货VaR的度量精度.对股指期货和现货市场的实证研究表明,基差对股指现货收益的条件均值、波动率和偏度均存在显著影响,考虑基差对高阶矩影响后的模型可以提高对股指现货市场风险度量的精确度.     

基于AAVS-CAViaR模型的股市风险测量研究

考虑金融资产收益与正负收益对分位数冲击的不对称性,建立含有不对称绝对值和斜率设定的AAVS-CAViaR模型,采用混合最优化方法估计模型的参数并进行显著性检验.对1996-2008年期间沪深港股票指数的实证研究表明:沪深港股票市场均存在正负收益消息对市场风险冲击的不对称现象,且在不同VaR置信水平下存在差异;通过Granger因果检验发现沪深港股市的风险变化存在显著的互动传导关系;提出了VaR预测模型的评估准则,对所选样本数据而言AAVS-CAViaR模型比间接GARCH模型更好地描述了市场风险的演化模式.     

有偏分布下的动态风险测度及MRC-SPA检验

以沪铝期货市场为研究对象,针对金融市场的有偏性、尖峰厚尾性,结合条件极值理论与SKST分布刻画金融市场的极端风险,同时运用滚动时间窗口方法对不同波动率模型进行样本外动态VaR预测。鉴于传统的回测检验无法有效判断不同波动率模型风险测度效果的优劣性,本文引进一种新的风险检验方法——MRC-SPA检验,实证结果显示EVT有效提高了GARCH模型的样本外动态VaR预测精度,其中GARCH-SKST-EVT-POT模型以较小的市场风险资本实现风险规避,预测效果最优。     

高频数据下基于PGARCH模型的VaR估计方法及应用

高频数据在风险价值VaR度量和预测方面的价值日益凸显,文中基于高频数据为嵌入日内收益过程的PGARCH模型提出一类稳健M估计,同时给出相应的VaR估计方法,并基于沪深300指数和恒生指数的5分钟高频数据对时间内和时间外的VaR进行估计预测.实证结果表明,高频数据下PGARCH模型的M估计所提供的VaR估计方法可更加准确的预测VaR,预测结果均优于日间低频数据的估计结果和基于高频数据的QMLE估计结果,该方法可以很好地应用于风险管理中.     

我国沪深300股指期货和现货市场的交叉相关性及其风险

利用2010年4月16日到2012年4月12日期间的我国沪深300股指期货和现货1分钟高频数据，采用降趋交叉相关分析方法（DCCA）和多重分形降趋交叉分析方法（MF-X-DFA），研究我国股指期货市场和现货市场之间的以及在不同收益率情况下的长程交叉相关性和风险情况. 结果表明，我国股指期货和现货市场之间具有长程交叉相关性，均呈现出长期记忆性和多重分形特性，且股指期货市场的整体风险大于现货市场；随着市场波动程度加大，市场之间的交叉相关性增强，风险的传染程度加剧. 这对于金融市场的风险监管和政策的制定具有一定的借鉴意义.     

基于杠杆和流动性冲击的股指期货保证金定价

现有研究对股指期货保证金定价多仅围绕波动率因素来考虑,而忽视了流动性冲击、杠杆和交叉持股所导致的现货价格极端变化对期货保证金的影响,即在保证金定价中未能考虑现货市场的流动性风险和组合再平衡风险.鉴于此,本文首先分析了流动性冲击下杠杆对投资组合价值的影响机理,以及交叉持股对现货标的的正反馈效应;然后通过持有成本模型将这些因素引入到股指期货价格变化中,最终构建保证金定价模型.模拟分析发现:现货市场中的杠杆水平、流动性冲击水平均与股指期货保证金显著正相关;且与传统模型相比,本文提出的定价模型所计算的股指期货保证金要显著高于前者,这也意味着本模型的确能够有效解决流动性冲击严重或者杠杆过高情况下,股指期货保证金的合理调整问题.     

基于多元条件极值模型的股指期货与现货下尾部相依性研究

运用多元条件极值模型研究了沪深300股指期货与现货指数之间的下尾部相依关系。通过先构建随机波动-超阈值(SV-POT)模型描述两种资产收益的边缘分布,再建立多元条件极值模型对分布下尾部的相依结构进行研究。实证结果表明:两个收益的下尾存在显著为正的相依关系且条件相依程度都在80%以上,但相差不大,两者可以看成是一个同质的市场。     

投资者情绪与期货市场功能——基于沪深300股指期货的研究

本文以2015年股指期货市场实行交易限制措施事件作为自然实验样本,研究了不同市场环境下投资者情绪对沪深300股指期货风险管理功能和价格发现功能的影响及其差异.研究结果表明,在无交易限制的市场环境下,投资者情绪对沪深300股指期货的风险管理能力和短期动态价格发现能力有显著的负面影响;而在有交易限制的市场环境下,投资者情绪对沪深300股指期货市场风险管理能力的影响出现反转,但其对股指期货市场价格发现能力的负面影响却进一步加剧,本文分析这一现象是由于交易限制规则实施后股指期货市场流动性和市场深度极度匮乏、逆向选择效应增强所致.与现有研究相比,本研究可以更有效地从市场微观结构角度揭示投资者情绪对金融市场的影响存在差异的原因.此外,本研究结果在以双重差分模型和以互联网搜索指数作为投资者情绪代理变量的检验中同样稳健.     

股指期货仿真交易与现货相互引导关系

以沪深300股指期货仿真交易数据及沪深300指数为研究样本,在结合定性分析的同时,运用E-G协整检验、G ranger因果分析法对两个市场之间的长期均衡关系进行了研究,并通过使用向量自回归(VAR)模型、向量误差修正(VEC)模型、脉冲响应分析和方差分解等方法,进一步对变量间的相互引导关系进行了分析。结果表明仿真交易合约与HS300指数之间互为因果引导关系,且期货市场调整到均衡状态的速度要远快于现货市场。同时研究也发现,股指期货虽然在一定程度上对现货市场产生了一定的影响,在定价中也发挥了一定的作用,但是在价格发现方面总体来说受到现货市场的影响还是占相对主导地位,即我国仿真交易中的股指期货还没有达到成熟期货市场的价格发现水平。