沪深300指数收益率及已实现波动联合建模研究

金融资产的收益率和波动率是金融资产投资和风险管理等应用中的重要决定因素。针对收益率的新息过程与波动率的新息过程之间可能存在相关性的实际情况,将已实现波动区分为连续波动和跳跃波动,对收益率、连续波动和跳跃波动联合建模并刻画各时间序列模型新息之间的相关性,给出联合模型的最大似然估计法,使用2005年4月8日至2011年5月23日沪深300指数5分钟高频数据进行实证。研究结果表明,收益率、连续波动和跳跃波动的新息之间存在统计显著的相关性,对各时间序列单独建模估计的传统方法存在本质缺陷,沪深300指数已实现波动的杠杆效应及周日效应主要来自连续波动分量。联合模型通过对新息之间相关关系的合理刻画,提高了参数估计的有效性。     

基于马尔科夫随机波动和极值理论的风险测度

针对金融资产波动的时变、聚集以及状态转换等特征,将马尔可夫转换模型和随机波动模型相结合,同时考虑波动尾部的状态分布,构建MSSV-t模型,然后将收益序列转化为标准残差序列,在此基础上,应用EVT模型对标准残差进行建模,进而构建基于MSSV-t-EVT的VaR测度模型,最后对该模型的有效性进行检验。研究发现：MSSV-t-EVT模型能够有效识别上证指数（SSCI）的波动转换特征,并且能合理地测度该指数的收益风险,尤其在高的置信水平下表现更好。研究结论表明MSSV-t-EVT模型能较为准确的刻画股市剧烈波动的事实,可用于交易风险控制和对市场异常波动的预警。     

实际波动率与GARCH模型的特征比较分析

金融资产价格的波动率的测度具有重要意义,实际波动率(Realjzed Volatility)概念是近些年提出的用于测度市场波动率的新概念,在诸多方面具有优势.本文利用上海证券市埒的高频数据,比较了两种不同的波动率模型--RV模型和GARCH模型--的性能表现.本文首先介绍了连续时间状态下实际波动率的概念和模型,然后建立了GARCH(1,1)模型,使用日收益率对GARCH模型进行估计,得到条件方差方程,分别用日收益平方和日内累计收益平方和作为波动率指标对收益平方-波动方程进行回归,并以回归决定系数来衡量波动率拟合水平的优劣,结果发现采用高频数据的回归决定系数比原来提高了两倍,这个结果与已有的实证分析结果基本一致,最后,我们将实际波动率的计算结果与GARCH模型的结果经标准化后进行了对比,发现实证研究结果表明,实际波动奉模型比传统的GARCH模型提供了更好的拟合.     

中国股票市场的最优波动率预测模型研究——基于沪深300指数高频数据的实证分析

以沪深300指数的高频数据为例,采用滚动时间窗的样本外预测以及SPA检验法,对比了基于日收益数据的历史波动率模型和基于高频数据的实现波动率模型的预测能力.主要实证结果显示,实现波动率模型以及加入附加解释变量的扩展随机波动模型是预测精度最高的波动模型,但在学术界和实务界流行的GARCH及其扩展模型对我国A股市场波动的预测能力较差.     

金融市场的多分形特征及与波动率测度的关系

以上证综指和标准普尔500指数的高频价格数据为样本,运用多分形谱分析(Multifractal spectrumanalysis)方法研究了两种指数价格变化的多分形特征。结果表明:多分形特征存在于这两种指数价格的波动中,多分形语言中蕴含了有关金融资产价格波动的丰富信息。最后初步提出了运用多分形理论所提供的工具来进行波动率研究的思路。     

已实现波动GAS-HEAVY模型及其实证研究

引入日内高频数据计算的已实现波动，能够提高波动模型预测能力。本文将日收益和已实现波动联合建模，提出一种新的波动模型。选取尺度调整t分布和F分布作为日收益和已实现波动的分布，更为充分和灵活地捕捉厚尾性，采用得分驱动方法设定波动模型更新项，得出广义自回归得分（GAS）波动模型，提高对实际模型的逼近效率。本文对模型遍历性和平稳性进行证明，并与同类模型进行比较。蒙特卡罗模拟实验显示，在数据生成过程误设的情况下本文提出的GAS-HEAVY模型比同类模型具有更好的数据拟合效果。基于沪综指、深成指和沪深300指数2013.1至2017.4日内1分钟高频数据实证分析表明，不同损失函数的SPA检验下GAS-HEAVY模型的波动预测能力显著强于其它同类模型。本文给出的GAS-HEAVY模型为有关理论研究和市场应用提供了新的波动计量工具。     

偏正态随机波动模型及其实证检验

首先构建了有杠杆效应的随机波动模型(SV-L),证明了其波动随机项的条件分布为两个偏正态分布,由此称该模型为偏正态随机波动模型(SV-SN).接下来讨论了SV-SN模型的经济含义以及对应随机波动项的统计特征.最后利用沪深两市的指数收益数据对模型进行了实证研究,其结论为:相对于一般的SV模型,SV-SN模型的拟合效果更好;新息具有减弱后期波动之效应;与理论预期一致,单位负新息比单位正新息引致的波动要大.     

