基于局部波动率模型的上证50ETF期权定价研究

局部波动率模型被广泛运用于风险管理、期权定价等领域,该模型不仅可以描述波动率微笑、期限结构等实际现象,同时能保证市场的完备性.研究局部波动率模型的核心目标是对隐含波动率进行建模.本文分别通过参数法和非参数法对隐含波动率建模,不仅保证了波动率曲面的无套利性,同时给出了非参数法求解局部波动率的显式表达式,从而消除了近似误差,得到较为光滑的波动率曲面.此外,本文基于局部波动率模型对我国上证50ETF指数期权的定价进行了实证研究,分别从样本内定价误差、样本外定价误差、套期保值效果三个方面分析比较了该模型的定价效果.实证结果显示:对样本内数据,非参数法拟合的定价结果优于参数方法;对样本外数据以及套期保值效果来说,参数法取得的效果较好.特别地,隐含波动率建模方法无论是对期权定价还是套期保值,效果均优于直接根据市场数据建模的结果,样本内定价误差可减少一半以上,均方误差可降低1～2个数量级.     

基于TVS-HAR模型的农产品期货市场已实现波动率的预测研究

本文以4种农产品期货的高频数据为样本,在实证考察预测因子对农产品期货已实现波动率的预测能力基础上,通过假定时变HAR模型的参数遵循独立正态-伽马自回归过程先验分布,构建了具有时变稀疏度的HAR模型(TVS-HAR),以同时考虑预测模型参数的时变性和预测模型的时变性,并采用MCS检验评价和比较该模型和其他HAR族模型的样本外预测性能.实证结果表明:TVS-HAR模型能较好地识别和拟合潜在预测因子对农产品期货市场波动率的预测的重要性和影响程度的时变性;跳跃成分对我国农产品期货市场已实现波动率具有一定的预测能力;相对于其他几类HAR模型,TVS-HAR模型的预测性能最好.     

基于跳跃、好坏波动率与百度指数的股指期货波动率预测

本文首次将百度指数引入HAR波动建模框架,基于跳跃、好坏波动率与百度指数提出HAR改进模型,实证研究揭示股指期货波动运行规律,并通过MCS检验分析预测模型优劣.HAR建模考察连续-跳跃波动、好-坏波动率的两种已实现波动分解.为了降低波动率估计偏差,基于序列相关法仿真统计最优抽样频率,利用已实现核修正的ADS检测识别跳跃,进一步修正好坏波动率与符号跳跃.基于沪深300股指期货的样本内外预测表明:连续波动比跳跃波动对未来已实现波动的预测贡献更大;好坏波动率具有不对称的波动冲击,好(坏)波动率抑制(加剧)未来波动性;符号跳跃对未来波动具有负向冲击;好坏波动率分解优于连续与跳跃波动分解;百度指数能显著提升HAR波动建模的样本内外预测能力;MCS检验证实,考虑符号跳跃与百度指数的HAR-RV-SJ-BI模型表现最佳.研究结论对认识股指期货波动规律和市场风险具有意义.     

基于混频数据驱动神经网络模型的波动率预测研究

金融市场价值波动与经济政策等宏观环境密切相关,其影响要素多源,价值波动往往表现出复杂的统计特征与变化规律,现有的波动率预测模型难以有效地预测其价值波动规律.面对价值波动中风险要素多源、频率多样、关系非线性的潜在挑战,考虑到深度学习框架下CNN和LSTM的计算优势,本文提出了基于混频数据反向抽样的CNN-LSTM的波动预测模型:MDNN (mixed frequency data-driven neural network),该模型既有效提取多元时序数据的时空特征、又充分利用混频信息,使其预测能力与泛化能力得到有效提升.选取常见的供应链金融质押物铜、铝和锌作为研究对象,样本外预测结果表明:相比于基准模型,MDNN更加准确、有效地预测出质押物已实现波动率,其稳健性检验也表明实证结论的可靠性.     

非仿射随机波动率模型下的50ETF期权定价基于Fourier-Cosine方法

非仿射随机波动率模型因其简约、且能较好刻画资产收益率分布的尖峰、厚尾、有偏等特性,近年来日益受到金融学界和业界的关注;然而,由非仿射随机波动率模型推导的衍生品定价方程,难以得到解析定价公式,因而其在实际应用中存在较大困难.应用扰动法处理标的资产对数价格的特征函数所满足的柯尔莫哥洛夫后向方程,得到特征函数的解析逼近式;然后应用FourierCosine方法,推导出欧式期权的拟闭型定价公式.上证50ETF期权定价的数值结果表明由推导的拟闭型定价公式计算得到的期权价格以及Greeks值,与市场价格和Wind资讯给出结果十分接近;且定价精度和效率明显优于当前同类型研究.本研究可望为上证ETF新期权品种提供一种高性能、应用级的定价和风险量化管理工具.     

