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.     

基于多尺度主成分分析的ARIMA原油价格预测方法

石油作为"工业芯片",原油价格波动会对全球的经济与政治安全造成影响,准确地预测原油价格未来信息一直备受各方关注。提出基于多尺度主成分分析(MSPCA)的ARIMA原油价格预测方法,考虑原油期货价格与现货价格之间的相关性,采用原油期货价格和现货价格序列组成的二维数据作为原始数据,数据经过MSPCA后利用ARIMA进行预测。该方法利用了小波变换的多尺度分析能力,PCA的降维统计能力和ARIMA模型对非平稳时间序列的预测能力,实验证实该预测方法优于经典ARIMA方法和Holt′s指数平滑法,有效地提高原油价格预测精度。     

跳跃因素下原油期货定价模型的理论研究及实证分析

依据我国原油期货的特点，对带有跳跃性因素的原油期货定价模型进行研究.首先利用随机微分方程法推导出模型的解析解及模型参数的估计公式，其次对2019, 2020年我国上海原油期货合约价格进行实证分析，结果表明带有跳跃性因素的原油期货定价模型的预测能力较好，证明了该模型的合理性与实用性.该研究对我国原油期货的定价提供了一定的理论和实证分析依据.     

石油期货价格的日历效应及波动特征

文章运用GARCH类模型实证研究了NYMEX期货市场2002年1月—2009年9月间原油价格的收益和波动的关系、杠杆效应及周日历效应。结果显示,期货市场的收益与风险有显著的正向关系;原油期货价格波动存在着杠杆效应,相同幅度的油价下跌比油价上涨对未来收益的波动具有更大的影响;采用交叠样本的方法对各时间段进行检验,发现周五收益始终为正而波动幅度却没有明显增加。     

基于多尺度主成分分析的 ＡＲＩＭＡ 原油价格预测方法

石油作为“工业芯片”,原油价格波动会对全球的经济与政治安全造成影响,准确地预测原油价格未来信息一直备受 各方关注。 提出基于多尺度主成分分析(ＭＳＰＣＡ)的 ＡＲＩＭＡ 原油价格预测方法,考虑原油期货价格与现货价格之间的相关 性,采用原油期货价格和现货价格序列组成的二维数据作为原始数据,数据经过 ＭＳＰＣＡ 后利用 ＡＲＩＭＡ 进行预测。 该方法利 用了小波变换的多尺度分析能力,ＰＣＡ 的降维统计能力和 ＡＲＩＭＡ 模型对非平稳时间序列的预测能力,实验证实该预测方法 优于经典 ＡＲＩＭＡ 方法和 Ｈｏｌｔ′ｓ 指数平滑法,有效地提高原油价格预测精度。     

上证综指收益率波动性的非线性方法研究

以上证综指日收盘价为样本建立了对上证综指收益率波动性的非线性模型.实证结果表明我国上海股市的价格波动具有异方差性及显著的左尖峰厚尾的特征;收益率的波动不服从正态分布;具有集聚性和记忆性;波动持续时间较长.通过分析比较GARCH模型拟合效果较好,并预测结果有一定的稳定性.同时对收益率建立了EGARCH（1,1）和TARCH（1,1）模型,表明收益率波动存在一定的杠杆效应.     

股票收益率预测及风险与收益关系研究——基于ARMA-GARCH模型和高频数据

以沪深300指数的一分钟为间隔的实时价格为研究样本,利用ARMA模型和基于T分布的GARCH(1,1)模型,对其收益率进行了拟合和预测,同时运用GARCH-M模型,分析风险和收益之间的关系。研究表明,股指波动存在条件异方差性;ARMA模型长期预测效果较好,而GARCH(1,1)-T模型短期预测效果较好;沪深300指数的风险和收益不呈正比,说明我国股市发展不成熟。     

自贡市房价走势分析——基于马尔可夫转换波动和改进的小波神经网络

本文应用马尔可夫转换波动和改进的小波神经网络理论及软件,对自贡市房地产价格走势问题进行分析,建立房地产价格波动模型。得到影响房地产价格的实际利率变动率、人口增长指数、建安成本指数和人均支配收入四大主要因素,对自贡市房地产价格走势进行预测。具有较强的实践性。     

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。     

神经网络在原油期货价格预测中的应用

为了提高原油期货价格预测的准确性,分析了原油期货价格时间序列的特点和规律,采用一种改进的BP神经网络建立时间序列预测模型,对布伦特原油期货价格进行了预测研究.结果表明BP神经网络具有良好的自组织性和自适应性,有很强的学习能力和抗干扰能力,用BP神经网络对原油期货价格进行预测是行之有效的.     

