基于Markov区制转换的流动性溢价

以内生两状态的Markov模型实证分析了我国股票市场的流动性溢价现象。实证结果表明：（1）收益与非流动性存在正相关关系，支持流动性溢价理论；（2）流动性溢价存在着动态特性，即随着时间的变化，在不同状态下，流动性溢价不同：高偏好不确定状态时的流动性溢价高于低偏好不确定状态时的流动性溢价；（3）在2001年5月前，市场交易活跃，更多地处于低偏好不确定状态，而在这之后，市场交易的清淡使得其更多低处于高偏好不确定状态；（4）流动性溢价与流动性水平有关：流动性水平越弱，流动性溢价越高。     

中国股票市场的波动率聚集性研究——基于Markov机制转换Copula模型的实证分析北大核心CSCDCSSCI

波动率聚集性是金融资产收益率序列中的一个重要特征。构建了Markov机制转换Copula模型研究中国股票市场的波动率聚集性(波动率相关性结构)。采用上证综合指数和深证成份指数日内高频数据,构造已实现波动率作为隐波动率的代理变量,对中国股票市场进行了实证分析。结果表明,SJC Copula相比其他Copula能更好地刻画中国股票市场的波动率聚集性,波动率聚集具有明显的尾部非对称特征,高波动率的聚集相比低波动率的聚集发生概率要更高。另外,基于Markov机制转换SJC Copula模型的研究表明,中国股票市场的波动率聚集还具有明显的尾部动态特征。     

我国宏观经济周期的状态数目与维数的确定

考虑了分析宏观经济周期时, 直接假定经济周期存在几种状态不具有科学性.文章以1978年第1季度-2011 年第4季度的GDP季度数据为研究样本, 采用Markov机制转换的状态空间模型, 利用EM算法, 结合Monte Carlo模拟近似逼近的方法, 确定出了我国宏观经济周期存在2种状态和每种状态下的维数等于3的结论.     

基于状态转移ARCH模型的中国股市波动性研究

通过引入波动性状态转移的ARCH(SWARCH)模型对中国股票市场的波动性进行了研究．SWARCH模型较传统的ARCH类模型显著地提高了股票市场波动性的描述与预测能力．实证结果表明，促使中国股市低波动性状态向高波动性状态转移的主要原因是股市的政策因素，这与因为实体经济基础的变化而促使美国股市波动性状态转移有着本质的区别．     

故障树模型与Markov模型的关系及转换

故障树模型和Markov模型是可靠性分析中最常用的两种方法。探讨了从故障树模型到Markov模型的转换问题。通过通常的列举法从树得到的Markov模型的状态数在基本器件数目很多时将会非常大。为简化模型,提出了用合并法和层次法来减少Markov模型的状态数。利用这两种方法不但可以减少状态数,而且简化了Markov模型的计算。     

基于不确定性描述的云化Markov链状态预测方法

针对Markov链在预测概率发生跳变时无法有效地衡量样本归属程度的问题,提出一种云化Markov链的状态预测方法,通过云模型描述和处理样本的不确定性。该方法将划分的状态区间视作一种概念,利用云模型对其进行云化表示,据此计算样本对各概念的确定度,得到概念之间的概率转移矩阵,从而实现带有随机特性的状态预测。概念转移概率作为关键随机变量,对其进行了核密度估计。最后以多次随机实验的概率和提取代表性转移概率分别给出了仿真实验结果,表明该不确定性描述的预测方法在解决Markov链预测概率跳变现象的同时,可通过确定度的分配有效地表述样本的归属程度,具有较好的实用性。     

基于Markov模型的机动目标分类方法

结合弹载脉冲多普勒雷达精确提取目标速度、加速度的特点,研究了利用目标的机动特性进行目标分类的方法。首先提出对目标加速度序列进行标量量化的预处理方法,然后基于一阶马尔可夫(Markov)模型建立了用于对目标加速度序列进行识别的分类器并定义了模型距离,最后分析了共用码书所刻画的状态空间对分类性能的影响。仿真实验证明,该算法计算量小,易于实现,在较小的模型距离下,能取得较高的识别率。     

