基于局部相关系数和截尾扭曲混合Copula的杠杆效应识别和度量

作为风险资产收益和波动之间关系的度量，杠杆效应是金融市场数据三大分布特征之一，在波动预测、资产定价和风险管理中起着重要作用。日内高频数据计算的已实现波动作为波动的代理变量，解决了波动不能观测的问题，实现了用波动和收益直接建模捕捉杠杆效应。深入了解收益和已实现波动的相关模式并以此构建二者的联合分布是正确度量杠杆效应的关键。本文以局部相关系数为工具研究收益和波动在不同取值范围内的相关性变化，实证研究结果表明，与负收益冲击引起波动增加一样，正收益冲击也会引起波动增加，这与传统杠杆效应理论并不一致，与Chen和Ghysels（2011）对美国股票市场的实证结果一致。为正确捕捉和度量实证结果反映出的杠杆效应，在扭曲混合Copula构造方法基础上，本文用截尾扭曲函数构造扭曲混合Copula，以此作为收益和已实现波动的联合分布，再现收益和已实现波动的局部相关性特征。以上证综指2013.1.29日至2017.4.30区间内日内1分钟高频数据为样本进行实证分析表明，本文构造的Copula函数具有和实际数据一致的局部相关特征，能够正确刻画市场表现出的杠杆效应。Copula拟合优度的非参数检验表明，实际数据不拒绝本文构造的Copula函数，而现有文献采用的单成分Copula函数和两成分混合Copula函数均被拒绝。本文为收益和已实现波动的联合建模提供参考，具有基础重要性。     

GAS-SKST-F模型及其在高频多元波动率预测中的应用

假定日收益率服从多元有偏学生t分布、已实现协方差矩阵服从矩阵F分布，本文构建了一种新的得分驱动模型：GAS-SKST-F模型。在该有偏厚尾多元波动率模型中，我们基于广义自回归得分(GAS)模型的基本思想对收益率和已实现协方差矩阵进行联合动态设定，协方差矩阵的更新过程依赖于收益率分布和已实现协方差矩阵分布联合似然函数的得分函数。已实现协方差测度在协方差矩阵的更新过程中发挥了重要的作用。基于20支上证50成分股高频数据的实证分析研究结果显示，与GAS-N-Wishart模型和GAS-tF模型相比，无论样本内还是样本外，GAS-SKST-F模型有着更加良好的样本内估计和样本外预测能力。     

已实现波动与日内价差条件下的CVaR估计

随着高频金融数据的获取,已有很多基于高频数据的研究,包括已实现波动率的估计及其分布特征分析等.尝试结合日内高频数据和日收益率数据,基于Copula方法分析了日收益率与"已实现"波动率以及日内价差之间的相依结构.通过分象限对数据进行了Copula拟合,给出了一类特殊数据的联合分布估计方法,进而给出了已实现波动率和日内价差条件下的CVaR的估计方法.最后基于中国股市上证综指和深证成指的高频收益率数据进行了实证分析,并对两种条件下的CVaR方法进行了预测效果的比较,实证结果表明已实现波动率条件下的CVaR预测效果更好.     

沪深300股指期货的波动率预测模型研究

以沪深300股指期货仿真交易的5分钟高频数据为例,运用滚动时间窗的样本外预测和具有Bootstrap特性的SPA检验法,全面对比了基于日收益数据的历史波动率(historical volatility)模型和基于高频数据的已实现波动率(realized volatility)模型对波动率的刻画和预测能力.主要实证结果显示,已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较高的波动模型,而在学术界和实务界常用的GARCH及其扩展模型对沪深300股指期货的波动率预测能力最弱.     

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.     

引入外部冲击的中国铜期货市场高频波动率建模与预测

在中国经济逐渐全球化的背景下，引入外部冲击对中国有色金属期货市场的高频波动率进行建模和预测，有利于提高对中国有色金属价格波动的预测能力。本文将外部冲击信息引入HAR-RV-CJN模型，以中国上海期货交易所铜期货高频数据样本为例，对模型的拟合效果进行实证检验，并基于自举法的SPA检验，评估高频波动率模型的预测精度。结果表明，外部冲击变量在长期内对期铜已实现波动率的预测产生重要影响，引入外部冲击信息后的HAR-RV-CJN-ES模型相比于HAR-RV-CJ模型和HAR-RV-CJN模型，拟合效果和预测精度在长期都有了显著提高。     

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.     

