非对称DAR模型的估计与检验

本文研究非对称DAR模型的估计和检验问题.运用拟极大似然方法,构造模型的参数估计,在某些正则条件下,证明估计的相合性和渐近正态性.基于此,构造拟似然比统计量检验模型的非对称性,在原假设和备择假设下,给出该统计量的渐近分布.数值模拟和实证分析结果表明:本文所构造的模型参数估计和检验方法具有良好的有限样本性质.     

投资者情绪与股票特征关系

通过选取情绪变量,构造了情绪指数和反映股票收益对情绪变化敏感性的指标--情绪β.在此基础上, 分析和研究了情绪与股票特征之间的关系. 实证研究表明,我国A股市场在一定时期内,规模较大、波动率较高、市净率较高的股票易受情绪的影响, 不同年龄的股票并未受投资者情绪的影响.     

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。     

基于混频数据的投资者情绪与股市波动效应的研究

根据投资者情绪对股市波动具有重要影响这一观点,引入投资者情绪的传统GARCH类波动率模型出现因不同频率数据建模而产生的效率损失问题。文章基于混频数据结构,分别从不同行业、不同情绪状态和不同经济阶段3个角度切入,引入自适应权重形式的广义自回归条件异方差混频数据抽样模型(GARCH-MIDAS-adapt),对中国股市日度波动率进行估计与预测比较。实证结果表明,自适应权重形式融合的混频数据结构可以更好地解释投资者情绪对股市产生的长期波动作用,不同行业表现出有显著的解释力和预测力。此外,在不同行业下,情绪低落时对股市的冲击更大。