非对称随机波动模型在中国股市的应用

为了探测随机波动模型的非对称特征,修改传统的随机波动模型建立非对称的随机波动模型,采用基于马尔可夫链蒙特卡洛(MCMC)模拟的贝叶斯分析对模型进行参数估计。对中国深圳、上海股市波动进行实证研究发现,非对称随机波动模型能较好地探测波动存在的非对称波动。与GJR-GARCH模型相比,非对称随机波动模型预测效果更好。     

我国燃油期货市场的波动率预测模型

准确描述和预测石油及其相关产品的价格波动对各国政府能源政策的制定以及能源风险管理工作意义重大。文章以上海期货交易所燃油期货的15分钟高频价格数据为例,实证计算了三类代表性波动率模型:已实现波动率模型、随机波动模型以及GARCH族模型对我国燃油期货价格波动的预测值,同时,采用多种损失函数对比了三类波动率模型。实证结果表明,基于高频数据的已实现波动率模型对我国燃油期货市场具有最好的波动预测精度。而就基于日数据的模型而言,随机波动模型要明显强于GARCH族模型。     

基于APF算法的贝叶斯金融厚尾MSSV模型研究

针对金融时间序列普遍具有的波动聚集性和厚尾特征,将对风险管理尤为重要的一些极端点纳入模型之中,构建厚尾马尔科夫转移随机波动模型,采用带辅助变量的粒子滤波算法对波动和潜在状态进行预测,并估计模型参数.由于t分布与正态分布的特殊关系,通过选取不同自由度进行仿真分析,研究发现MSSV-t模型较一般MSSV模型对于消除波动持续性参数的高估问题更加有效.结合对中国上证综指股价波动的实证研究,证明了基于APF算法的MSSV-t模型在潜在波动状态的预测及突发事件的探测方面具有优良的性质,同时具备提高波动预测精度的能力.     

基于中国股票高频交易数据的随机波动建模与应用

本文对近十五年多达17万笔高频交易数据研究发现,早晨9:30股市开盘期间收益回报显著为负值,而在下午3:00收盘前的5分钟集合竞价阶段的收益回报显著为正值,称这种现象为“首尾5分钟现象”.并且日内收益数据具有较为显著的季节效应或周期效应,本文首次提出利用具有季节效应的SVJt-s模型对上证综合指数的5分钟高频交易数据进行建模,并给出模型的两步估计方法.由于高频随机波动建模时的数据量巨大、计算负荷严重,模型的估计、评价以及预测评价方法都需进行相应的改进,本文主要通过APF方法计算边际似然和BF进行模型比较,并从模型的预测能力发现本文给出的具有季节效应的SVJt-s模型,优于通常的GARCH模型和基本随机波动模型,最后给出了模型在风险管理中的应用.     

组合预测方法在季节波动预测中的应用

季节波动是社会经济现象随着季节的变化而发生的周期性的变动，是季节性的固定规律作用于经济活动的结果。在经济现象的发展变化中，一般受四种波动的影响，即长期趋势、季节性波动、循环波动和不规则的随机波动。但在经济预测中要把握住前两点，一是要搞清楚季节波动的规...     

中国通货膨胀的预测模型与实证

文章建立了一个带反馈机制多因素随机波动模型来刻画中国通货膨胀动态,基于粒子滤波与MH抽样相结合的贝叶斯方法估计模型参数,并利用粒子滤波方法得到通货膨胀的一步向前预测及随机波动分量的光滑估计.研究表明,与Stock and Waston(2006)的模型相比,带反馈机制的多因素随机波动模型可以刻画经济波动的随机性和经济波动的极端事件,能够较为准确地描述中国通货膨胀的动态行为,从而对通货膨胀可以做出更为准确的预测.     

基于改进的Grey-Markov对区域碳排放市场价格的预测

文章采用灰色预测法刻画碳价的发展趋势,运用马尔科夫(Markov)理论刻画碳价的随机波动特性,使用并改进Grey-Markov模型预测碳价波动.通过比较其与传统金融时间序列预测模型GARCH的结果,发现改进的Grey-Markov模型能够提高预测的精度.     

