中国期货市场高频波动率的长记忆性

利用GPH方法对中国期货市场收益率的高频数据进行检验, 实证结果表明: 期货市场高频收益率数据的波动性具有长记忆性特征. 然后应用一类描述金融市场波动性过程的长记忆性特征的分整自回归条件异方差FIGARCH模型和HYGARCH模型, 研究了中国期货市场高频数据波动性过程, 实证结果表明长记忆的GARCH类模型在预测期货市场高频数据波动率比较合适. 且相比较而言, HYGARCH模型比FIGARCH模型更加适用于期货市场.     

中国股市指数收益率的时间跨度特性

以上证指数和深成指的3种不同时间跨度的收益率序列--日收益率、周收益、月收益率为研究对象,对比分析它们分布情况、厚尾性、ARcH效应以及自相关性等特征的变化.结果表明,随着时间跨度的不断增加,上海股市和深圳股市的收益率序列逐步趋于正态分布,序列自相关性增强并存在长期相关性,波动集群性逐渐消失,波动持续性和杠杆效应不断减弱,风险溢价的敏感性不断增强,这些相同的变化趋势反映出两地股市有很强的联动性.同时,两地股市指数收益率厚尾性变化有明显区别,随时间跨度的增加,上证指数收益率的左尾变瘦,右尾变胖,深成指收益率的左右尾都逐渐变瘦,这种不同的变化趋势反映出两地股市的差异性.     

中国股市极值收益率的长记忆性研究

与以往对股市收益率及波动率的长记忆性及有效性研究不同,聚焦于金融市场极端波动行为,以中国股票市场最具代表性指数——上证指数为研究样本,将金融市场按照一定期间划分为不同的时间窗口,将每个时间窗内的极值收益率组成一个时间序列,并将该极值收益率序列作为实证研究对象。分别运用重标极差分析、消除趋势波动分析等多种统计方法,对上海股票市场极值收益率的长记忆性展开深入研究,结果发现无论是极值收益率序列还是极值波动率序列都具有明显的长记忆性特征,且极值收益率序列和极值波动率序列呈现出的长记忆性特征要明显强于原始全样本收益率序列本身,这说明市场的极端波动行为之间具有一定的依赖性,市场的极端波动行为在一定程度上是可测的。此外,进一步分析了极大值及其相应波动率序列之间、极小值及其相应波动率序列之间以及极大值与极小值之间的互相关关系,结果发现不同的极值序列间呈现出各自特有的、强度不同的相互依赖关系。     

深圳股市波动性与成交量关系的实证分析

使用传统计量经济学的方法研究深圳股市波动性与成交量的关系，结果表明加入成交量的波动性模型增强了对深圳股票市场波动性的解释能力，同时分析深圳股市波动性与成交量的二维动力学系统，结果表明在某子区域内系统是局部不稳定的，并指出对股市波动性建模的传统计量经济学方法，并没有考虑到这种股票市场运行机制本身的不稳定性。     

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。     

中国股市波动性过程中的长期记忆性实证研究

应用一类描述金融市场波动性过程的长期记忆特征的分整自回归条件异方差模型(FIGARCH模型)，研究了中国股票市场波动性过程的长期记忆性，实证结果表明中国股市波动性过程具有明显的长期记忆特征；文章还分析了FIGARCH模型与传统的条件方差模型相比，在模型描述和预测上所体现出的优越性。     

上证指数收益率、波动性与成交量动态关系研究——基于日数据的非线性动力学实证分析

对上证指数的收益率、波动性与成交量的动态关系进行了实证分析.采用EGARCH(1,1) M模型和ARMA(4,3) ARCH(1)模型分别测度上证指数收益率的波动性以及成交量的波动性,使用逐步回归法建立了收益率与成交量(R-V),收益率的波动性与成交量(hR-V)以及收益率的波动性与成交量的波动性(hR-hV)等的二维动力学模型,并用动力学方法研究以上诸二维系统的动力学行为.研究结果表明,虽然大量研究结果表明股市收益率时间序列存在混沌现象,但由收益率与成交量、波动性与成交量等构成的二维动力系统并不存在混沌现象.     