基于结构转换PTTGARCH模型沪深股市波动率的估计

考虑股市收益率波动存在结构转换特征以及描述波动非线性和非对称特征的幂变换门限GARCH(PTTGARCH)模型,本文提出结构转换PTTGARCH模型.选取沪深300指数日对数收益率作为研究对象,将股指的波动变化分为下跌、上涨和盘整三个状态:选用2013年7月1日至2015年12月17日以及2015年12月18日至2016年1月8日作为样本内和样本外时期:分别应用GARCH,EGARCH,APGARCH,PTTGARCH模型及具有结构转换的相应模型对沪深股市波动率进行估计和预测,利用高频数据得到的已实现波动率作为股指实际波动率的估计.采用平均平方误差(MSE_1,MSE_2),平均绝对误差(MAE_1,MAE_2)对估计与预测的波动率进行评价,并采用模型信度集(MCS)检验比较各模型估计和预测能力.研究结果表明:单状态和具有马尔可夫结构转换PTTGARCH模型在样本内和样本外的拟合和预测结果均更为准确.     

基于机制转换混合Copula模型的我国股市间极值相依性

通过构建机制转换混合 Copula 模型, 考察了沪、深股市与港、台股市间的尾部相依特征, 研究发现:它们间的尾部相依性呈非对称动态过程, 在低风险状态下, 右尾部相依性普遍高于左尾部相依性; 而在高风险状态下, 左尾部相依性普 遍高于右尾部相依性. 相对于沪、深股市与台股而言, 沪、深股市与港股间的尾部相依性更强, 其 尾部相依性对外来冲击更敏感; 相对于沪市与港、台股市而言, 深市与港、台股市间的尾部对外在 冲击更敏感. 在此次次贷危机中, 沪、深股市与港、台股市间极值风险显著增加, 并呈现明显的金融感染. 而且各尾部相依性的两个结构变化几乎同时发生并分别对应于危机的第一、二阶段, 这表明:沪、深股市与港、台股市间的风险呈系统性特征, 而危机的第三阶段对沪、深股市与港、台股市间的影响较有限.     

基于数量柔性契约与Markov链的应急物资采购模型

突发灾害是以一定概率发生的随机事件,其状态总是不断发生转移,使政府已采购的应急物资在状态好转时易造成浪费,在状态持续恶化时难以满足突发需求,因此考虑突发灾害状态转移的应急物资采购策略对提升政府应急物资保障能力至关重要.本文将突发灾害状态转移过程视为一个有限次的齐次Markov链,构建了基于数量柔性契约的应急物资采购模型,分析了政企达成合作的条件与双方最优决策策略.采用数值计算与敏感性分析验证该模型的有效性,讨论了若干外生变量对政企最优决策策略与双方成本收益的影响,提出了重要的管理启示.结果表明,突发灾害状态转移情形下的应急物资采购模型既能提高政府应急物资保障能力,又可以保障企业合理收益与控制政府成本.     

DDMRS-GARCH模型及其在上海股票市场的实证研究

提出了2阶马尔可夫结构转换波动模型——DDMRS-GARCH模型，DDMRS—GARCH模型引入了2阶马尔可夫链，使得波动状态转移概率不仅依赖于波动状态，同时还依赖于波动状态的持久时间．将DDMRS-GARCH模型应用于上海股票市场收益时间序列进行了实证分析．     

基于体制转换的图模型方法及其在证券市场的应用

提出了新的基于体制转换模型的图模型方法.首先给出精度矩阵参数化方法,且通过MCMC方法给出算法设计,然后将该图模型方法应用于我国上海证券市场,研究五大行业板块之间的动态条件相关性.实证结果表明:两状态图结构恰好体现高、低不同的条件相关性,且状态持续的概率较大.     

