股票收益率预测及风险与收益关系研究——基于ARMA-GARCH模型和高频数据

以沪深300指数的一分钟为间隔的实时价格为研究样本,利用ARMA模型和基于T分布的GARCH(1,1)模型,对其收益率进行了拟合和预测,同时运用GARCH-M模型,分析风险和收益之间的关系。研究表明,股指波动存在条件异方差性;ARMA模型长期预测效果较好,而GARCH(1,1)-T模型短期预测效果较好;沪深300指数的风险和收益不呈正比,说明我国股市发展不成熟。     

基于EGARCH-M模型的沪深300指数周末效应研究

将EGARCH模型和GARCH-M模型相结合,建立了基于学生t分布的EGARCH-M模型,在综合考虑沪深300指数收益率序列的波动性和杠杆效应等问题的基础上,分析了周末效应对沪深300指数收益率序列的影响程度。通过分析得出沪深300指数总体平稳并呈现ARCH效应,序列不仅具有波动性和杠杆效应,同时有显著的周二正效应,周四负效应,且周二、周四的超额收益率都包含了当天的风险补偿,周一、周三、周五则没有周末效应。     

基于ARMA-GARCH模型的沪深300指数日收益率波动特性研究

以沪深300指数为研究对象,运用R软件建立带正态分布和t分布的ARMA-GARCH模型,对2005年4月8日—2015年4月21日沪深300指数日收益率的波动情况进行了研究。研究表明:沪深300指数股票具有明显的ARCH效应,其对数收益率不具有正态分布的特性,但具有明显的"尖峰厚尾"现象和"长记忆"的特性,存在着波动率聚集现象;基于学生t分布的ARMA(2,3)+GARCH(1,1)模型是最优的拟合模型,可以较好地对沪深300指数的波动情况进行模拟。     

沪深300股指期货与现货市场的价格关系研究

通过采用平稳性检验、构建误差修正模型、运用脉冲响应分析和方差分解方法,对已上市交易的沪深300股指期货和现货指数之间的引导关系进行了实证研究,结果表明：从长期来看,沪深300股指期货价格与指数现货价格之间存在稳定的协整均衡关系,且期货市场对长期均衡偏离的调整力度更迅速;从短期来看,股指期货市场和指数现货市场的价格之间存在正向的相互引导关系,股指期货市场对于一个标准差冲击的反应相较于指数现货市场更为强烈;从价格发现的方面来看,沪深300指数期货市场与指数现货市场之间存在双向价格发现的关系,但现货市场对期货市场的引导作用较高.     

基于沪深300成分股的量化投资策略研究

本文以沪深300指数成分股为股票池,构建出一个能持续战胜市场的量化选股模型。第一步先从基本面入手,通过多因子打分模型筛选出50只长期优势股,对应的上市公司经营状况良好,具有一定投资价值,但短期内可能受市场震荡影响,未必在一周之内有上涨表现。在第二步引入支持向量分类算法对长期优势股展开技术分析,从中选出本周上涨概率最大的10只优势精选股买入。该模型在2015—2017年累计收益率达73.03%,年化收益率为20.05%,夏普比率为0.54,远超同期沪深300指数的业绩表现。     

股价指数的自相关与标度不变性分析

运用基本统计量分析我国股票市场收益率的分布状态,通过比较收益率自相关函数及收益率平方的自相关函数,判断序列的独立性,根据基于标准差时间序列计算的Hurst指数,对股票市场的有效性进行实证研究·结果表明,沪深两市收益率均不服从正态分布,存在非线性相关关系,Hurst指数大于05,股票价格为分形时间序列,表现出长期相关性,市场未达到弱式有效     

香港国企H股与沪深股市股指收益率波动特征及其关系研究

选取香港国企H股指数、上证指数和深圳综指2003年2月26日至2006年5月12日的股票日收盘指数作为样本,运用TARCH模型研究收益率波动的特征.结果表明:三市指数收益率均存在信息不对称效应,但沪、深股市比香港国企H股波动剧烈.运用Johansen多变量协整关系检验及Granger因果关系检验.结果发现,它们之间存在着长期稳定的协整关系.香港国企H股与内地股市关系密切,香港国企H股的变动会对沪、深股市产生影响,而沪、深股市的变动不会对香港国企H股产生影响,同时上海股市的变动也会对深圳股市产生影响,但深圳股市的变动对上海股市影响不大.     

基于GARCH模型的股价波动预测

该文运用GARCH模型,根据沪深300指数对股市波动性推理预测,让投资者决定的策略更精准,对其起到指导作用。成果显示使用GARCH模型有利于增长股票市场推测的精准性,更具备适用性。沪深300指数使投资者在金融市场上可以避免一定风险,但同时也会增加投资者的数目,从而加剧金融市场的波动性。所以,该文以入股的收益率为参数,建立模型。     

中国与海外股指的混沌特征的比较实证

通过深沪综合指数的5天收益率分布规律以及用R／S方法研究收益率序列得出这样的结论,即深沪综合指数的收益率不服从正态分布,并且收益率是负斜,呈现出胖尾和峰态;中国股票市场不是一个有效的市场,其收益率序列均为服从分形概率分布的持久性时间序列,它们遵循有偏随机游动,市场表现出较强的趋势行为;深综指的赫斯特指数H为0．87,非周期循环为16周(4个月),而沪综指的赫斯特指数H为0．85,非周期循环为25周(6个月)。也就是中国股市呈现出长期记忆等非线性的混沌特征。     

