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.     

中国股市跳跃行为的随机波动模型分析

基于上证综指样本数据,探讨双跳跃随机波动模型并研究股市波动跳跃行为.应用马尔科夫蒙特卡洛方法对模型参数进行估计,通过残差正态检验比较各类随机波动模型刻画股市波动能力,采用损失函数评价法和线性回归法,评估其对上证综指波动的预测精度.结果显示,中国股市跳跃波动程度和强度较大,对股市收益和波动均有显著影响;在引入跳跃成分刻画股市异常波动行为后,双跳跃模型显著提高股市收益波动率的估计精度与预测能力.     

随机波动模型估计及在金融风险防范中的应用

对随机波动（SV）模型提出了一种基于禁忌遗传算法的伪极大似然（TSGA－QML）估计。Monte Carlo试验表明这种方法在参数估计与波动估计上都有较好效果。利用这一方法对上海股市收益进行了波动分析，发现上海股市的收益具有很高的波动持续性。     

深市波动率特征分析

股价与成交量是股市中的两个重要变量,研究股票市场的波动率,掌握股票市场的主要波动性特征,进而有效管理市场,具有重要的理论意义和实践价值.采用计量经济分析技术,采集深市交易数据,分析了深市日收益率序列和波动率序列的每周不同天效应和记忆性.分析认为,深市日收益率序列不存在每周不同天效应,但存在1～2星期的记忆性;波动率序列则存在每周不同天效应和持续性;同时,交易量对波动率具有很好的解释作用,而波动率则不对交易量具有解释作用.     

中国股市收益波动的实证研究

采用GARCH类模型，利用上证综合指数对中国股市收益波动进行了实证研究。以前的研究显示中国股市波动存在反向的不对称性或不对称性不显著，并归因于中国股市的高投机性。而本研究的TARCH模型和EGARCH模型的实证结果首次提出了新的不同证据。说明中国股市存在显著的不对称性。对杠杆效应和波动反馈效应在中国股市的作用进行理论分析，认为波动反馈效应更能说明中国股市波动的不对称性。     

SV模型的模拟GMM方法——兼论涨跌停板制度的有效性

采用SV模型的一个简捷高效的估计方法——模拟广义矩估计方法，以上证综合指数为样本，考查了涨跌停板制度对沪市股票收益波动的影响，并将SV模型的实证结果与GARCH模型进行了比较，发现SV模型的估计更符合实际；最后，利用Monte Carlo方法对股票收益序列进行了模拟和分析，进一步证实了这一结论。     

疫情影响下贵金属市场的波动性——基于厚尾SV模型的实证研究

由于波动现象普遍产生在金融时间序列当中,所以随机波动率模型在实际运用中也获得了广泛的应用.本文研究了SV模型族中的厚尾SV模型的参数估计方法,并通过基于厚尾SV模型的贝叶斯参数估计方法研究疫情前和疫情期我国贵金属市场的收益波动.研究结果显示,厚尾SV模型对疫情前和疫情期我国贵金属收益波动性具有较好的拟合效果.     

基于小波协方差的中国股市波动序列相关性的实证分析

在综述相关系数与概率中变化协调的相关性度量方法基础上,提出了基于小波协方差的相关性度量方法,并对沪、深股市波动序列之间的相关性进行了实证分析,结果表明沪深股市波动序列在整体上具有一定的正相关性,不同尺度下沪、深股市波动序列之间的相关性不同,小尺度下相关性小,因此以小尺度为基准,采用组合投资分散风险较好。     

采用MCMC方法的上海股市随机波动模型

采用贝叶斯统计中的马尔科夫链-蒙特卡罗(MCMC)方法对上海股市的随机波动性进行研究,基于Gibbs抽样的MCMC数值计算过程,对上海股市的随机波动率模型(SV)进行参数估计,并在WinBUGS软件中实现.根据信息判别准则(DIC),对比拟合的SV-N,SV-T,SV-MT模型参数,结果表明:SV-T模型最能反映上海股市波动具有尖峰厚尾的特性,可进一步用于预测样本外的波动率结果.     

用ARCH模型研究中国股市的波动特征

中国股市的波动特征是学者们和投资者关注的一个重要领域,与国外成熟的证券市场相比,中国股票市场作为新兴市场,具有其特有的性质,如更高的不可预测性和复杂性,股票价格更大的波动幅度和频率.研究中国股市的波动特征就具有重要的理论价值和现实价值.投资者在选股过程中需要理解中国股市随时间变化的波动情形,而ARCH模型族正是研究股市波动随时间变化的工具.以上证综合指数为对象,采用GARCH类模型对中国股市波动情况进行实证研究,为股市收益的尖峰厚尾特点、波动的集簇性、时变性提供了实证证据,并对实证结果作了一些初步的探讨.     

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.     

股指波动率尺度行为演化的研究

采用相关依赖的平衡扩散熵方法(CBEDE)研究中国股票市场上4个重要的股指从2014年1月9日到2017年1月5日的波动率序列的尺度行为及其演化过程。研究发现,所有10个交易日长度的片段都表现出了尺度不变性的特征,分形行为的演化表现出了丰富的特征。与中国股票市场中的重大事件发生相对应的时间中,尺度行为具有不同的模式,或下降随后上升,或上升,或下降,这些特征可用来定量描述金融事件以及金融事件之间的区别。     

上证指数收益率波动的实证分析——基于ARCH族模型

利用ARCH族模型对上证指数股票收益率进行定量与定性分析,表明上证指数日收益率存在高阶的ARCH效应,条件方差对日收益率有很强的影响,其中EGARCH模型在反映股市波动性方面优于其他模型.     

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．     

上证指数的时变波动特征:行为指标和三个假说

运用上海股市日间收益率统计特征的周期性特点,把上证综指的考察区间分为两大上升周期和两大调整周期,用CGARCH模型比较了每个周期条件方差的时变性、集聚性和序列相关性特点,发现投资人情绪对股指的影响具有一定的规律。同时,针对波浪形成和投资者行为之间的关系,对周期转折前的偏度特征提出了三个假说,并通过小周期样本的统计特征来示例印证。     

沪深股市的波动性分析——基于t分布下GARCH和SV模型的比较

构建基于N分布和t分布下的GARCH(1,1)和SV模型,并通过实证分析探讨了上证指数和深证成指收益序列的波动性.分析结果表明,GARCH(1,1)类模型和SV类模型能较好地拟合沪深股市收益率的波动,并指出我国股市存在较强的波动持续性;而基于t分布的各模型能有效地刻画股市的厚尾性;此外,通过计算VaR值,说明深市比沪市的风险更大,且SV类模型能更准确地反映收益率的风险特性.