基于Levy过程修正GJR-GARCH模型的权证定价——对中国大陆和香港权证的实证研究

考虑股票收益率在GARCH模型下的非正态特征,以及收益率标准差序列的非对称特征,首先给出几种真实测度下服从Levy分布的条件异方差模型,接着对随机扰动项和波动率进行风险中性调整,最后通过蒙特卡罗模拟进行大陆和香港权证的实证.结果表明:Levy过程修正下的GJR-GARCH模型能够很好地捕捉到金融数据"跳跃特征"、"群聚现象"和"杠杆效应".同时,该模型显著提升了权证的定价精度.市场间对比显示,香港权证的定价精度高于大陆权证,且大陆权证的市场价格显著偏离无套利假设下的理论价值.     

基于 SVR 的期权价格预测模型

提出了运用非参数方法SVR与改进的期权定价方法结合的期权价格预测模型.首先利用股票价格收益率的偏度和峰度对传统的期权定价方法计算出期权的价格进行修正.然后,通过引入非参数方法SVR对其结果进行拟合来减小传统参数模型的误差,并建立SVR滑动窗口预测模型.由于传统的方法不能有效的把握实际期权价格的运动趋势和非线性的特点,所以在第一阶段的预测后, 在第二阶段引入SVR来解决其非线性,进而减小误差. 最后,利用我国长虹CWB1权证以及随机10只认购权证日价格数据进行实证检验.结果表明: 在预测精度方面, 非参数方法要优于传统的参数方法,而改进后的期权定价方法比传统的方法更符合实际情况.     

基于Lévy过程修正GJR-GARCH模型的权证定价——对中国大陆和香港权证的实证研究

考虑股票收益率在GARCH模型下的非正态特征, 以及收益率标准差序列的非对称特征, 首先给出几种真实测度下服从Lévy分布的条件异方差模型, 接着对随机扰动项和波动率进行风险中性调整, 最后通过蒙特卡罗模拟进行大陆和香港权证的实证. 结果表明: Lévy过程修正下的GJR-GARCH模型能够很好地捕捉到金融数据"跳跃特征"、"群聚现象"和"杠杆效应".同时, 该模型显著提升了权证的定价精度. 市场间对比显示, 香港权证的定价精度高于大陆权证, 且大陆权证的市场价格显著偏离无套利假设下的理论价值.     

Lévy过程下非对称GARCH模型权证定价

考虑权证标的资产的非正态特征,引入Lévy过程改进GARCH模型下权证的蒙特卡洛模拟定价方法。首先,针对不同Lévy随机分布和有偏GARCH模型建立真实测度下的Lévy-GARCH模型,然后进行风险中性测度转换并对38支大陆权证进行定价,最后对定价结果进行分类比较。结果表明,虽然大陆权证的市场价格与无套利假设下的理论价值有显著偏离,但Lévy-GARCH模型的定价精度仍然优于经典的B-S模型和Lévy随机模型,并且在市场剧烈波动的环境下定价效果提升更明显。     

权证定价: B-S vs. CEV

应用极大似然方法估计了Black-Scholes (B-S)模型和不变方差弹性(CEV)模型的参数, 进而采用2005年8月至2010年9月在沪深交易所上市的55支权证的共14822个日收盘数据为研究样本, 实证检验了B-S模型与CEV模型的定价效果. 结果表明, B-S模型与CEV模型的定价精确性并没有显著的差别, 两个模型对于中国权证定价的误差都非常大, 存在普遍严重低估的现象. 因此, 经典的B-S模型与CEV模型均不适合中国的权证市场. 最后, 结合我国特殊的交易制度背景, 对此进行了简要的分析.     

基于局部波动率模型的上证50ETF期权定价研究

局部波动率模型被广泛运用于风险管理、期权定价等领域,该模型不仅可以描述波动率微笑、期限结构等实际现象,同时能保证市场的完备性.研究局部波动率模型的核心目标是对隐含波动率进行建模.本文分别通过参数法和非参数法对隐含波动率建模,不仅保证了波动率曲面的无套利性,同时给出了非参数法求解局部波动率的显式表达式,从而消除了近似误差,得到较为光滑的波动率曲面.此外,本文基于局部波动率模型对我国上证50ETF指数期权的定价进行了实证研究,分别从样本内定价误差、样本外定价误差、套期保值效果三个方面分析比较了该模型的定价效果.实证结果显示:对样本内数据,非参数法拟合的定价结果优于参数方法;对样本外数据以及套期保值效果来说,参数法取得的效果较好.特别地,隐含波动率建模方法无论是对期权定价还是套期保值,效果均优于直接根据市场数据建模的结果,样本内定价误差可减少一半以上,均方误差可降低1～2个数量级.     

