基于日内价格幅度与回报的随机波动率模型

金融资产波动率测量与建模是金融理论与实践中的一个重要课题，已经有了许多测量与建模方法。本文引入了基于日内价格幅度与回报两个测度指标的随机波动率模型。利用中国股市数据进行的实证结果表明，与单测度指标的随机波动率模型相比．基于两个测度指标的随机波动率模型能更好地描述股票市场波动率和市场波动风险。     

中国股市波动的异方差模型及其SPA检验

以中国股票市场最具代表性的股价指数-上证综指的高频(High-frequency)数据样本为例,实证计算了以GARCH族模型和随机波动(Stochastic volatility)模型为代表的不同异方差模型对中国股市波动率的预测,并进一步运用SPA(Superior predictive ability)检验法,实证检验了不同异方差模型对中国股市波动的刻画能力和预测精度问题.实证结果显示,就中国股市而言,随机波动(Stochastic volatility)模型是预测精度最高的异方差模型,但在某些损失函数标准下,EGARCH模型也具有良好的波动预测表现.     

随机波动模型分析及其在上海股市的应用

随机波动模型的产生既有其数理金融背景,又有其金融计量根源;它们能很好地描述金融市场中的诸多波动现象.本文利用基本的随机波动模型对上海股市的波动性进行实证分析,得到了一些有益的结论;最后提出了对未来研究的一些建议.     

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.     

波动率风险溢价——基于VIX的实证

波动率风险溢价是金融学文献关注的核心问题之一.基于非仿射GARCH扩散模型,推导相应的VIX公式,继而采用SP500与VIX指数联合数据,给出模型客观与风险中性参数基于有效重要性抽样(EIS)的联合极大似然(ML)估计.进一步利用粒子滤波方法给出隐波动率的估计,推断VIX隐含的波动率风险溢价.蒙特卡罗模拟实验表明,提出的估计方法是有效的.采用实际数据进行的实证研究表明,波动率风险被定价,且波动率风险溢价为负,隐含市场投资者整体表现为风险厌恶.     

基于时变波动率CCA方法的银行业系统性风险度量

基于传统CCA方法的系统性风险研究都是在BS框架下进行的,而BS模型的同方差假定与现实不符,可能引致偏误。利用非对称GARCH过程刻画了银行资产波动率的时变特性,并基于GARCH期权定价模型对系统性风险进行了度量研究。鉴于现有系统性风险研究大多聚焦于“次贷危机”期间,以中国上市银行为样本,对2012~2016年银行业的系统性风险状况进行了实证检验。结果显示：银行业系统性风险分别在2012和2015年“股灾”之后小幅上升,在2016年大幅上升;基于传统CCA方法的系统性风险指标无法对2015年和2016年系统性风险的上升做出充分响应;基于时变波动率CCA方法的系统性风险指标对宏观经济动态的预测能力显著优于基于传统CCA方法的指标。     

波动率风险溢价——基于VIX的实证

波动率风险溢价是金融学文献关注的核心问题之一. 基于非仿射GARCH扩散模型,推导相应的VIX公式,继而采用S&P500与VIX 指数联合数据,给出模型客观与风险中性参数基于有效重要性抽样（EIS）的联合极大似然（ML）估计. 进一步利用粒子滤波 方法给出隐波动率的估计,推断VIX隐含的波动率风险溢价. 蒙特卡罗模拟实验表明,提出的估计方法是有效的. 采用实 际数据进行的实证研究表明,波动率风险被定价,且波动率风险溢价为负,隐含市场投资者整体表现为风险厌恶.     

随机波动率LIBOR模型及其结构性存款定价:理论估计与蒙特卡罗模拟

LIBOR市场利率已经在金融资产定价和风险度量中发挥着越来越重要的作用, 而以其为标的利率的外汇结构性存款也得到了广泛应用. 因此, 对LIBOR利率动态过程及其结构性存款定价进行有效理论估计和模拟计算则显得尤为重要. 本文首先在标准市场模型中加入Heston随机波动率过程, 建立随机波动率过程驱动的新型LIBOR市场模型; 其次, 运用 Black逆推参数校正方法和MCMC参数估计方法对该LIBOR利率市场模型中的局部波动率和随机波动率过程中的参数进行校正和估计; 再次, 基于最优基本函数改进的LSM方法对可赎回外汇结构性存款定价进行模拟计算; 最后是实证分析. 研究结论认为: 在单因子LIBOR利率市场模型基础上引入随机波动率过程, 则可大大地提高利率模型的解释力; 基于最优基本函数改进的LSM定价方法所得结果更接近于实际利率下所求理论价值.     