国债收益率和收益率利差的长记忆性

以2002年1月至2017年12月中国银行间国债到期收益率数据为样本,采用半参数局部Whittle估计的方法对国债收益率和收益率利差的长记忆性进行研究。结果表明,国债收益率和收益率利差均存在一定程度的长记忆性。大多数国债收益率不是协方差平稳的但存在均值回归特性。收益率利差基本上是协方差平稳的但相比I(0)模型存在一定的持续性。本文建议在进行投资决策和收益率预测时应当考虑国债收益率和收益率利差的长记忆性。     

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。     

政策因素、金融危机对中国股市波动性影响——基于ICSS-GARCH模型的分析

为有效识别影响股市波动性的因素,在此基础上准确判断事件冲击对股市波动性的作用方向与影响程度,本文创新性地利用ICSS算法对国内、区域性和国际股市波动性突变点进行判断。随后对照证券业年鉴、四大证券报及网络搜索结果对股市波动性突变点发生的事件进行梳理和归类,并以此构建ICSS-GARCH模型对影响股市波动性的事件冲击因素进行深入分析。本文发现:(1)国内宏观经济政策、政府工作报告和政府经济预期等政策因素成为影响中国股市波动性突变的主要因素,国际金融危机成为影响中国股市波动性的主要国际事件。(2)相对于区域性和国际因素,国内因素对股市波动性的影响更为显著。(3)股市波动突变性是波动持续性的重要原因,一定程度上解释了股市波动的长期记忆性,考虑股市波动突变性的ICSSGARCH模型的构建有利于预测和控制股市的剧烈波动。     

Empirical Study on Long Memory Feature in Chinese Stock Market

The notion of long memory, or long-term dependence, has received considerable attention in empirical finance. While many empirical works were done on the detection of long memory in return series, very few investigations focused on the market volatility, though the long-term dependence in volatility may lead to some types of volatility persistence as observed in financial markets and affect volatility forecasts and derivative pricing formulas. So, using modified rescaled range analysis and ARFIMA model testing, this study examined long-term dependence in Chinese stock market returns and volatility. The results show that although the returns themselves contain little serial correlation, the variability of returns has significantly long-term dependence. It would be beneficial to encompass long memory structure to assess the behavior of stock prices and research on financial market theory.     

中国股票市场收益的长期记忆性研究

首先应用R/S分析法研究中国股票市场的长期记忆性，实证结果表明中国股市作为一个新兴的资本市场，表现了与国外发达股市不太一样的特征，即中国股市具有较明显的长期记忆生，又用既能描述短记忆又能表现长记忆的ARFIMA模型对中国股票市场进行建模研究，并证明该模型与其他模型相比较所体现的优越性。     

中国股市有效性动态变化的实证研究

收益的显著相关通常称为可预测性.若收益是可预测的,则在一定程度上表明市场是无效的.我们基于可变参数的Kalman滤波模型,利用我国股票市场近10年的数据,通过分析股票收益的可预测性,实证地研究了我国新兴股票市场有效性的动态变化.结果表明中国股市的有效性是逐步提高的,政策法规的颁布与实施对股市有效性的提高起到了非常重要的积极作用.     

基于财富与信息角度的人工股票市场建模及非线性特征形成机理

在Chinrella人工股票市场的交易框架下,建立了在异质信念模块中增加财富与信息模型的人工股票市场。并通过多次实验,研究了财富与信息对股票市场非线性特征的影响。结果表明,收益率的尖峰、厚尾,波动聚集性,长期记忆性这三种非线性特征的形成各不相同。财富分布均匀更多导致收益率的尖峰、厚尾,长期记忆性产生,而财富分布不均匀导致收益率波动聚集性的产生;技术分析者信息处理方面,不均匀处理更多导致尖峰、厚尾产生,均匀处理更多导致波动聚集性产生,利用更多过去信息将更多导致长期记忆性产生。最后,从股票市场非线性特征的形成机理角度提出了完善股票市场的建议。     