中国股市隔天收益波动率的实证研究

对上证综合指数5分钟高频数据计算得到的隔天收益率的行为进行了实证研究.在与前人研究结果比较的基础上得出结论,开盘交易机制主要改变的是隔天收益波动的高峰出现的位置.发现隔天收益波动率出现一个"驼峰"形状,认为这主要是由于开盘采用连续竞价所致.并从各区间收益相关性的角度对隔天收益方差给予了解释.此外还观察到隔天收益率的方差和一阶自协方差有着近似线性的反向变动关系,并利用一个价格变动模型对此现象进行了解释.     

基于波动持续性的最优组合构建与分散化研究

构建恰当资产组合来减少风险, 是投资组合理论研究的重要目标.由于金融时间序列的波动往往会伴随着持续性特征, 该种特性会增大组合未来收益的风险.本文通过构建随机波动模型序列持续性最优投资组合模型, 以降低金融资产波动的持续性特征对组合收益波动的影响;并通过研究其分散化水平, 考察该投资组合构建方法的有效性与稳健性.研究发现:与均值方差的组合模型相比较, 序列持续性组合的风险分散化水平更好.此研究在资产组合选择方面, 具有较为重要的理论价值及实践意义.     

我国沪市波动聚集性GARCH效应的实证研究

股票价格的频繁波动是股票市场最明显的特征之一,自回归条件异方差类模型可以很好地预测金融资产收益率的方差.通过对我国股价指数的统计描述,表明我国金融资产收益率存在自回归条件异方差的特征,并表现出非正态性.利用自回归条件异方差类模型,采用 1993年～2003 年的数据对上证指数的波动进行拟合,结果表明,广义自回归条件异方差模型对我国股市波动具有较好的拟合效果.     

股票收益波动与Beta系数的时变性

本文利用扩展的S-S模型,对上海股市2000年间的日收益数据进行实证分析,以进一步探讨小公司股票、大公司股票收益波动和市场波动之间的关系。研究结果发现,在市场波动加剧时大公司股票与小公司股票的反应是不同的,小公司的系统风险更易于增大。因此在进行事件研究时,必须考虑到Beta系数的时变性。     

人民币汇率与股票市场波动溢出效应研究

采用BVGARCH-BEKK模型,结合LR似然比检验和Wald检验,实证研究人民币汇率与股票市场之间的波动溢出效应.采用1997年1月1日～2008年12月31日人民币对美元中间价和上证A股指数的日交易数据,并考虑到2005年7月21日人民币汇率形成机制改革这一事件可能产生的结构性影响.划分为汇改前和汇改后两个子样本区间,深入分析人民币汇率与上证A股之间的波动溢出效应.实证结果表明,人民币汇率与股票市场之间存在波动溢出效应,且在汇改前和汇改后的表现不同;汇改前表现为显著的从汇率到股市收益率的波动溢出,汇改后主要表现为显著的从股市收益率到汇率变动率的波动溢出,汇改后汇率与股票市场之间的联系有所增强.针对实证结论,分析其背后的经济制度因素,并且得出一些政策启示.     

中国沪深股市结构性波动的政策性影响因素

本文利用划分均值和方差变点的迭代累积平方和算法(ICSS:MV)对上证综指和深证成指1996年12月16日至2010年12月31日的日收益率序列进行结构变点的检验,通过将结构变点与重大事件对应选取影响沪深股市结构性波动的政策性事件,并根据选取的事件将样本区间分成13个子区间。为了避免参数模型中模型误设的缺陷,利用非参数GARCH模型估计样本区间的波动率;最后利用N-W核回归估计对非参数GARCH估计的波动率与收益率进行回归,分析股市结构性波动产生的政策性影响因素。通过分析发现央行调整存贷款基准利率和存款准备金率、国有股的减持、允许保险公司等机构投资者买卖证券投资基金、调整印花税等政策性因素是造成我国股市变结构波动的重要原因。     

利率调整对我国股市不同状态波动性的影响

基于马尔可夫结构转换模型研究利率调整对我国股市在不同波动状态情况下波动性的影响,特别在2014年~2015年沪市波动为上涨和下跌状态下的影响.考虑股市波动存在结构转换及杠杆效应,选用马尔可夫结构转换EGARCH(RS-EGARCH)模型对上证综指进行收益和波动率建模.结果显示沪市在上涨状态利好消息与同等程度利空消息冲击具有相同影响;在下跌状态利空消息冲击比利好消息的影响更大,这异于通常的杠杆效应.通过在RS-EGARCH模型均值和波动率方程中引入虚拟变量研究自2012年时隔两年后首次利率调整对沪市波动性的影响,研究发现利率下调在沪市上涨状态显著增加了收益率和波动率;而在下跌状态收益率显著降低.但通过对比研究,在2006年的利率调整对于2006年~2008年期间沪市上涨和下跌状态的波动性没有显著影响.     

