高频金融数据下二阶波动率阵的估计

文章针对高频金融数据波动率研究领域中出现的微观结构噪音和跳过程的双重影响问题,在对高频金融数据下单个资产跳-扩散定价过程中波动率研究的基础上,对资产定价过程中的跳和微观结构噪音分别进行考虑,得出了高频金融数据下2个资产跳-扩散定价过程中的二阶波动率阵的估计和其收敛速度,扩大了现有文献中相应的研究结果.     

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。     

复杂金融系统的重现时间间隔分析

依据复杂性科学的思路,研究了金融市场大波动极端事件的重现时间间隔,考察了中国股市高频数据的重现时间间隔分布和时间关联特性,介绍了几种分布检验和关联测度方法,从不同角度进行精确分析.其次,系统介绍了重现时间间隔分析方法在金融复杂系统研究中的应用,对波动率、已实现波动率、收益率和交易量的重现时间间隔进行了实证分析,并在此基础上进行初步市场风险估计.最后,介绍了基于委托驱动的微观模型,通过模拟交易人的委托下单过程模拟市场的价格波动演化,研究大波动极端事件重现时间间隔的动力学机理,为中国股市大波动极端事件的风险估计和规避提供理论依据.     

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。     

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.     

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．     

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.     

股指期货波动率的半参数预测模型及其MCS检验

股指期货在资本市场价格发现和风险防范过程中扮演重要角色,科学准确的预测其收益波动率对充分实现股指期货的市场功能具有重要的理论和现实价值。将线性非负模型扩展为半参数的预测模型,用来预测股指期货市场的已实现波动率,并探讨了该模型估计方法的渐进性质。此外,以沪深300股指期货的5 min高频交易数据为例,运用滚动时间窗的样本外预测和最新发展起来的具有Bootstrap特性的MCS检验,在多种稳健损失函数下,实证评价和比较新构建的半参数预测模型与其他7类波动率预测模型对沪深300股指期货已实现波动率的预测能力。实证结果表明,在多种稳健损失函数的评价标准下,新构建的半参数预测模型是预测性能最好的模型。     

基于最新数据的上证50ETF期权定价实证研究

搜集、整理2016年3月至4月的上证50ETF高频交易数据,借助Excel工具并以历史波动率模型估计标的资产收益率的波动率,分析模型中的参数。分别用经典B-S模型和扩展B-S模型对上证50ETF期权进行定价实证计算,并通过对模型结果与期权市场价格进行均方误差计算及比较,得出两种计算方法的拟合程度均较好且扩展B-S定价模型更有效,从而为期权市场投资者提供了一个有效的分析工具。