考虑时变波动率影响的最优期权投资组合

本文基于上证50ETF期权,构建单期模型求解最优期权组合问题.我们采用GARCH模型和GJR-ST模型来刻画标的50ETF日对数收益率的动态过程,采用蒙特卡罗模拟法生成标的资产在期权到期日的价格分布.样本外实证结果表明,GARCH模型和GJR-ST模型构建的最优期权组合都能获得显著为正的样本外平均收益.而相比于GARCH模型,GJR-ST模型能更好地管理波动率风险,因而可以获得更高的收益风险比.     

隐含波动率曲面的预测研究:来自中国台湾市场的证据

本文采用两步法构建了期权隐含波动率曲面的动态模型,并利用该动态模型检验了台指期权隐含波动率曲面的可预测性.结果显示,台指期权隐含波动率曲面无论在统计意义上还是经济意义上都具有可预测性,当在预测过程中加入看涨(看跌)期权市场净购买压力信息后,台指看涨(看跌)期权隐含波动率曲面的样本外预测效果得到了显著提高,在不考虑交易成本以及合适的交易成本的情形下,依据模型预测结果构建的交易策略能获得正的超额收益.     

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.     

方差风险溢价和收益率预测:来自上证50ETF期权市场的证据

方差风险溢价反映了投资者的风险规避程度和其对极端风险损失的高估.本文首次将我国期权市场的方差风险溢价分解为向上和向下的方差风险溢价,讨论其预测效果,同时还通过构造Delta对冲组合对方差风险溢价进行检验.研究发现,方差风险溢价显著为正,Delta对冲组合的收益显著为负,两者相互印证了一个事实:中国投资者是风险规避的,并愿意为对冲方差风险支付溢价.研究结果还表明和成熟市场不同,中国市场的方差风险溢价对收益率缺少预测能力,向上方差风险溢价和向下方差风险溢价均没有表现出显著的预测能力.本文的研究丰富了对中国期权市场投资者行为的理解.     

中国股市多分形波动率建模及预测研究

本文考虑股市高频数据的日内效应和已实现波动率的测量误差修正了现有多分形波动率指标的构建方法,以HAR模型为基础构建新的多分形波动率预测模型.利用Diebold-Mariano检验和"模型信度设定"检验等方法综合评价了各种模型对我国沪深300股指的预测能力.结果表明:1)在相同模型范式下,赋权调整已实现波动率的样本外预测能力要优于已实现波动率,而本文提出的新的多分形波动率模型要显著优于其他模型;2)在相同波动率测度指标下,引入股价波动的跳跃成分和杠杆效应能进一步改善波动率模型的短期预测效果;3)最优和次优模型均是基于新多分形波动率方法构建的模型.     

基于波动率分解的期权定价

文章通过将标的资产波动率分解为不相关的两个组成部分,构建了期权定价模型,并求解了相应的期权定价公式.分析新模型在标的资产收益率的偏度与峰度、隐含波动率等方面的重要特征,并利用市场数据对模型进行了拟合.研究表明:将波动率进行分解,以适应于其组件不同的运动过程,从而扩展了模型的适用场景;利用波动率组件的相互作用,即使在波动率参数较低时,也可以令短期期权获得明显的尖峰、波动率微笑等形态特征,从而有效地规避了单因素随机波动率模型的缺陷;同时,通过波动率分解引入新的风险源,模型具有更好的定价效率.     

中国股市多分形波动率建模及预测研究

本文考虑股市高频数据的日内效应和已实现波动率的测量误差修正了现有多分形波动率指标的构建方法，以HAR模型为基础构建新的多分形波动率预测模型.利用Diebold-Mariano检验和"模型信度设定"检验等方法综合评价了各种模型对我国沪深300股指的预测能力.结果表明：1）在相同模型范式下，赋权调整已实现波动率的样本外预测能力要优于已实现波动率，而本文提出的新的多分形波动率模型要显著优于其他模型；2）在相同波动率测度指标下，引入股价波动的跳跃成分和杠杆效应能进一步改善波动率模型的短期预测效果；3）最优和次优模型均是基于新多分形波动率方法构建的模型.     

