基于非参数波动测度的上海股票市场异质性研究

利用非参数波动测度——已实现波动和已实现极差波动研究了上海股票市场的异质性现象,发现上海股票市场收益波动率的长记忆性主要是由短期交易者和长期交易者决定,并且已实现极差波动测度对股票收益波动的预测效果要好于已实现波动测度.     

已实现波动测度的有效性及实证分析

建立在高频金融时间序列基础上的已实现波动测度是资产价格过程中隐含波动的一致估计量,证明了已实现双幂变差波动测度是比已实现波动更有效的波动估计量,并利用中国股票市场的高频数据进行了实证分析,实证结果与理论分析相一致.     

中国股市"已实现"波动率的周期性研究

论述证券市场“已实现”波动率的理论,利用深圳成分指数和上海综合指数的5 m in高频数据,对沪深两市的波动周期做了实证分析,通过Fourier谱分析,比较了沪深两市的波动周期,揭示了我国股市的周期波动性特征.目前,我国股票市场的周期性研究多集中在市场指数和收益率的低频数据周期分析,本文的特点是利用高频数据对波动率这一重要参数的周期性进行分析.     

基于局部均值分解的高频金融数据波动率估计

为解决高频数据在风险评估中存在的非线性问题,提出了利用局部均值分解方法实现高频数据波动率估计。首先,采用高频模拟数据验证估计方法的可行性; 其次,将沪深300 指数不同频率收盘价作为研究对象,利用局部均值分解方法估计波动率,计算相对误差统计量。实验结果表明,利用局部均值分解方法可以有效实现高频数据波动率估计和解决高频数据中的非线性问题,随着抽样频率的增加,估计精度逐渐提高。该方法为高频数据波动率非参数估计提供了新的研究思路。     

高频金融数据市场微观结构噪音误差

文章针对近年来高频金融数据在波动率研究领域的研究应用中出现的市场微观结构噪音误差影响严重的问题,以"已实现"波动率估计为载体给出了2种有效的市场微观结构噪音估算方法,即微观结构噪音的自协方差估计和以高频数据的"已实现"波动率估计市场微观结构噪音误差,并对两者通过蒙特卡罗模拟试验数据作了比较,得出了相应的结论.     

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.     

基于HAR模型对中国股市已实现极差的研究

在20支上证A股股票高频日内数据的基础上,考虑成交量、交易次数和各种形式的隔夜回报对已实现极差的影响.为了考查影响效果,我们将加入这些滞后变量的增广HAR模型同传统HAR模型进行比较.研究结果表明,在样本内预测上这些滞后变量都对已实现极差有一定的影响,然而在样本外预测效果方面,加入这些滞后变量后的增广HAR模型同传统HAR模型相比并没有显著提高.     

高频GARCH模型的最优抽样分析

波动率代表是运用高频数据估计日频GARCH类模型时构造的一个重要统计量,文章针对运用高频数据估计日频GARCH模型的3种方法,基于估计量的渐近结果讨论了最优波动率代表的选择问题,并展开了在日内高频数据抽样中应用的讨论。通过对沪深300指数的高频数据实证分析发现：同一波动率代表在不同抽样频率下的表现有明显差异;在同一频率下,不同波动率代表有优劣之分;在不同估计方法下,每一个波动率代表的最优频率都不同。因此,日内高频数据的最优抽样频率应针对模型所用的不同估计方法加以区别对待。     

基于EGARCH模型的远期开始期权定价

文章利用测度变换和期权定价的鞅方法,经过简单的数学推导得出了欧式远期开始期权的定价公式.选取了航天动力(600343)股票2010年交易日收盘价格的实际数据为样本建立了股票对数收益波动率的EGARCH模型,利用Eviews软件进行参数估计得到了波动率的方程,并对波动率进行了样本外预测,从而可以计算出比基于历史波动率更合理的期权价格.最后给出了一个远期开始看涨期权价格数值计算的例子.     

高频数据下基于LSTM的协方差矩阵预测模型

协方差矩阵的建模与预测,对于金融风险管理、投资组合管理等至关重要。 针对时间序列模型 对高维变量预测精度较低的问题,利用长短记忆神经网络模型(LSTM),提出了基于深度学习的高频数据已 实现协方差矩阵预测模型。 利用金融高频数据得到已实现协方差矩阵,对其进行 DRD 分解,针对相关系数 矩阵 R 进行向量化处理,利用向量异质自回归模型(HAR)预测已实现相关系数矩阵 R;针对已实现波动率 矩阵 D,利用半协方差(semi covariance)思想,结合 LSTM 模型,得到已实现波动率矩阵 D 的深度学习预测模 型,构建了 LSTM-SDRD-HAR 已实现协方差矩阵动态预测模型。 LSTM 模型和 HAR 模型能捕捉实际数据 的长期记忆性,半协方差有利于捕捉金融数据的杠杆性。 实证分析表明:相较于传统向量 HAR 已实现协方 差矩阵预测模型,LSTM-SDRD-HAR 预测已实现协方差矩阵更为准确,基于 LSTM-SDRD-HAR 预测已实现 协方差矩阵构造的有效前沿组合投资效果更佳。     

金融市场发展的波动性的定量研究与实证分析

近年来,金融市场发展的波动性测度逐渐成为这一领域研究的热点问题,为了准确的描述金融市场发展的变化规律,建立了带有GJR-GARCH波动率的资产定价模型,对金融市场波动率的行为和性态以及波动率的影响因素进进行了定量研究。同时选取国内4家银行的股票价格历史数据作为样本,主要对其对数收益率及波动率进行了计算和分析,对理论结果的合理性进行了验证。结果将作为人们深入了解金融市场及合理投资的重要参考。     

金融市场中高频数据的分析方法

对高频数据所得到的市场波动率特征和常用的模型及估计方法进行系统的总结,归纳出模型的共同特征、不足之处和修正方法,指出了应用高频数据所面临的问题,提出了在中国股票市场中高频数据的应用方法．     

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。     

利用小波方差逼近数据波动率的改进BS模型(MBS)

利用小波分析的多尺度方法,描述了小波方差在金融数据中所反映的实际意义和在金融分析中的尺度选择条件,分析了数据发生过程中分解出的不同波动段对于整体波动性的贡献量.然后通过加权重构不同尺度段产生的小波方差来体现数据的渡动情况,从而得到了一种新的计算Black Scholes模型中波动率的方法,最后利用MATLAB的模拟实证分析证明了其有效性.     

权证和其标的资产波动率的相关性分析

利用Black-Scholes期权定价的方法,给出了沪深两地上市初期权证及其标的股票的收益率和波动率,并对波动率数据进行回归分析;数值分析结果表明：多数权证的波动率和其标的资产的波动率没有线性相关性,数据经Box-Cox变换后分析,结论成立;这表明在权证上市初期,多数权证的波动率和标的资产波动率没有线性相关性,权证价格涨跌幅度大,严重偏离其市场价格;投资权证更多的是利用了其投机功能,其套期保值和风险管理功能被忽略.     

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.     

金融市场高频数据分析的建模进展

目前,在利用年、月等低频数据对股票市场的波动率进行研究的基础上,国内的一些学者开始用日内高频数据展开相应的研究.论文对国内外的大量最新文献进行了综述分析,提出了金融市场高频数据分析的3个创新研究方案和建模方法.