SV模型参数估计的经验特征函数方法

计算基本SV模型和杠杆效应SV模型的联合特征函数，借助经验特征函数方法估计这两个SV模型。使用上海和深圳股票指数收益数据进行实证研究，结果表明经验特征函数方法是一种简单易行的估计SV模型的方法。     

具有杠杆效应的非线性SV模型及其应用

提出一类非线性SV模型,许多离散时间SV模型都是它的特例.这类模型的优点在于用它可以检验不同函数形式的随机波动,该模型的检验仅基于一个单独参数δ.在非线性SV模型的基础上,进一步把它扩展为具有杠杆效应的非线性SV模型.使用沪、深股市的指数日收益数据进行了实证分析,借助BUGS软件,利用Gibbs取样的MCMC方法对模型进行了贝叶斯参数估计,证明了应拒绝对数正态SV模型,而使用非线性SV模型.     

具有有偏厚尾的非对称SV模型及其实证研究

为了描述资产收益与波动率之间的非对称关系,提出一种非对称SV模型,即具有杠杆效应与尺寸效应的SV(SV-LS)模型。进一步,针对资产收益分布展现出"有偏"及"厚尾"特征,引入有偏广义误差分布(SGED)来描述资产收益,提出具有有偏厚尾的SGED假定下的SV-LS模型。继而,基于有效重要性抽样(EIS)技巧,给出了模型参数的极大似然(ML)估计方法。最后,采用上证综合指数收益数据进行实证研究。结果表明,SGED假定下的SV-LS模型表现最优,它能够综合刻画资产收益的"有偏"及"厚尾"特征,并且证明了我国沪市具有很强的波动持续性以及显著的杠杆效应。     

基于VS-MSV模型的金融市场波动溢出分析及实证研究

对于动态投资组合与风险管理来说，测定波动溢出效应是非常重要的。已有的资料显示SV模型比GARCH模型能够更好地刻画金融市场的波动，使用SV模型研究两个金融市场间波动溢出的文献并不多见，而使用多元SV模型研究多个金融市场间波动溢出则属空白。为了同时研究分析金融市场之间的波动溢出，作者在研究多元SV模型的基础上，建立了能分析判断波动溢出的模型——VS—MSV模型，并进行了实证分析。     

中国股票市场的随机杠杆效应研究

构建了一个具有随机杠杆的随机波动率(SV-SL)模型,对中国股票市场的随机杠杆效应进行了研究.采用已实现波动率测度作为隐波动率的代理变量,建立了基于有效重要性抽样的极大似然(EIS-ML)参数估计方法,并通过蒙特卡罗模拟实验说明了参数估计方法的有效性.采用上证综合指数和深证成份指数数据进行实证研究,结果表明:总体上,中国股票市场的杠杆效应并不显著,但存在显著的随机杠杆效应;杠杆效应的方向性与股票市场行情存在密切联系,熊市阶段存在显著的杠杆效应,牛市阶段存在显著的反向杠杆效应.     

上海与伦敦期铜市场风险变异性实证研究

波动群聚效应和杠杆效应是资本市场风险变异性的两个重要特征。选取1997-07~2004-11上海期货交易所和伦敦金属交易所3个月期铜的日收益时间序列,利用相关模型分别对两时间序列的波动群聚效应和杠杆效应进行实证分析。结果表明:从整体来看,上海期铜市场收益波动不具杠杆效应,而伦敦期铜市场具有显著的杠杆效应;并且,上海期铜市场的风险特征发生重大变化,具有明显的波动群聚效应,但分阶段呈现杠杆效应。     

中国股票市场的非对称效应研究

为检测重大风险事件对我国股票市场影响的非对称效应,运用贝叶斯MCMC推断技术对我国上证综指和深证成指进行了实证研究.研究结果显示:基于t-分布的门限随机波动模型比基于正态分布的随机波动模型能更加合理地刻画经济事件、政治事件和自然灾难对我国股票市场收益和波动影响的非对称特性.并且发现,经济事件、政治事件和自然灾难对我国股票市场收益和波动的影响均具有显著的非对称性.相对而言,政治事件对股票市场收益的影响存在正向杠杆效应,而经济事件和自然灾难却存在反向杠杆效应;经济事件和政治事件对股票市场波动的冲击存在正向杠杆效应,而自然灾难则存在反向杠杆效应.此外,除在牛市环境下利好经济事件和利空经济事件对股票市场收益和波动的影响具有反向杠杆效应之外,其它风险事件在熊市和牛市环境下对收益和波动的影响均具有正向杠杆效应.     

SV和GARCH模型拟合优度比较的似然比检验

讨论了在金融时间序列中广泛应用的两类波动性模型，即ARCH模型和SV模型的比较问题．从似然比原理出发，提出了一种基于随机模拟的似然比检验方法，阐明了利用该方法进行模型间比较的基本步骤，并利用基于随机模拟方法的似然比检验，分别比较了SV与GARCH(1，1)、SV与t-GARCH对上海股市数据拟合优度，结果表明：SV模型对于上海股市时间序列数据的拟合好于GARCH(1，1)模型，而SV模型上海股市时间序列数据的拟合与t-GARCH(1，1)模型效果相当。     

