基于GARCH-VaR的股指期货保证金模型

文章以收益率的正态性检验、集群性检验和平稳性检验为基础,用GARCH方法计算VaR,将VaR作为保证金比率,建立了基于GARCH-VaR的股指期货保证金模型,对沪深300指数进行了实证研究.研究表明沪深300指数的收益率不服从正态分布,其收益分布具有明显的厚尾特征和丛集效应;通过与EWMA和风险价格系数法进行对比,发现GARCH-VaR模型能更好地捕捉收益分布特征,得到的保证金水平能更好地覆盖风险.     

利用ETF类基金进行股指期货套利的方法研究

文章研究了利用ETF类基金进行股指期货套利的一种方法.首先选择基于A股市场投资组合的ETF类基金模拟股指期货标的指数沪深300指数,在确定ETF基金组合的基础上使用GARCH(1,1)拟合模拟沪深300指数的收益率;其次,基于中国金融期货交易所的沪深300指数期货仿真交易合约进行套利分析,分别讨论了ETF的一级市场套利和二级市场套利;最后,定义了套利收益率并选择广义极值分布对其进行拟合,给出了相关分布参数的估计值.     

基于“反事实”波动率的中国股指期货效应

以沪深300股指期货和沪深300股票价格指数为研究对象,采用基于"反事实"思想的政策效应评估方法,研究股指期货对股票价格指数波动性的影响。研究结果显示,股指期货的处置效应显著为负,沪深300指数的真实波动率远低于构造的"反事实"波动率,沪深300股指期货的推出能降低股票市场的波动性;通过安慰剂检验验证了实证结果的稳健性,表明沪深300股指期货发挥了市场"稳定器"作用。     

基于混频已实现GARCH模型的波动预测与VaR度量

本文将Hansen等（2012）的Realized GARCH模型扩展为包含日内收益率、日收益率以及已实现波动率的混频已实现GARCH模型（M-Realized GARCH模型）。该模型将日内交易分为前后两段,引入了混频均值方程,并对混频均值方程的残差分别建立条件波动率方程和已实现日波动率方程。本文采用2013-2016年沪深300指数混频数据,分别在扰动项服从正态分布、t分布和广义误差分布的假设下,采用损失函数、SPA检验、kupiec检验和动态分位数检验法,对GARCH、Realized GARCH和M-Realized GARCH模型的波动率预测和VaR度量效果对比研究,得出M-Realized GARCH模型能提高预测精度,且VaR实际失败率与理论失败率一致,失败发生之间不相关。最后,本文利用Block bootstrap方法抽样得到混频数据,模拟证明了M-Realized GARCH模型比Realized GARCH模型具有更高的预测精度。     

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.     

沪深300股指期货与现货市场的波动关系研究

文章以2011年5月31日至2012年6月12日的当月连续的沪深300股指期货价格与现货价格为数据分析基础,对沪深300股指期货市场与现货市场之间的价格波动关系进行了相关数据的实证研究。研究发现,我国沪深300股指期货与沪深300股指现货指数之间的价格存在长期的均衡关系,并且沪深300股指期货是沪深300股指指数变化的格兰杰原因,但是沪深300股指指数不是沪深300股指期货变化的格兰杰原因。     

沪深300指数极值VaR的分析与计算

文章将GARCH模型和EVT理论相结合,对沪深300指数的风险价值进行分析与计算,并将其与传统基于正态分布假设计算的VaR、GARCH模型计算的VaR以及基于EVT理论计算的VaR进行比较,发现采用GARCH模型和EVT理论相结合而得到的极值VaR能更好地反应沪深300指数的风险。     

中国股票市场收益率与波动性的阶段性研究

本文以上海综合指数和深圳成分指数为研究对象,用GARCH(1,1)-M模型对两市的波动性与市场报酬之间的关系进行了分阶段研究,同时分析了涨跌停板交易制度对波动性的影响.通过TARCH(1,1)模型来检验我国股市是否存在"杠杆效应",结果表明,沪深两市均存在显著的"杠杆效应",即报酬与波动呈负相关.     

股指期货推出对股指波动率影响的实证研究

文章以沪深300指数期货作为样本,通过建立非对称的GARCH模型,对全样本和子样本分别进行股指期货推出与股指波动率影响的实证研究。结果表明:我国股指期货的推出后,股票市场的波动性并未受到影响。同时,股票市场的杠杆效应减弱了。     

涨跌停板制度下沪深股市向量自回归模型及波动性的协整分析

本文以上证综合指数和深圳成分指数为研究对象，选取了以1996年12月16日至2009年5月27日的两指数收盘价为样本，通过向量自回归模型（VAR）、协整分析、脉冲响应分析来检验两时间序列间的内在联系。结果表明，所选取观测交易日的沪深两市对数收盘价不存在长期均衡关系，并且两市股指收益率变化的相互影响的持续时间短；沪深两市不存在格兰杰因果关系，两市的独立性越来越明显；在不同时期，沪深两市波动的联动作用不同。     

深沪股指收益率波动研究

文章选取沪、深两市1991年1月1日至2005年2月18日的股票指数作为样本,运用EGARCH(1,1)模型,研究指数日收益率波动的性质特征,并探讨了不同阶段股市对利好消息和利空消息的反映。结果表明:不同阶段的指数收益率序列具有结构特征,各阶段沪、深两市指数收益率均与滞后一阶高度相关,且两市指数收益率均具有信息不对称效果。     