混合贝塔分布随机波动模型及其贝叶斯分析

为了更准确地揭示金融资产收益率数据的真实数据生成过程,提出了基于混合贝塔分布的随机波动模型,讨论了混合贝塔分布随机波动模型的贝叶斯估计方法,并给出了一种Gibbs抽样算法。以上证A股综指简单收益率为例,分别建立了基于正态分布和混合贝塔分布的随机波动模型,研究表明,基于混合贝塔分布的随机波动模型更准确地描述了样本数据的真实数据生成过程,而正态分布的随机波动模型将高峰厚尾等现象归结为波动冲击,从而低估了收益率的平均波动水平,高估了波动的持续性和波动的冲击扰动。     

基于Tompkins方法的KMV模型研究

传统的KMV模型使用公司价值历史波动率来近似替代波动率.针对我国股市波动不稳定,尤其是重大经济事件或政治事件的信息披露,以及金融市场上可能存在的影响金融资产价格波动率的季节性或周期性等因素对标的资产市场产生影响较大这一特性,文章把基于历史数据的估计和对波动率变化规律的认识结合起来,综合运用各种定量与定性分析的工具,即运用预测波动率估计的基本思想替代了传统的历史波动率求解方法.实证分析表明,该方法能使模型对信用风险的预测更具准确性和前瞻性.     

考虑记忆性质与时间滞后效应的非线性经济周期模型分析

考虑非线性经济周期模型中经济变量存在记忆性质与时间滞后现象,研究随机周期作用激励下Goodwin模型的随机响应,以此研究记忆性质与时间滞后现象对经济周期波动的具体影响。通过随机多尺度方法得到了模型的确定性与随机情形下的稳态响应。结果发现:当考虑非线性投资函数时,经济变量的时间记忆性质和时间滞后现象均可以导致经济波动方式的改变;当考虑非线性消费函数时,经济变量的时间记忆性质与时间滞后现象均可以诱导出经济周期波动的随机跳跃现象,即引发经济系统的突变。同时,随机周期作用也可以诱发系统出现稳态概率密度函数的分岔现象出现,说明外部随机周期作用可以诱发经济系统的突变现象产生。     

GARCH类模型和状态空间模型波动率预测评价

GARCH类模型和状态空间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.文章首先运用GARCH类模型和状态空间模型对上证指数收益率进行了全面的估计及预测,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回归评价GARCH类模型和状态空间模型的波动率预测表现.     

运用最小二乘支持向量回归机和CARRX模型对股市波动率的预测

条件自回归极差模型(CARRX)是一类新的描述波动率的模型。为了提高CARRX类模型的预测精度,文章将最小二乘支持向量回归机(LSSVR)应用于CARRX模型。先将CARRX模型转化成ARMAX形式,再利用LSSVR对ARMAX模型的参数进行估计(LSSVR-ARMAX)。通过对沪深300指数的预测实证分析,发现无论是采用直接预测还是迭代预测,LSSVR-ARMAX模型的样本外预测能力均优于Perez-Cruz(2003)提出的方法;LSSVR的估计方法能够在长期预测中捕捉到极差波动率的变动趋势,而CARRX类模型对中短期极差波动率的预测准确度较高。     

灰色·马尔柯夫模型在棉花产量预测中的应用

传统的灰色模型GM(1,1)主要适用于预测时间短,数据资料少,波动不大的系统对象,其预测趋势都是一条较为平滑的曲线,对于随机波动性较大的数据序列拟合较差,预测精度较低.而在马尔柯夫链理论中,转移概率pii可以反映随机因素的影响程度,因此适用于预测随机波动大的动态过程.这恰恰可以弥补灰色预测的局限.但马氏链预测对象要求具有马氏链和平稳过程等均值的特点,而客观世界中的预测问题大量是随时间变化或呈某种变化趋势的非平稳过程.如若采用灰色GM(1,1)模型对预测问题的时序数据进行拟合,找出其变化趋势,则可以弥补马氏链预测的局限.因此将GM(1,1)模型与马尔柯夫预测模型有机地结合,既可优势互补,又克服了两者的不足.     

