基于时变Copula模型的股指收益率相依关系研究

为了研究股票市场之间的互动性与相关性,基于时变Copula模型研究上证指数、深证成指、香港恒生指数和美国道琼斯指数收益率间的相依关系。首先,对4个样本收益率序列建立自回归移动取平均-广义自回归条件异方差(autoregressive moving average-generalized autoregressive conditional heteroskedasticity, ARMA-GARCH)模型族以确定单个边缘分布;其次,利用常见的常系数Copula函数及时变Copula函数分别对股指收益率序列的相依关系建立模型,并对这2种模型进行对比;最后,基于正态Copula模型分别对两两股指间的相依关系做比较分析。研究结果显示,时变Copula模型的拟合效果要明显优于常系数Copula模型;沪、深股市相依性最强,相关系数接近0.9,A股与港股的相关系数接近0.5,与美股的相关系数在0.15上下波动,A股与港股的相依性要强于A股与美股之间的相依性,港股与美股的相关系数为0.27,与A股相比,港股与美股的相依性更强。本研究方法可应用于金融行业其他领域以了解资金的流向和市场效率。     

金砖国家外商投资与经济增长关系研究

基于面板VAR模型,采用金砖国家2004-2017年的经济增长、外商直接投资的相关数据,运用脉冲响应方差分解分析方法对这二者的动态关系进行定量分析.研究表明:滞后两期的经济增长是外商直接投资的格兰杰原因;在短期内,外商投资对经济增长的刺激作用比较明显;经济增长吸引更多的外商投资,并且随着时间的推移其贡献率越来越高.     

基于实际波动率的VaR模型实证研究

以实际波动率预测方法替代传统的波动率预测方法,应用到VaR模型中去,并随机选择了五只股票数据进行实证研究,比较基于GARCH模型和实际波动率模型的两种VaR预测结果,得到基于实际波动率的VaR预测效果显著地优于基于GARCH模型的VaR预测效果.     

基于多元GARCH模型的可转换债券市场与股票市场的波动关系研究

可转换债券作为一种混合型的金融衍生品,已经成为金融市场中重要的组成成分,并且其市场与股票市场之间又是互相影响的,它们的共同发展对金融市场的繁荣和企业竞争力的提高方面起到了积极的推动作用.因此,对可转债市场与股票市场之间关系的实证研究具有一定的理论与现实意义.基于上证指数(000001)与上证转债指数(000139),运用BEKK形式的多元GARCH模型来实证研究可转债市场与股票市场之间的波动关系及其溢出效应.实证结果发现,这两个市场之间有正相关的关系,并且存在双向的波动溢出效应.     

隐含波动率微分算法的改进——波动率表面模型

基于以往研究隐含波动率的计算只考虑了交割价格对其的影响而忽略了到期日的作用,提出包含交割价格和到期日两变量的隐含波动率表面模型计算隐含波动率.数值计算结果表明,波动率表面模型提高了波动率的平均计算精度,同时给出了波动率"假笑"和波动率期限结构的特征.所提出的隐含波动率表面模型可作为投资者判断衍生产品投资价值的简单指标.     

期权定价的波动率模型比较与探索

选取上证50ETF期权数据,利用信息含量的比较方法,对广义自回归条件异方差(GARCH)模型、BlackScholes(B-S)隐含波动率模型、无模型、异质自回归波动率(HAR-RV)模型和"短期依赖"结合模型的波动率预测能力进行比较.实证结果表明,各模型的信息含量排序为ARMA-GARCH、B-S、HAR-RV、无模型和结合模型.对于单个模型而言,GARCH模型的预测精度相对较低,无模型隐含波动率表现最优,在综合考虑操作复杂程度和预测准确性的条件下HAR-RV模型则是最佳选择,结合模型在提升波动率预测稳定性方面表现较好.     

基于Vine-Copula模型的新冠肺炎疫情下金砖五国金融市场间的风险研究

以疫情“封城”时间为分界点,采用ARMA-EGARCH-Vine Copula模型分阶段研究金砖国家股票指数间的相关结构.在此基础上,通过CoVaR刻画风险溢出强度.结果表明,疫情冲击下以非对称Copula函数为主,各股市间相关系数明显上升,市场之间协同运动增强,一个金融市场的尾部波动更容易引起其他金融市场的波动,从而造成风险传染.根据Vine-Copula函数拟合的CoVaR序列对控制金融系统风险有一定的指导意义.     

隔夜波动率的估计

基于广义动态因子模型构建了个股隔夜波动率的一个新的估计量,并利用中国的上证50指数的24支成分股2013—2014年的数据进行了实证分析.实证结果表明:新估计量比隔夜收益的平方的表现更好,新的估计量可以降低噪声的影响.     

