中国铜期货市场最优套期保值比率估计——基于马尔科夫区制转移GARCH模型

在套期保值的研究中,GARCH模型被普遍使用。但是近来许多实证研究证明了GARCH模型存在一定的缺陷,即波动率的高持续性,这影响了对于资产价格序列描述的准确性,在套期保值策略的制定时就需要考虑到波动率对状态的依赖性。因此,本文将区制转移应用到套期保值模型构建中,将MRS模型与GARCH模型相结合,建立了MRS-DCC模型,以期消除GARCH模型带来的波动率的高持续性,并用于估算铜期货市场的套期保值比率。同时,本文创新性地运用极差收益率作为标的收益率来估计套期保值比率,不仅提高了模型对资产价格日内波动的捕捉效果,而且日内价格波动的准确预测使得套期保值者规避了期货市场价格突然变化带来的强行平仓风险。本文在理论上详细解释了MRS模型与DCC-GARCH模型结合的方法,并使用中国铜期货2007年10月15日至2010年10月15日的数据进行实证分析对比,从样本内和样本外两个方面证明了马尔科夫区制转移模型以及极差收益率的引入能够提高套期保值比率估算的准确性,从而提高套期保值绩效。本文为状态依赖套期保值策略制定,以及资产价格波动风险的度量提供了参考。     

GARCH类模型波动率预测评价

GARCH类模型已经广泛运用于波动率的预测,但对模型的预测表现进行评价却受到了忽视,其主要原因是缺乏合适的衡量标准。本文首先运用GARCH类模型对上证指数收益率进行了全面的估计及样本外预测,然后以已实现波动率作为波动率预测的评价标准,通过M-Z回归和损失函数来评价GARCH类模型的波动率预测表现。结果表明,无论是样本内还是样本外,GARCH类模型都能够较好的预测上证指数的收益波动率。其中,偏斜t-分布假设下的GJR(1,1)模型的预测能力最强。     

双因子随机条件极差模型及其实证研究

对波动率的建模和估计传统上主要基于由收盘价计算得到的收益率信息,而基于包含更多日内价格变动信息的价格极差对波动率的研究却相对较少.对经典的针对价格极差动态性建模的条件自回归极差(CARR)模型进行扩展,借鉴随机波动率(SV)模型的建模思路,同时考虑波动率的长记忆特征,引入Gamma分布刻画价格极差新息的分布,构建了双因子随机条件极差(2FSCR)模型来描述价格极差的动态性.进一步,基于连续粒子滤波算法,给出了2FSCR模型参数的极大似然估计方法,并通过蒙特卡罗模拟实验表明了该估计方法的有效性.采用上证综合指数(SSE)、深证成份指数(SZSE)、香港恒生指数(HSI)和美国标普500指数(SPX)数据进行了实证研究,结果表明:2FSCR模型相比CARR模型以及单因子的SCR模型都具有更好的数据拟合效果.进一步的模型诊断分析表明,2FSCR模型相比CARR模型和SCR模型能够更好地刻画价格极差新息的尾部分布,能够更充分地捕获波动率的动态特征(时变性、聚集性与长记忆性).采用滚动窗方法对波动率进行预测,利用价格极差与已实现波动率作为比较基准对模型的预测能力进行了比较分析,结果表明:2FSCR模型相比CARR模型和SCR模型都具有更为优越的波动率预测效果.     

有信息冲击、无信息冲击与波动率非对称性

本文将金融市场的冲击(innovations)分成有信息冲击和无信息冲击,构建了一种新的非对称GARCH类模型,区间均值GARCH模型(sectional mean GARCH,SM-GARCH).在中国股票市场的实证分析中发现:SM-GARCH模型能够更好地捕捉波动率特征和预测波动率;条件均值预测误差用于描述新到来的冲击对条件方差的影响,所提供的信息是有限的,在无信息冲击的情况下可以忽略它在波动率预测中的作用.     