金融波动的赋权“已实现”双幂次变差及其应用

金融波动是金融研究中的热点问题。金融高频数据比低频数据包含了更丰富的日内收益波动信息,因此对金融高频时间序列的研究成为金融领域中备受关注的焦点。"已实现"波动是利用高频数据计算金融波动率的全新方法,目前在金融高频数据的研究中应用十分广泛,但它具有误差较大和不稳健的缺点,因此各种改进方法应运而生,其中"已实现"双幂次变差克服了"已实现"波动的不稳健的缺点。本文提出赋权"已实现"双幂次变差的概念,不但继承了"已实现"双幂次变差的稳健性,而且满足无偏性和最小方差性,通过理论证明和实证研究都表明其能够更准确的度量金融波动率。     

双因子非对称已实现SV模型及其实证研究

在基本的SV模型中引入包含丰富日内高频信息的已实现测度，同时考虑其偏差修正以及波动率非对称性与长记忆性，构建了双因子非对称已实现SV（2FARSV）模型.进一步基于连续粒子滤波算法，给出了2FARSV模型参数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份指数日内高频数据计算已实现波动率（RV）和已实现极差波动率（RRV），对2FARSV模型进行了实证研究.结果表明：RV和RRV都是真实日度波动率的有偏估计（下偏），但RRV相比RV是更有效的波动率估计量；沪深股市具有强的波动率持续性以及显著的波动率非对称性（杠杆效应与规模效应）；2FARSV模型相比其它已实现波动率模型具有更好的数据拟合效果，该模型能够充分地捕获沪深股市波动率的动态特征（时变性、聚集性、非对称性与长记忆性）.     

流动性供给与日内价格效率——基于中国股票市场的实证研究

本文基于中国A股市场高频交易数据从流动性供给的角度探究提高价格效率的途径，并结合信息交易和市场状态分析流动性供给与日内价格效率的关系。用短期收益的可预测程度来衡量价格效率，用逆势交易比例来衡量流动性供给水平，基于日内分时数据建立面板回归模型对流动性供给与价格效率之间的关系进行实证分析。结果表明，提高流动性供给能够促进日内价格效率的改善，同时较高的机构交易比例和较低的价格波动对流动性供给与价格效率之间的关系有正向促进作用。研究结论对于提高价格效率，稳定和完善市场具有启示作用。     

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.     

中国股票市场的时变杠杆效应研究——基于随机Copula模型的实证分析

构建随机Copula模型研究了中国股票市场在极端市场条件下的时变杠杆效应.为了解决金融市场中波动率不可直接观测的问题,采用已实现波动率测度作为隐波动率的代理变量,进而运用基于有效重要性抽样的极大似然(EIS-ML)方法估计了随机Copula模型的参数.基于沪深股市数据的实证研究表明:中国股票市场的杠杆效应具有非对称特征,即股市低收益率伴随高波动率,但股市高收益率不一定伴随低波动率;中国股票市场的杠杆效应存在显著的时变性,沪深股市杠杆效应表现出类似的变化趋势;随机Copula模型相比其它Copula模型(静态Copula模型和时变Copula模型)具有更好的数据拟合效果.     

The Realized Laplace Transform of Volatility

We introduce and derive the asymptotic behavior of a new measure constructed from high‐frequency data which we call the realized Laplace transform of volatility. The statistic provides a nonparametric estimate for the empirical Laplace transform function of the latent stochastic volatility process over a given interval of time and is robust to the presence of jumps in the price process. With a long span of data, that is, under joint long‐span and infill asymptotics, the statistic can be used to construct a nonparametric estimate of the volatility Laplace transform as well as of the integrated joint Laplace transform of volatility over different points of time. We derive feasible functional limit theorems for our statistic both under fixed‐span and infill asymptotics as well as under joint long‐span and infill asymptotics which allow us to quantify the precision in estimation under both sampling schemes.     