基于MRS-EGARCH模型的沪深300指数波动预测

提出了一种新的马尔可夫机制转换EGARCH模型,假定收益残差序列可以服从高斯分布、t-分布或广义误差分布,并允许非高斯分布中自由度与所处机制有关,以刻画可能存在的时变峰度及厚尾特征.以沪深300指数为例进行实证研究,发现新模型能区分隐藏在指数收益序列中的不同机制.预测成功率指标表明设定收益残差服从厚尾分布的MRS-EGARCH比单机制EGARCH具有更好的波动率预测性能.     

中国股市泡沫的三区制特征识别

本文使用一个三区制转换模型识别中国股市泡沫的非线性特征,刻画其动态演进过程,并探讨了异常交易量和超常收益率对三区制转换的解释作用.我们发现, 上证综指泡沫的变化可以明确划分为潜伏、膨胀和破灭三种区制,异常交易量和超常收益率对于泡沫的区制转换有很好的解释作用,样本内和样本外预测都取得了较好的效果.     

中国股票市场报酬与波动的GARCH-M模型

运用 GARCH-M模型对上海和深圳股票市场的市场波动特征以及市场波动和报酬间的关系进行了实证研究 ,探讨引起我国股票市场波动较大 ,收益相对较低的原因 .同时分析涨跌停板交易制度对市场报酬和波动产生的影响 .     

中国股票市场的三因子模型

通过对中国股票市场从1995年7月到2000年6月所有A股股票月收益率的研究，发现股票市场具有显著的市值效应，账面市值比效应、市盈率效应和价格效应，这些效应不能用市场β值来解释，但再加上两个因子：市值因子和账面市值比因子，可以很好地解释这些效应，这个三因子模型也能够很好地解释中国股票市场众多指数的差异。     

基于HMM-EGARCH的银行间同业拆放利率市场波动预测研究

针对中国金融市场呈现出的多波动状态的典型事实特征,以上海银行间同业拆放利率(Shibor)市场为研究对象,不仅引入隐马尔可夫模型(hidden Markov model,HMM)对其进行了波动状态预测,而且还引入HMM-EGARCH模型对其波动率进行了预测;最后使用成功率(success rate,SR)与平均绝对误差(mean absolute error,MAE)对预测波动状态进行检验,并且还采用标准统计误差函数对预测波动率进行检验.实证研究表明:高低两种波动状态就能够有效地刻画出Shibor市场的波动状态;HMM模型能够对Shibor市场进行较准确地波动状态预测,且更重要的是,HMM模型对高波动状态预测具有显著的优越性;HMM(2)-EGARCH模型能够有效地对Shibor市场进行波动率预测.     

中国股票市场的股票收益与波动关系研究

检验中国证券交易四类股票收益与波动的时间序列特征，以及收益与波动之间的关系。首先应用广义自回归条件异方差模型（GARCH）和指数GARCH模型以获得合适的条件方差序列。应用结果发现，波动性随时间变化的证据，并且波动高／低的时期趋向于聚集，显示出高度持续性和可预测性。然后，应用均值GARCH（GARCH－M）模型检验预期收益与预期风险的关系。研究结果认为，每日交易量作为每日信息到达时刻的代理变量对于中国股票市场每日收益的条件波动的解释力度不显著。     

基于股市和汇市成交量信息视角的股价波动预测

以往研究忽略了汇市成交量包含的信息对股价波动的影响,可能导致模型参数的有偏估计.基于泊松分布的随机波动率模型不仅可有效解决传统做法对成交量信息使用不足的问题,而且通过将汇市成交量信息引入模型,与现有文献形成有益补充.通过SMC算法编程实现了SV-VOL模型的有效估计,发现股市成交量信息有助于股价波动预测;汇市成交量信息是通过股市流入净资本这一间接渠道最终影响股票收益率与股市量价关系.