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.     

区间均值条件波动率模型

本文讨论了有、无冲击（Innovations）对资产波动率的不对称性影响,它是现有研究关于正、负冲击不对称性影响的扩展。本文以GARCH模型为基础,假设条件均值为一个区问,建立了基于区间均值的GARCH模型及其非对称形式,并讨论了该类模型的估计方法。在中国债券市场的实证分析中发现,本文提出的模型能够更好地捕捉市场上波动特征;以已实现波动率为基准,区间均值GARCH模型取得了比GARCH模型更好的预测效果。     

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。     

考虑结构变化和长记忆性的国际原油价格波动率预测研究

原油市场普遍存在结构变化现象，可能会引发原油价格波动率的长记忆性，导致模型参数的有偏估计。为此，本文考虑原油价格波动率的结构变化和长记忆性特征，采用考虑结构断点的GARCH族模型和MMGARCH模型对WTI和Brent油价波动率进行预测建模。结果表明，WTI和Brent油价波动率中确实存在明显的结构变化和长记忆性特征，而能够捕捉这两种特征的GARCH族模型往往比忽略它们的模型取得更好的油价波动率预测效果，特别是，同时动态捕捉结构变化和长记忆性特征的MMGARCH模型对油价波动率的预测性能优于其他相关模型。     

中国股票市场可预测性研究：基于机器学习的视角

股市风险溢价是金融学中的一个经典研究问题.常见的线性模型存在着模型误设和参数不稳定的问题，难以有效预测风险溢价.本研究从机器学习的视角重新检视了中国股票市场的可预测性.基于1996年1月—2019年12月的数据，构建提升回归树(boosting regression trees, BRT)模型对股市收益率与波动率进行样本外预测，并构建了最优风险资产配置模型.实证结果显示：1)提升回归树方法能够对收益率、波动率和最优风险资产权重做出准确预测；2)在收益率预测中最重要的三个变量分别是净权益增加值、换手率和股价方差；挖掘预测变量之间的非线性关系是BRT预测能力的来源；3)结合提升回归树预测构建的最优风险资产组合可以为投资者带来更高的收益和效用.本研究将机器学习方法引入股票市场风险溢价的研究，为此问题的研究提供了全新的视角.     

基于时变波动率与混合对数正态分布的50ETF期权定价

经典B-S期权定价模型经历了从常数波动率、正态分布到时变波动率、非正态分布的发展历程。 对已有针对时变波动率期权定价模型效果的研究进行扩展,以时变波动率模型SSP对经典B-S期权定价公式的常数波动率进行修正,该随机条件波动率的构建充分反映了未来标的资产收益对其波动率的影响;运用广义学生t分布构建时变波动率调整后的B-S期权定价公式,并研究其风险中性概率分布形状,引入混合对数正态模型捕捉实际收益率分布相对于正态收益率分布的偏离;采用2015年2月9日、2月16日和2月25日的50ETF期权高频数据,应用严谨的参数显著性检验、样本内定价偏差和样本外预测偏差的模型选择比较标准,对提出的具有时变波动率的混合对数正态期权定价模型的定价精度进行分析。 研究结果表明,中国50ETF期权的标的资产高频收益率呈现出较为明显的有偏和尖峰厚尾分布,收益波动具有明显的聚集特征和长记忆性;采用时变波动率修正后的B-S模型能够显著提高对中国50ETF期权的定价精度;在综合考虑模型对标的资产价格变化动力学的刻画效果以及对期权的定价精确性后,具有时变波动性特征的混合对数正态模型是一个相对更为合理的期权定价模型。 研究结果不仅为投资者和监管机构提供了更为准确的期权定价方法,同时也丰富了有关中国50ETF期权典型统计特征的研究。     