中国股票市场的日内波动特征研究

采用沪深300指数的日内数据，运用方差分析并进行方差检验的方法，对各个时点间隔24小时的收益率波动情况进行分析，发现在交易期间收益率方差呈现“W”型变化，且交易时段的收益波动要大于非交易时段的收益波动。     

股指期货市场强行平仓风险估计

考虑了我国指数期货市场投资者被强行平仓风险的计算问题.利用鞅的最优停止理论,给出了一个强行平仓概率和投资者保证金资本存量之间的关系.采用300指数历史数据的研究发现,为了保证一个40 d左右的指数期合约以90%以上的概率不被强行平仓,投资者需要为每份合约准备至少30万人民币的保证金资本;若要维持一个寿命为55 d的指数期货合约,投资者需要为每份合约至少准备50万左右的保证金资本.一个仅有200万保证金资本存量的投资者最多能持有4份寿命为55 d的期货合约.     

基于EMD的中国股票市场分形特征研究

为揭示我国股票市场的分形特征, 利用经验模态分解及重标极差分析法(R/ S: Rescaled Range Analysis)探究中国股票市场的特征, 利用经验模态分解方法对沪深300 指数的收盘价格对数收益率进行分析, 并采用分形理论中的R/ S 分析法对固有模态函数进行实证研究, 以揭示我国股票市场的分形特征。实验结果表明,我国股票市场具有显著的自相似性, 分解后的收益率序列是有偏的随机游走过程。     

股票投资模型中的一个强偏差定理

利用广义似然比以及广义渐进相对对数似然比作投资股票之间相依程度的一种随机性度量和研究随机序列强极限的分析方法,研究股票市场中投资者进行随机决策时,其收益向量的真实分布与其关于边缘分布平均收益率之间的偏差,在适当的条件下给出偏差的上下界。     

广义误差分布下CVaR模型的股市风险研究

以沪深300指数数据为样本,首先利用广义误差分布与正态分布假定下的GARCH模型对我国股票市场收益率波动特征进行定量分析,然后运用CVaR模型对股票市场的风险进行实证研究,并与基于VaR模型的风险测度值进行比较.研究结果表明,广义误差分布假定下的GARCH模型能够更好地反映出我国股票指数收益率尖峰厚尾的特性,而使用CVaR模型则有利于提高金融市场风险测度的准确性.     

中国证券市场股价操纵预警指标研究

以中国证监会网站公布的股价操纵行政处罚决定案例为样本,通过实证研究考察在操纵开始日前后40天有显著差异的股票特征变量,包括交易量、收益率和系数,结果表明,这些特征变量可作为股价操纵实时预警的指标。     

基于ECM-GARCH 模型的沪深300指数 期货套期保值策略的研究

首先选取沪深300指数日收盘价和沪深300股指期货日收盘价作为原始数据,对其进行描述性统计分析、平稳性检验及协整检验,得出两个日收盘价的对数收益率是平稳的,且两个收盘价之间是协整的.其次,巧妙运用普通最小二乘法、B-VAR、误差修正、GARCH(1,1)和ECM-GARCH模型,研究股指期货最优套期保值比率,得出ECM-GARCH模型最优.最后,分析沪深300股指期货套期保值策略的构建问题.运用动态调整法,从多头和空头套期保值策略进行分析,需要每天计算最优套期保值比率来确定最优股指期货合约份数.     

换手率与中美股票市场流动性研究

国内习惯以换手率判断流动性,而中国股市换手率常年较高.通过中美股市2005年7月到2015年6月10年间的历史数据,从市场深度和宽度2个角度对比分析中美股市流动性,发现中国股市的流动性确实显著优于美国市场,建议提高分红、抑制投机来调整过度追求短期价差收益导致的高流动性.但同时发现,换手率指标衡量流动性的效率较低,对于中国股市而言,经价格与股票数量调整后的Martin指数与即时交易成本2个流动性深度与宽度指标更能解释股票的收益率,更适合作为我国流动性衡量指标.     

论推出股指期货对我国股票市场的影响

文章从我国即将推出的沪深300股指入手,介绍了股指期货的发展历史及股指期货的主要功能,详细分析了股指期货推出对股价、股市资金规模、股市结构及股市的监管机构造成的影响。     

MC-GARCH模型在互联网金融风险度量中的实证研究

针对互联网金融风险测度问题,提出了MonteCarlo模拟法。首先,选取中证互联网金融指数作为研究对象,并对数据进行基本的统计分析,得出中证互联网金融指数对数收益率具有尖峰厚尾性和异方差性的特点,建立GARCH模型,对序列的均值和方差进行估计;其次,基于GARCH模型计算出的均值和方差,利用MonteCarlo模拟法计算中证互联网金融指数的VaR和CVaR值;最后,对模型的准确性和精确度方面进行Kupiec返回检验。结果表明:VaR和CVaR均可作为度量互联网金融风险的工具,但VaR无论在准确性上还是精确度上都远低于CVaR,故CVaR是一种更优良的风险测度工具。