用AR-EGARCH-M模型对中国股市波动性的拟合分析

利用AR（m)-EGARCH(p,q)-M模型，以1996年12月16日－2001年9月28日上证综指和深圳成指数盘价为样本，对我国股市的波动性进行拟和分析，并对实证结果给予了解释，指出了中国股市目前的一些发展现状。     

深圳股市波动性与成交量关系的实证分析

使用传统计量经济学的方法研究深圳股市波动性与成交量的关系，结果表明加入成交量的波动性模型增强了对深圳股票市场波动性的解释能力，同时分析深圳股市波动性与成交量的二维动力学系统，结果表明在某子区域内系统是局部不稳定的，并指出对股市波动性建模的传统计量经济学方法，并没有考虑到这种股票市场运行机制本身的不稳定性。     

中国股市高频数据中的周期性和长记忆性

采用Andersen和Bollerslev(1997)的FFF回归方法,对上证综合指数高频数据中的周期性进行了分析,并分析了剔除周期后的绝对收益的长记忆性.结果表明:日内收益的周期性相对来说不如日内绝对收益明显;FFF回归可以较好的确定日内绝对收益的周期性;与使用日收益数据的结果相比,利用高频数据更好揭示了股市中更强的长记忆性.     

长记忆随机波动模型的估计与波动率预测——基于中国股市高频数据的研究

为了有效捕捉中国股市波动率的长记忆性,提高远期波动率的预测精度,本文基于中国股市高频数据建立了长记忆随机波动模型,检验高频数据中时变的“日历效应”成分的频率,有效地对“日历效应”进行滤波。使用频域内拟极大似然方法估计LMSV模型参数,为了提高计算效率应用混沌优化算法进行最优搜索。对比了高频数据直接建模和已实现波动率方法建模的预测结果发现,通过高频数据估计的LMSV模型可以很好保留高频数据中所包含的信息量,克服信息丢失问题,预测结果要优于已实现波动率方法建模预测的结果。     

日内金融高频数据的异常点检测

融市场上日内的异常波动可能与重大经济事件相关.因此通过分析高频市场数据的异常与市场内在事件属性及其联系,可以帮助市场参与者更深刻地理解市场动态特性.采用了基于最大模量小波转换(WTMM)的多重分形形式,通过上海证券市场的日内指数价格数据来判断高频时间序列下异常点的存在和定位. 结果表明,上述小波方法在检测和定位高频金融时间序列数据中的异常点方面是有效的.     

风险的时间尺度--对中国股市的实证分析

在金融风险管理中，投资者常常采用不同时间间隔的交易数据来估算资产的风险．投资界在投资实践中经常使用时间间隔的平方根规则将短期风险转换成长期风险，这种缩放比例关系在高频收益率是独立同分布下是有效的．文章采用中国股票市场数据进行实证分析，结果表明：中国股票市场(与大多数其它市场一样)的日收益率是非独立同分布的，使用缩放比例关系进行风险转换是不适当的，可能会引导投资者得出错误的推断．     

中国股市波动率的广义周内特征及其预测模型

本文将Realized GARCH模型推广至基于周历日的时变参数情形以刻画杠杆和溢出效应的周内特征并避免传统GARCH类模型在拟合长记忆性与周内效应时两者相互干扰问题.将新模型应用于上海股票市场2001至2013数据的分析发现:我国股市波动率存在时变的杠杆效应和溢出效应.实证结果表明:新模型无论在样本外的预测能力还是在样本内的拟合度上都明显优于现有模型.     

中国股市高频波动率的特征、预测模型以及预测精度比较

在HAR-GARCH模型和HAR-CJ模型的基础上构建了自适应的不对称性HAR-CJ-D-FIGARCH模型, 并用以对中国股市高频波动率进行了预测, 然后利用上证综指2000年至2008年的高频数据实证检验了中国股市高频波动率的特征, 最后运用SPA检验评价和比较了构建的模型与其他6类高频波动率模型的样本外预测能力. 结果表明: 中国股市高频波动率同时具有长记忆性、 结构突变、不对称性和周内效应等特征; 结构突变仅部分解释其长记忆性; 高频波动率连续性成分的长记忆性很强, 而跳跃性成分的长记忆性非常弱. 相比于其他6类模型, 自适应的不对称性HAR-CJ-D-FIGARCH模型对样本内数据的拟合效果最好, 同时也是样本外预测性能最好的模型.     

