基于高频数据的ACD模型微观扩展应用

在金融高频数据中,价格久期反映了投资者的交易行为,从时间维度反映了信息的传导过程。本文采用股票交易的分笔数据,在自回归条件持续期间模型中引入微观结构变量:交易密度、每笔平均交易量和百分比买卖价差,分析价格持续期与市场交易之间的关系,进而得出投资者交易行为相关结论。     

中国期货市场日内效应分析

运用1分钟高频数据对我国三个市场、六个品种的商品期货的收益率和交易量的日内变动模式进行研究,得出了日内绝对收益率及交易量的"L"型变化模式.这跟证券市场的"U"型日内特征不同,我们根据金融市场微观结构理论、交易机制及交易者心理给予解释.在此基础上,利用Granger因果关系检验和向量自回归模型(VAR),研究了影响收益波动性的各种因素.结果表明绝对收益率与交易量、持仓量之间两两存在双向Granger因果关系,这是与股市的只存在由交易量到绝对收益率的单向Granger因果关系不一样的结论,原因在于期货市场的做空机制.通过对VAR模型进行方差分解和脉冲响应分析,实证分析了三者之间的动态关系及影响程度.结论表明:当以绝对价格波动作为被解释变量时, 其自身的滞后项可以解释90%左右的残差扰动,交易量可以解释10%左右的的残差扰动.当以交易量作为被解释变量时,其自身的滞后项可以解释80%左右的残差扰动,绝对价格波动可以解释20%左右的残差扰动.当以持仓量作为被解释变量时,其自身的滞后阶数解释了45%～70%的残差扰动, 交易量解释了25%～45%的残差扰动,绝对价格波动解释了5%～10%.各方程变量解释基本都稳定在20～30分钟后.实证结果还表明持仓量对绝对价格波动和交易量有微弱的影响,而绝对价格波动与交易量有较强的互动影响,并且就此给投资者以相关建议.     

ACD模型的发展以及在金融中的应用

最近几年，ACD（autoregressive conditionalduration）模型有了很多新的发展。本文将在介绍高频数据特点的基础上结合是市场微观结构的理论对ACD模型及其迄今为止模型的一些新的发展和ACD模型在中国的实证研究进行了较全面的总结，讨论了标准ACD模型以及ACD模型的一些扩展形式的性质争设定争现存的诊断检验方法，并提出了模型存在的问题争未来可能的研究方向。本文利用标准ACD、Log—ACDII、EXACD模型分析中国股票市场的高频交易数据。研究结果表明，中国股票市场中股票的交易久期存在集聚效应．而杠杆效应并不显薯．     

基于高频数据的金融市场微观结构实证研究综述

对高频数据在市场波动性、有效性和流动性等市场微观结构领域的实证研究及其引起的对一些传统的经济假设和理论框架所提出的质疑作系统介绍，并对这一研究领域作简要评述，最后提出高频数据对中国股票市场微观结构进一步实证研究的方向。     

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。     

中国期货市场日内流动性及影响因素分析

本文首先构造了基于价格久期和交易量久期的两个流动性指标, 发现用价格变动和交易量来衡量的流动性有冲突, 为比较其影响力, 又构建了基于久期的流动性比率指标来描述市场流动性, 用构建的新的流动性多维指标研究了我国期货市场流动性 的日内趋势及影响因素, 实证结果表明交易量和持仓量对市场流动性都具有显著的正影响, 绝对收益率对流动性有显著的负影响, 且交易量比价格变动影响更为显著. 分析表明国外常用的价差指标不适用于我国市场, 度量中国市场的流动性必须考虑交易量因素.     

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．     

超高频数据的变结构分整增广ACD模型

以Box-Cox变换和变结构方法为基础,建立了包括变结构、长记忆、非线性等特征的变结构分整增广ACD模型.利用遗传算法等工具,解决了模型参数估计问题,从而解决了ACD模型的形式设定问题.给出变结构分整增广ACD模型的无条件矩性质,并且推导出数十种ACD模型的扩展模型.     

中国股市回报波动性分析--高频数据揭示股市的特征

以MDH假设为基础．采用高频数据建立我国股市日内波动特征的理论模型。利用频域分析工具实证得出上海股票市场波动性的日内周期特征和长记忆特征。对滤波之后自相关函数进行回归，计算得到表征上海股市长记忆大小的d值。     

基于不规则数据的中国股市微观结构研究

引入了自回归条件久期模型，采用极大似然估计的方法对具有指数分布和Weibull分布两种模型分别进行了参数估计，检验了模型的性能，并以WACD模型为基础对我国上海证券所个股的交易集群性特征进行了检验．实证结果表明，在我国证券市场交易的集群性特征是由于以私人信息为基础的交易过程引起的，私人信息的引入导致了证券市场更大的波动性。     

中国证券市场的HAR-BACD-V模型及其应用

在已有的高频时间序列模型的基础上, 基于异质市场假说理论,构建了HAR-BACD-V模型.通过实证分析以探询在异质市场环境下不同交易频率投资者的交易行为对股市即时波动的贡献程度以及交易量对交易持续期、金融产品收益率和波动性的影响.研究结果进一步证实了我国股票市场的异质性,不同交易频率投资者的交易行为对股市波动的影响程度是不同的,并且发现交易量对交易持续期、收益率及波动性都存在不同程度的影响.     

