SHIBOR市场风险溢价动态特性的机制转换

针对上海银行间同业拆放利率(SHIBOR)动态特性中存在的机制转换及波动聚集现象,分别将机制转换和广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity,GARCH)效应引入CIR模型,构建了带机制转换的CIR模型(RSCIR)以及带机制转换和GARCH效应的CIR模型(RSCIR-GARCH),并基于SHIBOR利率数据对CIR模型、RSCIR模型及RSCIR-GARCH模型进行对比分析,发现机制转换和GARCH设定的引入大幅提高了模型的数据拟合优度,并消除了利率波动中的ARCH效应.基于RSClR-GARCH模型对SHIBOR市场的风险溢价动态特性进行研究,发现SHIBOR市场利率波动显著存在高利率高波动以及低利率低波动两个机制,相应的风险溢价的动态特性也发生了机制转换.     

ARCH模型与SV模型之间的关系研究

讨论了在金融时间序列中广泛应用的两类波动性模型，即自回归条件异方差(ARCH)模型和随机波动(SV)模型的关系问题。通过随机微分方程研究了GARCH模型和SV模型的相互联系并得到结论：一个离散的EGARCH(1，1)模型在弱GARCH过程的条件下与一个离散的SV模型是一一对应的。在此基础上进一步讨论了EGARCH(1，1)模型和SV模型的单位根问题，结果表明，两类模型的单位根存在对应的关系，即二者的持续性能够通过随机报分方程的形式来传递，这一性质表明了二者之间存在本质的联系。     

基于幂律型分布的动态VaR模型及实证研究

针对金融资产回报时间序列的尖峰厚尾性和波动集聚性,提出了基于AR(1)一GARCH(1,1)模型与幂律型分布相结合计算VaR的方法.用GARCH模型对时间序列建模刻画波动集聚性,用基于幂律型分布的扩展形式拟合GARCH模型的残差分布尾部,刻画回报时间序列的厚尾特征,两者结合更好地描述回报时序的动态波动现象.对上证综指进行实证分析,结果表明,文中提出的方法比基于正态分布的GARCH模型和静态幂律尾法更精确.     

基于GARCH扩散模型的权证定价

考虑了标的资产服从GARCH扩散模型下的权证定价问题. 首先,基于有效重要性抽样(EIS)技巧,给出了GARCH扩散模型的极大似然(ML)估计方法; 然后,以上证和深证综合指数数据为例, 利用EIS-ML方法估计了GARCH扩散模型,表明了EIS-ML估计方法的有效性; 最后,给出了基于恒生指数权证的实证研究. 结果表明:GARCH扩散权证定价模型比经典的Black-Scholes(B-S)模型具有更高的定价精确性.     

基于小波多尺度分析的GARCH建模方法的拓展

考虑到交易周期对资产价格波动特征的重要影响,将小波多尺度分析引入广义自回归条件异方差(GARCH)建模理论, 提出了多尺度广义自回归条件异方差模型和多尺度增广分整广义自回归条件异方差均值模型,同时通过改进迭代的步长参数, 得到了收敛速度快于BHHH算法的数值优化方法.对上证综合指数进行实证分析,结果表明: 该模型克服了GARCH理论无法同时揭示蕴含在资产价格内部的多时间尺度信息的缺陷, 还能够捕获到资产收益率在不同时间尺度上的局部波动特征; 改进后的算法对模型参数估值效果十分明显. 这类模型有助于探究资产价格伴随交易周期演化的微观动力学机制.     

基于半参数GARCH模型的我国外汇储备形态

基于CSMAR提供的1987年1月至2007年12月的月度外汇储备数据,首次使用半参数GARCH模型对高频月度外汇储备的动态增长机制进行了研究。研究表明半参数GARCH(1,1)模型要优于参数的GARCH(1,1)模型和其他非参数GARCH模型,半参数GARCH(1,1)能够准确地拟合我国外汇储备的分布形态和动态相依结构,同时半参数GARCH模型也提供了一种灵活描述数据分布非正态和高阶矩的途径。     

混沌时间序列的混合预测方法

提出了一种基于小波变换、粒子群优化的最小二乘支持向量机(PSO-LSSVM)和广义自回归条件异方差模型(GARCH)的混沌时间序列的混合预测方法.首先利用小波变换将混沌时间序列分解和重构成概貌时间序列和细节时间序列; 然后利用PSO-LSSVM模型预测概貌时间序列的未来值,采用GARCH模型预测细节时间序列的未来值;最后将概貌时间序列和细节时间序列的未来值求和作为最终的预测结果.采用该方法对Mackey-Glass和变参数Logistic混沌时间序列进行预测. 结果表明该方法能精确地预测混沌时间序列,验证了文中所提方法的有效性.     

人民币汇率的半参数预测模型

利用从2006年1月4日到2008年7月18日人民币对美元汇率中间价的日均数据, 同时运用非参数函数系数模型和GARCH模型来分析人民币对美元汇率收益率与波动率的非线性时间序列特征. 实证结果表明, 半参数组合模型具有较好的拟合以及预测效果, 而且汇率管制政策变动的虚拟变量的估计 系数显著不为0. 跨度为50天的样本外预测显示: 96%的收益率真实值都落在2.5%以及97.5%的非参数分位 数回归预测线区间之内; 参数GARCH(1,1)模型拟合的波动率所显示出的汇率震荡与实际情况一致.     

