我国股指期货市场的价格发现与波动溢出效应

借助向量误差修正模型、公共因子模型和带有误差修正的双变量EGARCH模型,对沪深300股指期货市场和现货市场之间的价格发现功能以及互动关系进行了研究和分析,研究结论表明:目前指数现货市场在价格发现中起到主导作用,且两个市场之间不存在显著的非对称双向波动溢出效应,但是指数期货价格和现货价格之间存在长期的均衡关系、短期的双向Granger因果关系。     

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。     

中国股票市场报酬与波动的GARCH-M模型

运用 GARCH-M模型对上海和深圳股票市场的市场波动特征以及市场波动和报酬间的关系进行了实证研究 ,探讨引起我国股票市场波动较大 ,收益相对较低的原因 .同时分析涨跌停板交易制度对市场报酬和波动产生的影响 .     

预测沪深股市市场波动性

研究目的在于:首先,检验和对比三种GARCH模型对于我国上海、深圳股市波动性的预测能力.其次,使用非对称的预测指标以体现对于预测误差高低的不同个体需求.在对于4个对称型的预测常规指标中,TGARCH对于2个市场波动的预测结果都是最佳的,而EGARCH的预测结果也要好于GARCH(1,1).这表明我国上海与深圳市场受坏消息的负面影响大于同等程度好消息的正面影响,而运用单边非对称的GARCH模型将更利于提高波动性预测的准确性.在非对称预测指标方面,研究认为EGARCH模型对于那些更愿意低估市场波动性的投资者而言较为有利,而GARCH(1,1)模型则相应满足了希望高估市场波动性的投资者的需求.这也表明投资者应根据自己的需要来选择相应的波动性预测模型.     

中国股票市场的收益与波动关系

在考察现有的2种收益与波动关系模型(GARCH-M和SV-M)差异的基础上,运用更具理论优势的SV-M模型,研究了实行涨跌幅限制制度前后中国股市收益与波动关系的不同状况,并结合波动反馈效应理论,探讨了中国股市预期收益与波动之问的跨期关系.研究表明:中国股市的收益与同期波动之间存在负相关关系,这一关系在实行涨跌幅限制制度后变得更为显著;中国股市存在波动反馈效应,且预期收益与波动之间的跨期关系为正;涨跌幅限制制度不仅限制了沪深股市的暴涨暴跌现象,而且增加了股指收益率的自相关性和波动的持续性.     

中国股票市场流动性与收益动态关系研究

应用向量自回归(VAR)方法和格兰杰非因果性检验等计量经济方法,研究了中国股票市场流动性和收益的动态关系.研究表明,随着中国证券市场的发展,市场流动性特征也在发生变化,2002年中国股票市场出现了"非流动性溢价"现象.     

中外股票市场风险收益的比较研究

将中国证券市场的A股、B股分别与国际上四个成熟市场的风险、收益行为进行比较，从不同的角度分析和考察我国证券市场的数量特征，以及它与国际证券市场的关系是否密切；用带有局部及全球信息变量的GARCH(1，1)实证模型检验股指收益的条件均值，发现股指波动是时变的、不均匀的．局部及全球信息变量对股指收益有一定的解释性。     

基于日内价格幅度与回报的随机波动率模型

金融资产波动率测量与建模是金融理论与实践中的一个重要课题，已经有了许多测量与建模方法。本文引入了基于日内价格幅度与回报两个测度指标的随机波动率模型。利用中国股市数据进行的实证结果表明，与单测度指标的随机波动率模型相比．基于两个测度指标的随机波动率模型能更好地描述股票市场波动率和市场波动风险。     

中国股市回报波动性分析--高频数据揭示股市的特征

以MDH假设为基础．采用高频数据建立我国股市日内波动特征的理论模型。利用频域分析工具实证得出上海股票市场波动性的日内周期特征和长记忆特征。对滤波之后自相关函数进行回归，计算得到表征上海股市长记忆大小的d值。     

中国股市已实现波动率的跳跃行为研究

以二次幂变差的测量为理论基础,研究了上证综指已实现波动率中的跳跃行为.将已实现波动率分解为连续样本路径方差争离散跳跃方差,研究了跳跃方差序列的统计特征,并且应用HAR-RV-CJ模型对上证综指的已实现波动率进行预测.研究结果发现,几乎所有日、周和月已实现波动率的可预测性都来自连续样本路径方差,表明二次变差中的连续样本路径成分是中国股市已实现波动率预报的决定因素.     

