中国股市波动测度实证研究

提出了一种基于非参数波动测度的综合测度方法,该方法以已实现极差波动测度为基础,根据混合抽样模型(MIDAS)的思想,利用多元回归方法将基于高频数据的不同时间尺度的已实现极差波动测度组合成综合测度.通过对中国股票市场综合指数分析,发现利用综合测度方法可以更好描述高频数据的波动行为.     

基于非参数波动测度的上海股票市场异质性研究

利用非参数波动测度——已实现波动和已实现极差波动研究了上海股票市场的异质性现象,发现上海股票市场收益波动率的长记忆性主要是由短期交易者和长期交易者决定,并且已实现极差波动测度对股票收益波动的预测效果要好于已实现波动测度.     

隔夜波动率的估计

基于广义动态因子模型构建了个股隔夜波动率的一个新的估计量,并利用中国的上证50指数的24支成分股2013—2014年的数据进行了实证分析.实证结果表明:新估计量比隔夜收益的平方的表现更好,新的估计量可以降低噪声的影响.     

中国股市"已实现"波动率的周期性研究

论述证券市场“已实现”波动率的理论,利用深圳成分指数和上海综合指数的5 m in高频数据,对沪深两市的波动周期做了实证分析,通过Fourier谱分析,比较了沪深两市的波动周期,揭示了我国股市的周期波动性特征.目前,我国股票市场的周期性研究多集中在市场指数和收益率的低频数据周期分析,本文的特点是利用高频数据对波动率这一重要参数的周期性进行分析.     

基于已实现波动率的Lp分位数回归(英文)

提出了一种基于已实现波动率的L_p分位数回归模型,这是一种新的金融风险模型.基于已实现波动率的L_p分位数回归模型将已实现波动率与L_p分位数回归结合起来,并且将L_p分位数加入模型的度量等式中.该模型是囊括基于已实现波动率的分位数回归模型和基于已实现波动率的Expectile回归模型的更为一般的模型.通过非对称幂指数分布(AExpPow)导出模型的对数似然函数,并且通过模拟证实了所提出的对数似然函数的正确性.最后通过实证研究证实基于已实现波动率的L_p分位数回归模型的有效性,得出如下结论:不同的幂指数p适用于不同的数据,不同的时间频率适用于不同的已实现波动率,而不是时间频率越高越好.     

股指期货波动率的半参数预测模型及其MCS检验

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,科学准确的预测其收益波动率对充分实现股指期货的市场功能具有重要的理论和现实价值。将线性非负模型扩展为半参数的预测模型,用来预测股指期货市场的已实现波动率,并探讨了该模型估计方法的渐进性质。此外,以沪深300股指期货的5 min高频交易数据为例,运用滚动时间窗的样本外预测和最新发展起来的具有Bootstrap特性的MCS检验,在多种稳健损失函数下,实证评价和比较新构建的半参数预测模型与其他7类波动率预测模型对沪深300股指期货已实现波动率的预测能力。实证结果表明,在多种稳健损失函数的评价标准下,新构建的半参数预测模型是预测性能最好的模型。     

考虑跳跃和杠杆效应的股市多分形波动率建模

考虑股票市场中存在的跳跃行为和杠杆效应等特征,在HAR模型基础上,构建了一种新的多分形波动率模型.以上证指数和深证成指每5min高频数据为研究样本,运用“模型信度设定”(MCS)检验方法,实证对比了各波动率模型在高波动和低波动两个子样本期对我国股市的预测能力.实证研究结果表明,所提出的多分形波动率测度指标及其计量模型具有较好的预测作用,特别是在高(极端)波动时期其优势更为突出;研究结果有望为金融风险(特别是极端风险)的管理与控制提供新思路与新方法.     

高频数据下基于LSTM的协方差矩阵预测模型

协方差矩阵的建模与预测,对于金融风险管理、投资组合管理等至关重要。 针对时间序列模型 对高维变量预测精度较低的问题,利用长短记忆神经网络模型(LSTM),提出了基于深度学习的高频数据已 实现协方差矩阵预测模型。 利用金融高频数据得到已实现协方差矩阵,对其进行 DRD 分解,针对相关系数 矩阵 R 进行向量化处理,利用向量异质自回归模型(HAR)预测已实现相关系数矩阵 R;针对已实现波动率 矩阵 D,利用半协方差(semi covariance)思想,结合 LSTM 模型,得到已实现波动率矩阵 D 的深度学习预测模 型,构建了 LSTM-SDRD-HAR 已实现协方差矩阵动态预测模型。 LSTM 模型和 HAR 模型能捕捉实际数据 的长期记忆性,半协方差有利于捕捉金融数据的杠杆性。 实证分析表明:相较于传统向量 HAR 已实现协方 差矩阵预测模型,LSTM-SDRD-HAR 预测已实现协方差矩阵更为准确,基于 LSTM-SDRD-HAR 预测已实现 协方差矩阵构造的有效前沿组合投资效果更佳。     

