高维时变协高阶矩建模及其投资组合应用——基于半参数分布因子模型

本研究提出了一种基于半参数分布时变因子模型的动态协高阶矩建模方法，给出了模型设定、模型估计和时变高阶矩的检验.通过因子模型有效缓解了动态协高阶矩估计存在的“维数灾难”问题，同时通过引入半参数分布增加了模型的稳健性.实证研究表明：相比于现有协高阶矩估计方法，基于因子模型的动态建模能够有效捕捉资产收益率协高阶矩的时变结构，同时更加契合金融资产收益率的潜在特征；动态投资组合能够应用于高维场景，并产生更高且更稳定的经济价值，稳健性分析进一步证实了这一点.     

基于马尔科夫状态转移模型的股指收益率研究

金融资产收益率的分布是金融资产投资和风险管理等应用中的重要决定因素。针对经济和金融的潜在状态改变可能引起金融资产收益率分布结构性变化的现实情况,提出考虑收益率分布的时变性,将马尔科夫状态转移结构应用于中国股票指数对数收益率分布的建模,并提出使用混合正态分布模型刻画股指收益率在各状态的分布,建立隐马尔科夫状态转移-混合正态分布(HMS-MND)模型,使用期望最大化算法(E-M算法)和Baum-Welch算法给出模型的参数估计,采用2002年7月1日至2010年10月29日沪深两市11种主要股票指数的对数日、周收益率作为实证数据。模型参数估计和似然比检验结果表明,大部分股票指数收益率的分布中都存在显著的马尔科夫状态转移结构,且HMS-MND模型可以较好地刻画对数收益率分布的高阶矩统计特征。因此,引入马尔科夫状态转移结构对股指收益率的相关研究具有重要意义。     

基于L-矩的厚尾分布动态拟合研究

为了解决厚尾分布不拥有完整的中心矩集合而无法进行矩估计的问题,在金融领域引入近年来在水文领域发展较为迅速的L-矩理论.在考虑当前预期和波动性条件下,基于L-矩理论分别考察了广义帕累托分布对高频收益超额数的静态尾部拟合和动态尾部拟合,应用条件VaR以及Kupiec-LR检验对拟合的结果进行了检验.研究结果表明,L-矩理论可以很好地解决厚尾分布的矩估计问题;VaR以及Kupiec-LR检验表明,基于L-矩的广义帕累托分布较好地拟合了极端条件下的收益率尾部,可以捕获极端条件下收益率时间序列动态特征.     

自回归条件方差-偏度-峰度:一个新的模型

提出一个新的自回归条件方差一偏度一峰度模型:GJRSK-M模型,讨论了模型的识别、定阶、估计等技术,运用该模型实证研究了中国股市的高阶矩波动特征,利用样本外预测方法研究了GJRSK-M模型与现有高阶矩波动模型在预测能力方面的差异.研究结果表明:中国股市的条件方差、条件偏度和条件峰度都具有波动持续性和杠杆效应,GJRSK-M模型具有比现有高阶矩波动模型更强的预测能力.最后提出了将高阶矩波动模型运用于金融风险管理研究的思路.     

基于g-h分布的上证指数收益率分布拟合研究

本文旨在讨论上证指数收益率序列的分布特征,通过对上证指数1997年1月2日至2008年4月30日总计2700多个交易日的实证研究,发现上证指数收益率不服从正态分布,具有有偏、尖峰、厚尾的特性。本文将g -h分布引入收益率序列的分布拟合中,结果表明,这种分布能很好的解决收益率序列具有的有偏、尖峰、厚尾特性,拟合效果比用Logistic分布和t分布更好。     

收益率分布主观模型及其实证分析

在累积展望理论基础上,通过累积概率描述主观因素对内在价值分布的影响,建立收益率分布主观模型。建立从经验收益率数据中估计投资群体的风险追求程度、投资情绪和非完全理性程度等行为变量参数的方法。利用沪市A股数据,进行χ2同分布拟合检验,结果表明:0.05水平下,沪市69.56%股票的收益率分布认为符合收益率分布主观模型,接受t分布、双正态混合分布、稳定分布和正态分布假设的股票分别为56.31%、44.80%、46.06%和1.74%。通过比较大、小公司投资群体的行为差异,以及利用收益率主观模型估计的内在价值信息参数和行为参数对截面个股收益率进行解释的实证分析,表明收益率分布主观模型及估计行为参数的方法具有合理性。     