Variance Gamma过程与股票期权定价中的波动率偏度的纠正

针对Black-Scholes期权定价模型在股票期权定价中的波动率偏度的定价偏差，介绍一种新的改进模型来纠正波动率偏度，这种改进模型是通过将Black-Scholes期权定价模型中的布朗运动过程替换为Variance Gamma过程来实现的，在给出相应欧式看涨期权价格的解析的基础上，对改进模型的定价性能进行实证检验。     

基于TVS-MHAR模型金融市场高频多元波动率的预测

本文基于Kalli和Griffin(2011)的时变稀疏模型和多元HAR模型,构建了具有时变稀疏性的多元HAR模型(TVS-MHAR),并利用中国上证综指、沪深300期货和国债期货的五分钟高频数据,对金融市场的已实现波动率矩阵进行预测.本文通过Cholesky转换方法保证预测波动率矩阵的正定性.通过对不同多元波动率模型的预测结果进行数值比较和经济比较,本文发现,本文构建的TVS-MHAR模型无论对于短期预测、中期预测还是长期预测都具有最高的预测精度和最大的投资改善.同时,时变多元波动率模型可以获得比固定参数模型更好的预测效果,高频数据模型比低频数据模型获得更大的投资改善.     

基于微观结构噪音修正的波动率估计——以中国股市逐笔交易数据为样本

基于中国股市遂笔交易数据,有效利用全样本不规则采样数据,采用二尺度已实现波动率(TSRV)方法对我国股票市场分离噪音下的日波动率进行估计,并将TSRV方法拓展至日内高频时段,结合RV模型进行了对比研究,研究结果正示逐笔交易数据相对传统起高频数据包含更多的交易信息,噪音的存在严重的干扰了波动率估计,TSRV方法在中国市场条件日间和日内都具有较好的适用性,能有效别出微观结构噪音对波动率估计的影响,提高波动率的估计精度和稳定性.实际应用中,TSRV方法对低频采样频率的选取具有很好的鲁棒性.     

具有价格随机波动率的新型期权定价

为了研究具有随机波动率的新型期权的定价,应用近似方法分析随机波动率期权的价格.模型允许基础资产价格具有均值回复特征与波动率具有平方根过程,得出关于平均波动率新型期权泰勒展开式.平均波动率交又矩通过常微分方程的Frobenius展开得到,并给出一些新型期权的定价公式,结果表明该近似方法在给具有价格随机波动率的新型期权的定价时非常准确与有效.     

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。     

基于双重XGBoost模型的农产品期货波动率预测——以玉米期货为例

农产品期货的波动率在农产品衍生品定价、风险分散和农产品风险对冲等领域都起着关键性作用。对波动率进行预测,投资者可以依据波动率预测结果,对预期可能面临的风险采取相应的应对策略,更加精准地进行农产品风险管理。但波动率预测领域存在如下挑战：(1)波动率的预测期限较短,仅为1天或3天,难以反映资产在未来较长时间的价格波动率情况;(2)以往研究多关注于价格等信息,在波动率预测中对于基本面信息考虑较少;(3)神经网络、深度学习等预测模型的可解释性较差,网络构建和超参数的选择多依赖于经验选择。本文提出了一个基于XGBoost模型的波动率预测框架,考虑价格和基本面数据,对于波动率的长期趋势和短期变化进行了分析。实证结果表明,加入了更多信息维度的模型有助于提升波动率预测的精度,相比于传统的GARCH模型,均方误差MSE缩小了35%以上。     

基于已实现波动率的上证综指异常时序检测

时间序列模式识别、异常检测在金融领域有着广泛应用,能够为金融决策提供重要参考信息.在大数据场景下的异常检测中,为满足对计算效率、存储空间的要求,通常对时序数据利用近似表示进行降维.但在高频金融领域,已有的近似方法会丢失大量波动信息,而微观结构噪声、市场波动信息对高频金融分析至关重要.因此,本文在传统方法基础上,结合基于变点检测的时序近似表示和已实现波动率,通过聚类识别表现异常的时间序列.基于上证综指数据的实证分析表明,引入已实现波动率能够进一步优化聚类质量,准确识别波动异常的时间序列,为实际金融分析提供有价值的决策支持.     

基于非对称跳跃粗糙随机波动率模型的期权定价研究

基于资产价格存在的非对称跳跃与资产波动率存在的粗糙特性,本文提出了粗糙带非对称跳Heston模型(rHeston-AEDJ),在风险中性测度中推导出该模型的特征函数.由于模型的非马尔可夫且非半鞅性质,不能使用传统的欧拉方法进行逼近,本文使用混合模拟方法对该模型进行逼近,并解决粗糙波动率下奇异期权的定价问题.在风险中性测度下,基于Fourier-SINC推导了欧式期权的拟闭解.实证研究结果表明,上证50ETF价格存在跳跃、波动率Hurst指数远小于1/2,即波动率存在粗糙性,并基于拟闭解对上证50ETF期权进行定价实验发现本文所提出的rHeston-AEDJ模型在样本内外均有较好的定价精度.本文的研究对国内外期权产品定价与精确风险管理具有重要的现实意义和应用价值.