波动率预测：多元GARCH模型能战胜一元GARCH模型吗?——二元DCC-GARCH模型与一元GARCH模型的PK

波动率在不同资产(市场)之间的传导应当为预测波动率提供有用信息,使波动率预测更准确。本文考察了二元DCC-GARCH模型在预测波动率时是否优于传统的一元GARCH模型。研究发现：波动率在不同资产间的传导,可以为预测波动率提供有用信息,有助于提高预测的准确性;波动率溢出越明显,对提高预测帮助越大;日数据传递信息更及时,在预测波动率时能比周数据提供更有用的信息;实际波动率的不同度量方式会影响波动率预测准确性的评判结果,但一个占优的多元GARCH模型预测的波动率,可以在所有度量方式、评判标准下都占优。本文为进一步研究多元GARCH模型在预测波动率方面的应用提供了有益的启示。     

4/2随机波动率模型下的期权定价

The existing stochastic volatility models have such a problem: A single-factor volatility model can generate steep curves or flat curves at a given volatility, but it cannot generate both for given parameters, which is inconsistent with the actual observed data. To precisely describe the market implied volatility curve, this paper studied a two-factor 4/2 stochastic volatility model that includes, as special instances, the Heston model and the 3/2 model. Besides, it applied Lewis’s fundamental transform approach to deduce the partial differential equation(PDE). In addition, by adopting the data on S&P 500, it estimated the parameters of the 4/2 model. Furthermore, it investigated the 4/2 model along with the Heston model and the 3/2 model, and compare their different performances. The results indicate that the option price fitting error of the 4/2 model is smaller than that of other two models.     

具有杠杆效应SV模型的贝叶斯分析及其应用

对具有杠杆效应的SV模型进行了的贝叶斯分析，使用基于Gibbs取样的BUGS软件对模型的参数进行了估计。用上海和深圳股市的指数收益时间序列对杠杆效应SV模型进行检验，指出沪、深两个股票市场存在显著的杠杆效应。     

基于EGARCH和C-F扩展的VaR模型及应用

分别运用EGARCH和Cornish—Fisher扩展的VaR模型对中国深、沪股市的期望收益率与风险进行了实证比较研究，发现结合异方差的Cornish—Fisher扩展的VaR模型与仅用波动率描述的VaR计量方法比较，具有较好修正作用；同时对中国股票市场风险成因作了初步探讨。     

长记忆SV模型的统计性质及其实证分析

给出与证明长记忆随机(LMSV)模型的矩与谱密度。波动替代量的长记忆性，与ARFIMA模型的关系，以及其时间聚合等统计性质；最后利用模型考察了上海股市波动的长记忆特性。     

权证收益率波动的度量:基于GARCH和SV模型的比较

分别采用GARCH模型和SV模型对权证收益率波动进行比较研究,发现这两类模型均能较好地拟合权证收益率的波动,但SV模型比GARCH模型更能捕捉权证收益率的波动信息。在权证总持续期间,通过SV模型计算的V aR值比GARCH模型更加准确;而在权证发行上市时期及最后交易日期间,通过GARCH模型计算的V aR值比SV模型更加准确。     

长记忆随机波动模型的估计与波动率预测——基于中国股市高频数据的研究

为了有效捕捉中国股市波动率的长记忆性,提高远期波动率的预测精度,本文基于中国股市高频数据建立了长记忆随机波动模型,检验高频数据中时变的“日历效应”成分的频率,有效地对“日历效应”进行滤波。使用频域内拟极大似然方法估计LMSV模型参数,为了提高计算效率应用混沌优化算法进行最优搜索。对比了高频数据直接建模和已实现波动率方法建模的预测结果发现,通过高频数据估计的LMSV模型可以很好保留高频数据中所包含的信息量,克服信息丢失问题,预测结果要优于已实现波动率方法建模预测的结果。     

期货市场价格波动与市场弱有效性的检验与分析

通过对中国期货市场铜和铝两种金属期货品种收益率的分布与波动性进行实证分析，论证其时间序列存在ARCH效应；运用GARCH模型对两种期货品种进行了拟合分析和统计检验，结果表明这两个期货品种的波动性均具有很高的持续性，但上海铝期货的波动性相比于上海铜，其波动性受各种外部冲击的影响较大；通过GARCH(1，1)的市场有效性检验，论证中国金属期货市场尚未达到弱式有效，市场风险较大。     

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。     

随机波动率与跳扩散相结合的保证险的鞅定价

假设未偿付额为常数,且房产价格为对数正态随机波动率过程和一个复合Poisson过程相结合的随机过程,引入期权定价理论,利用特殊的鞅方法,分析了住房抵押贷款保证险的定价问题.     

具有价格均值回复与随机波动率的信用差价衍生产品定价

为了研究均值回复特征与随机波动率对金融衍生品定价的影响，考虑状态变量的均值回复特征与两种随机波动率过程：平方根过程与Ornstein-Uhlenbeck过程，应用解偏微分方程与特征函数方法．推导出衍生品的定价方程。推导了基于均值回复特征与随机波动率的信用差价期权、信用差价上限与下限的定价公式。结果表明，均值回复和随机波动率在衍生品定价中起重要影响。