基于杠杆效应和结构突变的HAR族模型及其对股市波动率的预测研究

近年来,基于高频交易数据的HAR族模型在对各类金融市场波动率的预测研究中展现出了良好的预测效果.本文在4个经典或前沿的HAR族模型的基础上,考虑杠杆效应和结构突变因素对波动率的预测作用,构建4个带杠杆效应和结构突变的HAR族模型.接着,以上证综指和深证成指的5分钟高频交易数据为研究样本,对上述模型进行样本内和样本外分析,以此检验各成分对股市波动率的预测作用以及比较各模型的预测能力.实证结果显示:已实现波动率,连续波动率,下行波动率,上行波动率,杠杆效应和结构突变成分对股市波动率的预测作用较强,而跳跃波动率,符号跳跃方差对股市波动率的预测作用较弱;带杠杆效应和结构突变的HAR族模型对股市波动率的样本内拟合效果和样本外预测能力都明显优于相对应的不带杠杆和结构突变的HAR族模型,其中大多数情况下LHAR-CJ-SB模型展现出最高的拟合效果和预测精度.以上结果表明,杠杆效应和结构突变因素能有效提高HAR族模型的预测精度,所以在HAR族模型的构建中这两个因素不能被忽视.     

Box-Cox-SV模型及其对金融时间序列刻画能力研究

利用Box—Cox变换构造的随机波动模型，即Box—Cox—SV模型，较好地概括了现有文献中出现的一些常用SV类模型，避免了模型选择中的困难．论证了该类模型的矩属性和平方序列的自相关特征，利用MCMC估计方法对上证指数收益序列建立了Box—Cox—SV模型，并与EGARCH模型对金融时间序列的刻画能力在理论上和实证上进行了对比研究．     

跳跃自激发与非对称交叉回馈机制下的期权定价研究

跳跃集聚和波动率非对称回馈是股票价格运动过程中不可忽视的重要特征.基于动态跳-扩散半鞅随机过程,本文提出了具有时变跳跃到达率和波动率的双因子交叉回馈机制的期权定价模型,推导了跳-扩散交叉回馈模型的一般化风险中性变换关系;同时借助序贯贝叶斯方法对模型和跳跃风险溢价进行校准,并对道琼斯工业平均指数(DJX)、标普500指数(SPX)、苹果(APL)、IBM、JP摩根(JPM)股票进行实证研究,研究发现,它们的跳跃达到率和波动率都呈现集聚性和非对称回馈效应,且跳跃到达率具有更强的持续性和更大的杠杆系数;跳跃风险溢价在定价中占主要地位.期权定价的实证研究还表明,双因子交叉回馈模型具有最小的期权定价误差,定价能力明显优于单向回馈的跳-扩散模型.     

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.     

基于Gibbs抽样的厚尾SV模型贝叶斯分析及其应用

我国的金融时间序列存在普遍的波动性现象,而波动性又存在尖峰厚尾现象。首先对反映波动性特征的厚尾金融随机波动模型(SV-T)进行贝叶斯分析,然后构造基于Gibbs抽样的MCMC数值计算过程进行仿真分析,最后利用DIC准则对SV-N模型和SV-T模型进行优劣比较。研究结果表明:在模拟我国股市的波动性的方面,SV-T模型比SV-N模型更优,更能反应我国股市的尖峰后尾的特性,并且证明了我国股市具有很强的波动持续性。     

变截距SV模型及其在上海股市的实证

给出波动变结构的 Bayes诊断方法 ,并用上海股市的数据对它进行了实证检验 ,在此基础上建立了一类变结构随机波动模型——变截距 SV模型 ,实证分析与 Monte Carlo试验表明 ,随机波动模型的持续性参数对波动的变结构是极为敏感的     

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.     

基于贝叶斯修正的多阶段情景元素生成

针对证券市场中资产未来收益的不确定性问题,本文基于随机波动率模型刻画了资产未来收益的情景元素,得到了资产未来收益分布的情景树,并在此基础上进一步采用贝叶斯理论修正了情景概率,最后利用国际证券市场的股票指数数据对模型进行了验证.算例结果表明,基于随机波动率模型的情景元素生成模型得到的情景元素质量良好,贝叶斯方法修正后的情景概率也与真实市场情况更贴合.     

杠杆效应对期权定价的影响研究

本文基于时间序列视角从随机模拟和实证研究两方面探讨随机波动率模型中杠杆效应对期权定价的影响.在随机模拟中,通过与基本的随机波动率模型比较,发现当收益率时间序列存在高杠杆时,带杠杆的随机波动率模型给出的期权价格更接近真实的价格,在MAE和RMSE距离统计量上都存在显著差异,但较低的杠杆对期权定价不会有显著影响;并且,在带杠杆的模型中,路径模拟定价法优于BS框架下的定价方法.此外,在标普500指数的欧式期权上的实证研究,表明指数存在较高的杠杆水平;相较于期权市场价格,带杠杆的模型在定价上好于基本的模型,在MAE和RMSE统计量上存在显著性的差异.     

A Study on the Volatility of the Bangladesh Stock Market——Based on GARCH Type Models

The generalized autoregressive conditional heteroskedasticity(GARCH) type models are used to investigate the volatility of Bangladesh stock market. The findings of the study demonstrate that the index volatility characteristics changes over time. The article shows that the data are divided into three sub-periods: pre crisis, crisis, and post crisis. Accordingly, the results of the findings indicate changes in the GARCH-type models parameter, risk premium and persistence of volatility in different periods. A significant "low-yield associated with high-risk" phenomenon is detected in the crisis period and the "leverage effect" occurs in each periods. The investors are irrational which is based on assumption of risk and return characteristics of assets. Consequently, the market is not as mature as developed market. It is found in the article that the threshold generalized autoregressive conditional heteroskedasticity(TGARCH) model is more accurate for the model accuracy. Additionally, statistic error measurements indicate that GARCH model is more efficient than others and it has also more forecasting ability.