沪深A、B股市场信息传递路径实证分析

运用计量经济学中的ARCH-LM检验、GARCH模型、Granger引导关系检验等分析方法，实证分析了B股市场对境内投资者开放前后沪深两市A指收益率序列与B指收益率序列和非预期收益率序列的Granger引导关系，给出沪深A、B股市场信息传递路径，并且指出从信息流动角度来说，A、B股市场整合的方式是从A股市场向B股市场的内幕消息的传递和从B股市场向A股市场的投资理念的趋同。     

经济复苏背景下的道琼斯指数与中国股市关系的实证检验

作为美国资本市场重要指标之一的道琼斯指数对沪深300指数是否会产生相应的影响以及有多大影响等一系列问题都是当今投资者所关注的课题。文章通过收集2009年1月至2010年12月的每日收盘价，对道琼斯指数与沪深300指数作联动性研究，采用协整检验、格兰杰因果关系检验等方法对道琼斯指数和沪深300指数的关系进行了实证分析。结果表明：在短时间内，道琼斯指数与沪深300指数互成因果关系，互相影响；而在长时间内，道琼斯指数的波动影响着中国股市的变动，而中国股市对道琼斯指数影响较小。     

基于已实现和极差波动率标准的沪深300指数波动率模型研究

对波动率预测模型的研究备受学术界的关注,文章以沪深300指数的5分钟高频真实交易数据为研究对象,利用8个损失函数和Diebold Marinao检验较为全面的探讨评价了GARCH族模型对其预测能力。结果发现长记忆性模型的预测效果普遍好于短记忆性GARCH模型,且FIEGARCH是长记忆性模型中预测效果较好的,这对学术界和实务界进行风险测度及对我国资本市场的风险控制都具有现实意义。     

含有超越时间与相关收益率强度的极值风险度量

为研究不同市场状态下沪深300指数高频收益率的GARCH族期望波动率与极值风险之间的关系,采用非齐次的含有超越时间与相关收益率强度的二元极值方法分析系统性金融风险的VaR度量,结果表明:期望波动率的引入修正了齐次模型中GPD模型普遍退化的问题;预期波动率对尾部形状参数的正向影响在市场上升阶段比市场下降阶段更为明显,前一期期望波动率越高,则下一期单位期望波动率的变化对VaR的解释作用越小。     

沪深300股指期货对现货市场影响的实证研究

文章采用事件研究的方法,系统考察了沪深300股指期货上市交易一年以来对于现货市场的影响程度及方向。通过使用市场模型和GARCH系列模型对沪深300股指的贝塔值以及波动率进行的实证研究,结果发现:沪深300指数期货的引入,很好发挥了期货交易管理风险和降低波动的作用,同时买空卖空的套期保值交易还降低了不对称信息对于现货市场的冲击,但是要警惕股指期货带来的系统性风险的提高。     

沪深300股指期货风险的预警研究

文章通过对沪深300股指期货IF1012合约日收益率序列进行统计分析,继而建立GARCH(1,2)-GED模型,度量了中国股指期货市场的最大损失值CVAR。研究结果显示:该模型能很好的拟合中国股指期货长期合约的特征,在股指期货市场中,每个交易日的数据均受前期波动影响,CVAR值与原始收益率序列变化基本一致,且不存在滞后效应,因此CVAR值可作为风险预警的指标为有关监管部门与投资者服务。     

基于BP神经网络的股指收益率预测研究——以高频数据为样本

高频金融数据和金融资产收益率是金融计量学的一个全新的研究领域。目前，国内学者利用年、月、日等低频数据对股票市场的收益率进行了很多的研究，但是以日内高频数据为基础的研究还不多见。如何较准确地预测基于高频数据的股票收益率是进一步深入研究金融市场的基础，论文采用数据挖掘中的BP神经网络对沪深300指数高频数据中的日内收益率进行建模与预测。结果表明：神经网络模型对股票高频数据的日内收益率具有很强的预测能力。     

激进型投连险收益率波动特征及投资风格研判

文章以特定激进型投连险账户为研究样本,基于2004~2014年间的日交易数据,运用GARCH族模型对其收益率波动特征进行检验,并对其投资风格进行研判。研究发现,GED分布设定下的ARMA(1,1)-GARCH(1,1)模型拟合效果最佳;该收益率具有波动聚集、高风险高收益以及长记忆等特征,与我国股票市场具有杠杆效应特征不同,杠杆效应特征并不显著;此外,通过建立DCC-GARCH模型对其投资风格进行研判,发现该收益率与上证综合指数收益率的动态条件相关系数为正且较高,这印证了其激进型的投资风格。     

股市量化投资策略与实证检验

文章通过多个反映市场动态的因子模型,构造出可以根据市场变动做出自适应调整的平滑系数,建立了看涨和看跌市场动态自适应指数平滑模型,并且给出了基于模型的量化投资策略.以沪深300指数为样本,使用Bootstrap方法和ARCH族模型进行实证检验,从均值差异、流动性和信息不对称等角度分析市场动态自适应指数平滑模型投资策略对于股票市场收益率的预测能力.检验结果证明了策略具有较强的预测能力和对市场变化的适应能力.