嵌入GARCH波动率估计的B1ack-Litterman投资组合模型

在B1ack-Litterman投资组合模型中，为了更有效地估计风险资产的期望收益和波动率，引入了投资者的主观观点，这种处理确实能提高均值-方差投资组合模型的性能。但是在实践中，如何度量投资者观点成了另一个难题。为了克服这一困难，我们将GARCH波动率估计嵌入到B1ack-Litterman模型中，通过使用GARCH模型的预测能力来替代投资者主观观点，从而获得一个新的投资决策模型。作为应用，分别考虑了国内外真实市场数据测试情形，通过实证结果发现，嵌入了GARCH波动率估计后，Black-Litterman模型的性能可进一步得到很好提高，样本外平均收益率、波动率和夏普比等指标，均要好于一些传统模型。     

经济政策不确定性与我国股市波动率预测研究

股票市场的波动与实体经济走势以及宏观经济政策密切相关.因此,以Baker的经济政策不确定性(economic policy uncertainty,EPU)指数和我国股市代表性的股价指数——上证综指为对象,运用广义自回归条件异方差混频数据抽样(GARCH-MIDAS)模型,分析了经济政策不确定性对上证综指波动率的影响,并运用该模型与常见的多种GARCH族模型进行了样本外波动率预测的对比研究.实证结果表明,EPU指数能够很好地解释我国股市波动的长期成分,并显著改善对上证综指波动率的预测精度;同时,模型信度集合(model confidence set,MCS)检验结果进一步证实,基于混频数据的GARCH-MIDAS模型能显著打败常见的多种GARCH族模型.     

基于ARMA-GARCH模型的内蒙古煤炭价格波动性研究

文章运用ARMA-GARCH模型,以内蒙古煤炭价格指数的对数收益率为研究对象,对内蒙古煤炭价格波动性进行实证研究。研究结果显示,内蒙古煤炭价格指数的对数收益率序列均具有明显的波动集聚性,波动率序列具有显著的ARCH效应;煤炭市场往期的波动对现在波动的影响明显大于外部冲击;通过ARMA-GARCH模型中ARCH系数与GARCH系数之和与“1”的大小比较可知,波动具有不同强度的持续性和增强的趋势。     

股票收益率波动的异方差:基于交易量及异质信息分解的检验

本文在对沪市股票日收益率进行GARCH效应检验的基础上,首先以交易量作为市场上随机信息流的代理变量对GARCH模型加以修正,并由此考察收益率波动的异方差特性;然后再按照异质信息流对交易量进行分解,以此考察收益率波动的对称性。结果发现,在引入交易量之后,原本显著的GARCH效应趋于消失,且正信息对收益率波动的影响显著小于负信息的情况。此外,股票上市时间愈长,则交易量代理其信息流愈稳健,且异质信息下的不对称性也愈显著。     

基于极差的区制转移随机波动率模型及其应用

关于金融波动率的建模,大量文献都是基于将收益率作为波动率代理变量,而基于极差这一更有效的代理变量研究波动率的则相对较少． 考虑到随机波动率模型的优势,将区制转移引入到基于极差的随机波动率模型中,从而刻画金融市场中波动率水平可能存在的结构变化． 随后给出此波动率模型的MCMC估计,并利用模拟证明了该方法的有效性． 基于以上模型,对上证综指、深圳成指和沪深300指数的极差波动率进行了实证研究,并利用已实现波动率作为基准、以稳健的损失函数作为判断准则的比较方法,与文献中常用的GARCH类模型和SV类模型进行比较,进一步论证了提出模型的优势     

利率期货推出对现货市场的冲击效应——基于香港市场的经验证据

新兴市场利率期货的引进,对现货市场的动态波动和信息传递一定的冲击效应。本文针对香港市场90天利率期货,应用自回归条件异方差模型(GARCH)和方差比模型(VR),检验利率期货推出前后对现货市场的波动冲击与消息传递效果。实证结果显示,利率期货推出后波动性干扰所造成的影响效果有更快速地向正常水平调整的现象,波动性干扰半衰期大幅减小,但波动率显著增加。同时,利率期货引入后现货市场的收益率序列几乎接近于随机游走过程,所有的信息都立即反映在价格上,信息传递效率提高。     