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。     

不同市态下投资者情绪与股市收益、收益波动的异化现象——基于上证股市的实证分析

基于上证股市的相关数据,分析不同市场态势下投资者情绪与股市收益及其波动的异化现象。结果表明:我国投资者情绪对股票市场的收益并无显著影响;而股票收益却对投资者情绪的作用显著:牛市阶段股票收益与投资者情绪正相关,而熊市阶段则为负相关;投资者情绪对收益波动的影响在不同市态下也存在异化现象:熊市阶段投资者情绪对预期收益波动的冲击存在非对称效应,乐观倾向比等量的悲观倾向对波动的冲击更大;而牛市阶段收益波动主要受投资者悲观情绪的影响,且不存在非对称效应。这与国内外的相关研究结论不同。     

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。     

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。     

中国股市信息流、波动性与交易量关系

基于混合分布假定(MDH),研究了中国股票市场信息流、回报的波动性和交易量之间动态关系。结果表明,基于回报序列与基于交易量序列推断出的信息流过程并不是一致的,反映了我国股票市场的回报波动性与交易量对信息流过程的反应并不是一个协调的过程。鉴于价格波动与交易量之间的关系反映了信息披露、信息传递、市场对信息的评估与消化机制的特性,这种非协调性也可能根源与信息作用机制的非均衡性。     

基于MDH假说的中国沪深股市量价关系实证研究

GARCH类模型在研究股票市场量价关系时得到了广泛的应用。本文基于一种新的GARCH模型，把股市的波动分解为长期波动趋势和短期波动成分，验证中国股票市场是否符合研究量价关系的主流理论——混合分布假说理论，并得出中国股票市场波动的一般性及特质性。其研究结论对监管机构把握股市的运行规律，制定合理有效的监管政策具有重要的指导意义。     

沪深股票市场行业效应与投资风格效应的实证研究

按照证监会的行业分类标准与股票的成长性和市值,将中国股票市场的股票分为22个行业和8种投资风格.依据中国股市1991年1月到2003年12月期间的股票月收益率数据,利用带约束的回归分析方法对股票收益率的行业效应和投资风格效应进行分析,结果表明中国股票市场均具有明显的行业效应和投资风格效应,并且行业效应大于市值投资风格效应,市值投资风格效应大于成长性投资风格效应.因此,在中国证券市场上采取“自上而下”的资产配置方式是合理的.     

中国股市横截面收益特征与投资者情绪的实证研究

以中国股市1998年5月至2007年4月交易数据为研究样本,对股票横截面收益特征进行实证分析,结果显示,贝塔系数与股票预期收益间关系与理论相反,而股票市值、账面市值比等指标亦可以预测股票预期收益,且这种关系具有阶段性特征。应用非预期投资者开户增长率作为投资者情绪指数,对投资者情绪波动与特征组合收益进行回归分析,证实投资者情绪波动是导致上述现象的主要原因。     

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。     

熊市环境中封闭式基金过度波动研究

利用过度波动检验,研究中国封闭式基金在熊市环境中是否存在过度波动.主要结论封闭式基金存在过度波动现象;在熊市不同阶段、不同规模基金的过度波动程度存在差异;随着熊市不断加深,过度波动幅度在减少;约有43%～52%的过度波动风险能被市场风险、小公司风险和封闭式基金特有的系统风险解释.