不完全市场中的期权定价：一种基于动态经验投影定价核的期权定价方法

经典的资产定价理论认为，不完全市场中存在多个 定价核，导致期权存在多个可能的理论价格，与现实中期权只有一个价格不符. 考虑到期权定价时投影定价核具有与原始定价核 完全相同的意义，并且投影定价核的信息隐含于相关历史信息中，动态的经验定价核隐含了投资者风险偏好的时变性，本文建立了一种基于动态经验投影定价核的期权定价方法. 通过对Rosenberg-Engle的经验定价核的动态性和标的资产未来收益率估计方法进行扩展，本文还给出了动态投影经验定价核的估计方法. 这种方法能适用于单只期权单只标的资产、多只期权单只标的资产和若干只期权单只标的资产等情形. 本文基于此方法为沪深交易所的部分具有欧式性质的权证进行了实证研究，结果表明：考虑了投资者时变偏好的动态经验投影定价核期权定价方法的定价效果远好于 Black-Scholes-Merton 和常弹性方差（CEV）期权定价模型.     

不完全市场期货定价模型

利用最优增长投资组合法（The Optimal Growth Portfolio）解决了连续时间不完全市场下期货合约的定价问题，推导出不完全市场期货定价模型的解析表达式。该表达式具有与完全市场持有成本模型（即现货价格与持有成本之和）相似的结构．表现为现货价格与现货价格同某一价格因子乘积的和，价格因子的正负取决于现货价格的变化。模型实证采用动态模拟方法．所得理论期货价格与实际期货价格拟合度很高。本文用相同的方法和数据对完全市场单因素持有成本期货定价模型进行了检验．结果表明不完全市场期货定价模型比完全市场单因素持有成本期货定价模型更准确。     

基于GARCH扩散模型的权证定价

考虑了标的资产服从GARCH扩散模型下的权证定价问题. 首先,基于有效重要性抽样(EIS)技巧,给出了GARCH扩散模型的极大似然(ML)估计方法; 然后,以上证和深证综合指数数据为例, 利用EIS-ML方法估计了GARCH扩散模型,表明了EIS-ML估计方法的有效性; 最后,给出了基于恒生指数权证的实证研究. 结果表明:GARCH扩散权证定价模型比经典的Black-Scholes(B-S)模型具有更高的定价精确性.     

不完全市场下基于局部风险最小策略的股票期货定价研究

在具体的离散时间不完全市场模型下给出了极小鞅测度的刻划,并以此推导股票期货的无套利定价模型.随后,通过实证对推导出的定价模型加以检验,其结果表明:新定价模型能够较好的对样本期货价格进行拟合,且在与持有成本理论的单因素期货定价模型的比较中,新模型在价格预测的稳定性和精确度上都表现出了一定程度的优势.     

中国股市与股指期市的对冲表现及市场非完备性

基于理论模型和数据实证两个角度考察了在市场非完备条件下, 我国股票市场与股指期市的对冲表现. 在理论上, 建立了市场非完备性与市场微观噪声及考虑噪声的对冲效果之间的关系. 在实证上, 首先提出了一种基于非参数估计的分析方法, 然后利用5分钟高频数据验证了模型假设的合理性及模型结论的正确性. 理论与实证都表明当一个市场非完备性程度越高时, 利用股指期货对冲股市风险就越应考虑市场微观噪声的影响. 实证结果还表明我国股票市场和股指期货市场间存在较高的非完备性. 不过,随着时间的推移,市场的非完备性存在减小的趋势.     