中国证券市场股指收益分布的实证分析

利用1996年至2004年上证综合指数和深证综合指数数据,对股指收益的分布特性进行了多角度的实证考察.在正态性假设被拒绝以后,利用国际上考察股票收益分布所使用的几个分布函数——scaledt-分布、逻辑斯谛分布、指数幂分布、混合正态分布、ARCH-M模型、GARCH-M模型——对股指收益数据分别进行拟合,对拟合出来的分布函数运用拟合优度检验,并比较各种拟合分布下VaR值与历史模拟的差别.实证结果表明scaledt-分布能够较好地模拟股指收益,有助于投资者正确估计市场风险.此外,对正态分布、scaled-t分布与历史数据落在不同区间的概率进行了比较,以期能够判断用正态分布模拟股指收益对高收益和高损失的低估可能性的大小.     

上证综指的股指波动:基于模糊FEGARCH模型及不同分布假设的预测研究

本文主要对2006年至2011年上证综指收益率序列的高频波动性进行预测研究。首先,针对金融数据的非线性和不确定等特性,借助模糊逻辑系统,提出一种新的金融市场波动率的预测方法-模糊FEGARCH模型,用来更好的针对具有非线性特性的收益率数据进行预测。其次,为了判断分布型模型和不对称型模型对预测精度的影响程度,分别采用分布型(GARCH-N,GARCH-t,GARCH-HT和GARCH-SGT)和不对称型(GJR-GARCH、EGARCH和模糊FEGARCH)的波动模型进行高级能力预测法(SPA)检测。实证结果表明,不对称模型对波动率预测的影响程度比分布假设的确定更为重要,而且模糊FEGARCH模型对于具有尖峰厚尾、高偏度和杠杆效应的非线性波动数据的预测能力更佳,说明了该模型的有效性与实用性。     

无套利Nelson-Siegel模型在中国国债市场的实证分析

无套利Nelson-Siegel模型形式上具有Nelson-Siegel模型的简约性,本质上是满足无套利假设的仿射类动态模型。本文以Fama-Bliss方法获得的上交所国债利率期限结构为研究对象,利用卡尔曼滤波法方法实证分析了无套利Nelson-Siegel(AFNS)模型在中国国债市场的适用性。研究发现估计出的AFNS模型能够很好反映我国国债市场利率期限结构的动态特征,模型中的三个状态因子能更有效地描述中国国债收益率的水平、斜率和曲率因子的动态变化,而收益率调整项的非线性作用使得该模型能有效减少对中国国债长期收益率的拟合误差。和动态Nelson-Siegel模型的对比分析表明,相关因子假设的无套利Nelson-Siegel模型样本内拟合能力更佳,独立因子假设的无套利Nelson-Siegel模型则具有最优的样本外预测能力。     

条件异方差动态Nelson-Siegel利率期限结构模型及其应用

动态Nelson-Siegel(DNS)利率期限结构模型将方差设定为常数,不能刻画收益率序列的条件异方差,降低了数据拟合和预测能力。本文用GARCH模型设定DNS模型观测方程条件异方差,基于适应状态空间模型用广义自回归得分(GAS)设定转移方程条件异方差矩阵,提出具有时变方差的GAS-DNS模型,将Rapisarda等的矩阵分解方法应用于协方差矩阵分解及再参数化保证协方差矩阵的正定性。采用中国银行间市场13种期限国债收益率数据进行实证分析,极大似然比检验表明,将DNS模型误差项方差矩阵时变化能够显著提高模型的对数似然值;以MAE、RMSE、MAPE和TIC为标准进行比较,显示GAS-DNS模型的收益率曲线样本内拟合效果和样本外预测能力均比DNS模型有显著提高。本文提出的GAS-DNS模型是对DNS模型的实质改进,鉴于利率期限结构模型和利率预测在实际应用中的重要性,本文的模型改进具有应用价值。     