沪、深股票市场与香港股票市场的溢出效应——基于发布“港股直通车”方案前后的比较分析

本文以沪、深、港三地股票市场的数据为样本,用VAR模型和二元GARCH模型重点研究"港股直通车"事件是否对港市与沪、深股市的收益率及波动溢出关系有显著影响.研究结果表明,"港股直通车"公布之前,港市与沪、深股市间不存在任何方向的收益率溢出效应,但存在单向波动溢出效应;"港股直通车"公布之后.港市与沪、深股市间不仅存在单向收益率溢出效应,港市与沪市间还存在双向波动溢出效应,与深市间则存在单向波动溢出效应.     

基于马尔可夫状态转换模型的沪深股市波动率的估计

为了更准确地估计具有结构转换的沪深股市收益率波动特征,本文将沪深股市的波动变化分为上涨、下跌和盘整三个状态,选用2000年1月4日至2011年12月30日的上证综指和深证成指日收益率数据作为样本,2012年1月4日至2012年1月17日的日收益率作为样本外预测,分别应用GARCH和APGARCH模型,以及RS-GARCH和RS-APGARCH模型估计和预测两序列的波动率,最后采用MSE₁、MSE₂和QLIKE对估计和预测出的波动率进行评价。结果表明:单一状态和三种状态下APGARCH模型均比GARCH模型估计和预测的波动率更准确;更进一步带有马尔可夫状态转换的模型估计和预测出的波动率更准确,且误差分布服从正态分布的模型估计和预测的波动率拟合结果优于误差服从t分布的模型。     

基于EVT-BM-FIGARCH的动态VaR风险测度

对金融资产回报,用FIGARCH模型捕捉波动的异方差性和长期记忆性的同时,将回报序列转化为标准残差序列、通过用EVT-BM方法拟合标准残差的尾部分布来处理回报序列的厚尾性,建立了金融风险度量模型--基于EVT-BM-FIGARCH的动态VaR模型。并用该模型对上证综合指数进行实证分析,结果表明模型能够更精确、合理地度量上证综合指数回报的VaR风险。     

基于修正GARCH模型的中国股市收益率与波动周内效应实证研究

本文研究《证券法》实施之后的2000-2006年沪深股市收益率与波动的周内效应。利用修正的GARCH模型,发现两市收益率的最大与最小值均分别出现在周二与周四;两市的最小波动均出现在周二,但沪市的最大波动在周三,而深市的最大波动则在周一。进一步的分析表明中国股市的收益率与市场风险有显著的正向关系,即投资者由于承担高风险而受到补偿获得高收益。文章最后对周内效应的存在提出了两种解释。     

投资偏好与“特质波动率之谜”——以中国股票市场A股为研究对象

与价格走势平平的股票相比,投资者更愿意选择过去价格变化幅度较大的股票。这种投资偏好是否是产生“特质波动率之谜”的原因呢？本文以中国股票市场A股为研究对象,首先验证中国股票市场“特质波动率之谜”的存在性。随后组合分析和Fama-MacBeth横截面回归分析发现,价格极差可以在一定程度上解释但不能完全解释“特质波动率之谜”。横截面回归结果表明,在价格极差、最大日收益率、换手率三者的共同作用下,特质波动率与股票预期收益之间的负向关系不再显著。由此,对某些特殊股票的投资偏好可能是产生“特质波动率之谜”的主要原因。     

卖空限制对股票市场收益非对称性的影响——基于上海和香港的实证比较研究

利用改进的BB法则划分股市的波动周期,运用EGARCH-GED模型比较研究了上海和香港股票市场的非对称性问题.通过研究发现,上证综指的收益分布从长期来看呈负偏,而恒生指数呈正偏;在熊市中两个市场均存在"杠杆效应",在牛市中香港市场坏消息的影响仍然更大,而上海市场则存在"反杠杆效应".出现这一差异主要由于上海证券市场缺乏卖空机制,影响了价格对坏消息的吸收,这一结果能够解释我国内地股市"暴涨暴跌"的现象.