基于核和灰度的灰色马尔可夫预测模型及应用

在处理预测问题时,常有原始数据为区间数组成的随机波动性较大的区间数列的状况。为进一步提高区间灰数预测精度,提出基于核和灰度的灰色马尔可夫预测模型。该方法以区间灰数核序列为依托建立预测模型,实现区间灰数核的预测;又根据“灰度不减公理”,由灰数核为中心延伸得出区间灰数的上下界;在保持区间灰数独立完整的前提下,构建了区间灰数预测模型,在此基础上用马尔可夫预测模型修正预测结果。该模型在航空货运量的趋势预测中显示马式链修正结果较区间灰数预测数据呈低估状态。结果有助于加强市场参与者对航空货运市场的宏观认识,并为经济决策行为提供参考。     

高频数据下基于PGARCH模型的VaR估计方法及应用

高频数据在风险价值VaR度量和预测方面的价值日益凸显,文中基于高频数据为嵌入日内收益过程的PGARCH模型提出一类稳健M估计,同时给出相应的VaR估计方法,并基于沪深300指数和恒生指数的5分钟高频数据对时间内和时间外的VaR进行估计预测.实证结果表明,高频数据下PGARCH模型的M估计所提供的VaR估计方法可更加准确的预测VaR,预测结果均优于日间低频数据的估计结果和基于高频数据的QMLE估计结果,该方法可以很好地应用于风险管理中.     

基于动态组合残差修正的预测方法

本文建立了一种基于残差修正的组合预测方法,并基于该方法证明了针对多个单一的预测方法根据其在某个时间段的相对预测误差的大小选择组合选项可以进一步提高预测精度.提出了针对不同时间段可根据各种单项预测模型的相对预测误差的大小动态选取相对预测误差最小的两种模型构成组合残差来修正基本方法的预测误差,以提高预测精度.最后通过实际空调负荷预测对其进行了验证,结果表明这种动态组合残差修正的预测方法相对于基于多个固定单一预测方法的组合预测方法,可以进一步改善预测效果.     

基于预测误差校正的支持向量机短期风速预测

对风电场风速进行较为准确的预测,对于电力部门及时调整调度计划至关重要。建立了支持向量机风速预测模型,并提出了结合预测误差校正来提高预测精度的新思路。先建立SVM模型初步预测风速,再将得到的训练误差和测试误差分别构建样本,建立基于小波-支持向量机的误差预测模型进行误差预测,最后用预测误差对风速初步预测值进行校正。仿真结果表明所提方法能明显改善预测精度,而且方法简洁明了,具有很好的稳健性,能够推广到长期风速预测、负荷预测及其它预测领域。     

基于粗糙集理论修正的后续备件指数平滑预测方法

针对后续备件需求预测误差大的问题,提出一种基于粗糙集理论修正的后续备件指数平滑预测方法。根据备件需求数据呈现的趋势,通过拟合确定指数平滑法的次数和平滑系数。从装备在使用过程中影响备件需求数据波动的因素出发,提出了不依赖于基本预测方法的改进预测思路。构建基于粗糙集理论的修正模型。结合算例,对比分析所提方法的优越性,结果表明修正方法可以显著提高预测精度,提出的改进方法不涉及基本预测方法内部特性且无需引入其他辅助方法,通用性较强。     

基于数据变换的GM(1,1)误差校正方法

提高预测方法的预测效果具有重要意义,但是仅靠建立单一的预测模型来提高预测精度是非常困难的.本文对当前预测方法存在的不足进行了阐述,在此基础上提出将误差校正方法引入预测以提高预测精度的新思路.首先,采用预测方法(文中以T-S模糊神经网络方法为例)对训练样本进行拟合,再对预测对象进行初始预测;其次,引入加速平移变换和加权均值变换对误差序列进行处理,再以处理后的数据为样本构建基于数据变换的GM(1,1)误差预测模型,并对该序列后续点进行预测;最后,利用误差预测结果对初始预测值进行校正.文章最后以上证综合指数的收盘价的预测为例,算例分析表明,与校正前的预测精度相比,校正后的预测精度有显著提高,进而验证了该模型的有效可行.     

我国铁矿石进口价格预测的ECM-SVR混合模型

作为钢铁工业生产的重要原材料之一,铁矿石进口价格的剧烈波动给我国钢铁企业带来巨大的冲击.本文通过分析影响铁矿石价格波动的多种因素,包括供需关系、运费成本、国内外经济环境等,挖掘影响铁矿石进口价格的关键因素,综合考虑其线性和非线性均有的复杂时间序列特征,提出一种基于误差修正模型(error correction model,ECM)和支持向量回归(support vector regression,SVR)的铁矿石价格混合预测模型ECM-SVR.实证结果表明:与单一基准模型和传统混合模型相比,新模型具有较高的预测准确率,这对于钢铁企业控制原料成本和市场投资者合理规避价格风险具有重要指导作用.