中国股市波动率的TSK非线性组合预测模型

Grey-GARCH模型是一类新的波动率模型.针对单一Grev-GARCH类模型只能有限地提高波动率的预测精度,利用TSK模糊推理系统,结合组合预测的思想,建立波动率的TSK非线性组合预测模型.通过对上证综指和深证综指的实证分析,发现与单一Grey-GARCH类模型、RBF非线性组合预测模型和线性组合预测模型相比,TSK非线性组合预测模型总体上能够获得更高的预测精度,说明TSK非线性组合预测模型是一种有效的波动率预测分析方法.     

灰色多元线性回归模型及其应用

基于灰色关联法和灰色聚类法诊断、解决多重共线问题;利用GM(1,1)模型对原始数据序列进行修正,降低随机波动的干扰;据修正变量数据建立灰色多元线性回归模型,并将其运用于具体实例取得满意的预测效果。该模型对处理数据贫乏、波动较大的样本效果显著。     

基于GARCH模型的沪深地产股波动性分析及预测

近年来GARCH类模型在预测波动率方面得到了广泛应用,鉴于股票和房地产两个市场对我国经济发展的重要性,所以选择沪深两市地产指数的收益率做波动性研究.丈章运用GARCH类模型对沪深地产指数收益率的波动进行了枯计和预测,结果表明沪深地产指数收益率的波动不存在杠杆效应,投资者投机目的较强,M-Z回归和损失函数评价结果显示,GARCH(1,1)-M模型的样本外预测刚效果是最好的,但不能准确预测非常大的波动.     

关于金融市场波动预测模型研究的发展展望

文章回顾了金融波动预测研究的发展过程,总结了金融波动预测发展中的研究方法和脉络,文章发现金融波动研究遵循了由发现波动特征到模拟波动特征的研究特点,模型研究正由模拟波动持征转向了参数可变的解释波动这个方向转变,但是我们也看到,模型对波动深层次原因的解释仍显不足,这是正是目前金融波动模型探索的方向。     

波动率模型在中国股市中的应用研究

文章对上证综合指数收益率和深证成分指数收益率进行统计分析,运用GARCH,EGARCH,TARCH模型对其进行建模,发现股票收益率序列所存在的尖峰厚尾现象、波动聚类特性以及杠杆效应,通过比较不同的模型发现非对称模型的拟合效果最为理想;另外通过采用三种不同的损失函数评价各类模型的预测效果,结果表明,非对称模型样本外预测的能力也是最强的.     

TGARCH模型在利率波动建模中的应用

波动率是利率期限结构模型的重要因素。本文从对利率的波动进行建模,进而对利率的波动进行预测的角度出发,在考虑利率波动的异方差性质,以及利率对正的信息和负的信息的不同的波动模式的基础上,用门限广义自回归条件异方差模型(TGARCH)对CKLS模型中的波动部分进行建模。     

用虚拟变量法进行季节波动预测

一、引言季节波动是指由于自然条件或社会条件的影响，经济现象在一年内随着季节的转变而引起的周期性的波动。一般来说，在一些经济现象除了受季节波动影响之外，它还受到经济发展的长期趋势的影响以及除了上述因素以外的不规则波动。为了能对受季节波动影响的经济现象进行预测，一般常用的方法是将影响经济现象的各个主要因素加以分解，进行单独测算，然后再进行迭加，从而对受季节波动影响的经济现象进行预测。对于受季节波动影响的经济变量Y，它可以分解为Y=T＋S＋I（其中T为长期趋势，S为季节波动，I为不规则变动）、或Y＝T·S＋I…