我国原油期货价格与投资者情绪的异质效应：来自苏伊士运河堵塞的经验证据

苏伊士运河堵塞期间，我国原油期货价格剧烈波动，投资者表现出狂热和恐慌现象，严重影响市场发展。基于原油期货价格等数据，研究运河堵塞对期货价格和投资者情绪影响的异质效应。结果表明：运河堵塞期间，原油期货价格波动始终是投资者情绪波动的单向格兰杰原因，持续发酵的社会舆论加剧投资者情绪波动；堵塞处理进展会导致期货价格剧烈波动并显著影响投资者情绪，但投资者具有自我调节能力；相较于股票市场，期货市场对运河堵塞事件的反映更为迅速。     

基于GARCH-MIDAS-dLSTM模型的棉花期货价格趋势拟合研究

利用机器学习对期货价格的趋势进行拟合研究的时候,在价格波动剧烈的情况下效果往往并不理想.期货基本面方面的因子大多都是月度或者年度之类的低频数据,不能与日度价格数据进行很好地融合,因此无法充分利用这类信息进行拟合研究.针对上述问题,提出一种基于混频数据的GARCH-MIDAS-dLSTM模型,以棉花期货作为研究标的,将多因子GARCH-MIDAS模型与双层LSTM模型进行融合并对棉花期货收盘价进行趋势拟合.实验结果表明,引入棉花期货基本面低频因子的GARCH-MIDAS-dLSTM模型MAE值为0.127 3,较引入之前提升了0.018 4,表明该模型能够在价格波动剧烈的情况下提高拟合结果的准确度并减小误差.     

汇率波动对资本市场间溢出效应的影响

随着中国外汇管理制度改革日益深化,不断增强的人民币汇率波动对资本市场的影响越来越显著.基于改进的VAR模型构建了我国资本市场间的溢出效应指数,实证分析了汇率波动对资本市场溢出效应的冲击影响,进一步对比分析了不同的汇率波动区间对资本市场溢出效应冲击影响之间的差异.研究结果表明,不同波动率水平样本下人民币对美元汇率波动对资本市场溢出效应的影响具有非对称性,低波动率样本下汇率波动对资本溢出效应的冲击影响最显著;实证结果也证实了汇率的剧烈波动容易导致资本市场间溢出效应具有双边性.     

上海证券交易所Ａ股市场的波动性分析

运用主要的三种条件异方差模型：ARCH、GARCH、EGARCH模型，对上海证券交易所A股指数的波动性进行拟合，分析模型对上证A股指数收益的波动性、杠杆效应的拟合情况，比较不 同模型对未来波动性的预测情况。实证分析结果表明：EGARCH模型比较适合对我国股票市场 波动性作长期预测，若假设收益序列服从t分布，由此改进的EGARCH-T模型会得到比正态分 布下更好的拟合与预测效果。     

融合新闻影响力衰减的碳价格多元分解集成预测

新闻数据涵盖了与碳价格密切相关的政策、经济和能源等信息,对碳价格的影响具有时效性。为量化新闻影响力的衰减程度,基于词频统计和指数衰减对新闻数据提取特征,提出了1种新闻影响力衰减时间序列的计算方法,新闻的衰减效应更准确地反映新闻对碳价格的影响程度。为提高预测精度,构建了融合新闻影响力衰减的碳价格多元分解集成预测模型,运用噪声辅助多元经验模态分解方法对碳价格和新闻数据进行多元分解,基于样本熵重构分量,使用机器学习方法对分量进行预测,加和集成得到预测结果。以湖北省碳价格为例进行实证分析。结果表明：新闻影响力指数衰减方法能有效刻画新闻与碳价格的相关性,多元分解集成模型表现出优异且稳定的预测性能。     