高频金融数据市场微观结构噪音误差

文章针对近年来高频金融数据在波动率研究领域的研究应用中出现的市场微观结构噪音误差影响严重的问题,以"已实现"波动率估计为载体给出了2种有效的市场微观结构噪音估算方法,即微观结构噪音的自协方差估计和以高频数据的"已实现"波动率估计市场微观结构噪音误差,并对两者通过蒙特卡罗模拟试验数据作了比较,得出了相应的结论.     

高频GARCH模型的最优抽样分析

波动率代表是运用高频数据估计日频GARCH类模型时构造的一个重要统计量,文章针对运用高频数据估计日频GARCH模型的3种方法,基于估计量的渐近结果讨论了最优波动率代表的选择问题,并展开了在日内高频数据抽样中应用的讨论。通过对沪深300指数的高频数据实证分析发现：同一波动率代表在不同抽样频率下的表现有明显差异;在同一频率下,不同波动率代表有优劣之分;在不同估计方法下,每一个波动率代表的最优频率都不同。因此,日内高频数据的最优抽样频率应针对模型所用的不同估计方法加以区别对待。     

高频金融数据下二阶波动率阵的估计

文章针对高频金融数据波动率研究领域中出现的微观结构噪音和跳过程的双重影响问题,在对高频金融数据下单个资产跳-扩散定价过程中波动率研究的基础上,对资产定价过程中的跳和微观结构噪音分别进行考虑,得出了高频金融数据下2个资产跳-扩散定价过程中的二阶波动率阵的估计和其收敛速度,扩大了现有文献中相应的研究结果.     

股票月收益实际波动率的实证研究

阐述了实际波动率的理论背景，以及国外在实际波动率研究方面已得出的一些基本结论．对深沪股市随机抽取的30只股票数据进行了实证检验，得出对数实际月波动率序列的分布与正态分布无差异、月收益率经月实际波动率标准化后的序列的分布与正态分布无差异的结论．利用月实际波动率对广义自回归条件异方差类模型的波动率模拟效果进行了检验，发现该模型的波动率度量精度略胜一筹，但也只能解释一小部分收益率的变动．     

基于实际波动率的我国股市波动率实证研究

从上证180样本股中随机抽取30只股票,采用日内分钟交易数据,对实际波动率的部分性质进行实证研究,得出经实际波动率标准化的收益率序列接近于正态分布,对数实际波动率序列的分布近于正态,实际相关系数序列接近于正态分布,实际波动率序列、对数实际波动率及相关系数序列均具有显著的长记忆特征,不同股票的对数波动率序列之间具有显著的相关性。     

基于实际波动率的VaR模型实证研究

以实际波动率预测方法替代传统的波动率预测方法,应用到VaR模型中去,并随机选择了五只股票数据进行实证研究,比较基于GARCH模型和实际波动率模型的两种VaR预测结果,得到基于实际波动率的VaR预测效果显著地优于基于GARCH模型的VaR预测效果.     

结构突变条件下农产品期货市场波动率的预测

在检验农产品期货已实现波动率序列的结构突变等特征基础上,通过构造不同估计窗口大小的ARFIMAX-FIGARCH模型及其线性和非线性组合预测模型来预测农产品期货市场的已实现波动率,并采用基于自助法的MCS检验评价和比较各类预测模型的预测性能。研究结果表明:农产品期货的已实现波动率序列都表现出结构突变特征、不对称性和双长记忆性,并且结构突变点都与一连串的宏观面、政策面重大事件冲击有关;对基于不同估计窗口大小的ARFIMAX-FIGARCH模型所得的单项预测值进行时变加权组合通常能够提供更准确的波动率预测值,并且基于NKR的非参数组合预测模型和基于NRLS和SIC的线性组合预测模型是在结构突变条件下预测农产品期货市场波动率尤其有效的方法。