上证综指马尔可夫转换模型的MCMC估计和分析

引入结构突变,对上证综指马尔可夫转换-ARCH模型通过马尔可夫蒙特卡罗方法(MCMC方法)进行估计。在30000次参数模拟之后,本文得到稳健、可靠的结果,似然比检验显示本文模型好于几乎所有GARCH族模型。本文结论:(1)相对于世界主要股市,中国股市各波动状态的持续时间短、波动幅度大;(2)不像其他股市,中国股市的波动不能反应国内外的政治经济状况的变化;(3)中国股市中等波动状态的收益率显著大于0。这些结论提供了一个认识中国股市波动性的全新视角,还揭示了一种基于模型的实用数量投资方法,最后本文提出了完善中国股市的相关建议。     

基于跳跃、跳跃强度和机制转换的股票市场波动建模及其预测研究

将跳跃及其跳跃强度引入到异质自回归(heterogeneous autoregressive, HAR)模型中,并在此基础上进一步嵌入固定转移概率矩阵的马尔可夫状态转换机制模型,构建出系列新的波动预测模型.运用系列统计检验手段(如模型置信度检验、样本外R²检验、趋势检验)评估上述预测模型对中国股票市场波动的预测能力,样本外的实证结果表明:1)与基准模型相比,结合马尔可夫机制转换的模型具有更好的预测表现; 2)相比其他预测模型,包含跳跃、跳跃强度以及马尔可夫机制转换的模型(MS-HAR-TJI)具有更高的预测精度; 3)在新冠疫情爆发期以及高波动时期, MS-HAR-TJI模型对中国股票市场波动仍具有很强的预测能力.     

多模型广义标签多伯努利滤波器

标准广义标签多伯努利算法没有对目标状态转移密度进行深入分析, 在带入确定运动模型的情况下无法对机动目标进行跟踪。针对这个问题, 参考基于马尔可夫跳变分支合并策略的多模型算法, 提出了交互多模型广义标签多伯努利算法、一阶广义伪贝叶斯广义标签多伯努利算法, 以及二阶广义伪贝叶斯广义标签多伯努利算法, 并将这三种多模型算法与同样针对机动多目标的马尔可夫跳变系统广义标签多伯努利算法进行比较。仿真结果表明, 与马尔可夫跳变系统广义标签多伯努利算法相比, 所提三种算法具有更低的计算时间消耗和更高的跟踪精度。其中, 一阶广义伪贝叶斯广义标签多伯努利算法计算时间消耗最低, 二阶广义伪贝叶斯广义标签多伯努利算法跟踪精度最高, 交互多模型广义标签多伯努利算法综合性能最好。     

基于灰色马尔可夫SCGM(1 ,1) C 模型的空难人数预测

空难事故预测是航空安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.结合灰色预测和马尔可夫链理论的优点,提出了一种灰色马尔可夫SCGM(1,1)C模型.用单因子系统云灰色SCGM(1,1)C模型拟合系统的发展变化趋势,并以此为基础进行了马尔可夫预测.对1979~2003年全球空难人数进行了预测分析,结果表明该模型既能揭示了空难人数变化的总体趋势,又能克服了随机波动性数据对预测精度的影响,具有较强的工程实用性.     

基于结构转换PTTGARCH模型沪深股市波动率的估计

考虑股市收益率波动存在结构转换特征以及描述波动非线性和非对称特征的幂变换门限GARCH(PTTGARCH)模型,本文提出结构转换PTTGARCH模型.选取沪深300指数日对数收益率作为研究对象,将股指的波动变化分为下跌、上涨和盘整三个状态:选用2013年7月1日至2015年12月17日以及2015年12月18日至2016年1月8日作为样本内和样本外时期:分别应用GARCH,EGARCH,APGARCH,PTTGARCH模型及具有结构转换的相应模型对沪深股市波动率进行估计和预测,利用高频数据得到的已实现波动率作为股指实际波动率的估计.采用平均平方误差(MSE_1,MSE_2),平均绝对误差(MAE_1,MAE_2)对估计与预测的波动率进行评价,并采用模型信度集(MCS)检验比较各模型估计和预测能力.研究结果表明:单状态和具有马尔可夫结构转换PTTGARCH模型在样本内和样本外的拟合和预测结果均更为准确.     