基于广义可加模型的波动率估计方法

放宽了传统GARCH模型参数形式的假定,将广义可加模型引入条件方差的估计,改进了[Bhlmann P,McNeil A J.An algorithm for nonparametric GARCH modelling.Computational Statisticsand Data Analysis,2002,40(4):665-683]提出的迭代算法并将其用于可加GARCH模型的估计.通过能够控制真实波动率的数学模拟实验,分别用样本内和样本外估计的方法说明了可加GARCH模型在估计现有参数模型无法刻画的复杂序列波动率时具有更好的估计效果,而与非参数模型相比,可加GARCH模型也有较好的估计效果.通过一个推断波动特征的算例,表明了可加GARCH模型对研究新兴市场股市或者处于金融危机中的股市等存在复杂波动特征的金融市场波动率有着非常现实的意义.     

SVAR-GARCH模型的多元波动率估计

考虑SVAR GARCH模型的多元波动率, 提出一种估计波动率的新方法. 先利用独立成分分析技术求解因果结构和统计独立的误差项, 建立残差项条件协方差阵与误差项条件协方差阵的关系, 然后利用单变量GARCH模型的估计结果和识别的因果结构, 估计多变量GARCH模型的条件波动的脉冲响应方法, 实现多元波动率的估计, 该方法可有效减少估计参数. 实验结果表明, 新方法估计的波动率与能源期货市场的规律相符.     

具有随机收益率与波动率股票的一般价格分布

研究了收益率及波动率均为扩散过程的股票价格分布问题，给出了二者独立情况下分布的解析形式，并应用于欧式期权的定价。     

Hull-White随机波动率模型的欧式障碍期权

假定标的股票服从Hull-White随机波动率模型,应用鞅方法、条件分布的性质以及Black-Scholes模型的下降敲出欧式看涨障碍期权价格的Taylor展开式获得了期权价格的近似显示解.最后,通过对偶MonteCarlo模拟法比较了近似显示解的准确性,分析了波动率参数对期权价格的影响.     

SVAR-GARCH模型的多元波动率估计

考虑SVAR GARCH模型的多元波动率, 提出一种估计波动率的新方法. 先利用独立成分分析技术求解因果结构和统计独立的误差项, 建立残差项条件协方差阵与误差项条件协方差阵的关系, 然后利用单变量GARCH模型的估计结果和识别的因果结构, 估计多变量GARCH模型的条件波动的脉冲响应方法, 实现多元波动率的估计, 该方法可有效减少估计参数. 实验结果表明, 新方法估计的波动率与能源期货市场的规律相符.     

基于中国股市波动率的多元模型比较与分析

讨论了DCC-GARCH和ICA-GARCH的多元时间序列协方差模型,并从中国股市出发,对中国股市的波动率进行估计及预测.同时,引入VaR模型,比较各多元模型衡量中国股市波动率的准确性及适用性.     

SVI隐含波动率模型的时间指数扩展

针对半参数SVI模型提出了避免跨期套利约束模型,根据平稳时间平方根规则,用对数执行价格和剩余期限的特定组合替代了原模型中的对数执行价格.为了使对数执行价格和剩余期限之间的关系更加灵活,引入了新的参数来调整二者之间的组合,并在此基础上提出参数模型构建隐含波动率曲面.最后基于AAPL股票期权进行了实证分析,结果表明,改进半参数模型更具灵活性与精确性,能够较好地构建隐含波动率曲面.     

证券市场波动率分析的PSO-ICA-GARCH模型

当主成分存在条件相关时,正交广义自回归条件异方差模型(orthogonal generalized autore-gressive conditional heteroskedasticity,O-GARCH)可能导致预测结果与实际情况不相符.基于独立分量分析的广义自回归条件异方差模型(GARCH model base...     

基于GARCH-MIDAS模型对股市波动率预测

极端冲击(例如战争和金融危机)会导致股市波动剧烈.提出5种增强的混频模型(GARCH-MIDAS),可以捕捉非对称和极端冲击对股市波动率的影响.样本内的结果表明,我国股市存在明显的波动率聚集效应和杠杆效应,并且负面的极端震荡会导致较高的波动性.而样本外的MCS和DM检验结果则清楚地显示出EGARCH-MIDAS-ES模型最适合预测股市波动率,该模型在短期波动中纳入了非对称效应,长期趋势中加入了极端冲击的影响.此外,稳健性检验证实,与标准GARCH-MIDAS模型相比,增强的波动率模型在统计和经济方面均可产生更好的预测结果.通过考虑极端冲击,为股市波动率预测提供了新的见解.     

具有随机收益率与波动率股票的一般价格分布

研究了收益率及波动率均为扩散过程的股票价格分布问题 ,给出了二者独立情况下分布的解析形式 ,并应用于欧式期权的定价。     

上证综指波动率的估计——基于GARCH（1,1）模型的研究

波动率是测度风险的重要变量,在金融领域中占有至关重要的地位。采用GARCH（1,1）模型研究了上证综指的波动率。研究结果表明GARCH（1,1）模型能够准确地估计1年以上股市的波动率。