基于期权与高频数据信息的VaR度量研究

传统的市场风险度量模型没有充分利用期权与高频数据包含的信息,且主要基于单因子波动率模型,导致信息的损失以及模型缺乏足够的灵活性.本文基于灵活的双因子随机波动率模型,通过提取期权与高频数据包含的市场前瞻与当前信息,构建相应的市场风险度量波动率模型对在险值（VaR）进行度量.为了估计模型参数,建立基于连续粒子滤波的极大似然估计方法.采用iVX指数与已实现波动率测度（RV）作为上证50ETF期权与高频数据信息的代理,对构建的市场风险度量波动率模型进行了实证检验,结果表明：充分利用了期权与高频数据信息的双因子随机波动率模型能够在快速变化的市场环境中更好地估计波动率,相比其它波动率模型（仅利用了历史数据信息的GARCH模型、利用了高频数据信息的已实现GARCH模型以及利用了期权与高频数据信息的单因子随机波动率模型）具有更为优越的VaR度量精确性,尤其是极端风险情形下的VaR估计精确性改进明显,凸显了期权与高频数据信息以及双因子波动率在市场风险管理中的价值.     

我国钢材期货套期保值绩效实证研究

在我国钢材期货推出两周年之际,本文基于螺纹钢期货合约结算价的加权平均价格周收益率和螺纹钢现货价格周收益率,采用OLS模型、BVAR模型、VECM模型和GARCH模型对螺纹钢期货最优套期保值比率进行测算,并基于风险收益方法对4种模型进行比较.研究表明,投资者在实务中应选择OLS模型,但应掌握GARCH模型理论应用方法;我国钢材期货市场的市场效率正逐步提升.     

我国上海股票市场GARCH效应实证研究

本文简略的介绍了三种GARCH 模型思想, 并用所介绍的模型对我国上海股票市场的GARCH 效应进行了实证研究。结果表明我国上海股票市场收益率序列的波动具有显著的异方差性,股价波动存在集群性和持续性,可以用GARCH类模型进行拟合。     

混合正态双因子已实现SV模型及其实证研究

  传统的波动率模型(如GARCH模型和SV模型)采用日度收益率数据对波动率建模，忽略了日内高频数据包含的丰富信息。同时，资产收益率的波动率往往展现长记忆性，资产收益率的分布展现非正态性(尖峰、厚尾)，传统的波动率模型不能很好地刻画现实资产收益率的这些特征。         将包含丰富日内高频信息的已实现波动率引入传统低频SV模型中，同时考虑已实现波动率偏差修正、波动率长记忆性和资产收益率的非正态性(尖峰、厚尾)，构建混合正态双因子已实现SV(2FRSV-MN)模型。 为了估计2FRSV-MN模型的参数，给出灵活且易于实现的基于连续粒子滤波的极大似然估计方法。 蒙特卡罗模拟实验表明，给出的估计方法是有效的。 采用上证综合指数和深证成分指数5分钟高频交易数据，对提出的2FRSV-MN模型进行实证检验。         研究结果表明，已实现波动率是真实日度波动率的有偏估计(下偏)，沪深股市非交易时间效应强于微观结构噪声效应；沪深股市具有强的波动率持续性和显著的杠杆效应，且杠杆效应只存在于短记忆波动率因子过程中,长记忆波动率因子过程中存在反向杠杆效应；根据赤池信息准则，2FRSV-MN模型比其他模型具有更好的数据拟合效果。 对风险值的估计结果表明，2FRSV-MN模型能较好地测量金融市场风险，但并非一定是具有最好的风险测量效果的模型，这取决于选取的概率和数据。         研究结果不仅为投资者和监管机构提供了信息和决策参考，也丰富了基于高频数据的波动率建模和市场风险测量的研究。