沪深股市动态溢出效应与动态相关性的实证研究——基于长记忆VAR-BEKK(DCC)-MVGARCH(1,1)模型

利用长记忆VAR-BEKK-MVGARCH(1,1)模型和VAR-DCC(1,1)-MVGARCH(1,1)模型,对沪深股市的动态均值溢出效应、动态波动溢出效应和动态相关性进行了实证检验.结果表明:沪深股市收益率的均值溢出效应和波动溢出效应,在2000年之前基本不存在,仅在2000年之后才比较显著,且表现为双向的传导关系.沪深股市收益率间表现出一定程度的动态相关性,除股市成立初期表现出负相关外,总体呈现出正相关,且相关性逐步提高,近年来稳定在0.8到0.9之间.     

上证股市收益的长期记忆:基于V/S 的经验分析

运用V/S分析考察我国股市收益的长期记忆效应,分别诊断上证A、B股市日收益总体样本的长期记忆效应,在运用ICSS方法探测方差漂移突变划分股票市场阶段性的基础上诊断股市收益不同阶段的长期记忆效应,并考察随机抽取的部分个股.研究表明:上证A、B股市收益总体样本都不存在显著的长期记忆,B股市场的长期记忆效应相对更显著;A、B股市场收益分别发生了两次和四次显著的方差漂移突变;A股收益在每一阶段都不存在显著的长期记忆,B股收益在某些阶段却存在显著的长期记忆.对随机抽取的10只个股的考察,发现只有1只股票的收益序列存在显著的长期记忆,B股收益的长期记忆效应相对比A股显著.     

Dependence between stock returns and investor sentiment in Chinese markets: A copula approach

Using data of newly opened stock trading accounts in China as a proxy of investor sentiment index,the authors employ the time-varying copula-GARCH model with Hansen’s skewed Student-t innovations to investigate the dynamic dependence between investor sentiment and stock returns.The empirical findings show that shifts in investor sentiment are asymptotically positively correlated to stock returns in extreme value situations in both A shares market and B shares market in China,that is to say,stock prices will increase(decrease) more when investors become more bullish(bearish).Also, results show that the dependence between investor sentiment and stock returns is time-varying,which means that the traditional Pearson’s correlation based on normal distribution is not enough to describe the relationship between stock market behavior and investor behavior.     

中国股市高频数据中的周期性和长记忆性

采用Andersen和Bollerslev(1997)的FFF回归方法,对上证综合指数高频数据中的周期性进行了分析,并分析了剔除周期后的绝对收益的长记忆性.结果表明:日内收益的周期性相对来说不如日内绝对收益明显;FFF回归可以较好的确定日内绝对收益的周期性;与使用日收益数据的结果相比,利用高频数据更好揭示了股市中更强的长记忆性.     

中国证券市场反向策略研究及其短周期性

证券市场中的反向策略是指购买价格被低估的"价值股票"和抛售价格被高估的"热门股票".国外大量实证研究表明,采取反向策略能获得较高的收益,而我国目前的实证结果争议较大.采用不同于以往大部分国内学者的实证方法,根据股票的价格比例对资产组合进行分类,对我国证券市场上反向策略的有效性进行了实证研究.结果表明,中国证券市场存在反应过度,反向策略行之有效,从而也说明我国证券市场的非有效性.另外,作为新兴市场,中国证券市场和西方证券市场的反向策略存在差异,主要表现在中国股市的反向周期短于西方发达国家,这可能与中国股市的高换手率有关.     

Complex system analysis of market return percolation model on Sierpinski carpet lattice fractal

This paper investigates the statistical behaviors of fluctuations of price changes in a stock market.The Sierpinski carpet lattice fractal and the percolation system are applied to develop a new random stock price for the financial market.The Sierpinski carpet is an infinitely ramified fractal and the percolation theory is usually used to describe the behavior of connected clusters in a random graph.The authors investigate and analyze the statistical behaviors of returns of the price model by some analysis methods,including multifractal analysis,autocorrelation analysis,scaled return interval analysis.Moreover,the authors consider the daily returns of Shanghai Stock Exchange Composite Index,and the comparisons of return behaviors between the actual data and the simulation data are exhibited.