具有结构变化的资产定价模型的贝叶斯自回归条件异方差检验

在现代资产定价理论中,一个基本的假定是证券资产风险溢价满足方差齐性。然而,这样的假设未必是正确的,因此,需要对资产定价模型进行异方差的检验。本文在贝叶斯框架下考察了具有结构变化的资产定价模型,提出了检验该模型的回归条件异方差的贝叶斯检验方法。最后利用两个具体实例论证了所提方法的有效性。     

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.     

一种新的金融动态横截面估计方法——基于中国股票市场条件定价模型评估的应用与扩展

大多数资产定价模型常常用静态横截面回归(the static cross-sectional regression)进行定价表现评估,从而投资组合回报率的时间变化性并不能被时变的风险承载或者(和)时变的风险溢价所解释.本文从经济学的角度,运用一种新的金融动态横截面回归(the dynamic cross-sectional regression),首次考察了基于中国股票市场和美国股票市场的条件资产定价模型的定价表现:股票市场投资组合回报率的时变性是否能被时变的风险溢价所解释.本文发现,短期收益反转和流通市值加权市场换手率为条件变量的条件资本资产定价模型和基于消费的条件资本资产定价模型,能更好的解释中国股票投资组合的回报时变性,其时变性主要来自于时变的风险溢价.另外,本文发现一些拥有持续(persistence)和缓慢变化(slow-moving)特性的条件变量更能够解释横截面投资组合的时变回报.     

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.     

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。     

中国燃料油最优套期保值率绩效研究

本文主要介绍了在最小方差思想下最优套期保值比率的估算方法。分别用普通最小二乘模型(OLS)、双变量向量自回归模型(B-VAR)、误差修正模型(ECM)以及协整关系的广义自回归条件异方差模型(ECM-GARCH)4种进行了对最优套期保值比率进行了静态的和动态的估计,结果显示这4个模型中用ECM-GARCH模型得到的套期保值效果最好。     

基于GARCH族模型股指期货的波动性研究

本文分别用最具有代表性的3类广义自回归条件异方差模型：GARCH、TGARCH、EGARCH,在正态分布、t分布和GED分布假设下,分析了与我国沪深300股指期货相仿的新华富时A50指数期货,结果表明基于广义误差分布下的EGARCH模型拟合效果最优,同时也表明新华富时A50股指期货具有较强不对称效应,等量利空信息是利好信息冲击的3-4倍。     

ARIMA-EGARCH-M-GED模型在公路客运量预测中的应用

首先阐述了公路客运量预测的重要性,分析回顾了基于ARMA的时间序列方法和RBF神经网络方法.针对上述方法的不足之处,为进一步提高预测结果的准确性,提出了ARIMA-EGARCH-M-GED模型.EGARCH-M模型能很好地刻画数据的异方差特性,同时还能体现正、负冲击带来的非对称效应,有很大的灵活性.再利用拉格朗日乘数法对其残差序列作检验,发现存在明显的异方差性.经验证,残差的异方差性可通过EGARCH-M-GED(自回归条件异方差)模型来拟合,建立了ARIMA-EGARCH-M-GED模型.最后提出了进一步研究的方向,以不断提高公路客运量预测的准确度.     

经济时间资产定价模型

在常规时间变换研究中所采用的从属概念是建立在独立条件上的,但是价格和成交量之间却是相关的.为了能够将成交量作为价格的随机时间,推广了从属概念,提出了相关从属的定义.相关从属扩大了时间变换研究的范围.继而讨论了相关从属下过程的扩散性质,研究了经济时间上的资产定价问题,结果类似于资本资产定价模型和套利定价模型.最后,利用零...     

生产还是消费——中国股市生产资本资产定价模型实证检验

生产资本资产定价模型从企业利润最大化角度出发,推出资产的均衡价格.相较于消费资本资产定价模型,生产资本资产定价模型能更好的满足信息完全和决策者理性的假设条件.本文从生产资本资产定价模型出发,利用现值模型将生产的系统性风险因子,即生产的贝塔因子分解为现金流贝塔和折现率贝塔,并采用社会总投资和股市数据进行实证检验.本文发现生产-现金流贝塔是中国股市的重要定价因子,可较好地解释股权溢价的截面差异.相比之下,消费资本资产定价模型对不同资产之间风险溢价的解释能力较弱.     

