完全市场中的Yaari对偶效用最大化问题

效用最大化问题是经济学和金融学中的最重要和最基本的问题之一.经典的von NeumannMorgenstern期望效用模型在实践中都受到诸多挑战.Yaari对偶效用理论是重要的非期望效用模型之一.本文研究完全金融市场中的Yaari对偶效用最大化问题.前人在某种单调性条件下得到了该问题最优解的显式刻画.而在本文中,无需任何单调性条件,我们得到了最优解的显式刻画.     

波动性比率与涨跌幅限制实证研究

从交易机制的角度解释了股市开盘收益率的波动大于收盘收益率的波动的原因。在考虑了涨跌幅限制的存在对股票价格行为的影响后，建立了一个简单的计量模型，提出涨跌停频率的大小与波动率的正相关关系及涨跌停日的日内收益率与次日隔夜收益率的正相关关系的假设，并就中国股市的情况进行了实证分析，得出了与假设一致的结论。这里的研究为“方差比率之谜”提供了新的解释思路。     

企业并购决策的非合作博弈

在经济全球化背景下,企业并购活动越发频繁,如以外资渗入中国化工行业为例.在企业并购活动中,科学合理的并购决策无疑是企业并购成功的关键.基于非合作博弈理论,建立了二阶段三人非合作博弈模型,对企业并购活动中的均衡、战略、报价以及期望收益进行了详尽的分析,为科学决策的做出提供理论指导.     

波动率持续性基于信息到达过程的成交量解释

综合利用对数周期图方法、Granger因果检验、以及扩展广义自回归条件异方差模型 ,对随机抽取的 10只上证 180成份股进行了实证研究 .得出以下结论 :收益波动率和成交量有相同的长记忆特征 ;信息到达过程是波动率行为的原因之一 ,成交量和波动率展现出的相互因果关系可能是它们同受信息到达过程影响的结果 ;成交量变量能够在有限程度内解释部分波动率的持续性 .     

主观期望效用模型与实证分析

分析了传统的期望效用理论在实践中的一些局限,研究了人们在不同获取概率下对风险的不同的态度,引入安全系数SC(p),建立了主观期望效用模型,并用此模型解释了一些期望效用理论模型所无法解释的矛盾.     

空盘量变动对我国期货市场期货价格收益波动性的影响

空盘量是除交易之外刻画期货市场交易活跃程度的另一个重要指标。将空盘量分解为可预期和不可预期两部分,研究空盘量的变动对期货价格收益波动性的影响。实证结果表明,空盘量对期货价格收益的波动性具有负向影响,即总体而言,空盘量的增加对期货价格收益波动性的影响小于空盘量的减少对期货价格收益波动性的影响;并且,不可预期空盘量对期货价格收益的影响比可预期空盘量对价格收益的影响大许多。同时,从信息经济学的角度对实证结果分别进行了解释。     

机会约束下的均值-VaR组合投资问题

结合均值一方差模型和机会约束模型提出在允许卖空时的机会约束下的均值-VaB模型，它是以期望收益率与置信水平为导向的．在假设投资收益率服从正态分布的条件下，建立了其数学模型，讨论了最优解的存在性与唯一性，得到了最优解的解析表达式，并用Matlab语言给出求解程序，最后举例予以说明并验证了两个重要结论．     

基于波动率测量误差的波动率预测模型

本文研究了一种基于波动率测量误差的波动率预测模型,并做了非线性扩展,期望改进预测效果.考虑到文献中关于波动率可能长记忆性和非线性并存的观点,本文以具有长记忆特征的HAR(heterogeneous autoregressive)模型为基础,加入波动率测量误差后模型持续性有所提高,结合非线性的时变参数模型则达到结构变化和减弱异方差的效果.本文用2652天的沪深300高频数据计算的已实现极差波动率来验证模型效果.固定参数下,在HAR型模型中加入测量误差作为调节变量可以较显著地改善样本外预测效果.时变参数下,加入测量误差的HARQ型模型预测效果大多优于对应的HAR型模型.时变参数模型总体上可以改善固定参数模型的预测效果,尤其在预测期较长的情况下改善均是显著的.     

人民币汇率市场联动特征分析

融合Copula理论和GARCH有偏T模型,构建了汇率波动的t-Copula-DCC-GARCH-skewT模型,对中、美、欧3大经济体货币汇率USD-CNY和EUR-USD进行实证研究.该模型能够捕捉到人民币汇率之间的动态相关性.相关曲线展现了3大经济体在汇率制度上的阶段性联动特征,表明中、美、欧等经济体货币汇率联动性有利于人民币国际化的汇率制度建设以及世界经济的共同治理和系统性风险防范.     

Combining multivariate volatility forecasts using weighted losses

The ability to improve out-of-sample forecasting performance by combining forecasts is well established in the literature. This paper advances this literature in the area of multivariate volatility forecasts by developing two combination weighting schemes that exploit volatility persistence to emphasise certain losses within the combination estimation period. A comprehensive empirical analysis of the out-of-sample forecast performance across varying dimensions, loss functions, sub-samples and forecast horizons show that new approaches significantly outperform their counterparts in terms of statistical accuracy. Within the financial applications considered, significant benefits from combination forecasts relative to the individual candidate models are observed. Although the more sophisticated combination approaches consistently rank higher relative to the equally weighted approach, their performance is statistically indistinguishable given the relatively low power of these loss functions. Finally, within the applications, further analysis highlights how combination forecasts dramatically reduce the variability in the parameter of interest, namely the portfolio weight or beta.