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.     

基于实际波动率的我国股市波动率实证研究

从上证180样本股中随机抽取30只股票,采用日内分钟交易数据,对实际波动率的部分性质进行实证研究,得出经实际波动率标准化的收益率序列接近于正态分布,对数实际波动率序列的分布近于正态,实际相关系数序列接近于正态分布,实际波动率序列、对数实际波动率及相关系数序列均具有显著的长记忆特征,不同股票的对数波动率序列之间具有显著的相关性。     

基于小波协方差的中国股市波动序列相关性的实证分析

在综述相关系数与概率中变化协调的相关性度量方法基础上,提出了基于小波协方差的相关性度量方法,并对沪、深股市波动序列之间的相关性进行了实证分析,结果表明沪深股市波动序列在整体上具有一定的正相关性,不同尺度下沪、深股市波动序列之间的相关性不同,小尺度下相关性小,因此以小尺度为基准,采用组合投资分散风险较好。     

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.     

中国股市波动率变化特征的实证分析

将体制转换模型与广义自回归条件异方差(GARCH)模型相结合,用以对上证综合指数和深圳成分指数进行实证分析.刻画中国股市的波动持续性和体制变化特征,解决单体制GARCH模型的伪高度持续性问题,识别出两市高低波动体制.从分析结果发现,中国股市存在着明显的体制变化特征,高低波动体制显著相异;引进转换体制之后,持续性系数显著降低;T 1体制和涨跌停板制度对于抑制过度投机起着重要作用.     

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.     

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.     

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.     

中美股市波动的联动性的实证分析

用二元GARCH模型的方法建立了中美股票市场的波动模型,考察了中美两个股票市场从2002-2007年间的股指波动的联动性问题。结果显示：随着中国经济的不断开放,中国的股票市场的波动和美国股票市场的波动存在递增的联动性,且中国股票市场的波动对美国股票市场的波动的单方面影响尤其显著。分析了产生这种结果的原因,并提出相关的建议     

股指极端波动下中国股票市场网络拓扑结构

采用最小生成树方法构建股票市场网络,研究中国股市网络在股指极端波动前、中、后阶段MST结构的演化、拓扑指标与关键节点不同时期的个体行为特征.结果表明:中国股市行业内有很强的聚集性和行业间的匀质性;在极端波动时MST网络收缩,波动后网络又伸展扩张;极端波动中后期,材料业和信息技术业异军突起占据网络重要位置;不同传染源引起的极端波动其风险传播途径不同.股指极端波动加剧了股票市场股票间的联动性,市场中资产发生重新配置,网络结构产生新的调整.     

考虑跳跃和杠杆效应的股市多分形波动率建模

考虑股票市场中存在的跳跃行为和杠杆效应等特征,在HAR模型基础上,构建了一种新的多分形波动率模型.以上证指数和深证成指每5min高频数据为研究样本,运用“模型信度设定”(MCS)检验方法,实证对比了各波动率模型在高波动和低波动两个子样本期对我国股市的预测能力.实证研究结果表明,所提出的多分形波动率测度指标及其计量模型具有较好的预测作用,特别是在高(极端)波动时期其优势更为突出;研究结果有望为金融风险(特别是极端风险)的管理与控制提供新思路与新方法.     

对于预测上海股市股指波动性的数量模型的比较

目前对于随时间而变化的波动性预测模型主要有两类:一类是假设波动性的变化是一个确定性过程的GARCH模型,另一类是假设波动性的变化是一个随机性过程的随机波动模型.本文同时将这两类模型(GARCH(1,1)模型及其特例RiskMetrics模型,随机波动模型)应用于上海股市中,通过对样本外区间的预测准确度来衡量这两类模型对我国股市波动性的预测能力.通过4个预测准确度指标,MS模型对于上证指数在样本外区间的预测相对于另外两个模型而言都是显著最佳的.RiskMetrics模型的表现则要优于GARCH(1,1),且RiskMetrics在实际运用中要方便的多.     

基于跳跃厚尾随机波动模型的股市波动研究

通过对4个不同SV模型对比分析,试图了解股市收益序列中具有较大波动幅度的极端实现值能够被解释为一个非高斯分布的尾部行为,还是高斯扩散中一个跳跃组分的叠加,抑或是这两种设定同时起作用.采用两种具有不同波动程度的上证综指日收益数据进行的实证研究发现,我国股市日收益序列不仅存在显著的尖峰(厚尾)特征,而且波动持续性较低,以及受政府政策影响较多.此外,两组收益数据所对应模型的实证比较发现,跳跃设定有助于SV模型描述波动剧烈的收益序列,但却不适合波动平缓的收益序列.     

涨跌幅限制对股票市场波动性的影响

运用Schwert提出的计算波动性方法,从不同角度实证研究了中国证券交易实行涨跌幅限制对股票市场波动性的影响．结果表明,在一定条件下,恰当的涨跌幅限制约束了市场剧烈波动;不恰当的涨跌幅限制不仅对波动性没有约束,反而在一定程度上增加了波动性．提出了在增加市场交易透明度的基础上,对小盘股、绩差股、信誉低的上市公司继续实行涨跌幅10％的限制,而对大盘股、绩优股、高市值股和信誉高的上市公司取消涨跌幅限制的建议．     

A股市场系统跳跃风险研究

β系数是现代资本资产定价模型理论研究的热点之一,在新的理论框架下对β系数进行分解,利用二次协变差方法对上海股票市场的β系数进行深入探讨.通过非参数一致估计量分别估计了上海股票市场的系统扩散风险和系统跳跃风险,并对其中30只股票的月扩散风险系数和月跳跃风险系数进行了统计分析.研究表明:上海A股市场的系统扩散风险系数和系统跳跃风险系数存在明显差异,并且系统扩散风险系数普遍大于系统跳跃风险系数.     

股指期货对现货市场日内波动影响的研究

本文使用GARCH及其拓展模型对沪深300股指期货上市前后我国市场的高频数据进行了分析研究,研究发现：股指期货上市后,我国股票现货市场的波动性出现了显著上升,这种上升并不源于现货市场信息效率的提高。研究同时表明,股指期货引入所带来的高时间频率下现货市场的波动上升不仅仅局限于股指期货标的指数,沪深300指数成分股之外的股票波动性也出现了显著上升。研究表明,股指期货并没有提高现货市场的定价效率。