具有结构转换的GARCH模型及其在中国股市中的应用

引入具有结构转换(switching regime)的GARCH模型(简称SW—GARCH)，并利用上海股市收益进行实证研究，通过与GARCH模型下的结果相对比，表明SW—GARCH大大提高了对市场波动性的预测能力，为股价波动的变结构建模问题提出了一个新方法，从而解决GARCH及其他异方差模型的结构变化问题。     

我国通货膨胀与对外经济的半相依自回归模型的研究

对时间序列提出半相依自回归模型的概念 ,并将其应用于我国通货膨胀与对外经济的预测 .预测结果与自回归模型的预测结果进行了比较 .     

American option pricing under GARCH diffusion model: An empirical study

The GARCH diffusion model has received much attention in recent years, as it describes financial time series better when compared to many other models. In this paper, the authors study the empirical performance of American option pricing model when the underlying asset follows the GARCH diffusion. The parameters of the GARCH diffusion model are estimated by the efficient importance sampling-based maximum likelihood （EIS-ML） method. Then the least-squares Monte Carlo （LSMC） method is introduced to price American options. Empirical pricing results on American put options in Hong Kong stock market shows that the GARCH diffusion model outperforms the classical constant volatility （CV） model significantly.     

GARCH模型在计算我国股市风险价值中的应用研究

主要讨论VaR模型中有关波动率的估计方法。通过拉格朗日检验（LM），发现上海股市的日收益率服从ARCH过程。分别采用GARCH（1,1）模型、RiskMetrics和移动平均法预测上海股市日收益率的波动性，计算每天的VaR。返回式检验表明，GARCH（1,1）模型比RiskMetrics和移动平均法能更准确地反映我国上海股市的风险。     

波动协同持续存在性研究

本文对几种多维GARCH模型的波动持续性及协同持续性条件进行了分析和研究,得出正交GARCH、广义正交GARCH、完全因子GARCH过程的协同持续与各分量波动过程的协整存在密切的关系,而Hadam ard乘积GARCH过程不存在协同持续,BEKKGARCH过程在因子模型的表达下存在协同持续,常条件相关GARCH过程不存在因子表达等结论.     

权证收益率波动的度量:基于GARCH和SV模型的比较

分别采用GARCH模型和SV模型对权证收益率波动进行比较研究,发现这两类模型均能较好地拟合权证收益率的波动,但SV模型比GARCH模型更能捕捉权证收益率的波动信息。在权证总持续期间,通过SV模型计算的V aR值比GARCH模型更加准确;而在权证发行上市时期及最后交易日期间,通过GARCH模型计算的V aR值比SV模型更加准确。     

基于偏t分布realized GARCH模型的尾部风险估计

借助偏t分布realized GARCH模型,提出同时考虑高频和低频信息的尾部风险估计方法,分别纳入RV、RRV和BPV构成尾部风险估计的对比模型,并利用上证综指高频数据进行实证分析.实证结果表明:相比EGARCH模型,realized GARCH模型能够提供更准确的VaR和ES估计;纳入对微观结构噪声和跳跃稳健的已实现测度有助于提高VaR和ES估计的准确性;realized GARCH模型在尾部风险估计中的表现对次贷危机前和次贷危机后两个不同的样本期间稳健.     

基于时间序列的上海股市系统风险、流动性风险溢价实证研究

在Acharya和Pedersen（2003）提出的三种流动性风险（收益对市场非流动性的敏感性COV（ri,LM）、非流动性对市场收益的敏感性COV（Li,rM）、流动性的共性COV（Li,LM）的基础上，提出了一个关于市场收益、市场非流动性、组合收益以及组合非流动性的四元均值GARCH（1，1）模型，鉴于多元均值GARCH类模型参数估计的困难，我们分两阶段建模，对上海股票市场四类指数（工业、商业、公用以及地产）1997～2004年的风险溢价状况进行了实证研究。结果表明，存在系统风险溢价和流动性风险溢价，并且流动性风险溢价主要来源于收益对市场非流动性的敏感性和非流动性对市场收益的敏感性。     

基于MDH假说的中国沪深股市量价关系实证研究

GARCH类模型在研究股票市场量价关系时得到了广泛的应用。本文基于一种新的GARCH模型，把股市的波动分解为长期波动趋势和短期波动成分，验证中国股票市场是否符合研究量价关系的主流理论——混合分布假说理论，并得出中国股票市场波动的一般性及特质性。其研究结论对监管机构把握股市的运行规律，制定合理有效的监管政策具有重要的指导意义。     

SV和GARCH模型拟合优度比较的似然比检验

讨论了在金融时间序列中广泛应用的两类波动性模型，即ARCH模型和SV模型的比较问题．从似然比原理出发，提出了一种基于随机模拟的似然比检验方法，阐明了利用该方法进行模型间比较的基本步骤，并利用基于随机模拟方法的似然比检验，分别比较了SV与GARCH(1，1)、SV与t-GARCH对上海股市数据拟合优度，结果表明：SV模型对于上海股市时间序列数据的拟合好于GARCH(1，1)模型，而SV模型上海股市时间序列数据的拟合与t-GARCH(1，1)模型效果相当。