上海与伦敦期铜市场风险变异性实证研究

波动群聚效应和杠杆效应是资本市场风险变异性的两个重要特征。选取1997-07~2004-11上海期货交易所和伦敦金属交易所3个月期铜的日收益时间序列,利用相关模型分别对两时间序列的波动群聚效应和杠杆效应进行实证分析。结果表明:从整体来看,上海期铜市场收益波动不具杠杆效应,而伦敦期铜市场具有显著的杠杆效应;并且,上海期铜市场的风险特征发生重大变化,具有明显的波动群聚效应,但分阶段呈现杠杆效应。     

基于ARMA-EGARCH-M模型的沪深股市波动性分析

文章讨论了ARCH模型族的拟合波动性的优缺点,建立ARMA-EGARCH-M模型,简要说明了此模型的优点;以2000年1月11日-2006年3月15日上证综指和深证成指收盘价为样本,对我国沪深股市收益率分布用ARMA-EGARCH-M模型进行拟合分析,结果表明该模型能更有效地拟合我国沪深股市的波动性;最后解释实证结果和分析了我国股市的行为。     

Forecasting VaR models under Different Volatility Processes and Distributions of Return Innovations

This paper provides clear‐cut evidence that the out‐of‐sample VaR (value‐at‐risk) forecasting performance of alternative parametric volatility models, like EGARCH (exponential general autoregressive conditional heteroskedasticity) or GARCH, and Markov regime‐switching models, can be considerably improved if they are combined with skewed distributions of asset return innovations. The performance of these models is found to be similar to that of the EVT (extreme value theory) approach. The performance of the latter approach can also be improved if asset return innovations are assumed to be skewed distributed. The performance of the Markov regime‐switching model is considerably improved if this model allows for EGARCH effects, for all different volatility regimes considered. Copyright © 2014 John Wiley & Sons, Ltd.     

GA在改善证券市场风险测量精度中的实证研究

应用遗传算法(GA)估计线性GARCH(1,1)模型和非线性EGARCH(1,1)的参数,建立两个模型计算中国证券市场的风险值(VaR).通过对比传统算法和遗传算法的风险值,计算数据显示:线性GARCH(1,1)模型和非线性EGARCH(1,1)模型下,GA得到的风险值均大于真实值,可以解决传统算法中预测精度不高的问题.     

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。     

宏观经济信息发布对股票市场收益率及其波动的影响

通过构建宏观信息发布中的未预期信息衡量指标,本文研究了宏观信息对股票市场收益率及其波动的影响.实证分析发现:股票市场指数月收益率具有"通胀对冲"功能,同时PPI、固定投资、货币供给(M2)也会显著影响指数收益率,贸易顺差则与收益率波动显著相关;进一步对股票市场指数日收益率分析发现沪深两市对宏观信息的短期反应并不相同.对上证综指,仅CPI、固定投资与进口同比显著影响指数收益率,而出口同时影响指数收益率及其波动;对于深证成指,市场只对出口信息会作出及时反应.此外,本文还发现危机后股市对宏观信息的反映也出现了显著变化,宏观信息变量中只有PMI和进出口变量显著影响市场收益率,而PPI则成为影响收益率波动的显著因素.     

棉花期货价格波动率分析

针对棉花已成为制约“十四五”规划中纺织行业发展不可或缺的关键因素这一事实,提出通过研究棉花期货价格的波动来体现纺织业成本变化。 基于 2008 年 1 月 2 日到 2021 年 9 月 6 日棉花 CF999 期货价格数据时序图,得到原序列不平稳的结论,处理后得棉花期货价格收益率序列,由 J-B 统计量、ADF 检验 统计量,得到棉花期货价格收益率序列是平稳时间序列,但不服从正态分布,有尖峰厚尾和高阶异方差性的统计特征;然后考虑收益率序列服从 T 分布和广义误差(GED)分布,分别构建 GARCH 类模型,具体利用GARCH、GARCH-M、EGARCH 和 MS-GARCH 4 种模型对棉花价格波动特征进行研究,结果表明:基于 T 分布 的模型比 GED 分布更能描述棉花期货价格收益率序列的波动特征;棉花市场不是“高风险、高回报”产业;收益率序列存在反杠杆效应;MS(3)-GARCH(1,1)模型的拟合效果最优,收益率序列有体制变换现象,各种波动的持续期不同,高波动状态最短,为 2. 12 d;最后提出相关建议。     

中国证券市场正反馈交易的实证研究

在Shiller—Sentana—Wadhwani模型的基础上，建立一个不对称EGARCH模型，对我国证券市场正反馈交易行为进行了实证检验。实证发现我国证券市场上显著的一部分投资者为正反馈交易者，不以基本面价值为基础的正反馈交易在市场报酬的形成中起着重要的作用，正反馈交易使市场收益自相关系数与市场波动呈现负向关系，且高波动期间出现负自相关。同时，中国证券市场正反馈交易并不对称，市场下跌期间比上涨期间正反馈交易要明显得多。     

Monte-Carlo模拟在VaR与CVaR中的应用

建立边缘分布为t-EGARcH分布连接函数为多元正态Copula函数的概率分布模型，利用MonteCarlo模拟估计金融变量资产和组合的VaR与CvaR．     

利用遗传算法对上证综指EGAROH模型的实证分析

比较了改进的遗传算法和BHHH算法对EGARCH模型的估计效果．结果显示，改进的遗传算法优于BH—HH算法．然后分别用在正态分布、t分布和广义误差分布（GED分布）假设下的EGARCH模型对上证综指进行实证分析．分析结果表明，EGARCH模独在厚尾分布假设下对序列的拟合效果比在正态分布假设下的效果好．上证综指收益率序列具有明显的杠杆效应．