最小报价单位对我国股票市场流动性影响--基于高频数据的实证研究

最小报价单位是影响证券市场流动性的重要因素之一。利用上海证券交易所分笔交易数据，从价差、深度以及交易金额三个方面考察了最小报价单位对股票市场流动性的影响。实证结果表明，从总体上看．最小报价单位的变化将导致股票市场平均价差、深度和交易金额同向变化。按照股价大小将股票分组后发现：最小报价单位增加将导致低价股的价差和深度变大，交易金额减少；最小报价单位增大对高价股的价差没有显著影响，但会增大深度和交易金额，从而改善高价股的流动性。最后刺用“分改厘”后基金流动性的变化验证所得结论。     

基于高频数据的中国市场股指期货套利

利用上证50ETF, 上证红利ETF 和深证100ETF 来复制沪深300指数作为现货, 构建沪深300 股指期货的无套利边界,并对IF1005、IF1006 和IF1007三个主力合约进行了套利机会和结果的分析, 发现:三个主力合约均存在套利机会;与国外股指期货推出初期出现的双边套利机会相比, 沪深300股指期货只有单边套利机会; 与仿真交易数据出现的持续套利机会相比,实际交易数据出现的套利机会逐渐减少;在套利机会较多时获得的利润较少, 而套利机会较少时获得利润较多; 最后根据研究结果提供了相应的投资建议.     

中国股市波动性过程中的长期记忆性实证研究

应用一类描述金融市场波动性过程的长期记忆特征的分整自回归条件异方差模型(FIGARCH模型)，研究了中国股票市场波动性过程的长期记忆性，实证结果表明中国股市波动性过程具有明显的长期记忆特征；文章还分析了FIGARCH模型与传统的条件方差模型相比，在模型描述和预测上所体现出的优越性。     

长记忆SV模型的统计性质及其实证分析

给出与证明长记忆随机(LMSV)模型的矩与谱密度。波动替代量的长记忆性，与ARFIMA模型的关系，以及其时间聚合等统计性质；最后利用模型考察了上海股市波动的长记忆特性。     

基于日内价格幅度与回报的随机波动率模型

金融资产波动率测量与建模是金融理论与实践中的一个重要课题，已经有了许多测量与建模方法。本文引入了基于日内价格幅度与回报两个测度指标的随机波动率模型。利用中国股市数据进行的实证结果表明，与单测度指标的随机波动率模型相比．基于两个测度指标的随机波动率模型能更好地描述股票市场波动率和市场波动风险。     

不同市态下投资者情绪与股市收益、收益波动的异化现象——基于上证股市的实证分析

基于上证股市的相关数据,分析不同市场态势下投资者情绪与股市收益及其波动的异化现象。结果表明:我国投资者情绪对股票市场的收益并无显著影响;而股票收益却对投资者情绪的作用显著:牛市阶段股票收益与投资者情绪正相关,而熊市阶段则为负相关;投资者情绪对收益波动的影响在不同市态下也存在异化现象:熊市阶段投资者情绪对预期收益波动的冲击存在非对称效应,乐观倾向比等量的悲观倾向对波动的冲击更大;而牛市阶段收益波动主要受投资者悲观情绪的影响,且不存在非对称效应。这与国内外的相关研究结论不同。     

Asymmetry of the Conditional Volatility of Chinese Stock Market

This paper mainly investigates the asymmetry of the conditional volatility of Chinese stock market by using the GARCH models. We collect the dally data of Shanghai composite index to analyze the volatility asymmetry. The empirical results show that there exists a distinct volatility asymmetry for return. In addition, we extend G JR model to the case with the information flow that is represented by the volume, and the results imply that the volume can＇t substitute the information flow to account for the conditional volatility asymmetry.     

中国证券市场波动性的实证分析

考虑了中国证券市场的股权分置、企业规模、信息不对称等实际因素,通过对均衡价格中各因素的分析得到了一个波动性模型.实证研究表明,股本规模越小的公司,波动性越大,且股权分置改革将有助降低市场波动性.     

高频数据的加权已实现极差波动及其实证分析

高频金融时间序列的分析与建模是金融计量学的一个崭新的研究领域。已实现极差波动是针对高频金融时间序列而开发的一种全新的波动率度量方法。文章首先证明了已实现极差波动是比已实现波动更有效的波动估计量。然后基于日内波动的特征。给出考虑“日历效应”的加权已实现极差波动。并说明了已实现极差波动只是加权已实现极差波动的特例。最后。通过对深圳股市实证分析。证实了加权已实现极差波动是比已实现极差波动更有效的波动估计量。     

基于股票市场交易数据流的场景记忆模型

设计一种基于场景记忆的多层推理模型，构造生活在高维资本市场内部交易数据流中的感知交易主体，从市场的内部研究市场的交易行为。把人脑的记忆机制巧妙地应用到股票市场，利用记忆、回忆等独特功能帮助投资者分析股市的变化趋势及特点，从而指导决策。通过计算机程序实验，我们设定的两种模式下的历史记忆情况清晰明了，并且该模式样本点的后续走势分布图有很大的参考价值。