基于多分辨率分析和极值理论的集合VaR模型

为了捕捉金融资产价格波动的多尺度时变特征,利用多分辨率分析(multi-resolution analysis,MRA)将收益率序列分解成不同时域上的正交分量,并对各分量序列分别建立适当的ARMA-GARCH模型,在此基础上引入极值理论(extreme value theory,EVT)对收益率的厚尾性进行建模,构建了一种MRA-EVT模型.将该模型应用于沪深300指数的VaR预测.实证研究结果表明,与传统ARMA-GARCH模型、无条件EVT模型和MRA模型相比,该MRA-EVT模型显著提高了VaR的预测绩效.     

GARCH-neural网络模型对股票价格买卖差波动率的预测

股票价格买卖差是衡量金融市场流动性和有效性的重要指标,已经得到学术界的广泛研究.相比而言,作为衡量股票市场风险的重要因素的股票价格买卖价差的波动率却没有得到相同的重视.在广义自回归条件异方差(generalized autoregressive conditional heteroscedasticity,GARCH)模型的基础上,提出了GARCH-neural network (GARCH-NN)混合模型分析股票价格买卖价差波动率的动态性.以深圳证券交易所成分股价指数的高频数据为样本对所提模型进行了实证分析.运用GARCH家族模型对股票价格买卖差波动率的动态性进行分析,得出预测效果最优的GARCH模型.在最优GARCH模型的基础上结合神经网络分析方法即GARCH-NN混合模型对样本数据进行了实证分析.比较分析最优GARCH模型和GARCH-NN混合模型对股票价格买卖差波动率的预测效果,并以AIC(Akaike information criterion)和BIC(Bayesian information criterion)作为检验模型预测效果的指标.实证结果表明,提出的GARCH-NN混合模型更优.     

基于QR-GED-EGARCH模型的国际石油价格影响研究

本文从实证角度利用GED-EGARCH模型更好地剔除了时间序列序列的波动集聚性,同时发现金融时间序列具有的"杠杆效应",再引入分位数回归构建QR-GED-EGARCH模型来研究美国次贷危机之后标准普尔500指数对石油价格的影响。结果表明,在不同分位点处,标准普尔500指数收益对石油价格收益的影响是存在显著性差异的,且具有一定的经济意义,有助于跨市场交易者了解次贷危机后的市场变化。     

VaR-GARCH模型在我国股指期货风险管理中的应用

国内外预测股指期货合约的市场风险基本以VaR风险评估为主流,计算VaR的核心与关键是估计波动性参数.由于金融资产价格涨跌率时间序列具有波动聚集效应、厚尾效应及时变方差效应,故采用对波动性估计具有精度、准确度和可信度较高的GARCH模型.基于这一点,构建了VaR-GARCH模型,并以恒生股指期货指数做了实证分析,结果表明VaR-GARCH模型可以很好地控制和预测香港恒生指数的股指期货风险.     

基于GARCH模型和BP神经网络模型的股票价格预测实证分析

采用GARCH模型和BP神经网络模型,利用上海A股30支股票(6类,每类各5支)2015年6月29日至2017年6月30日的日收盘价,分别进行短期(2017年7月3日至7日)、中期(2017年8月14日至18日)和长期(2017年9月25日至29日)预测.结果表明:在短期预测中,无论是否考虑当日价格波动对预测结果的影响,2个模型的每日与一周总体预测效果的差异均不具有统计学意义(P 0.05);在中期预测中,无论是否考虑当日价格波动对预测结果的影响,BP神经网络模型的每日与一周总体预测效果均优于GARCH模型,且总体差异具有高度统计学意义(P 0.01),不考虑当日价格波动时每日预测效果的差异具有统计学意义(0.01 P 0.05),考虑价格波动时每日预测中有3日预测效果的差异不具有统计学意义(P 0.05),有2日预测效果的差异具有统计学意义(0.01 P 0.05);在长期预测中,无论是否考虑当日价格波动对预测结果的影响,BP神经网络模型的每日与一周总体预测效果均优于GARCH模型,且总体差异具有高度统计学意义(P 0.01),每日预测效果的差异不具有统计学意义(P 0.05);随着预测周期的延后,预测误差逐渐增大.