广义双指数分布的跳跃扩散模型下股指期货波动研究

 金融期货市场既存在平常信息引起的连续性波动，又存在突发冲击造成的跳跃式波动，金融市场波动同时具有扩散性和跳跃性特点。同时，金融期货市场与现货市场间的跳跃和波动行为存在着风险溢出效应和羊群效应等。并且，金融资产收益在跳跃过程中呈现出非高斯属性，正态分布假设不能刻画跳跃和波动中的程式化现象，如噪音分布的尖峰厚尾、有偏特征等。        考虑到金融期货序列分布的尖峰厚尾、有偏、非对称现象，采用非对称、有偏的广义双指数分布刻画收益率非高斯特征；同时考虑到金融波动序列的时变性、集聚性和异方差性以及收益与波动之间存在着杠杆效应，将有偏的广义双指数分布引入到收益序列和波动序列均存在跳跃且跳跃相关的双层跳跃扩散模型，构建广义双指数分布驱动的双层跳跃扩散模型，并从理论上分析模型的优越性。根据模型的似然函数估计式，使用马尔科夫链蒙特卡洛模拟迭代求解广义双指数分布驱动的双层跳跃扩散模型参数，将构建的模型应用到中国股指期货和现货市场进行实证研究，分析中国股指期货和现货市场各自的跳跃和波动行为特征以及市场间跳跃和波动的风险关联性，包括对两类市场跳跃形态的非高斯特征分析股指期货市场与现货指数的波动协同性描述，以及股指期货与现货间的跳跃溢出行为、跳跃强度和跳跃大小分析等。        研究结果表明，广义双指数分布驱动的双层跳跃扩散模型较好地捕获了收益率分布的尖峰厚尾特征；股指期货收益和股指现货收益上涨与下跌概率呈现非对称性；股指期货波动强度高于股指现货波动，而股指期货波动的持久性低于股指现货；股指现货的杠杆效应表现更强；股指期货和股指现货市场存在双向跳跃溢出效应。        研究结论有利于理解中国沪深300股指期货市场和现货市场之间的跳跃风险传染机制，对于深入认识期货和现货市场的风险溢出关系、促使投资者规避风险和监管机构加强监管具有一定的参考作用。     

基于UPM-LPM的增强指数投资策略

增强指数投资策略的理念是基于部分成份股构建指数跟踪组合，以期在跟踪指数趋势的同时，获取超出指数平均收益的超额收益。本文将指数收益率作为目标收益，拓展经典下偏矩（Lower Partial Moment，LPM）的概念，使其适应于增强指数投资策略建模，同时给出上偏矩（Upper Partial Moment，UPM）的定义，进而构建基于UPM-LPM之比的增强指数模型。为解决模型的求解复杂性和高维投资组合的"维数灾难"问题，本文运用非参数核估计方法直接得到跟踪组合的密度函数，进而得到跟踪组合的LPM和UPM的解析表达式，避免对组合中各资产之间的高维联合分布进行估计，大幅度降低了估计的维度，克服"维数灾难"问题。而且LPM和UPM的核估计量是组合头寸的光滑函数，具有任意阶导数，便于优化问题求解。最后，本文运用沪深股票市场上五个常用指数及其成份股数据，检验模型在实际金融市场中的表现，结果表明：本文提出的增强指数模型能够战胜指数，同时实现跟踪指数趋势并获取稳健超额收益的目标。     

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。     

中国股市收益率分布特征研究

应用修正Weibull分布对上海综合指数收益率和深圳成分指数收益率的分布状况进行研究。结果表明:经过简单的移位变换后,上证综指收益率和深成指收益率可完全用修正Weibull分布来刻画;大收益率服从次指数分布,小收益率服从超指数分布;两股指收益率的概率分布存在一些差异,上证综指的波动性大于深成指的波动性;沪深股市收益率的分布在1996年以后发生了较大的变化,其中沪市变化更大。     