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。     

Prices and Portfolio Choices in Financial Markets: Theory,Econometrics, Experiments

Many tests of asset‐pricing models address only the pricing predictions, but these pricing predictions rest on portfolio choice predictions that seem obviously wrong. This paper suggests a new approach to asset pricing and portfolio choices based on unobserved heterogeneity. This approach yields the standard pricing conclusions of classical models but is consistent with very different portfolio choices. Novel econometric tests link the price and portfolio predictions and take into account the general equilibrium effects of sample‐size bias. This paper works through the approach in detail for the case of the classical capital asset pricing model (CAPM), producing a model called CAPM+ε. When these econometric tests are applied to data generated by large‐scale laboratory asset markets that reveal both prices and portfolio choices, CAPM+εis not rejected.     

基于流动性风险的资本资产定价模型

在现有的资产定价理论基础上,研究了考虑流动性风险因素的风险资产定价问题。首先在无套利下对流动性风险进行定价,得到流动性风险的市场价格,进而给出了无风险资产和风险资产的有效前沿。再从风险构成的角度给出了流动性风险的测度和市场价格,推导出两种形式的基于流动性风险的资本资产定价模型(以相对量表示风险的LBCAPM和以绝对量表示风险的LBCAPM)并揭示了资产期望回报的形成过程。最后,介绍了定价模型的应用前景。     

基于MIDAS分位数回归的条件偏度组合投资决策

条件偏度是金融市场典型特征之一，忽略条件偏度的组合投资决策往往难以有效地分散金融风险。为此，本文构建了包含条件偏度的组合投资模型，并给出其建模方法。首先，运用MIDAS-QR模型，改善条件偏度测度效果；其次，基于CRRA效用函数，将组合投资权重设计为条件偏度和特征变量的线性组合，建立组合投资模型并给出求解方案；最后，从沪深300指数中选取10支代表性成分股进行实证研究，从收益、风险和Sharpe比率等方面，将包含条件偏度的组合投资模型与等权方案、均值-方差模型等进行比较，分析条件偏度在组合投资中的作用。实证结果表明：MIDAS-QR是测度条件偏度的有效方法，其测度结果受异常值影响小，表现稳定；条件偏度对组合投资决策具有显著影响，包含条件偏度的组合投资模型能够有效地降低投资风险、带来更高的风险调整收益。     

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.     

基于EVT-POT-SV-MT模型的极值风险度量

针对金融资产收益的异常变化,采用SV-MT模型对风险资产的预期收益做风险补偿并捕捉收益序列的厚尾性、波动的异方差性等特征,将收益序列转化为标准残差序列,通过SV-MT模型与极值理论相结合拟合标准残差的尾部分布,建立了一种新的金融风险度量模型——基于EVT-POT-SV-MT的动态VaR模型.通过该模型对上证综指做实证分析,结果表明该模型能够合理有效地度量上证综指收益的风险.     

金融数学模型

数学模型对于金融市场中的交易者有着非常重要的作用,数学模型应用于金融市场研究的重大突破是证券组合投资模型和金融衍生工具定价模型的出现,资本资产定价模型是由此发展起来的具有重大应用价值的金融数学模型。这些模型的发展和应用仍是当今金融领域的研究热点问题。本文将概括性地介绍一些模型和它们的应用。     

Strict Stationarity Testing and Estimation of Explosive and Stationary Generalized Autoregressive Conditional Heteroscedasticity Models

This paper studies the asymptotic properties of the quasi‐maximum likelihood estimator of (generalized autoregressive conditional heteroscedasticity) GARCH(1, 1) models without strict stationarity constraints and considers applications to testing problems. The estimator is unrestricted in the sense that the value of the intercept, which cannot be consistently estimated in the explosive case, is not fixed. A specific behavior of the estimator of the GARCH coefficients is obtained at the boundary of the stationarity region, but, except for the intercept, this estimator remains consistent and asymptotically normal in every situation. The asymptotic variance is different in the stationary and nonstationary situations, but is consistently estimated with the same estimator in both cases. Tests of strict stationarity and nonstationarity are proposed. The tests developed for the classical GARCH(1, 1) model are able to detect nonstationarity in more general GARCH models. A numerical illustration based on stock indices and individual stock returns is proposed.