基于贝叶斯因子模型金融高频波动率预测研究

构建了包含时变系数和动态方差的贝叶斯HAR潜在因子模型(DMA(DMS)-FAHAR),并对我国金融期货(主要是股指期货和国债期货)的高频已实现波动率进行预测.通过构建贝叶斯动态潜在因子模型提取包含波动率变量、跳跃变量和考虑杠杆效应的符号跳跃变量等预测变量的重要信息.同时,在模型中加入了投机活动变量,以考察市场投机活动对中国金融期货市场波动率预测的影响.预测结果表明,时变贝叶斯潜在因子模型在所有参与比较的预测模型当中具有最优的短期、中期和长期预测效果.同时,具有时变参数和时变预测变量的贝叶斯HAR族模型在很大程度上提高了固定参数HAR族模型的预测能力.在股指期货和国债期货的预测模型中加入投机活动变量可以获得更好的预测效果.     

交易市场与网络论坛间存在信息传递吗?

本文选用2007年11月16日至2009年4月10日上证综指收益率和新浪网股票论坛上证综指吧的发帖量数据,通过构建收益率与异常发帖量的多元BEKK-GARCH模型,对收益率与异常发帖量间的波动溢出效应进行实证分析,并以此考察交易市场和股票论坛间的信息传递和相互关系。结果表明:收益率和异常发帖量间存在显著的双向波动溢出关系,收益率对异常发帖量方向存在正向的波动溢出效应,异常发帖量向收益率方向存在负向的波动溢出效应,故交易市场与股票论坛间存在双向信息传递关系;收益率和异常发帖量存在显著的负相关关系,市场下跌提高了投资者的信息需求,股票论坛的信息交流与沟通对稳定金融市场、提高投资理性具有一定作用。     

股市预期收益率与波动关系的研究

利用SV_m模型对Koopman等的研究结论进行了验证,对SV_m模型进行了扩展,提出了一种能捕捉非对称效应的A-SV_m模型,并用该模型和SV_m模型对预期收益率与波动的关系进行了实证研究.研究结果与Koopman等人的结论不同,表明预期收益率与波动之间的关系是时变的,而且波动(条件方差)对预期收益率的影响并不显著.结合Harrison、Campbell等人的研究对结果进行了解释.     

跳跃的估计、股市波动率的预测以及预测精度评价

本文基于C_TMPV理论估计已实现波动率的跳跃成分,在此基础上构建考虑跳跃的AHAR-RV-CJ模型和MIDAS-RV-CJ模型来预测中国股市的已实现波动率,并评价和比较各类波动率模型的预测精度。实证结果表明:基于C_TMPV估计的波动率跳跃成分对日、周以及月波动率的预测有显著的正向影响;AHAR-RV-CJ模型和MIDAS-RV-CJ模型的样本内和样本外预测精度在不同的预测时域上都是最高的,尤其是对数形式的模型;MIDAS族模型的样本外预测精度在中长期预测时域上比HAR族模型高;AHAR-RV-CJ模型和MIDAS-RV-CJ模型的样本外预测能力在中长期预测时域上比基于低频数据的Jump-GARCH模型、SV-CJ模型和SV-IJ模型好。     

Generalized Method of Integrated Moments for High‐Frequency Data

We propose a semiparametric two‐step inference procedure for a finite‐dimensional parameter based on moment conditions constructed from high‐frequency data. The population moment conditions take the form of temporally integrated functionals of state‐variable processes that include the latent stochastic volatility process of an asset. In the first step, we nonparametrically recover the volatility path from high‐frequency asset returns. The nonparametric volatility estimator is then used to form sample moment functions in the second‐step GMM estimation, which requires the correction of a high‐order nonlinearity bias from the first step. We show that the proposed estimator is consistent and asymptotically mixed Gaussian and propose a consistent estimator for the conditional asymptotic variance. We also construct a Bierens‐type consistent specification test. These infill asymptotic results are based on a novel empirical‐process‐type theory for general integrated functionals of noisy semimartingale processes.