卫星信道衰减模型研究及试验分析

提出了一种基于时间序列的星-地通信链路衰减模型。模型利用一个目标聚类算法把大量衰减事件归纳为4类，然后通过改进的4状态马尔可夫链产生能够反映季节和气象变化的弹性时间序列，从而较为真实的模拟出链路衰减时的数据报丢失和重传等状态。在该模型基础上对多播文件传输协议进行了试验和分析。     

加权马尔可夫SCGM(1,1)c模型在农作物干旱受灾面积预测中的应用

灰色模型拟合时序数据的总体趋势,所得拟合精度指标是随机波动的,而马尔科夫链原理适合处理波动性大的系统过程,选用能更好解决随机波动性的加权马尔可夫链预测方法,提出一种用于农作物干旱受灾面积预测的加权马尔可夫SCGM(1,1)_c模型,适用时间短、数据量少且随机波动大的动态过程预测.以我国农作物干旱受灾面积预测为例,表明加权马尔可夫SCGM(1,1)_c模型对于农业旱灾预测具有较高的精度.     

基于HMM-EGARCH的银行间同业拆放利率市场波动预测研究

针对中国金融市场呈现出的多波动状态的典型事实特征,以上海银行间同业拆放利率(Shibor)市场为研究对象,不仅引入隐马尔可夫模型(hidden Markov model,HMM)对其进行了波动状态预测,而且还引入HMM-EGARCH模型对其波动率进行了预测;最后使用成功率(success rate,SR)与平均绝对误差(mean absolute error,MAE)对预测波动状态进行检验,并且还采用标准统计误差函数对预测波动率进行检验.实证研究表明:高低两种波动状态就能够有效地刻画出Shibor市场的波动状态;HMM模型能够对Shibor市场进行较准确地波动状态预测,且更重要的是,HMM模型对高波动状态预测具有显著的优越性;HMM(2)-EGARCH模型能够有效地对Shibor市场进行波动率预测.     

基于马尔可夫状态转换方法的套期保值

中国商品期货市场由于各种因素影响导致期现关系的高、低波动状态发生变化, 这对套期保值产生重要影响, 将马尔可夫状态转换方法引入到中国商品期货市场最优套期保值研究, 分析状态转换下的套期保值. 研究表明, 期货市场和现货市场的关系表现为相异的高、低波动状态, 高波动状态的稳定性、持续时间均低于低波动状态, 市场所处的状态与基差变化密切相关. 套期保值绩效分析表明, 单一状态套期保值中MGARCH模型的效果好于VECM, 而VECM又好于VAR, 它们均优于OLS模型. 时变转换概率和常转换概率马尔可夫模型的套期保值效果优于单一状态下的套期保值.     

电子商务发展过程的定量研究方法

利用美国证券交易所开发的互联网指数作为反映电子商务行业发展状况的指标，将基本马尔可夫切换模型改进为异方差、四阶自回归形式，定量研究电子商务的发展过程，分析其发展规律，发现电子商务的发展目前正处于由衰退到再次成长的过渡阶段、     

基于Gibbs抽样的厚尾SV模型贝叶斯分析及其应用

我国的金融时间序列存在普遍的波动性现象,而波动性又存在尖峰厚尾现象。首先对反映波动性特征的厚尾金融随机波动模型(SV-T)进行贝叶斯分析,然后构造基于Gibbs抽样的MCMC数值计算过程进行仿真分析,最后利用DIC准则对SV-N模型和SV-T模型进行优劣比较。研究结果表明:在模拟我国股市的波动性的方面,SV-T模型比SV-N模型更优,更能反应我国股市的尖峰后尾的特性,并且证明了我国股市具有很强的波动持续性。     

基于体制转换的图模型方法及其在证券市场的应用

提出了新的基于体制转换模型的图模型方法.首先给出精度矩阵参数化方法,且通过MCMC方法给出算法设计,然后将该图模型方法应用于我国上海证券市场,研究五大行业板块之间的动态条件相关性.实证结果表明:两状态图结构恰好体现高、低不同的条件相关性,且状态持续的概率较大.     