基于非对称主动风险测度的增强型指数追踪模型及应用

本文以下方追踪误差测度非对称主动风险，构建了可以折衷超额收益和下方追踪误差的增强型指数追踪模型，给出了求解模型的广义最小角度回归（generalized least angle regression，简称GLARS）算法，并基于上证50进行了实证。GLARS算法可以给出超额收益在合理区间变化时，使得下方追踪误差最小的组合系数解路径，刻画投资组合的"超额收益—下方追踪误差"有效前沿。将模型应用于中国证券市场上证50指数，与基于"超额收益—追踪误差"的增强型指数追踪模型相比，得到如下实证结论：控制组合股票支数，本文组合的超额收益、单位风险收益更高，在承担相同风险的情况下，得到了更高的平均收益补偿；正下方离差中位数、最大回撤更小，右偏程度更高，表现出"守住下限，放开上限"的特质。本文组合在稀疏性要求下，样本外可以获得高于基准指数的累积收益，对机构和个人投资者具有参考价值，丰富了现有指数追踪研究。     

基于SKT-ARFIMA-HYGARCH-VaR模型的股票型基金投资风格漂移风险测度研究

投资风格漂移是把双刃剑,基金在获取短期超额收益的同时,其背后也折射出巨大的漂移风险。本文以2004年成立的8只开放式股票型基金为研究样本,在量化基金投资风格漂移收益及分析其序列呈尖峰、厚尾与有偏特征的基础上,通过引入skt分布来刻画新生变量的分布,构建ARFIMA-HYGARCH-VaR模型来测度基金投资风格漂移风险值,并与skt分布下的RiskMetrics及GARCH族等5种VaR模型的风险测度能力做了比较实证分析,同时对各种VaR模型进行失败频率回测检验与动态分位数测试。研究结果表明:在不同显著性水平下,skt分布下的各种模型基本都有较好的风险测度能力,但ARFIMA-HYGARCH模型的VaR风险测度更加精确与稳定;Person吻合度检验也证实了skt分布能较好刻画投资风格漂移日收益序列的分布。本研究为控制较严重的投资风格漂移及规范基金产品创新设计与发行无疑具有重要的理论价值与现实意义。     

我国投资者情绪对股票收益影响——基于面板数据的研究

基于基金的资金流量构造投资者情绪指标,应用面板数据模型对我国投资者情绪与股票收益之间的关系展开研究,结果表明情绪对股票收益具有显著影响,其中乐观情绪的影响高于悲观情绪,而极端情绪在我国市场中具有独特的预测能力。利用行为金融学理论建立合理的情绪指标,可以作为预测市场未来波动的可靠指针,为我国证券投资者及监管者提供决策参考依据。     

欧债危机环境中资产组合ES模型比较研究

本文以中国上证综指、德国法兰克福DAX指数、美国S&P500指数为研究对象,分别运用DCC-GARCH及时变Copula-EVT模型建模,探讨了欧债危机爆发后股市间相依关系的变化状况。在此基础上,将三个股指收益两两组合,分别建立了各类模型假定下的资产组合预期损失ES模型,并通过后验分析方法,探讨了危机爆发后,各类ES风险模型测度精度的变化状况及对比结果。实证研究表明：欧债危机爆发后,时变Copula-EVT-ES的风险测度准确度明显高于DCC-GARCH-ES模型;边缘分布模型的选择对于时变Copula-EVT-ES模型的测度精度具有重要影响。综合对比分析发现,在金融市场极端波动的状况下,能够捕捉杠杆效应且善于刻画厚尾特征的时变t-Copula-AR（1）-GJR（1,1）-EVT-ES模型能够取得相对较好的风险测度效果。     

股价暴涨的风险:基于中国股市的实证

股价暴涨直观上带来高收益，激发市场正面情绪，那么为什么暴涨被视为风险?本文利用2006年至2016年中国A股上市公司数据，通过计量建模对暴涨股票的特征和日后的市场表现进行刻画。实证发现：（1）股价暴涨频度高的股票，呈现低资产收益率、高市值账面比、多散户持股、少沪深300成份股等特点；（2）易发生暴涨的股票其长期超额收益率更低，未来有更大的暴跌风险和更高的收益率波动率；（3）对于运营基本面较差、市场过于乐观、信息披露质量较低的股票，暴涨后的暴跌风险更加明显。研究结论在不同代理变量选择、多种计量模型设定下均稳健成立。本文揭示了暴涨不仅仅是极端价格波动，而且更容易发生在高风险股票中，未来蕴含着更大的潜在损失。暴涨是实实在在的风险。