基于序次Probit模型的离散股价研究

分析股票日内价格行为需关注高频分笔交易的价格离散特征.本文使用沪市个股高频分笔交易数据,采用序次Probit模型对离散股票价格建模分析.结合我国股市限制卖空与订单驱动的制度背景,考察了交易时间间隔、交易量和订单信息对价格变动的影响.研究结果表明,序次Probit模型可捕捉价格离散特征.较长交易时间间隔可能预示坏消息,使股价下跌.相对于卖方交易量,买方交易量更具有信息含量.订单信息影响价格变动,买方较多时股价上涨,卖方较多时股价下跌.     

中国股市波动率的广义周内特征及其预测模型

本文将Realized GARCH模型推广至基于周历日的时变参数情形以刻画杠杆和溢出效应的周内特征并避免传统GARCH类模型在拟合长记忆性与周内效应时两者相互干扰问题.将新模型应用于上海股票市场2001至2013数据的分析发现:我国股市波动率存在时变的杠杆效应和溢出效应.实证结果表明:新模型无论在样本外的预测能力还是在样本内的拟合度上都明显优于现有模型.     

异质金融市场高频期货交叉套期保值问题研究

目前我国期货市场尚不成熟,没有形成完备的上市品种结构,因此.实现一种期货对多种现货的交叉套保在风险管理中具有重要意义.考虑到投资者行为的异质性和波动相关持久性等高频波动经验特征,本文将不同期限的波动因素引入到基于高频数据的CAW(Conditional Autoregressive Wishart)模型中,构建了高频波动率矩阵的动态变化模型HAR(Heterogeneous Autoregressive)-CAW模型.同时,利用矩阵纠偏技术,将该模型与均值模型融合,提出了收益率和波动率的联合动态变化模型-均值HAR-CAW模型.最后,基于该联合模型多期预测值的理论推导,并结合最小方差理论,实现了不同平衡周期下最优套期比的动态估计.针对上证50ETF、中小板ETF和沪深300股指期货的实证分析表明,高频波动率矩阵具有高峰厚尾和长记忆性等经验特征;同时,不同现货资产比例、不同时间区间及不同平衡周期下,本文所提交叉套期保值模型的套保效率显著优于基于日度数据的OLS(Ordinary Least Square)模型和DCC(Dynamic Conditional Correlation)等常用模型,而本文所提的矩阵纠偏技术也显著提高了未纠偏时的套保效率.     

基于高频数据的中国市场股指期货套利

利用上证50ETF, 上证红利ETF 和深证100ETF 来复制沪深300指数作为现货, 构建沪深300 股指期货的无套利边界,并对IF1005、IF1006 和IF1007三个主力合约进行了套利机会和结果的分析, 发现:三个主力合约均存在套利机会;与国外股指期货推出初期出现的双边套利机会相比, 沪深300股指期货只有单边套利机会; 与仿真交易数据出现的持续套利机会相比,实际交易数据出现的套利机会逐渐减少;在套利机会较多时获得的利润较少, 而套利机会较少时获得利润较多; 最后根据研究结果提供了相应的投资建议.     

锚定心理影响期货市场价格的数理模型

锚定心理是金融市场中投资者的一种非理性心理,对投资者的判断及金融产品价格有重要影响. 结合期货市场的特征,并依据锚定心理产生的不充分调整启发式模型,以交易者获得的初始信息为锚定点,建立了锚定心理影响投资者交易及期货均衡价格的数理模型. 分析发现,锚定心理的存在会增加期货合约的交易量,造成短期期货均衡价格偏离理性条件下的理论值,从而使期货价格的价格发现功能和期货市场有效性受到影响.     

基于波动率测量误差的波动率预测模型

本文研究了一种基于波动率测量误差的波动率预测模型,并做了非线性扩展,期望改进预测效果.考虑到文献中关于波动率可能长记忆性和非线性并存的观点,本文以具有长记忆特征的HAR(heterogeneous autoregressive)模型为基础,加入波动率测量误差后模型持续性有所提高,结合非线性的时变参数模型则达到结构变化和减弱异方差的效果.本文用2652天的沪深300高频数据计算的已实现极差波动率来验证模型效果.固定参数下,在HAR型模型中加入测量误差作为调节变量可以较显著地改善样本外预测效果.时变参数下,加入测量误差的HARQ型模型预测效果大多优于对应的HAR型模型.时变参数模型总体上可以改善固定参数模型的预测效果,尤其在预测期较长的情况下改善均是显著的.     

基于Lotka-Volterra模型的股指期货市场竞争分析

2006年中国金融期货交易所在上海成立,我国即将推出沪深300股票指数期货,然而新加坡交易所抢先我国推出了新华富时A50指数期货.新华富时A50指数期货的提前一步推出,会对可能上市的沪深300指数期货产生影响,各方人士对日后新华富时A50指数期货与沪深300指教期货之间的竞争极为关注.本文应用Lotka-Volterra动力系统模型,使用新加坡的摩根台指期货与台湾台指期货的交易量数据,对新加坡的摩根台指期货与台湾的台股指数期货的竞争关系进行了实证分析,结果表明在金融期货推出的初期,两市场更容易处于互惠的关系,随着合约竞争力和市场容量的持续改变,其竞争关系不断地发生着变化.