基于Markov机制转换模型的我国股市周期波动状态研究

运用Markov机制转换模型,研究我国股市在不同状态之间的周期转换.研究结果表明, 四状态异方差马尔科夫机制转换模型最能刻画我国股市周期波动特征; 1996年12月26日-2010 年 12月 31日涨跌停板限制下, 股票价格的变动可以分为快速下跌、缓慢下跌、缓慢上涨和快速上涨四种状态;我国股市总体上体现出急涨慢跌的态势, 缓慢下跌是其主要波动状态;股市阶段性波动大体上分为波动较大和波动较小两种期间.     

中国股市波动的异方差模型及其SPA检验

以中国股票市场最具代表性的股价指数-上证综指的高频(High-frequency)数据样本为例,实证计算了以GARCH族模型和随机波动(Stochastic volatility)模型为代表的不同异方差模型对中国股市波动率的预测,并进一步运用SPA(Superior predictive ability)检验法,实证检验了不同异方差模型对中国股市波动的刻画能力和预测精度问题.实证结果显示,就中国股市而言,随机波动(Stochastic volatility)模型是预测精度最高的异方差模型,但在某些损失函数标准下,EGARCH模型也具有良好的波动预测表现.     

多种市场形态下人工股市特征性事实分析

研究不同市场形态下股票市场的特征性事实对理解股市运行有指导意义.构建了一个具有基础均衡、泡沫均衡、周期和混沌4种市场形态的多主体股市模型,并对其各种形态进行了计算机仿真实验,然后对仿真收益率序列统计分析.研究表明:4种市场形态均存在尖峰肥尾、波动聚集和长期记忆特性,其中以基础均衡状态最为明显,周期和混沌次之,泡沫均衡最弱.     

股指期权推出对股票市场和股指期货市场波动性影响

对于证券市场来说期权具有价格发现、活跃股票市场、增强市场的流动性与稳定性、促进资本形成、确保资本市场良性运行等功能.以韩国KOSPI200指数和KOSPI200指数期货为研究对象,使用GARCH(1,1)模型、TARCH(1,1)模型对韩国KOSPI200股指期权推出后KOSPI200指数和KOSPI200指数期货的波动性进行了研究.研究结果表明:KOSPI200指数期权推出对于KOSPI200指数和KOSPI200指数期货的波动性和非对称波动性都有显著的影响,KOSPI200指数推出后KOSPI200指数和KOSPI200指数期货的波动增大,同时股指期权推出后现货市场的不对称性加大,而股指期货市场的不对称性减小.结论对于新兴市场经济国家股指期权产品的设计和中国股指期权推出后的风险防范有着重要的参考价值.     

基于股市和汇市成交量信息视角的股价波动预测

以往研究忽略了汇市成交量包含的信息对股价波动的影响,可能导致模型参数的有偏估计.基于泊松分布的随机波动率模型不仅可有效解决传统做法对成交量信息使用不足的问题,而且通过将汇市成交量信息引入模型,与现有文献形成有益补充.通过SMC算法编程实现了SV-VOL模型的有效估计,发现股市成交量信息有助于股价波动预测;汇市成交量信息是通过股市流入净资本这一间接渠道最终影响股票收益率与股市量价关系.     

中国股票市场的收益与波动关系

在考察现有的2种收益与波动关系模型(GARCH-M和SV-M)差异的基础上,运用更具理论优势的SV-M模型,研究了实行涨跌幅限制制度前后中国股市收益与波动关系的不同状况,并结合波动反馈效应理论,探讨了中国股市预期收益与波动之问的跨期关系.研究表明:中国股市的收益与同期波动之间存在负相关关系,这一关系在实行涨跌幅限制制度后变得更为显著;中国股市存在波动反馈效应,且预期收益与波动之间的跨期关系为正;涨跌幅限制制度不仅限制了沪深股市的暴涨暴跌现象,而且增加了股指收益率的自相关性和波动的持续性.     

随机波动模型参数估计的新算法及其在上海股市的实证

研究用马尔科夫链蒙特卡罗(MCMC)算法估计随机波动模型的参数问题.基于“前向滤波,后向抽样”方法提出一种新算法,并将新算法同原有算法进行了比较.然后利用新算法对上海股市进行波动性分析,发现中国涨跌停板制度对波动的持续性估计有着重要的影响,忽视这些因素将会导致波动的持续性被高估.